本發(fā)明涉及遠(yuǎn)程計(jì)量，尤其涉及一種婦產(chǎn)科患者遠(yuǎn)程監(jiān)護(hù)系統(tǒng)。

背景技術(shù)：

1、遠(yuǎn)程計(jì)量技術(shù)是一種通過通信網(wǎng)絡(luò)實(shí)現(xiàn)數(shù)據(jù)的遠(yuǎn)程收集和監(jiān)控的技術(shù)。該技術(shù)廣泛應(yīng)用于醫(yī)療、能源管理、環(huán)境監(jiān)控等領(lǐng)域。遠(yuǎn)程計(jì)量系統(tǒng)可以包括傳感器、數(shù)據(jù)傳輸設(shè)備、數(shù)據(jù)處理單元和用戶界面。傳感器用于采集各種類型的實(shí)時(shí)數(shù)據(jù)，如體溫、心率或能耗等。這些數(shù)據(jù)通過無線或有線網(wǎng)絡(luò)發(fā)送到中央處理系統(tǒng)，那里的軟件應(yīng)用程序?qū)?shù)據(jù)進(jìn)行分析和處理，最后通過用戶界面向用戶展示數(shù)據(jù)。這種技術(shù)使得數(shù)據(jù)監(jiān)控和管理更加高效和準(zhǔn)確，尤其是在需要遠(yuǎn)程實(shí)時(shí)監(jiān)控的應(yīng)用場景中，如遠(yuǎn)程醫(yī)療監(jiān)護(hù)或智能電網(wǎng)管理。

2、其中，婦產(chǎn)科患者遠(yuǎn)程監(jiān)護(hù)系統(tǒng)是一種應(yīng)用遠(yuǎn)程計(jì)量技術(shù)的醫(yī)療系統(tǒng)，主要用于監(jiān)控孕產(chǎn)婦和新生兒的健康狀態(tài)。該系統(tǒng)通過安裝在患者身上的各種醫(yī)療級(jí)傳感器，如心率監(jiān)測器和血壓計(jì)，實(shí)時(shí)收集關(guān)鍵生命體征數(shù)據(jù)。這些數(shù)據(jù)被傳輸?shù)结t(yī)療服務(wù)提供者的服務(wù)器，醫(yī)生和護(hù)士可以通過電腦或移動(dòng)設(shè)備遠(yuǎn)程實(shí)時(shí)查看患者的健康狀況，及時(shí)發(fā)現(xiàn)潛在的健康問題。此外，該系統(tǒng)還可以用于指導(dǎo)患者進(jìn)行自我保健，提高孕期和產(chǎn)后的醫(yī)療服務(wù)質(zhì)量。其主要用途在于提高醫(yī)療服務(wù)的可及性和響應(yīng)速度，尤其是在偏遠(yuǎn)地區(qū)或?qū)鹘y(tǒng)醫(yī)療資源獲取有限的情況下。

3、現(xiàn)有技術(shù)中，傳統(tǒng)的遠(yuǎn)程監(jiān)護(hù)系統(tǒng)通常依賴簡單的數(shù)據(jù)收集和傳輸，缺乏對(duì)數(shù)據(jù)的深入分析和及時(shí)的模式識(shí)別。這限制了對(duì)健康狀況變化的快速響應(yīng)能力。在處理大規(guī)?；驈?fù)雜數(shù)據(jù)集時(shí)，現(xiàn)有系統(tǒng)可能無法有效識(shí)別細(xì)微的異常模式，導(dǎo)致無法及時(shí)預(yù)防或識(shí)別潛在的健康風(fēng)險(xiǎn)。對(duì)于孕產(chǎn)婦的胎心率監(jiān)測，傳統(tǒng)方法可能無法精確分析胎心率的周期性變異，從而錯(cuò)過關(guān)鍵的預(yù)警信息。這種技術(shù)限制不僅降低了醫(yī)療服務(wù)的及時(shí)性和有效性，也可能在緊急情況下增加不必要的風(fēng)險(xiǎn)。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明的目的是解決現(xiàn)有技術(shù)中存在的缺點(diǎn)，而提出的一種婦產(chǎn)科患者遠(yuǎn)程監(jiān)護(hù)系統(tǒng)。

2、為了實(shí)現(xiàn)上述目的，本發(fā)明采用了如下技術(shù)方案：一種婦產(chǎn)科患者遠(yuǎn)程監(jiān)護(hù)系統(tǒng)包括：

3、胎心率數(shù)據(jù)采集模塊采集胎心率信號(hào)，整合信號(hào)時(shí)間戳與信號(hào)值，建立胎心率時(shí)間序列數(shù)據(jù)集，調(diào)整所述胎心率時(shí)間序列數(shù)據(jù)集的動(dòng)態(tài)尺度因子，并執(zhí)行時(shí)間序列分析，獲取時(shí)間序列分析結(jié)果；

4、孕期數(shù)據(jù)分析模塊基于所述時(shí)間序列分析結(jié)果，執(zhí)行多尺度熵計(jì)算，得到每個(gè)尺度的熵值，通過熵值比較分析胎心率變異性，獲取熵值對(duì)比分析結(jié)果，基于所述熵值對(duì)比結(jié)果進(jìn)行周期模式辨識(shí)，生成周期性辨識(shí)結(jié)果；

5、異常模式檢測模塊基于所述周期性辨識(shí)結(jié)果，判斷胎心率數(shù)據(jù)中的異常模式，生成異常模式判斷結(jié)果，將異常模式判斷結(jié)果與歷史健康數(shù)據(jù)進(jìn)行比對(duì)，生成健康對(duì)比分析結(jié)果。

6、作為本發(fā)明的進(jìn)一步方案，所述時(shí)間序列分析結(jié)果的獲取步驟具體為：

7、采集胎心率信號(hào)，整合信號(hào)時(shí)間戳與信號(hào)值，采用公式：

8、s(ti)＝(ti,vi)

9、計(jì)算每個(gè)時(shí)間點(diǎn)的信號(hào)數(shù)據(jù)對(duì)，生成信號(hào)數(shù)據(jù)對(duì)集；

10、其中，ti代表時(shí)間戳，vi代表胎心率信號(hào)值，s(ti)代表信號(hào)數(shù)據(jù)對(duì)集；

11、將所述信號(hào)數(shù)據(jù)對(duì)集轉(zhuǎn)換為胎心率時(shí)間序列，采用公式：

12、

13、計(jì)算標(biāo)準(zhǔn)化胎心率時(shí)間序列，生成標(biāo)準(zhǔn)化胎心率時(shí)間序列tsstd；

14、其中，γ是標(biāo)準(zhǔn)化因子，ts是胎心率時(shí)間序列；

15、調(diào)整所述標(biāo)準(zhǔn)化胎心率時(shí)間序列的動(dòng)態(tài)尺度因子，采用公式：

16、

17、計(jì)算并生成調(diào)整后的胎心率時(shí)間序列tsadj；

18、其中，β是動(dòng)態(tài)調(diào)整系數(shù)，max、min分別是tsstd中的最大值和最小值；

19、基于所述調(diào)整后的胎心率時(shí)間序列，執(zhí)行時(shí)間序列分析，采用公式：

20、

21、計(jì)算時(shí)間序列分析結(jié)果，生成時(shí)間序列分析結(jié)果rfinal；

22、其中，μ、σ分別是tsadj的平均值和標(biāo)準(zhǔn)差。

23、作為本發(fā)明的進(jìn)一步方案，所述熵值對(duì)比分析結(jié)果的獲取步驟具體為：

24、從所述時(shí)間序列分析結(jié)果出發(fā)，執(zhí)行多尺度熵計(jì)算，采用熵計(jì)算公式：

25、

26、生成每個(gè)尺度的熵值集合；

27、其中，e(s)表示尺度s的熵值，pi(s)表示尺度s下狀態(tài)的概率，λ為正則化參數(shù)；

28、計(jì)算所述熵值集合的波動(dòng)范圍，分析胎心率變異性，采用公式：

29、

30、生成胎心率變異性度量；

31、其中，v表示胎心率變異性的度量，μes表示熵值集合的平均值，m表示熵值的數(shù)量；

32、基于所述胎心率變異性度量，比較并分析熵值集合中的異常變化，采用公式：

33、

34、生成熵值對(duì)比分析結(jié)果d；

35、其中，max(es)、min(es)表示es中的最大值和最小值。

36、作為本發(fā)明的進(jìn)一步方案，所述周期性辨識(shí)結(jié)果的獲取步驟具體為：

37、從所述熵值對(duì)比分析結(jié)果出發(fā)，利用標(biāo)準(zhǔn)偏差和平均值確定周期辨識(shí)的閾值，采用公式：

38、

39、生成閾值結(jié)果θstandard；

40、其中，μd、σd分別是d的平均值和標(biāo)準(zhǔn)偏差，α、β、γ是調(diào)整參數(shù)，dmin是d中的最小值；

41、應(yīng)用所述閾值結(jié)果篩選熵值集合中高于閾值的尺度，采用公式：

42、

43、識(shí)別并選擇高于閾值的熵值尺度，生成高熵尺度集合hhigh；

44、其中，κ、λ、ξ用于調(diào)整閾值計(jì)算的權(quán)重系數(shù)；

45、基于所述高熵尺度集合，進(jìn)行統(tǒng)計(jì)分析識(shí)別周期模式，采用公式：

46、p＝mode({s∣s∈h?and?e(s)>μe+δ·σe})

47、計(jì)算尺度作為主導(dǎo)周期模式，生成周期性辨識(shí)結(jié)果p；

48、其中，μe、σe是熵值的平均值和標(biāo)準(zhǔn)差，δ用于增加計(jì)算精度的權(quán)重系數(shù)。

49、作為本發(fā)明的進(jìn)一步方案，所述異常模式判斷結(jié)果的獲取步驟具體為：

50、基于所述周期性辨識(shí)結(jié)果，收集胎心率數(shù)據(jù)并應(yīng)用異常模式識(shí)別算法，采用公式：

51、

52、計(jì)算每個(gè)數(shù)據(jù)點(diǎn)的異常指數(shù)，生成異常指數(shù)數(shù)組m；

53、其中，pi代表周期性辨識(shí)結(jié)果中的權(quán)重，xi代表胎心率數(shù)據(jù)點(diǎn)，w代表調(diào)整權(quán)重，n為數(shù)據(jù)點(diǎn)的總數(shù)；

54、使用所述異常指數(shù)數(shù)組，確定異常閾值θ，采用公式：

55、e＝{x||m(x)-μ∣>θ}

56、篩選異常指數(shù)超過閾值的數(shù)據(jù)點(diǎn)，生成異常數(shù)據(jù)點(diǎn)集；

57、其中，e代表異常數(shù)據(jù)點(diǎn)集，θ代表異常閾值，μ代表異常指數(shù)數(shù)組m的平均值；

58、使用所述異常數(shù)據(jù)點(diǎn)集，采用公式：

59、r＝classify(e)

60、生成異常模式判斷結(jié)果；

61、其中，r代表異常模式判斷結(jié)果。

62、作為本發(fā)明的進(jìn)一步方案，所述健康對(duì)比分析結(jié)果的獲取步驟具體為：

63、獲取所述異常模式判斷結(jié)果和歷史健康數(shù)據(jù)，采用公式：

64、

65、計(jì)算異常模式判斷結(jié)果和歷史健康數(shù)據(jù)的余弦擬合度，生成交集數(shù)據(jù)集s；

66、其中，ri代表異常模式判斷結(jié)果的元素，hi代表歷史健康數(shù)據(jù)的元素，n代表數(shù)據(jù)集的大??；

67、使用所述交集數(shù)據(jù)集，進(jìn)行分析識(shí)別健康趨勢，采用公式：

68、

69、生成趨勢分析結(jié)果t；

70、其中，si為交集數(shù)據(jù)集s的元素，α、β代表調(diào)整參數(shù)，n為數(shù)據(jù)點(diǎn)的總數(shù)；

71、使用所述趨勢分析結(jié)果，對(duì)比全體歷史數(shù)據(jù)，采用公式：

72、

73、生成健康對(duì)比分析結(jié)果c；

74、其中，ti為趨勢分析結(jié)果的元素，hi為歷史健康數(shù)據(jù)的元素。

75、與現(xiàn)有技術(shù)相比，本發(fā)明的優(yōu)點(diǎn)和積極效果在于：

76、本發(fā)明中，通過建立時(shí)間序列數(shù)據(jù)集并調(diào)整動(dòng)態(tài)尺度因子，有效增強(qiáng)數(shù)據(jù)準(zhǔn)確性和處理效率。系統(tǒng)通過執(zhí)行多尺度熵計(jì)算并進(jìn)行周期模式辨識(shí)，提高了數(shù)據(jù)分析的深度，加強(qiáng)了周期性模式的識(shí)別能力，這對(duì)早期識(shí)別孕期問題至關(guān)重要。異常模式的檢測與歷史健康數(shù)據(jù)的比對(duì)進(jìn)一步提升了監(jiān)測的靈敏度和預(yù)防性，有助于及時(shí)發(fā)現(xiàn)并處理異常情況。