CN117854729A - 一种基于多算法融合的压力性损伤评估系统及方法 - Google Patents
一种基于多算法融合的压力性损伤评估系统及方法 Download PDFInfo
- Publication number
- CN117854729A CN117854729A CN202410054224.4A CN202410054224A CN117854729A CN 117854729 A CN117854729 A CN 117854729A CN 202410054224 A CN202410054224 A CN 202410054224A CN 117854729 A CN117854729 A CN 117854729A
- Authority
- CN
- China
- Prior art keywords
- obtaining
- time sequence
- pressure
- patient
- information
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 230000006378 damage Effects 0.000 title claims abstract description 152
- 238000004422 calculation algorithm Methods 0.000 title claims abstract description 17
- 230000004927 fusion Effects 0.000 title claims abstract description 17
- 238000000034 method Methods 0.000 title claims abstract description 15
- 239000011159 matrix material Substances 0.000 claims abstract description 102
- 208000027418 Wounds and injury Diseases 0.000 claims abstract description 70
- 208000014674 injury Diseases 0.000 claims abstract description 69
- 230000002159 abnormal effect Effects 0.000 claims abstract description 66
- 238000012545 processing Methods 0.000 claims abstract description 36
- 238000013210 evaluation model Methods 0.000 claims abstract description 20
- 238000007405 data analysis Methods 0.000 claims abstract description 7
- 238000011156 evaluation Methods 0.000 claims abstract description 6
- 238000007781 pre-processing Methods 0.000 claims abstract description 4
- 238000012544 monitoring process Methods 0.000 claims description 49
- 238000001453 impedance spectrum Methods 0.000 claims description 34
- 238000004364 calculation method Methods 0.000 claims description 16
- 230000036074 healthy skin Effects 0.000 claims description 16
- 230000010354 integration Effects 0.000 claims description 9
- 238000001914 filtration Methods 0.000 claims description 7
- 238000000605 extraction Methods 0.000 claims description 6
- 230000000474 nursing effect Effects 0.000 abstract description 12
- 238000012502 risk assessment Methods 0.000 abstract 1
- 238000003745 diagnosis Methods 0.000 description 5
- 231100000809 Damage Assessment Model Toxicity 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 206010011985 Decubitus ulcer Diseases 0.000 description 1
- 208000004210 Pressure Ulcer Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001684 chronic effect Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000012821 model calculation Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000003449 preventive effect Effects 0.000 description 1
Landscapes
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
本发明涉及一种基于多算法融合的压力损伤风险评估系统及方法，属于医疗数据分析技术领域。本发明包括信息采集模块、数据预处理模块、数据分析模块、损伤评估模块、方案推荐模块，根据电信号数据集通过处理得到时序数据矩阵，根据生理参数信息通过数据去异模型处理得到去异生理参数信息，根据时序压力值矩阵得到损伤风险系数，根据时序电压矩阵通过处理得到损伤状态参数，通过自适应加权处理病患基础信息和去异生理参数信息得到生理特征预警系数，通过压力性损伤评估模型处理损伤状态参数和生理特征预警系数得到压力性损伤等级，实现了辅助医护人员对压力性损伤等级的决策和个性化护理方案推荐，提高了医疗质量和安全性。
Description
技术领域
本发明属于医疗数据分析技术领域，具体涉及一种基于多算法融合的压力性损伤评估系统及方法。
背景技术
压力性损伤是一种常见的慢性难愈性创面，多发于长期卧床病人，临床上护理人员需要采取预防措施防止住院病人压疮的产生。
目前，传统的压力性损伤等级判断通常是由医护人员现场诊断，存在诊断效率低以及诊断结果受医护人员经验影响，导致了压力性损伤等级诊断质量不统一等问题。
发明内容
为解决现有技术中存在的上述问题，本发明提供了一种基于多算法融合的压力性损伤评估系统及方法，通过获取病患编码、预定监测区域的电信号数据集和生理参数信息，根据电信号数据集通过数据集成得到时序电信号数据，根据时序电信号数据通过聚类处理得到时序数据矩阵，根据生理参数信息通过数据去异模型处理得到去异生理参数信息，根据时序压力值矩阵得到损伤风险系数，根据时序电压矩阵得到监测阻抗谱和监测阻抗，根据监测阻抗通过关联损伤风险系数得到损伤状态参数，通过自适应加权处理病患基础信息和去异生理参数信息得到生理特征预警系数，根据专业知识库构建压力性损伤评估模型，通过压力性损伤评估模型处理损伤状态参数和生理特征预警系数得到压力性损伤等级，根据压力性损伤等级和病患护理信息通过关联专业知识库发送护理方案推荐信息至终端，实现了辅助医护人员对压力性损伤等级的决策和个性化护理方案推荐，提高了医疗质量和安全性，进一步提高了医护人员的诊断效率。
本发明的目的可以通过以下技术方案实现：
一种基于多算法融合的压力性损伤评估方法，包括以下步骤：
S1：获取病患编码、预定监测区域的电信号数据集和生理参数信息，所述生理参数信息包括皮肤温度、皮肤湿度；
S2：根据所述电信号数据集通过数据集成得到时序电信号数据，根据所述时序电信号数据通过聚类处理得到时序数据矩阵，根据所述生理参数信息通过数据去异模型处理得到去异生理参数信息，所述时序数据矩阵包括时序压力值矩阵和时序电压矩阵，所述去异生理参数信息包括去异皮肤温度信息、去异皮肤湿度信息；
S3：根据所述时序压力值矩阵通过均值滤波得到去噪时序压力值矩阵，根据所述去噪时序压力值矩阵通过特征提取得到时序压力特征序列，根据所述时序压力特征序列得到损伤风险系数；
S4：获取健康皮肤阻抗谱，根据所述健康皮肤阻抗谱得到标准阻抗，根据所述时序电压矩阵得到参考电阻幅值矩阵，根据所述参考电阻幅值矩阵通过波形绘制得到监测阻抗谱，根据所述监测阻抗谱得到监测阻抗，根据所述监测阻抗通过关联所述损伤风险系数得到损伤状态参数，计算所述损伤状态参数，计算公式为：其中，BS表示所述损伤状态参数，ZC表示所述监测阻抗，ZB表示所述标准阻抗，P表示所述损伤风险系数；
S5：根据所述病患编码得到病患基础信息，根据所述病患基础信息和所述去异生理参数信息通过自适应加权处理得到生理特征预警系数，调用专业知识库，根据所述专业知识库构建压力性损伤评估模型，通过所述压力性损伤评估模型处理所述损伤状态参数和生理特征预警系数得到压力性损伤等级，所述病患基础信息包括病患年龄、病患身体状况；
S6：根据所述病患编码得到病患护理信息，根据所述压力性损伤等级和所述病患护理信息通过关联所述专业知识库发送护理方案推荐信息至终端。
优选地，所述步骤S2具体包括以下步骤：
S201：根据所述生理参数信息通过所述数据去异模型计算得到异常统计值，所述数据去异模型表示为：其中，α和β表示权重系数，Ti表示第i个所述生理参数信息，Wi为所述异常统计值；
S202：当所述异常统计值大于预设阈值时，将所述异常统计值对应的所述生理参数信息记为无效数据并删除，当所述异常统计值小于等于预设阈值时，将所述异常统计值对应的所述生理参数信息记为正常数据，根据所述正常数据得到去异生理参数信息。
优选地，所述步骤S3具体包括以下步骤：
S301：所述时序压力值矩阵表示为：其中，H表示所述时序压力值矩阵，k和j分别表示所述时序压力值矩阵的行数和列数，计算所述去噪时序压力值矩阵，计算公式为：/>其中，Omn表示m行n列的所述去噪时序压力值矩阵，Hkj表示k行j列的所述时序压力值矩阵，T表示所述时序压力值矩阵的元素个数；
S302：根据所述时序压力特征序列通过均值公式计算得到特征平均值，根据所述特征平均值得到所述损伤风险系数，计算所述特征平均值，计算公式为：其中，fi表示所述特征平均值，Yn表示所述时序压力特征序列，n表示所述时序压力特征序列的特征数量。
优选地，所述步骤S5具体包括以下步骤：
S501：计算所述生理特征预警系数，计算公式为：其中，Aer表示所述生理特征预警系数，n1、n2、n3和n4表示系数因子，Ai表示所述去异皮肤温度信息，Bi表示所述去异皮肤湿度信息，Ci表示所述病患年龄，Di表示所述病患身体状况；
S502：通过所述压力性损伤评估模型计算压力性损伤分数，计算公式为：LN＝DR×BS+Aer×δ，其中，LN表示所述压力性损伤分数，DR表示所述损伤风险系数，BS表示所述损伤状态参数，Aer表示所述生理特征预警系数，δ表示权重系数；
S503：当LN＜40时，所述压力性损伤等级为1期，当40≤LN＜60时，所述压力性损伤等级为2期，当60≤LN＜80时，所述压力性损伤等级为3期，当LN≥80时，所述压力性损伤为4期。
一种基于多算法融合的压力性损伤评估系统，包括：
信息采集模块，用于获取病患编码、预定监测区域的电信号数据集和生理参数信息，所述生理参数信息包括皮肤温度、皮肤湿度；
数据预处理模块，用于根据所述电信号数据集通过数据集成得到时序电信号数据，根据所述时序电信号数据通过聚类处理得到时序数据矩阵，根据所述生理参数信息通过数据去异模型处理得到去异生理参数信息，所述时序数据矩阵包括时序压力值矩阵和时序电压矩阵，所述去异生理参数信息包括去异皮肤温度信息、去异皮肤湿度信息；
数据分析模块，用于根据所述时序压力值矩阵通过均值滤波得到去噪时序压力值矩阵，根据所述去噪时序压力值矩阵通过特征提取得到时序压力特征序列，根据所述时序压力特征序列得到损伤风险系数，获取健康皮肤阻抗谱，根据所述健康皮肤阻抗谱得到标准阻抗，根据所述时序电压矩阵得到参考电阻幅值矩阵，根据所述参考电阻幅值矩阵通过波形绘制得到监测阻抗谱，根据所述监测阻抗谱得到监测阻抗，根据所述监测阻抗通过关联所述损伤风险系数得到损伤状态参数；
损伤评估模块，用于根据所述病患编码得到病患基础信息，根据所述病患基础信息和所述去异生理参数信息通过自适应加权处理得到生理特征预警系数，调用专业知识库，根据所述专业知识库构建压力性损伤评估模型，通过所述压力性损伤评估模型处理所述损伤状态参数和生理特征预警系数得到压力性损伤等级，所述病患基础信息包括病患年龄、病患身体状况；
方案推荐模块，根据所述病患编码得到病患护理信息，根据所述压力性损伤等级和所述病患护理信息通过关联所述专业知识库发送护理方案推荐信息至终端。
本发明的有益效果为：
1.获取健康皮肤阻抗谱，根据所述健康皮肤阻抗谱得到标准阻抗，根据所述时序电压矩阵得到参考电阻幅值矩阵，根据所述参考电阻幅值矩阵通过波形绘制得到监测阻抗谱，根据所述监测阻抗谱得到监测阻抗，根据所述监测阻抗通过关联所述损伤风险系数得到损伤状态参数，通过监测皮肤阻抗，根据监测阻抗得到损伤状态参数，提高了仪器诊断压力性损伤的安全性；
2.通过设置有损伤评估模块，根据所述病患编码得到病患基础信息，根据所述病患基础信息和所述去异生理参数信息通过自适应加权处理得到生理特征预警系数，调用专业知识库，根据所述专业知识库构建压力性损伤评估模型，通过所述压力性损伤评估模型处理所述损伤状态参数和生理特征预警系数得到压力性损伤等级，通过结合病患多模态数据，实现了精准判断压力性损伤等级，提高了医疗质量；
3.通过设置方案推荐模块，根据所述病患编码得到病患护理信息，根据所述压力性损伤等级和所述病患护理信息通过关联所述专业知识库发送护理方案推荐信息至终端，实现了个性化护理方案推荐和辅助医护人员决策，提高了医护人员决策效率。
附图说明
为了便于本领域技术人员理解，下面结合附图对本发明作进一步的说明。
图1为本发明的基于多算法融合的压力性损伤评估方法的流程示意图。
具体实施方式
为更进一步阐述本发明为实现预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明的具体实施方式、结构、特征及其功效，详细说明如下。
请参阅图1，一种基于多算法融合的压力性损伤评估方法，包括以下步骤：
一种基于多算法融合的压力性损伤评估方法，包括以下步骤：
S1：获取病患编码、预定监测区域的电信号数据集和生理参数信息，所述生理参数信息包括皮肤温度、皮肤湿度；
S2：根据所述电信号数据集通过数据集成得到时序电信号数据，根据所述时序电信号数据通过聚类处理得到时序数据矩阵，根据所述生理参数信息通过数据去异模型处理得到去异生理参数信息，所述时序数据矩阵包括时序压力值矩阵和时序电压矩阵，所述去异生理参数信息包括去异皮肤温度信息、去异皮肤湿度信息；
S3：根据所述时序压力值矩阵通过均值滤波得到去噪时序压力值矩阵，根据所述去噪时序压力值矩阵通过特征提取得到时序压力特征序列，根据所述时序压力特征序列得到损伤风险系数；
S4：获取健康皮肤阻抗谱，根据所述健康皮肤阻抗谱得到标准阻抗，根据所述时序电压矩阵得到参考电阻幅值矩阵，根据所述参考电阻幅值矩阵通过波形绘制得到监测阻抗谱，根据所述监测阻抗谱得到监测阻抗，根据所述监测阻抗通过关联所述损伤风险系数得到损伤状态参数，计算所述损伤状态参数，计算公式为：其中，BS表示所述损伤状态参数，ZC表示所述监测阻抗，ZB表示所述标准阻抗，P表示所述损伤风险系数；
S5：根据所述病患编码得到病患基础信息，根据所述病患基础信息和所述去异生理参数信息通过自适应加权处理得到生理特征预警系数，调用专业知识库，根据所述专业知识库构建压力性损伤评估模型，通过所述压力性损伤评估模型处理所述损伤状态参数和生理特征预警系数得到压力性损伤等级，所述病患基础信息包括病患年龄、病患身体状况；
S6：根据所述病患编码得到病患护理信息，根据所述压力性损伤等级和所述病患护理信息通过关联所述专业知识库发送护理方案推荐信息至终端。
步骤S1具体涉及信息采集模块，获取病患编码、预定监测区域的电信号数据集和生理参数信息，所述生理参数信息包括皮肤温度、皮肤湿度。
步骤S2具体涉及数据处理模块，根据所述电信号数据集通过数据集成得到时序电信号数据，根据所述时序电信号数据通过聚类处理得到时序数据矩阵，根据所述生理参数信息通过数据去异模型处理得到去异生理参数信息，根据所述生理参数信息通过所述数据去异模型计算得到异常统计值，所述数据去异模型表示为：其中，α和β表示权重系数，Ti表示第i个所述生理参数信息，Wi为所述异常统计值，当所述异常统计值大于预设阈值时，将所述异常统计值对应的所述生理参数信息记为无效数据并删除，当所述异常统计值小于等于预设阈值时，将所述异常统计值对应的所述生理参数信息记为正常数据，根据所述正常数据得到去异生理参数信息，所述时序数据矩阵包括时序压力值矩阵和时序电压矩阵，所述去异生理参数信息包括去异皮肤温度信息、去异皮肤湿度信息；
步骤S3具体涉及数据分析模块，根据所述时序压力值矩阵通过均值滤波得到去噪时序压力值矩阵，所述时序压力值矩阵表示为：其中，H表示所述时序压力值矩阵，k和j分别表示所述时序压力值矩阵的行数和列数，计算所述去噪时序压力值矩阵，计算公式为：/>其中，Omn表示m行n列的所述去噪时序压力值矩阵，Hkj表示k行j列的所述时序压力值矩阵，T表示所述时序压力值矩阵的元素个数；
根据所述时序压力特征序列通过均值公式计算得到特征平均值，根据所述特征平均值得到所述损伤风险系数，计算所述特征平均值，计算公式为：其中，fi表示所述特征平均值，Yn表示所述时序压力特征序列，n表示所述时序压力特征序列的特征数量；
获取健康皮肤阻抗谱，根据所述健康皮肤阻抗谱得到标准阻抗，根据所述时序电压矩阵得到参考电阻幅值矩阵，根据所述参考电阻幅值矩阵通过波形绘制得到监测阻抗谱，根据所述监测阻抗谱得到监测阻抗，根据所述监测阻抗通过关联所述损伤风险系数得到损伤状态参数，计算所述损伤状态参数，计算公式为：其中，BS表示所述损伤状态参数，ZC表示所述监测阻抗，ZB表示所述标准阻抗，P表示所述损伤风险系数。
步骤S5具体涉及损伤评估模块，根据所述病患编码得到病患基础信息，根据所述病患基础信息和所述去异生理参数信息通过自适应加权处理得到生理特征预警系数，计算所述生理特征预警系数，计算公式为：其中，Aer表示所述生理特征预警系数，n1、n2、n3和n4表示系数因子，Ai表示所述去异皮肤温度信息，Bi表示所述去异皮肤湿度信息，Ci表示所述病患年龄，Di表示所述病患身体状况，调用专业知识库，根据所述专业知识库构建压力性损伤评估模型，通过所述压力性损伤评估模型处理所述损伤状态参数和生理特征预警系数得到压力性损伤等级，通过所述压力性损伤评估模型计算压力性损伤分数，计算公式为：LN＝DR×BS+Aer×δ，其中，LN表示所述压力性损伤分数，DR表示所述损伤风险系数，BS表示所述损伤状态参数，Aer表示所述生理特征预警系数，δ表示权重系数，当LN＜40时，所述压力性损伤等级为1期，当40≤LN＜60时，所述压力性损伤等级为2期，当60≤LN＜80时，所述压力性损伤等级为3期，当LN≥80时，所述压力性损伤为4期。
步骤S6具体涉及方案推荐模块，根据所述病患编码得到病患护理信息，根据所述压力性损伤等级和所述病患护理信息通过关联所述专业知识库发送护理方案推荐信息至终端。
更进一步地，本发明还提供一种基于多算法融合的压力性损伤评估系统，包括：
信息采集模块，用于获取病患编码、预定监测区域的电信号数据集和生理参数信息，所述生理参数信息包括皮肤温度、皮肤湿度；
数据预处理模块，用于根据所述电信号数据集通过数据集成得到时序电信号数据，根据所述时序电信号数据通过聚类处理得到时序数据矩阵，根据所述生理参数信息通过数据去异模型处理得到去异生理参数信息，所述时序数据矩阵包括时序压力值矩阵和时序电压矩阵，所述去异生理参数信息包括去异皮肤温度信息、去异皮肤湿度信息；
数据分析模块，用于根据所述时序压力值矩阵通过均值滤波得到去噪时序压力值矩阵，根据所述去噪时序压力值矩阵通过特征提取得到时序压力特征序列，根据所述时序压力特征序列得到损伤风险系数，获取健康皮肤阻抗谱，根据所述健康皮肤阻抗谱得到标准阻抗，根据所述时序电压矩阵得到参考电阻幅值矩阵，根据所述参考电阻幅值矩阵通过波形绘制得到监测阻抗谱，根据所述监测阻抗谱得到监测阻抗，根据所述监测阻抗通过关联所述损伤风险系数得到损伤状态参数；
损伤评估模块，用于根据所述病患编码得到病患基础信息，根据所述病患基础信息和所述去异生理参数信息通过自适应加权处理得到生理特征预警系数，调用专业知识库，根据所述专业知识库构建压力性损伤评估模型，通过所述压力性损伤评估模型处理所述损伤状态参数和生理特征预警系数得到压力性损伤等级，所述病患基础信息包括病患年龄、病患身体状况；
方案推荐模块，根据所述病患编码得到病患护理信息，根据所述压力性损伤等级和所述病患护理信息通过关联所述专业知识库发送护理方案推荐信息至终端。
本发明的工作原理及使用流程：
通过信息采集模块获取病患编码、预定监测区域的电信号数据集和生理参数信息，根据电信号数据集通过数据集成得到时序电信号数据，根据时序电信号数据通过聚类处理得到时序数据矩阵，根据生理参数信息通过数据去异模型处理得到去异生理参数信息，根据时序压力值矩阵得到损伤风险系数，根据时序电压矩阵得到监测阻抗谱和监测阻抗，根据监测阻抗通过关联损伤风险系数得到损伤状态参数，通过自适应加权处理病患基础信息和去异生理参数信息得到生理特征预警系数，根据专业知识库构建压力性损伤评估模型，通过压力性损伤评估模型处理损伤状态参数和生理特征预警系数得到压力性损伤等级，根据压力性损伤等级和病患护理信息通过关联专业知识库发送护理方案推荐信息至终端。
本发明实施例中的方法包含的程序代码可以用任何适当的介质传输，包括但不限于无线、电线、光缆等等，或者上述的任意合适的组合。可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言——诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言——诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行，或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络，包括局域网(LAN)或广域网(WAN)，连接到用户计算机，或者可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
以上所述，仅是本发明的较佳实施例而已，并非对本发明作任何形式上的限制，虽然本发明已以较佳实施例揭示如上，然而并非用以限定本发明，任何本领域技术人员，在不脱离本发明技术方案范围内，当可利用上述揭示的技术内容做出些许更动或修饰为等同变化的等效实施例，但凡是未脱离本发明技术方案内容，依据本发明的技术实质对以上实施例所作的任何简介修改、等同变化与修饰，均仍属于本发明技术方案的范围。
Claims (5)
1.一种基于多算法融合的压力性损伤评估方法，其特征在于，包括以下步骤：
S1：获取病患编码、预定监测区域的电信号数据集和生理参数信息，所述生理参数信息包括皮肤温度、皮肤湿度；
S2：根据所述电信号数据集通过数据集成得到时序电信号数据，根据所述时序电信号数据通过聚类处理得到时序数据矩阵，根据所述生理参数信息通过数据去异模型处理得到去异生理参数信息，所述时序数据矩阵包括时序压力值矩阵和时序电压矩阵，所述去异生理参数信息包括去异皮肤温度信息、去异皮肤湿度信息；
S3：根据所述时序压力值矩阵通过均值滤波得到去噪时序压力值矩阵，根据所述去噪时序压力值矩阵通过特征提取得到时序压力特征序列，根据所述时序压力特征序列得到损伤风险系数；
S4：获取健康皮肤阻抗谱，根据所述健康皮肤阻抗谱得到标准阻抗，根据所述时序电压矩阵得到参考电阻幅值矩阵，根据所述参考电阻幅值矩阵通过波形绘制得到监测阻抗谱，根据所述监测阻抗谱得到监测阻抗，根据所述监测阻抗通过关联所述损伤风险系数得到损伤状态参数，计算所述损伤状态参数，计算公式为：其中，BS表示所述损伤状态参数，Zc表示所述监测阻抗，ZB表示所述标准阻抗，P表示所述损伤风险系数；
S5：根据所述病患编码得到病患基础信息，根据所述病患基础信息和所述去异生理参数信息通过自适应加权处理得到生理特征预警系数，调用专业知识库，根据所述专业知识库构建压力性损伤评估模型，通过所述压力性损伤评估模型处理所述损伤状态参数和生理特征预警系数得到压力性损伤等级，所述病患基础信息包括病患年龄、病患身体状况；
S6：根据所述病患编码得到病患护理信息，根据所述压力性损伤等级和所述病患护理信息通过关联所述专业知识库发送护理方案推荐信息至终端。
2.根据权利要求1所述的基于多算法融合的压力性损伤评估方法，其特征在于，所述步骤S2具体包括以下步骤：
S201：根据所述生理参数信息通过所述数据去异模型计算得到异常统计值，所述数据去异模型表示为：其中，α和β表示权重系数，Ti表示第i个所述生理参数信息，Wi为所述异常统计值；
S202：当所述异常统计值大于预设阈值时，将所述异常统计值对应的所述生理参数信息记为无效数据并删除，当所述异常统计值小于等于预设阈值时，将所述异常统计值对应的所述生理参数信息记为正常数据，根据所述正常数据得到去异生理参数信息。
3.根据权利要求1所述的基于多算法融合的压力性损伤评估方法，其特征在于，所述步骤S3具体包括以下步骤：
S301：所述时序压力值矩阵表示为：其中，H表示所述时序压力值矩阵，k和j分别表示所述时序压力值矩阵的行数和列数，计算所述去噪时序压力值矩阵，计算公式为：/>其中，Omn表示m行n列的所述去噪时序压力值矩阵，Hkj表示k行j列的所述时序压力值矩阵，T表示所述时序压力值矩阵的元素个数；
S302：根据所述时序压力特征序列通过均值公式计算得到特征平均值，根据所述特征平均值得到所述损伤风险系数，计算所述特征平均值，计算公式为：其中，fi表示所述特征平均值，Yn表示所述时序压力特征序列，n表示所述时序压力特征序列的特征数量。
4.根据权利要求1所述的基于多算法融合的压力性损伤评估方法，其特征在于，所述步骤S5具体包括以下步骤：
S501：计算所述生理特征预警系数，计算公式为：其中，Aer表示所述生理特征预警系数，n1、n2、n3和n4表示系数因子，Ai表示所述去异皮肤温度信息，Bi表示所述去异皮肤湿度信息，Ci表示所述病患年龄，Di表示所述病患身体状况；
S502：通过所述压力性损伤评估模型计算压力性损伤分数，计算公式为：LN＝DR×BS+Aer×δ，其中，LN表示所述压力性损伤分数，DR表示所述损伤风险系数，BS表示所述损伤状态参数，Aer表示所述生理特征预警系数，δ表示权重系数；
S503：当LN＜40时，所述压力性损伤等级为1期，当40≤LN＜60时，所述压力性损伤等级为2期，当60≤LN＜80时，所述压力性损伤等级为3期，当LN≥80时，所述压力性损伤为4期。
5.一种基于多算法融合的压力性损伤评估系统，该基于多算法融合的压力性损伤评估系统采用如权利要求1所述的基于多算法融合的压力性损伤评估方法，其特征在于，包括：
信息采集模块，用于获取病患编码、预定监测区域的电信号数据集和生理参数信息，所述生理参数信息包括皮肤温度、皮肤湿度；
数据预处理模块，用于根据所述电信号数据集通过数据集成得到时序电信号数据，根据所述时序电信号数据通过聚类处理得到时序数据矩阵，根据所述生理参数信息通过数据去异模型处理得到去异生理参数信息，所述时序数据矩阵包括时序压力值矩阵和时序电压矩阵，所述去异生理参数信息包括去异皮肤温度信息、去异皮肤湿度信息；
数据分析模块，用于根据所述时序压力值矩阵通过均值滤波得到去噪时序压力值矩阵，根据所述去噪时序压力值矩阵通过特征提取得到时序压力特征序列，根据所述时序压力特征序列得到损伤风险系数，获取健康皮肤阻抗谱，根据所述健康皮肤阻抗谱得到标准阻抗，根据所述时序电压矩阵得到参考电阻幅值矩阵，根据所述参考电阻幅值矩阵通过波形绘制得到监测阻抗谱，根据所述监测阻抗谱得到监测阻抗，根据所述监测阻抗通过关联所述损伤风险系数得到损伤状态参数；
损伤评估模块，用于根据所述病患编码得到病患基础信息，根据所述病患基础信息和所述去异生理参数信息通过自适应加权处理得到生理特征预警系数，调用专业知识库，根据所述专业知识库构建压力性损伤评估模型，通过所述压力性损伤评估模型处理所述损伤状态参数和生理特征预警系数得到压力性损伤等级，所述病患基础信息包括病患年龄、病患身体状况；
方案推荐模块，根据所述病患编码得到病患护理信息，根据所述压力性损伤等级和所述病患护理信息通过关联所述专业知识库发送护理方案推荐信息至终端。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410054224.4A CN117854729A (zh) | 2024-01-15 | 2024-01-15 | 一种基于多算法融合的压力性损伤评估系统及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410054224.4A CN117854729A (zh) | 2024-01-15 | 2024-01-15 | 一种基于多算法融合的压力性损伤评估系统及方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117854729A true CN117854729A (zh) | 2024-04-09 |
Family
ID=90547874
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410054224.4A Pending CN117854729A (zh) | 2024-01-15 | 2024-01-15 | 一种基于多算法融合的压力性损伤评估系统及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117854729A (zh) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20130090571A1 (en) * | 2011-10-06 | 2013-04-11 | The Board Of Regents Of The University Of Texas System | Methods and systems for monitoring and preventing pressure ulcers |
| CN113345587A (zh) * | 2021-06-16 | 2021-09-03 | 北京邮电大学 | 基于慢病大数据的人机协同健康案例匹配方法及系统 |
| CN116759045A (zh) * | 2023-07-10 | 2023-09-15 | 深圳市人民医院 | 一种基于大数据的卧床病患压疮预防监测管理系统 |
| CN117316453A (zh) * | 2023-10-07 | 2023-12-29 | 北京微感智知科技有限公司 | 一种混合Barden量表和人工智能的压疮预警系统及方法 |
-
2024
- 2024-01-15 CN CN202410054224.4A patent/CN117854729A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20130090571A1 (en) * | 2011-10-06 | 2013-04-11 | The Board Of Regents Of The University Of Texas System | Methods and systems for monitoring and preventing pressure ulcers |
| CN113345587A (zh) * | 2021-06-16 | 2021-09-03 | 北京邮电大学 | 基于慢病大数据的人机协同健康案例匹配方法及系统 |
| CN116759045A (zh) * | 2023-07-10 | 2023-09-15 | 深圳市人民医院 | 一种基于大数据的卧床病患压疮预防监测管理系统 |
| CN117316453A (zh) * | 2023-10-07 | 2023-12-29 | 北京微感智知科技有限公司 | 一种混合Barden量表和人工智能的压疮预警系统及方法 |
Non-Patent Citations (1)
| Title |
|---|
| 孙欣悦等: "养老院护士压力性损伤评估影响因素的质性研究", 《护理学杂志》, vol. 33, no. 3, 28 February 2018 (2018-02-28), pages 102 - 105 * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| EP2298158B1 (en) | Adaptive selection of a warning limit in patient monitoring | |
| US8786624B2 (en) | Processing for multi-channel signals | |
| AU2002338433A1 (en) | Adaptive selection of a warning limit in patient monitoring | |
| CN109524069A (zh) | 医疗数据处理方法、装置、电子设备和存储介质 | |
| WO2022099668A1 (zh) | 一种基于家族遗传病与体征数据关联的精准健康管理与风险预警方法及系统 | |
| CN112908481B (zh) | 一种自动化个人健康评估及管理方法及系统 | |
| CN108289633A (zh) | 睡眠研究系统和方法 | |
| CN117831745B (zh) | 基于数据分析的远程护理管理方法及系统 | |
| CN114038578A (zh) | 一种基于5g的医疗监管系统 | |
| CN115414044A (zh) | 一种基于脑电分析的人体精神状态管理系统、方法及设备 | |
| CN114098655A (zh) | 一种智能睡眠风险监测方法及系统 | |
| CN117497149A (zh) | 一种基于人工智能的医院管理方法及系统 | |
| US8036733B2 (en) | Diagnostic parameter calculation method, system for diagnosis and diagnostic program | |
| US20160232323A1 (en) | Patient health state compound score distribution and/or representative compound score based thereon | |
| KR101042565B1 (ko) | 생체신호 모니터링 시스템 | |
| CN117854729A (zh) | 一种基于多算法融合的压力性损伤评估系统及方法 | |
| CN117059222A (zh) | 一种基于中医体质辨识的智能康复方案分析系统 | |
| CN112951391A (zh) | 一种智能护理监控 | |
| CN116202606B (zh) | 一种人体体重监测系统及方法 | |
| KR20120082689A (ko) | 뇌파 신호 동기화 수준을 이용한 정신분열병 고위험군 진단의 정량화 방법, 장치, 및 컴퓨터로 읽을 수 있는 매체 | |
| EP4075443A1 (en) | Health prediction system and method using oral microorganism analysis device | |
| CN114587301A (zh) | 体征信号的解析方法、装置以及存储介质 | |
| Pevernagie et al. | Looking for clues in the hypnogram–the human eye and the machine | |
| CN117243569B (zh) | 一种基于多源信息融合的认知功能评估方法和系统 | |
| CN1282567A (zh) | 基于互联网的远程心电监护网络系统 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination |