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: 202410628138X
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:

1.一种患者感染风险评估系统,其特征在于,包括:

患者对象信息采集模块,用于获取患者对象的一般资料、所述患者对象的医疗史、所述患者对象的住院情况、环境因素,其中,所述一般资料包括年龄、性别、身高和体重;所述医疗史包括既往感染、慢性疾病和免疫抑制;所述住院情况包括住院时间、重症监护室入住和侵入性程度;所述环境因素包括病房类型、人员配置水平和卫生措施;

患者多维度信息语义编码和共空间映射模块,用于分别对所述患者对象的一般资料、所述患者对象的医疗史、所述患者对象的住院情况和所述环境因素进行语义分析与公共空间映射处理以得到嵌入一般资料语义编码特征向量、嵌入医疗史语义编码特征向量、嵌入住院情况语义编码特征向量和嵌入环境因素语义编码特征向量;

患者多模态语义关联编码模块,用于对所述嵌入一般资料语义编码特征向量、所述嵌入医疗史语义编码特征向量、所述嵌入住院情况语义编码特征向量和所述嵌入环境因素语义编码特征向量进行局部语义信息关联编码以得到多模态感染风险评估语义编码特征;

患者感染风险评估模块,用于基于所述多模态感染风险评估语义编码特征,确定风险类别标签;

其中,所述患者多维度信息语义编码和共空间映射模块,包括:

患者对象信息语义分析单元,用于分别对所述患者对象的一般资料、所述患者对象的医疗史、所述患者对象的住院情况和所述环境因素进行语义编码以得到一般资料语义编码特征向量、医疗史语义编码特征向量、住院情况语义编码特征向量和环境因素语义编码特征向量;

患者多维语义信息共空间嵌入映射单元,用于将所述一般资料语义编码特征向量、所述医疗史语义编码特征向量、所述住院情况语义编码特征向量和所述环境因素语义编码特征向量通过基于全连接层的共空间语义嵌入器以得到所述嵌入一般资料语义编码特征向量、所述嵌入医疗史语义编码特征向量、所述嵌入住院情况语义编码特征向量和所述嵌入环境因素语义编码特征向量;

其中,所述患者感染风险评估模块,用于:将多模态感染风险评估语义编码特征向量通过基于分类器的风险评估器以得到评估结果,所述评估结果用于表示风险类别标签;

其中,将所述多模态感染风险评估语义编码特征向量通过基于分类器的风险评估器以得到评估结果具体包括:将所述嵌入一般资料语义编码特征向量、所述嵌入医疗史语义编码特征向量、所述嵌入住院情况语义编码特征向量和所述嵌入环境因素语义编码特征向量级联为多模态感染风险评估源数据编码特征向量;

计算所述多模态感染风险评估源数据编码特征向量和所述多模态感染风险评估语义编码特征向量的逐位置均值以获得多模态感染风险语义均值特征向量;

以所述多模态感染风险语义均值特征向量的每个特征值作为自然常数的指数以计算按位置的以自然常数为底的指数函数以获得多模态感染风险语义类支持特征向量;

确定所述分类器针对所述多模态感染风险评估源数据编码特征向量和所述多模态感染风险评估语义编码特征向量的第一分类权重矩阵和第二分类权重矩阵;

将所述多模态感染风险语义类支持特征向量首先与所述第一分类权重矩阵进行矩阵相乘后再与所述第二分类权重矩阵进行矩阵相乘以获得多模态感染风险语义类查询特征向量;

将获得的所述多模态感染风险语义类查询特征向量与所述多模态感染风险语义类支持特征向量进行点加以得到多模态感染风险语义校正特征向量;

将所述多模态感染风险语义校正特征向量与所述多模态感染风险评估语义编码特征向量进行点乘融合以获得优化的多模态感染风险评估语义编码特征向量;

将所述优化的多模态感染风险评估语义编码特征向量通过基于分类器的风险评估器以得到评估结果。

2.根据权利要求1所述的患者感染风险评估系统,其特征在于,所述患者对象信息语义分析单元,用于:分别对所述患者对象的一般资料、所述患者对象的医疗史、所述患者对象的住院情况和所述环境因素首先进行分词处理后再通过基于词嵌入语义编码器进行语义编码以得到所述一般资料语义编码特征向量、所述医疗史语义编码特征向量、所述住院情况语义编码特征向量和所述环境因素语义编码特征向量。

3.根据权利要求2所述的患者感染风险评估系统,其特征在于,所述患者多模态语义关联编码模块,用于:将所述嵌入一般资料语义编码特征向量、所述嵌入医疗史语义编码特征向量、所述嵌入住院情况语义编码特征向量和所述嵌入环境因素语义编码特征向量通过基于文本卷积神经网络模型的局部语义信息提取器以得到多模态感染风险评估语义编码特征向量作为所述多模态感染风险评估语义编码特征。

4.根据权利要求3所述的患者感染风险评估系统,其特征在于,所述患者多模态语义关联编码模块,包括:患者多模态语义编码信息整合单元,用于将所述嵌入一般资料语义编码特征向量、所述嵌入医疗史语义编码特征向量、所述嵌入住院情况语义编码特征向量和所述嵌入环境因素语义编码特征向量排列为多模态感染风险评估语义矩阵;

患者多模态感染风险评估语义编码单元,用于将所述多模态感染风险评估语义矩阵通过基于文本卷积神经网络模型的局部语义信息提取器以得到所述多模态感染风险评估语义编码特征向量。

5.根据权利要求4所述的患者感染风险评估系统,其特征在于,所述患者感染风险评估模块,包括:全连接编码单元,用于使用所述基于分类器的风险评估器的多个全连接层对所述多模态感染风险评估语义编码特征向量进行全连接编码以得到编码分类特征向量;

分类单元,用于将所述编码分类特征向量通过所述基于分类器的风险评估器的Softmax分类函数以得到所述评估结果。

6.一种患者感染风险评估方法,其特征在于,包括:

获取患者对象的一般资料、所述患者对象的医疗史、所述患者对象的住院情况、环境因素,其中,所述一般资料包括年龄、性别、身高和体重;所述医疗史包括既往感染、慢性疾病和免疫抑制;所述住院情况包括住院时间、重症监护室入住和侵入性程度;所述环境因素包括病房类型、人员配置水平和卫生措施;

分别对所述患者对象的一般资料、所述患者对象的医疗史、所述患者对象的住院情况和所述环境因素进行语义分析与公共空间映射处理以得到嵌入一般资料语义编码特征向量、嵌入医疗史语义编码特征向量、嵌入住院情况语义编码特征向量和嵌入环境因素语义编码特征向量;

对所述嵌入一般资料语义编码特征向量、所述嵌入医疗史语义编码特征向量、所述嵌入住院情况语义编码特征向量和所述嵌入环境因素语义编码特征向量进行局部语义信息关联编码以得到多模态感染风险评估语义编码特征;

基于所述多模态感染风险评估语义编码特征,确定风险类别标签;

其中,分别对所述患者对象的一般资料、所述患者对象的医疗史、所述患者对象的住院情况和所述环境因素进行语义分析与公共空间映射处理以得到嵌入一般资料语义编码特征向量、嵌入医疗史语义编码特征向量、嵌入住院情况语义编码特征向量和嵌入环境因素语义编码特征向量,包括:分别对所述患者对象的一般资料、所述患者对象的医疗史、所述患者对象的住院情况和所述环境因素进行语义编码以得到一般资料语义编码特征向量、医疗史语义编码特征向量、住院情况语义编码特征向量和环境因素语义编码特征向量;

将所述一般资料语义编码特征向量、所述医疗史语义编码特征向量、所述住院情况语义编码特征向量和所述环境因素语义编码特征向量通过基于全连接层的共空间语义嵌入器以得到所述嵌入一般资料语义编码特征向量、所述嵌入医疗史语义编码特征向量、所述嵌入住院情况语义编码特征向量和所述嵌入环境因素语义编码特征向量;

其中,基于所述多模态感染风险评估语义编码特征,确定风险类别标签,包括:将多模态感染风险评估语义编码特征向量通过基于分类器的风险评估器以得到评估结果,所述评估结果用于表示风险类别标签;

其中,将所述多模态感染风险评估语义编码特征向量通过基于分类器的风险评估器以得到评估结果具体包括:将所述嵌入一般资料语义编码特征向量、所述嵌入医疗史语义编码特征向量、所述嵌入住院情况语义编码特征向量和所述嵌入环境因素语义编码特征向量级联为多模态感染风险评估源数据编码特征向量;

计算所述多模态感染风险评估源数据编码特征向量和所述多模态感染风险评估语义编码特征向量的逐位置均值以获得多模态感染风险语义均值特征向量;

以所述多模态感染风险语义均值特征向量的每个特征值作为自然常数的指数以计算按位置的以自然常数为底的指数函数以获得多模态感染风险语义类支持特征向量;

确定所述分类器针对所述多模态感染风险评估源数据编码特征向量和所述多模态感染风险评估语义编码特征向量的第一分类权重矩阵和第二分类权重矩阵;

将所述多模态感染风险语义类支持特征向量首先与所述第一分类权重矩阵进行矩阵相乘后再与所述第二分类权重矩阵进行矩阵相乘以获得多模态感染风险语义类查询特征向量;

将获得的所述多模态感染风险语义类查询特征向量与所述多模态感染风险语义类支持特征向量进行点加以得到多模态感染风险语义校正特征向量;

将所述多模态感染风险语义校正特征向量与所述多模态感染风险评估语义编码特征向量进行点乘融合以获得优化的多模态感染风险评估语义编码特征向量;

将所述优化的多模态感染风险评估语义编码特征向量通过基于分类器的风险评估器以得到评估结果。

7.根据权利要求6所述的患者感染风险评估方法,其特征在于,分别对所述患者对象的一般资料、所述患者对象的医疗史、所述患者对象的住院情况和所述环境因素进行语义编码以得到一般资料语义编码特征向量、医疗史语义编码特征向量、住院情况语义编码特征向量和环境因素语义编码特征向量,包括:分别对所述患者对象的一般资料、所述患者对象的医疗史、所述患者对象的住院情况和所述环境因素首先进行分词处理后再通过基于词嵌入语义编码器进行语义编码以得到所述一般资料语义编码特征向量、所述医疗史语义编码特征向量、所述住院情况语义编码特征向量和所述环境因素语义编码特征向量。