申请/专利权人：山东第一医科大学附属省立医院(山东省立医院)

申请日：2024-01-23

公开（公告）日：2024-04-23

公开（公告）号：CN117609813B

主分类号：G06F18/23

分类号：G06F18/23;G06F18/22;G16H10/60;G16H80/00

优先权：

专利状态码：有效-授权

法律状态：2024.04.23#授权;2024.03.15#实质审查的生效;2024.02.27#公开

摘要：本发明涉及监护数据聚类技术领域，具体涉及一种重症患者监护数据智能管理方法。本方法首先获取重症患者监护数据的初始聚类簇，将每个监护数据对应所有指标时序序列分段，获取不同重症患者的每个监护指标在相同时段内的分段变化相似度，然后对所有监护指标每个时段对应的分段变化相似度赋权合并，获取不同重症患者的监护数据相似度，进而获取每个初始聚类簇的集中程度以确定代表监护数据，从而得到最终聚类结果并根据最终聚类结果管理数据。本发明将每个初始聚类簇内监护数据按时序参考价值分段分析并赋权得到不同患者的监护数据相似度，进一步获取每个初始聚类簇的集中特征以确定代表点，提高了最终聚类结果的准确性及监护数据智能管理效果。

主权项：1.一种重症患者监护数据智能管理方法，其特征在于，所述方法包括：获取每个重症患者在预设历史时段内的监护数据，所述监护数据包括预设历史时段内重症患者在每个监护指标下的指标时序序列；获取所有重症患者的所述监护数据的所有初始聚类簇；将每个重症患者在每个监护指标下的所述指标时序序列进行分段；在每个所述初始聚类簇中，在相同时段对应分段内，根据不同重症患者在相同监护指标下监护指标的变化趋势差异及幅值差异，获取不同重症患者的每个监护指标在对应时段内的分段变化相似度；将不同重症患者的每个监护指标在每个时段内的所述分段变化相似度根据时序赋权合并，获取预设历史时段内不同重症患者的监护数据相似度；在每个所述初始聚类簇中，根据所有重症患者间的所述监护数据相似度获取对应所述初始聚类簇的集中程度；根据每个所述初始聚类簇的集中程度获取每个所述初始聚类簇中的代表点数量；根据不同重症患者间的监护数据相似度筛选出每个所述初始聚类簇中所述代表点数量个代表监护数据；根据所有重症患者的监护数据间的差异及所述代表监护数据间的差异获取预设历史时段内所有监护数据的最终聚类结果；根据最终聚类结果对所有重症患者的监护数据分类管理；所述分段变化相似度的计算公式包括： ；其中，为第个重症患者和第个重症患者的第个监护指标在第个时段对应分段内的分段变化相似度；为第个重症患者的第个监护指标在第个时段对应分段内的指标幅值均值；为第个重症患者的第个监护指标在第个时段对应分段内的指标幅值均值；为第个重症患者和第个重症患者的第个监护指标在第个时段对应分段内的极大值趋势相似度；为第个重症患者和第个重症患者的第个监护指标在第个时段对应分段内的极小值趋势相似度；为预设第一正常数；所述极大值趋势相似度及极小值趋势相似度的获取方法包括：获取每个重症患者的每个监护指标在每个时段对应分段内所有监护指标的极大值指标序列及极小值指标序列；在每个极大值指标序列中，将每个极大值指标序列中首尾两个序列元素间的斜率作为对应极大值指标序列的序列斜率；在每个极小值指标序列中，将每个极小值指标序列中首尾两个序列元素间的斜率作为对应极小值指标序列的序列斜率；在任意两个重症患者间，将每个监护指标在每个时段对应分段内的所述极大值指标序列中，所有相同序列序号的极大值指标对应的监护时刻间隔差异的均值，与两个重症患者对应的所述极大值指标序列的序列斜率的差异相乘，得到第一乘积，将第一乘积负相关映射归一化，得到两个重症患者的每个监护指标在每个时段对应分段内的极大值趋势相似度；在任意两个重症患者间，将每个监护指标在每个时段对应分段内的所述极小值指标序列中，所有相同序列序号的极小值指标对应的监护时刻间隔差异的均值，与两个重症患者对应的所述极小值指标序列的序列斜率的差异相乘，得到第二乘积，将第二乘积负相关映射归一化，得到两个重症患者的每个监护指标在每个时段对应分段内的极小值趋势相似度；所述监护数据相似度的获取方法包括：所述指标时序序列被分段为前区分段、中区分段及后区分段；根据监护数据相似度的计算公式获取监护数据相似度；监护数据相似度的计算公式为： ；其中，为第个重症患者和第个重症患者的监护数据相似度；为监护指标的总数量；为第个重症患者和第个重症患者的第个监护指标在第个时段对应的前区分段内的分段变化相似度；为第个重症患者和第个重症患者的第个监护指标在第个时段对应的中区分段内的分段变化相似度；为第个重症患者和第个重症患者的第个监护指标在第个时段对应的后区分段内的分段变化相似度；为前区分段内的分段变化相似度的前区分段权重，为中区分段内的分段变化相似度的中区分段权重，为后区分段内的分段变化相似度的后区分段权重，其中且；所述集中程度的获取方法包括：在每个所述初始聚类簇中，以任一重症患者为目标重症患者，将除所述目标重症患者外的其余所有重症患者与所述目标重症患者间的所述监护数据相似度求均值，得到所述目标重症患者的集中参考值；将每个所述初始聚类簇中的每个重症患者的所述集中参考值的均值，作为对应所述初始聚类簇的集中程度；所述代表点数量的计算公式包括： ；其中，为第个初始聚类簇中的代表点数量；为预设第一正整数，为预设第二正整数，其中；为第个初始聚类簇的集中程度；为所有初始聚类簇的集中程度中的最大集中程度；为预设第二正常数；所述代表监护数据的获取方法包括：在每个所述初始聚类簇中，将与所述初始聚类簇的质心对应监护数据的所述监护数据相似度最小的监护数据，作为对应所述初始聚类簇中的第一代表监护数据，在除质心对应监护数据及所述第一代表监护数据外的其余所有监护数据中，将所述初始聚类簇中与所述第一代表监护数据的所述监护数据相似度最小的监护数据，作为第二代表监护数据，在除质心对应监护数据、所述第一代表监护数据及所述第二代表监护数据外的其余所有监护数据中，将所述初始聚类簇中与所述第一代表监护数据及所述第二代表监护数据的所述监护数据相似度的和值最小的监护数据，作为第三代表监护数据；不断迭代获取新的代表监护数据，直至获取所述初始聚类簇中代表点数量个代表监护数据为止；所述最终聚类结果的获取方法包括：根据所有重症患者的所述代表监护数据的差异，基于CURE算法获取预设监护等级数量个中间聚类簇，将所述中间聚类簇的质心作为中间聚类簇中心；将所有监护数据作为样本，根据所有重症患者的监护数据间的欧式距离，以所有所述代表监护数据为聚类中心获取所有代表聚类簇，将所述中间聚类簇中所有代表监护数据对应的代表聚类簇作为所述中间聚类簇中心对应的簇内样本，得到最终聚类结果。

全文数据：

权利要求：

百度查询： 山东第一医科大学附属省立医院(山东省立医院) 一种重症患者监护数据智能管理方法

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