CN111899861A - 一种重症病房智能护理方法及系统 - Google Patents
一种重症病房智能护理方法及系统 Download PDFInfo
- Publication number
- CN111899861A CN111899861A CN202010824540.7A CN202010824540A CN111899861A CN 111899861 A CN111899861 A CN 111899861A CN 202010824540 A CN202010824540 A CN 202010824540A CN 111899861 A CN111899861 A CN 111899861A
- Authority
- CN
- China
- Prior art keywords
- information
- user
- obtaining
- unit
- intensive care
- 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.)
- Pending
Links
Images
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
- G16H40/60—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 operation of medical equipment or devices
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
- G06F3/011—Arrangements for interaction with the human body, e.g. for user immersion in virtual reality
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
- G06F3/011—Arrangements for interaction with the human body, e.g. for user immersion in virtual reality
- G06F3/013—Eye tracking input arrangements
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- 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
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Biomedical Technology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- General Physics & Mathematics (AREA)
- Medical Informatics (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Data Mining & Analysis (AREA)
- Human Computer Interaction (AREA)
- Molecular Biology (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Business, Economics & Management (AREA)
- General Business, Economics & Management (AREA)
- Computational Linguistics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biophysics (AREA)
- Evolutionary Computation (AREA)
- Databases & Information Systems (AREA)
- Pathology (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明公开了一种重症病房智能护理方法:获得第一用户的第一检测信息,判断所述第一检测信息判断是否满足第一预设条件;当所述第一检测信息判断满足第一预设条件时,获得第一空气质量信息;根据所述第一空气质量信息获得第一指令信息设置所述第一病房的空气净化单元的第一功率;根据所述第一指令信息获得所述第一用户的第一生命体征信息;判断所述第一用户的第一生命体征信息是否存在第一波动变化值;当第一用户的第一生命体征信息存在第一波动变化值,获得第一用户的第一表情信息;根据所述第一用户的第一表情信息向第二用户发送第一提醒信息,达到提高重症护理效率,失误率低,减轻重症监护人员的工作量,提高病人生命安全性的技术效果。
Description
技术领域
本发明涉及病房护理技术领域,尤其涉及一种重症病房智能护理方法及系统。
背景技术
随着科技的发展与进步,我国的医疗水平也是飞速的进步,人们也越来越重视起健康问题,尤其在涉及重症监护方面,更是容不得丝毫的马虎。
但本申请发明人在实现本申请实施例中发明技术方案的过程中,发现上述技术至少存在如下技术问题:
现有技术中重症监护耗费的人力资源很大,且重症监护人员工作强度大,人工护理效率低,存在人工失误的风险。
发明内容
本申请实施例通过提供一种重症病房智能护理方法及系统,解决了现有技术中人工护理工作量大且护理效率低,存在人工失误的技术问题,达到提高重症护理效率,失误率低,减轻重症监护人员的工作量,提高病人生命安全性的技术效果。
鉴于上述问题,本申请实施例提供一种重症病房智能护理方法及系统。
第一方面,本申请实施例提供了一种重症病房智能护理方法,所述方法包括:获得第一用户的第一检测信息,其中,所述第一用户为第一重症病房的患病者;判断所述第一检测信息判断是否满足第一预设条件;当所述第一检测信息判断满足第一预设条件时,获得第一空气质量信息;根据所述第一空气质量信息获得第一指令信息,其中,所述第一指令信息为设置所述第一病房的空气净化单元的第一功率;根据所述第一指令信息获得所述第一用户的第一生命体征信息;判断所述第一用户的第一生命体征信息是否存在第一波动变化值;当所述第一用户的第一生命体征信息存在第一波动变化值,获得所述第一用户的第一表情信息;根据所述第一用户的第一表情信息向第二用户发送第一提醒信息。
另一方面,本申请还提供了一种重症病房智能护理系统,其中,所述系统包括:第一获得单元,所述第一获得单元用于获得第一用户的第一检测信息,其中,所述第一用户为第一重症病房的患病者;第一判断单元,所述第一判断单元用于判断所述第一检测信息判断是否满足第一预设条件;第二获得单元,所述第二获得单元用于当所述第一检测信息判断满足第一预设条件时,获得第一空气质量信息;第三获得单元,所述第三获得单元用于根据所述第一空气质量信息获得第一指令信息,其中,所述第一指令信息为设置所述第一病房的空气净化单元的第一功率;第四获得单元,所述第四获得单元用于根据所述第一指令信息获得所述第一用户的第一生命体征信息;第二判断单元,所述第二判断单元用于判断所述第一用户的第一生命体征信息是否存在第一波动变化值;第五获得单元,所述第五获得单元用于当所述第一用户的第一生命体征信息存在第一波动变化值,获得所述第一用户的第一表情信息;第一发送单元,所述第一发送单元用于根据所述第一用户的第一表情信息向第二用户发送第一提醒信息。
第三方面,本发明提供了一种重症病房智能护理系统,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,其中,所述处理器执行所述程序时实现权利要求1-8任一项所述方法的步骤。
本申请实施例中提供的一个或多个技术方案,至少具有如下技术效果或优点:
由于采用了根据第一检测信息是否满足预设条件获得第一空气质量信息,根据所述空气质量信息获取第一指令设置所述第一病房的空气净化单元第一功率并获取第一用户生命体征信息,判断所述第一生命体征信息是否存在第一波动变化,当存在波动变化时根据第一用户的微表情信息性第二用户发送第一提醒信息的方式,达到对病房的环境进行及时处理,对所述第一用户的生命体征波动进行实时监测并准确判断的效果,进而来达到智能化程度高,失误率低,提高病人生命安全性的技术效果。
上述说明仅是本申请技术方案的概述,为了能够更清楚了解本申请的技术手段,而可依照说明书的内容予以实施,并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂,以下特举本申请的具体实施方式。
附图说明
图1为本申请实施例一种重症病房智能护理方法的流程示意图;
图2为本申请实施例一种重症病房智能护理方法中获得更加准确的第一用户的第一表情信息的流程示意图;
图3为本申请实施例一种重症病房智能护理方法中获得准确的所述预设眼动标识信息的流程示意图;
图4为本申请实施例一种重症病房智能护理方法中获得准确的所述预设面部动作标识信息的流程示意图;
图5为本申请实施例一种重症病房智能护理方法中保证训练模型的准确性的流程示意图;
图6为本申请实施例一种重症病房智能护理方法中进一步的保证第一图像信息的安全性的流程示意图;
图7为本申请实施例一种重症病房智能护理方法中为了更加准确的对所述第一用户进行监控的流程示意图;
图8为本申请实施例一种重症病房智能护理方法中获得更加完善的指令信息的流程示意图;
图9为本申请实施例一种重症病房智能护理方法中更加完善所述指令信息的流程示意图;
图10为本申请实施例一种重症病房智能护理系统的结构示意图;
图11为本申请实施例示例性电子设备的结构示意图。
附图标记说明:第一获得单元11,第一判断单元12,第二获得单元13,第三获得单元14,第四获得单元15,第二判断单元16,第五获得单元17,第一发送单元18,总线300,接收器301,处理器302,发送器303,存储器304,总线接口306。
具体实施方式
本申请实施例通过提供一种重症病房智能护理方法及系统,解决了现有技术中人工护理工作量大且护理效率低,存在人工失误的技术问题,达到提高重症护理效率,失误率低,减轻重症监护人员的工作量,提高病人生命安全性的技术效果。下面,将参考附图详细的描述根据本申请的示例实施例。显然,所描述的实施例仅是本申请的一部分实施例,而不是本申请的全部实施例,应理解,本申请不受这里描述的示例实施例的限制。
申请概述
随着科技的发展与进步,我国的医疗水平也是飞速的进步,人们也越来越重视起健康问题,尤其在涉及重症监护方面,更是容不得丝毫的马虎。在现有的技术中,重症监护耗费的人力资源很大,且重症监护人员工作强度大,人工护理效率低,存在人工失误的风险。
针对上述技术问题,本申请提供的技术方案总体思路如下:
本申请实施例提供了一种重症病房智能护理方法,所述方法包括:获得第一用户的第一检测信息,其中,所述第一用户为第一重症病房的患病者;判断所述第一检测信息判断是否满足第一预设条件;当所述第一检测信息判断满足第一预设条件时,获得第一空气质量信息;根据所述第一空气质量信息获得第一指令信息,其中,所述第一指令信息为设置所述第一病房的空气净化单元的第一功率;根据所述第一指令信息获得所述第一用户的第一生命体征信息;判断所述第一用户的第一生命体征信息是否存在第一波动变化值;当所述第一用户的第一生命体征信息存在第一波动变化值,获得所述第一用户的第一表情信息;根据所述第一用户的第一表情信息向第二用户发送第一提醒信息。
在介绍了本申请基本原理后,下面将结合说明书附图来具体介绍本申请的各种非限制性的实施方式。
实施例一
如图1所示,本申请实施例提供了一种重症病房智能护理方法,其中,所述方法包括:
步骤S100:获得第一用户的第一检测信息,其中,所述第一用户为第一重症病房的患病者;
具体而言,所述第一用户为重症病房的患病者,第一检测信息具体为第一用户的化验检查结果或某项特定检查结果,这里不做具体限定。通过对所述第一检测信息的获得,准确的判断所述第一用户现在所处的状态,根据其状态为所述第一用户提供与之匹配的服务/监护策略,进而来达到降低监护失误率,提高病人生命安全性的技术效果。
步骤S200:判断所述第一检测信息判断是否满足第一预设条件;
具体而言,所述第一预设条件为根据所述第一用户的病症的不同而获得的第一检测信息的某一控制标准,具体可判断出第一用户的患病症状是否具有传染性。通过对所述第一检测信息是否满足第一预设条件的判断,决定是否对所述第一用户所在的第一重症病房进行处理。
步骤S300:当所述第一检测信息判断满足第一预设条件时,获得第一空气质量信息;
具体而言,当所述第一检测信息满足第一预设条件时,则表明第一用户的病症具有传染性或病毒感染能力很强,此时,获得第一空气质量信息,所述空气质量具体指所述第一重症病房的空气中细菌或病毒含量,通过对所述重症病房的空气质量的情况不同,对所述空气进行处理,进而来保证所述第一用户所在的重症病房的空气质量有益于第一用户的康复。
步骤S400:根据所述第一空气质量信息获得第一指令信息,其中,所述第一指令信息为设置所述第一病房的空气净化单元的第一功率;
具体而言,所述空气净化单元具体为紫外线灯等对空气进行杀菌处理的设备,根据所述第一空气质量信息获得第一指令信息,根据所述空气质量信息的不同获得不同的空气净化单元的功率对所述第一病房进行空气净化处理,进而来保证所述第一用户所在的重症病房的空气质量有益于第一用户的康复。
步骤S500:根据所述第一指令信息获得所述第一用户的第一生命体征信息;
具体而言,生命体征信息具体为用来判断病人的病情轻重和危急程度的指征信息。主要有心率、脉搏、血压、呼吸、疼痛、血氧、瞳孔和角膜反射的改变等等。通过所述第一指令获得所述第一用户的第一生命体征信息。通过对所述第一用户生命体征信息的判断,准确的获得所述第一用户的当前生命状态,对所述第一用户的情况进行实时的准确的判断。
步骤S600:判断所述第一用户的第一生命体征信息是否存在第一波动变化值;
具体而言,生命体征信息的波动变化具体是指病人的心率脉搏、血氧含量等信息突然出现波动,所述波动变化可以是某项生命体征出现好转的波动变化,也可能是所述第一用户的病情恶化的波动变化,通过对所述第一用户的生命体征的波动值的判断,实时准确的判断所述第一用户的当前状态。
步骤S700:当所述第一用户的第一生命体征信息存在第一波动变化值,获得所述第一用户的第一表情信息;
具体而言,当所述第一用户的第一生命体征信息存在第一波动变化值时,获得第一用户的第一表情信息,通过结合第一生命体征信息和第一表情信息对所述第一用户的当前状态进行更加准确的判断。
进一步而言,如图2所示,为了获得更加准确的第一用户的第一表情信息,所述步骤S700还包括:
步骤S710:获得所述第一用户的第一图像信息;
步骤S720:将所述第一图像信息输入训练模型,其中,所述训练模型通过多组训练数据训练获得,所述多组中的训练数据中的每一组训练数据均包括:所述第一图像信息、预设眼动标识信息以及预设面部动作标识信息;
步骤S730:获得所述训练模型的输出信息,其中,所述输出信息包括所述第一用户的第一表情信息。
具体而言,第一图像信息具体为实时获得的所述第一用户的面部图像信息,将所述第一用户的第一图像信息输入训练模型,所述训练模型通过多组训练数据训练获得,所述多组中的训练数据中的每一组训练数据均包括:所述第一图像信息、预设眼动标识信息以及预设面部动作标识信息,所述训练模型输出第一用户的第一表情信息。
更进一步而言,所述训练模型为神经网络模型,所述神经网络模型即机器学习中的神经网络模型,神经网络(Neural Networks,NN)是由大量的、简单的处理单元(称为神经元)广泛地互相连接而形成的复杂神经网络系统,它反映了人脑功能的许多基本特征,是一个高度复杂的非线性动力学习系统。神经网络模型是以神经元的数学模型为基础来描述的。人工神经网络(Artificial Neural Networks),是对人类大脑系统的一阶特性的一种描述。简单地讲,它是一个数学模型。基于大量的训练数据的训练,所述神经网络模型不断地自我的修正,进而更加准确的处理所述输入数据。
进一步而言,所述训练数据训练的过程本质为监督学习的过程,每一组监督数据均包括:所述第一图像信息、预设眼动标识信息以及预设面部动作标识信息,将所述第一图像信息输入到神经网络模型中,判断所述神经网络模型输出的第一用户的第一表情信息与预设眼动标识信息以及预设面部动作标识信息是否一致,如一致,进行下一组数据的监督学习;如果所述输出信息与预设眼动标识信息以及预设面部动作标识信息不一致,则所述神经网络模型进行自我修正、调整,直至获得的输出信息与预设眼动标识信息以及预设面部动作标识信息一致,则结束本组数据监督学习,进行下一组数据监督学习;当所述神经网络模型的输出信息达到预定的准确率/达到收敛状态时,则监督学习过程结束。通过对所述神经网络模型的监督学习,进而使得所述神经网络模型处理所述输入数据更加准确,进而使得获得的第一表情信息更加准确,进而对所述第一用户的第一表情信息准确的判断,进而实现对所述第一用户当前状态的实时准确的判断的技术效果。
步骤S800:根据所述第一用户的第一表情信息向第二用户发送第一提醒信息。
具体而言,所述第二用户为所述第一用户的医护人员,所述提醒信息用于提醒所述第二用户所述第一用户有生命体征的波动。举例而言,当所述第一用户一直处于昏迷状态时,当生命体征出现波动,第一表情信息中的微表情有变化,则表明所述第一用户可能有苏醒的症状,此时获得第一提醒信息用于提醒所述医护人员第一用户可能苏醒。进而达到提高重症护理效率,失误率低,减轻重症监护人员的工作量,提高病人生命安全性的技术效果。
如图3所示,为了获得准确的所述预设眼动标识信息,本申请实施例S720还包括:
步骤S721:获得所述第一用户的眼动频率信息;
步骤S722:获得所述第一用户的视线追踪点信息;
步骤S723:根据所述第一用户的眼动频率信息与所述第一用户的视线追踪点信息,获得预设眼动标识信息;
具体而言,所述眼动频率为眼动信号的频率信息,视线追踪点为通过视线追踪技术,监测用户在看特定目标时的眼睛运动和注视方向,并进行相关分析的过程,根据所述用户的眼动频率和视线追踪点,表明用户的意识开始逐渐清醒,以此获得预设眼动标识信息,对所述训练模型进行标识作用。通过上述方式,使得获得的预设眼动标识信息更加准确,进而达到获得更加准确的训练模型来处理所述输入数据,进而获得更加准确的第一表情信息,进而实现对所述第一用户当前状态的实时准确的判断的技术效果。
如图4所示,为了获得准确的所述预设面部动作标识信息,本申请实施例步骤S720还包括:
步骤S724:获得所述第一用户的面部肌肉运动信息;
步骤S725:获得所述第一用户的面部特征信息;
步骤S726:根据所述第一用户的面部肌肉运动信息与所述第一用户的面部特征信息,获得预设面部动作标识信息;
具体而言,所述面部肌肉运动信息为第一用户的面部肌肉是否发生运动的信息,面部特征信息为所述第一用户的面部特征的变化,主要包括面色变化、精神状况等,通过综合考量第一用户的面部肌肉运动信息和面部特征信息获得预设面部动作标识信息,对所述训练模型进行标识作用。通过上述方式,使得获得的预设面部动作标识信息更加准确,进而达到获得更加准确的训练模型来处理所述输入数据,进而获得更加准确的第一表情信息,进而实现对所述第一用户当前状态的实时准确的判断的技术效果。
如图5所示,为了保证训练模型的准确性,对所述训练模型的输入数据进行加密处理,本申请实施例步骤S710还包括:
步骤S711:获得所述第一用户的第一图像信息,并根据所述第一图像信息生成第一验证码,其中,所述第一验证码与所述第一图像信息一一对应;
步骤S712:获得所述第一用户的第二图像信息,并根据所述第二图像信息与所述第一验证码生成第二验证码,其中,所述第二验证码与所述第二图像信息一一对应;
步骤S713:以此类推,获得所述第一用户的第N图像信息,并根据所述第N图像信息与第N-1验证码生成第N验证码,其中,所述第N验证码与所述第N图像信息一一对应,且N为大于1的自然数;
步骤S714:将所有第一用户的图像信息和验证码分别复制保存在M台设备上,其中,M为大于1的自然数;
具体而言,为了保证第一图像信息的安全性,达到获得准确的第一表情信息对所述第一用户的状态进行准确的判断,对所述第一图像信息进行基于区块链逻辑的加密处理。根据所述第一图像信息生成第一验证码;其中,所述第一验证码与所述第一图像一一对应;根据所述第二图像信息和第一验证码生成第二验证码;···根据第N图像信息和第N-1验证码生成第N验证码;将所述第一图像信息和所述第一验证码作为第一区块;将所述第二图像信息和所述第二验证码作为第二区块;···将所述第N图像信息和所述第N验证码作为第N区块;将所述第一区块、所述第二区块···第N区块分别复制保存在M台设备上。当需要调用所述图像信息时,每后一个节点接收前一节点存储的数据后,通过“共识机制”进行校验后保存,通过哈希技术对于每一区块进行串接,使得所述图像信息不易丢失和遭到破坏,进而保证通过所述训练数据训练获得的训练模型的准确性,进而获得准确的第一表情信息,进而实现对所述第一用户当前状态的实时准确的判断的技术效果。
如图6所示,为了进一步的保证第一图像信息的安全性,本申请实施例步骤S714还包括:
步骤S7141:将所述第一图像信息和所述第一验证码作为第一区块,获得所述第一区块的记账时间,其中,所述第一区块的记账时间表示所述第一区块需要记录的时间;
步骤S7142:根据所述第一区块的记账时间,获得所述M台设备中运力最快的第一设备;
步骤S7143:将所述第一区块的记账权发送给所述第一设备,所述第一设备执行所述第一区块的记账权限;
具体而言,获得所述第一区块需要的预定记录时间,将不能在预定时间内完成记录所述第一区块的设备排除,获得M台设备中记录第一存储单位运力最快的设备,将所述第一存储单位的记录权给所述设备。进一步而言,所述第二区块、第三区块、···第N区块均采用如第一区块的记录方法,进而保证了去中心化区块链系统的安全、有效和稳定运行,能够保证所述区块能够被快速准确的记录在设备中,进而保证了第一图像信息的安全性,进而获得准确的第一表情信息,进而实现对所述第一用户当前状态的实时准确的判断的技术效果。
如图7所示,为了更加准确的对所述第一用户进行监控,所述步骤S700还包括:
步骤S740:当所述第一用户的第一生命体征信息突然消失,获得第一紧急预警指令;
步骤S750:所述第一紧急预警指令用于提醒所述第二用户,所述第一用户处于病危状态,需马上采取相应措施急救;
具体而言,当所述第一用户的生命体征信息突然消失(如呼吸微弱、瞳孔散大、面色发青、心跳减慢微弱、血压逐渐下降等信号),表明所述第一用户可能进入某一高危状态,此时获得第一紧急预警指令,所述第一紧急预警指令用于提醒所述第二用户,所述第一用户处于病危状态,需马上采取相应措施对所述第一用户进行急救。
如图8所示,为了获得更加完善的指令信息,所述步骤S400还包括:
步骤S410:获得所述第一用户的情绪信息;
步骤S420:判断所述第一用户的情绪信息是否符合第二预设条件;
步骤S430:当所述第一用户的情绪信息符合第二预设条件时,获得第二指令信息,其中,所述第二指令信息为开启语音信息;
具体而言,情绪是对一系列主观认知经验的通称,是人对客观事物的态度体验以及相应的行为反应,一般认为,情绪是以个体愿望和需要为中介的一种心里活动,所述第二预设条件为所述第一用户情绪波动的某一预定条件阈值,当用户的情绪出现焦虑、紧张等消极情绪且符合第二预设条件时,此时获得第二指令,通过第二指令开启语音聊天功能,比如为第一用户播放音乐或者聊天,开导所述第一用户,改善第一用户的情绪,达到提升治疗效果的作用。
如图9所示,为了更加完善所述指令信息,本申请实施例S400还包括:
步骤S440:获得所述第一用户的第一姿态信息;
步骤S450:获得所述第一姿态保持的第一时间信息;
步骤S460:判断所述第一时间信息是否超过第一预设阈值;
步骤S470:当所述第一时间信息超过第一预设阈值时,获得第三指令信息,其中,所述第三指令信息为辅助所述第一用户进行肌肉按摩。
具体而言,第一姿态是指第一用户不能翻身或一直处于昏迷,身体保持一个姿势时间过久,会出现肌肉萎缩,不利于康复等问题。为了配合治疗为所述用户康复提供更好的帮助,获得第一用户的第一姿态信息,根据所述第一用户的第一姿态的保持时间,判断所述第一姿态的保持时间是否超过第一预设阈值,当超过所述第一预设阈值时,获得第三指令信息,所述第三指令信息用于辅助所述第一用户进行肌肉按摩,通过定时为所述用户进行肌肉按摩,如足底、腿部肌肉按摩等,防止肌肉萎缩,有利于患者身体的康复。
综上所述,本申请实施例所提供的一种重症病房智能护理方法及系统具有如下技术效果:
1、由于采用了根据第一检测信息是否满足预设条件获得第一空气质量信息,根据所述空气质量信息获取第一指令设置所述第一病房的空气净化单元第一功率并获取第一用户生命体征信息,判断所述第一生命体征信息是否存在第一波动变化,当存在波动变化时根据第一用户的微表情信息性第二用户发送第一提醒信息的方式,达到对病房的环境进行及时处理,对所述第一用户的生命体征波动进行实时监测并准确判断的效果,进而来达到智能化程度高,失误率低,提高病人生命安全性的技术效果。
2、由于采用了对所述训练模型的监督学习,进而使得所述训练模型处理所述输入数据更加准确,进而使得获得的第一表情信息更加准确,进而对所述第一用户的第一表情信息准确的判断,进而实现对所述第一用户当前状态的实时准确的判断的技术效果。
3、由于采用了根据所述第一用户的眼动频率信息与所述第一用户的视线追踪点信息,获得预设眼动标识信息,根据所述第一用户的面部肌肉运动信息与所述第一用户的面部特征信息,获得预设面部动作标识信息的方式,使得获得的预设眼动标识信息、预设面部动作标识信息更加准确,进而达到获得更加准确的训练模型来处理所述输入数据,进而获得更加准确的第一表情信息,进而实现对所述第一用户当前状态的实时准确的判断的技术效果。
4、由于采用了基于区块链逻辑的加密方式对所述图像信息进行加密处理,当需要调用所述图像信息时,每后一个节点接收前一节点存储的数据后,通过“共识机制”进行校验后保存,通过哈希技术对于每一区块进行串接,使得所述图像信息不易丢失和遭到破坏,进而保证通过所述训练数据训练获得的训练模型的准确性,进而获得准确的第一表情信息,进而实现对所述第一用户当前状态的实时准确的判断的技术效果。
实施例二
基于与前述实施例中一种重症病房智能护理方法同样发明构思,本发明还提供了一种重症病房智能护理系统,如图10所示,所述系统包括:
第一获得单元11,所述第一获得单元11用于获得第一用户的第一检测信息,其中,所述第一用户为第一重症病房的患病者;
第一判断单元12,所述第一判断单元12用于判断所述第一检测信息判断是否满足第一预设条件;
第二获得单元13,所述第二获得单元13用于当所述第一检测信息判断满足第一预设条件时,获得第一空气质量信息;
第三获得单元14,所述第三获得单元14用于根据所述第一空气质量信息获得第一指令信息,其中,所述第一指令信息为设置所述第一病房的空气净化单元的第一功率;
第四获得单元15,所述第四获得单元15用于根据所述第一指令信息获得所述第一用户的第一生命体征信息;
第二判断单元16,所述第二判断单元16用于判断所述第一用户的第一生命体征信息是否存在第一波动变化值;
第五获得单元17,所述第五获得单元17用于当所述第一用户的第一生命体征信息存在第一波动变化值,获得所述第一用户的第一表情信息;
第一发送单元18,所述第一发送单元18用于根据所述第一用户的第一表情信息向第二用户发送第一提醒信息。
进一步的,所述系统还包括:
第六获得单元,所述第六获得单元用于获得所述第一用户的第一图像信息;
第一输入单元,所述第一输入单元用于将所述第一图像信息输入训练模型,其中,所述训练模型通过多组训练数据训练获得,所述多组中的训练数据中的每一组训练数据均包括:所述第一图像信息、预设眼动标识信息以及预设面部动作标识信息;
第七获得单元,所述第七获得单元用于获得所述训练模型的输出信息,其中,所述输出信息包括所述第一用户的第一表情信息。
进一步的,所述系统还包括:
第八获得单元,所述第八获得单元用于获得所述第一用户的眼动频率信息;
第九获得单元,所述第九获得单元用于获得所述第一用户的视线追踪点信息;
第十获得单元,所述第十获得单元用于根据所述第一用户的眼动频率信息与所述第一用户的视线追踪点信息,获得预设眼动标识信息。
进一步的,所述系统还包括:
第十一获得单元,所述第十一获得单元用于获得所述第一用户的面部肌肉运动信息;
第十二获得单元,所述第十二获得单元用于获得所述第一用户的面部特征信息;
第十三获得单元,所述第十三获得单元用于根据所述第一用户的面部肌肉运动信息与所述第一用户的面部特征信息,获得预设面部动作标识信息。
进一步的,所述系统还包括:
第十四获得单元,所述第十四获得单元用于获得所述第一用户的第一图像信息,并根据所述第一图像信息生成第一验证码,其中,所述第一验证码与所述第一图像信息一一对应;
第十五获得单元,所述第十五获得单元用于获得所述第一用户的第二图像信息,并根据所述第二图像信息与所述第一验证码生成第二验证码,其中,所述第二验证码与所述第二图像信息一一对应;
第十六获得单元,所述第十六获得单元用于以此类推,获得所述第一用户的第N图像信息,并根据所述第N图像信息与第N-1验证码生成第N验证码,其中,所述第N验证码与所述第N图像信息一一对应,且N为大于1的自然数;
第一保存单元,所述第一保存单元用于将所有第一用户的图像信息和验证码分别复制保存在M台设备上,其中,M为大于1的自然数。
进一步的,所述系统还包括:
第十七获得单元,所述第十七获得单元用于将所述第一图像信息和所述第一验证码作为第一区块,获得所述第一区块的记账时间,其中,所述第一区块的记账时间表示所述第一区块需要记录的时间;
第十八获得单元,所述第十八获得单元用于根据所述第一区块的记账时间,获得所述M台设备中运力最快的第一设备;
第十九获得单元,所述第十九获得单元用于将所述第一区块的记账权发送给所述第一设备,所述第一设备执行所述第一区块的记账权限。
进一步的,所述系统还包括:
第二十获得单元,所述第二十获得单元用于获得所述第一用户的情绪信息;
第三判断单元,所述第三判断单元用于判断所述第一用户的情绪信息是否符合第二预设条件;
第二十一获得单元,所述第二十一获得单元用于当所述第一用户的情绪信息符合第二预设条件时,获得第二指令信息,其中,所述第二指令信息为开启语音信息。
进一步的,所述系统还包括:
第二十二获得单元,所述第二十二获得单元用于获得所述第一用户的第一姿态信息;
第二十三获得单元,所述第二十三获得单元用于获得所述第一姿态保持的第一时间信息;
第四判断单元,所述第四判断单元用于判断所述第一时间信息是否超过第一预设阈值;
第二十四获得单元,所述第二十四获得单元用于当所述第一时间信息超过第一预设阈值时,获得第三指令信息,其中,所述第三指令信息为辅助所述第一用户进行肌肉按摩。
前述图1实施例一中的一种重症病房智能护理方法的各种变化方式和具体实例同样适用于本实施例的一种重症病房智能护理系统,通过前述对一种重症病房智能护理方法的详细描述,本领域技术人员可以清楚的知道本实施例中一种重症病房智能护理系统的实施方法,所以为了说明书的简洁,在此不再详述。
示例性电子设备
下面参考图11来描述本申请实施例的电子设备。
图11图示了根据本申请实施例的电子设备的结构示意图。
基于与前述实施例中一种重症病房智能护理方法的发明构思,本发明还提供一种重症病房智能护理系统,其上存储有计算机程序,该程序被处理器执行时实现前文所述一种重症病房智能护理方法的任一方法的步骤。
其中,在图11中,总线架构(用总线300来代表),总线300可以包括任意数量的互联的总线和桥,总线300将包括由处理器302代表的一个或多个处理器和存储器304代表的存储器的各种电路链接在一起。总线300还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路链接在一起,这些都是本领域所公知的,因此,本文不再对其进行进一步描述。总线接口306在总线300和接收器301和发送器303之间提供接口。接收器301和发送器303可以是同一个元件,即收发机,提供用于在传输介质上与各种其他系统通信的单元。
处理器302负责管理总线300和通常的处理,而存储器304可以被用于存储处理器302在执行操作时所使用的数据。
本发明实施例提供的一种重症病房智能护理方法,所述方法包括:获得第一用户的第一检测信息,其中,所述第一用户为第一重症病房的患病者;判断所述第一检测信息判断是否满足第一预设条件;当所述第一检测信息判断满足第一预设条件时,获得第一空气质量信息;根据所述第一空气质量信息获得第一指令信息,其中,所述第一指令信息为设置所述第一病房的空气净化单元的第一功率;根据所述第一指令信息获得所述第一用户的第一生命体征信息;判断所述第一用户的第一生命体征信息是否存在第一波动变化值;当所述第一用户的第一生命体征信息存在第一波动变化值,获得所述第一用户的第一表情信息;根据所述第一用户的第一表情信息向第二用户发送第一提醒信息。解决了现有技术中人工护理工作量大且护理效率低,存在人工失误的技术问题,达到提高重症护理效率,失误率低,减轻重症监护人员的工作量,提高病人生命安全性的技术效果。
本领域内的技术人员应明白,本发明的实施例可提供为方法、装置、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(装置)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的系统。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。尽管已描述了本发明的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例做出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (10)
1.一种重症病房智能护理方法,其中,所述方法包括:
获得第一用户的第一检测信息,其中,所述第一用户为第一重症病房的患病者;
判断所述第一检测信息判断是否满足第一预设条件;
当所述第一检测信息判断满足第一预设条件时,获得第一空气质量信息;
根据所述第一空气质量信息获得第一指令信息,其中,所述第一指令信息为设置所述第一病房的空气净化单元的第一功率;
根据所述第一指令信息获得所述第一用户的第一生命体征信息;
判断所述第一用户的第一生命体征信息是否存在第一波动变化值;
当所述第一用户的第一生命体征信息存在第一波动变化值,获得所述第一用户的第一表情信息;
根据所述第一用户的第一表情信息向第二用户发送第一提醒信息。
2.如权利要求1所述的方法,其中,所述获得所述第一用户的第一表情信息,还包括:
获得所述第一用户的第一图像信息;
将所述第一图像信息输入训练模型,其中,所述训练模型通过多组训练数据训练获得,所述多组中的训练数据中的每一组训练数据均包括:所述第一图像信息、预设眼动标识信息以及预设面部动作标识信息;
获得所述训练模型的输出信息,其中,所述输出信息包括所述第一用户的第一表情信息。
3.如权利要求2所述的方法,其中,所述预设眼动标识信息,包括:
获得所述第一用户的眼动频率信息;
获得所述第一用户的视线追踪点信息;
根据所述第一用户的眼动频率信息与所述第一用户的视线追踪点信息,获得预设眼动标识信息。
4.如权利要求3所述的方法,其中,所述预设面部动作标识信息,包括:
获得所述第一用户的面部肌肉运动信息;
获得所述第一用户的面部特征信息;
根据所述第一用户的面部肌肉运动信息与所述第一用户的面部特征信息,获得预设面部动作标识信息。
5.如权利要求2所述的方法,其中,所述获得所述第一用户的第一图像信息,包括:
获得所述第一用户的第一图像信息,并根据所述第一图像信息生成第一验证码,其中,所述第一验证码与所述第一图像信息一一对应;
获得所述第一用户的第二图像信息,并根据所述第二图像信息与所述第一验证码生成第二验证码,其中,所述第二验证码与所述第二图像信息一一对应;
以此类推,获得所述第一用户的第N图像信息,并根据所述第N图像信息与第N-1验证码生成第N验证码,其中,所述第N验证码与所述第N图像信息一一对应,且N为大于1的自然数;
将所有第一用户的图像信息和验证码分别复制保存在M台设备上,其中,M为大于1的自然数。
6.如权利要求5所述的方法,其中,所述方法还包括:
将所述第一图像信息和所述第一验证码作为第一区块,获得所述第一区块的记账时间,其中,所述第一区块的记账时间表示所述第一区块需要记录的时间;
根据所述第一区块的记账时间,获得所述M台设备中运力最快的第一设备;
将所述第一区块的记账权发送给所述第一设备,所述第一设备执行所述第一区块的记账权限。
7.如权利要求1所述的方法,其中,所述方法还包括:
获得所述第一用户的情绪信息;
判断所述第一用户的情绪信息是否符合第二预设条件;
当所述第一用户的情绪信息符合第二预设条件时,获得第二指令信息,其中,所述第二指令信息为开启语音信息。
8.如权利要求1所述的方法,其中,所述方法还包括:
获得所述第一用户的第一姿态信息;
获得所述第一姿态保持的第一时间信息;
判断所述第一时间信息是否超过第一预设阈值;
当所述第一时间信息超过第一预设阈值时,获得第三指令信息,其中,所述第三指令信息为辅助所述第一用户进行肌肉按摩。
9.一种重症病房智能护理方法及系统,其中,所述系统包括:
第一获得单元,所述第一获得单元用于获得第一用户的第一检测信息,其中,所述第一用户为第一重症病房的患病者;
第一判断单元,所述第一判断单元用于判断所述第一检测信息判断是否满足第一预设条件;
第二获得单元,所述第二获得单元用于当所述第一检测信息判断满足第一预设条件时,获得第一空气质量信息;
第三获得单元,所述第三获得单元用于根据所述第一空气质量信息获得第一指令信息,其中,所述第一指令信息为设置所述第一病房的空气净化单元的第一功率;
第四获得单元,所述第四获得单元用于根据所述第一指令信息获得所述第一用户的第一生命体征信息;
第二判断单元,所述第二判断单元用于判断所述第一用户的第一生命体征信息是否存在第一波动变化值;
第五获得单元,所述第五获得单元用于当所述第一用户的第一生命体征信息存在第一波动变化值,获得所述第一用户的第一表情信息;
第一发送单元,所述第一发送单元用于根据所述第一用户的第一表情信息向第二用户发送第一提醒信息。
10.一种重症病房智能护理系统,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,其中,所述处理器执行所述程序时实现权利要求1-8任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010824540.7A CN111899861A (zh) | 2020-08-17 | 2020-08-17 | 一种重症病房智能护理方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010824540.7A CN111899861A (zh) | 2020-08-17 | 2020-08-17 | 一种重症病房智能护理方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111899861A true CN111899861A (zh) | 2020-11-06 |
Family
ID=73229611
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010824540.7A Pending CN111899861A (zh) | 2020-08-17 | 2020-08-17 | 一种重症病房智能护理方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111899861A (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112487780A (zh) * | 2020-11-30 | 2021-03-12 | 德安(常州)自动化科技有限公司 | 一种订单数据排版优化方法及系统 |
CN112509712A (zh) * | 2020-12-31 | 2021-03-16 | 曜立科技(北京)有限公司 | 一种产妇信息的跟踪反馈方法及系统 |
CN112712882A (zh) * | 2021-01-14 | 2021-04-27 | 黄朝旭 | 一种提高重症护理管理水平的方法和系统 |
CN112734746A (zh) * | 2021-01-21 | 2021-04-30 | 常德海 | 一种基于图像识别的骨科伤病谱匹配系统及方法 |
CN112786153A (zh) * | 2021-01-06 | 2021-05-11 | 南通大学附属医院 | 一种老年人的饮食控制方法及系统 |
CN112927803A (zh) * | 2021-01-30 | 2021-06-08 | 西安交通大学医学院第一附属医院 | 一种脑血管患者意识评估方法及系统 |
CN112957032A (zh) * | 2021-01-30 | 2021-06-15 | 宋彦彬 | 一种神经外科患者术后姿态智能监控的方法及系统 |
CN112957017A (zh) * | 2021-03-24 | 2021-06-15 | 南通市第一人民医院 | 一种昏迷患者的实时体征监测方法及系统 |
CN113017557A (zh) * | 2021-03-03 | 2021-06-25 | 西安市人民医院(西安市第四医院) | 一种眼睛状态的智能检测方法及装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108447556A (zh) * | 2018-04-11 | 2018-08-24 | 祁智 | 病房护理报警管理系统 |
CN109065187A (zh) * | 2018-07-27 | 2018-12-21 | 赵凯 | 一种尿液跟踪分析方法和装置 |
CN109192266A (zh) * | 2018-09-28 | 2019-01-11 | 佐成爱(江苏)健康管理咨询有限公司 | 一种基于体检报告的药物推荐方法和装置 |
CN110060770A (zh) * | 2019-04-22 | 2019-07-26 | 北京倍肯恒业科技发展股份有限公司 | 一种医疗检测的信息处理方法和装置 |
CN110444266A (zh) * | 2019-07-01 | 2019-11-12 | 江苏环亚医用科技集团股份有限公司 | 一种基于疾病监控的药物管理方法和装置 |
-
2020
- 2020-08-17 CN CN202010824540.7A patent/CN111899861A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108447556A (zh) * | 2018-04-11 | 2018-08-24 | 祁智 | 病房护理报警管理系统 |
CN109065187A (zh) * | 2018-07-27 | 2018-12-21 | 赵凯 | 一种尿液跟踪分析方法和装置 |
CN109192266A (zh) * | 2018-09-28 | 2019-01-11 | 佐成爱(江苏)健康管理咨询有限公司 | 一种基于体检报告的药物推荐方法和装置 |
CN110060770A (zh) * | 2019-04-22 | 2019-07-26 | 北京倍肯恒业科技发展股份有限公司 | 一种医疗检测的信息处理方法和装置 |
CN110444266A (zh) * | 2019-07-01 | 2019-11-12 | 江苏环亚医用科技集团股份有限公司 | 一种基于疾病监控的药物管理方法和装置 |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112487780A (zh) * | 2020-11-30 | 2021-03-12 | 德安(常州)自动化科技有限公司 | 一种订单数据排版优化方法及系统 |
CN112509712A (zh) * | 2020-12-31 | 2021-03-16 | 曜立科技(北京)有限公司 | 一种产妇信息的跟踪反馈方法及系统 |
CN112786153A (zh) * | 2021-01-06 | 2021-05-11 | 南通大学附属医院 | 一种老年人的饮食控制方法及系统 |
CN112712882A (zh) * | 2021-01-14 | 2021-04-27 | 黄朝旭 | 一种提高重症护理管理水平的方法和系统 |
CN112734746A (zh) * | 2021-01-21 | 2021-04-30 | 常德海 | 一种基于图像识别的骨科伤病谱匹配系统及方法 |
CN112927803A (zh) * | 2021-01-30 | 2021-06-08 | 西安交通大学医学院第一附属医院 | 一种脑血管患者意识评估方法及系统 |
CN112957032A (zh) * | 2021-01-30 | 2021-06-15 | 宋彦彬 | 一种神经外科患者术后姿态智能监控的方法及系统 |
CN113017557A (zh) * | 2021-03-03 | 2021-06-25 | 西安市人民医院(西安市第四医院) | 一种眼睛状态的智能检测方法及装置 |
CN112957017A (zh) * | 2021-03-24 | 2021-06-15 | 南通市第一人民医院 | 一种昏迷患者的实时体征监测方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111899861A (zh) | 一种重症病房智能护理方法及系统 | |
KR102129730B1 (ko) | 인공지능 기반의 환자상태 예측 장치 및 이를 이용한 환자상태 예측 방법 | |
Pantelopoulos et al. | Prognosis—a wearable health-monitoring system for people at risk: Methodology and modeling | |
TW201918222A (zh) | 事件檢測方法及設備、房顫檢測方法和非暫時性儲存介質 | |
WO2011076243A1 (en) | Affective well-being supervision system and method | |
Badesa et al. | Dynamic adaptive system for robot-assisted motion rehabilitation | |
WO2017105692A1 (en) | Patient care systems employing control devices to identify and configure sensor devices for patients | |
Werth et al. | Deep learning approach for ECG-based automatic sleep state classification in preterm infants | |
Mishra et al. | AD8232 based smart healthcare system using internet of things (IoT) | |
CN112117008A (zh) | 一种基于大数据的健康监测方法及系统 | |
KR102060322B1 (ko) | 환자 모니터링용 웨어러블 장치 및 이를 이용한 모니터링 방법 | |
KR20210066271A (ko) | 마취 분야에서의 의료 딥러닝을 활용한 처방 시스템 | |
US20220165393A1 (en) | System for the detection and management of mental, emotional, and behavioral disorders | |
Butkevičiūtė et al. | An adaptable human fatigue evaluation system | |
KR102274034B1 (ko) | 증강 현실을 이용한 심폐소생술 가이드 방법, 장치 및 컴퓨터프로그램 | |
CN116650914A (zh) | 多信息融合的上肢主被动康复训练机器人系统 | |
CN112957017B (zh) | 一种昏迷患者的实时体征监测方法及系统 | |
CN112992312B (zh) | 一种脊髓损伤康复训练合格监测方法及系统 | |
CN113197554A (zh) | 一种高热患者的重症监护护理方法及系统 | |
CN114887169A (zh) | 一种呼吸机智能控制决策方法与系统 | |
CN114869226A (zh) | 一种基于心冲击信号的睡眠分期方法 | |
CN112674729B (zh) | 一种深静脉血栓患者的护理系统及方法 | |
CN113331844A (zh) | 基于测试云的测评系统的脑卒中调理成长系统和方法 | |
Sihombing et al. | The heart attack detection by ESP8266 data communication at a real time to avoid sudden death | |
CN111759289A (zh) | 基于大数据的健康终端管理方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20201106 |
|
RJ01 | Rejection of invention patent application after publication |