一种用于食道功能性疾病诊断系统的多模态信息融合系统的制作方法

本发明涉及医疗器械技术领域，尤其是一种用于食道功能性疾病诊断系统的多模态信息融合系统。

背景技术：

食道功能性疾病指以食道部位或邻近区域症状为临床表现，应用生化、影像学和内镜检查等并未发现有器质性病变或不能用器质性疾病解释其临床症状的一类食道疾病。根据流行病学统计，世界范围内食道功能性疾病的年平均发病率为25％。在中国，至少有2亿人具有食道功能性疾病相关症状且患者数量呈现逐年增长的趋势，此类患者中有50-60％需要接受准确诊断和对症治疗。最典型的食道功能性疾病主要包括：(1)非糜烂性胃-食道返流病(nerd)；(2)非心源性胸痛(nccp)；(3)食道动力功能异常(esophagealmotilitydisorders)。

对于食道功能性疾病迫切需要解决的问题大致有三点：(1)nerd患者人群众多，传统监测手段(如内镜)不能发现食道黏膜组织损伤或炎症，单一的检测手段(如ph监测、高分辨率食道测压技术)只能对于相关病症进行排除(如排除功能性烧心)，诊断准确率不高；(2)nccp与心绞痛(angina)的症状表现非常相似，误诊率较高；(3)nerd、nccp和食道痛觉过敏有一定相关性，现有手段不能准确地对此相关性实现量化分析。

基于现有的研究成果，食道压力、食道几何尺寸、食道形态、食道刺激敏感度、食道-胃生理夹角(hiss)等食道特征都可以作为功能性疾病诊断的标准，但单一的食道特征分析很容易造成误诊，分析特征之间的相关性能有效的提高检测精准度。单一的食道特征可通过相应的传感器进行检测，单一食道特征为单模态信息，共生或共现的多种单模态信息的统称即多模态信息。

如何通过科学的方法提高识食道功能性疾病的诊断准确度，如何进一步研究食道功能性特征相关性，以及如何建立更为精准的食道功能性疾病检测系统是目前急待解决的问题。

技术实现要素：

针对上述现有技术的不足，本发明提供一种用于食道功能性疾病诊断系统的多模态信息融合系统，解决现有技术中根据单模态特征来诊断食道功能性疾病的诊断准确率不高的技术问题，能够实现多模态信息融合来进行食道功能性疾病的诊断，能够提高诊断准确率。

为了解决上述技术问题，本发明采用了如下的技术方案：一种用于食道功能性疾病诊断系统的多模态信息融合系统，用于配置在计算机内，所述多模态信息融合系统包括逐级连接的单模态信息输入层、单模态信息条件概率计算层、多模态信息融合概率计算层以及分类判决层；

单模态信息输入层包括用于分别一一对应接收各单模态信息的单模态信息输入接口；设单模态信息的种类为n，单模态信息即为单食道特征，则单模态信息输入接口的数量为n；

单模态信息条件概率计算层包括与各单模态信息输入接口一一对应连接的单模态信息条件概率计算单元；每个单模态信息条件概率计算单元内均配置有对应的贝叶斯推理模型，所述贝叶斯推理模型内定义m种食道功能性疾病；其中，第i种单模态信息所对应的第i个单模态信息条件概率计算单元中的贝叶斯推理模型为第i个贝叶斯推理模型，i∈{1,...n}；第i个贝叶斯推理模型中配置有m个条件概率表，，j∈{1,......,m}；条件概率表eij中存储有第j种食道功能性疾病表现为第i种单模信息的条件概率，从而通过条件概率表eij能够根据第i种单模信息的测量值查询到第j种食道功能性疾病表现为该测量值的条件概率p(bi|aj)，j∈{1,......,m}，bi表示第i种单模态信息，aj表示第j种食道功能性疾病；

多模态信息融合概率计算层用于根据条件概率为每种食道功能性疾病计算对应的多模态信息融合概率；其中，第j种食道功能性疾病所对应的多模态信息融合概率为p(aj|b1,bi,......,bn)；

分类判据层用于根据多模态信息融合概率作出食道功能性疾病最终所属种类的判决。

优选的，第j种食道功能性疾病所对应的多模态信息融合概率p(aj|b1,bi,.....,bn)按如下公式计算：

其中，p(aj)表示第j种食道功能性疾病发生的先验概率；p(b1,bi,......,bn)表示该组多模态数据(b1,bi,......,bn)被检测到的概率；p(b1,bi,......,bn|aj)表示似然值，p(b1,bi,......,bn|aj)＝p(b1|aj)p(bi|aj).....p(bn|aj)。

优选的，分类判据层根据如下分类判据函数进行分类判决：

其中，k表示食道功能性疾病最终所属种类，k∈{1,j,....,m}，k等于最大多模态信息融合概率所对应的食道功能性疾病的种类。

优选的，所述单模态信息包括食道形态b1、食道横截面积b2、食道-胃生理夹角b3、食道压力b4以及食道疼痛值b5。

优选的，所述食道功能性疾病包括非糜烂性胃-食道反流a1、非心源性胸痛a2、食道动力功能异常a3、其它疾病a4。

与现有技术相比，本发明具有以下有益效果：

1、本发明的多模态信息融合系统结合多模态信息融合与贝叶斯推理，与现有技术中基于单模态信息的诊断相比，能够实现对食道功能性疾病诊断正确率的提高。

2、本发明通过计算单模态条件概率克服了单模态信息之间的差异性，为多模态信息融合提供了基础。

3、本发明通过概率计算以及分类判决来实现对食道功能性疾病的分类诊断，不仅能诊断是否发生食道功能性疾病，还能诊断出具体是何种食道功能性疾病，诊断结果明确；另外，本发明通过概率计算以及分类判决的技术手段，避免了进行复杂的数学建模，易于实现，方便推广应用。

4、本发明利用真实的临床诊断数据，是诊断结果可靠性的重要保证，并且随着临床诊断数据的更新，本发明随之更新条件概率表，使得本发明的多模态信息融合系统能够不断提高诊断准确率。

附图说明

图1是本具体实施方式中用于食道功能性疾病诊断系统的多模态信息融合系统的结构示意图。

具体实施方式

下面结合附图和优选实施方式对本发明作进一步的详细说明。

如图1所示，一种用于食道功能性疾病诊断系统的多模态信息融合系统，用于配置在计算机内，所述多模态信息融合系统包括逐级连接的单模态信息输入层、单模态信息条件概率计算层、多模态信息融合概率计算层以及分类判决层；

单模态信息输入层包括用于分别一一对应接收各单模态信息的单模态信息输入接口；设单模态信息的种类为n，单模态信息即为单食道特征，则单模态信息输入接口的数量为n；

单模态信息条件概率计算层包括与各单模态信息输入接口一一对应连接的单模态信息条件概率计算单元；每个单模态信息条件概率计算单元内均配置有对应的贝叶斯推理模型，所述贝叶斯推理模型内定义m种食道功能性疾病；其中，第i种单模态信息所对应的第i个单模态信息条件概率计算单元中的贝叶斯推理模型为第i个贝叶斯推理模型，i∈{1,...n}；第i个贝叶斯推理模型中配置有m个条件概率表，，j∈{1,......,m}；条件概率表eij中存储有第j种食道功能性疾病表现为第i种单模信息的条件概率，从而通过条件概率表eij能够根据第i种单模信息的测量值查询到第j种食道功能性疾病表现为该测量值的条件概率p(bi|aj)，j∈{1,......,m}，bi表示第i种单模态信息，aj表示第j种食道功能性疾病；

多模态信息融合概率计算层用于根据条件概率为每种食道功能性疾病计算对应的多模态信息融合概率；其中，第j种食道功能性疾病所对应的多模态信息融合概率为p(aj|b1,bi,......,bn)；

分类判据层用于根据多模态信息融合概率作出食道功能性疾病最终所属种类的判决。

本具体实施方式中，第j种食道功能性疾病所对应的多模态信息融合概率p(aj|b1,bi,......,bn)按如下公式计算：

其中，p(aj)表示第j种食道功能性疾病发生的先验概率；p(b1,bi,......,bn)表示该组多模态数据(b1,bi,......,bn)被检测到的概率；p(b1,bi,......,bn|aj)表示似然值，p(b1,bi,......,bn|aj)＝p(b1|aj)p(bi|aj).....p(bn|aj)。

本具体实施方式中，p(aj)等于根据医院数据统计得到的第j种食道功能性疾病的发病率。

本具体实施方式中，由于多模态数据(b1,bi,......,bn)中的各单模态信息之间相互独立，因此，p(b1,bi,......,bn)＝p(b1)p(bi)......p(bn)，其中p(bi)为食道功能性疾病患者中具有食道特征bi的占比，p(bi)根据临床数据进行统计获得。

本具体实施方式中，分类判据层根据如下分类判据函数进行分类判决：

其中，k表示食道功能性疾病最终所属种类，k∈{1,j,....,m}，k等于最大多模态信息融合概率所对应的食道功能性疾病的种类。

本具体实施方式中，所述单模态信息包括食道形态b1、食道横截面积b2、食道-胃生理夹角b3、食道压力b4以及食道疼痛值b5。

本具体实施方式中，食道疼痛值b5通过可视化测量之后进行归一化获得：通过刺激病人食道，病人对疼痛部位与疼痛等级进行反馈；其中，疼痛部位通过病人在可视化平板上标记出来；根据病人对疼痛部位与疼痛等级的反馈，相应确定数值在[0,1]内的食道疼痛值b5。

本具体实施方式中，所述食道功能性疾病包括非糜烂性胃-食道反流a1、非心源性胸痛a2、食道动力功能异常a3、其它疾病a4。

本具体实施方式中，条件概率表中的条件概率是通过真实临床诊断数据获得，并且条件概率表能够进行更新。

条件概率p(bi|aj)具体是通过如下方式获得：将单模态信息bi根据阈值分为正常与非正常两类，从真实临床诊断数据中统计确诊为食道功能性疾病aj的数目m，在确诊患者中具有非正常单模态信息bi的数目n，则条件概率该条件概率可根据真实临床诊断数据进行不断修正，以更新条条件概率表eij。