申请/专利权人：华东师范大学附属芜湖医院(芜湖市第二人民医院)

申请日：2024-03-19

公开（公告）日：2024-06-18

公开（公告）号：CN118213075A

主分类号：G16H50/30

分类号：G16H50/30;G16H50/20;G16H20/00;G16H20/10;G16H20/70;G06T7/00;G06V10/82;G06F18/2113;G06F18/2135;G06F18/214;G06F18/243;G06N3/0464;G06N3/092;G06N20/20;G06N5/01;G06F123/02

优先权：

专利状态码：在审-公开

法律状态：2024.06.18#公开

摘要：本发明涉及多模态预测识别技术领域，具体为老年全麻患者术后亚谵妄综合症多模态预测识别系统，系统包括老年全麻患者术后数据分析模块、多模态识别模块、术后病症预测模块、亚谵妄综合症动态风险评估模块、患者关系分析模块、异常模式识别模块、风险预测模型训练模块、亚谵妄风险干预策略生成模块。本发明中，通过利用对医学影像数据和生理信号数据的深度分析，结合患者间的社交和医疗关系，实现对术后亚谵妄综合症风险的高精度评估，整合多个风险指标，通过加权处理反映不同指标对风险评估结果的贡献度，增强预测模型的准确性和可靠性，通过调整学习率和关键参数，提高模型的预测性能，确保亚谵妄综合症风险预测的效率和准确率。

主权项：1.老年全麻患者术后亚谵妄综合症多模态预测识别系统，其特征在于，所述系统包括：老年全麻术后数据分析模块基于老年全麻患者的术后恢复数据，通过多源数据整合策略，分析生理信号、医学影像和术后恢复记录的数据，采用数据处理技术，应用特征工程技术提取关键信息，生成老年全麻术后恢复特征集；多模态识别模块基于所述老年全麻术后恢复特征集，采用深度学习方法，利用卷积神经网络针对医学影像数据，通过卷积神经网络分析患者间的关系网络，识别亚谵妄综合症，生成多模态识别结果；术后病症预测模块基于所述多模态识别结果，采用集成学习方法，利用随机森林方法，进行多维度特征分析，整合医学影像的分析结果、生理信号的时间序列特征和患者关系网络的分析结果，进行综合性风险评估，生成亚谵妄综合症风险预测结果；亚谵妄综合症动态风险评估模块基于所述亚谵妄综合症风险预测结果，采用时间差分学习算法，对患者的术后恢复进程进行连续监控，通过分析患者的实时数据和预测结果的差异，实时更新时间点的风险评分，反映患者术后亚谵妄综合征的状态，生成亚谵妄综合症风险动态评分；患者关系分析模块基于所述亚谵妄综合症风险动态评分，采用卷积神经网络，对患者个体进行分析，通过参照患者的术后恢复进程和亚谵妄风险等级，构建节点特征，通过卷积神经网络算法处理节点，提取节点特征，生成患者关系图；异常模式识别模块基于所述患者关系图，对图中的节点进行分析，识别异常节点，通过分析多节点的关系和特征，将孤立的节点标识为异常，捕捉术后亚谵妄风险迹象的患者，生成异常患者标识；风险预测模型训练模块基于所述异常患者标识，采用深度学习算法，对患者的医学影像和生理信号数据进行分析，通过卷积神经网络处理医学影像数据捕捉空间特征，利用循环神经网络处理时间序列的生理信号，生成风险预测模型；亚谵妄风险干预策略生成模块基于所述风险预测模型，采用决策树算法进行数据分析，通过评估模型预测的亚谵妄风险等级和患者的情况，包括年龄、基础疾病和术后恢复进度，结合临床指南和专家知识，制定干预措施，生成优化后的亚谵妄风险干预策略方案。

全文数据：

权利要求：

百度查询： 华东师范大学附属芜湖医院(芜湖市第二人民医院) 老年全麻患者术后亚谵妄综合症多模态预测识别系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD