【技术实现步骤摘要】
本专利技术涉及病患指标检测，具体而言，涉及一种基于时间轴的患者360度指标检测方法。
技术介绍
1、随信息数据处理的发展，医疗信息系统和数据分析技术被广泛应用于医疗数据领域。以实现快速获取患者的信息，并对患者的救治过程进行实时监控等。
2、现有的医疗信息系统和数据分析技术主要通过收集和分析患者的各项生理指标数据，以及医护人员的操作数据，来对患者的救治过程进行监控。同时，这些系统还可以对患者的各项生理指标进行实时监测和预见，一旦发现异常，就会立即发出警报。这样处理可以降低医务工作者工作量并且提升数据检测的及时性，但数据的处理较为机械化，其他干扰因素造成结果不够准确，比如患者情绪等状态对体征参数造成的影响。
3、因此需要对患者数据的监测和预测进行改进，降低干扰因素造成的误差，实现更准确的患者状态监测和预测。
技术实现思路
1、本专利技术的目的在于提供一种基于时间轴的患者360度指标检测方法，其可以降低干扰因素造成的误差。
2、本专利技术的实施例通过以下技术方案实现：
3、一种基于时间轴的患者360度指标检测方法，包括以下步骤：
4、建立时间轴信息，所述时间轴信息包括时序排列的时间节点，每个时间节点内存储对应时间节点下获取的患者信息，所述患者信息包括实际患者状态、多项体征参数和患者心理状态文本；
5、对所述时间轴信息进行患者特征提取，所述患者特征包括生理特征和焦虑特征；
6、根据所述患者特征和离当前时间节
7、根据各个历史时间节点的所述实际患者状态和所述预测患者状态对时间节点进行标注。
8、优选地，所述患者信息包括通过实时检测的多项所述体征参数和通过问诊获取的所述患者心理状态文本。
9、优选地，对所述时间轴信息进行患者特征提取，获取所述焦虑特征的方法为，通过语义特征提取模块对所述患者心理状态文本进行特征提取，所述语义特征提取模块包括依次连接的向量转换层、语义提取层、注意力层和输出层。
10、优选地，所述向量转换层通过转换模型分别将时间节点的第j句所述患者心理状态文本转换为语义向量；
11、所述语义提取层通过语义识别模型分别提取所述语义向量的语义特征信息得到时间节点的第句语义输出；
12、所述注意力层获取每个所述语义输出的权重以及时间节点的注意力输出：
13、;
14、;
15、；
16、其中，为中间参数，a和分别为权重矩阵，为常数值；
17、所述输出层通过softmax函数输出对应时间节点的所述焦虑特征，所述焦虑特征包括多个焦虑状态等级。
18、优选地，所述转换模型采用word2vec模型或one-hot编码模型；所述语义识别模型采用bilstm或albert或roberta。
19、优选地，所述预测下一时间节点的预测患者状态的方法为：
20、所述多项体征参数为自第1个时间节点开始每个时间节点获取，所述患者心理状态文本为自第1个时间节点开始每x个时间节点提取一次；
21、通过所述生理特征向量m和所述焦虑特征向量n获得融合特征f：
22、，;
23、，；
24、,
25、;
26、其中，为所述生理特征向量m中的元素且代表时间点j时的所述生理特征，为所述多项体征参数形成的数组，为所述焦虑特征向量中的元素且代表时间点k时的所述焦虑特征，为当前时间节点，为划分的时间段的编号，为基于所述生理特征向量m获取的第时间段的生理综合特征，为基于所述焦虑特征向量n获取的第时间段的心理综合特征，为向下取整运算符,为和组合形成的第时间段的特征数组，多个时间段的特征数组组合在一起形成融合特征f；
27、基于离当前时间节点最近的时间节点的所述实际患者状态和所述融合特征f通过训练好的lstm网络预测下一时间节点的预测患者状态。
28、优选地，基于所述生理特向量m获取的第时间段的生理综合特征的获取方法为：
29、,，且，
30、 ;
31、；
32、；
33、其中，为所述第时间段的生理综合特征中第y个元素的值，为时间点q时的所述生理特征中第y个元素的值即第y个体征参数，为体征参数的总数，为权重。
34、优选地，基于所述焦虑特征向量n获取的第时间段的心理综合特征的获取方法为：，其中，代表时间点时的所述焦虑特征 。
35、优选地，根据各个历史时间节点的所述实际患者状态和所述预测患者状态对时间节点进行标注的方法为，通过不同颜色表征不同的患者状态。
36、优选地，每个所述时间节点还记录了病患接受的检测操作和治疗操作；
37、分别对所述检测操作和所述治疗操作进行时间节点监控，相邻两次检测操作的时间间隔大于检测时间阈值或者相邻两次治疗操作的时间间隔大于治疗时间阈值时发出警报。
38、本专利技术实施例的技术方案至少具有如下优点和有益效果：
39、本专利技术通过问诊提取文字信息，然后通过语义识别获取患者的情绪状况，将其纳入影响体征指标的考量范围，可以减少体征监测的干扰项，提升监测的可靠性和准确性；
40、本专利技术基于时间轴设置时间节点记录信息，数据项目的采集和展示都简洁有序，清晰明了，便于快速获取监测和预测结果；
41、本专利技术可以针对生理数据和心理数据采用不同的采集频率进行采集，监测更为合理，进一步优化工作量；
42、本专利技术基于当前状态和数据序列在定期诊疗前对患者状态进行简单预测，具有一定的前瞻性；
43、本专利技术采集的体征数据类型和时间节点间隔等都可以根据不同场景不同患者的情况进行调整，便于灵活应用到不同场景。
本文档来自技高网...【技术保护点】
1.一种基于时间轴的患者360度指标检测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于时间轴的患者360度指标检测方法，其特征在于，所述患者信息包括通过实时检测的多项所述体征参数和通过问诊获取的所述患者心理状态文本。
3.根据权利要求1所述的一种基于时间轴的患者360度指标检测方法，其特征在于，对所述时间轴信息进行患者特征提取，获取所述焦虑特征的方法为，通过语义特征提取模块对所述患者心理状态文本进行特征提取，所述语义特征提取模块包括依次连接的向量转换层、语义提取层、注意力层和输出层。
4.根据权利要求3所述的一种基于时间轴的患者360度指标检测方法，其特征在于，所述向量转换层通过转换模型分别将时间节点的第j句所述患者心理状态文本转换为语义向量；
5.根据权利要求4所述的一种基于时间轴的患者360度指标检测方法，其特征在于，所述转换模型采用Word2Vec模型或One-Hot编码模型；所述语义识别模型采用BiLSTM或ALBERT或RoBERTa。
6.根据权利要求1所述的一种基于时间轴的患者360度指
7.根据权利要求6所述的一种基于时间轴的患者360度指标检测方法，其特征在于，基于所述生理特向量m获取的第时间段的生理综合特征的获取方法为：
8.根据权利要求7所述的一种基于时间轴的患者360度指标检测方法，其特征在于，基于所述焦虑特征向量n获取的第时间段的心理综合特征的获取方法为：，其中，代表时间点时的所述焦虑特征。
9.根据权利要求1所述的一种基于时间轴的患者360度指标检测方法，其特征在于，根据各个历史时间节点的所述实际患者状态和所述预测患者状态对时间节点进行标注的方法为，通过不同颜色表征不同的患者状态。
10.根据权利要求1所述的一种基于时间轴的患者360度指标检测方法，其特征在于，每个所述时间节点还记录了病患接受的检测操作和治疗操作；
...【技术特征摘要】
1.一种基于时间轴的患者360度指标检测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于时间轴的患者360度指标检测方法，其特征在于，所述患者信息包括通过实时检测的多项所述体征参数和通过问诊获取的所述患者心理状态文本。
3.根据权利要求1所述的一种基于时间轴的患者360度指标检测方法，其特征在于，对所述时间轴信息进行患者特征提取，获取所述焦虑特征的方法为，通过语义特征提取模块对所述患者心理状态文本进行特征提取，所述语义特征提取模块包括依次连接的向量转换层、语义提取层、注意力层和输出层。
4.根据权利要求3所述的一种基于时间轴的患者360度指标检测方法，其特征在于，所述向量转换层通过转换模型分别将时间节点的第j句所述患者心理状态文本转换为语义向量；
5.根据权利要求4所述的一种基于时间轴的患者360度指标检测方法，其特征在于，所述转换模型采用word2vec模型或one-hot编码模型；所述语义识别模型采用...
【专利技术属性】
技术研发人员：刘雪梅，刘江东，熊皓宇，
申请(专利权)人：四川互慧软件有限公司，
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。