[发明专利]输液监控系统及其方法在审
| 申请号: | 202310562527.2 | 申请日: | 2023-05-18 | 
| 公开(公告)号: | CN116510124A | 公开(公告)日: | 2023-08-01 | 
| 发明(设计)人: | 石博文;王康 | 申请(专利权)人: | 温州医科大学附属第二医院(温州医科大学附属育英儿童医院) | 
| 主分类号: | A61M5/168 | 分类号: | A61M5/168;A61M5/172;G16H20/17 | 
| 代理公司: | 北京恒泰铭睿知识产权代理有限公司 11642 | 代理人: | 苏天功 | 
| 地址: | 325000 *** | 国省代码: | 浙江;33 | 
| 权利要求书: | 查看更多 | 说明书: | 查看更多 | 
| 摘要: | |||
| 搜索关键词: | 输液 监控 系统 及其 方法 | ||
1.一种输液监控系统,其特征在于,包括:输液剩余量采集模块,用于获取多个患者在预定时间段内多个预定时间点的输液剩余量;患者输液剩余量时序分布模块,用于将所述各个患者在预定时间段内多个预定时间点的输液剩余量分别按照时间维度排列为输入向量以得到多个输液剩余量时序输入向量;输液剩余量相对动态变化模块,用于计算所述各个输液剩余量时序输入向量中每相邻两个预定时间点的输液剩余量之间的差值以得到多个输液剩余量变化时序输入向量;输液剩余量动静变化关联模块,用于将所述多个输液剩余量时序输入向量和所述多个输液剩余量变化时序输入向量中每组对应的输液剩余量时序输入向量和输液剩余量变化时序输入向量进行级联以得到多个输液剩余量动-静时序输入向量;输液剩余量时序变化特征提取模块,用于将所述各个输液剩余量动-静时序输入向量分别通过多尺度邻域特征提取模块以得到多个输液剩余量动-静时序特征向量;患者空间拓扑构建模块,用于构造所述多个患者的空间拓扑矩阵,其中,所述空间拓扑矩阵中各个位置的值用于表示两个患者之间的空间距离值;患者空间拓扑特征提取模块,用于将所述空间拓扑矩阵通过作为特征提取器的卷积神经网络模型以得到空间拓扑特征矩阵;全局二维排列模块,用于将所述多个输液剩余量动-静时序特征向量进行二维排列以得到全局输液剩余量动-静时序特征矩阵;图神经网络关联编码模块,用于将所述全局输液剩余量动-静时序特征矩阵和所述空间拓扑特征矩阵通过图神经网络模型以得到空间拓扑全局输液剩余量动-静时序特征矩阵;特征优化模块,用于对所述空间拓扑全局输液剩余量动-静时序特征矩阵进行特征分布优化以得到优化空间拓扑全局输液剩余量动-静时序特征矩阵;查询模块,用于以所述各个输液剩余量动-静时序特征向量作为查询特征向量,计算其与所述优化空间拓扑全局输液剩余量动-静时序特征矩阵之间的矩阵乘积以得到多个分类特征向量;概率值生成模块,用于将所述多个分类特征向量通过分类器以得到多个概率值;以及排序模块,用于基于所述多个概率值之间的排序,生成推荐处理优先级陈列结果。
2.根据权利要求1所述的输液监控系统,其特征在于,所述输液剩余量时序变化特征提取模块,包括:第一尺度提取单元,用于使用所述多尺度邻域特征提取模块的第一卷积层以如下第一卷积公式对所述各个输液剩余量动-静时序输入向量进行一维卷积编码以得到第一尺度输液剩余量特征向量;其中,所述第一卷积公式为:,其中,为第一一维卷积核在方向上的宽度、为第一一维卷积核参数向量、为与第一一维卷积核函数运算的局部向量矩阵,为第一一维卷积核的尺寸,表示所述各个输液剩余量动-静时序输入向量,表示对所述各个输液剩余量动-静时序输入向量进行一维卷积编码;第二尺度提取单元,用于使用所述多尺度邻域特征提取模块的第二卷积层以如下第二卷积公式对所述各个输液剩余量动-静时序输入向量进行一维卷积编码以得到第二尺度输液剩余量特征向量;其中,所述第二卷积公式为:其中,为第二一维卷积核在 方向上的宽度、为第二一维卷积核参数向量、 为与第二一维卷积核函数运算的局部向量矩阵, 为第二一维卷积核的尺寸,表示所述各个输液剩余量动-静时序输入向量,表示对所述各个输液剩余量动-静时序输入向量进行一维卷积编码;以及级联单元,用于使用所述多尺度邻域特征提取模块的融合层对所述第一尺度输液剩余量特征向量和所述第二尺度输液剩余量特征向量进行级联以得到所述多个输液剩余量动-静时序特征向量。
3.根据权利要求2所述的输液监控系统,其特征在于,所述多尺度邻域特征提取模块,包括:相互并行的第一卷积层和第二卷积层,以及,与所述第一卷积层和所述第二卷积层连接的融合层,其中,所述第一卷积层和所述第二卷积层使用具有不同尺度的一维卷积核。
4.根据权利要求3所述的输液监控系统,其特征在于,所述患者空间拓扑特征提取模块,用于:使用所述作为特征提取器的卷积神经网络模型的各层在层的正向传递中对输入数据分别进行卷积处理、沿通道维度的池化处理和非线性激活处理以由所述作为特征提取器的卷积神经网络模型的最后一层的输出为所述空间拓扑特征矩阵,其中,所述作为特征提取器的卷积神经网络模型的第一层的输入为所述空间拓扑矩阵。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于温州医科大学附属第二医院(温州医科大学附属育英儿童医院),未经温州医科大学附属第二医院(温州医科大学附属育英儿童医院)许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202310562527.2/1.html,转载请声明来源钻瓜专利网。





