【技术实现步骤摘要】
本申请涉及领域，特别是涉及基于双模式检测的创面状态识别方法、系统、设备、介质及程序产品。
技术介绍
1、糖尿病足溃疡(dfu)是糖尿病患者创面愈合受损和慢性创面发展的常见后果，给临床和经济带来了重大负担。全球每年约有1860万人受到dfu的影响。因此，改善糖尿病创面护理以减轻患者痛苦并减轻医疗保健系统的负担势在必行。创面感染引发的炎症反应是阻碍糖尿病足创面正常愈合的主要因素之一。判断创面状态对于临床手术指导也具有重要意义，其中，创面感染与否是衡量清创手术必要性的重要标准之一。当前，由于缺乏可靠的术前指导，医生往往为了保险起见，在修复手术前先进行清创处理，这给未感染的病人带来了不必要的创面破坏和身心痛苦。
2、目前，临床上一般通过目检方式来判断感染，如观察创面周围组织颜色、气味等。如果怀疑感染，再通过血检检测白细胞、生化因子(如炎症因子)等。然而，目检依靠经验判断，容易造成误诊或漏诊，且目检后的一系列血检操作耗时，存在延误病情治疗的最佳时机。为了解决这一问题，创新的检测方法已与生物传感器相结合，用于精确检测目标创面微环境下的生物标志物，为个性化创面管理和精确治疗提供了巨大潜力。
3、人体体液中生化因子的含量与创面感染程度密切相关，是临床判断感染的重要指标。当前，传统的生化因子检测方法主要包括酶联免疫吸附测定(elisa)和质谱分析(ms)等。elisa适用于多种样本类型，广泛应用于临床和科研中，但其动态范围通常较窄，对于高浓度样品检测可能存在饱和现象，不适用于大浓度范围检测。ms具有高灵敏度和高分辨率，但设
4、为解决这一问题，基于不同传感机制开发了光电双模免疫传感平台，如电化学-光电化学和电化学-比色系统，并独立地传导信号。然而，这些光学方法容易受到环境光干扰，导致测试结果不稳定。表面增强拉曼光谱(sers)利用共振现象放大特定波长光激发的目标材料的拉曼信号，从而保护响应信号免受环境干扰，增强检测鲁棒性和精确度。因此，基于电化学和sers技术的双模方法在可重复和高精度的生化因子检测方面具有重大潜力。然而，当前结合电化学和sers的双模检测方法在实现单个样品的原位同步分析方面还面临挑战。这种限制会导致数据分析的混乱，并损害检测结果的可靠性。
5、另一方面，目前的免疫传感平台仍集中用于人体血液中生化因子的检测，但创面感染发生早期，即“感而未染”状态，是没有明显宿主反应的，人体血液中的生化因子指标也不会产生明显的异常变化。当血液中的生化因子指标异常时，创面感染往往处于比较明显的病变状态。因此，血液并不是用于创面状态早期评估的合适目标体液。创面渗出液中富含多样的生化因子以及细菌代谢产物，与创面微环境状态具有息息相关，可直接反映创面状态，是理想的用于创面状态分析的目标体液。但由于渗出液中生化因子的浓度往往比较低，所以检测准确性差，检测结果难以用于创面状态评估。
6、因此，目前仍缺乏用于指导医生术前对创面状态进行识别和判断的系统或方法，针对这种现状，有必要提供一种更加及时可靠，适用于大众并能被广泛接受的创面状态识别方法和系统，在术前确定生化指标数值，并判断对应的创面状态，指导医生做出合理正确的手术选择，实现个性化创面管理。
技术实现思路
1、鉴于以上所述现有技术的缺点，本申请的目的在于提供一种适用于大众并能被广泛接受的基于渗出液检测的创面状态识别方法和系统，在术前确定渗出液中生化指标数值，并判断对应的创面状态，指导医生做出合理正确的手术选择，实现个性化创面管理。
2、为实现上述目的及其他相关目的，本申请的第一方面提供一种基于渗出液双模式检测的创面状态识别方法，包括：使用电化学和表面增强拉曼的双模式检测设备，从采集到的创面渗出液中提取用于临床判断感染的生化指标的电化学特征数据和表面增强拉曼特征数据；加载并预处理所述生化指标的电化学特征数据和表面增强拉曼特征数据后，输入人工智能模型，由所述人工智能模型对所述生化指标的浓度进行预测；根据预测结果判断创面感染状态并基于创面感染状态生成对应的医学策略后输出。
3、于本申请的第一方面的一些实施例中，所述方法包括：从采集到的创面渗出液中提取的用于临床判断感染的生化指标包括如下任一种或多种的组合：白细胞介素-6、c-反应蛋白、降钙素原和血清淀粉样蛋白a。
4、于本申请的第一方面的一些实施例中，所述电化学和表面增强拉曼的双模式检测设备的检测过程包括：构建可用于生化因子双模式检测的生物传感器，选用能够同时增强电化学信号和表面增强拉曼信号的纳米颗粒作为所述生物传感器的基底；在捕获型表面亲和配体(如抗体、适配体等)的传感器表面滴加创面渗出液，孵育一定时间以捕获渗出液中的生化因子，再将连接了拉曼探针材料的标定型表面亲和配体(如抗体、适配体等)滴加在传感器表面，构建由捕获层、目标分子层、检测层构建得到的可用于双模式检测的三层结构；将生物传感器的工作电极、参比电极、对电极与电化学检测电路的三电极相连，置于拉曼探头下方，同步采集电化学信号和sers信号，并将采集到的电化学信号和sers信号向外传输。
5、于本申请的第一方面的一些实施例中，所述人工智能模型的架构包括：输入层、自注意力层、前馈神经网络及输出层；输入层的输出直接连接到自注意力层；自注意力层的输出连接前馈神经网络；前馈神经网络的输出连接输出层。
6、于本申请的第一方面的一些实施例中，在神经网络模型中还引入多任务学习策略来构建多任务损失函数，以同时优化huber损失函数和均方误差损失函数。
7、为实现上述目的及其他相关目的，本申请的第二方面提供一种基于双模式检测的创面状态识别系统，包括：双模式检测设备、计算机设备；所述双模式检测设备和计算机设备之间建立通信连接；所述双模式检测设备从采集到的创面渗出液中提取用于临床判断感染的生化指标的电化学特征数据和表面增强拉曼特征数据，并将提取到的特征数据传输至所述计算机设备；所述计算机设备加载并预处理所述生化指标的电化学特征数据和表面增强拉曼特征数据后，输入人工智能模型中，由人工智能模型对所述生化指标的浓度进行预测；根据预测结果判断创面感染状态并基于创面感染状态生成对应的医学策略后输出。
8、为实现上述目的及其他相关目的，本申请的第三方面提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现所述基于双模式检测的创面状态识别方法。
9、为实现上述目的及其他相关目的，本申请的第四方面提供一种计算机程序产品，所述计算机程序产品中包括计算机程序代码，当所述计算机程序代码在计算机上运行时，使得所述计算机实现所述基于双模式检测的创面状态识别方法。
10、为实现上述目的及其他相关目的，本申请的第五方面提供一种计算机装置/设备/系本文档来自技高网...
【技术保护点】
1.一种基于双模式检测的创面状态识别方法，其特征在于，包括：
2.根据权利要求1所述的基于双模式检测的创面状态识别方法，其特征在于，包括：从采集到的创面渗出液中提取的用于临床判断感染的生化指标包括如下任一种或多种的组合：白细胞介素-6、C-反应蛋白、降钙素原和血清淀粉样蛋白A。
3.根据权利要求1所述的基于双模式检测的创面状态识别方法，其特征在于，所述电化学和表面增强拉曼的双模式检测设备的检测过程包括：
4.根据权利要求1所述的基于双模式检测的创面状态识别方法，其特征在于，所述人工智能模型包括基于自注意力机制的神经网络模型。
5.根据权利要求1或4所述的基于双模式检测的创面状态识别方法，其特征在于，所述人工智能模型的架构包括：输入层、自注意力层、前馈神经网络及输出层；输入层的输出直接连接到自注意力层；自注意力层的输出连接前馈神经网络；前馈神经网络的输出连接输出层。
6.根据权利要求1或4所述的基于双模式检测的创面状态识别方法，其特征在于，在神经网络模型中还引入多任务学习策略来构建多任务损失函数，以同时优化Huber损失函
7.一种基于双模式检测的创面状态识别系统，其特征在于，包括：
8.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至5中任一项所述基于双模式检测的创面状态识别方法。
9.一种计算机程序产品，其特征在于，所述计算机程序产品中包括计算机程序代码，当所述计算机程序代码在计算机上运行时，使得所述计算机实现如权利要求1至5中任一项所述基于双模式检测的创面状态识别方法。
10.一种计算机设备，包括存储器、处理器及存储在存储器上的计算机程序，其特征在于，所述处理器执行所述计算机程序以实现权利要求1至5中任一项所述基于双模式检测的创面状态识别方法。
...【技术特征摘要】
1.一种基于双模式检测的创面状态识别方法，其特征在于，包括：
2.根据权利要求1所述的基于双模式检测的创面状态识别方法，其特征在于，包括：从采集到的创面渗出液中提取的用于临床判断感染的生化指标包括如下任一种或多种的组合：白细胞介素-6、c-反应蛋白、降钙素原和血清淀粉样蛋白a。
3.根据权利要求1所述的基于双模式检测的创面状态识别方法，其特征在于，所述电化学和表面增强拉曼的双模式检测设备的检测过程包括：
4.根据权利要求1所述的基于双模式检测的创面状态识别方法，其特征在于，所述人工智能模型包括基于自注意力机制的神经网络模型。
5.根据权利要求1或4所述的基于双模式检测的创面状态识别方法，其特征在于，所述人工智能模型的架构包括：输入层、自注意力层、前馈神经网络及输出层；输入层的输出直接连接到自注意力层；自注意力层的输出连接前馈神经网络；前馈神经网络的输出连接输出层。
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。