基于多模态生命体征融合的ICU患者病情恶化早期预警方法与流程

本发明涉及多模态生命体征融合领域，尤其涉及基于多模态生命体征融合的icu患者病情恶化早期预警方法。

背景技术：

1、icu重症监护场景中，患者病情变化速度快、生理状态波动复杂，临床通常依赖心电图监护仪、血氧饱和度检测仪及呼吸监测设备对患者生命体征进行连续监测，并结合医护经验判断病情风险。传统的icu病情监测方法主要包括固定阈值报警方式和多参数线性评分方式。固定阈值报警方式通常针对心率、血氧饱和度、呼吸频率等单项指标设置报警上下限，当监测值超出阈值时触发报警；多参数线性评分方式则通过对多个生命体征进行线性加权或评分汇总，形成综合风险等级。

2、然而，上述技术仍存在较大局限性：一方面，固定阈值方法只能识别已经明显异常的生命体征，难以对尚未达到报警阈值但已出现持续微弱异常的病情变化进行提前识别，容易造成早期病情恶化漏检；另一方面，多参数线性评分方法难以刻画不同生理参数之间的非线性耦合关系，无法有效反映局部异常密集出现及整体状态短时间突变所带来的风险变化。

技术实现思路

1、本发明提供基于多模态生命体征融合的icu患者病情恶化早期预警方法，以解决传统的icu病情监测技术难以对局部微弱异常及异常密集变化进行提前识别、难以有效量化不同生命体征之间的非线性耦合关系、难以连续表征整体生理状态的短时间突变，以及传统固定阈值和线性评分方法对患者病情恶化动态变化的敏感性不足、临床可解释性差的技术问题。

2、本发明的基于多模态生命体征融合的icu患者病情恶化早期预警方法，具体包括以下步骤：

3、s1.采集多模态生理参数，并进行局部模式特征解析，得到局部异常幅度和局部异常频率；基于局部异常幅度和局部异常频率，对多模态生理参数进行动态强化，计算增强后的多模态生理参数，并生成生理特征结构化集合；

4、s2.基于增强后的多模态生理参数，计算归一化生理参数，并得到多模态局部模式融合指标；基于多模态局部模式融合指标，引入局部异常指数放大及整体趋势高阶幂增强的双层风险强化机制，计算病情风险指数；基于病情风险指数，识别优先关注患者和风险快速上升患者，并输出结构化临床干预信息。

5、优选的，以实时采集的多模态生理参数为计算数据源，引入滑动窗口，计算局部中值和局部标准差，并得到所述局部异常幅度；结合患者历史多模态生理参数，构建历史基线值，基于历史基线值，计算滑动窗口内的异常样本占比，得到所述局部异常频率。

6、优选的，将局部异常幅度和局部异常频率结合，并引入平方映射，构建异常放大因子，对多模态生理参数进行非线性增强，得到所述增强后的多模态生理参数。

7、优选的，对所述增强后的多模态生理参数、其所属滑动窗口的局部中值和局部异常频率按同一采样时间点及所属滑动窗口建立一一对应关系，形成多模态联合输入空间，并输出生理特征结构化集合。

8、优选的，对增强后的多模态生理参数进行归一化处理，得到归一化生理参数，用于量化增强后的多模态生理参数的局部异常幅度；对归一化生理参数进行加权融合，得到所述多模态局部模式融合指标。

9、优选的，所述局部异常指数放大及整体趋势高阶幂增强的双层风险强化机制的具体实现过程包括：

10、基于归一化生理参数，构建局部异常指数映射项，结合局部异常频率和高阶趋势幂映射项，计算生成病情风险指数。

11、优选的，所述高阶趋势幂映射项通过对当前时间点与前一趋势观察时间点的多模态局部模式融合指标的差值进行高阶幂映射构建得到。

12、优选的，对全部icu监测患者，在同一监测时间点分别计算病情风险指数及病情风险指数变化量；对病情风险指数和病情风险指数变化量分别进行降序排序，筛选优先关注患者和风险快速上升患者，并输出结构化临床干预信息，包括患者标识、当前病情风险指数、当前风险排序、病情风险指数变化量、变化量排序、优先关注标识及快速上升标识。

13、本发明的技术方案的有益效果是：

14、1、将局部异常幅度与局部异常频率进行耦合映射，构建异常放大因子，并对多模态生理参数进行动态强化，使微弱异常能够在病情尚未出现明显阈值越界时被提前放大，克服了传统固定阈值监测对早期病情恶化敏感性不足的问题，提高了对隐匿性异常及持续性异常的识别能力。

15、2、利用指数映射和高阶趋势幂映射同步强化局部异常累积与整体状态突变，实现对患者病情动态变化过程的连续量化描述，使计算得到的病情风险指数同时具备动态敏感性、连续性和临床可解释性。

16、3、通过对病情风险指数和病情风险指数变化量进行排序，实现对优先关注患者及风险快速上升患者的连续识别，并输出结构化临床干预信息，为医护人员提供风险排序、趋势分析及干预优先级依据，有助于提升icu病情监护效率和临床决策准确性。

1.基于多模态生命体征融合的icu患者病情恶化早期预警方法，其特征在于，具体包括以下步骤：

2.根据权利要求1所述的基于多模态生命体征融合的icu患者病情恶化早期预警方法，其特征在于，以实时采集的多模态生理参数为计算数据源，引入滑动窗口，计算局部中值和局部标准差，并得到所述局部异常幅度；结合患者历史多模态生理参数，构建历史基线值，基于历史基线值，计算滑动窗口内的异常样本占比，得到所述局部异常频率。

3.根据权利要求2所述的基于多模态生命体征融合的icu患者病情恶化早期预警方法，其特征在于，将局部异常幅度和局部异常频率结合，并引入平方映射，构建异常放大因子，对多模态生理参数进行非线性增强，得到所述增强后的多模态生理参数。

4.根据权利要求3所述的基于多模态生命体征融合的icu患者病情恶化早期预警方法，其特征在于，对所述增强后的多模态生理参数、其所属滑动窗口的局部中值和局部异常频率按同一采样时间点及所属滑动窗口建立一一对应关系，形成多模态联合输入空间，并输出生理特征结构化集合。

5.根据权利要求4所述的基于多模态生命体征融合的icu患者病情恶化早期预警方法，其特征在于，对增强后的多模态生理参数进行归一化处理，得到归一化生理参数，用于量化增强后的多模态生理参数的局部异常幅度；对归一化生理参数进行加权融合，得到所述多模态局部模式融合指标。

6.根据权利要求5所述的基于多模态生命体征融合的icu患者病情恶化早期预警方法，其特征在于，所述局部异常指数放大及整体趋势高阶幂增强的双层风险强化机制的具体实现过程包括：

7.根据权利要求6所述的基于多模态生命体征融合的icu患者病情恶化早期预警方法，其特征在于，所述高阶趋势幂映射项通过对当前时间点与前一趋势观察时间点的多模态局部模式融合指标的差值进行高阶幂映射构建得到。

8.根据权利要求7所述的基于多模态生命体征融合的icu患者病情恶化早期预警方法，其特征在于，对全部icu监测患者，在同一监测时间点分别计算病情风险指数及病情风险指数变化量；对病情风险指数和病情风险指数变化量分别进行降序排序，筛选优先关注患者和风险快速上升患者，并输出结构化临床干预信息，包括患者标识、当前病情风险指数、当前风险排序、病情风险指数变化量、变化量排序、优先关注标识及快速上升标识。