【技术实现步骤摘要】
本申请涉及慢性病的智能管理领域，且更为具体地，涉及一种基于智能ai的慢性病患者管理系统及方法。
技术介绍
1、慢性病患者数据的处理需要从数据采集、存储和管理、数据分析、数据可视化以及随访和监测等方面进行综合考虑，以实现更好地管理和治疗慢性病患者。
2、支气管扩张是一种常见的慢性病，对支气管扩张患者的数据进行处理和分析具有重要意义，有利于医院了解患者的病情和病情发展趋势，从而制定个性化的治疗和预防干预方案。这有助于改善患者的健康状况，减少病情的进展和并发症的发生。
3、目前，现有的支气管扩张患者数据处理方法主要依据医学影像和化验报告等数据进行支气管扩张患者的病情诊断。然而，患者的临床症状和生活环境等因素也会对病情产生影响，这些因素在现有方法中往往被忽视，导致病情诊断结果具有片面性。为了更好地应对这些问题，需要进一步发展和完善支气管扩张患者数据的处理方法，以实现更精准、全面和个性化的诊疗服务。
4、因此，期待一种基于智能ai的慢性病患者管理系统及方法，通过对支气管扩张患者的ct扫描图像、临床症状数据以及生活空气环境数据进行综合性分析，判断出患者支气管扩张的程度，以实现更精准和个性化的诊疗服务。
技术实现思路
1、为了解决上述技术问题，提出了本申请。
2、根据本申请的第一方面，提供了一种基于智能ai的慢性病患者管理系统，其包括：
3、支气管扩张患者数据采集模块，用于采集待检测支气管扩张患者的ct扫描图像、待检测支气管扩张患者的临
4、支气管扩张患者特征提取模块，用于分别对所述待检测支气管扩张患者的ct扫描图像、所述待检测支气管扩张患者的临床症状数据以及所述待检测支气管扩张患者的生活空气环境数据进行提取和分析以得到ct扫描全局特征图以及临床症状-空气环境关联特征图；
5、支气管扩张患者特征融合模块，用于将所述ct扫描全局特征图以及所述临床症状-空气环境关联特征图进行融合以得到支气管扩张患者分类特征图；
6、支气管扩张患者特征优化模块，用于对所述支气管扩张患者分类特征图进行流形超凸兼容性衍生表示优化以得到优化支气管扩张患者分类特征图；
7、支气管扩张患者分类结果生成模块，用于基于所述优化支气管扩张患者分类特征图，以得到分类结果;
8、其中，所述支气管扩张患者特征优化模块，用于：以如下公式对所述支气管扩张患者分类特征图进行流形超凸兼容性衍生表示优化以得到优化支气管扩张患者分类特征图；
9、其中，所述公式为：
10、；
11、；
12、其中，表示所述支气管扩张患者分类特征图的位置的特征值，、和分别表示所述支气管扩张患者分类特征图的宽度、高度和通道数，表示1到的自然数集合，表示1到的自然数集合，表示1到的自然数集合，表示以2为底的对数函数值，表示所述优化支气管扩张患者分类特征图的的特征值。
13、在上述基于智能ai的慢性病患者管理系统中，所述支气管扩张患者特征提取模块，包括：ct扫描特征获取单元，用于对所述待检测支气管扩张患者的ct扫描图像进行卷积编码以得到所述ct扫描全局特征图；临床症状特征获取单元，用于对所述待检测支气管扩张患者的临床症状数据进行卷积编码以得到临床症状特征向量；生活空气环境特征获取单元，用于对所述待检测支气管扩张患者的生活空气环境数据进行卷积编码以得到生活空气环境特征向量；关联特征获取单元，用于将所述临床症状特征向量和所述生活空气环境特征向量进行融合以得到所述临床症状-空气环境关联特征图。
14、在上述基于智能ai的慢性病患者管理系统中，所述ct扫描特征获取单元，包括：ct扫描局部特征获取子单元，用于将所述待检测支气管扩张患者的ct扫描图像通过基于深浅特征融合模块的ct扫描特征提取器以得到ct扫描局部特征图；ct扫描全局特征获取子单元，用于将所述ct扫描局部特征图通过基于非局部神经网络模型的ct扫描全局特征提取模块以得到ct扫描全局特征图。
15、在上述基于智能ai的慢性病患者管理系统中，所述临床症状特征获取单元，包括：临床症状数据嵌入编码子单元，用于对所述待检测支气管扩张患者的临床症状数据进行词嵌入编码以得到一维临床症状向量；临床症状特征提取子单元，用于将所述一维临床症状向量通过多尺度临床特征提取模块以得到所述临床症状特征向量。
16、在上述基于智能ai的慢性病患者管理系统中，所述生活空气环境特征获取单元，包括：生活空气环境数据排列子单元，用于将所述待检测支气管扩张患者的生活空气环境数据排列为一维生活空气环境输入向量；生活空气环境特征提取子单元，用于将所述一维生活空气环境输入向量通过基于第一卷积神经网络模型的环境特征提取模块以得到所述生活空气环境特征向量。
17、在上述基于智能ai的慢性病患者管理系统中，所述关联特征获取单元，包括：特征相乘子单元，用于将所述临床症状特征向量以及所述生活空气环境特征向量的转置进行相乘，以得到临床症状-空气环境特征矩阵；关联特征获取子单元，用于将所述临床症状-空气环境特征矩阵通过基于第二卷积神经网络模型的关联特征提取模块以得到所述临床症状-空气环境关联特征图。
18、在上述基于智能ai的慢性病患者管理系统中，所述支气管扩张患者特征融合模块，包括：特征融合单元，用于将所述ct扫描全局特征图和所述临床症状-空气环境关联特征图进行特征融合以得到支气管扩张患者综合特征图；综合特征获取单元，用于将所述支气管扩张患者综合特征图通过基于三维卷积神经网络模型的患者特征提取模块以得到支气管扩张患者分类特征图。
19、在上述基于智能ai的慢性病患者管理系统中，所述分类结果用于表示待检测支气管扩张患者为轻度扩张、中度扩张或者重度扩张。
20、根据本申请的第二方面，提供了一种基于智能ai的慢性病患者管理方法，其包括：
21、采集待检测支气管扩张患者的ct扫描图像、待检测支气管扩张患者的临床症状数据以及待检测支气管扩张患者的生活空气环境数据，其中，所述临床症状数据包括支气管扩张患者的咳嗽、咳痰、气促、体温、呼吸频率以及心率；
22、分别对所述待检测支气管扩张患者的ct扫描图像、所述待检测支气管扩张患者的临床症状数据以及所述待检测支气管扩张患者的生活空气环境数据进行提取和分析以得到ct扫描全局特征图以及临床症状-空气环境关联特征图；
23、将所述ct扫描全局特征图以及所述临床症状-空气环境关联特征图进行融合以得到支气管扩张患者分类特征图；
24、对所述支气管扩张患者分类特征图进行流形超凸兼容性衍生表示优化以得到优化支气管扩张患者分类特征图；
25、基于所述优化支气管扩张患者分类特征图，以得到分类结果；
26、其中，对所述支气管扩张患者分本文档来自技高网...
【技术保护点】
1.一种基于智能AI的慢性病患者管理系统，其特征在于，包括：
2.根据权利要求1所述的基于智能AI的慢性病患者管理系统，其特征在于，所述支气管扩张患者特征提取模块，包括：
3.根据权利要求2所述的基于智能AI的慢性病患者管理系统，其特征在于，所述CT扫描特征获取单元，包括：
4.根据权利要求3所述的基于智能AI的慢性病患者管理系统，其特征在于，所述临床症状特征获取单元，包括：
5.根据权利要求4所述的基于智能AI的慢性病患者管理系统，其特征在于，所述生活空气环境特征获取单元，包括：
6.根据权利要求5所述的基于智能AI的慢性病患者管理系统，其特征在于，所述关联特征获取单元，包括：
7.根据权利要求6所述的基于智能AI的慢性病患者管理系统，其特征在于，所述支气管扩张患者特征融合模块，包括：
8.根据权利要求7所述的基于智能AI的慢性病患者管理系统，其特征在于，所述支气管扩张患者分类结果生成模块，用于：将所述优化支气管扩张患者分类特征图通过分类器以得到分类结果。
9.根据权利要求8所述的基
10.一种基于智能AI的慢性病患者管理方法，其特征在于,包括：
...【技术特征摘要】
1.一种基于智能ai的慢性病患者管理系统，其特征在于，包括：
2.根据权利要求1所述的基于智能ai的慢性病患者管理系统，其特征在于，所述支气管扩张患者特征提取模块，包括：
3.根据权利要求2所述的基于智能ai的慢性病患者管理系统，其特征在于，所述ct扫描特征获取单元，包括：
4.根据权利要求3所述的基于智能ai的慢性病患者管理系统，其特征在于，所述临床症状特征获取单元，包括：
5.根据权利要求4所述的基于智能ai的慢性病患者管理系统，其特征在于，所述生活空气环境特征获取单元，包括：
6.根据权利要求5所述的基于智能ai的慢性病患...
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。