【技术实现步骤摘要】
本专利技术涉及腹腔术后感染预测领域，更具体地说，它涉及一种腹腔术后感染趋势预测系统及方法。
技术介绍
1、公开号为cn116864142a的公开了一种流行病趋势预测方法及系统，方法是通过采集用户的基本信息，根据用户的基本信息，给定该用户的流行病权重；根据预设的规则对该用户的流行病权重进行更新，在更新完毕后，根据更新后的流行病权重以及该用户的基本信息计算获取用户所在区域的预警分数；当用户所在区域的预警分数大于预设的预警阈值时，判断所预设的趋势预测模型中是否对该流行病已建模；若该流行病已建模，则通过趋势预测模型输出感染趋势定量预测结果，并对趋势预测模型进行修正；若该流行病未建模，则通过趋势预测模型输出感染趋势定性预测结果，并对趋势预测模型进行拟合。该方法及该系统能解决预测结果精度不准以及某些情况下的预测结果缺失的技术问题，但是对于采集众多数据中如何进行特征提取，加强数据特征分析以及模型的自适应设定方面未曾涉及。
2、腹腔手术是一种常规的治疗手段，但是在术后的护理方面，术后感染是一个极其危险且重视的方面，随着ai技术入驻，为腹腔术后感染的智慧护理和快速健康恢复提供了新的可能，但是腹腔术后感染的影响因素众多，这导致在腹腔术后感染预测时，采集的样本数据极多，且由于每个患者的生理状态和恢复环境各不相同，包括患者的生理状态、手术类型、术后护理等，进而又使得针对个性化预测方面的感染预测的关联性数据复杂难辨，使得各个病患的针对性和个性化特征选择变得复杂，因此需要对腹腔术后感染预测进行创新设计。
技术实现思路
1、针对现有技术存在的问题，本专利技术的目的在于提供一种腹腔术后感染趋势预测系统及方法，实现腹腔术后感染趋势的智能预测。
2、为实现上述目的，本专利技术提供了如下技术方案：一种腹腔术后感染趋势预测系统，所述腹腔术后感染趋势预测系统包括：
3、数据采集模块，收集患者的基本信息，在时间周期内，并以固定频率p对患者的综合护理信息进行n个时间点连续不间断采集；
4、拟合分析模块：构建原始数据矩阵，通过多维动态滑动窗口对原始数据矩阵进行统计特征分析，获取特性数据集；
5、模型预测模块：构建感染趋势预测模型并进行训练，将患者当前时间周期内的特性数据集导入训练好的感染趋势预测模型中，获取下个时间周期的感染趋势预测信息；
6、各个模块之间通过有线和/或无线的方式进行连接。
7、优选地，所述患者基本信息包括患者的年龄、性别、身高、体重、过敏史、既往病史、手术类型、手术时间、手术时长、手术复杂度和术中出血量；
8、综合护理信息包括患者在术后的体温、心率、血压、呼吸频率、血氧饱和度、白细胞计数、c反应蛋白、药物使用数据、伤口护理记录、活动数据和食物摄入数据。
9、优选地，所述原始数据矩阵的构建包括：识别基本信息和综合护理信息中的文本描述，并通过数值编码转换成数值形式，以n个时间点作为矩阵的行，以综合护理信息中的数据类型作为矩阵的列，对基本信息进行全部数值编码形成一串数字串符，设定原始数据矩阵，
10、
11、其中，x00表示基本信息形成数字串符，x0i表示第i个时间点的数值，且i＝1，......,n，xj0表示综合护理信息中第j个数据类型的数值编码，且j＝1，......,m，m表示综合护理信息中数据类型的数量，xij表示第i个时间点上第j个数据类型上的数值。
12、优选地，所述多维动态滑动窗口的设定包括：
13、定义一个多维动态滑动窗口，基于趋势变化情况动态调整窗口大小，设定多维动态滑动窗口大小为r×m，其中r为窗口的长度，m为窗口的宽度；
14、在时间点u，多维动态滑动窗口wu内包括从时间点u-r+1到时间点u的数据，wu＝{xu-r+1,......,xu}，其中，每个xo都是一个m维向量，表示在时间点o采集的m个数据类型所代表的数值，o＝u-r+1,......,u；
15、基于趋势变化情况动态调整窗口大小包括：
16、在时间点u，多维动态滑动窗口wu的趋势变化量为δsu＝|su-su-1|，其中，su为时间点u的平滑值，su-1时间点u-1的平滑值，且使用指数平滑趋势检测算法检测多维动态滑动窗口wu中时序数据的趋势变化，
17、
18、其中，α是平滑系数，取值范围为0＜α＜1，平滑系数由管理人员由实操经验或者实验数据分析进行设置，xoj表示多维动态滑动窗口wu内在时间点o处第j个数据类型上的数值；
19、初始设定多维动态滑动窗口大小为r×m，最小窗口大小为rmin×m，最大窗口大小为rmax×m，rmin和rmax分别表示多维动态滑动窗口的最小长度和最大长度，趋势变化阈值为θ，当δsu大于θ时，减小窗口大小且调整为r1＝max(rmin,r-δ)，当δsu小于或等于θ时，增大窗口大小且调整为r1＝min(rmax,r+δ)，其中，δ是窗口大小的调整步长，
20、
21、在下一时间点u+1，多维动态滑动窗口wu的大小调整为r1×m；
22、计算每个多维动态滑动窗口内的统计特征，包括偏度、相关性特征和动态特征，获取偏斜特征集、相关性特征集和动态特征集，并汇集构建特性数据集。
23、优选地，所述偏度用于描述数据的偏斜程度，计算方式为，
24、
25、其中，skj表示每个多维动态滑动窗口内的第j个数据类型的数值在时间点u-r+1到时间点u上的偏斜程度，xoj表示多维动态滑动窗口wu内在时间点o处第j个数据类型上的数值，xo1j表示多维动态滑动窗口wu内在时间点o1处第j个数据类型上的数值，δj表示第j个数据类型在时间点u-r+1到时间点u上的标准差，
26、依次收集多维动态滑动窗口内每个数据类型的偏斜程度，进而获取m个数据类型的偏斜程度，形成时间点u处的偏斜向量，依次对n个时间点运用多维动态滑动窗口处理汇集n个偏斜向量，记为偏斜特征集。
27、优选地，所述相关性特征用于描述不同数据类型之间数值的交互相关性，计算方式为，
28、
29、voo,j1-j2表示每个多维动态滑动窗口内在时间点o上的第j1个数据类型的数值和第j2个数据类型的相关性特征，依次收集多维动态滑动窗口内任意两个不同数据类型的相关性特征，形成时间点u处的相关性特征向量，依次对n个时间点运用多维动态滑动窗口处理汇集n个相关性特征向量，记为相关性特征集；
30、其中，xo1j1表示多维动态滑动窗口wu内在时间点o1处第j1个数据类型上的数值，xo1j2表示多维动态滑动窗口wu内在时间点o1处第j2个数据类型上的数值，表示第j1个数据类型在时间点u-r+1到时间点u上的均值，表示第j2个数据类型在时间点u-r+1到时间点u上的均值。
31、优选地，所述动态特征用于描述数据的动态变化情况，计算方式为，
32、δ2xo,本文档来自技高网...
【技术保护点】
1.一种腹腔术后感染趋势预测系统，其特征在于，所述腹腔术后感染趋势预测系统包括：
2.根据权利要求1所述的腹腔术后感染趋势预测系统，其特征在于，所述患者基本信息包括患者的年龄、性别、身高、体重、过敏史、既往病史、手术类型、手术时间、手术时长、手术复杂度和术中出血量；
3.根据权利要求2所述的腹腔术后感染趋势预测系统，其特征在于，所述原始数据矩阵的构建包括：识别基本信息和综合护理信息中的文本描述，并通过数值编码转换成数值形式，以n个时间点作为矩阵的行，以综合护理信息中的数据类型作为矩阵的列，对基本信息进行全部数值编码形成一串数字串符，设定原始数据矩阵，
4.根据权利要求3所述的腹腔术后感染趋势预测系统，其特征在于，所述多维动态滑动窗口的设定包括：
5.根据权利要求4所述的腹腔术后感染趋势预测系统，其特征在于，所述偏度用于描述数据的偏斜程度，计算方式为，
6.根据权利要求5所述的腹腔术后感染趋势预测系统，其特征在于，所述相关性特征用于描述不同数据类型之间数值的交互相关性，计算方式为，
7.根据权利要求6所述的腹腔
8.根据权利要求7所述的腹腔术后感染趋势预测系统，其特征在于，所述感染趋势预测模型基于LSTM基本框架，设置输入层、LSTM层、全连接层和输出层，设定输入层的输入为特性数据集，LSTM层设置为两层，每层为50个单元，LSTM层1设定返回序列，LSTM层2设定不返回序列；
9.根据权利要求8所述的腹腔术后感染趋势预测系统，其特征在于，所述不确定性参数σ1和σ2的设定过程包括：
10.一种腹腔术后感染趋势预测方法，其特征在于，应用于如权利要求1至9任意一项所述的腹腔术后感染趋势预测系统，包括：
...【技术特征摘要】
1.一种腹腔术后感染趋势预测系统，其特征在于，所述腹腔术后感染趋势预测系统包括：
2.根据权利要求1所述的腹腔术后感染趋势预测系统，其特征在于，所述患者基本信息包括患者的年龄、性别、身高、体重、过敏史、既往病史、手术类型、手术时间、手术时长、手术复杂度和术中出血量；
3.根据权利要求2所述的腹腔术后感染趋势预测系统，其特征在于，所述原始数据矩阵的构建包括：识别基本信息和综合护理信息中的文本描述，并通过数值编码转换成数值形式，以n个时间点作为矩阵的行，以综合护理信息中的数据类型作为矩阵的列，对基本信息进行全部数值编码形成一串数字串符，设定原始数据矩阵，
4.根据权利要求3所述的腹腔术后感染趋势预测系统，其特征在于，所述多维动态滑动窗口的设定包括：
5.根据权利要求4所述的腹腔术后感染趋势预测系统，其特征在于，所述偏度用于描述数据的偏斜程度，计算方式为...
【专利技术属性】
技术研发人员：张丛，徐桐柏，王天锡，
申请(专利权)人：天津市中西医结合医院天津市南开医院，
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。