基于ICP算法的细菌性痢疾智能认知方法以及智能认知系统与流程

基于icp算法的细菌性痢疾智能认知方法以及智能认知系统
技术领域
1.本发明属于辅助诊断技术领域，具体涉及一种基于icp算法的细菌性痢疾智能认知方法以及智能认知系统。


背景技术：

2.细菌性痢疾(bacillary dysentery)简称菌痢，亦称为志贺菌病(shigellosis)，是志贺菌属(痢疾杆菌)引起的肠道传染病。志贺菌经消化道感染人体后，引起结肠黏膜的炎症和溃疡，并释放毒素入血。临床表现主要有发热、腹痛、腹泻、里急后重、黏液脓血便，同时伴有全身毒血症症状，严重者可引发感染性休克和/或中毒性脑病。菌痢常年散发，夏秋多见，是我国的常见病、多发病。儿童和青壮年是高发人群。
3.传统的细菌性痢疾主要是依据流行病学史、症状、体征以及实验室检查来进行综合诊断的。如果要确诊，还要依赖于病原学的检查，也就是粪便培养出痢疾杆菌，才可以确诊细菌性痢疾。由于进入人体的痢疾杆菌菌型不同、数量多少不同以及每个人的抵抗力不同，所以，细菌性痢疾的临床症状也各不相同。由于传统的方法更多地依靠医生的经验因素，特别是有些模棱两可、似是而非的特征信息和数据，有时让人无法判断或者做出正确的决定，从而导致漏报与错报。临床工作仍面临巨大的压力，因此在细菌性痢疾的临床应用中，探索新的、安全、高效的细菌性痢疾快速准确的认知诊断方法显得更加有意义。所以，亟需一种细菌性痢疾智能认知系统，能够快速地、智能地对细菌性痢疾进行准确的判断。


技术实现要素：

4.本发明实施例的目的是提供一种基于icp(iterative closest point，迭代最近点)算法的细菌性痢疾智能认知方法及智能认知系统，能够解决目前传统细菌性痢疾诊断多依靠医生的经验因素，容易导致漏报与错报的技术问题。
5.为了解决上述技术问题，本发明是这样实现的：
6.第一方面，本发明实施例提供了一种基于icp算法的细菌性痢疾智能认知方法，包括：
7.s101：获取专业医疗机构有关细菌性痢疾的相关诊断依据，建立细菌性痢疾诊断依据标准信息库；
8.s102：对所述细菌性痢疾诊断依据标准信息库中的所述细菌性痢疾的相关诊断依据进行归一化处理，得到细菌性痢疾临床分型的特征信息集合；
9.s103：根据所述细菌性痢疾临床分型的特征信息集合，提取相关诊断依据规则，建立细菌性痢疾诊断规则库；
10.s104：利用改进的icp算法，建立细菌性痢疾自动配准模型；
11.s105：根据所述细菌性痢疾自动配准模型对目标细菌性痢疾患者提供的信息和数据进行配准和认知分析，生成相应的细菌性痢疾病例的认知报告，并给出诊断结论。
12.可选地，所述细菌性痢疾的相关诊断依据包括流行病学史信息、临床表现信息和
实验室检测数据。
13.可选地，所述细菌性痢疾临床分型包括急性普通型、急性轻型、急性中毒型和慢性。
14.可选地，所述s104具体包括：
15.s1041：将所述目标细菌性痢疾患者的多源特征信息集合作为目标点云p，在所述目标点云p中选取一个目标点pi，其中pi∈p；
16.s1042：将细菌性痢疾诊断依据标准信息集合作为源点云q，在所述源点云q中寻找一个对应点qi，其中qi∈q，使得对应点qi与目标点pi之间的距离最小，即||q
i-pi||＝min；
17.s1043：根据公式1所示的误差函数计算公式，计算旋转矩阵r和平移矩阵t，使得误差函数值最小；
[0018][0019]
其中，n为最邻近点对的个数，r为旋转矩阵，t为平移向量；
[0020]
s1044：根据公式2对所述目标点pi进行旋转和平移变换，以得到变换后的目标点pi’；
[0021]
p
i’＝r pi+t
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
公式2
[0022]
s1045：根据公式3计算变换后的目标点pi’与对应点qi之间的平均距离d；
[0023][0024]
s1046：当平均距离d小于预设阈值或者迭代次数大于预设迭代次数时，停止迭代计算；否则，返回s1042，直到满足收敛条件为止。
[0025]
可选地，所述诊断结论包括将所述目标细菌性痢疾患者确认为疑似病例、临床诊断病例或者确诊病例。
[0026]
第二方面，本发明实施例提供了一种基于icp算法的细菌性痢疾智能认知系统，包括：
[0027]
诊断依据模块，用于获取专业医疗机构有关细菌性痢疾的相关诊断依据，建立细菌性痢疾诊断依据标准信息库；
[0028]
数据处理模块，用于对所述细菌性痢疾诊断依据标准信息库中的所述细菌性痢疾的相关诊断依据进行归一化处理，得到细菌性痢疾临床分型的特征信息集合；
[0029]
规则建立模块，用于根据所述细菌性痢疾临床分型的特征信息集合，提取相关诊断依据规则，建立细菌性痢疾诊断规则库；
[0030]
认知模型模块，用于利用改进的icp算法，建立细菌性痢疾自动配准模型；
[0031]
辅助诊断模块，用于根据所述细菌性痢疾自动配准模型对目标细菌性痢疾患者提供的信息和数据进行配准和认知分析，生成相应的细菌性痢疾病例的认知报告，并给出诊断结论。
[0032]
可选地，所述细菌性痢疾的相关诊断依据包括流行病学史信息、临床表现信息和实验室检测数据。
[0033]
可选地，所述细菌性痢疾临床分型包括急性普通型、急性轻型、急性中毒型和慢性。
[0034]
可选地，所述认知模型模块具体包括：
[0035]
目标点选取子模块，用于将所述目标细菌性痢疾患者的多源特征信息集合作为目标点云p，在所述目标点云p中选取一个目标点pi，其中pi∈p；
[0036]
对应点计算子模块，用于将细菌性痢疾诊断依据标准信息集合作为源点云q，在所述源点云q中寻找一个对应点qi，其中qi∈q，使得对应点qi与目标点pi之间的距离最小，即||q
i-pi||＝min；
[0037]
矩阵计算子模块，用于根据公式1所示的误差函数计算公式，计算旋转矩阵r和平移矩阵t，使得误差函数值最小；
[0038][0039]
其中，n为最邻近点对的个数，r为旋转矩阵，t为平移向量；
[0040]
变换子模块，用于根据公式2对所述目标点pi进行旋转和平移变换，以得到变换后的目标点pi’；
[0041]
p
i’＝r pi+t
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
公式2
[0042]
距离计算子模块，用于根据公式3计算变换后的目标点pi’与对应点qi之间的平均距离d；
[0043][0044]
停止迭代子模块，用于当平均距离d小于预设阈值或者迭代次数大于预设迭代次数时，停止迭代计算；否则，返回s1042，直到满足收敛条件为止。
[0045]
可选地，所述诊断结论包括将所述目标细菌性痢疾患者确认为疑似病例、临床诊断病例或者确诊病例。
[0046]
在本发明实施例中，利用改进的icp算法，建立细菌性痢疾自动配准模型，通过细菌性痢疾自动配准模型，根据所述细菌性痢疾自动配准模型对目标细菌性痢疾患者提供的信息和数据进行配准和认知分析，并给出诊断结论。不仅可以提高细菌性痢疾认知和诊断的速度，而且能够避免过度依靠医生的经验因素，提升细菌性痢疾认知和诊断的精确度，同时减少了医务工作者的工作量，提高了工作效率。
附图说明
[0047]
图1是本发明实施例提供的一种基于icp算法的细菌性痢疾智能认知方法的流程示意图；
[0048]
图2是本发明实施例提供的一种基于icp算法的细菌性痢疾智能认知系统的结构示意图。
[0049]
本发明目的的实现、功能特点及优点将结合实施例、参照附图做进一步说明。
具体实施方式
[0050]
为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0051]
本发明的说明书和权利要求书中的术语“第一”、“第二”等是用于区别类似的对象，而不用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施，且“第一”、“第二”等所区分的对象通常为一类，并不限定对象的个数，例如第一对象可以是一个，也可以是多个。
[0052]
下面结合附图，通过具体的实施例及其应用场景对本发明实施例提供的基于icp算法的细菌性痢疾智能认知方法进行详细地说明。
[0053]
实施例一
[0054]
参照图1，示出了本发明实施例提供的一种基于icp算法的细菌性痢疾智能认知方法的流程示意图。
[0055]
本发明提供的一种基于icp算法的细菌性痢疾智能认知方法，包括：
[0056]
s101：获取专业医疗机构有关细菌性痢疾的相关诊断依据，建立细菌性痢疾诊断依据标准信息库。
[0057]
其中，细菌性痢疾的相关诊断依据包括流行病学史信息、临床表现信息和实验室检测数据。实验室检测数据可以是粪便常规检查和病原学检查等检测数据。
[0058]
举例来说，细菌性痢疾潜伏期的临床症状和体征标准信息有：起病急骤，畏寒、寒战伴高热，继以腹痛、腹泻和里急后重，每天排便10次-20次，但量不多，呈脓血便，并有中度全身中毒症状；重症患者伴有惊厥、头痛、全身肌肉酸痛，也可引起脱水和电解质紊乱，可有左下腹压痛伴肠鸣音亢进等。可以将以上临床症状和体征标准信息作为细菌性痢疾的相关诊断依据记录到细菌性痢疾诊断依据标准信息库中。
[0059]
s102：对细菌性痢疾诊断依据标准信息库中的细菌性痢疾的相关诊断依据进行归一化处理，得到细菌性痢疾临床分型的特征信息集合。
[0060]
其中，细菌性痢疾临床分型包括急性普通型、急性轻型、急性中毒型和慢性。
[0061]
需要说明的是，将细菌性痢疾诊断依据标准信息库中记录的诊断依据与细菌性痢疾临床分型建立起关联关系。比如，将一部分诊断依据划定为急性普通型的诊断依据，将另一部分诊断依据划定为急性轻型的诊断依据。
[0062]
举例来说，急性普通型(典型)的临床症状和体征主要有：起病急，畏寒、发热，可伴乏力、头痛、纳差等毒血症症状，腹泻、腹痛、里急后重，脓血便或黏液便，左下腹部压痛等，此时将此部分诊断依据与急性普通型(典型)建立关联关系。急性轻型(非典型)的临床症状和体征主要有：症状轻，可仅有腹泻、稀便等，此时将此部分诊断依据与急性轻型(非典型)建立关联关系。
[0063]
s103：根据细菌性痢疾临床分型的特征信息集合，提取相关诊断依据规则，建立细菌性痢疾诊断规则库。
[0064]
需要说明的是，诊断规则应当是一些做出正确诊断结论必须满足的条件。
[0065]
举例来说，无论细菌性痢疾临床什么样的分型，患者都有不洁饮食和(或)与菌痢患者接触史，此时可以将有不洁饮食和(或)与菌痢患者接触史作为确诊细菌性痢疾的诊断规则。
[0066]
举例来说，细菌性痢疾要实现最后的确定诊断，须依靠病原学检查等，此时也可以将此作为确诊细菌性痢疾的诊断规则。
[0067]
s104：利用改进的icp(iterative closest point，迭代最近点)算法，建立细菌性痢疾自动配准模型。
[0068]
需要说明的是，icp算法自动配准技术是通过一定的算法或者统计学规律利用计算机计算两块点云之间错位，从而达到两块点云自动配准的效果，其实质就是把不同的坐标系中测得到的数据点云进行坐标系的变换，以得到整体的数据模型，问题的关键是如何让得到坐标变换的参数旋转矩阵r和平移向量t，使得两个视角下测得的三维数据经坐标变换后的距离最小。
[0069]
在一种可能的实施方式中，步骤s104可由子步骤s1041至子步骤s1046来完成：
[0070]
s1041：将目标细菌性痢疾患者的多源特征信息集合作为目标点云p，在目标点云p中选取一个目标点pi，其中pi∈p。
[0071]
s1042：将细菌性痢疾诊断依据标准信息集合作为源点云q，在源点云q中寻找一个对应点qi，其中qi∈q，使得对应点qi与目标点pi之间的距离最小，即||q
i-pi||＝min。
[0072]
s1043：根据公式1所示的误差函数计算公式，计算旋转矩阵r和平移矩阵t，使得误差函数值最小。
[0073][0074]
其中，n为最邻近点对的个数，r为旋转矩阵，t为平移向量。
[0075]
s1044：根据公式2对目标点pi进行旋转和平移变换，以得到变换后的目标点pi’。
[0076]
p
i’＝r pi+t
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
公式2
[0077]
s1045：根据公式3计算变换后的目标点pi’与对应点qi之间的平均距离d。
[0078][0079]
s1046：当平均距离d小于预设阈值或者迭代次数大于预设迭代次数时，停止迭代计算。否则，返回s1042，直到满足收敛条件为止。
[0080]
具体而言，具体来说，在待匹配的两组点云数据的重叠区域内，分别选取两个点集来表示源点集和目标点集，其中p＝{pi|pi∈r3，i＝1,2，
……
n}为源点集，q＝{qj|qj∈r3，j＝1,2，
……
m}为目标点集，m和n分别代码两个点集的规模。设旋转矩阵为r，平移矩阵为t，用f(r，t)来表示源点集p在变换矩阵(r，t)下与目标点集q之间的误差。则求解最优变换矩阵的问题就可以转化为求满足min(f(r，t))的最优解(r，t)。其中，
[0081][0082]
s105：根据细菌性痢疾自动配准模型对目标细菌性痢疾患者提供的信息和数据进
行配准和认知分析，生成相应的细菌性痢疾病例的认知报告，并给出诊断结论。
[0083]
其中，诊断结论包括将目标细菌性痢疾患者确认为疑似病例、临床诊断病例或者确诊病例。
[0084]
对于确认为疑似病例，举例来说，患者如果具备腹泻，有脓血便或黏液便或水样便或稀便，伴有里急后重症状等特征，又尚未确定其他原因引起，那么可以作出疑似病例的诊断结论。
[0085]
对于确认为临床诊断病例，举例来说，患者同时具备以下3.1、3.2和3.3.1等条件，并排除其他原因引起之腹泻，那么可以作出临床诊断病例的诊断结论。
[0086]
其中，3.1流行病学史：患者有不洁饮食和/或与菌痢患者接触史；
[0087]
3.2临床表现：3.2.1潜伏期：数小时至7d，一般1d-3d；3.2.2临床症状和体征：起病急骤，畏寒、寒战伴高热，继以腹痛、腹泻和里急后重，每天排便10次-20次，但量不多，呈脓血便，并有中度全身中毒症状。重症患者伴有惊厥、头痛、全身肌肉酸痛，也可引起脱水和电解质紊乱，可有左下腹压痛伴肠鸣音亢进。
[0088]
3.3实验室检查：3.3.1粪便常规检查，白细胞或脓细胞≥15/hpe(400倍)，可见红细胞、吞噬细胞等；3.3.2病原学检查，粪便培养志贺菌阳性。
[0089]
对于确认为确诊病例，举例来说，患者同时具备上述3.1、3.2和3.3等条件，那么可以作出确诊病例的诊断结论。
[0090]
在本发明实施例中，利用改进的icp算法，建立细菌性痢疾自动配准模型，通过细菌性痢疾自动配准模型，根据细菌性痢疾自动配准模型对目标细菌性痢疾患者提供的信息和数据进行配准和认知分析，并给出诊断结论。不仅可以提高细菌性痢疾认知和诊断的速度，而且能够避免过度依靠医生的经验因素，提升细菌性痢疾认知和诊断的精确度，同时减少了医务工作者的工作量，提高了工作效率。
[0091]
实施例二
[0092]
参照图2，示出了本发明实施例提供的一种基于icp算法的细菌性痢疾智能认知系统20的结构示意图。
[0093]
智能认知系统20，包括：
[0094]
诊断依据模块201，用于获取专业医疗机构有关细菌性痢疾的相关诊断依据，建立细菌性痢疾诊断依据标准信息库；
[0095]
数据处理模块202，用于对细菌性痢疾诊断依据标准信息库中的细菌性痢疾的相关诊断依据进行归一化处理，得到细菌性痢疾临床分型的特征信息集合；
[0096]
规则建立模块203，用于根据细菌性痢疾临床分型的特征信息集合，提取相关诊断依据规则，建立细菌性痢疾诊断规则库；
[0097]
认知模型模块204，用于利用改进的icp算法，建立细菌性痢疾自动配准模型；
[0098]
辅助诊断模块205，用于根据细菌性痢疾自动配准模型对目标细菌性痢疾患者提供的信息和数据进行配准和认知分析，生成相应的细菌性痢疾病例的认知报告，并给出诊断结论。
[0099]
可选地，细菌性痢疾的相关诊断依据包括流行病学史信息、临床表现信息和实验室检测数据。
[0100]
可选地，细菌性痢疾临床分型包括急性普通型、急性轻型、急性中毒型和慢性。
[0101]
可选地，认知模型模块204具体包括：
[0102]
目标点选取子模块2041，用于将目标细菌性痢疾患者的多源特征信息集合作为目标点云p，在目标点云p中选取一个目标点pi，其中pi∈p；
[0103]
对应点计算子模块2042，用于将细菌性痢疾诊断依据标准信息集合作为源点云q，在源点云q中寻找一个对应点qi，其中qi∈q，使得对应点qi与目标点pi之间的距离最小，即||q
i-pi||＝min；
[0104]
矩阵计算子模块2043，用于根据公式1所示的误差函数计算公式，计算旋转矩阵r和平移矩阵t，使得误差函数值最小；
[0105][0106]
其中，n为最邻近点对的个数，r为旋转矩阵，t为平移向量；
[0107]
变换子模块2044，用于根据公式2对目标点pi进行旋转和平移变换，以得到变换后的目标点pi’；
[0108]
p
i’＝r pi+t
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
公式2
[0109]
距离计算子模块2045，用于根据公式3计算变换后的目标点pi’与对应点qi之间的平均距离d；
[0110][0111]
停止迭代子模块2046，用于当平均距离d小于预设阈值或者迭代次数大于预设迭代次数时，停止迭代计算；否则，返回s1042，直到满足收敛条件为止。
[0112]
可选地，诊断结论包括将目标细菌性痢疾患者确认为疑似病例、临床诊断病例或者确诊病例。
[0113]
本发明实施例提供的智能认知系统20能够实现上述方法实施例中实现的各个过程，为避免重复，这里不再赘述。
[0114]
在本发明实施例中，利用改进的icp算法，建立细菌性痢疾自动配准模型，通过细菌性痢疾自动配准模型，根据细菌性痢疾自动配准模型对目标细菌性痢疾患者提供的信息和数据进行配准和认知分析，并给出诊断结论。不仅可以提高细菌性痢疾认知和诊断的速度，而且能够避免过度依靠医生的经验因素，提升细菌性痢疾认知和诊断的精确度，同时减少了医务工作者的工作量，提高了工作效率。
[0115]
本发明实施例中的虚拟系统可以是装置，也可以是终端中的部件、集成电路、或芯片。
[0116]
此外，需要说明的是，以上所描述的装置实施例仅仅是示意性的，并不对本发明的保护范围构成限定，在实际应用中，本领域的技术人员可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的，此处不做限制。
[0117]
另外，未在本实施例中详尽描述的技术细节，可参见本发明任意实施例所提供的智能认知方法和系统，此处不再赘述。
[0118]
以上仅为本发明的较佳实施方式而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。