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：本申请公开一种用于肥胖症患者的护理监测系统及方法，涉及护理监测领域。其能够通过肥胖症患者佩戴的智能手环或手表实时监测肥胖症患者的心率、血压、血氧等生命体征，并记录他们的卡路里消耗量等运动数据，然后，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肥胖症患者的生命体征数据和运动数据进行时序分析和协同关联，以利用患者的运动能量消耗时序变化特征来约束生命体征时序语义的表达，从而利用肥胖症患者的生命体征和能量消耗动态协同情况来综合进行护理和治疗方案的调整，包括饮食方案调整、运动计划调整、睡眠改善建议等。

主权项：1.一种用于肥胖症患者的护理监测系统，其特征在于，包括：患者对象数据采集模块，用于通过智能手环采集被监测肥胖症患者对象的生命体征数据的时间序列和运动数据的时间序列，其中，所述生命体征数据包括心率值、血压值和血氧值，所述运动数据为卡路里消耗量；生命体征联合嵌入编码模块，用于对所述生命体征数据的时间序列中的各个生命体征数据进行基于全连接层的嵌入编码处理以得到生命体征联合嵌入编码向量的时间序列；能量消耗局部时序特征提取模块，用于对所述运动数据的时间序列进行局部时序关联编码以得到能量消耗局部时序关联隐含编码向量的序列，其中，所述能量消耗局部时序特征提取模块，用于：将所述运动数据的时间序列输入基于1D-CNN模型的序列编码器以得到所述能量消耗局部时序关联隐含编码向量的序列；能量消耗引导约束生命体征时序优化表征模块，用于将所述生命体征联合嵌入编码向量的时间序列和所述能量消耗局部时序关联隐含编码向量的序列通过基于序列间自适应相关性的交互优化模块以得到能量消耗引导约束下生命体征时序语义优化特征向量的序列；能量消耗引导约束生命体征全时域表征模块，用于对所述能量消耗引导约束下生命体征时序语义优化特征向量的序列进行基于全时域的序列编码以得到能量消耗引导下生命体征全时域时序表征向量，其中，所述能量消耗引导约束生命体征全时域表征模块，用于：将所述能量消耗引导约束下生命体征时序语义优化特征向量的序列通过基于Bi-LSTM模型的序列编码器以得到所述能量消耗引导下生命体征全时域时序表征向量；患者护理方案调整模块，用于基于所述能量消耗引导下生命体征全时域时序表征向量，生成患者护理调整方案，其中，所述患者护理方案调整模块，用于：将所述能量消耗引导下生命体征全时域时序表征向量通过基于AIGC的方案调整器以生成患者护理调整方案；其中，所述基于序列间自适应相关性的交互优化模块，包括：语义关联单元，用于计算所述生命体征联合嵌入编码向量的时间序列和所述能量消耗局部时序关联隐含编码向量的序列中的各个生命体征联合嵌入编码向量和各个能量消耗局部时序关联隐含编码向量之间的语义关联度以得到生命体征-能量消耗时序细粒度语义关联矩阵，具体计算公式如下： ； ； ；其中，V'为所述生命体征联合嵌入编码向量的时间序列，为所述生命体征联合嵌入编码向量的时间序列中的各个生命体征联合嵌入编码向量，k为所述生命体征联合嵌入编码向量的时间序列中向量的个数，U'为所述能量消耗局部时序关联隐含编码向量的序列，为所述能量消耗局部时序关联隐含编码向量的序列中的各个能量消耗局部时序关联隐含编码向量，n为所述能量消耗局部时序关联隐含编码向量的序列中向量的个数，为向量的一范数，Sij为生命体征-能量消耗时序细粒度语义关联矩阵中第i,j位置的关联值；权重计算单元，用于将所述生命体征-能量消耗时序细粒度语义关联矩阵输入可学习的门控函数以得到生命体征-能量消耗时序相关性权重矩阵，具体计算公式如下： ；其中，为以e为底的自然指数运算，Wij为生命体征-能量消耗时序相关性权重矩阵中第i,j位置的权重值；点乘单元，用于以所述生命体征-能量消耗时序相关性权重矩阵作为掩码矩阵，计算所述掩码矩阵与所述生命体征-能量消耗时序细粒度语义关联矩阵之间的按位置点乘以得到掩码生命体征-能量消耗时序细粒度语义关联矩阵，具体计算公式如下：Hij=Sij*Wij；其中，Hij为掩码生命体征-能量消耗时序细粒度语义关联矩阵中第i,j位置的掩码关联值；提取单元，用于从所述掩码生命体征-能量消耗时序细粒度语义关联矩阵提取各个列向量以得到掩码生命体征-能量消耗时序细粒度语义关联矩阵列向量的序列；加权和单元，用于以所述掩码生命体征-能量消耗时序细粒度语义关联矩阵列向量的序列中的各个掩码生命体征-能量消耗时序细粒度语义关联矩阵列向量作为权重向量，分别计算所述能量消耗局部时序关联隐含编码向量的序列的按位置加权和以得到所述能量消耗引导约束下生命体征时序语义优化特征向量的序列，具体计算公式如下： ；Him为所述掩码生命体征-能量消耗时序细粒度语义关联矩阵中的第i个列向量的第m个位置的掩码关联值，为所述能量消耗局部时序关联隐含编码向量的序列中的第m个能量消耗局部时序关联隐含编码向量，为所述能量消耗引导约束下生命体征时序语义优化特征向量的序列中的第i个能量消耗引导约束下生命体征时序语义优化特征向量；其中，所述系统还包括用于对所述基于1D-CNN模型的序列编码器、所述基于序列间自适应相关性的交互优化模块、所述基于Bi-LSTM模型的序列编码器和所述基于AIGC的方案调整器进行训练的训练模块；其中，所述训练模块，包括：训练数据采集单元，用于采集训练数据，所述训练数据包括通过智能手环采集被监测肥胖症患者对象的训练生命体征数据的时间序列和训练运动数据的时间序列，其中，所述训练生命体征数据包括训练心率值、训练血压值和训练血氧值，所述训练运动数据为训练卡路里消耗量；训练生命体征联合嵌入编码单元，用于对所述训练生命体征数据的时间序列中的各个训练生命体征数据进行基于全连接层的嵌入编码处理以得到训练生命体征联合嵌入编码向量的时间序列；训练能量消耗局部时序特征提取单元，用于将所述训练运动数据的时间序列输入所述基于1D-CNN模型的序列编码器以得到训练能量消耗局部时序关联隐含编码向量的序列；训练能量消耗引导约束生命体征时序优化表征单元，用于将所述训练生命体征联合嵌入编码向量的时间序列和所述训练能量消耗局部时序关联隐含编码向量的序列通过所述基于序列间自适应相关性的交互优化模块以得到训练能量消耗引导约束下生命体征时序语义优化特征向量的序列；训练能量消耗引导约束生命体征全时域表征单元，用于将所述训练能量消耗引导约束下生命体征时序语义优化特征向量的序列通过基于Bi-LSTM模型的序列编码器以得到训练能量消耗引导下生命体征全时域时序表征向量；损失计算单元，用于计算所述训练能量消耗引导下生命体征全时域时序表征向量的预定损失函数以得到能量消耗引导下生命体征全时域时序损失函数；损失训练单元，用于基于所述能量消耗引导下生命体征全时域时序损失函数对所述基于1D-CNN模型的序列编码器、所述基于序列间自适应相关性的交互优化模块、所述基于Bi-LSTM模型的序列编码器和所述基于AIGC的方案调整器进行训练；其中，采用如下损失计算公式计算所述训练能量消耗引导下生命体征全时域时序表征向量的预定损失函数以得到所述能量消耗引导下生命体征全时域时序损失函数： ； ；其中，V为所述训练能量消耗引导下生命体征全时域时序表征向量，Mμ和Mσ分别为第一能量消耗引导下生命体征全时域时序权重矩阵和第二能量消耗引导下生命体征全时域时序权重矩阵，Mμi,j和Mσi,j分别为所述第一能量消耗引导下生命体征全时域时序权重矩阵和所述第二能量消耗引导下生命体征全时域时序权重矩阵的第i,j位置的特征值，vi和vj分别为所述训练能量消耗引导下生命体征全时域时序表征向量的第i个特征值和第j个特征值，为矩阵乘法，为计算矩阵的Frobenius范数，α为预定权重超参数，Loss为能量消耗引导下生命体征全时域时序损失函数。

全文数据：

权利要求：

百度查询： 吉林大学 用于肥胖症患者的护理监测系统及方法