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: 2024112040183
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:

1.一种重症监护病房患者分级护理管理系统,其特征在于,包括:

患者对象数据获取模块,用于获取被评估患者对象的病情发展数据、心理状态、肢体活动情况和语言沟通能力;

患者数据语义编码模块,用于对所述病情发展数据、所述心理状态、所述肢体活动情况和所述语言沟通能力分别进行语义编码以得到病情发展语义编码特征向量、心理状态语义编码特征向量、肢体活动情况语义编码特征向量和语言沟通能力语义编码特征向量;

第一分级标签获取模块,用于获取第一患者分级标签对应的第一分级标签编码向量;

患者状态-分级标签自适应匹配模块,用于将所述第一分级标签编码向量、所述病情发展语义编码特征向量、所述心理状态语义编码特征向量、所述肢体活动情况语义编码特征向量和所述语言沟通能力语义编码特征向量进行基于细粒度特征的解耦自适应查询处理以得到患者状态-分级标签适应匹配结果表示矩阵作为患者状态-分级标签适应匹配结果表示特征;

管理结果生成模块,用于基于所述患者状态-分级标签适应匹配结果表示特征,得到管理结果,所述管理结果用于表示是否为所述被评估患者对象指定所述第一患者分级标签。

2.根据权利要求1所述的重症监护病房患者分级护理管理系统,其特征在于,所述患者状态-分级标签自适应匹配模块,用于:以所述第一分级标签编码向量作为查询特征向量且以所述病情发展语义编码特征向量、所述心理状态语义编码特征向量、所述肢体活动情况语义编码特征向量和所述语言沟通能力语义编码特征向量作为库特征向量的序列,将所述查询特征向量和所述库特征向量的序列输入细粒度特征解耦自适应查询模块以得到所述患者状态-分级标签适应匹配结果表示矩阵。

3.根据权利要求2所述的重症监护病房患者分级护理管理系统,其特征在于,所述患者状态-分级标签自适应匹配模块,包括:库特征序列数据细粒度解耦单元,用于对所述库特征向量的序列进行细粒度解耦以得到库特征向量的子序列的集合;

库特征细粒度局部关联编码单元,用于将所述库特征向量的子序列的集合中的各个库特征向量的子序列输入子序列语义强化编码器以得到库特征细粒度解耦局部关联特征向量的集合;

协方差矩阵计算单元,用于计算所述查询特征向量与所述库特征细粒度解耦局部关联特征向量的集合中的各个库特征细粒度解耦局部关联特征向量之间的协方差矩阵以得到查询响应协方差矩阵的集合;

查询响应迹度量因子计算单元,用于计算所述查询响应协方差矩阵的集合中的各个查询响应协方差矩阵的矩阵迹以得到查询响应迹度量因子的集合;

查询响应迹度量因子激活单元,用于对所述查询响应迹度量因子的集合进行激活处理以得到查询响应迹注意力权重的集合;

患者状态-分级标签适应匹配表示单元,用于以所述查询响应迹注意力权重的集合中的各个查询响应迹注意力权重作为权重,计算所述查询响应协方差矩阵的集合的加权和以得到查询响应自适应匹配结果表示矩阵作为所述患者状态-分级标签适应匹配结果表示矩阵。

4.根据权利要求3所述的重症监护病房患者分级护理管理系统,其特征在于,所述库特征细粒度局部关联编码单元,用于:将所述库特征向量的子序列的集合中的各个库特征向量的子序列输入基于Bi-LSTM模型的子序列语义强化编码器以得到所述库特征细粒度解耦局部关联特征向量的集合。

5.根据权利要求4所述的重症监护病房患者分级护理管理系统,其特征在于,所述查询响应迹度量因子计算单元,用于:分别计算所述查询响应协方差矩阵的集合中的每个查询响应协方差矩阵的对角线上的各个元素的加和值以得到所述查询响应迹度量因子的集合。

6.根据权利要求5所述的重症监护病房患者分级护理管理系统,其特征在于,所述查询响应迹度量因子激活单元,用于:将所述查询响应迹度量因子的集合输入Sigmoid激活函数以得到所述查询响应迹注意力权重的集合。

7.根据权利要求6所述的重症监护病房患者分级护理管理系统,其特征在于,所述管理结果生成模块,用于:将所述患者状态-分级标签适应匹配结果表示矩阵输入基于分类器的管理结果生成器以得到所述管理结果,所述管理结果用于表示是否为所述被评估患者对象指定所述第一患者分级标签。

8.根据权利要求7所述的重症监护病房患者分级护理管理系统,其特征在于,所述管理结果生成模块,用于:将所述患者状态-分级标签适应匹配结果表示矩阵按照行向量或列向量展开为患者状态-分级标签适应匹配结果表示向量;

使用所述基于分类器的管理结果生成器的全连接层来对所述患者状态-分级标签适应匹配结果表示向量进行全连接编码以得到患者状态-分级标签适应匹配结果表示全连接编码特征向量;

将所述患者状态-分级标签适应匹配结果表示全连接编码特征向量输入所述基于分类器的管理结果生成器的Softmax分类函数以得所述管理结果。

9.一种重症监护病房患者分级护理管理方法,其特征在于,包括:

获取被评估患者对象的病情发展数据、心理状态、肢体活动情况和语言沟通能力;

对所述病情发展数据、所述心理状态、所述肢体活动情况和所述语言沟通能力分别进行语义编码以得到病情发展语义编码特征向量、心理状态语义编码特征向量、肢体活动情况语义编码特征向量和语言沟通能力语义编码特征向量;

获取第一患者分级标签对应的第一分级标签编码向量;

将所述第一分级标签编码向量、所述病情发展语义编码特征向量、所述心理状态语义编码特征向量、所述肢体活动情况语义编码特征向量和所述语言沟通能力语义编码特征向量进行基于细粒度特征的解耦自适应查询处理以得到患者状态-分级标签适应匹配结果表示矩阵作为患者状态-分级标签适应匹配结果表示特征;

基于所述患者状态-分级标签适应匹配结果表示特征,得到管理结果,所述管理结果用于表示是否为所述被评估患者对象指定所述第一患者分级标签。

10.根据权利要求9所述的重症监护病房患者分级护理管理方法,其特征在于,将所述第一分级标签编码向量、所述病情发展语义编码特征向量、所述心理状态语义编码特征向量、所述肢体活动情况语义编码特征向量和所述语言沟通能力语义编码特征向量进行基于细粒度特征的解耦自适应查询处理以得到患者状态-分级标签适应匹配结果表示矩阵作为患者状态-分级标签适应匹配结果表示特征,包括:以所述第一分级标签编码向量作为查询特征向量且以所述病情发展语义编码特征向量、所述心理状态语义编码特征向量、所述肢体活动情况语义编码特征向量和所述语言沟通能力语义编码特征向量作为库特征向量的序列,将所述查询特征向量和所述库特征向量的序列输入细粒度特征解耦自适应查询模块以得到所述患者状态-分级标签适应匹配结果表示矩阵。