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: 2024103095401
申请人: 吉林大学
专利类型:发明专利
专利状态:已下证
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:

1.一种血液透析数据采集分析系统,其特征在于,包括:

透析参数获取模块,用于获取由血液透析机采集的血液透析过程中的透析参数的时间序列;

局部多参数关联特征提取模块,用于提取所述透析参数的时间序列的局部多参数关联特征以得到血透析多参数时序关联语义特征向量的序列;

全局稳定性表征模块,用于计算所述血透析多参数时序关联语义特征向量的序列中的各个血透析多参数时序关联语义特征向量相对于所述血透析多参数时序关联语义特征向量的序列中的所有其他血透析多参数时序关联语义特征向量的血透析特征语义波动系数,以得到由多个血透析特征语义波动系数组成的血透析特征全局稳定性表征特征向量;

透析过程异常检测模块,用于基于所述血透析特征全局稳定性表征特征向量,确定透析过程是否存在异常;

其中,所述全局稳定性表征模块,用于:

以如下语义波动系数计算公式来计算所述血透析多参数时序关联语义特征向量的序列中的各个血透析多参数时序关联语义特征向量相对于所述血透析多参数时序关联语义特征向量的序列中的所有其他血透析多参数时序关联语义特征向量的血透析特征语义波动系数,以得到由多个血透析特征语义波动系数组成的所述血透析特征全局稳定性表征特征向量;其中,所述语义波动系数计算公式为:其中,

其中,所述透析参数包括血压值、血流量值、超滤量和透析液温度;

其中,所述局部多参数关联特征提取模块,包括:

透析参数预处理单元,用于基于预定时间尺度对所述透析参数的时间序列进行序列切分以得到透析参数的局部时间序列的集合;

参数矩阵构造单元,用于将所述透析参数的局部时间序列的集合中的各个透析参数的局部时间序列按照时间维度和参数样本维度排列为血透析多参数时序关联输入矩阵以得到血透析多参数时序关联输入矩阵的序列;

关联特征提取单元,用于利用深度学习网络模型对所述血透析多参数时序关联输入矩阵的序列进行特征提取以得到所述血透析多参数时序关联语义特征向量的序列。

2.根据权利要求1所述的血液透析数据采集分析系统,其特征在于,所述深度学习网络模型为基于卷积神经网络模型的血透析时序特征提取器。

3.根据权利要求2所述的血液透析数据采集分析系统,其特征在于,所述关联特征提取单元,用于:将所述血透析多参数时序关联输入矩阵的序列通过所述基于卷积神经网络模型的血透析时序特征提取器以得到所述血透析多参数时序关联语义特征向量的序列。

4.根据权利要求3所述的血液透析数据采集分析系统,其特征在于,所述透析过程异常检测模块,用于:将所述血透析特征全局稳定性表征特征向量通过分类器以得到分类结果,所述分类结果用于表示透析过程是否存在异常。

5.根据权利要求4所述的血液透析数据采集分析系统,其特征在于,还包括用于对所述基于卷积神经网络模型的血透析时序特征提取器和所述分类器进行训练的训练模块。

6.根据权利要求5所述的血液透析数据采集分析系统,其特征在于,所述训练模块,包括:训练数据获取单元,用于获取训练数据,所述训练数据包括训练透析参数的时间序列,以及,透析过程是否存在异常的真实值;

训练参数序列切分单元,用于基于预定时间尺度对所述训练透析参数的时间序列进行序列切分以得到训练透析参数的局部时间序列的集合;

训练参数时序关联编码单元,用于将所述训练透析参数的局部时间序列的集合中的各个训练透析参数的局部时间序列按照时间维度和参数样本维度排列为训练血透析多参数时序关联输入矩阵后通过所述基于卷积神经网络模型的血透析时序特征提取器以得到训练血透析多参数时序关联语义特征向量的序列;

训练参数语义波动编码单元,用于计算所述训练血透析多参数时序关联语义特征向量的序列中的各个训练血透析多参数时序关联语义特征向量相对于所述训练血透析多参数时序关联语义特征向量的序列中的所有其他训练血透析多参数时序关联语义特征向量的血透析特征语义波动系数,以得到由多个血透析特征语义波动系数组成的训练血透析特征全局稳定性表征特征向量;

分类损失函数值计算单元,用于将所述训练血透析特征全局稳定性表征特征向量通过分类器以得到分类损失函数值;

模型训练单元,用于以所述分类损失函数值来对所述基于卷积神经网络模型的血透析时序特征提取器和所述分类器进行训练,其中,在分类器的每次迭代训练时,对于所述训练血透析特征全局稳定性表征特征向量进行优化。

7.一种血液透析数据采集分析的方法,其特征在于,包括:

获取由血液透析机采集的血液透析过程中的透析参数的时间序列,其中,所述透析参数包括血压值、血流量值、超滤量和透析液温度;

提取所述透析参数的时间序列的局部多参数关联特征以得到血透析多参数时序关联语义特征向量的序列;

计算所述血透析多参数时序关联语义特征向量的序列中的各个血透析多参数时序关联语义特征向量相对于所述血透析多参数时序关联语义特征向量的序列中的所有其他血透析多参数时序关联语义特征向量的血透析特征语义波动系数,以得到由多个血透析特征语义波动系数组成的血透析特征全局稳定性表征特征向量;

基于所述血透析特征全局稳定性表征特征向量,确定透析过程是否存在异常;

其中,计算所述血透析多参数时序关联语义特征向量的序列中的各个血透析多参数时序关联语义特征向量相对于所述血透析多参数时序关联语义特征向量的序列中的所有其他血透析多参数时序关联语义特征向量的血透析特征语义波动系数,以得到由多个血透析特征语义波动系数组成的血透析特征全局稳定性表征特征向量,包括:以如下语义波动系数计算公式来计算所述血透析多参数时序关联语义特征向量的序列中的各个血透析多参数时序关联语义特征向量相对于所述血透析多参数时序关联语义特征向量的序列中的所有其他血透析多参数时序关联语义特征向量的血透析特征语义波动系数,以得到由多个血透析特征语义波动系数组成的所述血透析特征全局稳定性表征特征向量;其中,所述语义波动系数计算公式为:其中,

其中,提取所述透析参数的时间序列的局部多参数关联特征以得到血透析多参数时序关联语义特征向量的序列,包括:基于预定时间尺度对所述透析参数的时间序列进行序列切分以得到透析参数的局部时间序列的集合;

将所述透析参数的局部时间序列的集合中的各个透析参数的局部时间序列按照时间维度和参数样本维度排列为血透析多参数时序关联输入矩阵以得到血透析多参数时序关联输入矩阵的序列;

利用深度学习网络模型对所述血透析多参数时序关联输入矩阵的序列进行特征提取以得到所述血透析多参数时序关联语义特征向量的序列。