[发明专利]系统监测器及系统监测方法有效
申请号: | 201780048544.7 | 申请日: | 2017-07-07 |
公开(公告)号: | CN109564586B | 公开(公告)日: | 2023-09-22 |
发明(设计)人: | 戴维·安德鲁·克利夫顿;葛兰·莱特·科洛比;马尔科·安德烈·菲古伊雷多·皮门特尔 | 申请(专利权)人: | 牛津大学科技创新有限公司 |
主分类号: | G16H50/70 | 分类号: | G16H50/70;G06F18/2433;G06N7/01;A61B5/00;G06F17/18;G06F18/28;G06F18/22;G06F18/2415 |
代理公司: | 北京派特恩知识产权代理有限公司 11270 | 代理人: | 徐川;姚开丽 |
地址: | 英国*** | 国省代码: | 暂无信息 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 系统 监测器 监测 方法 | ||
1.一种系统监测器,被配置成预测被监测系统的未来状态,所述系统监测器包括:
数据接收单元,被配置成接收系统数据,所述系统数据表示对所述被监测系统执行的一组一个或多个测量;以及
处理单元,被配置成:
通过将所述系统数据拟合第一统计模型获取所述系统数据的所述第一统计模型;
将所述第一统计模型与数据库中的多个字典条目中的每一个进行比较,每个字典条目包括第二统计模型,所述第二统计模型具有与所述第一统计模型相同的通用类并且所述第二统计模型通过向以下数据拟合所述第二统计模型获得,所述数据表示对与所述被监测系统具有相同的类型的系统执行的一组一个或多个先前的测量并且具有已知后续状态;以及
基于所述比较输出对所述被监测系统的未来状态的预测,其中,
所述第一统计模型和所述第二统计模型各自是随机过程或近似随机过程;
所述多个字典条目包括多个字典条目组,每个字典条目组排他地包含具有与每个其他字典条目组的已知后续状态不同的共同已知后续状态的字典条目;以及
所述比较包括确定所述第一统计模型与所述多个字典条目组中哪一个最相似。
2.根据权利要求1所述的系统监测器,还包括用于对所述被监测系统执行所述一个或多个测量的感测系统。
3.根据权利要求1或2所述的系统监测器,其中,所述随机过程或近似随机过程是高斯过程或近似高斯过程。
4.根据权利要求3所述的系统监测器,其中,所述随机过程或近似随机过程是使用线性状态空间模型或卡尔曼滤波器的近似高斯过程。
5.根据权利要求1或2所述的系统监测器,其中,所述系统数据是时间序列数据。
6.根据权利要求5所述的系统监测器,其中,对所述系统数据的加窗版本执行所述第一统计模型的所述拟合,所述加窗版本的时间窗的长度等于用于针对所述字典条目中的每一个拟合所述第二统计模型的时间窗的长度。
7.根据权利要求1或2所述的系统监测器,其中,所述被监测系统是生物系统。
8.根据权利要求1或2所述的系统监测器,其中,所述被监测系统是人或动物。
9.根据权利要求8所述的系统监测器,其中,所述测量包括对以下中的一个或多个的测量:心率、呼吸频率、血氧、收缩压、舒张压、心电图、血糖、温度、血液成分水平、瞳孔大小、疼痛评分、格拉斯哥昏迷评分。
10.根据权利要求1或2所述的系统监测器,其中,所述处理单元还被配置成在所述数据库中选择字典条目子集以获得待在所述比较中使用的所述多个字典条目。
11.根据权利要求10所述的系统监测器,其中,所述被监测系统是人类患者并且所述选择字典条目子集基于以下时间相对于所述人类患者进入医疗机构的时间来执行,在所述时间处获得由用于针对每个字典条目拟合所述第二统计模型的所述数据表示的测量。
12.根据权利要求1或2所述的系统监测器,其中,所述比较包括计算多个组相似性值,每个组相似性值表示所述第一统计模型与所述多个字典条目组中的相应的一个有多相似,并且对所述未来状态的所述预测基于所述多个组相似性值来获得。
13.根据权利要求1或2所述的系统监测器,其中,所述比较包括计算所述第一统计模型与所述数据库中的所述多个字典条目中的每一个之间的相似性,以获得相应的相似性值。
14.根据权利要求13所述的系统监测器,其中,每个相似性值基于海林格距离和Kullback-Leibler散度来计算。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于牛津大学科技创新有限公司,未经牛津大学科技创新有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201780048544.7/1.html,转载请声明来源钻瓜专利网。
- 上一篇:基于点积的处理元件
- 下一篇:修改文档图以反映与文档图所表示的文档相关的信息