CN118648879B - 用于重症监护报警管理的数据处理系统及方法 - Google Patents

Abstract

本申请公开一种用于重症监护报警管理的数据处理系统及方法，涉及健康数据技术领域。该方法包括：通过传感器组实时监测采集重症患者的生命体征数据，包括心率值、血压值、血氧饱和度和呼吸频率，并在后端引入基于人工智能和深度学习的数据处理和分析算法来进行这些生命体征数据的时序协同和全时域关联分析，以此来学习并捕获到该重症患者各项生命体征之间的时序动态关联特征和变化趋势，从而有效地进行生命体征的异常状态识别和检测。这样，能够及时发现重症患者的异常情况，并产生预警提示信号来通知医护人员做出相应处理，从而实现更为智能化的重症监护报警管理。

Description

用于重症监护报警管理的数据处理系统及方法

技术领域

本申请涉及健康数据技术领域，具体地，涉及一种用于重症监护报警管理的数据处理系统及方法。

背景技术

ICU是医院中专门用于治疗病情最严重患者的区域。在ICU中，对患者状况的快速响应是至关重要的，任何延误都可能导致患者状况恶化，甚至危及生命。因此，需要对患者的各项生命体征进行密切监测，因为他们的生命体征可能随时发生变化。

然而，传统的重症监护系统往往依赖医护人员的持续监控和手动记录，并根据自己的经验和判断来识别患者是否出现异常情况，这不仅增加了医护人员的工作负担，使得他们面临着巨大的工作压力，也增加了人为错误的可能性。同时，医护人员可能无法实时解读和分析大量的监测数据，导致对患者状况的评估和响应不够准确或及时。

现有一些设备能够通过自动化体征监测的方式来对重症患者进行监护，但是其大多数是通过阈值监测和报警的方式来进行，而患者的生命体征可能会存在正常情况下的波动情况，导致频繁地报警，引起虚假警报疲劳。也就是说，过多的无效或重复报警可能导致医护人员对报警系统产生疲劳，从而忽视真正的紧急情况。此外，通过阈值法来进行患者体征数据的监测方式并不能够关注到各项体征数据之间的隐藏关联性关系和相互影响，导致对重症患者的监护报警和管理效果较差，可能导致异常情况的延误或错过。

因此，期望一种优化的用于重症监护报警管理的数据处理系统及方法。

发明内容

提供该发明内容部分以便以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。该发明内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。

第一方面，本申请提供了一种用于重症监护报警管理的数据处理系统，所述数据处理系统包括：

重症患者生命体征数据采集模块，用于获取由传感器组采集的被监测重症患者的生命体征数据的时间序列，其中，所述生命体征数据包括心率值、血压值、血氧饱和度和呼吸频率；

生命体征嵌入编码模块，用于将所述生命体征数据的时间序列中的各个生命体征数据通过基于全连接层的生命体征嵌入编码器以得到生命体征嵌入编码特征向量的时间序列；

生命体征局部时序特征提取模块，用于分别对所述生命体征嵌入编码特征向量的时间序列中的各个生命体征嵌入编码特征向量进行时序关联编码以得到生命体征局部时序关联特征向量的序列；

生命体征全时域特征聚合模块，用于对所述生命体征局部时序关联特征向量的序列中的各个生命体征局部时序关联特征向量进行基于节点能量衰减传播的生命体征全时域特征聚合处理以得到生命体征全时域信息聚合信息；

体征异常检测预警模块，用于基于所述生命体征全时域信息聚合信息，确定被监测重症患者的生命体征是否存在异常，并确定是否发出预警提示信号给重症监护医护人员;

其中，所述生命体征全时域特征聚合模块，用于：将所述生命体征局部时序关联特征向量的序列通过基于节点能量衰减传播的生命体征全时域特征聚合器以得到生命体征全时域信息聚合表示向量作为所述生命体征全时域信息聚合信息。

可选地，所述生命体征局部时序特征提取模块，用于：将所述生命体征嵌入编码特征向量的时间序列通过基于一维卷积层的生命体征局部时序关联编码器以得到所述生命体征局部时序关联特征向量的序列。

可选地，所述生命体征全时域特征聚合模块，包括：数据计算单元，用于基于所述生命体征局部时序关联特征向量的序列中的各个生命体征局部时序关联特征向量的最大值、平均值和方差，来计算所述各个生命体征局部时序关联特征向量的节点能量统计范式值以得到生命体征局部时序节点能量统计范式值的序列，其中，将所述生命体征局部时序节点能量统计范式值的序列中当前的生命体征局部时序关联特征向量对应的生命体征局部时序节点能量统计范式值作为当前节点能量统计范式值，且将其他生命体征局部时序节点能量统计范式值作为历史节点能量统计范式值以得到当前生命体征局部时序节点能量统计范式值和历史生命体征局部时序节点能量统计范式值的序列；节点传播空间跨度值统计单元，用于统计所述生命体征局部时序关联特征向量的序列中的各个其他生命体征局部时序关联特征向量与当前生命体征局部时序关联特征向量之间的节点传播空间跨度值以得到生命体征局部时序节点传播空间跨度值的序列；节点能量传播衰减系数值计算单元，用于基于所述生命体征局部时序节点传播空间跨度值的序列和所述历史生命体征局部时序节点能量统计范式值的序列，确定所述生命体征局部时序关联特征向量的序列中的其他各个生命体征局部时序关联特征向量的节点能量传播衰减系数值以得到生命体征局部时序节点能量传播衰减系数值的序列；第一向量加权和计算单元，用于以所述生命体征局部时序节点能量传播衰减系数值的序列作为权重序列，计算所述生命体征局部时序关联特征向量的序列中的其他所有生命体征局部时序关联特征向量之间的加权和以得到历史生命体征局部时序节点能量衰减时序聚合特征向量；第二向量加权和计算单元，用于基于所述当前生命体征局部时序节点能量统计范式值来计算所述历史生命体征局部时序节点能量衰减时序聚合特征向量和所述当前生命体征局部时序关联特征向量的加权和以得到所述生命体征全时域信息聚合表示向量。

可选地，所述数据计算单元，包括：向量最大值、平均值和方差计算子单元，用于计算所述生命体征局部时序关联特征向量的最大值、平均值和方差以得到生命体征局部时序最大值、生命体征局部时序平均值和生命体征局部时序方差；第一时序节点能量统计因子计算子单元，用于计算所述生命体征局部时序方差与正则项超参数之间的加和后与常数4进行相乘以得到第一生命体征局部时序节点能量统计因子；二倍调制生命体征计算子单元，用于分别计算所述生命体征局部时序方差和所述正则项超参数与常数2之间的乘积以得到二倍调制生命体征局部时序方差和二倍调制正则项超参数；第二时序节点能量统计因子计算子单元，用于计算所述生命体征局部时序最大值与所述生命体征局部时序平均值之间的差值平方后，再将其与所述二倍调制正则项超参数和所述二倍调制生命体征局部时序方差进行加和以得到第二生命体征局部时序节点能量统计因子；时序节点能量统计范式值计算子单元，用于计算所述第一生命体征局部时序节点能量统计因子和所述第二生命体征局部时序节点能量统计因子之间的除法以得到生命体征局部时序节点能量统计范式值。

可选地，所述节点能量传播衰减系数值计算单元，包括：空间跨度值计算子单元，用于以所述生命体征局部时序节点传播空间跨度值的序列中的各个生命体征局部时序节点传播空间跨度值作为指数幂，计算以自然常数e为底的指数函数值以得到生命体征局部时序节点传播类支持空间跨度值的序列；空间跨度调制系数计算子单元，用于计算所述生命体征局部时序节点传播类支持空间跨度值的序列和所述生命体征局部时序节点传播空间跨度值的序列的按位置加和以得到生命体征局部时序节点传播空间跨度调制系数的序列；能量传播衰减系数值计算子单元，用于计算所述历史生命体征局部时序节点能量统计范式值的序列和所述生命体征局部时序节点传播空间跨度调制系数的序列之间的按位置除法以得到所述生命体征局部时序节点能量传播衰减系数值的序列。

可选地，所述体征异常检测预警模块，用于：将所述生命体征全时域信息聚合表示向量通过基于分类器的异常识别器以得到识别结果，所述识别结果用于表示被监测重症患者的生命体征是否存在异常；响应于所述识别结果为被监测重症患者的生命体征存在异常，发出预警提示信号给重症监护医护人员。

第二方面，本申请提供了一种用于重症监护报警管理的数据处理方法，所述方法包括：

获取由传感器组采集的被监测重症患者的生命体征数据的时间序列，其中，所述生命体征数据包括心率值、血压值、血氧饱和度和呼吸频率；

将所述生命体征数据的时间序列中的各个生命体征数据通过基于全连接层的生命体征嵌入编码器以得到生命体征嵌入编码特征向量的时间序列；

分别对所述生命体征嵌入编码特征向量的时间序列中的各个生命体征嵌入编码特征向量进行时序关联编码以得到生命体征局部时序关联特征向量的序列；

对所述生命体征局部时序关联特征向量的序列中的各个生命体征局部时序关联特征向量进行基于节点能量衰减传播的生命体征全时域特征聚合处理以得到生命体征全时域信息聚合信息；

基于所述生命体征全时域信息聚合信息，确定被监测重症患者的生命体征是否存在异常，并确定是否发出预警提示信号给重症监护医护人员;

其中，对所述生命体征局部时序关联特征向量的序列中的各个生命体征局部时序关联特征向量进行基于节点能量衰减传播的生命体征全时域特征聚合处理以得到生命体征全时域信息聚合信息，包括：将所述生命体征局部时序关联特征向量的序列通过基于节点能量衰减传播的生命体征全时域特征聚合器以得到生命体征全时域信息聚合表示向量作为所述生命体征全时域信息聚合信息。

可选地，分别对所述生命体征嵌入编码特征向量的时间序列中的各个生命体征嵌入编码特征向量进行时序关联编码以得到生命体征局部时序关联特征向量的序列，包括：将所述生命体征嵌入编码特征向量的时间序列通过基于一维卷积层的生命体征局部时序关联编码器以得到所述生命体征局部时序关联特征向量的序列。

可选地，对所述生命体征局部时序关联特征向量的序列中的各个生命体征局部时序关联特征向量进行基于节点能量衰减传播的生命体征全时域特征聚合处理以得到生命体征全时域信息聚合信息，包括：将所述生命体征局部时序关联特征向量的序列通过基于节点能量衰减传播的生命体征全时域特征聚合器以得到生命体征全时域信息聚合表示向量作为所述生命体征全时域信息聚合信息。

采用上述技术方案，通过传感器组实时监测采集重症患者的生命体征数据，包括心率值、血压值、血氧饱和度和呼吸频率，并在后端引入基于人工智能和深度学习的数据处理和分析算法来进行这些生命体征数据的时序协同和全时域关联分析，以此来学习并捕获到该重症患者各项生命体征之间的时序动态关联特征和变化趋势，从而有效地进行生命体征的异常状态识别和检测。这样，能够及时发现重症患者的异常情况，并产生预警提示信号来通知医护人员做出相应处理，从而实现更为智能化的重症监护报警管理。

本申请的其他特征和优点将在随后的具体实施方式部分予以详细说明。

附图说明

结合附图并参考以下具体实施方式，本申请各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，原件和元素不一定按照比例绘制。在附图中：

图1是根据一示例性实施例示出的一种用于重症监护报警管理的数据处理系统的框图。

图2是根据一示例性实施例示出的一种用于重症监护报警管理的数据处理方法的流程图。

图3是根据一示例性实施例示出的一种电子设备的框图。

图4是根据一示例性实施例示出的一种用于重症监护报警管理的数据处理系统的应用场景图。

具体实施方式

下面将参照附图更详细地描述本申请的实施例。虽然附图中显示了本申请的某些实施例，然而应当理解的是，本申请可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例，相反提供这些实施例是为了更加透彻和完整地理解本申请。应当理解的是，本申请的附图及实施例仅用于示例性作用，并非用于限制本申请的保护范围。

应当理解，本申请的方法实施方式中记载的各个步骤可以按照不同的顺序执行，和/或并行执行。此外，方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本申请的范围在此方面不受限制。

本文使用的术语“包括”及其变形是开放性包括，即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”；术语“另一实施例”表示“至少一个另外的实施例”；术语“一些实施例”表示“至少一些实施例”。其他术语的相关定义将在下文描述中给出。

需要注意，本申请中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。

需要注意，本申请中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。

本申请实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。

以下结合附图对本申请的具体实施方式进行详细说明。

图1是根据一示例性实施例示出的一种用于重症监护报警管理的数据处理系统的框图。如图1所示，该数据处理系统100包括：

重症患者生命体征数据采集模块101，用于获取由传感器组采集的被监测重症患者的生命体征数据的时间序列，其中，所述生命体征数据包括心率值、血压值、血氧饱和度和呼吸频率；

生命体征嵌入编码模块102，用于将所述生命体征数据的时间序列中的各个生命体征数据通过基于全连接层的生命体征嵌入编码器以得到生命体征嵌入编码特征向量的时间序列；

生命体征局部时序特征提取模块103，用于分别对所述生命体征嵌入编码特征向量的时间序列中的各个生命体征嵌入编码特征向量进行时序关联编码以得到生命体征局部时序关联特征向量的序列；

生命体征全时域特征聚合模块104，用于对所述生命体征局部时序关联特征向量的序列中的各个生命体征局部时序关联特征向量进行基于节点能量衰减传播的生命体征全时域特征聚合处理以得到生命体征全时域信息聚合信息；

体征异常检测预警模块105，用于基于所述生命体征全时域信息聚合信息，确定被监测重症患者的生命体征是否存在异常，并确定是否发出预警提示信号给重症监护医护人员。

针对上述技术问题，本申请的技术构思为通过传感器组实时监测采集重症患者的生命体征数据，包括心率值、血压值、血氧饱和度和呼吸频率，并在后端引入基于人工智能和深度学习的数据处理和分析算法来进行这些生命体征数据的时序协同和全时域关联分析，以此来学习并捕获到该重症患者各项生命体征之间的时序动态关联特征和变化趋势，从而有效地进行生命体征的异常状态识别和检测。这样，能够及时发现重症患者的异常情况，并产生预警提示信号来通知医护人员做出相应处理，从而实现更为智能化的重症监护报警管理。

具体地，在本申请的技术方案中，首先，获取由传感器组采集的被监测重症患者的生命体征数据的时间序列，其中，所述生命体征数据包括心率值、血压值、血氧饱和度和呼吸频率。应可以理解，生命体征数据通常包含丰富的数据信息，但原始数据可能非常复杂且高维。此外，生命体征数据中的心率值、血压值、血氧饱和度和呼吸频率之间具有着相关性的关系和交互影响，而不同的生命体征数据也具有着不同的量纲和范围。因此，为了能够将这些原始数据转换为向量形式，并捕获到这些生命体征数据之间的隐含关联关系，在本申请的技术方案中，将所述生命体征数据的时间序列中的各个生命体征数据通过基于全连接层的生命体征嵌入编码器以得到生命体征嵌入编码特征向量的时间序列。通过所述基于全连接层的生命体征嵌入编码器的处理，能够将不同的生命体征数据嵌入映射到共空间中，并捕获到这些不同生命体征数据之间的全连接隐含交互信息，来得到不同时间点下的生命体征嵌入编码特征向量。

接着，将所述生命体征嵌入编码特征向量的时间序列通过基于一维卷积层的生命体征局部时序关联编码器中进行编码，以分别提取出在各个局部时间段内的重症患者生命体征全连接编码语义的局部时序关联特征信息，从而得到生命体征局部时序关联特征向量的序列。

在本申请的一个实施例中，所述生命体征局部时序特征提取模块103，用于：将所述生命体征嵌入编码特征向量的时间序列通过基于一维卷积层的生命体征局部时序关联编码器以得到所述生命体征局部时序关联特征向量的序列。

应可以理解，对于重症患者的生命体征数据来说，其在时间维度上的变化是一个时序的动态过程，具有时间上的连续性和相关性。而各个生命体征局部时序关联特征向量都捕捉了在局部时间段内的生命体征变化局部时序模式和趋势信息，这些不同局部时间段内的生命体征局部时序特征之间存在着基于时序全局的关联关系和特征。因此，为了能够将这些生命体征局部时序特征进行融合，以形成对生命体征时序变化更全面的表示，在本申请的技术方案中，进一步将所述生命体征局部时序关联特征向量的序列通过基于节点能量衰减传播的生命体征全时域特征聚合器以得到生命体征全时域信息聚合表示向量。通过所述基于节点能量衰减传播的生命体征全时域特征聚合器的处理，能够模拟各个局部时间段内的生命体征局部时序特征之间的节点能量衰减过程，实现节点特征的时序空间聚合表示，从而提升模型对重症患者生命体征全时域特征和变化模式的理解能力。

在本申请的一个实施例中，所述生命体征全时域特征聚合模块104，用于：将所述生命体征局部时序关联特征向量的序列通过基于节点能量衰减传播的生命体征全时域特征聚合器以得到生命体征全时域信息聚合表示向量作为所述生命体征全时域信息聚合信息。

具体地，所述基于节点能量衰减传播的生命体征全时域特征聚合器通过将各个生命体征局部时序关联特征向量作为节点特征向量，以计算节点特征向量序列的能量统计范式值，其中，所述能量统计范式值与节点特征向量的最大值、平均值和方差有关，其用于量化生命体征局部时序特征节点信息的能量水平。随后，通过统计不同的节点特征向量间的传播空间跨度值，捕捉节点间的拓扑结构和空间关系，即各个生命体征局部时序关联特征向量之间的节点关联特征。这些跨度值与历史生命体征局部时序的节点能量统计范式值相结合，确定生命体征局部时序的节点能量传播衰减系数，该系数与生命体征局部时序的历史节点能量成反相关，模拟了每个生命体征局部时序节点能量随时间和空间的衰减特性。进而，利用这些生命体征局部时序衰减系数作为权重（也就是，考虑能量衰减效应），基于生命体征局部时序的能量统计范式值进一步计算节点特征向量序列的加权和以生成生命体征局部时序的历史节点能量衰减时序聚合特征向量以聚合生命体征局部时序历史节点特征信息。最终，通过融合生命体征局部时序的当前节点的能量统计范式值，计算历史生命体征局部时序聚合特征向量与当前生命体征局部时序节点特征向量的加权和以生成生命体征局部时序的节点能量衰减时序空间聚合表示向量，其综合了时序动态和空间结构的信息。综上，所述基于节点能量衰减传播的生命体征全时域特征聚合器通过动态评估每个生命体征局部时序节点特征的能量水平，捕捉节点间的拓扑结构，模拟能量传播衰减，并聚合时序空间特征，这种方法在提高模型对生命体征局部时序节点特征的时序动态敏感性、增强特征表达力、适应复杂网络结构方面具有显著优势。此外，通过动态地调整节点能量权重和聚合时序空间特征，模型能够更加精确地识别和处理数据中的生命体征局部时序关键信息，从而在后续进行重症患者的生命体征监测和异常识别任务中取得更好的性能。

在本申请的一个实施例中，所述生命体征全时域特征聚合模块104，包括：数据计算单元，用于基于所述生命体征局部时序关联特征向量的序列中的各个生命体征局部时序关联特征向量的最大值、平均值和方差，来计算所述各个生命体征局部时序关联特征向量的节点能量统计范式值以得到生命体征局部时序节点能量统计范式值的序列，其中，将所述生命体征局部时序节点能量统计范式值的序列中当前的生命体征局部时序关联特征向量对应的生命体征局部时序节点能量统计范式值作为当前节点能量统计范式值，且将其他生命体征局部时序节点能量统计范式值作为历史节点能量统计范式值以得到当前生命体征局部时序节点能量统计范式值和历史生命体征局部时序节点能量统计范式值的序列；节点传播空间跨度值统计单元，用于统计所述生命体征局部时序关联特征向量的序列中的各个其他生命体征局部时序关联特征向量与当前生命体征局部时序关联特征向量之间的节点传播空间跨度值以得到生命体征局部时序节点传播空间跨度值的序列；节点能量传播衰减系数值计算单元，用于基于所述生命体征局部时序节点传播空间跨度值的序列和所述历史生命体征局部时序节点能量统计范式值的序列，确定所述生命体征局部时序关联特征向量的序列中的其他各个生命体征局部时序关联特征向量的节点能量传播衰减系数值以得到生命体征局部时序节点能量传播衰减系数值的序列；第一向量加权和计算单元，用于以所述生命体征局部时序节点能量传播衰减系数值的序列作为权重序列，计算所述生命体征局部时序关联特征向量的序列中的其他所有生命体征局部时序关联特征向量之间的加权和以得到历史生命体征局部时序节点能量衰减时序聚合特征向量；第二向量加权和计算单元，用于基于所述当前生命体征局部时序节点能量统计范式值来计算所述历史生命体征局部时序节点能量衰减时序聚合特征向量和所述当前生命体征局部时序关联特征向量的加权和以得到所述生命体征全时域信息聚合表示向量。

进一步地，在本申请的一个实施例中，所述数据计算单元，包括：向量最大值、平均值和方差计算子单元，用于计算所述生命体征局部时序关联特征向量的最大值、平均值和方差以得到生命体征局部时序最大值、生命体征局部时序平均值和生命体征局部时序方差；第一时序节点能量统计因子计算子单元，用于计算所述生命体征局部时序方差与正则项超参数之间的加和后与常数4进行相乘以得到第一生命体征局部时序节点能量统计因子；二倍调制生命体征计算子单元，用于分别计算所述生命体征局部时序方差和所述正则项超参数分别与常数2之间的乘积以得到二倍调制生命体征局部时序方差和二倍调制正则项超参数；第二时序节点能量统计因子计算子单元，用于计算所述生命体征局部时序最大值与所述生命体征局部时序平均值之间的差值平方后，再将其与所述二倍调制正则项超参数和所述二倍调制生命体征局部时序方差进行加和以得到第二生命体征局部时序节点能量统计因子；时序节点能量统计范式值计算子单元，用于计算所述第一生命体征局部时序节点能量统计因子和所述第二生命体征局部时序节点能量统计因子之间的除法以得到生命体征局部时序节点能量统计范式值。

更进一步地，在本申请的一个实施例中，所述节点能量传播衰减系数值计算单元，包括：空间跨度值计算子单元，用于以所述生命体征局部时序节点传播空间跨度值的序列中的各个生命体征局部时序节点传播空间跨度值作为指数幂，计算以自然常数e为底的指数函数值以得到生命体征局部时序节点传播类支持空间跨度值的序列；空间跨度调制系数计算子单元，用于计算所述生命体征局部时序节点传播类支持空间跨度值的序列和所述生命体征局部时序节点传播空间跨度值的序列的按位置加和以得到生命体征局部时序节点传播空间跨度调制系数的序列；能量传播衰减系数值计算子单元，用于计算所述历史生命体征局部时序节点能量统计范式值的序列和所述生命体征局部时序节点传播空间跨度调制系数的序列之间的按位置除法以得到所述生命体征局部时序节点能量传播衰减系数值的序列。

具体地，将所述生命体征局部时序关联特征向量的序列通过所述基于节点能量衰减传播的生命体征全时域特征聚合器以如下生命体征时序节点信息传播公式进行处理以得到所述生命体征全时域信息聚合表示向量；

其中，所述生命体征时序节点信息传播公式为：；；；；；其中，为所述生命体征局部时序关联特征向量的序列，表示向量的序列，、、、、为所述生命体征局部时序关联特征向量的序列中第一个、第二个、第个、第个、第个生命体征局部时序关联特征向量，表示所述生命体征局部时序关联特征向量的总数，为第个生命体征局部时序关联特征向量中第个位置特征值，为第个生命体征局部时序关联特征向量的长度，为第个生命体征局部时序关联特征向量的均值，为第个生命体征局部时序关联特征向量的方差，为正则项超参数，表示第个生命体征局部时序关联特征向量中的最大值，为第个生命体征局部时序关联特征向量的节点能量统计范式值，表示为第个生命体征局部时序关联特征向量的节点能量统计范式值，表示节点传播空间跨度值，、、和为可训练超参数，为所述生命体征全时域信息聚合表示向量。

继而，再将所述生命体征全时域信息聚合表示向量通过基于分类器的异常识别器以得到识别结果，所述识别结果用于表示被监测重症患者的生命体征是否存在异常。也就是说，利用重症患者的生命体征全时域信息聚合特征来进行分类处理，以此来有效地进行重症患者生命体征状态的异常识别和检测。进而，响应于所述识别结果为被监测重症患者的生命体征存在异常，发出预警提示信号给重症监护医护人员，从而实现更为智能化的重症监护报警管理。

在本申请的一个实施例中，所述体征异常检测预警模块，用于：将所述生命体征全时域信息聚合表示向量通过基于分类器的异常识别器以得到识别结果，所述识别结果用于表示被监测重症患者的生命体征是否存在异常；响应于所述识别结果为被监测重症患者的生命体征存在异常，发出预警提示信号给重症监护医护人员。

优选地，本申请考虑到以所述生命体征局部时序关联特征向量的序列用于表达生命体征数据在各个时序节点上的数据全关联编码时序特征，由此在通过基于节点能量衰减传播的生命体征全时域特征聚合器后，在进行全时域时序节点传播聚合的同时，得到的所述生命体征全时域信息聚合表示向量也会具有相对于生命体征数据的时间序列的源数据关联时序分布表达偏移，从而引起分类器的类别偏移，因此，本申请期望通过融合所述生命体征局部时序关联特征向量的序列和所述生命体征全时域信息聚合表示向量来在数据语义细粒度分布下补偿特征对应性比例不平衡引起的类别偏移，从而优化所述生命体征全时域信息聚合表示向量，以提升分类结果的准确性。

具体地，所述生命体征全时域信息聚合表示向量的优化步骤包括：

将所述生命体征局部时序关联特征向量的序列级联并通过线性变换转换为与所述生命体征全时域信息聚合表示向量相同长度的生命体征局部时序关联级联特征向量，其中，所述线性变换包括局部求均值；

计算所述生命体征局部时序关联级联特征向量和所述生命体征全时域信息聚合表示向量的均值特征向量的一范数和二范数；

计算所述二范数的平方根与所述一范数的加权和，并与所述生命体征局部时序关联级联特征向量和所述生命体征全时域信息聚合表示向量进行点乘以获得第一生命体征全时域信息聚合表示子向量；

将所述生命体征局部时序关联级联特征向量和所述生命体征全时域信息聚合表示向量的点乘乘积向量与所述生命体征全时域信息聚合表示向量的长度的平方根进行点加以获得第二生命体征全时域信息聚合表示子向量；

计算所述第一生命体征全时域信息聚合表示子向量和所述第二生命体征全时域信息聚合表示子向量的加权和以得到优化的生命体征全时域信息聚合表示向量。

其中，所述生命体征全时域信息聚合表示向量的优化表示为：；和分别是所述生命体征局部时序关联级联特征向量和所述生命体征全时域信息聚合表示向量，是所述生命体征局部时序关联级联特征向量和所述生命体征全时域信息聚合表示向量的均值特征向量，和分别表示均值特征向量的一范数和二范数，是所述生命体征全时域信息聚合表示向量的长度，且和是作为超参数的加权和权重，所述优化的生命体征全时域信息聚合表示向量。

这里，由此，基于所述生命体征局部时序关联特征向量的序列和所述生命体征全时域信息聚合表示向量间的均值特征向量范数对于所述生命体征局部时序关联特征向量的序列和所述生命体征全时域信息聚合表示向量的超流形体的结构化前景和背景区分的约束化表示，来建模所述生命体征局部时序关联特征向量的序列和所述生命体征全时域信息聚合表示向量的特征向量间的特征级关键对应性，并调节对应特征间的全局关联关系，从而通过所述生命体征局部时序关联特征向量的序列和所述生命体征全时域信息聚合表示向量的对应特征值之间的不平衡比例控制进行正面的细粒度对应建议，以通过关注焦点的方式来避免所述生命体征全时域信息聚合表示向量的特征向量级别类别不平衡，从而提升所述生命体征全时域信息聚合表示向量通过基于分类器的异常识别器得到的识别结果的准确性。这样，能够更为准确地进行重症患者生命体征的异常状态识别和检测，以便及时发现重症患者的异常情况，并产生预警提示信号来通知医护人员做出相应处理，从而实现更为智能化的重症监护报警管理。

综上所述，采用上述方案，通过传感器组实时监测采集重症患者的生命体征数据，包括心率值、血压值、血氧饱和度和呼吸频率，并在后端引入基于人工智能和深度学习的数据处理和分析算法来进行这些生命体征数据的时序协同和全时域关联分析，以此来学习并捕获到该重症患者各项生命体征之间的时序动态关联特征和变化趋势，从而有效地进行生命体征的异常状态识别和检测。这样，能够及时发现重症患者的异常情况，并产生预警提示信号来通知医护人员做出相应处理，从而实现更为智能化的重症监护报警管理。

图2是根据一示例性实施例示出的一种用于重症监护报警管理的数据处理方法的流程图，如图2所示，该方法包括：

步骤S201：获取由传感器组采集的被监测重症患者的生命体征数据的时间序列，其中，所述生命体征数据包括心率值、血压值、血氧饱和度和呼吸频率；

步骤S202：将所述生命体征数据的时间序列中的各个生命体征数据通过基于全连接层的生命体征嵌入编码器以得到生命体征嵌入编码特征向量的时间序列；

步骤S203：分别对所述生命体征嵌入编码特征向量的时间序列中的各个生命体征嵌入编码特征向量进行时序关联编码以得到生命体征局部时序关联特征向量的序列；

步骤S204：对所述生命体征局部时序关联特征向量的序列中的各个生命体征局部时序关联特征向量进行基于节点能量衰减传播的生命体征全时域特征聚合处理以得到生命体征全时域信息聚合信息；

步骤S205：基于所述生命体征全时域信息聚合信息，确定被监测重症患者的生命体征是否存在异常，并确定是否发出预警提示信号给重症监护医护人员。

在本申请的一个实施例中，分别对所述生命体征嵌入编码特征向量的时间序列中的各个生命体征嵌入编码特征向量进行时序关联编码以得到生命体征局部时序关联特征向量的序列，包括：将所述生命体征嵌入编码特征向量的时间序列通过基于一维卷积层的生命体征局部时序关联编码器以得到所述生命体征局部时序关联特征向量的序列。

在本申请的一个实施例中，对所述生命体征局部时序关联特征向量的序列中的各个生命体征局部时序关联特征向量进行基于节点能量衰减传播的生命体征全时域特征聚合处理以得到生命体征全时域信息聚合信息，包括：将所述生命体征局部时序关联特征向量的序列通过基于节点能量衰减传播的生命体征全时域特征聚合器以得到生命体征全时域信息聚合表示向量作为所述生命体征全时域信息聚合信息。

下面参考图3，其示出了适于用来实现本申请实施例的电子设备600的结构示意图。本申请实施例中的终端设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图3示出的电子设备仅仅是一个示例，不应对本申请实施例的功能和使用范围带来任何限制。

如图3所示，电子设备600可以包括处理装置(例如中央处理器、图形处理器等)601，其可以根据存储在只读存储器(ROM)602中的程序或者从存储装置608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。在RAM603中，还存储有电子设备600操作所需的各种程序和数据。处理装置601、ROM602以及RAM603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。

通常，以下装置可以连接至I/O接口605：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置606；包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置607；包括例如磁带、硬盘等的存储装置608；以及通信装置609。通信装置609可以允许电子设备600与其他设备进行无线或有线通信以交换数据。虽然图3示出了具有各种装置的电子设备600，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。

特别地，根据本申请的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本申请的实施例包括一种计算机程序产品，其包括承载在非暂态计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信装置609从网络上被下载和安装，或者从存储装置608被安装，或者从ROM602被安装。在该计算机程序被处理装置601执行时，执行本申请实施例的方法中限定的上述功能。

需要说明的是，本申请上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本申请中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上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：电线、光缆、RF(射频)等等，或者上述的任意合适的组合。

在一些实施方式中，客户端、服务器可以利用诸如HTTP(HyperTextTransferProtocol，超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信，并且可以与任意形式或介质的数字数据通信(例如，通信网络)互连。通信网络的示例包括局域网(“LAN”)，广域网(“WAN”)，网际网(例如，互联网)以及端对端网络(例如，ad hoc端对端网络)，以及任何当前已知或未来研发的网络。

上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。

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申请的操作的计算机程序代码，上述程序设计语言包括但不限于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)。

附图中的流程图和框图，图示了按照本申请各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

描述于本申请实施例中所涉及到的模块可以通过软件的方式实现，也可以通过硬件的方式来实现。其中，模块的名称在某种情况下并不构成对该模块本身的限定，例如，测试参数获取模块还可以被描述为“获取目标设备对应的设备测试参数的模块”。

本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。

在本申请的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。

图4是根据一示例性实施例示出的一种用于重症监护报警管理的数据处理系统的应用场景图。如图4所示，在该应用场景中，首先，获取由传感器组采集的被监测重症患者的生命体征数据的时间序列，其中，所述生命体征数据包括心率值（例如，图4中所示意的C1）、血压值（例如，图4中所示意的C2）、血氧饱和度（例如，图4中所示意的C3）和呼吸频率（例如，图4中所示意的C4）；然后，将获取的心率值、血压值、血氧饱和度和呼吸频率输入至部署有用于重症监护报警管理的数据处理算法的服务器（例如，图4中所示意的S）中，其中所述服务器能够基于用于重症监护报警管理的数据处理算法对所述心率值、血压值、血氧饱和度和呼吸频率进行处理，以确定被监测重症患者的生命体征是否存在异常，并确定是否发出预警提示信号给重症监护医护人员。

以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本申请中所涉及的公开范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述公开构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。

此外，虽然采用特定次序描绘了各操作，但是这不应当理解为要求这些操作以所示出的特定次序或以顺序次序执行来执行。在一定环境下，多任务和并行处理可能是有利的。同样地，虽然在上面论述中包含了若干具体实现细节，但是这些不应当被解释为对本申请的范围的限制。在单独的实施例的上下文中描述的某些特征还可以组合地实现在单个实施例中。相反地，在单个实施例的上下文中描述的各种特征也可以单独地或以任何合适的子组合的方式实现在多个实施例中。

尽管已经采用特定于结构特征和/或方法逻辑动作的语言描述了本主题，但是应当理解所限定的主题未必局限于上面描述的特定特征或动作。相反，上面所描述的特定特征和动作仅仅是实现示例形式。关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。

Claims (4)

1.一种用于重症监护报警管理的数据处理系统，其特征在于，包括：

重症患者生命体征数据采集模块，用于获取由传感器组采集的被监测重症患者的生命体征数据的时间序列，其中，所述生命体征数据包括心率值、血压值、血氧饱和度和呼吸频率；

生命体征嵌入编码模块，用于将所述生命体征数据的时间序列中的各个生命体征数据通过基于全连接层的生命体征嵌入编码器以得到生命体征嵌入编码特征向量的时间序列；

生命体征局部时序特征提取模块，用于分别对所述生命体征嵌入编码特征向量的时间序列中的各个生命体征嵌入编码特征向量进行时序关联编码以得到生命体征局部时序关联特征向量的序列；

生命体征全时域特征聚合模块，用于对所述生命体征局部时序关联特征向量的序列中的各个生命体征局部时序关联特征向量进行基于节点能量衰减传播的生命体征全时域特征聚合处理以得到生命体征全时域信息聚合信息；

体征异常检测预警模块，用于基于所述生命体征全时域信息聚合信息，确定被监测重症患者的生命体征是否存在异常，并确定是否发出预警提示信号给重症监护医护人员；

其中，所述生命体征全时域特征聚合模块，用于：将所述生命体征局部时序关联特征向量的序列通过基于节点能量衰减传播的生命体征全时域特征聚合器以得到生命体征全时域信息聚合表示向量作为所述生命体征全时域信息聚合信息；

其中，所述生命体征局部时序特征提取模块，用于：将所述生命体征嵌入编码特征向量的时间序列通过基于一维卷积层的生命体征局部时序关联编码器以得到所述生命体征局部时序关联特征向量的序列；

其中，所述生命体征全时域特征聚合模块，包括：

数据计算单元，用于基于所述生命体征局部时序关联特征向量的序列中的各个生命体征局部时序关联特征向量的最大值、平均值和方差，来计算所述各个生命体征局部时序关联特征向量的节点能量统计范式值以得到生命体征局部时序节点能量统计范式值的序列，其中，将所述生命体征局部时序节点能量统计范式值的序列中当前的生命体征局部时序关联特征向量对应的生命体征局部时序节点能量统计范式值作为当前节点能量统计范式值，且将其他生命体征局部时序节点能量统计范式值作为历史节点能量统计范式值以得到当前生命体征局部时序节点能量统计范式值和历史生命体征局部时序节点能量统计范式值的序列；

节点传播空间跨度值统计单元，用于统计所述生命体征局部时序关联特征向量的序列中的各个其他生命体征局部时序关联特征向量与当前生命体征局部时序关联特征向量之间的节点传播空间跨度值以得到生命体征局部时序节点传播空间跨度值的序列；

节点能量传播衰减系数值计算单元，用于基于所述生命体征局部时序节点传播空间跨度值的序列和所述历史生命体征局部时序节点能量统计范式值的序列，确定所述生命体征局部时序关联特征向量的序列中的其他各个生命体征局部时序关联特征向量的节点能量传播衰减系数值以得到生命体征局部时序节点能量传播衰减系数值的序列；

第一向量加权和计算单元，用于以所述生命体征局部时序节点能量传播衰减系数值的序列作为权重序列，计算所述生命体征局部时序关联特征向量的序列中的其他所有生命体征局部时序关联特征向量之间的加权和以得到历史生命体征局部时序节点能量衰减时序聚合特征向量；

第二向量加权和计算单元，用于基于所述当前生命体征局部时序节点能量统计范式值来计算所述历史生命体征局部时序节点能量衰减时序聚合特征向量和所述当前生命体征局部时序关联特征向量的加权和以得到所述生命体征全时域信息聚合表示向量；

其中，所述数据计算单元，包括：

向量最大值、平均值和方差计算子单元，用于计算所述生命体征局部时序关联特征向量的最大值、平均值和方差以得到生命体征局部时序最大值、生命体征局部时序平均值和生命体征局部时序方差；

第一时序节点能量统计因子计算子单元，用于计算所述生命体征局部时序方差与正则项超参数之间的加和后与常数4进行相乘以得到第一生命体征局部时序节点能量统计因子；

二倍调制生命体征计算子单元，用于分别计算所述生命体征局部时序方差和所述正则项超参数与常数2之间的乘积以得到二倍调制生命体征局部时序方差和二倍调制正则项超参数；

第二时序节点能量统计因子计算子单元，用于计算所述生命体征局部时序最大值与所述生命体征局部时序平均值之间的差值平方后，再将其与所述二倍调制正则项超参数和所述二倍调制生命体征局部时序方差进行加和以得到第二生命体征局部时序节点能量统计因子；

时序节点能量统计范式值计算子单元，用于计算所述第一生命体征局部时序节点能量统计因子和所述第二生命体征局部时序节点能量统计因子之间的除法以得到生命体征局部时序节点能量统计范式值。

2.根据权利要求1所述的用于重症监护报警管理的数据处理系统，其特征在于，所述节点能量传播衰减系数值计算单元，包括：

空间跨度值计算子单元，用于以所述生命体征局部时序节点传播空间跨度值的序列中的各个生命体征局部时序节点传播空间跨度值作为指数幂，计算以自然常数e为底的指数函数值以得到生命体征局部时序节点传播类支持空间跨度值的序列；

空间跨度调制系数计算子单元，用于计算所述生命体征局部时序节点传播类支持空间跨度值的序列和所述生命体征局部时序节点传播空间跨度值的序列的按位置加和以得到生命体征局部时序节点传播空间跨度调制系数的序列；

能量传播衰减系数值计算子单元，用于计算所述历史生命体征局部时序节点能量统计范式值的序列和所述生命体征局部时序节点传播空间跨度调制系数的序列之间的按位置除法以得到所述生命体征局部时序节点能量传播衰减系数值的序列。

3.根据权利要求2所述的用于重症监护报警管理的数据处理系统，其特征在于，所述体征异常检测预警模块，用于：

将所述生命体征全时域信息聚合表示向量通过基于分类器的异常识别器以得到识别结果，所述识别结果用于表示被监测重症患者的生命体征是否存在异常；

响应于所述识别结果为被监测重症患者的生命体征存在异常，发出预警提示信号给重症监护医护人员。

4.一种用于重症监护报警管理的数据处理方法，使用权利要求1所述的用于重症监护报警管理的数据处理系统，其特征在于，包括：

获取由传感器组采集的被监测重症患者的生命体征数据的时间序列，其中，所述生命体征数据包括心率值、血压值、血氧饱和度和呼吸频率；

将所述生命体征数据的时间序列中的各个生命体征数据通过基于全连接层的生命体征嵌入编码器以得到生命体征嵌入编码特征向量的时间序列；

分别对所述生命体征嵌入编码特征向量的时间序列中的各个生命体征嵌入编码特征向量进行时序关联编码以得到生命体征局部时序关联特征向量的序列；

对所述生命体征局部时序关联特征向量的序列中的各个生命体征局部时序关联特征向量进行基于节点能量衰减传播的生命体征全时域特征聚合处理以得到生命体征全时域信息聚合信息；

基于所述生命体征全时域信息聚合信息，确定被监测重症患者的生命体征是否存在异常，并确定是否发出预警提示信号给重症监护医护人员；

其中，对所述生命体征局部时序关联特征向量的序列中的各个生命体征局部时序关联特征向量进行基于节点能量衰减传播的生命体征全时域特征聚合处理以得到生命体征全时域信息聚合信息，包括：将所述生命体征局部时序关联特征向量的序列通过基于节点能量衰减传播的生命体征全时域特征聚合器以得到生命体征全时域信息聚合表示向量作为所述生命体征全时域信息聚合信息。