[发明专利]一种基于聚类的脊髓损伤肢体功能障碍自动评估方法

说明书

本发明公开了一种基于聚类的脊髓损伤肢体功能障碍自动评估方法，首先对常用的脊髓损伤肢体功能评估量表和查体信息进行了数字化处理；其次，提出改进的半监督K‑means聚类方法，并据此构建评估模型，以实现对不同肢体功能障碍程度患者的自动区分；最后，提出参考得分指标RefScore用于判定聚类后各类患者的肢体功能障碍等级。该方法首次提出利用聚类模型融合肢体功能障碍评估的特征，能够对脊髓损伤患者的肢体功能障碍程度作出定量评估。具有准确度高、可靠性强、操作简便、鲁棒性强的优势，并且具抗干扰能力强、易于推广的特点。同时为其他类型疾病的功能障碍评估提供一种有效的解决手段和途径。

技术领域

本发明涉及肢体功能障碍智能评估领域，具体涉及一种基于聚类的肢体功能障碍评估方法，特别适用于脊髓损伤患者的肢体功能障碍评估。

背景技术

脊髓损伤(Spinal Cord Injury，SCI)是脊柱骨折最严重的并发症。由于椎体的移位或碎骨片突出于椎管内，使脊髓或马尾神经产生不同程度的损伤。脊髓损伤患者的肢体功能障碍评估在前期治疗和预后康复阶段均有重要意义。在前期治疗阶段，对患者肢体功能障碍水平的准确评估能够反映患者脊髓损伤的严重程度，从而能够帮助临床制定正确的治疗方案。在预后阶段，患者的肢体功能障碍评估结果可作为患者康复进程的监控、评价指标，医生可根据此指标实时调整患者的康复治疗方案，以达到最佳的康复效果。

目前，临床上主要基于量表、查体、问诊等方式对脊髓损伤患者进行肢体功能障碍评估。常用的量表有美国脊髓损伤协会(American Spinal Injury Association，ASIA)损伤量表、脊髓独立行评估量表(Spinal Cord Injury Independence Measure，SCIM)及Berg量表等，这些量表能对脊髓损伤患者的运动功能、损伤程度及日常生活活动能力进行评估。常见的临床查体数据有肌力、肌张力及关节角度，它们反映了患者的肌肉激活程度、肌肉痉挛程度，对于判断患者的功能障碍程度有重要意义。常用的图像信息包括MRI和CT图像，图像信息能够直观反映脊髓损伤的位置和严重程度。上述检查信息分别从不同方面为脊髓损伤患者的肢体功能障碍评估提供依据，但是最终的评估结果则需要医生凭借自身的经验对上述多源信息进行综合分析完成，不同的医生针对相同的有效信息可能得出不同的结论，具有主观性强的特点。这势必严重影响对脊髓损伤患者肢体功能障碍程度评价的正确性、可靠性，尤其在医疗资源匮乏的偏远地区和广大乡村的影响更为值得关注。

此外，医生在进行诊断时，由于没有统一的评估标准，很难对患者的肢体功能障碍程度做出定量的评估，这不利于康复治疗方案的制定和辅具适配。因此，研究新的肢体功能障碍评估方法是申请人研究的课题之一。

发明内容

针对上述现有的脊髓损伤肢体功能障碍评估方法存在的主观性强等缺陷，本发明的目的在于，提供一种基于聚类的肢体功能障碍自动评估方法，该方法利用机器学习技术结合肢体功能障碍评估特征，完成对脊髓损伤患者上、下肢的功能障碍程度的定量自动评估。

为了实现上述任务，本发明通过以下技术方案加以实现：

一种基于聚类的脊髓损伤肢体功能障碍自动评估方法，其特征在于，具体实现步骤如下：

步骤一：收集患者量表和查体数据，具体包括：SCIM量表、Berg量表、AISA残损指数、脊髓损伤截面、肩肘腕手和髋膝踝足八个关节的肌力和肌张力；

步骤二：将数据中的非数字语言描述性信息进行数字化处理，构成特征集；

步骤三：对所有特征进行归一化处理；

步骤四：依据特征与上下肢的相关度，把特征集划分为上肢相关部分和下肢相关部分，分别用于对上肢和下肢的评估；

步骤五：设置需要划分的等级数量，并计算患者两两之间的相似性，基于以上特征集和患者相似性关系训练半监督K-means聚类模型；