CN112807542B - 一种麻醉剂用量控制的方法和装置 - Google Patents

Abstract

本发明公开了一种麻醉剂用量控制的方法和装置，其中，所述方法包括：获得第一用户的第一生理状态信息；根据所述第一用户的第一生理状态信息，对所述第一用户的第一生理状态信息进行归类，获得第一类别生理状态信息；获得所述第一用户的手术信息；将所述第一类别生理状态信息和所述第一用户的手术信息输入术前干预模型，获得第一术前干预方案；根据所述第一术前干预方案，对所述第一用户进行术前干预，获得第一术前干预结果；将所述第一术前干预结果和所述手术信息输入麻醉用量估计模型，获得第一用户的第一麻醉用量信息。解决了现有技术存在麻醉手术中麻醉剂用量控制不准确影响手术效果，危害患者身体健康的技术问题。

Description

一种麻醉剂用量控制的方法和装置

技术领域

本发明涉及麻醉用量领域，尤其涉及一种麻醉剂用量控制的方法和装置。

背景技术

麻醉剂是指用药物或非药物方法使机体或机体局部暂时可逆性失去知觉及痛觉，多用于手术或某些疾病治疗的药剂，因此在医学手术中得到了广泛的应用，麻醉手术过程中药物剂量，一般来讲是按照公斤体重来给的。

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：

现有技术存在麻醉手术中麻醉剂用量控制不准确影响手术效果，危害患者身体健康的技术问题。

发明内容

本申请实施例通过提供一种麻醉剂用量控制的方法和装置，解决了现有技术存在麻醉手术中麻醉剂用量控制不准确影响手术效果，危害患者身体健康的技术问题，达到通过术前干预调整患者生理状态，进而对麻醉剂用量控制更加高效准确的技术效果。

鉴于上述问题，提出了本申请实施例提供一种麻醉剂用量控制的方法和装置。

第一方面，本申请实施例提供了一种麻醉剂用量控制的方法，所述方法包括：获得第一用户的第一生理状态信息；根据所述第一用户的第一生理状态信息，对所述第一用户的第一生理状态信息进行归类，获得第一类别生理状态信息；获得所述第一用户的手术信息；将所述第一类别生理状态信息和所述第一用户的手术信息输入术前干预模型，获得第一术前干预方案；根据所述第一术前干预方案，对所述第一用户进行术前干预，获得第一术前干预结果；将所述第一术前干预结果和所述手术信息输入麻醉用量估计模型，获得第一用户的第一麻醉用量信息。

另一方面，本申请还提供了一种麻醉剂用量控制的装置，所述装置包括：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生理状态信息；第二获得单元，所述第二获得单元用于根据所述第一用户的第一生理状态信息，对所述第一用户的第一生理状态信息进行归类，获得第一类别生理状态信息；第三获得单元，所述第三获得单元用于获得所述第一用户的手术信息；第四获得单元，所述第四获得单元用于将所述第一类别生理状态信息和所述第一用户的手术信息输入术前干预模型，获得第一术前干预方案；第五获得单元，所述第五获得单元用于根据所述第一术前干预方案，对所述第一用户进行术前干预，获得第一术前干预结果；第六获得单元，所述第六获得单元用于将所述第一术前干预结果和所述手术信息输入麻醉用量估计模型，获得第一用户的第一麻醉用量信息。

第三方面，本发明提供了一种麻醉剂用量控制的装置，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第一方面所述方法的步骤。

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：

由于采用了获得第一用户的第一生理状态信息，根据所述第一用户的第一生理状态信息，对所述第一用户的第一生理状态信息进行归类，获得第一类别生理状态信息，获得所述第一用户的手术信息，将所述第一类别生理状态信息和所述第一用户的手术信息输入术前干预模型，获得第一术前干预方案，根据所述第一术前干预方案，对所述第一用户进行术前干预，获得第一术前干预结果，将所述第一术前干预结果和所述手术信息输入麻醉用量估计模型，获得第一用户的第一麻醉用量信息，进而达到通过术前干预调整患者生理状态，进而对麻醉剂用量控制更加高效准确的技术效果。

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麻醉剂用量控制的方法的流程示意图；

图2为本申请实施例一种麻醉剂用量控制的装置的结构示意图；

图3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，第二获得单元12，第三获得单元13，第四获得单元14，第五获得单元15，第六获得单元16，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麻醉剂用量控制的方法和装置，解决了现有技术存在麻醉手术中麻醉剂用量控制不准确影响手术效果，危害患者身体健康的技术问题，达到通过术前干预调整患者生理状态，进而对麻醉剂用量控制更加高效准确的技术效果。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

麻醉剂是指用药物或非药物方法使机体或机体局部暂时可逆性失去知觉及痛觉，多用于手术或某些疾病治疗的药剂，因此在医学手术中得到了广泛的应用，麻醉手术过程中药物剂量，一般来讲是按照公斤体重来给的。但现有技术存在麻醉手术中麻醉剂用量控制不准确影响手术效果，危害患者身体健康的技术问题。

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麻醉剂用量控制的方法，所述方法包括：获得第一用户的第一生理状态信息；根据所述第一用户的第一生理状态信息，对所述第一用户的第一生理状态信息进行归类，获得第一类别生理状态信息；获得所述第一用户的手术信息；将所述第一类别生理状态信息和所述第一用户的手术信息输入术前干预模型，获得第一术前干预方案；根据所述第一术前干预方案，对所述第一用户进行术前干预，获得第一术前干预结果；将所述第一术前干预结果和所述手术信息输入麻醉用量估计模型，获得第一用户的第一麻醉用量信息。

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麻醉剂用量控制的方法，其中，所述方法包括：

步骤S100：获得第一用户的第一生理状态信息；

具体而言，所述第一用户为进行麻醉手术的目标对象即患者，所述第一用户的第一生理状态信息为所述第一用户的生理状态信息，是生物机体的机能,即整个生物及其各个部分所表现的种生命现象状态，包括体温、睡眠、内分泌、情绪反应、生殖、新陈代谢、控制摄食等。

步骤S200：根据所述第一用户的第一生理状态信息，对所述第一用户的第一生理状态信息进行归类，获得第一类别生理状态信息；

具体而言，所述第一类别生理状态信息为根据所述第一用户的第一生理状态信息所归类分析得到的生理状态信息，例如归类得到病人患有高血压、糖尿病、肺部疾病、心脏不好等疾病，为后续麻醉剂手术用量更加准确夯实了基础。

步骤S300：获得所述第一用户的手术信息；

具体而言，所述第一用户的手术信息为对所述第一用户进行手术部位以及手术类型等信息，举例而言，例如短时间内需立即实施的手术，要求用尽可能短的时间进行必要的术前准备，否则会因术前准备而延误手术时机，甚至危及生命的急症手术：如脾破裂手术、胸腹腔内大血管破裂修补手术等，手术时间虽有一定范围的选择，但必须有时间限制，不能过长延迟，应在尽可能短的时间内做好术前准备的限期手术：如恶性肿瘤手术等，可在一段时间内选择实施手术时间，手术时间不影响治疗效果的择期手术：如溃疡病的胃大切手术等。

步骤S400：将所述第一类别生理状态信息和所述第一用户的手术信息输入术前干预模型，获得第一术前干预方案；

进一步而言，其中，所述将所述第一类别生理状态信息和所述第一用户的手术信息输入术前干预模型，获得第一术前干预方案，本申请实施例步骤S400还包括：

步骤S410：将所述第一类别生理状态信息和所述第一用户的手术信息输入术前干预模型，其中，所述术前干预模型通过多组训练数据训练获得，所述多组训练数据中的每组均包括：所述第一类别生理状态信息、所述第一用户的手术信息和标识所述第一结果的标识信息；

步骤S420：获得所述术前干预模型的第一输出信息，所述第一输出信息包括所述第一结果，所述第一结果为所述第一术前干预方案。

具体而言，所述术前干预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，ANN），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。通过大量训练数据的训练，将所述第一类别生理状态信息和所述第一用户的手术信息输入神经网络模型，则输出所述第一结果。

更进一步而言，所述训练的过程实质为监督学习的过程，每一组监督数据均包括所述第一类别生理状态信息、所述第一用户的手术信息和标识所述第一结果的标识信息，将所述第一类别生理状态信息和所述第一用户的手术信息输入到神经网络模型中，根据用来标识所述第一结果的标识信息，所述神经网络模型进行不断的自我修正、调整，直至获得的第一输出信息与所述标识信息一致，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信息更加准确，进而使得输出的第一结果信息更加合理、准确，进而达到使所述第一术前干预方案即根据病人的情况和手术来调整病人的状态到最佳或者能够达到进行手术的要求的技术效果。

步骤S500：根据所述第一术前干预方案，对所述第一用户进行术前干预，获得第一术前干预结果；

具体而言，所述第一术前干预结果为根据所述第一术前干预方案，对所述第一用户进行术前干预，从而得到对患者进行术前调整后，患者的术前身体生理状态。举例而言，可根据患者术前高危因素评估，进行必要的药物干预，加强围手术期保护力度，可有效减少术后感染并发症的发生，以及患者心理和社会支持状况疏导干预，解除患者的疑虑，消除陌生感，可采取焦虑自评测量焦虑值，缓解患者的精神压力，减轻焦虑、紧张，有助于提高医疗护理质量，为患者之后的麻醉手术奠定了基础。

进一步而言，其中，所述根据所述第一术前干预方案，对所述第一用户进行术前干预，获得第一术前干预结果之后，本申请实施例步骤S500还包括：

步骤S510：获得预定生理指标阈值；

步骤S520：判断所述第一术前干预结果是否达到所述预定生理指标阈值；

步骤S530：如果所述第一术前干预结果达到所述预定生理指标阈值，将所述第一术前干预结果和所述手术信息输入麻醉用量估计模型，获得第一用户的第一麻醉用量信息。

步骤S600：将所述第一术前干预结果和所述手术信息输入麻醉用量估计模型，获得第一用户的第一麻醉用量信息。

具体而言，所述预定生理指标阈值为提前设定的所述第一用户进行麻醉手术前需要满足的生理指标状态的临界值，是指所述预定生理指标的最低值或最高值，例如体温、心率、呼吸次数、血压，血常规、尿常规、血生化、心电图、胸片等指标，如果所述第一术前干预结果达到所述预定生理指标阈值，即患者的生理指标达到了手术要求，将所述第一术前干预结果和所述手术信息输入麻醉用量估计模型。

进一步而言，所述麻醉用量估计模型为神经网络模型，通过大量训练数据的训练，将所述第一术前干预结果和所述手术信息输入神经网络模型，则输出所述第一麻醉用量信息，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信息更加准确，进而使得输出的第一麻醉用量信息更加合理、准确，进而达到使所述第一用户的生理指标达到进行手术的要求，从而保证了手术安全进行的技术效果。

进一步而言，其中，所述获得预定生理指标阈值，本申请实施例步骤S510还包括：

步骤S511：获得所述第一用户的手术信息；

步骤S512：获得所述第一用户的病情信息；

步骤S513：获得所述第一用户的麻醉方式；

步骤S514：将所述手术信息，所述病情信息和所述麻醉方式作为输入信息输入神经网络模型，获得预定生理指标阈值。

具体而言，所述第一用户的手术信息为对所述第一用户进行手术部位以及手术类型等信息，所述第一用户的病情信息为所述第一用户疾病的变化情况、疾病的起因、疾病的临床表现以及相关情况等，所述第一用户的麻醉方式为对所述第一用户进行手术麻醉的方式，例如局部麻醉，可以分为表面麻醉、局部浸润麻醉、区域阻滞麻醉以及神经阻滞，区域麻醉的实施一般用到局部麻醉药，如利多卡因、丁卡因、罗哌卡因、布比卡因等；椎管内麻醉，可以分为蛛网膜下腔阻滞、硬脊膜外阻滞、蛛网膜下腔与硬脊膜外联合阻滞麻醉，即是腰硬联合麻醉；复合麻醉与联合麻醉，复合麻醉可以分为静吸复合全身麻醉、全凭静脉麻醉，而联合麻醉是指全麻与非全麻的联合应用，如全身麻醉联合椎管内麻醉。

进一步而言，所述神经网络模型即机器学习中的神经网络模型，它是一个数学模型。通过大量训练数据的训练，将所述手术信息，所述病情信息和所述麻醉方式输入神经网络模型，则输出所述预定生理指标阈值。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信息更加准确，进而使得输出的预定生理指标阈值更加合理、准确，进而细化所述第一用户的预定生理指标阈值，达到准确确定生理指标阈值的技术效果。

进一步而言，其中，所述获得第一用户的第一生理状态信息，本申请实施例步骤S100还包括：

步骤S110：获得第一用户的手术时间信息；

步骤S120：根据所述第一用户的手术时间信息，获得第一生理状态检查时间；

步骤S130：根据所述第一生理状态检查时间，获得所述第一用户的第一生理状态信息。

具体而言，所述第一用户的手术时间信息为对所述第一用户进行手术的时间，所述第一生理状态检查时间为根据所述第一用户的手术时间信息，对所述第一用户的生理状态进行检查的时间，从而确定在合适的时间对所述用户进行生理状态检查，以达到提高检查的所述生理状态信息结果的准确性和可参考性的技术效果。

进一步而言，其中，所述获得所述第一用户的第一生理状态信息之后，本申请实施例步骤S130还包括：

步骤S131：获得预定生理状态等级；

步骤S132：根据所述预定生理状态等级，获得所述第一用户第一生理状态信息对应的生理状态等级；

步骤S133：根据所述第一用户第一生理状态信息对应的生理状态等级，获得预定生理状态检查频率；

步骤S134：根据所述预定生理状态检查频率，对所述第一用户进行生理状态检查，获得第二生理状态信息、第三生理状态信息；

步骤S135：根据所述第一生理状态信息、所述第二生理状态信息、所述第三生理状态信息，获得所述第一用户的生理状态变化趋势；

步骤S136：根据所述生理状态变化趋势，获得第二生理状态检查时间；

步骤S137：按照所述第二生理状态检查时间，获得第四生理状态信息；

步骤S138：根据所述第一用户的第四生理状态信息，对所述第一用户的第四生理状态信息进行归类，获得第一类别生理状态信息。

具体而言，所述预定生理状态等级为预先设定的衡量所述用户生理状态的等级标准，所述第一用户第一生理状态信息对应的生理状态等级为根据所述第一用户的生理状态信息所对应的生理状态等级，是针对所述第一生理状态不好，达不到做手术的标准的情况。所述预定生理状态检查频率为根据所述第一用户第一生理状态信息对应的生理状态等级，所设定的对患者进行生理状态的检查频率，如果患者的生理状态等级不好，检查频率可能就会高，如果生理状态等级还行，检查频率就可以低一点。所述第二生理状态信息和所述第三生理状态信息为根据所述预定生理状态检查频率，对所述第一用户进行生理状态检查所得到的对应的生理状态，所述第一用户的生理状态变化趋势为根据所述第一生理状态信息、所述第二生理状态信息和所述第三生理状态信息得到的所述用户的生理状态变化趋势，所述变化趋势特点可以是平稳的，下降的，升高的或者是紊乱的，每种情况对应不同的应对措施。所述第二生理状态检查时间为根据所述生理状态变化趋势对所述用户进行生理状态检查的时间，是患者术前的最后一次生理状态检查，所述第四生理状态信息为所述用户术前的最后一次生理状态检查时的生理状态信息，根据所述第一用户的第四生理状态信息，对所述第一用户的第四生理状态信息进行归类得到第一类别生理状态信息，即对患者术前的每次检查都会进行术前干预，达到了对患者术前生理状态实时监测，并通过术前干预确保患者可以达到麻醉手术标准的技术效果。

进一步而言，其中，所述根据所述预定生理状态等级，获得所述第一用户第一生理状态信息对应的生理状态等级之后，本申请实施例步骤S132还包括：

步骤S1321：获得预定生理状态等级阈值；

步骤S1322：判断所述第一用户第一生理状态信息对应的生理状态等级是否在所述预定生理状态等级阈值之内；

步骤S1323：如果所述第一用户第一生理状态信息对应的生理状态等级不在所述预定生理状态等级阈值之内，根据所述第一用户第一生理状态信息对应的生理状态等级，获得预定生理状态检查频率。

具体而言，所述预定生理状态等级阈值为提前设定的所述第一用户进行麻醉手术前需要满足的生理状态等级的临界值，是指所述预定生理状态等级的最低值或最高值，如果所述第一用户第一生理状态信息对应的生理状态等级不在所述预定生理状态等级阈值之内，根据所述第一用户第一生理状态信息对应的生理状态等级，确定所述预定生理状态检查频率，即针对所述用户的所述第一生理状态信息无法满足手术所需要的所述预定生理状态等级，需要进行确定术前生理状态检查频率的情况，达到了在患者生理状态无法满足手术所需标准时，对其进行多次检查确保手前干预准确性的技术效果。

进一步而言，所述将所述第一类别生理状态信息和所述第一用户的手术信息输入神经网络模型，本申请实施例步骤S410还包括：

步骤S411：获得输入所述神经网络模型的第一训练数据、第二训练数据直至第N训练数据，其中，N为大于1的自然数；

步骤S412：根据所述第一训练数据生成第一标识码，所述第一标识码与所述第一训练数据一一对应；

步骤S413：根据所述第二训练数据和第一标识码生成第二标识码，以此类推，根据所述第N训练数据和第N-1标识码生成第N标识码；

步骤S414：将所有训练数据和标识码复制存储在M台电子设备上，其中，M为大于1的自然数。

具体而言，区块链技术也被称之为分布式账本技术，是一种由若干台计算设备共同参与“记账"，共同维护一份完整的分布式数据库的新兴技术。由于区块链技术具有去中心化、公开透明、每台计算设备可以参与数据库记录、并且各计算设备之间可以快速的进行数据同步的特性，使得区块链技术已在众多的领域中广泛的进行应用。根据所述第一训练数据生成第一标识码，所述第一标识码与第一训练数据一一对应；根据所述第二训练数据和第一标识码生成第二标识码，第二标识码与第二训练数据一一对应；以此类推，根据所述第N训练数据和第N-1标识码生成第N标识码，其中，N为大于1的自然数，所述训练数据中的每组均包括所述第一类别生理状态信息、所述第一用户的手术信息和标识所述第一结果的标识信息。将所有训练数据和标识码分别复制保存在M台设备上，其中，所述第一训练数据和所述第一标识码作为第一区块保存在一台设备上，所述第二训练数据和所述第二标识码作为第二区块保存在一台设备上，所述第N训练数据和所述第N标识码作为第N区块保存在一台设备上，当需要调用所述训练数据时，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，通过哈希函数对于每一存储单位进行串接，使得训练数据不易丢失和遭到破坏，通过区块链的逻辑对所述训练数据进行加密处理，保证了所述训练数据的安全性，进而保证通过所述训练数据训练获得的神经网络模型的准确性，进而使得输出的第一结果信息更加合理、准确，进而达到使所述第一术前干预方案即根据病人的情况和手术来调整病人的状态到最佳或者能够达到进行手术的要求的技术效果。

综上所述，本申请实施例所提供的一种麻醉剂用量控制的方法和装置具有如下技术效果：

1、由于采用了获得第一用户的第一生理状态信息，根据所述第一用户的第一生理状态信息，对所述第一用户的第一生理状态信息进行归类，获得第一类别生理状态信息，获得所述第一用户的手术信息，将所述第一类别生理状态信息和所述第一用户的手术信息输入术前干预模型，获得第一术前干预方案，根据所述第一术前干预方案，对所述第一用户进行术前干预，获得第一术前干预结果，将所述第一术前干预结果和所述手术信息输入麻醉用量估计模型，获得第一用户的第一麻醉用量信息，进而达到通过术前干预调整患者生理状态，进而对麻醉剂用量控制更加高效准确的技术效果。

2、由于采用了将所述第一类别生理状态信息和所述第一用户的手术信息输入神经网络模型的方式，进而使得输出的第一术前干预方案更加合理、准确，进而达到使所述第一术前干预方案即根据病人的情况和手术来调整病人的状态到最佳或者能够达到进行手术的要求的技术效果。

3、由于采用了将所述第一术前干预结果和所述手术信息输入麻醉用量估计模型的方式，进而使得输出的第一麻醉用量信息更加合理、准确，进而达到使所述第一用户的生理指标达到进行手术的要求，从而保证了手术安全进行的技术效果。

实施例二

基于与前述实施例中一种麻醉剂用量控制的方法同样发明构思，本发明还提供了一种麻醉剂用量控制的装置，如图2所示，所述装置包括：

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生理状态信息；

第二获得单元12，所述第二获得单元12用于根据所述第一用户的第一生理状态信息，对所述第一用户的第一生理状态信息进行归类，获得第一类别生理状态信息；

第三获得单元13，所述第三获得单元13用于获得所述第一用户的手术信息；

第四获得单元14，所述第四获得单元14用于将所述第一类别生理状态信息和所述第一用户的手术信息输入术前干预模型，获得第一术前干预方案；

第五获得单元15，所述第五获得单元15用于根据所述第一术前干预方案，对所述第一用户进行术前干预，获得第一术前干预结果；

第六获得单元16，所述第六获得单元16用于将所述第一术前干预结果和所述手术信息输入麻醉用量估计模型，获得第一用户的第一麻醉用量信息。

进一步的，所述系统还包括：

第一输入单元，所述第一输入单元用于将所述第一类别生理状态信息和所述第一用户的手术信息输入术前干预模型，其中，所述术前干预模型通过多组训练数据训练获得，所述多组训练数据中的每组均包括：所述第一类别生理状态信息、所述第一用户的手术信息和标识所述第一结果的标识信息；

第七获得单元，所述第七获得单元用于获得所述术前干预模型的第一输出信息，所述第一输出信息包括所述第一结果，所述第一结果为所述第一术前干预方案。

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预定生理指标阈值；

第一判断单元，所述第一判断单元用于判断所述第一术前干预结果是否达到所述预定生理指标阈值；

第九获得单元，所述第九获得单元用于如果所述第一术前干预结果达到所述预定生理指标阈值，将所述第一术前干预结果和所述手术信息输入麻醉用量估计模型，获得第一用户的第一麻醉用量信息。

进一步的，所述系统还包括：

第十获得单元，所述第十获得单元用于获得所述第一用户的手术信息；

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病情信息；

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麻醉方式；

第十三获得单元，所述第十三获得单元用于将所述手术信息，所述病情信息和所述麻醉方式作为输入信息输入神经网络模型，获得预定生理指标阈值。

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第一用户的手术时间信息；

第十五获得单元，所述第十五获得单元用于根据所述第一用户的手术时间信息，获得第一生理状态检查时间；

第十六获得单元，所述第十六获得单元用于根据所述第一生理状态检查时间，获得所述第一用户的第一生理状态信息。

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获得预定生理状态等级；

第十八获得单元，所述第十八获得单元用于根据所述预定生理状态等级，获得所述第一用户第一生理状态信息对应的生理状态等级；

第十九获得单元，所述第十九获得单元用于根据所述第一用户第一生理状态信息对应的生理状态等级，获得预定生理状态检查频率；

第二十获得单元，所述第二十获得单元用于根据所述预定生理状态检查频率，对所述第一用户进行生理状态检查，获得第二生理状态信息、第三生理状态信息；

第二十一获得单元，所述第二十一获得单元用于根据所述第一生理状态信息、所述第二生理状态信息、所述第三生理状态信息，获得所述第一用户的生理状态变化趋势；

第二十二获得单元，所述第二十二获得单元用于根据所述生理状态变化趋势，获得第二生理状态检查时间；

第二十三获得单元，所述第二十三获得单元用于按照所述第二生理状态检查时间，获得第四生理状态信息；

第二十四获得单元，所述第二十四获得单元用于根据所述第一用户的第四生理状态信息，对所述第一用户的第四生理状态信息进行归类，获得第一类别生理状态信息。

进一步的，所述系统还包括：

第二十五获得单元，所述第二十五获得单元用于获得预定生理状态等级阈值；

第二判断单元，所述第二判断单元用于判断所述第一用户第一生理状态信息对应的生理状态等级是否在所述预定生理状态等级阈值之内；

第二十六获得单元，所述第二十六获得单元用于如果所述第一用户第一生理状态信息对应的生理状态等级不在所述预定生理状态等级阈值之内，根据所述第一用户第一生理状态信息对应的生理状态等级，获得预定生理状态检查频率。

前述图1实施例一中的一种麻醉剂用量控制的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麻醉剂用量控制的装置，通过前述对一种麻醉剂用量控制的方法的详细描述，本领域技术人员可以清楚的知道本实施例中一种麻醉剂用量控制的装置的实施方法，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3来描述本申请实施例的电子设备。

图3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麻醉剂用量控制的方法的发明构思，本发明还提供一种麻醉剂用量控制的装置，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麻醉剂用量控制的方法的任一方法的步骤。

其中，在图3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麻醉剂用量控制的方法，所述方法包括：获得第一用户的第一生理状态信息；根据所述第一用户的第一生理状态信息，对所述第一用户的第一生理状态信息进行归类，获得第一类别生理状态信息；获得所述第一用户的手术信息；将所述第一类别生理状态信息和所述第一用户的手术信息输入术前干预模型，获得第一术前干预方案；根据所述第一术前干预方案，对所述第一用户进行术前干预，获得第一术前干预结果；将所述第一术前干预结果和所述手术信息输入麻醉用量估计模型，获得第一用户的第一麻醉用量信息。解决了现有技术存在麻醉手术中麻醉剂用量控制不准确影响手术效果，危害患者身体健康的技术问题，达到通过术前干预调整患者生理状态，进而对麻醉剂用量控制更加高效准确的技术效果。

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、系统、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（系统）、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系统的制造品，该指令系统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 (6)

1.一种麻醉剂用量控制的装置，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涉及如下方法：

获得第一用户的第一生理状态信息；

根据所述第一用户的第一生理状态信息，对所述第一用户的第一生理状态信息进行归类，获得第一类别生理状态信息；

获得所述第一用户的手术信息；

将所述第一类别生理状态信息和所述第一用户的手术信息输入术前干预模型，获得第一术前干预方案，包括：

将所述第一类别生理状态信息和所述第一用户的手术信息输入术前干预模型，获得所述术前干预模型的第一输出信息，所述第一输出信息包括第一结果，所述第一结果为所述第一术前干预方案，其中，所述术前干预模型通过多组训练数据训练获得，所述多组训练数据中的每组均包括：所述第一类别生理状态信息、所述第一用户的手术信息和标识所述第一结果的标识信息；

根据所述第一术前干预方案，对所述第一用户进行术前干预，获得第一术前干预结果；

获得预定生理指标阈值；

判断所述第一术前干预结果是否达到所述预定生理指标阈值；

如果所述第一术前干预结果达到所述预定生理指标阈值，将所述第一术前干预结果和所述手术信息输入麻醉用量估计模型，获得第一用户的第一麻醉用量信息。

2.如权利要求1所述的装置，其中，所述获得预定生理指标阈值，包括：

获得所述第一用户的手术信息；

获得所述第一用户的病情信息；

获得所述第一用户的麻醉方式；

将所述手术信息，所述病情信息和所述麻醉方式作为输入信息输入神经网络模型，获得预定生理指标阈值。

3.如权利要求1所述的装置，其中，所述获得第一用户的第一生理状态信息，包括：

获得第一用户的手术时间信息；

根据所述第一用户的手术时间信息，获得第一生理状态检查时间；

根据所述第一生理状态检查时间，获得所述第一用户的第一生理状态信息。

4.如权利要求2所述的装置，其中，所述获得所述第一用户的第一生理状态信息之后，包括：

获得预定生理状态等级；

根据所述预定生理状态等级，获得所述第一用户的第一生理状态信息对应的生理状态等级；

根据所述第一用户的第一生理状态信息对应的生理状态等级，获得预定生理状态检查频率；

根据所述预定生理状态检查频率，对所述第一用户进行生理状态检查，获得第二生理状态信息、第三生理状态信息；

根据所述第一生理状态信息、所述第二生理状态信息、所述第三生理状态信息，获得所述第一用户的生理状态变化趋势；

根据所述生理状态变化趋势，获得第二生理状态检查时间；

按照所述第二生理状态检查时间，获得第四生理状态信息；

根据所述第一用户的第四生理状态信息，对所述第一用户的第四生理状态信息进行归类，获得第一类别生理状态信息。

5.如权利要求4所述的装置，其中，所述根据所述预定生理状态等级，获得所述第一用户的第一生理状态信息对应的生理状态等级之后，包括：

获得预定生理状态等级阈值；

判断所述第一用户的 第一生理状态信息对应的生理状态等级是否在所述预定生理状态等级阈值之内；

如果所述第一用户的第一生理状态信息对应的生理状态等级不在所述预定生理状态等级阈值之内，根据所述第一用户的第一生理状态信息对应的生理状态等级，获得预定生理状态检查频率。

6.一种麻醉剂用量控制的装置，其中，所述装置包括：

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生理状态信息；

第二获得单元，所述第二获得单元用于根据所述第一用户的第一生理状态信息，对所述第一用户的第一生理状态信息进行归类，获得第一类别生理状态信息；

第三获得单元，所述第三获得单元用于获得所述第一用户的手术信息；

第四获得单元，所述第四获得单元用于将所述第一类别生理状态信息和所述第一用户的手术信息输入术前干预模型，获得第一术前干预方案，包括：

第一输入单元，所述第一输入单元用于将所述第一类别生理状态信息和所述第一用户的手术信息输入术前干预模型，获得所述术前干预模型的第一输出信息，所述第一输出信息包括第一结果，所述第一结果为所述第一术前干预方案，其中，所述术前干预模型通过多组训练数据训练获得，所述多组训练数据中的每组均包括：所述第一类别生理状态信息、所述第一用户的手术信息和标识所述第一结果的标识信息；

第五获得单元，所述第五获得单元用于根据所述第一术前干预方案，对所述第一用户进行术前干预，获得第一术前干预结果；

第八获得单元，所述第八获得单元用于获得预定生理指标阈值；

第一判断单元，所述第一判断单元用于判断所述第一术前干预结果是否达到所述预定生理指标阈值；

第六获得单元，所述第六获得单元用于如果所述第一术前干预结果达到所述预定生理指标阈值，将所述第一术前干预结果和所述手术信息输入麻醉用量估计模型，获得第一用户的第一麻醉用量信息。

Images