本发明属于医疗数据分析，具体是一种面向肝豆状核变性典型表现的综合监测评估系统及其方法。
背景技术：
1、肝豆状核变性wd是常染色体隐性遗传性疾病，导致体内铜代谢异常，铜离子在肝脏、眼部和中枢神经系统中异常沉积。该疾病的临床特征包括肝脏损害、神经系统症状以及典型的眼部表现k-f环。k-f环是诊断wd的重要依据之一。除此之外，wd患者通常还伴有步态异常、平衡障碍等神经运动症状，这些症状对患者的日常生活和功能能力产生显著影响。
2、过去，k-f环的检测依赖于医生通过裂隙灯显微镜的人工观察，但由于受主观因素的影响，检测结果往往存在差异，且难以提供量化的评价标准。近年来，基于数字图像处理和深度学习的自动化k-f环检测技术取得了显著进展。然而，这些方案通常局限于眼部图像的处理，未能与其他症状或疾病表现相结合，无法提供全面的疾病评估。除了眼部表现的检测，wd患者的运动障碍评估同样至关重要。传统的运动障碍评估方法，如临床评分系统，存在设备成本高、操作复杂等问题，且难以实现连续、实时监测。近年来，基于可穿戴传感器的运动检测技术逐渐成为一种有效的解决方案。然而，这些技术通常侧重于运动数据的采集和分析，未能与其他临床指标如眼部k-f环检测相结合，无法全面评估wd的综合症状。
3、现有的技术方案大多侧重于单一方面的诊断或监测，忽略多源数据综合分析，从而导致肝豆状核变性典型表现的综合监测评估方法准确度和效率较低；因此对于肝豆状核变性典型表现的综合监测评估方法仍需进一步的改进。
技术实现思路
1、本技术旨在至少解决现有技术中存在的技术问题之一；为此，本技术提出了一种面向肝豆状核变性典型表现的综合监测评估系统及方法，用于解决现有技术中往往依赖单一影像或运动检测、忽略多源数据综合分析，从而导致肝豆状核变性典型表现的综合监测评估方法准确度和效率较低的技术问题。
2、为实现上述目的，本技术的第一方面提供了一种面向肝豆状核变性典型表现的综合监测评估系统，包括用户模块、信息处理模块和医生模块；
3、所述的用户模块：包括用户信息管理单元、交互采集控制单元、数据整合传输单元和本地展示单元；
4、所述用户信息管理单元：基于智能终端设备上的应用实现用户身份注册与信息更新，并上传用户基本信息：所述用户基本信息包括姓名、性别、年龄、病程时长及病情阶段；
5、所述交互采集控制单元：用于采集传感器数据，所述传感器数据包括眼部图像、腰部加速度、腰部角速度、脚步加速度、脚步角速度和足底压力分布时序数据；
6、所述数据整合传输单元：将所采集的用户基本信息和传感器数据经加密后，通过数据传输方式实时上传至信息处理模块；所述数据传输方式包括ble、wi-fi和蜂窝网络；
7、所述本地展示单元：在终端设备应用上实时显示测试进度、数据采集状态及简要反馈；
8、所述的信息处理模块：位于云端服务器上，用于数据处理与评估，包括数据预处理单元、特征提取单元、单模态评估单元、多模态融合单元、报告生成单元、告警单元和存储单元；
9、所述数据预处理单元：用于对眼部图像执行去噪、roi裁剪、亮度/对比度调整，对传感器数据执行低通滤波、重力剔除、窗口切片和归一化；
10、所述特征提取单元：用于提取眼部图像中的k-f环图像特征，提取传感器数据中的腰部运动特征、脚步运动特征和足底压力分布特征；
11、所述单模态评估单元：包括k-f环检测模型、平衡评估模型和步态评估模型，用于生成模态异常评分，所述模态异常评分包括k-f环异常评分、平衡异常评分和步态异常评分；
12、所述多模态融合单元：采用决策级融合策略将若干模态异常评分经过一个逻辑回归模型进行加权融合，学习不同模态的重要性，最终输出归一化综合评分；
13、所述报告生成单元：结合用户基本信息生成结构化综合评估报告；
14、所述告警单元：根据归一化综合评分与个性化阈值比较，输出告警信号；所述告警信号包括轻度异常告警信号和重度异常告警信号；
15、所述存储单元：用于持久化存储用户基本数据、模态异常评分、综合异常评分、结构化综合评估报告，并支持历史数据查询；
16、所述的医生模块，用于报告接收与临床决策，包括医生信息管理单元、报告展示单元、趋势分析单元和干预建议单元；
17、所述医生信息管理单元：实现医生账号注册、权限配置及信息更新；
18、所述报告展示单元：通过web端实时拉取并可视化展示用户的结构化综合评估报告、模态异常评分和告警信号；
19、所述趋势分析单元：按时间轴顺序展示用户在不同时间点的综合异常评分和模态异常评分的变化趋势；
20、所述干预建议单元：根据结构化综合评估报告、综合异常评分和模态异常评分的变化趋势生成个性化康复建议并推送至用户模块。
21、进一步的，所述用户模块由智能终端设备、便携式惯性传感器及足底压力鞋垫实现；所述的信息处理模块由部署于云端的服务器实现；所述的医生模块由web管理后台实现。
22、进一步的，所述交互采集控制单元以终端应用形式实现，包括：在k-f环拍摄任务中，采集眼部图像；在平衡姿态测试任务中，采集腰部加速度和腰部角速度；在步态测试任务中，采集脚步加速度、脚步角速度和足底压力分布时序数据。
23、进一步的，所述单模态评估单元，包括：
24、提取k-f环图像特征；所述图像特征包括环宽特征和灰度分布特征；
25、将k-f环图像特征输入至k-f环检测模型得到k-f环异常评分；所述k-f环检测模型通过基于yolov8模型进行构建；
26、提取腰部加速度和腰部角速度对应的时域特征和频域特征；所述时域特征包括均值、方差和偏度；所述频域特征包括功率谱和峰值频率；
27、将时域特征和频域特征输入至平衡评估模型得到平衡异常评分；
28、提取脚步加速度、脚步角速度和足底压力分布时序数据对应的脚步运动特征和足底压力分布特征；所述脚步运动特征和足底压力分布特征包括步态偏移、压力中心轨迹及惯性特征；
29、将脚步运动特征和足底压力分布特征输入至步态评估模型得到步态异常评分。
30、进一步的，所述多模态融合单元包括融合输入子单元、模态影响因子计算子单元、初始权重获取子单元、决策权重生成子单元、实时融合子单元、归一化子单元、缺失补偿子单元和在线更新子单元；
31、所述融合输入子单元：用于接收来自单模态评估单元输出的各模态异常评分及用户基本信息；
32、所述模态影响因子计算子单元：获取历史最近n次模态异常评分，计算第i个模态异常评分的标准差mbci与瞬时变化率msli，并通过非线性函数myf得到模态影响因子其中β>0为敏感性调节参数，ε为防止除零的小常数；
33、所述初始权重获取子单元：获取用户病情类别bl，根据用户病情类别bl与病情阶段ps，从专家设定的权重分析表中查取初始权重向量cq＝[cq1,cq2,cq3]，该表由临床专家基于疾病分类与严重度设定；
34、所述决策权重生成子单元：基于病情时长bs、初始权重cq和模态影响因子myy与多模态决策权重之间的非线性关系构建决策权重函数jqf(bs，cq，myy)，决策权重函数满足计算得到决策权重wi＝jqfi(bs,cqi,myyi)，其中，i和j表示为模态异常评分对应的编号，τ和μ分别表示为初始权重衰减时间常数和模态因子增强系数；τ和μ均大于0；
35、所述实时融合子单元：对k-f环异常评分s1、平衡异常评分s2、步态异常评分s3按照决策权重加权求和并经激活函数得到原始综合异常评分其中，为sigmoid函数，b为偏置常数；
36、所述归一化子单元：将s按min-max线性映射至预设临床评分区间[smin,smax]，得到最终归一化综合评分其中σmin和σmax分别为sigmoid输出的最小值和最大值；
37、所述缺失补偿子单元：当k-f环异常评分s1、平衡异常评分s2、步态异常评分s3中存在评分sj缺失时，则对剩余权重{wi}i≠j进行归一化重调再通过重调后的决策权重计算原始综合异常评分；其中，k表示为评分缺失后k-f环异常评分s1、平衡异常评分s2、步态异常评分s3中异常评分对应的编号；i和j表示为模态异常评分对应的编号；
38、所述在线更新子单元：利用在线梯度下降算法对决策权重函数中的参数{τ,μ,b}进行微调。
39、进一步的，所述报告生成单元包括：报告格式化子单元，用于将归一化综合评分、若干模态异常评分和用户基本信息按照预设模板组织为结构化文本报告；可视化子单元，用于将归一化综合评分和若干模态异常评分生成折线图，将若干模态异常评分对应的决策权重系数生成饼图，将足底压力分布时序数据生成足底压力热力图；导出子单元，用于将结构化文本报告、折线图、饼图和足底压力热力图生成若干导出格式；所述导出格式包括pdf、html和csv格式；推送子单元，用于通过restful api将结构化文本报告实时下发至医生模块和用户模块，所述下发包括电子邮件推送和消息中心推送；个性化定制子单元，用于结构化文本报告、折线图、饼图和足底压力热力图依据角色生成个性化报告数据；所述个性化报告数据包括报告内容和排版模板；所述角色包括用户和医生。
40、进一步的，所述信息处理模块还包括告警单元，根据归一化综合评分与个性化阈值比较，输出告警信号；所述告警信号包括轻度异常告警信号和重度异常告警信号；并通过多种渠道实时下发给用户和医生；
41、所述告警单元包括：人员数据获取子单元，实时获取用户的人员年龄rn、病情类别bl、治疗时长zs及病情阶段ps；影响因子计算子单元，基于人员年龄构建年龄影响函数nyf(rn)，满足公式将人员年龄代入年龄影响函数计算得到年龄影响因子nyy，其中，a和b为影响因子，nya和nyb表示为年龄阈值；基于病情类别构建病情影响函数byf(bl)，满足公式将病情类别代入病情影响函数计算得到病情影响因子byy，其中，c和d为影响因子；个性化阈值计算子单元，基于nyy、byy及zs与个性化阈值之间的非线性关系构建阈值函数t＝yf(nyy，byy，zs)，且满足公式将nyy、byy和zs代入阈值函数计算得到个性化阈值，其中，by表示标准阈值，ds表示为单位时长；一级告警判断子单元，若s'≤t，则不生成任何告警；若s′＞t，则进入二级告警判断；二级告警判断子单元，设重度阈值tsev＝d×t，其中比例系数d＞1，若t＜s′≤tsev，生成轻度异常告警信号；若s′＞tsev，生成重度异常告警信号；告警消息生成子单元，构造告警消息，包含用户基本信息、归一化综合评分与个性化阈值、重度阈值、告警信号和个性化康复建议；多渠道推送子单元，将告警消息通过以下方式实时下发：终端app推送通知、医生web端消息中心高亮展示、电子邮件及短信告警。
42、本发明的另一方面提供了一种面向肝豆状核变性典型表现的综合监测评估方法，包括以下步骤：
43、获取用户基本信息；所述用户基本信息包括姓名、性别、年龄、病程时长及病情阶段；
44、获取传感器数据；所述传感器数据包括眼部图像、腰部加速度、腰部角速度、脚步加速度、脚步角速度和足底压力分布时序数据；
45、对传感器数据进行数据预处理操作得到预处理后的传感器数据；所述预处理操作包括去噪、roi裁剪、低通滤波、重力剔除、滑动窗口切片及归一化操作；
46、基于预处理后的传感器数据通过k-f环检测模型、平衡评估模型与步态评估模型生成若干模态异常评分；模态异常评分包括k-f环异常评分、平衡异常评分和步态异常评分；
47、对若干模态异常评分进行加权求和计算原始综合异常评分，并通过min-max线性映射输出归一化综合评分；
48、基于归一化综合评分和用户基本信息生成结构化综合评估报告和告警信号。
49、与现有技术相比，本技术的有益效果是：
50、1、通过同时采集眼部图像、腰部数据、脚步数据和足底压力分布数据，并采用决策级融合策略，动态调整各模态异常评分的决策权重系数，综合各模态异常评分得到原始综合异常评分，显著提升对肝豆状核变性患者运动及机能异常的敏感性与特异性，克服了单一模态检测易产生的假阳性或假阴性问题。
51、2、通过基于年龄影响函数和病程影响函数构建非线性阈值模型，为每位用户动态生成个性化阈值，并据此分级推送轻度异常告警信号和重度异常告警信号，显著提高了预警的准确度和及时性，有助于早期干预。
52、3、用户端整合智能终端设备应用、便携式惯性传感器及足底压力鞋垫，实现全程本地采集、加密与实时上传；云端集中处理与分析后，通过web/app无缝回传评估报告和告警信号，突破地域限制，极大拓展了优质神经系统疾病监护资源的覆盖范围。
53、4、报告生成单元支持折线图、饼图及热力图，多维可视化呈现结构化综合评估报告和模态异常评分；并提供pdf/html格式导出与api接口，可满足临床会诊、病例存档及科研分析等多场景需求。
54、5、借助终端应用提供的实时进度可视化、阶段性反馈提示及个性化策略推送机制，提升用户操作顺畅度与任务完成率；医生端通过趋势数据分析与远程协同功能实现双向信息交互，支持个体化决策及长周期监测管理。