【技术实现步骤摘要】
本专利技术涉及数据分析，具体涉及一种医疗护理自动监测系统。
技术介绍
1、医疗医院通过对患者进行临床评估、制定治疗计划、进行必要的检查和检验，结合医生和护理人员的协同工作，以确保患者得到最佳的医疗护理，即需要对实时采集的护理数据进行监测，而传统的对患者的护理数据进行自动监测的方法主要是通过预设阈值，判断患者的护理数据是否存在异常；但该方法受限于预设阈值的取值，并且会由于患者的身体特诊高的差异，导致通过阈值判断的方式监测护理数据是否存在异常的准确性低；因此本申请提出了一种基于som神经网络算法判断护理数据是否异常，但是由于在训练som神经网络的过程中会由于护理数据的维度过多，导致高维度数据增加样本之间的距离，难以捕捉到数据之间的结构和相似性，即引发维度灾难，导致直接通过som神经网络算法无法准确地判断实时采集的护理数据中是否存在异常数据。
技术实现思路
1、本专利技术提供一种医疗护理自动监测系统，以解决现有的问题：通过设置阈值与直接som神经网络算法，均无法准确地判断实时采集的护理数据中是否存在异常数据。
2、本专利技术的一种医疗护理自动监测系统采用如下技术方案：
3、包括以下模块：
4、数据采集模块，用于采集患者每个时刻下的所有维度的护理数据；
5、多维度分析模块，用于根据患者每个时刻下的所有维度的护理数据，获取所有维度的护理数据的若干主成分、每个主成分的方向向量以及每个主成分的方差贡献率；根据患者各维度的护理数据构建样本空间，根据样
6、单维度模块，用于根据每个维度的护理数据的幅值与采集的时刻，获取每个维度中的每个护理数据的增量，并对每个维度中的每个护理数据进行分类，得到每个维度中的每个护理数据的分类结果；根据每个维度中的每个护理数据的增量与分类结果，结合每个维度的趋势与主成分的方向向量的相似程度，获取每个维度的特征表现度；
7、监测模块，用于根据每个维度的特征表现度获取核心维度，利用核心维度中的护理数据训练神经网络模型；根据神经网络模型对实时采集的护理数据进行监测。
8、优选的，所述根据患者每个时刻下的所有维度的护理数据，获取所有维度的护理数据的若干主成分、每个主成分的方向向量以及每个主成分的方差贡献率，包括的具体方法为：
9、将患者每个时刻下的所有维度的护理数据，输入进pca主成分分析算法中，得到所有维度的护理数据的若干主成分、每个主成分的方向向量以及每个主成分的方差贡献率。
10、优选的，所述根据患者各维度的护理数据构建样本空间，根据样本空间中数据点的位置，结合每个主成分的方向向量以及每个主成分的方差贡献率，获取每个维度的趋势与主成分的方向向量的相似程度，包括的具体方法为：
11、获取患者每个时刻下的所有维度的护理数据的维度数量，记为，构建一个维的坐标系，将患者每个时刻下的所有维度的护理数据置入维的坐标系中，得到样本空间；
12、对于第个维度与第个主成分，获取第个主成分的方向向量在第个维度上的投影向量，获取每个主成分的方向向量在所有维度上的投影向量；获取样本空间中所有数据点在所有维度上的投影，记为所有维度上的投影点，对于第个维度上的第个投影点，获取第个维度上的第个投影点，在第个主成分的方向向量在第个维度上的投影向量上的投影向量，记为第个维度上的第个投影点的第个投影向量，获取每个维度上的所有投影点的所有投影向量；
13、根据每个主成分的方向向量在第个维度上的投影向量、第个维度上的所有投影点的所有投影向量、每个主成分的方差贡献率以及第个维度上的投影点数量，获取第个维度的趋势与主成分的方向向量的相似程度。
14、优选的，所述获取第个维度的趋势与主成分的方向向量的相似程度，包括的具体计算公式为：
15、
16、其中，表示第个维度的趋势与主成分的方向向量的相似程度，表示第个维度上的投影点数量，表示第个主成分的方差贡献率，表示第个主成分的方向向量在第个维度上的投影向量，表示第个维度上的第个投影点的第个投影向量；表示主成分的数量。
17、优选的，所述根据每个维度的护理数据的幅值与采集的时刻，获取每个维度中的每个护理数据的增量，并对每个维度中的每个护理数据进行分类，得到每个维度中的每个护理数据的分类结果，包括的具体方法为：
18、对于第个维度中第个时刻采集的护理数据，将第个维度中第个时刻采集的护理数据，减去第个维度中第个时刻采集的护理数据得到的差，记为第个维度中第个时刻采集的护理数据的增量，获取第个维度中所有的护理数据的增量，将第个维度中所有的护理数据的增量均值记为基准值，将第个维度中增量小于基准值的护理数据记为第一类数据，将第个维度中增量大于基准值的护理数据记为第二类数据。
19、优选的，所述根据每个维度中的每个护理数据的增量与分类结果，结合每个维度的趋势与主成分的方向向量的相似程度，获取每个维度的特征表现度，包括的具体方法为：
20、对于第个维度，根据第个维度中所有的护理数据的增量，获取第个维度中所有的护理数据的增量的峰度，结合第个维度的趋势与主成分的方向向量的相似程度、第一类数据的数量以及第二类数据的数量，获取第个维度的特征表现度。
21、优选的，所述获取第个维度的特征表现度，包括的具体计算公式为：
22、
23、式中，表示第个维度的特征表现度；表示第个维度的趋势与主成分的方向向量的相似程度；表示第个维度中所有的护理数据的增量的峰度；表示第一类数据的数量；表示第二类数据的数量；表示归一化函数；表示绝对值运算；表示以自然常数为底数的指数函数。
24、优选的，所述根据每个维度的特征表现度获取核心维度，包括的具体方法为：
25、预设一个表现度阈值，对于第个维度的特征表现度，当第个维度的特征表现度大于，则第个维度为核心维度，获取所有核心维度。
26、优选的，所述利用核心维度中的护理数据训练神经网络模型，包括的具体方法为：
27、将核心维度中的护理数据作为som神经网络模型的输入层，输出层为一个的方形拓扑网络，进行次训练，得到som神经网络模型；所述与分别为预设的方形边长与训练次数。
28、优选的，所述根据神经网络模型对实时采集的护理数据进行监测，包括的具体方法为：
29、在得到som神经网络模型后，将实时采集的各维度的护理数据输入som神经网络模型中，当som神经网络模型的输出为异常神经元时，则实时采集的护理数据为异常数据，当som神经网络模型的输出为正常神经元时，则实时采集的护理数据为正常数据。
30、本专利技术的技术方案的有益效果是：本专利技术通过采集患者每个时刻下的所有维度的护理数据；根据患者每个时刻下的所有维度的护理数据，获取每个维度的趋势与主成分的方向向量的相似程度，本文档来自技高网...
【技术保护点】
1.一种医疗护理自动监测系统，其特征在于，该系统包括以下模块：
2.根据权利要求1所述一种医疗护理自动监测系统，其特征在于，所述根据患者每个时刻下的所有维度的护理数据，获取所有维度的护理数据的若干主成分、每个主成分的方向向量以及每个主成分的方差贡献率，包括的具体方法为：
3.根据权利要求1所述一种医疗护理自动监测系统，其特征在于，所述根据患者各维度的护理数据构建样本空间，根据样本空间中数据点的位置，结合每个主成分的方向向量以及每个主成分的方差贡献率，获取每个维度的趋势与主成分的方向向量的相似程度，包括的具体方法为：
4.根据权利要求3所述一种医疗护理自动监测系统，其特征在于，所述获取第个维度的趋势与主成分的方向向量的相似程度，包括的具体计算公式为：
5.根据权利要求1所述一种医疗护理自动监测系统，其特征在于，所述根据每个维度的护理数据的幅值与采集的时刻，获取每个维度中的每个护理数据的增量，并对每个维度中的每个护理数据进行分类，得到每个维度中的每个护理数据的分类结果，包括的具体方法为：
6.根据权利要求5所述一种医疗护理自
7.根据权利要求6所述一种医疗护理自动监测系统，其特征在于，所述获取第个维度的特征表现度，包括的具体计算公式为：
8.根据权利要求1所述一种医疗护理自动监测系统，其特征在于，所述根据每个维度的特征表现度获取核心维度，包括的具体方法为：
9.根据权利要求1所述一种医疗护理自动监测系统，其特征在于，所述利用核心维度中的护理数据训练神经网络模型，包括的具体方法为：
10.根据权利要求1所述一种医疗护理自动监测系统，其特征在于，所述根据神经网络模型对实时采集的护理数据进行监测，包括的具体方法为：
...【技术特征摘要】
1.一种医疗护理自动监测系统，其特征在于，该系统包括以下模块：
2.根据权利要求1所述一种医疗护理自动监测系统，其特征在于，所述根据患者每个时刻下的所有维度的护理数据，获取所有维度的护理数据的若干主成分、每个主成分的方向向量以及每个主成分的方差贡献率，包括的具体方法为：
3.根据权利要求1所述一种医疗护理自动监测系统，其特征在于，所述根据患者各维度的护理数据构建样本空间，根据样本空间中数据点的位置，结合每个主成分的方向向量以及每个主成分的方差贡献率，获取每个维度的趋势与主成分的方向向量的相似程度，包括的具体方法为：
4.根据权利要求3所述一种医疗护理自动监测系统，其特征在于，所述获取第个维度的趋势与主成分的方向向量的相似程度，包括的具体计算公式为：
5.根据权利要求1所述一种医疗护理自动监测系统，其特征在于，所述根据每个维度的护理数据的幅值与采集的时刻，获取每个维度中的每个护理数据的增量，并对...
【专利技术属性】
技术研发人员：刘国强，段海洁，曾婷，吴松仁，段慧晶，
申请(专利权)人：济南宝林信息技术有限公司，
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。