基于长短期记忆网络的康复医疗效果评估方法

杨 颖，李 玲，唐冬来，桑婷婷，文 艳，刘小曼

（1.苏州高新区人民医院康复医学科，江苏 苏州 215000；2.四川中电启明星信息技术有限公司，四川成都 610074）

近年来，随着中国人口老龄化的不断加剧，慢性病致残率逐年上升，康复患者的医疗需求不断增大[1-2]。当前，中国的大部分二级乙等及以上级别的医院均建立了完善的康复医学治疗体系，康复患者的治疗需求得到了一定程度的缓解[3-4]。但是在患者康复医疗效果的评估方面，医院间未建立统一的评估体系，仍采用格式化的纸质单据进行评估[5]，患者多次治疗期间的联合评估效果关联性差，不同患者之间的横向比较不足[6-8]，因此，亟需采用一种有效的方法进行康复医疗效果评估。

国内外许多医生对康复医疗效果评估做了大量的研究，文献[9]中提出了一种基于多科协作的康复疗效评估方法，通过多个医学学科的综合诊断，提高了康复医疗评估准确率。文献[10]中提出了一种基于时机理论的康复效果评估方法，通过家庭护理时机分析，提高康复医疗效果评估的精准度。文献[11]中，提出了一种基于PDCA 的骨折术后康复效果评估方法，通过PDCA 循环对康复治疗评估进行干预，提高康复评估的效果。文献[12]中提出了一种基于生活质量与焦虑心里的康复医疗效果评估方法，通过观测患者生活质量水平、疼痛级别数等指标对康复效果进行评估。由此可见，康复医疗效果评估方法多样，且取得了一定的成果，但上述研究在同一患者的多次评估中联合评估效果关联性差，患者间横向比较不足。

针对传统康复治疗中存在的多次治疗信息关联度低，整理、评估效果差的问题，提出了一种基于长短期记忆网络的康复医疗效果评估方法。在对康复患者建立评估矩阵的基础上进行指标权重调优，其次，结合患者的历史数据，采用长短期记忆网络对康复患者医疗效果进行评估。最后，通过实例验证了该方法的可行性与有效性。

1 康复医疗效果评估框架

文中提出了基于长短期记忆网络的康复医疗效果评估方法，该方法重点考虑了多次治疗信息关联评价、评价横向对标的问题，康复医疗效果评估框架如图1 所示。

图1 康复医疗效果评估框架

通过物联网技术采集患者的跌倒危险、管路滑脱、压疮、静脉血栓栓塞、日常活动、疼痛等康复医疗数据，为后续分析奠定数据基础。在患者特征分析环节，通过AP 聚类方法对患者的康复特征进行分析，获得患者的康复特征聚类中心，并以此建立分级分类的康复医疗评估矩阵。在评估指标权重调优环节，根据康复医疗评估训练模型，采用熵权法不断优化康复评估指标的权重。在康复医疗效果综合评估环节，结合单个患者多次康复治疗的关联数据、不同患者之间的横向比较数据，采用长短期记忆网络对康复患者的医疗效果进行综合评估。

2 康复医疗效果评估模型

基于长短期记忆网络的康复医疗效果评估方法是一种充分考虑单个患者多次康复治疗的关联和不同患者之间横向比较的康复医疗效果评估方法[13-14]，可有效提高康复医疗效果评估准确度。

2.1 康复医疗数据采集

为解决传统医院采用格式化纸质单据评估康复医疗效果差的问题，文中通过物联网技术设计了一种现场康复医疗数据采集应用，医护人员在对康复患者进行检查时，通过医疗监测传感器和移动终端录入评估相关数据，从而实现多种类型的康复医疗数据采集。

在康复医疗数据采集模型中，文中采用分布式散列表算法完成康复医疗中结构与非结构化数据的采集。设现场的康复医疗指标采集总数为na个，跌倒危险数据为ca，管路滑落数据为cb，压疮数据为cc，静脉血栓栓塞数据为cd，日常活动数据为ce、疼痛数据为cf，采集的函数为ka，康复数据采集资源Fa为：

设单个康复病人的采集数据时间为ttm，医院的病区内有ma个病人，数据采集的时间St为：

2.2 患者康复特征分析

因AP 聚类具有结果误差小、无需指定聚类数等特点，因此，文中选择AP 聚类对康复医疗采集数据进行分析，获取康复医疗的特征。

设康复患者的采集指标量测数据la、lb之间的离散特征点为设特征权重系数为ϖ，康复医疗效果评估矩阵U(la,lb)为：

康复医疗效果评估矩阵的偏向函数与聚类结果数量相关，设迭代指标B的最小值为Bmin，评估矩阵的中位数为Ma，康复医疗评估矩阵U(la,lb)收敛判据为：

分析康复特征指标后，得到康复医疗效果评估矩阵，如表1 所示。

表1 康复医疗效果评估矩阵

2.3 评估指标权重调优

不同类别的康复患者对康复评估指标的适应度不同，文中根据康复医疗评估训练模型，采用熵权法对康复评估指标的权重进行优化。

根据康复医疗专家输入的康复评估矩阵进行初始特征权重，设输入的指标个数为e，初始权重W为：

设评估矩阵为Us=U(la,lb)，改进的康复指标权重特征赋权值Wh为：

2.4 康复医疗效果综合评估

长短期记忆网络在标准RNN 网络上进行了调优，包括输入门、输出门和遗忘门[15-16]，可处理单个患者多次康复治疗的依赖关系，也可用于不同患者之间横向比较，因此，文中采用长短期记忆网络构建康复医疗效果综合评估模型。

设康复医疗效果评估模型的激活函数为∂，评估模型遗忘门的激活函数为tan，输入的康复患者历史康复医疗数据为Xa，输入的康复患者跌倒危险数据为Ya，管路滑落数据为Yb，压疮数据为Yc，静脉血栓栓塞数据为Yd，日常活动数据为Ye，疼痛数据为Yf，则当前康复医疗评估数据Px为：

由式（7）可知，通过复医疗效果综合评估模型可获得康复患者的医疗效果精准评估结果。

3 康复医疗效果评估仿真流程

基于长短期记忆网络的康复医疗效果评估方法仿真流程如图2 所示。

图2 康复医疗效果评估仿真仿真流程

步骤1：通过现场康复医疗数据采集模型，实现多种类型的康复医疗数据采集。

步骤2：通过AP 聚类方法对患者的康复特征进行分析，建立分级分类的康复医疗评估矩阵。

步骤3：采用熵权法不断优化康复评估指标的权重。

步骤4：采用长短期记忆网络对康复患者的医疗效果进行综合评估。

4 算例分析

采用文中所提的基于长短期记忆网络的康复医疗效果评估方法，在某医院进行实际运行，使用的计算机操作系统环境为Win7，计算机处理器为酷睿i7，运行频率为2.8 GHz，内存为16 GB。

1）康复医疗效果评估性能分析

采用文中所提基于长短期记忆网络的康复医疗效果评估方法与PDCA 康复医疗效果评估进行性能测试，选择的患者数据为2、5、10、20、30、50、100 个，治疗期平均为两个月，两种方法的运行性能如表2所示。

表2 康复医疗效果评估性能分析表

由表2 可知，基于长短期记忆网络的康复医疗效果评估模型的运行性能优于PDCA 康复医疗效果评估模型。

2）康复医疗效果评估结果

采用文中所提的基于长短期记忆网络的康复医疗效果评估模型对60 个康复患者分两组进行评价，每组为30个患者，评价内容分压疮、跌倒、ADL、VTE、管路滑脱五部分，评价次数为初评和末评两次，评价结果如图3 所示。

图3 康复医疗效果评估结果图

由图3 可知，在对两组60 名康复患者的评价中，有23 名康复患者评价指标出现了波动，其中第一组8 名，第二组15 名。经过专家人工诊断，23 名康复患者的症状均出现缓解，基于长短期记忆网络的康复医疗效果评估模型评估结果有效。

3）康复医疗效果评估准确性分析

采用文中所提的基于长短期记忆网络的康复医疗效果评估模型与PDCA 康复医疗效果评估模型进行康复医疗效果评估准确性分析。模型的训练样本数据为某医院2015 年-2019 年500 例康复患者的数据。验证的模型为2020 年康复患者数据，验证集数据分别选择10、20、30、40、50 个患者，每个患者评估的天数为30 天，并将评估的数据与医疗专家人工诊断的数据进行比较，两种方法的患者康复医疗效果评估准确率如图4 所示。

图4 康复医疗效果评估准确性分析图

由图3 可知，基于长短期记忆网络的康复医疗效果评估模型的康复医疗效果评估准确率和PDCA康复医疗效果评估方法康复患者的平均评估准确率分别为98%、94%。文中所提方法平均评估准确率优于PDCA 康复医疗效果评估方法。

5 结论

为解决传统康复治疗中存在的多次治疗信息关联度低，整理、评估效果差的问题，提出了一种基于长短期记忆网络的康复医疗效果评估方法。设计了一种基于长短期记忆网络的康复医疗效果评估模型，通过物联网技术采集患者的跌倒、管路滑脱、压疮、静脉血栓栓塞、日常活动、疼痛等康复医疗数据，并进行AP 聚类分析，获得患者的康复医疗评估矩阵。并采用熵权法确定评估指标的权重；其次，结合患者的历史康复效果评估数据，采用长短期记忆网络对康复患者的医疗效果进行综合评估。最后在某医院进行的实际运行结果验证了文中提方法的有效和可行性。

下一步，将结合全国范围内其他医院的康复医疗效果评估特征，对跨医院的康复患者评估做进一步研究。