CN112951408B - 一种预防呼吸道感染的系统及方法 - Google Patents
一种预防呼吸道感染的系统及方法 Download PDFInfo
- Publication number
- CN112951408B CN112951408B CN202110152024.9A CN202110152024A CN112951408B CN 112951408 B CN112951408 B CN 112951408B CN 202110152024 A CN202110152024 A CN 202110152024A CN 112951408 B CN112951408 B CN 112951408B
- Authority
- CN
- China
- Prior art keywords
- patient
- obtaining
- deviation angle
- information
- bedridden
- 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
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
- 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
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
-
- 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
- G06N3/04—Architecture, e.g. interconnection topology
-
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Biomedical Technology (AREA)
- Theoretical Computer Science (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- Public Health (AREA)
- General Physics & Mathematics (AREA)
- Biophysics (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Epidemiology (AREA)
- Computational Linguistics (AREA)
- Evolutionary Computation (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Primary Health Care (AREA)
- Pathology (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Databases & Information Systems (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
本发明公开了一种预防呼吸道感染的系统及方法,获得第一患者的第一基础信息;获得所述第一患者的第一手术信息;根据所述第一基础信息和所述第一手术信息获得所述第一患者的第一活动能力;通过所述第一摄像装置获得所述第一患者的第一图像信息,将所述第一基础信息和所述第一图像信息输入第一评估模型,获得第一评估模型的第一输出结果,获得第一评估指令,根据第一评估指令对所述第一活动能力和第一积痰等级进行评估,根据评估结果获得第一提醒时间;根据第一提醒时间,提醒第一护理人员帮助第一患者调整卧床姿势。解决了现有技术中现有技术中对于行动不便的患者的卧床姿势调整不够智能,存在导致患者会出现呼吸道被感染的风险的技术问题。
Description
技术领域
本发明涉及呼吸道感染的预防相关领域,尤其涉及一种预防呼吸道感染的系统及方法。
背景技术
老年人骨折后,由于脏器功能已不同程度衰弱,免疫力低下,排痰不畅,长期卧床易引起坠积性肺炎。做好老年骨折患者的呼吸道护理,预防呼吸道感染的发生,已成为亟待解决的问题。
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:
现有技术中对于行动不便的患者的卧床姿势调整不够智能,存在导致患者会出现呼吸道被感染的风险的技术问题。
发明内容
本申请实施例通过提供一种预防呼吸道感染的系统及方法,解决了现有技术中现有技术中对于行动不便的患者的卧床姿势调整不够智能,存在导致患者会出现呼吸道被感染的风险的技术问题,达到结合患者的实际情况进行智能化的卧床姿势的调整,降低患者护理道感染风险,进而达到预防呼吸道感染的技术效果。
鉴于上述问题,提出了本申请实施例提供一种预防呼吸道感染的系统及方法。
第一方面,本申请还提供了一种预防呼吸道感染的系统,所述系统应用于一呼吸道感染预防系统,所述呼吸道感染预防系统与第一摄像装置通信连接,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患者的第一基础信息;第二获得单元,所述第二获得单元用于获得所述第一患者的第一手术信息;第三获得单元,所述第三获得单元用于根据所述第一基础信息和所述第一手术信息获得所述第一患者的第一活动能力;第四获得单元,所述第四获得单元用于通过所述第一摄像装置获得所述第一患者的第一图像信息,其中,所述第一图像信息包括所述第一患者的第一卧床姿势;第一输入单元,所述第一输入单元用于将所述第一基础信息和所述第一图像信息输入第一评估模型,其中,所述第一评估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基础信息、所述第一图像信息和标识第一积痰等级的标识信息;第五获得单元,所述第五获得单元用于获得所述第一评估模型的第一输出结果,其中,所述第一输出结果包括第一积痰等级;第六获得单元,所述第六获得单元用于获得第一评估指令,根据所述第一评估指令对所述第一活动能力和所述第一积痰等级进行评估,根据评估结果获得第一提醒时间;第一提醒单元,所述第一提醒单元用于根据所述第一提醒时间,提醒第一护理人员帮助所述第一患者调整卧床姿势。
另一方面,本申请还提供了一种预防呼吸道感染的方法,所述方法包括:获得第一患者的第一基础信息;获得所述第一患者的第一手术信息;根据所述第一基础信息和所述第一手术信息获得所述第一患者的第一活动能力;通过所述第一摄像装置获得所述第一患者的第一图像信息,其中,所述第一图像信息包括所述第一患者的第一卧床姿势;将所述第一基础信息和所述第一图像信息输入第一评估模型,其中,所述第一评估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基础信息、所述第一图像信息和标识第一积痰等级的标识信息;获得所述第一评估模型的第一输出结果,其中,所述第一输出结果包括第一积痰等级;获得第一评估指令,根据所述第一评估指令对所述第一活动能力和所述第一积痰等级进行评估,根据评估结果获得第一提醒时间;根据所述第一提醒时间,提醒第一护理人员帮助所述第一患者调整卧床姿势。
第三方面,本发明提供了一种预防呼吸道感染的系统,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第一方面所述系统的步骤。
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患者的第一基础信息和第一手术信息获得所述第一患者的第一活动能力评估结果,通过所述第一摄像装置获得所述第一患者的第一卧床姿势信息,将所述第一卧床姿势和所述第一基础信息输入第一评估模型,基于所述评估模型不断的进行自我修正和调整的特性,获得更加准确的所述第一患者在第一卧床姿势下的积痰等级情况,根据所述积痰等级对所述第一患者的积痰情况和第一活动能力进行评估,获得第一提醒时间,根据所述第一提醒时间提醒所述第一护理人员对所述第一患者的卧床姿势进行调整,达到结合患者的实际情况进行智能化的卧床姿势的调整,降低患者护理道感染风险,进而达到预防呼吸道感染的技术效果。
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预防呼吸道感染的方法的流程示意图;
图2为本申请实施例一种预防呼吸道感染的系统的结构示意图;
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,第一输入单元15,第五获得单元16,第六获得单元17,第一提醒单元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预防呼吸道感染的系统及方法,解决了现有技术中现有技术中对于行动不便的患者的卧床姿势调整不够智能,存在导致患者会出现呼吸道被感染的风险的技术问题,达到结合患者的实际情况进行智能化的卧床姿势的调整,降低患者护理道感染风险,进而达到预防呼吸道感染的技术效果。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
老年人骨折后,由于脏器功能已不同程度衰弱,免疫力低下,排痰不畅,长期卧床易引起坠积性肺炎。做好老年骨折患者的呼吸道护理,预防呼吸道感染的发生,已成为亟待解决的问题。但现有技术中对于行动不便的患者的卧床姿势调整不够智能,存在导致患者会出现呼吸道被感染的风险的技术问题。
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预防呼吸道感染的系统,所述系统应用于一呼吸道感染预防系统,所述呼吸道感染预防系统与第一摄像装置通信连接,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患者的第一基础信息;第二获得单元,所述第二获得单元用于获得所述第一患者的第一手术信息;第三获得单元,所述第三获得单元用于根据所述第一基础信息和所述第一手术信息获得所述第一患者的第一活动能力;第四获得单元,所述第四获得单元用于通过所述第一摄像装置获得所述第一患者的第一图像信息,其中,所述第一图像信息包括所述第一患者的第一卧床姿势;第一输入单元,所述第一输入单元用于将所述第一基础信息和所述第一图像信息输入第一评估模型,其中,所述第一评估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基础信息、所述第一图像信息和标识第一积痰等级的标识信息;第五获得单元,所述第五获得单元用于获得所述第一评估模型的第一输出结果,其中,所述第一输出结果包括第一积痰等级;第六获得单元,所述第六获得单元用于获得第一评估指令,根据所述第一评估指令对所述第一活动能力和所述第一积痰等级进行评估,根据评估结果获得第一提醒时间;第一提醒单元,所述第一提醒单元用于根据所述第一提醒时间,提醒第一护理人员帮助所述第一患者调整卧床姿势。
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预防呼吸道感染的方法,其中,所述方法应用于一呼吸道感染预防系统,所述呼吸道感染预防系统与第一摄像装置通信连接,其中,所述方法包括:
步骤S100:获得第一患者的第一基础信息;
具体而言,所述呼吸道感染预防系统为对第一医院的病患进行呼吸道感染预防分析处理的系统,所述第一摄像装置为具备成像功能的摄像装置,所述第一摄像装置可以为安装在病房内的监控装置,在所述第一患者许可的情况下,获得所述第一患者的基础信息,其中,所述第一患者为第一医院的一名普通住院的病患,所述第一患者的基础信息包括所述第一患者的身体情况,其中,所述身体情况为通过调用所述第一患者的检查结果获得的,所述第一基础信息还包括所述第一患者的饮食信息、饮水量信息等,通过所述第一患者的基础信息的获得,为后续准确分析所述第一患者的积痰情况夯实了基础。
步骤S200:获得所述第一患者的第一手术信息;
具体而言,所述第一患者的第一手术信息包括所述第一患者进行的手术的种类、手术的部位、手术的时间、手术是否成功、手术后患者需要注意的信息等。
步骤S300:根据所述第一基础信息和所述第一手术信息获得所述第一患者的第一活动能力;
具体而言,所述第一活动能力为对所述第一患者进行活动能力评估后的评估结果,所述活动能力评估为综合考量了所述第一患者的基础信息和第一手术信息后获得的第一活动能力,根据所述第一患者手术前的综合的身体素质情况和第一手术信息对所述第一患者的活动情况的评估结果,所述活动能力包括所述第一患者是否具备进行自我卧床姿势调整的能力或者条件。
步骤S400:通过所述第一摄像装置获得所述第一患者的第一图像信息,其中,所述第一图像信息包括所述第一患者的第一卧床姿势;
具体而言,所述第一图像信息为包括了所述第一患者的第一卧床姿势的图像信息,进一步而言,所述第一患者在调整为第一卧床姿势时对所述第一患者进行图像记录,且记录所述第一卧床姿势的开始时间,通过所述第一摄像装置获得第一患者的第一图像信息。
步骤S500:将所述第一基础信息和所述第一图像信息输入第一评估模型,其中,所述第一评估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基础信息、所述第一图像信息和标识第一积痰等级的标识信息;
步骤S600:获得所述第一评估模型的第一输出结果,其中,所述第一输出结果包括第一积痰等级;
具体而言,所述第一评估模型为机器学习中的神经网络模型,神经网络(NeuralNetworks,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 NeuralNetworks),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,将所述第一基础信息和所述第一图像信息输入神经网络模型,则获得所述第一患者的第一积痰等级。
更进一步而言,所述训练的过程还包括监督学习的过程,每一组监督数据均包括所述第一基础信息、所述第一图像信息和标识第一积痰等级的标识信息,将所述第一基础信息和所述第一图像信息输入到神经网络模型中,根据用来标识第一积痰等级的标识信息,所述神经网络模型进行不断的自我修正、调整,直至获得的输出结果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,进而获得更加准确的所述第一患者的积痰等级,根据所述第一积痰等级,可以对所述第一患者的单位时间的积痰量进行准确的评估,为后续获得准确的帮助第一患者进行卧床姿势调整的时间夯实了基础。
步骤S700:获得第一评估指令,根据所述第一评估指令对所述第一活动能力和所述第一积痰等级进行评估,根据评估结果获得第一提醒时间;
步骤S800:根据所述第一提醒时间,提醒第一护理人员帮助所述第一患者调整卧床姿势。
具体而言,所述第一评估指令为对所述第一患者进行自我卧床姿势调整和第一积痰等级进行评估的指令,根据所述第一患者的积痰速度进行评估,获得第一护理人员帮助所述第一患者进行调整卧床姿势的第一提醒时间,进一步而言,标准提醒时间是通过综合分析所述第一患者的积痰总量对于所述第一患者会因积痰导致呼吸道感染的影响风险获得的提醒时间,其中,所述第一提醒时间要早于所述标准提醒时间的20分钟,根据所述第一提醒时间提醒所述第一护理人员帮助所述第一患者进行卧床姿势的调整,通过对所述第一患者的卧床姿势的及时的调整,达到智能结合所述第一患者的实时情况,降低患者护理道感染风险,进而达到预防呼吸道感染的技术效果。
进一步而言,本申请实施例步骤S700还包括:
步骤S710:将所述第一活动能力作为横坐标,所述第一积痰等级作为纵坐标,构建直角坐标系;
步骤S720:通过逻辑回归模型基于所述直角坐标系获得第一逻辑回归线,其中,所述逻辑回归模型的输出信息包括所述评估结果,所述评估结果包括位于所述第一逻辑回归线一侧的第一结果和位于所述逻辑回归线另一侧的第二结果,所述第一结果与所述第二结果不同;
步骤S730:通过所述第一逻辑回归线获得所述评估结果;
步骤S740:根据所述评估结果判断是否对所述第一护理人员进行提醒。
具体而言,为了对所述第一患者的活动情况和积痰等级的对应情况进行进一步的分析,可以基于所述第一活动情况和所述第一积痰等级构建逻辑回归线。所述逻辑回归线的构建过程包括将所述第一活动能力作为横坐标,所述积痰等级作为纵坐标构建坐标系,根据所述坐标系基于逻辑回归模型构建逻辑回归线,即所述第一患者的活动能力越弱,所述第一患者的积痰速度越快,通过所述逻辑回归线对是否需求护理人员帮助进行判别,所述逻辑回归线的一侧代表第一结果,所述第一结果为不需要对所述第一护理人员进行提醒的结果,所述逻辑回归线的另一侧代表第二结果,所述第二结果为需要对所述第一护理人员进行提醒的结果,通过逻辑回归模型对所述是否需求第一护理人员帮助进行判断,使得判断的结果更加准确,当所述输出结果为第一结果时,则在第一提醒时间下对所述第一用户进行卧床姿势调整提醒,通过所述第一摄像装置对所述第一患者是否进行姿势调整的结果进行监控,达到智能结合所述第一患者的实时情况,降低患者护理道感染风险,进而达到预防呼吸道感染的技术效果。
进一步而言,本申请实施例还包括:
步骤S741:当所述评估结果为第一结果时,获得第一图像采集指令;
步骤S742:根据所述第一图像采集指令,通过所述第一摄像装置对所述第一患者进行图像采集,获得第二图像信息,所述第二图像信息包括所述第一患者的第二卧床姿势;
步骤S743:获得第一分析指令;
步骤S744:根据所述第一分析指令对所述第一图像信息和所述第二图像信息进行卧床姿势识别,获得第一偏差角度;
步骤S745:根据所述第一偏差角度获得第一积痰影响系数;
步骤S746:根据所述第一积痰影响系数和所述第一积痰等级对所述第一提醒时间进行调整。
具体而言,当所述第二输出为第一结果时,表明所述第一患者具备自我进行卧床姿势调整的能力,其中,所述进行卧床姿势调整能力的程度则根据所述第二图像信息获得,根据第一图像采集指令,通过所述第一摄像装置对所述第一患者进行图像采集,其中,所述图像采集时间为所述第一患者更改卧床姿势的时间,将所述采集时间记录,同时记录的还有包括所述第一患者的第二卧床姿势的第二图像信息,对所述第一图像信息和所述第二图像信息进行分析,即获得所述第一卧床姿势与所述第二卧床姿势的分析结果,其中,所述分析结果包括所述第一卧床姿势与所述第二卧床姿势的偏差角度信息,其中,所述偏差角度可以是由平躺转为侧卧的方向的偏差角度,所述偏差角度还可以为由平躺转为上半身仰起卧床的方向的角度,根据所述第一患者在第一姿势下与所述调整过卧床姿势下的偏差角度,获得所述调整角度后的第一积痰影响系数,当所述第一患者由第一卧床姿势转变为第二卧床姿势后,跳整的卧床姿势的调整角度是影响呼吸道积痰速度的重要因素,根据所述第一积痰影响系数和所述第一积痰等级对所述第一患者的需要进行第一护理人员进行帮助的时间调整,以使得所述需求帮助的时间更加准确。
进一步的,所述根据所述第一偏差角度获得第一积痰影响系数,本申请实施例步骤S745还包括:
步骤S7451:获得第一信息采集指令;
步骤S7452:根据所述第一信息采集指令进行患者信息采集,获得患者信息集;
步骤S7453:根据所述患者信息集构建第一信息数据库;
步骤S7454:将所述第一偏差角度输入所述第一信息数据库,获得与所述第一偏差角度对应的第一积痰影响系数。
具体而言,所述第一信息采集指令为对医院患者进行信息采集的指令,通过所述第一信息采集指令,对医院的患者进行信息采集,其中,所述采集的患者信息包括但不限于不同的患者在进行不同的偏差角度的卧床姿势调整后的积痰速度变化情况,其中,所述采集的信息还包括根据情况相近的患者构建的第一信息数据库,其中,所述第一信息数据库中包括卧床姿势调整后的偏差角度与积痰影响系数的对应关系,即在相近的身体情况的患者的不同卧床姿势变化的角度与积痰影响的系数之间的对应关系,将所述第一偏差角度输入到所述第一信息数据库,根据所述第一信息数据库获得与所述第一偏差角度匹配的积痰影响系数,根据所述第一信息数据库的构建,使得所述第一偏差角度与所述积痰影响系数的匹配结果更加准确,进而达到获得更加准确的需求护理人员进行帮助的时间,为保证所述第一患者的呼吸道健康夯实了基础。
进一步而言,本申请实施例还包括:
步骤S74541:获得所述第一患者的第三卧床姿势,其中,所述第三卧床姿势为所述第一护理人员辅助所述第一患者调整的卧床姿势;
步骤S74542:根据所述第三卧床姿势和所述第二卧床姿势获得第二偏差角度;
步骤S74543:获得第一预定偏差角度阈值;
步骤S74544:获得第三偏差角度,其中,所述第三偏差角度为所述第一偏差角度与所述第二偏差角度之和;
步骤S74545:判断所述第三偏差角度是否满足所述第一预定偏差角度阈值;
步骤S74546:当所述第三偏差角度不满足所述第一预定偏差角度阈值时,获得第一预警指令;
步骤S74547:根据所述第一预警指令提醒所述第一护理人员对所述第三卧床姿势进行调整。
具体而言,所述第一患者的第三卧床姿势为所述第一患者经过所述第一护理人员帮助后调整的卧床姿势,根据所述第三卧床姿势和所述第二卧床姿势获得第二偏差角度,所述第一预定偏差角度阈值为通过分析预定时间内的卧床姿势调整的总角度对积痰量的关系获得的预定偏差角度阈值,对所述第一偏差角度与所述第二偏差角度求和,获得第三偏差角度,其中,所述第三偏差角度为所述第一偏差角度与所述第二偏差角度之和,判断所述第三偏差角度是否能满足所述第一预定偏差角度阈值,当所述第三偏差角度不能满足所述第一预定偏差角度阈值时,表明所述护理人员对所述第一患者的卧床姿势调整范围较小,此时仍会存在积痰的风险,此时获得第一预警指令,根据所述第一预警指令提醒所述第一护理人员对所述第三卧床姿势进行调整。
进一步而言,本申请实施例还包括:
步骤S745471:根据所述第一卧床姿势与所述第三卧床姿势获得第四偏差角度;
步骤S745472:获得第二预定偏差角度阈值,其中,所述第二偏差角度阈值为分析卧床姿势调整与积痰回流量的关系获得的阈值;
步骤S745473:当所述第四偏差角度未超过所述第二预定偏差角度阈值时,获得第一排痰指令;
步骤S745474:根据所述第一排痰指令对所述第一患者进行排痰处理。
具体而言,通过所述第一患者的第一卧床姿势和所述第三卧床姿势获得第四偏差角度,所述第二预定偏差角度阈值为综合分析了所述卧床姿势与积痰回流量的关系获得的偏差角度阈值,即当所述卧床姿势的调整的角度在某一预定阈值范围内时,呼吸道本该随着卧床姿势的改变而慢慢散去的积痰,会产生积痰的回流,即所述卧床姿势的调整只起到了一部分的缓冲作用,并不能使得所述积痰散去,而往往由于对于积痰回流的忽略,导致患者呼吸道因积痰而造成感染,通过分析积痰回流与卧床姿势的调整的关系,获得第二预定偏差角度阈值,当所述第四偏差角度未超过所述第二预定偏差角度阈值时,获得第一排痰指令,通过所述排痰指令对所述第一患者进行排痰处理,所述排痰处理的方式依据所述第一患者的实际情况的不同,可以为体位引流排痰法、叩击排痰、胸骨上窝刺激排痰、负压吸引器排痰等。
进一步而言,本申请实施例还包括:
步骤S910:获得所述第一患者所在病房的的第一消毒频率;
步骤S920:根据所述第一患者的第一手术信息获得第一消毒频率阈值;
步骤S930:当所述第一患者所在病房存在第二患者时,根据所述第二患者的第二手术信息对所述第一消毒频率阈值进行调整,获得第二消毒频率阈值;
步骤S940:根据所述第二消毒频率阈值对所述第一消毒频率进行调整。
具体而言,所述第一消毒频率为所述第一患者的所在病房的消毒的频率,根据所述第一患者的手术信息获得所述第一患者的第一病房的最低的消毒频率,当所述第一患者的病房存在第二患者时,为避免所述第一患者与所述第二患者之间的交叉呼吸道感染,对所述第一消毒频率阈值进行调整,获得第二消毒频率阈值,根据所述第二消毒频率阈值对所述第一消毒频率进行调整,达到保证所述第一患者的呼吸道健康的技术效果。
综上所述,本申请实施例所提供的一种预防呼吸道感染的系统及方法具有如下技术效果:
1、由于采用了根据第一患者的第一基础信息和第一手术信息获得所述第一患者的第一活动能力评估结果,通过所述第一摄像装置获得所述第一患者的第一卧床姿势信息,将所述第一卧床姿势和所述第一基础信息输入第一评估模型,基于所述评估模型不断的进行自我修正和调整的特性,获得更加准确的所述第一患者在第一卧床姿势下的积痰等级情况,根据所述积痰等级对所述第一患者的积痰情况和第一活动能力进行评估,获得第一提醒时间,根据所述第一提醒时间提醒所述第一护理人员对所述第一患者的卧床姿势进行调整,达到结合患者的实际情况进行智能化的卧床姿势的调整,降低患者护理道感染风险,进而达到预防呼吸道感染的技术效果。
2、由于采用了通过对所述神经网络模型的监督学习的方式,进而使得所述神经网络模型处理所述输入信息更加准确,进而获得更加准确的所述第一患者的积痰等级,根据所述第一积痰等级,可以对所述第一患者的单位时间的积痰量进行准确的评估,为后续获得准确的帮助第一患者进行卧床姿势调整的时间夯实了基础。
3、由于采用了通过所述第一摄像装置对所述第一患者是否进行姿势调整的结果进行监控的方式,达到智能结合所述第一患者的实时情况,降低患者护理道感染风险,进而达到预防呼吸道感染的技术效果。
实施例二
基于与前述实施例中一种预防呼吸道感染的方法同样发明构思,本发明还提供了一种预防呼吸道感染的系统,如图2所示,所述系统包括:
第一获得单元11,所述第一获得单元11用于获得第一患者的第一基础信息;
第二获得单元12,所述第二获得单元12用于获得所述第一患者的第一手术信息;
第三获得单元13,所述第三获得单元13用于根据所述第一基础信息和所述第一手术信息获得所述第一患者的第一活动能力;
第四获得单元14,所述第四获得单元14用于通过所述第一摄像装置获得所述第一患者的第一图像信息,其中,所述第一图像信息包括所述第一患者的第一卧床姿势;
第一输入单元15,所述第一输入单元15用于将所述第一基础信息和所述第一图像信息输入第一评估模型,其中,所述第一评估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基础信息、所述第一图像信息和标识第一积痰等级的标识信息;
第五获得单元16,所述第五获得单元16用于获得所述第一评估模型的第一输出结果,其中,所述第一输出结果包括第一积痰等级;
第六获得单元17,所述第六获得单元17用于获得第一评估指令,根据所述第一评估指令对所述第一活动能力和所述第一积痰等级进行评估,根据评估结果获得第一提醒时间;
第一提醒单元18,所述第一提醒单元18用于根据所述第一提醒时间,提醒第一护理人员帮助所述第一患者调整卧床姿势。
进一步的,所述系统还包括:
第一构建单元,所述第一构建单元用于将所述第一活动能力作为横坐标,所述第一积痰等级作为纵坐标,构建直角坐标系;
第七获得单元,所述第七获得单元用于通过逻辑回归模型基于所述直角坐标系获得第一逻辑回归线,其中,所述逻辑回归模型的输出信息包括评估结果,所述评估结果包括位于所述第一逻辑回归线一侧的第一结果和位于所述逻辑回归线另一侧的第二结果,所述第一结果与所述第二结果不同;
第八获得单元,所述第八获得单元用于通过所述第一逻辑回归线获得评估结果;
第一判断单元,所述第一判断单元用于根据所述评估结果判断是否对所述第一护理人员进行提醒。
进一步的,所述系统还包括:
第九获得单元,所述第九获得单元用于当所述评估结果为第一结果时,获得第一图像采集指令;
第十获得单元,所述第十获得单元用于根据所述第一图像采集指令,通过所述第一摄像装置对所述第一患者进行图像采集,获得第二图像信息,所述第二图像信息包括所述第一患者的第二卧床姿势;
第十一获得单元,所述第十一获得单元用于获得第一分析指令;
第十二获得单元,所述第十二获得单元用于根据所述第一分析指令对所述第一图像信息和所述第二图像信息进行卧床姿势识别,获得第一偏差角度;
第十三获得单元,所述第十三获得单元用于根据所述第一偏差角度获得第一积痰影响系数;
第一调整单元,所述第一调整单元用于根据所述第一积痰影响系数和所述第一积痰等级对所述第一提醒时间进行调整。
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信息采集指令;
第十五获得单元,所述第十五获得单元用于根据所述第一信息采集指令进行患者信息采集,获得患者信息集;
第二构建单元,所述第二构建单元用于根据所述患者信息集构建第一信息数据库;
第二输入单元,所述第二输入单元用于将所述第一偏差角度输入所述第一信息数据库,获得与所述第一偏差角度对应的第一积痰影响系数。
进一步的,所述系统还包括:
第十六获得单元,所述第十六获得单元用于获得所述第一患者的第三卧床姿势,其中,所述第三卧床姿势为所述第一护理人员辅助所述第一患者调整的卧床姿势;
第十七获得单元,所述第十七获得单元用于根据所述第三卧床姿势和所述第二卧床姿势获得第二偏差角度;
第十八获得单元,所述第十八获得单元用于获得第一预定偏差角度阈值;
第十九获得单元,所述第十九获得单元用于获得第三偏差角度,其中,所述第三偏差角度为所述第一偏差角度与所述第二偏差角度之和;
第二判断单元,所述第二判断单元用于判断所述第三偏差角度是否满足所述第一预定偏差角度阈值;
第二十获得单元,所述第二十获得单元用于当所述第三偏差角度不满足所述第一预定偏差角度阈值时,获得第一预警指令;
第二调整单元,所述第二调整单元用于根据所述第一预警指令提醒所述第一护理人员对所述第三卧床姿势进行调整。
进一步的,所述系统还包括:
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卧床姿势与所述第三卧床姿势获得第四偏差角度;
第二十二获得单元,所述第二十二获得单元用于获得第二预定偏差角度阈值,其中,所述第二偏差角度阈值为分析卧床姿势调整与积痰回流量的关系获得的阈值;
第二十三获得单元,所述第二十三获得单元用于当所述第四偏差角度未超过所述第二预定偏差角度阈值时,获得第一排痰指令;
第一处理单元,所述第一处理单元用于根据所述第一排痰指令对所述第一患者进行排痰处理。
进一步的,所述系统还包括:
第二十四获得单元,所述第二十四获得单元用于获得所述第一患者所在病房的的第一消毒频率;
第二十五获得单元,所述第二十五获得单元用于根据所述第一患者的第一手术信息获得第一消毒频率阈值;
第二十六获得单元,所述第二十六获得单元用于当所述第一患者所在病房存在第二患者时,根据所述第二患者的第二手术信息对所述第一消毒频率阈值进行调整,获得第二消毒频率阈值;
第三调整单元,所述第三调整单元用于根据所述第二消毒频率阈值对所述第一消毒频率进行调整。
前述图1实施例一中的一种预防呼吸道感染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预防呼吸道感染的系统,通过前述对一种预防呼吸道感染的方法的详细描述,本领域技术人员可以清楚的知道本实施例中一种预防呼吸道感染的系统的实施方法,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预防呼吸道感染的方法的发明构思,本发明还提供一种预防呼吸道感染的系统,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预防呼吸道感染的系统的任一方法的步骤。
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预防呼吸道感染的系统,所述系统应用于一呼吸道感染预防系统,所述呼吸道感染预防系统与第一摄像装置通信连接,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患者的第一基础信息;第二获得单元,所述第二获得单元用于获得所述第一患者的第一手术信息;第三获得单元,所述第三获得单元用于根据所述第一基础信息和所述第一手术信息获得所述第一患者的第一活动能力;第四获得单元,所述第四获得单元用于通过所述第一摄像装置获得所述第一患者的第一图像信息,其中,所述第一图像信息包括所述第一患者的第一卧床姿势;第一输入单元,所述第一输入单元用于将所述第一基础信息和所述第一图像信息输入第一评估模型,其中,所述第一评估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基础信息、所述第一图像信息和标识第一积痰等级的标识信息;第五获得单元,所述第五获得单元用于获得所述第一评估模型的第一输出结果,其中,所述第一输出结果包括第一积痰等级;第六获得单元,所述第六获得单元用于获得第一评估指令,根据所述第一评估指令对所述第一活动能力和所述第一积痰等级进行评估,根据评估结果获得第一提醒时间;第一提醒单元,所述第一提醒单元用于根据所述第一提醒时间,提醒第一护理人员帮助所述第一患者调整卧床姿势。解决了现有技术中现有技术中对于行动不便的患者的卧床姿势调整不够智能,存在导致患者会出现呼吸道被感染的风险的技术问题,达到结合患者的实际情况进行智能化的卧床姿势的调整,降低患者护理道感染风险,进而达到预防呼吸道感染的技术效果。
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 (5)
1.一种预防呼吸道感染的系统,其中,所述系统应用于一呼吸道感染预防系统,所述呼吸道感染预防系统与第一摄像装置通信连接,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患者的第一基础信息;
第二获得单元,所述第二获得单元用于获得所述第一患者的第一手术信息;
第三获得单元,所述第三获得单元用于根据所述第一基础信息和所述第一手术信息获得所述第一患者的第一活动能力;
第四获得单元,所述第四获得单元用于通过所述第一摄像装置获得所述第一患者的第一图像信息,其中,所述第一图像信息包括所述第一患者的第一卧床姿势;
第一输入单元,所述第一输入单元用于将所述第一基础信息和所述第一图像信息输入第一评估模型,其中,所述第一评估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基础信息、所述第一图像信息和标识第一积痰等级的标识信息;
第五获得单元,所述第五获得单元用于获得所述第一评估模型的第一输出结果,其中,所述第一输出结果包括第一积痰等级;
第六获得单元,所述第六获得单元用于获得第一评估指令,根据所述第一评估指令对所述第一活动能力和所述第一积痰等级进行评估,根据评估结果获得第一提醒时间;
第一提醒单元,所述第一提醒单元用于根据所述第一提醒时间,提醒第一护理人员帮助所述第一患者调整卧床姿势;
所述系统还包括:
第一构建单元,所述第一构建单元用于将所述第一活动能力作为横坐标,所述第一积痰等级作为纵坐标,构建直角坐标系;
第七获得单元,所述第七获得单元用于通过逻辑回归模型基于所述直角坐标系获得第一逻辑回归线,其中,所述逻辑回归模型的输出信息包括评估结果,所述评估结果包括位于所述第一逻辑回归线一侧的第一结果和位于所述逻辑回归线另一侧的第二结果,所述第一结果与所述第二结果不同;
第八获得单元,所述第八获得单元用于通过所述第一逻辑回归线获得评估结果;
第一判断单元,所述第一判断单元用于根据所述评估结果判断是否对所述第一护理人员进行提醒;
所述系统还包括:
第九获得单元,所述第九获得单元用于当所述评估结果为第一结果时,获得第一图像采集指令;
第十获得单元,所述第十获得单元用于根据所述第一图像采集指令,通过所述第一摄像装置对所述第一患者进行图像采集,获得第二图像信息,所述第二图像信息包括所述第一患者的第二卧床姿势;
第十一获得单元,所述第十一获得单元用于获得第一分析指令;
第十二获得单元,所述第十二获得单元用于根据所述第一分析指令对所述第一图像信息和所述第二图像信息进行卧床姿势识别,获得第一偏差角度;
第十三获得单元,所述第十三获得单元用于根据所述第一偏差角度获得第一积痰影响系数;
第一调整单元,所述第一调整单元用于根据所述第一积痰影响系数和所述第一积痰等级对所述第一提醒时间进行调整;
所述系统还包括:
第十六获得单元,所述第十六获得单元用于获得所述第一患者的第三卧床姿势,其中,所述第三卧床姿势为所述第一护理人员辅助所述第一患者调整的卧床姿势;
第十七获得单元,所述第十七获得单元用于根据所述第三卧床姿势和所述第二卧床姿势获得第二偏差角度;
第十八获得单元,所述第十八获得单元用于获得第一预定偏差角度阈值;
第十九获得单元,所述第十九获得单元用于获得第三偏差角度,其中,所述第三偏差角度为所述第一偏差角度与所述第二偏差角度之和;
第二判断单元,所述第二判断单元用于判断所述第三偏差角度是否满足所述第一预定偏差角度阈值;
第二十获得单元,所述第二十获得单元用于当所述第三偏差角度不满足所述第一预定偏差角度阈值时,获得第一预警指令;
第二调整单元,所述第二调整单元用于根据所述第一预警指令提醒所述第一护理人员对所述第三卧床姿势进行调整;
所述系统还包括:
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卧床姿势与所述第三卧床姿势获得第四偏差角度;
第二十二获得单元,所述第二十二获得单元用于获得第二预定偏差角度阈值,其中,所述第二偏差角度阈值为分析卧床姿势调整与积痰回流量的关系获得的阈值;
第二十三获得单元,所述第二十三获得单元用于当所述第四偏差角度未超过所述第二预定偏差角度阈值时,获得第一排痰指令;
第一处理单元,所述第一处理单元用于根据所述第一排痰指令对所述第一患者进行排痰处理。
2.如权利要求1所述的系统,其中,所述第十三获得单元还包括:
第十四获得单元,所述第十四获得单元用于获得第一信息采集指令;
第十五获得单元,所述第十五获得单元用于根据所述第一信息采集指令进行患者信息采集,获得患者信息集;
第二构建单元,所述第二构建单元用于根据所述患者信息集构建第一信息数据库;
第二输入单元,所述第二输入单元用于将所述第一偏差角度输入所述第一信息数据库,获得与所述第一偏差角度对应的第一积痰影响系数。
3.如权利要求1所述的系统,其中,所述系统还包括:
第二十四获得单元,所述第二十四获得单元用于获得所述第一患者所在病房的的第一消毒频率;
第二十五获得单元,所述第二十五获得单元用于根据所述第一患者的第一手术信息获得第一消毒频率阈值;
第二十六获得单元,所述第二十六获得单元用于当所述第一患者所在病房存在第二患者时,根据所述第二患者的第二手术信息对所述第一消毒频率阈值进行调整,获得第二消毒频率阈值;
第三调整单元,所述第三调整单元用于根据所述第二消毒频率阈值对所述第一消毒频率进行调整。
4.一种预防呼吸道感染的方法,其中,所述方法包括:
获得第一患者的第一基础信息;
获得所述第一患者的第一手术信息;
根据所述第一基础信息和所述第一手术信息获得所述第一患者的第一活动能力;
通过第一摄像装置获得所述第一患者的第一图像信息,其中,所述第一图像信息包括所述第一患者的第一卧床姿势;
将所述第一基础信息和所述第一图像信息输入第一评估模型,其中,所述第一评估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基础信息、所述第一图像信息和标识第一积痰等级的标识信息;
获得所述第一评估模型的第一输出结果,其中,所述第一输出结果包括第一积痰等级;
获得第一评估指令,根据所述第一评估指令对所述第一活动能力和所述第一积痰等级进行评估,根据评估结果获得第一提醒时间;
根据所述第一提醒时间,提醒第一护理人员帮助所述第一患者调整卧床姿势;
所述方法包括:
步骤S710:将第一活动能力作为横坐标,第一积痰等级作为纵坐标,构建直角坐标系;步骤S720:通过逻辑回归模型基于直角坐标系获得第一逻辑回归线,其中,逻辑回归模型的输出信息包括评估结果,评估结果包括位于所述第一逻辑回归线一侧的第一结果和位于所述逻辑回归线另一侧的第二结果,第一结果与所述第二结果不同;步骤S730:通过第一逻辑回归线获得所述评估结果;步骤S740:根据评估结果判断是否对第一护理人员进行提醒;
所述方法包括:
步骤S741:当所述评估结果为第一结果时,获得第一图像采集指令;步骤S742:根据所述第一图像采集指令,通过所述第一摄像装置对所述第一患者进行图像采集,获得第二图像信息,所述第二图像信息包括所述第一患者的第二卧床姿势;步骤S743:获得第一分析指令;步骤S744:根据所述第一分析指令对所述第一图像信息和所述第二图像信息进行卧床姿势识别,获得第一偏差角度;步骤S745:根据所述第一偏差角度获得第一积痰影响系数;步骤S746:根据所述第一积痰影响系数和所述第一积痰等级对所述第一提醒时间进行调整;
所述方法包括:步骤S74541:获得所述第一患者的第三卧床姿势,其中,所述第三卧床姿势为所述第一护理人员辅助所述第一患者调整的卧床姿势;步骤S74542:根据所述第三卧床姿势和所述第二卧床姿势获得第二偏差角度;步骤S74543:获得第一预定偏差角度阈值;步骤S74544:获得第三偏差角度,其中,所述第三偏差角度为所述第一偏差角度与所述第二偏差角度之和;步骤S74545:判断所述第三偏差角度是否满足所述第一预定偏差角度阈值;步骤S74546:当所述第三偏差角度不满足所述第一预定偏差角度阈值时,获得第一预警指令;步骤S74547:根据所述第一预警指令提醒所述第一护理人员对所述第三卧床姿势进行调整;
所述方法包括:
步骤S745471:根据所述第一卧床姿势与所述第三卧床姿势获得第四偏差角度;步骤S745472:获得第二预定偏差角度阈值,其中,所述第二偏差角度阈值为分析卧床姿势调整与积痰回流量的关系获得的阈值;步骤S745473:当所述第四偏差角度未超过所述第二预定偏差角度阈值时,获得第一排痰指令;步骤S745474:根据所述第一排痰指令对所述第一患者进行排痰处理。
5.一种预防呼吸道感染的系统,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1-3任一项所述系统的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110152024.9A CN112951408B (zh) | 2021-02-03 | 2021-02-03 | 一种预防呼吸道感染的系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110152024.9A CN112951408B (zh) | 2021-02-03 | 2021-02-03 | 一种预防呼吸道感染的系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112951408A CN112951408A (zh) | 2021-06-11 |
CN112951408B true CN112951408B (zh) | 2023-09-29 |
Family
ID=76243573
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110152024.9A Active CN112951408B (zh) | 2021-02-03 | 2021-02-03 | 一种预防呼吸道感染的系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112951408B (zh) |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109118522B (zh) * | 2018-10-22 | 2023-03-21 | 首都医科大学附属北京同仁医院 | 一种呼吸道纤毛运动特征分析方法和装置 |
CN109712719A (zh) * | 2018-12-29 | 2019-05-03 | 杭州平普智能科技有限公司 | 一种基于传染病源的人群隔离方法和装置 |
CN111933299B (zh) * | 2020-08-14 | 2023-09-15 | 中国工商银行股份有限公司 | 传染病感染风险评估方法和装置、电子设备以及存储介质 |
CN112309529B (zh) * | 2020-11-02 | 2022-11-04 | 常州市第一人民医院 | 一种基于人工智能的感染控制管理方法及系统 |
CN112289456B (zh) * | 2020-11-02 | 2022-02-18 | 无锡市第五人民医院 | 一种肌肉注射并发症预防系统及方法 |
-
2021
- 2021-02-03 CN CN202110152024.9A patent/CN112951408B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN112951408A (zh) | 2021-06-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116580830B (zh) | 一种基于云平台的远程智能医疗服务系统 | |
CN115040093A (zh) | 一种用于内科高龄患者的护理干预方法及系统 | |
CN112712882A (zh) | 一种提高重症护理管理水平的方法和系统 | |
CN112289423A (zh) | 一种基于智慧社区病患的复诊及康复的方法及系统 | |
CN112951408B (zh) | 一种预防呼吸道感染的系统及方法 | |
CN112992355A (zh) | 一种食管癌患者的术前评估方法及系统 | |
CN114974485A (zh) | 一种慢病智能化管理方法及系统 | |
CN113100711B (zh) | 一种临产产妇健康状况实时追踪的方法和系统 | |
CN112489806B (zh) | 一种糖尿病足患者病状信息智能化管理方法及系统 | |
CN113261945A (zh) | 用于监测压疮的监测系统、装置及计算机实施方法 | |
CN108122232B (zh) | 一种医用夹板患处不同动作的智能识别方法 | |
CN114052724B (zh) | 基于人工智能的骨科牵引异常检测系统 | |
CN116741337A (zh) | 一种造口术后护理监控系统、方法及存储介质 | |
CN113053482B (zh) | 一种肾内科患者的体征监测分析系统及方法 | |
CN112992312B (zh) | 一种脊髓损伤康复训练合格监测方法及系统 | |
CN112908472B (zh) | 一种慢性溃疡感染风险评估方法及系统 | |
CN113052122A (zh) | 一种血透室消毒效果检测系统及方法 | |
CN112116967B (zh) | 一种提高尿液样本收集效率的信息处理方法和装置 | |
CN115346648A (zh) | 一种手术室护理风险评估方法及系统 | |
CN112309529B (zh) | 一种基于人工智能的感染控制管理方法及系统 | |
CN113130070B (zh) | 一种颅脑疾患的综合诊断方法及系统 | |
CN114067972A (zh) | 一种手术室的安全卫生管理方法及系统 | |
CN112420208B (zh) | 一种医护人员疫情防护监测方法及系统 | |
CN112908479B (zh) | 一种慢性伤口的智能分类评估方法及系统 | |
CN112401846B (zh) | 一种口腔内粘膜的护理系统及方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |