首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

用于放化疗期肿瘤患者的智能护理系统及方法 

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

申请/专利权人:吉林大学

摘要:本申请涉及一种用于放化疗期肿瘤患者的智能护理系统及方法,涉及智能护理技术领域。该方法包括:通过实时监测采集化疗过程中被监测患者对象的生命体征数据,并在后端引入基于人工智能和深度学习的数据处理和分析算法来对于这些生命体征时序数据进行分析,以此来学习并捕获到患者的生理和身体状态变化,以便于及时发现治疗过程中可能出现的不良反应,从而辅助做出相应的放化疗方案调整。这样,能够实现更为智能化地对放化疗期肿瘤患者的护理,从而更好地保障放化疗期肿瘤患者的治疗过程。

主权项:1.一种用于放化疗期肿瘤患者的智能护理系统,其特征在于,包括:患者生命体征数据采集模块,用于获取化疗过程中被监测患者对象的生命体征数据的时间序列;生命体征数据嵌入编码模块,用于将所述生命体征数据的时间序列中的各个生命体征数据分别通过基于全连接层的嵌入编码器以得到生命体征数据嵌入编码向量的序列;生命体征时序上下文编码模块,用于将所述生命体征数据嵌入编码向量的序列输入基于转换器结构的生命体征时序上下文编码器以得到上下文生命体征数据语义编码特征向量的序列;生命体征时序语义强化融合模块,用于对所述上下文生命体征数据语义编码特征向量的序列进行基于显著性-全局性的上下文语义强化模块和节点信息传递融合处理以得到患者对象生理状态时序聚合表示特征向量;不良反应监测模块,用于将所述患者对象生理状态时序聚合表示特征向量通过基于分类器的不良反应监测器以得到监测结果,所述监测结果用于表示是否发生不良反应;其中,所述生命体征时序语义强化融合模块,包括:生命体征时序上下文语义强化单元,用于将所述上下文生命体征数据语义编码特征向量的序列输入基于显著性-全局性的上下文语义强化模块以得到强化生命体征数据语义编码特征向量的序列;生命体征时序节点信息传递融合单元,用于将所述强化生命体征数据语义编码特征向量的序列输入融合节点置信度的节点信息传递聚合网络以得到所述患者对象生理状态时序聚合表示特征向量;其中,所述生命体征时序上下文语义强化单元,包括:数值计算子单元,用于分别计算所述上下文生命体征数据语义编码特征向量的序列中的各个上下文生命体征数据语义编码特征向量的均值和最大值以得到由多个向量均值组成的上下文生命体征数据语义全局表示向量和由多个向量最大值组成的上下文生命体征数据语义突出表示向量;第一特征捕获和表达子单元,用于对所述上下文生命体征数据语义全局表示向量进行特征捕获和表达以得到上下文生命体征数据全局语义激活表示特征向量;第二特征捕获和表达子单元,用于对所述上下文生命体征数据语义突出表示向量进行特征捕获和表达以得到上下文生命体征数据突出语义激活表示特征向量;向量融合子单元,用于融合所述上下文生命体征数据全局语义激活表示特征向量和所述上下文生命体征数据突出语义激活表示特征向量以得到上下文生命体征数据全局-突出语义关联激活特征向量后,对所述上下文生命体征数据全局-突出语义关联激活特征向量进行非线性激活处理以得到上下文生命体征数据全局-突出语义关联权重特征向量;按位置点乘计算子单元,用于以所述上下文生命体征数据全局-突出语义关联权重特征向量作为权重,对所述上下文生命体征数据语义编码特征向量的序列进行按位置点乘并加上所述上下文生命体征数据语义编码特征向量的序列以得到所述强化生命体征数据语义编码特征向量的序列;其中,所述第一特征捕获和表达子单元,用于:对所述上下文生命体征数据语义全局表示向量进行一维卷积编码后通过激活函数进行处理以得到激活表达上下文生命体征数据语义全局表示向量;将所述激活表达上下文生命体征数据语义全局表示向量再次通过一维卷积编码后与第一可训练线性变换权重矩阵进行矩阵相乘以得到所述上下文生命体征数据全局语义激活表示特征向量;其中,所述第二特征捕获和表达子单元,用于:对所述上下文生命体征数据语义突出表示向量进行一维卷积编码后通过激活函数进行处理以得到激活表达上下文生命体征数据语义突出表示向量;将所述激活表达上下文生命体征数据语义突出表示向量再次通过一维卷积编码后与第二可训练线性变换权重矩阵进行矩阵相乘以得到所述上下文生命体征数据突出语义激活表示特征向量;其中,所述生命体征时序节点信息传递融合单元,包括:序列号标注子单元,用于对所述强化生命体征数据语义编码特征向量的序列中前k-1个强化生命体征数据语义编码特征向量进行序列号标注以得到生命体征数据语义标注序列号的序列;能量函数值计算子单元,用于计算所述前k-1个强化生命体征数据语义编码特征向量的能量函数值以得到k-1个能量函数值,其中,所述能量函数值与所述各个强化生命体征数据语义编码特征向量的均值和方差以及所述各个强化生命体征数据语义编码特征向量的序列号有关;归一化处理子单元,用于对所述k-1个能量函数值进行归一化处理以得到k-1个节点置信度;向量聚合子单元,用于以所述k-1个节点置信度作为权重,计算所述强化生命体征数据语义编码特征向量的序列中前k-1个强化生命体征数据语义编码特征向量的按位置加权和以聚合所述强化生命体征数据语义编码特征向量的序列中前k-1个强化生命体征数据语义编码特征向量以得到生命体征数据语义后部节点集合聚合表示向量;加权和计算子单元,用于计算所述生命体征数据语义后部节点集合聚合表示向量和所述强化生命体征数据语义编码特征向量的序列中第k个强化生命体征数据语义编码特征向量之间的加权和以得到所述患者对象生理状态时序聚合表示特征向量。

全文数据:

权利要求:

百度查询: 吉林大学 用于放化疗期肿瘤患者的智能护理系统及方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。