CN111128355B - 一种目标事件评估方法及装置 - Google Patents
一种目标事件评估方法及装置 Download PDFInfo
- Publication number
- CN111128355B CN111128355B CN201911329872.1A CN201911329872A CN111128355B CN 111128355 B CN111128355 B CN 111128355B CN 201911329872 A CN201911329872 A CN 201911329872A CN 111128355 B CN111128355 B CN 111128355B
- Authority
- CN
- China
- Prior art keywords
- time
- evaluation
- target object
- target
- reminding message
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000011156 evaluation Methods 0.000 title claims abstract description 225
- 238000013210 evaluation model Methods 0.000 claims abstract description 66
- 238000000034 method Methods 0.000 claims abstract description 37
- 238000012549 training Methods 0.000 claims description 55
- 230000006399 behavior Effects 0.000 claims description 53
- 238000012544 monitoring process Methods 0.000 claims description 16
- 238000010801 machine learning Methods 0.000 claims description 13
- 230000004044 response Effects 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 8
- 238000012806 monitoring device Methods 0.000 claims description 8
- 238000003860 storage Methods 0.000 claims description 8
- 230000006870 function Effects 0.000 claims description 5
- 230000008569 process Effects 0.000 description 13
- 238000007637 random forest analysis Methods 0.000 description 11
- 238000004891 communication Methods 0.000 description 6
- 238000003066 decision tree Methods 0.000 description 6
- 239000000284 extract Substances 0.000 description 6
- 238000013139 quantization Methods 0.000 description 6
- 230000036772 blood pressure Effects 0.000 description 5
- 238000005457 optimization Methods 0.000 description 5
- 238000002360 preparation method Methods 0.000 description 4
- 238000012706 support-vector machine Methods 0.000 description 4
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 3
- 239000008280 blood Substances 0.000 description 3
- 210000004369 blood Anatomy 0.000 description 3
- 230000036760 body temperature Effects 0.000 description 3
- 238000013527 convolutional neural network Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 229910052760 oxygen Inorganic materials 0.000 description 3
- 239000001301 oxygen Substances 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 208000028399 Critical Illness Diseases 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
- G16H40/20—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the management or administration of healthcare resources or facilities, e.g. managing hospital staff or surgery rooms
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H80/00—ICT specially adapted for facilitating communication between medical practitioners or patients, e.g. for collaborative diagnosis, therapy or health monitoring
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Epidemiology (AREA)
- Business, Economics & Management (AREA)
- General Business, Economics & Management (AREA)
- Primary Health Care (AREA)
- Public Health (AREA)
- Pathology (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
- Alarm Systems (AREA)
Abstract
本发明实施例提供了一种目标事件评估方法及装置。所述方法包括：获取目标事件的评估参数；所述评估参数至少包括第一时间差、语音输入口令以及第二时间差；其中，所述第一时间差为第一时间与第二时间之间的时间差，所述第一时间为第一提醒消息的发出时间，所述第二时间为第一目标对象执行第一目标行为的开始时间；所述第一提醒消息为监测到患者的体征数据符合所述目标事件的预设启动条件时，向所述第一目标对象发出的提醒消息；将所述评估参数输入至预设的评估模型，得到所述目标事件的评估值。本发明实施例解决了现有技术中，难以对急救绿色通道相关工作进行规范合理的考核的问题。
Description
技术领域
本发明涉及互联网技术领域，尤其涉及一种目标事件评估方法及装置。
背景技术
随着社会的进步、经济的发展，人们的生活节奏加快，各种危重病人的人数不断增多，为了突出急病急治，提高危重症病人抢救成功率，建立和完善院前、院内危重症救治“绿色通道”是较为有效的途径。急救“绿色通道”旨在对定性为危急重症、所患疾病可能在短时间内(比如小于6小时)危及生命的患者，提供更畅通、规范、高效的抢救医疗服务，通过从人员、设备、设施三个层面的建设为抢救患者争取时间，提高危急重症患者的抢救成功率。
急救“绿色通道”正确、及时的发起对于危急重症患者的抢救成功率起着至关重要的作用，但对于急救“绿色通道”工作的管理，因受到人员、设备、空间等限制，难以对急救“绿色通道”相关工作进行规范合理的考核。
发明内容
本发明实施例提供一种目标事件评估方法及装置，以解决现有技术中，难以对急救“绿色通道”相关工作进行规范合理的考核的问题。
一方面，本发明实施例提供了一种目标事件评估方法，所述方法包括：
获取目标事件的评估参数；所述评估参数至少包括第一时间差、语音输入口令以及第二时间差；
其中，所述第一时间差为第一时间与第二时间之间的时间差，所述第一时间为第一提醒消息的发出时间，所述第二时间为第一目标对象执行第一目标行为的开始时间；所述第一提醒消息为监测到患者的体征数据符合所述目标事件的预设启动条件时，向所述第一目标对象发出的提醒消息；
所述语音输入口令为在发出所述第一提醒消息后，采集的所述第一目标对象的语音；
所述第二时间差为第三时间与第四时间之间的时间差，所述第三时间为第二提醒消息的发出时间，所述第四时间为第二目标对象响应所述第二提醒消息的时间；所述第二提醒消息为监测到患者的体征数据符合所述目标事件的预设启动条件时，向所述第二目标对象发出的提醒消息；
将所述评估参数输入至预设的评估模型，得到所述目标事件的评估值；其中，所述评估模型为经过机器学习得到的。
另一方面，本发明实施例还提供一种目标事件评估装置，所述装置包括：
参数获取模块，用于获取目标事件的评估参数；所述评估参数至少包括第一时间差、语音输入口令以及第二时间差；
其中，所述第一时间差为第一时间与第二时间之间的时间差，所述第一时间为第一提醒消息的发出时间，所述第二时间为第一目标对象执行第一目标行为的开始时间；所述第一提醒消息为监测到患者的体征数据符合所述目标事件的预设启动条件时，向所述第一目标对象发出的提醒消息；
所述语音输入口令为在发出所述第一提醒消息后，采集的所述第一目标对象的语音；
所述第二时间差为第三时间与第四时间之间的时间差，所述第三时间为第二提醒消息的发出时间，所述第四时间为第二目标对象响应所述第二提醒消息的时间；所述第二提醒消息为监测到患者的体征数据符合所述目标事件的预设启动条件时，向所述第二目标对象发出的提醒消息；
评估模块，用于将所述评估参数输入至预设的评估模型，得到所述目标事件的评估值；其中，所述评估模型为经过机器学习得到的。
又一方面，本发明实施例还提供一种电子设备，该电子设备包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上所述的目标事件评估方法中的步骤。
再一方面，本发明实施例还提供一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如上所述的目标事件评估方法中的步骤。
在本发明实施例中，通过获取目标事件的评估参数，将所述评估参数输入至预设的评估模型，得到所述目标事件的评估值；其中，所述评估参数至少包括第一时间差、语音输入口令以及第二时间差；第一时间差用于评估院前医护人员施救行为是否及时，语音输入口令用于评估院前施救行为是否规范，第二时间差用于评估院内医护人员响应时间是否及时；通过预设的评估模型得到满足精确度要求的评估值，以评估值作为参考改进急救绿色通道工作，提升施救水平，提高整体的危急重症患者抢救成功率。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对本发明实施例的描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的目标事件评估方法的步骤流程图之一；
图2为本发明实施例的示例的示意图；
图3为本发明实施例提供的目标事件评估方法的步骤流程图之二；
图4为本发明实施例提供的目标事件评估装置的结构框图；
图5为本发明实施例提供的电子设备的结构框图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
应理解，说明书通篇中提到的“一个实施例”或“一实施例”意味着与实施例有关的特定特征、结构或特性包括在本发明的至少一个实施例中。因此，在整个说明书各处出现的“在一个实施例中”或“在一实施例中”未必一定指相同的实施例。此外，这些特定的特征、结构或特性可以任意适合的方式结合在一个或多个实施例中。
在本发明的各种实施例中，应理解，下述各过程的第一标识号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。
参见图1，本发明实施例提供了一种目标事件评估方法，所述目标事件为待评估的事件，本发明实施例中，以目标事件为急救绿色通道为例，同时以一评估设备作为执行主体为例，介绍所述方法。
所述方法包括：
步骤101，获取目标事件的评估参数；所述评估参数至少包括第一时间差、语音输入口令以及第二时间差。
其中，评估参数为用于评估目标事件的预设因素的参数值；可预先为目标事件设定评估参数的类型，然后采集评估参数(具体数值)，用以评估目标事件。
评估参数至少包括所述第一时间差为第一时间与第二时间之间的时间差，所述第一时间为第一提醒消息的发出时间，所述第二时间为第一目标对象执行第一目标行为的开始时间；所述第一提醒消息为监测到患者的体征数据符合所述目标事件的预设启动条件时，向所述第一目标对象发出的提醒消息；具体地，作为示例，参见图2，急救绿色通道通常分为院前阶段和院内阶段。在院前阶段，采集患者的监护数据、病历数据、心电数据、超声数据等，用于院内对患者远程会诊，此时，还实时采集患者所述环境的图像数据(或监控数据)。在院内阶段，对院前阶段采集的院前数据实时查看，以及进行远程会诊、手术室准备、医护人员准备等工作；需要说明的是，院内阶段的工作与院前阶段的工作同时进行。
在院前阶段，比如患者在救护车上，由监护设备采集患者的体征数据或由医护人员测量并上报患者的体征数据，当评估设备监测到患者的体征数据符合所述目标事件的预设启动条件时，向第一目标对象(即第一目标对象侧设备)发出第一提醒消息，第一提醒消息用于提醒第一目标对象开始执行所述目标事件。
第一目标对象为院前医护人员；患者体征数据可以包括心率、血压、血氧、脉搏、体温等体征数据，可以由监护设备进行采集，也可由评估设备进行语音采集；比如，若院前医护人员测量患者体征数据后实时汇报相关数据，则评估设备可实时采集语音消息，提取语音消息中的体征数据。
第一时间为评估设备发出第一提醒消息的时间，第二时间为第一目标对象执行第一目标行为的开始时间，第一目标行为为与目标事件关联的预设行为，比如，第一目标行为为施救行为，当评估设备发出第一提醒消息之后，通过视频监控设备采集图像，并对采集的图像进行图像识别，识别其中医护人员是否具有施救行为，以此来确定第二时间，并依据第二时间判断第一目标对象执行施救行为是否及时。
所述语音输入口令为在发出所述第一提醒消息后，评估设备采集的所述第一目标对象的语音；比如，评估设备在发出第一提醒消息后，录制所述第一目标对象发出的所有语音，从中提取预设的语音输入口令，以判断第一目标对象的施救行为是否符合要求。
所述第二时间差为第三时间与第四时间之间的时间差，所述第三时间为第二提醒消息的发出时间，所述第四时间为第二目标对象响应所述第二提醒消息的时间；所述第二提醒消息为监测到患者的体征数据符合所述目标事件的预设启动条件时，向所述第二目标对象发出的提醒消息。
第二目标对象为院内医护人员；在院前阶段，比如患者在救护车上，由监护设备采集患者的体征数据或由医护人员测量并上报患者的体征数据，当评估设备监测到患者的体征数据符合所述目标事件的预设启动条件时，向所述第二目标对象(即第二目标对象侧设备)发出第二提醒消息，并记录此时的第三时间；评估设备还接收第二目标对象侧设备的针对第二提醒消息的响应消息，记录第二目标对象响应所述第二提醒消息的时间，以此来判断第二目标对象响应所述第二提醒消息是否及时。
步骤102，将所述评估参数输入至预设的评估模型，得到所述目标事件的评估值；其中，所述评估模型为经过机器学习得到的。
本步骤中，获取到目标事件的评估参数后，将每个评估参数分别输入预设的评估模型，通过评估模型对评估参数进行计算，得到此目标事件的评估值；可选地，评估值可以是得分形式，比如，针对每个评估参数单独得到一个量化参数，然后对每个量化参数进行加权求和得到一个数值，该数值即评估值。
所述评估模型为经过机器学习得到的，可选地，机器学习的过程中，可以以随机森林、卷积神经网络或支持向量机(Support Vector Machine，SVM)等形式训练所述评估模型，所训练出的评估模型可对目标事件进行评估得到评估值，评估值可达到所训练过程中的精度要求。
以随机森林为例，随机森林模型是一种由多个决策树构成的集成学习模式。在训练模型的过程中，基于大量的样本(目标事件及其评估参数)首先进行人工评估打分，然后基于人工评估的结果与模型评估的结果，对随机森林模型进行反向优化，使得最终模型的评估结果与人工评估结果之间的差距满足精确度要求，最终得到评估模型。随机森林中，每棵决策树的建立依赖于一个独立抽取的样本，森林中的每棵树具有相同的分布，评估误差取决于每一棵树的评估能力和它们之间的相关性。单棵树的评估能力可能很小，但在随机产生大量的决策树后，评估能力必然增强，统计后选择最可能的评估。通过大量的评估、回归训练，最终得到准确率最高的一组权重数值，由该组权重数值构成评估模型，因此评估模型的精确度也较高。
将目标事件的评估参数输入至预设的评估模型，得出所述目标事件的评估值，以评估值评估为此目标事件处理过程中，相关流程是否规范、及时。
本发明上述实施例中，通过获取目标事件的评估参数，将所述评估参数输入至预设的评估模型，得到所述目标事件的评估值；其中，所述评估参数至少包括第一时间差、语音输入口令以及第二时间差；第一时间差用于评估院前医护人员施救行为是否及时，语音输入口令用于评估院前施救行为是否规范，第二时间差用于评估院内医护人员响应时间是否及时；通过预设的评估模型得到满足精确度要求的评估值，以评估值作为参考改进急救绿色通道工作，提升施救水平，提高整体的危急重症患者抢救成功率。本发明实施例解决了现有技术中，难以对急救绿色通道相关工作进行规范合理的考核的问题。
参见图3，本发明又一实施例提供了一种目标事件评估方法，所述目标事件为待评估的事件，所述方法包括：
步骤301，采集患者的体征数据。
其中，体征数据可以包括心率、血压、血氧、脉搏、体温等体征数据，可以由监护设备进行采集，也可由评估设备进行语音采集；比如，若院前医护人员测量患者体征数据后实时汇报相关数据，则评估设备可实时采集语音消息，提取语音消息中的体征数据。
步骤302，监测到所述体征数据符合所述目标事件的预设启动条件时，向第一目标对象发出第一提醒消息以及向第二目标对象发出第二提醒消息。
其中，在院前阶段，比如患者在救护车上，由监护设备采集患者的体征数据或由医护人员测量并上报患者的体征数据，当评估设备监测到患者的体征数据符合所述目标事件的预设启动条件时，向第一目标对象(即第一目标对象侧设备)发出第一提醒消息，第一提醒消息用于提醒第一目标对象开始执行所述目标事件；同时向所述第二目标对象(即第二目标对象侧设备)发出第二提醒消息。
步骤303，获取第一时间与第二时间之间的第一时间差，采集所述第一目标对象的语音输入口令，以及获取第三时间以及第四时间之间的第二时间差。
其中，所述语音输入口令为在发出所述第一提醒消息后，评估设备采集的所述第一目标对象的语音；比如，评估设备在发出第一提醒消息后，录制所述第一目标对象发出的所有语音，从中提取预设的语音输入口令，以判断第一目标对象的施救行为是否符合要求。
评估设备确定第一时间差与第二时间差，由第一时间差、第二时间差以及语音输入口令作为评估参数，评估所述目标事件。
步骤304，将评估参数输入至预设的评估模型，得到所述目标事件的评估值；其中，所述评估模型为经过机器学习得到的；所述评估参数至少包括第一时间差、语音输入口令以及第二时间差。
本步骤中，获取到目标事件的评估参数后，将每个评估参数分别输入预设的评估模型，通过评估模型对评估参数进行计算，得到此目标事件的评估值；可选地，评估值可以是得分形式，比如，针对每个评估参数单独得到一个量化参数，然后对每个量化参数进行加权求和得到一个数值，该数值即评估值。
可选地，本发明实施例中，所述获取第一时间与第二时间之间的第一时间差的步骤，包括：
确定第二时间；
所述确定第二时间，包括：
通过预设监控设备采集图像；
对所述图像中的所述第一目标对象进行行为识别；
若识别所述第一目标对象执行第一目标行为，确定所述第一目标对象执行第一目标行为的开始时间。
其中，当评估设备发出第一提醒消息之后，通过预设监控设备采集图像，并对采集的图像进行图像识别，识别其中第一目标对象(医护人员)是否执行第一目标行为；比如，第一目标行为为施救行为，以此来确定第二时间，并依据第二时间判断第一目标对象执行施救行为是否及时。
其中，第一目标对象可以是任意医护人员，可以通过医护人员的穿着或携带的标识等识别图像中的医护人员。识别其中的医护人员之后，对医护人员的行为进行图像分析，判断其中是否有针对患者的施救行为。
可选地，本发明实施例中，所述采集所述第一目标对象的语音输入口令的步骤，包括：
通过第一语音采集设备采集所述第一目标对象的语音；
对所述语音进行语音识别；
若识别所述语音中包括预设的语音输入口令，记录所述语音输入口令。
其中，可在院前急救阶段配置第一语音采集设备，比如评估设备中包括语音采集设备，通过第一语音采集设备采集第一目标对象的语音；比如，评估设备在发出第一提醒消息后，录制所述第一目标对象发出的所有语音，并对于所采集的语音进行语音分析，从中提取预设的语音输入口令，并记录语音输入口令；比如，发起急救绿色通道后，按照急救中心的考核规定，会有对应的流程步骤，比如，第一步发起绿色通道请求，第二步生命体征开始传输，第三步远程音视频会话开启等，每个步骤在操作时需要医护人员人工输入语音口令确认。如口令：“发起请求、请求成功、开始传输生命体征、生命体征同步完成”等，评估设备从医护人员的语音中采集关键口令节点，以判断第一目标对象的施救行为是否符合要求。
可选地，本发明实施例中，所述采集患者的体征数据的步骤，包括：
通过目标监护设备采集患者的体征数据；
和/或
通过第二语音采集设备采集所述第一目标对象的语音；
对所述语音进行语音识别；
若识别所述语音中包括预设的体征关键词，提取与所述体征关键词关联的体征数据。
其中，在院前阶段，比如患者在救护车上，由监护设备采集患者的体征数据或由医护人员测量并上报患者的体征数据。
对于由医护人员测量并上报的情况，评估设备通过第二语音采集设备实时采集第一目标对象的语音，并对采集到的语音进行语音识别，若识别所述语音中包括预设的体征关键词，提取与所述体征关键词关联的体征数据；比如，体征关键词包括血压、脉搏、心率等；通常情况下，急救中心规定急救医生在急救时根据监护仪设备上显示的生理数据对数据进行报数，如血压第一数值、心率第二数值、脉搏第三数值；第二语音采集设备会自动采集与体征关键词关联的体征数据，如医护人员报数“心率140”，此时评估设备自动提取体征数据“心率140”。
可选地，本发明实施例中，所述获取目标事件的评估参数的步骤之前，所述方法还包括：
获取训练库中的多个训练样本，所述训练样本中包括所述评估参数以及已知评估值；
根据所述训练样本，训练评估模型。
其中，训练库中包括预设数目的训练样本；每个训练样本中包括所述评估参数以及已知评估值，已知评估值中可以包括针对该训练样本的评估值，或具体到每个评估参数的子评估值，由子评估值加权求和得到已知评估值。
在训练模评估型的过程中，基于大量的样本(目标事件及其评估参数)首先进行人工评估打分得到已知评估值，然后基于人工评估的结果与模型评估的结果，对随机森林模型进行反向优化，使得最终模型的评估结果与人工评估结果之间的差距满足精确度要求，最终得到评估模型。
进一步地，本发明实施例中，所述根据所述训练样本，训练评估模型的步骤，包括：
针对将所述训练样本中的第一训练样本：
将所述第一训练样本的评估参数输入至初始评估模型，得到初始评估值；
通过所述已知评估值和初始评估值，对所述初始评估模型进行反向优化，得到优化后的模型；
将所述训练样本中的第二训练样本迭代至所述优化后的模型，至所述优化后的模型的损失函数的损失值降低至预设损失阈值，得到评估模型。
其中，首先从训练样本中随机选取第一训练样本，将所述第一训练样本的评估参数输入至初始评估模型，初始评估模型可以为一卷积神经网络模型，得到初始评估值；输入一组评估参数，得到一个初始评估值，根据已知评估值和初始评估值之间的差异对当前的评估模型优化一次，得到优化后的模型。
完成第一训练样本的训练及优化后，选择下一训练样本继续进行优化，即第二训练样本，循环执行上述训练及优化，至模型损失函数的损失值降低至预设损失阈值，得到评估模型。
本发明上述实施例中，通过获取目标事件的评估参数，将所述评估参数输入至预设的评估模型，得到所述目标事件的评估值；其中，所述评估参数至少包括第一时间差、语音输入口令以及第二时间差；第一时间差用于评估院前医护人员施救行为是否及时，语音输入口令用于评估院前施救行为是否规范，第二时间差用于评估院内医护人员响应时间是否及时；通过预设的评估模型得到满足精确度要求的评估值，以评估值作为参考改进急救绿色通道工作，提升施救水平，提高整体的危急重症患者抢救成功率。
以上介绍了本发明实施例提供的目标事件评估方法，下面将结合附图介绍本发明实施例提供的目标事件评估装置。
参见图4，本发明实施例还提供了一种目标事件评估装置，所述目标事件为待评估的事件，本发明实施例中，以目标事件为急救绿色通道为例，同时以一评估设备作为执行主体为例，介绍所述装置。
所述装置包括：
参数获取模块401，用于获取目标事件的评估参数；所述评估参数至少包括第一时间差、语音输入口令以及第二时间差。
其中，评估参数为用于评估目标事件的预设因素的参数值；可预先为目标事件设定评估参数的类型，然后采集评估参数(具体数值)，用以评估目标事件。
评估参数至少包括所述第一时间差为第一时间与第二时间之间的时间差，所述第一时间为第一提醒消息的发出时间，所述第二时间为第一目标对象执行第一目标行为的开始时间；所述第一提醒消息为监测到患者的体征数据符合所述目标事件的预设启动条件时，向所述第一目标对象发出的提醒消息；具体地，作为示例，参见图2，急救绿色通道通常分为院前阶段和院内阶段。在院前阶段，采集患者的监护数据、病历数据、心电数据、超声数据等，用于院内对患者远程会诊，此时，还实时采集患者所述环境的图像数据(或监控数据)。在院内阶段，对院前阶段采集的数据实时查看，以及进行远程会诊、手术书准备、医护人员准备等工作；需要说明的是，院内阶段的工作与院前阶段的工作同时进行。
在院前阶段，比如患者在救护车上，由监护设备采集患者的体征数据或由医护人员测量并上报患者的体征数据，当评估设备监测到患者的体征数据符合所述目标事件的预设启动条件时，向第一目标对象(即第一目标对象侧设备)发出第一提醒消息，第一提醒消息用于提醒第一目标对象开始执行所述目标事件。
第一目标对象为院前医护人员；患者体征数据可以包括心率、血压、血氧、脉搏、体温等体征数据，可以由监护设备进行采集，也可由评估设备进行语音采集；比如，若院前医护人员测量患者体征数据后实时汇报相关数据，则评估设备可实时采集语音消息，提取语音消息中的体征数据。
第一时间为评估设备发出第一提醒消息的时间，第二时间为第一目标对象执行第一目标行为的开始时间，第一目标行为为与目标事件关联的预设行为，比如，第一目标行为为施救行为，当评估设备发出第一提醒消息之后，通过视频监控设备采集图像，并对采集的图像进行图像识别，识别其中医护人员是否具有施救行为，以此来确定第二时间，并依据第二时间判断第一目标对象执行施救行为是否及时。
所述语音输入口令为在发出所述第一提醒消息后，评估设备采集的所述第一目标对象的语音；比如，评估设备在发出第一提醒消息后，录制所述第一目标对象发出的所有语音，从中提取预设的语音输入口令，以判断第一目标对象的施救行为是否符合要求。
所述第二时间差为第三时间与第四时间之间的时间差，所述第三时间为第二提醒消息的发出时间，所述第四时间为第二目标对象响应所述第二提醒消息的时间；所述第二提醒消息为监测到患者的体征数据符合所述目标事件的预设启动条件时，向所述第二目标对象发出的提醒消息。
第二目标对象为院内医护人员；在院前阶段，比如患者在救护车上，由监护设备采集患者的体征数据或由医护人员测量并上报患者的体征数据，当评估设备监测到患者的体征数据符合所述目标事件的预设启动条件时，向所述第二目标对象(即第二目标对象侧设备)发出第二提醒消息，并记录此时的第三时间；评估设备还接收第二目标对象侧设备的针对第二提醒消息的响应消息，记录第二目标对象响应所述第二提醒消息的时间，以此来判断第二目标对象响应所述第二提醒消息是否及时。
评估模块402，用于将所述评估参数输入至预设的评估模型，得到所述目标事件的评估值；其中，所述评估模型为经过机器学习得到的。
获取到目标事件的评估参数后，将每个评估参数分别输入预设的评估模型，通过评估模型对评估参数进行计算，得到此目标事件的评估值；可选地，评估值可以是得分形式，比如，针对每个评估参数单独得到一个量化参数，然后对每个量化参数进行加权求和得到一个数值，该数值即评估值。
所述评估模型为经过机器学习得到的，可选地，机器学习的过程中，可以以随机森林、卷积神经网络或支持向量机(Support Vector Machine，SVM)等形式训练所述评估模型，所训练出的评估模型可对目标事件进行评估得到评估值，评估值可达到所训练过程中的精度要求。
以随机森林为例，随机森林模型是一种由多个决策树构成的集成学习模式。在训练模型的过程中，基于大量的样本(目标事件及其评估参数)首先进行人工评估打分，然后基于人工评估的结果与模型评估的结果，对随机森林模型进行反向优化，使得最终模型的评估结果与人工评估结果之间的差距满足精确度要求，最终得到评估模型。随机森林中，每棵决策树的建立依赖于一个独立抽取的样本，森林中的每棵树具有相同的分布，评估误差取决于每一棵树的评估能力和它们之间的相关性。单棵树的评估能力可能很小，但在随机产生大量的决策树后，评估能力必然增强，统计后选择最可能的评估。通过大量的评估、回归训练，最终得到准确率最高的一组权重数值，由该组权重数值构成评估模型，因此评估模型的精确度也较高。
将目标事件的评估参数输入至预设的评估模型，得出所述目标事件的评估值，以评估值评估为此目标事件处理过程中，相关流程是否规范、及时。
可选地，本发明实施例中，所述参数获取模块401包括：
采集子模块，用于采集患者的体征数据；
监测子模块，用于监测到所述体征数据符合所述目标事件的预设启动条件时，向第一目标对象发出第一提醒消息以及向第二目标对象发出第二提醒消息；
获取子模块，用于获取第一时间与第二时间之间的第一时间差，采集所述第一目标对象的语音输入口令，以及获取第三时间以及第四时间之间的第二时间差。
可选地，本发明实施例中，所述获取子模块包括：
确定单元，用于确定第二时间；
所述确定单元具体用于：
通过预设监控设备采集图像；
对所述图像中的所述第一目标对象进行行为识别；
若识别所述第一目标对象执行第一目标行为，确定所述第一目标对象执行第一目标行为的开始时间。
可选地，本发明实施例中，所述获取子模块包括：
语音处理单元，用于通过第一语音采集设备采集所述第一目标对象的语音；
对所述语音进行语音识别；
若识别所述语音中包括预设的语音输入口令，记录所述语音输入口令。
可选地，本发明实施例中，所述采集子模块包括：
第一采集单元，用于通过目标监护设备采集患者的体征数据；
和/或
第二采集单元，用于通过第二语音采集设备采集所述第一目标对象的语音；
对所述语音进行语音识别；
若识别所述语音中包括预设的体征关键词，提取与所述体征关键词关联的体征数据。
可选地，本发明实施例中，所述装置还包括：
样本获取模块，用于获取训练库中的多个训练样本，所述训练样本中包括所述评估参数以及已知评估值；
模型训练模块，用于根据所述训练样本，训练评估模型。
可选地，本发明实施例中，所述模型训练模块用于：
针对将所述训练样本中的第一训练样本：
将所述第一训练样本的评估参数输入至初始评估模型，得到初始评估值；
通过所述已知评估值和初始评估值，对所述初始评估模型进行反向优化，得到优化后的模型；
将所述训练样本中的第二训练样本迭代至所述优化后的模型，至所述优化后的模型的损失函数的损失值降低至预设损失阈值，得到评估模型。
本发明实施例提供的目标事件评估装置能够实现图1至图3的方法实施例中目标事件评估装置实现的各个过程，为避免重复，这里不再赘述。
本发明的实施例中，通过参数获取模块401获取目标事件的评估参数，评估模块402将所述评估参数输入至预设的评估模型，得到所述目标事件的评估值；其中，所述评估参数至少包括第一时间差、语音输入口令以及第二时间差；第一时间差用于评估院前医护人员施救行为是否及时，语音输入口令用于评估院前施救行为是否规范，第二时间差用于评估院内医护人员响应时间是否及时；通过预设的评估模型得到满足精确度要求的评估值，以评估值作为参考改进急救绿色通道工作，提升施救水平，提高整体的危急重症患者抢救成功率。本发明实施例解决了现有技术中，难以对急救绿色通道相关工作进行规范合理的考核的问题。
另一方面，本发明实施例还提供了一种电子设备，包括存储器、处理器、总线以及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述目标事件评估方法中的步骤。
举个例子如下，图5示出了一种电子设备的实体结构示意图。
如图5所示，该电子设备可以包括：处理器(processor)510、通信接口(Communications Interface)520、存储器(memory)530和通信总线540，其中，处理器510，通信接口520，存储器530通过通信总线540完成相互间的通信。处理器510可以调用存储器530中的逻辑指令，以执行如下方法：
获取目标事件的评估参数；所述评估参数至少包括第一时间差、语音输入口令以及第二时间差；
其中，所述第一时间差为第一时间与第二时间之间的时间差，所述第一时间为第一提醒消息的发出时间，所述第二时间为第一目标对象执行第一目标行为的开始时间；所述第一提醒消息为监测到患者的体征数据符合所述目标事件的预设启动条件时，向所述第一目标对象发出的提醒消息；
所述语音输入口令为在发出所述第一提醒消息后，采集的所述第一目标对象的语音；
所述第二时间差为第三时间与第四时间之间的时间差，所述第三时间为第二提醒消息的发出时间，所述第四时间为第二目标对象响应所述第二提醒消息的时间；所述第二提醒消息为监测到患者的体征数据符合所述目标事件的预设启动条件时，向所述第二目标对象发出的提醒消息；
将所述评估参数输入至预设的评估模型，得到所述目标事件的评估值；其中，所述评估模型为经过机器学习得到的。
此外，上述的存储器530中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
再一方面，本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各实施例提供的目标事件评估方法，例如包括：
获取目标事件的评估参数；所述评估参数至少包括第一时间差、语音输入口令以及第二时间差；
其中，所述第一时间差为第一时间与第二时间之间的时间差，所述第一时间为第一提醒消息的发出时间，所述第二时间为第一目标对象执行第一目标行为的开始时间；所述第一提醒消息为监测到患者的体征数据符合所述目标事件的预设启动条件时，向所述第一目标对象发出的提醒消息；
所述语音输入口令为在发出所述第一提醒消息后，采集的所述第一目标对象的语音；
所述第二时间差为第三时间与第四时间之间的时间差，所述第三时间为第二提醒消息的发出时间，所述第四时间为第二目标对象响应所述第二提醒消息的时间；所述第二提醒消息为监测到患者的体征数据符合所述目标事件的预设启动条件时，向所述第二目标对象发出的提醒消息；
将所述评估参数输入至预设的评估模型，得到所述目标事件的评估值；其中，所述评估模型为经过机器学习得到的。
以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (9)
1.一种目标事件评估方法，其特征在于，所述方法包括：
获取目标事件的评估参数；所述评估参数至少包括第一时间差、语音输入口令以及第二时间差；
其中，所述第一时间差为第一时间与第二时间之间的时间差，所述第一时间为第一提醒消息的发出时间，所述第二时间为第一目标对象执行第一目标行为的开始时间；所述第一提醒消息为监测到患者的体征数据符合所述目标事件的预设启动条件时，向所述第一目标对象发出的提醒消息，所述第一目标对象为院前医护人员；所述第一时间差通过以下步骤获取：确定所述第二时间；所述确定所述第二时间，包括：通过预设监控设备采集图像；对所述图像中的所述第一目标对象进行行为识别；若识别所述第一目标对象执行第一目标行为，确定所述第一目标对象执行第一目标行为的开始时间；
所述语音输入口令为在发出所述第一提醒消息后，采集的所述第一目标对象的语音，所述语音输入口令用于评估院前施救行为是否规范；
所述第二时间差为第三时间与第四时间之间的时间差，所述第三时间为第二提醒消息的发出时间，所述第四时间为第二目标对象响应所述第二提醒消息的时间；所述第二提醒消息为监测到患者的体征数据符合所述目标事件的预设启动条件时，向所述第二目标对象发出的提醒消息，所述第二目标对象为院内医护人员；所述第二时间差通过以下步骤获取：确定所述第四时间；所述确定所述第四时间，包括：所述第二目标对象响应所述第二提醒消息，并生成响应消息；当评估设备接收所述响应消息的情况下，记录所述第二目标对象响应所述第二提醒消息的时间；
将所述评估参数输入至预设的评估模型，得到所述目标事件的评估值；其中，所述评估模型为经过机器学习得到的。
2.根据权利要求1所述的目标事件评估方法，其特征在于，所述获取目标事件的评估参数的步骤，包括：
采集患者的体征数据；
监测到所述体征数据符合所述目标事件的预设启动条件时，向第一目标对象发出第一提醒消息以及向第二目标对象发出第二提醒消息；
获取第一时间与第二时间之间的第一时间差，采集所述第一目标对象的语音输入口令，以及获取第三时间以及第四时间之间的第二时间差。
3.根据权利要求2所述的目标事件评估方法，其特征在于，所述采集所述第一目标对象的语音输入口令的步骤，包括：
通过第一语音采集设备采集所述第一目标对象的语音；
对所述语音进行语音识别；
若识别所述语音中包括预设的语音输入口令，记录所述语音输入口令。
4.根据权利要求2所述的目标事件评估方法，其特征在于，所述采集患者的体征数据的步骤，包括：
通过目标监护设备采集患者的体征数据；
和/或
通过第二语音采集设备采集所述第一目标对象的语音；
对所述语音进行语音识别；
若识别所述语音中包括预设的体征关键词，提取与所述体征关键词关联的体征数据。
5.根据权利要求1所述的目标事件评估方法，其特征在于，所述获取目标事件的评估参数的步骤之前，所述方法还包括：
获取训练库中的多个训练样本，所述训练样本中包括所述评估参数以及已知评估值；
根据所述训练样本，训练评估模型。
6.根据权利要求5所述的目标事件评估方法，其特征在于，所述根据所述训练样本，训练评估模型的步骤，包括：
针对将所述训练样本中的第一训练样本：
将所述第一训练样本的评估参数输入至初始评估模型，得到初始评估值；
通过所述已知评估值和初始评估值，对所述初始评估模型进行反向优化，得到优化后的模型；
将所述训练样本中的第二训练样本迭代至所述优化后的模型，至所述优化后的模型的损失函数的损失值降低至预设损失阈值，得到评估模型。
7.一种目标事件评估装置，其特征在于，所述装置包括：
参数获取模块，用于获取目标事件的评估参数；所述评估参数至少包括第一时间差、语音输入口令以及第二时间差；
其中，所述第一时间差为第一时间与第二时间之间的时间差，所述第一时间为第一提醒消息的发出时间，所述第二时间为第一目标对象执行第一目标行为的开始时间；所述第一提醒消息为监测到患者的体征数据符合所述目标事件的预设启动条件时，向所述第一目标对象发出的提醒消息，所述第一目标对象为院前医护人员；所述第一时间差通过以下步骤获取：确定所述第二时间；所述确定所述第二时间，包括：通过预设监控设备采集图像；对所述图像中的所述第一目标对象进行行为识别；若识别所述第一目标对象执行第一目标行为，确定所述第一目标对象执行第一目标行为的开始时间；
所述语音输入口令为在发出所述第一提醒消息后，采集的所述第一目标对象的语音，所述语音输入口令用于评估院前施救行为是否规范；
所述第二时间差为第三时间与第四时间之间的时间差，所述第三时间为第二提醒消息的发出时间，所述第四时间为第二目标对象响应所述第二提醒消息的时间；所述第二提醒消息为监测到患者的体征数据符合所述目标事件的预设启动条件时，向所述第二目标对象发出的提醒消息，所述第二目标对象为院内医护人员；所述第二时间差通过以下步骤获取：确定所述第四时间；所述确定所述第四时间，包括：所述第二目标对象响应所述第二提醒消息，并生成响应消息；当评估设备接收所述响应消息的情况下，记录所述第二目标对象响应所述第二提醒消息的时间；
评估模块，用于将所述评估参数输入至预设的评估模型，得到所述目标事件的评估值；其中，所述评估模型为经过机器学习得到的。
8.一种电子设备，包括处理器、存储器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述计算机程序被所述处理器执行时实现如权利要求1至6中任一项所述的目标事件评估方法的步骤。
9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储计算机程序，所述计算机程序被处理器执行时实现如权利要求1至6中任一项所述的目标事件评估方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911329872.1A CN111128355B (zh) | 2019-12-20 | 2019-12-20 | 一种目标事件评估方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911329872.1A CN111128355B (zh) | 2019-12-20 | 2019-12-20 | 一种目标事件评估方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111128355A CN111128355A (zh) | 2020-05-08 |
| CN111128355B true CN111128355B (zh) | 2024-04-26 |
Family
ID=70501089
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911329872.1A Active CN111128355B (zh) | 2019-12-20 | 2019-12-20 | 一种目标事件评估方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111128355B (zh) |
Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CA2282064A1 (en) * | 1999-07-30 | 2001-01-30 | Intersite Technologies Inc. | A system and method for use with a moveable platform |
| DE102007029606B3 (de) * | 2007-06-27 | 2009-01-15 | Siemens Ag | Verfahren zur Datenschutz konformen Videoüberwachung |
| CN103106830A (zh) * | 2013-02-06 | 2013-05-15 | 中国人民解放军第四军医大学 | 数字化急救技能模拟训练系统及方法 |
| CN103634503A (zh) * | 2013-12-16 | 2014-03-12 | 苏州大学 | 一种基于人脸识别和行为识别的视频制作方法及系统 |
| WO2015036817A1 (en) * | 2013-09-15 | 2015-03-19 | Yogesh Chunilal Rathod | Structured updated status, requests, user data & programming based presenting & accessing of connections |
| CN105741078A (zh) * | 2016-01-26 | 2016-07-06 | 上海律巢网络科技有限公司 | 一种关联事件的时间监控方法和系统 |
| CN107958135A (zh) * | 2017-11-23 | 2018-04-24 | 平安科技（深圳）有限公司 | 事件评价数据显示方法、装置、计算机设备及存储介质 |
| CN108595406A (zh) * | 2018-01-04 | 2018-09-28 | 广东小天才科技有限公司 | 一种用户状态的提醒方法、装置、电子设备及存储介质 |
| WO2019047949A1 (zh) * | 2017-09-08 | 2019-03-14 | 众安信息技术服务有限公司 | 图像质量评估方法及图像质量评估系统 |
| CN109637644A (zh) * | 2018-12-12 | 2019-04-16 | 曾鹏 | 一种基于移动互联网的脑卒中数据管理系统及管理方法 |
| CN110191113A (zh) * | 2019-05-24 | 2019-08-30 | 新华三信息安全技术有限公司 | 一种用户行为风险评估方法及装置 |
| CN110321923A (zh) * | 2019-05-10 | 2019-10-11 | 上海大学 | 不同尺度感受野特征层融合的目标检测方法、系统及介质 |
| CN110446061A (zh) * | 2019-07-04 | 2019-11-12 | 深圳壹账通智能科技有限公司 | 视频数据获取方法、装置、计算机设备及存储介质 |
| CN110555148A (zh) * | 2018-05-14 | 2019-12-10 | 腾讯科技（深圳）有限公司 | 一种用户行为评估方法、计算设备及存储介质 |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2009135253A1 (en) * | 2008-05-05 | 2009-11-12 | Iomniscient Pty Ltd | A system and method for electronic surveillance |
| US8922364B2 (en) * | 2011-08-26 | 2014-12-30 | Zoll Medical Corporation | Rescue time tracker |
| US10116675B2 (en) * | 2015-12-08 | 2018-10-30 | Vmware, Inc. | Methods and systems to detect anomalies in computer system behavior based on log-file sampling |
| CN108388926B (zh) * | 2018-03-15 | 2019-07-30 | 百度在线网络技术（北京）有限公司 | 语音交互满意度的确定方法及设备 |
-
2019
- 2019-12-20 CN CN201911329872.1A patent/CN111128355B/zh active Active
Patent Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CA2282064A1 (en) * | 1999-07-30 | 2001-01-30 | Intersite Technologies Inc. | A system and method for use with a moveable platform |
| DE102007029606B3 (de) * | 2007-06-27 | 2009-01-15 | Siemens Ag | Verfahren zur Datenschutz konformen Videoüberwachung |
| CN103106830A (zh) * | 2013-02-06 | 2013-05-15 | 中国人民解放军第四军医大学 | 数字化急救技能模拟训练系统及方法 |
| WO2015036817A1 (en) * | 2013-09-15 | 2015-03-19 | Yogesh Chunilal Rathod | Structured updated status, requests, user data & programming based presenting & accessing of connections |
| CN103634503A (zh) * | 2013-12-16 | 2014-03-12 | 苏州大学 | 一种基于人脸识别和行为识别的视频制作方法及系统 |
| CN105741078A (zh) * | 2016-01-26 | 2016-07-06 | 上海律巢网络科技有限公司 | 一种关联事件的时间监控方法和系统 |
| WO2019047949A1 (zh) * | 2017-09-08 | 2019-03-14 | 众安信息技术服务有限公司 | 图像质量评估方法及图像质量评估系统 |
| CN107958135A (zh) * | 2017-11-23 | 2018-04-24 | 平安科技（深圳）有限公司 | 事件评价数据显示方法、装置、计算机设备及存储介质 |
| CN108595406A (zh) * | 2018-01-04 | 2018-09-28 | 广东小天才科技有限公司 | 一种用户状态的提醒方法、装置、电子设备及存储介质 |
| CN110555148A (zh) * | 2018-05-14 | 2019-12-10 | 腾讯科技（深圳）有限公司 | 一种用户行为评估方法、计算设备及存储介质 |
| CN109637644A (zh) * | 2018-12-12 | 2019-04-16 | 曾鹏 | 一种基于移动互联网的脑卒中数据管理系统及管理方法 |
| CN110321923A (zh) * | 2019-05-10 | 2019-10-11 | 上海大学 | 不同尺度感受野特征层融合的目标检测方法、系统及介质 |
| CN110191113A (zh) * | 2019-05-24 | 2019-08-30 | 新华三信息安全技术有限公司 | 一种用户行为风险评估方法及装置 |
| CN110446061A (zh) * | 2019-07-04 | 2019-11-12 | 深圳壹账通智能科技有限公司 | 视频数据获取方法、装置、计算机设备及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111128355A (zh) | 2020-05-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110827994B (zh) | 心梗预警方法、装置及设备、存储介质 | |
| CN109741826B (zh) | 麻醉评估决策树构建方法及设备 | |
| CN111540441A (zh) | 基于心理应激状态下的人机交互的心理干预方法和装置 | |
| US20210074405A1 (en) | Automated assessment of medical conditions | |
| CN111128355B (zh) | 一种目标事件评估方法及装置 | |
| CN113744877A (zh) | 一种带有疾病相关因素提取模块的慢性病评估及干预系统 | |
| Khovrichev et al. | Intelligent approach for heterogeneous data integration: Information processes analysis engine in clinical remote monitoring systems | |
| Heard et al. | Speech workload estimation for human-machine interaction | |
| KR20210156590A (ko) | 환자생성 생체바이오 데이터(pghd) 및 dna분석 데이터 기반의 원격진료시 다중 진료과 선정 및 사후 모니터링 방법 및 시스템 | |
| CN116230213A (zh) | 一种智能伤情识别方法及系统 | |
| CN115346690B (zh) | 引导接线员对求助者进行问话的系统 | |
| CN115019924A (zh) | 应用人工智能健康机器人的健康数据采集和分析方法 | |
| CN115762056A (zh) | 高龄人群居家安全监控方法 | |
| CN113223713A (zh) | 基于风险评估的动态监护方法、系统以及存储介质 | |
| CN113826171A (zh) | 用于促进生理信息的数据处理的系统和方法 | |
| Gkatzia et al. | Generating verbal descriptions from medical sensor data: A corpus study on user preferences | |
| CN117542498B (zh) | 一种基于大数据分析的妇科护理管理系统及方法 | |
| CN110974215B (zh) | 基于无线心电监护传感器组的预警系统及方法 | |
| CN115862870B (zh) | 一种基于人工智能的慢性病管理系统及方法 | |
| KR102284347B1 (ko) | 응급 이송환자의 크로스체크를 통한 응급환경 조성시스템과 조성방법 | |
| CN110974216B (zh) | 一种无线心电监护传感器的遥控系统 | |
| JP7420266B2 (ja) | 分析装置 | |
| CN117393130A (zh) | 基于人工智能的全区域院内外一体化急救暨质控系统 | |
| CN112652404A (zh) | 基于大数据人工智能的中医自助辩证监测方法和机器人 | |
| WO2017187005A1 (en) | Physiological measurement processing |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |