本發(fā)明屬于智能護(hù)理領(lǐng)域，具體是一種智能化神經(jīng)外科腫瘤患者護(hù)理系統(tǒng)。

背景技術(shù)：

1、神經(jīng)外科腫瘤患者護(hù)理是一項(xiàng)專(zhuān)門(mén)的護(hù)理領(lǐng)域，旨在為患有神經(jīng)系統(tǒng)腫瘤的患者提供全面的護(hù)理和支持，護(hù)理的主要目標(biāo)包括減輕癥狀和監(jiān)測(cè)病情變化，護(hù)理人員需定期監(jiān)測(cè)患者的病情變化，評(píng)估治療效果，及時(shí)發(fā)現(xiàn)并處理任何并發(fā)癥；傳統(tǒng)護(hù)理模式下，醫(yī)護(hù)人員對(duì)神經(jīng)系統(tǒng)腫瘤患者生命體征和病情的實(shí)時(shí)監(jiān)測(cè)和反饋機(jī)制有限，無(wú)法及時(shí)發(fā)現(xiàn)和應(yīng)對(duì)患者狀況變化，現(xiàn)有的計(jì)算機(jī)輔助監(jiān)測(cè)方法通常限于單一的模態(tài)數(shù)據(jù)例如腦部mri圖像或者心率圖等，沒(méi)有辦法很好的做到將患者的醫(yī)學(xué)圖像信息與各種生命體征信息進(jìn)行結(jié)合，實(shí)現(xiàn)對(duì)患者癥狀的智能分析。

技術(shù)實(shí)現(xiàn)思路

1、針對(duì)上述情況，為克服現(xiàn)有技術(shù)的缺陷，本發(fā)明創(chuàng)造性地提出一種智能化神經(jīng)外科腫瘤患者護(hù)理系統(tǒng)，針對(duì)醫(yī)護(hù)人員對(duì)神經(jīng)系統(tǒng)腫瘤患者生命體征和病情的實(shí)時(shí)監(jiān)測(cè)和反饋機(jī)制有限，無(wú)法及時(shí)發(fā)現(xiàn)和應(yīng)對(duì)患者狀況變化的問(wèn)題，本發(fā)明通過(guò)神經(jīng)網(wǎng)絡(luò)對(duì)患者的腦部圖像與體征數(shù)據(jù)進(jìn)行特征提取與分析，得到智能的分析結(jié)果，可更及時(shí)的發(fā)現(xiàn)患者癥狀變化；針對(duì)現(xiàn)有的計(jì)算機(jī)輔助監(jiān)測(cè)方法通常限于單一的模態(tài)數(shù)據(jù)，無(wú)法將患者的醫(yī)學(xué)圖像信息與各種生命體征信息進(jìn)行結(jié)合來(lái)進(jìn)行癥狀分析的問(wèn)題，本發(fā)明的系統(tǒng)創(chuàng)造性地采用一種跨模態(tài)的多模圖神經(jīng)網(wǎng)絡(luò)對(duì)比學(xué)習(xí)方法，以患者的體征數(shù)據(jù)與腦部圖像進(jìn)行圖構(gòu)建，以圖神經(jīng)網(wǎng)絡(luò)對(duì)跨模態(tài)圖特征進(jìn)行各自模態(tài)內(nèi)的細(xì)粒度特征編碼，并設(shè)計(jì)跨模態(tài)間的特征對(duì)比損失，以對(duì)比學(xué)習(xí)的方法整合患者腦部圖像與各項(xiàng)生命體征數(shù)據(jù)之間的關(guān)聯(lián)關(guān)系，實(shí)現(xiàn)患者癥狀的智能預(yù)測(cè)分析，為醫(yī)護(hù)人員提供更準(zhǔn)確的患者癥狀預(yù)警分析結(jié)果，提高醫(yī)護(hù)效率與質(zhì)量。

2、本發(fā)明提供的一種智能化神經(jīng)外科腫瘤患者護(hù)理系統(tǒng)，包括患者監(jiān)測(cè)模塊、數(shù)據(jù)智能分析模塊、預(yù)警通知模塊、遠(yuǎn)程支持模塊、信息管理模塊與用戶(hù)界面模塊；

3、所述患者監(jiān)測(cè)模塊，通過(guò)腦磁共振成像設(shè)備采集所有神經(jīng)外科腫瘤患者腦部圖像，通過(guò)心率、血壓、體溫監(jiān)測(cè)儀器采集患者體征數(shù)據(jù)，并將所述腦部圖像與體征數(shù)據(jù)發(fā)送至數(shù)據(jù)智能分析模塊；

4、所述數(shù)據(jù)智能分析模塊，采用一種跨模態(tài)的多模圖神經(jīng)網(wǎng)絡(luò)對(duì)比學(xué)習(xí)方法，將所有患者的體征數(shù)據(jù)、腦部圖像以及患者對(duì)應(yīng)的癥狀進(jìn)行對(duì)比學(xué)習(xí)，通過(guò)對(duì)比學(xué)習(xí)的結(jié)果，得到所需護(hù)理患者的癥狀預(yù)警分析信息，并將癥狀預(yù)警分析信息發(fā)送至預(yù)警通知模塊；

5、所述預(yù)警通知模塊，設(shè)定預(yù)警閾值，一旦預(yù)警分析信息超出健康范圍，系統(tǒng)自動(dòng)發(fā)出警報(bào)；

6、所述遠(yuǎn)程支持模塊，提供遠(yuǎn)程醫(yī)療支持功能，可供專(zhuān)家可以遠(yuǎn)程查看患者癥狀預(yù)警分析信息，并給予護(hù)理建議；

7、所述信息管理模塊，記錄患者的腦部圖像、體征數(shù)據(jù)與預(yù)警分析信息，供醫(yī)護(hù)人員隨時(shí)查閱；

8、所述用戶(hù)界面模塊，以直觀易用的用戶(hù)界面，供醫(yī)護(hù)人員和患者查看數(shù)據(jù)、接收通知和進(jìn)行交互。

9、進(jìn)一步的，在數(shù)據(jù)智能分析模塊中，所述一種跨模態(tài)的多模圖神經(jīng)網(wǎng)絡(luò)對(duì)比學(xué)習(xí)方法，具體包括以下步驟：

10、步驟s1：構(gòu)建三元組與多模態(tài)集合，將第i位患者的腦部圖像、體征數(shù)據(jù)和對(duì)應(yīng)的癥狀表示為三元組xi={pi,ci,yi}，其中p表示患者的腦部圖像，c表示患者的體征數(shù)據(jù)，y代表患者對(duì)應(yīng)的癥狀標(biāo)簽，將所有患者的三元組構(gòu)建為多模態(tài)集合x(chóng)={x1,x2,...,xn}；

11、步驟s2：特征提取，采用編碼器對(duì)多模態(tài)集合中的腦部圖像與體征數(shù)據(jù)進(jìn)行特征提取，得到所有患者的圖像特征fp與數(shù)據(jù)特征fc；

12、步驟s3：圖構(gòu)建，將所有圖像特征fp與數(shù)據(jù)特征fc作為圖節(jié)點(diǎn)分別構(gòu)建模態(tài)圖gp與gc，通過(guò)k近鄰圖的方法構(gòu)建鄰接矩陣與：

13、；

14、式中，與代表模態(tài)圖gp或者gc中的兩個(gè)相鄰節(jié)點(diǎn)，表示基于歐氏距離的特征與的k臨近的索引集，代表特征與所對(duì)應(yīng)的圖節(jié)點(diǎn)之間連通關(guān)系，1代表連通，0代表未連通；

15、步驟s4：基于模態(tài)的圖注意力編碼，使用gat模型對(duì)模態(tài)圖gp與gc進(jìn)行特征提取，得到模態(tài)圖gp與gc的注意力編碼特征向量；

16、特征s5：特征連接，將模態(tài)圖gp與gc的注意力編碼特征向量分別與圖像特征fp與數(shù)據(jù)特征fc，得到圖連接特征與數(shù)據(jù)連接特征；

17、步驟s6：特征激活，將圖連接特征和數(shù)據(jù)連接特征進(jìn)行多層感知機(jī)處理，將兩個(gè)特征的處理所得結(jié)果分別與處理前的兩種特征各自進(jìn)行做元素級(jí)乘法，得到圖激活特征與數(shù)據(jù)激活特征：

18、；

19、式中，代表圖連接特征和數(shù)據(jù)連接特征，代表多層感知機(jī)處理，元素級(jí)乘法，代表圖激活特征與數(shù)據(jù)激活特征；

20、步驟s7：跨模態(tài)特征融合，將圖激活特征與數(shù)據(jù)激活特征進(jìn)行元素級(jí)相加，得到跨模態(tài)特征；

21、步驟s8：相似度計(jì)算，對(duì)跨模態(tài)特征進(jìn)行相似矩陣構(gòu)建，其中矩陣中的元素代表兩個(gè)患者之間的特征相似度：

22、<msub><mi>s</mi><mi>ij</mi></msub><mi>=</mi><msub><mi>z</mi><mi>i</mi></msub><mi>?</mi><mi>(</mi><msub><mi>z</mi><mi>j</mi></msub><msup><mi>)</mi><mi>t</mi></msup><mi>,</mi><mi>?</mi><mi>i,j</mi><mi>∈</mi><mi>[1,n]</mi>；

23、式中，代表患者與之間的特征相似度即相似矩陣中的元素，代表第個(gè)患者的跨模態(tài)特征，代表第個(gè)患者的跨模態(tài)特征，代表特征向量的矩陣轉(zhuǎn)置，代表患者總數(shù)；

24、步驟s9：對(duì)比學(xué)習(xí)與損失優(yōu)化，通過(guò)鄰接矩陣與相似矩陣計(jì)算對(duì)比損失，通過(guò)優(yōu)化對(duì)比損失，得到最終的患者間癥狀的相似度對(duì)比結(jié)果，通過(guò)相似度對(duì)比結(jié)果，對(duì)所需護(hù)理患者的癥狀進(jìn)行預(yù)測(cè)，得到癥狀預(yù)警分析信息，具體包括以下步驟：

25、步驟s91：掩碼矩陣設(shè)計(jì)，設(shè)計(jì)正掩碼矩陣與負(fù)掩碼矩陣：

26、；

27、；

28、；

29、式中，為所設(shè)計(jì)的閾值函數(shù)，代表矩陣中的元素，、分別代表鄰接矩陣與，與分別代表正掩碼矩陣與負(fù)掩碼矩陣；

30、步驟s92：正負(fù)分?jǐn)?shù)計(jì)算：

31、；

32、；

33、；

34、式中，代表相似矩陣，與為正負(fù)分?jǐn)?shù)計(jì)算中的正負(fù)對(duì)，即中間變量，代表癥狀標(biāo)簽，代表預(yù)設(shè)參數(shù)，與分別為正負(fù)對(duì)中的元素，代表正分?jǐn)?shù)，代表負(fù)分?jǐn)?shù)；

35、步驟s93：正負(fù)損失計(jì)算：

36、；

37、；

38、式中，為極小的預(yù)設(shè)數(shù)值，防止正負(fù)分?jǐn)?shù)為0時(shí)函數(shù)存在的數(shù)值計(jì)算問(wèn)題，與分別代表正損失與負(fù)損失；

39、步驟s94：將正損失與負(fù)損失相加得到總損失，并計(jì)算交叉熵?fù)p失；

40、步驟s95：對(duì)比損失計(jì)算：

41、；

42、式中，代表交叉熵?fù)p失，為總損失，為調(diào)節(jié)參數(shù)，為對(duì)比損失；

43、步驟s96：優(yōu)化對(duì)比損失，得到最終的患者間癥狀的相似度對(duì)比結(jié)果，通過(guò)相似度對(duì)比結(jié)果，對(duì)所需護(hù)理患者的癥狀進(jìn)行預(yù)測(cè)分析，得到癥狀預(yù)警分析信息。

44、采用上述方案本發(fā)明取得的有益成果如下：

45、（1）本發(fā)明創(chuàng)造性地提出一種智能化神經(jīng)外科腫瘤患者護(hù)理系統(tǒng)，針對(duì)醫(yī)護(hù)人員對(duì)神經(jīng)系統(tǒng)腫瘤患者生命體征和病情的實(shí)時(shí)監(jiān)測(cè)和反饋機(jī)制有限，無(wú)法及時(shí)發(fā)現(xiàn)和應(yīng)對(duì)患者狀況變化的問(wèn)題，本發(fā)明通過(guò)神經(jīng)網(wǎng)絡(luò)對(duì)患者的腦部圖像與體征數(shù)據(jù)進(jìn)行特征提取與分析，得到智能的分析結(jié)果，可更及時(shí)的發(fā)現(xiàn)患者癥狀變化；

46、（2）針對(duì)現(xiàn)有的計(jì)算機(jī)輔助監(jiān)測(cè)方法通常限于單一的模態(tài)數(shù)據(jù)，無(wú)法將患者的醫(yī)學(xué)圖像信息與各種生命體征信息進(jìn)行結(jié)合來(lái)進(jìn)行癥狀分析的問(wèn)題，本發(fā)明的系統(tǒng)創(chuàng)造性地采用一種跨模態(tài)的多模圖神經(jīng)網(wǎng)絡(luò)對(duì)比學(xué)習(xí)方法，以患者的體征數(shù)據(jù)與腦部圖像進(jìn)行圖構(gòu)建，以圖神經(jīng)網(wǎng)絡(luò)對(duì)跨模態(tài)圖特征進(jìn)行各自模態(tài)內(nèi)的細(xì)粒度特征編碼，并設(shè)計(jì)跨模態(tài)間的特征對(duì)比損失，以對(duì)比學(xué)習(xí)的方法整合患者腦部圖像與各項(xiàng)生命體征數(shù)據(jù)之間的關(guān)聯(lián)關(guān)系，實(shí)現(xiàn)患者癥狀的智能預(yù)測(cè)分析，為醫(yī)護(hù)人員提供更準(zhǔn)確的患者癥狀預(yù)警分析結(jié)果，提高醫(yī)護(hù)效率與質(zhì)量。