远程医疗监护系统及其方法技术方案

一种远程医疗监护系统及其方法，其获取被监测对象在预定时间段内多个预定时间点的体征数据；采用基于深度学习的人工智能技术，进行所述各个体征数据参数之间的时序协同关联特征信息的充分表达，以此来对于目标对象的身体状态进行实时准确地监测，从而提高远程医疗监护的准确性和时效性，为远程医疗提供了更好的技术支持。的技术支持。的技术支持。

【技术实现步骤摘要】
远程医疗监护系统及其方法


[0001]本申请涉及智能化监护
，并且更具体地，涉及一种远程医疗监护系统及其方法。

技术介绍

[0002]随着社会压力的增大和视频隐患的存在，越来越多的人患有慢性疾病，需要长期监护身体状况的人群只增不减。然而，经常去医院的监护方式较为不便，因此需要远程医疗监控系统来缓解这个问题。但是，现有的医疗健康监测系统存在着监护设备功能单一、信息滞后等问题，导致监护信息不准确。
[0003]因此，期望一种优化的远程医疗监护系统，以提高远程医疗监护的准确性和时效性，为远程医疗提供了更好的技术支持。

技术实现思路

[0004]为了解决上述技术问题，提出了本申请。本申请的实施例提供了一种远程医疗监护系统及其方法，其获取被监测对象在预定时间段内多个预定时间点的体征数据；采用基于深度学习的人工智能技术，进行所述各个体征数据参数之间的时序协同关联特征信息的充分表达，以此来对于目标对象的身体状态进行实时准确地监测，从而提高远程医疗监护的准确性和时效性，为远程医疗提供了更好的技术支持。
[0005]第一方面，提供了一种远程医疗监护系统，其包括：数据采集模块，用于获取被监测对象在预定时间段内多个预定时间点的体征数据，其中，所述体征数据包括血压参数、血糖参数、血氧参数、胎心参数和心电参数；数据参数全时序排列模块，用于将所述多个预定时间点的体征数据按照时间维度和样本维度排列为全参数全时序输入矩阵；空间注意力特征提取模块，用于将所述全参数全时序输入矩阵通过使用空间注意力机制的卷积神经网络模型以得到参数间时序关联特征矩阵；矩阵切分模块，用于将所述参数间时序关联特征矩阵进行特征矩阵切分以得到多个参数间时序子特征矩阵；全局关联编码模块，用于将所述多个参数间时序子特征矩阵通过包含嵌入层的上下文编码器以得到分类特征向量；以及身体状态检测模块，用于将所述分类特征向量通过分类器以得到分类结果，所述分类结果用于表示被监控对象的身体状态是否异常。
[0006]在上述远程医疗监护系统中，所述数据参数全时序排列模块，包括：行向量排列单元，用于将所述多个预定时间点的体征数据分别按照时间维度排列为用全参数输入行向量；以及，二维矩阵化单元，用于将所述全参数输入行向量按照样本维度进行二维排列以得到所述全参数全时序输入矩阵。
[0007]在上述远程医疗监护系统中，所述空间注意力特征提取模块，用于：所述使用空间注意力机制的卷积神经网络模型的各层在层的正向传递过程中对输入数据分别进行：对输入数据进行卷积处理以生成卷积特征图；对所述卷积特征图进行池化处理以生成池化特征图；对所述池化特征图进行非线性激活以生成激活特征图；计算所述激活特征图的各个位
置沿通道维度的均值以生成空间特征矩阵；计算所述空间特征矩阵中各个位置的类Softmax函数值以获得空间得分矩阵；以及，计算所述空间特征矩阵和所述空间得分矩阵的按位置点乘以获得特征矩阵；其中，所述使用空间注意力机制的卷积神经网络模型的最后一层输出的所述特征矩阵为所述参数间时序关联特征矩阵。
[0008]在上述远程医疗监护系统中，所述全局关联编码模块，包括：上下文编码单元，用于将所述多个参数间时序子特征矩阵通过所述包含嵌入层的上下文编码器以得到多个上下文参数间时序子特征向量；矩阵展开单元，用于将所述多个参数间时序子特征矩阵进行矩阵展开以得到多个参数间时序子特征向量；特征优化单元，用于融合所述多个参数间时序子特征向量和所述多个上下文参数间时序子特征向量以得到多个优化上下文参数间时序子特征向量；以及，级联单元，用于将所述多个优化上下文参数间时序子特征向量进行级联以得到所述分类特征向量。
[0009]在上述远程医疗监护系统中，所述上下文编码单元，包括：矩阵展开子单元，用于将所述多个参数间时序子特征矩阵展开为多个参数间时序子特征向量；向量构造子单元，用于将所述多个参数间时序子特征向量进行一维排列以得到参数间全局特征向量；自注意子单元，用于计算所述参数间全局特征向量与所述多个参数间时序子特征向量中各个参数间时序子特征向量的转置向量之间的乘积以得到多个自注意力关联矩阵；标准化子单元，用于分别对所述多个自注意力关联矩阵中各个自注意力关联矩阵进行标准化处理以得到多个标准化后自注意力关联矩阵；关注度计算子单元，用于将所述多个标准化后自注意力关联矩阵中各个标准化后自注意力关联矩阵通过Softmax分类函数以得到多个概率值；以及，注意力施加子单元，用于分别以所述多个概率值中各个概率值作为权重对所述多个参数间时序子特征向量中各个参数间时序子特征向量进行加权以得到所述多个上下文参数间时序子特征向量。
[0010]在上述远程医疗监护系统中，所述特征优化单元，用于：以如下优化公式对所述参数间时序子特征向量和对应的所述上下文参数间时序子特征向量进行局部序列语义的片段式富化融合以得到所述优化上下文参数间时序子特征向量；其中，所述优化公式为：，其中，是所述参数间时序子特征向量， 是所述上下文参数间时序子特征向量，是所述上下文参数间时序子特征向量的转置向量， 为所述参数间时序子特征向量和所述上下文参数间时序子特征向量之间的距离矩阵，和均为列向量，且
ꢀꢀ
是权重超参数，表示向量乘法， 表示向量加法，是所述优化上下文参数间时序子特征向量。
[0011]在上述远程医疗监护系统中，所述身体状态检测模块，包括：全连接编码单元，用于使用所述分类器的多个全连接层对所述分类特征向量进行全连接编码以得到编码分类特征向量；以及，分类单元，用于将所述编码分类特征向量通过所述分类器的Softmax分类函数以得到所述分类结果。
[0012]第二方面，提供了一种远程医疗监护方法，其包括：获取被监测对象在预定时间段
内多个预定时间点的体征数据，其中，所述体征数据包括血压参数、血糖参数、血氧参数、胎心参数和心电参数；将所述多个预定时间点的体征数据按照时间维度和样本维度排列为全参数全时序输入矩阵；将所述全参数全时序输入矩阵通过使用空间注意力机制的卷积神经网络模型以得到参数间时序关联特征矩阵；将所述参数间时序关联特征矩阵进行特征矩阵切分以得到多个参数间时序子特征矩阵；将所述多个参数间时序子特征矩阵通过包含嵌入层的上下文编码器以得到分类特征向量；以及将所述分类特征向量通过分类器以得到分类结果，所述分类结果用于表示被监控对象的身体状态是否异常。
[0013]在上述远程医疗监护方法中，将所述多个预定时间点的体征数据按照时间维度和样本维度排列为全参数全时序输入矩阵，包括：将所述多个预定时间点的体征数据分别按照时间维度排列为用全参数输入行向量；以及，将所述全参数输入行向量按照样本维度进行二维排列以得到所述全参数全时序输入矩阵。
[0014]在上述远程医疗监护方法中，将所述全参数全时序输入矩阵通过使用空间注意力机制的卷积神经网络模型以得到参数间时序关联特征矩阵，包括：所述使用空间注意力机制的卷积神经网络模型的各层在层的正向传递过程中对输入数据分别进行：对输入数据进行卷积处理以生成卷积特征图；对所述卷本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种远程医疗监护系统，其特征在于，包括：数据采集模块，用于获取被监测对象在预定时间段内多个预定时间点的体征数据，其中，所述体征数据包括血压参数、血糖参数、血氧参数、胎心参数和心电参数；数据参数全时序排列模块，用于将所述多个预定时间点的体征数据按照时间维度和样本维度排列为全参数全时序输入矩阵；空间注意力特征提取模块，用于将所述全参数全时序输入矩阵通过使用空间注意力机制的卷积神经网络模型以得到参数间时序关联特征矩阵；矩阵切分模块，用于将所述参数间时序关联特征矩阵进行特征矩阵切分以得到多个参数间时序子特征矩阵；全局关联编码模块，用于将所述多个参数间时序子特征矩阵通过包含嵌入层的上下文编码器以得到分类特征向量；以及身体状态检测模块，用于将所述分类特征向量通过分类器以得到分类结果，所述分类结果用于表示被监控对象的身体状态是否异常。2.根据权利要求1所述的远程医疗监护系统，其特征在于，所述数据参数全时序排列模块，包括：行向量排列单元，用于将所述多个预定时间点的体征数据分别按照时间维度排列为用全参数输入行向量；以及二维矩阵化单元，用于将所述全参数输入行向量按照样本维度进行二维排列以得到所述全参数全时序输入矩阵。3.根据权利要求2所述的远程医疗监护系统，其特征在于，所述空间注意力特征提取模块，用于：所述使用空间注意力机制的卷积神经网络模型的各层在层的正向传递过程中对输入数据分别进行：对输入数据进行卷积处理以生成卷积特征图；对所述卷积特征图进行池化处理以生成池化特征图；对所述池化特征图进行非线性激活以生成激活特征图；计算所述激活特征图的各个位置沿通道维度的均值以生成空间特征矩阵；计算所述空间特征矩阵中各个位置的类Softmax函数值以获得空间得分矩阵；以及计算所述空间特征矩阵和所述空间得分矩阵的按位置点乘以获得特征矩阵；其中，所述使用空间注意力机制的卷积神经网络模型的最后一层输出的所述特征矩阵为所述参数间时序关联特征矩阵。4.根据权利要求3所述的远程医疗监护系统，其特征在于，所述全局关联编码模块，包括：上下文编码单元，用于将所述多个参数间时序子特征矩阵通过所述包含嵌入层的上下文编码器以得到多个上下文参数间时序子特征向量；矩阵展开单元，用于将所述多个参数间时序子特征矩阵进行矩阵展开以得到多个参数间时序子特征向量；特征优化单元，用于融合所述多个参数间时序子特征向量和所述多个上下文参数间时序子特征向量以得到多个优化上下文参数间时序子特征向量；以及级联单元，用于将所述多个优化上下文参数间时序子特征向量进行级联以得到所述分类特征向量。5.根据权利要求4所述的远程医疗监护系统，其特征在于，所述上下文编码单元，包括：矩阵展开子单元，用于将所述多个参数间时序子特征矩阵展开为多个参数间时序子特征向量；向量构造子单元，用于将所述多个参数间时序子特征向量进行一维排列以得到参数间全局特征向量；自注意子单元，用于计算所述参数间全局特征向量与所述多个参数间时序子特征向量中各个参数间时序子特征向量的转置向量之间的乘积以得到多个自注意力关联矩阵；标准化子单元，用于分别对所述多个自注意力关联矩阵中各个自注意力关联矩阵进行标准化处理以得到多个标准化后自注意力关联矩阵；关注度计算子单元，用于将所述多个标准化后自注意力关联...

【专利技术属性】
技术研发人员：郑栋，
申请(专利权)人：杭州医锐联科技有限公司，
类型：发明
国别省市：