基于步态视频和临床变量的冠心病患病风险预测系统

本申请涉及临床医学，特别涉及一种基于步态视频和临床变量的冠心病患病风险预测系统。

背景技术：

1、传统的临床检查方法存在诸多缺陷，如侵入性操作和低准确性等。其中，冠心病(coronary artery disease，简称cad)的临床诊断常采用心电图、超声心动图、冠状动脉计算机断层扫描(computed tomography，简称ct)造影和经皮冠状动脉造影等方法。然而，这些非侵入性检查方法敏感度不高，容易漏诊；而侵入性检查方法，如经皮冠状动脉造影则费用高昂，尤其是金标准经皮冠状动脉造影，其侵入性手术过程可能对患者造成身体伤害和经济负担。

2、相关技术中，预测冠心病患病风险的方法有：(1)通过参数变化和视频分析等方式挖掘待测试患者的更多步态信息；(2)机器学习算法。

3、然而，该方法存在信息丢失，无法适用于大规模设区筛查等问题，亟待解决。

技术实现思路

1、本申请提供一种基于步态视频和临床变量的冠心病患病风险预测系统，以解决现有步态分析方案存在信息丢失，无法适用于大规模设区筛查等问题，提高预测的准确性和适用性。

2、为达到上述目的，本申请第一方面实施例提出一种基于步态视频和临床变量的冠心病患病风险预测系统，包括：

3、数据获取模块，所述数据获取模块用于获取待预测患者的步态视频和临床变量数据；

4、数据预处理模块，所述数据预处理模块用于对所述步态视频进行预处理，得到预处理后的步态视频；

5、特征提取模块，所述特征提取模块用于对所述预处理后的步态视频进行空间特征和时序特征的提取，并基于预设的深度学习模型和所述临床变量数据，确定临床变量数据特征；

6、特征融合模块，所述特征融合模块用于将所述空间特征、所述时序特征和所述临床变量数据特征进行融合，得到具有预设长度和时间维度的融合特征；

7、诊断模块，所述诊断模块用于基于所述融合特征得到冠心病患病风险的概率值。

8、根据本申请的一个实施例，所述数据预处理模块，包括：

9、数据清洗单元，用于对所述步态视频进行数据清洗，得到清洗后的步态视频；

10、数据标准化单元，用于基于预设的目标跟踪算法，从所述清洗后的步态视频中确定所述待预测患者的位置，并基于所述待预测患者的位置，利用预设的分割算法从所述清洗后的步态视频中分割出所述待预测患者的人体视频数据；

11、数据采样单元，用于基于所述待预测患者的人体视频数据，确定所述待预测患者与相机的距离，并根据相邻深度图之间的距离差值确定所述待预测患者的步速分布情况。

12、根据本申请的一个实施例，所述数据采样单元，还用于：

13、根据所述步速分布情况确定等间隔滑动窗口，利用所述等间隔滑动窗口对所述步态视频数据进行频率采样，得到至少一个含有步速信息的滑动窗口；

14、根据所述步速分布情况对所述至少一个含有步速信息的滑动窗口进行概率采样，得到至少一个目标滑动窗口。

15、根据本申请的一个实施例，所述特征提取模块，包括：

16、第一特征提取单元，用于利用预训练后的预设残差网络模型对所述预处理后的步态视频进行空间特征和时序特征的提取。

17、根据本申请的一个实施例，所述特征提取模块，还包括：

18、获取单元，用于获取公开的人体姿态估计数据集；

19、预训练单元，用于利用所述人体姿态估计数据集对预设残差网络模型进行预训练，得到所述预训练后的预设残差网络模型。

20、根据本申请的一个实施例，所述特征提取模块，还包括：

21、第二特征提取单元，用于利用所述预设的深度模型根据所述临床变量数据，确定所述待预测患者患每种虚弱相关疾病的概率，并将所述概率作为所述临床变量数据特征。

22、根据本申请的一个实施例，所述特征融合模块，包括：

23、建模单元，用于根据所述时序特征，利用预设编码器和注意力机制进行时序建模；

24、融合单元，用于基于预设的平均池化策略进行时间域的融合，并基于预设的多层感知机和机器学习算法将所述空间特征、所述时序特征和所述临床变量数据特征进行融合，得到具有预设长度和时间维度的融合特征。

25、根据本申请的一个实施例，所述特征融合模块，还包括：

26、蒸馏单元，用于将临床变量数据特征对应的医学先验知识蒸馏给所述数据预处理模块。

27、根据本申请的一个实施例，所述特征融合模块，还包括：

28、回传单元，用于将所述临床变量数据特征对应的医学先验知识融入所述特征提取模块。

29、根据本申请的一个实施例，还包括：

30、显示模块，用于显示所述冠心病患病风险的概率值。

31、根据本申请实施例提出的基于步态视频和临床变量的冠心病患病风险预测系统，通过数据获取模块获取待预测患者步态视频和临床变量数据；通过数据预处理模块对步态视频进行预处理，得到预处理后的步态视频；通过特征提取模块对预处理后的步态视频进行空间和时序特征的提取，并基于预设的深度学习模型和临床变量数据，确定临床变量数据特征；通过特征融合模块将空间特征、时序特征和临床变量数据特征进行融合，得到具有预设长度和时间维度的融合特征；通过诊断模块基于融合特征得到冠心病患病风险的概率值。由此，使用步态视频和临床变量数据预测冠心病发病风险，解决了现有步态分析方案存在信息丢失，无法适用于大规模设区筛查等问题，提高预测的准确性和适用性。

32、本申请附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本申请的实践了解到。

技术特征：

1.一种基于步态视频和临床变量的冠心病患病风险预测系统，其特征在于，包括：

2.根据权利要求1所述的基于步态视频和临床变量的冠心病患病风险预测系统，其特征在于，所述数据预处理模块，包括：

3.根据权利要求2所述的基于步态视频和临床变量的冠心病患病风险预测系统，其特征在于，所述数据采样单元，还用于：

4.根据权利要求3所述的基于步态视频和临床变量的冠心病患病风险预测系统，其特征在于，所述特征提取模块，包括：

5.根据权利要求4所述的基于步态视频和临床变量的冠心病患病风险预测系统，其特征在于，所述特征提取模块，还包括：

6.根据权利要求4所述的基于步态视频和临床变量的冠心病患病风险预测系统，其特征在于，所述特征提取模块，还包括：

7.根据权利要求6所述的基于步态视频和临床变量的冠心病患病风险预测系统，其特征在于，所述特征融合模块，包括：

8.根据权利要求6所述的基于步态视频和临床变量的冠心病患病风险预测系统，其特征在于，所述特征融合模块，还包括：

9.根据权利要求8所述的基于步态视频和临床变量的冠心病患病风险预测系统，其特征在于，所述特征融合模块，还包括：

10.根据权利要求6所述的基于步态视频和临床变量的冠心病患病风险预测系统，其特征在于，还包括：

技术总结本申请涉及一种基于步态视频和临床变量的冠心病患病风险预测系统，包括：用于获取待预测患者步态视频和临床变量数据的数据获取模块；用于对步态视频进行预处理，得到预处理后的步态视频的数据预处理模块；用于对预处理后的步态视频进行空间和时序特征的提取，且确定临床变量数据特征的特征提取模块；用于将空间特征、时序特征和临床变量数据特征进行融合，得到具有预设长度和时间维度的融合特征的特征融合模块；用于基于融合特征得到冠心病患病风险的概率值的诊断模块。由此，通过步态视频和临床变量数据预测冠心病发病风险，解决了现有步态分析方案存在信息丢失，无法适用于大规模设区筛查等问题，提高预测的准确性和适用性。技术研发人员：季向阳,郑哲,李紫青,于学鑫,连晓聪,林深受保护的技术使用者：清华大学技术研发日：技术公布日：2024/8/1