摘要
本申请涉及病情监测管理技术领域,其具体地公开了一种用于重症患者的病情监测管理系统及方法,其采用基于深度学习的图像分析和特征提取技术来进行各个患者面部图像的面部语义提取,接着对各个患者面部语义特征进行多重结构的特征动态聚合,同时从提取首帧患者面部语义特征和尾帧患者面部语义特征,并基于首帧患者面部语义特征、尾帧患者面部语义特征和患者面部语义动态聚合特征之间的多维表征来智能地判断是否停止计算,并得到目标类型图像数量值和面部目标图像周期时长比。这样,能够更好地理解表情变化的时间连续性,确保不会错过任何重要的表情转变点。同时可以捕捉到更加细微的表情变化,从而提高表情识别的准确性。
技术关键词
面部语义特征
患者
监测管理系统
语义特征提取
语义关联度
多重门结构
序列
周期
语义模板
监测管理方法
队列
动态
卷积神经网络模型
图像分析模块
时间比
搜索特征
编码
系统为您推荐了相关专利信息
多模态深度学习
需求预测方法
医疗耗材
文本特征向量
交叉注意力机制
动态采样方法
动态采样装置
频率调节装置
极值
脑电信号采集模块
患者
需求预测模型
医院信息系统
计算机装置设备
调度算法
数据智能分析方法
多模态注意力
预警模型
患者
文本
贴片
参数控制方法
超声波
时间段
DBSCAN密度聚类