本發(fā)明涉及康復(fù)監(jiān)測(cè)，尤其涉及一種基于深度學(xué)習(xí)的放療患者康復(fù)監(jiān)測(cè)系統(tǒng)。
背景技術(shù)：
1、隨著現(xiàn)代醫(yī)學(xué)技術(shù)的不斷發(fā)展，放射領(lǐng)域的醫(yī)學(xué)實(shí)踐得到了飛速的發(fā)展和進(jìn)步，放療作為一項(xiàng)重要的治療技術(shù)，已經(jīng)廣泛地應(yīng)用于腫瘤治療的各個(gè)階段，放射治療是惡性腫瘤的三大治療手段之一，約百分之七十的癌癥患者需要進(jìn)行放射治療，且由于放療的療程長，反應(yīng)大，因此在術(shù)后即使患者腫瘤已經(jīng)被治愈，仍需要持續(xù)的康復(fù)治療，即稱為腫瘤康復(fù)期，具體是指經(jīng)過手術(shù)、化療、放療等手段治療后，癌癥被臨床治愈了，患者不再治療，而是在調(diào)養(yǎng)身體的時(shí)期，即生物學(xué)意義上的身體康復(fù)，所以為了提高患者的康復(fù)質(zhì)量，通常需要對(duì)患者的術(shù)后康復(fù)情況進(jìn)行有效的監(jiān)測(cè)。
2、深度學(xué)習(xí)模型是一類非常強(qiáng)大的機(jī)器學(xué)習(xí)模型，在過去幾年中，它已經(jīng)在許多領(lǐng)域中取得了顯著的成功，如計(jì)算機(jī)視覺、自然語言處理和語音識(shí)別，深度學(xué)習(xí)模型的核心是神經(jīng)網(wǎng)絡(luò)，它的層數(shù)是由訓(xùn)練數(shù)據(jù)的復(fù)雜性決定的，通過大量的數(shù)據(jù)輸入和預(yù)處理，深度學(xué)習(xí)模型可以自動(dòng)學(xué)習(xí)到特征和規(guī)律，并獲得出非常好的預(yù)測(cè)結(jié)果。
3、目前，將深度學(xué)習(xí)模型應(yīng)用于放療患者康復(fù)監(jiān)測(cè)的研究還不夠深入，而現(xiàn)有的放療患者康復(fù)監(jiān)測(cè)系統(tǒng)大都功能單一，無法對(duì)患者的相關(guān)術(shù)后數(shù)據(jù)進(jìn)行全面有效的收集，數(shù)據(jù)收集也缺乏實(shí)時(shí)性，導(dǎo)致數(shù)據(jù)收集局限性較大，數(shù)據(jù)收集后沒有進(jìn)行有效的預(yù)處理，導(dǎo)致存在不完整和不準(zhǔn)確的問題，從而對(duì)后續(xù)數(shù)據(jù)的評(píng)估分析精度造成不好的影響，且整個(gè)監(jiān)測(cè)過程患者參與度較低，一定程度上影響了患者的積極性和康復(fù)效果，同時(shí)還無法對(duì)患者康復(fù)進(jìn)程進(jìn)行動(dòng)態(tài)監(jiān)測(cè)評(píng)估，康復(fù)評(píng)估精度較低，因此，本發(fā)明提出一種基于深度學(xué)習(xí)的放療患者康復(fù)監(jiān)測(cè)系統(tǒng)用以解決現(xiàn)有技術(shù)中存在的問題。
技術(shù)實(shí)現(xiàn)思路
1、針對(duì)上述問題，本發(fā)明的目的在于提出一種基于深度學(xué)習(xí)的放療患者康復(fù)監(jiān)測(cè)系統(tǒng)，解決現(xiàn)有的放療患者康復(fù)監(jiān)測(cè)系統(tǒng)的數(shù)據(jù)收集局限性較大，且數(shù)據(jù)收集后沒有進(jìn)行有效的預(yù)處理，以及無法對(duì)患者康復(fù)進(jìn)程進(jìn)行動(dòng)態(tài)監(jiān)測(cè)評(píng)估的問題。
2、為了實(shí)現(xiàn)本發(fā)明的目的，本發(fā)明通過以下技術(shù)方案實(shí)現(xiàn)：一種基于深度學(xué)習(xí)的放療患者康復(fù)監(jiān)測(cè)系統(tǒng)，包括患者數(shù)據(jù)采集終端、遠(yuǎn)程數(shù)據(jù)傳輸終端、數(shù)據(jù)分析處理終端和康復(fù)監(jiān)測(cè)反饋終端，所述患者數(shù)據(jù)采集終端包括用于采集患者生命體征信息的生命體征監(jiān)測(cè)模塊、用于采集患者放療反應(yīng)信息的放療反應(yīng)檢測(cè)模塊和用于采集患者心理狀態(tài)信息的心理狀態(tài)收集模塊；
3、所述遠(yuǎn)程數(shù)據(jù)傳輸終端包括搭載于患者數(shù)據(jù)采集終端的數(shù)據(jù)發(fā)送模塊、接入互聯(lián)網(wǎng)的數(shù)據(jù)云備份模塊和搭載于數(shù)據(jù)分析處理終端的數(shù)據(jù)接收模塊，所述患者數(shù)據(jù)采集終端和數(shù)據(jù)分析處理終端之間通過遠(yuǎn)程數(shù)據(jù)傳輸終端進(jìn)行無線數(shù)據(jù)傳輸；
4、所述數(shù)據(jù)分析處理終端包括用于對(duì)接收到的患者數(shù)據(jù)進(jìn)行預(yù)處理的數(shù)據(jù)預(yù)處理模塊、用于對(duì)預(yù)處理后的患者數(shù)據(jù)進(jìn)行深度學(xué)習(xí)分析的數(shù)據(jù)分析模塊和用于根據(jù)數(shù)據(jù)分析結(jié)果評(píng)估患者康復(fù)狀態(tài)的數(shù)據(jù)評(píng)估模塊，所述數(shù)據(jù)分析處理終端自帶成長型數(shù)據(jù)庫，所述數(shù)據(jù)預(yù)處理模塊包括數(shù)據(jù)清洗單元、缺失處理單元和數(shù)據(jù)標(biāo)準(zhǔn)化單元；
5、所述康復(fù)監(jiān)測(cè)反饋終端包括與數(shù)據(jù)分析處理終端無線連接的分級(jí)預(yù)警模塊和與患者數(shù)據(jù)采集終端無線連接的康復(fù)指導(dǎo)模塊，所述分級(jí)預(yù)警模塊對(duì)患者康復(fù)情況進(jìn)行分級(jí)并制定個(gè)性化康復(fù)計(jì)劃，所述康復(fù)指導(dǎo)模塊根據(jù)個(gè)性化康復(fù)計(jì)劃為患者提供遠(yuǎn)程康復(fù)指導(dǎo)。
6、進(jìn)一步改進(jìn)在于：所述生命體征監(jiān)測(cè)模塊采用智能穿戴式設(shè)備實(shí)時(shí)監(jiān)測(cè)并采集患者的生命體征信息，所述放療反應(yīng)檢測(cè)模塊接收由患者自主上傳的皮膚反應(yīng)圖片以及由患者口述自報(bào)的感覺信息，所述心理狀態(tài)收集模塊采用問答的方式向患者提出心理狀態(tài)評(píng)估問題，并根據(jù)患者的回答評(píng)估患者的心理狀態(tài)信息。
7、進(jìn)一步改進(jìn)在于：所述數(shù)據(jù)發(fā)送模塊將患者數(shù)據(jù)采集終端采集到的各信息數(shù)據(jù)分類并壓縮打包發(fā)送至數(shù)據(jù)接收模塊，所述數(shù)據(jù)接收模塊對(duì)接收到的信息數(shù)據(jù)包進(jìn)行解壓并傳輸至數(shù)據(jù)預(yù)處理模塊，所述數(shù)據(jù)云備份模塊將采集到的各信息數(shù)據(jù)實(shí)時(shí)備份存儲(chǔ)至云端服務(wù)器。
8、進(jìn)一步改進(jìn)在于：所述數(shù)據(jù)清洗單元采用小波變換技術(shù)去除信息數(shù)據(jù)中的高頻噪聲，保留有效信號(hào)，同時(shí)通過自動(dòng)編碼器檢測(cè)信息數(shù)據(jù)中的異常模式，并根據(jù)臨床背景對(duì)異常值進(jìn)行修正。
9、進(jìn)一步改進(jìn)在于：所述缺失處理單元基于數(shù)據(jù)特性選擇對(duì)應(yīng)的數(shù)據(jù)填補(bǔ)方法對(duì)數(shù)據(jù)漏洞進(jìn)行填補(bǔ)，所述數(shù)據(jù)標(biāo)準(zhǔn)化單元采用min-max歸一化技術(shù)將數(shù)據(jù)壓縮至[0,1]區(qū)間，以統(tǒng)一數(shù)據(jù)尺度。
10、進(jìn)一步改進(jìn)在于：所述數(shù)據(jù)分析模塊包括通過深度學(xué)習(xí)模型提取信息數(shù)據(jù)中關(guān)鍵特征的深度學(xué)習(xí)模塊和用于識(shí)別患者康復(fù)階段的對(duì)比識(shí)別模塊，所述深度學(xué)習(xí)模塊基于卷積神經(jīng)網(wǎng)絡(luò)構(gòu)建深度學(xué)習(xí)模型，并將預(yù)處理后的數(shù)據(jù)作為模型輸入，利用深度學(xué)習(xí)模型自動(dòng)分析數(shù)據(jù)并提取其中的關(guān)鍵特征，所述對(duì)比識(shí)別模塊將提取出的關(guān)鍵特征與成長型數(shù)據(jù)庫中存儲(chǔ)的標(biāo)準(zhǔn)特征以及歷史特征進(jìn)行對(duì)比，并根據(jù)對(duì)比結(jié)果識(shí)別患者所處康復(fù)階段。
11、進(jìn)一步改進(jìn)在于：所述成長型數(shù)據(jù)庫中存儲(chǔ)的標(biāo)準(zhǔn)特征為患者放療后理想化的康復(fù)狀態(tài)，所述數(shù)據(jù)評(píng)估模塊根據(jù)患者康復(fù)階段的識(shí)別結(jié)果，評(píng)估患者康復(fù)進(jìn)展，并生成患者的康復(fù)監(jiān)測(cè)報(bào)告。
12、進(jìn)一步改進(jìn)在于：所述分級(jí)預(yù)警模塊根據(jù)患者康復(fù)進(jìn)展對(duì)患者康復(fù)情況進(jìn)行分級(jí)，并根據(jù)康復(fù)情況分級(jí)為患者制定個(gè)性化康復(fù)計(jì)劃，所述康復(fù)指導(dǎo)模塊采用遠(yuǎn)程醫(yī)療模式對(duì)患者進(jìn)行專業(yè)康復(fù)指導(dǎo)。
13、本發(fā)明的有益效果為：本發(fā)明通過融合客觀傳感器檢測(cè)數(shù)據(jù)與主觀患者收集數(shù)據(jù)，將術(shù)后康復(fù)的物理參數(shù)與患者生理響應(yīng)動(dòng)態(tài)關(guān)聯(lián)，實(shí)現(xiàn)數(shù)據(jù)的多方位收集，提升后續(xù)數(shù)據(jù)評(píng)估的全面性，同時(shí)也提升了患者參與度，保證了患者的積極性，并采用小波變換加自動(dòng)編碼器的混合數(shù)據(jù)清洗方案，能對(duì)數(shù)據(jù)進(jìn)行有效預(yù)處理，進(jìn)一步提升后續(xù)數(shù)據(jù)處理分析效率，且通過深度學(xué)習(xí)實(shí)現(xiàn)精準(zhǔn)的康復(fù)進(jìn)程動(dòng)態(tài)判斷，顯著提升了康復(fù)評(píng)估精度，并由康復(fù)監(jiān)測(cè)反饋終端對(duì)患者提供遠(yuǎn)程康復(fù)指導(dǎo)，通過遠(yuǎn)程醫(yī)療實(shí)現(xiàn)實(shí)時(shí)干預(yù)，形成多終端協(xié)同架構(gòu)，以及監(jiān)測(cè)、分析、反饋的閉環(huán)結(jié)構(gòu)，縮短了術(shù)后康復(fù)干預(yù)的響應(yīng)時(shí)間，對(duì)患者的術(shù)后康復(fù)效果產(chǎn)生了積極影響。
1.一種基于深度學(xué)習(xí)的放療患者康復(fù)監(jiān)測(cè)系統(tǒng)，包括患者數(shù)據(jù)采集終端、遠(yuǎn)程數(shù)據(jù)傳輸終端、數(shù)據(jù)分析處理終端和康復(fù)監(jiān)測(cè)反饋終端，其特征在于：所述患者數(shù)據(jù)采集終端包括用于采集患者生命體征信息的生命體征監(jiān)測(cè)模塊、用于采集患者放療反應(yīng)信息的放療反應(yīng)檢測(cè)模塊和用于采集患者心理狀態(tài)信息的心理狀態(tài)收集模塊；
2.根據(jù)權(quán)利要求1所述的一種基于深度學(xué)習(xí)的放療患者康復(fù)監(jiān)測(cè)系統(tǒng)，其特征在于：所述生命體征監(jiān)測(cè)模塊采用智能穿戴式設(shè)備實(shí)時(shí)監(jiān)測(cè)并采集患者的生命體征信息，所述放療反應(yīng)檢測(cè)模塊接收由患者自主上傳的皮膚反應(yīng)圖片以及由患者口述自報(bào)的感覺信息，所述心理狀態(tài)收集模塊采用問答的方式向患者提出心理狀態(tài)評(píng)估問題，并根據(jù)患者的回答評(píng)估患者的心理狀態(tài)信息。
3.根據(jù)權(quán)利要求1所述的一種基于深度學(xué)習(xí)的放療患者康復(fù)監(jiān)測(cè)系統(tǒng)，其特征在于：所述數(shù)據(jù)發(fā)送模塊將患者數(shù)據(jù)采集終端采集到的各信息數(shù)據(jù)分類并壓縮打包發(fā)送至數(shù)據(jù)接收模塊，所述數(shù)據(jù)接收模塊對(duì)接收到的信息數(shù)據(jù)包進(jìn)行解壓并傳輸至數(shù)據(jù)預(yù)處理模塊，所述數(shù)據(jù)云備份模塊將采集到的各信息數(shù)據(jù)實(shí)時(shí)備份存儲(chǔ)至云端服務(wù)器。
4.根據(jù)權(quán)利要求1所述的一種基于深度學(xué)習(xí)的放療患者康復(fù)監(jiān)測(cè)系統(tǒng)，其特征在于：所述數(shù)據(jù)清洗單元采用小波變換技術(shù)去除信息數(shù)據(jù)中的高頻噪聲，保留有效信號(hào)，同時(shí)通過自動(dòng)編碼器檢測(cè)信息數(shù)據(jù)中的異常模式，并根據(jù)臨床背景對(duì)異常值進(jìn)行修正。
5.根據(jù)權(quán)利要求1所述的一種基于深度學(xué)習(xí)的放療患者康復(fù)監(jiān)測(cè)系統(tǒng)，其特征在于：所述缺失處理單元基于數(shù)據(jù)特性選擇對(duì)應(yīng)的數(shù)據(jù)填補(bǔ)方法對(duì)數(shù)據(jù)漏洞進(jìn)行填補(bǔ)，所述數(shù)據(jù)標(biāo)準(zhǔn)化單元采用min-max歸一化技術(shù)將數(shù)據(jù)壓縮至[0,1]區(qū)間，以統(tǒng)一數(shù)據(jù)尺度。
6.根據(jù)權(quán)利要求1所述的一種基于深度學(xué)習(xí)的放療患者康復(fù)監(jiān)測(cè)系統(tǒng)，其特征在于：所述數(shù)據(jù)分析模塊包括通過深度學(xué)習(xí)模型提取信息數(shù)據(jù)中關(guān)鍵特征的深度學(xué)習(xí)模塊和用于識(shí)別患者康復(fù)階段的對(duì)比識(shí)別模塊，所述深度學(xué)習(xí)模塊基于卷積神經(jīng)網(wǎng)絡(luò)構(gòu)建深度學(xué)習(xí)模型，并將預(yù)處理后的數(shù)據(jù)作為模型輸入，利用深度學(xué)習(xí)模型自動(dòng)分析數(shù)據(jù)并提取其中的關(guān)鍵特征，所述對(duì)比識(shí)別模塊將提取出的關(guān)鍵特征與成長型數(shù)據(jù)庫中存儲(chǔ)的標(biāo)準(zhǔn)特征以及歷史特征進(jìn)行對(duì)比，并根據(jù)對(duì)比結(jié)果識(shí)別患者所處康復(fù)階段。
7.根據(jù)權(quán)利要求6所述的一種基于深度學(xué)習(xí)的放療患者康復(fù)監(jiān)測(cè)系統(tǒng)，其特征在于：所述成長型數(shù)據(jù)庫中存儲(chǔ)的標(biāo)準(zhǔn)特征為患者放療后理想化的康復(fù)狀態(tài)，所述數(shù)據(jù)評(píng)估模塊根據(jù)患者康復(fù)階段的識(shí)別結(jié)果，評(píng)估患者康復(fù)進(jìn)展，并生成患者的康復(fù)監(jiān)測(cè)報(bào)告。
8.根據(jù)權(quán)利要求1所述的一種基于深度學(xué)習(xí)的放療患者康復(fù)監(jiān)測(cè)系統(tǒng)，其特征在于：所述分級(jí)預(yù)警模塊根據(jù)患者康復(fù)進(jìn)展對(duì)患者康復(fù)情況進(jìn)行分級(jí)，并根據(jù)康復(fù)情況分級(jí)為患者制定個(gè)性化康復(fù)計(jì)劃，所述康復(fù)指導(dǎo)模塊采用遠(yuǎn)程醫(yī)療模式對(duì)患者進(jìn)行專業(yè)康復(fù)指導(dǎo)。