用于吞咽肠内营养喂食的智能决策系统及方法

本发明涉及肠内营养喂食，具体地，涉及一种用于吞咽肠内营养喂食的智能决策系统及方法。背景技术：1、随着人口老龄化和慢性疾病患者数量的增加，吞咽障碍问题日益凸显，对患者的日常生活和健康带来了极大的挑战。吞咽障碍，又称为吞咽困难，是指在食物从口腔进入胃的过程中出现的障碍，这不仅影响患者的正常进食，还可能对患者的营养摄入和整体生活质量造成严重影响。2、吞咽障碍的患者在进食时可能会遇到诸多困难，如食物难以咽下、进食速度缓慢、食物残留在口腔或食道内等。这些问题不仅会导致营养不良，还可能因为食物误入气管而引发吸入性肺炎等严重并发症，对患者的健康构成威胁。3、目前，对于吞咽障碍患者，肠内营养喂食是一种常见的治疗和护理方式。肠内营养是通过患者的胃肠道为患者提供营养，以满足其生理需求。然而，传统的肠内营养喂食方法多依赖于医护人员的经验和手动调节，这种方法存在一定的局限性。首先，由于缺乏精确的控制手段，医护人员很难根据患者的具体情况调整喂食速度和量，这可能导致患者进食过快或过慢，影响营养吸收。其次，手动调节喂食速度和量不仅效率低下，而且难以实现个性化护理，无法满足不同患者的独特需求。4、为了解决这些问题，有必要对传统的肠内营养喂食方式进行改进和创新。一种可能的改进方向是利用现代科技，如智能喂食系统，来提高喂食的精确性和个性化水平。智能喂食系统可以通过传感器和算法来监测患者的吞咽情况，自动调整喂食速度和量，从而更好地满足患者的个性化需求。此外，智能系统还可以记录患者的进食数据，帮助医护人员更好地了解患者的进食情况，及时调整治疗方案，因此，期望一种用于吞咽肠内营养喂食的智能决策系统及方法。技术实现思路1、提供该技术实现要素：部分以便以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。该发明内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。2、第一方面，本发明提供了一种用于吞咽肠内营养喂食的智能决策系统，所述系统包括：3、吞咽压力数据采集模块，用于获取由可穿戴监测设备采集的患者吞咽压力的时间序列；4、吞咽压力隐含关联分析模块，用于对所述患者吞咽压力的时间序列进行吞咽压力隐含关联分析以得到吞咽压力局部时序隐含关联特征向量的集合；5、自监督显著增强模块，用于将所述吞咽压力局部时序隐含关联特征向量的集合输入自监督特征序列显著性增强模块以得到吞咽压力全时域显著化融合表示向量；6、吞咽决策生成模块，用于基于所述吞咽压力全时域显著化融合表示向量来确定吞咽决策意见；7、其中，所述自监督显著增强模块，包括：8、自监督打分单元，用于计算所述吞咽压力局部时序隐含关联特征向量的集合中各个吞咽压力局部时序隐含关联特征向量的自监督打分权重以得到自监督打分权重的集合；9、显著性增强单元，用于以所述自监督打分权重的集合对所述吞咽压力局部时序隐含关联特征向量的集合进行显著性增强以得到所述吞咽压力全时域显著化融合表示向量。10、可选地，所述吞咽压力隐含关联分析模块，包括：序列切分单元，用于基于预定时间尺度对所述患者吞咽压力的时间序列进行序列切分以得到吞咽压力局部时间序列的集合；吞咽压力序列编码单元，用于将所述吞咽压力局部时间序列的集合中的各个吞咽压力局部时间序列分别通过吞咽压力序列编码器以得到所述吞咽压力局部时序隐含关联特征向量的集合。11、可选地，所述吞咽压力序列编码器为基于双向长短期记忆神经网络模型的吞咽压力序列编码器。12、可选地，所述自监督打分单元，用于：计算所述吞咽压力局部时序隐含关联特征向量的集合的全局均值特征向量；将各个所述吞咽压力局部时序隐含关联特征向量通过全连接层后，将得到的特征向量与所述全局均值特征向量的转置向量进行相乘以得到所述自监督打分权重的集合。13、可选地，所述显著性增强单元，包括：归一化子单元，用于对所述自监督打分权重的集合进行归一化处理以得到归一化自监督打分权重的集合；全时域显化子单元，用于以所述归一化自监督打分权重的集合作为权重序列，计算所述吞咽压力局部时序隐含关联特征向量的集合的逐向量加权和以得到所述吞咽压力全时域显著化融合表示向量。14、可选地，所述归一化子单元，用于：使用函数对所述自监督打分权重的集合进行归一化处理以得到所述归一化自监督打分权重的集合。15、可选地，所述吞咽决策生成模块，用于：将所述吞咽压力全时域显著化融合表示向量通过基于分类器的吞咽决策意见生成器以得到所述吞咽决策意见，所述吞咽决策意见用于表示增大进食速度或降低进食速度。16、第二方面，本发明提供了一种用于吞咽肠内营养喂食的智能决策方法，所述方法包括：17、获取由可穿戴监测设备采集的患者吞咽压力的时间序列；18、对所述患者吞咽压力的时间序列进行吞咽压力隐含关联分析以得到吞咽压力局部时序隐含关联特征向量的集合；19、将所述吞咽压力局部时序隐含关联特征向量的集合输入自监督特征序列显著性增强模块以得到吞咽压力全时域显著化融合表示向量；20、基于所述吞咽压力全时域显著化融合表示向量来确定吞咽决策意见；21、其中，将所述吞咽压力局部时序隐含关联特征向量的集合输入自监督特征序列显著性增强模块以得到吞咽压力全时域显著化融合表示向量，包括：22、计算所述吞咽压力局部时序隐含关联特征向量的集合中各个吞咽压力局部时序隐含关联特征向量的自监督打分权重以得到自监督打分权重的集合；23、以所述自监督打分权重的集合对所述吞咽压力局部时序隐含关联特征向量的集合进行显著性增强以得到所述吞咽压力全时域显著化融合表示向量。24、可选地，对所述患者吞咽压力的时间序列进行吞咽压力隐含关联分析以得到吞咽压力局部时序隐含关联特征向量的集合，包括：25、基于预定时间尺度对所述患者吞咽压力的时间序列进行序列切分以得到吞咽压力局部时间序列的集合；26、将所述吞咽压力局部时间序列的集合中的各个吞咽压力局部时间序列分别通过吞咽压力序列编码器以得到所述吞咽压力局部时序隐含关联特征向量的集合。27、采用上述技术方案，通过获取由可穿戴监测设备采集的患者吞咽压力的时间序列；对所述患者吞咽压力的时间序列进行吞咽压力隐含关联分析以得到吞咽压力局部时序隐含关联特征向量的集合；将所述吞咽压力局部时序隐含关联特征向量的集合输入自监督特征序列显著性增强模块以得到吞咽压力全时域显著化融合表示向量；基于所述吞咽压力全时域显著化融合表示向量来确定吞咽决策意见。这样，可以利用深度学习算法从中学习患者的吞咽模式，并引入自监督显著增强机制对吞咽特征进行全时域显著化处理，从而根据经过显著化处理后的吞咽特征分布模式来对进食速度进行自适应调整。28、本发明的其他特征和优点将在随后的具体实施方式部分予以详细说明。