本發(fā)明涉及術(shù)后引流監(jiān)測，尤其涉及一種用于引流管的術(shù)后引流量監(jiān)測方法及系統(tǒng)。

背景技術(shù)：

1、在外科手術(shù)后，為了防止術(shù)后積液或積血引發(fā)感染等并發(fā)癥，通常會(huì)在手術(shù)部位置入引流管，通過引流管將多余的液體排出體外，以幫助患者恢復(fù)。這個(gè)過程中術(shù)后引流量的監(jiān)測不僅關(guān)系到患者的恢復(fù)進(jìn)度，還直接影響到引流管的拔除時(shí)機(jī)和術(shù)后并發(fā)癥的預(yù)防。

2、目前部分術(shù)后引流量的監(jiān)測方法大多依賴于人工記錄和簡單的數(shù)值判斷，未能充分挖掘引流數(shù)據(jù)中的深層次信息。例如術(shù)后引流監(jiān)測常通過護(hù)士或醫(yī)生定期記錄引流量，并基于經(jīng)驗(yàn)進(jìn)行觀察判斷。這種方式在分析引流數(shù)據(jù)時(shí)，受限于引流總量和簡單的時(shí)間趨勢分析，難以準(zhǔn)確識(shí)別術(shù)后不同恢復(fù)階段的特征，并且會(huì)受到一定主觀因素的影響。此外引流量的變化通常不僅僅是由手術(shù)部位的積液或出血情況決定，還與患者的整體生理狀態(tài)密切相關(guān)。例如心率、血壓和體溫等體征參數(shù)，不同術(shù)后恢復(fù)階段的引流量特征往往會(huì)受到這些體征數(shù)據(jù)的影響，比如高心率或發(fā)熱可能與引流量異常增加相關(guān)，而引流量減少、體征趨于平穩(wěn)則可能是恢復(fù)期的表現(xiàn)。不結(jié)合體征數(shù)據(jù)等的變化而是孤立地分析引流量數(shù)據(jù)來深入判斷引流量波動(dòng)的潛在原因，可能會(huì)導(dǎo)致一些細(xì)微的異常狀態(tài)未被及時(shí)發(fā)現(xiàn)，影響術(shù)后恢復(fù)過程中引流液監(jiān)測的準(zhǔn)確性。

技術(shù)實(shí)現(xiàn)思路

1、為解決上述技術(shù)問題，本發(fā)明提出了一種用于引流管的術(shù)后引流量監(jiān)測方法及系統(tǒng)，實(shí)現(xiàn)了引流量的多階段精細(xì)化監(jiān)測和特征化分析，還通過體征數(shù)據(jù)的融合實(shí)現(xiàn)了對患者術(shù)后狀態(tài)更全面地評估，這種系統(tǒng)化的監(jiān)測方案優(yōu)化了引流管的監(jiān)測管理，提高患者術(shù)后恢復(fù)過程中的數(shù)據(jù)支持水平，提供了更科學(xué)、全面的術(shù)后管理依據(jù)。

2、為實(shí)現(xiàn)上述目的，作為本發(fā)明的一個(gè)方面，提供了一種用于引流管的術(shù)后引流量監(jiān)測方法，包括：

3、采集多位術(shù)后患者的引流液時(shí)序監(jiān)測數(shù)據(jù)，對每位術(shù)后患者的引流液時(shí)序監(jiān)測數(shù)據(jù)進(jìn)行自適應(yīng)小波包分解，得到每組引流液時(shí)序監(jiān)測數(shù)據(jù)關(guān)于多個(gè)分解層分別對應(yīng)的子頻段系數(shù)矩陣；

4、對多個(gè)子頻段系數(shù)矩陣進(jìn)行能量特征提取和特征篩選，確定多個(gè)關(guān)鍵頻段能量特征，根據(jù)關(guān)鍵頻段能量特征確定每位術(shù)后患者的多個(gè)目標(biāo)分界點(diǎn)；

5、根據(jù)每位術(shù)后患者的多個(gè)目標(biāo)分界點(diǎn)確定每位術(shù)后患者的引流液監(jiān)測階段劃分結(jié)果，對多位術(shù)后患者的引流液監(jiān)測階段劃分結(jié)果進(jìn)行融合生成目標(biāo)階段劃分方案；

6、獲取每位術(shù)后患者的引流液時(shí)序監(jiān)測數(shù)據(jù)對應(yīng)的體征監(jiān)測數(shù)據(jù)，基于目標(biāo)階段劃分方案對每位術(shù)后患者的引流液時(shí)序監(jiān)測數(shù)據(jù)和體征監(jiān)測數(shù)據(jù)進(jìn)行特征提取，生成每位術(shù)后患者的引流液階段監(jiān)測特征和體征階段監(jiān)測特征；

7、根據(jù)多位患者的引流液階段監(jiān)測特征和體征階段監(jiān)測特征構(gòu)建術(shù)后引流監(jiān)測模型，基于術(shù)后引流監(jiān)測模型對目標(biāo)患者進(jìn)行術(shù)后引流量監(jiān)測。

8、優(yōu)選地，對多個(gè)子頻段系數(shù)矩陣進(jìn)行能量特征提取和特征篩選，確定多個(gè)關(guān)鍵頻段能量特征，根據(jù)關(guān)鍵頻段能量特征確定每位術(shù)后患者的多個(gè)目標(biāo)分界點(diǎn)，包括：

9、對每個(gè)子頻段系數(shù)矩陣中的多個(gè)子頻段分別進(jìn)行能量特征提取，得到每個(gè)子頻段系數(shù)矩陣對應(yīng)的能量特征，構(gòu)建得到每位術(shù)后患者的包含多個(gè)頻段能量特征的第一頻段能量矩陣；

10、對每個(gè)第一頻段能量矩陣進(jìn)行特征篩選生成第二頻段能量矩陣，第二頻段能量矩陣中包含多個(gè)關(guān)鍵頻段能量特征；

11、對每個(gè)第二頻段能量矩陣中的多個(gè)關(guān)鍵頻段能量特征進(jìn)行滑窗分析，構(gòu)建每個(gè)頻段能量特征的特征趨勢曲線并確定多個(gè)第一分界點(diǎn)；

12、提取出每個(gè)第一分界點(diǎn)的時(shí)序位置特征和多個(gè)頻段特征，構(gòu)建得到每個(gè)第一分界點(diǎn)的候選特征向量，生成每位術(shù)后患者對應(yīng)的候選特征矩陣；

13、通過多個(gè)候選特征矩陣分別對每位術(shù)后患者的多個(gè)第一分界點(diǎn)進(jìn)行聚類得到多個(gè)分界點(diǎn)類簇，根據(jù)每位術(shù)后患者對應(yīng)的多個(gè)分界點(diǎn)類簇確定每位術(shù)后患者的多個(gè)第二分界點(diǎn)作為每位術(shù)后患者的多個(gè)目標(biāo)分界點(diǎn)。

14、優(yōu)選地，通過多個(gè)候選特征矩陣分別對每位術(shù)后患者的多個(gè)第一分界點(diǎn)進(jìn)行聚類得到多個(gè)分界點(diǎn)類簇，根據(jù)每位術(shù)后患者對應(yīng)的多個(gè)分界點(diǎn)類簇確定每位術(shù)后患者的多個(gè)第二分界點(diǎn)作為每位術(shù)后患者的多個(gè)目標(biāo)分界點(diǎn)，包括：

15、采用dbscan算法分別對每位術(shù)后患者的候選特征矩陣進(jìn)行處理，基于每個(gè)第一分界點(diǎn)對應(yīng)的候選特征向量對每位術(shù)后患者的多個(gè)第一分界點(diǎn)進(jìn)行聚類，生成多個(gè)候選類簇；

16、根據(jù)第一分界點(diǎn)的時(shí)序位置特征對每個(gè)候選類簇中的多個(gè)第一分界點(diǎn)進(jìn)行排序，計(jì)算每個(gè)候選類簇中每相鄰兩個(gè)第一分界點(diǎn)之間的時(shí)序位置距離，確定每個(gè)候選類簇中時(shí)序位置距離大于預(yù)設(shè)時(shí)間閾值的分界點(diǎn)組合；

17、基于分界點(diǎn)組合對多個(gè)候選類簇進(jìn)行分割生成多個(gè)分界點(diǎn)類簇，根據(jù)第一分界點(diǎn)對應(yīng)的能量特征對每個(gè)分界點(diǎn)類簇中的多個(gè)第一分界點(diǎn)進(jìn)行基于能量特征的時(shí)序位置加權(quán)，確定每個(gè)分界點(diǎn)類簇的第二分界點(diǎn)，匯總多個(gè)第二分界點(diǎn)得到每位術(shù)后患者的多個(gè)目標(biāo)分界點(diǎn)。

18、優(yōu)選地，根據(jù)每位術(shù)后患者的多個(gè)目標(biāo)分界點(diǎn)確定每位術(shù)后患者的引流液監(jiān)測階段劃分結(jié)果，對多位術(shù)后患者的引流液監(jiān)測階段劃分結(jié)果進(jìn)行融合生成目標(biāo)階段劃分方案，包括：

19、根據(jù)每位術(shù)后患者的多個(gè)目標(biāo)分界點(diǎn)確定每位術(shù)后患者的多個(gè)候選引流液監(jiān)測階段，基于每位術(shù)后患者的引流液時(shí)序監(jiān)測數(shù)據(jù)提取出每個(gè)候選引流液監(jiān)測階段的時(shí)域特征，基于每位術(shù)后患者的引流液時(shí)序監(jiān)測數(shù)據(jù)關(guān)于多個(gè)分解層分別對應(yīng)的子頻段系數(shù)矩陣提取出每個(gè)候選引流液監(jiān)測階段的頻域特征；

20、將每個(gè)候選引流液監(jiān)測階段的時(shí)域特征和頻域特征進(jìn)行特征拼接生成每個(gè)候選引流液監(jiān)測階段的監(jiān)測階段特征向量，匯總每位術(shù)后患者的多個(gè)監(jiān)測階段特征向量，構(gòu)建多源特征融合矩陣，對多源特征融合矩陣進(jìn)行特征聚類生成多個(gè)監(jiān)測階段類簇，根據(jù)多個(gè)階段類簇確定目標(biāo)階段劃分方案。

21、優(yōu)選地，對每位術(shù)后患者的引流液時(shí)序監(jiān)測數(shù)據(jù)進(jìn)行自適應(yīng)小波包分解，得到每組引流液時(shí)序監(jiān)測數(shù)據(jù)關(guān)于多個(gè)分解層分別對應(yīng)的子頻段系數(shù)矩陣，包括：

22、對多位術(shù)后患者進(jìn)行隨機(jī)抽樣確定樣本患者集合，采用小波基候選集中的多個(gè)小波基函數(shù)分別對樣本患者集合中的每組引流液時(shí)序監(jiān)測數(shù)據(jù)進(jìn)行基于目標(biāo)分解層數(shù)的小波包分解，計(jì)算每個(gè)小波基函數(shù)在不同子頻段的熵值，選擇熵值總和最小的小波基函數(shù)作為目標(biāo)分解函數(shù)；

23、基于目標(biāo)分解函數(shù)對樣本患者集合中的每組引流液時(shí)序監(jiān)測數(shù)據(jù)進(jìn)行基于多層迭代的小波包分解，在多層迭代分解的過程中，對每一層分解的子頻段計(jì)算熵值，在當(dāng)前層的熵值與上一層的熵值之間的差異大于預(yù)設(shè)差值后，將當(dāng)前層記為目標(biāo)層；

24、基于目標(biāo)層和目標(biāo)分解函數(shù)對除樣本患者集合以外的多組引流液時(shí)序監(jiān)測數(shù)據(jù)進(jìn)行小波包分解，得到每組引流液時(shí)序監(jiān)測數(shù)據(jù)關(guān)于多個(gè)分解層分別對應(yīng)的子頻段系數(shù)矩陣。

25、優(yōu)選地，在確定多個(gè)第一分界點(diǎn)的過程中，還包括：

26、對每個(gè)第一頻段能量矩陣進(jìn)行多尺度分析，包括提取出每個(gè)第一頻段能量矩陣在每個(gè)頻段下的多個(gè)統(tǒng)計(jì)特征，構(gòu)建得到每個(gè)第一頻段能量矩陣對應(yīng)的多尺度頻段能量矩陣；

27、基于遞歸特征消除算法，對每個(gè)多尺度頻段能量矩陣進(jìn)行特征篩選，生成每個(gè)第一頻段能量矩陣對應(yīng)的第二頻段能量矩陣；

28、對每個(gè)第二頻段能量矩陣中的多個(gè)關(guān)鍵頻段能量特征進(jìn)行滑窗分析，生成每個(gè)頻段能量特征的特征趨勢曲線，基于顯著性檢驗(yàn)算法對每個(gè)特征趨勢曲線進(jìn)行分析，確定每個(gè)特征趨勢曲線對應(yīng)的多個(gè)第一分界點(diǎn)。

29、作為本發(fā)明的另一個(gè)方面，提供了一種用于引流管的術(shù)后引流量監(jiān)測系統(tǒng)，用于實(shí)現(xiàn)上述的一種用于引流管的術(shù)后引流量監(jiān)測方法，包括：

30、樣本數(shù)據(jù)采集模塊，用于采集多位術(shù)后患者的引流液時(shí)序監(jiān)測數(shù)據(jù)；

31、頻域分析模塊，用于對每位術(shù)后患者的引流液時(shí)序監(jiān)測數(shù)據(jù)進(jìn)行自適應(yīng)小波包分解，得到每組引流液時(shí)序監(jiān)測數(shù)據(jù)關(guān)于多個(gè)分解層分別對應(yīng)的子頻段系數(shù)矩陣；

32、分界點(diǎn)生成模塊，用于對多個(gè)子頻段系數(shù)矩陣進(jìn)行能量特征提取和特征篩選，確定多個(gè)關(guān)鍵頻段能量特征，根據(jù)關(guān)鍵頻段能量特征確定每位術(shù)后患者的多個(gè)目標(biāo)分界點(diǎn)；

33、階段劃分方案生成模塊，用于根據(jù)每位術(shù)后患者的多個(gè)目標(biāo)分界點(diǎn)確定每位術(shù)后患者的引流液監(jiān)測階段劃分結(jié)果，對多位術(shù)后患者的引流液監(jiān)測階段劃分結(jié)果進(jìn)行融合生成目標(biāo)階段劃分方案；

34、特征提取模塊，用于獲取每位術(shù)后患者的引流液時(shí)序監(jiān)測數(shù)據(jù)對應(yīng)的體征監(jiān)測數(shù)據(jù)，基于目標(biāo)階段劃分方案對每位術(shù)后患者的引流液時(shí)序監(jiān)測數(shù)據(jù)和體征監(jiān)測數(shù)據(jù)進(jìn)行特征提取，生成每位術(shù)后患者的引流液階段監(jiān)測特征和體征階段監(jiān)測特征；

35、引流量監(jiān)測模塊，用于根據(jù)多位患者的引流液階段監(jiān)測特征和體征階段監(jiān)測特征構(gòu)建術(shù)后引流監(jiān)測模型，基于術(shù)后引流監(jiān)測模型對目標(biāo)患者進(jìn)行術(shù)后引流量監(jiān)測。

36、優(yōu)選地，對于分界點(diǎn)生成模塊，對多個(gè)子頻段系數(shù)矩陣進(jìn)行能量特征提取和特征篩選，確定多個(gè)關(guān)鍵頻段能量特征，根據(jù)關(guān)鍵頻段能量特征確定每位術(shù)后患者的多個(gè)目標(biāo)分界點(diǎn)，包括：

37、對每個(gè)子頻段系數(shù)矩陣中的多個(gè)子頻段分別進(jìn)行能量特征提取，得到每個(gè)子頻段系數(shù)矩陣對應(yīng)的能量特征，構(gòu)建得到每位術(shù)后患者的包含多個(gè)頻段能量特征的第一頻段能量矩陣；

38、對每個(gè)第一頻段能量矩陣進(jìn)行特征篩選生成第二頻段能量矩陣，第二頻段能量矩陣中包含多個(gè)關(guān)鍵頻段能量特征；

39、對每個(gè)第二頻段能量矩陣中的多個(gè)關(guān)鍵頻段能量特征進(jìn)行滑窗分析，構(gòu)建每個(gè)頻段能量特征的特征趨勢曲線并確定多個(gè)第一分界點(diǎn)；

40、提取出每個(gè)第一分界點(diǎn)的時(shí)序位置特征和多個(gè)頻段特征，構(gòu)建得到每個(gè)第一分界點(diǎn)的候選特征向量，生成每位術(shù)后患者對應(yīng)的候選特征矩陣；

41、通過多個(gè)候選特征矩陣分別對每位術(shù)后患者的多個(gè)第一分界點(diǎn)進(jìn)行聚類得到多個(gè)分界點(diǎn)類簇，根據(jù)每位術(shù)后患者對應(yīng)的多個(gè)分界點(diǎn)類簇確定每位術(shù)后患者的多個(gè)第二分界點(diǎn)作為每位術(shù)后患者的多個(gè)目標(biāo)分界點(diǎn)。

42、本發(fā)明具有以下有益效果：

43、本發(fā)明提供的用于引流管的術(shù)后引流量監(jiān)測方法，基于數(shù)據(jù)分析的階段劃分依賴于多位患者的真實(shí)數(shù)據(jù)，通過統(tǒng)計(jì)分析自動(dòng)識(shí)別恢復(fù)過程中的變化模式，避免了主觀經(jīng)驗(yàn)的偏差。這種方法能夠以更客觀的方式反映不同患者的實(shí)際恢復(fù)過程，減少人為因素帶來的不一致性；通過自適應(yīng)小波分解和特征提取，能夠捕捉到引流數(shù)據(jù)和體征數(shù)據(jù)的復(fù)雜特征，從而識(shí)別出患者恢復(fù)過程中更細(xì)微的階段變化，與經(jīng)驗(yàn)劃分的廣泛性和模糊性不同，數(shù)據(jù)驅(qū)動(dòng)的階段劃分可以更精準(zhǔn)地識(shí)別出恢復(fù)進(jìn)程中的特定階段，使監(jiān)測更加細(xì)致，通過大規(guī)模數(shù)據(jù)分析，可以提取出適用于大多數(shù)患者的共性階段劃分，同時(shí)保留不同患者的個(gè)體差異，實(shí)現(xiàn)了基于數(shù)據(jù)驅(qū)動(dòng)的術(shù)后恢復(fù)監(jiān)測，實(shí)現(xiàn)了引流量的多階段精細(xì)化監(jiān)測和特征化分析，可以對患者術(shù)后狀態(tài)更全面地評估。