一种脑出血微创穿刺手术辅助决策方法及系统与流程

本发明涉及医疗智能辅助决策，特别涉及一种脑出血微创穿刺手术辅助决策方法及系统。

背景技术：

1、脑卒中已成为我国居民死亡的重要原因，脑出血是病死率、致残率最高的脑卒中亚型，极大威胁我国人民的生命健康。微创穿刺手术具有创伤小、易操作、设备简单等优点，已成为脑出血治疗领域临床广泛应用的术式。近些年，神经外科手术机器人开始进入脑出血微创穿刺手术临床，其具有高精度、高可靠性、定位准、手术快等优点，取得显著治疗效果，成为脑出血微创手术未来的重要发展方向。

2、然而，现有神经外科手术机器人功能相对单一，主要用于术中配准、辅助导航，术中血肿抽吸仍由医生手动执行，但由于缺乏颅内环境在线感知监测手段，血肿引流抽吸多为盲抽。近些年来，一些医疗器械公司已开始研制脑出血血肿抽吸设备，能够对液化抽吸过程的颅内环境进行在线监测，提高医生的术中感知能力。但是，具体手术决策完全依赖医生经验，血肿引流方案难以精准化、个体化、规范化。

3、知识图谱具有强大的知识表示、存储能力，基于语义信息的知识图谱已在医疗诊治领域取得显著应用成果。因此，将知识图谱应用于脑出血微创手术，辅助医生进行手术决策，实现精准化、个体化的抽吸手术治疗，将是未来提升脑出血微创手术技术水平的重要发展方向。然而，知识图谱系统中的医疗数据和相关手术知识并不能直接指导手术决策，如何利用知识图谱系统中的数据和知识，并将其应用于临床手术中的辅助决策，仍是本领域技术人员亟需解决的关键技术难题。

技术实现思路

1、本发明实施例提供了一种脑出血微创穿刺手术辅助决策方法及系统，以解决现有技术所存在的上述技术问题。

2、为了对披露的实施例的一些方面有一个基本的理解，下面给出了简单的概括。该概括部分不是泛泛评述，也不是要确定关键／重要组成元素或描绘这些实施例的保护范围。其唯一目的是用简单的形式呈现一些概念，以此作为后面的详细说明的序言。

3、根据本发明实施例的第一方面，提供了一种脑出血微创穿刺手术辅助决策方法。

4、在一个实施例中，所述脑出血微创穿刺手术辅助决策方法，包括：

5、获取当前患者病情信息，并根据所述当前患者的病情信息，确定手术所需的关键病情特征；

6、基于所述关键病情特征，在预先配置的知识图谱搜索引擎数据层中查找与所述关键病情特征一致的手术成功历史病例；

7、计算所述手术成功历史病例中患者病情信息与当前患者病情信息的相似度，并基于预定相似度阈值，筛选出相似度大于相似度阈值的手术成功历史病例作为参考病例；

8、对所述参考病例进行分析，确定所述参考病例所包含的手术关键治疗参数，并基于所述手术关键治疗参数仿真模拟生成脑出血微创穿刺手术推荐方案。

9、在一个实施例中，获取当前患者病情信息包括：获取当前患者多模态病情信息数据，并对所述多模态病情信息数据进行预处理，得到结构化病情信息。

10、在一个实施例中，所述多模态病情信息数据包括：患者电子病例文本数据、影像检查图像数据、医患问诊音频数据、医疗监测设备采集的生理时序数据、手术设备具体操作过程、相应颅内环境变化的时序数据、内窥镜实时采集的视频数据。

11、在一个实施例中，对所述多模态病情信息数据进行预处理，得到结构化病情信息包括：对各模态的病情信息数据进行图像识别处理、自然语言处理和/或三维重建处理，提取病情特征信息；根据知识图谱搜索引擎规则层的逻辑判断条目，对病情特征信息进行逻辑推理处理，得到结构化病情信息。

12、在一个实施例中，所述病情特征信息包括：手术所需的关键病情特征、患者状态评定分级的离散量、患者治疗过程各项数据的连续量。

13、在一个实施例中，所述关键病情特征包括病灶位置、既往病史、有无外伤史；所述离散量包括智力残障等级、抽烟等级、饮酒等级、出血前精神状态等级；所述连续量包括出血至送医的时长、血肿体积、水肿体积、血压数据、颅内压数据。

14、在一个实施例中，相似度的计算公式包括：

15、；

16、其中， s为相似度， c为常系数，为连续量的变量个数，为离散量的变量个数， 和分别为当前患者和手术成功历史病例数据中第个变量经过标准化处理后的值；和分别为当前患者和手术成功历史病例数据中第个变量经过标准化处理后的值。

17、在一个实施例中，所述手术关键治疗参数包括：手术过程的生理状态条件参数以及手术操作执行参数。

18、根据本发明实施例的第二方面，提供了一种脑出血微创穿刺手术辅助决策系统。

19、在一个实施例中，所述脑出血微创穿刺手术辅助决策系统包括：

20、病情获取分析模块，用于获取当前患者病情信息，并根据所述当前患者的病情信息，确定手术所需的关键病情特征；

21、知识图谱处理模块，用于基于所述关键病情特征，在预先配置的知识图谱搜索引擎数据层中查找与所述关键病情特征一致的手术成功历史病例；

22、相似度处理模块，用于计算所述手术成功历史病例中患者病情信息与当前患者病情信息的相似度，并基于预定相似度阈值，筛选出相似度大于相似度阈值的手术成功历史病例作为参考病例；

23、方案仿真模拟模块，用于对所述参考病例进行分析，确定所述参考病例所包含的手术关键治疗参数，并基于所述手术关键治疗参数仿真模拟生成脑出血微创穿刺手术推荐方案。

24、在一个实施例中，所述病情获取分析模块在获取当前患者病情信息时，获取当前患者多模态病情信息数据，并对所述多模态病情信息数据进行预处理，得到结构化病情信息。

25、在一个实施例中，所述多模态病情信息数据包括：患者电子病例文本数据、影像检查图像数据、医患问诊音频数据、医疗监测设备采集的生理时序数据、手术设备具体操作过程、相应颅内环境变化的时序数据、内窥镜实时采集的视频数据。

26、在一个实施例中，所述病情获取分析模块在对所述多模态病情信息数据进行预处理，得到结构化病情信息时，对各模态的病情信息数据进行图像识别处理、自然语言处理和/或三维重建处理，提取病情特征信息；根据知识图谱搜索引擎规则层的逻辑判断条目，对病情特征信息进行逻辑推理处理，得到结构化病情信息。

27、在一个实施例中，所述病情特征信息包括：手术所需的关键病情特征、患者状态评定分级的离散量、患者治疗过程各项数据的连续量。

28、在一个实施例中，所述关键病情特征包括病灶位置、既往病史、有无外伤史；所述离散量包括智力残障等级、抽烟等级、饮酒等级、出血前精神状态等级；所述连续量包括出血至送医的时长、血肿体积、水肿体积、血压数据、颅内压数据。

29、在一个实施例中，相似度的计算公式包括：

30、；

31、其中， s为相似度， c为常系数，为连续量的变量个数，为离散量的变量个数， 和分别为当前患者和手术成功历史病例数据中第个变量经过标准化处理后的值；和分别为当前患者和手术成功历史病例数据中第个变量经过标准化处理后的值。

32、其中，标准化处理包括：使用历史病例数据库抽取出定量个样本中对应变量的均值和标准差，标准化的结果为，公式如下：

33、；

34、式中，为标准化处理后的变量，为需要处理的变量，为样本个数，与分别为第个样本和第个样本中对应变量的值。

35、在一个实施例中，所述手术关键治疗参数包括：手术过程的生理状态条件参数以及手术操作执行参数。

36、本发明实施例提供的技术方案可以包括以下有益效果：

37、本发明能够实现基于知识图谱搜索引擎数据层中的手术成功历史病例，生成适用于当前患者的手术推荐方案，辅助医生完成手术决策，实现精准化、个体化的手术治疗，提高脑出血微创手术的安全性与有效性。

38、应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本发明。