本發(fā)明涉及醫(yī)療領域，尤其涉及一種老年肺癌患者的居家護理監(jiān)測數據的處理方法。

背景技術：

1、目前，對老年肺癌患者的身體狀態(tài)監(jiān)測和評估主要依賴于定期的醫(yī)院檢查和簡單的家庭監(jiān)測設備，傳統的監(jiān)測方法主要包括以下幾個方面：1.定期體檢，即患者需要定期到醫(yī)院進行全面檢查，包括血液檢查、影像學檢查等；2.實施單一參數監(jiān)測，即在家中，患者可能使用血壓計、體溫計等設備監(jiān)測單一生理參數；3.靜態(tài)數據分析：醫(yī)療人員通?；谀骋粫r間點的檢查結果且是單一參數，所以這種單一維度生理數據指標監(jiān)測評估以及各個參數指標的監(jiān)測用時時長不一，會導致靜態(tài)數據分析時的參數指標數據不匹配，即比如在j時間測量得到患者心率為75bpm，而血壓的測量結果是120mmhg(即數據采集分析不及時，所以有時血壓的測量結果并不是真實反應當前時刻的真實血壓值)；

2、因此發(fā)現這種傳統方法存在以下技術缺陷：1.數據不連續(xù)：定期體檢無法提供連續(xù)的生理數據，可能錯過重要的健康狀態(tài)變化。2.參數局限：單一參數監(jiān)測無法全面反映患者的整體健康狀況。3.缺乏動態(tài)分析以及無法及時發(fā)現異常：靜態(tài)數據分析無法捕捉患者健康狀況的動態(tài)變化，即由于數據采集分析不及時，可能延誤對異常狀況的發(fā)現和處理。

技術實現思路

1、本發(fā)明的目的在于提供一種老年肺癌患者的居家護理監(jiān)測數據的處理方法..，解決了現有技術中指出的上述技術問題。

2、本發(fā)明提供了一種老年肺癌患者的居家護理監(jiān)測數據的處理方法，包括如下操作步驟：

3、實時監(jiān)測當前老年肺癌患者的多項生理參數數據；

4、獲取上述監(jiān)測的所有所述生理參數數據；

5、基于所有所述生理參數數據，結合其多維數據關聯性及時間發(fā)展衰減性進行處理分析，得到當前老年肺癌患者的身體狀態(tài)評估信息。

6、較佳的，所述生理參數數據包括體溫數據、呼吸頻率數據、心率數據、血氧飽和度數據spo2、體重數據。

7、較佳的，所述基于所有所述生理參數數據，結合其多維數據關聯性及時間發(fā)展衰減性進行處理分析，得到當前老年肺癌患者的身體狀態(tài)評估信息，包括如下操作步驟：

8、對所述生理參數數據進行預處理，得到目標生理參數數據；

9、基于所述目標生理參數數據，并結合其多維數據關聯性及時間發(fā)展衰減性進行處理分析，通過模糊綜合評價處理得到當前老年肺癌患者的身體狀態(tài)評估信息。

10、較佳的，所述基于所述目標生理參數數據，并結合其多維數據關聯性及時間發(fā)展衰減性進行處理分析，通過模糊綜合評價處理得到當前老年肺癌患者的身體狀態(tài)評估信息，包括如下操作步驟：

11、基于所述目標生理參數數據建立身體狀態(tài)評估信息矩陣；

12、基于各個所述目標生理參數數據通過關聯分析得到各個目標生理參數數據對應的關聯因子；所述關聯因子表征每兩個目標生理參數數據之間的關聯關系值；

13、基于所述關聯因子進行計算得到生理參數權重w；

14、基于所述身體狀態(tài)評估信息矩陣r與各個所述生理參數數據對應的生理參數權重w計算獲取模糊綜合評價值q；

15、基于所述模糊綜合評價值進行分析判斷得到當前老年肺癌患者的身體狀態(tài)評估信息。

16、較佳的，所述基于各個所述目標生理參數數據通過關聯分析得到各個目標生理參數數據對應的關聯因子，具體包括如下操作步驟：

17、基于各個時刻對應的所述目標生理參數數據建立關聯矩陣fj；

18、計算得到當前采集得到的所有時刻下各個目標生理參數數據的均值以及目標生理參數數據的標準差srj；

19、基于所述目標生理參數數據的均值以及目標生理參數數據的標準差srj及所述關聯矩陣f中的各個子參數計算得到第一關聯因子kj；

20、基于所述第一關聯因子kj計算得到關聯因子k。

21、較佳的，所述基于各個所述目標生理參數數據通過關聯分析得到各個目標生理參數數據對應的關聯因子，具體包括如下操作步驟：

22、初始化迭代參數；

23、所述迭代參數包括目標生理參數數據集p、時間序列集j、初始化自適應時間衰減矩陣d和迭代計數器和最大迭代次數cmax和收斂閾值ε；

24、基于所述目標生理參數數據集以及所述時間序列集對每個時間點j構建時間關聯矩陣r(tj)；

25、將所述迭代計數器的迭代次數加1，得到當前迭代次數；基于所述時間關聯矩陣r(tj)中各個元素計算獲取參數重要性向量ia；基于所述參數重要性向量ia對所述自適應時間衰減矩陣d進行更新，得到更新后的自適應時間衰減矩陣d'；

26、基于所述更新后的自適應時間衰減矩陣d'構建多維關聯因子張量k；基于所述多維關聯因子張量k計算得到綜合關聯因子矩陣l；

27、對所述綜合關聯因子矩陣l進行奇異值分解后，選取前3個最大奇異值對應的左奇異向量,構成特征矩陣t；

28、對所述特征矩陣t進行聚類，得到多個聚類簇；基于預設的離散度閾值與簇間距離閾值對各個所述聚類簇進行篩選，得到異常簇與正常簇；

29、計算獲取各個所述正常簇中的平均關聯因子，基于所述平均關聯因子對所述異常簇通過主成分分析進行修正，得到修正后的聚類簇；基于所述修正后的聚類簇對所述綜合關聯因子矩陣l進行更新，得到更新后的綜合關聯因子矩陣l'；

30、計算獲取所述綜合關聯因子矩陣l以及所述更新后的綜合關聯因子矩陣l'的范數差；判斷所述范數差是否大于或等于收斂閾值ε；若是，則基于所述綜合關聯因子矩陣l計算獲取特征值λ和特征向量v；基于所述特征值λ和特征向量v構建關聯因子向量u；若否，則進一步判斷當前迭代次數是否大于或等于最大迭代次數cmax，若是，則基于所述綜合關聯因子矩陣l計算獲取特征值λ和特征向量v；基于所述特征值λ和特征向量v構建關聯因子向量u；若否，則返回上述操作，直至范數差大于或等于收斂閾值ε或當前迭代次數大于或等于最大迭代次數cmax，得到關聯因子向量u。

31、較佳的，所述基于所述參數重要性向量ia對所述自適應時間衰減矩陣d進行更新，得到更新后的自適應時間衰減矩陣d'是通過對自適應時間衰減矩陣d的衰減系數dab進行更新，得到新的衰減系數dabnew，然后獲取目標生理參數數據a的參數重要性向量以及目標生理參數數據b的參數重要性向量更新得到新的衰減系數dabnew，最后根據新的衰減系數dabnew得到更新后的自適應時間衰減矩陣d'；

32、更新后的自適應時間衰減矩陣d'＝[dabnew]n×n；

33、其中，dabnew表示目標生理參數數據pa對目標生理參數數據pb的新的衰減系數；n是表示目標生理參數數據的個數。

34、所述新的衰減系數dabnew的更新計算方式為：

35、dabnew＝dab*(1-α*ia*ib)；

36、式中，α為學習率(學習率控制更新幅度)；ia為目標生理參數數據a的參數重要性向量；lb為目標生理參數數據b的參數重要性向量；

37、與現有技術相比，本發(fā)明實施例至少存在如下方面的技術優(yōu)勢：

38、分析本發(fā)明提供的上述一種老年肺癌患者的居家護理監(jiān)測數據的處理方法可知，在具體應用時，首先通過生理參數數據的監(jiān)測，實時掌握患者的健康狀態(tài)，及時發(fā)現異常情況，如體溫升高、血氧水平下降等；進而通過多維數據分析將各種生理參數綜合起來，提供一個全面的身體狀態(tài)評估信息評估，有助于發(fā)現單獨參數可能無法揭示的健康問題，例如，通過體重數據分析，可以更好地理解患者的營養(yǎng)狀況；進一步地，通過上述數據監(jiān)測和分析機制，使得護理人員能夠根據患者的具體數據做出更精準的護理決策，調整護理措施和治療方案，提高患者的治療效果。