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：本申请提供了一种淋巴水肿肢体体积测量数据管理系统及方法，涉及智能数据分析领域，其采用基于AI的数据分析和处理技术来分别对被监测淋巴水肿肢体患者的淋巴水肿肢体体积数据和治疗数据进行局部时序特征提取、语义推理和语义融合，以此根据所述肢体体积数据和所述治疗数据之间的语义交互融合特征来自动地判断患者的淋巴水肿肢体的体积是否存在异常，并产生相应的预警。这样，能够实现自动化的肢体体积异常检测和预警功能，减少因医生主观经验导致的误判，提升了淋巴水肿肢体体积评估的客观程度和准确程度。

主权项：1.一种淋巴水肿肢体体积测量数据管理系统，其特征在于，包括：患者淋巴水肿肢体体积数据获取模块，用于获取被监测淋巴水肿肢体患者的淋巴水肿肢体体积数据的时间序列；患者淋巴水肿肢体治疗数据获取模块，用于获取所述被监测淋巴水肿肢体患者的治疗数据，所述治疗数据包括物理治疗数据和药物治疗数据；肢体体积时序特征提取模块，用于将所述淋巴水肿肢体体积数据的时间序列排列为淋巴水肿肢体体积时序输入向量后输入淋巴水肿肢体体积时序模式特征提取器以得到肢体体积局部时序模式特征向量的序列；肢体体积时序特征语义推理模块，用于将所述肢体体积局部时序模式特征向量的序列通过基于节点能量衰减机制的肢体体积时序节点语义传播推理器以得到肢体体积时序语义传播推理特征向量；治疗数据多模态融合模块，用于对所述被监测淋巴水肿肢体患者的治疗数据进行语义编码以得到物理治疗数据语义编码特征向量和药物治疗数据语义编码特征向量后，融合所述物理治疗数据语义编码特征向量和所述药物治疗数据语义编码特征向量以得到治疗多模态语义融合特征向量；治疗多模态-肢体体积语义特征融合模块，用于将所述治疗多模态语义融合特征向量和所述肢体体积时序语义传播推理特征向量通过基于双向注意力网络的动态特征选择交互融合模块以得到治疗多模态语义-肢体体积时序推理语义动态选择交互融合特征向量作为治疗多模态语义-肢体体积时序推理语义动态选择交互融合特征；异常检测结果生成模块，用于基于所述治疗多模态语义-肢体体积时序推理语义动态选择交互融合特征，得到异常检测结果，并基于所述异常检测结果，产生相应的预警提示信号给医护人员；其中，所述肢体体积时序特征提取模块，包括：淋巴水肿肢体体积数据结构化单元，用于将所述淋巴水肿肢体体积数据的时间序列按照时间维度排列为所述淋巴水肿肢体体积时序输入向量；淋巴水肿肢体体积局部时序特征生成单元，用于将所述淋巴水肿肢体体积时序输入向量输入基于1D卷积神经网络模型的淋巴水肿肢体体积时序模式特征提取器以得到所述肢体体积局部时序模式特征向量的序列；其中，所述肢体体积时序特征语义推理模块，包括：肢体体积局部时序模式特征能量统计范式值计算单元，用于基于所述肢体体积局部时序模式特征向量的序列中的各个肢体体积局部时序模式特征向量的最大值、平均值和方差，来计算所述各个肢体体积局部时序模式特征向量的能量统计范式值以得到肢体体积局部时序模式能量统计范式值的序列，其中，将所述肢体体积局部时序模式能量统计范式值的序列中当前的肢体体积局部时序模式特征向量对应的能量统计范式值作为当前节点能量统计范式值且将其它能量统计范式值作为历史节点能量统计范式值以得到当前肢体体积局部时序模式能量统计范式值和历史肢体体积局部时序模式能量统计范式值的序列；肢体体积局部时序模式节点传播空间跨度值计算单元，用于统计所述肢体体积局部时序模式特征向量的序列中的各个其它肢体体积局部时序模式特征向量与当前肢体体积局部时序模式特征向量之间的节点传播空间跨度值以得到肢体体积局部时序模式传播空间跨度值的序列；肢体体积局部时序模式能量传播衰减系数值计算单元，用于基于所述肢体体积局部时序模式传播空间跨度值的序列和所述历史肢体体积局部时序模式能量统计范式值的序列，确定所述肢体体积局部时序模式特征向量的序列中的其它各个肢体体积局部时序模式特征向量的能量传播衰减系数值以得到肢体体积局部时序模式能量传播衰减系数值的序列，其中，所述肢体体积局部时序模式能量传播衰减系数值与所述历史肢体体积局部时序模式能量统计范式值成反相关关系；肢体体积局部时序模式特征加权单元，用于以所述肢体体积局部时序模式能量传播衰减系数值的序列作为权重序列，计算所述肢体体积局部时序模式特征向量的序列中的其它所有肢体体积局部时序模式特征向量的序列之间的加权和以得到历史肢体体积局部时序模式能量衰减时序聚合特征向量；肢体体积局部时序模式传播推理单元，用于融合所述当前肢体体积局部时序模式能量统计范式值来计算所述历史肢体体积局部时序模式能量衰减时序聚合特征向量和所述当前肢体体积局部时序模式特征向量的加权和以得到所述肢体体积时序语义传播推理特征向量；其中，所述肢体体积局部时序模式特征能量统计范式值计算单元，用于：提取所述肢体体积局部时序模式特征向量的最大值以得到肢体体积局部时序模式特征最大值；分别计算所述肢体体积局部时序模式特征向量的平均值和方差以得到肢体体积局部时序模式特征平均值和肢体体积局部时序模式特征方差；将所述肢体体积局部时序模式特征方差和预设超参数进行相加后得到的数值乘以四以得到肢体体积局部时序模式特征第一能量统计范式值；计算所述肢体体积局部时序模式特征最大值与所述肢体体积局部时序模式特征平均值的差值的平方以得到肢体体积局部时序模式特征差异值；将所述肢体体积局部时序模式特征方差乘以二得到的调制肢体体积局部时序模式特征方差与所述预设超参数乘以二得到的数值和所述肢体体积局部时序模式特征差异值进行相加以得到肢体体积局部时序模式特征第二能量统计范式值；将所述肢体体积局部时序模式特征第一能量统计范式值除以所述肢体体积局部时序模式特征第二能量统计范式值以得到所述肢体体积局部时序模式能量统计范式值；其中，所述肢体体积局部时序模式能量传播衰减系数值计算单元，用于：将所述肢体体积局部时序模式传播空间跨度值的序列中各个肢体体积局部时序模式传播空间跨度值与第一权重超参数相乘以得到第一加权传播空间跨度值的序列；以所述肢体体积局部时序模式传播空间跨度值的序列中各个肢体体积局部时序模式传播空间跨度值作为自然常数的指数以计算按位置的以e为底的指数函数值以得到肢体体积局部时序模式传播类支持空间跨度值的序列；将所述肢体体积局部时序模式传播类支持空间跨度值的序列中的每个肢体体积局部时序模式传播类支持空间跨度值与第二权重超参数相乘以得到第二加权传播空间跨度值的序列；计算所述第一加权传播空间跨度值的序列和所述第二加权传播空间跨度值的序列的按位置加和以得到加权总和传播空间跨度值的序列；将所述历史肢体体积局部时序模式能量统计范式值的序列与所述加权总和传播空间跨度值的序列中每组对应的历史肢体体积局部时序模式能量统计范式值与加权总和传播空间跨度值进行相除以得到所述肢体体积局部时序模式能量传播衰减系数值的序列；其中，所述治疗多模态-肢体体积语义特征融合模块，包括：肢体体积时序语义强化单元，用于基于所述治疗多模态语义融合特征向量，对所述肢体体积时序语义传播推理特征向量进行特征语义交互强化以得到包含治疗多模态语义-肢体体积时序推理语义交互信息的强化肢体体积时序语义传播推理特征向量；治疗多模态语义强化单元，用于基于所述肢体体积时序语义传播推理特征向量，对所述治疗多模态语义融合特征向量进行特征语义交互强化以得到包含肢体体积时序推理语义-治疗多模态语义交互信息的强化治疗多模态语义融合特征向量；强化治疗多模态语义-肢体体积交互融合单元，用于将所述强化肢体体积时序语义传播推理特征向量和所述强化治疗多模态语义融合特征向量进行级联处理以得到强化治疗多模态语义-肢体体积交互融合特征向量；交互信息融合响应门控值计算单元，用于将所述强化治疗多模态语义-肢体体积交互融合特征向量输入门控响应函数以得到强化治疗多模态语义-肢体体积交互信息融合响应门控值；治疗多模态语义门控调整单元，用于计算所述治疗多模态语义融合特征向量与所述强化治疗多模态语义-肢体体积交互信息融合响应门控值之间的按位置乘积以得到治疗多模态语义门控调整向量；肢体体积时序语义门控调整单元，用于计算所述肢体体积时序语义传播推理特征向量与一减去所述强化治疗多模态语义-肢体体积交互信息融合响应门控值之间的按位置乘积以得到肢体体积时序语义门控调整向量；语义动态选择交互融合单元，用于将所述治疗多模态语义门控调整向量与所述肢体体积时序语义门控调整向量进行按位置相加以得到所述治疗多模态语义-肢体体积时序推理语义动态选择交互融合特征向量；其中，所述肢体体积时序语义强化单元，用于：将第一权重矩阵与所述治疗多模态语义融合特征向量进行相乘以得到治疗多模态语义第一权重向量；将所述肢体体积时序语义传播推理特征向量分别与第二权重矩阵和第三权重矩阵进行相乘以得到肢体体积时序语义传播推理第二权重向量和肢体体积时序语义传播推理第三权重向量；计算所述治疗多模态语义第一权重向量的转置向量与所述肢体体积时序语义传播推理第二权重向量之间的乘积以得到治疗多模态-肢体体积关联值后，将所述治疗多模态-肢体体积关联值除以所述肢体体积时序语义传播推理特征向量的长度的平方根以得到治疗多模态-肢体体积权重值；将所述治疗多模态-肢体体积权重值输入softmax函数以得到治疗多模态-肢体体积激活权重值；将所述治疗多模态-肢体体积激活权重值作为权重值，对所述肢体体积时序语义传播推理第三权重向量的转置向量进行加权以得到所述包含治疗多模态语义-肢体体积时序推理语义交互信息的强化肢体体积时序语义传播推理特征向量；其中，所述交互信息融合响应门控值计算单元，用于：计算所述强化治疗多模态语义-肢体体积交互融合特征向量与参数矩阵的矩阵乘积后，再将得到的特征向量与偏置向量进行按位置相加以得到强化治疗多模态语义-肢体体积交互融合偏置特征向量；将所述强化治疗多模态语义-肢体体积交互融合偏置特征向量输入sigmoid激活函数以得到所述强化治疗多模态语义-肢体体积交互信息融合响应门控值。

全文数据：

权利要求：

百度查询： 吉林大学 淋巴水肿肢体体积测量数据管理系统及方法