用于肥胖症患者的护理监测系统及方法

本技术涉及护理监测领域，具体涉及一种用于肥胖症患者的护理监测系统及方法。

背景技术：

1、肥胖症是一种慢性疾病，其特征是身体脂肪过多，它是由多种因素引起的，包括遗传、环境和行为因素。肥胖症会增加患心脏病、中风、2型糖尿病和某些类型的癌症等严重健康问题的风险。通过对肥胖症患者进行护理监测，可以早期识别肥胖症患者的健康风险，并及时进行干预，防止疾病的进一步发展。

2、然而，传统的肥胖症患者护理监测系统通常依赖于患者自我报告的数据和间歇性临床就诊，例如患者自我报告的食物日记和运动日志，这些方法可能不准确或不完整，且缺乏客观性的数据，导致后续对于肥胖症患者的护理方案决策出现偏差，因为患者可能忘记或不愿意记录所有信息。此外，传统的系统通常无法根据肥胖症患者的具体情况和动态变化提供实时反馈或个性化的建议，这使得患者难以根据需要动态调整他们的治疗计划。

3、因此，期望一种优化的用于肥胖症患者的护理监测系统及方法。

技术实现思路

1、考虑到以上问题而做出了本技术。本技术的一个目的是提供一种用于肥胖症患者的护理监测系统及方法。

2、本技术提供了一种用于肥胖症患者的护理监测系统，其包括：

3、患者对象数据采集模块，用于通过智能手环采集被监测肥胖症患者对象的生命体征数据的时间序列和运动数据的时间序列，其中，所述生命体征数据包括心率值、血压值和血氧值，所述运动数据为卡路里消耗量；

4、生命体征联合嵌入编码模块，用于对所述生命体征数据的时间序列中的各个生命体征数据进行基于全连接层的嵌入编码处理以得到生命体征联合嵌入编码向量的时间序列；

5、能量消耗局部时序特征提取模块，用于对所述运动数据的时间序列进行局部时序关联编码以得到能量消耗局部时序关联隐含编码向量的序列；

6、能量消耗引导约束生命体征时序优化表征模块，用于将所述生命体征联合嵌入编码向量的时间序列和所述能量消耗局部时序关联隐含编码向量的序列通过基于序列间自适应相关性的交互优化模块以得到能量消耗引导约束下生命体征时序语义优化特征向量的序列；

7、能量消耗引导约束生命体征全时域表征模块，用于对所述能量消耗引导约束下生命体征时序语义优化特征向量的序列进行基于全时域的序列编码以得到能量消耗引导下生命体征全时域时序表征向量；

8、患者护理方案调整模块，用于基于所述能量消耗引导下生命体征全时域时序表征向量，生成患者护理调整方案；

9、其中，所述能量消耗引导约束生命体征时序优化表征模块，包括：

10、语义关联单元，用于计算所述生命体征联合嵌入编码向量的时间序列和所述能量消耗局部时序关联隐含编码向量的序列中的各个生命体征联合嵌入编码向量和各个能量消耗局部时序关联隐含编码向量之间的语义关联度以得到生命体征-能力消耗时序细粒度语义关联矩阵；

11、权重计算单元，用于将所述生命体征-能力消耗时序细粒度语义关联矩阵输入可学习的门控函数以得到生命体征-能力消耗时序相关性权重矩阵；

12、点乘单元，用于以所述生命体征-能力消耗时序相关性权重矩阵作为掩码矩阵，计算所述掩码矩阵与所述生命体征-能力消耗时序细粒度语义关联矩阵之间的按位置点乘以得到掩码生命体征-能力消耗时序细粒度语义关联矩阵；

13、提取单元，用于从所述掩码生命体征-能力消耗时序细粒度语义关联矩阵提取各个列向量以得到掩码生命体征-能力消耗时序细粒度语义关联权重列向量的序列；

14、加权和单元，用于以所述掩码生命体征-能力消耗时序细粒度语义关联权重列向量的序列中的各个掩码生命体征-能力消耗时序细粒度语义关联权重列向量作为权重向量，分别计算所述能量消耗局部时序关联隐含编码向量的序列的按位置加权和以得到所述能量消耗引导约束下生命体征时序语义优化特征向量的序列。

15、例如，根据本技术的用于肥胖症患者的护理监测系统，其中，所述能量消耗局部时序特征提取模块，用于：将所述运动数据的时间序列输入基于1d-cnn模型的序列编码器以得到所述能量消耗局部时序关联隐含编码向量的序列。

16、例如，根据本技术的用于肥胖症患者的护理监测系统，其中，所述语义关联单元，用于：

17、计算所述生命体征联合嵌入编码向量的时间序列和所述能量消耗局部时序关联隐含编码向量的序列中的各个生命体征联合嵌入编码向量和各个能量消耗局部时序关联隐含编码向量的一范数以得到生命体征联合嵌入编码一范数表示的序列和能量消耗局部时序关联隐含编码一范数表示的序列；

18、计算所述生命体征联合嵌入编码一范数表示的序列和所述能量消耗局部时序关联隐含编码一范数表示的序列中的各个生命体征联合嵌入编码一范数表示和生命体征联合嵌入编码一范数表示之间的乘积以得到生命体征-能力消耗时序语义一范数表示值的序列；

19、计算所述生命体征联合嵌入编码向量的时间序列中各个生命体征联合嵌入编码向量的转置向量与所述能量消耗局部时序关联隐含编码向量的序列中的各个能量消耗局部时序关联隐含编码向量之间的乘法以得到生命体征-能力消耗时序语义相关值的序列；

20、计算所述生命体征-能力消耗时序语义相关值的序列和所述生命体征-能力消耗时序语义一范数表示值的序列中的每组对应的生命体征-能力消耗时序语义相关值和生命体征-能力消耗时序语义一范数表示值之间的除法以得到生命体征-能力消耗时序细粒度语义关联度的序列；

21、将所述生命体征-能力消耗时序细粒度语义关联度的序列进行矩阵化规整以得到所述生命体征-能力消耗时序细粒度语义关联矩阵。

22、例如，根据本技术的用于肥胖症患者的护理监测系统，其中，所述权重计算单元，用于：

23、计算所述生命体征-能力消耗时序细粒度语义关联矩阵中各个位置关联值的负数的按位置的以自然常数为底的指数函数值以得到生命体征-能力消耗时序细粒度语义类支持关联值的序列；

24、计算所述生命体征-能力消耗时序细粒度语义类支持关联值的序列中的各个生命体征-能力消耗时序细粒度语义类支持关联值与常数1的加和值后，计算所述加和值的倒数以得到生命体征-能力消耗时序相关性权重值的序列；

25、将所述生命体征-能力消耗时序相关性权重值的序列进行矩阵化规整以得到所述生命体征-能力消耗时序相关性权重矩阵。

26、例如，根据本技术的用于肥胖症患者的护理监测系统，其中，所述能量消耗引导约束生命体征全时域表征模块，用于：将所述能量消耗引导约束下生命体征时序语义优化特征向量的序列通过基于bi-lstm模型的序列编码器以得到所述能量消耗引导下生命体征全时域时序表征向量。

27、例如，根据本技术的用于肥胖症患者的护理监测系统，其中，所述患者护理方案调整模块，用于：将所述能量消耗引导下生命体征全时域时序表征向量通过基于aigc的方案调整器以生成患者护理调整方案。

28、例如，根据本技术的用于肥胖症患者的护理监测系统，其中，还包括用于对所述基于1d-cnn模型的序列编码器、所述基于序列间自适应相关性的交互优化模块、所述基于bi-lstm模型的序列编码器和所述基于aigc的方案调整器进行训练的训练模块。

29、例如，根据本技术的用于肥胖症患者的护理监测系统，其中，所述训练模块，包括：

30、训练数据采集单元，用于采集训练数据，所述训练数据包括通过智能手环采集被监测肥胖症患者对象的训练生命体征数据的时间序列和训练运动数据的时间序列，其中，所述训练生命体征数据包括训练心率值、训练血压值和训练血氧值，所述训练运动数据为训练卡路里消耗量；

31、训练生命体征联合嵌入编码单元，用于对所述训练生命体征数据的时间序列中的各个训练生命体征数据进行基于全连接层的嵌入编码处理以得到训练生命体征联合嵌入编码向量的时间序列；

32、训练能量消耗局部时序特征提取单元，用于将所述训练运动数据的时间序列输入所述基于1d-cnn模型的序列编码器以得到训练能量消耗局部时序关联隐含编码向量的序列；

33、训练能量消耗引导约束生命体征时序优化表征单元，用于将所述训练生命体征联合嵌入编码向量的时间序列和所述训练能量消耗局部时序关联隐含编码向量的序列通过所述基于序列间自适应相关性的交互优化模块以得到训练能量消耗引导约束下生命体征时序语义优化特征向量的序列；

34、训练能量消耗引导约束生命体征全时域表征单元，用于对所述训练能量消耗引导约束下生命体征时序语义优化特征向量的序列进行基于全时域的序列编码以得到训练能量消耗引导下生命体征全时域时序表征向量；

35、损失计算单元，用于计算所述训练能量消耗引导下生命体征全时域时序表征向量的预定损失函数以得到能量消耗引导下生命体征全时域时序损失函数；

36、损失训练单元，用于基于所述能量消耗引导下生命体征全时域时序损失函数对所述基于1d-cnn模型的序列编码器、所述基于序列间自适应相关性的交互优化模块、所述基于bi-lstm模型的序列编码器和所述基于aigc的方案调整器进行训练。

37、本技术还提供了一种用于肥胖症患者的护理监测方法，其包括：

38、通过智能手环采集被监测肥胖症患者对象的生命体征数据的时间序列和运动数据的时间序列，其中，所述生命体征数据包括心率值、血压值和血氧值，所述运动数据为卡路里消耗量；

39、对所述生命体征数据的时间序列中的各个生命体征数据进行基于全连接层的嵌入编码处理以得到生命体征联合嵌入编码向量的时间序列；

40、对所述运动数据的时间序列进行局部时序关联编码以得到能量消耗局部时序关联隐含编码向量的序列；

41、将所述生命体征联合嵌入编码向量的时间序列和所述能量消耗局部时序关联隐含编码向量的序列通过基于序列间自适应相关性的交互优化模块以得到能量消耗引导约束下生命体征时序语义优化特征向量的序列；

42、对所述能量消耗引导约束下生命体征时序语义优化特征向量的序列进行基于全时域的序列编码以得到能量消耗引导下生命体征全时域时序表征向量；

43、基于所述能量消耗引导下生命体征全时域时序表征向量，生成患者护理调整方案；

44、其中，将所述生命体征联合嵌入编码向量的时间序列和所述能量消耗局部时序关联隐含编码向量的序列通过基于序列间自适应相关性的交互优化模块以得到能量消耗引导约束下生命体征时序语义优化特征向量的序列，包括：

45、计算所述生命体征联合嵌入编码向量的时间序列和所述能量消耗局部时序关联隐含编码向量的序列中的各个生命体征联合嵌入编码向量和各个能量消耗局部时序关联隐含编码向量之间的语义关联度以得到生命体征-能力消耗时序细粒度语义关联矩阵；

46、将所述生命体征-能力消耗时序细粒度语义关联矩阵输入可学习的门控函数以得到生命体征-能力消耗时序相关性权重矩阵；

47、以所述生命体征-能力消耗时序相关性权重矩阵作为掩码矩阵，计算所述掩码矩阵与所述生命体征-能力消耗时序细粒度语义关联矩阵之间的按位置点乘以得到掩码生命体征-能力消耗时序细粒度语义关联矩阵；

48、从所述掩码生命体征-能力消耗时序细粒度语义关联矩阵提取各个列向量以得到掩码生命体征-能力消耗时序细粒度语义关联权重列向量的序列；

49、以所述掩码生命体征-能力消耗时序细粒度语义关联权重列向量的序列中的各个掩码生命体征-能力消耗时序细粒度语义关联权重列向量作为权重向量，分别计算所述能量消耗局部时序关联隐含编码向量的序列的按位置加权和以得到所述能量消耗引导约束下生命体征时序语义优化特征向量的序列。

50、本技术的用于肥胖症患者的护理监测系统及方法，其可以实现对肥胖症患者的智能化护理监测，并制定和动态调整针对不同患者的个性化护理和治疗方案，以提高肥胖症患者的生活质量和健康水平。