面向智慧医疗的传感监测数据优化方法及系统与流程

本技术属于数据处理，具体涉及一种面向智慧医疗的传感监测数据优化方法及系统。

背景技术：

1、在智慧医疗和神经监测调控等前沿领域，植入式设备技术正日益成为研究和实践的热点。然而，由于生理环境的复杂性和植入式设备（植入式设备包括用于执行监测功能的植入式设备、用于执行调控功能的植入式设备、以及用于同时执行监测功能与调控功能的植入式设备）的物理限制，原始传感监测信息流往往包含大量的噪声和异常数据，这严重制约了后续数据分析和应用的准确性。传统的数据预处理方法虽然能在一定程度上改善数据质量，但往往缺乏针对性和实时性，无法满足高精度医疗监测和调控的需求。因此，如何针对原始植入式设备传感监测信息流，特别是需执行预处理的目标体征监测数据，实现高效、精准的数据去噪、异常校正和优化，成为当前技术发展亟待解决的关键问题。

技术实现思路

1、本技术提供了一种面向智慧医疗的传感监测数据优化方法及系统，能够解决或者部分解决上述背景技术所涉及的技术问题。

2、本技术实施例提供一种面向智慧医疗的传感监测数据优化方法，应用于传感监测数据优化系统，所述方法包括：

3、获取待进行优化的原始植入式设备传感监测信息流；

4、将所述原始植入式设备传感监测信息流输入预调试的目标数据优化策略匹配网络，得到数据优化策略匹配观点集；

5、基于所述数据优化策略匹配观点集确定所述原始植入式设备传感监测信息流中每个植入式设备传感监测信息对应的数据优化策略匹配观点；

6、其中：

7、所述原始植入式设备传感监测信息流包括需执行预处理的目标体征监测数据；

8、所述目标数据优化策略匹配网络是将过往学习信息输入待调试的原始数据优化策略匹配网络进行调试得到的数据优化策略匹配网络，所述过往学习信息包括由一批过往植入式设备传感监测信息分别挖掘出的一批过往数据质量表征向量以及与每个过往数据质量表征向量对应的数据缺陷状态和投票权重所生成，所述数据缺陷状态反映一个过往数据质量表征向量的异常状态关键词，所述投票权重反映与所述异常状态关键词对应的强化系数，所述一批过往植入式设备传感监测信息是一批不间断的植入式设备传感监测信息，所述每个过往数据质量表征向量包括通过一个过往植入式设备传感监测信息和所述一个过往植入式设备传感监测信息的上一个过往植入式设备传感监测信息一并确定的数据质量表征向量；

9、所述数据优化策略匹配观点用于表示所述目标体征监测数据的预处理策略关键词。

10、在一种实现方式中，对所述一批过往植入式设备传感监测信息进行第一表征向量挖掘，得到第一批数据质量表征向量，其中，所述第一批数据质量表征向量中的一个数据质量表征向量与所述一批过往植入式设备传感监测信息中的一个过往植入式设备传感监测信息对应；

11、对所述一批过往植入式设备传感监测信息进行第二表征向量挖掘，得到第二批数据质量表征向量，其中，所述第二批数据质量表征向量中的第一数据质量表征向量与所述过往植入式设备传感监测信息中的第一过往植入式设备传感监测信息对应，所述第一过往植入式设备传感监测信息的上一帧植入式设备传感监测信息为第二过往植入式设备传感监测信息，所述第一数据质量表征向量表示所述第一过往植入式设备传感监测信息和所述第二过往植入式设备传感监测信息之间的上下文嵌入语义；

12、对所述第一批数据质量表征向量和所述第二批数据质量表征向量分别进行集成，得到所述一批过往数据质量表征向量。

13、在一种实现方式中，所述对所述一批过往植入式设备传感监测信息进行第二表征向量挖掘，得到第二批数据质量表征向量，包括：

14、通过以下步骤对所述一批过往植入式设备传感监测信息进行第二表征向量挖掘，得到第二批数据质量表征向量，其中，每次进行所述第二表征向量挖掘的过往植入式设备传感监测信息作为当前过往植入式设备传感监测信息，得到的数据质量表征向量作为当前数据质量表征向量，所述第二批数据质量表征向量包括所述当前数据质量表征向量；

15、对所述当前过往植入式设备传感监测信息执行传感监测信息分析操作，确定第一批分布特征变量，其中，所述第一批分布特征变量用于在所述当前过往植入式设备传感监测信息中描述所述目标体征监测数据的区域；

16、对所述当前过往植入式设备传感监测信息的上一个过往植入式设备传感监测信息执行传感监测信息分析操作，确定第二批分布特征变量，其中，所述第二批分布特征变量用于在所述上一个过往植入式设备传感监测信息中描述所述目标体征监测数据的区域；

17、基于所述第一批分布特征变量和所述第二批分布特征变量确定所述当前数据质量表征向量，其中，所述当前数据质量表征向量用于表示所述第一批分布特征变量和所述第二批分布特征变量中对应分布特征变量之间的差异。

18、在一种实现方式中，所述方法还包括：

19、通过以下步骤分别确定与所述一批过往数据质量表征向量中每个过往数据质量表征向量对应的数据缺陷状态和投票权重，其中，每次确定数据缺陷状态和投票权重的过往数据质量表征向量作为当前过往数据质量表征向量，与所述当前过往数据质量表征向量对应的数据缺陷状态作为当前数据缺陷状态和当前投票权重：

20、将所述当前过往数据质量表征向量输入所述原始数据优化策略匹配网络，得到所述当前数据缺陷状态，其中，所述原始数据优化策略匹配网络是事先实施重置处理得到的数据优化策略匹配网络；

21、基于所述当前数据缺陷状态和与所述当前过往数据质量表征向量对应的先验学习注释确定所述当前投票权重，其中，所述先验学习注释携带了所述当前过往数据质量表征向量对应的过往植入式设备传感监测信息中的认证标签，所述认证标签包括所述目标体征监测数据的目标预处理策略关键词，所述投票权重用于表示所述当前数据缺陷状态与所述目标预处理策略关键词是否匹配。

22、在一种实现方式中，所述将所述当前过往数据质量表征向量输入所述原始数据优化策略匹配网络，得到所述当前数据缺陷状态，包括：

23、将预存的预处理策略关键词集合中的每个预处理策略关键词按序与所述当前过往数据质量表征向量一并输入第一判别算法分支，得到第一批量化判别指标，其中，所述第一批量化判别指标包括所述每个预处理策略关键词对应的量化判别指标；

24、将所述第一批量化判别指标中指标数值最大的第一量化判别指标对应的备选预处理策略关键词确定为所述当前数据缺陷状态对应的当前预处理策略关键词。

25、在一种实现方式中，在所述将预存的预处理策略关键词集合中的每个预处理策略关键词按序与所述当前过往数据质量表征向量一并输入第一判别算法分支，得到第一批量化判别指标之前，所述方法还包括：

26、通过目标模式确定热力特征变量；

27、确定所述热力特征变量是否符合设定的热力分布规则；

28、在所述热力特征变量符合所述设定的热力分布规则的基础上，动态抽取所述预存的预处理策略关键词集合中的备选预处理策略关键词作为所述当前数据缺陷状态；

29、在所述热力特征变量未符合所述设定的热力分布规则的基础上，将所述当前过往数据质量表征向量输入所述原始数据优化策略匹配网络，得到所述当前数据缺陷状态。

30、在一种实现方式中，所述将所述第一批量化判别指标中指标数值最大的第一量化判别指标对应的备选预处理策略关键词确定为所述当前数据缺陷状态对应的当前预处理策略关键词，包括：

31、在所述第一量化判别指标对应的备选预处理策略关键词和所述目标预处理策略关键词相同的基础上，将所述当前投票权重确定为第一投票权重，其中，所述第一投票权重表示所述原始数据优化策略匹配网络成功输出匹配结果；

32、在所述第一量化判别指标对应的备选预处理策略关键词和所述目标预处理策略关键词不同的基础上，将所述当前投票权重确定为第二投票权重，其中，所述第二投票权重表示所述原始数据优化策略匹配网络没有成功输出匹配结果。

33、在一种实现方式中，所述方法还包括：

34、从所述过往学习信息中筛选若干个过往联动监测记录，其中，所述若干个过往联动监测记录中的第i个过往联动监测记录包括第i个过往数据质量表征向量、与所述第i个过往数据质量表征向量对应的第i个数据缺陷状态、第i个投票权重以及第i+1个过往数据质量表征向量，i为正整数；

35、基于所述若干个过往联动监测记录对待调试的原始数据优化策略匹配网络进行调试，得到所述目标数据优化策略匹配网络，其中，在对所述原始数据优化策略匹配网络进行调试的迭代次数达到设定迭代门限的基础上，将所述原始数据优化策略匹配网络确定为所述目标数据优化策略匹配网络，在对所述原始数据优化策略匹配网络进行调试的迭代次数未达到所述设定迭代门限的基础上，根据预配置的训练误差表达改进所述原始数据优化策略匹配网络的神经网络权重，每轮调试过程的输入为所述若干个过往联动监测记录中的一个过往联动监测记录。

36、在一种实现方式中，所述方法还包括：

37、通过以下步骤基于多组过往联动监测记录对待调试的原始数据优化策略匹配网络进行调试，得到所述目标数据优化策略匹配网络，其中，输入原始数据优化策略匹配网络的过往联动监测记录为所述第i个联动监测记录：

38、确定所述第i+1个过往数据质量表征向量对应的过往植入式设备传感监测信息是否为过往植入式设备传感监测信息流中最后一个过往植入式设备传感监测信息；

39、在所述第i+1个过往数据质量表征向量对应的过往植入式设备传感监测信息为所述最后一个过往植入式设备传感监测信息的基础上，基于所述第i个投票权重确定所述原始数据优化策略匹配网络生成的训练参量；

40、在所述第i+1个过往数据质量表征向量对应的过往植入式设备传感监测信息不为所述最后一个过往植入式设备传感监测信息的基础上，基于所述第i个投票权重与关联数据优化策略匹配网络的输出确定所述训练参量，其中，所述关联数据优化策略匹配网络是事先实施重置处理得到的数据优化策略匹配网络，所述关联数据优化策略匹配网络与所述原始数据优化策略匹配网络的神经网络权重存在区别；

41、基于所述训练参量与所述原始数据优化策略匹配网络的输出确定所述训练误差表达的误差变量，并基于所述训练误差表达的误差变量调整所述原始数据优化策略匹配网络的神经网络权重；

42、在执行以上步骤的迭代次数达到所述设定迭代门限的基础上，将所述原始数据优化策略匹配网络确定为所述目标数据优化策略匹配网络。

43、在一种实现方式中，所述基于所述第i个投票权重与关联数据优化策略匹配网络的输出确定所述训练参量，包括：

44、将预存的预处理策略关键词集合中的每个预处理策略关键词按序与所述第i+1个过往数据质量表征向量一并输入第二判别算法分支，得到第二批量化判别指标，其中，所述第二批量化判别指标包括所述每个预处理策略关键词对应的量化判别指标；

45、将所述第二批量化判别指标中指标数值最大的第二量化判别指标与所述第i个投票权重的加权结果确定为所述训练参量。

46、本技术实施例提供一种传感监测数据优化系统，包括至少一个处理器和存储器；所述存储器存储计算机执行指令；所述至少一个处理器执行所述存储器存储的计算机执行指令，使得所述至少一个处理器执行上述的方法。

47、本技术实施例提供一种可读存储介质，所述可读存储介质上存储程序或指令，所述程序或指令被处理器执行时实现上述方法的步骤。

48、在本技术实施例中，针对原始植入式设备传感监测信息流，特别是需执行预处理的目标体征监测数据，实现了高效、精准的数据优化处理。通过构建并调试目标数据优化策略匹配网络，能够从复杂的传感监测信息流中自动提取并匹配最优的数据优化策略，显著提升了数据的准确性和可靠性。利用过往学习信息对网络进行调试，使得网络能够准确识别出数据中的缺陷状态，如噪声、异常波动等，并为其分配相应的投票权重，从而确保了数据优化策略的针对性和有效性。最终，通过确定每个植入式设备传感监测信息对应的数据优化策略匹配观点，即预处理策略关键词，实现了对目标体征监测数据的实时、定制化预处理，为智慧医疗、植入式设备的监测和/或调控处理等领域的深入研究和应用提供了坚实的数据支持。