[发明专利]输液监控系统及其方法在审

专利信息
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
【说明书】:

一种输液监控系统及其方法,其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;采用基于深度学习的人工智能技术,挖掘所述各个患者的输液剩余量的时序动态关联特征和所述各个患者的拓扑关联特征之间的关联性特征分布信息,以此来对于患者的输液优先级进行实时准确地监控,便于护理工作人员及时掌握患者输液的整体动态,进而优化输液的质量和安全性。

技术领域

本申请涉及智能化监控技术领域,并且更具体地,涉及一种输液监控系统及其方法。

背景技术

液体注射是医疗护理过程中的一项重要任务。在多个患者同时进行输液的情况下,护士需要及时掌握每位患者的输液情况和进度,以便于能够及时且快速地处理突发异常情况,保障患者的输液安全性。然而,传统的液体注射系统多以人工巡视的方式进行输液监测,并依靠护理工作人员的主观判断和手动记录来进行输液管理。这种方式经常会面临人力不足、管控困难等问题,导致输液管控的效率和准确性较低,无法快速响应突发情况,且无法保证输液的质量和安全。

因此,期望一种优化的输液监控系统。

发明内容

为了解决上述技术问题,提出了本申请。本申请的实施例提供了一种输液监控系统及其方法,其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;采用基于深度学习的人工智能技术,挖掘所述各个患者的输液剩余量的时序动态关联特征和所述各个患者的拓扑关联特征之间的关联性特征分布信息,以此来对于患者的输液优先级进行实时准确地监控,便于护理工作人员及时掌握患者输液的整体动态,进而优化输液的质量和安全性。

第一方面,提供了一种输液监控系统,其包括: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。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

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/202310562527.2/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top