一种基于多模态的尿动力学自动评估方法及系统

本发明涉及尿动力学的，尤其涉及一种基于多模态的尿动力学自动评估方法及系统。

背景技术：

1、尿动力学是研究尿液产生、输送和排泄的力学性质的学科。这包括了涉及到泌尿系统的各个组成部分，如肾脏、尿道、膀胱等的功能和相互关系。

2、在尿动力学研究中，常涉及到以下几个方面：

3、肾脏功能：肾脏是尿液形成的主要器官。尿动力学研究会关注肾脏的滤过、重吸收和排泄功能，以了解尿液的形成过程。

4、膀胱功能：膀胱是储存尿液的器官，尿动力学研究关注膀胱的容量、压力和排空等参数，以评估膀胱的正常功能或可能存在的问题。

5、尿道功能：尿道是连接膀胱和外部的通道，尿动力学研究可以考察尿道的通畅性和排尿的力学特性。

6、泌尿系统协调：尿动力学还关注泌尿系统各个部分之间的协调和互动，以确保尿液的顺利产生和排泄。

7、尿动力学研究可以通过多种方法进行，包括使用仪器测量尿液流速、膀胱压力、尿道压力等参数。这些研究对于了解和诊断尿路系统的功能障碍、泌尿系统疾病以及寻找相应的治疗方法都具有重要意义。

8、尿动力学是评估下尿路功能的重要手段，可以通过留置导管、压力传感器、称重传感器等设备测量膀胱和尿道的压力和流量，并根据生成的压力流率曲线来判断病人是否存在下尿路功能障碍。

9、然而，由于病人个体差异较大，同一病情的曲线变化较大，如果完全依赖医师经验进行病情的判断，对医师经验要求较高。同时对病情的判断完全依赖医师的主观判断，诊断结果受主观因素影响，诊断结果不一定完全客观可靠。

技术实现思路

1、针对上述问题，本发明的目的在于提供一种基于多模态的尿动力学自动评估方法及系统，基于自动评估模型对病人的尿动力学数据进行自动处理和分析，对尿动力学六个表现方面给出不同程度的评估。

2、本发明的上述发明目的是通过以下技术方案得以实现的：

3、一种基于多模态的尿动力学自动评估方法，包括：训练尿动力评估模型，具体包括以下步骤：

4、s1：采集包括压力流率图、尿动力学检查数据和其他相关生理参数在内的多模态的尿动力数据作为所述尿动力评估模型的训练数据；

5、s2：将所述训练数据中的每一例数据依次传入所述尿动力评估模型中进行训练，输出尿动力表现程度初步结果；

6、s3：根据输出的尿动力表现程度的所述初步结果，在所述尿动力评估模型中反向传播不断优化模型参数，得到最优的所述尿动力评估模型。

7、进一步地，在步骤s1中，采集包括压力流率图、尿动力学检查数据和其他相关生理参数在内的尿动力数据，具体为：

8、所述压力流率图包括膀胱压、腹压、逼尿肌压、肌电图、尿流率、尿流量、尿道压、尿道闭合压在内的八条曲线数据；

9、所述尿动力学检查数据包括膀胱顺应性bc值、膀胱安全容量、急迫性尿失禁情况、咳嗽漏尿情况、膀胱收缩指数bci、膀胱出口梗阻指数booi在内的数据参数；

10、所述其他相关生理参数包括初感觉、初急迫、强烈急迫、最大灌注容量、最大尿流率对应逼尿肌压力、最大尿流率、残余尿在内的数据参数；

11、同时为所述尿动力学检查数据和所述其他相关生理参数中的每一个数据参数增加用于指示数据参数是否存在的标签，标签值的默认值为第一默认值，当数据参数存在时，所述标签值设置为第二默认值，当数据参数不存在时，所述标签值设置为第一默认值，对所述尿动力评估模型进行训练时将数据参数和所述标签同时输入所述尿动力评估模型。

12、进一步地，在步骤s1中，还包括：对所述尿动力数据进行预处理，具体为：

13、对所述压力流率图对应的图像进行预处理，将所有的所述压力流率图转化为第一预设尺寸，并在所述第一预设尺寸的所述压力流率图中随机截图多张第二预设尺寸的所述压力流率图作为最终的所述训练数据；

14、采用包括随机旋转、随机翻转、随机缩放在内的措施对所述训练数据进行数据增强，增加所述训练数据的多样性。

15、进一步地，在步骤s2之前，还包括：初步建立所述尿动力评估模型，具体为：采用迁移学习技术将其他任务训练好的所述模型参数迁移到所述尿动力评估模型中。

16、进一步地，在步骤s2中，将所述训练数据中的每一例数据依次传入所述尿动力评估模型中进行训练，具体为：

17、采用深度学习模型和机器学习模型相结合的形式进行所述尿动力评估模型的构建与训练，或采用深度学习模型进行端到端训练的形式进行所述尿动力评估模型的构建与训练；

18、其中，采用深度学习模型和机器学习模型相结合的形式为采用深度学习模型中的卷积神经网络提取所述压力流率图的图片特征，然后将所述卷积神经网络提取的所述图片特征与所述尿动力学检查数据和所述其他相关生理参数相融合后输入到所述机器学习模型中；

19、采用深度学习模型进行端到端训练的形式为采用深度学习模型中的所述卷积神经网络提取所述压力流率图的图片特征，在所述卷积神经网络的全连接层处将尿动力学检查数据和其他相关生理参数与提取到的所述图片特征相融合，同时增加一层全连接层，便于特征信息的进一步提取。

20、进一步地，在步骤s3之后，还包括：输出关于所述压力流率图的热力图，以所述热力图的形式告知在获取所述初步结果的过程中所述尿动力评估模型的关注区域，具体为：

21、采用grad-cam技术生成所述压力流率图的所述热力图；

22、在所述热力图中通过不同颜色的区域表示所述压力流率图中不同区域对于输出的所述初步结果的重要程度，颜色越明亮或者越靠近红色，表示当前区域对所述初步结果的贡献越大。

23、进一步地，利用通过步骤s1-s3训练好的所述尿动力评估模型对实际病例的数据进行自动评估，具体为：

24、获取当前病例的所述压力流率图、所述尿动力学检查数据和所述其他相关生理参数；

25、将所述压力流率图、所述尿动力学检查数据和所述其他相关生理参数输入训练好的所述尿动力评估模型中，以输出所述尿动力表现程度的评估结果；

26、同时将所述评估结果，在所述尿动力评估模型中反向传播对所述尿动力评估模型进行所述模型参数的不断优化。

27、一种用于执行如上述步骤的基于多模态的尿动力学自动评估方法的基于多模态的尿动力学自动评估系统，包括：

28、数据采集模块，用于采集包括压力流率图、尿动力学检查数据和其他相关生理参数在内的多模态的尿动力数据作为所述尿动力评估模型的训练数据；

29、模型训练模块，用于将所述训练数据中的每一例数据依次传入所述尿动力评估模型中进行训练，输出尿动力表现程度初步结果；

30、模型优化模块，用于根据输出的尿动力表现程度的所述初步结果，在所述尿动力评估模型中反向传播不断优化模型参数，得到最优的所述尿动力评估模型。

31、一种计算机设备，包括存储器和一个或多个处理器，所述存储器中存储有计算机代码，所述计算机代码被所述一个或多个处理器执行时，使得所述一个或多个处理器执行如上述的方法。

32、一种计算机可读存储介质，所述计算机可读存储介质存储有计算机代码，当所述计算机代码被执行时，如上述的方法被执行。

33、与现有技术相比，本发明包括以下至少一种有益效果是：

34、(1)通过训练一个自动的尿动力评估模型，该尿动力评估模型会对病人的尿动力数据进行自动处理和分析，对尿动力学六个表现方面给出不同程度的评估。相比传统的手动分析方法，通过利用该尿动力评估模型，医生能够更加全面地理解和解读尿动力学数据，减少主观因素对诊断结果的影响，使诊断更为客观可靠。

35、(2)尿动力评估模型能够提供更详尽的评估信息，帮助医生制定科学的治疗方案。