本發(fā)明涉及醫(yī)學(xué)數(shù)據(jù)處理的，尤其涉及一種鼻過敏預(yù)防與管理系統(tǒng)。

背景技術(shù)：

1、近年來，得益于生活水平的提高和健康知識(shí)的普及，我國(guó)民眾的健康意識(shí)迅速提高，對(duì)于過敏病癥的重視程度也在迅速上升。鼻過敏屬于常見的過敏病癥，雖然嚴(yán)重程度相對(duì)較輕，但能夠?qū)颊叩娜粘Ｉ睢⒐ぷ鲗W(xué)習(xí)以及睡眠質(zhì)量等活動(dòng)造成持續(xù)性的不良干擾。由于城市化和工業(yè)化對(duì)環(huán)境帶來的影響，鼻過敏在我國(guó)的發(fā)病率呈逐年上升趨勢(shì)。一方面，部分民眾長(zhǎng)期生活在高度城市化的環(huán)境中，遠(yuǎn)離自然環(huán)境，接觸花粉類的植物過敏原時(shí)容易導(dǎo)致免疫系統(tǒng)反應(yīng)過度，進(jìn)而產(chǎn)生鼻過敏癥狀。另一方面，工業(yè)生產(chǎn)過程中排除的污染氣體、室內(nèi)裝修用品中的化學(xué)成分和日用品中的添加劑等物質(zhì)增加了過敏原種類，導(dǎo)致鼻過敏更加普遍。當(dāng)前，主流使用的血清檢查只有在鼻過敏發(fā)展至嚴(yán)重階段才呈現(xiàn)出特異性ige抗體為陽性，并且僅能檢測(cè)有限種類的過敏原，不適用于鼻過敏的初期階段。因此，開發(fā)針對(duì)鼻過敏早期預(yù)防的管理系統(tǒng)是具有應(yīng)用前景的研究方向。

2、目前，申請(qǐng)?zhí)枮?02311760428.1的中國(guó)發(fā)明專利申請(qǐng)公開了一種過敏性鼻炎預(yù)測(cè)模型的建模方法，該申請(qǐng)具體包括：獲取過敏性鼻炎病例醫(yī)療數(shù)據(jù)作為所述神經(jīng)網(wǎng)絡(luò)模型的樣本集；對(duì)樣本集進(jìn)行預(yù)處理，得到用于神經(jīng)網(wǎng)絡(luò)模型的訓(xùn)練集；建立過敏性鼻炎預(yù)測(cè)模型；采用訓(xùn)練集對(duì)所述的過敏性鼻炎預(yù)測(cè)模型進(jìn)行訓(xùn)練，所述過敏性鼻炎預(yù)測(cè)模型包括第一預(yù)測(cè)模型和第二預(yù)測(cè)模型，第一預(yù)測(cè)模型用于對(duì)0-7周歲待預(yù)測(cè)對(duì)象進(jìn)行過敏性鼻炎預(yù)測(cè)，第二預(yù)測(cè)模型用于對(duì)7周歲以上待預(yù)測(cè)對(duì)象進(jìn)行過敏性鼻炎預(yù)測(cè)；將患者按照年齡劃分為幼兒和非幼兒兩組，并對(duì)這兩個(gè)年齡段建立兩個(gè)子模型，分別采用不同訓(xùn)練集訓(xùn)練兩個(gè)子模型，提高了過敏性鼻炎模型建立的科學(xué)性。但是該申請(qǐng)采集和分析的患者數(shù)據(jù)僅有七個(gè)常見癥狀現(xiàn)象，包括鼻塞、鼻癢、打噴嚏、流鼻涕、雙下甲水腫、咳嗽和喉癢，數(shù)據(jù)維度不足，分析得到的預(yù)測(cè)結(jié)果受測(cè)試者主觀性干擾大。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明解決的技術(shù)問題是：傳統(tǒng)方法在對(duì)鼻過敏預(yù)防時(shí)，采集和分析的患者數(shù)據(jù)僅包括常見癥狀，采集的數(shù)據(jù)維度不足，且分析得到的預(yù)測(cè)結(jié)果受測(cè)試者主觀性干擾大。

2、為解決上述技術(shù)問題，本發(fā)明提供如下技術(shù)方案：

3、一種鼻過敏預(yù)防與管理系統(tǒng)，包括：數(shù)據(jù)采集模塊、數(shù)據(jù)分析模塊、過敏預(yù)測(cè)模塊和終端管理模塊；

4、所述數(shù)據(jù)采集模塊包括個(gè)人信息采集單元、超聲采集單元和紅外采集單元，用于對(duì)患者的信息進(jìn)行統(tǒng)計(jì)得到個(gè)人數(shù)據(jù)集，獲取測(cè)試者的鼻部超聲多普勒?qǐng)D像，通過近紅外成像儀采集測(cè)試者的鼻部近紅外圖像；

5、所述數(shù)據(jù)分析模塊包括個(gè)人信息特征提取單元、超聲多普勒?qǐng)D像特征提取單元和近紅外圖像特征提取單元，用于對(duì)測(cè)試者的個(gè)人數(shù)據(jù)集進(jìn)行量化編碼處理得到個(gè)人數(shù)據(jù)特征向量，通過第一卷積神經(jīng)網(wǎng)絡(luò)路徑對(duì)鼻部超聲多普勒?qǐng)D像進(jìn)行特征提取得到超聲多普勒輸出特征圖，通過第二卷積神經(jīng)網(wǎng)絡(luò)路徑對(duì)鼻部近紅外圖像進(jìn)行特征提取得到近紅外輸出特征圖；

6、過敏預(yù)測(cè)模塊包括特征融合單元和分類預(yù)測(cè)單元，用于對(duì)個(gè)人數(shù)據(jù)特征向量、超聲多普勒輸出特征圖和近紅外輸出特征圖進(jìn)行三相特征融合得到輸出融合特征，對(duì)輸出融合特征進(jìn)行預(yù)測(cè)分類得到鼻過敏預(yù)防結(jié)果；

7、終端管理模塊包括數(shù)據(jù)管理單元和終端交互單元，用于為用戶提供顯示界面并接收用戶操作指令，建立所有測(cè)試者的個(gè)人檔案并存儲(chǔ)數(shù)據(jù)。

8、作為本發(fā)明所述的一種鼻過敏預(yù)防與管理系統(tǒng)的一種優(yōu)選方案，其中：所述個(gè)人信息采集單元用于對(duì)患者的信息進(jìn)行統(tǒng)計(jì)得到個(gè)人數(shù)據(jù)集，所述個(gè)人數(shù)據(jù)集包括：年齡、性別、鼻過敏病史、家族過敏史、過敏原環(huán)境、打噴嚏、鼻塞、鼻癢、流鼻涕、眼癢、眼睛紅腫、喉癢、咳嗽和胸悶。

9、作為本發(fā)明所述的一種鼻過敏預(yù)防與管理系統(tǒng)的一種優(yōu)選方案，其中：所述超聲采集單元用于獲取測(cè)試者的鼻部超聲多普勒?qǐng)D像，基于預(yù)設(shè)的二維超聲掃描參數(shù)和超聲多普勒參數(shù)對(duì)進(jìn)行超聲診斷儀進(jìn)行設(shè)置，通過超聲線陣探頭對(duì)測(cè)試者兩側(cè)鼻翼的鼻黏膜和淺表血管進(jìn)行二維超聲掃描，固定啟動(dòng)超聲多普勒功能獲取測(cè)試者鼻部超聲多普勒?qǐng)D像；

10、所述預(yù)設(shè)的二維超聲掃描參數(shù)包括：超聲波頻率和掃描深度，超聲波頻率設(shè)置為12mhz，掃描深度設(shè)置為0.5cm；

11、所述超聲多普勒參數(shù)包括多普勒增益和速度量程，速度量程設(shè)置為2?cm/s。

12、作為本發(fā)明所述的一種鼻過敏預(yù)防與管理系統(tǒng)的一種優(yōu)選方案，其中：所述紅外采集單元用于通過近紅外成像儀采集測(cè)試者的鼻部近紅外圖像，對(duì)測(cè)試者進(jìn)行靜息調(diào)適判斷，當(dāng)靜息調(diào)適判斷結(jié)果為合適采集后，通過預(yù)設(shè)近紅外采集參數(shù)的光源對(duì)測(cè)試者進(jìn)行照射，通過近紅外成像儀鏡頭垂直對(duì)準(zhǔn)測(cè)試者的鼻根部位，采集得到測(cè)試者的鼻部近紅外圖像；

13、所述靜息調(diào)適操作包括：令測(cè)試者靜坐t時(shí)間，對(duì)測(cè)試者的脈搏和體溫進(jìn)行測(cè)量，當(dāng)測(cè)試者的脈搏小于靜息脈搏閾值并且測(cè)試者的體溫小于靜息體溫閾值時(shí)，判斷為合適采集；

14、所述預(yù)設(shè)近紅外采集參數(shù)包括：近紅外光源波長(zhǎng)與近紅外成像儀設(shè)置為850nm，近紅外成像儀鏡頭與測(cè)試者鼻部的間距設(shè)置為30cm。

15、作為本發(fā)明所述的一種鼻過敏預(yù)防與管理系統(tǒng)的一種優(yōu)選方案，其中：個(gè)人信息特征提取單元用于對(duì)測(cè)試者的個(gè)人數(shù)據(jù)集進(jìn)行量化編碼處理得到個(gè)人數(shù)據(jù)特征向量，所述量化編碼處理的邏輯包括：

16、對(duì)個(gè)人數(shù)據(jù)集中的年齡數(shù)據(jù)按照0-12歲年齡段賦值為0，13-35歲年齡段賦值為1，36-50歲年齡段賦值為2，50歲以上年齡段賦值為3進(jìn)行編碼得到第一量化編碼；

17、對(duì)個(gè)人數(shù)據(jù)集中的性別數(shù)據(jù)按照男性賦值為0，女性賦值為1進(jìn)行編碼得到第二量化編碼；

18、對(duì)個(gè)人數(shù)據(jù)集中的鼻過敏病史、家族過敏史、過敏源環(huán)境數(shù)據(jù)按照情況存在賦值為0，情況不存在賦值為1依次分別進(jìn)行編碼得到第三量化編碼；

19、對(duì)個(gè)人數(shù)據(jù)集中的打噴嚏、鼻塞、鼻癢、流鼻涕、眼癢、眼睛紅腫、喉癢、咳嗽和胸悶數(shù)據(jù)按照癥狀不存在賦值為0、癥狀輕微賦值為1，癥狀明顯賦值為2依次分別進(jìn)行編碼得到第四量化編碼；

20、對(duì)第一量化編碼、第二量化編碼、第三量化編碼和第四量化編碼依次進(jìn)行串聯(lián)組合得到個(gè)人數(shù)據(jù)特征向量。

21、作為本發(fā)明所述的一種鼻過敏預(yù)防與管理系統(tǒng)的一種優(yōu)選方案，其中：超聲多普勒?qǐng)D像特征提取單元用于通過第一卷積神經(jīng)網(wǎng)絡(luò)路徑對(duì)鼻部超聲多普勒?qǐng)D像進(jìn)行特征提取得到超聲多普勒輸出特征圖，第一卷積神經(jīng)網(wǎng)絡(luò)路徑對(duì)鼻部超聲多普勒?qǐng)D像進(jìn)行特征提取的處理邏輯包括：

22、輸入鼻部超聲多普勒?qǐng)D像，通過由五層擴(kuò)張卷積層構(gòu)成的drcnn模塊對(duì)鼻部超聲多普勒?qǐng)D像進(jìn)行深度去噪處理得到超聲去噪特征圖，drcnn模塊中的五層擴(kuò)張卷積層大小設(shè)置為3×3，擴(kuò)張率依次設(shè)置為1、2、4、2和1；

23、通過resnext-50網(wǎng)絡(luò)對(duì)超聲去噪特征圖進(jìn)行特征提取，通過卷積層對(duì)超聲去噪特征圖的像素點(diǎn)值進(jìn)行滑動(dòng)卷積計(jì)算得到各窗口對(duì)應(yīng)的像素點(diǎn)加權(quán)和，通過relu激活函數(shù)對(duì)各窗口對(duì)應(yīng)的像素點(diǎn)加權(quán)和數(shù)據(jù)進(jìn)行非線性映射得到超聲局部特征圖，通過池化層中2*2大小的池化窗口對(duì)超聲局部特征圖進(jìn)行最大池化計(jì)算得到下采樣特征圖，通過殘差塊對(duì)超聲去噪特征圖與下采樣特征圖進(jìn)行殘差連接計(jì)算得到超聲多普勒輸出特征圖。

24、作為本發(fā)明所述的一種鼻過敏預(yù)防與管理系統(tǒng)的一種優(yōu)選方案，其中：近紅外圖像特征提取單元用于通過第二卷積神經(jīng)網(wǎng)絡(luò)路徑對(duì)鼻部近紅外圖像進(jìn)行特征提取得到近紅外輸出特征圖，所述第二卷積神經(jīng)網(wǎng)絡(luò)路徑對(duì)鼻部近紅外圖像進(jìn)行特征提取的處理邏輯包括：

25、通過高斯濾波對(duì)鼻部近紅外圖像進(jìn)行去噪處理得到去噪近紅外圖像，通過clahe算法對(duì)去噪近紅外圖像進(jìn)行直方圖均衡化處理得到增強(qiáng)近紅外圖像，通過大小為3x3的標(biāo)準(zhǔn)卷積層對(duì)增強(qiáng)近紅外圖像進(jìn)行初步處理，并通過批歸一化操作和relu函數(shù)激活操作得到初步紅外特征圖，通過深度可分離卷積對(duì)初步紅外特征圖中各通道分別進(jìn)行卷積計(jì)算得到深度紅外特征圖，通過se模塊對(duì)深度紅外特征圖進(jìn)行全局平均池化和sigmoid函數(shù)激活處理，通過1x1的點(diǎn)卷積核進(jìn)行組合計(jì)算得到抽象紅外特征圖，通過cbam注意模塊計(jì)算得到抽象紅外特征圖的通道注意力權(quán)重和空間注意力權(quán)重，基于通道注意力權(quán)重和空間注意力權(quán)重對(duì)抽象紅外特征圖進(jìn)行逐元素相乘得到近紅外輸出特征圖。

26、作為本發(fā)明所述的一種鼻過敏預(yù)防與管理系統(tǒng)的一種優(yōu)選方案，其中：所述特征融合單元用于對(duì)個(gè)人數(shù)據(jù)特征向量、超聲多普勒輸出特征圖和近紅外輸出特征圖進(jìn)行三相特征融合得到輸出融合特征，進(jìn)行三相特征融合的處理邏輯包括：

27、基于超聲多普勒輸出特征圖和近紅外輸出特征圖的通道數(shù)對(duì)個(gè)人數(shù)據(jù)特征向量進(jìn)行線性變換擴(kuò)展得到個(gè)人數(shù)據(jù)二維張量，建立雙向特征金字塔網(wǎng)絡(luò)bifpn，分配個(gè)人數(shù)據(jù)二維張量至最高層級(jí)，分配超聲多普勒輸出特征圖至中間層級(jí)，分配近紅外輸出特征圖至底部層級(jí)；

28、根據(jù)bifpn中底部層級(jí)至最高層級(jí)的順序，通過雙線性插值法依次對(duì)各層級(jí)進(jìn)行上采樣操作得到各層級(jí)對(duì)應(yīng)的上采樣特征，根據(jù)bifpn中最高層級(jí)至底部層級(jí)的順序，通過最大池化處理依次對(duì)各層級(jí)進(jìn)行下采樣操作得到各層級(jí)對(duì)應(yīng)的下采樣特征，分別對(duì)各層級(jí)上采樣特征和上采樣特征進(jìn)行向量拼接處理得到各層級(jí)對(duì)應(yīng)的中間融合特征；

29、通過aoa注意力中的第一卷積池化模塊對(duì)各層級(jí)對(duì)應(yīng)的中間融合特征進(jìn)行一次注意力計(jì)算得到各層級(jí)對(duì)應(yīng)的第一融合注意力權(quán)重，對(duì)各層級(jí)對(duì)應(yīng)的第一融合注意力權(quán)重和中間融合特征進(jìn)行逐元素相乘計(jì)算得到各層級(jí)對(duì)應(yīng)的第一注意力特征，通過aoa注意力中的第二卷積池化模塊對(duì)各層級(jí)對(duì)應(yīng)的第一注意力特征進(jìn)行二次注意力計(jì)算得到各層級(jí)對(duì)應(yīng)的第二融合注意力權(quán)重，對(duì)各層級(jí)對(duì)應(yīng)的第二融合注意力權(quán)重和第一注意力特征進(jìn)行逐元素相乘計(jì)算得到各層級(jí)對(duì)應(yīng)的最終融合特征，對(duì)所有層級(jí)對(duì)應(yīng)的最終融合特征進(jìn)行加權(quán)求和計(jì)算與最大池化處理得到輸出融合特征。

30、作為本發(fā)明所述的一種鼻過敏預(yù)防與管理系統(tǒng)的一種優(yōu)選方案，其中：分類預(yù)測(cè)單元用于對(duì)輸出融合特征進(jìn)行預(yù)測(cè)分類得到鼻過敏預(yù)防結(jié)果，所述進(jìn)行預(yù)測(cè)分類的處理邏輯包括：

31、將輸出融合特征輸入雙層結(jié)構(gòu)的全連接層模塊，通過第一全連接層與第二全連接層模塊對(duì)輸出融合特征進(jìn)行前向傳播計(jì)算，通過第一全連接層中的第一權(quán)重矩陣對(duì)輸出融合特征進(jìn)行相乘計(jì)算得到第一乘積，通過第一偏置項(xiàng)對(duì)第一乘積進(jìn)行相加計(jì)算，并通過relu激活函數(shù)進(jìn)行非線性變換得到過渡輸出得分；

32、所述第一全連接層的神經(jīng)元節(jié)點(diǎn)數(shù)量為n，第二全連接層的神經(jīng)元節(jié)點(diǎn)數(shù)量為2；

33、通過第二全連接層中的第二權(quán)重矩陣對(duì)第一節(jié)點(diǎn)輸出結(jié)果進(jìn)行相乘計(jì)算得到第二乘積，通過第二偏置項(xiàng)對(duì)第二乘積進(jìn)行相加計(jì)算，并通過softmax激活函數(shù)進(jìn)行非線性變換到最終輸出得分結(jié)果；

34、對(duì)最終輸出得分結(jié)果中的兩個(gè)概率值進(jìn)行比較得到較大概率值，基于較大概率值對(duì)應(yīng)的神經(jīng)元節(jié)點(diǎn)標(biāo)簽得到鼻過敏預(yù)防判斷結(jié)果；

35、所述鼻過敏預(yù)防判斷結(jié)果包括低預(yù)防緊迫度和高預(yù)防緊迫度。

36、作為本發(fā)明所述的一種鼻過敏預(yù)防與管理系統(tǒng)的一種優(yōu)選方案，其中：終端交互單元用于為用戶提供顯示界面并接收用戶操作指令，使用戶對(duì)數(shù)據(jù)采集模塊、數(shù)據(jù)分析模塊和過敏預(yù)測(cè)模塊的參數(shù)進(jìn)行調(diào)整設(shè)置；

37、數(shù)據(jù)管理單元用于通過數(shù)據(jù)庫(kù)建立所有測(cè)試者的個(gè)人檔案，并對(duì)數(shù)據(jù)采集模塊、數(shù)據(jù)分析模塊和過敏預(yù)測(cè)模塊的輸出數(shù)據(jù)進(jìn)行存儲(chǔ)與更新。

38、本發(fā)明的有益效果：除了采集個(gè)人數(shù)據(jù)之外，本技術(shù)還采集測(cè)試者鼻部的近紅外圖像和超聲多普勒?qǐng)D像來進(jìn)行分析，能夠獲取鼻部的鼻黏膜狀況和鼻腔血液循環(huán)狀況等信息，有利于在患者的個(gè)人數(shù)據(jù)外增加客觀信息進(jìn)行鼻過敏預(yù)防分析。獲取近紅外圖像時(shí)，增加了靜息調(diào)適操作，有利于降低測(cè)試者體溫產(chǎn)生的誤差。同時(shí)對(duì)個(gè)人數(shù)據(jù)進(jìn)行編碼生成特征向量，并在特征融合時(shí)分配至雙向金字塔網(wǎng)絡(luò)的最高層級(jí)，有利于得到將個(gè)人數(shù)據(jù)抽象化表達(dá)，充分保持個(gè)人數(shù)據(jù)在融合過程中的關(guān)鍵地位。通過第一卷積神經(jīng)網(wǎng)絡(luò)路徑和第二卷積神經(jīng)網(wǎng)絡(luò)路徑分別對(duì)鼻部超聲多普勒?qǐng)D像和鼻部近紅外圖像進(jìn)行特征提取，有利于對(duì)兩種圖像模態(tài)特性針對(duì)性地完成噪聲抑制與圖像特征提取，有利于得到提高互補(bǔ)信息的抽象特征。通過bifpn架構(gòu)實(shí)現(xiàn)跨層級(jí)信息交互與特征融合，并引入aoa注意力機(jī)制，通過兩次注意力計(jì)算來精準(zhǔn)聚焦于融合特征中的關(guān)鍵信息，進(jìn)一步提升了融合效果，有利于提高后續(xù)分類預(yù)測(cè)的準(zhǔn)確性，實(shí)現(xiàn)鼻過敏的早期預(yù)防，從而降低鼻過敏的發(fā)病風(fēng)險(xiǎn)。