【技术实现步骤摘要】
本专利技术涉及基于深度学习方法的早产儿健康监测与预测方法及系统，属于健康监测与预测。
技术介绍
1、我国nicu“早产儿重症监护”的临床诊治技术取得一系列的发展：呼吸治疗技术，表面活性物质及体外膜肺氧合(ecmo)j技术的临床应用，极大地推动了早产儿呼吸衰竭救治水平的提高；基于循证的nicu质量改进理念的临床普及，使得危重早产儿救治技术不断得到规范。在此发展趋势下，对早产儿健康状况进行全面监测和预测成为一项迫切需求。传统的健康监测方法主要依赖于医生的经验和手动检测，而这种方式存在着诊断主观性强、耗时长、容易出现漏诊误诊等问题。
2、科技的进步使不同监测技术一体化成为可能。一台床旁监测设备可以实现同时对多个器官功能进行床旁无创监护，通过一系列非侵入式探针或传感器，持续监测心率、氧饱和度、动脉压。体温、呼吸频率、皮肤灌注、血糖等重要参数，整合器官功能、感染、代谢等生物标志物，已经实现监测改变治疗的临床实践。
3、人工智能(ai)算法已经在医疗工作中显示出巨大潜力。ai能够监测和解释早产儿各项重要参数和生理病理数据，新...
【技术保护点】
1.基于深度学习方法的早产儿健康监测与预测方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的基于深度学习方法的早产儿健康监测与预测方法，其特征在于，所述早产儿的基础信息数据包括基本信息数据、围产数据和转运数据和生理系统指标数据，所述基本信息数据包括体温数据、体重数据和身高数据；所述随访信息数据包括早产儿生长曲线和身体指标数据。
3.根据权利要求1所述的基于深度学习方法的早产儿健康监测与预测方法，其特征在于，所述系统指标数据的类别包括呼吸系统指标数据、循环系统指标数据、神经系统指标数据、消化系统指标数据、血液系统指标数据、内分泌与代谢指标...
【技术特征摘要】
1.基于深度学习方法的早产儿健康监测与预测方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的基于深度学习方法的早产儿健康监测与预测方法，其特征在于，所述早产儿的基础信息数据包括基本信息数据、围产数据和转运数据和生理系统指标数据，所述基本信息数据包括体温数据、体重数据和身高数据；所述随访信息数据包括早产儿生长曲线和身体指标数据。
3.根据权利要求1所述的基于深度学习方法的早产儿健康监测与预测方法，其特征在于，所述系统指标数据的类别包括呼吸系统指标数据、循环系统指标数据、神经系统指标数据、消化系统指标数据、血液系统指标数据、内分泌与代谢指标数据、感染情况指标数据、rop筛查指标数据、听力筛查指标数据、危重症筛查指标数据、营养相关指标数据。
4.根据权利要求1所述的基于深度学习方法的早产儿健康监测与预测方法，其特征在于，所述通道包括矩阵转化单元、多个先后串联的卷积层和池化层；
5....
【专利技术属性】
技术研发人员：韩树萍，钱苗，陈小慧，李书书，严湘芸，董小玥，张敏，孙小凡，李萌萌，陈文娟，张俊，刘凤，楚雪，
申请(专利权)人：南京市妇幼保健院，
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。