CN113100711A - 一种临产产妇健康状况实时追踪的方法和系统 - Google Patents
一种临产产妇健康状况实时追踪的方法和系统 Download PDFInfo
- Publication number
- CN113100711A CN113100711A CN202110377222.5A CN202110377222A CN113100711A CN 113100711 A CN113100711 A CN 113100711A CN 202110377222 A CN202110377222 A CN 202110377222A CN 113100711 A CN113100711 A CN 113100711A
- Authority
- CN
- China
- Prior art keywords
- obtaining
- parturient
- care
- nursing
- degree
- 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.)
- Granted
Links
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/16—Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state
- A61B5/165—Evaluating the state of mind, e.g. depression, anxiety
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Surgery (AREA)
- General Health & Medical Sciences (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Physics & Mathematics (AREA)
- Animal Behavior & Ethology (AREA)
- Pathology (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Psychiatry (AREA)
- Child & Adolescent Psychology (AREA)
- Developmental Disabilities (AREA)
- Educational Technology (AREA)
- Hospice & Palliative Care (AREA)
- Psychology (AREA)
- Social Psychology (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明公开了一种临产产妇健康状况实时追踪的方法和系统,其中,所述方法包括:依据第一产妇的第一产前身体状况评估结果,获得第一护理等级,继而确定对所述第一产妇的第一护理要求;获得第一产妇待产环境的图像信息获得第一产妇和护理人员的活动轨迹;将产妇和护理人员的活动轨迹和第一护理要求输入至第一评估模型,获得第一护理合格度;获得第一产妇的第一生命体征数据;分别获得护理合格度和产妇情绪变化值对于第一生命体征数据的影响度;并根据上述影响度对第一护理等级进行调整。解决了现有技术中对于高龄产妇临产前影响其健康状况的各因素无法及时获取并智能调节,导致产妇健康状况不稳定的技术问题。
Description
技术领域
本发明涉及数据处理领域,尤其涉及一种临产产妇健康状况实时追踪的方法和系统。
背景技术
高龄孕妇在孕期要生活规律,充足的休息,因为高龄在体力上会较年轻时差,怀孕又会增加身体的负担,所以高龄孕妇孕期的并发症会比年轻人高,加之高龄产妇生产前的心理压力较一般产妇更大,因此对于高龄产妇的护理工作具有更高的要求,对于高龄产妇临产前的健康状况的监测及帮助改善具有重要意义。
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:
对于高龄产妇临产前影响其健康状况的各因素无法及时获取并智能调节,导致产妇健康状况不稳定。
发明内容
本申请实施例通过提供一种临产产妇健康状况实时追踪的方法和系统,解决了现有技术中对于高龄产妇临产前影响其健康状况的各因素无法及时获取并智能调节,导致产妇健康状况不稳定的技术问题。实现了通过人工智能对高龄产妇的身体护理及心理护理效果进行评估,并通过实时监测产妇各项生命体征数据对护理要求进行及时调整,以实现提高产妇产前健康状况的技术目的。
鉴于上述问题,本申请实施例提供一种临产产妇健康状况实时追踪的方法和系统。
第一方面,本申请提供了一种临产产妇健康状况实时追踪的方法,其中,所述方法包括:获得第一产妇的第一产前身体状况评估结果,其中,所述第一产妇为高龄产妇;由所述第一产前身体状况评估结果获得所述第一产妇的第一护理等级;由所述第一护理等级获得第一护理人员的第一护理要求;获得第一图像信息,所述第一图像信息为所述第一产妇待产环境的图像信息;由所述第一图像信息获得所述第一产妇的第一活动轨迹和所述第一护理人员的第二活动轨迹;将所述第一活动轨迹、所述第二活动轨迹和所述第一护理要求输入至第一评估模型,获得第一护理合格度;获得所述第一产妇的第一生命体征数据;获得第一时间阈值内所述第一护理合格度对于所述第一生命体征数据的第一影响度;由所述第一生命体征数据获得所述第一产妇的第一情绪变化值;获得所述第一时间阈值内所述第一情绪变化值对于所述第一生命体征数据的第二影响度;由所述第一影响度和所述第二影响度获得第一调整信息;依据所述第一调整信息对所述第一护理等级进行调整,获得第二护理等级。
另一方面,本申请还提供了一种临产产妇健康状况实时追踪的系统,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产妇的第一产前身体状况评估结果,其中,所述第一产妇为高龄产妇;第二获得单元,所述第二获得单元用于由所述第一产前身体状况评估结果获得所述第一产妇的第一护理等级;第三获得单元,所述第三获得单元用于由所述第一护理等级获得第一护理人员的第一护理要求;第四获得单元,所述第四获得单元用于获得第一图像信息,所述第一图像信息为所述第一产妇待产环境的图像信息;第五获得单元,所述第五获得单元用于由所述第一图像信息获得所述第一产妇的第一活动轨迹和所述第一护理人员的第二活动轨迹;第一输入单元,所述第一输入单元用于将所述第一活动轨迹、所述第二活动轨迹和所述第一护理要求输入至第一评估模型,获得第一护理合格度;第六获得单元,所述第六获得单元用于获得所述第一产妇的第一生命体征数据;第七获得单元,所述第七获得单元用于获得第一时间阈值内所述第一护理合格度对于所述第一生命体征数据的第一影响度;第八获得单元,所述第八获得单元用于由所述第一生命体征数据获得所述第一产妇的第一情绪变化值;第九获得单元,所述第九获得单元用于获得所述第一时间阈值内所述第一情绪变化值对于所述第一生命体征数据的第二影响度;第十获得单元,所述第十获得单元用于由所述第一影响度和所述第二影响度获得第一调整信息;第一调整单元,所述第一调整单元用于依据所述第一调整信息对所述第一护理等级进行调整,获得第二护理等级。
另一方面,本申请实施例还提供了一种临产产妇健康状况实时追踪的系统,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上述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:
由于采用了通过对产妇及护理人员的动态进行实时图像捕捉,评估对所述第一产妇的护理合格度,并对所述第一产妇进行生命体征数据进行实时监测,基于相关性分析,获得护理合格度和产妇情绪对其生命体征数据的各影响度,从而依据各影响度确定护理要求中身体护理及心理护理的强度。实现了通过人工智能对高龄产妇的身体护理及心理护理效果进行评估,并通过实时监测产妇各项生命体征数据对护理要求进行及时调整,以实现提高产妇产前健康状况的技术目的。
上述说明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临产产妇健康状况实时追踪的方法的流程示意图;
图2为本申请实施例一种临产产妇健康状况实时追踪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,第五获得单元15,第一输入单元16,第六获得单元17,第七获得单元18,第八获得单元19,第九获得单元20,第十获得单元21,第一调整单元22,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临产产妇健康状况实时追踪的方法和系统,解决了现有技术中对于高龄产妇临产前影响其健康状况的各因素无法及时获取并智能调节,导致产妇健康状况不稳定的技术问题。实现了通过人工智能对高龄产妇的身体护理及心理护理效果进行评估,并通过实时监测产妇各项生命体征数据对护理要求进行及时调整,以实现提高产妇产前健康状况的技术目的。
下面,将参考附图详细的描述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
高龄孕妇在孕期要生活规律,充足的休息,因为高龄在体力上会较年轻时差,怀孕又会增加身体的负担,所以高龄孕妇孕期的并发症会比年轻人高,加之高龄产妇生产前的心理压力较一般产妇更大,因此对于高龄产妇的护理工作具有更高的要求,对于高龄产妇临产前的健康状况的监测及帮助改善具有重要意义。现有技术中还存在着对于高龄产妇临产前影响其健康状况的各因素无法及时获取并智能调节,导致产妇健康状况不稳定的技术问题。
针对上述技术问题,本申请提供的技术方案总体思路如下:
本申请提供了一种临产产妇健康状况实时追踪的方法,其中,所述方法包括:获得第一产妇的第一产前身体状况评估结果,其中,所述第一产妇为高龄产妇;由所述第一产前身体状况评估结果获得所述第一产妇的第一护理等级;由所述第一护理等级获得第一护理人员的第一护理要求;获得第一图像信息,所述第一图像信息为所述第一产妇待产环境的图像信息;由所述第一图像信息获得所述第一产妇的第一活动轨迹和所述第一护理人员的第二活动轨迹;将所述第一活动轨迹、所述第二活动轨迹和所述第一护理要求输入至第一评估模型,获得第一护理合格度;获得所述第一产妇的第一生命体征数据;获得第一时间阈值内所述第一护理合格度对于所述第一生命体征数据的第一影响度;由所述第一生命体征数据获得所述第一产妇的第一情绪变化值;获得所述第一时间阈值内所述第一情绪变化值对于所述第一生命体征数据的第二影响度;由所述第一影响度和所述第二影响度获得第一调整信息;依据所述第一调整信息对所述第一护理等级进行调整,获得第二护理等级。
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临产产妇健康状况实时追踪的方法,其中,所述方法还包括:
步骤S100:获得第一产妇的第一产前身体状况评估结果,其中,所述第一产妇为高龄产妇;
具体而言,所述第一产妇为高龄产妇,由于高龄产妇生育年龄比较晚,胎儿出现异常情况的几率要比年轻妈妈高,所以孕期检查很重要。这些检查包括B超检查、羊水穿刺、血型血压血糖检测等,充分在产前评估身体状态,为分娩做好准备。所述第一产前身体状况评估结果包括对所述第一产妇产前的身体各项指标进行评估,通过评估,判断所述第一产妇在产前需要重点护理的身体指标,举例而言,若所述第一产妇有高血压、高血糖,则需要对其异常指标进行针对护理及重点监测。基于物联网技术,在获得所述第一产前身体状况评估结果之后,将评估结果发送至所述第一产妇的健康状况实时追踪系统,为后续对于高龄产妇的护理方向及护理重点的确定提供了参考。
步骤S200:由所述第一产前身体状况评估结果获得所述第一产妇的第一护理等级;
具体而言,依据所述第一产前身体状况评估结果可以获得所述第一产妇的异常生理指标,继而预测产妇生产前及生产中可能出现的症状,通过实施产前的有效护理,帮助产妇改善产前身体素质及心理素质,降低分娩风险。依据所述第一护理等级确定对于所述第一产妇的护理强度,所述第一产妇的产前身体状况越差,所述第一护理等级越高,对于所述第一用户的护理要求则越高。
步骤S300:由所述第一护理等级获得第一护理人员的第一护理要求;
具体而言,所述第一护理人员包括所述第一患者的家属或者专业护理人员。高龄孕妇在孕期要生活规律,因为高龄在体力上会较年轻时差,怀孕又会增加身体的负担,所以高龄孕妇孕期的并发症会比年轻人高,比如妊娠糖尿病,妊娠高血压等,所以孕期要规律作息,合理饮食,防止并发症的出现。并需要进行适当的锻炼来减少生产时的风险,因此对于高龄产妇的护理要求较高。而所述第一护理要求包括对于高龄产妇的作息、饮食、辅助锻炼的护理方法及护理时间。
步骤S400:获得第一图像信息,所述第一图像信息为所述第一产妇待产环境的图像信息;
具体而言,所述第一图像信息由所述第一产妇待产环境的图像捕捉装置获得,通过获得所述第一图像信息,基于图像识别技术,识别出所述第一图像信息中的人物信息,从而确定所述第一产妇及其护理人员的动态。通过获得所述第一图像信息,实现对产妇的安全、实时监测并对护理人员进行考核和评估。
步骤S500:由所述第一图像信息获得所述第一产妇的第一活动轨迹和所述第一护理人员的第二活动轨迹;
步骤S600:将所述第一活动轨迹、所述第二活动轨迹和所述第一护理要求输入至第一评估模型,获得第一护理合格度;
具体而言,通过对所述第一图像信息进行特征提取,对所述第一产妇及护理人员的动作、行为进行捕捉并标记分析,从而获得所述第一产妇的第一活动轨迹和所述第一护理人员的第二活动轨迹,继而将所述第一活动轨迹、所述第二活动轨迹和所述第一护理要求输入至所述第一评估模型,所述第一评估模型为一神经网络模型,能够对输入数据进行监督训练,具有不断学习、获取经验来处理数据的特点,通过监督学习,判断所述第一活动轨迹和所述第二活动轨迹中的所述第一产妇和护理人员的活动内容是否满足所述第一护理要求中所规定的各项护理的时间及护理强度,并依据判断结果对其进行评估分析,从而获得准确的所述第一护理合格度。
步骤S700:获得所述第一产妇的第一生命体征数据;
具体而言,所述第一生命体征数据由所述第一产妇的所述第一产前身体状况评估结果所决定。通过产前身体状况评估,确定所述第一产妇的危险指标,并对这些指标进行实时监测,从而依据各项生命体征数据进行护理及治疗措施的调整,达到确保产妇身体状况良好的目的。
步骤S800:获得第一时间阈值内所述第一护理合格度对于所述第一生命体征数据的第一影响度;
具体而言,所述第一时间阈值为预设的对所述第一产妇进行身体状况和护理情况评估的时间阈值。获得所述第一时间阈值内每一个护理日期护理人员对所述第一产妇的护理合格度,并获得所述第一时间阈值内所述第一产妇在每个护理日期的生命体征数据值,继而建立各护理合格度及各生命体征数据值的对应关系,通过对数据波动进行分析,获得所述第一影响度,所述第一影响度越大,则表示所述第一产妇的健康状况受护理人员护理的合格程度影响越大,则需要依据所述第一生命体征数据的波动情况对护理人员的护理方法及要求进行调整。
进一步而言,本申请实施例步骤S800还包括:
步骤S801:由所述第一生命体征数据获得所述第一产妇在所述第一时间阈值之内的第一体征波动函数;
步骤S802:获得所述第一时间阈值之内的第一护理合格度函数;
步骤S803:对所述第一体征波动函数和所述第一护理合格度函数进行相关性分析,获得所述第一影响度;
步骤S804:由所述第一护理要求获得所述第一预设生命体征数据阈值;
步骤S805:由所述第一影响度和所述第一预设生命体征数据阈值获得第一预设护理合格度阈值;
步骤S806:判断所述第一护理合格度是否处于所述第一预设护理合格度阈值;
步骤S807:若所述第一护理合格度不处于所述第一预设护理合格度阈值,获得第一提示信息。
具体而言,由所述第一生命体征数据获得所述第一时间阈值内各项体征的数据值,并建立所述第一体征波动函数;由所述第一时间阈值之内各护理合格度数据建立所述第一护理合格度函数。对所述第一体征波动函数和所述第一护理合格度函数进行相关性分析,获得所述第一影响度,所述第一影响度为评估护理合格度对生命体征数据的影响程度。相关分析是一种简单易行的测量定量数据之间的关系情况的分析方法,可以分析包括变量间的关系情况以及关系强弱程度等。通过相关性分析结果获得相关程度,从而获得所述第一影响度。由所述第一护理要求获得所述第一预设生命体征数据阈值,并依据所述第一影响度确定使生命体征数据处于所述第一预设生命体征数据阈值的护理合格度,即获得所述第一预设护理合格度阈值,从而当监测到所述第一护理合格度不处于所述第一预设护理合格度阈值,通过获得所述第一提示信息提示护理人员注意护理质量。
步骤S900:由所述第一生命体征数据获得所述第一产妇的第一情绪变化值;
步骤S1000:获得所述第一时间阈值内所述第一情绪变化值对于所述第一生命体征数据的第二影响度;
具体而言,通过所述第一生命体征数据中获得能够表征所述第一产妇情绪变化的数据值,对所述第一产妇的情绪变化进行分析,并以数值的形式加以体现。从而通过建立情绪变化函数与生命体征数据函数,进行相关性分析来获得所述第二影响度,所述第二影响度用于表征产妇情绪变化对其生命体征数据的影响程度,若所述第二影响度过大,则需要对产妇的心理健康加强护理。通过获得所述第二影响度,实现了对产妇心理健康情况的实时监测。
进一步而言,本申请实施例步骤S900还包括:
步骤S901:获得第二图像信息;
步骤S902:由所述第二图像信息获得所述第一产妇的第一面部信息;
步骤S903:获得第一情绪面部表征;
步骤S904:依据所述第一情绪面部表征对所述第一面部信息进行分析处理,获得第一情绪值;
步骤S905:由所述第一生命体征数据获得第一情绪相关体征数据;
步骤S906:由所述第一情绪相关体征数据获得第二情绪值;
步骤S907:由所述第一情绪值和所述第二情绪值确定所述第一产妇的所述第一情绪变化值。
具体而言,对人的情绪波动测量可通过多方面影响因素来获得,进一步地,获得所述第一产妇的面部图像信息,并对其进行面部识别分析,从而通过面部识别情绪来获得所述第一产妇通过面部表现出的所述第一情绪值;另一方面是通过获得所述第一生命体征数据中可表征情绪变化的体征数据,举例而言,如心率、皮肤电信号等,通过所述第一情绪相关体征数据,获得由生命体征数据进行表征的所述第二情绪值。继而由所述第一情绪值和所述第二情绪值确定所述第一情绪变化值。
步骤S1100:由所述第一影响度和所述第二影响度获得第一调整信息;
步骤S1200:依据所述第一调整信息对所述第一护理等级进行调整,获得第二护理等级。
具体而言,在获得护理合格度对产妇生理体征的第一影响度,和产妇情绪对其生理体征变化的第二影响度之后,依据所述第一影响度和所述第二影响度确定对所述第一产妇的护理侧重点。举例而言,若所述第一影响度较高,而所述第二影响度几乎可忽略不计,则需要调整所述第一护理等级,以增强对于所述第一产妇的身体护理;若所述第一影响度及所述第二影响度均较高,则通过调整所述第一护理等级同时加强对于所述第一产妇的身体及心理护理。通过获得所述第二护理等级,增强了对所述第一产妇护理的有效性和合理性,从而进一步提高了产妇的身体健康状况。
进一步而言,本申请实施例步骤S1100还包括:
步骤S1101:获得所述第一产妇所在的第一病房;
步骤S1102:获得所述第一病房内的第二产妇;
步骤S1103:获得所述第二产妇的第二情绪变化值;
步骤S1104:获得所述第二情绪变化值对所述第一情绪变化值的第三影响度;
步骤S1105:判断所述第三影响度是否超过第一阈值;
步骤S1106:若所述第三影响度超过所述第一阈值,获得第二调整信息;
步骤S1107:依据所述第二调整信息对所述第一护理等级进行调整。
具体而言,对于临产妇来说心理健康对其身体状况的影响更为明显,处于分娩时的产妇心情十分复杂,可引起宫缩乏力,致使产程延长、胎儿窘迫、产后大出血及产后泌乳减少等症状。而产妇的心理压力除了自身对分娩的紧张、恐惧之外,由外界带来的影响更大。举例而言,同病房的产妇痛苦的表现,对于生产的情绪变化很可能会影响到所述第一产妇的情绪变化。因此获得所述第一产妇同病房内所述第二产妇的第二情绪变化值,并通过相关性分析,获得所述第二情绪变化值对所述第一情绪变化值的第三影响度,来评估所述第一产妇情绪变化受所述第二产妇情绪的影响程度,若所述第三影响度超过预设的所述第一阈值,通过对所述第一护理等级进行调整,来加强对所述第一产妇心理状况的护理。
进一步而言,本申请实施例步骤S1106还包括:
步骤S11061:若所述第三影响度超过所述第一阈值,判断所述第三影响度是否为负影响;
步骤S11062:若所述第三影响度为负影响,获得第一调配指令;
步骤S11063:依据所述第一调配指令对所述第一产妇的病房进行重新调配。
具体而言,若第二产妇对所述第一产妇情绪的影响度超过所述第一预支,判断其影响度是否为负影响,若所述第三影响度为负影响,则代表所述第二产妇的情绪变化值对所述第一产妇为负面影响,且影响程度较大,则需要通过获得所述第一调配指令,对所述第二产妇与所述第一产妇的病房位置进行调整,以减少所述第一产妇的情绪变化对其身体健康状况的影响程度。
进一步而言,本申请实施例步骤S1100还包括:
步骤S1101a:由所述第一影响度获得第一权重值,其中,所述第一权重值为护理权重值;
步骤S1102a:由所述第二影响度获得第二权重值,其中,所述第二权重值为情绪权重值;
步骤S1103a:由所述第一权重值和所述第二权重值获得第一护理比例;
步骤S1104a:获得所述第一护理人员的第一护理时长安排;
步骤S1105a:由所述第一护理比例和所述第一护理时长安排确定所述第一调整信息。
具体而言,通过获得所述护理权重值和所述情绪权重值,判断护理合格度及情绪影响对所述第一产妇健康状况的影响程度所占的权重值,进一步地,若所述护理权重值大于所述情绪权重值,则所述第一护理比例为身体护理强度大于心理护理强度;若所述护理权重值小于所述情绪权重值,则需要加大对所述第一产妇心理护理的比例。获得所述第一护理比例之后,依据所述第一护理比例确定对于所述第一产妇的护理时长。从而实现对所述第一产妇进行更为准确、高效的护理。
进一步而言,本申请实施例步骤S600还包括:
步骤S601:将所述第一活动轨迹、所述第二活动轨迹和所述第一护理要求输入至第一评估模型进行训练,所述第一评估模型通过多组训练数据训练所得,其中,所述多组训练数据中的每一组训练数据均包括:所述第一活动轨迹、所述第二活动轨迹、所述第一护理要求和所述第一护理合格度的标识信息;
步骤S602:获得所述第一评估模型的第一输出结果,所述第一输出结果包括获得第一护理合格度。
具体而言,所述第一评估模型为一神经网络模型,所述神经网络模型通过多组训练数据训练获得,所述神经网络模型即机器学习中的神经网络模型,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。所述神经网络模型通过训练数据训练的过程本质上为监督学习的过程。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活动轨迹、所述第二活动轨迹、所述第一护理要求和所述第一护理合格度的标识信息;在获得所述第一活动轨迹、所述第二活动轨迹、所述第一护理要求的情况下,神经网络模型会输出所述第一护理合格度的标识信息来对神经网络模型输出的所述第一护理合格度进行校验,如果输出的所述第一护理合格度同标识的所述第一护理合格度相一致,则本数据监督学习完成,则进行下一组数据监督学习;如果输出的所述第一护理合格度同标识的所述第一护理合格度不一致,则神经网络模型自身进行调整,直到神经网络模型达到预期的准确率后,进行下一组数据的监督学习。通过训练数据使神经网络模型自身不断地修正、优化,通过监督学习的过程来提高神经网络模型处理所述数据的准确性,进而使得所述第一护理合格度更加准确。
综上所述,本申请实施例所提供的一种临产产妇健康状况实时追踪的方法具有如下技术效果:
1、由于采用了通过对产妇及护理人员的动态进行实时图像捕捉,评估对所述第一产妇的护理合格度,并对所述第一产妇进行生命体征数据进行实时监测,基于相关性分析,获得护理合格度和产妇情绪对其生命体征数据的各影响度,从而依据各影响度确定护理要求中身体护理及心理护理的强度。实现了通过人工智能对高龄产妇的身体护理及心理护理效果进行评估,并通过实时监测产妇各项生命体征数据对护理要求进行及时调整,以实现提高产妇产前健康状况的技术目的。
2、由于采用了将所述第一活动轨迹、所述第二活动轨迹和所述第一护理要求输入至第一评估模型进行训练,所述第一评估模型通过训练数据对输出结果进行训练,从而依据输出结果进一步获得所述第一护理合格度,基于训练模型能够不断学习、获取经验来处理数据的特点,使得所获得的所述第一护理合格度更为准确。
实施例二
基于与前述实施例中一种临产产妇健康状况实时追踪的方法同样发明构思,本发明还提供了一种临产产妇健康状况实时追踪的系统,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用于获得第一产妇的第一产前身体状况评估结果,其中,所述第一产妇为高龄产妇;
第二获得单元12,所述第二获得单元12用于由所述第一产前身体状况评估结果获得所述第一产妇的第一护理等级;
第三获得单元13,所述第三获得单元13用于由所述第一护理等级获得第一护理人员的第一护理要求;
第四获得单元14,所述第四获得单元14用于获得第一图像信息,所述第一图像信息为所述第一产妇待产环境的图像信息;
第五获得单元15,所述第五获得单元15用于由所述第一图像信息获得所述第一产妇的第一活动轨迹和所述第一护理人员的第二活动轨迹;
第一输入单元16,所述第一输入单元16用于将所述第一活动轨迹、所述第二活动轨迹和所述第一护理要求输入至第一评估模型,获得第一护理合格度;
第六获得单元17,所述第六获得单元17用于获得所述第一产妇的第一生命体征数据;
第七获得单元18,所述第七获得单元18用于获得第一时间阈值内所述第一护理合格度对于所述第一生命体征数据的第一影响度;
第八获得单元19,所述第八获得单元19用于由所述第一生命体征数据获得所述第一产妇的第一情绪变化值;
第九获得单元20,所述第九获得单元20用于获得所述第一时间阈值内所述第一情绪变化值对于所述第一生命体征数据的第二影响度;
第十获得单元21,所述第十获得单元21用于由所述第一影响度和所述第二影响度获得第一调整信息;
第一调整单元22,所述第一调整单元22用于依据所述第一调整信息对所述第一护理等级进行调整,获得第二护理等级。
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由所述第一生命体征数据获得所述第一产妇在所述第一时间阈值之内的第一体征波动函数;
第十二获得单元,所述第十二获得单元用于获得所述第一时间阈值之内的第一护理合格度函数;
第十三获得单元,所述第十三获得单元用于对所述第一体征波动函数和所述第一护理合格度函数进行相关性分析,获得所述第一影响度;
第十四获得单元,所述第十四获得单元用于由所述第一护理要求获得所述第一预设生命体征数据阈值;
第十五获得单元,所述第十五获得单元用于由所述第一影响度和所述第一预设生命体征数据阈值获得第一预设护理合格度阈值;
第一判断单元,所述第一判断单元用于判断所述第一护理合格度是否处于所述第一预设护理合格度阈值;
第十六获得单元,所述第十六获得单元用于若所述第一护理合格度不处于所述第一预设护理合格度阈值,获得第一提示信息。
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第二图像信息;
第十八获得单元,所述第十八获得单元用于由所述第二图像信息获得所述第一产妇的第一面部信息;
第十九获得单元,所述第十九获得单元用于获得第一情绪面部表征;
第二十获得单元,所述第二十获得单元用于依据所述第一情绪面部表征对所述第一面部信息进行分析处理,获得第一情绪值;
第二十一获得单元,所述第二十一获得单元用于由所述第一生命体征数据获得第一情绪相关体征数据;
第二十二获得单元,所述第二十二获得单元用于由所述第一情绪相关体征数据获得第二情绪值;
第二十三获得单元,所述第二十三获得单元用于由所述第一情绪值和所述第二情绪值确定所述第一产妇的所述第一情绪变化值。
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产妇所在的第一病房;
第二十五获得单元,所述第二十五获得单元用于获得所述第一病房内的第二产妇;
第二十六获得单元,所述第二十六获得单元用于获得所述第二产妇的第二情绪变化值;
第二十七获得单元,所述第二十七获得单元用于获得所述第二情绪变化值对所述第一情绪变化值的第三影响度;
第二判断单元,所述第二判断单元用于判断所述第三影响度是否超过第一阈值;
第二十八获得单元,所述第二十八获得单元用于若所述第三影响度超过所述第一阈值,获得第二调整信息;
第二调整单元,所述第二调整单元用于依据所述第二调整信息对所述第一护理等级进行调整。
进一步的,所述系统还包括:
第三判断单元,所述第三判断单元用于若所述第三影响度超过所述第一阈值,判断所述第三影响度是否为负影响;
第二十九获得单元,所述第二十九获得单元用于若所述第三影响度为负影响,获得第一调配指令;
第三调整单元,所述第三调整单元用于依据所述第一调配指令对所述第一产妇的病房进行重新调配。
进一步的,所述系统还包括:
第三十获得单元,所述第三十获得单元用于由所述第一影响度获得第一权重值,其中,所述第一权重值为护理权重值;
第三十一获得单元,所述第三十一获得单元用于由所述第二影响度获得第二权重值,其中,所述第二权重值为情绪权重值;
第三十二获得单元,所述第三十二获得单元用于由所述第一权重值和所述第二权重值获得第一护理比例;
第三十三获得单元,所述第三十三获得单元用于获得所述第一护理人员的第一护理时长安排;
第三十四获得单元,所述第三十四获得单元用于由所述第一护理比例和所述第一护理时长安排确定所述第一调整信息。
进一步的,所述系统还包括:
第二输入单元,所述第二输入单元用于将所述第一活动轨迹、所述第二活动轨迹和所述第一护理要求输入至第一评估模型进行训练,所述第一评估模型通过多组训练数据训练所得,其中,所述多组训练数据中的每一组训练数据均包括:所述第一活动轨迹、所述第二活动轨迹、所述第一护理要求和所述第一护理合格度的标识信息;
第三十五获得单元,所述第三十五获得单元用于获得所述第一评估模型的第一输出结果,所述第一输出结果包括获得第一护理合格度。
前述图1实施例一中的一种临产产妇健康状况实时追踪的方法和具体实例同样适用于本实施例的一种临产产妇健康状况实时追踪的系统,通过前述对一种临产产妇健康状况实时追踪的方法的详细描述,本领域技术人员可以清楚的知道本实施例中一种临产产妇健康状况实时追踪的系统,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。
基于与前述实施例一种临产产妇健康状况实时追踪的方法的发明构思,本发明还提供一种临产产妇健康状况实时追踪的系统,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临产产妇健康状况实时追踪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装置通信的单元。
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。
本申请提供了一种临产产妇健康状况实时追踪的方法,其中,所述方法包括:获得第一产妇的第一产前身体状况评估结果,其中,所述第一产妇为高龄产妇;由所述第一产前身体状况评估结果获得所述第一产妇的第一护理等级;由所述第一护理等级获得第一护理人员的第一护理要求;获得第一图像信息,所述第一图像信息为所述第一产妇待产环境的图像信息;由所述第一图像信息获得所述第一产妇的第一活动轨迹和所述第一护理人员的第二活动轨迹;将所述第一活动轨迹、所述第二活动轨迹和所述第一护理要求输入至第一评估模型,获得第一护理合格度;获得所述第一产妇的第一生命体征数据;获得第一时间阈值内所述第一护理合格度对于所述第一生命体征数据的第一影响度;由所述第一生命体征数据获得所述第一产妇的第一情绪变化值;获得所述第一时间阈值内所述第一情绪变化值对于所述第一生命体征数据的第二影响度;由所述第一影响度和所述第二影响度获得第一调整信息;依据所述第一调整信息对所述第一护理等级进行调整,获得第二护理等级。
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,则可对这些实施例作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)
1.一种临产产妇健康状况实时追踪的方法,其中,所述方法包括:
获得第一产妇的第一产前身体状况评估结果,其中,所述第一产妇为高龄产妇;
由所述第一产前身体状况评估结果获得所述第一产妇的第一护理等级;
由所述第一护理等级获得第一护理人员的第一护理要求;
获得第一图像信息,所述第一图像信息为所述第一产妇待产环境的图像信息;
由所述第一图像信息获得所述第一产妇的第一活动轨迹和所述第一护理人员的第二活动轨迹;
将所述第一活动轨迹、所述第二活动轨迹和所述第一护理要求输入至第一评估模型,获得第一护理合格度;
获得所述第一产妇的第一生命体征数据;
获得第一时间阈值内所述第一护理合格度对于所述第一生命体征数据的第一影响度;
由所述第一生命体征数据获得所述第一产妇的第一情绪变化值;
获得所述第一时间阈值内所述第一情绪变化值对于所述第一生命体征数据的第二影响度;
由所述第一影响度和所述第二影响度获得第一调整信息;
依据所述第一调整信息对所述第一护理等级进行调整,获得第二护理等级。
2.如权利要求1所述的方法,其中,所述方法包括:
由所述第一生命体征数据获得所述第一产妇在所述第一时间阈值之内的第一体征波动函数;
获得所述第一时间阈值之内的第一护理合格度函数;
对所述第一体征波动函数和所述第一护理合格度函数进行相关性分析,获得所述第一影响度;
由所述第一护理要求获得所述第一预设生命体征数据阈值;
由所述第一影响度和所述第一预设生命体征数据阈值获得第一预设护理合格度阈值;
判断所述第一护理合格度是否处于所述第一预设护理合格度阈值;
若所述第一护理合格度不处于所述第一预设护理合格度阈值,获得第一提示信息。
3.如权利要求1所述的方法,其中,所述方法包括:
获得第二图像信息;
由所述第二图像信息获得所述第一产妇的第一面部信息;
获得第一情绪面部表征;
依据所述第一情绪面部表征对所述第一面部信息进行分析处理,获得第一情绪值;
由所述第一生命体征数据获得第一情绪相关体征数据;
由所述第一情绪相关体征数据获得第二情绪值;
由所述第一情绪值和所述第二情绪值确定所述第一产妇的所述第一情绪变化值。
4.如权利要求1所述的方法,其中,所述方法包括:
获得所述第一产妇所在的第一病房;
获得所述第一病房内的第二产妇;
获得所述第二产妇的第二情绪变化值;
获得所述第二情绪变化值对所述第一情绪变化值的第三影响度;
判断所述第三影响度是否超过第一阈值;
若所述第三影响度超过所述第一阈值,获得第二调整信息;
依据所述第二调整信息对所述第一护理等级进行调整。
5.如权利要求4所述的方法,其中,所述方法包括:
若所述第三影响度超过所述第一阈值,判断所述第三影响度是否为负影响;
若所述第三影响度为负影响,获得第一调配指令;
依据所述第一调配指令对所述第一产妇的病房进行重新调配。
6.如权利要求1所述的方法,其中,所述由所述第一影响度和所述第二影响度获得第一调整信息,还包括:
由所述第一影响度获得第一权重值,其中,所述第一权重值为护理权重值;
由所述第二影响度获得第二权重值,其中,所述第二权重值为情绪权重值;
由所述第一权重值和所述第二权重值获得第一护理比例;
获得所述第一护理人员的第一护理时长安排;
由所述第一护理比例和所述第一护理时长安排确定所述第一调整信息。
7.如权利要求1所述的方法,其中,所述方法包括:
将所述第一活动轨迹、所述第二活动轨迹和所述第一护理要求输入至第一评估模型进行训练,所述第一评估模型通过多组训练数据训练所得,其中,所述多组训练数据中的每一组训练数据均包括:所述第一活动轨迹、所述第二活动轨迹、所述第一护理要求和所述第一护理合格度的标识信息;
获得所述第一评估模型的第一输出结果,所述第一输出结果包括获得第一护理合格度。
8.一种临产产妇健康状况实时追踪的系统,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产妇的第一产前身体状况评估结果,其中,所述第一产妇为高龄产妇;
第二获得单元,所述第二获得单元用于由所述第一产前身体状况评估结果获得所述第一产妇的第一护理等级;
第三获得单元,所述第三获得单元用于由所述第一护理等级获得第一护理人员的第一护理要求;
第四获得单元,所述第四获得单元用于获得第一图像信息,所述第一图像信息为所述第一产妇待产环境的图像信息;
第五获得单元,所述第五获得单元用于由所述第一图像信息获得所述第一产妇的第一活动轨迹和所述第一护理人员的第二活动轨迹;
第一输入单元,所述第一输入单元用于将所述第一活动轨迹、所述第二活动轨迹和所述第一护理要求输入至第一评估模型,获得第一护理合格度;
第六获得单元,所述第六获得单元用于获得所述第一产妇的第一生命体征数据;
第七获得单元,所述第七获得单元用于获得第一时间阈值内所述第一护理合格度对于所述第一生命体征数据的第一影响度;
第八获得单元,所述第八获得单元用于由所述第一生命体征数据获得所述第一产妇的第一情绪变化值;
第九获得单元,所述第九获得单元用于获得所述第一时间阈值内所述第一情绪变化值对于所述第一生命体征数据的第二影响度;
第十获得单元,所述第十获得单元用于由所述第一影响度和所述第二影响度获得第一调整信息;
第一调整单元,所述第一调整单元用于依据所述第一调整信息对所述第一护理等级进行调整,获得第二护理等级。
9.一种临产产妇健康状况实时追踪的系统,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1-7任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110377222.5A CN113100711B (zh) | 2021-04-08 | 2021-04-08 | 一种临产产妇健康状况实时追踪的方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110377222.5A CN113100711B (zh) | 2021-04-08 | 2021-04-08 | 一种临产产妇健康状况实时追踪的方法和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113100711A true CN113100711A (zh) | 2021-07-13 |
CN113100711B CN113100711B (zh) | 2021-11-16 |
Family
ID=76714823
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110377222.5A Active CN113100711B (zh) | 2021-04-08 | 2021-04-08 | 一种临产产妇健康状况实时追踪的方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113100711B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114967797A (zh) * | 2022-04-27 | 2022-08-30 | 青岛海尔空调器有限总公司 | 孕婴护理空调及其控制方法 |
CN115346339A (zh) * | 2022-10-14 | 2022-11-15 | 深圳市飞梵实业有限公司 | 一种临产妇健康监控系统及方法 |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006014813A (ja) * | 2004-06-30 | 2006-01-19 | Daikin Ind Ltd | 睡眠日誌作成装置 |
WO2006088415A1 (en) * | 2005-02-18 | 2006-08-24 | Jemardator Ab | Movement disorder monitoring |
JP2010022557A (ja) * | 2008-07-18 | 2010-02-04 | Sharp Corp | 疾患診断システム、端末装置、及びサーバ装置 |
US20170087301A1 (en) * | 2013-11-15 | 2017-03-30 | Yibing Wu | Life maintenance mode, a brain inhibition therapy and a personal health information platform |
CN109394209A (zh) * | 2018-10-15 | 2019-03-01 | 汕头大学 | 一种面向孕妇音乐治疗的个性化情感调节系统及方法 |
CN109875556A (zh) * | 2019-03-05 | 2019-06-14 | 广州爱听贝科技有限公司 | 一种智能临产监测系统 |
US20190314641A1 (en) * | 2016-11-17 | 2019-10-17 | Cognito Therapeutics, Inc. | Methods and systems for neural stimulation via visual, auditory and peripheral nerve stimulations |
WO2020018050A2 (en) * | 2018-05-24 | 2020-01-23 | Yilmaz Pekcaliskan Elif | A natural, nutrituous and a delicious gluten-free functional food with protective and supportive effects on health and its production method |
CN110996766A (zh) * | 2017-07-19 | 2020-04-10 | 布鲁姆技术公司 | 监测子宫活动和评估早产风险 |
CN210962879U (zh) * | 2019-09-02 | 2020-07-10 | 南通市妇幼保健院 | 一种产妇无痛麻醉体位约束垫 |
CN111445967A (zh) * | 2020-02-17 | 2020-07-24 | 青岛市城阳区人民医院 | 基于人工智能的产科临床辅助顺产信息处理系统及方法 |
US10877655B1 (en) * | 2014-12-11 | 2020-12-29 | Rdi Technologies, Inc. | Method of analyzing, displaying, organizing and responding to vital signals |
CN112201363A (zh) * | 2020-10-13 | 2021-01-08 | 南通市第一人民医院 | 一种儿科护理日常基础操作方法及装置 |
-
2021
- 2021-04-08 CN CN202110377222.5A patent/CN113100711B/zh active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006014813A (ja) * | 2004-06-30 | 2006-01-19 | Daikin Ind Ltd | 睡眠日誌作成装置 |
WO2006088415A1 (en) * | 2005-02-18 | 2006-08-24 | Jemardator Ab | Movement disorder monitoring |
JP2010022557A (ja) * | 2008-07-18 | 2010-02-04 | Sharp Corp | 疾患診断システム、端末装置、及びサーバ装置 |
US20170087301A1 (en) * | 2013-11-15 | 2017-03-30 | Yibing Wu | Life maintenance mode, a brain inhibition therapy and a personal health information platform |
US10877655B1 (en) * | 2014-12-11 | 2020-12-29 | Rdi Technologies, Inc. | Method of analyzing, displaying, organizing and responding to vital signals |
US20190314641A1 (en) * | 2016-11-17 | 2019-10-17 | Cognito Therapeutics, Inc. | Methods and systems for neural stimulation via visual, auditory and peripheral nerve stimulations |
CN110996766A (zh) * | 2017-07-19 | 2020-04-10 | 布鲁姆技术公司 | 监测子宫活动和评估早产风险 |
WO2020018050A2 (en) * | 2018-05-24 | 2020-01-23 | Yilmaz Pekcaliskan Elif | A natural, nutrituous and a delicious gluten-free functional food with protective and supportive effects on health and its production method |
CN109394209A (zh) * | 2018-10-15 | 2019-03-01 | 汕头大学 | 一种面向孕妇音乐治疗的个性化情感调节系统及方法 |
CN109875556A (zh) * | 2019-03-05 | 2019-06-14 | 广州爱听贝科技有限公司 | 一种智能临产监测系统 |
CN210962879U (zh) * | 2019-09-02 | 2020-07-10 | 南通市妇幼保健院 | 一种产妇无痛麻醉体位约束垫 |
CN111445967A (zh) * | 2020-02-17 | 2020-07-24 | 青岛市城阳区人民医院 | 基于人工智能的产科临床辅助顺产信息处理系统及方法 |
CN112201363A (zh) * | 2020-10-13 | 2021-01-08 | 南通市第一人民医院 | 一种儿科护理日常基础操作方法及装置 |
Non-Patent Citations (4)
Title |
---|
SHERIFALI, DIANA; NERENBERG, KARA A.; WILSON, SHANNA; 等.: "The Effectiveness of eHealth Technologies on Weight Management in Pregnant and Postpartum Women: Systematic Review and Meta-Analysis", 《JOURNAL OF MEDICAL INTERNET RESEARCH》 * |
TORGERSEN, CKL AND CURRAN, CA: "A Systematic Approach to the Physiologic Adaptations of Pregnancy", 《CRITICAL CARE NURSING QUARTERLY》 * |
苏景明: "个性化护理应用于初产妇介入性产前诊断过程中的应用", 《中外医学研究》 * |
陈艳婷: "音乐护理对初产妇第一产程的影响", 《上海护理》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114967797A (zh) * | 2022-04-27 | 2022-08-30 | 青岛海尔空调器有限总公司 | 孕婴护理空调及其控制方法 |
CN115346339A (zh) * | 2022-10-14 | 2022-11-15 | 深圳市飞梵实业有限公司 | 一种临产妇健康监控系统及方法 |
CN115346339B (zh) * | 2022-10-14 | 2023-01-10 | 深圳市飞梵实业有限公司 | 一种临产妇健康监控系统及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113100711B (zh) | 2021-11-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11576622B2 (en) | Systems and methods for monitoring uterine activity and assessing pre-term birth risk | |
Georgieva et al. | Artificial neural networks applied to fetal monitoring in labour | |
CN113100711B (zh) | 一种临产产妇健康状况实时追踪的方法和系统 | |
van den Heuvel et al. | Home-based monitoring and telemonitoring of complicated pregnancies: nationwide cross-sectional survey of current practice in the Netherlands | |
CN112216360A (zh) | 一种糖尿病病人日常血糖监测数据采集管理方法及系统 | |
CN115040093A (zh) | 一种用于内科高龄患者的护理干预方法及系统 | |
Chen et al. | Comparison of a novel computerized analysis program and visual interpretation of cardiotocography | |
CN111916213A (zh) | 一种基于云计算的医疗服务方法和装置 | |
CN111986812A (zh) | 一种基于互联网的妇产科疾病医疗诊治控制系统 | |
Altıntop et al. | A novel approach for detection of consciousness level in comatose patients from EEG signals with 1-D convolutional neural network | |
Kerr et al. | Human vital sign determination using tactile sensing and fuzzy triage system | |
CN115024725A (zh) | 融合心理状态多参数检测的肿瘤治疗辅助决策系统 | |
US20240032851A1 (en) | Cognitive function estimation device, cognitive function estimation method, and storage medium | |
CN112992355A (zh) | 一种食管癌患者的术前评估方法及系统 | |
CN117253580A (zh) | 一种自动化患者监测护理系统、方法以及装置 | |
CN112951434B (zh) | 一种智能评估产妇产前状态的方法及系统 | |
CN112259222B (zh) | 一种妇产科高危产妇管理方法和装置 | |
CN113870973A (zh) | 基于人工智能的信息输出方法、装置、计算机设备及介质 | |
CN112957017B (zh) | 一种昏迷患者的实时体征监测方法及系统 | |
Valensise et al. | The computerized fetal heart rate analysis in post-term pregnancy identifies patients at risk for fetal distress in labour | |
Acar et al. | Mobile Health Applications Used in Perinatal Period and Nursing Roles. | |
CN113130070B (zh) | 一种颅脑疾患的综合诊断方法及系统 | |
US20240078923A1 (en) | Test familiar determination device, test familiar determination method and storage medium | |
US11664100B2 (en) | Predicting time to vaginal delivery | |
EP4371491A1 (en) | Electrocardiogram reading system in which deep learning-based model and rule-based model are integrated |
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 |