申请/专利权人：首都医科大学附属北京天坛医院

申请日：2021-04-25

公开（公告）日：2021-07-27

公开（公告）号：CN113171059A

主分类号：A61B5/00(20060101)

分类号：A61B5/00(20060101);A61B5/388(20210101);A61B5/24(20210101)

优先权：

专利状态码：有效-授权

法律状态：2022.03.01#授权;2021.08.13#实质审查的生效;2021.07.27#公开

摘要：本发明涉及多模态监测信息的术后END风险预警及相关设备。设备包括：存储器和处理器；所述处理器用于执行以下操作：获取待测用户在当前时间周期的临床数据；将所述临床数据输入基于卷积理论的深度自编码器，得到所述临床数据对应的特征数据；利用统计过程控制方法获取所述临床数据的统计值，将所述临床数据的统计值与当前时间周期对应的预警阈值进行比较，根据比较结果确实现下一时间周期的术后END风险预警。本申请实现了实时更新术后END预警。

主权项：1.一种基于多模态监测信息的术后END风险预警设备，所述设备包括：存储器和处理器；所述存储器用于存储程序指令；所述处理器用于调用程序指令，当程序指令被执行时，用于执行以下操作：获取待测用户在当前时间周期的临床数据，所述临床数据包括基线数据、所述当前时间周期内得到的动态监测数据，和历史时间周期内得到的动态监测数据；将所述临床数据输入基于卷积理论的深度自编码器，得到所述临床数据对应的特征数据；利用统计过程控制方法获取所述临床数据的统计值；将所述临床数据的统计值与当前时间周期对应的预警阈值进行比较，根据比较结果确定下一时间周期的术后END风险预警；所述基于卷积理论的深度自编码器的训练方式和各个时间周期的预警阈值的确定方式包括：获取术后无END患者在各个时间周期的临床数据作为训练样本，获取术后有END患者在各个时间周期的临床数据作为验证样本；利用训练样本训练基于卷积理论的深度自编码器；利用验证样本验证所述采用基于卷积理论的深度自编码器，并对每个时间周期的验证样本的输入数据和输出数据均利用统计过程控制方法进行处理，得到每个时间周期对应的预警阈值。

全文数据：

权利要求：

百度查询： 首都医科大学附属北京天坛医院 多模态监测信息的术后END风险预警及相关设备

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