【技术实现步骤摘要】
本专利技术涉及医学临床领域,公开了一种基于多生命体征数据transformer模型的spo2波形预测方法及其相关产品。
技术介绍
1、沉默性低氧血症(silent hypoxemia),是指血液中含氧不足,动脉血氧分压(pao2)低于同龄人的正常下限,主要表现为血氧分压与血氧饱和度下降,已有研究表明,spo2波形可用于判断低氧血症的发生与否。患者血氧饱和度降低不仅能够诱发、加重其他术后并发症,同时也是术后致残率、死亡率高居不下的启动因素与重要原因。目前医疗信息行业几乎没有对低氧血症数字疗法相关研究与评估。因此,提前预测患者的spo2波形,对提高患者救治率、降低患者围术期死亡率及患者远期预后具有重大意义。
2、目前针对低氧血症的临床研究主要以机器学习方法为主,具体方式为探索并发现低氧血症危险因素,采用机器学习方法,进行提前进行风险预警。transformer在近年广泛的应用在深度学习中的各个领域,如自然语言处理、语音、图像和视觉、时间序列分析等,现有技术中缺少一种spo2波形预测的方法,虽然transformer可以用于心电波
...【技术保护点】
1.一种基于多生命体征数据的SpO2波形预测方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的一种基于多生命体征数据的SpO2波形预测方法,其特征在于,所述对多生命体征原始数据进行预处理,包括以下步骤:
3.根据权利要求1所述的一种基于多生命体征数据的SpO2波形预测方法,其特征在于,所述Transformer模型中的Encoder部分采用自注意力机制提取信号内部时序特征,采用互注意力机制提取信号间的关系特征,包括以下步骤:
4.根据权利要求5所述的一种基于多生命体征数据的SpO2波形预测方法,其特征在于,所述Decoder
...【技术特征摘要】
1.一种基于多生命体征数据的spo2波形预测方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的一种基于多生命体征数据的spo2波形预测方法,其特征在于,所述对多生命体征原始数据进行预处理,包括以下步骤:
3.根据权利要求1所述的一种基于多生命体征数据的spo2波形预测方法,其特征在于,所述transformer模型中的encoder部分采用自注意力机制提取信号内部时序特征,采用互注意力机制提取信号间的关系特征,包括以下步骤:
4.根据权利要求5所述的一种基于多生命体征数据的spo2波形预测方法,其特征在于,所述decoder部分通过自注意力机制学习spo2波形的时序特征,通过多头注意力机制学习encoder输出的特征,包括以下步骤:
5.根据权利要求4所述的一种基于多生命体征数据的spo2波形预测方法,其特征在于,所述通过分离查询向量q,一部分查询向量q与键向量k自进行匹配,另一部分查询向量q采用多注意力机制对encoder中的...
【专利技术属性】
技术研发人员:舒海华,钱鹏,王昊,李思良,王翔,卢朝霞,李兆丰,侯兴盛,
申请(专利权)人:东软汉枫医疗科技有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。