检索历史 清除

摘要脑卒中是一种急性脑血管疾病，临床上通常分为缺血性脑卒中和出血性脑卒中。近年来，随着社会老龄化、人们工作压力及生活方式的改变，我国在心脑血管疾病中的问题日益暴露。据调查显示，脑卒中已成为我国成年人第一死亡原因，呈现高发病率，高死亡率且人群趋于年轻化。病历数据作为临床中提供检查记录的一种方式，蕴含了大量信息，在疾病诊断中发挥了辅助作用。因此，基于病历数据的脑卒中疾病诊断的研究具有重要价值。<br>　　本文重点研究缺血性脑卒中临床辅助诊断，并根据其发病原因，以上海市某医院真实缺血性脑卒中病历数据开展缺血性脑卒中疾病辅助诊断研究。分析病历数据特点，提出了基于LSTM多特征联合学习的缺血性脑卒中辅助诊断。主要研究内容如下：<br>　　（1）提出一种基于本体学习的颈动脉超声报告结构化方法。该方法结合颈动脉超声报告及医学知识，首先构建颈动脉超声本体基础框架；并对超声报告做规范化、分段及分词的数据预处理；基于报告描述特点，由依存句法分析结合规则的方法抽取语义关系，并将其填充到本体基础框架中，构建颈动脉超声本体树；基于该本体树中节点间关系，设计扫描算法，对输入的颈动脉超声报告自动生成相应XML表示形式的语义子树，输出到csv关系表中实现指标和指标值的存储。<br>　　（2）提出一种LSTM注意力与多特征联合的缺血性脑卒中诊断模型。采用Word2vec技术，将结构化后的超声文本指标向量化预处理。并联合生化检查、基本检查的多特征数据，建立基于LSTM注意力与多特征联合的缺血性脑卒中诊断模型。该模型充分考虑各输入特征间差异性，以LSTM模型为基础，建立三个双向LSTM特征提取子模块，联合训练学习各类型特征数据的前向和后向信息；最终对各子模块学习的特征向量连接并作为患者缺血性脑卒中诊断的特征向量。在多特征层次上增加自注意力机制，分别计算三种不同特征的注意力权重，提升分类诊断效果，增强模型性能。实验在不同评估标准下，讨论结果在临床中的应用意义。<br>　　（3）设计并实现了缺血性脑卒中辅助诊断系统。系统接收输入的颈动脉超声报告，由结构化模块输出对应超声指标和指标值；联合生化检查、基本检查信息，由系统调用诊断模型给出患者缺血性脑卒中疾病的诊断结果，为医生临床决策提供一种辅助参考。