CN119453949A 重症患者智慧化护理管理系统及方法 （吉林大学）

号本发明公开了重症患者智慧化护理管理系生理数据输入到基于LSTM和多头注意力机制的级。本发明通过构建多级多维度的预警阈值体2设置多生理信号采集通道，同步采集患者的多维度生理信号，将预处理后的多模态生理数据输入到基于LSTM和多头注意力机制的深度学习模型中，基于深度学习模型的分析结果，实时计算患者的病情风险所述心血管系统信号采集通道采集心电信号和血所述呼吸系统信号采集通道采集呼吸波形信号和血氧饱和所述神经系统监测通道采集脑电图数据和肌电所述信号滤波处理包括心电信号滤波和呼吸信号滤波处理，心电;r为滤波器极点半径，z"采用基线漂移校正处理心电信号滤波漂移，所述基线漂移校正使;s3;;所述时间对齐处理采用动态时间规整算法，通过累积最;min(D(i-1,j),D(i,j-1),D(i-1山,j-1)}表示选择最小累积距离，其中D(i-1,j)表示从上方;权重矩阵，U;为循环权重矩阵，ha为前一时刻隐藏状态，为偏置向量，o(c,)表示;其中，M,()为第j个注意力头的计算函数，e,为查询矩阵，对为Key键矩阵的转置d:为缩放因子；4;;i和j之间的关联系数，X,(t)为第i个信号在t时刻的值，为第jj;其中，S,为信号i和j之间的耦合强度，Icyl为关联系数的绝对值，r为时间衰减系i和j之间的时间延迟；通过计算各信号的正常波动范围，识别典型的信号交互模式，分;其中，Y()为预测的信号i在t时刻的值，为相关联的信号，e,为个体化参数集，f;为第i个指标的权重系数，r;(i)为单个指标的风5若单个器官的总体风险值异常，且总体风险值超过其正常上限但低于第一预警阈值，若该器官风险值超过第一预警阈值但低于第二预警阈值，则设定预警等级为二级预若该器官风险值超过第二预警阈值，则设定预警等级为三级预警8.重症患者智慧化护理管理系统，基于权利要求1~7任一所述的重症患者智慧化护理构建模块，用于将预处理后的多模态生理数据输入到基于6[0001]本发明涉及医疗健康监测技术领域，特别是重症患者智慧化护理管理系统及方集心电信号和血压信号；所述呼吸系统信号采集通道采集呼吸波形信号和血氧饱和度信7;r为滤波器极点半径，;s;;N为信号长度；所述时间对齐处理采用动态时间规整算法，通过累积最小距离找到最佳对齐路;min(D(i-1,j),D(i,j-1),D(i-1山,j-1)}表示选择最小累积距离，其中D(i-1,j)表示从上方8;;;j;其中，Cy为信号i和j之间的关联系数，x,()为第i个信号在t时刻的值，为第j个信号在t时刻的值，为信号i的均值，为信号j的均值，T为时间序列长度；;其中，y为信号i和j之间的耦合强度，Icyl为关联系数的绝对值，r为时间衰减i和j之间的时间延迟；9;其中，Y()为预测的信号i在t时刻的值，为相关联的信号，e,为个体化参数;为第i个指标的权重系数，r;(i)为单个指标中：所述计算机程序被处理器执行时实现上述的重症患者智慧化护理管理方法的任一步[0023]心血管系统信号采集通道采集心电信号和血压信号，心电信号的采样频率为[0026]神经系统监测通道采集脑电图数据和肌电图数据，脑电图数据的采样频率为;r为滤波器极点半径，;s;;N为信号长度。;min(D(i-1,j),D(i,j-1),D(i-1山,j-1)}表示选择最小累积距离，其中D(i-1,j)表示从上方;;;[0044]基于LSTM(xi)的输出计算信号重要性，利用注意力分数评估特征相;其中，Cy为信号i和j之间的关联系数，x,()为第i个信号在t时刻的值，jj;其中，y为信号i和j之间的耦合强度，Icyl为关联系数的绝对值，r为时间衰减i和j之间的时间延迟。;其中，Y()为预测的信号i在t时刻的值，为相关联的信号，e,为个体化参数;;;为第i个指标的权重系数，r;(i)为单个指标的风险贡献，S,0)为系统整体稳定性指标，g0为风险映射函数，为预测的第i个信[0057]若3个及以上器官同时异常，则设定预警等级为四级预警表示多器官功能衰竭风[0060]若风险值的变化速率呈现缓慢上升趋势，则预警等级相[0061]若风险值的变化速率呈现快速上升趋势，则预警等级相[0065]本实施例还提供一种计算机设备，适用于重症患者智慧[0068]本实施例提出的存储介质与上述实施例提出的数据存储[0070]为验证本发明预警系统的有效性，选取某三甲医院重症监护病房2023年1月至对照组(150例)，实验组采用本发明的预警系统进行监