本發(fā)明屬于醫(yī)療技術領域，特別是涉及一種基于尿比重和尿量監(jiān)測的腎衰竭預警方法及系統(tǒng)。

背景技術：

腎臟功能部分或全部喪失的病理狀態(tài)，叫做腎衰竭，按其發(fā)作之急緩分為急性和慢性兩種。急性腎衰竭系因多種疾病致使兩腎在短時間內(nèi)喪失排泄功能，慢性腎衰竭是由各種病因所致的慢性腎病發(fā)展至晚期而出現(xiàn)的一組臨床癥狀組成的綜合征。

當前對腎臟功能的檢測主要通過尿常規(guī)、血常規(guī)、腎臟B超、CT、核磁等多種手段來評估腎臟功能。例如當血肌酐出現(xiàn)濃度升高時(例如超過130mg/L，根據(jù)地域和醫(yī)院不同數(shù)值會有所差異)顯示腎臟損害，但此時，腎臟已經(jīng)出現(xiàn)損害，無論從診斷還是治療角度都是延遲和滯后的，而實際上，腎臟在出現(xiàn)損害的早期(未有癥狀)，尿液的理化性質已出現(xiàn)變化，若在此時及時發(fā)現(xiàn)腎臟的隱患，就能有利于疾病的早期診斷和處理，降低治療難度和減輕醫(yī)療負擔。尿液理化性質是反應腎臟功能變化和監(jiān)測腎臟功能的重要指標，早期腎臟受損時主要表現(xiàn)為隱形變化，這種隱形變化在尿液理化性質上會出現(xiàn)細微變化，并呈現(xiàn)動態(tài)改變，因此通過腎臟分泌尿液的容量及尿液的質量進行分析，能對患者的體液內(nèi)環(huán)境的進行即時監(jiān)測，分析單位時間尿量(步進式)和尿比重的變化，結合病例建模，預測病人腎功能的變化趨勢，及時發(fā)現(xiàn)潛在的腎臟損害，及時處理，避免治療延遲，導致不可逆性損傷。然而，現(xiàn)有技術中并沒有這樣一種預警方法和系統(tǒng)。

技術實現(xiàn)要素：

為解決上述問題，本發(fā)明提供了一種基于尿比重和尿量監(jiān)測的腎衰竭預警方法及系統(tǒng)，能夠對所測尿比重和尿量檢測值進行分析，預測出腎臟出現(xiàn)損傷的概率，在腎臟無癥狀損傷早期及時發(fā)現(xiàn)腎臟病變，為臨床及早治療提供有效幫助。

本發(fā)明提供的一種基于尿比重和尿量監(jiān)測的腎衰竭預警方法，包括：

采集不同類別患者的尿比重和步進式尿量監(jiān)測指標，建立數(shù)據(jù)庫；

進行概率神經(jīng)網(wǎng)絡的訓練；

利用訓練完畢的所述概率神經(jīng)網(wǎng)絡對就診者的尿比重和步進式尿量監(jiān)測數(shù)值進行計算，并得到預警結果。

優(yōu)選的，在上述基于尿比重和尿量監(jiān)測的腎衰竭預警方法中，

所述進行概率神經(jīng)網(wǎng)絡的訓練包括：

根據(jù)醫(yī)院診斷結果，對采集到的患者尿比重和步進式尿量定義病情分類；

將尿比重和步進式尿量指標作為輸入，病情分類作為輸出，放入概率神經(jīng)網(wǎng)絡中進行監(jiān)督學習。

優(yōu)選的，在上述基于尿比重和尿量監(jiān)測的腎衰竭預警方法中，

所述將尿比重和步進式尿量指標作為輸入，病情分類作為輸出，放入概率神經(jīng)網(wǎng)絡中進行監(jiān)督學習包括：

將各項指標歸一化；

將患者的尿比重和步進式尿量輸入到概率神經(jīng)網(wǎng)絡的輸入層；

設置spread值，將輸入層信息傳遞到模式層，進行模式識別；

在求和層將模式層中屬于同一類的隱含神經(jīng)元的輸出做加權平均得到每一類的概率密度；

根據(jù)各類對輸入信息的概率估計，采用Bayes分類規(guī)則，選出具有最大后驗概率的類別，并在決策層輸出；

將輸出結果與訓練樣本類別值對比，通過調(diào)整spread值進行誤差校正，直到完成概率神經(jīng)網(wǎng)絡的訓練。

本發(fā)明提供的一種基于尿比重和尿量監(jiān)測的腎衰竭預警系統(tǒng)，包括：

采集模塊，用于采集不同類別患者的尿比重和步進式尿量監(jiān)測指標，建立數(shù)據(jù)庫；

訓練模塊，用于進行概率神經(jīng)網(wǎng)絡的訓練；

計算模塊，用于利用訓練完畢的所述概率神經(jīng)網(wǎng)絡對就診者的尿比重和步進式尿量監(jiān)測數(shù)值進行計算，并得到預警結果。

優(yōu)選的，在上述基于尿比重和尿量監(jiān)測的腎衰竭預警系統(tǒng)中，

所述訓練模塊包括：

分類單元，用于根據(jù)醫(yī)院診斷結果，對采集到的患者尿比重和步進式尿量定義病情分類；

監(jiān)督學習單元，用于將尿比重和步進式尿量指標作為輸入，病情分類作為輸出，放入概率神經(jīng)網(wǎng)絡中進行監(jiān)督學習。

優(yōu)選的，在上述基于尿比重和尿量監(jiān)測的腎衰竭預警系統(tǒng)中，

所述監(jiān)督學習單元包括：

歸一化部件，用于將各項指標歸一化；

輸入部件，用于將患者的尿比重和步進式尿量輸入到概率神經(jīng)網(wǎng)絡的輸入層；

模式識別部件，用于設置spread值，將輸入層信息傳遞到模式層，進行模式識別；

加權平均部件，用于在求和層將模式層中屬于同一類的隱含神經(jīng)元的輸出做加權平均得到每一類的概率密度；

輸出部件，用于根據(jù)各類對輸入信息的概率估計，采用Bayes分類規(guī)則，選出具有最大后驗概率的類別，并在決策層輸出；

校正部件，用于將輸出結果與訓練樣本類別值對比，通過調(diào)整spread值進行誤差校正，直到完成概率神經(jīng)網(wǎng)絡的訓練。

通過上述描述可知，本發(fā)明提供的基于尿比重和尿量監(jiān)測的腎衰竭預警方法及系統(tǒng)，由于包括采集不同類別患者的尿比重和步進式尿量監(jiān)測指標，建立數(shù)據(jù)庫；進行概率神經(jīng)網(wǎng)絡的訓練；利用訓練完畢的所述概率神經(jīng)網(wǎng)絡對就診者的尿比重和步進式尿量監(jiān)測數(shù)值進行計算，并得到預警結果，因此能夠對所測尿比重和尿量檢測值進行分析，預測出腎臟出現(xiàn)損傷的概率，在腎臟無癥狀損傷早期及時發(fā)現(xiàn)腎臟病變，為臨床及早治療提供有效幫助。

附圖說明

為了更清楚地說明本發(fā)明實施例或現(xiàn)有技術中的技術方案，下面將對實施例或現(xiàn)有技術描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本發(fā)明的實施例，對于本領域普通技術人員來講，在不付出創(chuàng)造性勞動的前提下，還可以根據(jù)提供的附圖獲得其他的附圖。

圖1為本申請實施例提供的第一種基于尿比重和尿量監(jiān)測的腎衰竭預警方法的示意圖；

圖2為本申請實施例提供的第三種基于尿比重和尿量監(jiān)測的腎衰竭預警方法所用的預測模型結構示意圖；

圖3為本申請實施例提供的第一種基于尿比重和尿量監(jiān)測的腎衰竭預警系統(tǒng)的示意圖。

具體實施方式

本發(fā)明的核心思想在于提供一種基于尿比重和尿量監(jiān)測的腎衰竭預警方法及系統(tǒng)，能夠對所測尿比重和尿量檢測值進行分析，預測出腎臟出現(xiàn)損傷的概率，在腎臟無癥狀損傷早期及時發(fā)現(xiàn)腎臟病變，為臨床及早治療提供有效幫助。

下面將結合本發(fā)明實施例中的附圖，對本發(fā)明實施例中的技術方案進行清楚、完整地描述，顯然，所描述的實施例僅僅是本發(fā)明一部分實施例，而不是全部的實施例?；诒景l(fā)明中的實施例，本領域普通技術人員在沒有做出創(chuàng)造性勞動前提下所獲得的所有其他實施例，都屬于本發(fā)明保護的范圍。

本申請實施例提供的第一種基于尿比重和尿量監(jiān)測的腎衰竭預警方法如圖1所示，圖1為本申請實施例提供的第一種基于尿比重和尿量監(jiān)測的腎衰竭預警方法的示意圖，該方法包括如下步驟：

S1：采集不同類別患者的尿比重和步進式尿量監(jiān)測指標，建立數(shù)據(jù)庫；

需要說明的是，這里所述的不同類別患者包括正常、慢性腎衰竭和急性腎衰竭患者，樣本數(shù)據(jù)均來自于醫(yī)院就診信息網(wǎng)絡平臺，不同類別患者均為確診病人，不包括疑似案例。

S2：進行概率神經(jīng)網(wǎng)絡的訓練；

需要說明的是，這種概率神經(jīng)網(wǎng)絡訓練容易，收斂速度快，適用于實時處理。

S3：利用訓練完畢的所述概率神經(jīng)網(wǎng)絡對就診者的尿比重和步進式尿量監(jiān)測數(shù)值進行計算，并得到預警結果。

需要說明的是，就診者尿比重和步進式尿量監(jiān)測應進行24小時連續(xù)多次測定，有助于初步了解腎功能。樣本建模類別包括正常、慢性腎衰竭和急性腎衰竭三個大類別，不同程度腎功能損傷小分類不涉及，則預警結果輸出為正常、慢性腎衰竭或急性腎衰竭。

可見，該方法通過對確診病人檢測指標進行分類，建立概率分類模型，利用新患者的尿比重和尿量步進式監(jiān)測值預測腎功能的變化趨勢，輔助醫(yī)務人員及時發(fā)現(xiàn)潛在的腎臟損害，及時處理，避免治療延遲。

通過上述描述可知，本申請實施例提供的第一種基于尿比重和尿量監(jiān)測的腎衰竭預警方法，由于包括采集不同類別患者的尿比重和步進式尿量監(jiān)測指標，建立數(shù)據(jù)庫；進行概率神經(jīng)網(wǎng)絡的訓練；利用訓練完畢的所述概率神經(jīng)網(wǎng)絡對就診者的尿比重和步進式尿量監(jiān)測數(shù)值進行計算，并得到預警結果，因此能夠對所測尿比重和尿量檢測值進行分析，預測出腎臟出現(xiàn)損傷的概率，在腎臟無癥狀損傷早期及時發(fā)現(xiàn)腎臟病變，為臨床及早治療提供有效幫助。

本申請實施例提供的第二種基于尿比重和尿量監(jiān)測的腎衰竭預警方法，是在上述第一種基于尿比重和尿量監(jiān)測的腎衰竭預警方法的基礎上，還包括如下技術特征：

所述進行概率神經(jīng)網(wǎng)絡的訓練包括：

根據(jù)醫(yī)院診斷結果，對采集到的患者尿比重和步進式尿量定義病情分類；

將尿比重和步進式尿量指標作為輸入，病情分類作為輸出，放入概率神經(jīng)網(wǎng)絡中進行監(jiān)督學習。

本申請實施例提供的第三種基于尿比重和尿量監(jiān)測的腎衰竭預警方法，是在上述第二種基于尿比重和尿量監(jiān)測的腎衰竭預警方法的基礎上，還包括如下技術特征：

所述將尿比重和步進式尿量指標作為輸入，病情分類作為輸出，放入概率神經(jīng)網(wǎng)絡中進行監(jiān)督學習包括：

將各項指標歸一化；

將患者的尿比重和步進式尿量輸入到概率神經(jīng)網(wǎng)絡的輸入層；

設置spread值，將輸入層信息傳遞到模式層，進行模式識別；

在求和層將模式層中屬于同一類的隱含神經(jīng)元的輸出做加權平均得到每一類的概率密度；

根據(jù)各類對輸入信息的概率估計，采用Bayes分類規(guī)則，選出具有最大后驗概率的類別，并在決策層輸出；

將輸出結果與訓練樣本類別值對比，通過調(diào)整spread值進行誤差校正，直到完成概率神經(jīng)網(wǎng)絡的訓練。

參考圖2，圖2為本申請實施例提供的第三種基于尿比重和尿量監(jiān)測的腎衰竭預警方法所用的預測模型結構示意圖，具體的步驟如下：

1)將數(shù)據(jù)歸一化；

2)尿比重和步進式尿量作為輸入x，對應的癥狀類別為輸出y，設置spread值，這里的spread值就是傳播系數(shù)；

3)步驟2)傳遞Z_i＝x_i×w_i進入模式層，其中的w_i為網(wǎng)絡權值，該層激活函數(shù)選用exp[(Z_i-1)/δ²]，該層第i類的第j個神經(jīng)元輸出概率為其中p為訓練樣本的維度，δ為平滑因子，x_ij代表第i類的第j個指標值；

4)在求和層將模式層中屬于同一類的隱含神經(jīng)元的輸出做加權平均得到每一類的概率密度f，這一層包含三類，正常f₁，慢性腎衰竭f₂和急性腎衰竭f₃。第i類的概率密度計算公式為(L_i代表第i類樣本數(shù))；

5)根據(jù)Bayes最小風險準則，這種Bayes準則為可使全部判決的平均風險為最小的準則，在決策層對步驟4)計算得到的f_i進行估計，選出具有最大后驗概率的類別并輸出。其分類原則具體為，

若H_il_if_i(x)>H_jl_jf_j(x)，則x∈y_i，相反則x∈y_j，其中H_i，H_j為病癥類型y_i和y_j的先驗概率，l_i，l_j分別代表樣本x錯誤劃分類型的代價因子。

6)步驟5)輸出與目標輸出y進行對比，不斷調(diào)整spread值，最終使網(wǎng)絡誤差達標(準確率90％以上)，完成有監(jiān)督學習，生成預測網(wǎng)絡。

本申請實施例提供的第一種基于尿比重和尿量監(jiān)測的腎衰竭預警系統(tǒng)如圖3所示，圖3為本申請實施例提供的第一種基于尿比重和尿量監(jiān)測的腎衰竭預警系統(tǒng)的示意圖，該系統(tǒng)包括：

采集模塊201，用于采集不同類別患者的尿比重和步進式尿量監(jiān)測指標，建立數(shù)據(jù)庫，需要說明的是，這里所述的不同類別患者包括正常、慢性腎衰竭和急性腎衰竭患者，樣本數(shù)據(jù)均來自于醫(yī)院就診信息網(wǎng)絡平臺，不同類別患者均為確診病人，不包括疑似案例；

訓練模塊202，用于進行概率神經(jīng)網(wǎng)絡的訓練，需要說明的是，這種概率神經(jīng)網(wǎng)絡訓練容易，收斂速度快，適用于實時處理；

計算模塊203，用于利用訓練完畢的所述概率神經(jīng)網(wǎng)絡對就診者的尿比重和步進式尿量監(jiān)測數(shù)值進行計算，并得到預警結果，需要說明的是，就診者尿比重和步進式尿量監(jiān)測應進行24小時連續(xù)多次測定，有助于初步了解腎功能。樣本建模類別包括正常、慢性腎衰竭和急性腎衰竭三個大類別，不同程度腎功能損傷小分類不涉及，則預警結果輸出為正常、慢性腎衰竭或急性腎衰竭。

上述系統(tǒng)能夠對所測尿比重和尿量檢測值進行分析，預測出腎臟出現(xiàn)損傷的概率，在腎臟無癥狀損傷早期及時發(fā)現(xiàn)腎臟病變，為臨床及早治療提供有效幫助。

本申請實施例提供的第二種基于尿比重和尿量監(jiān)測的腎衰竭預警系統(tǒng)，是在上述第一種基于尿比重和尿量監(jiān)測的腎衰竭預警系統(tǒng)的基礎上，還包括如下技術特征：

所述訓練模塊包括：

分類單元，用于根據(jù)醫(yī)院診斷結果，對采集到的患者尿比重和步進式尿量定義病情分類；

監(jiān)督學習單元，用于將尿比重和步進式尿量指標作為輸入，病情分類作為輸出，放入概率神經(jīng)網(wǎng)絡中進行監(jiān)督學習。

本申請實施例提供的第三種基于尿比重和尿量監(jiān)測的腎衰竭預警系統(tǒng)，是在上述第二種基于尿比重和尿量監(jiān)測的腎衰竭預警系統(tǒng)的基礎上，還包括如下技術特征：

所述監(jiān)督學習單元包括：

歸一化部件，用于將各項指標歸一化；

輸入部件，用于將患者的尿比重和步進式尿量輸入到概率神經(jīng)網(wǎng)絡的輸入層；

模式識別部件，用于設置spread值，將輸入層信息傳遞到模式層，進行模式識別；

加權平均部件，用于在求和層將模式層中屬于同一類的隱含神經(jīng)元的輸出做加權平均得到每一類的概率密度；

輸出部件，用于根據(jù)各類對輸入信息的概率估計，采用Bayes分類規(guī)則，選出具有最大后驗概率的類別，并在決策層輸出；

校正部件，用于將輸出結果與訓練樣本類別值對比，通過調(diào)整spread值進行誤差校正，直到完成概率神經(jīng)網(wǎng)絡的訓練。

綜上所述，本申請實施例提供的上述基于尿比重和尿量監(jiān)測的腎衰竭預警方法和系統(tǒng)，網(wǎng)絡訓練容易，收斂速度快，適用于實時處理，各層神經(jīng)元的數(shù)目比較固定，易于硬件實現(xiàn)，便于及早發(fā)現(xiàn)腎臟功能早期的變化，便于及時就診。

對所公開的實施例的上述說明，使本領域專業(yè)技術人員能夠實現(xiàn)或使用本發(fā)明。對這些實施例的多種修改對本領域的專業(yè)技術人員來說將是顯而易見的，本文中所定義的一般原理可以在不脫離本發(fā)明的精神或范圍的情況下，在其它實施例中實現(xiàn)。因此，本發(fā)明將不會被限制于本文所示的這些實施例，而是要符合與本文所公開的原理和新穎特點相一致的最寬的范圍。