【技术实现步骤摘要】
本专利技术涉及医疗护理领域，尤其涉及一种智能化的神经外科护理监控方法及系统。
技术介绍
1、神经外科护理监控是指运用多种神经电生理监测技术对需要监测和管理的神经外科患者的健康状况进行实时监控的过程，通过使用神经外科护理监控系统，可以帮助医护人员及时发现患者病情的变化，比如颅内出血，从而减少不良事件的发生，随着我国医疗事业的发展和计算机技术水平的不断提升，先进的成像技术使得医生能够更精确地诊断神经外科疾病，带动了神经外科护理需求的快速发展，为了提高护理质量，医院不得不进行神经外科护理监控系统的升级。
2、现有的神经外科护理监控主要是依赖于人工观察和基础的医疗设备，该方法通过使用生命体征监测仪器、神经学评估和护理记录等，对神经外科患者的病情进行评估和分析，以提高护理质量，但该方法需要医护人员定期监测患者生命体征和频繁巡视病房，且难以实现患者病情数据的快速收集和分析，导致神经外科护理效率和患者病情分析能力受限，从而影响神经外科患者的护理质量。
技术实现思路
1、为了解决上述问题，本专利技术提供了一种智能化的神经外科护理监控方法及系统，可以提高神经外科患者的护理质量和护理效率。
2、第一方面，本专利技术提供了一种智能化的神经外科护理监控方法，包括：
3、采集神经外科患者的多模态护理数据，识别出所述多模态护理数据中的患者生理分类数据，根据所述患者生理分类数据，构建所述多模态护理数据的训练生成器；
4、分析所述患者生理分类数据对应的风险等级，提取
5、构建所述生成数据质量的判别模型，设置所述判别模型对所述生成数据质量的认可度，基于所述认可度，对所述训练生成器与所述判别模型进行循环对抗训练，得到循环对抗训练结果；
6、根据所述循环对抗训练结果，计算所述训练生成器与所述判别模型的平衡系数，并计算所述判别模型对所述训练生成器的产出数据的辨认程度，结合所述平衡系数和所述辨认程度，构建所述训练生成器与所述判别模型的生成对抗网络，基于所述生成对抗网络，监控所述神经外科患者在护理过程中的身体状态值，构建所述身体状态值的反馈机制；
7、结合所述生成对抗网络和所述反馈机制，对所述神经外科患者进行护理监控，得到护理监控结果。
8、在第一方面的一种可能实现方式中，所述识别出所述多模态护理数据中的患者生理分类数据，包括：
9、对所述多模态护理数据进行格式化处理，得到格式化数据；
10、分析所述多模态护理数据的数据来源，并识别所述多模态护理数据中数据对应的创建时间；
11、根据所述数据来源和所述数据创建时间，设置所述格式化数据的数据标签；
12、基于所述数据标签，对所述多模态护理数据进行数据分类，得到患者生理分类数据。
13、在第一方面的一种可能实现方式中，所述根据所述患者生理分类数据，构建所述多模态护理数据的训练生成器，包括：
14、根据所述患者生理分类数据，识别所述多模态护理数据的异常缺失值；
15、分析所述多模态护理数据的统计属性，并根据所述统计属性和所述异常缺失值，分析所述多模态护理数据的数据特征；
16、识别所述数据特征的变异风险，并设置所述变异风险的风险抑制机制；
17、分析所述多模态护理数据对应的生成数据的仿真程度；
18、根据所述风险抑制机制和所述仿真程度，构建所述多模态护理数据的训练生成器。
19、在第一方面的一种可能实现方式中，所述分析所述患者生理分类数据对应的风险等级，包括：
20、分析所述患者生理分类数据对应的生理特征；
21、根据所述生理特征，计算所述患者生理分类数据之间的特征相关性；
22、基于所述特征相关性，构建所述患者生理分类数据的特征分级判断矩阵；
23、计算所述患者生理分类数据对应的指标权重：
24、结合所述指标权重和所述特征分级判断矩阵，分析所述患者生理分类数据对应的风险等级。
25、在第一方面的一种可能实现方式中，所述分析所述生理指标的时间序列变化趋势，包括：
26、采集所述生理指标对应的样本数据，并对所述样本数据进行清洗校正处理，得到目标样本数据；
27、分析所述目标样本数据在不同时间的显著差异；
28、根据所述显著差异，评测所述目标样本数据随时间变化的变化幅度；
29、在所述变化幅度下，分析所述生理指标的结果属性，并构建所述结果属性的时间序列演变图；
30、基于所述时间序列演变图，分析所述生理指标的时间序列变化趋势。
31、在第一方面的一种可能实现方式中，所述基于所述正常变化阈值，设置所述训练生成器的判别基线，包括：
32、基于所述正常变化阈值，分析所述训练生成器对患者异常生理数据的识别效果；
33、评测所述识别效果的可解释性；
34、根据所述可解释性和所述识别效果，定义对所述训练生成器的仿真数据的容忍程度；
35、基于所述容忍程度，设置所述训练生成器的判别基线。
36、在第一方面的一种可能实现方式中，所述构建所述生成数据质量的判别模型，包括：
37、采集生成数据对应的现实数据，并提取所述现实数据与生成数据的生理指标时序特征；
38、对所述生理指标时序特征进行分析整合，得到整合特征；
39、根据所述整合特征，计算所述生理指标时序特征之间的特征相关系数；
40、基于所述特征相关系数，设置所述现实数据与所述生成数据的数据分区；
41、对所述数据分区进行数据判别处理，得到判别输出结果；
42、结合所述整合特征和所述判别输出结果，构建所述生成数据质量的判别模型。
43、在第一方面的一种可能实现方式中，所述基于所述特征相关系数，设置所述现实数据与所述生成数据的数据分区，包括：
44、基于所述特征相关系数，识别所述现实数据与所述生成数据的特征等级；
45、根据所述特征等级，设置所述现实数据与所述生成数据的分区方式；
46、分析所述现实数据与所述生成数据的划分比例；
47、根据所述分区方式和所述划分比例，设置所述现实数据与所述生成数据的数据分区。
48、在第一方面的一种可能实现方式中，所述构建所述身体状态值的反馈机制，包括：
49、采集所述身体状态值对应的生成对抗网络中的生理数据，并分析所述生理数据的可靠程度；
50、根据所述可靠程度和所述身体状态值在护理过程中的实际情况，设置神经外科患者的生理状态异常阈值；<本文档来自技高网...
【技术保护点】
1.一种智能化的神经外科护理监控方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述识别出所述多模态护理数据中的患者生理分类数据，包括：
3.根据权利要求1所述的方法，其特征在于，所述根据所述患者生理分类数据，构建所述多模态护理数据的训练生成器，包括：
4.根据权利要求1所述的方法，其特征在于，所述分析所述患者生理分类数据对应的风险等级，包括：
5.根据权利要求1所述的方法，其特征在于，所述分析所述生理指标的时间序列变化趋势，包括：
6.根据权利要求1所述的方法，其特征在于，所述基于所述正常变化阈值，设置所述训练生成器的判别基线，包括：
7.根据权利要求1所述的方法，其特征在于，所述构建所述生成数据质量的判别模型，包括：
8.根据权利要求7所述的方法，其特征在于，所述基于所述特征相关系数，设置所述现实数据与所述生成数据的数据分区，包括：
9.根据权利要求1所述的方法，其特征在于，所述构建所述身体状态值的反馈机制，包括：
10.一种智能化的神经外科
...【技术特征摘要】
1.一种智能化的神经外科护理监控方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述识别出所述多模态护理数据中的患者生理分类数据，包括：
3.根据权利要求1所述的方法，其特征在于，所述根据所述患者生理分类数据，构建所述多模态护理数据的训练生成器，包括：
4.根据权利要求1所述的方法，其特征在于，所述分析所述患者生理分类数据对应的风险等级，包括：
5.根据权利要求1所述的方法，其特征在于，所述分析所述生理指标的时间序列变化趋势，包括：
6.根据...
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。