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: 2024119437381
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:

1.一种骨折患者康复智能监测系统,其特征在于,包括:患者数据采集模块,用于通过血流量传感器和振动传感器分别采集骨折患者对象的血流量时序数据集和患处振动信号;患者数据传输存储模块,用于将所述患者数据采集模块采集的数据传输到云端服务器进行存储;患者数据分析模块,用于从所述云端服务器中调取存储的所述血流量时序数据集和所述患处振动信号并进行分析以得到骨折康复监测结果;预警模块,用于基于所述骨折康复监测结果,产生预警信号;结果显示模块,用于对所述骨折康复监测结果和所述预警信号进行显示;其中,所述患者数据分析模块,包括:患者血流量编码单元,用于对所述血流量时序数据集进行基于患者血流量的时序编码以得到患者对象血流量时序特征;

患处振动特征编码单元,用于对所述患处振动信号进行峭度值分布计算和振动异常模式特征提取以得到患处振动异常模式语义表征;

患处特征联合编码单元,用于对所述患者对象血流量时序特征和所述患处振动异常模式语义表征进行跨模态提示显著联合编码以得到患者对象血流量时序-振动异常语义跨模态提示显著联合编码特征,并基于所述患者对象血流量时序-振动异常语义跨模态提示显著联合编码特征,得到所述骨折康复监测结果。

2.根据权利要求1所述的骨折患者康复智能监测系统,其特征在于,所述患者血流量编码单元,用于:将所述血流量时序数据集通过基于一维因果卷积神经网络模型的患者血流量时序特征编码器以得到患者对象血流量时序特征向量作为所述患者对象血流量时序特征。

3.根据权利要求2所述的骨折患者康复智能监测系统,其特征在于,所述患处振动特征编码单元,包括:

患处振动信号峭度值分布计算子单元,用于计算所述患处振动信号的峭度值分布图以得到患处振动频率峭度值分布图;

患处振动异常模式特征提取子单元,用于将所述患处振动频率峭度值分布图通过基于FCN模型的振动异常模式特征提取器以得到患处振动异常模式语义表征图作为所述患处振动异常模式语义表征。

4.根据权利要求3所述的骨折患者康复智能监测系统,其特征在于,所述患处特征联合编码单元,包括:

血流量自相关计算子单元,用于计算所述患者对象血流量时序特征向量的血流量自相关特征;

血流量-振动局部跨模态交互子单元,用于基于所述血流量自相关特征,对所述患处振动异常模式语义表征图进行局部跨模态提示交互以得到患者对象血流量时序-振动异常语义跨模态提示显著联合编码特征图作为所述患者对象血流量时序-振动异常语义跨模态提示显著联合编码特征;

骨折康复监测结果生成子单元,用于基于所述患者对象血流量时序-振动异常语义跨模态提示显著联合编码特征图,得到所述骨折康复监测结果,所述骨折康复监测结果用于表示是否存在骨折康复异常情况。

5.根据权利要求4所述的骨折患者康复智能监测系统,其特征在于,所述血流量自相关计算子单元,用于:计算所述患者对象血流量时序特征向量与所述患者对象血流量时序特征向量的转置向量之间的乘积以得到患者对象血流量自相关编码矩阵作为所述血流量自相关特征。

6.根据权利要求5所述的骨折患者康复智能监测系统,其特征在于,所述血流量-振动局部跨模态交互子单元,包括:患处振动异常模式特征解耦二级子单元,用于对所述患处振动异常模式语义表征图进行沿通道维度的特征解耦以得到患处振动异常模式语义局部特征矩阵的集合;

患者对象血流量特征线性变换二级子单元,用于对所述患者对象血流量自相关编码矩阵进行线性变换以得到患者对象血流量语义查询编码矩阵和患者对象血流量语义值编码矩阵;

血流量-振动跨模态语义特征生成二级子单元,用于对所述患者对象血流量语义查询编码矩阵、所述患者对象血流量语义值编码矩阵和所述患处振动异常模式语义局部特征矩阵的集合中的各个患处振动异常模式语义局部特征矩阵分别进行基于Transformer的跨模态提示信息编码以得到血流量-振动语义跨模态提示信息语义编码矩阵的集合;

血流量-振动特征权重注意力交互二级子单元,用于对所述血流量-振动语义跨模态提示信息语义编码矩阵的集合进行门控权重注意力交互优化以得到所述患者对象血流量时序-振动异常语义跨模态提示显著联合编码特征图。

7.根据权利要求6所述的骨折患者康复智能监测系统,其特征在于,所述血流量-振动特征权重注意力交互二级子单元,用于:对所述血流量-振动语义跨模态提示信息语义编码矩阵的集合进行解码门控处理以得到血流量-振动跨模态语义交互注意权重的集合;

将所述患者对象血流量自相关编码矩阵分别与所述患处振动异常模式语义局部特征矩阵的集合中各个患处振动异常模式语义局部特征矩阵进行按位置点乘以得到血流量-振动跨模态交互局部特征矩阵的集合;

对所述血流量-振动跨模态语义交互注意权重的集合和所述血流量-振动跨模态交互局部特征矩阵的集合进行跨模态联合编码以得到所述患者对象血流量时序-振动异常语义跨模态提示显著联合编码特征图。

8.根据权利要求7所述的骨折患者康复智能监测系统,其特征在于,所述骨折康复监测结果生成子单元,用于:将所述患者对象血流量时序-振动异常语义跨模态提示显著联合编码特征图通过基于分类器的康复状态监测器以得到所述骨折康复监测结果,所述骨折康复监测结果用于表示是否存在骨折康复异常情况。

9.一种骨折患者康复智能监测方法,用于执行如权利要求1所述的骨折患者康复智能监测系统,其特征在于,所述骨折患者康复智能监测方法,包括:通过血流量传感器和振动传感器分别采集骨折患者对象的血流量时序数据集和患处振动信号;将所述患者数据采集模块采集的数据传输到云端服务器进行存储;从所述云端服务器中调取存储的所述血流量时序数据集和所述患处振动信号并进行分析以得到骨折康复监测结果;基于所述骨折康复监测结果,产生预警信号;对所述骨折康复监测结果和所述预警信号进行显示;

其中,从所述云端服务器中调取存储的所述血流量时序数据集和所述患处振动信号并进行分析以得到骨折康复监测结果,包括:对所述血流量时序数据集进行基于患者血流量的时序编码以得到患者对象血流量时序特征;

对所述患处振动信号进行峭度值分布计算和振动异常模式特征提取以得到患处振动异常模式语义表征;

对所述患者对象血流量时序特征和所述患处振动异常模式语义表征进行跨模态提示显著联合编码以得到患者对象血流量时序-振动异常语义跨模态提示显著联合编码特征,并基于所述患者对象血流量时序-振动异常语义跨模态提示显著联合编码特征,得到所述骨折康复监测结果。

10.根据权利要求9所述的骨折患者康复智能监测方法,其特征在于,对所述血流量时序数据集进行基于患者血流量的时序编码以得到患者对象血流量时序特征,包括:将所述血流量时序数据集通过基于一维因果卷积神经网络模型的患者血流量时序特征编码器以得到患者对象血流量时序特征向量作为所述患者对象血流量时序特征。