CN117609813B 一种重症患者监护数据智能管理方法 （山东第一医科大学附属省立医院(山东省立医院)）

US2004111708A1,2004.06.10WO2023206888A1,2023.11.02同重症患者的每个监护指标在相同时段内的分将每个初始聚类簇内监护数据按时序参考价值分段分析并赋权得到不同患者的监护数据相似2获取每个重症患者在预设历史时段内的监护数据，所述监护数据将每个重症患者在每个监护指标下的所述指标时序序列进行分势差异及幅值差异，获取不同重症患者的每个监护指标在对应时段内的分段变化相似度；将不同重症患者的每个监护指标在每个时段内的所述分段变化相似度根据时序赋权合并，有重症患者间的所述监护数据相似度获取对应所述初始聚类簇的根据每个所述初始聚类簇的集中程度获取每个所述初始聚类簇中的不同重症患者间的监护数据相似度筛选出每个所述初始聚类簇中所述代表点数量个代表;p个重症患者和第a个重症患者的第i个监护指标在第m个时段为第p个重症患者的第i个监护指标在第m个时为第个重症患者的第i个监护指标在第m个时段对应分段内的指标幅值均值；oimt为第p个重症患者和第q个重症患者的第i个监护指患者的第i个监护指标在第m个时段对应分段内的极小值趋势相似度；为预设第一正所述极大值趋势相似度及极小值趋势相似度的获获取每个重症患者的每个监护指标在每个时段对应分段内所有监护指标的极大值指个极小值指标序列中首尾两个序列元素间的斜率作为对应极小值指标序列在任意两个重症患者间，将每个监护指标在每个时段对应分段射归一化，得到两个重症患者的每个监护指标在每个时段对应分段内的极大值趋势相似在任意两个重症患者间，将每个监护指标在每个时段对应分段3射归一化，得到两个重症患者的每个监护指标在每个时段对应分段内的极小值趋势相似所述指标时序序列被分段为前区分段、中区分段及后区分段；根据;p个重症患者和第a个重症患者的第i个监护指标在第a个时段对应的前区分段内的分段变化相似度；poato)为第p个重症患者和第a个重症患者的第i个监护指标在第b个时段对应的中区分段内的分段变化相似度；ppatic)为第p个重症患者和第a个重症患者的第i个监护指标在第c个时段对应的后区分段权重，为后区分段内的分段变化相似度的后区分段权重，其中A<B<C且;在每个所述初始聚类簇中，以任一重症患者为目标重症患者;为第m个初始聚类簇中的代表点数量；D为预设第一正整数，E为预设第在每个所述初始聚类簇中，将与所述初始聚类簇的质心对应监4根据所有重症患者的所述代表监护数据的差异，基于CURE算法将所有监护数据作为样本，根据所有重症患者的监护数据间的将预设历史时段的所述指标时序序列按预设分段数量平5[0002]重症患者的监护数据可以帮助医生了解重症患者的生命体征及病情发展情况等较多且不同的患者病情可能并不相同，故通常需要将监护数据相似的重症患者划分为一[0004]为了解决CURE算法代表点数量设置不合理导致聚类结果质量低进而导致对重症所有重症患者间的所述监护数据相似度获取对应所述初始聚类簇的集[0008]根据每个所述初始聚类簇的集中程度获取每个所述初始聚类根据不同重症患者间的监护数据相似度筛选出每个所述初始聚类簇中所述代表点数量个6p个重症患者和第a个重症患者的第i个监护指标在第m个时段对应分段内的分段变化相似度；Hoim为第p个重症患者的第i个监护指标在第m个时段对应分段内的指标幅值均值；qim为第q个重症时段对应分段内的指标幅值均值；oimt为第p个重症患者和第a个重症患者的第i个监重症患者的第i个监护指标在第m个时段对应分段内的极小值趋势相似度；为预设第[0013]获取每个重症患者的每个监护指标在每个时段对应分段内所有监护指标的极大两个序列元素间的斜率作为对应极大值指标序列的序列斜率；在每个极小值指标序列中，将每个极小值指标序列中首尾两个序列元素间的斜率作为对应极小值指标序列的序列斜7为第p个重症患者和第a个重症患者的第i个监护指标在第a个时段对i个监护指标在第b个时段对应的中区分段内的分段变化相似度；ppatic)为第p个重症患者和第a个重症患者的第i个监护指标在第c个时段对应的后区分段内的分段变化相似度；A为前区分段内的分段变化相似度的前区分段权重，B为中区分段内的分段变且A+B+C=1。为第m个初始聚类簇中的代表点数量；D为预设第一正整数，E为预所述第一代表监护数据的所述监护数据相似度最小的监护数据，作为第二代表监护数据，8同重症患者的监护数据相似度，然后根据监护数据相似度获取每个初始聚类簇的集中程簇内的监护数据按时序参考价值进行分段分析赋权得到不同重症患者间的监护数据相似[0037]图1为本发明一个实施例所提供的一种重症患者监护数据智能管理方法的方法流[0040]下面结合附图具体的说明本发明所提供的一种重症患者监护数据智能管理方法[0041]请参阅图1，其示出了本发明一个实施例提供的一种重症患者监护数据智能管理[0042]本发明为对所有重症患者监护数据分类管理，首先获取然后分析每个初始聚类簇内监护数据的相似度判断每个初始聚类簇的集中程度以获取合9度；将不同重症患者的每个监护指标在每个时段内的分段变化相似度根据时序赋权合并，症患者间的监护数据相似度获取对应初始聚类簇的集波动变化情况，又考虑到分段内监护指标的幅值均值反映了该重症患者的大致体征情况，不同重症患者间的极值波动变化差异及幅值差异能够侧面反映重症患者的监护指标在相为第p个重症患者和第个重症患者的第i个监护指标在第m时段对应分段内的指标幅值均值；Hqim为第个重症患者的第i个监护指标在第m个时标在第m个时段对应分段内的极大值趋势相似度；oiml为第p个重症患者和第个重症[0057]获取每个重症患者的每个监护指标在每个时段对应分段内所有监护指标的极大两个序列元素间的斜率作为对应极大值指标序列的序列斜率；在每个极小值指标序列中，将每个极小值指标序列中首尾两个序列元素间的斜率作为对应极小值指标序列的序列斜p个患者和第q个患者的第i个监护指标在第m个时段对应分段内的极大值趋势相似度；komr为第p个患者的第i个监护指标在第m个时段对应所有监护指标的极大值指标序列的序列斜率；为第a个患者的第i个监护指标在第m个时段对应分段内所有监护指标的极大值指标序列的序列斜率；为第p个患者和第q个患者的第i个监护指标在第m个时段对应分段内的两个极大值指标序列中，序列序号同为n的两个极大值指标对应的监护时刻间隔的差值；w为第p个患者和第q个患分母为0导致函数无意义；[0061]极大值趋势相似度的计算指标在相同时段内的趋势相似度越低；反映了两重症患者在相同时段相同时段内的波动趋势相似度；将二者通过乘法合并后加上预设第一正参数后做倒数运[0065]其中，为第p个患者和第个患者的第i个监护指标在第m个时段对应分段为第p个患者的第i个监护指标在第m个时段对应分段内所有监护指标的极小值指标序列的序列斜率；kqiml为第a个患者的第i个监护指标在者和第q个患者的第i个监护指标在第m个时段对应分段内的两个极小值指标序列中，序的第i个监护指标在第m个时段对应分段内的两个极小值指标序列中，极小值指标数量较[0066]极小值趋势相似度的计算公式中，反映了两重症患者在相同时护指标在相同时段内的趋势相似度越低；反映了两重症患者在相同时[0067]由于仅通过单一监护指标在某一时段对应分段内的分段变化相似度是无法全面ppa为第p个重症患者和第q个重症患者的监护数据相似度；I为监护指标p个重症患者和第个重症患者的第i个监护指标在第a个时段对应的前区分段内的分段变化相似度；为第p个重症患者和第q个重症患者的第i个监护指标在第b个时段对应的中区分段内的分段变化相似度；ppa(i,c)为第p个重症患者和第q个重症患者的第i个监护指标在第c个时段对应的后区分段内的分段变化相似度；为前区分段内的分段变化相似度的前区分段权重，为中区分段内的分;初始聚类簇内其他所有重症患者的监护数据相似性的平均水平反映初始聚类簇中监护数[0078]步骤S3，根据每个初始聚类簇的集中程度获取每个初始聚类根据不同重症患者间的监护数据相似度筛选出每个初始聚类簇中代表点数量个代表监护内所有监护数据的最终聚类结果；根据最终聚类结果对所有重症患者的监护数据分类管步根据每个初始聚类簇中监护数据的集中程度获取每个初[0083]代表点数量的计算公式中，反映了每个初始聚类簇内监护数据的相似度及代表监护数据获取预设历史时段内所有监护数据的[0090]本发明的一个实施例中，考虑到CURE算法已是本领域技个代表监护数