【技术实现步骤摘要】
本专利技术涉及医疗数据管理与分析，尤其涉及一种淋巴水肿治疗监测数据管理方法及系统。
技术介绍
1、现有淋巴水肿数据监测体系面临的核心矛盾在于：多模态数据融合需要跨机构数据共享以提升模型泛化能力，而患者隐私保护要求严格限制数据流通。具体表现为：其一，集中式数据处理模式需将包含生物特征和生理指标的原始数据上传至中央服务器，这直接违反《个人信息保护法》等法规对敏感医疗数据的保护要求；其二，孤立式本地训练模式虽规避了隐私风险，但单一机构的数据规模和多样性不足，导致模型难以准确识别不同病因引发的复杂病理特征。
2、像是专利申请号为cn118452872a专利技术提出一种基于多模态成像的淋巴水肿检测方法，包括以下步骤：步骤s101，构建电压频率矩阵；步骤s102，将患者的待检测部位的横截面划分为j*j大小的三角形面片；步骤s103，输入电压频率矩阵到电导率分布预测模型，输出电导率分布矩阵；步骤s104，将电导率分布矩阵转换为三颜色通道图像，并发送到图像显示端，用于检测淋巴水肿情况；本专利技术通过神经网络模型的循环对抗生成逼近真实电导率分...
【技术保护点】
1.一种淋巴水肿治疗监测数据管理方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的淋巴水肿治疗监测数据管理方法，其特征在于，所述云处理平台的数据处理包括数据清洗，所述的数据清洗包括去除重复数据、填补缺失数据，所述缺失数据的填补方法为：根据数据的时间序列特征，采用相邻时间点的均值对缺失数据进行填补；所述异常值检测采用3σ原则，将超出均值±3倍标准差的数据判定为异常值并进行剔除。
3.根据权利要求1所述的淋巴水肿治疗监测数据管理方法，其特征在于，所述预设的评估模型包括基于机器学习算法构建的病情严重程度预测模型，所述机器学习算法采用支持向量机...
【技术特征摘要】
1.一种淋巴水肿治疗监测数据管理方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的淋巴水肿治疗监测数据管理方法，其特征在于，所述云处理平台的数据处理包括数据清洗，所述的数据清洗包括去除重复数据、填补缺失数据，所述缺失数据的填补方法为：根据数据的时间序列特征，采用相邻时间点的均值对缺失数据进行填补；所述异常值检测采用3σ原则，将超出均值±3倍标准差的数据判定为异常值并进行剔除。
3.根据权利要求1所述的淋巴水肿治疗监测数据管理方法，其特征在于，所述预设的评估模型包括基于机器学习算法构建的病情严重程度预测模型，所述机器学习算法采用支持向量机算法，通过对大量历史数据的训练，建立输入数据与病情严重程度等级之间的映射关系，所述输入数据包括生物电阻抗数据、超声检测的淋巴管径数据、红外热成像的温度分布数据。
4.根据权利要求3所述的淋巴水肿治疗监测数据管理方法，其特征在于，所述支持向量机算法构建的病情严重程度预测模型的目标函数为：
5.根据权利要求1所述的淋巴水肿治疗监测数据管理方法，其特征在于，所述个性化治疗方案调整建议的生成方法中，采用动态权重调整算法，根据患者的病情变化趋势和治疗效果，动态调整各影响因素在治疗方案调整中的权重，所述动态权重调整算法的计...
【专利技术属性】
技术研发人员：高小芬，谢月丹，郑爱珍，黄平平，
申请(专利权)人：瑞安市人民医院瑞安市人民医院医疗服务集团瑞安市红十字医院，
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。