一种基于机器学习的CRRT上机病人体温校正系统技术方案

本发明专利技术公开了一种基于机器学习的CRRT上机病人体温校正系统，包括计算机存储器、计算机处理器以及存储在计算机存储器中并可在计算机处理器上执行的计算机程序，还包括温度监测设备，用于对CRRT设备最靠近人体的采血端和输血端进行温度监测；所述计算机存储器中存有训练好的体温校正模型，所述的体温校正模型由若干种算法融合而成，所述的若干种算法包括但不限于Xgboost、LightGBM、SVM和LR算法；所述计算机处理器执行所述计算机程序时实现以下步骤：获取待测时间点的病人生理数据、CRRT面板数据、环境变量数据以及温度监测设备监测的温度数据，输入体温校正模型后得到病人的正确体温数据。利用本发明专利技术，可以准确、无创的评估病人在CRRT治疗时的真实体温。

A temperature correction system of CRRT patients based on machine learning

【技术实现步骤摘要】
一种基于机器学习的CRRT上机病人体温校正系统
本专利技术属于医疗数据处理系统领域，尤其是涉及一种基于机器学习的CRRT上机病人体温校正系统。
技术介绍
病人的体温是反映病人生命特征的重要指标，正常人的体温是35℃至37℃，低于或者高于正常体温，都会对病人产生不适。尤其对重症感染病人而言，体温对重症病人的健康状态评估、治疗方案选择都有着极为重要的影响。因此，准确有效的测量病人体温，有着非常重要的意义。连续性肾脏替代治疗(ContinuousRenalReplacementTherapy，CRRT)技术，是效仿肾小球的滤过机制，每天24小时或者接近24小时持续性的使用对流和弥散以清除溶质并对脏器起支持作用的体外血液净化技术。在CRRT的治疗过程中，体温的波动变化是一种严重的并发症，体温过高或体温过低都会严重的影响患者的恢复。此外，体温的波动更是会影响患者的凝血功能。因此，在CRRT治疗的过程中，有效的体温监测是非常重要的。但是，由于CRRT治疗长时间、大量的血液被引出患者体外再输到患者体内，会导致热量丢失、体温降低。虽然目前很多CRRT治疗设备都已经有加热装置可进行液体加热，但是血液在体外循环路线长且加热装置只能对部分管路进行加热，这些并不能弥补耗散热量的损失。大量未加温的置换液、PBP溶液和透析液进入回输的血液中，从而使得患者体温下降，导致低体温现象的产生。另一方面，对于体温异常上升，有发热症状的患者而言，由于CRRT治疗设备的血液体外循环机制，带来了一定的体温下降影响，从而导致了原先体温偏高症状的掩埋，使得医师无法正确的对病人的身体健康状态进行评估。这是非常可怕的，也是需要小心注意的。在目前的重症监护领域中，大部分有经验的医生对CRRT治疗过程中病人体温存在误差的情况是有所认知的，但具体对于CRRT治疗时病人丢失的血液热量、CRRT治疗设备加热补偿的热量是认知有限的，只能通过估计来评判病人身体体温的真实数值。这种方法是不够准确的，对后续采取的治疗方案也会有一定的影响。通常认为，在CRRT治疗过程中，由于重症监护室(ICU)的室温是较为恒定的，并且待病人完成CRRT治疗血管穿刺后，病人的血液交换状态与外界的热交换状态将会达到稳定，故此，为了克服现有技术中无准确还原CRRT上机病人的真实体温的方法，亟需设计一种可以准确、快速评估病人真实体温，从而对病人体温进行实时校正的系统，从而对病人接受CRRT治疗后体温不准确情况有效校正。
技术实现思路
本专利技术提供了一种基于机器学习的CRRT上机病人体温校正系统，可以在病人进行CRRT治疗过程中，可以准确、无创的评估病人的真实体温，从而对病人体温有效校正。一种基于机器学习的CRRT上机病人体温校正系统，包括计算机存储器、计算机处理器以及存储在所述计算机存储器中并可在所述计算机处理器上执行的计算机程序，还包括温度监测设备，用于对CRRT设备最靠近人体的采血端和输血端进行温度监测；所述计算机存储器中存有训练好的体温校正模型，所述的体温校正模型由若干种算法融合而成，所述的若干种算法包括但不限于Xgboost、LightGBM、SVM和LR算法；所述计算机处理器执行所述计算机程序时实现以下步骤：获取待测时间点的病人生理数据、CRRT面板数据、环境变量数据以及温度监测设备监测的温度数据，输入体温校正模型后得到病人的正确体温数据。利用本专利技术的系统，可以在CRRT治疗过程获取病人真实的体温数值，使得医生可以对病人的身体状况进行准确的评估。所述的体温校正模型由若干种算法通过投票法融合而成，将各个分类器得到的结果进行汇总，选择得票最多的结果为预测结果，最终返回标签。所述的病人生理数据包括血液红细胞压积HCT、红细胞计数RBC、红细胞平均体积MCV、平均血红蛋白含量MCH、身高、体重、血压；所述的CRRT面板数据包括血流速度、置换液/透析液温度以及速度、静脉压、动脉压、滤前压、废液压；所述的环境变量数据包括室温、CRRT仪器输血管的管径长度、管径直径。所述的CRRT面板数据由CRRT设备导出，且这些数据是根据设定的采样时间实时采集的。所述的体温校正模型在训练前，先采集CRRT上机病人的数据作为训练数据集，训练过程中，采用K折交叉验证，将整个数据集随机划分为K份，其中每次取出一份数据作为验证集，其余份作为训练，重复训练K次。在具体应用时，所述的体温校正模型在训练时可以采用5折交叉验证。所述的体温校正模型在模型验证的同时，进行特征变量的筛选，剔除影响有限或者存在依赖关系的变量，找到线性和非线性关系最强的特征组合，并按照特征重要性排序，输出关键的特征变量，并将其作为体温校正模型的输入变量。所述的温度监测设备基于ESP32控制主板开发，采用医疗级别的红外体温测量模块，实时监测温度变化并将监测温度传输给ESP32控制主板。与现有技术相比，本专利技术具有以下有益效果：1、本专利技术可以剔除多种不确定因素的影响，利用机器学习的方法，进行模型的拟合，避免按照传统的公式法选择影响变量，包括输血管长度，输血管厚度、血液比热容等一系列参数，而是自动对系统设计的一些易于采集的特征变量进行模型的建设。通过大量数据的拟合和验证，智能的进行特征变量的筛选，剔除影响有限或者存在依赖关系的变量，找到线性和非线性关系最强的特征组合，并按照特征重要性排序，输出关键的特征变量。2、本专利技术通过预先采集的一部分CRRT上机病人的数据进行模型训练，得到一个准确的校正模型，从而使日后医生在临床使用时仅需要进行一次体温测量，输入模型后，模型自动校正，就能获取病人的真实体温。本专利技术系统的体温校正模型可以帮助医生在以前模糊预估的基础上，给定更精确的校正数值，其校正的精度能达到±0.2℃。附图说明图1为本专利技术实施例中病人使用CRRT设备治疗时的状态示意图；图2为本专利技术一种基于机器学习的CRRT上机病人体温校正系统实施的流程示意图。具体实施方式下面结合附图和实施例对本专利技术做进一步详细描述，需要指出的是，以下所述实施例旨在便于对本专利技术的理解，而对其不起任何限定作用。如图1所示，在使用CRRT治疗过程中，大量的血液被引出患者体外再输到患者体内，各种热量的耗散会导致热量丢失、体温降低。目前很多CRRT治疗设备都已经有加热装置可进行液体加热，但是由于准确还原CRRT上机病人的真实体温，很难准确的对液体进行热量补偿。本实施例提供了一种基于机器学习的CRRT上机病人体温校正系统，包括计算机存储器、计算机处理器以及存储在计算机存储器中并可在计算机处理器上执行的计算机程序，还包括温度监测设备，用于对CRRT设备最靠近人体的采血端和输血端进行温度监测；计算机存储器中存有训练好的体温校正模型，体温校正模型由Xgboost、LightGBM、SVM和LR算法融合而成；计算机处理器执行所述计算机程序时实现以下步骤：获取待测时间点的病人生理数据、CRRT面板数据、本文档来自技高网...

【技术保护点】
1.一种基于机器学习的CRRT上机病人体温校正系统，包括计算机存储器、计算机处理器以及存储在所述计算机存储器中并可在所述计算机处理器上执行的计算机程序，其特征在于，还包括温度监测设备，用于对CRRT设备最靠近人体的采血端和输血端进行温度监测；/n所述计算机存储器中存有训练好的体温校正模型，所述的体温校正模型由若干种算法融合而成，所述的若干种算法包括但不限于Xgboost、LightGBM、SVM和LR算法；/n所述计算机处理器执行所述计算机程序时实现以下步骤：/n获取待测时间点的病人生理数据、CRRT面板数据、环境变量数据以及温度监测设备监测的温度数据，输入体温校正模型后得到病人的正确体温数据。/n

【技术特征摘要】
1.一种基于机器学习的CRRT上机病人体温校正系统，包括计算机存储器、计算机处理器以及存储在所述计算机存储器中并可在所述计算机处理器上执行的计算机程序，其特征在于，还包括温度监测设备，用于对CRRT设备最靠近人体的采血端和输血端进行温度监测；
所述计算机存储器中存有训练好的体温校正模型，所述的体温校正模型由若干种算法融合而成，所述的若干种算法包括但不限于Xgboost、LightGBM、SVM和LR算法；
所述计算机处理器执行所述计算机程序时实现以下步骤：
获取待测时间点的病人生理数据、CRRT面板数据、环境变量数据以及温度监测设备监测的温度数据，输入体温校正模型后得到病人的正确体温数据。


2.根据权利要求1所述的基于机器学习的CRRT上机病人体温校正系统，其特征在于，所述的体温校正模型由若干种算法通过投票法融合而成，将各个分类器得到的结果进行汇总，选择得票最多的结果为预测结果，最终返回标签。


3.根据权利要求1所述的基于机器学习的CRRT上机病人体温校正系统，其特征在于，所述的病人生理数据包括血液红细胞压积HCT、红细胞计数RBC、红细胞平均体积MCV、平均血红蛋白含量MCH、身高、体重、血压；所述的CRRT面板数据包括血流速度、置换液/透析液温度以及速度、静脉压、动脉压、滤前压...

【专利技术属性】
技术研发人员：吴健，陈晋泰，陈婷婷，应豪超，雷璧闻，刘雪晨，宋庆宇，陈潇俊，杨娜，王晓玲，
申请(专利权)人：浙江大学，
类型：发明
国别省市：浙江;33