【技术实现步骤摘要】
本专利技术涉及脑部疾病，尤其涉及一种基于智能芯片的失能患者跟踪与分析系统。
技术介绍
1、智能芯片的失能患者跟踪分析主要依托于物联网、人工智能和大数据处理技术的发展，智能芯片作为核心部件，能够实时监测患者的生理信息、脑部电波信息、位置信息等，通过无线通信模块将这些数据传输至云端服务器或指定接收设备。云端服务器利用大数据处理技术和人工智能算法，对这些数据进行深度分析，识别出异常生理指标或行为模式，从而及时发出预警或采取干预措施。该方案旨在提高失能患者的生活质量，保障其安全与健康，同时减轻医护人员的工作负担。通过智能芯片的实时跟踪与分析，医护人员能够更准确地掌握患者的状况，为患者提供个性化的康复方案和服务计划。
2、现有技术中，往往仅根据患者的生理信息来进行分析，使得分析的结果不准确，并未将生理信息和脑部信息结合起来进行分析，导致失能患者的跟踪效果差、预警成功率低。
3、因此，如何提高失能患者的跟踪效果和预警成功率，是目前有待解决的技术问题。
技术实现思路
1、本专利技术的目的是为了解决现有技术中存在失能患者的跟踪效果差、预警成功低的问题，而提出的一种基于智能芯片的失能患者跟踪与分析系统，其包括，
2、画像模块，用于收集失能患者的脑部患病信息和身体机能信息，根据失能患者的脑部患病信息和身体机能信息建立脑部患病画像，通过脑部患病画像来建立一个截取时间窗口；
3、生成模块，用于收集失能患者的以往发病状态信息，通过以往发病状态信息构建发病状态信
4、计算模块，用于监控失能患者的实时状态信息，在实时状态信息中提取状态特征来构建实时状态特征集合，计算实时状态特征集合与标准发病状态特征集合的状态相对匹配度，并根据状态相对匹配度确定预警信息；
5、预警模块，用于将预警信息发送给多个监控方，以此方便监控方采取进一步防范措施；
6、其中，失能患者的状态信息包括脑部信息和生理信息。
7、本申请一些实施例中，所述画像模块用于，根据失能患者的脑部患病信息和身体机能信息建立脑部患病画像，其具体为：
8、对脑部患病信息和身体机能信息进行预处理，并提取脑部患病特征和身体机能特征，通过脑部患病特征和身体机能特征进行特征融合来分别构建脑部患病模型和身体模型，根据脑部患病模型和身体模型来模拟病灶演变对身体模型的影响过程，分析在此影响过程中产生的脑部信息和生理信息的异常征兆来确定不同病灶阶段下的提前时间，从而构建病灶阶段-提前时间的匹配关系，将当前病灶阶段、病灶阶段-提前时间的匹配关系和模拟病灶演变对身体模型的影响过程以及异常征兆作为脑部患病画像的内容。
9、本申请一些实施例中，所述画像模块用于，通过脑部患病画像来建立一个截取时间窗口，其具体为：
10、截取时间窗口包括病发前部分和病发时部分两个部分，通过脑部患病画像中的当前病灶阶段和病灶阶段-提前时间的匹配关系来确定病发前部分的提前时间节点，病发前部分的时间为提前时间节点到病发开始时间节点，病发时部分的时间为病发开始时间节点到病发结束时间节点。
11、本申请一些实施例中，所述生成模块用于，通过以往发病状态信息构建发病状态信息时间轴，并凭借截取时间窗口对发病状态信息时间轴进行信息截取，得到发病状态样本信息，其具体为：
12、将以往发病状态信息随时间顺序排布出来，并按时间轴的形式将以往发病状态信息展现出来，构建发病状态信息时间轴，通过截取时间窗口下的病发前部分和病发时部分两个部分对应的时间节点对发病状态信息时间轴进行信息截取，得到发病状态样本信息。
13、本申请一些实施例中，所述生成模块还用于，基于发病状态样本信息提取发病状态特征来构建标准发病状态特征集合，其具体为：
14、通过脑部患病画像来确定失能患者未发病状态下的状态特征，并将失能患者未发病状态下的状态特征作为基准状态特征；
15、在发病状态样本信息中提取所有的异常状态特征，将基准状态特征与异常状态特征进行比对，从而筛选出发病状态特征，构建标准发病状态特征集合，标准发病状态特征集合包括脑部发病特征集和生理发病特征集。
16、本申请一些实施例中，所述计算模块包括监控单元、匹配单元和转移单元，
17、所述监控单元用于，在实时状态信息中提取状态特征来构建实时状态特征集合，其具体为：
18、实时状态信息为实时的脑部信息和生理信息，并在实时的脑部信息和生理信息中分别提取实时脑部特征和实时生理特征，分别通过实时脑部特征和实时生理特征构建实时脑部特征集和实时生理特征集，实时状态特征集合包括实时脑部特征集和实时生理特征集。
19、本申请一些实施例中，所述匹配单元用于，计算实时状态特征集合与标准发病状态特征集合的状态相对匹配度，其具体为：
20、计算实时脑部特征集和实时生理特征集的特征变异系数，根据实时脑部特征集和实时生理特征集以及脑部发病特征集和生理发病特征集计算每种对应特征之间的匹配程度，结合实时脑部特征集和实时生理特征集的特征变异系数以及对应特征之间的匹配程度来计算状态相对匹配度；；其中，为状态相对匹配度，、分别为脑部信息和生理信息的特征对应的匹配转换系数，、分别为脑部发病特征集和生理发病特征集各自的特征种类数量，为脑部发病特征集中第个脑部特征的结合权重，为脑部发病特征集中第个脑部特征的匹配程度，、分别为实时脑部特征集和实时生理特征集的整体变异系数，、分别为预设常数，为生理发病特征集中第个生理特征的结合权重，为生理发病特征集中第个生理特征的匹配特征。
21、本申请一些实施例中，所述转移单元用于，并根据状态相对匹配度确定预警信息，其具体为：
22、若状态相对匹配度大于状态相对匹配度阈值，则根据状态相对匹配度和具体匹配特征来确定预警信息；
23、否则，计算实时状态特征集合到标准发病状态特征集合的状态转移概率，根据状态转移概率来确定预警信息。
24、本申请一些实施例中，所述转移单元具体用于，计算实时状态特征集合到标准发病状态特征集合的状态转移概率，根据状态转移概率来确定预警信息，其具体为：
25、通过马尔科夫链来计算实时状态特征集合到标准发病状态特征集合的初始状态转移概率，根据初始状态转移概率和状态相对匹配度来确定目标状态转移概率；；
26、其中，为目标状态转移概率，为初始状态转移概率，为状态转移概率修正量，表示由状态相对匹配度映射得到的状态转移概率修正量；
27、通过目标状态转移概率确定预警信息。
28、本专利技术与现有技术相比，其有益效果为：
29、1、根据失能患者的脑部患病信息和身体机能信息建立脑部患病画像，通过脑部患病画像来建立一个截取时间窗口。通过患病画像描述患者的患病本文档来自技高网...
【技术保护点】
1.基于智能芯片的失能患者跟踪与分析系统，其特征在于，包括，
2.根据权利要求1所述的基于智能芯片的失能患者跟踪与分析系统，其特征在于，所述画像模块用于，根据失能患者的脑部患病信息和身体机能信息建立脑部患病画像，其具体为：
3.根据权利要求2所述的基于智能芯片的失能患者跟踪与分析系统，其特征在于，所述画像模块用于，通过脑部患病画像来建立一个截取时间窗口，其具体为：
4.根据权利要求3所述的基于智能芯片的失能患者跟踪与分析系统，其特征在于，所述生成模块用于，通过以往发病状态信息构建发病状态信息时间轴，并凭借截取时间窗口对发病状态信息时间轴进行信息截取，得到发病状态样本信息，其具体为：
5.根据权利要求2所述的基于智能芯片的失能患者跟踪与分析系统，其特征在于，所述生成模块还用于，基于发病状态样本信息提取发病状态特征来构建标准发病状态特征集合，其具体为：
6.根据权利要求5所述的基于智能芯片的失能患者跟踪与分析系统，其特征在于，所述计算模块包括监控单元、匹配单元和转移单元，
7.根据权利要求6所述的基于智能芯片的失
8.根据权利要求7所述的基于智能芯片的失能患者跟踪与分析系统，其特征在于，所述转移单元用于，并根据状态相对匹配度确定预警信息，其具体为：
9.根据权利要求8所述的基于智能芯片的失能患者跟踪与分析系统，其特征在于，所述转移单元具体用于，计算实时状态特征集合到标准发病状态特征集合的状态转移概率，根据状态转移概率来确定预警信息，其具体为：
...【技术特征摘要】
1.基于智能芯片的失能患者跟踪与分析系统，其特征在于，包括，
2.根据权利要求1所述的基于智能芯片的失能患者跟踪与分析系统，其特征在于，所述画像模块用于，根据失能患者的脑部患病信息和身体机能信息建立脑部患病画像，其具体为：
3.根据权利要求2所述的基于智能芯片的失能患者跟踪与分析系统，其特征在于，所述画像模块用于，通过脑部患病画像来建立一个截取时间窗口，其具体为：
4.根据权利要求3所述的基于智能芯片的失能患者跟踪与分析系统，其特征在于，所述生成模块用于，通过以往发病状态信息构建发病状态信息时间轴，并凭借截取时间窗口对发病状态信息时间轴进行信息截取，得到发病状态样本信息，其具体为：
5.根据权利要求2所述的基于智能芯片的失能患者跟踪与分析系统，其特征在于，所述生成模块还用于，基于发...
【专利技术属性】
技术研发人员：左婧，呼延小媛，胡亦新，李晓光，
申请(专利权)人：中国人民解放军总医院第二医学中心，
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。