一种慢阻肺高危人群筛查方法

本发明涉及生物医学工程，特别是涉及一种慢阻肺高危人群筛查方法。

背景技术：

1、现有的慢阻肺高危人群筛查方法主要有三类，具体如下：

2、第一类，通过人工填写慢阻肺筛查问卷(简称cops-sq)的方法来实现慢阻肺高危人群的筛查，此类方法在专业性和准确性能得到较好的保证，但鉴于其经济成本和时间成本，并不能快速和高效地实现慢阻肺高危人群的筛查。

3、第二类，通过固定机器学习算法和相关数据集构建预测模型的方法来实现慢阻肺高危人群的筛查，具体为：首先采集健康档案、兴趣爱好、消费、生活习惯等全方位用户信息数据，接着将全方位用户信息数据和xgboost算法相结合来建立慢阻肺预测模型，实现用户未来一年的慢阻肺发病风险预测。此类方法存在三方面的缺点：(1)没有把每个样本的copd-sq筛查问卷结果作为慢阻肺高危人群的预测标签，存在预测标签的专业性不足的问题；(2)使用固定机器学习算法进行模型训练，并没有使用不同算法去进行数据建模，进而也没有根据不同模型对应的预测结果来选择最佳的预测模型，故这种方法对慢阻肺高危人群检出率可能会比人工使用copd-sq的筛查方式得到的检出率低；(3)这种方法也存在需要花大量时间收集建模数据的缺点。

4、第三类，确定空气质量数据和慢阻肺研究病例临床数据之间的强相关参数后，对强相关参数进行拟合以构建慢阻肺发病预测模型，从而预测慢阻肺发病风险。引起慢阻肺危险因素具有多样性的特点，宏观的概括为个体易感因素和环境因素共同作用，此类方法涉及到的数据仅有单一的空气质量特征，显然此类方法的检测能力较低，同样也存在需要花大量时间收集建模数据的缺点；

5、为了解决上述缺陷，现有技术中也提出了一些解决方案，例如申请号为202211213541.3的一种慢阻肺高危人群筛查方法，该筛查方法相较于传统人工填写copd-sq这类筛查问卷进行慢阻肺高危人群筛查和先收集大量数据再使用固定的机器学习算法来建立慢阻肺预测模型这两种筛查方式，其采用的是将大数据和自动机器学习算法相结合的技术方案；其先把已收集好的公共卫生数据和慢阻肺筛查问卷数据相结合，建立可用于模型研究的数据库，然后利用自动机器学习算法和数据库得到的慢阻肺高危人群筛查模型，以快速、高效、精准完成慢阻肺高危人群筛查的目的；

6、申请人结合实际工作，对现有技术分析后发现，现有技术中仍然存在着筛查精度低的问题。

技术实现思路

1、本发明的目的是提供一种慢阻肺高危人群筛查方法，以解决现有技术存在的问题，通过在不同运动频率下获取生理数据，使得筛查数据更加丰富，进而提高筛查精度。

2、为实现上述目的，本发明提供了如下方案：本发明提供一种慢阻肺高危人群筛查方法，包括如下内容：

3、建立慢阻肺高危人群筛查模型，所述慢阻肺高危人群筛查模型基于样本数据库和机器学习算法确定，所述样本数据库包括在样本区域内获取的多个样本对，所述样本对包括样本输入数据以及对应的筛查等级数据；

4、所述样本输入数据包括在不同运动频率下获取生理数据，将心电生理数据、心音生理数据和肺音生理数据融合得到所述生理数据；

5、所述筛查等级数据基于样本区域的慢阻肺诊断数据确定，所述筛查等级数据包括慢阻肺高危人员和非慢阻肺高危人员。

6、优选地，所述运动频率选用上肢运动，所述上肢运动包括手臂运动或腹部运动。

7、优选地，所述手臂运动：手持扩胸拉力器的两端，作扩胸运动，两手腕部分别绑有第一运动传感器和第二运动传感器，所述运动频率为所述第一运动传感器和所述第二运动传感器检测值的平均值；所述腹部运动：将腹部绑带穿戴至腹部上，所述腹部绑带上气囊贴合腹部，所述气囊与空气压缩机相连通，所述气囊上设有第三运动传感器，所述运动频率为所述第三运动传感器的检测值。

8、优选地，所述生理数据还包括呼吸生理数据，所述呼吸生理数据为将呼吸频率传感器贴在胸腔位置获取的呼吸频率数据。

9、优选地，所述生理数据还包括呼吸阻力数据；根据通气压力数据及流量数据计算呼气阻力数据和吸气阻力数据，将所述呼气阻力数据和所述吸气阻力数据融合得到所述呼吸阻力数据。

10、优选地，在呼吸机与患者之间的人工气道内布置气体压力传感器和流量传感器，分别采集所述通气压力数据及所述流量数据。

11、优选地，所述慢阻肺诊断数据包括不同慢阻肺分级下多个肺影像组学特征以及对应的年龄信息。

12、优选地，所述慢阻肺诊断数据还包括对应的烟龄信息。

13、优选地，所述烟龄信息包括长期吸烟、短期吸烟、抽烟20年和抽烟40年。

14、优选地，所述非慢阻肺高危人员包括轻型慢阻肺人员和中度慢阻肺人员，第一秒呼气量小于70％为轻型慢阻肺，第一秒呼气量在69％至50％之间为中度慢阻肺；第一秒呼气量在50％以下为慢阻肺高危人员。

15、本发明相对于现有技术取得了以下技术效果：

16、1、本发明慢阻肺高危人群筛查方法中采用在不同运动频率下获取生理数据的方式，通过将相应的生理数据与筛查等级数据相对应，建立慢阻肺高危人群筛查模型，将患者的生理数据输入模型即可得到是否为慢阻肺高危人员；由于生理数据是在不同运动频率下获取的，所以生理数据的组成不仅具有横向筛查数据，还具有纵向筛查数据，进而能够在横向和纵向两方面获取患者筛查数据，从而能够更加精确的筛查慢阻肺高危人员。

技术特征：

1.一种慢阻肺高危人群筛查方法，其特征在于，包括如下内容：

2.根据权利要求1所述的慢阻肺高危人群筛查方法，其特征在于，所述运动频率选用上肢运动，所述上肢运动包括手臂运动或腹部运动。

3.根据权利要求2所述的慢阻肺高危人群筛查方法，其特征在于，所述手臂运动：手持扩胸拉力器的两端，作扩胸运动，两手腕部分别绑有第一运动传感器和第二运动传感器，所述运动频率为所述第一运动传感器和所述第二运动传感器检测值的平均值；所述腹部运动：将腹部绑带穿戴至腹部上，所述腹部绑带上气囊贴合腹部，所述气囊与空气压缩机相连通，所述气囊上设有第三运动传感器，所述运动频率为所述第三运动传感器的检测值。

4.根据权利要求1或3所述的慢阻肺高危人群筛查方法，其特征在于，所述生理数据还包括呼吸生理数据，所述呼吸生理数据为将呼吸频率传感器贴在胸腔位置获取的呼吸频率数据。

5.根据权利要求4所述的慢阻肺高危人群筛查方法，其特征在于，所述生理数据还包括呼吸阻力数据；根据通气压力数据及流量数据计算呼气阻力数据和吸气阻力数据，将所述呼气阻力数据和所述吸气阻力数据融合得到所述呼吸阻力数据。

6.根据权利要求5所述的慢阻肺高危人群筛查方法，其特征在于，在呼吸机与患者之间的人工气道内布置气体压力传感器和流量传感器，分别采集所述通气压力数据及所述流量数据。

7.根据权利要求1所述的慢阻肺高危人群筛查方法，其特征在于，所述慢阻肺诊断数据包括不同慢阻肺分级下多个肺影像组学特征以及对应的年龄信息。

8.根据权利要求7所述的慢阻肺高危人群筛查方法，其特征在于，所述慢阻肺诊断数据还包括对应的烟龄信息。

9.根据权利要求8所述的慢阻肺高危人群筛查方法，其特征在于，所述烟龄信息包括长期吸烟、短期吸烟、抽烟20年和抽烟40年。

10.根据权利要求9所述的慢阻肺高危人群筛查方法，其特征在于，所述非慢阻肺高危人员包括轻型慢阻肺人员和中度慢阻肺人员，第一秒呼气量小于70％为轻型慢阻肺，第一秒呼气量在69％至50％之间为中度慢阻肺；第一秒呼气量在50％以下为慢阻肺高危人员。

技术总结
本发明公开一种慢阻肺高危人群筛查方法，涉及生物医学工程，包括如下内容：慢阻肺高危人群筛查模型基于样本数据库和机器学习算法确定，样本数据库包括在样本区域内获取的多个样本对，样本对包括样本输入数据以及对应的筛查等级数据；样本输入数据包括在不同运动频率下获取生理数据，将心电生理数据、心音生理数据和肺音生理数据融合得到生理数据；采用在不同运动频率下获取生理数据的方式，通过将生理数据与筛查等级数据相对应，将患者的生理数据输入模型；由于生理数据是在不同运动频率下获取的，所以生理数据不仅具有横向筛查数据，还具有纵向筛查数据，进而能够在横向和纵向两方面获取患者筛查数据，从而能够更加精确的筛查慢阻肺高危人员。

技术研发人员：刘俊芳,陈新,陈丽嫦,龚雨新,沈立君
受保护的技术使用者：南方医科大学珠江医院
技术研发日：
技术公布日：2024/1/15