[发明专利]基于生成对抗网络的术中实时血流动力学状态的识别方法

权利要求书

1.基于生成对抗网络的术中实时血流动力学状态的识别方法，其特征在于，该识别方法具体步骤如下：

步骤一、数据采集、数据质检及标准化处理，在手术过程中对病人进行连续监测，获取多通道的时间序列数据，同时提取患者的电子病历中的基本数据；对其进行数据质检及标准化处理；

步骤二、数据切割，获取经过数据质检及标准化处理的时间序列数据，根据手术中的异常血压事件，对时间序列数据进行切割，作为机器学习的基本单元；

步骤三、数据合并，提取经过数据质检及标准化处理后的电子病历基本数据以及经过切割后的时间序列数据，通过神经网络模型对其进行数据合并，形成样本集；

步骤四、模型构建，将步骤四所述样本集划分为训练集和测试集，搭建以多种神经网络为基本架构的生成器网络和判别器网络，将训练集作为输入数据输入其中进行训练，并调整参数优化生成对抗网络模型；

步骤五、模型验证，提取步骤五所述测试集，并将其输入生成对抗网络模型进行验证，若验证结果符合预期，则输出该模型，反之，进行模型参数更新或样本重采样；

步骤六、模型应用，输出验证结果符合预期的生成对抗网络模型，并将其以软件形式进行应用，对患者在手术中的血流动力学状态进行实时的判别。

2.根据权利要求1所述的基于生成对抗网络的术中实时血流动力学状态的识别方法，其特征在于，步骤一所述时间序列数据包括常规监测数据和进阶血流动力学数据，所述常规监测数据包括但不限于心率、血压、呼吸频率、呼气末二氧化碳浓度和输入氧浓度，所述进阶血流动力学数据包括但不限于心输出量、血管阻力和组织氧饱和度；所述电子病历中的基本数据包括但不限于患者年龄、性别、体重指数、既往合并症和术前血红蛋白浓度；所述数据质检及标准化处理步骤包括但不限于异常数据剔除、缺失值填充和归一化。

3.根据权利要求1所述的基于生成对抗网络的术中实时血流动力学状态的识别方法，其特征在于，步骤二所述时间序列数据的切割取决于异常血压事件，所述异常血压的定义方法包括但不限于偏离基线水平的相对变化程度和绝对变化程度。

4.根据权利要求1所述的基于生成对抗网络的术中实时血流动力学状态的识别方法，其特征在于，步骤三所述数据合并的方法包括但不限于将非时间序列数据转换为时间序列，或通过神经网络进行特征提取和特征工程后再进行数据合并。

5.根据权利要求1所述的基于生成对抗网络的术中实时血流动力学状态的识别方法，其特征在于，步骤四所述生成器网络通过手术中的常规监测数据训练生成，同时通过手术中的常规监测数据和进阶血流动力学数据训练判别器网络；由生成器网络生成进阶血流动力学指标，由判别器网络计算其准确性，进而调整生成器网络的权值。

6.根据权利要求1所述的基于生成对抗网络的术中实时血流动力学状态的识别方法，其特征在于，步骤六所述实时的判别是指发生术中的异常状况或血流动力学不稳定时，利用模型可提示病人的进阶血流动力学指标变化情况，从而辅助医生决策，但是在病人状况稳定时不进行同步判别。