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: 2024110014254
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:

1.一种妊娠风险预警管理系统,其特征在于,包括:

孕妇生理状态监测模块,用于获取由可穿戴设备采集的被监控孕妇对象的生理状态参数的时间序列,其中,所述生理状态参数包括心率值、血压值、脉搏频率值;

生理状态参数时序编码模块,用于对所述生理状态参数的时间序列进行参数样本级时序特征提取以得到心率值时序关联隐含特征向量、血压值时序关联隐含特征向量和脉搏频率值时序关联隐含特征向量;

生理状态参数规整模块,用于对所述生理状态参数的时间序列进行数据规整以得到心率值时序输入向量、血压值时序输入向量和脉搏频率值时序输入向量;

多尺度特征门控融合模块,用于将所述心率值时序关联隐含特征向量和所述心率值时序输入向量、所述血压值时序关联隐含特征向量和所述血压值时序输入向量以及所述脉搏频率值时序关联隐含特征向量和所述脉搏频率值时序输入向量输入基于门控响应的特征动态交互融合模块以得到心率多尺度门控融合特征向量、血压多尺度门控融合特征向量和脉搏频率多尺度门控融合特征向量;

生理状态预警管理模块,用于基于所述血压多尺度门控融合特征向量、所述心率多尺度门控融合特征向量和所述脉搏频率多尺度门控融合特征向量的多模态融合特征,判断所述被监控孕妇对象的生理状态是否存在异常;

其中,所述多尺度特征门控融合模块,包括:

特征联合单元,用于将所述心率值时序关联隐含特征向量和所述心率值时序输入向量输入特征联合模块以得到心率多尺度时序特征联合表示向量;

信息融合门控响应计算单元,用于将所述心率多尺度时序特征联合表示向量输入门控响应函数以得到信息融合的响应门;

信息融合单元,用于计算一与所述信息融合的响应门的差值,并以所述信息融合的响应门和所述差值作为权重,来计算所述心率值时序关联隐含特征向量和所述心率值时序输入向量的按位置加权和以得到所述心率多尺度门控融合特征向量;

其中,所述多尺度特征门控融合模块,用于:以如下交互融合公式对所述心率值时序关联隐含特征向量和所述心率值时序输入向量进行融合处理以得到所述心率多尺度门控融合特征向量,其中,所述交互融合公式为:其中,所述生理状态参数时序编码模块,包括:

参数样本级数据排列单元,用于将所述生理状态参数的时间序列按照参数样本维度进行排列以得到心率值的时间序列、血压值的时间序列和脉搏频率值的时间序列;

时序特征提取单元,用于将所述心率值的时间序列、所述血压值的时间序列和所述脉搏频率值的时间序列输入基于双向门控循环单元的序列编码器以得到所述心率值时序关联隐含特征向量、所述血压值时序关联隐含特征向量和所述脉搏频率值时序关联隐含特征向量;

其中,所述生理状态参数规整模块,用于:

将所述生理状态参数的时间序列按照参数样本维度和时间维度进行一维排列以得到所述心率值时序输入向量、所述血压值时序输入向量和所述脉搏频率值时序输入向量;

其中,所述生理状态预警管理模块,包括:

多模态特征融合单元,用于将所述血压多尺度门控融合特征向量、所述心率多尺度门控融合特征向量和所述脉搏频率多尺度门控融合特征向量输入基于嵌入层的多模态特征融合器以得到生理状态多模态融合特征向量;

预警管理结果生成单元,用于将所述生理状态多模态融合特征向量输入基于分类器的预警管理结果生成器以得到预警管理结果,所述预警管理结果用于表示所述被监控孕妇对象的生理状态是否存在异常;

其中,还包括用于对所述基于双向门控循环单元的序列编码器、所述基于门控响应的特征动态交互融合模块、所述基于嵌入层的多模态特征融合器和所述基于分类器的预警管理结果生成器进行训练的训练模块;

其中,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可穿戴设备采集的被监控孕妇对象的训练生理状态参数的时间序列,其中,所述训练生理状态参数包括训练心率值、训练血压值、训练脉搏频率值以及所述被监控孕妇对象的生理状态是否存在异常的真实值;

训练参数样本维度排列单元,用于将所述训练生理状态参数的时间序列按照参数样本维度进行排列以得到训练心率值的时间序列、训练血压值的时间序列和训练脉搏频率值的时间序列;

训练参数时序编码单元,用于将所述训练心率值的时间序列、所述训练血压值的时间序列和所述训练脉搏频率值的时间序列输入所述基于双向门控循环单元的序列编码器以得到训练心率值时序关联隐含特征向量、训练血压值时序关联隐含特征向量和训练脉搏频率值时序关联隐含特征向量;

训练参数时序排列单元,用于将所述训练心率值的时间序列、所述训练血压值的时间序列和所述训练脉搏频率值的时间序列分别按照时间维度排列为训练心率值时序输入向量、训练血压值时序输入向量和训练脉搏频率值时序输入向量;

训练参数多尺度时序特征融合单元,用于将所述训练心率值时序关联隐含特征向量和所述训练心率值时序输入向量、所述训练血压值时序关联隐含特征向量和所述训练血压值时序输入向量以及所述训练脉搏频率值时序关联隐含特征向量和所述训练脉搏频率值时序输入向量输入所述基于门控响应的特征动态交互融合模块以得到训练心率多尺度门控融合特征向量、训练血压多尺度门控融合特征向量和训练脉搏频率多尺度门控融合特征向量;

训练参数多模态特征融合单元,用于将所述训练血压多尺度门控融合特征向量、所述训练心率多尺度门控融合特征向量和所述训练脉搏频率多尺度门控融合特征向量输入所述基于嵌入层的多模态特征融合器以得到训练生理状态多模态融合特征向量;

分类损失单元,用于将所述训练生理状态多模态融合特征向量输入所述基于分类器的预警管理结果生成器以得到分类损失函数值;

预定损失函数值计算单元,用于计算所述训练生理状态多模态融合特征向量的预定损失函数值;

模型训练单元,用于以所述分类损失函数值和所述预定损失函数值的加权和作为损失函数值,来对所述基于双向门控循环单元的序列编码器、所述基于门控响应的特征动态交互融合模块、所述基于嵌入层的多模态特征融合器和所述基于分类器的预警管理结果生成器进行训练;

其中,以如下生理状态多模态融合损失函数计算所述训练生理状态多模态融合特征向量的预定损失函数值,其中,所述生理状态多模态融合损失函数具体表示为: