CN113284576A - 一种急诊病人体征数据的智能收集方法及系统 - Google Patents

Abstract

本发明公开了一种急诊病人体征数据的智能收集方法及系统，其中，所述方法包括：依据第一病人的第一病史信息、检测指征类别对第一病人进行分类计算，获得第一分类结果，从而获得对应的信息显示区域；获得第一检测指征类别的各指征数据信息及各合格指征阈值；依据所述各合格指征阈值，获得所述各指征数据信息的动态变化信息；将所述动态变化信息在所述第一信息显示区域进行数据显示。解决了现有技术中对于急诊病人生命体征数据监测依赖人工，且与后续就诊信息连接性不强，导致患者就诊效率低的技术问题。

Description

一种急诊病人体征数据的智能收集方法及系统

技术领域

本发明涉及信息采集领域，尤其涉及一种急诊病人体征数据的智能收集方法及系统。

背景技术

急诊医学科（室）或急诊医学中心是医院中重症病人最集中、病种最多、抢救和管理任务最重的科室，是所有急诊病人入院治疗的必经之路。急诊病人病情的严重程度决定病人就诊及处置的优先次序。急诊病人病情分级不仅仅是给病人排序，而且要分流病人，使病人在合适的时间去合适的区域获得恰当的诊疗。因此急诊科对于入院急诊病人的病情信息收集效率，关系到是否能够对病人进行有效的诊疗。

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：

对于急诊病人生命体征数据监测依赖人工，且与后续就诊信息连接性不强，导致患者就诊效率低。

发明内容

本申请实施例通过提供一种急诊病人体征数据的智能收集方法及系统，解决了现有技术对于急诊病人生命体征数据监测依赖人工，且与后续就诊信息连接性不强，导致患者就诊效率低的技术问题，实现了通过对患者进行智能分类，按照分类结果对其生命体征数据信息进行分类监测，从而快速匹配分诊医生并获得实时反馈，提高就诊效率的技术目的。

鉴于上述问题，本申请实施例提供一种急诊病人体征数据的智能收集方法及系统。

本申请提供了一种急诊病人体征数据的智能收集方法，其中，所述方法包括：获得第一病人的第一病史信息；获得所述第一病人的第一检测指征类别；依据所述第一病史信息、所述第一检测指征类别对所述第一病人进行分类计算，获得第一分类结果；将所述第一分类结果输入至所述信息管理系统，获得所述第一病人的第一信息显示区域；获得所述第一检测指征类别的各指征数据信息；获得所述第一检测指征类别的各合格指征阈值；依据所述各合格指征阈值，获得所述各指征数据信息的动态变化信息；获得第一显示指令，依据所述第一显示指令将所述动态变化信息在所述第一信息显示区域进行数据显示。

本申请实施例中提供的一个或多个技术方案，至少具有如下技术效果或优点：

本申请提供了一种急诊病人体征数据的智能收集方法，其中，所述方法包括：获得第一病人的第一病史信息；获得所述第一病人的第一检测指征类别；依据所述第一病史信息、所述第一检测指征类别对所述第一病人进行分类计算，获得第一分类结果；将所述第一分类结果输入至所述信息管理系统，获得所述第一病人的第一信息显示区域；获得所述第一检测指征类别的各指征数据信息；获得所述第一检测指征类别的各合格指征阈值；依据所述各合格指征阈值，获得所述各指征数据信息的动态变化信息；获得第一显示指令，依据所述第一显示指令将所述动态变化信息在所述第一信息显示区域进行数据显示。解决了现有技术对于急诊病人生命体征数据监测依赖人工，且与后续就诊信息连接性不强，导致患者就诊效率低的技术问题，实现了通过对患者进行智能分类，按照分类结果对其生命体征数据信息进行分类监测，从而快速匹配分诊医生并获得实时反馈，提高就诊效率的技术目的。

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急诊病人体征数据的智能收集方法的流程示意图；

图2为本申请实施例一种急诊病人体征数据的智能收集方法中病人分类计算的流程示意图；

图3为本申请实施例一种急诊病人体征数据的智能收集方法中获得所述各合格指征阈值的流程示意图；

图4为本申请实施例一种急诊病人体征数据的智能收集方法中获得所述动态变化信息的流程示意图；

图5为本申请实施例一种急诊病人体征数据的智能收集方法中获取医生反馈信息的流程示意图；

图6为本申请实施例一种急诊病人体征数据的智能收集方法中获得所述第二反馈信息的流程示意图；

图7为本申请实施例一种急诊病人体征数据的智能收集方法中所述第一阈值评估模型进行数据训练的流程示意图；

图8为本申请实施例一种急诊病人体征数据的智能收集系统的结构示意图；

图9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，第一输入单元14，第四获得单元15，第五获得单元16，第六获得单元17，第七获得单元18，电子设备300，存储器301，处理器302，通信接口303，总线架构304。

具体实施方式

本申请实施例通过提供一种急诊病人体征数据的智能收集方法及系统，解决了现有技术对于急诊病人生命体征数据监测依赖人工，且与后续就诊信息连接性不强，导致患者就诊效率低的技术问题，实现了通过对患者进行智能分类，按照分类结果对其生命体征数据信息进行分类监测，从而快速匹配分诊医生并获得实时反馈，提高就诊效率的技术目的。

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

急诊医学科（室）或急诊医学中心是医院中重症病人最集中、病种最多、抢救和管理任务最重的科室，是所有急诊病人入院治疗的必经之路。急诊病人病情的严重程度决定病人就诊及处置的优先次序。急诊病人病情分级不仅仅是给病人排序，而且要分流病人，使病人在合适的时间去合适的区域获得恰当的诊疗。因此急诊科对于入院急诊病人的病情信息收集效率，关系到是否能够对病人进行有效的诊疗。现有技术中还存在着对于急诊病人生命体征数据监测依赖人工，且与后续就诊信息连接性不强，导致患者就诊效率低的技术问题。

针对上述技术问题，本申请提供的技术方案总体思路如下：

本申请提供了一种急诊病人体征数据的智能收集方法，其中，所述方法包括：获得第一病人的第一病史信息；获得所述第一病人的第一检测指征类别；依据所述第一病史信息、所述第一检测指征类别对所述第一病人进行分类计算，获得第一分类结果；将所述第一分类结果输入至所述信息管理系统，获得所述第一病人的第一信息显示区域；获得所述第一检测指征类别的各指征数据信息；获得所述第一检测指征类别的各合格指征阈值；依据所述各合格指征阈值，获得所述各指征数据信息的动态变化信息；获得第一显示指令，依据所述第一显示指令将所述动态变化信息在所述第一信息显示区域进行数据显示。解决了现有技术对于急诊病人生命体征数据监测依赖人工，且与后续就诊信息连接性不强，导致患者就诊效率低的技术问题，实现了通过对患者进行智能分类，按照分类结果对其生命体征数据信息进行分类监测，从而快速匹配分诊医生并获得实时反馈，提高就诊效率的技术目的。

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急诊病人体征数据的智能收集方法，其中，所述方法包括：

步骤S100：获得第一病人的第一病史信息；

具体而言，由于医院急诊科需要对病人进行迅速判断病因，并实施紧急救治，短时间内信息掌握有限，因此对于信息获取及处理的效率关系着急诊科的诊断质量。而患者病史信息的参考作用对于确定病情、进一步诊治影响较大，因此基于大数据信息获取技术，在病人入院之后，首先通过身份识别、生物识别等方式登记患者信息，并通过识别患者信息，提取其病史信息，包括患者历史检查报告单、诊断报告、历史患病信息、用药信息等等。所述第一病史信息的获取，为提高诊疗效率奠定了基础。

步骤S200：获得所述第一病人的第一检测指征类别；

具体而言，对于急诊患者而言，在由医护人员对其进行初步诊断之后，继而依据初诊结果确定病人所需进行的生命体征监测类型，所述第一检测指征类别包括心率、血压、体温、呼吸、血氧等等。通过初诊，对病人的病情进行分级并分类，从而确定需要进行监测的指征类别，对病人进行生命体征监测。获得所述第一检测指征类别之后，将其输入至所述信息管理系统，为在信息管理系统对病人体征进行检测奠定了基础。

步骤S300：依据所述第一病史信息、所述第一检测指征类别对所述第一病人进行分类计算，获得第一分类结果；

具体而言，在获得所述第一病史信息、所述第一检测指征类别之后，本实施例中通过KNN算法，依据病人的病史特征、检测指征类别对其进行分类计算，通过计算，获得所述第一病人在所述信息管理系统中进行信息显示的具体类别，从而依据分类结果对病人信息进行显示，通过将病人信息进行归类显示，并各显示区域对接不同的科室、医生类别，并由不同分区的医护人员进行监管，实现了病人信息收集的高效、准确、及时性，并为后续进行进一步诊疗提供了便利。

进一步而言，如图2所示，本申请实施例步骤S300还包括：

步骤S310：以病史信息为横坐标，以检测指征类别为纵坐标，构建病人分类坐标系；

步骤S320：对所述病人分类坐标系进行区域标签化分类，获得第一标签分类结果；

步骤S330：将所述第一病史信息、所述第一检测指征类别输入所述病人分类坐标系，获得第一病人分类向量；

步骤S340：对所述第一病人分类向量进行距离计算，获得欧式距离数据集；

步骤S350：根据所述欧氏距离数据集，获得第一病人分类数据集，所述第一病人分类数据集为所述欧氏距离数据集中最短k个距离；

步骤S360：根据所述第一病人分类数据集和所述第一标签分类结果进行映射匹配，获得所述第一分类结果。

具体而言，构建病人分类坐标系，通过依据各病人的病史、监测指标对病人进行分类，实现对于病人类别的划分，不同的患者类别对应不同类别的诊断类型，以病史信息为横坐标，以检测指征类别为纵坐标，对所述病人分类坐标系进行区域标签化分类，不同的区域对应不同的标签分类结果，如不同区域对应不同的患者类别。将所述第一病史信息、所述第一检测指征类别输入所述病人分类坐标系，获得所述第一病人分类向量，根据所述第一病人分类向量在所述第一标签分类结果进行映射匹配，获得相匹配的病人类别。

进一步而言，所述欧氏距离数据集为欧几里得度量距离数据集合，即坐标系中两点之间的直线距离，对所述第一病人分类向量进行距离计算，获得所述向量与其他病人类别之间的欧氏距离数据集。所述第一病人分类数据集为所述欧氏距离数据集中最短的k个距离，k值为所述欧氏距离数据集的一部分，可自行设定。根据所述第一病人分类数据集和所述标签分类结果进行映射匹配，获得所述向量对应的分类标签，并根据所述分类结果，确定所述向量对应的病人类别。通过构建病人类别坐标系进行向量映射的方法，使得方案分类结果更加准确，实现确保病人分类准确的技术效果。

步骤S400：将所述第一分类结果输入至所述信息管理系统，获得所述第一病人的第一信息显示区域；

具体而言，所述第一分类结果包括病人的生命体征数据在所述信息管理系统的显示位置，不同位置对应为不同的医护人员进行数据监测，且不同位置的数据在监测发现异常时，可将异常信息自动反馈至该信息显示区域对应的专科医生进行进一步诊疗。通过将病人信息在所述信息管理系统划分不同的显示区域，且通过将各区域显示信息对接不同的医生，从而提高了患者信息收集、患者信息处理的效率。

步骤S500：获得所述第一检测指征类别的各指征数据信息；

步骤S600：获得所述第一检测指征类别的各合格指征阈值；

步骤S700：依据所述各合格指征阈值，获得所述各指征数据信息的动态变化信息；

具体而言，依据所述第一检测指征类别对所述第一病人进行生命体征检测，并将测试数据基于物联网技术，实时传输至所述信息管理系统，从而获得所述各指征数据信息中各指征类别的实时检测动态数据。所述各合格指征阈值为所述第一检测指征类别各指征的指标正常数值范围，若超出这一阈值，表明该类别指征数据异常，则采取反馈异常数据至指定医生等措施。依据所述各合格指征阈值，获得所述各指征数据信息的动态变化信息，依据所述动态变化信息，实现对于患者体征数据的可视化管理，并对异常数据进行数据处理，从而实现对所述第一检测指征类别数据的实时更新，从而提高了体征数据检测的效率。

步骤S800：获得第一显示指令，依据所述第一显示指令将所述动态变化信息在所述第一信息显示区域进行数据显示。

具体而言，依据所述第一显示指令，在所述第一信息显示区域对所述第一病人的生命体征检测的动态数据信息进行显示，通过设定所述各合格指征阈值，实现了对于各指征类别数据的智能检测，并通过显示区域划分、指定医生划分，实现了通过对患者进行智能分类，按照分类结果对其生命体征数据信息进行分类监测，从而快速匹配分诊医生并获得实时反馈，提高就诊效率的技术目的。

进一步而言，如图3所示，本申请实施例步骤S600还包括：

步骤S610：对所述第一病史信息进行关键词提取，获得第一疾病关键词；

步骤S620：以所述第一疾病关键词构建第一生命体征数据库；

步骤S630：以所述第一生命体征数据库为训练数据，构建第一生命体征阈值评估模型；

步骤S640：将所述第一检测指征类别输入至所述第一阈值评估模型，获得所述第一检测指征类别的各合格指征阈值。

具体而言，基于大数据信息处理技术获得所述第一病人的所述病史信息之后，基于语义识别技术，对所述第一病史信息进行特征识别，并进行关键词提取，从而获得所述第一病史信息中的患者历史所患疾病的关键词。以所述第一疾病关键词为数据库数据提取特征，对生命体征数据库进行数据提取，获得所述第一生命体征数据库。所述第一生命体征数据库为以所述第一疾病关键词中的疾病信息为基础的患者各项生命指标数据，具有依据患者病史信息定制各项指标范围数据的特征。以所述第一生命体征数据库为训练数据，构建所述第一生命体征阈值评估模型，所述第一生命体征阈值评估模型为一神经网络模型，具有不断学习、获取经验来处理数据的特点，因此通过将所述第一检测指征类别输入至所述第一阈值评估模型，获得所述第一检测指征类别的各合格指征阈值，通过神经网络模型进行数据训练，使得输出结果更为准确。

进一步而言，如图4所示，本申请实施例步骤S700还包括：

步骤S710：依据所述各合格指征阈值，判断第一时间节点所述各指征数据信息中是否存在第一异常指征；

步骤S720：若存在所述第一异常指征，获得第一突出显示指令；

步骤S730：依据所述第一突出显示指令，在所述第一时间节点将所述第一异常指征以第一方式进行突出显示；

步骤S740：获得所述第一异常指征的第一异常时间；

步骤S750：判断所述第一异常时间是否超过第一阈值；

步骤S760：若所述第一异常时间超过所述第一阈值，获得第二突出显示指令；

步骤S770：依据所述第二突出显示指令，将所述第一异常指征以第二方式进行突出显示。

具体而言，依据所述各合格指征阈值，由所述信息管理系统对所述各指征数据信息进行实时监测，若通过监测，某项体征数据超出对应阈值，则获得该项指征类别，即获得所述第一异常指征，并将该项指征的数据显示区域进行突出显示，所述第一方式包括标记显示、颜色加深显示等。获得所述第一突出显示指令之后，对所述第一异常指征进行持续监测，若该项指征超出对应阈值的持续时间超过所述第一阈值，则对所述第一异常指征以所述第二方式进行突出显示，所述第二方式包括语音播报、显示闪烁等方式，通过所述第二方式对所述第一异常指征进行进一步的突出显示，继而由所述第一病人的所述第一信息显示区域对应的急诊科室医生进行相应的治疗和处理，实现了对异常指征数据信息的及时预警。

进一步而言，如图5所示，本申请实施例步骤S760还包括：

步骤S761：若所述第一异常时间超过所述第一阈值，获得所述第一异常指征对应的第一医生，其中，所述第一医生为专科医生；

步骤S762：将所述第一异常指征发送至所述第一医生；

步骤S763：获得所述第一医生的第一反馈信息；

步骤S764：依据所述第一反馈信息对所述第一病人进行标记。

具体而言，若所述第一异常指征的数据异常持续时间超过所述第一阈值，则表明所述第一病人的生命体征异常值较大，则将所述第一异常体征及所述第一病人的信息发送至所述第一信息显示区域对应的专科医生进行诊断，所述第一医生为专科医生。所述第一医生接收到信息之后，对信息进行反馈，获得所述第一反馈信息，所述第一反馈信息包括所述第一医生对于所述第一病人的诊断措施。依据所述第一反馈信息对所述第一病人进行标记，即在所述第一信息显示区域对所述第一病人的体征数据信息进行注释标记。

进一步而言，如图6所示，本申请实施例步骤S763还包括：

步骤S7631：获得所述第一医生的第一反馈时长；

步骤S7632：判断所述第一反馈时长是否超过第二阈值；

步骤S7633：若所述第一反馈时长超过所述第二阈值，将所述第一异常指征及所述第一病人发送至第二医生，其中，所述第二医生为急诊室医生；

步骤S7634：获得所述第二医生的第二反馈信息；

步骤S7635：依据所述第二反馈信息对所述第一病人进行第一护理。

具体而言，所述第一反馈时长为所述第一医生对病人的异常指征信息的反馈时间，若所述第一反馈时长超过所述第二阈值，则该医生响应速度较慢，继而由所述信息管理系统将所述第一异常指征及所述第一病人发送至所述第二医生，所述第二医生为急诊室医生，由所述第二医生对所述第一病人进行病情处理。通过实时监测医生响应时间，提高了急诊科患者诊疗的效率，实现及时、高效处理患者病情信息的技术目的。

进一步而言，如图7所示，本申请实施例步骤S640还包括：

步骤S641：将所述第一检测指征类别输入至所述第一阈值评估模型，所述第一阈值评估模型通过多组训练数据训练获得，所述多组中的训练数据中的每一组训练数据均包括：所述第一检测指征类别和用来标识所述各合格指征阈值的标识信息；

步骤S642：获得所述第一阈值评估模型的第一输出结果，其中，所述第一输出结果为所述第一检测指征类别的各合格指征阈值。

具体而言，所述第一阈值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检测指征类别和用来标识所述各合格指征阈值的标识信息；利用所述第一检测指征类别和用来标识所述第一检测指征类别的标识信息，组建多组训练数据，在获得所述第一检测指征类别的情况下，神经网络模型会输出所述各合格指征阈值的标识信息来对神经网络模型输出的所述各合格指征阈值进行校验，如果输出的所述各合格指征阈值同标识的所述各合格指征阈值相一致，则本数据监督学习完成，则进行下一组数据监督学习；如果输出的所述各合格指征阈值同标识的所述各合格指征阈值不一致，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，进而使得所述各合格指征阈值更加准确。

综上所述，本申请实施例所提供的一种急诊病人体征数据的智能收集方法具有如下技术效果：

1、本申请提供了一种急诊病人体征数据的智能收集方法，其中，所述方法包括：获得第一病人的第一病史信息；获得所述第一病人的第一检测指征类别；依据所述第一病史信息、所述第一检测指征类别对所述第一病人进行分类计算，获得第一分类结果；将所述第一分类结果输入至所述信息管理系统，获得所述第一病人的第一信息显示区域；获得所述第一检测指征类别的各指征数据信息；获得所述第一检测指征类别的各合格指征阈值；依据所述各合格指征阈值，获得所述各指征数据信息的动态变化信息；获得第一显示指令，依据所述第一显示指令将所述动态变化信息在所述第一信息显示区域进行数据显示。解决了现有技术对于急诊病人生命体征数据监测依赖人工，且与后续就诊信息连接性不强，导致患者就诊效率低的技术问题，实现了通过对患者进行智能分类，按照分类结果对其生命体征数据信息进行分类监测，从而快速匹配分诊医生并获得实时反馈，提高就诊效率的技术目的。

2、由于采用了通过分类算法在信息显示系统中对病人信息进行分类显示，并通过分类定制不同的病情诊断方案，通过神经网络模型为患者定制数据监测标准，从而实现对于患者生命体征数据的动态监测，且提高了诊断处理效率、提高信息收集的智能性和高效性的技术目的。

实施例二

基于与前述实施例中一种急诊病人体征数据的智能收集方法同样发明构思，本发明还提供了一种急诊病人体征数据的智能收集系统，如图8所示，所述系统包括：

第一获得单元11，所述第一获得单元11用于获得第一病人的第一病史信息；

第二获得单元12，所述第二获得单元12用于获得所述第一病人的第一检测指征类别；

第三获得单元13，所述第三获得单元13用于依据所述第一病史信息、所述第一检测指征类别对所述第一病人进行分类计算，获得第一分类结果；

第一输入单元14，所述第一输入单元14用于将所述第一分类结果输入至所述信息管理系统，获得所述第一病人的第一信息显示区域；

第四获得单元15，所述第四获得单元15用于获得所述第一检测指征类别的各指征数据信息；

第五获得单元17，所述第五获得单元16用于获得所述第一检测指征类别的各合格指征阈值；

第六获得单元18，所述第六获得单元18用于依据所述各合格指征阈值，获得所述各指征数据信息的动态变化信息；

第七获得单元19，所述第七获得单元19用于获得第一显示指令，依据所述第一显示指令将所述动态变化信息在所述第一信息显示区域进行数据显示。

进一步的，所述系统还包括：

第八获得单元，所述第八获得单元用于以病史信息为横坐标，以检测指征类别为纵坐标，构建病人分类坐标系；

第九获得单元，所述第九获得单元用于对所述病人分类坐标系进行区域标签化分类，获得第一标签分类结果；

第二输入单元，所述第二输入单元用于将所述第一病史信息、所述第一检测指征类别输入所述病人分类坐标系，获得第一病人分类向量；

第十获得单元，所述第十获得单元用于对所述第一病人分类向量进行距离计算，获得欧式距离数据集；

第十一获得单元，所述第十一获得单元用于根据所述欧氏距离数据集，获得第一病人分类数据集，所述第一病人分类数据集为所述欧氏距离数据集中最短k个距离；

第十二获得单元，所述第十二获得单元用于根据所述第一病人分类数据集和所述第一标签分类结果进行映射匹配，获得所述第一分类结果。

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对所述第一病史信息进行关键词提取，获得第一疾病关键词；

第十四获得单元，所述第十四获得单元用于以所述第一疾病关键词构建第一生命体征数据库；

第十五获得单元，所述第十五获得单元用于以所述第一生命体征数据库为训练数据，构建第一生命体征阈值评估模型；

第三输入单元，所述第三输入单元用于将所述第一检测指征类别输入至所述第一阈值评估模型，获得所述第一检测指征类别的各合格指征阈值。

进一步的，所述系统还包括：

第一判断单元，所述第一判断单元用于依据所述各合格指征阈值，判断第一时间节点所述各指征数据信息中是否存在第一异常指征；

第十六获得单元，所述第十六获得单元用于若存在所述第一异常指征，获得第一突出显示指令；

第十七获得单元，所述第十七获得单元用于依据所述第一突出显示指令，在所述第一时间节点将所述第一异常指征以第一方式进行突出显示；

第十八获得单元，所述第十八获得单元用于获得所述第一异常指征的第一异常时间；

第二判断单元，所述第二判断单元用于判断所述第一异常时间是否超过第一阈值；

第十九获得单元，所述第十九获得单元用于若所述第一异常时间超过所述第一阈值，获得第二突出显示指令；

第二十获得单元，所述第二十获得单元用于依据所述第二突出显示指令，将所述第一异常指征以第二方式进行突出显示。

进一步的，所述系统还包括：

第二十一获得单元，所述第二十一获得单元用于若所述第一异常时间超过所述第一阈值，获得所述第一异常指征对应的第一医生，其中，所述第一医生为专科医生；

第一发送指令，所述第一发送指令用于将所述第一异常指征发送至所述第一医生；

第二十二获得单元，所述第二十二获得单元用于获得所述第一医生的第一反馈信息；

第二十三获得单元，所述第二十三获得单元用于依据所述第一反馈信息对所述第一病人进行标记。

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医生的第一反馈时长；

第三判断单元，所述第三判断单元用于判断所述第一反馈时长是否超过第二阈值；

第二发送单元，所述第二发送单元用于若所述第一反馈时长超过所述第二阈值，将所述第一异常指征及所述第一病人发送至第二医生，其中，所述第二医生为急诊室医生；

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二医生的第二反馈信息；

第二十六获得单元，所述第二十六获得单元用于依据所述第二反馈信息对所述第一病人进行第一护理。

进一步的，所述系统还包括：

第四输入单元，所述第四输入单元用于将所述第一检测指征类别输入至所述第一阈值评估模型，所述第一阈值评估模型通过多组训练数据训练获得，所述多组中的训练数据中的每一组训练数据均包括：所述第一检测指征类别和用来标识所述各合格指征阈值的标识信息；

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一阈值评估模型的第一输出结果，其中，所述第一输出结果为所述第一检测指征类别的各合格指征阈值。

前述图1实施例一中的一种急诊病人体征数据的智能收集方法和具体实例同样适用于本实施例的一种急诊病人体征数据的智能收集系统，通过前述对一种急诊病人体征数据的智能收集方法的详细描述，本领域技术人员可以清楚的知道本实施例中一种急诊病人体征数据的智能收集系统，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9来描述本申请实施例的电子设备，

基于与前述实施例中一种急诊病人体征数据的智能收集方法相同的发明构思，本申请实施例还提供了一种急诊病人体征数据的智能收集系统，包括：处理器，所述处理器与存储器耦合，所述存储器用于存储程序，当所述程序被所述处理器执行时，使得系统以执行第一方面任一项所述的方法

该电子设备300包括：处理器302、通信接口303、存储器301。可选的，电子设备300还可以包括总线架构304。其中，通信接口303、处理器302以及存储器301可以通过总线架构304相互连接；总线架构304可以是外设部件互连标(peripheral componentinterconnect，简称PCI)总线或扩展工业标准结构(extended industry Standardarchitecture，简称EISA)总线等。所述总线架构304可以分为地址总线、数据总线、控制总线等。为便于表示，图3中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。

处理器302可以是一个CPU，微处理器，ASIC，或一个或多个用于控制本申请方案程序执行的集成电路。

通信接口303，使用任何收发器一类的装置，用于与其他设备或通信网络通信，如以太网，无线接入网(radio access network，RAN),无线局域网(wireless local areanetworks，WLAN)，有线接入网等。

存储器301可以是ROM或可存储静态信息和指令的其他类型的静态存储设备，RAM或者可存储信息和指令的其他类型的动态存储设备，也可以是电可擦可编程只读存储器(electrically erasable Programmable read-only memory，EEPROM)、只读光盘(compactdisc

read-only memory，CD-ROM)或其他光盘存储、光碟存储(包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等)、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质，但不限于此。存储器可以是独立存在，通过总线架构304与处理器相连接。存储器也可以和处理器集成在一起。

其中，存储器301用于存储执行本申请方案的计算机执行指令，并由处理器302来控制执行。处理器302用于执行存储器301中存储的计算机执行指令，从而实现本申请上述实施例提供的一种急诊病人体征数据的智能收集方法。

可选的，本申请实施例中的计算机执行指令也可以称之为应用程序代码，本申请实施例对此不作具体限定。

本申请提供了一种急诊病人体征数据的智能收集方法，其中，所述方法包括：获得第一手术信息；构建第一手术麻醉物资知识库；将所述第一手术信息输入至所述第一手术麻醉物资知识库，获得第一麻醉物资清单；获得第一麻醉物资管理图像信息；将所述第一麻醉物资管理图像信息输入至第一特征识别模型，获得所述第一麻醉物资管理图像信息中各麻醉物资的第一类别信息；判断所述第一类别信息是否与所述第一麻醉物资清单相匹配；若所述第一类别信息与所述第一麻醉物资清单相匹配，获得所述各麻醉物资的第一特征识别信息；依据所述第一特征识别信息获得所述各麻醉物资的第一使用动态；依据所述第一使用动态生成所述第一手术信息的第一麻醉物资使用报告。解决了现有技术中对于手术过程中麻醉物资的配备及使用动态情况的统计依赖人工，导致物资管理效率较低的技术问题，实现了通过人工智能对手术室麻醉器械进行智能校对并实时监控器械使用动态，实现了对于麻醉物资的高效性管理的技术目的。

本领域普通技术人员可以理解：本申请中涉及的第一、第二等各种数字编号仅为描述方便进行的区分，并不用来限制本申请实施例的范围，也不表示先后顺序。“和/或”，描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。“至少一个”是指一个或者多个。至少两个是指两个或者多个。“至少一个”、“任意一个”或其类似表达，是指的这些项中的任意组合，包括单项(个)或复数项(个)的任意组合。例如，a,b,或c中的至少一项(个、种)，可以表示：a,b,c,a-b,a-c,b-c,或a-b-c，其中a,b,c可以是单个，也可以是多个。

在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时，全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指

令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包括一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，DVD)、或者半导体介质(例如固态硬盘(Solid State Disk，SSD))等。

本申请实施例中所描述的各种说明性的逻辑单元和电路可以通过通用处理器，数字信号处理器，专用集成电路(ASIC)，现场可编程门阵列(FPGA)或其它可编程逻辑装置，离散门或晶体管逻辑，离散硬件部件，或上述任何组合的设计来实现或操作所描述的功能。通用处理器可以为微处理器，可选地，该通用处理器也可以为任何传统的处理器、控制器、微控制器或状态机。处理器也可以通过计算装置的组合来实现，例如数字信号处理器和微处理器，多个微处理器，一个或多个微处理器联合一个数字信号处理器核，或任何其它类似的配置来实现。

本申请实施例中所描述的方法或算法的步骤可以直接嵌入硬件、处理器执行的软件单元、或者这两者的结合。软件单元可以存储于RAM存储器、闪存、ROM存储器、EPROM存储器、EEPROM存储器、寄存器、硬盘、可移动磁盘、CD-ROM或本领域中其它任意形式的存储媒介中。示例性地，存储媒介可以与处理器连接，以使得处理器可以从存储媒介中读取信息，并可以向存储媒介存写信息。可选地，存储媒介还可以集成到处理器中。处理器和存储媒介可以设置于ASIC中，ASIC可以设置于终端中。可选地，处理器和存储媒介也可以设置于终端中的不同的部件中。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。

尽管结合具体特征及其实施例对本申请进行了描述，显而易见的，在不脱离本申请的精神和范围的情况下，可对其进行各种修改和组合。相应地，本说明书和附图仅仅是所附权利要求所界定的本申请的示例性说明，且视为已覆盖本申请范围内的任意和所有修改、变化、组合或等同物。显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的范围。这样，倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内，则本申请意图包括这些改动和变型在内。

Claims (9)

1.一种急诊病人体征数据的智能收集方法，应用于一信息管理系统，其中，所述方法包括：

获得第一病人的第一病史信息；

获得所述第一病人的第一检测指征类别；

依据所述第一病史信息、所述第一检测指征类别对所述第一病人进行分类计算，获得第一分类结果；

将所述第一分类结果输入至所述信息管理系统，获得所述第一病人的第一信息显示区域；

获得所述第一检测指征类别的各指征数据信息；

获得所述第一检测指征类别的各合格指征阈值；

依据所述各合格指征阈值，获得所述各指征数据信息的动态变化信息；

获得第一显示指令，依据所述第一显示指令将所述动态变化信息在所述第一信息显示区域进行数据显示。

2.如权利要求1所述的方法，其中，所述方法包括：

以病史信息为横坐标，以检测指征类别为纵坐标，构建病人分类坐标系；

对所述病人分类坐标系进行区域标签化分类，获得第一标签分类结果；

将所述第一病史信息、所述第一检测指征类别输入所述病人分类坐标系，获得第一病人分类向量；

对所述第一病人分类向量进行距离计算，获得欧式距离数据集；

根据所述欧氏距离数据集，获得第一病人分类数据集，所述第一病人分类数据集为所述欧氏距离数据集中最短k个距离；

根据所述第一病人分类数据集和所述第一标签分类结果进行映射匹配，获得所述第一分类结果。

3.如权利要求1所述的方法，其中，所述获得所述各指征数据信息的各合格指征阈值，还包括：

对所述第一病史信息进行关键词提取，获得第一疾病关键词；

以所述第一疾病关键词构建第一生命体征数据库；

以所述第一生命体征数据库为训练数据，构建第一生命体征阈值评估模型；

将所述第一检测指征类别输入至所述第一阈值评估模型，获得所述第一检测指征类别的各合格指征阈值。

4.如权利要求1所述的方法，其中，所述依据所述各合格指征阈值，获得所述各指征数据信息的动态变化信息，还包括：

依据所述各合格指征阈值，判断第一时间节点所述各指征数据信息中是否存在第一异常指征；

若存在所述第一异常指征，获得第一突出显示指令；

依据所述第一突出显示指令，在所述第一时间节点将所述第一异常指征以第一方式进行突出显示；

获得所述第一异常指征的第一异常时间；

判断所述第一异常时间是否超过第一阈值；

若所述第一异常时间超过所述第一阈值，获得第二突出显示指令；

依据所述第二突出显示指令，将所述第一异常指征以第二方式进行突出显示。

5.如权利要求4所述的方法，其中，所述方法包括：

若所述第一异常时间超过所述第一阈值，获得所述第一异常指征对应的第一医生，其中，所述第一医生为专科医生；

将所述第一异常指征发送至所述第一医生；

获得所述第一医生的第一反馈信息；

依据所述第一反馈信息对所述第一病人进行标记。

6.如权利要求5所述的方法，其中，所述方法包括：

获得所述第一医生的第一反馈时长；

判断所述第一反馈时长是否超过第二阈值；

若所述第一反馈时长超过所述第二阈值，将所述第一异常指征及所述第一病人发送至第二医生，其中，所述第二医生为急诊室医生；

获得所述第二医生的第二反馈信息；

依据所述第二反馈信息对所述第一病人进行第一护理。

7.如权利要求3所述的方法，其中，所述方法包括：

将所述第一检测指征类别输入至所述第一阈值评估模型，所述第一阈值评估模型通过多组训练数据训练获得，所述多组中的训练数据中的每一组训练数据均包括：所述第一检测指征类别和用来标识所述各合格指征阈值的标识信息；

获得所述第一阈值评估模型的第一输出结果，其中，所述第一输出结果为所述第一检测指征类别的各合格指征阈值。

8.一种急诊病人体征数据的智能收集系统，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病人的第一病史信息；

第二获得单元，所述第二获得单元用于获得所述第一病人的第一检测指征类别；

第三获得单元，所述第三获得单元用于依据所述第一病史信息、所述第一检测指征类别对所述第一病人进行分类计算，获得第一分类结果；

第一输入单元，所述第一输入单元用于将所述第一分类结果输入至所述信息管理系统，获得所述第一病人的第一信息显示区域；

第四获得单元，所述第四获得单元用于获得所述第一检测指征类别的各指征数据信息；

第五获得单元，所述第五获得单元用于获得所述第一检测指征类别的各合格指征阈值；

第六获得单元，所述第六获得单元用于依据所述各合格指征阈值，获得所述各指征数据信息的动态变化信息；

第七获得单元，所述第七获得单元用于获得第一显示指令，依据所述第一显示指令将所述动态变化信息在所述第一信息显示区域进行数据显示。

9.一种急诊病人体征数据的智能收集系统，包括：处理器，所述处理器与存储器耦合，所述存储器用于存储程序，当所述程序被所述处理器执行时，使得系统以执行如权利要求1至7任一项所述的方法。

Images