本发明涉及肺部并发症预测，特别涉及一种基于生命体征数据监测的肺叶切除术ppcs风险评估方法。
背景技术：
1、肺叶切除术是治疗肺部疾病的一种重要手术方式，但手术过程中可能会出现各种并发症，如ppcs(postoperative pulmonary complications)指的是肺叶切除术后可能出现的肺部并发症等。为了降低ppcs的发生率，需要对患者的生命体征数据进行实时监测，并对患者的手术风险进行准确评估。
2、然而，现有的风险评估方法主要基于医生的经验和一些静态的生理指标，缺乏对动态生命体征数据的充分利用。因此，开发一种基于生命体征数据监测的肺叶切除术ppcs风险评估方法，有助于提高手术的安全性和成功率。
技术实现思路
1、本发明旨在至少一定程度上解决上述技术中的技术问题之一。为此，本发明的目的在于提出一种基于生命体征数据监测的肺叶切除术ppcs风险评估方法以解决风险评估过程中依赖医生的经验和静态的生理指标对肺叶切除术ppcs风险评估的不准确性。
2、为达到上述目的，本发明实施例提出了一种基于生命体征数据监测的肺叶切除术ppcs风险评估方法，包括：
3、采集患者的生命体征数据；所述生命体征数据包括患者年龄和基础病类型、心率、血压、血氧饱和度、呼吸频率；
4、将生命体征数据输入到预先训练好的肺叶切除术ppcs风险评估模型中，预测患者发生ppcs的风险值。
5、优选的，得到预先训练好的肺叶切除术ppcs风险评估模型的方法，包括：
6、获取不同患者的历史生命体征数据；所述历史生命体征数据包括：患者年龄和基础病类型、心率、血压、血氧饱和度、呼吸频率；
7、对不同患者的历史生命体征数据进行聚类处理，得到目标聚类结果；
8、基于目标聚类结果进行提取特征，得到特征集合；所述特征集合包括：患者年龄和基础病类型、心率评估、血压评估、血氧饱和度评估、呼吸频率评估；
9、基于预设算法设置风险评估指标；
10、设置输入层，输入的神经元数量与特征集合中特征的数量相匹配，每个神经元与一个特征相匹配；设置多个隐藏层，基于历史生命体征数据的数据特点来设定隐藏层中神经元的数量及激活函数relu；设置输出层，输出层的神经元数量与输入层的神经元数量一致，构建神经网络结构；
11、基于风险评估指标对神经网络结构的权重和偏置进行随机初始化，得到初始神经网络；
12、设置模型损失函数；
13、基于初始神经网络和模型损失函数，构建初始肺叶切除术ppcs风险评估模型；
14、根据不同患者的历史生命体征数据集中提取的特征集合中的数据对初始肺叶切除术ppcs风险评估模型进行迭代训练；通过交叉验证的方法对初始肺叶切除术ppcs风险评估模型的参数进行优化；
15、获取不同患者的历史生命体征测试数据；
16、基于不同患者的历史生命体征测试数据对优化后的初始肺叶切除术ppcs风险评估模型进行评估，在确定风险评估结果合格时，得到训练好的肺叶切除术ppcs风险评估模型。
17、优选的，基于预设算法设置风险评估指标，包括：
18、
19、其中，f表示用于评价肺叶切除术ppcs风险和优化方向的一个数值；c表示术后标定当前时刻患者能达到的健康状态值；p表示术后当前时刻患者实际达到的健康状态值；a表示基于手术情况术后医生给定的患者健康状态预测值；α和β为用于平衡术后标定当前时刻患者能达到的健康状态值与术后当前时刻患者实际达到的健康状态值差异以及术后当前时刻患者能达到的健康状态值与基于手术情况术后医生给定的患者健康状态预测值差异的权重系数；t为历史生命体征数据集的健康值评估量，uj为历史生命体征数据集中第j项的健康评估值；n表示历史生命体征数据集中的总项数；qi表示历史生命体征数据集中第i个时间段内的患者年龄和基础病类型得分；si表示历史生命体征数据集中第i个时间段内的心率得分；ti表示历史生命体征数据集中第i个时间段内的血压得分；ui表示历史生命体征数据集中第i个时间段内的血氧饱和度得分；vi表示历史生命体征数据集中第i个时间段内的呼吸频率得分；w1表示患者年龄和基础病类型权重，是指患者年龄和基础病类型对评估值的影响程度；w2表示心率权重，是指心率对评估值的影响程度；w3表示血压权重，是指血压对评估值的影响程度；w4表示血氧饱和度权重，是指血氧饱和度对评估值的影响程度；w5表示呼吸频率权重，是指呼吸频率对评估值的影响程度。
20、优选的，所述对不同患者的历史生命体征数据进行聚类处理，得到目标聚类结果，包括：
21、将不同患者的历史生命体征数据集映射到预先构建的向量空间，得到不同患者的历史生命体征数据集中各个数据对应的数据向量；
22、计算各个数据对应的数据向量之间的第一欧式距离，并取均值，得到第一均值距离；
23、任取不同患者的历史生命体征数据集中一个数据，得到目标数据；以目标数据为中心，以第一均值距离为半径，确定目标待聚类区域；
24、获取目标待聚类区域中各个数据对应的数据包含的数据量，得到数据总量；
25、计算目标待聚类区域中各个数据对应的数据向量之间的欧式距离的均值，得到第二均值距离；
26、基于数据总量及第二均值距离，确定目标数据的聚类密度；
27、遍历不同患者的历史生命体征数据集中各个数据，得到各个数据对应的聚类密度；
28、获取每个目标数据在目标待聚类区域中与其他数据之间的第二欧式距离；
29、基于每个目标数据的聚类密度与第二欧式距离，确定每个目标数据与目标待聚类区域中其他数据之间的聚类值；
30、基于每个目标数据与目标待聚类区域中其他数据之间的最大聚类值，确定目标聚类值；遍历不同患者的历史生命体征数据集中各个数据，得到若干个目标聚类值；
31、基于不同患者的历史生命体征数据集中各个数据的数据量及对应的目标聚类值，以不同患者的历史生命体征数据集中各个数据的数据量为横坐标，以不同患者的历史生命体征数据集中各个数据对应的目标聚类值为纵坐标，建立笛卡尔坐标系；
32、获取笛卡尔坐标系中各个数据对应点的斜率作为各个数据的聚类判别值；将各个数据的聚类判别值与预设判别阈值作比较，将聚类判别值大于等于预设判别阈值对应的数据作为聚类中心；
33、基于若干个聚类中心对不同患者的历史生命体征数据集中各个数据进行聚类，生成目标聚类结果。
34、优选的，所述第一均值距离的计算公式为：
35、
36、其中，d表示不同患者的历史生命体征数据集中各个数据对应的数据向量之间的第一均值距离；n表示不同患者的历史生命体征数据集中数据总数；dij表示不同患者的历史生命体征数据集中第i个数据对应的数据向量与第j个数据对应的数据向量之间的欧氏距离。
37、优选的，所述目标数据的聚类密度为数据总量与第二均值距离的比值。
38、优选的，所述采集患者的生命体征数据的频率为每分钟采集一次。
39、优选的，所述医疗设备包括心电图机、血压计、血氧仪、呼吸机。
40、优选的，还包括：在确定患者发生ppcs的风险值大于预设风险概率阈值时，发出报警提示。
41、优选的，在将生命体征数据输入到预先训练好的肺叶切除术ppcs风险评估模型前，还包括：对生命体征数据进行数据预处理，数据预处理包括数据清洗及缺失值补充。
42、本发明的有益效果是：提供一种量化的方式来评估患者在接受肺叶切除术后发生ppcs的风险；通过采集患者的生命体征数据，包括年龄和基础病类型、心率、血压、血氧饱和度和呼吸频率，并将其输入到预先训练好的风险评估模型中，可以预测患者发生ppcs的风险值；这有助于医生更准确地评估患者的手术风险，并采取相应的预防措施，以尽可能降低患者发生ppcs的风险，提高手术的安全性和成功率；通过进行风险评估，医生可以根据患者的风险值，制定个性化的治疗计划和手术决策；对于高风险患者，可以采取更严密的监测和干预措施，以降低ppcs的发生率；这种方法还可以减少不必要的手术并发症和并发症相关的医疗费用，改善患者的手术结果和康复过程。
43、通过实时监测患者的生命体征数据，并利用风险评估模型对患者的手术风险进行准确评估，有助于提前发现潜在的ppcs风险，为医护人员提供更加及时和有效的干预措施，从而降低ppcs的发生率，提高手术的安全性和成功率；此外，本发明的方法可广泛应用于肺叶切除术的术前和术中风险评估，为医院提供一种有效的辅助诊断工具。
44、本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书以及附图中所特别指出的结构来实现和获得。
45、下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。
1.一种基于生命体征数据监测的肺叶切除术ppcs风险评估方法，其特征在于，包括：
2.根据权利要求1所述的基于生命体征数据监测的肺叶切除术ppcs风险评估方法，其特征在于：得到预先训练好的肺叶切除术ppcs风险评估模型的方法，包括：
3.根据权利要求1所述的基于生命体征数据监测的肺叶切除术ppcs风险评估方法，其特征在于：基于预设算法设置风险评估指标，包括：
4.根据权利要求2所述的基于生命体征数据监测的肺叶切除术ppcs风险评估方法，其特征在于：所述对不同患者的历史生命体征数据进行聚类处理，得到目标聚类结果，包括：
5.根据权利要求4所述的基于生命体征数据监测的肺叶切除术ppcs风险评估方法，其特征在于：所述第一均值距离的计算公式为：
6.根据权利要求4所述的基于生命体征数据监测的肺叶切除术ppcs风险评估方法，其特征在于：所述目标数据的聚类密度为数据总量与第二均值距离的比值。
7.根据权利要求1所述的基于生命体征数据监测的肺叶切除术ppcs风险评估方法，其特征在于：所述采集患者的生命体征数据的频率为每分钟采集一次。
8.根据权利要求1所述的基于生命体征数据监测的肺叶切除术ppcs风险评估方法，其特征在于：所述医疗设备包括心电图机、血压计、血氧仪、呼吸机。
9.根据权利要求1所述的基于生命体征数据监测的肺叶切除术ppcs风险评估方法，其特征在于，还包括：在确定患者发生ppcs的风险值大于预设风险概率阈值时，发出报警提示。
10.根据权利要求1所述的基于生命体征数据监测的肺叶切除术ppcs风险评估方法，其特征在于：在将生命体征数据输入到预先训练好的肺叶切除术ppcs风险评估模型前，还包括：对生命体征数据进行数据预处理，数据预处理包括数据清洗及缺失值补充。
