认知障碍评估模型的构建方法、系统及认知障碍评估方法技术方案

本发明专利技术公开了一种认知障碍评估模型的构建方法、系统及认知障碍评估方法。该构建方法包括如下步骤：对多个心血管疾病患者进行认知测评，以根据认知测评数据分为普通患者和认知障碍患者；获取认知障碍患者的超声心动数据，并结合认知测评数据共同输入多任务学习模型；利用多任务学习模型进行第一阶段的多任务学习，以获取超声心动数据与认知障碍的映射关系，从而构建用于心血管疾病患者的认知障碍评估模型。在本发明专利技术中，用于预测认知障碍风险的指标以超声心动数据为主，而超声心动数据是心血管疾病患者常规必做的检查，因此推广价值大。并且，针对评估水平不够的医疗场景，仍然可以对心血管疾病患者进行认知障碍评估。以对心血管疾病患者进行认知障碍评估。以对心血管疾病患者进行认知障碍评估。

【技术实现步骤摘要】
认知障碍评估模型的构建方法、系统及认知障碍评估方法


[0001]本专利技术涉及一种用于心血管疾病患者的认知障碍评估模型的构建方法及构建系统，同时也涉及利用该认知障碍评估模型进行的认知障碍评估方法，属于医疗保健信息学


技术介绍

[0002]认知障碍（CI）是指以包括轻度认知障碍（MCI）和痴呆（Dementia）为主的不同程度大脑认知功能减低。另一方面，心血管疾病（CVDs）的一些可调控危险因素包括高血压、糖尿病、吸烟、血脂异常等，会增加认知障碍的发病风险。研究证实，血压变异性大和或/直立性低血压、冠心病、心房颤动和心力衰竭等，会导致加工速度、执行功能、语言能力和学习记忆等大脑基本认知域功能的衰退。心血管疾病合并认知障碍的风险远高于普通人群。认知障碍可导致心血管疾病的发病风险增高或心血管疾病不良预后发生。但是，目前临床工作者对心血管疾病合并认知障碍疾病的认知严重缺乏，导致该疾病的诊断治疗等管理水平明显欠缺，直接或间接影响心血管疾病的管理。
[0003]目前，在临床上用于认知障碍诊断的主要检查手段包括神经心理评估，头颅核磁等影像学检查以及基因检测等。但是，上述检查手段在临床中不易开展实施。例如神经心理评估中最基本的蒙特利尔认知评估（MoCA）和MMSE筛查，需要分析至少5个核心认知领域，使用40～60分钟进行测评；而且必须由训练有素的专业医生进行，否则可能有因评估不当而造成误诊可能。此外，某些患有严重抑郁症或严重痴呆症的患者，或文盲或失语症的患者，即使在最可行的情况下，也可能无法有效评估认知功能。核磁或基因等检查手段更是因为高昂的成本和复杂的检验程序限制了它们的广泛使用。

技术实现思路

[0004]本专利技术所要解决的首要技术问题在于提供一种认知障碍评估模型的构建方法。
[0005]本专利技术所要解决的另一技术问题在于提供一种认知障碍评估模型的构建系统。
[0006]本专利技术所要解决的又一技术问题在于提供一种利用该认知障碍评估模型进行的认知障碍评估方法。
[0007]为实现上述技术目的，本专利技术采用以下的技术方案：根据本专利技术实施例的第一方面，提供一种认知障碍评估模型的构建方法，包括如下步骤：对多个心血管疾病患者进行认知测评，以获取认知测评数据，并将所有心血管疾病患者划分为普通心血管疾病患者和认知障碍心血管疾病患者；获取所述认知障碍心血管疾病患者的超声心动数据；将所述认知障碍心血管疾病患者的超声心动数据结合认知测评数据共同输入多任务学习模型；其中，所述多任务学习模型包括输入层、全连接层和多任务学习层，所述输入层用于数据输入，所述全连接层用于连接所述输入层与所述多任务学习层，所述多任务
学习层用于对数据进行多任务学习；利用所述多任务学习层进行第一阶段的多任务学习，以获取所述超声心动数据与认知障碍的映射关系，从而构建用于心血管疾病患者的第一认知障碍评估模型。
[0008]其中较优地，所述构建方法还包括：将所述认知障碍心血管疾病患者的超声心动数据结合所有心血管疾病患者的多模态数据共同输入多任务学习模型；利用所述多任务学习层进行第二阶段的多任务学习，以输出以超声心动数据为主特征的认知正常与认知障碍的分类结果，从而构建用于心血管疾病患者的第二认知障碍评估模型。
[0009]其中较优地，基于所述多任务学习模型，交替进行所述第一阶段的多任务学习和所述第二阶段的多任务学习，以对所述第二认知障碍评估模型进行数据拟合。
[0010]其中较优地，所述多模态数据至少包括：环境数据、心血管疾病患者的临床数据以及行为数据。
[0011]其中较优地，在所述多模态数据输入所述多任务学习模型之前，预先针对所述多模态数据分别赋予不同的权重。
[0012]其中较优地，所述对多个心血管疾病患者进行认知测评，以获取认知测评数据至少包括：获取多个心血管疾病患者的个人信息，并基于预设量表分别对所述多个心血管疾病患者进行量表测评，以分别获取所述多个心血管疾病患者的量表测评结果：或者，获取多个心血管疾病患者的个人信息，并基于超声心动图检查分别获取所述多个心血管疾病患者的超声心动图特征参数，以分别获取所述多个心血管疾病患者的心房、心室及主动脉功能的特征结果。
[0013]其中较优地，所述认知障碍至少包括轻度认知障碍和痴呆。
[0014]根据本专利技术实施例的第二方面，提供一种认知障碍评估模型的构建系统，包括处理器和存储器，所述处理器读取所述存储器中的计算机程序，用于执行以下操作：对多个心血管疾病患者进行认知测评，以获取认知测评数据，并将所有心血管疾病患者划分为普通心血管疾病患者和认知障碍心血管疾病患者；获取所述认知障碍心血管疾病患者的超声心动数据；将所述认知障碍心血管疾病患者的超声心动数据结合认知测评数据共同输入多任务学习模型；其中，所述多任务学习模型包括输入层、全连接层和多任务学习层，所述输入层用于数据输入，所述全连接层用于连接所述输入层与所述多任务学习层，所述多任务学习层用于对数据进行多任务学习；利用所述多任务学习层进行第一阶段的多任务学习，以获取所述超声心动数据与认知障碍的映射关系，从而构建用于心血管疾病患者的第一认知障碍评估模型。
[0015]根据本专利技术实施例的第三方面，提供一种用于心血管疾病患者的认知障碍评估方法，包括以下步骤：获取心血管疾病患者的超声心动数据；将所述超声心动数据输入第一认知障碍评估模型或第二认知障碍评估模型，以输出认知障碍评估结果；
其中，所述第一认知障碍评估模型或所述第二认知障碍评估模型根据上述方法构建而成。
[0016]其中较优地，所述认知障碍评估方法还包括如下步骤：判断所述认知障碍评估结果是否正常；若认知障碍评估结果为正常，则无需认知干预；若认知障碍评估结果为轻度认知障碍，则对心血管疾病患者进行认知干预；若认知障碍评估结果为痴呆，则对心血管疾病患者进行药物干预。
[0017]与现有技术相比较，本专利技术具有以下的技术效果：1. 本专利技术实施例提供的认知障碍评估模型，用于预测认知障碍风险的指标以超声心动数据（即：UCG）为主，而UCG是全部心血管疾病患者常规必做的检查，甚至普通人群体检中都可以获得该监测指标，价格便宜，临床普及性广，临床价值重大。
[0018]2. 本专利技术实施例提供的认知障碍评估模型，不需要既往认知障碍诊断及风险预测所必须的认知功能和精神心理评估。在国内绝大多数医疗场景中，在不具备认知功能和精神心理评估的客观条件或评估的医疗技术水平不够的情况下，仍然可以对心血管疾病患者进行认知功能损害的风险预测，对可能发生的严重认知功能损害进行尽早风险预警。
[0019]3. 既往认知障碍诊断及风险预测模型没有专门针对心血管疾病患者的特殊风险预测模型。对比国内外关于认知障碍患病率的流行病学研究结果，心血管疾病患者罹患认知障碍的风险显著高于普通人群，心血管疾病患者发生认知障碍风险明显高于普通人群，本专利技术实施例提供的认知障碍评估模型有利于精准评估预测心血管疾病患者发生认知障碍的风险。
[0020]4. 本专利技术实施例通过多任务联合本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种认知障碍评估模型的构建方法，其特征在于包括如下步骤：对多个心血管疾病患者进行认知测评，以获取认知测评数据，并将所有心血管疾病患者划分为普通心血管疾病患者和认知障碍心血管疾病患者；获取所述认知障碍心血管疾病患者的超声心动数据；将所述认知障碍心血管疾病患者的超声心动数据结合认知测评数据共同输入多任务学习模型；其中，所述多任务学习模型包括输入层、全连接层和多任务学习层，所述输入层用于数据输入，所述全连接层用于连接所述输入层与所述多任务学习层，所述多任务学习层用于对数据进行多任务学习；利用所述多任务学习层进行第一阶段的多任务学习，以获取所述超声心动数据与认知障碍的映射关系，构建用于心血管疾病患者的第一认知障碍评估模型。2.如权利要求1所述的构建方法，其特征在于还包括：将所述认知障碍心血管疾病患者的超声心动数据结合所有心血管疾病患者的多模态数据共同输入多任务学习模型；利用所述多任务学习层进行第二阶段的多任务学习，以输出以超声心动数据为主特征的认知正常与认知障碍的分类结果，构建用于心血管疾病患者的第二认知障碍评估模型。3.如权利要求2所述的构建方法，其特征在于：基于所述多任务学习模型，交替进行所述第一阶段的多任务学习和所述第二阶段的多任务学习，以对所述第二认知障碍评估模型进行数据拟合。4.如权利要求2所述的构建方法，其特征在于：所述多模态数据至少包括：环境数据、心血管疾病患者的临床数据以及行为数据。5.如权利要求2所述的构建方法，其特征在于：在所述多模态数据输入所述多任务学习模型之前，预先针对...

【专利技术属性】
技术研发人员：孔羽，曾勇，马长生，蔡龙军，
申请(专利权)人：首都医科大学附属北京安贞医院，
类型：发明
国别省市：