基于隐马尔科夫解码过程的胎盘植入预测模型的获取方法

文档序号:10725415阅读:359来源:国知局
基于隐马尔科夫解码过程的胎盘植入预测模型的获取方法
【专利摘要】本发明涉及一种基于隐马尔科夫解码过程的胎盘植入预测模型的获取方法,包括以下步骤:第一步:统计从医院或卫生组织获取的条既往孕产妇数据,包括病史、B超、病理诊断结果等临床数据,建立病症关联因素集合;第二步:构造胎盘植入的隐马尔科夫模型初始数据;第三步:针对当前孕妇病例数据,优化隐马尔科夫模型;第四步:基于隐马尔科夫解码过程,对该病例数据进行胎盘植入预测。本发明所提供的方法弥补了现有胎盘植入产前预测的限制,包括缺乏典型临床表现、体征及实验室指标、依赖主观经验等,提高病症预测准确率,为保障孕产妇生命安全作出极大贡献。
【专利说明】
基于隐马尔科夫解码过程的胎盘植入预测模型的获取方法
技术领域
[0001] 本发明涉及一种基于隐马尔科夫解码过程的胎盘植入预测模型的获取方法。
【背景技术】
[0002] 胎盘植入是一种产科危重而少见的并发症,是胎盘绒毛侵入到子宫肌层,导致在 第三产程胎盘植入部分不能正常自行剥离,从而对产妇妊娠造成重大影响。
[0003] 产后病理诊断是胎盘植入诊断的金标准,但存在滞后性和局限性。现阶段,胎盘植 入产前预测通常根据孕产妇病史信息,通过彩超或核磁共振图像,结合临床医师经验分析。 因缺乏典型的临床表现、体征及实验室指标,依赖主观经验,胎盘植入的产前预测受到限 制。

【发明内容】

[0004] 本发明的目的在于提供一种基于隐马尔科夫解码过程的胎盘植入预测模型的获 取方法,以克服现有技术中存在的缺陷。
[0005] 为实现上述目的,本发明的技术方案是:一种基于隐马尔科夫解码过程的胎盘植 入预测模型的获取方法,包括如下步骤实现:
[0006] 步骤S1:统计从医院或卫生组织获取的m条既往孕产妇数据,包括病史、B超以及病 理诊断结果,建立病症关联因素集合,其中200<m<400;
[0007] 步骤S2:构造胎盘植入的隐马尔科夫模型;
[0008] 步骤S3:根据所获取的当前待测孕产妇数据,优化所述隐马尔科夫模型;
[0009] 步骤S4:基于隐马尔科夫解码过程,获取所述当前待测孕产妇数据对应的病症类 型数据,为胎盘植入预测提供参考信息。
[0010] 相较于现有技术,本发明具有以下有益效果:本发明所提出的一种基于隐马尔科 夫解码过程的胎盘植入预测模型的获取方法,通过建立胎盘植入的隐马尔科夫模型,并基 于该隐马尔科夫模型解码过程输出当前待测孕产妇的病症类型数据,为病症的准确判别提 供了重要的数据信息支撑,极大地优化了产前预测的参考信息来源,弥补了现有胎盘植入 的预测限制,包括缺乏典型临床表现、体征及实验室指标、依赖主观经验等,使该病症的预 测结果更加准确,为保障孕产妇生命安全作出极大贡献。
【附图说明】
[0011] 图1为本发明中基于隐马尔科夫解码过程的胎盘植入预测模型获取的流程图。
【具体实施方式】
[0012] 下面结合附图,对本发明的技术方案进行具体说明。
[0013] 本发明提供一种基于隐马尔科夫解码过程的胎盘植入预测模型的获取方法,如图 1所示,包括如下步骤实现:
[0014] 步骤S1:统计从医院或卫生组织获取的m条既往孕产妇数据,包括病史、B超以及病 理诊断结果等临床数据,建立病症关联因素集合,其中200<m<400;
[0015] 步骤S2:构造胎盘植入的隐马尔科夫模型;
[0016] 步骤S3:根据所获取的当前待测孕产妇数据,优化隐马尔科夫模型;
[0017] 步骤S4:基于隐马尔科夫解码过程,获取当前待测孕产妇数据对应的病症类型数 据,为胎盘植入预测提供参考信息。
[0018] 进一步的,在本实施例中,在步骤S1中,病症关联因素集合G={胎盘下缘距宫口距 离,胎盘后血液流动间隙,胎盘分级,子宫肌层菲薄,流产方式,胎盘存在湍流,流产史,清宫 治疗史,现存儿个数,年龄,羊水情况,疤痕子宫,手术史,阴道出血,血压,辅助生殖,妊娠间 隔,家族病史,乙肝,宫颈管长度}。
[0019] 进一步的,在本实施例中,在步骤S2中,通过如下步骤构造胎盘植入的隐马尔科夫 模型初始数据:
[0020] 步骤S21:记状态集合S = {S1,s2,S3,s4}为胎盘植入的病症类型,即{正常,粘连,植 入,穿透},N=4;
[0021] 步骤S22:获取初始状态概率分布π = {~,^,^,取},取值为医疗权威机构提供的 胎盘植入病症概率,BP3ii = P(qi = Si) ,3^ = 0.99,312 = 0.004,313 = 0.004,314=0.002;
[0022] 步骤S23:根据病症关联因素集合G确定观测序列0={〇1,〇2, ···,〇〇,且为:{胎盘下 缘距宫口距离,胎盘后血液流动间隙,胎盘分级,子宫肌层菲薄,流产方式,胎盘存在湍流, 流产史,清宫治疗史,现存儿个数,年龄,羊水情况,疤痕子宫,手术史,阴道出血,血压,辅助 生殖,妊娠间隔,家族病史,乙肝,宫颈管长度};其中,T为集合中的特征个数,即T = 20;
[0023] 步骤S24:获取状态序列q={q1,q2,…,q T},且该状态序列q为病症状态,且与病症 类型S相关,BPqte {si,S2,S3,S4};
[0024] 步骤S25:对临床m条既往孕产妇数据病症类型的状态变化进行概率统计,得到状 态迀移概率矩阵,且状态迀移概率矩阵A = {aij},aij = P(qt+i = Sj | qt = si),Ki,j彡N;
[0025] 步骤S26:对临床m条既往孕产妇数据统计,得到病症关联因素所对应病症状态的 观测概率分布矩阵,且观测概率分布矩阵B = {bj (k)},bj (k) = P(〇t = vk | qt = sj),K j <N, vk为观测序列0第t个特征〇t的临床实际值;
[0026] 步骤S27:将隐马尔科夫模型的模型参数记为λ = ( jt,A,B)。
[0027] 进一步的,在本实施例中,在步骤S3中,根据Baum-Welch算法,对当前待测孕产妇 数据对应的观察序列0进行训练,得出隐马尔科夫模型新参数1=(3!',4',8'),使?(0|1)最 大,对隐马尔科夫模型进行优化。
[0028] 进一步的,在本实施例中,在步骤S3中,通过如下步骤实现对隐马尔科夫模型的优 化:
[0029] 步骤S31:初始化:n = 0,根据所获取的当前临床孕产妇数据对ai/'bKidjTiW 进行初始化,得到
[0030] 步骤S 3 2 :通过E Μ算法计算期望值: ,即 '得到t时刻出现i以及t+1时刻出现j的概率,其中后向变
量后1;(:〇=?((^+1,(^+2,",01'^ = 81|人)由递归运算:
而得;在λ和0已知情况下,状态i在t时刻出现的概率为
[0031] 步骤S33:递推公式,对n = 1,2,…,
[0032] 步骤S34:终止,当 | logP(0 | λ(η+1))-l〇gP(〇 | λ) | <ε,ε = 10-5,求得隐马尔科夫模型 参数 ^+1) = (^+1),Α(η+ι),Β(η+ι)),即为 λ=(π,,Α,,Β,),且记作A,= {aiJ,},B,= {bj(k),}。
[0033] 进一步的,在本实施例中,在步骤S4中,采用隐马尔科夫模型解码过程的Viterbi 算法,根据当前待测孕产妇数据对应的观测序列0与优化后的隐马尔科夫模型新参数λ = U',Α',Β'),求解最有可能的隐状态序列,即获取病症类型数据。
[0034]进一步的,在本实施例中,在步骤S4中,还包括如下步骤:
[0035] 步骤S41 dEA(i)为t时刻沿一路径Q = qi,q2,···,qt产生出观测序列0 = 〇1,〇2,…, Ot的最大概率,即st(i) =maxP(Q,0,qt = Si I λ),且记队⑴为(t-ι)时刻前预测的隐含状态序 列;
[0036]步骤 S42:初始化:δχ (i) = Jiibi,(〇i),ih(i)=0,i = l,2^"N;
[0039] 步骤S45:最优回溯:对于t = Τ_1,T-2,…,1,' = 。
[0040] 进一步的,为了让本领域技术人员进一步了解本发明所提出的基于隐马尔科夫解 码过程的胎盘植入预测模型的获取方法,下面结合具体实例进行说明。
[0041] 首先,通过上述步骤S1~S2获取基于隐马尔科夫解码过程的胎盘植入预测模型。
[0042] 其次,在本实施例中,在步骤S3中,获取的当前临床孕产妇数据为:
[0043] {:胎盘距离宫口距离:完全覆盖,胎盘后血液流动间隙:是,胎盘分级:III级,子宫 肌层菲薄:是,流产方式:人流,胎盘存在湍流:是,流产史:有,清宫治疗史:无,现存儿个数: 1,年龄:27,羊水情况:正常,症痕子宫:是,手术史:无,阴道出血:无,血压:110-130,辅助生 殖:无,妊娠间隔:18-24月,家族病史:无,乙肝:否,宫颈管长度:l-3cm};
[0044] 通过所获取的当前临床孕产妇数据,对隐马尔科夫模型进行优化。
[0045] 最后,基于上述提供的隐马尔科夫解码过程,获取当前待测孕产妇数据对应的病 症类型数据,根据上述的临床待测数据,获取的结果为:正常概率0.36%,患病概率 99.64 %,其中粘连概率0.27 %,植入概率98.64 %,穿透概率0.73 %,而该病例数据的实际 诊断病症类型为植入型,为胎盘植入预测提供参考信息。
[0046]以上是本发明的较佳实施例,凡依本发明技术方案所作的改变,所产生的功能作 用未超出本发明技术方案的范围时,均属于本发明的保护范围。
【主权项】
1. 一种基于隐马尔科夫解码过程的胎盘植入预测模型的获取方法,其特征在于,包括 如下步骤实现: 步骤S1:统计从医院或卫生组织获取的m条既往孕产妇数据,包括病史、B超W及病理诊 断结果,建立病症关联因素集合,其中,m为正整数; 步骤S2:构造胎盘植入的隐马尔科夫模型; 步骤S3:根据所获取的当前待测孕产妇数据,优化所述隐马尔科夫模型; 步骤S4:基于隐马尔科夫解码过程,获取所述当前待测孕产妇数据对应的病症类型数 据,为胎盘植入预测提供参考信息。2. 根据权利要求1所述的基于隐马尔科夫解码过程的胎盘植入预测模型的获取方法, 其特征在于,在所述步骤S1中,所述病症关联因素集合G= {胎盘下缘距宫口距离,胎盘后血 液流动间隙,胎盘分级,子宫肌层菲薄,流产方式,胎盘存在端流,流产史,清宫治疗史,现存 儿个数,年龄,羊水情况,瘤痕子宫,手术史,阴道出血,血压,辅助生殖,妊娠间隔,家族病 史,乙肝,宫颈管长度}。3. 根据权利要求1所述的基于隐马尔科夫解码过程的胎盘植入预测模型的获取方法, 其特征在于,在所述步骤S2中,通过如下步骤构造胎盘植入的隐马尔科夫模型初始数据: 步骤S21:记状态集合8={31,32,33,34}为胎盘植入的病症类型,即{正常,粘连,植入,穿 透},N=4; 步骤S22 :获取初始状态概率分布Π = {Jli,312,叫,314},取值为医疗权威机构提供的胎盘 植入病症概率,即Ki = P(qi = Si); 步骤S23:根据所述病症关联因素集合如角定观测序列0={〇1,〇2,-,,〇^,且为:{胎盘下 缘距宫口距离,胎盘后血液流动间隙,胎盘分级,子宫肌层菲薄,流产方式,胎盘存在端流, 流产史,清宫治疗史,现存儿个数,年龄,羊水情况,瘤痕子宫,手术史,阴道出血,血压,辅助 生殖,妊娠间隔,家族病史,乙肝,宫颈管长度};其中,T为集合中的特征个数,Τ = 20; 步骤S24:获取状态序列〇={〇1,〇2,-',〇^,且该状态序列〇为病症状态,且与所述病症 类型S相关,即qte {si,S2,S3,S4}; 步骤S25:对临床m条既往孕产妇数据病症类型的状态变化进行概率统计,得到状态迁 移概率矩阵,且状态迁移概率矩阵A = {aij} ,aij = P(qt+i二Sj qt二Si) ,j《N; 步骤S26:对临床m条既往孕产妇数据统计,得到病症关联因素所对应病症状态的观测 概率分布矩阵,且观测概率分布矩阵B={bj化)},bj化)=P(〇t = vk|qt = Sj),l《j《N,vk为 观测序列0第t个特征ot的临床实际值; 步骤S27:将隐马尔科夫模型的模型参数记为λ=(3?,Α,Β)。4. 根据权利要求3所述的基于隐马尔科夫解码过程的胎盘植入预测模型的获取方法, 其特征在于,在所述步骤S3中,根据Baum-Welch算法,对所述当前待测孕产妇数据对应的观 察序列0进行训练,得出隐马尔科夫模型新参数λ=(π',A',B'),使P(0|λ)最大,对所述隐马 尔科夫模型进行优化。5. 根据权利要求4所述的基于隐马尔科夫解码过程的胎盘植入预测模型的获取方法, 其特征在于,在所述步骤S3中,通过如下步骤实现对所述隐马尔科夫模型的优化: 步骤S31:初始化:n = 0,根据所获取的当前临床孕产妇数据对日1产>,6^4)^,111^进行 初始化,得到λ^ = (π^,Α^,Β^); 步骤S 3 2 :通过E Μ算法计算期望值:即>寻到t时刻出现iW及t+1时刻出现j的概率,其中,后向 变量0*(:〇=口(〇*+1,〇*+2^'',〇了山*=31|人)由递归运算算而得;在λ和0已知情况下,状态i在t时刻出现的概率为步骤S33:递推公式,步骤S34:终止,当I logP(0 I A^+U)-l〇gP(〇 I λ) I < ε,ε = 1〇-5,求得隐马尔科夫模型参数 入(n+l)二(η(η+1),Α(η+1),Β(η")),即为入二(。',4',8'),且记作4' = {曰1/},8' =化灿)'}。6. 根据权利要求4所述的基于隐马尔科夫解码过程的胎盘植入预测模型的获取方法, 其特征在于,在所述步骤S4中,采用隐马尔科夫模型解码过程的Viterbi算法,根据所述当 前待测孕产妇数据对应的观测序列0与优化后的所述隐马尔科夫模型新参数λ=(π',A', B '),求解最有可能的隐状态序列,即获取病症类型数据。7. 根据权利要求6所述的基于隐马尔科夫解码过程的胎盘植入预测模型的获取方法, 其特征在于,在所述步骤S4中,还包括如下步骤: 步骤S41:记δ*( i)为t时刻沿一路径Q = qi,Q2,…,qt产生出所述观测序列0 = 01,02,…,ot 的最大概率,即8*(1)=111曰评(9,0,9* = 31|人),且记恥(〇为^-1)时刻前预测的隐含状态序 列; 步骤S42:初始化:Si(i)=jiibi'(01),ih(i) = 0,i = l,2,...N; 步骤S43:递推迭代.,ih(i)=argmax[St-i( j)a'ji],t = 2, 3,...,T,i = l,2,...,N; 步骤S44:终止条件:P*=maxSt( i)步骤S45:最优回溯:对于t = Τ-1,Τ-2,...,1,g/ = (在 1)。.
【文档编号】G06F19/00GK106096299SQ201610452436
【公开日】2016年11月9日
【申请日】2016年6月21日
【发明人】朱丹红, 张栋, 叶东毅, 陈凯
【申请人】福州大学
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1