[发明专利]基于人工智能的射血分数保留型心衰诊断及分型系统

权利要求书

1.一种基于人工智能的射血分数保留型心衰诊断及分型系统，其特征在于，包括依次关联的输入单元模块、诊断单元模块、数据匹配模块和输出单元模块，输入单元模块用于输入待诊患者心衰症状和身体检查结果特征，诊断单元模块用于根据大量心衰患者历史数据训练初始射血分数保留型心衰诊断神经网络模型，获得患者心衰症状、身体检查结果特征与心衰类型及射血分数保留型心衰临床亚型的对应关系，数据匹配模块用于将待诊患者心衰症状、身体检查结果特征匹配到所述对应关系中，生成对应的匹配诊断报告，输出单元模块用于输出待诊断患者的心衰类型及射血分数保留型心衰患者的临床亚型。

2.根据权利要求1所述的一种基于人工智能的射血分数保留型心衰诊断及分型系统，其特征在于，所述诊断单元模块包括模型训练子单元模块，用于根据大量心衰患者历史数据训练初始射血分数保留型心衰诊断神经网络模型，获得射血分数保留型心衰诊断神经网络模型，即患者心衰症状、身体检查结果特征与心衰类型及射血分数保留型心衰临床亚型的对应关系模型。

3.根据权利要求2所述的一种基于人工智能的射血分数保留型心衰诊断及分型系统，其特征在于，所述模型训练子单元模块包括数据输入模块、初始诊断模块和诊断分型模块。

4.根据权利要求3所述的一种基于人工智能的射血分数保留型心衰诊断及分型系统，其特征在于，所述数据输入模块用于获取大量心衰患者历史数据，设定数据预处理规则，通过所述数据预处理规则对数据信息进行处理，得到诊断数据集，所述心衰患者历史数据，即心衰症状和身体检查结果特征数据，身体检查结果特征包括心脏超声、心电图、血压、血清胆固醇、肝肾功、电解质、血常规、心肌酶、脑钠钛、冠心病史和空腹血糖。

5.根据权利要求4所述的一种基于人工智能的射血分数保留型心衰诊断及分型系统，其特征在于，所述数据预处理规则包括数据类型变换、数据填充以及数据删除，数据类型变换包括二值型数据转换和多值型数据转换，数据填充即对各项目空值字段进行均值填充，以提高模型训练的精准性。

6.根据权利要求5所述的一种基于人工智能的射血分数保留型心衰诊断及分型系统，其特征在于，所述数据输入模块获取的是HFpEF患者的心脏超声图像型资料时，采用基于Faster R-CNN模型截取心脏超声图像的感兴趣区域，并通过图像增强处理突出感兴趣区域，基于DSSD_Inception_V3模型实现感兴趣区域中心脏超声标准切面结构检测和识别，并截取结构异常区域，基于连通分量外接矩形的长宽比进行左心室、右心室、左心房、右心房大小的测量，输出测量结果，根据心脏结构参数、功能参数及其对应的尺寸参数实现心脏舒张功能不全的判断，最后根据心衰基本数据信息获取历史心衰基本数据信息以及对应的心衰类型标注类别，根据历史心衰基本数据信息以及对应的心衰类型标注类别对心衰数据信息进行类型标记，同时与心衰数据集进行关联。

7.根据权利要求3所述的一种基于人工智能的射血分数保留型心衰诊断及分型系统，其特征在于，所述初始诊断模块用于将症状数据集合及心脏超声图像数据集合随机分成训练集、验证集与测试集，再分别将相应的训练集、验证集中的医案数据输入至初始射血分数保留型心衰诊断神经网络模型进行模型训练，当达到训练条件时停止训练，得到训练好的射血分数保留型心衰诊断神经网络模型。

8.根据权利要求7所述的一种基于人工智能的射血分数保留型心衰诊断及分型系统，其特征在于，所述初始射血分数保留型心衰诊断神经网络模型为：

其中，R代表标记区域，S代表标记区域的文字描述，I代表整幅图像，θ代表卷积神经网络模型和递归神经网络模型的参数，在训练时输入I、θ、S，得到R，并通过训练调整θ，在预测时输入I，得到R和S，诊断时先识别所有的心衰，将心衰进行分类，分成射血分数保留型心衰和射血分数降低型心衰两大类，并隐藏射血分数降低型心衰的标签框，再根据图像与语义属性之间的映射得到射血分数保留型心衰的语义属性预测层和语义属性的预测向量，再通过LSTM模型生成语义属性预测向量到单词序列的映射，最后输出描述标记的射血分数保留型心衰的单词序列。