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: 202410591252X
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:

1.一种患者术后感染风险评估系统,其特征在于,包括:

伤口状态监控模块,用于获取由摄像头采集的被监控患者对象的伤口状态图像;

体温心率监控模块,用于调取所述被监控患者对象在采集所述伤口状态图像前的预定时间段内的体温值的时间序列和心率值的时间序列;

时序模式特征提取模块,用于对所述体温值的时间序列和所述心率值的时间序列进行时序模式特征提取以得到体温时序关联特征向量和心率时序关联特征向量;

体征综合表征模块,用于使用动态元素级特征融合模块对所述体温时序关联特征向量和所述心率时序关联特征向量进行语义融合以得到体征时序模式特征向量;

伤口状态特征提取模块,用于对所述伤口状态图像进行伤口状态特征提取和多尺度空间强化以得到空间显化伤口状态特征图;

感染风险评估模块,用于基于所述空间显化伤口状态特征图和所述体征时序模式特征向量之间的跨模态关联特征,确定评估结果;

其中,所述体征综合表征模块,用于:

以如下动态元素级特征融合公式对所述体温时序关联特征向量和所述心率时序关联特征向量进行语义融合以得到所述体征时序模式特征向量,其中,所述动态元素级特征融合公式为:其中,

其中,所述时序模式特征提取模块,用于:

将所述体温值的时间序列和所述心率值的时间序列分别按照时间维度排列为体温时序输入向量和心率时序输入向量后通过基于一维卷积神经网络模型的时序模式特征提取器以得到所述体温时序关联特征向量和所述心率时序关联特征向量;

其中,所述伤口状态特征提取模块,包括:

图像特征提取单元,用于将所述伤口状态图像通过基于卷积神经网络模型的伤口状态特征提取器以得到伤口状态特征图;

空间显化单元,用于将所述伤口状态特征图通过多尺度泛空间注意力模块以得到所述空间显化伤口状态特征图;

其中,所述空间显化单元,用于:

以如下泛空间注意力强化公式对所述伤口状态特征图进行特征强化处理以得到所述空间显化伤口状态特征图,其中,所述泛空间注意力强化公式为:其中,

其中,所述感染风险评估模块,包括:

跨模态关联编码单元,用于将所述空间显化伤口状态特征图和所述体征时序模式特征向量通过基于元网络的跨模态关联编码器以得到伤口感染多模态综合表征特征图;

分类单元,用于将所述伤口感染多模态综合表征特征图通过基于分类器的感染风险评估器以得到所述评估结果,所述评估结果用于表示是否发生伤口感染;

其中,所述跨模态关联编码单元,用于:

将所述体征时序模式特征向量通过点卷积层以得到第一卷积特征向量;

将所述第一卷积特征向量通过基于ReLU函数的修正线性单元以得到第一修正卷积特征向量;

将所述第一修正卷积特征向量通过点卷积层以得到第二卷积特征向量;

将所述第二卷积特征向量通过基于Sigmoid函数的修正线性单元以得到第二修正卷积特征向量;

融合所述第二修正卷积特征向量与所述空间显化伤口状态特征图以得到所述伤口感染多模态综合表征特征图。

2.根据权利要求1所述的患者术后感染风险评估系统,其特征在于,还包括用于对所述基于一维卷积神经网络模型的时序模式特征提取器、所述动态元素级特征融合模块、所述基于卷积神经网络模型的伤口状态特征提取器、所述多尺度泛空间注意力模块、所述基于元网络的跨模态关联编码器和所述基于分类器的感染风险评估器进行训练的训练模块。

3.根据权利要求2所述的患者术后感染风险评估系统,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,所述训练数据包括由摄像头采集的被监控患者对象的训练伤口状态图像,所述被监控患者对象在采集所述伤口状态图像前的预定时间段内的训练体温值的时间序列和训练心率值的时间序列,以及是否发生伤口感染的真实值;

训练体征数据时序编码单元,用于将所述训练体温值的时间序列和所述训练心率值的时间序列分别按照时间维度排列为训练体温时序输入向量和训练心率时序输入向量后通过所述基于一维卷积神经网络模型的时序模式特征提取器以得到训练体温时序关联特征向量和训练心率时序关联特征向量;

训练体征数据特征融合单元,用于使用所述动态元素级特征融合模块对所述训练体温时序关联特征向量和所述训练心率时序关联特征向量进行语义融合以得到训练体征时序模式特征向量;

训练伤口状态特征提取单元,用于将所述训练伤口状态图像通过所述基于卷积神经网络模型的伤口状态特征提取器以得到训练伤口状态特征图;

训练伤口状态特征强化单元,用于将所述训练伤口状态特征图通过所述多尺度泛空间注意力模块以得到训练空间显化伤口状态特征图;

训练跨模态关联编码单元,用于将所述训练空间显化伤口状态特征图和所述训练体征时序模式特征向量通过所述基于元网络的跨模态关联编码器以得到训练伤口感染多模态综合表征特征图;

分类损失计算单元,用于将所述训练伤口感染多模态综合表征特征图通过所述基于分类器的感染风险评估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一维卷积神经网络模型的时序模式特征提取器、所述动态元素级特征融合模块、所述基于卷积神经网络模型的伤口状态特征提取器、所述多尺度泛空间注意力模块、所述基于元网络的跨模态关联编码器和所述基于分类器的感染风险评估器进行训练,其中,在所述训练的每一轮迭代中,对所述训练伤口感染多模态综合表征特征图展开后的训练伤口感染多模态综合表征特征向量进行迭代校正。

4.一种患者术后感染风险评估方法,采用权利要求1所述的患者术后感染风险评估系统,其特征在于,包括:获取由摄像头采集的被监控患者对象的伤口状态图像;

调取所述被监控患者对象在采集所述伤口状态图像前的预定时间段内的体温值的时间序列和心率值的时间序列;

对所述体温值的时间序列和所述心率值的时间序列进行时序模式特征提取以得到体温时序关联特征向量和心率时序关联特征向量;

使用动态元素级特征融合模块对所述体温时序关联特征向量和所述心率时序关联特征向量进行语义融合以得到体征时序模式特征向量;

对所述伤口状态图像进行伤口状态特征提取和多尺度空间强化以得到空间显化伤口状态特征图;

基于所述空间显化伤口状态特征图和所述体征时序模式特征向量之间的跨模态关联特征,确定评估结果;

其中,使用动态元素级特征融合模块对所述体温时序关联特征向量和所述心率时序关联特征向量进行语义融合以得到体征时序模式特征向量,包括:以如下动态元素级特征融合公式对所述体温时序关联特征向量和所述心率时序关联特征向量进行语义融合以得到所述体征时序模式特征向量,其中,所述动态元素级特征融合公式为:其中,