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: 2024103968164
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:

1.一种患者护理的运动数据采集分析系统,其特征在于,包括:

患者远程护理数据采集模块,用于采集术后康复患者的各类远程护理数据,以及通过前后摄像头分别采集患者的前向运动监控视频和后向运动监控视频,其中,所述各类远程护理数据包括患者个人信息、护理记录、健康评估、用药情况及饮食情况;

患者远程护理数据处理模块,用于从所述术后康复患者的各类远程护理数据中提取护理数据关联特征向量,以及从所述前向运动监控视频和后向运动监控视频中提取多视角患者行为特征向量;

患者远程护理数据融合模块,用于构造所述护理数据关联特征向量和所述多视角患者行为特征向量之间的身体状况分析特征向量,并对所述身体状况分析特征向量进行基于类别概率值的相干干涉补偿以得到补偿后身体状况分析特征向量;

患者远程护理数据分析模块,用于将所述补偿后身体状况分析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患者身体状况的分类标签,其中所述分类标签包括:恢复正常、改善中、需要干预;

其中,所述患者远程护理数据融合模块,包括:

融合单元,用于融合所述护理数据关联特征向量和所述多视角患者行为特征向量以得到所述身体状况分析特征向量;

优化单元,用于对所述身体状况分析特征向量进行基于类别概率值的相干干涉补偿以得到所述补偿后身体状况分析特征向量;

其中,所述优化单元,包括:

预分类器子单元,用于将所述身体状况分析特征向量通过预分类器以得到类别概率特征向量;

干涉矩阵子单元,用于计算所述身体状况分析特征向量和所述类别概率特征向量之间的协方差矩阵作为干涉矩阵;

奇异值分解子单元,用于对所述干涉矩阵进行奇异值分解以得到相干干涉矩阵;

补偿特征子单元,用于将所述身体状况分析特征向量与所述相干干涉矩阵进行相乘以得到补偿特征向量;

向量拼接子单元,用于将所述补偿特征向量与所述身体状况分析特征向量进行拼接以得到所述补偿后身体状况分析特征向量。

2.根据权利要求1所述的患者护理的运动数据采集分析系统,其特征在于,所述患者远程护理数据处理模块,包括:护理数据编码单元,用于将所述术后康复患者的各类远程护理数据转化为护理数据嵌入向量后通过基于转换器的第一上下文编码器以得到多个维度护理数据特征向量;

护理数据关联单元,用于从所述多个维度护理数据特征向量中提取所述护理数据关联特征向量;

监控关键帧提取单元,用于分别从所述患者的前向运动监控视频和所述患者的后向运动监控视频中提取多个第一监控关键帧和多个第二监控关键帧;

多视角特征提取单元,用于分别从所述多个第一监控关键帧和所述多个第二监控关键帧中提取第一多视角患者行为特征图和第二多视角患者行为特征图,并将所述第一多视角患者行为特征图和所述第二多视角患者行为特征图融合为多视角患者行为特征图;

特征图降维单元,用于将所述多视角患者行为特征图的沿通道维度的各个特征矩阵进行全局均值池化以得到所述多视角患者行为特征向量。

3.根据权利要求2所述的患者护理的运动数据采集分析系统,其特征在于,所述护理数据编码单元,包括:护理数据嵌入转化序列子单元,用于所述术后康复患者的各类远程护理数据通过嵌入层以将所述术后康复患者中各类远程护理数据转化为所述护理数据嵌入向量以得到护理数据嵌入向量的序列,其中,所述嵌入层使用可学习的嵌入矩阵对所述各类远程护理数据进行嵌入编码;

护理数据序列编码子单元,用于将所述护理数据嵌入向量的序列通过所述基于转换器的第一上下文编码器以得到所述多个维度护理数据特征向量。

4.根据权利要求3所述的患者护理的运动数据采集分析系统,其特征在于,所述护理数据关联单元,包括:护理数据一维排列子单元,用于将所述多个维度护理数据特征向量排列为护理数据一维特征向量后通过多尺度邻域特征提取模块以得到多尺度护理数据特征向量;

护理数据二维排列子单元,用于将所述多个维度护理数据特征向量进行二维排列为护理数据特征矩阵后通过基于第一卷积神经网络模型的护理数据特征提取器以得到护理数据语义特征向量;

多尺度数据融合子单元,用于融合所述多尺度护理数据特征向量和所述护理数据语义特征向量以得到所述护理数据关联特征向量。

5.根据权利要求4所述的患者护理的运动数据采集分析系统,其特征在于,所述护理数据一维排列子单元,包括:护理数据第一尺度编码二级子单元,用于使用所述多尺度邻域特征提取模块的第一卷积层以具有第一尺度的一维卷积核对所述护理数据一维特征向量进行一维卷积编码以得到第一尺度护理数据特征向量;

护理数据第二尺度编码二级子单元,用于使用所述多尺度邻域特征提取模块的第二卷积层以具有第二尺度的一维卷积核对所述护理数据一维特征向量进行一维卷积编码以得到第二尺度护理数据特征向量;

护理数据多尺度融合二级子单元,用于将所述第一尺度护理数据特征向量和所述第二尺度护理数据特征向量进行级联以得到所述多尺度护理数据特征向量。

6.根据权利要求5所述的患者护理的运动数据采集分析系统,其特征在于,所述多视角特征提取单元,包括:第一关键帧检测子单元,用于将所述多个第一监控关键帧分别通过基于无锚窗的入口目标检测网络以得到患者多个第一行为感兴趣区域图;

第二关键帧检测子单元,用于将所述多个第二监控关键帧分别通过基于无锚窗的出口目标检测网络以得到患者多个第二行为感兴趣区域图;

第一视角特征提取子单元,用于将所述多个第一行为感兴趣区域图排列为第一输入张量后通过三维卷积神经网络模型以得到所述第一多视角患者行为特征图;

第二视角特征提取子单元,用于将所述多个第二行为感兴趣区域图排列为第二输入张量后通过三维卷积神经网络模型以得到所述第二多视角患者行为特征图;

多视角融合子单元,用于将所述第一多视角患者行为特征图和所述第二多视角患者行为特征图融合为所述多视角患者行为特征图。

7.根据权利要求6所述的患者护理的运动数据采集分析系统,其特征在于,所述第一关键帧检测子单元,包括:浅层特征二级子单元,用于将所述多个第一监控关键帧中各个监控关键帧分别通过多层卷积层以得到多个浅层特征图;

第一目标检测二级子单元,用于将所述多个浅层特征图分别通过所述基于无锚窗的入口目标检测网络以得到所述多个第一行为感兴趣区域图。

8.根据权利要求7所述的患者护理的运动数据采集分析系统,其特征在于,所述融合单元,用于:以如下融合公式,对所述护理数据关联特征向量和所述多视角患者行为特征向量进行融合,以得到所述身体状况分析特征向量;其中,所述融合公式为:其中,

9.根据权利要求8所述的患者护理的运动数据采集分析系统,其特征在于,所述干涉矩阵子单元,包括:创建项目二级子单元,用于创建Django项目和应用;

定义模型二级子单元,用于在文件中定义模型来存储所述身体状况分析特征向量和所述类别概率特征向量;

编写视觉函数二级子单元,用于在所述文件中,编写视觉函数来计算所述协方差矩阵,其中,所述视觉函数来自NumPy库;

显示矩阵二级子单元,用于在所述文件中,编写模板来写显示计算得到的所述协方差矩阵;

配置路由器二级子单元,有在所述文件中配置URL路由,将所述URL路由和所述视觉函数对应起来;

运行服务器二级子单元,用于运行Django开发服务器,并访问所述URL路由来计算并显示所述协方差矩阵。

10.一种患者护理的运动数据采集分析方法,其特征在于,包括:采集术后康复患者的各类远程护理数据,以及通过前后摄像头分别采集患者的前向运动监控视频和后向运动监控视频,其中,所述各类远程护理数据包括患者个人信息、护理记录、健康评估、用药情况及饮食情况;

从所述术后康复患者的各类远程护理数据中提取护理数据关联特征向量,以及从所述前向运动监控视频和后向运动监控视频中提取多视角患者行为特征向量;

构造所述护理数据关联特征向量和所述多视角患者行为特征向量之间的身体状况分析特征向量,并对所述身体状况分析特征向量进行基于类别概率值的相干干涉补偿以得到补偿后身体状况分析特征向量;

将所述补偿后身体状况分析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患者身体状况的分类标签,其中所述分类标签包括:恢复正常、改善中、需要干预;

其中,构造所述护理数据关联特征向量和所述多视角患者行为特征向量之间的身体状况分析特征向量,并对所述身体状况分析特征向量进行基于类别概率值的相干干涉补偿以得到补偿后身体状况分析特征向量,包括:融合所述护理数据关联特征向量和所述多视角患者行为特征向量以得到身体状况分析特征向量;

对所述身体状况分析特征向量进行基于类别概率值的相干干涉补偿以得到补偿后身体状况分析特征向量;

其中,对所述身体状况分析特征向量进行基于类别概率值的相干干涉补偿以得到补偿后身体状况分析特征向量,包括:将所述身体状况分析特征向量通过预分类器以得到类别概率特征向量;

计算所述身体状况分析特征向量和所述类别概率特征向量之间的协方差矩阵作为干涉矩阵;

对所述干涉矩阵进行奇异值分解以得到相干干涉矩阵;

将所述身体状况分析特征向量与所述相干干涉矩阵进行相乘以得到补偿特征向量;

将所述补偿特征向量与所述身体状况分析特征向量进行拼接以得到所述补偿后身体状况分析特征向量。