欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2024101308507
申请人: 吉林大学
专利类型:发明专利
专利状态:未下证
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种住院患者护理风险评估预警监控系统,其特征在于,包括:住院患者数据获取模块,用于获取患者生理体征文本数据、由监测设备采集的多个预定时间点的患者二氧化碳分压值和由监测设备采集的多个预定时间点的患者呼气末二氧化碳浓度值,其中,所述患者生理体征文本数据包括患者基本信息、患者病史和患者临床信息;

生理体征文本划分模块,用于将所述患者生理体征文本数据进行划分以得到多个生理体征文本数据;

生理体征文本特征语义编码模块,用于对所述多个生理体征文本数据进行特征语义编码以得到生理体征文本关联特征向量;

患者二氧化碳数据特征提取模块,用于对所述由监测设备采集的多个预定时间点的患者二氧化碳分压值和所述由监测设备采集的多个预定时间点的患者呼气末二氧化碳浓度值进行特征提取以得到二氧化碳指标全局关联特征向量;

呼吸衰竭风险评估生成模块,用于基于所述生理体征文本关联特征向量和所述二氧化碳指标全局关联特征向量,生成住院患者呼吸衰竭风险评估等级;

其中,所述患者二氧化碳数据特征提取模块,包括:

患者二氧化碳数据排列单元,用于将所述由监测设备采集的多个预定时间点的患者二氧化碳分压值和所述由监测设备采集的多个预定时间点的患者呼气末二氧化碳浓度值分别按时间排列以得到二氧化碳分压输入向量和呼气末二氧化碳浓度输入向量;

患者二氧化碳特征聚合单元,用于将所述二氧化碳分压输入向量和所述呼气末二氧化碳浓度输入向量进行特征聚合以得到所述二氧化碳指标全局关联特征向量;

其中,所述患者二氧化碳特征聚合单元,包括:

计算所述二氧化碳分压输入向量和所述呼气末二氧化碳浓度输入向量的转移矩阵以得到二氧化碳指标关联矩阵;

将所述二氧化碳指标关联矩阵通过基于使用互为转置的卷积核的二氧化碳指标卷积神经网络以得到所述二氧化碳指标全局关联特征向量;

所述生理体征文本特征语义编码模块,包括:

将所述多个生理体征文本数据通过基于转换器的系统状况文本上下文编码器以得到多个生理体征文本特征向量;

将所述多个生理体征文本特征向量进行级联以得到所述生理体征文本关联特征向量;

所述呼吸衰竭风险评估生成模块,包括:

呼吸衰竭风险特征融合单元,用于对所述生理体征文本关联特征向量和所述二氧化碳指标全局关联特征向量进行融合以得到呼吸衰竭风险分类特征向量;

呼吸衰竭风险结果评估生成单元,用于将所述呼吸衰竭风险分类特征向量通过分类器以得到分类结果,所述分类结果用于生成住院患者呼吸衰竭风险评估等级。

2.根据权利要求1所述的住院患者护理风险评估预警监控系统,其特征在于,还包括用于对所述基于转换器的系统状况文本上下文编码器、所述基于使用互为转置的卷积核的二氧化碳指标卷积神经网络和所述分类器进行训练的训练模块。

3.根据权利要求2所述的住院患者护理风险评估预警监控系统,其特征在于,所述训练模块,包括:训练患者数据获取单元,用于获取训练患者生理体征文本数据、多个预定时间点的训练患者二氧化碳分压值和多个预定时间点的训练患者呼气末二氧化碳浓度值,其中,所述训练患者生理体征文本数据包括训练患者基本信息、训练患者病史和训练患者临床信息;

训练患者生理体征文本数据划分单元,用于将训练患者生理体征文本数据进行划分以得到多个训练生理体征文本数据;

训练生理体征语义编码单元,用于将所述多个训练生理体征文本数据通过基于转换器的系统状况文本上下文编码器以得到多个训练生理体征文本特征向量;

训练生理体征级联单元,用于将所述多个训练生理体征文本特征向量进行级联以得到训练生理体征文本关联特征向量;

训练患者二氧化碳数据排列单元,用于将多个预定时间点的训练患者二氧化碳分压值和多个预定时间点的训练患者呼气末二氧化碳浓度值按时间排列以得到训练二氧化碳分压输入向量和训练呼气末二氧化碳浓度输入向量;

训练患者二氧化碳计算单元,用于计算所述训练二氧化碳分压输入向量和所述训练呼气末二氧化碳浓度输入向量的转移矩阵以得到训练二氧化碳指标关联矩阵;

训练患者二氧化碳卷积编码单元,用于将所述训练二氧化碳指标关联矩阵通过基于使用互为转置的卷积核的二氧化碳指标卷积神经网络以得到训练二氧化碳指标全局关联特征向量;

训练患者数据特征融合单元,用于对所述训练生理体征文本关联特征向量和所述训练二氧化碳指标全局关联特征向量进行融合以得到训练呼吸衰竭风险分类特征向量;

补偿损失函数计算单元,用于计算所述训练生理体征文本关联特征向量和所述训练二氧化碳指标全局关联特征向量之间的概率密度分布单调性超凸度量系数作为补偿损失函数值;

补偿损失函数计算单元,用于将所述训练呼吸衰竭风险分类特征向量通过分类器以得到分类损失函数值;

患者训练模型单元,用于基于所述补偿损失函数值和所述分类损失函数值对所述基于转换器的系统状况文本上下文编码器、所述基于使用互为转置的卷积核的二氧化碳指标卷积神经网络和所述分类器进行训练。

4.根据权利要求3所述的住院患者护理风险评估预警监控系统,其特征在于,所述补偿损失函数计算单元,包括:将所述训练生理体征文本关联特征向量通过Softmax函数以得到概率值;

计算所述训练生理体征文本关联特征向量和所述训练二氧化碳指标全局关联特征向量的按位置均值以得到均值特征向量;

计算所述均值特征向量的Frobenius范数以得到范数值;

计算所述概率值乘以以范数值为幂的自然指数函数值以得到所述概率密度分布单调性超凸度量系数。

5.一种住院患者护理风险评估预警监控方法,其特征在于,包括:获取患者生理体征文本数据、由监测设备采集的多个预定时间点的患者二氧化碳分压值和由监测设备采集的多个预定时间点的患者呼气末二氧化碳浓度值,其中,所述患者生理体征文本数据包括患者基本信息、患者病史和患者临床信息;

将所述患者生理体征文本数据进行划分以得到多个生理体征文本数据;

对所述多个生理体征文本数据进行特征语义编码以得到生理体征文本关联特征向量;

对所述由监测设备采集的多个预定时间点的患者二氧化碳分压值和所述由监测设备采集的多个预定时间点的患者呼气末二氧化碳浓度值进行特征提取以得到二氧化碳指标全局关联特征向量;

基于所述生理体征文本关联特征向量和所述二氧化碳指标全局关联特征向量,生成住院患者呼吸衰竭风险评估等级;

其中,对所述由监测设备采集的多个预定时间点的患者二氧化碳分压值和所述由监测设备采集的多个预定时间点的患者呼气末二氧化碳浓度值进行特征提取以得到二氧化碳指标全局关联特征向量,包括:将所述由监测设备采集的多个预定时间点的患者二氧化碳分压值和所述由监测设备采集的多个预定时间点的患者呼气末二氧化碳浓度值分别按时间排列以得到二氧化碳分压输入向量和呼气末二氧化碳浓度输入向量;

将所述二氧化碳分压输入向量和所述呼气末二氧化碳浓度输入向量进行特征聚合以得到所述二氧化碳指标全局关联特征向量;

其中,将所述二氧化碳分压输入向量和所述呼气末二氧化碳浓度输入向量进行特征聚合以得到所述二氧化碳指标全局关联特征向量,包括:计算所述二氧化碳分压输入向量和所述呼气末二氧化碳浓度输入向量的转移矩阵以得到二氧化碳指标关联矩阵;

将所述二氧化碳指标关联矩阵通过基于使用互为转置的卷积核的二氧化碳指标卷积神经网络以得到所述二氧化碳指标全局关联特征向量;

其中,对所述多个生理体征文本数据进行特征语义编码以得到生理体征文本关联特征向量,包括:将所述多个生理体征文本数据通过基于转换器的系统状况文本上下文编码器以得到多个生理体征文本特征向量;

将所述多个生理体征文本特征向量进行级联以得到所述生理体征文本关联特征向量;

其中,基于所述生理体征文本关联特征向量和所述二氧化碳指标全局关联特征向量,生成住院患者呼吸衰竭风险评估等级,包括:对所述生理体征文本关联特征向量和所述二氧化碳指标全局关联特征向量进行融合以得到呼吸衰竭风险分类特征向量;

将所述呼吸衰竭风险分类特征向量通过分类器以得到分类结果,所述分类结果用于生成住院患者呼吸衰竭风险评估等级。