本发明属于智慧医疗，具体是指一种用于儿科临床辅助的生命体征预测系统。
背景技术：
1、用于儿科临床辅助的生命体征预测系统是利用机器学习技术，实时预测儿童生命体征变化的智能系统，它旨在辅助儿科医生进行临床决策，减少医护人员工作负担，并提高儿童健康管理的效率和准确性。
2、但在现有生命体征预测过程中，存在生命体征预测所涉及到的数据维度较高，且容易存在特征冗余情况，导致模型过拟合，无法有效地对未知数据进行预测，进而影响系统整体的实用性和有效性的技术问题；存在生命体征相关数据具有高变动性和周期性趋势的特点，单一模型难以同时处理这两种特性，导致模型预测效果不佳，影响系统整体的准确性的技术问题。
技术实现思路
1、针对上述情况，为克服现有技术的缺陷，本发明提供了一种用于儿科临床辅助的生命体征预测系统，针对在现有生命体征预测过程中，存在生命体征预测所涉及到的数据维度较高，且容易存在特征冗余情况，导致模型过拟合，无法有效地对未知数据进行预测，进而影响系统整体的实用性和有效性的技术问题，本方案创造性地采用结合蜘蛛猴优化的侏儒猫鼬优化算法进行特征选择，通过结合两种优化算法的优势，提升计算速度并去除冗余特征，减少模型过拟合风险，且提高了预测模型的性能，进而增强生命体征预测系统整体的实用性和有效性；针对在现有生命体征预测过程中，存在生命体征相关数据具有高变动性和周期性趋势的特点，单一模型难以同时处理这两种特性，导致模型预测效果不佳，影响系统整体的准确性的技术问题，本方案创造性地采用时间卷积长短期并行模型进行生命体征预测，并行设置时间卷积子网和长短期记忆子网，使模型在同一时间内能高效地捕捉局部细节和全局趋势，更适合捕捉生命体征相关数据中的短期波动和长期规律，进而提升模型预测效果，增强生命体征预测系统整体的准确性。
2、本发明采取的技术方案如下：本发明提供的一种用于儿科临床辅助的生命体征预测系统，包括：数据准备模块、数据预处理模块、特征选择模块、生命体征预测模块和预测结果反馈模块；
3、所述数据准备模块，通过数据准备，得到儿童病房综合数据，并将所述儿童病房综合数据发送至数据预处理模块；
4、所述数据预处理模块，通过数据预处理，得到儿童病房优质数据，并将所述儿童病房优质数据发送至特征选择模块；
5、所述特征选择模块，采用结合蜘蛛猴优化的侏儒猫鼬优化算法，进行特征选择，得到儿童病房最优特征，并将所述儿童病房最优特征发送至生命体征预测模块；
6、所述生命体征预测模块，采用时间卷积长短期并行模型，进行生命体征预测，得到生命体征预测信息，并将所述生命体征预测信息发送至预测结果反馈模块；
7、所述预测结果反馈模块，通过预测结果反馈，自动生成生命体征预测报告。
8、进一步地，在数据准备模块中，用于收集生命体征预测所需的原始数据，具体为通过收集儿童生命体征数据和病房环境数据，得到儿童病房综合数据。
9、进一步地，在数据预处理模块中，通过重复值删除、缺失值插补和数据标准化，对儿童病房综合数据，进行数据预处理，得到儿童病房优质数据。
10、进一步地，在特征选择模块中，设有算法初始化单元、领导者位置更新单元、个体位置更新单元、停滞检测并进行侦察兵运动单元、迭代计算单元、结合蜘蛛猴优化的侏儒猫鼬优化算法构建单元和儿童病房最优特征计算单元，包括以下内容：
11、算法初始化单元，在儿童病房优质数据的特征空间中，随机初始化个体位置，设置个体数量和最大迭代次数，将生命体征预测模型预测精度作为适应度函数，所述个体位置用于表示特征子集；
12、领导者位置更新单元，根据相对适应度值更新局部领导者位置，根据适应度值更新全局领导者位置，包括以下内容：
13、使用适应度函数评估每个个体当前位置的适应度值，并计算相对适应度值，所述相对适应度值的计算公式为：
14、；
15、式中，是相对适应度值，i是个体索引，用于表示当前个体，fiti是第i个个体的适应度值，n是当前个体领域内的个体数量；
16、更新局部领导者位置，具体为在每个个体领域内，选择相对适应度值最高的个体位置作为局部领导者位置；
17、更新全局领导者位置，具体为在所有个体中，选择适应度值最高的个体位置作为全局领导者位置；
18、个体位置更新单元，应用蜘蛛猴优化算法进行个体位置更新，计算公式为：
19、；
20、式中，posij(t+1)是在第t+1次迭代时第i个个体在第j个维度的位置，j是个体维度索引，t是迭代次数索引，是在第t次迭代时第i个个体在第j个维度的位置，r1是范围为[0,1]的随机因子，lol是局部领导者位置，r2是范围为[-1,1]的随机因子，是在第t+1次迭代时随机选择的个体在第j维度的位置，rd是范围为[0,1]的随机数，用于控制个体位置更新方式，gll是全局领导者位置；
21、停滞检测并进行侦察兵运动单元，当个体位置满足停滞条件时，应用侏儒猫鼬优化算法中的侦查兵运动，进行位置更新；
22、所述停滞条件具体指个体位置连续三次迭代未发生变化；
23、所述应用侏儒猫鼬优化算法中的侦查兵运动，进行位置更新的计算公式为：
24、；
25、式中，cf是控制因子，用于调整探索程度，是个体适应度变化平均值，是个体迁移值，fitij(t+1)是更新后个体位置的适应度值，具体指在第t+1次迭代时第i个个体在第j个维度的位置的适应度值，fitij(t)是当前个体位置的适应度值，具体指在第t次迭代时第i个个体在第j个维度的位置的适应度值；
26、所述控制因子的计算公式为：
27、；
28、式中，tmax是最大迭代次数；
29、所述个体适应度变化平均值的计算公式为：
30、；
31、式中，m是个体数量，fsi是第i个个体的适应度值变化量；
32、迭代计算单元，重复执行所述领导者位置更新单元、所述个体位置更新单元和所述停滞检测并进行侦察兵运动单元，直到达到最大迭代次数，得到全局领导者位置作为最优特征子集；
33、结合蜘蛛猴优化的侏儒猫鼬优化算法构建单元，通过算法初始化单元、领导者位置更新单元、个体位置更新单元、停滞检测并进行侦察兵运动单元和迭代计算单元，进行结合蜘蛛猴优化的侏儒猫鼬优化算法构建；
34、儿童病房最优特征计算单元，通过结合蜘蛛猴优化的侏儒猫鼬优化算法对儿童病房优质数据进行特征选择，得到儿童病房最优特征。
35、进一步地，在生命体征预测模块中，采用时间卷积长短期并行模型，进行生命体征预测，得到生命体征预测信息；
36、所述时间卷积长短期并行模型，包括输入层、时间卷积长短期并行层、特征拼接层和输出层；
37、所述时间卷积长短期并行层，包括并行的时间卷积子网和长短期记忆子网；
38、所述时间卷积子网，用于捕捉数据中的局部特征和长期依赖关系；
39、所述长短期记忆子网，用于捕捉数据中的全局特征并传递上下文信息；
40、所述特征拼接层，用于融合时间卷积子网和长短期记忆子网输出的特征信息；
41、所述生命体征预测模块，设有输入层构建单元、时间卷积长短期并行层构建单元、特征拼接层构建单元、输出层构建单元、时间卷积长短期并行模型构建单元、模型训练单元和预测结果生成单元，包括以下内容：
42、输入层构建单元，通过构建输入层接收儿童病房最优特征作为模型的输入数据；
43、时间卷积长短期并行层构建单元，通过在时间卷积长短期并行层中设置并行结构的时间卷积子网和长短期记忆子网，进行时间卷积长短期并行层构建，包括以下内容：
44、时间卷积子网构建，具体为在时间卷积子网中堆叠n层卷积层，并在每个卷积层中设置因果卷积和扩张卷积，在每个卷积层之间设置残差连接，通过时间卷积子网对输入数据进行处理，得到时间卷积特征；
45、所述因果卷积，用于确保时间序列的顺序性，计算公式为：
46、；
47、式中，y1z是因果卷积在第z时间步的输出，z是时间步索引，k是卷积核权重索引，k是卷积核大小，gk是卷积核的第k个权重，xz-k是输入数据在第z-k时间步的值；
48、所述扩张卷积，用于增加长时间依赖关系的捕捉范围，计算公式为：
49、；
50、式中，y2z是扩张卷积在第z时间步的输出，d是扩张率，是输入数据在第时间步的值；
51、长短期记忆子网构建，具体为在长短期记忆子网中堆叠m层长短期记忆层，所述长短期记忆层包括输入门、遗忘门、记忆单元和输出门，通过长短期记忆子网对输入数据进行处理，得到长短期特征；
52、特征拼接层构建单元，通过特征拼接层将时间卷积特征和长短期特征在特征维度上进行拼接，实现特征维度的融合，得到时间卷积长短期特征；
53、输出层构建单元，在输出层中使用relu激活函数对时间卷积长短期特征进行计算，生成预测结果；
54、时间卷积长短期并行模型构建单元，通过输入层构建单元、时间卷积长短期并行层构建单元、特征拼接层构建单元、输出层构建单元、时间卷积长短期并行模型构建单元、模型训练单元和预测结果生成单元，进行时间卷积长短期并行模型构建；
55、模型训练单元，通过对时间卷积长短期并行模型进行模型训练，得到生命体征预测模型；
56、预测结果生成单元，通过生命体征预测模型进行生命体征预测，得到生命体征预测信息。
57、进一步地，在预测结果反馈模块中，依据生命体征预测信息，自动生成生命体征预测报告，当生命体征预测信息存在异常时，发出警报提醒。
58、采用上述方案本发明取得的有益效果如下：
59、（1）针对在现有生命体征预测过程中，存在生命体征预测所涉及到的数据维度较高，且容易存在特征冗余情况，导致模型过拟合，无法有效地对未知数据进行预测，进而影响系统整体的实用性和有效性的技术问题，本方案创造性地采用结合蜘蛛猴优化的侏儒猫鼬优化算法进行特征选择，通过结合两种优化算法的优势，提升计算速度并去除冗余特征，减少模型过拟合风险，且提高了预测模型的性能，进而增强生命体征预测系统整体的实用性和有效性；
60、（2）针对在现有生命体征预测过程中，存在生命体征相关数据具有高变动性和周期性趋势的特点，单一模型难以同时处理这两种特性，导致模型预测效果不佳，影响系统整体的准确性的技术问题，本方案创造性地采用时间卷积长短期并行模型进行生命体征预测，并行设置时间卷积子网和长短期记忆子网，使模型在同一时间内能高效地捕捉局部细节和全局趋势，更适合捕捉生命体征相关数据中的短期波动和长期规律，进而提升模型预测效果，增强生命体征预测系统整体的准确性。
1.一种用于儿科临床辅助的生命体征预测系统，其特征在于：包括数据准备模块、数据预处理模块、特征选择模块、生命体征预测模块和预测结果反馈模块；
2.根据权利要求1所述的一种用于儿科临床辅助的生命体征预测系统，其特征在于：在特征选择模块中，设有算法初始化单元、领导者位置更新单元、个体位置更新单元、停滞检测并进行侦察兵运动单元、迭代计算单元、结合蜘蛛猴优化的侏儒猫鼬优化算法构建单元和儿童病房最优特征计算单元，包括以下内容：
3.根据权利要求2所述的一种用于儿科临床辅助的生命体征预测系统，其特征在于：
4.根据权利要求3所述的一种用于儿科临床辅助的生命体征预测系统，其特征在于：所述时间卷积长短期并行层构建单元，包括以下内容：
5.根据权利要求4所述的一种用于儿科临床辅助的生命体征预测系统，其特征在于：在预测结果反馈模块中，依据生命体征预测信息，自动生成生命体征预测报告，当生命体征预测信息存在异常时，发出警报提醒。
6.根据权利要求5所述的一种用于儿科临床辅助的生命体征预测系统，其特征在于：在数据准备模块中，用于收集生命体征预测所需的原始数据，具体为通过收集儿童生命体征数据和病房环境数据，得到儿童病房综合数据。
7.根据权利要求6所述的一种用于儿科临床辅助的生命体征预测系统，其特征在于：在数据预处理模块中，通过重复值删除、缺失值插补和数据标准化，对儿童病房综合数据，进行数据预处理，得到儿童病房优质数据。
