CN113192624B - 紧急救治系统、紧急救治方法及电子设备 - Google Patents

紧急救治系统、紧急救治方法及电子设备 Download PDF

Info

Publication number
CN113192624B
CN113192624B CN202110745539.XA CN202110745539A CN113192624B CN 113192624 B CN113192624 B CN 113192624B CN 202110745539 A CN202110745539 A CN 202110745539A CN 113192624 B CN113192624 B CN 113192624B
Authority
CN
China
Prior art keywords
data
index
information
matrix
terminal
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
Application number
CN202110745539.XA
Other languages
English (en)
Other versions
CN113192624A (zh
Inventor
张希颖
田福臣
王同波
崔璨
王洪亮
褚虓
张洪雷
吴新银
刘欣欣
佟晓彤
赵磊
胡延洋
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
BOE Technology Group Co Ltd
Original Assignee
BOE Technology Group Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by BOE Technology Group Co Ltd filed Critical BOE Technology Group Co Ltd
Priority to CN202110745539.XA priority Critical patent/CN113192624B/zh
Publication of CN113192624A publication Critical patent/CN113192624A/zh
Application granted granted Critical
Publication of CN113192624B publication Critical patent/CN113192624B/zh
Priority to PCT/CN2022/103328 priority patent/WO2023274402A1/zh
Priority to EP22832214.5A priority patent/EP4345840A1/en
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
    • G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
    • G16H40/67—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for remote operation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00—Arrangements for program control, e.g. control units
    • G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/46—Multiprogramming arrangements
    • G06F9/54—Interprogram communication
    • G06F9/546—Message passing systems or structures, e.g. queues
    • 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
    • G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
    • G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
    • 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
    • G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
    • G16H40/20—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the management or administration of healthcare resources or facilities, e.g. managing hospital staff or surgery rooms
    • 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
    • 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
    • G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
    • 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
    • G16H80/00—ICT specially adapted for facilitating communication between medical practitioners or patients, e.g. for collaborative diagnosis, therapy or health monitoring
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2209/00—Indexing scheme relating to G06F9/00
    • G06F2209/54—Indexing scheme relating to G06F9/54
    • G06F2209/548—Queue

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • Biomedical Technology (AREA)
  • Primary Health Care (AREA)
  • Epidemiology (AREA)
  • General Health & Medical Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Pathology (AREA)
  • General Business, Economics & Management (AREA)
  • Business, Economics & Management (AREA)
  • Software Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Medical Treatment And Welfare Office Work (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)

Abstract

本公开涉及智慧医疗技术领域，尤其涉及一种紧急救治系统、紧急救治方法及电子设备。该紧急救治系统包括：信息采集终端，部署于救护车辆，用于采集待救治对象医疗数据并上传至数据湖集群；数据湖集群，用于对所述待救治对象医疗数据进行数据接入、数据处理、数据存储以及数据分发；医疗业务系统，用于从所述数据湖集群获取所述待救治对象医疗数据。

Description

紧急救治系统、紧急救治方法及电子设备
技术领域
本公开涉及智慧医疗技术领域，尤其涉及一种紧急救治系统、紧急救治方法及电子设备。
背景技术
紧急救治，是指在医院以外的地方，病人突发疾病情况下，拨打急救电话或者通过其他方式，寻求紧急救治帮助。
传统的紧急救治中，医院与救护车辆之间依然存在信息隔离。目前虽然已有部分救护车辆配备的急救设备可以提供医疗数据传输功能，但是仍然缺乏对于医疗数据的统一管理能力。
需要说明的是，在上述背景技术部分公开的信息仅用于加强对本公开的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。
发明内容
本公开提供一种紧急救治系统、紧急救治方法及电子设备。
根据本公开的一个方面，提供一种紧急救治系统，包括：
信息采集终端，部署于救护车辆，用于采集待救治对象医疗数据并上传至数据湖集群；
数据湖集群，用于对所述待救治对象医疗数据进行数据接入、数据处理、数据存储以及数据分发；
医疗业务系统，用于从所述数据湖集群获取所述待救治对象医疗数据。
在本公开的一种示例性实施例中，所述数据湖集群包括：
数据接入模块，用于根据信息采集终端的类型确定对应的目标接入方式并通过目标接入方式接入待救治对象医疗数据；
数据处理模块，用于对所述待救治对象医疗数据的指标信息进行解析，并建立各所述指标信息与标准指标之间的映射关系；
数据分发模块，用于将经由所述数据处理模块处理后的待救治对象医疗数据分发至所述医疗业务系统。
在本公开的一种示例性实施例中，所述数据处理模块中对所述待救治对象医疗数据的指标信息进行解析包括：
基于数据解析模型对所述信息采集终端上传的所述待救治对象医疗数据的指标信息进行解析；其中，
所述数据解析模型为基于所述信息采集终端对应的解析协议进行建模得到。
在本公开的一种示例性实施例中，所述待救治对象医疗数据的指标信息包括n个字段，其中第i个字段表示所述待救治对象医疗数据的指标的二进制值的第(i-1) *m+1位至第i*m位，m为正整数，表征各字段在对应的二进制数据中表示的位数；所述数据解析模型通过下述公式对所述待救治对象医疗数据的指标信息进行解析：
Figure 536267DEST_PATH_IMAGE001
其中，函数
Figure 187828DEST_PATH_IMAGE002
用于将对象转换为二进制数值，
Figure 701986DEST_PATH_IMAGE003
用于将对象转换为十进 制数值。
在本公开的一种示例性实施例中，所述标准指标至少包括标准编码标识，所述数据处理模块中建立各所述指标信息与标准指标之间的映射关系包括：
在解析所述信息采集终端上传的所述待救治对象医疗数据的指标信息后，获取其中的非标准编码标识；
基于所述非标准编码标识与所述标准编码标识之间的映射关系，将所述标准编码标识与所述待救治对象医疗数据的指标信息中的指标值进行键值存储；
将与所述待救治对象医疗数据对应的标准编码标识与所述信息采集终端的设备标识关联。
在本公开的一种示例性实施例中，其中：
所述数据接入模块与所述数据处理模块之间配置有第一消息平台，所述第一消息平台用于供所述数据接入模块通过消息服务的方式将接入的信息传输至所述数据处理模块；
所述数据分发模块与所述医疗业务系统之间配置有第二消息平台，所述第二消息平台用于供所述数据分发模块通过消息服务的方式将处理后的待救治对象医疗数据传输至所述医疗业务系统。
在本公开的一种示例性实施例中，所述数据分发模块还用于，将所述待救治对象医疗数据发送至消息队列，以便于所述第二消息平台从所述消息队列拉取所述待救治对象医疗数据。
在本公开的一种示例性实施例中，所述数据接入模块接入的待救治对象医疗数据与数据分发模块分发的处理后的待救治对象医疗数据之间存在数据转换关系。
在本公开的一种示例性实施例中，所述输入指标包括低通气指数x1、呼吸暂停指数x2以及压力参数x3；所述输出指标包括睡眠呼吸暂停低通气指数均值y1；所述y1和x1、x2、x3之间存在如下数据转换关系：
y1=f1(x1,x2,x3)；其中，f1表示线性转换关系或非线性转换关系。
在本公开的一种示例性实施例中，所述数据转换关系为：
y1=w1*x1+w2*x2+w3*x3；其中，w1、w2以及w3为关系参数。
在本公开的一种示例性实施例中，w1的取值范围为[1,1.00000011]，w2的取值范围为[1，1.00000011]，w3的取值范围为的取值范围为[7.85046229E-16，7.85046229E-18]。
在本公开的一种示例性实施例中，w1的取值为1.00000011，w2的取值为1.00000011，w3的值为7.85046229E-17。
在本公开的一种示例性实施例中，所述输入指标包括低通气指数x1、呼吸暂停指数x2以及压力参数x3；所述输出指标为呼吸暂停指数均值y2；所述y2和x1、x2、x3之间存在如下数据转换关系：
y2=f2(x1,x2,x3)；其中，f2表示线性转换关系或非线性转换关系。
在本公开的一种示例性实施例中，所述数据转换关系为：
y2=w1*x1+w2*x2+w3*x3；其中，w1、w2以及w3为关系参数。
在本公开的一种示例性实施例中，w1的取值范围为[5.55500801E-08，0.50000006]，w2的取值范围为[0.50000006，1.00000006]，w3的取值范围为的取值范围为[2.22044605E-17，2.22044605E-15]。
在本公开的一种示例性实施例中，w1的取值为0.50000006、0.500000056或者5.55500801E-08，w2的取值为0.50000006或者1.00000006，w3的值为2.22044605E-16。
在本公开的一种示例性实施例中，所述输入指标包括低通气指数x1、呼吸暂停指数x2以及压力参数x3；所述输出指标为低通气指数均值y3；所述y3和x1、x2、x3之间存在如下数据转换关系：
y3=f3(x1,x2,x3)；其中，f3表示线性转换关系或非线性转换关系。
在本公开的一种示例性实施例中，所述数据转换关系为：
y3=w1*x1+w2*x2+w3*x3；其中，w1、w2以及w3为关系参数。
在本公开的一种示例性实施例中，w1的取值范围为[0.500000056，1.00000006]，w2的取值范围为[5.55500802E-08，0.50000006]，w3的取值范围为的取值范围为[-7.85046229E-16，-7.85046229E-18]。
在本公开的一种示例性实施例中，w1的取值为0.50000006、0.500000056或者1.00000006，w2的取值为5.55500802E-08或者0.50000006，w3的值为-7.85046229E-17。
在本公开的一种示例性实施例中，所述数据接入模块接入的待救治对象医疗数据与数据分发模块分发的处理后的待救治对象医疗数据之间的数据转换关系通过如下方式获取：
获取样本医疗数据和样本业务数据之间的原始映射矩阵R；其中，所述原始映射矩阵R为M×N的矩阵，元素R(i,j)用于表征样本医疗数据中输入指标i与样本业务数据中输出指标j之间的关系；
对于维度数k，以P×Q=R为目标获取M×k的第一矩阵P以及k×N的第二矩阵Q，并基于第一矩阵P和第二矩阵Q计算目标映射矩阵Rk；
根据所述原始映射矩阵以及至少一个所述目标映射矩阵，确定业务数据中输出指标与各所述输入指标之间的数据转换关系；
其中，m、n为大于1的整数，i、j、k为正整数，且i∈[1,m]、j∈[1,n]、k∈[1,m-1]。
在本公开的一种示例性实施例中，根据所述原始映射矩阵以及第1至n-1个所述目标映射矩阵，确定业务数据中输出指标与各所述输入指标之间的数据转换关系。
在本公开的一种示例性实施例中，所述数据转换关系为：
yj=f(xi,i∈[1,m])；其中，yj为输出指标j的值，函数f的参数基于所述原始映射矩阵以及至少一个所述目标映射矩阵中输出指标j所在列的元素值确定，xi为输入指标i的值。
在本公开的一种示例性实施例中，所述输入指标包括低通气指数x1、呼吸暂停指数x2以及压力参数x3；所述输出指标为睡眠呼吸暂停低通气指数均值y1；所述睡眠呼吸暂停低通气指数均值对应的转换关系为：
y1=f1(x1,x2,x3)；其中，函数f1的参数基于所述原始映射矩阵以及至少一个所述目标映射矩阵中所述睡眠呼吸暂停低通气指数均值所在列的元素值确定。
在本公开的一种示例性实施例中，所述睡眠呼吸暂停低通气指数均值对应的转换关系具体为：
y1=w1*x1+w2*x2+w3*x3；其中，w1、w2以及w3基于所述原始映射矩阵以及至少一个所述目标映射矩阵中所述睡眠呼吸暂停低通气指数所在列的元素值确定。
在本公开的一种示例性实施例中，所述输入指标包括低通气指数x1、呼吸暂停指数x2以及压力参数x3；所述输出指标为呼吸暂停指数均值y2；所述呼吸暂停指数均值对应的转换关系为：
y2=f2(x1,x2,x3)；其中，函数f2的参数基于所述原始映射矩阵以及至少一个所述目标映射矩阵中所述呼吸暂停指数均值所在列的元素值确定。
在本公开的一种示例性实施例中，所述呼吸暂停指数均值对应的转换关系具体为：
y2=w1*x1+w2*x2+w3*x3；其中，w1、w2以及w3基于所述原始映射矩阵以及至少一个所述目标映射矩阵中所述呼吸暂停指数均值所在列的元素值确定。
在本公开的一种示例性实施例中，所述输入指标包括低通气指数x1、呼吸暂停指数x2以及压力参数x3；所述输出指标为低通气指数均值y3；所述低通气指数均值对应的转换关系为：
y3=f3(x1,x2,x3)；其中，函数f3的参数基于所述原始映射矩阵以及至少一个所述目标映射矩阵中所述低通气指数均值所在列的元素值确定。
在本公开的一种示例性实施例中，所述低通气指数均值对应的转换关系具体为：
y3=w1*x1+w2*x2+w3*x3；其中，w1、w2以及w3基于所述原始映射矩阵以及至少一个所述目标映射矩阵中所述低通气指数均值所在列的元素值确定。
在本公开的一种示例性实施例中，还包括管理终端：
所述管理终端用于，记录所述信息采集终端的设备标识、设备开始使用时间；
接收从数据湖集群分发的医疗数据；
根据所述设备标识、设备开始使用时间将所述医疗数据与待救治对象的用户信息关联；
所述医疗业务系统还用于接收所述与待救治对象的用户信息关联后的医疗数据。
在本公开的一种示例性实施例中，所述管理终端还用于，存储待救治对象的历史医疗数据，将所述待救治对象的历史医疗数据和实时医疗数据共同分发至所述医疗业务系统。
在本公开的一种示例性实施例中，所述管理终端还用于，存储待救治对象的亲友医疗数据，将所述待救治对象的亲友医疗数据和自身医疗数据共同分发至所述医疗业务系统。
在本公开的一种示例性实施例中，
所述管理终端，还用于接收查询请求，并根据所述查询请求包含的查询条件在所述数据湖集群获取相关数据生成查询结果。
在本公开的一种示例性实施例中，所述管理终端还包括：
数据可视化模块，用于根据所述数据湖集群的数据生成可视化内容，以通过前端页面展示所述可视化内容。
在本公开的一种示例性实施例中，所述管理终端还包括：
设备参数监控模块，用于对所述信息采集终端的行为信息进行记录和分析，以确认所述信息采集终端是否为异常终端。
在本公开的一种示例性实施例中，所述紧急救治系统还包括：
调度中心终端，用于接收报警信息并获取待救治对象的位置，并根据预设调度算法调度救护车辆到达待救治对象的位置进行救治。
在本公开的一种示例性实施例中，所述调度中心端还用于，根据所述待救治对象相关的医疗数据调度医疗机构内部救治人员提供远程协助。
在本公开的一种示例性实施例中，所述紧急救治系统还包括：
报警终端，能够与所述调度中心终端通信连接，用于向所述调度中心终端发出所述报警信息。
在本公开的一种示例性实施例中，所述紧急救治系统还包括：
救治人员终端，与所述调度中心终端通信连接，用于接收所述调度中心终端的调度信息，以及，用于录入待救治对象的病历信息。
在本公开的一种示例性实施例中，所述紧急救治系统还包括：
驾驶人员终端，与所述调度中心终端通信连接，用于引导驾驶人员将所述救护车辆驾驶至所述待救治对象的位置。
在本公开的一种示例性实施例中，所述紧急救治系统还包括：
信息集成平台，与所述管理终端、调度中心终端、报警终端、救治人员终端、驾驶人员终端和医疗业务系统中的至少之一通信；
所述信息集成平台用于从第三方业务系统调取个人健康档案和/或知识库，并发送给所述管理终端、调度中心终端、报警终端、救治人员终端、驾驶人员终端和医疗业务系统中的至少之一；和/或，
所述信息集成平台用于从所述管理终端、调度中心终端、报警终端、救治人员终端、驾驶人员终端和医疗业务系统中的至少之一获取待救治对象信息。
在本公开的一种示例性实施例中，所述信息集成平台包括决策评估模块；
所述决策评估模块基于所述知识库对所述待救治对象信息进行评估。
在本公开的一种示例性实施例中，所述信息集成平台用于：
根据已接收到的待救治对象信息识别应急场景；
在接收到新的报警信息时，如果判断所述新的报警信息位于已识别应急场景，则根据为所述已识别应急场景配置的救护车辆确定是否配置新的救护车辆。
在本公开的一种示例性实施例中，所述救治人员终端还用于记录治疗信息，
所述信息集成平台用于，根据时间顺序将所述治疗信息记录绘制为时间轴，并发送给所述医疗业务系统。
在本公开的一种示例性实施例中，所述信息集成平台用于，接收从所述医疗业务系统发送的医院的资源信息，并发送给调度中心终端。
根据本公开的一个方面，提供一种紧急救治方法，包括：
通过部署于救护车辆的信息采集终端采集待救治对象医疗数据并上传至数据湖集群；
通过数据湖集群对所述待救治对象医疗数据进行数据接入、数据处理、数据存储以及数据分发；
通过医疗业务系统从所述数据湖集群获取所述待救治对象医疗数据。
根据本公开的一个方面，提供一种电子设备，其特征在于，包括：
处理器；以及
存储器，用于存储一个或多个程序，当所述一个或多个程序被所述处理器执行时，使得所述处理器实现如本公开一些方面提供的所述的方法。
根据本公开的一个方面，提供一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时，实现如本公开一些方面提供的所述的方法。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。显而易见地，下面描述中的附图仅仅是本公开的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1示出了本公开实施例中紧急救治系统的一种架构示意图。
图2示出了本公开实施例中数据湖集群的一种模块示意图。
图3示出了本公开实施例中紧急救治系统的一种架构示意图。
图4示出了本公开实施例中数据处理模块的一种处理流程示意图。
图5示出了本公开实施例中数据处理模块的一种处理流程示意图。
图6示出了本公开实施例中一种指标编码标识映射关系示意图。
图7示出了本公开实施例中数据湖集群的一种模块示意图。
图8示出了本公开实施例中数据查询模块的一种处理流程示意图。
图9示出了本公开实施例中数据交互模块的一种处理流程示意图。
图10示出了本公开实施例中模型获取模块的一种处理流程示意图。
图11示出了本公开实施例中紧急救治系统的一种架构示意图。
图12示出了本公开实施例中紧急救治系统的部分模块示意图。
图13示出了本公开实施例中紧急救治方法的一种流程示意图。
图14示出了用于实现本公开实施例的电子设备的计算机系统的结构示意图。
具体实施方式
现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的范例；相反，提供这些实施方式使得本公开将更加全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施方式中。
此外，附图仅为本公开的示意性图解，并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分，因而将省略对它们的重复描述。附图中所示的一些方框图是功能实体，不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
需要说明的是，本公开中，用语“包括”、“配置有”、“设置于”用以表示开放式的包括在内的意思，并且是指除了列出的要素/组成部分/等之外还可存在另外的要素/组成部分/等。
本公开示例性实施例中的紧急救治系统中，将待救治对象分散的医疗数据均传输至数据湖集群进行整合，从而能够实现以任意规模存储结构化医疗数据、半结构化医疗数据和非结构化医疗数据；同时，允许紧急救治系统中的各个角色，例如，医护人员、数据开发人员和业务分析师等通过各自选择的分析工具和框架来访问数据，达到以不同方式协同处理和分析数据，进而本公开示例性实施例中的紧急救治系统能够支持医疗机构对待救治对象提供更加精准的救治方案。
图1示出了可以应用本公开实施例的紧急救治系统100的示例性架构的示意图。如图1所示，紧急救治系统100可以包括部署于救护车辆101的信息采集终端、数据湖集群102以及部署于医院的医疗业务系统103。其中：
救护车辆101除了用于运载医护人员以及待救治对象，通常还用于部署车载急救医疗仪器；例如，车载急救医疗仪器可以包括：除颤监护仪、呼吸机、无创多参数检测仪（MTX）、血压检测设备、体脂检测设备、血糖检测设备、睡眠监测设备、电动吸引器、负压系统、供氧装置、杀菌装置、照明装置、抽风系统、暖风系统、供电线路系统、自动上车担架系统等。部分车载急救医疗仪器能够采集待救治对象医疗数据，即作为下述的信息采集终端；信息采集终端例如可以包括上述呼吸机、无创多参数检测仪（MTX）、血压检测设备、体脂检测设备、血糖检测设备、睡眠监测设备等。此外，部分待救治对象的部分电子设备，例如具有医疗数据采集功能的可穿戴设备或者其他移动终端，亦可视为本示例实施方式中所述的信息采集终端。
信息采集终端采集待救治对象医疗数据后上传至数据湖集群102。数据湖集群102用于对所述待救治对象医疗数据进行数据接入、数据处理、数据存储以及数据分发。本示例实施方式中，数据湖集群102例如可以是由关系型数据库MariaDB、MySQL等，文档型数据库MongoDB、CouchDB等，分布式文件系统HDFS、PVFS、PanFS等以及图数据库Neo4j、Cayley、rapgDB等，多类数据库构成数据存储和管理服务系统。本示例实施方式中，数据湖集群102可以采用分布式运算和存储架构，集成具有数据存储以及运算功能的各类计算机单机、服务器以及计算机集群或者服务器集群，并提供包括数据管理、算法开发的各类功能组件。通过所述数据湖集群102，能够无需对医疗数据进行结构化处理，实现以任意规模存储结构化医疗数据、半结构化医疗数据和非结构化医疗数据，允许紧急救治系统100中的各个角色，例如，医护人员、数据开发人员和业务分析师等通过各自选择的分析工具和框架来访问数据，达到以不同方式协同处理和分析数据。
本示例实施方式中，医疗业务系统103能够从所述数据湖集群102获取所述待救治对象医疗数据。医疗业务系统103例如可以部署在医院等医疗机构，供医护人员使用。
本公开示例性实施例中的紧急救治系统中，将待救治对象分散的医疗数据均传输至数据湖进行整合，从而能够实现以任意规模存储结构化医疗数据、半结构化医疗数据和非结构化医疗数据；同时，允许紧急救治系统中的各个角色，例如，医护人员、数据开发人员和业务分析师等通过各自选择的分析工具和框架来访问数据，达到以不同方式协同处理和分析数据，进而本公开示例性实施例中的紧急救治系统能够支持医疗机构对待救治对象提供更加精准的救治方案。
以下对本公开实施例的紧急救治系统进行更加详细的介绍。
参考图2所示，在本公开的一种示例性实施例中，所述数据湖集群102包括数据接入模块201、数据处理模块202以及数据分发模块204。在一些实施方式中，还可以包括数据存储模块203。其中：
数据接入模块201用于根据信息采集终端的类型确定对应的目标接入方式并通过目标接入方式接入待救治对象医疗数据。
本示例实施方式中，可以预先对各信息采集终端的类型和对应的目标接入方式进行配置并存储，当特定的信息采集终端接入时，根据预配置信息确定其对应的目标接入方式。例如，参考图3所示，如果信息采集终端为呼吸机、睡眠监测设备或者制氧设备等类型的设备，则可以根据预配置信息确定其对应的目标接入方式为HTTP GET（基于超文本传输协议从指定的资源请求数据）方式，进而可以采用HTTP GET方式接入待救治对象医疗数据；如果信息采集终端为体脂秤等类型的设备，则可以根据预配置信息确定其对应的目标接入方式为HTTP FORM（基于超文本传输协议的表单传输）方式，进而可以采用HTTP FORM方式接入待救治对象医疗数据；如果信息采集终端为血压检测设备、血糖检测设备等类型的设备，则可以根据预配置信息确定其对应的目标接入方式为TCP Socket（基于传输控制协议的套接字传输）方式，进而可以采用TCP Socket方式接入待救治对象医疗数据；在采用TCP Socket方式接入待救治对象医疗数据之后，还可以对待救治对象医疗数据进行指定方式的预处理。当然，在本公开的其他示例性实施例中，对于上述信息采集终端，也可以采用如HTTPS（超文本传输安全协议）、UDP（用户数据报协议）等其他接入方式接入待救治对象医疗数据，且本示例性实施例中并不以此为限。
数据处理模块202用于对所述待救治对象医疗数据的指标信息进行解析，并建立各所述指标信息与标准指标之间的映射关系。
指标信息为信息采集终端采集到的用户生理指标的相关信息，在一些实施方式中，指标信息可以包括指标名称和指标值。
具体而言，由于不同类型的信息采集终端采集到的数据格式、通信协议、接口等可能不同，因此首先需要对其进行解析。在一些实施方式中，对指标信息进行解析包括对指标信息中的指标值进行解析。例如，参考图4所示，某可穿戴电子设备采集到的指标信息为16进制数据，例如FE121248012408，则需要将其转换为具体的生理指标，例如转换为舒张压120、收缩压90、脉率88等。
为了提升对所述待救治对象医疗数据的指标信息的解析效率以及减少解析方式的预配置工作，本示例实施方式中还提取了部分信息采集终端的解析方式的复用部分进行建模。在一些实施方式中，基于数据解析模型对信息采集终端上传的待救治对象医疗数据的指标信息进行解析；其中，数据解析模型为基于信息采集终端对应的解析协议进行建模得到。在一些实施方式中，所述数据处理模块中对所述待救治对象医疗数据的指标信息进行解析可以包括：获取多种信息采集终端对应的解析协议，并基于各所述信息采集终端对应的解析协议进行建模，以得到至少部分通用的数据解析模型；基于所述数据解析模型，对适用的所述信息采集终端上传的所述待救治对象医疗数据的指标信息进行解析。
在本公开的一种示例性实施例中，所述待救治对象医疗数据的指标信息包括n个字段，其中第i个字段表示所述待救治对象医疗数据的指标的二进制值的第(i-1) *m+1位至第i*m位；所述数据解析模型通过下述公式对所述待救治对象医疗数据的指标信息进行解析：
Figure 956249DEST_PATH_IMAGE004
其中，函数
Figure 505042DEST_PATH_IMAGE005
用于将对象转换为二进制数值，
Figure 61926DEST_PATH_IMAGE006
用于将对象转换为十进制 数值。
例如：某血压检测设备发送的指标信息是字符串0x00,0x78,0x00, 0x50,0x4B；该血压检测设备生产商提供的数据接口协议中，对于该字符串数据中字符的所代表的含义进行了定义。参考下表1所示：
表1
Figure 63380DEST_PATH_IMAGE007
其中，SYS[15:8]表示收缩压高八位，SYS[7:0]表示收缩压低八位；DIA[15:8]表示舒张压高八位，DIA[7:0]表示舒张压低八位；PUL[7:0]表示脉搏数低八位。以收缩压为例，收缩压包括2个字段（即0x00,0x78），其中第1个字段表示收缩压的二进制值的第1位至第8位；则收缩压对应的数据解析模型为：
Figure 121335DEST_PATH_IMAGE008
进而，通过函数
Figure 524634DEST_PATH_IMAGE009
将SYS[7:0]，即0x78转换为二进制数值01111000；通过函数
Figure 252419DEST_PATH_IMAGE010
将01111000转换为十进制数值120；同样的，可以得到SYS[15:8]，即0x00对应的十进 制数值为0。则收缩压y=0*2561+120*2560=120mmHg。类似的，可以得到舒张压为80mmHg；脉搏 数为75次/分钟。当然，本领域技术人员容易理解的是，在本公开的其他示例性实施例中，也 可以根据信息采集终端接口协议的不同得到其他的数据解析模型，这同样属于本公开的保 护范围。
继续参考图4所示，在对所述待救治对象医疗数据的指标信息解析之后，则可以建立各所述指标信息与标准指标之间的映射关系。
在一些实施方式中，标准指标至少包括标准编码标识。
在解析所述信息采集终端上传的待救治对象医疗数据的指标信息后，获取其中的非标准编码标识；
基于非标准编码标识与标准编码标识之间的映射关系，将标准编码标识与待救治对象医疗数据的指标信息中的指标值进行键值存储；
将与待救治对象医疗数据对应的标准编码标识与信息采集终端的设备标识关联。
在一些实施方式中，还可以包括配置标准指标的过程。
参考图5所示，所述数据处理模块中建立各所述指标信息与标准指标之间的映射关系可以包括下述步骤S501至步骤S504。其中：
在步骤S501中，配置标准指标，所述标准指标至少包括标准编码标识。
举例而言，本示例实施方式中可以创建标准指标分类，关联具体标准指标的定义。例如血压和血糖的标准指标如下：
表2
Figure 741169DEST_PATH_IMAGE011
在步骤S502中，获取所述信息采集终端的非标准指标的非标准编码标识，并建立所述非标准编码标识与所述标准编码标识之间的映射关系。
举例而言，本示例实施方式中可以获取信息采集终端的设备信息，例如可以包括基本信息（如产品名称、产品类型、产品型号、厂商名称、产品图片）、配置信息（如通讯协议、数据地址、数据格式、接口协议、指标规则、时间规则）等。进而，根据产品类型以及产品型号等信息可以确定信息采集终端的类型；根据通讯协议和数据地址等信息可以获取信息采集终端上传的数据；根据数据格式等信息可以从上传的数据中解析出非标准指标的非标准编码标识，非标准编码标识例如为指标信息中的指标名称；进而可以用于建立所述非标准编码标识与所述标准编码标识之间的映射关系。例如参考图6所示，其中非标准编码标识Height和ShenGao均与标准指标标识H01对应；非标准编码标识Weight和TiZhong均与标准指标标识W01对应；非标准编码标识BMI和TZZS均与标准指标标识B01对应等。此外，在本公开的其他示例性实施例中，可以通过前端控件监控用户输入，进而根据用户输入对非标准编码标识与所述标准编码标识之间的映射关系进行调整。
在步骤S503中，在解析所述信息采集终端上传的所述待救治对象医疗数据的指标信息后，获取其中的非标准编码标识并基于所述非标准编码标识与所述标准编码标识之间的映射关系，将所述标准编码标识与所述待救治对象医疗数据的指标值进行键值存储。例如对于指标信息进行解析后得到收缩压SYS=120mmHg，舒张压DIA=80mmHg；而非标准编码标识SYS对应的标准编码标识为XY01，非标准编码标识DIA对应的标准编码标识为XY02；则可以将指标信息以键值形式存储为[XY01:120]以及[XY02:80]。
在步骤S504中，将键值存储的所述待救治对象医疗数据的指标信息与所述信息采集终端的设备标识关联。本示例实施方式中，在接收信息采集终端上传的数据时，首先将信息采集终端的设备信息与上述步骤S502中预先采集的设备信息进行匹配，从而确保所述待救治对象医疗数据的指标信息与每一个信息采集终端一一对应。
在一些实施方式中，上述步骤中的S501和S502中涉及标准指标的配置过程和映射关系预先构建过程可以省略。步骤S503和步骤S504的执行顺序不做限制。
此外，继续参考图3所示，本示例实施方式中，在所述数据接入模块201与所述数据处理模块202之间还配置有第一消息平台205，所述第一消息平台205用于供所述数据接入模块201通过消息服务的方式将接入的信息传输至所述数据处理模块202。例如，数据接入模块201接入的数据会首先写入如RabbitMQ、ActiveMQ、ZeroMQ、Kafka、MetaMQ、RocketMQ等消息队列；数据处理模块202则可以以先进先出的方式从消息队列拉取数据并进行处理。通过在所述数据接入模块与所述数据处理模块之间配置第一消息平台，实现了数据接入模块和所述数据处理模块之间的解耦合，而且便于数据接入模块和所述数据处理模块之间的异步处理，同时还可以通过第一消息平台实现数据消峰和控流，以及对数据进行缓冲，避免数据量大时造成网络传输阻塞。
数据存储模块203用于存储待救治对象的医疗数据，在一些实施方式中，还可以用于存储所述标准指标以及对应的指标信息。
本示例实施方式中，数据存储模块203可以利用如关系型数据库MariaDB、MySQL等，文档型数据库MongoDB、CouchDB等，分布式文件系统HDFS、PVFS、PanFS等以及图数据库Neo4j、Cayley、rapgDB等。此外，可以根据数据的调用频次以及数据类型将部分数据写入分布式缓存如Redis、Memcached或者SSDB等，从而提高读取速度。
数据分发模块204用于将经由所述数据处理模块处理后的待救治对象医疗数据分发至所述医疗业务系统。
本示例实施方式中，在所述数据分发模块204与所述医疗业务系统103之间还配置有第二消息平台206，所述第二消息平台206用于供所述数据分发模块204通过消息服务的方式将待救治对象医疗数据传输至所述医疗业务系统103。进而，数据分发模块204将待救治对象医疗数据写入如RabbitMQ、ActiveMQ、ZeroMQ、Kafka、MetaMQ、RocketMQ等消息队列；医疗业务系统103则可以以先进先出的方式从消息队列拉取数据并进行处理。通过在所述数据分发模块与所述医疗业务系统之间配置第二消息平台，实现了数据分发模块和所述医疗业务系统之间的解耦合，而且便于数据分发模块和所述医疗业务系统之间的异步处理，同时还可以通过第二消息平台实现数据消峰和控流，以及对数据进行缓冲，避免数据量大时造成网络传输阻塞。
此外，在本公开的一些示例性实施例中，所述数据分发模块还可以用于，通过HTTP传输方式、RSA加密传输方式、消息队列等方式，将所述待救治对象医疗数据提供至第二消息平台206。例如，数据分发模块204将所述待救治对象医疗数据写入消息队列，以便于所述第二消息平台206从所述消息队列拉取所述待救治对象医疗数据。
在一些实施方式中，对第一消息平台和第二消息平台具体设置的位置不做限定，例如，也可以设置在数据接入模块与数据处理模块之间、数据分发模块与医疗业务系统之间之外的其它位置。
在一些实施方式中，第一消息平台和第二消息平台可以由同一消息平台实现。对消息平台的个数不做限制。
参考图7所示，在本公开的一些示例性实施例中，紧急救治系统还可以包括管理终端701。
在一些实施方式中，管理终端701包括设备参数监控模块705。其中，设备参数监控模块705用于对所述信息采集终端的行为信息进行记录和分析，以确认所述信息采集终端是否为异常终端。本示例实施方式中，信息采集终端的行为信息可以包括使用时间、异常次数等。举例而言，设备参数监控模块705可以对正常信息采集终端的使用时间、异常次数等行为信息进行记录，并据此进行统计分析从而确定正常信息采集终端的使用时间、异常次数等行为信息的波动范围；进而，当监测到某一信息采集终端的使用时间、异常次数等行为信息超出上述波动范围时，即可认为该信息采集终端为异常终端。
在本公开的其他示例性实施例中，还可以根据信息采集终端的历史行为信息得到样本数据，从而基于样本数据对如随机森林模型、深度神经网络模型、支持向量机模型、提升树模型、一般线性模型以及渐进梯度回归树模型等机器学习模型中的一种或多种进行训练，得到异常终端判断模型。进而，设备参数监控模块705可以将某一信息采集终端的行为信息输入至异常终端判断模型，以藉由异常终端判断模型输出该信息采集终端为异常终端的概率，当该信息采集终端为异常终端的概率值超过阈值时，即可认为该信息采集终端为异常终端。
在本公开的一些示例性实施例中，管理终端还可以用于记录所述信息采集终端的设备标识、设备开始使用时间，在一些实施方式中，还可以记录结束使用时间；
接收从数据湖集群分发的待救治对象的医疗数据；
根据设备标识、设备开始使用时间将医疗数据与待救治对象的用户信息关联；
医疗业务系统还用于接收与待救治对象的用户信息关联后的医疗数据。
记录所述信息采集终端的设备标识、设备开始使用时间以及结束使用时间的过程可以由数据湖集群中的数据处理模块完成后发送给管理终端，也可以直接由管理终端完成以上记录过程。
举例而言，将信息采集终端采集的医疗数据与设备标识、设备开始使用时间和结束使用时间进行关联之后得到的信息如下表3所示：
表3
Figure 337235DEST_PATH_IMAGE012
管理终端接收从数据湖集群分发的医疗数据，医疗数据中至少包括设备标识、设备开始使用时间和指标信息。
在一些实施方式中，用户信息包括信息采集终端使用者的身份标识，例如可以包括姓名、身份证号等其中至少之一。由于数据湖集群中存储的数据并不包括使用者的用户信息，因此可以起到用户信息脱敏的作用。而将使用者的相关医疗数据发送给医疗业务系统时，需要将用户信息与医疗数据进行关联。
在一些实施方式中，使用者在通过报警终端进行报警时，和/或，在救护车上通过医生终端录入使用者的个人信息时，均可获取用户信息，同时，还可以记录报警和/或医生终端录入个人信息的时间。使用者的用户信息和记录时间可以发送至管理终端。根据设备标识、设备开始使用时间将对应时间获取到个人信息的使用者对应，进而完成医疗数据与待救治对象的用户信息关联。将与待救治对象的用户信息关联后的医疗数据（即携带有用户信息的医疗数据）发送给医疗业务系统。
例如，管理终端获取到：使用者身份标识UserID:123321；设备标识SN: 2820；设备开始使用时间BindingTimeStart: 2021-03-10 05:22:01；设备结束使用时间BindingTimeEnd: 2021-03-10 05:36:01。
进而，管理终端在获取到数据湖集群发送的如表3中的信息之后，可以根据表3的设备标识、设备开始使用时间和结束使用时间与管理终端获取到用户信息的时间进行匹配，得到表3中的信息的使用者身份标识，并将表3中的数据与使用者身份标识进行绑定。因此，通过上述方法，数据湖集群无需存储使用者身份信息，而仅存储设备信息以及医疗数据，进而能够实现使用者身份信息脱敏的功能。
在本公开的一些示例性实施例中，所述管理终端还可以用于存储待救治对象的历史医疗数据，并将所述待救治对象的历史医疗数据和实时医疗数据共同分发至所述医疗业务系统。具体而言，管理终端能够获取信息采集终端的设备标识对应的使用者身份标识；从而，也能够通过使用者身份标识获取与该使用者身份标识对应的待救治对象的历史医疗数据，并将所述待救治对象的历史医疗数据和实时医疗数据共同分发至所述医疗业务系统；进而，能够使得医疗业务系统的用户（如医务工作者）更加全面的了解待救治对象的信息。
在本公开的一些示例性实施例中，所述管理终端还可以用于存储待救治对象的亲友医疗数据，并将所述待救治对象的亲友医疗数据和自身医疗数据共同分发至所述医疗业务系统。具体而言，管理终端存储有信息采集终端的设备标识对应的使用者身份标识。从而，也能够通过当前信息采集终端使用者身份标识获取和其存在亲友关系的使用者的身份标识；继而通过亲友身份标识在所述管理终端中获取所述待救治对象的亲友医疗数据，并将所述待救治对象的亲友医疗数据和自身医疗数据共同分发至所述医疗业务系统，进而，能够使得医疗业务系统的用户（如医务工作者）了解待救治对象的遗传疾病信息或者传染疾病信息等。
继续参考图7所示，本示例实施方式中，所述管理终端701还可以包括数据查询模块706。数据查询模块706可以用于接收查询请求，并根据所述查询请求包含的查询条件在所述数据湖集群获取相关数据生成查询结果。举例而言，本示例实施方式中，在接收到医疗机构的查询请求之后，获取查询请求所包含的查询字段，并根据查询请求对查询字段在数据湖集群中对查询字段进行等于、大于小于、大于等于、小于等于、不等于等操作，从而实现精确查询；也可以根据查询字段，利用SQL语句的LIKE机制或正则表达式等方式实现模糊查询；本示例性实施例中对此不做特殊限定。
参考图8所示，在本公开的一些示例性实施例中，所述数据查询模块706还可以用于执行下述步骤S801至步骤S803。其中：
在步骤S801中，在根据查询条件判断所述查询对象为目标对象时，为所述目标对象生成标记标识，并将所述标记标识与所述目标对象对应的信息采集终端的设备标识进行关联。
举例而言，如果某医疗机构需要获取满足如下查询条件的目标对象的医疗数据：位于指定地区、性别为女性、年龄大于50岁、血液舒张压大于90mmHg且血液收缩压大于140mmHg；则本示例实施方式中，所述数据查询模块可以判断查询对象是否满足上述查询条件，如果满足上述查询条件则将查询对象作为目标对象；继而，可以为目标对象对应的信息采集终端生成标记标识，例如，生成Select=1的属性标识用于标记其为目标对象。相应的，如果不满足上述查询条件，则可以生成Select=0的属性标识用于标记其不为目标对象。
在步骤S802中，基于与所述标记标识关联的信息采集终端的设备标识监测是否接收到所述目标对象的医疗数据。
举例而言，数据查询模块根据目标对象对应的设备标识、标记标识以及标记标识生成时间生成监测规则“设备标识SN: A123456，标记标识生成时间Binding_Time: 2020-09-08-12:12:12，标记标识Select:1，血液舒张压blood pressure:大于90mmHg，血液收缩压大于140mmHg”，并判断新接入的医疗数据对应的信息采集终端是否满足监测规则；如果满足监测规则，则确定接收到目标对象的医疗数据。
在步骤S803中，在监测到接收到所述目标对象的医疗数据时，将所述目标对象的医疗数据分发至所述查询请求对应的医疗机构。
继续参考图7所示，在本公开的一些示例性实施例中，所述管理终端701还可以包括数据可视化模块707。数据可视化模块707可以用于根据所述数据湖集群的数据生成可视化内容，以通过前端页面展示所述可视化内容。
在一些实施方式中，可通过数据可视化模块707将数据湖集群中的数据接入、数据处理、数据分发等过程展示给用户，便于用户对各过程进行监管。同时，还可以对存储的医疗数据进行展示。
举例而言，参考图9所示，本示例实施方式中，所述管理终端和/或医疗业务系统还可以配置数据交互模块901。数据交互模块901能够获取用户的个人信息以及该用户对应的信息采集终端的信息并进行终端绑定；其中，用户的个人信息可以包括用户所在地区、年龄、性别等；信息采集终端信息可以包括厂商信息、设备标识、设备系统信息、指标信息和解析字典信息等。
在一些实施方式中，数据交互模块901可以向管理终端的数据可视化模块707发送请求，以便于所述数据可视化模块707根据所述数据湖集群中的数据生成可视化内容。进而，数据交互模块901在接收到所述可视化内容之后能够通过前端页面向用户展示；此外，在一些示例性实施例中，数据交互模块901还可以主动向用户推送消息，例如推送设备使用提醒消息、健康提示消息等。
医疗业务系统203能够从所述数据湖集群获取所述待救治对象医疗数据。
在本公开的一些示例性实施例中，数据接入模块接入的待救治对象医疗数据与数据分发模块分发的处理后的待救治对象医疗数据之间存在数据转换关系。在一些实施方式中，输入指标包括低通气指数x1、呼吸暂停指数x2以及压力参数x3；输出指标包括睡眠呼吸暂停低通气指数均值y1；
y1和x1、x2、x3之间存在如下数据转换关系：
y1=f1(x1,x2,x3)；其中，f1表示线性转换关系或非线性转换关系。
例如，数据转换关系为：y1=w1*x1+w2*x2+w3*x3；其中，w1、w2以及w3为关系参数。
例如，w1的取值范围为[1,1.00000011]，w2的取值范围为[1，1.00000011]，w3的取值范围为的取值范围为[7.85046229E-18，7.85046229E-16]。
例如，w1的取值为1.00000011，w2的取值为1.00000011，w3的值为7.85046229E-17。
在一些实施方式中，输入指标包括低通气指数x1、呼吸暂停指数x2以及压力参数x3；输出指标为呼吸暂停指数均值y2；
y2和x1、x2、x3之间存在如下数据转换关系：
y2=f2(x1,x2,x3)；其中，f2表示线性转换关系或非线性转换关系。
例如，数据转换关系为：y2=w1*x1+w2*x2+w3*x3；其中，w1、w2以及w3为关系参数。
例如，w1的取值范围为[5.55500801E-08，0.50000006]，w2的取值范围为[0.50000006，1.00000006]，w3的取值范围为的取值范围为[2.22044605E-17，2.22044605E-15]。
例如，w1的取值为0.50000006、0.500000056或者5.55500801E-08，w2的取值为0.50000006或者1.00000006，w3的值为2.22044605E-16。
在一些实施方式中，输入指标包括低通气指数x1、呼吸暂停指数x2以及压力参数x3；输出指标为低通气指数均值y3；
y3和x1、x2、x3之间存在如下数据转换关系：
y3=f3(x1,x2,x3)；其中，f3表示线性转换关系或非线性转换关系。
例如数据转换关系为：y3=w1*x1+w2*x2+w3*x3；其中，w1、w2以及w3为关系参数。
例如，w1的取值范围为[0.500000056，1.00000006]，w2的取值范围为[5.55500802E-08，0.50000006]，w3的取值范围为的取值范围为[-7.85046229E-16，-7.85046229E-18]。
例如，w1的取值为0.50000006、0.500000056或者1.00000006，w2的取值为5.55500802E-08或者0.50000006，w3的值为-7.85046229E-17。
在本公开的一些示例性实施例中，上述数据接入模块接入的待救治对象医疗数据与数据分发模块分发的处理后的待救治对象医疗数据之间的数据转换关系通过如下方式获取：
可以使用样本医疗数据和样本业务数据对机器学习模型进行训练，从而得到所述数据转换关系。举例而言，所述数据转换关系可以通过神经网络模型，例如卷积神经网络模型、残差神经网络模型、循环神经网络模型、长短期记忆神经网络模型等获得；所述数据转换关系还可以为协同过滤模型、隐马尔科夫模型、条件随机场模型等其他类型的模型获得。
参考图10所示，在一种示例性实施例中，获取所述数据转换关系的过程可以包括下述步骤S1001至步骤S1003。其中：
在步骤S1001中，获取样本医疗数据和样本业务数据之间的原始映射矩阵R；其中，所述原始映射矩阵R为m×n的矩阵，元素R(i,j)用于表征样本医疗数据中输入指标i与样本业务数据中输出指标j之间的关系。其中，m、n为大于1的整数，i、j、k为正整数，且i∈[1,m]、j∈[1,n]，k∈[1,m-1]。
举例而言，某信息采集终端上传至数据湖集群的样本医疗数据包含9个输入指标；数据湖集群根据某信息采集终端提供的医疗数据生成的样本业务数据中包含10个输出指标。样本医疗数据和样本业务数据之间的原始映射矩阵R例如如下表4所示：
表4
Figure 860620DEST_PATH_IMAGE014
原始映射矩阵R为9×10的矩阵，元素R(i,j)用于表征样本医疗数据中输入指标i与样本业务数据中输出指标j之间的关系。例如，元素R(1,1)的取值为1，表示输入指标IN-01与输出指标OUT-01之间存在关联关系；元素R(1,2)的取值为0，则表示无法确定输入指标IN-01与输出指标OUT-01之间是否存在关联关系。以输出指标OUT-01是睡眠呼吸暂停低通气指数均值、IN-01是低通气指数、IN-06是呼吸暂停指数为例，目前已知睡眠呼吸暂停低通气指数均值与低通气指数和呼吸暂停指数相关，例如，睡眠呼吸暂停低通气指数均值为低通气指数和呼吸暂停指数之和，因此，R(1,1)和R(6,1)的取值为1；但目前无法确定睡眠呼吸暂停低通气是否与其他输入指标存在关联关系（即有可能存在关联关系，也有可能不存在关联关系），因此，R(2,1)、R(3,1)等的取值均为0。
在步骤S1002中，对于维度数k，以P×Q=R为目标获取m×k的第一矩阵P以及k×n的第二矩阵Q，并基于第一矩阵P和第二矩阵Q计算目标映射矩阵Rk。其中，k为正整数，且k∈[1,m-1]。
本示例实施方式中，可以基于原始映射矩阵进行隐藏信息挖掘得到第一矩阵和第二矩阵，从而通过第一矩阵表征输入指标对于各个输出指标的影响程度；通过第二矩阵表征输出指标受各个输入指标的影响的程度。进而，通过第一矩阵和第二矩阵相乘得到的第三矩阵，则包含了各个输入指标与各个输出指标之间的关联关系；也即，对于上述表4中无法确定输入指标与输出指标之间是否存在关联关系的元素，通过第三矩阵已能够确定输入指标与输出指标之间是否存在关联关系。
以上述表4中的原始映射矩阵R为例，本示例实施方式中，可以首先对原始映射矩阵R进行奇异值分解，从而获取原始映射矩阵R的奇异值Σ[1.73205081,1,1,1,1,1,1,1,1]；进而，可以借助奇异值Σ得到上述第一矩阵P以及第二矩阵Q。例如：
当维度数k为8时，通过奇异值Σ的前8个值构建中间矩阵S。中间矩阵S如下表5所示的9×10的矩阵：
表5
Figure 24886DEST_PATH_IMAGE016
接着，根据9×10原始映射矩阵R以及9×10的中间矩阵S，得到9×9的第一矩阵P以及10×10的第二矩阵Q。具体而言，可以根据R9×10=P9×9S9×10Q10×10对原始映射矩阵R进行分解（例如利用Python调用linalg.svd等函数进行分解或者通过其他方式进行分解），得到第一矩阵P以及第二矩阵Q。在得到第一矩阵P以及第二矩阵Q之后，根据第一矩阵P和第二矩阵Q的乘积计算目标映射矩阵Rk。得到的目标映射矩阵Rk如下表6所示：
表6
Figure 932DEST_PATH_IMAGE018
类似的，当维度数k为5时，通过奇异值Σ的前5个值构建中间矩阵S。中间矩阵S如下表7所示的9×10的矩阵：
表7
Figure 10476DEST_PATH_IMAGE019
接着，根据9×10原始映射矩阵R以及9×10的中间矩阵S，得到9×9的第一矩阵P以及10×10的第二矩阵Q。具体而言，可以根据R9×10=P9×9S9×10Q10×10对原始映射矩阵R进行分解（例如利用Python调用linalg.svd等函数进行分解或者通过其他方式进行分解），得到第一矩阵P以及第二矩阵Q。在得到第一矩阵P以及第二矩阵Q之后，根据第一矩阵P和第二矩阵Q的乘积计算目标映射矩阵Rk。得到的目标映射矩阵Rk如下表8所示：
表8
Figure 14466DEST_PATH_IMAGE020
类似的，当维度数k为1时，通过奇异值Σ的前1个值构建中间矩阵S。中间矩阵S如下表9所示的9×10的矩阵：
表9
Figure DEST_PATH_IMAGE021
接着，根据9×10原始映射矩阵R以及9×10的中间矩阵S，得到9×9的第一矩阵P以及10×10的第二矩阵Q。具体而言，可以根据R9×10=P9×9S9×10Q10×10对原始映射矩阵R进行分解（例如利用Python调用linalg.svd等函数进行分解或者通过其他方式进行分解），得到第一矩阵P以及第二矩阵Q。在得到第一矩阵P以及第二矩阵Q之后，根据第一矩阵P和第二矩阵Q的乘积计算目标映射矩阵Rk。得到的目标映射矩阵Rk如下表10所示：
表10
Figure 84054DEST_PATH_IMAGE022
在本公开的其他示例性实施例中，也可以通过其他方式确定上述第一矩阵以及第二矩阵。例如，在本公开的一种示例性实施例中，还可以通过梯度下降算法结合预先设定的损失函数确定上述第一矩阵以及第二矩阵；在本公开的更多示例性实施例中，还可以通过神经网络模型确定上述第一矩阵以及第二矩阵；本示例性实施例中对此不做特殊限定。
在步骤S1003中，根据所述原始映射矩阵以及至少一个所述目标映射矩阵，确定业务数据中输出指标与各所述输入指标之间的数据转换关系。
本示例实施方式中，可以根据所述原始映射矩阵以及第1至n-1个所述目标映射矩阵，确定业务数据中输出指标与各所述输入指标之间的数据转换关系。当然，在本公开的其他示例性实施例中，为了减少运算量，也可以根据所述原始映射矩阵以及更少数量（例如，第2~第n-2个、奇数个、偶数个等）的所述目标映射矩阵确定所述数据转换关系，本示例性实施例中对此不做特殊限定。
以根据所述原始映射矩阵以及第1至8个所述目标映射矩阵确定所述数据转换关系为例；对于第1至8个所述目标映射矩阵中的参数进行汇总可以得到下表11：
表11
Figure DEST_PATH_IMAGE024
去除表11中无需处理的数据，可以得到下表12：
表12
Figure DEST_PATH_IMAGE025
本示例实施方式中，所述数据转换关系可以为：
yj=f(xi,i∈[1,m])
其中，yj为输出指标j的值，函数f的参数基于所述原始映射矩阵以及至少一个所述目标映射矩阵中输出指标j所在列的元素值确定，xi为输入指标i的值。举例而言，对于上述表12中的输出指标y1（也即OUT-01）的值而言，其与输入指标x1（也即IN-01）、输入指标x2（也即IN-06）、输入指标x3（也即IN-07）的值之间的数据转换关系为：y1=f(x1,x2,x3)；类似的，可以确定其他输入指标与输出指标之间存在的关联关系。下面结合实例，对于函数f的参数确定方法进行说明。
举例而言，上述输入指标IN-01即低通气指数x1、上述输入指标IN-06即呼吸暂停指数x2以及上述输入指标IN-07即压力参数x3；上述输出指标OUT-01即所述输出指标为睡眠呼吸暂停低通气指数均值y1；则所述睡眠呼吸暂停低通气指数均值对应的转换数学关系式为：
y1=f 1(x1,x2,x3)
其中，函数f 1的参数基于所述原始映射矩阵以及至少一个（此处以第1至8个为例）所述目标映射矩阵中所述睡眠呼吸暂停低通气指数均值所在列（即第1列）的元素值确定。例如，所述睡眠呼吸暂停低通气指数均值与低通气指数、呼吸暂停指数以及压力参数之间为加权和的关系；则对应的转换关系可以具体为：
y1=w1*x1+w2*x2+w3*x3
其中，w1、w2以及w3基于所述原始映射矩阵以及至少一个所述目标映射矩阵中所述睡眠呼吸暂停低通气指数均值所在列的元素值确定。例如，在上述表12中，输入指标IN-01所在行的的第1列的元素值分别为：1.00000011、1.00000011、1.00000011、1.00000011、1、1.00000011、1.00000011、1.00000011；则w1的取值范围可以为[1,1.00000011]。类似的，可以确定w2的取值范围为[1，1.00000011]，w3的取值范围为的取值范围为[7.85046229E-18，7.85046229E-16]。
经过发明人验证，为了实现更准确的计算结果，所述睡眠呼吸暂停低通气指数均值对应的转换数学关系式中，w1的取值可以具体为1.00000011，w2的取值可以具体为1.00000011，w3的值可以具体为7.85046229E-17。
又举例而言，上述输入指标IN-01即低通气指数x1、上述输入指标IN-06即呼吸暂停指数x2以及上述输入指标IN-07即压力参数x3；上述输出指标OUT-09即所述输出指标为呼吸暂停指数均值y2；则所述呼吸暂停指数均值对应的转换数学关系式为：
y2=f 2(x1,x2,x3)
其中，函数f 2的参数基于所述原始映射矩阵以及至少一个（此处以第1至8个为例）所述目标映射矩阵中所述呼吸暂停指数均值所在列（即第1列）的元素值确定。例如，所述呼吸暂停指数均值与低通气指数、呼吸暂停指数以及压力参数之间为加权和的关系；则对应的转换数学关系式可以具体为：
y2=w1*x1+w2*x2+w3*x3
其中，w1、w2以及w3基于所述原始映射矩阵以及至少一个所述目标映射矩阵中所述呼吸暂停指数均值所在列的元素值确定。例如，在上述表12中，输入指标IN-01所在行的的第1列的元素值分别为： 0.50000006、0.500000056、5.55500801E-08、5.55500801E-08、5.55500801E-08、5.55500801E-08、5.55500801E-08、5.55500801E-08；则w1的取值范围可以为[5.55500801E-08，0.50000006]。类似的，可以确定w2的取值范围为[0.50000006，1.00000006]，w3的取值范围为的取值范围为[2.22044605E-17，2.22044605E-15]。
经过发明人验证，为了实现更准确的计算结果，所述呼吸暂停指数均值对应的转换数学关系式中，w1的取值可以具体为0.50000006、0.500000056或者5.55500801E-08，w2的取值可以具体为0.50000006或者1.00000006，w3的值可以具体为2.22044605E-16。
再举例而言，上述输入指标IN-01即低通气指数x1、上述输入指标IN-06即呼吸暂停指数x2以及上述输入指标IN-07即压力参数x3；上述输出指标OUT-10即所述输出指标为低通气指数均值y3；则所述低通气指数均值对应的转换数学关系式为：
y3=f 3(x1,x2,x3)
其中，函数f 3的参数基于所述原始映射矩阵以及至少一个（此处以第1至8个为例）所述目标映射矩阵中所述低通气指数均值所在列（即第1列）的元素值确定。例如，所述低通气指数均值与低通气指数、呼吸暂停指数以及压力参数之间为加权和的关系；则对应的转换数学关系式可以具体为：
y3=w1*x1+w2*x2+w3*x3
其中，w1、w2以及w3基于所述原始映射矩阵以及至少一个所述目标映射矩阵中所述低通气指数均值所在列的元素值确定。例如，在上述表12中，输入指标IN-01所在行的的第1列的元素值分别为：0.50000006、0.500000056、1.00000006、1.00000006、1.00000006、1.00000006、1.00000006、1.00000006；则w1的取值范围可以为[0.500000056，1.00000006]。类似的，可以确定w2的取值范围为[5.55500802E-08，0.50000006]，w3的取值范围为的取值范围为[-7.85046229E-16，-7.85046229E-18]。
经过发明人验证，为了实现更准确的计算结果，所述低通气指数均值对应的转换数学关系式中，w1的取值可以具体为0.50000006、0.500000056或者1.00000006，w2的取值可以具体为5.55500802E-08或者0.50000006，w3的值可以具体为-7.85046229E-17。
在上述示例性实施例中，例举了一种函数f的参数确定方法；本领域技术人员容易理解的是，在本公开的其他示例性实施例中，根据函数f主体算法的不同，其参数也可以利用上述表12中的数据通过其他方式确定，这同样属于本公开的保护范围。
参考图11所示，本示例实施方式中，所述紧急救治系统还可以包括调度中心终端1101；此外，还可以包括报警终端1102、救治人员终端1103以及驾驶人员终端1104中的一种或多种。其中：
报警终端1102能够与所述调度中心终端1101通信连接，用于向所述调度中心终端1101发出报警信息。本示例实施方式中，报警终端1102为能够采集用户的语音、图像、视频或者位置等信息的设备。例如，报警终端1102可以移动电子设备，如智能手机、智能手表或者智能手环等；报警终端1102还可以是社区、园区、厂区内的物联网设备，如监控设备或者其他信息采集设备等。当用户触发报警终端1102的报警功能之后，报警终端1102能够与所述调度中心终端1101之间建立通信连接，进而采集用户的语音、图像、视频或者位置等信息并传输至调度中心终端1101。
调度中心终端1101用于接收报警信息并获取待救治对象的位置，并根据预设调度算法调度救护车辆（例如以及救护资源）到达待救治对象的位置进行救治。本示例实施方式中，调度中心终端1101可以部署有分布式坐席系统以及综合显示系统（例如液晶拼接大屏幕）以便于通过预设调度算法并结合人工统筹和管理实现救护车辆的调度派遣、外出及院内急救医护人员的调配、病人病情及救治安排等；本示例实施方式中，所述预设调度算法例如可以包括，建立区域路网模型并根据急救预案以及区域路网模型，生成最优路径；进而根据根据区域路网模型和最优路径，对救护车辆进行调度等。
本示例实施方式中，所述调度中心终端1101还可以用于，根据已接收到各所述报警信息智能识别应急场景；在接收到新的报警信息时，如果判断所述新的报警信息位于已识别应急场景，则根据为所述已识别应急场景配置的救护车辆以及救护资源确定是否配置新的救护车辆以及救护资源。
例如，调度中心终端1101可以根据一定时间段（如1个小时内等）内相近位置内（如1千米内等）产生的报警信息，通过音视频语义分析、大数据处理等技术智能识别应急场景，并进行记录。在在接收到新的报警信息时，则可以根据新的报警信息所对应的场景判断其是否位于已识别应急场景。如果判断所述新的报警信息位于已识别应急场景，且已识别应急场景配置的救护车辆以及救护资源已经可以满足新的报警信息对应的救治方案，则可以无需配置新的救护车辆以及救护资源；否则，加派新的救护车辆以及救护资源从而满足新的报警信息对应的救治方案。
此外，调度中心终端1101还可以根据报警者位置等信息，将报警信息同步到报警者附近社区、厂区的急救小站端或者其他能够提供急救服务的机构，从而便于值守志愿者或者其他救治人员第一时间展开救援，实现实现急救资源充分利用的同时，可以避免延误宝贵的黄金急救时间。
救治人员终端1103，与所述调度中心终端1101以及所述医疗业务系统通信连接，用于接收所述调度中心终端1101的调度信息，例如还可以接收与所述救治对象相关的医疗数据，例如，可以通过救治人员终端1103录入救治对象的病历信息。本示例实施方式中，救治人员终端1103例如可以为专用的通信终端，也可以为安装有相关应用程序的智能手机，进而能够便于救治人员接收到调度中心终端1101的调度信息，同时，也便于救治人员反馈信息至调度中心终端1101。
本示例实施方式中，所述调度中心终端1101还可以用于，根据所述待救治对象相关的医疗数据调度医疗机构内部救治人员提供远程协助。具体而言，如上所述，本示例实施方式中，医疗机构可以借助医疗业务系统从数据湖集群中获取待救治对象的实时和历史医疗数据；因此，医疗机构内部救治人员可以借此进行提供远程协助，例如进行远程诊断、远程设备操作等；此外，还可以便于医疗机构提前开展相关准备工作，进一步减少救治时间的浪费。
此外，在传统急救调度系统中，急救车辆调度和运送过程中可能存在无法及时了解医疗机构的救治能力和床位信息，进而出现到达医疗机构后院内没有处置能力，造成多次转院的情况，在浪费急救资源的同时延误了宝贵的黄金急救时间。为了应对救治、运送过程中实时相应救护资源的快速变化，避免多次转院等情况的发生，本示例实施方式中，调度中心终端1101还可以实时获取各医院的床位情况、救治资源等急救信息从而便于调度中心终端1101引导救护车辆将待救治对象运送至优选的医疗机构；同时，调度中心终端1101还可以将医疗机构的救治能力和床位信息发送至救治人员终端1103，以便于救治人员更加精准的判断是否需要转院，从而降低由于床位的突然变化所造成的影响。
驾驶人员终端1104与所述调度中心终端1101通信连接，用于引导驾驶人员将所述救护车辆的驾驶至所述待救治对象的位置。驾驶人员终端1104可以为车载终端，例如车载中控屏幕、车载导航仪等；同时，驾驶人员终端1104也可以为安装有相关应用程序的智能手机或者其他通信终端。
在一些实施方式中，驾驶人员终端1104可实时显示当前的行进进程，例如，在到达报警地点时，显示状态为“已到达报警地点”。在赶往救治医院时，显示状态为“路途中”，在到达救治医院时，显示状态为“已到达医院”，等等。
参考图12所示，本示例实施方式中，所述紧急救治系统还可以包括信息集成平台1201，与所述管理终端701、调度中心终端1101、报警终端1102、救治人员终端1103、驾驶人员终端1104和医疗业务系统103中的至少之一通信。其中：
所述信息集成平台1201用于从第三方业务系统1202调取个人健康档案和/或知识库，并发送给所述管理终端701、调度中心终端1101、报警终端1102、救治人员终端1103、驾驶人员终端1104和医疗业务系统103中的至少之一；和/或，
所述信息集成平台1201用于从所述管理终端701、调度中心终端1101、报警终端1102、救治人员终端1103、驾驶人员终端1104和医疗业务系统103中的至少之一获取待救治对象信息。
在一些实施方式中，通过信息集成平台1201集成第三方业务系统1202中的个人健康档案，例如历史就诊信息、病史、检查检验报告等，发送到管理终端701、调度中心终端1101、报警终端1102、救治人员终端1103、驾驶人员终端1104和医疗业务系统103中的至少之一，将存储于这些终端中的用户信息（包括病历信息）与信息集成平台1201中的个人健康档案进行融合和比对，便于更加全面的了解患者的个人健康状况，例如，还可以将关键信息例如精神疾病、传染病、检查记录等抽取展示到调度中心终端1101，便于调度人员快速进行警情预判。
在一些实施方式中，信息集成平台1201集成第三方业务系统1202中的知识库，知识库可同步给调度中心终端1101、救治人员终端1103等，便于进行标准化处置。
在一些实施方式中，调度中心终端1101可以将调度人员调度过程中的调度信息，例如初步诊断、图文指导、音视频等同步至信息集成平台1201，通过救治人员终端1103等将救治信息同步至信息集成平台1201。
在一些实施方式中，所述信息集成平台1201可以包括决策评估模块；决策评估模块基于知识库对所述待救治对象信息进行评估。由决策评估模块统一进行有效评估。根据评估结果相关人员可进行针对性补强，同时可更新知识库。例如，决策评估模块基于知识库对所述待救治对象的病情做出预判，或基于知识库提供标准的救治方法。
在一些实施方式中，所述信息集成平台1201还可以用于，根据已接收到各所述报警信息智能识别应急场景；在接收到新的报警信息时，如果判断所述新的报警信息位于已识别应急场景，则根据为所述已识别应急场景配置的救护车辆以及救护资源确定是否配置新的救护车辆以及救护资源
可以理解的是，以上至少部分功能也可以由调度中心终端1101实现。例如，信息集成平台1201完成智能识别应急场景后，将场景信息发送给调度中心终端1101，由调度中心终端1101结合具体情况进行救护车辆和救护资源的调度。
例如，根据已接收到各所述报警信息识别出应急场景为集体公共事件，则可能在发生该集体公共事件的地点存在多人报警的情况。例如，可以根据报警者提供的信息识别应急场景，也可以通过语音、视频等环境信息对应急场景进行识别。当在同一个区域内存在多人报警的情况下，信息集成平台1201可以根据分析结果，指派一定数量的救护车和配置相应的救护资源。例如，当有2个涉及轻伤的人报警，可考虑指派1量救护车即可，以节约救护资源。
例如，调度中心终端1101可以根据一定时间段（如1个小时内等）内相近位置内（如1千米内等）产生的报警信息，通过音视频语义分析、大数据处理等技术智能识别应急场景，并进行记录。在在接收到新的报警信息时，则可以根据新的报警信息所对应的场景判断其是否位于已识别应急场景。如果判断所述新的报警信息位于已识别应急场景，且已识别应急场景配置的救护车辆以及救护资源已经可以满足新的报警信息对应的救治方案，则可以无需配置新的救护车辆以及救护资源；否则，加派新的救护车辆以及救护资源从而满足新的报警信息对应的救治方案。
例如，报警时报警终端1102将报警信息（位置、音视频）等上传至信息集成平台1201；调度中心终端1101将调度信息（初步诊断、车辆指派、操作记录、音视频）等信息上传急救信息集成平台1201，调度人员可在调度中心终端1101标记应急等级（例如紧急、一般、不紧急等），应急等级汇总到调度信息上传至信息集成平台1201。信息集成平台1201根据相近位置内最近时间产生报警数量、音视频语义分析等智能识别应急场景，将应急情况同步给调度中心终端1101的同时，在新报警进入后，可根据新汇总的报警信息智能判断描述场景、症状是否相同、是否已经指派出车进行针对提示。信息集成平台1201若识别出应急场景，可根据调度信息中的地理位置、音视频中语义分析中的场景描述将已有报警信息、调度信息汇总展示在120应急指挥平台，便于及时应急指挥，统一协调。
此外，调度中心终端1101和/或信息集成平台1201还可以根据报警者位置等信息，将报警信息同步到报警者附近社区、厂区的急救小站端或者其他能够提供急救服务的机构，从而便于值守志愿者或者其他救治人员第一时间展开救援，实现实现急救资源充分利用的同时，可以避免延误宝贵的黄金急救时间。
在一些实施方式中，救治人员终端1103还用于记录治疗信息，信息集成平台1201用于根据时间顺序将所述治疗信息记录绘制为时间轴，并发送给所述医疗业务系统103。
例如，通过救治人员终端1103采集现场视频和识别患者身份信息，统一上传信息集成平台1201。医生可通过救治人员终端1103将开展的物理、药物等治疗操作实时拍照、录像或手工录入实时上传信息集成平台1201，上传时记录操作时间。急救车端位置信息统一上传信息集成平台1201。信息集成平台1201将车内操作形成时间轴会同位置信息统一汇总展示给医疗信息系统，通过治疗信息、病情、距离等将即将到院病人进行智能排序，便于急诊医生根据车内开展救治时间点及车辆位置判断到院时间，定制抢救方案，协调院内资源。
在一些实施方式中，信息集成平台1201用于接收从所述医疗业务系统103发送的医院的资源信息，并发送给调度中心终端1101。
例如，通过信息集成平台1201，各医院可以通过医疗信息系统将各医院的床位情况、救治能力等及时更新并同步到信息集成平台1201，调度员在调度中心终端1101可根据空床情况选择调度。 在运送患者过程中，车内医生可在救治人员终端1103查看送往医院的实时床位情况，便于及时确认是否需要转院，减少突然减床位变化所造成的影响。
应当注意，尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元，但是这种划分并非强制性的。实际上，根据本公开的实施方式，上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之，上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。
本公开的各个部件实施例可以以硬件实现，或者以在一个或者多个处理器上运行的软件模块实现，或者以它们的组合实现。
进一步的，本示例实施方式中，还提供了紧急救治方法。该紧急救治方法可以应用于一紧急救治系统。参考图13所示，该紧急救治方法可以包括下述步骤S1301至步骤S1303。其中：
在步骤S1301中，通过部署于救护车辆的信息采集终端采集待救治对象医疗数据并上传至数据湖集群；
在步骤S1302中，通过数据湖集群对所述待救治对象医疗数据进行数据接入、数据处理、数据存储以及数据分发；
在步骤S1303中，通过医疗业务系统从所述数据湖集群获取所述待救治对象医疗数据。
上述紧急救治方法中各步骤的具体细节已经在对应的紧急救治系统中进行了详细的描述，因此此处不再赘述。
应该理解的是，虽然附图的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，其可以以其他的顺序执行。而且，附图的流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，其执行顺序也不必然是依次进行，而是可以与其他步骤或者其他步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
在本公开的示例性实施例中，还提供一种电子设备，包括：处理器；被配置为存储处理器可执行指令的存储器；其中，处理器被配置为执行本示例实施方式中任一所述的方法。
图14出了用于实现本公开实施例的电子设备的计算机系统的结构示意图。需要说明的是，图14示出的电子设备的计算机系统1400仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。
如图14所示，计算机系统1400包括中央处理器1401，其可以根据存储在只读存储器1402中的程序或者从存储部分1408加载到随机访问存储器1403中的程序而执行各种适当的动作和处理。在随机访问存储器1403中，还存储有系统操作所需的各种程序和数据。中央处理器1401、只读存储器1402以及随机访问存储器1403通过总线1404彼此相连。输入/输出接口1405也连接至总线1404。
以下部件连接至输入/输出接口1405：包括键盘、鼠标等的输入部分14014；包括诸如阴极射线管（CRT）、液晶显示器（LCD）等以及扬声器等的输出部分1406；包括硬盘等的存储部分1408；以及包括诸如局域网（LAN）卡、调制解调器等的网络接口卡的通信部分1409。通信部分1409经由诸如因特网的网络执行通信处理。驱动器1410也根据需要连接至输入/输出接口1405。可拆卸介质1411，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器1410上，以便于从其上读出的计算机程序根据需要被安装入存储部分1408。
特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分1409从网络上被下载和安装，和/或从可拆卸介质1411被安装。在该计算机程序被中央处理器1401执行时，执行本申请的装置中限定的各种功能。
在本公开的示例性实施例中，还提供一种非易失性计算机可读存储介质，其上存储有计算机程序，计算机程序被计算机执行时，计算机执行上述任意一项所述的方法。
需要说明的是，本公开所示的非易失性计算机可读存储介质例如可以是—但不限于—电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器、只读存储器、可擦式可编程只读存储器（EPROM或闪存）、光纤、便携式紧凑磁盘只读存储器（CD-ROM）、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、射频等等，或者上述的任意合适的组合。
本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其他实施例。本申请旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由权利要求指出。

Claims (25)

1.一种紧急救治系统，其特征在于，包括：
信息采集终端，部署于救护车辆，用于采集待救治对象医疗数据并上传至数据湖集群；
数据湖集群，用于对所述待救治对象医疗数据进行数据接入、数据处理、数据存储以及数据分发；
报警终端，用于在使用者通过所述报警终端进行报警时，获取所述待救治对象的用户信息并记录报警时间，以及，将所述用户信息和记录的报警时间发送至管理终端；
所述紧急救治系统还包括所述管理终端；所述管理终端用于：
接收从数据湖集群分发的医疗数据；
记录所述信息采集终端的设备标识、设备开始使用时间；
接收从所述报警终端发送的所述待救治对象的用户信息和记录的报警时间；以及
将所述设备标识、设备开始使用时间与接收到用户信息的报警时间进行匹配，得到信息采集终端的使用者身份标识，将所述信息采集终端采集到的医疗数据与所述身份标识进行绑定，使得所述医疗数据与待救治对象的用户信息关联；
医疗业务系统，用于接收所述与待救治对象的用户信息关联后的医疗数据；
其中，所述数据湖集群包括数据接入模块、数据处理模块和数据分发模块，所述数据接入模块接入的医疗数据至少包括低通气指数x1、呼吸暂停指数x2以及压力参数x3；所述数据处理模块通过以下方式的至少之一处理数据，以获得所述数据分发模块要分发的医疗数据：
当所述数据分发模块要分发的医疗数据为睡眠呼吸暂停低通气指数均值y1时，y1＝w1*x1+w2*x2+w3*x3；其中，w1、w2以及w3为关系参数，且w1的取值范围为[1,1.00000011]，w2的取值范围为[1，1.00000011]，w3的取值范围为的取值范围为[7.85046229E-18，7.85046229E-16]；
当所述数据分发模块要分发的医疗数据为呼吸暂停指数均值y2时，y2＝w1*x1+w2*x2+w3*x3；其中，w1、w2以及w3为关系参数，且w1的取值范围为[5.55500801E-08，0.50000006]，w2的取值范围为[0.50000006，1.00000006]，w3的取值范围为的取值范围为[2.22044605E-17，2.22044605E-15]；
当所述数据分发模块要分发的医疗数据为低通气指数均值y3时，y3＝w1*x1+w2*x2+w3*x3，w1、w2以及w3为关系参数，且w1的取值范围为[0.500000056，1.00000006]，w2的取值范围为[5.55500802E-08，0.50000006]，w3的取值范围为的取值范围为[-7.85046229E-16，-7.85046229E-18]；
所述数据处理模块还用于通过如下方式训练获取所述关系参数w1、w2以及w3的取值范围：
获取样本医疗数据和样本业务数据，所述样本医疗数据包括9个输入指标，所述样本业务数据包括10个输出指标，所述输入指标中包括低通气指数x1、呼吸暂停指数x2和压力参数x3，所述输出指标中包括睡眠呼吸暂停低通气指数均值y1、呼吸暂停指数均值y2和低通气指数均值y3；
根据获取的所述样本医疗数据和样本业务数据构建原始映射矩阵R，所述原始映射矩阵中的元素R(i,j)用于表征样本医疗数据中的输入指标i与样本业务数据中的输出指标j之间的关系，i和j为正整数，且i∈[1，9]，j∈[1，10]，当输入指标i和输出指标j之间存在关联关系时，R(i,j)＝1，当输入指标i和输出指标j之间无法确定存在关联关系时，R(i,j)＝0；
基于原始映射矩阵R获取第一矩阵P和第二矩阵Q，所述第一矩阵表征输入指标对于各个输出指标的影响程度，所述第二矩阵表征输出指标受各个输入指标的影响程度；
其中，所述基于原始映射矩阵R获取第一矩阵P和第二矩阵Q的步骤包括：
对所述原始映射矩阵R进行奇异值分解，获取原始映射矩阵R的奇异值Σ[1.73205081,1,1,1,1,1,1,1,1]；
分别取奇异值Σ的前k个元素值作为矩阵对角线元素值构建多个中间矩阵S，k为正整数，且k∈[1，8]，所述多个中间矩阵S均为9*10维的矩阵；以及
对所述原始映射矩阵进行矩阵分解，得到所述第一矩阵P和第二矩阵Q，其中，所述第一矩阵P为9*9维矩阵，所述第二矩阵Q为10*10维矩阵；
根据第一矩阵P、第二矩阵Q和每个所述中间矩阵S的乘积，确定多个目标映射矩阵Rk；以及
基于所述原始映射矩阵R以及多个所述目标映射矩阵Rk中输出指标所在列的元素值，确定所述关系参数w1、w2以及w3的取值范围；
其中，基于所述原始映射矩阵R以及多个所述目标映射矩阵Rk中输出指标所在列的元素值，确定所述关系参数w1、w2以及w3的取值范围的步骤包括：
对所述多个目标映射矩阵Rk中输出指标j所在列的元素进行汇总，得到当中间矩阵S的k取不同数值时，输出指标j所在列的元素；以及
根据当中间矩阵S的k取不同数值时输出指标j所在列的元素，确定关系参数w1、w2以及w3的取值范围。
2.根据权利要求1所述的紧急救治系统，其特征在于，其中：
所述数据接入模块，用于根据信息采集终端的类型确定对应的目标接入方式并通过目标接入方式接入待救治对象医疗数据；
所述数据处理模块，用于对所述待救治对象医疗数据的指标信息进行解析，并建立各所述指标信息与标准指标之间的映射关系；
所述数据分发模块，用于将经由所述数据处理模块处理后的待救治对象医疗数据分发至所述医疗业务系统。
3.根据权利要求2所述的紧急救治系统，其特征在于，所述数据处理模块中对所述待救治对象医疗数据的指标信息进行解析包括：
基于数据解析模型对所述信息采集终端上传的所述待救治对象医疗数据的指标信息进行解析；其中，
所述数据解析模型为基于所述信息采集终端对应的解析协议进行建模得到。
4.根据权利要求3所述的紧急救治系统，其特征在于，所述待救治对象医疗数据的指标信息包括n个字段，其中第i个字段表示所述待救治对象医疗数据的指标的二进制值的第(i-1)*m+1位至第i*m位；所述数据解析模型通过下述公式对所述待救治对象医疗数据的指标信息进行解析：
Figure FDA0003387763070000041
其中，函数f1(x)用于将对象转换为二进制数值，f2(x)用于将对象转换为十进制数值。
5.根据权利要求2所述的紧急救治系统，其特征在于，所述标准指标至少包括标准编码标识，所述数据处理模块中建立各所述指标信息与标准指标之间的映射关系包括：
在解析所述信息采集终端上传的所述待救治对象医疗数据的指标信息后，获取其中的非标准编码标识；
基于所述非标准编码标识与所述标准编码标识之间的映射关系，将所述标准编码标识与所述待救治对象医疗数据的指标信息中的指标值进行键值存储；
将与所述待救治对象医疗数据对应的标准编码标识与所述信息采集终端的设备标识关联。
6.根据权利要求2所述的紧急救治系统，其特征在于，其中：
所述数据接入模块与所述数据处理模块之间配置有第一消息平台，所述第一消息平台用于供所述数据接入模块通过消息服务的方式将接入的信息传输至所述数据处理模块；
所述数据分发模块与所述医疗业务系统之间配置有第二消息平台，所述第二消息平台用于供所述数据分发模块通过消息服务的方式将处理后的待救治对象医疗数据传输至所述医疗业务系统。
7.根据权利要求6所述的紧急救治系统，其特征在于，所述数据分发模块还用于，将所述待救治对象医疗数据发送至消息队列，以便于所述第二消息平台从所述消息队列拉取所述待救治对象医疗数据。
8.根据权利要求1所述的紧急救治系统，其特征在于，所述管理终端还用于，存储待救治对象的历史医疗数据，将所述待救治对象的历史医疗数据和实时医疗数据共同分发至所述医疗业务系统。
9.根据权利要求1所述的紧急救治系统，其特征在于，所述管理终端还用于，存储待救治对象的亲友医疗数据，将所述待救治对象的亲友医疗数据和自身医疗数据共同分发至所述医疗业务系统。
10.根据权利要求1所述的紧急救治系统，其特征在于，
所述管理终端，还用于接收查询请求，并根据所述查询请求包含的查询条件在所述数据湖集群获取相关数据生成查询结果。
11.根据权利要求1所述的紧急救治系统，其特征在于，所述管理终端还包括：
数据可视化模块，用于根据所述数据湖集群的数据生成可视化内容，以通过前端页面展示所述可视化内容。
12.根据权利要求1所述的紧急救治系统，其特征在于，所述管理终端还包括：
设备参数监控模块，用于对所述信息采集终端的行为信息进行记录和分析，以确认所述信息采集终端是否为异常终端。
13.根据权利要求8～12任一项所述的紧急救治系统，其特征在于，所述紧急救治系统还包括：
调度中心终端，用于接收报警信息并获取待救治对象的位置，并根据预设调度算法调度救护车辆到达待救治对象的位置进行救治。
14.根据权利要求13所述的紧急救治系统，其特征在于，所述调度中心端还用于，根据所述待救治对象相关的医疗数据调度医疗机构内部救治人员提供远程协助。
15.根据权利要求13所述的紧急救治系统，其特征在于，所述报警终端，能够与所述调度中心终端通信连接，用于向所述调度中心终端发出所述报警信息。
16.根据权利要求13所述的紧急救治系统，其特征在于，所述紧急救治系统还包括：
救治人员终端，与所述调度中心终端通信连接，用于接收所述调度中心终端的调度信息，以及，用于录入待救治对象的病历信息。
17.根据权利要求13所述的紧急救治系统，其特征在于，所述紧急救治系统还包括：
驾驶人员终端，与所述调度中心终端通信连接，用于引导驾驶人员将所述救护车辆驾驶至所述待救治对象的位置。
18.根据权利要求8～12或者14～17任一项所述的紧急救治系统，其特征在于，所述紧急救治系统还包括：
信息集成平台，与所述管理终端、调度中心终端、报警终端、救治人员终端、驾驶人员终端和医疗业务系统中的至少之一通信；
所述信息集成平台用于从第三方业务系统调取个人健康档案和/或知识库，并发送给所述管理终端、调度中心终端、报警终端、救治人员终端、驾驶人员终端和医疗业务系统中的至少之一；和/或，
所述信息集成平台用于从所述管理终端、调度中心终端、报警终端、救治人员终端、驾驶人员终端和医疗业务系统中的至少之一获取待救治对象信息。
19.根据权利要求18所述的紧急救治系统，其特征在于，所述信息集成平台包括决策评估模块；
所述决策评估模块基于所述知识库对所述待救治对象信息进行评估。
20.根据权利要求18所述的紧急救治系统，其特征在于，所述信息集成平台用于：
根据已接收到的待救治对象信息识别应急场景；
在接收到新的报警信息时，如果判断所述新的报警信息位于已识别应急场景，则根据为所述已识别应急场景配置的救护车辆确定是否配置新的救护车辆。
21.根据权利要求18所述的紧急救治系统，其特征在于，所述救治人员终端还用于记录治疗信息，
所述信息集成平台用于，根据时间顺序将所述治疗信息记录绘制为时间轴，并发送给所述医疗业务系统。
22.根据权利要求18所述的紧急救治系统，其特征在于，
所述信息集成平台用于，接收从所述医疗业务系统发送的医院的资源信息，并发送给调度中心终端。
23.一种紧急救治方法，其特征在于，包括：
通过部署于救护车辆的信息采集终端采集待救治对象医疗数据并上传至数据湖集群；
通过数据湖集群对所述待救治对象医疗数据进行数据接入、数据处理、数据存储以及数据分发；
所述方法还包括：
使用者通过报警终端进行报警时，获取所述待救治对象的用户信息并记录报警时间，以及，将所述用户信息和记录的报警时间发送至管理终端；
通过所述管理终端记录所述信息采集终端的设备标识、设备开始使用时间以及接收从所述报警终端发送的所述待救治对象的用户信息和记录的报警时间；接收从数据湖集群分发的医疗数据；以及
将所述设备标识、设备开始使用时间与接收到用户信息的报警时间进行匹配，得到信息采集终端的使用者身份标识，将所述信息采集终端采集到的医疗数据与所述身份标识进行绑定，使得所述医疗数据与待救治对象的用户信息关联；以及，
通过医疗业务系统接收所述与待救治对象的用户信息关联后的医疗数据；
其中，所述数据湖集群包括数据接入模块、数据处理模块和数据分发模块，所述数据接入模块接入的医疗数据至少包括低通气指数x1、呼吸暂停指数x2以及压力参数x3；所述数据处理模块通过以下方式的至少之一处理数据，以获得所述数据分发模块要分发的医疗数据：
当所述数据分发模块要分发的医疗数据为睡眠呼吸暂停低通气指数均值y1时，y1＝w1*x1+w2*x2+w3*x3；其中，w1、w2以及w3为关系参数，且w1的取值范围为[1,1.00000011]，w2的取值范围为[1，1.00000011]，w3的取值范围为的取值范围为[7.85046229E-18，7.85046229E-16]；
当所述数据分发模块要分发的医疗数据为呼吸暂停指数均值y2时，y2＝w1*x1+w2*x2+w3*x3；其中，w1、w2以及w3为关系参数，且w1的取值范围为[5.55500801E-08，0.50000006]，w2的取值范围为[0.50000006，1.00000006]，w3的取值范围为的取值范围为[2.22044605E-17，2.22044605E-15]；
当所述数据分发模块要分发的医疗数据为低通气指数均值y3时，y3＝w1*x1+w2*x2+w3*x3，w1、w2以及w3为关系参数，且w1的取值范围为[0.500000056，1.00000006]，w2的取值范围为[5.55500802E-08，0.50000006]，w3的取值范围为的取值范围为[-7.85046229E-16，-7.85046229E-18]；
所述数据处理模块还用于通过如下方式训练获取所述关系参数w1、w2以及w3的取值范围：
获取样本医疗数据和样本业务数据，所述样本医疗数据包括9个输入指标，所述样本业务数据包括10个输出指标，所述输入指标中包括低通气指数x1、呼吸暂停指数x2和压力参数x3，所述输出指标中包括睡眠呼吸暂停低通气指数均值y1、呼吸暂停指数均值y2和低通气指数均值y3；
根据获取的所述样本医疗数据和样本业务数据构建原始映射矩阵R，所述原始映射矩阵中的元素R(i,j)用于表征样本医疗数据中的输入指标i与样本业务数据中的输出指标j之间的关系，i和j为正整数，且i∈[1，9]，j∈[1，10]，当输入指标i和输出指标j之间存在关联关系时，R(i,j)＝1，当输入指标i和输出指标j之间无法确定存在关联关系时，R(i,j)＝0；
基于原始映射矩阵R获取第一矩阵P和第二矩阵Q，所述第一矩阵表征输入指标对于各个输出指标的影响程度，所述第二矩阵表征输出指标受各个输入指标的影响程度；
其中，所述基于原始映射矩阵R获取第一矩阵P和第二矩阵Q的步骤包括：
对所述原始映射矩阵R进行奇异值分解，获取原始映射矩阵R的奇异值Σ[1.73205081,1,1,1,1,1,1,1,1]；
分别取奇异值Σ的前k个元素值作为矩阵对角线元素值构建多个中间矩阵S，k为正整数，且k∈[1，8]，所述多个中间矩阵S均为9*10维的矩阵；以及
对所述原始映射矩阵进行矩阵分解，得到所述第一矩阵P和第二矩阵Q，其中，所述第一矩阵P为9*9维矩阵，所述第二矩阵Q为10*10维矩阵；
根据第一矩阵P、第二矩阵Q和每个所述中间矩阵S的乘积，确定多个目标映射矩阵Rk；以及
基于所述原始映射矩阵R以及多个所述目标映射矩阵Rk中输出指标所在列的元素值，确定所述关系参数w1、w2以及w3的取值范围；
其中，基于所述原始映射矩阵R以及多个所述目标映射矩阵Rk中输出指标所在列的元素值，确定所述关系参数w1、w2以及w3的取值范围的步骤包括：
对所述多个目标映射矩阵Rk中输出指标j所在列的元素进行汇总，得到当中间矩阵S的k取不同数值时，输出指标j所在列的元素；以及
根据当中间矩阵S的k取不同数值时输出指标j所在列的元素，确定关系参数w1、w2以及w3的取值范围。
24.一种电子设备，其特征在于，包括：
处理器；以及
存储器，用于存储一个或多个程序，当所述一个或多个程序被所述处理器执行时，使得所述处理器实现如权利要求23所述的方法。
25.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时，实现如权利要求23所述的方法。
CN202110745539.XA 2021-07-01 2021-07-01 紧急救治系统、紧急救治方法及电子设备 Active CN113192624B (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN202110745539.XA CN113192624B (zh) 2021-07-01 2021-07-01 紧急救治系统、紧急救治方法及电子设备
PCT/CN2022/103328 WO2023274402A1 (zh) 2021-07-01 2022-07-01 紧急救治系统、紧急救治方法及电子设备
EP22832214.5A EP4345840A1 (en) 2021-07-01 2022-07-01 Emergency treatment system, emergency treatment method, and electronic device

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110745539.XA CN113192624B (zh) 2021-07-01 2021-07-01 紧急救治系统、紧急救治方法及电子设备

Publications (2)

Publication Number Publication Date
CN113192624A CN113192624A (zh) 2021-07-30
CN113192624B true CN113192624B (zh) 2022-05-31

Family

ID=76976937

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110745539.XA Active CN113192624B (zh) 2021-07-01 2021-07-01 紧急救治系统、紧急救治方法及电子设备

Country Status (3)

Country Link
EP (1) EP4345840A1 (zh)
CN (1) CN113192624B (zh)
WO (1) WO2023274402A1 (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113192624B (zh) * 2021-07-01 2022-05-31 京东方科技集团股份有限公司 紧急救治系统、紧急救治方法及电子设备
KR102573535B1 (ko) * 2021-12-01 2023-09-05 주식회사 디케이아이테크놀로지 엑스알(xr)기반 중증외상 처치훈련 시스템의 처치훈련 플랫폼
CN114360717B (zh) * 2022-03-03 2022-06-10 广州市和合医疗设备有限公司 一种应用于医疗车的触摸屏中控系统
CN115579094B (zh) * 2022-11-16 2023-02-28 神州医疗科技股份有限公司 一种多模态医疗数据湖构建方法及系统

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104065743A (zh) * 2014-07-07 2014-09-24 南京市卫生信息中心 一种基于智慧城市平台的120急救系统
CN112349404A (zh) * 2020-11-03 2021-02-09 中国人民解放军总医院 基于云-边-端架构的多中心医疗设备大数据云平台
CN112463765A (zh) * 2020-12-04 2021-03-09 广州医博信息技术有限公司 基于大数据构架的医疗数据管理方法及系统

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101977181A (zh) * 2010-08-27 2011-02-16 杭州美诺泰科科技有限公司 一种紧急医疗救援通讯系统
CN103942454A (zh) * 2014-05-07 2014-07-23 东南大学 一种基于流动监测车的急症患者应急救援系统
US11106934B2 (en) * 2019-02-11 2021-08-31 Innovaccer Inc. Automatic visual display overlays of contextually related data from multiple applications
CN112820366A (zh) * 2020-12-23 2021-05-18 京东方科技集团股份有限公司 数据处理方法、装置、系统、设备和存储介质
CN113192624B (zh) * 2021-07-01 2022-05-31 京东方科技集团股份有限公司 紧急救治系统、紧急救治方法及电子设备

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104065743A (zh) * 2014-07-07 2014-09-24 南京市卫生信息中心 一种基于智慧城市平台的120急救系统
CN112349404A (zh) * 2020-11-03 2021-02-09 中国人民解放军总医院 基于云-边-端架构的多中心医疗设备大数据云平台
CN112463765A (zh) * 2020-12-04 2021-03-09 广州医博信息技术有限公司 基于大数据构架的医疗数据管理方法及系统

Also Published As

Publication number Publication date
CN113192624A (zh) 2021-07-30
EP4345840A1 (en) 2024-04-03
WO2023274402A1 (zh) 2023-01-05

Similar Documents

Publication Publication Date Title
CN113192624B (zh) 紧急救治系统、紧急救治方法及电子设备
El-Rashidy et al. Mobile health in remote patient monitoring for chronic diseases: Principles, trends, and challenges
CN103690240B (zh) 一种医疗系统
WO2020011244A1 (zh) 一种急危重症施救的医疗资源优化匹配方法和系统
Babu et al. Cloud-enabled remote health monitoring system
CN100559382C (zh) 紧急医学救援无线移动信息系统及数据交换方法
US12014285B2 (en) Systems and methods for machine learning in patient placement
Ranganathan et al. Rural Automatic Healthcare Dispatch with Real-Time Remote Monitoring
KR102479692B1 (ko) 빅데이터 및 클라우드 시스템 기반 인공지능 응급의료 의사결정 및 응급환자 이송 시스템과 그 방법
US20200058209A1 (en) System and method for automated health monitoring
US11587682B2 (en) Method and system to integrate data, analyze and develop improved care plan for a patient at home
Mendonça et al. An IoT-based healthcare ecosystem for home intelligent assistant services in smart homes
CN116807399A (zh) 一种基于5g的远程重症监护系统
KR102511579B1 (ko) 진료 키트를 이용한 원격진료 서비스 제공 장치, 시스템, 방법 및 프로그램
CN111145907A (zh) 体检数据处理方法、装置、介质及电子设备
WO2023015287A1 (en) Systems and methods for automated medical data capture and caregiver guidance
CN113571159A (zh) 一种基于人工智能的孤独症谱系障碍儿童康复护理系统
Moore et al. Situational Awareness for Enhanced Patient Management
Gusev et al. Stimulating intellectual activity with adaptive environment (SMILE)
Moulton et al. Data fusion and aggregation methods for pre-processing ambulatory monitoring and remote sensor data for upload to personal electronic health records
Zhang et al. Research on application of computer big data and mobile communication technology in intelligent nursing service platform
El-Rashidy et al. M. El-Bakry H, Abdelrazek S.“Mobile Health in Remote Patient Monitoring for Chronic Diseases: Principles, Trends, and Challenges “. Diagnostics. 2021; 11 (4): 607
Thamizhselvi et al. Medi-Alerta: Design and Implementation of a Medical Device for Remote Monitoring and Operating
KR102663622B1 (ko) 이재민 및 구호소 모니터링 시스템
Shinde et al. An IoT-based Context-Aware Recommender System to Improve the Quality of Life of Elderly People

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