CN113014881A - 一种神经外科患者日常监护方法及系统 - Google Patents
一种神经外科患者日常监护方法及系统 Download PDFInfo
- Publication number
- CN113014881A CN113014881A CN202110250984.9A CN202110250984A CN113014881A CN 113014881 A CN113014881 A CN 113014881A CN 202110250984 A CN202110250984 A CN 202110250984A CN 113014881 A CN113014881 A CN 113014881A
- Authority
- CN
- China
- Prior art keywords
- information
- child
- obtaining
- result
- image
- 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.)
- Withdrawn
Links
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/024—Detecting, measuring or recording pulse rate or heart rate
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
- A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
- A61B5/6802—Sensor mounted on worn items
- A61B5/681—Wristwatch-type devices
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B2503/00—Evaluating a particular growth phase or type of persons or animals
- A61B2503/06—Children, e.g. for attention deficit diagnosis
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Public Health (AREA)
- Animal Behavior & Ethology (AREA)
- Surgery (AREA)
- Molecular Biology (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Heart & Thoracic Surgery (AREA)
- Biomedical Technology (AREA)
- Pathology (AREA)
- Biophysics (AREA)
- Veterinary Medicine (AREA)
- Physiology (AREA)
- Signal Processing (AREA)
- Cardiology (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Psychiatry (AREA)
- Multimedia (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种神经外科患者日常监护方法及系统,获得第一儿童的第一脑部疾病信息;采集第一基础信息,获得实时状态;获得所述第一儿童的第一病因;根据第一评估指令对第一病因与第一脑部疾病的病情关联度进行评估,获得第一关联度结果;获得第一图像信息;根据第二评估指令对第一图像信息与第一病因进行关联度评估,获得第二关联度结果;将实时状态、第一关联度结果和第二关联度结果输入关联度整合分析模型,获得关联度整合分析模型的第一输出结果,获得第一预定危险等级阈值;当第一危险等级超过第一预定危险等级阈值时,对画面图像进行处理。解决了现有技术中存在无法对患者的接触画面进行准确的甄别,影响患者的正常康复的技术问题。
Description
技术领域
本发明涉及神经外科患者的日常监护相关领域,尤其涉及一种神经外科患者日常监护方法及系统。
背景技术
很多人在生活中会受到头部外伤,如撞击的不严重,患者可能会出现头痛、头晕、恶心、呕吐等表现,这些情况只需密切观察即可;如受伤严重,还有可能会出现神志不清,呼之不应,甚至大小便失禁等症状,伤后需立即送往医院就诊,对于神经外科患者在进行手术后大多回家静养,但在家庭中对于患者的日常监护存在以下问题:患者日常接触的画面中可能存在对于患者的刺激性画面,导致患者的病情进一步的恶化。
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:
现有技术中存在无法对患者的接触画面进行准确的甄别,影响患者的正常康复的技术问题。
发明内容
本申请实施例通过提供一种神经外科患者日常监护方法及系统,解决了现有技术中存在无法对患者的接触画面进行准确的甄别,影响患者的正常康复的技术问题,达到准确的对所述患者的接触信息进行排查、评估,完成对于患者的日常监护,提高患者的康复效率的技术效果。
鉴于上述问题,提出了本申请实施例提供一种神经外科患者日常监护方法及系统。
第一方面,本申请还提供了一种神经外科患者日常监护方法,所述方法应用于一监护系统,所述系统与第一信息采集装置、第一摄像装置通信连接,所述方法包括:通过所述监护系统获得第一儿童的第一脑部疾病信息;通过所述信息采集装置采集所述第一儿童的第一基础信息,根据所述第一基础信息获得所述第一儿童的实时状态;根据所述第一基础信息获得所述第一儿童的第一病因;获得第一评估指令,根据所述第一评估指令对所述第一病因与所述第一脑部疾病的病情关联度进行评估,获得第一关联度结果;通过所述第一摄像装置获得第一图像信息,其中,所述第一图像包括所述第一儿童可以接触到的画面图像;获得第二评估指令,根据所述第二评估指令对所述第一图像信息与所述第一病因进行关联度评估,获得第二关联度结果;将所述实时状态、所述第一关联度结果和所述第二关联度结果输入关联度整合分析模型,获得所述关联度整合分析模型的第一输出结果,其中,所述第一输出结果包括第一危险等级;获得第一预定危险等级阈值;当所述第一危险等级超过所述第一预定危险等级阈值时,对所述画面图像进行处理。
另一方面,本申请还提供了一种神经外科患者日常监护系统,所述系统包括:第一获得单元,所述第一获得单元用于通过所述监护系统获得第一儿童的第一脑部疾病信息;第二获得单元,所述第二获得单元用于通过所述信息采集装置采集所述第一儿童的第一基础信息,根据所述第一基础信息获得所述第一儿童的实时状态;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获得所述第一儿童的第一病因;第四获得单元,所述第四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病因与所述第一脑部疾病的病情关联度进行评估,获得第一关联度结果;第五获得单元,所述第五获得单元用于通过所述第一摄像装置获得第一图像信息,其中,所述第一图像包括所述第一儿童可以接触到的画面图像;第六获得单元,所述第六获得单元用于获得第二评估指令,根据所述第二评估指令对所述第一图像信息与所述第一病因进行关联度评估,获得第二关联度结果;第七获得单元,所述第七获得单元用于将所述实时状态、所述第一关联度结果和所述第二关联度结果输入关联度整合分析模型,获得所述关联度整合分析模型的第一输出结果,其中,所述第一输出结果包括第一危险等级;第八获得单元,所述第八获得单元用于获得第一预定危险等级阈值;第一处理单元,所述第一处理单元用于当所述第一危险等级超过所述第一预定危险等级阈值时,对所述画面图像进行处理。
第三方面,本发明提供了一种神经外科患者日常监护系统,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:
由于采用了获得所述第一儿童的第一脑部疾病信息,根据所述第一儿童的基础信息获得所述第一儿童的实时状态,和所述第一儿童的第一病因,根据第一评估指令对所述第一病因和所述第一脑部疾病的病情关联性进行评估,获得第一关联度结果;根据所述第一摄像装置获得第一图像信息,根据第一病因和所述第一图像信息进行评估,获得第二关联度结果,将所述实时状态、所述第一关联度结果和所述第二关联度结果输入关联度整合分析模型,获得第一输出结果,其中所述输出结果包括第一危险等级,对所述第一儿童的接触画面进行危险度评估,并根据危险度对所述接触第一儿童的接触画面进行评估,当危险性高于预定阈值时,则对所述第一儿童的接触画面进行调整,达到对所述第一儿童的接触图像进行准确监控,来达到准确的对所述儿童的接触信息进行排查、评估,完成对于儿童的日常监护,提高儿童的康复效率的技术效果。
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神经外科患者日常监护方法的流程示意图;
图2为本申请实施例一种神经外科患者日常监护方法的结构示意图;
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,第一处理单元19,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神经外科患者日常监护方法及系统,解决了现有技术中存在无法对患者的接触画面进行准确的甄别,影响患者的正常康复的技术问题,达到准确的对所述患者的接触信息进行排查、评估,完成对于患者的日常监护,提高患者的康复效率的技术效果。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
很多人在生活中会受到头部外伤,如撞击的不严重,患者可能会出现头痛、头晕、恶心、呕吐等表现,这些情况只需密切观察即可;如受伤严重,还有可能会出现神志不清,呼之不应,甚至大小便失禁等症状,伤后需立即送往医院就诊,对于神经外科患者在进行手术后大多回家静养,但在家庭中对于患者的日常监护存在以下问题:患者日常接触的画面中可能存在对于患者的刺激性画面,导致患者的病情进一步的恶化。现有技术中存在无法对患者的接触画面进行准确的甄别,影响患者的正常康复的技术问题。
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神经外科患者日常监护方法,所述方法应用于一监护系统,所述系统与第一信息采集装置、第一摄像装置通信连接,所述方法包括:通过所述监护系统获得第一儿童的第一脑部疾病信息;通过所述信息采集装置采集所述第一儿童的第一基础信息,根据所述第一基础信息获得所述第一儿童的实时状态;根据所述第一基础信息获得所述第一儿童的第一病因;获得第一评估指令,根据所述第一评估指令对所述第一病因与所述第一脑部疾病的病情关联度进行评估,获得第一关联度结果;通过所述第一摄像装置获得第一图像信息,其中,所述第一图像包括所述第一儿童可以接触到的画面图像;获得第二评估指令,根据所述第二评估指令对所述第一图像信息与所述第一病因进行关联度评估,获得第二关联度结果;将所述实时状态、所述第一关联度结果和所述第二关联度结果输入关联度整合分析模型,获得所述关联度整合分析模型的第一输出结果,其中,所述第一输出结果包括第一危险等级;获得第一预定危险等级阈值;当所述第一危险等级超过所述第一预定危险等级阈值时,对所述画面图像进行处理。
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神经外科患者日常监护方法,其中,所述方法应用于一监护系统,所述系统与第一信息采集装置、第一摄像装置通信连接,所述方法包括:
步骤S100:通过所述监护系统获得第一儿童的第一脑部疾病信息;
具体而言,所述监护系统为对用户进行监护的系统,所述系统具有接收、处理数据的能力,且所述系统与相关医院的数据库通信连接,其中,所述第一信息采集装置为可对用户进行实时信息采集的装置,所述采集的信息包括但不限于图像数据、声音数据和录入的数据等,在所述第一儿童的监护人许可情况下,通过所述监护系统获取所述第一儿童在医院的诊断的脑部疾病的详细信息,所述第一儿童为通过所述监护系统进行监护的用户。
步骤S200:通过所述信息采集装置采集所述第一儿童的第一基础信息,根据所述第一基础信息获得所述第一儿童的实时状态;
步骤S300:根据所述第一基础信息获得所述第一儿童的第一病因;
具体而言,所述信息采集装置为可进行多种方式进行信息采集的装置,所述多种信息采集的方式至少包括图像采集和声音采集,根据所述信息采集装置对所述第一儿童进行声音采集和图像采集,将所述信息采集装置采集的信息进行整合,将整合结果作为所述第一儿童的基础信息,对所述基础信息进行分析,获得所述第一儿童的实时状态,所述实时状态为通过分析获得的所述第一儿童的实时身体/精神状态。根据采集的所述第一儿童的基础信息,获得所述第一儿童脑部疾病的形成病因,举例而言,所述病因可以是高空跌落、车祸等病因,也可以是脑部的病变等。
步骤S400:获得第一评估指令,根据所述第一评估指令对所述第一病因与所述第一脑部疾病的病情关联度进行评估,获得第一关联度结果;
具体而言,所述第一病因与所述脑部疾病的病情的关联度为脑部疾病的形成过程是否包含刺激性画面的关联度,即当所述第一儿童的病因为自然生长形成的神经外科的疾病,则所述第一病因与所述第一脑部疾病的关联度较低,当所述第一儿童的疾病为经过刺激性画面,如车祸导致的神经外科相关疾病,则所述第一病因与所述第一脑部疾病的关联度较高,根据所述第一病因和所述第一脑部疾病对所述第一儿童的病情关联度进行评估,获得第一关联度结果。
步骤S500:通过所述第一摄像装置获得第一图像信息,其中,所述第一图像包括所述第一儿童可以接触到的画面图像;
步骤S600:获得第二评估指令,根据所述第二评估指令对所述第一图像信息与所述第一病因进行关联度评估,获得第二关联度结果;
具体而言,所述第一摄像装置为可以进行图像拍摄的装置,通过所述第一摄像装置对所述第一儿童的接触图像进行捕捉,进一步而言,所述第一儿童的接触图像可以为电子产品呈现的图像,电子产品可以为平板、电脑、电视、手机等,所述第一摄像装置进行图像捕获可以为所述电子产品的自我截图,对所述电子产品实时呈现的图像捕获,并做延时呈现处理,在所述图像呈现给所述第一儿童前先进行图的评估,根据所述第二评估指令,对所述图像和所述第一儿童的第一病因进行关联度评估,获得第二关联度结果。
步骤S700:将所述实时状态、所述第一关联度结果和所述第二关联度结果输入关联度整合分析模型,获得所述关联度整合分析模型的第一输出结果,其中,所述第一输出结果包括第一危险等级;
具体而言,所述关联度整合分析模型为通过多组训练数据作为底层数据构建获得,所述作为底层逻辑的训练数据为通过收集相关脑部疾病患者的相关信息获得,基于所述病情相近患者的实时状态、关联度结果和标识危险等级的标识信息构建训练数据库,基于所述训练数据库构建所述关联度整合分析模型,将所述第一儿童的实时状态、所述第一关联度评估结果和所述第二关联度评估结果输入所述关联度整合分析模型中,获得所述第一输出结果,其中,所述第一输出结果包括所述第一儿童即将接触的第一图像的危险度。
步骤S800:获得第一预定危险等级阈值;
步骤S900:当所述第一危险等级超过所述第一预定危险等级阈值时,对所述画面图像进行处理。
具体而言,所述第一预定危险度阈值为根据大数据及所述第一儿童的病情信息设定的危险等级阈值,即所述阈值为衡量所述第一儿童接触的图像对于所述第一儿童病情的危害性的评判标准,基于所述关联度整合模型的输出结果,判断所述第一儿童即将接触的第一图像对于所述第一儿童的危险性是否高于所述第一预定危险等级阈值,当所述第一危险等级超过所述第一预定危险等级阈值时,此时所述第一儿童即将接触的画面对所述第一儿童的刺激不满足预先限定值,此时需对所述画面进行处理,以保证所述第一儿童接触的画面对于所述儿童的脑部刺激相对柔和,来达到准确的对所述患者的接触信息进行排查、评估,完成对于患者的日常监护,提高患者的康复效率的技术效果。
进一步而言,本申请实施例还包括:
步骤S1010:当所述第一危险等级未超过所述第一预定危险等级阈值时,通过所述第一摄像装置获得第二图像信息,其中,所述第二图像信息的采集时间在所述第一图像信息的采集时间之后;
步骤S1020:根据所述第一图像信息和所述第二图像信息获得第三图像信息,其中,所述第三图像信息为所述第二图像信息出现之后的预测图像信息;
步骤S1030:根据所述第三图像信息和所述第一病因进行关联度评估,获得第三关联度结果;
步骤S1040:根据所述第三关联度结果获得所述第三图像信息的第二危险等级;
步骤S1050:当所述第二危险等级超过所述第一预定危险等级阈值时,对所述第二图像信息进行处理。
具体而言,当所述第一图像信息的第一危险等级未超过所述第一预定危险等级阈值时,此时所述第一图像的危险性在限定值范围内,可以展示给第一儿童,此时通过所述第一摄像装置获得第二图像信息,其中,所述第二图像信息的获取时间在所述第一图像获取之后,根据所述第一图像和所述第二图像进行下一时间要出现的第三图像进行预测,其中,所述第一图像和第二图像的获取间隔时间可以自行定义,所述预测图像的间隔时间也可自行进行调整,根据所述第三图像,对所述第三图像和所述第一病因进行关联度评估,获得第三关联度结果,根据所述第三关联度结果、第一关联度结果和实时状态信息输入上述关联度整合分析模型,获得所述第三图像的第二危险等级,当所述预测出现的第三图像的第二危险等级超过所述第一预定危险等级阈值时,则对第二图像开始进行处理,所述处理可以包括画面的缺失处理、马赛克处理、画面卡顿处理等,通过对于画面的预测,以保证所述第一儿童尽可能少的接触不想再回忆的画面相关信息,降低对所述第一儿童的刺激,达到准确的对所述患者的接触信息进行排查、评估,完成对于患者的日常监护,提高患者的康复效率的技术效果。
进一步而言,所述根据所述第一图像信息和所述第二图像信息获得第三图像信息,其中,所述第三图像信息为所述第二图像信息出现之后的预测图像信息,本申请实施例步骤S1020还包括:
步骤S1021:获得所述第二图像信息中的文字信息;
步骤S1022:获得第一提取指令;
步骤S1023:根据所述第一提取指令对所述第二图像信息中的文字进行文字提取;
步骤S1024:获得第一文字提取结果,将所述第一文字提取结果作为预测所述第三图像信息的基础信息。
具体而言,所述文字信息为所述第二图像包含的文字信息,所述文字信息可以是图像中包含的文字信息、字幕信息或者弹幕信息,还可以是语音转换的文字信息,根据第一提取指令,对所述第二图像中包含的文字信息进行提取,将所述提取的文字信息作为预测所述第三图像信息的基础信息。进一步来说,所述文字信息还需进行进一步的处理,完成糟粕信息的排除,而后作为辅助预测画面的基础信息,来达到预测画面的可信度、准确性更高,进而使得对画面的信息进行准确的预测和评估,对儿童的接触信息进行更加准确的排查的技术效果。
进一步的,所述根据所述第一提取指令对所述第二图像信息中的文字进行文字提取,本申请实施例步骤S1023还包括:
步骤S10231:获得第一分类指令;
步骤S10232:根据所述第一分类指令对所述文字进行文字关联度分类,获得第一关联度分类结果;
步骤S10233:获得第一关联度预定阈值;
步骤S10234:将所述第一关联度分类结果中满足所述第一关联度预定阈值的结果进行整理,获得第一文字整理结果;
步骤S10235:将所述第一文字整理结果进行文字提取。
具体而言,所述第一分类指令为对所述文字进行分类的指令,所述分类依据为对所述文字进行语义识别后进行的分类,如吐槽型、观点型、情绪型、科普型、互动型、存在感型等,根据所述初步分类结果,对所述不同分类下的分类文字对于剧情走向的相关度进行评估,获得不同分类的剧情相关关联度情况,获得第一关联度预定阈值,根据所述第一关联度预定阈值对所述关联度分类后的文字信息进行剔除,排除掉关联度低于所述阈值的文字,对满足阈值的文字进行整合,即意思相关或者相近的文字进行整合处理,并根据文字的来源进行用户的反推,获得所述文字对应的发布用户,根据相关文字发布的用户对所述用户发布信息的真实性/准确性进行评估,对用户进行标签分类,根据所述标签分类和文字聚类信息进行文字整理,根据所述文字整理结果对文字进行提取,以提高文字信息的准确性和有效性,为后续提高预测图像信息准确性夯实了基础。
进一步而言,所述通过所述信息采集装置采集所述第一儿童的第一基础信息,根据所述第一基础信息获得所述第一儿童的实时状态,本申请实施例步骤S200还包括:
步骤S210:获得所述第一儿童的第一动作信息,将所述第一动作信息作为第一分析基础信息;
步骤S220:获得所述第一儿童的第一面部表情信息,将所述面部表情信息作为第二分析基础信息;
步骤S230:根据所述第一分析基础信息和所述分析第二基础信息对所述第一儿童的当前状态进行评估,获得所述第一儿童的实时状态。
具体而言,根据所述第一儿童的基础信息获得所述第一儿童的实时状态,所述分析过程包括通过所述信息采集装置对所述第一儿童进行连续图像采集,根据所述连续图像采集来获得所述第一儿童的动作信息,将所述动作信息作为分析所述第一儿童的情绪状态的第一分析基础信息,进一步来说,通过所述对于第一儿童的连续图像采集中的图像获得包括所述第一儿童面部表情的图像,根据所述图像对于所述第一儿童的当前面部表情进行分析,作为第二分析基础信息,基于所述第一分析基础信息和第二分析基础信息对所述第一儿童的当前状态进行评估,获得所述第一儿童的实时状态。
进一步而言,所述监护系统还与一穿戴设备通信连接,本申请实施例还包括:
步骤S240:通过所述穿戴设备对所述第一儿童进行连续心率变化采集,获得第一心率变化结果;
步骤S250:根据所述第一心率变化结果绘制所述第一儿童的心率变化曲线;
步骤S260:根据所述心率变化曲线获得第一曲线波动峰值;
步骤S270:根据所述第一曲线波动峰值获得第四图像,其中,所述第四图像为所述第一曲线波动峰值对应的时间下采集的图像;
步骤S280:将所述第四图像和所述第一曲线波动峰值作为校验数据,对所述关联度整合分析模型进行校验。
具体而言,所述穿戴设备为可进行心率测量的穿戴设备,所述穿戴设备可以是运动手环、智能手表等,根据所述穿戴设备对所述第一儿童进行区间心率采集,并基于所述心率采集结果绘制所述第一儿童的时间-心率变化图,根据所述时间心率变化图像,对所述第一儿童出现心率变化峰值的区间进行重点监控,当所述心率曲线的波动峰值出现明显异常时,则根据所述曲线峰值对应的时间,获取第四图像信息,当所述对应时间无其他外界干扰时,则根据所述第四图像对应的图像信息和心率的异常波动程度作为校验数据,根据所述校验数据对所述关联度整合分析模型进行校验,判断所述关联度整合分析模型输出的第四图像的危险系数与所述心率波动异常值是否存在对应关系,当不存在时,表明所述第一儿童对于第四图像的情绪/精神波动异常,则适当提高第四图像的危险系数,并根据对所述关联度整合分析模型进行修正处理。
进一步而言,本申请实施例还包括:
步骤S1210:构建第一训练数据库,其中,所述第一训练数据库中的每组数据均包括第一状态、第一关联度结果、第二关联度结果和标识危险等级的标识信息;
步骤S1220:根据所述第一训练数据库的数据对所述关联度整合分析模型进行监督学习,将进行过监督学习的所述关联度整合分析模型应用于所述危险等级的评估。
具体而言,基于神经网络构建关联度整合分析模型,所述模型通过多组监督数据监督训练后构建而成,所述监督训练的数据包括第一训练数据库,所述第一训练数据库中的每一组数据均包括第一状态、第一关联度结果、第二关联度结果和标识危险等级的标识信息,根据所述监督数据对所述关联度整合分析模型进行监督学习,使得所述关联度整合分析模型的处理相关数据的准确性更高,进而可以获得更加准确的危险等级的评估结果,为准确的对所述患者的接触信息进行排查、评估,完成对于患者的日常监护,提高患者的康复效率夯实了基础。
综上所述,本申请实施例所提供的一种神经外科患者日常监护方法及系统具有如下技术效果:
1、由于采用了获得所述第一儿童的第一脑部疾病信息,根据所述第一儿童的基础信息获得所述第一儿童的实时状态,和所述第一儿童的第一病因,根据第一评估指令对所述第一病因和所述第一脑部疾病的病情关联性进行评估,获得第一关联度结果;根据所述第一摄像装置获得第一图像信息,根据第一病因和所述第一图像信息进行评估,获得第二关联度结果,将所述实时状态、所述第一关联度结果和所述第二关联度结果输入关联度整合分析模型,获得第一输出结果,其中所述输出结果包括第一危险等级,对所述第一儿童的接触画面进行危险度评估,并根据危险度对所述接触第一儿童的接触画面进行评估,当危险性高于预定阈值时,则对所述第一儿童的接触画面进行调整,达到对所述第一儿童的接触图像进行准确监控,来达到准确的对所述儿童的接触信息进行排查、评估,完成对于儿童的日常监护,提高儿童的康复效率的技术效果。
2、由于采用了通过对于画面的预测的方式,以保证所述第一儿童尽可能少的接触不想再回忆的画面相关信息,降低对所述第一儿童的刺激,达到准确的对所述患者的接触信息进行排查、评估,完成对于患者的日常监护,提高患者的康复效率的技术效果。
实施例二
基于与前述实施例中一种神经外科患者日常监护方法同样发明构思,本发明还提供了一种神经外科患者日常监护系统,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用于通过所述监护系统获得第一儿童的第一脑部疾病信息;
第二获得单元12,所述第二获得单元12用于通过所述信息采集装置采集所述第一儿童的第一基础信息,根据所述第一基础信息获得所述第一儿童的实时状态;
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获得所述第一儿童的第一病因;
第四获得单元14,所述第四获得单元14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病因与所述第一脑部疾病的病情关联度进行评估,获得第一关联度结果;
第五获得单元15,所述第五获得单元15用于通过所述第一摄像装置获得第一图像信息,其中,所述第一图像包括所述第一儿童可以接触到的画面图像;
第六获得单元16,所述第六获得单元16用于获得第二评估指令,根据所述第二评估指令对所述第一图像信息与所述第一病因进行关联度评估,获得第二关联度结果;
第七获得单元17,所述第七获得单元17用于将所述实时状态、所述第一关联度结果和所述第二关联度结果输入关联度整合分析模型,获得所述关联度整合分析模型的第一输出结果,其中,所述第一输出结果包括第一危险等级;
第八获得单元18,所述第八获得单元18用于获得第一预定危险等级阈值;
第一处理单元19,所述第一处理单元19用于当所述第一危险等级超过所述第一预定危险等级阈值时,对所述画面图像进行处理。
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第一危险等级未超过所述第一预定危险等级阈值时,通过所述第一摄像装置获得第二图像信息,其中,所述第二图像信息的采集时间在所述第一图像信息的采集时间之后;
第十获得单元,所述第十获得单元用于根据所述第一图像信息和所述第二图像信息获得第三图像信息,其中,所述第三图像信息为所述第二图像信息出现之后的预测图像信息;
第十一获得单元,所述第十一获得单元用于根据所述第三图像信息和所述第一病因进行关联度评估,获得第三关联度结果;
第十二获得单元,所述第十二获得单元用于根据所述第三关联度结果获得所述第三图像信息的第二危险等级;
第二处理单元,所述第二处理单元用于当所述第二危险等级超过所述第一预定危险等级阈值时,对所述第二图像信息进行处理。
进一步的,所述系统还包括:
第十三获得单元,所述第十三获得单元用于获得所述第二图像信息中的文字信息;
第十四获得单元,所述第十四获得单元用于获得第一提取指令;
第一提取单元,所述第一提取单元用于根据所述第一提取指令对所述第二图像信息中的文字进行文字提取;
第十五获得单元,所述第十五获得单元用于获得第一文字提取结果,将所述第一文字提取结果作为预测所述第三图像信息的基础信息。
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第一分类指令;
第十七获得单元,所述第十七获得单元用于根据所述第一分类指令对所述文字进行文字关联度分类,获得第一关联度分类结果;
第十八获得单元,所述第十八获得单元用于获得第一关联度预定阈值;
第十九获得单元,所述第十九获得单元用于将所述第一关联度分类结果中满足所述第一关联度预定阈值的结果进行整理,获得第一文字整理结果;
第二提取单元,所述第二提取单元用于将所述第一文字整理结果进行文字提取。
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儿童的第一动作信息,将所述第一动作信息作为第一分析基础信息;
第二十一获得单元,所述第二十一获得单元用于获得所述第一儿童的第一面部表情信息,将所述面部表情信息作为第二分析基础信息;
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分析基础信息和所述分析第二基础信息对所述第一儿童的当前状态进行评估,获得所述第一儿童的实时状态。
进一步的,所述系统还包括:
第二十三获得单元,所述第二十三获得单元用于通过所述穿戴设备对所述第一儿童进行连续心率变化采集,获得第一心率变化结果;
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心率变化结果绘制所述第一儿童的心率变化曲线;
第二十五获得单元,所述第二十五获得单元用于根据所述心率变化曲线获得第一曲线波动峰值;
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曲线波动峰值获得第四图像,其中,所述第四图像为所述第一曲线波动峰值对应的时间下采集的图像;
第一校验单元,所述第一校验元用于将所述第四图像和所述第一曲线波动峰值作为校验数据,对所述关联度整合分析模型进行校验。
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构建第一训练数据库,其中,所述第一训练数据库中的每组数据均包括第一状态、第一关联度结果、第二关联度结果和标识危险等级的标识信息;
第一学习单元,所述第一学习单元用于根据所述第一训练数据库的数据对所述关联度整合分析模型进行监督学习,将进行过监督学习的所述关联度整合分析模型应用于所述危险等级的评估。
前述图1实施例一中的一种神经外科患者日常监护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神经外科患者日常监护系统,通过前述对一种神经外科患者日常监护方法的详细描述,本领域技术人员可以清楚的知道本实施例中一种神经外科患者日常监护系统的实施方法,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神经外科患者日常监护方法的发明构思,本发明还提供一种神经外科患者日常监护系统,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神经外科患者日常监护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。
本发明实施例提供的一种神经外科患者日常监护方法,所述方法应用于一监护系统,所述系统与第一信息采集装置、第一摄像装置通信连接,所述方法包括:通过所述监护系统获得第一儿童的第一脑部疾病信息;通过所述信息采集装置采集所述第一儿童的第一基础信息,根据所述第一基础信息获得所述第一儿童的实时状态;根据所述第一基础信息获得所述第一儿童的第一病因;获得第一评估指令,根据所述第一评估指令对所述第一病因与所述第一脑部疾病的病情关联度进行评估,获得第一关联度结果;通过所述第一摄像装置获得第一图像信息,其中,所述第一图像包括所述第一儿童可以接触到的画面图像;获得第二评估指令,根据所述第二评估指令对所述第一图像信息与所述第一病因进行关联度评估,获得第二关联度结果;将所述实时状态、所述第一关联度结果和所述第二关联度结果输入关联度整合分析模型,获得所述关联度整合分析模型的第一输出结果,其中,所述第一输出结果包括第一危险等级;获得第一预定危险等级阈值;当所述第一危险等级超过所述第一预定危险等级阈值时,对所述画面图像进行处理。解决了现有技术中存在无法对患者的接触画面进行准确的甄别,影响患者的正常康复的技术问题,达到准确的对所述患者的接触信息进行排查、评估,完成对于患者的日常监护,提高患者的康复效率的技术效果。
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 (9)
1.一种神经外科患者日常监护方法,其中,所述方法应用于一监护系统,所述系统与第一信息采集装置、第一摄像装置通信连接,所述方法包括:
通过所述监护系统获得第一儿童的第一脑部疾病信息;
通过所述信息采集装置采集所述第一儿童的第一基础信息,根据所述第一基础信息获得所述第一儿童的实时状态;
根据所述第一基础信息获得所述第一儿童的第一病因;
获得第一评估指令,根据所述第一评估指令对所述第一病因与所述第一脑部疾病的病情关联度进行评估,获得第一关联度结果;
通过所述第一摄像装置获得第一图像信息,其中,所述第一图像包括所述第一儿童可以接触到的画面图像;
获得第二评估指令,根据所述第二评估指令对所述第一图像信息与所述第一病因进行关联度评估,获得第二关联度结果;
将所述实时状态、所述第一关联度结果和所述第二关联度结果输入关联度整合分析模型,获得所述关联度整合分析模型的第一输出结果,其中,所述第一输出结果包括第一危险等级;
获得第一预定危险等级阈值;
当所述第一危险等级超过所述第一预定危险等级阈值时,对所述画面图像进行处理。
2.如权利要求1所述的方法,其中,所述方法还包括:
当所述第一危险等级未超过所述第一预定危险等级阈值时,通过所述第一摄像装置获得第二图像信息,其中,所述第二图像信息的采集时间在所述第一图像信息的采集时间之后;
根据所述第一图像信息和所述第二图像信息获得第三图像信息,其中,所述第三图像信息为所述第二图像信息出现之后的预测图像信息;
根据所述第三图像信息和所述第一病因进行关联度评估,获得第三关联度结果;
根据所述第三关联度结果获得所述第三图像信息的第二危险等级;
当所述第二危险等级超过所述第一预定危险等级阈值时,对所述第二图像信息进行处理。
3.如权利要求2所述的方法,其中,所述根据所述第一图像信息和所述第二图像信息获得第三图像信息,其中,所述第三图像信息为所述第二图像信息出现之后的预测图像信息,还包括:
获得所述第二图像信息中的文字信息;
获得第一提取指令;
根据所述第一提取指令对所述第二图像信息中的文字进行文字提取;
获得第一文字提取结果,将所述第一文字提取结果作为预测所述第三图像信息的基础信息。
4.如权利要求3所述的方法,其中,所述根据所述第一提取指令对所述第二图像信息中的文字进行文字提取,还包括:
获得第一分类指令;
根据所述第一分类指令对所述文字进行文字关联度分类,获得第一关联度分类结果;
获得第一关联度预定阈值;
将所述第一关联度分类结果中满足所述第一关联度预定阈值的结果进行整理,获得第一文字整理结果;
将所述第一文字整理结果进行文字提取。
5.如权利要求1所述的方法,其中,所述通过所述信息采集装置采集所述第一儿童的第一基础信息,根据所述第一基础信息获得所述第一儿童的实时状态,还包括:
获得所述第一儿童的第一动作信息,将所述第一动作信息作为第一分析基础信息;
获得所述第一儿童的第一面部表情信息,将所述面部表情信息作为第二分析基础信息;
根据所述第一分析基础信息和所述分析第二基础信息对所述第一儿童的当前状态进行评估,获得所述第一儿童的实时状态。
6.如权利要求5所述的方法,其中,所述监护系统还与一穿戴设备通信连接,所述方法还包括:
通过所述穿戴设备对所述第一儿童进行连续心率变化采集,获得第一心率变化结果;
根据所述第一心率变化结果绘制所述第一儿童的心率变化曲线;
根据所述心率变化曲线获得第一曲线波动峰值;
根据所述第一曲线波动峰值获得第四图像,其中,所述第四图像为所述第一曲线波动峰值对应的时间下采集的图像;
将所述第四图像和所述第一曲线波动峰值作为校验数据,对所述关联度整合分析模型进行校验。
7.如权利要求1所述的方法,其中,所述方法还包括:
构建第一训练数据库,其中,所述第一训练数据库中的每组数据均包括第一状态、第一关联度结果、第二关联度结果和标识危险等级的标识信息;
根据所述第一训练数据库的数据对所述关联度整合分析模型进行监督学习,将进行过监督学习的所述关联度整合分析模型应用于所述危险等级的评估。
8.一种神经外科患者日常监护系统,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监护系统获得第一儿童的第一脑部疾病信息;
第二获得单元,所述第二获得单元用于通过信息采集装置采集所述第一儿童的第一基础信息,根据所述第一基础信息获得所述第一儿童的实时状态;
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获得所述第一儿童的第一病因;
第四获得单元,所述第四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病因与所述第一脑部疾病的病情关联度进行评估,获得第一关联度结果;
第五获得单元,所述第五获得单元用于通过第一摄像装置获得第一图像信息,其中,所述第一图像包括所述第一儿童可以接触到的画面图像;
第六获得单元,所述第六获得单元用于获得第二评估指令,根据所述第二评估指令对所述第一图像信息与所述第一病因进行关联度评估,获得第二关联度结果;
第七获得单元,所述第七获得单元用于将所述实时状态、所述第一关联度结果和所述第二关联度结果输入关联度整合分析模型,获得所述关联度整合分析模型的第一输出结果,其中,所述第一输出结果包括第一危险等级;
第八获得单元,所述第八获得单元用于获得第一预定危险等级阈值;
第一处理单元,所述第一处理单元用于当所述第一危险等级超过所述第一预定危险等级阈值时,对所述画面图像进行处理。
9.一种神经外科患者日常监护系统,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1-7任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110250984.9A CN113014881A (zh) | 2021-03-08 | 2021-03-08 | 一种神经外科患者日常监护方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110250984.9A CN113014881A (zh) | 2021-03-08 | 2021-03-08 | 一种神经外科患者日常监护方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113014881A true CN113014881A (zh) | 2021-06-22 |
Family
ID=76408336
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110250984.9A Withdrawn CN113014881A (zh) | 2021-03-08 | 2021-03-08 | 一种神经外科患者日常监护方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113014881A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113762773A (zh) * | 2021-09-07 | 2021-12-07 | 江西省农业科学院园艺研究所 | 一种灾害监测预报的关联定位分解方法及系统 |
CN118053602A (zh) * | 2024-04-16 | 2024-05-17 | 首都医科大学宣武医院 | 基于智慧病房呼叫系统的数据处理方法及数据处理系统 |
-
2021
- 2021-03-08 CN CN202110250984.9A patent/CN113014881A/zh not_active Withdrawn
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113762773A (zh) * | 2021-09-07 | 2021-12-07 | 江西省农业科学院园艺研究所 | 一种灾害监测预报的关联定位分解方法及系统 |
CN113762773B (zh) * | 2021-09-07 | 2023-05-19 | 江西省农业科学院园艺研究所 | 一种灾害监测预报的关联定位分解方法及系统 |
CN118053602A (zh) * | 2024-04-16 | 2024-05-17 | 首都医科大学宣武医院 | 基于智慧病房呼叫系统的数据处理方法及数据处理系统 |
CN118053602B (zh) * | 2024-04-16 | 2024-06-25 | 首都医科大学宣武医院 | 基于智慧病房呼叫系统的数据处理方法及数据处理系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR20200005986A (ko) | 얼굴인식을 이용한 인지장애 진단 시스템 및 방법 | |
CN113014881A (zh) | 一种神经外科患者日常监护方法及系统 | |
CN112101123B (zh) | 一种注意力检测方法及装置 | |
WO2021068781A1 (zh) | 一种疲劳状态识别方法、装置和设备 | |
CN109276243A (zh) | 脑电心理测试方法及终端设备 | |
CN115607156B (zh) | 基于多模态的心理认知筛查测评方法、系统及存储介质 | |
CN116311539B (zh) | 基于毫米波的睡眠动作捕捉方法、装置、设备及存储介质 | |
CN113133769A (zh) | 基于运动想象脑电信号的设备控制方法、装置及终端 | |
CN111370113A (zh) | 一种基于物联云的远程心理辅导系统及方法 | |
CN114708964A (zh) | 一种基于智能特征分类的眩晕症辅助分析统计方法及系统 | |
CN108710820A (zh) | 基于人脸识别的婴儿状态识别方法、装置和服务器 | |
CN116343302A (zh) | 一种基于机器视觉的微表情分类识别系统 | |
CN115221941A (zh) | 认知障碍检测方法及相关装置、电子设备和存储介质 | |
US20240050006A1 (en) | System and method for prediction and control of attention deficit hyperactivity (adhd) disorders | |
CN114048780A (zh) | 基于联邦学习的脑电信号分类模型训练方法及装置 | |
CN111700592A (zh) | 一种癫痫脑电自动分类模型的获取方法、系统及分类系统 | |
CN112842363A (zh) | 一种睡眠脑电检测方法及系统 | |
CN107194918B (zh) | 数据分析方法及装置 | |
CN110458260A (zh) | 一种监管校车的方法、装置及计算机存储设备 | |
CN111064616B (zh) | 一种基于区块链的链式感知质量评测系统 | |
CN112168190B (zh) | 驾驶压力实时监测系统及方法 | |
Jebraeily et al. | Driver Drowsiness Detection Based on Convolutional Neural Network Architecture Optimization Using Genetic Algorithm | |
CN113192603A (zh) | 一种基于大数据的精神状态评估方法和系统 | |
CN114022698A (zh) | 一种基于二叉树结构的多标签行为识别方法及装置 | |
CN113469274A (zh) | 一种阅读能力的测评方法、装置以及设备 |
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 | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20210622 |
|
WW01 | Invention patent application withdrawn after publication |