[发明专利]一种不典型危重患者的动态识别方法

权利要求书

1.一种不典型危重患者的动态识别方法，其特征在于，包括以下步骤：

S1：获取待测病人的第一动态体征数据序列集，第一动态体征数据序列集包括与待测病人至少两种体征一一对应的多个第一动态体征数据序列；

S2：获取与N个历史病人对应的N个第二动态体征数据序列集，每个第二动态体征数据序列集包括相应历史病人与所述体征一一对应的多个第二动态体征数据序列；

S3：分别计算步骤S1中第一动态体征数据序列集与步骤S2中N个第二动态体征数据序列集中每个第二动态体征数据序列集之间的近似度距离D；

S4：获取步骤S3中前K个使得近似度距离最小的第二动态体征数据序列集，并由所述K个使得近似度距离最小的第二动态体征数据序列集形成候选集，其中K小于N；

S5：通过以下公式获取待测病人的风险评分：

其中，D_i为第一动态体征数据序列集与候选集中第i个第二动态体征数据序列集之间的近似度距离；

其中，c_i的取值如下：

当候选集中第i个第二动态体征数据序列集为正样本时c_i＝1；

当候选集中第i个第二动态体征数据序列集为负样本时c_i＝-1；

其中，如果第二动态体征数据序列集对应的历史病人为危重患者，则该第二动态体征数据序列集为正样本；

如果第二动态体征数据序列集对应的历史病人不是危重患者，则该第二动态体征数据序列集为负样本；

S6：由步骤S5中获取的风险评分及设定的阈值判定待测病人是否为危重患者：

风险评分大于设定阈值，则待测病人为危重患者；

风险评分小于或等于设定阈值，则待测病人不是危重患者；

步骤S3中近似度距离计算方法如下：

S31：计算第一动态体征数据序列集中每个第一动态体征数据序列与第二动态体征数据序列集中与该第一动态体征数据序列对应的第二动态体征数据序列之间的近似度距离d；

S32：由以下公式获取第一动态体征数据序列集与第二动态体征数据序列集的近似度距离：

其中，n为体征种类的个数，d_i为与第i种体征对应的第一动态体征数据序列与第二动态体征数据序列集之间的近似度距离；

其中w_i为与第i种体征数据对应的近似度距离的属性权重。

2.根据权利要求1所述的不典型危重患者的动态识别方法，其特征在于，步骤S31中计算第一动态体征数据序列与对应的第二动态体征数据序列之间的近似度距离d之前通过DTW算法对两数据序列进行动态时间规整。

3.根据权利要求2所述的不典型危重患者的动态识别方法，其特征在于：在进行动态时间规整之前还包括对数据序列进行数据分割和特征提取的步骤。