脉冲电场消融效果评估方法及系统

1.本发明涉及人工智能技术以及智慧医疗技术领域，尤其涉及一种脉冲电场消融效果评估方法及系统。


背景技术：

2.脉冲电场消融被认为是新一代物理消融能量来源，已被fda批准分别用于肿瘤消融的临床应用和电生理心脏房颤的临床试验。相比于射频和冷冻等消融方法，脉冲电场消融具有非热、选择性、不损伤食管和周围神经等优点。脉冲电场消融通过不可逆电穿孔实现肿瘤和组织细胞的杀伤效果。
3.但是，不可逆电穿孔不会即时出现器质性损伤，目前一般采用术后的mri、ct等影像进行诊断评估，但无法做到实时监测。新近发展起来的电学诊断方法，如电导率法、阻抗法，可以实现实时评估，然而该电学诊断方法对消融效果的评估误差较大，并且缺乏智能诊断。


技术实现要素：

4.有鉴于此，有必要提供一种脉冲电场消融效果评估方法及系统。
5.本发明提供一种脉冲电场消融效果评估方法，该方法包括如下步骤：s1.收集消融组织的历史介电特性数据；s2.对所述历史介电特性数据进行标准化处理，并将标准化处理后的历史介电特性数据随机划分成不同数据集；s3.构建树类算法分类模型，将划分的所述不同数据集输入到所述树类算法分类模型中进行训练，并根据训练结果构建最优分类模型；s4.收集消融组织的实时介电特性数据；s5.对所述实时介电特性数据进行标准化处理；s6.将标准化处理后的所述实时介电特性数据输入最优分类模型中进行识别，得到最终诊断结果。
6.优选地，所述的步骤s1包括：
7.步骤s11：收集消融区域的历史介电特性数据；
8.步骤s12：对收集的历史介电特性数据进行预处理；所述预处理包括：异常数据去除，缺失数据处理；
9.步骤s13：对预处理后的历史介电特性数据进行特征提取；其中，提取的特征包括：电压、电流、电阻、电容、时延信号、电导率、介电常数、驰豫时间分布和fft时域谱。
10.优选地，所述的步骤s2包括：
11.步骤s21：计算历史介电特性数据的平均值和方差，并做标准化处理；
12.步骤s22：将标准化处理后的历史介电特性数据随机分成60％的训练集、20％的验证集和20％的测试集。
13.优选地，所述的步骤s3包括：
14.步骤s31：建立树类算法分类模型，将步骤s22中获得的训练集数据输入树类算法分类模型中进行训练；
15.步骤s32：将步骤s22中获得的验证集数据输入树类算法分类模型中进行识别，同时综合评估所述树类算法分类模型的性能；
16.步骤s33：将步骤s22中获得的测试集数据输入树类算法分类模型进行识别。
17.优选地，所述步骤s31中：
18.所述树类算法分类模型通过将多个决策树分类模型进行随机组合，并将各决策树的分类结果进行投票，最终获得待分类样品的类别。
19.优选地，所述步骤s32中：
20.评估树类算法分类模型的性能指标包括：精度，准确率、召回率、f1值，以实现对树类算法分类模型性能的综合评估。
21.优选地，所述的步骤s4包括：
22.步骤s41：收集消融区域的实时介电特性数据；
23.步骤s42：对收集的实时介电特性数据进行数据清洗；所述数据清洗包括：异常数据去除，缺失数据处理；
24.步骤s43：对收集的实时介电特性数据进行特征提取；所述特征包括：电压、电流、电阻、电容、时延信号、电导率、介电常数、驰豫时间分布和fft时域谱。
25.本发明提供一种脉冲电场消融效果评估系统，该系统包括历史数据收集模块、历史数据标准化处理模块、模型构建模块、实时数据收集模块、实时数据标准化处理模块、评估模块，其中：所述历史数据收集模块用于收集消融组织的历史介电特性数据；所述历史数据标准化处理模块用于对所述历史介电特性数据进行标准化处理，并将标准化处理后的历史介电特性数据随机划分成不同数据集；所述模型构建模块用于构建树类算法分类模型，将划分的所述不同数据集输入到所述树类算法分类模型中进行训练；所述实时数据收集模块用于收集消融组织的实时介电特性数据；所述实时数据标准化处理模块用于对所述实时介电特性数据进行标准化处理；所述评估模块用于将标准化处理后的所述实时介电特性数据输入所述树类算法分类模型中进行识别，得到最终诊断结果。
26.本发明采用治疗电极原位测量消融区域的阻抗谱、电压、电流等信息，不增加治疗电极的复杂度以及对病人的伤害。再进一步采用多种数据处理和分析方法对脉冲消融效果进行实时评估。具体地，本发明采用机器学习算法中的树类模型方法，建立消融区域电学性质变化与消融效果之间的映射关系，增强评估性能，降低人工辅助分析的依赖性。
附图说明
27.图1为本发明脉冲电场消融效果评估方法的流程图；
28.图2为本发明实施例脉冲电场消融效果评估方法的处理过程示意图；
29.图3为本发明脉冲电场消融效果评估系统的硬件架构图；
30.图4为本发明实施例脉冲电场消融效果评估系统的框架示意图。
具体实施方式
31.下面结合附图及具体实施例对本发明作进一步详细的说明。
32.参阅图1所示，是本发明脉冲电场消融效果评估方法较佳实施例的作业流程图，请一并参阅图2。
33.步骤s1，收集消融组织的历史介电特性数据。具体而言：
34.步骤s11：收集消融区域的历史介电特性数据。
35.本实施例收集消融区域前1个月的历史介电特性数据。
36.步骤s12：对收集的历史介电特性数据进行预处理。所述预处理包括：异常数据去除，缺失数据处理等，从而保证数据的可靠性和真实性。
37.步骤s13：对预处理后的历史介电特性数据进行特征提取。其中，提取的特征包括：电压、电流、电阻、电容、时延信号、电导率、介电常数、驰豫时间分布和fft时域谱。
38.步骤s2，对所述历史介电特性数据进行标准化处理，并将标准化处理后的历史介电特性数据随机划分成不同数据集。具体而言：
39.步骤s21：计算历史介电特性数据的平均值和方差，并做标准化处理，从而使历史介电特性数据的分布具有标准方差，以减小异常值对历史介电特性数据的影响。
40.步骤s22：将标准化处理后的历史介电特性数据随机分成60％的训练集、20％的验证集和20％的测试集。
41.步骤s3，构建树类算法分类模型，将划分的所述不同数据集输入到所述树类算法分类模型中进行训练，并根据训练结果构建最优分类模型。具体而言：
42.步骤s31：建立树类算法分类模型，将步骤s22中获得的训练集数据输入树类算法分类模型中进行训练。树类算法分类模型通过将多个决策树分类模型进行随机组合，并将各决策树的分类结果进行投票，最终获得待分类样品的类别。
43.其中，所述树类算法包括：决策树、随机森林、adaboost、gbdt、xgboost、lightgbm、catboost等。
44.步骤s32：将步骤s22中获得的验证集数据输入树类算法分类模型中进行识别，同时综合评估所述树类算法分类模型的性能；
45.其中，评估树类算法分类模型的性能指标包括：精度，准确率、召回率、f1值，以实现对树类算法分类模型性能的综合评估。
46.步骤s33：将步骤s22中获得的测试集数据输入树类算法分类模型进行识别。
47.步骤s4，收集消融组织的实时介电特性数据。具体而言：
48.步骤s41：收集消融区域的实时介电特性数据。
49.本实施例实时收集消融区域的当前介电特性数据。
50.步骤s42：对收集的实时介电特性数据进行数据清洗。所述数据清洗包括：异常数据去除，缺失数据处理等，从而保证数据的可靠性和真实性。
51.步骤s43：对收集的实时介电特性数据进行特征提取；所述特征包括：电压、电流、电阻、电容、时延信号、电导率、介电常数、驰豫时间分布和fft时域谱等特征。
52.步骤s5，对所述实时介电特性数据进行标准化处理。具体而言：
53.计算实时介电特性数据的平均值和方差，并做标准化处理，使实时介电特性数据的分布具有标准方差，以减小异常值对实时介电特性数据的影响。
54.步骤s6，将标准化处理后的所述实时介电特性数据输入步骤s3中的最优分类模型中进行识别，得到最终诊断结果。
55.参阅图3所示，是本发明脉冲电场消融效果评估系统10的硬件架构图。该系统包括：历史数据收集模块101、历史数据标准化处理模块102、模型构建模块103、实时数据收集
模块104、实时数据标准化处理模块105、评估模块106。请一并参阅图4，其中：
56.所述历史数据收集模块101用于收集消融组织的历史介电特性数据。具体而言：
57.所述历史数据收集模块101收集消融区域的历史介电特性数据。
58.本实施例中，所述历史数据收集模块101收集消融区域前1个月的历史介电特性数据。
59.所述历史数据收集模块101对收集的历史介电特性数据进行预处理。所述预处理包括：异常数据去除，缺失数据处理等，从而保证数据的可靠性和真实性。
60.所述历史数据收集模块101对预处理后的历史介电特性数据进行特征提取。其中，提取的特征包括：电压、电流、电阻、电容、时延信号、电导率、介电常数、驰豫时间分布和fft时域谱。
61.所述历史数据标准化处理模块102用于对所述历史介电特性数据进行标准化处理，并将标准化处理后的历史介电特性数据随机划分成不同数据集。具体而言：
62.所述历史数据标准化处理模块102计算历史介电特性数据的平均值和方差，并做标准化处理，从而使历史介电特性数据的分布具有标准方差，以减小异常值对历史介电特性数据的影响。
63.所述历史数据标准化处理模块102将标准化处理后的历史介电特性数据随机分成60％的训练集、20％的验证集和20％的测试集。
64.所述模型构建模块103用于构建树类算法分类模型，将划分的所述不同数据集输入到所述树类算法分类模型中进行训练，并根据训练结果构建最优分类模型。具体而言：
65.所述模型构建模块103建立树类算法分类模型，将所述历史数据标准化处理模块102获得的训练集数据输入树类算法分类模型中进行训练。树类算法分类模型通过将多个决策树分类模型进行随机组合，并将各决策树的分类结果进行投票，最终获得待分类样品的类别。
66.所述模型构建模块103将所述历史数据标准化处理模块102获得的验证集数据输入树类算法分类模型中进行识别，同时综合评估所述树类算法分类模型的性能；
67.其中，评估树类算法分类模型的性能指标包括：精度，准确率、召回率、f1值，以实现对树类算法分类模型性能的综合评估。
68.所述模型构建模块103将所述历史数据标准化处理模块102获得的测试集数据输入树类算法分类模型进行识别。
69.所述实时数据收集模块104用于收集消融组织的实时介电特性数据。具体而言：
70.所述实时数据收集模块104收集消融区域的实时介电特性数据。
71.本实施例中，所述实时数据收集模块104实时收集消融区域的当前介电特性数据。
72.所述实时数据收集模块104对收集的实时介电特性数据进行数据清洗。所述数据清洗包括：异常数据去除，缺失数据处理等，从而保证数据的可靠性和真实性。
73.所述实时数据收集模块104对收集的实时介电特性数据进行特征提取；所述特征包括：电压、电流、电阻、电容、时延信号、电导率、介电常数、驰豫时间分布和fft时域谱等。
74.所述实时数据标准化处理模块105用于对所述实时介电特性数据进行标准化处理。具体而言：
75.所述实时数据标准化处理模块105计算实时介电特性数据的平均值和方差，并做
标准化处理，使实时介电特性数据的分布具有标准方差，以减小异常值对实时介电特性数据的影响。
76.所述评估模块106用于将标准化处理后的所述实时介电特性数据输入所述最优分类模型中进行识别，得到最终诊断结果。
77.本技术采用树类算法对多频率阻抗谱或介电谱数据进行分析，实现更多维度的智能监测。本技术基于介电特性，仅需获取消融区域的介电特性数据，便可实现脉冲电场消融效果的评估。本技术与治疗电极共用实现诊疗一体化电极，不会增加电极复杂度和对病人的伤害，且实时性强，能够实现长期跟踪监测，有益于对相关疾病进行精准治疗。
78.虽然本发明参照当前的较佳实施方式进行了描述，但本领域的技术人员应能理解，上述较佳实施方式仅用来说明本发明，并非用来限定本发明的保护范围，任何在本发明的精神和原则范围之内，所做的任何修饰、等效替换、改进等，均应包含在本发明的权利保护范围之内。

技术特征：
1.一种脉冲电场消融效果评估方法，其特征在于，该方法包括如下步骤：s1.收集消融组织的历史介电特性数据；s2.对所述历史介电特性数据进行标准化处理，并将标准化处理后的历史介电特性数据随机划分成不同数据集；s3.构建树类算法分类模型，将划分的所述不同数据集输入到所述树类算法分类模型中进行训练，并根据训练结果构建最优分类模型；s4.收集消融组织的实时介电特性数据；s5.对所述实时介电特性数据进行标准化处理；s6.将标准化处理后的所述实时介电特性数据输入最优分类模型中进行识别，得到最终诊断结果。2.如权利要求1所述的脉冲电场消融效果评估方法，其特征在于，所述的步骤s1包括：步骤s11：收集消融区域的历史介电特性数据；步骤s12：对收集的历史介电特性数据进行预处理；所述预处理包括：异常数据去除，缺失数据处理；步骤s13：对预处理后的历史介电特性数据进行特征提取；其中，提取的特征包括：电压、电流、电阻、电容、时延信号、电导率、介电常数、驰豫时间分布和fft时域谱。3.如权利要求2所述的脉冲电场消融效果评估方法，其特征在于，所述的步骤s2包括：步骤s21：计算历史介电特性数据的平均值和方差，并做标准化处理；步骤s22：将标准化处理后的历史介电特性数据随机分成60％的训练集、20％的验证集和20％的测试集。4.如权利要求3所述的脉冲电场消融效果评估方法，其特征在于，所述的步骤s3包括：步骤s31：建立树类算法分类模型，将步骤s22中获得的训练集数据输入树类算法分类模型中进行训练；步骤s32：将步骤s22中获得的验证集数据输入树类算法分类模型中进行识别，同时综合评估所述树类算法分类模型的性能；步骤s33：将步骤s22中获得的测试集数据输入树类算法分类模型进行识别。5.如权利要求4所述的脉冲电场消融效果评估方法，其特征在于，所述步骤s31中：所述树类算法分类模型通过将多个决策树分类模型进行随机组合，并将各决策树的分类结果进行投票，最终获得待分类样品的类别。6.如权利要求5所述的脉冲电场消融效果评估方法，其特征在于，所述步骤s32中：评估树类算法分类模型的性能指标包括：精度，准确率、召回率、f1值，以实现对树类算法分类模型性能的综合评估。7.如权利要求6所述的脉冲电场消融效果评估方法，其特征在于，所述的步骤s4包括：步骤s41：收集消融区域的实时介电特性数据；步骤s42：对收集的实时介电特性数据进行数据清洗；所述数据清洗包括：异常数据去除，缺失数据处理；步骤s43：对收集的实时介电特性数据进行特征提取；所述特征包括：电压、电流、电阻、电容、时延信号、电导率、介电常数、驰豫时间分布和fft时域谱。8.一种脉冲电场消融效果评估系统，其特征在于，该系统包括历史数据收集模块、历史
数据标准化处理模块、模型构建模块、实时数据收集模块、实时数据标准化处理模块、评估模块，其中：所述历史数据收集模块用于收集消融组织的历史介电特性数据；所述历史数据标准化处理模块用于对所述历史介电特性数据进行标准化处理，并将标准化处理后的历史介电特性数据随机划分成不同数据集；所述模型构建模块用于构建树类算法分类模型，将划分的所述不同数据集输入到所述树类算法分类模型中进行训练，并根据训练结果构建最优分类模型；所述实时数据收集模块用于收集消融组织的实时介电特性数据；所述实时数据标准化处理模块用于对所述实时介电特性数据进行标准化处理；所述评估模块用于将标准化处理后的所述实时介电特性数据输入最优分类模型中进行识别，得到最终诊断结果。

技术总结
本发明涉及一种脉冲电场消融效果评估方法，包括：收集消融组织的历史介电特性数据；对所述历史介电特性数据进行标准化处理，并将标准化处理后的历史介电特性数据随机划分成不同数据集；构建树类算法分类模型，将划分的所述不同数据集输入到所述树类算法分类模型中进行训练，并根据训练结果，构建最优分类模型；收集消融组织的实时介电特性数据；对所述实时介电特性数据进行标准化处理；将标准化处理后的所述实时介电特性数据输入到最优树类算法分类模型中进行识别，得到最终诊断结果。本发明还涉及一种脉冲电场消融效果评估系统。本发明能够增强评估性能，降低人工辅助分析的依赖性。性。性。


技术研发人员：石富坤 庄杰 韩瑞
受保护的技术使用者：中国科学院苏州生物医学工程技术研究所
技术研发日：2023.04.25
技术公布日：2023/8/13