CN112957017B - 一种昏迷患者的实时体征监测方法及系统 - Google Patents

Abstract

本发明公开了一种昏迷患者的实时体征监测方法及系统，获得第一用户的第一体征信息；根据第一用户信息获得第一用户监测数据集；获得第一用户肌肉反应数据集、第一用户呼吸监测数据集、第一用户脑部血流数据集；根据第一用户肌肉反应数据集、第一用户呼吸监测数据集、第一用户脑部血流数据集和第一体征信息，获得体征变化信息；当体征变化信息满足第一预定条件时获得第一反馈信息；将第一用户监测数据集、体征变化信息输入病情评估模型获得用户病情发展预测结果；根据体征变化信息、用户病情发展预测结果生成体征监测报告。解决现有技术对于昏迷患者的监测主要停留在表面的症状和体征数据中，存在对于深层的体征数据分析缺乏有效监测的技术问题。

Description

一种昏迷患者的实时体征监测方法及系统

技术领域

本发明涉及数据分析技术领域，尤其涉及一种昏迷患者的实时体征监测方法及系统。

背景技术

昏迷是完全意识丧失的一种类型，是临床上的危重症。昏迷的发生，提示患者的脑皮质功能发生了严重障碍。主要表现为完全意识丧失，随意运动消失，对外界的刺激的反应迟钝或丧失，但患者还有呼吸和心跳。还有一种昏迷称为醒状昏迷，亦称“瞪眼昏迷”或“去皮质状态”。患者主要表现为睁眼闭眼自如，眼球处在无目的的漫游状态，容易使人误解为患者的意识存在。昏迷患者的护理措施比较复杂，有很多需要特别注意的地方，一要针对患者的生命体征进行监测，生命体征主要有体温，脉搏，血压，心率，呼吸，血氧饱和度，特别是血压，呼吸和血氧饱和度的平稳是维持患者生命体征的最基本的支持。

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：

现有技术中对于昏迷患者的监测主要停留在表面的症状和体征数据中，存在对于深层的体征数据分析缺乏有效监测的技术问题。

发明内容

本申请实施例通过提供一种昏迷患者的实时体征监测方法及系统，解决了现有技术中对于昏迷患者的监测主要停留在表面的症状和体征数据中，存在对于深层的体征数据分析缺乏有效监测的技术问题。

鉴于上述问题，提出了本申请实施例提供一种昏迷患者的实时体征监测方法及系统。

第一方面，本申请实施例提供了一种昏迷患者的实时体征监测方法，应用于一体征监测装置中，所述体征监测装置包括肌肉反应监测模块、呼吸监测模块、脑部血流监测模块、中央控制模块，所述肌肉反应监测模块、呼吸监测模块、脑部血流监测模块与所述中央控制模块连接，所述方法包括：通过所述体征监测装置获得第一用户的第一体征信息；获得第一用户信息；根据所述第一用户信息，获得第一用户监测数据集；通过所述肌肉反应监测模块，获得第一用户肌肉反应数据集；通过所述呼吸监测模块获得第一用户呼吸监测数据集；通过所述脑部血流监测模块获得第一用户脑部血流数据集；根据所述第一用户肌肉反应数据集、所述第一用户呼吸监测数据集、所述第一用户脑部血流数据集和所述第一体征信息，获得体征变化信息；当所述体征变化信息满足第一预定条件时，获得第一反馈信息；将所述第一用户监测数据集、所述体征变化信息输入病情评估模型，获得用户病情发展预测结果；根据所述体征变化信息、所述用户病情发展预测结果、所述第一反馈信息，生成第一用户体征监测报告。

另一方面，本申请还提供了一种昏迷患者的实时体征监测系统，所述系统包括：第一获得单元，所述第一获得单元用于通过体征监测装置获得第一用户的第一体征信息；第二获得单元，所述第二获得单元用于获得第一用户信息；第三获得单元，所述第三获得单元用于根据所述第一用户信息，获得第一用户监测数据集；第四获得单元，所述第四获得单元用于通过肌肉反应监测模块，获得第一用户肌肉反应数据集；第五获得单元，所述第五获得单元用于通过呼吸监测模块获得第一用户呼吸监测数据集；第六获得单元，所述第六获得单元用于通过脑部血流监测模块获得第一用户脑部血流数据集；第七获得单元，所述第七获得单元用于根据所述第一用户肌肉反应数据集、所述第一用户呼吸监测数据集、所述第一用户脑部血流数据集和所述第一体征信息，获得体征变化信息；第八获得单元，所述第八获得单元用于当所述体征变化信息满足第一预定条件时，获得第一反馈信息；第一执行单元，所述第一执行单元用于将所述第一用户监测数据集、所述体征变化信息输入病情评估模型，获得用户病情发展预测结果；第一报告单元，所述第一报告单元用于根据所述体征变化信息、所述用户病情发展预测结果、所述第一反馈信息，生成第一用户体征监测报告。

第三方面，本发明提供了一种昏迷患者的实时体征监测系统，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：

本申请实施例提供了一种昏迷患者的实时体征监测方法及系统，应用于一体征监测装置中，所述体征监测装置包括肌肉反应监测模块、呼吸监测模块、脑部血流监测模块、中央控制模块，所述肌肉反应监测模块、呼吸监测模块、脑部血流监测模块与所述中央控制模块连接，通过所述体征监测装置获得第一用户的第一体征信息；获得第一用户信息；根据所述第一用户信息，获得第一用户监测数据集；通过所述肌肉反应监测模块，获得第一用户肌肉反应数据集；通过所述呼吸监测模块获得第一用户呼吸监测数据集；通过所述脑部血流监测模块获得第一用户脑部血流数据集；根据所述第一用户肌肉反应数据集、所述第一用户呼吸监测数据集、所述第一用户脑部血流数据集和所述第一体征信息，获得体征变化信息；当所述体征变化信息满足第一预定条件时，获得第一反馈信息；将所述第一用户监测数据集、所述体征变化信息输入病情评估模型，获得用户病情发展预测结果；将用户的体征变化数据、病情发展预测结果生成对应的第一用户体征监测报告，根据第一反馈信息将第一用户体征监测报告发送至医护人员、患者的监护人、联系人等，使其了解患者的变化情况，而不是焦急等待，通常对于昏迷的患者或者重症患者家属是不能及时掌握病情的，这样能够帮助患者家属及时掌握患者的发展动态，对于可以陪在身边的患者家属，也可以掌握深入的监测数据的分析结果，确定患者的状态，实现利用患者深度的监测数据进行病情分析，及时掌握和分析病情的发展发现，有利于患者的治疗，从而解决了现有技术中对于昏迷患者的监测主要停留在表面的症状和体征数据中，存在对于深层的体征数据分析缺乏有效监测的技术问题。达到了通过用户体征的监测变化数据结合患者自身状态定制的第一用户监测数据集进行分析处理，确定用户病情发展的状态，从而提高体征监测水平的技术效果。

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昏迷患者的实时体征监测方法的流程示意图；

图2为本申请实施例一种昏迷患者的实时体征监测系统的结构示意图；

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，第五获得单元15，第六获得单元16，第七获得单元17，第八获得单元18，第一执行单元19，第一报告单元20，总线300，接收器301，处理器302，发送器303，存储器304，总线接口305。

具体实施方式

本申请实施例通过提供一种昏迷患者的实时体征监测方法及系统，解决了现有技术中对于昏迷患者的监测主要停留在表面的症状和体征数据中，存在对于深层的体征数据分析缺乏有效监测的技术问题。达到了通过用户体征的监测变化数据结合患者自身状态定制的第一用户监测数据集进行分析处理，确定用户病情发展的状态，从而提高体征监测水平的技术效果。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

昏迷是完全意识丧失的一种类型，是临床上的危重症。昏迷的发生，提示患者的脑皮质功能发生了严重障碍。主要表现为完全意识丧失，随意运动消失，对外界的刺激的反应迟钝或丧失，但患者还有呼吸和心跳。还有一种昏迷称为醒状昏迷，亦称“瞪眼昏迷”或“去皮质状态”。患者主要表现为睁眼闭眼自如，眼球处在无目的的漫游状态，容易使人误解为患者的意识存在。昏迷患者的护理措施比较复杂，有很多需要特别注意的地方，一要针对患者的生命体征进行监测，生命体征主要有体温，脉搏，血压，心率，呼吸，血氧饱和度，特别是血压，呼吸和血氧饱和度的平稳是维持患者生命体征的最基本的支持。但现有技术中对于昏迷患者的监测主要停留在表面的症状和体征数据中，存在对于深层的体征数据分析缺乏有效监测的技术问题。

针对上述技术问题，本申请提供的技术方案总体思路如下：

通过所述体征监测装置获得第一用户的第一体征信息；获得第一用户信息；根据所述第一用户信息，获得第一用户监测数据集；通过所述肌肉反应监测模块，获得第一用户肌肉反应数据集；通过所述呼吸监测模块获得第一用户呼吸监测数据集；通过所述脑部血流监测模块获得第一用户脑部血流数据集；根据所述第一用户肌肉反应数据集、所述第一用户呼吸监测数据集、所述第一用户脑部血流数据集和所述第一体征信息，获得体征变化信息；当所述体征变化信息满足第一预定条件时，获得第一反馈信息；将所述第一用户监测数据集、所述体征变化信息输入病情评估模型，获得用户病情发展预测结果；根据所述体征变化信息、所述用户病情发展预测结果、所述第一反馈信息，生成第一用户体征监测报告。达到了通过用户体征的监测变化数据结合患者自身状态定制的第一用户监测数据集进行分析处理，确定用户病情发展的状态，从而提高体征监测水平的技术效果。

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昏迷患者的实时体征监测方法，应用于一体征监测装置中，所述体征监测装置包括肌肉反应监测模块、呼吸监测模块、脑部血流监测模块、中央控制模块，所述肌肉反应监测模块、呼吸监测模块、脑部血流监测模块与所述中央控制模块连接，所述方法包括：

本申请实施例利用智能体征监测装置对昏迷患者的体征进行实时监测，通过智能体征监测装置中的各智能模块对昏迷患者的昏迷体征数据进行采集，将采集到的体征数据按照昏迷患者个人的资料进行数据分析，实时掌握昏迷患者的体征变化，以便于及时发现患者的病情发展而做出及时处理，提高对昏迷患者体征监测数据的可靠性和实际应用性，提高监测管理水平。体征监测装置可以通过穿戴的方式也可以通过监测环、监测贴等方式与用户建立连接，其中，体征监测装置包括肌肉反应监测模块、呼吸监测模块、脑部血流监测模块、中央控制模块，肌肉反应监测模块用于监测用户的肌肉反应情况、肌肉弹性等数据，呼吸监测模块用于监测用户的呼吸数据，脑部血流监测模块对于对昏迷患者的颅内血流数据进行监测，通过脑部血管中血流的变化可以对昏迷患者的状况进行监测，中央控制模块与其他采集监测模块连接，将采集到的数据进行接收、分析处理、存储、发送、生成控制指令等，根据监测患者的体征状态还可以添加其他对应的监测模块，这里对于常规的监测模块不做具体描述，如血压模型。

步骤S100：通过所述体征监测装置获得第一用户的第一体征信息；

具体而言，第一体征信息中包含了体征监测装置监测的所有类别的体征数据，为第一用户刚开始进行体征监测时的初始体征监测数据。

步骤S200：获得第一用户信息；

具体而言，第一用户信息为第一用户的个人身份资料、姓名、年龄、历史病历、病症介绍、历史检查数据、家庭联系账户、积极联系人等个人信息。

步骤S300：根据所述第一用户信息，获得第一用户监测数据集；

进一步而言，所述根据所述第一用户信息，获得第一用户监测数据集，包括：根据所述第一用户信息，获得第一用户历史病历；根据所述第一用户历史病历，获得第一用户敏感器官；根据所述第一用户历史病历、所述第一用户敏感器官，获得第一器官监测数据；获得预设监测数据集；根据所述预设监测数据集、所述第一用户历史病历，获得第二监测数据；根据所述第一器官监测数据、所述第二监测数据，获得所述第一用户监测数据集。

进一步而言，所述根据所述第一用户历史病历、所述第一用户敏感器官，获得第一器官监测数据，包括：根据所述第一用户敏感器官，获得第一影响因素；根据所述第一影响因素，获得第一因素来源信息；获得第一环境信息；判断所述第一环境信息是否存在所述第一因素来源信息；当存在时，根据所述第一因素来源信息、所述第一环境信息，获得第一环境因素信息；根据所述第一环境因素信息、所述第一环境信息，获得第一影响概率；根据所述第一用户历史病历，获得第一器官预设数据；根据所述第一影响概率、所述第一器官预设数据，获得所述第一器官监测数据。

进一步而言，所述根据所述第一用户历史病历、所述第一用户敏感器官，获得第一器官监测数据之前，包括：根据所述第一用户敏感器官，所述第一用户历史病历，获得第一用户器官等级；根据所述第一用户敏感器官，获得第一器官体征权重；根据所述第一用户器官等级、所述第一器官体征权重，获得第一器官体征影响率；当所述第一器官体征影响率满足第二预定条件时，根据所述第一用户历史病历、所述第一用户敏感器官，获得所述第一器官监测数据。

具体而言，根据第一用户信息中的病历、历史病历数据，确定该用户的病情状况和哪些器官为敏感器官，即患有病情、或者敏感脆弱的器官，对于不同的用户身体状态不同，敏感器官不同对应了不同的监测数值要求，对于敏感器官为监测体征的重要数值或者关于生命体征的重要指标，则针对该敏感器官对应的自身身体状态对应的数据制定第一用户监测数据集，第一用户监测数据集中是针对第一用户的个人身体特征定制的监测要求，其中包括了生命体征监测的所有数据，若存在敏感或者患病的特殊器官则按照个人特点进行对应的定制，若没有特殊的身体要求则按照常规的数据进行定制，在定制监测数据中还考虑到，敏感器官的身体数据变化受到环境因素的影响，则对患者所处的环境进行影响因素的提取，对影响因素对身体体征数据的影响情况来定制对应的数据。当然对于用户的敏感器官对于生命体征不起到影响作用，即第一器官体征权重极小，此时可以不计入第一用户监测数据集制定的影响因素中，所以先对敏感器官的敏感等级结合对生命体征的影响程度进行判断，若其病症等级高会影响到生命体征，或者该敏感器官对于生命体征存在影响时，将敏感器官的个人身体状态进行参考对体征监测数据要求进行调整，或者增加对应的监测数值，反之则取消。

步骤S400：通过所述肌肉反应监测模块，获得第一用户肌肉反应数据集；

具体而言，通过肌肉反应监测模块对第一用户对于外界的声音、气味、接触或者药物等做出身体肌肉反应的监测，如对患者说话，患者的肌肉存在用力紧实的状态等，或者对肌肉的弹性进行对应的监控，对于长期昏迷的患者会出现肌肉萎缩的现象，因而通过肌肉反应监测模块一方面对肌肉的状态进行监测避免萎缩，另一方面对于患者对外界的刺激出现的肌肉变化进行对应的监测。

步骤S500：通过所述呼吸监测模块获得第一用户呼吸监测数据集；

具体而言，呼吸监测模块对患者的呼吸频率、呼吸速度、呼吸力度等基本数据进行采集，通常呼吸数据变化不大，当出现呼吸变化时，需要及时进行处理。

步骤S600：通过所述脑部血流监测模块获得第一用户脑部血流数据集；

具体而言，脑部血流监测模块对颅内血流数据进行采集，通过患者颅内血管中血流的速度、变化数据等能够对患者的生命体征进行有效监测，举例而言，脑部血流监测模块可以通过经颅多普勒TCD进行采集，TCD主要以血流速度的高低来评定血流状况，由于大脑动脉在同等情况下脑血管的内径相对来说几乎固定不变，根据脑血流速度的降低或增高就可以推测局部脑血流量的相应改变。观察不同病因、不同程度昏迷病人的TCD特点，颅内血流变化结果：浅昏迷患者的TCD表现无特征性改变，当出现中度昏迷或深昏迷时，内幕下结构损害，代谢及弥漫性脑病患者大脑中动脉血流速度改变不明显，但死亡病人多出现收缩期末血流速低于舒张期末血流速，颅内幕下结构损害，代谢及弥漫性脑病患者脑血流变化不明显，中度昏迷及深昏迷患者出现收缩期末血流速低于舒张期末血流速多提示脑血管自动调节功能丧失，将发展不佳。

步骤S700：根据所述第一用户肌肉反应数据集、所述第一用户呼吸监测数据集、所述第一用户脑部血流数据集和所述第一体征信息，获得体征变化信息；

进一步而言，所述根据所述第一用户肌肉反应数据集、所述第一用户呼吸监测数据集、所述第一用户脑部血流数据集和所述第一体征信息，获得体征变化信息，包括：根据所述第一体征信息，获得第一肌肉反应信息；根据所述第一用户肌肉反应数据集，获得肌肉反应数据变化规律；根据所述第一肌肉反应信息、所述第一用户肌肉反应数据集，获得第二肌肉反应信息，其中，所述第二肌肉反应信息与所述第一肌肉反应信息不同；根据所述第二肌肉反应信息、所述肌肉反应数据变化规律，获得第一相关性；当所述第一相关性不满足第三预定条件时，获得肌肉反应变化数据，并发出第一提醒信息；根据所述第一用户呼吸监测数据集，获得呼吸数据变化信息；当所述呼吸数据变化信息不满足第四预定条件时，获得第二提醒信息；根据所述第一体征信息，获得第一脑部血流信息；根据所述第一用户脑部血流数据集、所述第一脑部血流信息，获得脑部血流变化信息；根据所述肌肉反应变化数据、所述呼吸数据变化信息、所述脑部血流变化信息，获得所述体征变化信息。

进一步而言，所述方法包括：根据所述第二肌肉反应信息，获得第一反应时间；根据所述第一反应时间，获得第一反应事件；根据所述第一反应事件，获得第一事件属性；根据所述第一反应事件、所述第一事件属性，获得第二反应事件，所述第二反应事件与所述第一反应事件具有相关性；根据所述第二反应事件、所述第一用户肌肉反应数据集，获得第三肌肉反应信息；根据所述第三肌肉反应信息，获得反应变化数据；当所述反应变化数据满足第四预定条件时，获得第三提醒信息。

具体而言，根据第一体征信息中的对应体征数据与监测到各体征数据进行对比，当出现与第一体征信息中的数据发生变化，且变化程度达到了对应的指标变化要求时，发送提醒信息，用于提醒监护人员当前用户体征发生变化，需要及时进行关注，此时将用户的体征变化数据的分析结果发送给监护人员，如患者肌肉出现反应，此时脑部血流数据也对应发生了变化，说明患者意识有好转迹象，将对应的数据变化和分析数据与提醒信息一同进行发送。于此同时根据患者的变化数据找到对应的时间点，确定发送变化时出现的事件，根据该事件，在数据集中找到对应的同属性的事件对应的数据即第三肌肉反应信息，还可以多个，若第三肌肉反应信息同样获得了对应的反应变化数据，即变化量满足预定条件时，表明该事件对于患者有一定的刺激作用，该作用可以是有利的也可以是不利的，对于有利的结果进行利用，对于不利的进行避免，实现通过采集的数据集进行数据分析，通过数据变化来确定影响事件而对患者的体征状态进行监测，及时了解患者的深层次的反应变化，及时为患者治疗提供有力推进作用。

步骤S800：当所述体征变化信息满足第一预定条件时，获得第一反馈信息；

具体而言，当体征变化信息满足了预定条件时，通常预定条件不能太小，对于过小的数据变化其利用价值有限，当达到了一定标准的变化时，则表明患者出现了体征改变，当然也可以根据不同的体征特点设定不同的预定条件，将其汇总为第一预定条件，分别对不同的体征变化信息进行对比，如呼吸变化出现一点反应则一样需要进行反馈，根据不同体征的变化要求进行反馈，及时掌握患者的变化，通过深入内在数据的变化进行体征分析，能够更快速掌握患者的体征数据，通常先由内在的数据变化积累才能通过外在进行表现，因而通过深入的数据变化分析相对于通过外在表现进行监测具有更及时、高效的特点，从而解决了现有技术中对于昏迷患者的监测主要停留在表面的症状和体征数据中，存在对于深层的体征数据分析缺乏有效监测的技术问题。

步骤S900：将所述第一用户监测数据集、所述体征变化信息输入病情评估模型，获得用户病情发展预测结果；

进一步而言，所述将所述第一用户监测数据集、所述体征变化信息输入病情评估模型，获得用户病情发展预测结果，包括：将所述第一用户监测数据集作为第一输入信息；将所述体征变化信息为第二输入信息；将所述第一输入信息和所述第二输入信息输入病情评估模型，其中，所述病情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：所述第一输入信息、所述第二输入信息和标识所述用户病情发展预测结果的标识信息；获得所述病情评估模型的输出信息，所述输出信息包括所述用户病情发展预测结果。

具体而言，根据第一用户监测数据集中的要求与体征变化信息中的数据变化分析当前患者的病症是否存在好转或者恶化的情况，好转概率、恶化概率等对应的预测结果作为用户病情发展预测结果，为了提高分析结果的准确性，本申请实施例构建神经网络模型进行处理，利用数学模型进行运算处理，以提高运算速度，同时提高提取结果的准确性，所述病情评估模型为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。通过大量训练数据的训练，将所述第一输入信息和所述第二输入信息输入神经网络模型，则输出用户病情发展预测结果。

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输入信息和所述第二输入信息和标识所述用户病情发展预测结果的标识信息，将所述第一输入信息和所述第二输入信息输入到神经网络模型中，根据用来标识所述用户病情发展预测结果的标识信息，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、适合的用户病情发展预测结果，进而达到通过用户体征的监测变化数据结合患者自身状态定制的第一用户监测数据集进行分析处理，确定用户病情发展的状态，从而提高体征监测水平，同时加入神经网络模型提高了数据运算处理结果的效率和准确度，为提供更加准确的病症发展预测夯实了基础。

步骤S1000：根据所述体征变化信息、所述用户病情发展预测结果、所述第一反馈信息，生成第一用户体征监测报告。

具体而言，将用户的体征变化数据、病情发展预测结果生成对应的第一用户体征监测报告，根据第一反馈信息将第一用户体征监测报告发送至医护人员、患者的监护人、联系人等，使其了解患者的变化情况，而不是焦急等待，通常对于昏迷的患者或者重症患者家属是不能及时掌握病情的，这样能够帮助患者家属及时掌握患者的发展动态，对于可以陪在身边的患者家属，也可以掌握深入的监测数据的分析结果，确定患者的状态，实现利用患者深度的监测数据进行病情分析，及时掌握和分析病情的发展发现，有利于患者的治疗，从而解决了现有技术中对于昏迷患者的监测主要停留在表面的症状和体征数据中，存在对于深层的体征数据分析缺乏有效监测的技术问题。达到了通过用户体征的监测变化数据结合患者自身状态定制的第一用户监测数据集进行分析处理，确定用户病情发展的状态，从而提高体征监测水平的技术效果。

实施例二

基于与前述实施例中一种昏迷患者的实时体征监测方法同样发明构思，本发明还提供了一种昏迷患者的实时体征监测系统，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用于通过体征监测装置获得第一用户的第一体征信息；

第二获得单元12，所述第二获得单元12用于获得第一用户信息；

第三获得单元13，所述第三获得单元13用于根据所述第一用户信息，获得第一用户监测数据集；

第四获得单元14，所述第四获得单元14用于通过肌肉反应监测模块，获得第一用户肌肉反应数据集；

第五获得单元15，所述第五获得单元15用于通过呼吸监测模块获得第一用户呼吸监测数据集；

第六获得单元16，所述第六获得单元16用于通过脑部血流监测模块获得第一用户脑部血流数据集；

第七获得单元17，所述第七获得单元17用于根据所述第一用户肌肉反应数据集、所述第一用户呼吸监测数据集、所述第一用户脑部血流数据集和所述第一体征信息，获得体征变化信息；

第八获得单元18，所述第八获得单元18用于当所述体征变化信息满足第一预定条件时，获得第一反馈信息；

第一执行单元19，所述第一执行单元19用于将所述第一用户监测数据集、所述体征变化信息输入病情评估模型，获得用户病情发展预测结果；

第一报告单元20，所述第一报告单元20用于根据所述体征变化信息、所述用户病情发展预测结果、所述第一反馈信息，生成第一用户体征监测报告。

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根据所述第一用户信息，获得第一用户历史病历；

第十获得单元，所述第十获得单元用于根据所述第一用户历史病历，获得第一用户敏感器官；

第十一获得单元，所述第十一获得单元用于根据所述第一用户历史病历、所述第一用户敏感器官，获得第一器官监测数据；

第十二获得单元，所述第十二获得单元用于获得预设监测数据集；

第十三获得单元，所述第十三获得单元用于根据所述预设监测数据集、所述第一用户历史病历，获得第二监测数据；

第十四获得单元，所述第十四获得单元用于根据所述第一器官监测数据、所述第二监测数据，获得所述第一用户监测数据集。

进一步的，所述系统还包括：

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敏感器官，获得第一影响因素；

第十六获得单元，所述第十六获得单元用于根据所述第一影响因素，获得第一因素来源信息；

第十七获得单元，所述第十七获得单元用于获得第一环境信息；

第一判断单元，所述第一判断单元用于判断所述第一环境信息是否存在所述第一因素来源信息；

第十八获得单元，所述第十八获得单元用于当存在时，根据所述第一因素来源信息、所述第一环境信息，获得第一环境因素信息；

第十九获得单元，所述第十九获得单元用于根据所述第一环境因素信息、所述第一环境信息，获得第一影响概率；

第二十获得单元，所述第二十获得单元用于根据所述第一用户历史病历，获得第一器官预设数据；

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影响概率、所述第一器官预设数据，获得所述第一器官监测数据。

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根据所述第一用户敏感器官，所述第一用户历史病历，获得第一用户器官等级；

第二十三获得单元，所述第二十三获得单元用于根据所述第一用户敏感器官，获得第一器官体征权重；

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器官等级、所述第一器官体征权重，获得第一器官体征影响率；

第二十五获得单元，所述第二十五获得单元用于当所述第一器官体征影响率满足第二预定条件时，根据所述第一用户历史病历、所述第一用户敏感器官，获得所述第一器官监测数据。

进一步的，所述系统还包括：

第二十六获得单元，所述第二十六获得单元用于根据所述第一体征信息，获得第一肌肉反应信息；

第二十七获得单元，所述第二十七获得单元用于根据所述第一用户肌肉反应数据集，获得肌肉反应数据变化规律；

第二十八获得单元，所述第二十八获得单元用于根据所述第一肌肉反应信息、所述第一用户肌肉反应数据集，获得第二肌肉反应信息，其中，所述第二肌肉反应信息与所述第一肌肉反应信息不同；

第二十九获得单元，所述第二十九获得单元用于根据所述第二肌肉反应信息、所述肌肉反应数据变化规律，获得第一相关性；

第三十获得单元，所述第三十获得单元用于当所述第一相关性不满足第三预定条件时，获得肌肉反应变化数据，并发出第一提醒信息；

第三十一获得单元，所述第三十一获得单元用于根据所述第一用户呼吸监测数据集，获得呼吸数据变化信息；

第三十二获得单元，所述第三十二获得单元用于当所述呼吸数据变化信息不满足第四预定条件时，获得第二提醒信息；

第三十三获得单元，所述第三十三获得单元用于根据所述第一体征信息，获得第一脑部血流信息；

第三十四获得单元，所述第三十四获得单元用于根据所述第一用户脑部血流数据集、所述第一脑部血流信息，获得脑部血流变化信息；

第三十五获得单元，所述第三十五获得单元用于根据所述肌肉反应变化数据、所述呼吸数据变化信息、所述脑部血流变化信息，获得所述体征变化信息。

进一步的，所述系统还包括：

第三十六获得单元，所述第三十六获得单元用于根据所述第二肌肉反应信息，获得第一反应时间；

第三十七获得单元，所述第三十七获得单元用于根据所述第一反应时间，获得第一反应事件；

第三十八获得单元，所述第三十八获得单元用于根据所述第一反应事件，获得第一事件属性；

第三十九获得单元，所述第三十九获得单元用于根据所述第一反应事件、所述第一事件属性，获得第二反应事件，所述第二反应事件与所述第一反应事件具有相关性；

第四十获得单元，所述第四十获得单元用于根据所述第二反应事件、所述第一用户肌肉反应数据集，获得第三肌肉反应信息；

第四十一获得单元，所述第四十一获得单元用于根据所述第三肌肉反应信息，获得反应变化数据；

第四十二获得单元，所述第四十二获得单元用于当所述反应变化数据满足第四预定条件时，获得第三提醒信息。

进一步的，所述系统还包括：

第二执行单元，所述第二执行单元用于将所述第一用户监测数据集作为第一输入信息；

第三执行单元，所述第三执行单元用于将所述体征变化信息为第二输入信息；

第一输入单元，所述第一输入单元用于将所述第一输入信息和所述第二输入信息输入病情评估模型，其中，所述病情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：所述第一输入信息、所述第二输入信息和标识所述用户病情发展预测结果的标识信息；

第四十三获得单元，所述第四十三获得单元用于获得所述病情评估模型的输出信息，所述输出信息包括所述用户病情发展预测结果。

前述图1实施例一中的一种昏迷患者的实时体征监测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昏迷患者的实时体征监测系统，通过前述对一种昏迷患者的实时体征监测方法的详细描述，本领域技术人员可以清楚的知道本实施例中一种昏迷患者的实时体征监测系统的实施方法，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昏迷患者的实时体征监测方法的发明构思，本发明还提供一种昏迷患者的实时体征监测系统，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昏迷患者的实时体征监测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305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：

本申请实施例提供了一种昏迷患者的实时体征监测方法及系统，应用于一体征监测装置中，所述体征监测装置包括肌肉反应监测模块、呼吸监测模块、脑部血流监测模块、中央控制模块，所述肌肉反应监测模块、呼吸监测模块、脑部血流监测模块与所述中央控制模块连接，通过所述体征监测装置获得第一用户的第一体征信息；获得第一用户信息；根据所述第一用户信息，获得第一用户监测数据集；通过所述肌肉反应监测模块，获得第一用户肌肉反应数据集；通过所述呼吸监测模块获得第一用户呼吸监测数据集；通过所述脑部血流监测模块获得第一用户脑部血流数据集；根据所述第一用户肌肉反应数据集、所述第一用户呼吸监测数据集、所述第一用户脑部血流数据集和所述第一体征信息，获得体征变化信息；当所述体征变化信息满足第一预定条件时，获得第一反馈信息；将所述第一用户监测数据集、所述体征变化信息输入病情评估模型，获得用户病情发展预测结果；将用户的体征变化数据、病情发展预测结果生成对应的第一用户体征监测报告，根据第一反馈信息将第一用户体征监测报告发送至医护人员、患者的监护人、联系人等，使其了解患者的变化情况，而不是焦急等待，通常对于昏迷的患者或者重症患者家属是不能及时掌握病情的，这样能够帮助患者家属及时掌握患者的发展动态，对于可以陪在身边的患者家属，也可以掌握深入的监测数据的分析结果，确定患者的状态，实现利用患者深度的监测数据进行病情分析，及时掌握和分析病情的发展发现，有利于患者的治疗，从而解决了现有技术中对于昏迷患者的监测主要停留在表面的症状和体征数据中，存在对于深层的体征数据分析缺乏有效监测的技术问题。达到了通过用户体征的监测变化数据结合患者自身状态定制的第一用户监测数据集进行分析处理，确定用户病情发展的状态，从而提高体征监测水平的技术效果。

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 (8)

1.一种昏迷患者的实时体征监测系统，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昏迷患者的实时体征监测方法，该方法，应用于一体征监测装置中，所述体征监测装置包括肌肉反应监测模块、呼吸监测模块、脑部血流监测模块、中央控制模块，所述肌肉反应监测模块、呼吸监测模块、脑部血流监测模块与所述中央控制模块连接，其中，所述方法包括：

通过所述体征监测装置获得第一用户的第一体征信息；

获得第一用户信息；

根据所述第一用户信息，获得第一用户监测数据集；

通过所述肌肉反应监测模块，获得第一用户肌肉反应数据集；

通过所述呼吸监测模块获得第一用户呼吸监测数据集；

通过所述脑部血流监测模块获得第一用户脑部血流数据集；

根据所述第一用户肌肉反应数据集、所述第一用户呼吸监测数据集、所述第一用户脑部血流数据集和所述第一体征信息，获得体征变化信息；

当所述体征变化信息满足第一预定条件时，获得第一反馈信息；

将所述第一用户监测数据集、所述体征变化信息输入病情评估模型，获得用户病情发展预测结果；

根据所述体征变化信息、所述用户病情发展预测结果、所述第一反馈信息，生成第一用户体征监测报告。

2.如权利要求1所述的系统，其中，所述根据所述第一用户信息，获得第一用户监测数据集，包括：

根据所述第一用户信息，获得第一用户历史病历；

根据所述第一用户历史病历，获得第一用户敏感器官；

根据所述第一用户历史病历、所述第一用户敏感器官，获得第一器官监测数据；

获得预设监测数据集；

根据所述预设监测数据集、所述第一用户历史病历，获得第二监测数据；

根据所述第一器官监测数据、所述第二监测数据，获得所述第一用户监测数据集。

3.如权利要求2所述的系统，其中，所述根据所述第一用户历史病历、所述第一用户敏感器官，获得第一器官监测数据，包括：

根据所述第一用户敏感器官，获得第一影响因素；

根据所述第一影响因素，获得第一因素来源信息；

获得第一环境信息；

判断所述第一环境信息是否存在所述第一因素来源信息；

当存在时，根据所述第一因素来源信息、所述第一环境信息，获得第一环境因素信息；

根据所述第一环境因素信息、所述第一环境信息，获得第一影响概率；

根据所述第一用户历史病历，获得第一器官预设数据；

根据所述第一影响概率、所述第一器官预设数据，获得所述第一器官监测数据。

4.如权利要求2所述的系统，其中，所述根据所述第一用户历史病历、所述第一用户敏感器官，获得第一器官监测数据之前，包括：

根据所述第一用户敏感器官，所述第一用户历史病历，获得第一用户器官等级；

根据所述第一用户敏感器官，获得第一器官体征权重；

根据所述第一用户器官等级、所述第一器官体征权重，获得第一器官体征影响率；

当所述第一器官体征影响率满足第二预定条件时，根据所述第一用户历史病历、所述第一用户敏感器官，获得所述第一器官监测数据。

5.如权利要求1所述的系统，其中，所述根据所述第一用户肌肉反应数据集、所述第一用户呼吸监测数据集、所述第一用户脑部血流数据集和所述第一体征信息，获得体征变化信息，包括：

根据所述第一体征信息，获得第一肌肉反应信息；

根据所述第一用户肌肉反应数据集，获得肌肉反应数据变化规律；

根据所述第一肌肉反应信息、所述第一用户肌肉反应数据集，获得第二肌肉反应信息，其中，所述第二肌肉反应信息与所述第一肌肉反应信息不同；

根据所述第二肌肉反应信息、所述肌肉反应数据变化规律，获得第一相关性；

当所述第一相关性不满足第三预定条件时，获得肌肉反应变化数据，并发出第一提醒信息；

根据所述第一用户呼吸监测数据集，获得呼吸数据变化信息；

当所述呼吸数据变化信息不满足第四预定条件时，获得第二提醒信息；

根据所述第一体征信息，获得第一脑部血流信息；

根据所述第一用户脑部血流数据集、所述第一脑部血流信息，获得脑部血流变化信息；

根据所述肌肉反应变化数据、所述呼吸数据变化信息、所述脑部血流变化信息，获得所述体征变化信息。

6.如权利要求5所述的系统，其中，所述系统包括：

根据所述第二肌肉反应信息，获得第一反应时间；

根据所述第一反应时间，获得第一反应事件；

根据所述第一反应事件，获得第一事件属性；

根据所述第一反应事件、所述第一事件属性，获得第二反应事件，所述第二反应事件与所述第一反应事件具有相关性；

根据所述第二反应事件、所述第一用户肌肉反应数据集，获得第三肌肉反应信息；

根据所述第三肌肉反应信息，获得反应变化数据；

当所述反应变化数据满足第四预定条件时，获得第三提醒信息。

7.如权利要求1所述的系统，其中，所述将所述第一用户监测数据集、所述体征变化信息输入病情评估模型，获得用户病情发展预测结果，包括：

将所述第一用户监测数据集作为第一输入信息；

将所述体征变化信息为第二输入信息；

将所述第一输入信息和所述第二输入信息输入病情评估模型，其中，所述病情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：所述第一输入信息、所述第二输入信息和标识所述用户病情发展预测结果的标识信息；

获得所述病情评估模型的输出信息，所述输出信息包括所述用户病情发展预测结果。

8.一种昏迷患者的实时体征监测系统，其中，所述系统包括：

第一获得单元，所述第一获得单元用于通过体征监测装置获得第一用户的第一体征信息；

第二获得单元，所述第二获得单元用于获得第一用户信息；

第三获得单元，所述第三获得单元用于根据所述第一用户信息，获得第一用户监测数据集；

第四获得单元，所述第四获得单元用于通过肌肉反应监测模块，获得第一用户肌肉反应数据集；

第五获得单元，所述第五获得单元用于通过呼吸监测模块获得第一用户呼吸监测数据集；

第六获得单元，所述第六获得单元用于通过脑部血流监测模块获得第一用户脑部血流数据集；

第七获得单元，所述第七获得单元用于根据所述第一用户肌肉反应数据集、所述第一用户呼吸监测数据集、所述第一用户脑部血流数据集和所述第一体征信息，获得体征变化信息；

第八获得单元，所述第八获得单元用于当所述体征变化信息满足第一预定条件时，获得第一反馈信息；

第一执行单元，所述第一执行单元用于将所述第一用户监测数据集、所述体征变化信息输入病情评估模型，获得用户病情发展预测结果；

第一报告单元，所述第一报告单元用于根据所述体征变化信息、所述用户病情发展预测结果、所述第一反馈信息，生成第一用户体征监测报告。

Images