基于物联网的重症护理监测系统技术方案

本发明专利技术涉及生理监测数据处理技术领域，具体涉及一种基于物联网的重症护理监测系统

【技术实现步骤摘要】
基于物联网的重症护理监测系统


[0001]本专利技术涉及生理监测数据处理
，具体涉及一种基于物联网的重症护理监测系统
。

技术介绍

[0002]重症护理可以维持重症患者的生命功能，防止和减轻并发症，为患者的治疗提供支持
。
监测手段为物联网的穿戴式智能终端实时监测患者的体征指标数据，估测患者的生命状态，为医护人员进行患者的护理工作时提供患者的实时状况，有助于提高护理效率，降低护理成本
。
由于重症护理中患者的病情较为严重，生理指标变化情况受到病变干扰，监测数值的变化更加随机，预测的准确率较差
。
[0003]在现有技术中，采用
UKF
算法对生理指标数据进行预测，但在实际护理监测过程中，患者的各个生理指标数据环境各不相同，对于数据波动的容许情况存在差异，导致
UKF
的
sigma
点代表的当前时刻数据的影响情况并未综合数据自身的波动情况，对生理监测数据的预测较差，无法对患者的状态准确的评价
。

技术实现思路

[0004]为了解决未能确定合适的
sigma
点，导致预测结果较差的技术问题，本专利技术的目的在于提供一种基于物联网的重症护理监测系统，所采用的技术方案具体如下：本专利技术提出了一种基于物联网的重症护理监测系统，包括存储器
、
处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现以下步骤：获取每个患者在当前时刻的生理监测数据，根据每个时刻的所述生理监测数据构建的系统状态向量，利用
UKF
算法获得当前时刻的待测
sigma
点集合；获取当前时刻的历史范围内所有时刻的待测
sigma
点中每个维度下的描述元素，构建每个维度的描述元素曲线；根据每个维度的所述描述元素曲线中当前时刻下的所述描述元素的变化特征获得多个观测值序列；根据每个所述观测值序列中的时间特征获得当前时刻下每个维度的局部数据波动区间；将局部数据波动区间作为待分析时间段，根据待分析时间段所有时刻的所述系统状态向量中每个维度对应的生理监测数据的变化和分布特征，获得对应每个时刻的第一体征稳定性评价；根据当前时刻下每个维度的在待测
sigma
点中的描述元素范围和所述第一体征稳定性评价获得当前时刻下每个维度对应的描述元素变化权值；根据当前时刻下所有维度对应的所述描述元素变化权值和所述描述元素获得当前时刻的加权
sigma
点；根据当前时刻的所述加权
sigma
点获得下一时刻的预测状态向量；根据所述预测状态向量对患者的异常状态进行监测
。
[0005]进一步地，所述待测
sigma
点集合的获取方法包括：
将当前时刻的历史范围内所有时刻的所述生理监测数据和当前时刻的所述系统状态向量作为
UKF
算法的输入，获得当前时刻的待测
sigma
点集合
。
[0006]进一步地，所述观测值序列的获取方法包括：通过
AMPD
算法获得所有时刻下每个维度下描述元素的极大值；以每个描述元素的所述极大值点作为分段点把整个描述元素序列进行分段，获得多个序列段，作为对应的观测值序列
。
[0007]进一步地，所述局部数据波动区间的获取方法包括：筛选出所述观测值序列中最接近当前时刻的位置时刻，所述位置时刻到当前时刻的时间区间作为当前时刻下每个维度的局部数据波动区间
。
[0008]进一步地，所述第一体征稳定性评价的获取方法包括：根据体征稳定性评价的获取公式获得体征稳定性评价，体征稳定性评价的获取公式包括：；其中，表示第时刻下，第个维度的第一体征稳定性评价；表示第个维度下第个生理监测数据；表示待分析时间段内，第个维度下所有生理监测数据的均值；表示待分析时间段内，第个维度下所有生理监测数据的数值标准差；表示归一化函数
。
[0009]进一步地，所述描述元素变化权值的获取方法包括：基于局部数据波动区间中的所有时刻对应的所述描述元素范围将当前时刻下对应的描述元素范围进行归一化，获得第一归一化值；将当前时刻与对应的所有历史时刻组成的时间段作为待分析时间段，获得每个时刻的第二体征稳定性评价，根据所有第二体征稳定性评价的值域范围将第一体征稳定性评价归一化，获得第二归一化值；并将第二归一化值进行负相关映射，与所述第一归一化值相加，获得描述元素变化权值
。
[0010]进一步地，所述加权
sigma
点的获取方法包括：计算每个维度的所述描述元素变化权值和所述描述元素的乘积，获得每个维度的加权描述元素；将所有维度的加权描述元素对应替换掉待测
sigma
点的描述元素，获得当前时刻下的加权
sigma
点
。
[0011]进一步地，所述根据所述预测状态向量对患者的异常状态进行监测包括：获取每个生理监测数据对应的先验最大紧急数值与先验最小紧急数值；依据所述系统状态向量中每个数据维度的顺序，将所有生理监测数据对应的所述先验最大紧急数值构成最大紧急监测向量，将所有生理监测数据对应的所述先验最小紧急数值构成最小紧急监测向量；计算下一时刻的所述预测状态向量与所述最大紧急监测向量的余弦相似性，获得最大向量夹角余弦值；计算下一时刻的所述预测状态向量与所述最小紧急监测向量的余弦相似性，获得最小向量夹角余弦值；若所述最大向量夹角余弦值和所述最小向量夹角余弦值中至少有一个大于预设阈值，患者处于异常状态
。
[0012]进一步地，所述将第二归一化值进行负相关映射的方法为对所述第二归一化值求
相反
。
[0013]进一步地，所述预设阈值为
0.75。
[0014]本专利技术具有如下有益效果：本专利技术获取每个患者在当前时刻的生理监测数据，根据每个时刻的生理监测数据构建的系统状态向量，利用
UFK
算法获得当前时刻的待测
sigma
点集合，分析每一状态估计下可能的状态变化范围；为了判断生理监测数据对应的体征稳定情况，根据当前时刻的历史范围内所有其他时刻的系统状态向量中每个维度的生理监测数据的变化和分布特征，获得当前时刻下每个维度的体征稳定性评价；进而获得当前时刻的体征稳定性向量，可以全局性地了解当前时刻体征的整体稳定性；根据当前时刻下每个维度的描述元素的变化特征获得观测值序列；获得当前时刻下每个维度的局部数据波动区间，更好地了解系统状态的变化趋势；根据当前时刻下每个维度的局部数据波动区间内描述元素和每个观测值序列的体征稳定性评价获得当前时刻下每个维度对应的描述元素变化权值；结合描述元素获得当前时刻的加权
sigma
点，优化
UKF
滤波器性能，获得下一时刻的预测状态向量；对患者的异常状态进行监测
。
本专利技术通本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于物联网的重症护理监测系统，包括存储器
、
处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现以下步骤：获取每个患者在当前时刻的生理监测数据，根据每个时刻的所述生理监测数据构建的系统状态向量，利用
UKF
算法获得当前时刻的待测
sigma
点集合；获取当前时刻的历史范围内所有时刻的待测
sigma
点中每个维度下的描述元素，构建每个维度的描述元素曲线；根据每个维度的所述描述元素曲线中当前时刻下的所述描述元素的变化特征获得多个观测值序列；根据每个所述观测值序列中的时间特征获得当前时刻下每个维度的局部数据波动区间；将局部数据波动区间作为待分析时间段，根据待分析时间段所有时刻的所述系统状态向量中每个维度对应的生理监测数据的变化和分布特征，获得对应每个时刻的第一体征稳定性评价；根据当前时刻下每个维度的在待测
sigma
点中的描述元素范围和所述第一体征稳定性评价获得当前时刻下每个维度对应的描述元素变化权值；根据当前时刻下所有维度对应的所述描述元素变化权值和所述描述元素获得当前时刻的加权
sigma
点；根据当前时刻的所述加权
sigma
点获得下一时刻的预测状态向量；根据所述预测状态向量对患者的异常状态进行监测
。2.
根据权利要求1所述的一种基于物联网的重症护理监测系统，其特征在于，所述待测
sigma
点集合的获取方法包括：将当前时刻的历史范围内所有时刻的所述生理监测数据和当前时刻的所述系统状态向量作为
UKF
算法的输入，获得当前时刻的待测
sigma
点集合
。3.
根据权利要求1所述的一种基于物联网的重症护理监测系统，其特征在于，所述观测值序列的获取方法包括：通过
AMPD
算法获得所有时刻下每个维度下描述元素的极大值；以每个描述元素的所述极大值点作为分段点把整个描述元素序列进行分段，获得多个序列段，作为对应的观测值序列
。4.
根据权利要求1所述的一种基于物联网的重症护理监测系统，其特征在于，所述局部数据波动区间的获取方法包括：筛选出所述观测值序列中最接近当前时刻的位置时刻，所述位置时刻到当前时刻的时间区间作为当前时刻下每个维度的局部数据波动区间
。5.
根据权利要求1所述的一种基于物...

【专利技术属性】
技术研发人员：左娇，武航，周莹，
申请(专利权)人：锦恒科技大连有限公司，
类型：发明
国别省市：