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！

摘要：本发明涉及医疗领域，具体涉及一种智慧床位管理方法及系统。一种智慧床位管理系统，包括：生命体征监测数据获取模块、特征分析模块、病情预测模块、病情优先级分析模块和床位分配表重构模块。本发明通过收集患者的生物识别数据，包括脑波、呼吸和眼动信息，分析和预测患者的病情趋势，并基于病情趋势化床位分配，确保资源首先分配给最需要的患者，能够时适应病情变化和医疗资源状况的变化。

主权项：1.一种智慧床位管理方法，其特征在于，包括：步骤S1：在预设周期内，获取用户的生命体征监测数据，生命体征监测数据包括脑电波数据、呼吸数据和眼动数据；步骤S2：针对生命体征监测数据进行特征分析，以便获取生命体征特征数据，生命体征特征数据具体包括生命体征监测数据对应的脑电波特征数据、呼吸特征数据和眼动特征数据；步骤S3：将生命体征特征数据送入病情预测分析模型进行处理，输出用户对应的病情预测趋势；步骤S4：基于用户对应的病情预测趋势进行病情优先级分析；步骤S5：针对所有用户的病情优先级重构床位分配表，以执行床位管理工作；步骤S2的具体内容如下：步骤S21：对脑电波数据进行时域分析，获取脑电波时域特征数据；步骤S22：将脑电波数据通过傅里叶变换转换至频域，并进行频域分析，获取脑电波频域特征数据；步骤S23：将脑电波数据进行小波变换，再执行能量分布分析，输出脑电波能量分布数据，基于脑电波能量分布数据输出脑电波小波特征数据；步骤S24：将脑电波时域特征数据、脑电波频域特征数据和脑电波小波特征数据进行拼接，得到脑电波特征数据；步骤S25：针对呼吸数据进行统计特征提取，获取呼吸特征数据；步骤S26：针对眼动数据进行统计特征提取，获取眼动特征数据；步骤S3中的病情预测分析模型具体包括时序特征提取层、张量融合层、特征融合层和病情预测趋势输出层；其中时序特征提取层基于Transformer模型进行建立，用于对生命体征特征数据进行时序性分析，以构建用户对应的生命体征时序性特征，生命体征时序性特征包括脑电波时序性特征数据、呼吸时序性特征数据和眼动时序性特征数据，且时序特征提取层包括脑电波时序性特征提取单元、呼吸时序性特征提取单元和眼动时序性特征提取单元；张量融合层用于将生命体征时序性特征进行张量融合，以构建第一生命体征融合特征；特征融合层用于基于自注意力机制将眼动时序性特征数据与第一生命体征融合特征进行融合，以构建第二生命体征融合特征；病情预测趋势输出层基于BP神经网络进行建立，用于基于第二生命体征融合特征输出病情预测趋势；步骤S3中的将生命体征特征数据送入病情预测分析模型进行处理，输出用户对应的病情预测趋势，具体包括如下内容：在时序特征提取层中，将M个预设周期内的脑电波特征数据按照时间顺序从上至下进行拼接，构建脑电波特征图，且M为预设周期个数；将脑电波特征图送入脑电波时序性特征提取单元进行处理，输出脑电波时序性特征数据；将M个预设周期内的呼吸特征数据按照时间顺序从上至下进行拼接，构建呼吸特征图，再将呼吸特征图送入呼吸时序性特征提取单元进行处理，输出呼吸时序性特征数据；将M个预设周期内的眼动特征数据按照时间顺序从上至下进行拼接，构建眼动特征图，再将眼动特征图送入眼动时序性特征提取单元进行处理，输出眼动时序性特征数据；在张量融合层中，将脑电波时序性特征数据、呼吸时序性特征数据和眼动时序性特征数据按照通道进行拼接，再进行一次卷积操作，得到生命体征特征图，生命体征特征图的长、宽和高分别为H、W和C，然后针对生命体征特征图的不同维度执行全局平均池化操作，分别得到H维度特征图、W维度特征图和C维度特征图，且H维度特征图的大小为“1×W×C”，W维度特征图的大小为“H×1×C”，C维度特征图的大小为“H×W×1”，将H维度特征图经过softmax函数进行处理，得到H维度权重矩阵，将H维度权重矩阵与生命体征特征图的对应通道内的数据进行相乘操作，再与生命体征特征图执行相加操作后进行标准化，得到H维度调整生命体征特征图；将W维度特征图经过softmax函数进行处理，得到W维度权重矩阵，将W维度权重矩阵与H维度调整生命体征特征图的对应通道内的数据进行相乘操作，再与H维度调整生命体征特征图执行相加操作后进行标准化，得到W维度调整生命体征特征图；将C维度特征图经过softmax函数进行处理，得到C维度权重矩阵，将C维度权重矩阵与W维度调整生命体征特征图的对应通道内的数据进行相乘操作，再与W维度调整生命体征特征图执行相加操作后进行标准化，得到第一生命体征融合特征；在特征融合层中，以眼动时序性特征数据为基础构建眼动特征查询矩阵、眼动特征关键矩阵和眼动特征数值矩阵，以第一生命体征融合特征为基础构建生命体征查询矩阵、生命体征关键矩阵和生命体征数值矩阵，再以生命体征查询矩阵、眼动特征关键矩阵和眼动特征数值矩阵为基础，执行自注意力机制操作，得到生命体征-眼动注意力特征图；以眼动特征查询矩阵、生命体征关键矩阵和生命体征数值矩阵为基础，执行自注意力机制操作，得到眼动-生命特征注意力特征图；再以眼动-生命特征注意力特征图为基础构建眼动-生命特征注意力查询矩阵，以生命体征-眼动注意力特征图为基础构建生命体征-眼动注意力关键矩阵和生命体征-眼动注意力数值矩阵，再以眼动-生命特征注意力查询矩阵、生命体征-眼动注意力关键矩阵和生命体征-眼动注意力数值矩阵为基础，执行自注意力机制，得到第二生命体征融合特征；在病情预测趋势输出层中，将第二生命体征融合特征依次经过病情预测趋势输出层中的输入层、隐藏层和输出层，得到病情预测趋势。

全文数据：

权利要求：

百度查询： 武汉炎黄创新科技服务股份有限公司 一种智慧床位管理方法及系统