【技術(shù)實(shí)現(xiàn)步驟摘要】
本專利技術(shù)涉及醫(yī)療信息處理和分析，具體涉及一種基于lstm(long?short-term?memory)網(wǎng)絡(luò)的甲狀腺病程發(fā)展時(shí)序分析方法。
技術(shù)介紹
1、甲狀腺疾病的病程通常具有明顯的時(shí)間依賴性，其發(fā)展和變化受多種因素影響，包括遺傳因素、環(huán)境因素、飲食習(xí)慣、治療方案等。因此，對(duì)甲狀腺病程的時(shí)序分析具有重要的臨床意義，有助于醫(yī)生更好地掌握患者的病情變化趨勢，優(yōu)化治療方案，改善患者的預(yù)后。傳統(tǒng)的甲狀腺疾病分析方法主要依賴于靜態(tài)的病歷數(shù)據(jù)，醫(yī)生根據(jù)患者的當(dāng)前癥狀和檢查結(jié)果進(jìn)行診斷和治療。然而，這種方法忽略了病程中的時(shí)間序列信息，無法充分利用歷史數(shù)據(jù)來預(yù)測未來的病程發(fā)展。隨著醫(yī)療信息化的發(fā)展，越來越多的醫(yī)療數(shù)據(jù)以電子病歷的形式存儲(chǔ)下來，這為基于數(shù)據(jù)驅(qū)動(dòng)的時(shí)序分析提供了可能性。
2、lstm(long?short-term?memory)網(wǎng)絡(luò)是一種特殊的遞歸神經(jīng)網(wǎng)絡(luò)(rnn)，其設(shè)計(jì)初衷是解決傳統(tǒng)rnn在處理長時(shí)間依賴問題時(shí)的梯度消失和梯度爆炸問題。lstm網(wǎng)絡(luò)通過引入遺忘門、輸入門和輸出門，能夠有效地捕捉和記憶病程中的長期依賴關(guān)系。因此，lstm網(wǎng)絡(luò)在處理甲狀腺病程這樣的長序列數(shù)據(jù)時(shí)，具有顯著的優(yōu)勢。本專利技術(shù)的目的是提供一種基于lstm網(wǎng)絡(luò)的甲狀腺病程發(fā)展時(shí)序分析方法，通過對(duì)患者的病程數(shù)據(jù)進(jìn)行時(shí)間序列分析，預(yù)測疾病的發(fā)展趨勢，幫助醫(yī)生制定更加精準(zhǔn)的治療方案。
技術(shù)實(shí)現(xiàn)思路
1、1.所要解決的技術(shù)問題：
2、醫(yī)生根據(jù)患者的當(dāng)前癥狀和檢查結(jié)果進(jìn)行診斷和治療的方法忽略
3、針對(duì)上述技術(shù)問題，本專利技術(shù)提供一種基于lstm(long?short-term?memory)網(wǎng)絡(luò)的甲狀腺病程發(fā)展時(shí)序分析方法。旨在通過對(duì)甲狀腺疾病患者的病程數(shù)據(jù)進(jìn)行時(shí)間序列分析，預(yù)測疾病的發(fā)展趨勢，為臨床決策提供科學(xué)依據(jù)。
4、2.技術(shù)方案：
5、一種基于lstm網(wǎng)絡(luò)的甲狀腺病程發(fā)展時(shí)序分析方法，包括以下步驟：
6、步驟一：數(shù)據(jù)收集與預(yù)處理：收集患者甲狀腺病程相關(guān)的時(shí)序數(shù)據(jù)，并對(duì)時(shí)序數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理；
7、步驟二：lstm網(wǎng)絡(luò)模型構(gòu)建：設(shè)計(jì)lstm網(wǎng)絡(luò)模型，并使用步驟一標(biāo)準(zhǔn)化處理的時(shí)序數(shù)據(jù)對(duì)lstm網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，捕捉甲狀腺病程中的時(shí)間依賴關(guān)系；通過交叉驗(yàn)證和超參數(shù)調(diào)優(yōu)，優(yōu)化lstm網(wǎng)絡(luò)模型的性能；
8、步驟三：時(shí)序分析與預(yù)測：利用訓(xùn)練好的lstm網(wǎng)絡(luò)模型對(duì)甲狀腺病程進(jìn)行時(shí)序分析，預(yù)測病程的未來發(fā)展趨勢；對(duì)預(yù)測結(jié)果進(jìn)行驗(yàn)證，并結(jié)合實(shí)際的臨床數(shù)據(jù)進(jìn)行效果評(píng)估；
9、步驟四：臨床決策支持：將時(shí)序分析的結(jié)果應(yīng)用于臨床決策支持系統(tǒng)，輔助醫(yī)生制定個(gè)性化的治療方案和隨訪計(jì)劃。
10、進(jìn)一步地，步驟一中的收集的時(shí)序數(shù)據(jù)來源于醫(yī)院的電子病歷系統(tǒng)、實(shí)驗(yàn)室檢查系統(tǒng)和影像學(xué)數(shù)據(jù)庫，具體如下：
11、輸入特征數(shù)據(jù)；
12、治療方案數(shù)據(jù)：包括甲狀腺藥物使用情況(藥物種類、劑量、用藥時(shí)間)、放射治療劑量、手術(shù)方式；
13、生活習(xí)慣數(shù)據(jù)：包括碘攝入量、運(yùn)動(dòng)強(qiáng)度和頻率、吸煙量(支/天)、飲酒量(ml/天)、作息規(guī)律性的量化指標(biāo)；
14、基礎(chǔ)疾病數(shù)據(jù)：包括自身免疫性疾病史、家族病史；
15、環(huán)境因素?cái)?shù)據(jù)：包括居住地碘含量水平、職業(yè)環(huán)境致病因素；
16、輸出目標(biāo)數(shù)據(jù)：
17、甲狀腺功能指標(biāo)：主要指標(biāo)包括tsh值的動(dòng)態(tài)變化(參考范圍0.27-4.2miu/l)；次要指標(biāo)包括游離t3(ft3)值(參考范圍3.1-6.8pmol/l)、游離t4(ft4)值(參考范圍12-22pmol/l)；
18、甲狀腺抗體水平：tpoab、tgab；
19、超聲特征：結(jié)節(jié)大小、回聲特征；
20、輸入lstm網(wǎng)絡(luò)模型的特征數(shù)據(jù)的限制條件如下：
21、輸入時(shí)間序列長度：至少需要連續(xù)6個(gè)月的歷史數(shù)據(jù)；
22、tsh值預(yù)測范圍：模型輸出限定在臨床可能范圍內(nèi)(0-100miu/l)；
23、數(shù)據(jù)時(shí)間間隔：所有輸入數(shù)據(jù)按照每月采樣一次進(jìn)行標(biāo)準(zhǔn)化；
24、特征相關(guān)性閾值：輸入特征與tsh變化的皮爾遜相關(guān)系數(shù)需大于0.3才會(huì)被納入模型。
25、進(jìn)一步地，步驟一中對(duì)時(shí)序數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理包括以下步驟：
26、(1)結(jié)構(gòu)化處理：按照時(shí)間順序排列時(shí)序數(shù)據(jù)，形成時(shí)間序列數(shù)據(jù)集，時(shí)間序列數(shù)據(jù)集的每個(gè)數(shù)據(jù)點(diǎn)均包括時(shí)間戳、數(shù)據(jù)類型和數(shù)據(jù)值；
27、(2)對(duì)時(shí)間序列數(shù)據(jù)集中的異常值進(jìn)行檢測與處理；
28、(3)對(duì)時(shí)間序列集中的缺失值進(jìn)行填補(bǔ)；
29、(4)對(duì)時(shí)間序列數(shù)據(jù)集的數(shù)據(jù)值進(jìn)行歸一化處理：歸一化的公式：
30、
31、其中，x為數(shù)據(jù)點(diǎn)的原始數(shù)據(jù)，x′為歸一化后的數(shù)據(jù)，min(x)和max(x)分別為同種類型數(shù)據(jù)的最小值和最大值，歸一化處理后的數(shù)據(jù)范圍為[0,1]。
32、進(jìn)一步地，步驟(2)中異常值檢測的方法包括基于統(tǒng)計(jì)學(xué)的z-score方法、箱線圖法和基于機(jī)器學(xué)習(xí)的孤立森林算法，z-score方法的計(jì)算公式為：
33、
34、其中，z為z-score值，x為數(shù)據(jù)點(diǎn)的原始數(shù)據(jù)，μ為同類型多個(gè)原始數(shù)據(jù)的均值，σ為標(biāo)準(zhǔn)差。當(dāng)|z|>3時(shí)，認(rèn)為該數(shù)據(jù)點(diǎn)的原始數(shù)據(jù)為異常值。
35、進(jìn)一步地，步驟(3)對(duì)時(shí)間序列集中的缺失值進(jìn)行填補(bǔ)的方法包括均值填補(bǔ)、插值法、前向填補(bǔ)和后向填補(bǔ)，均值填補(bǔ)的公式為：
36、
37、其中，xfilled為填補(bǔ)后的數(shù)據(jù)，xi為存在值，n為存在值的數(shù)量。
38、進(jìn)一步地，所述lstm網(wǎng)絡(luò)模型為一個(gè)包含模型輸入層、網(wǎng)絡(luò)主體和模型輸出層的深度神經(jīng)網(wǎng)絡(luò)模型，用于捕捉甲狀腺病程中的時(shí)間依賴關(guān)系；
39、模型輸入層接收時(shí)序數(shù)據(jù)；網(wǎng)絡(luò)主體采用三層lstm單元，第一層為單元輸入層，節(jié)點(diǎn)數(shù)與特征維度相同，第二、三層為單元隱藏層，節(jié)點(diǎn)數(shù)分別為128和64，每層lstm單元均包含控制信息流動(dòng)的遺忘門、輸入門和輸出門，模型內(nèi)部激活函數(shù)采用sigmoid和tanh組合；模型輸出層使用relu函數(shù)，通過dropout機(jī)制(率為0.2)防止過擬合；模型輸出層設(shè)計(jì)為多目標(biāo)預(yù)測，包括未來不同時(shí)間段(1-3個(gè)月、3-6個(gè)月、6-12個(gè)月)的甲狀腺功能指標(biāo)預(yù)測值、結(jié)節(jié)大小變化預(yù)測值和疾病風(fēng)險(xiǎn)評(píng)分。
40、進(jìn)一步地，步驟二中l(wèi)stm網(wǎng)絡(luò)模型包括以下幾個(gè)部分：
41、遺忘門：控制前一時(shí)刻的細(xì)胞狀態(tài)ct-1是否被遺忘，公式為：
42、ft＝σ(wf·[ht-1,xt]+bf)
43、其中，ft為遺忘門的輸出，wf為遺忘門的權(quán)重矩陣，ht-1為前一時(shí)刻的隱藏狀態(tài)，xt為當(dāng)前輸入，bf為遺忘門的偏置項(xiàng)。
44、輸入門：決定當(dāng)前時(shí)刻的輸入xt需要更新多少內(nèi)容到細(xì)胞狀態(tài)，公式為：<本文檔來自技高網(wǎng)...
【技術(shù)保護(hù)點(diǎn)】
1.一種基于LSTM網(wǎng)絡(luò)的甲狀腺病程發(fā)展時(shí)序分析方法，其特征在于，包括以下步驟：
2.根據(jù)權(quán)利要求1所述的一種基于LSTM網(wǎng)絡(luò)的甲狀腺病程發(fā)展時(shí)序分析方法，其特征在于，步驟一中的收集的時(shí)序數(shù)據(jù)來源于醫(yī)院的電子病歷系統(tǒng)、實(shí)驗(yàn)室檢查系統(tǒng)和影像學(xué)數(shù)據(jù)庫，具體如下：
3.根據(jù)權(quán)利要求1所述的一種基于LSTM網(wǎng)絡(luò)的甲狀腺病程發(fā)展時(shí)序分析方法，其特征在于，步驟一中對(duì)時(shí)序數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理包括以下步驟：
4.根據(jù)權(quán)利要求3所述的一種基于LSTM網(wǎng)絡(luò)的甲狀腺病程發(fā)展時(shí)序分析方法，其特征在于，步驟(2)中異常值檢測的方法包括基于統(tǒng)計(jì)學(xué)的z-score方法、箱線圖法和基于機(jī)器學(xué)習(xí)的孤立森林算法，z-score方法的計(jì)算公式為：
5.根據(jù)權(quán)利要求3所述的一種基于LSTM網(wǎng)絡(luò)的甲狀腺病程發(fā)展時(shí)序分析方法，其特征在于，步驟(3)對(duì)時(shí)間序列集中的缺失值進(jìn)行填補(bǔ)的方法包括均值填補(bǔ)、插值法、前向填補(bǔ)和后向填補(bǔ)，均值填補(bǔ)的公式為：
6.根據(jù)權(quán)利要求5所述的一種基于LSTM網(wǎng)絡(luò)的甲狀腺病程發(fā)展時(shí)序分析方法，其特征在于，所述LSTM網(wǎng)絡(luò)模型為一個(gè)包含模型輸入
7.根據(jù)權(quán)利要求6所述的一種基于LSTM網(wǎng)絡(luò)的甲狀腺病程發(fā)展時(shí)序分析方法，其特征在于，步驟二中LSTM網(wǎng)絡(luò)模型包括以下幾個(gè)部分：
8.根據(jù)權(quán)利要求7所述的一種基于LSTM網(wǎng)絡(luò)的甲狀腺病程發(fā)展時(shí)序分析方法，其特征在于，步驟二中LSTM網(wǎng)絡(luò)模型的訓(xùn)練方法如下：
...【技術(shù)特征摘要】
1.一種基于lstm網(wǎng)絡(luò)的甲狀腺病程發(fā)展時(shí)序分析方法，其特征在于，包括以下步驟：
2.根據(jù)權(quán)利要求1所述的一種基于lstm網(wǎng)絡(luò)的甲狀腺病程發(fā)展時(shí)序分析方法，其特征在于，步驟一中的收集的時(shí)序數(shù)據(jù)來源于醫(yī)院的電子病歷系統(tǒng)、實(shí)驗(yàn)室檢查系統(tǒng)和影像學(xué)數(shù)據(jù)庫，具體如下：
3.根據(jù)權(quán)利要求1所述的一種基于lstm網(wǎng)絡(luò)的甲狀腺病程發(fā)展時(shí)序分析方法，其特征在于，步驟一中對(duì)時(shí)序數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理包括以下步驟：
4.根據(jù)權(quán)利要求3所述的一種基于lstm網(wǎng)絡(luò)的甲狀腺病程發(fā)展時(shí)序分析方法，其特征在于，步驟(2)中異常值檢測的方法包括基于統(tǒng)計(jì)學(xué)的z-score方法、箱線圖法和基于機(jī)器學(xué)習(xí)的孤立森林算法，z-score方法的計(jì)算公式為：
5.根據(jù)權(quán)利要...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：王俊，張玲，顧海花，李婷，紀(jì)文宇，
申請(qǐng)(專利權(quán))人：南京信息職業(yè)技術(shù)學(xué)院，
類型：發(fā)明
國別省市：
還沒有人留言評(píng)論。發(fā)表了對(duì)其他瀏覽者有用的留言會(huì)獲得科技券。