输液监控系统及其方法

本技术涉及智能化监控，并且更具体地，涉及一种输液监控系统及其方法。

背景技术：

1、液体注射是医疗护理过程中的一项重要任务。在多个患者同时进行输液的情况下，护士需要及时掌握每位患者的输液情况和进度，以便于能够及时且快速地处理突发异常情况，保障患者的输液安全性。然而，传统的液体注射系统多以人工巡视的方式进行输液监测，并依靠护理工作人员的主观判断和手动记录来进行输液管理。这种方式经常会面临人力不足、管控困难等问题，导致输液管控的效率和准确性较低，无法快速响应突发情况，且无法保证输液的质量和安全。

2、因此，期望一种优化的输液监控系统。

技术实现思路

1、为了解决上述技术问题，提出了本技术。本技术的实施例提供了一种输液监控系统及其方法，其获取多个患者在预定时间段内多个预定时间点的输液剩余量；采用基于深度学习的人工智能技术，挖掘所述各个患者的输液剩余量的时序动态关联特征和所述各个患者的拓扑关联特征之间的关联性特征分布信息，以此来对于患者的输液优先级进行实时准确地监控，便于护理工作人员及时掌握患者输液的整体动态，进而优化输液的质量和安全性。

2、第一方面，提供了一种输液监控系统，其包括：输液剩余量采集模块，用于获取多个患者在预定时间段内多个预定时间点的输液剩余量；患者输液剩余量时序分布模块，用于将所述各个患者在预定时间段内多个预定时间点的输液剩余量分别按照时间维度排列为输入向量以得到多个输液剩余量时序输入向量；输液剩余量相对动态变化模块，用于计算所述各个输液剩余量时序输入向量中每相邻两个预定时间点的输液剩余量之间的差值以得到多个输液剩余量变化时序输入向量；输液剩余量动静变化关联模块，用于将所述多个输液剩余量时序输入向量和所述多个输液剩余量变化时序输入向量中每组对应的输液剩余量时序输入向量和输液剩余量变化时序输入向量进行级联以得到多个输液剩余量动-静时序输入向量；输液剩余量时序变化特征提取模块，用于将所述各个输液剩余量动-静时序输入向量分别通过多尺度邻域特征提取模块以得到多个输液剩余量动-静时序特征向量；患者空间拓扑构建模块，用于构造所述多个患者的空间拓扑矩阵，其中，所述空间拓扑矩阵中各个位置的值用于表示两个患者之间的空间距离值；患者空间拓扑特征提取模块，用于将所述空间拓扑矩阵通过作为特征提取器的卷积神经网络模型以得到空间拓扑特征矩阵；全局二维排列模块，用于将所述多个输液剩余量动-静时序特征向量进行二维排列以得到全局输液剩余量动-静时序特征矩阵；图神经网络关联编码模块，用于将所述全局输液剩余量动-静时序特征矩阵和所述空间拓扑特征矩阵通过图神经网络模型以得到空间拓扑全局输液剩余量动-静时序特征矩阵；特征优化模块，用于对所述空间拓扑全局输液剩余量动-静时序特征矩阵进行特征分布优化以得到优化空间拓扑全局输液剩余量动-静时序特征矩阵；查询模块，用于以所述各个输液剩余量动-静时序特征向量作为查询特征向量，计算其与所述优化空间拓扑全局输液剩余量动-静时序特征矩阵之间的矩阵乘积以得到多个分类特征向量；概率值生成模块，用于将所述多个分类特征向量通过分类器以得到多个概率值；以及排序模块，用于基于所述多个概率值之间的排序，生成推荐处理优先级陈列结果。

3、在上述输液监控系统中，所述输液剩余量时序变化特征提取模块，包括：第一尺度提取单元，用于使用所述多尺度邻域特征提取模块的第一卷积层以如下第一卷积公式对所述各个输液剩余量动-静时序输入向量进行一维卷积编码以得到第一尺度输液剩余量特征向量；其中，所述第一卷积公式为：，其中，为第一一维卷积核在方向上的宽度、为第一一维卷积核参数向量、为与第一一维卷积核函数运算的局部向量矩阵，为第一一维卷积核的尺寸，表示所述各个输液剩余量动-静时序输入向量，表示对所述各个输液剩余量动-静时序输入向量进行一维卷积编码；第二尺度提取单元，用于使用所述多尺度邻域特征提取模块的第二卷积层以如下第二卷积公式对所述各个输液剩余量动-静时序输入向量进行一维卷积编码以得到第二尺度输液剩余量特征向量；其中，所述第二卷积公式为：其中，为第二一维卷积核在 方向上的宽度、为第二一维卷积核参数向量、  为与第二一维卷积核函数运算的局部向量矩阵， 为第二一维卷积核的尺寸，表示所述各个输液剩余量动-静时序输入向量，表示对所述各个输液剩余量动-静时序输入向量进行一维卷积编码；以及，级联单元，用于使用所述多尺度邻域特征提取模块的融合层对所述第一尺度输液剩余量特征向量和所述第二尺度输液剩余量特征向量进行级联以得到所述多个输液剩余量动-静时序特征向量。

4、在上述输液监控系统中，所述多尺度邻域特征提取模块，包括：相互并行的第一卷积层和第二卷积层，以及，与所述第一卷积层和所述第二卷积层连接的融合层，其中，所述第一卷积层和所述第二卷积层使用具有不同尺度的一维卷积核。

5、在上述输液监控系统中，所述患者空间拓扑特征提取模块，用于：使用所述作为特征提取器的卷积神经网络模型的各层在层的正向传递中对输入数据分别进行卷积处理、沿通道维度的池化处理和非线性激活处理以由所述作为特征提取器的卷积神经网络模型的最后一层的输出为所述空间拓扑特征矩阵，其中，所述作为特征提取器的卷积神经网络模型的第一层的输入为所述空间拓扑矩阵。

6、在上述输液监控系统中，所述图神经网络关联编码模块，用于：通过可学习的神经网络参数对所述全局输液剩余量动-静时序特征矩阵和所述空间拓扑特征矩阵进行图结构数据编码以得到包含不规则的空间拓扑关联特征和所述各个患者的输液剩余量时序动态变化特征信息的所述空间拓扑全局输液剩余量动-静时序特征矩阵。

7、在上述输液监控系统中，所述特征优化模块，包括：优化因数计算单元，用于计算所述空间拓扑全局输液剩余量动-静时序特征矩阵中各个位置特征值的位置信息图式场景注意力无偏估计因数以得到多个位置信息图式场景注意力无偏估计因数；以及，加权优化单元，用于以所述多个位置信息图式场景注意力无偏估计因数作为加权系数对所述空间拓扑全局输液剩余量动-静时序特征矩阵的各个位置特征值进行加权优化以得到所述优化空间拓扑全局输液剩余量动-静时序特征矩阵。

8、在上述输液监控系统中，所述优化因数计算单元，用于：以如下优化公式计算所述空间拓扑全局输液剩余量动-静时序特征矩阵中各个位置特征值的位置信息图式场景注意力无偏估计因数以得到所述多个位置信息图式场景注意力无偏估计因数；其中，所述优化公式为：，其中，是所述空间拓扑全局输液剩余量动-静时序特征矩阵中各个位置特征值，为所述空间拓扑全局输液剩余量动-静时序特征矩阵的各个位置特征值的位置坐标，且 是所述空间拓扑全局输液剩余量动-静时序特征矩阵的所有特征值的全局均值，和分别代表不同的将二维实数映射为一维实数的函数，和分别是所述空间拓扑全局输液剩余量动-静时序特征矩阵的宽度和高度，表示以2为底的对数函数， 表示所述多个位置信息图式场景注意力无偏估计因数中的各个位置信息图式场景注意力无偏估计因数。

9、在上述输液监控系统中，所述查询模块，用于：以如下乘积公式计算所述各个输液剩余量动-静时序特征向量与所述优化空间拓扑全局输液剩余量动-静时序特征矩阵之间的矩阵乘积以得到多个分类特征向量；其中，所述乘积公式为：，其中， 表示所述优化空间拓扑全局输液剩余量动-静时序特征矩阵，表示所述各个输液剩余量动-静时序特征向量， 表示所述多个分类特征向量，表示矩阵相乘。

10、在上述输液监控系统中，所述概率值生成模块，包括：全连接编码单元，用于使用所述分类器的多个全连接层对所述多个分类特征向量进行全连接编码以得到编码分类特征向量；以及，分类单元，用于将所述编码分类特征向量通过所述分类器的softmax分类函数以得到所述分类结果。

11、第二方面，提供了一种输液监控方法，其包括：获取多个患者在预定时间段内多个预定时间点的输液剩余量；将所述各个患者在预定时间段内多个预定时间点的输液剩余量分别按照时间维度排列为输入向量以得到多个输液剩余量时序输入向量；计算所述各个输液剩余量时序输入向量中每相邻两个预定时间点的输液剩余量之间的差值以得到多个输液剩余量变化时序输入向量；将所述多个输液剩余量时序输入向量和所述多个输液剩余量变化时序输入向量中每组对应的输液剩余量时序输入向量和输液剩余量变化时序输入向量进行级联以得到多个输液剩余量动-静时序输入向量；将所述各个输液剩余量动-静时序输入向量分别通过多尺度邻域特征提取模块以得到多个输液剩余量动-静时序特征向量；构造所述多个患者的空间拓扑矩阵，其中，所述空间拓扑矩阵中各个位置的值用于表示两个患者之间的空间距离值；将所述空间拓扑矩阵通过作为特征提取器的卷积神经网络模型以得到空间拓扑特征矩阵；将所述多个输液剩余量动-静时序特征向量进行二维排列以得到全局输液剩余量动-静时序特征矩阵；将所述全局输液剩余量动-静时序特征矩阵和所述空间拓扑特征矩阵通过图神经网络模型以得到空间拓扑全局输液剩余量动-静时序特征矩阵；对所述空间拓扑全局输液剩余量动-静时序特征矩阵进行特征分布优化以得到优化空间拓扑全局输液剩余量动-静时序特征矩阵；以所述各个输液剩余量动-静时序特征向量作为查询特征向量，计算其与所述优化空间拓扑全局输液剩余量动-静时序特征矩阵之间的矩阵乘积以得到多个分类特征向量；将所述多个分类特征向量通过分类器以得到多个概率值；以及基于所述多个概率值之间的排序，生成推荐处理优先级陈列结果。

12、与现有技术相比，本技术提供的输液监控系统及其方法，其获取多个患者在预定时间段内多个预定时间点的输液剩余量；采用基于深度学习的人工智能技术，挖掘所述各个患者的输液剩余量的时序动态关联特征和所述各个患者的拓扑关联特征之间的关联性特征分布信息，以此来对于患者的输液优先级进行实时准确地监控，便于护理工作人员及时掌握患者输液的整体动态，进而优化输液的质量和安全性。