CN113712561B - 一种监护数据预警系统和方法 - Google Patents
一种监护数据预警系统和方法 Download PDFInfo
- Publication number
- CN113712561B CN113712561B CN202010401145.8A CN202010401145A CN113712561B CN 113712561 B CN113712561 B CN 113712561B CN 202010401145 A CN202010401145 A CN 202010401145A CN 113712561 B CN113712561 B CN 113712561B
- Authority
- CN
- China
- Prior art keywords
- data
- monitoring
- event
- monitored
- early warning
- 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
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 259
- 238000000034 method Methods 0.000 title claims abstract description 34
- 238000012806 monitoring device Methods 0.000 claims abstract description 119
- 238000012545 processing Methods 0.000 claims abstract description 117
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 88
- 230000008569 process Effects 0.000 claims description 18
- 238000013500 data storage Methods 0.000 claims description 11
- 230000005540 biological transmission Effects 0.000 claims description 10
- 238000012795 verification Methods 0.000 claims description 9
- 238000010295 mobile communication Methods 0.000 claims description 6
- 230000001360 synchronised effect Effects 0.000 claims description 4
- 238000005516 engineering process Methods 0.000 claims description 3
- 238000004806 packaging method and process Methods 0.000 claims description 3
- 208000001871 Tachycardia Diseases 0.000 description 10
- 230000006794 tachycardia Effects 0.000 description 10
- 206010003658 Atrial Fibrillation Diseases 0.000 description 9
- 238000013528 artificial neural network Methods 0.000 description 4
- 230000000903 blocking effect Effects 0.000 description 4
- 238000013527 convolutional neural network Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000013473 artificial intelligence Methods 0.000 description 3
- 208000006218 bradycardia Diseases 0.000 description 3
- 230000036471 bradycardia Effects 0.000 description 3
- 230000006855 networking Effects 0.000 description 3
- 238000013135 deep learning Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000007637 random forest analysis Methods 0.000 description 2
- 208000010496 Heart Arrest Diseases 0.000 description 1
- 230000003213 activating effect Effects 0.000 description 1
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 1
- 239000008280 blood Substances 0.000 description 1
- 210000004369 blood Anatomy 0.000 description 1
- 230000036772 blood pressure Effects 0.000 description 1
- 230000036760 body temperature Effects 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 229910052760 oxygen Inorganic materials 0.000 description 1
- 239000001301 oxygen Substances 0.000 description 1
- 230000001766 physiological effect Effects 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 230000029058 respiratory gaseous exchange Effects 0.000 description 1
- 238000012552 review Methods 0.000 description 1
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/74—Details of notification to user or communication with user or patient ; user input means
- A61B5/746—Alarms related to a physiological condition, e.g. details of setting alarm thresholds or avoiding false alarms
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Theoretical Computer Science (AREA)
- Medical Informatics (AREA)
- Biophysics (AREA)
- Molecular Biology (AREA)
- Computational Linguistics (AREA)
- Pathology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Data Mining & Analysis (AREA)
- Public Health (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Heart & Thoracic Surgery (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Physiology (AREA)
- Veterinary Medicine (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Alarm Systems (AREA)
Abstract
本发明实施例涉及一种监护数据预警系统和方法,所述监护数据预警系统包括:监护设备、算法服务站和中央站;监护设备与算法服务站和中央站分别连接。本发明实施例,利用算法服务站对监护数据进行人工智能监护事件识别处理,提高了系统的预警精度。
Description
技术领域
本发明涉及数据处理技术领域,特别涉及一种监护数据预警系统和方法。
背景技术
监护设备持续采集患者的监护数据,识别出监护数据对应的监护事件数据后,根据监护事件数据进行本地预警处理,同时将监护数据和监护事件数据向监护中央站(简称中央站)发送,用以同步激活中央站的预警处理。这种由监护设备和中央站组成的系统,受监护设备的软硬件资源限制,系统的预警精度不高。
发明内容
本发明的目的,就是针对现有技术的缺陷,提供一种监护数据预警系统和方法,利用算法服务站对监护数据进行人工智能监护事件识别处理,提高了系统的预警精度。
为实现上述目的,本发明第一方面提供了一种监护数据预警系统,包括:监护设备、算法服务站和中央站;
所述监护设备用于获取本地的监护设备信息,对所述监护设备信息进行数据打包得到注册请求数据,将所述注册请求数据向所述中央站进行发送;还用于采集监护数据,对所述监护数据进行监护事件识别处理生成监护事件数据,对所述监护事件数据进行事件类别识别处理生成事件类型数据,当所述事件类型数据为紧急事件类型时,进行与所述监护事件数据对应的监护设备预警处理,并将所述监护数据和所述监护事件数据向所述中央站进行发送;当所述事件类型数据为第一复核事件类型时,进行与所述监护事件数据对应的监护设备预警处理,将所述监护数据向所述算法服务站进行发送;当所述事件类型数据为第二复核事件类型时,将所述监护数据向所述算法服务站进行发送;
所述算法服务站用于在收到所述监护数据之后,对所述监护数据进行人工智能监护事件识别处理生成复核事件数据,将所述复核事件数据向所述监护设备进行发送;
所述中央站用于在收到所述注册请求数据之后,根据所述注册请求数据进行监护设备合法性验证处理生成注册结果数据,将所述注册结果数据向所述监护设备进行发送;还用于在获取所述监护数据和所述监护事件数据之后,进行与所述监护事件数据对应的中央站预警处理,对所述监护数据进行数据存储处理。
优选的,所述监护设备还用于在收到所述复核事件数据之后,当所述事件类型数据为所述第一复核事件类型时停止本地正在执行的监护设备预警处理,进行与所述复核事件数据对应的监护设备预警处理,将所述复核事件数据做为所述监护事件数据,将所述监护数据和所述监护事件数据向所述中央站进行发送。
优选的,所述监护设备还用于在收到所述注册结果数据之后,当所述注册结果数据为注册成功时,执行监护设备联机工作流程;当所述注册结果数据为注册失败时,将所述注册请求数据向所述中央站进行重发,在连续重发的次数超过重发阈值时,执行监护设备脱机工作流程。
优选的.
所述监护设备通过第一连接方式与所述算法服务站进行连接;所述第一连接方式具体为数据线连接方式、局域网连接方式、广域网连接方式或移动通信网络连接方式;
所述监护设备通过第二连接方式与所述中央站进行连接;所述第二连接方式具体为数据线直连方式、局域网连接方式、广域网连接方式或移动通信网络连接方式。
优选的,所述算法服务站具体为算法服务器、多台算法服务器组成的算法服务平台或支持虚拟云技术的算法服务云;所述监护设备具体为单台监护仪器、并联的多台监护仪器、或由多台监护仪器组成的监护机群。
本发明第二方面提供了一种监护数据预警方法,所述方法包括:
监护设备获取监护数据;
所述监护设备对所述监护数据进行监护事件识别处理,生成监护事件数据;
所述监护设备对所述监护事件数据进行事件类别识别处理,生成事件类型数据;
当所述事件类型数据为紧急事件类型时,所述监护设备进行与所述监护事件数据对应的预警处理,并将所述监护数据和所述监护事件数据向中央站进行发送;
当所述事件类型数据为第一复核事件类型时,所述监护设备进行与所述监护事件数据对应的预警处理,将所述监护数据向算法服务站进行发送并获取从所述算法服务站发回的复核事件数据,停止本地正在执行的监护设备预警处理,进行与所述复核事件数据对应的预警处理,并将所述监护数据和所述复核事件数据向所述中央站进行发送;
当所述事件类型数据为第二复核事件类型时,所述监护设备将所述监护数据向所述算法服务站进行发送并获取从所述算法服务站发回的所述复核事件数据,进行与所述复核事件数据对应的预警处理,并将所述监护数据和所述复核事件数据向所述中央站进行发送。
优选的,所述监护设备在获取所述监护数据之前,进行监护设备注册处理,具体包括:
所述监护设备获取本地的监护设备信息;
所述监护设备对所述监护设备信息进行数据打包得到注册请求数据,将所述注册请求数据向所述中央站进行发送并获取从所述中央站发回的注册结果数据;
当所述注册结果数据为注册成功时,所述监护设备执行监护设备联机工作流程;
当所述注册结果数据为注册失败时,所述监护设备将所述注册请求数据向所述中央站进行重发,在连续重发的次数超过重发阈值时,执行监护设备脱机工作流程。
优选的,所述算法服务站在获取到从所述监护设备发送的所述监护数据之后,还包括:所述算法服务站对所述监护数据进行人工智能监护事件识别处理生成复核事件数据,将所述复核事件数据向所述监护设备进行发送。
优选的,所述中央站在获取到从所述监护设备发送的所述注册请求数据之后,还包括:所述中央站根据所述注册请求数据进行监护设备合法性验证处理生成所述注册结果数据,将所述注册结果数据向所述监护设备进行发送。
优选的,所述中央站在获取到从所述监护设备发送的所述监护数据和事件数据之后,还包括:所述中央站进行与所述事件数据对应的中央站预警处理,对所述监护数据进行数据存储处理;所述事件数据包括所述监护事件数据和所述复核事件数据。
本发明提供的一种监护数据预警系统和方法,监护数据预警系统包括:监护设备、算法服务站和中央站,在系统中增加算法服务站,利用算法服务站对监护数据进行人工智能监护事件识别处理,提高了系统的预警精度。监护数据预警方法,在监护设备本地的监护数据预警处理流程中,利用算法服务站的复核事件数据提高监护设备的预警精度。
附图说明
图1为本发明实施例一提供的一种监护数据预警系统示意图;
图2为本发明实施例二提供的一种监护数据预警方法示意图。
具体实施方式
为了使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明作进一步地详细描述,显然,所描述的实施例仅仅是本发明一部份实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
本发明实施例一提供的一种监护数据预警系统,包括监护设备1、算法服务站2和中央站3。系统中的监护设备1可以是单台监护仪器、可以是由多台监护仪器组成的监护机群、也可以是并联的多台监护仪器或者并联的多监护机群;系统中的算法服务站2可以为算法服务器、可以为多台算法服务器组成的算法服务平台、还可以为支持虚拟云技术的算法服务云。监护设备1可以通过数据线连接方式、局域网连接方式、广域网连接方式或移动通信网络连接方式与算法服务站2连接。监护设备1可以通过数据线连接方式、局域网连接方式、广域网连接方式或移动通信网络连接方式与中央站3连接。监护设备1可以直接采集患者的监护数据,还可以通过连接其他具备采集功能的设备采集患者的监护数据。
如图1为本发明实施例一提供的一种监护数据预警系统示意图所示,本发明实施例提供的监护数据预警系统包括:监护设备1、算法服务站2和中央站3。
监护设备1用于获取本地的监护设备信息,对监护设备信息进行数据打包得到注册请求数据,将注册请求数据向中央站3进行发送;还用于采集监护数据,对监护数据进行监护事件识别处理生成监护事件数据,对监护事件数据进行事件类别识别处理生成事件类型数据,当事件类型数据为紧急事件类型时,进行与监护事件数据对应的监护设备预警处理,并将监护数据和监护事件数据向中央站3进行发送;当事件类型数据为第一复核事件类型时,进行与监护事件数据对应的监护设备预警处理,将监护数据向算法服务站2进行发送;当事件类型数据为第二复核事件类型时,将监护数据向算法服务站2进行发送。
算法服务站2用于在收到监护数据之后,对监护数据进行人工智能监护事件识别处理生成复核事件数据,将复核事件数据向监护设备1进行发送。
监护设备1还用于在收到复核事件数据之后,当事件类型数据为第一复核事件类型时停止本地正在执行的监护设备预警处理,进行与复核事件数据对应的监护设备预警处理,将复核事件数据做为监护事件数据,将监护数据和监护事件数据向中央站3进行发送。
中央站3用于在收到注册请求数据之后,根据注册请求数据进行监护设备合法性验证处理生成注册结果数据,将注册结果数据向监护设备1进行发送;还用于在获取监护数据和监护事件数据之后,进行与监护事件数据对应的中央站预警处理,对监护数据进行数据存储处理。
监护设备1还用于在收到注册结果数据之后,当注册结果数据为注册成功时,执行监护设备联机工作流程;当注册结果数据为注册失败时,将注册请求数据向中央站3进行重发,在连续重发的次数超过重发阈值时,执行监护设备脱机工作流程。
在本实施例提供的一个具体实现方式中,监护设备1具体用于获取本地的监护设备信息,对监护设备信息进行数据打包得到注册请求数据,将注册请求数据向中央站3进行发送;中央站3具体用于获取到注册请求数据之后,从注册请求数据中提取出监护设备信息,查询本地的合法设备列表对监护设备信息进行监护设备合法性验证处理,当合法设备列表中包括了监护设备信息时向监护设备1发送具体为注册成功的注册结果数据,当合法设备列表中未包括监护设备信息时向监护设备1发送具体为注册失败的注册结果数据;监护设备1具体还用于在收到注册结果数据之后,当注册结果数据具体为注册成功时,执行监护设备联机工作流程;当注册结果数据具体为注册失败时,将注册请求数据向中央站3进行重发,当连续重发的次数超过重发阈值时,执行监护设备脱机工作流程。
例如,监护设备1具体为心电监护设备,心电监护设备获取本地的心电监护设备信息,对心电监护设备信息进行数据打包得到心电监护设备注册请求数据,将心电监护设备注册请求数据向中央站3发送;中央站3从心电监护设备注册请求数据中提取出心电监护设备信息并对心电监护设备信息进行心电监护设备合法性验证,验证成功则向心电监护设备发回具体为注册成功的注册结果数据,验证失败则向心电监护设备发回具体为注册成功的注册结果数据;心电监护设备在收到注册结果数据之后,当注册结果数据具体为注册成功时,认为联网成功继而执行与心电监护设备联机相关的工作流程,诸如,进行同步/异步监护数据传输通道初始化处理、进行实时数据传输处理等等;当注册结果数据具体为注册失败时,认为联网失败继而将注册请求数据向中央站3进行重发,当连续重发的次数超过重发阈值(假设,重发阈值为5,连续重发5次收到的注册结果数据都是注册失败)之后,停止联网注册处理(停止继续发送心电监护设备注册请求数据),转而执行与心电监护设备脱机相关的工作流程,诸如,进行实时数据本地存储处理、实时数据本地识别数据、实时数据本地预警处理等等。
在本实施例提供的又一个具体实现方式中,监护设备1具体还用于采集监护数据,对监护数据进行监护事件识别处理生成监护事件数据,对监护事件数据进行事件类别识别处理生成事件类型数据,当事件类型数据为紧急事件类型时,进行与监护事件数据对应的监护设备预警处理,并将监护数据和监护事件数据向中央站3进行发送;中央站3具体还用于在获取到监护数据和监护事件数据之后,进行与监护事件数据对应的中央站预警处理,对监护数据进行数据存储处理。
例如,监护设备1具体为心电监护设备,监护数据具体为心电信号数据;心电监护设备通过直接采集获得心电信号数据之后,对心电信号数据进行监护事件识别处理后得到监护事件数据具体为停搏事件数据,对停搏事件数据进行事件类别识别处理后得到事件类型数据具体为紧急事件类型,心电监护设备立即进行本地的监护设备停搏预警处理,并在本地预警的同时将心电信号数据和停搏事件数据向中央站3发送;中央站3在获取到心电信号数据和停搏事件数据之后,立即执行本地的中央站停搏预警处理,并将心电信号数据存储在中央3本地的存储介质或数据库中或者与中央站3连接的存储介质或数据库中。
在本实施例提供的又一个具体实现方式中,监护设备1具体还用于采集监护数据,对监护数据进行监护事件识别处理生成监护事件数据,对监护事件数据进行事件类别识别处理生成事件类型数据,当事件类型数据为第一复核事件类型时,进行与监护事件数据对应的监护设备预警处理,将监护数据向算法服务站2进行发送;算法服务站2具体用于在收到监护数据之后,对监护数据进行人工智能监护事件识别处理生成复核事件数据,将复核事件数据向监护设备1进行发送;监护设备1具体还用于在收到复核事件数据之后,停止本地正在执行的监护设备预警处理,进行与复核事件数据对应的监护设备预警处理,将监护数据和复核事件数据向中央站3进行发送;中央站3具体还用于在获取到监护数据和复核事件数据之后,进行与复核事件数据对应的中央站预警处理,对监护数据进行数据存储处理。
本发明实施例的算法服务站2,通过人工智能模型实现人工智能监护事件识别处理。这里的人工智能模型,以卷积神经网络(Convolutional Neural Networks,CNN)、循环神经网络(Recurrent Neural Network,RNN)、人工神经网络(Artificial NeuralNetwork,ANN)、和随机森林(RandomForest,RF)算法等多种深度学习算法为基础,对监护数据进行监护事件识别。本发明实施例的算法服务站2的人工智能模型通过接入海量监护数据信息库,对本地的人工智能模型进行持续训练,保证识别精度可以得到持续提高。
例如,监护设备1具体为心电监护设备,监护数据具体为心电信号数据;心电监护设备通过直接采集获得心电信号数据之后,对心电信号数据进行监护事件识别处理后得到监护事件数据具体为心动过速事件数据,对心动过速事件数据进行事件类别识别处理后得到事件类型数据具体为第一复核事件类型,立即进行本地的监护设备心动过速预警处理,同时将心电信号数据向算法服务站2进行发送;算法服务站2获得心电信号数据之后,对心电信号数据进行人工智能监护事件识别处理后得到复核事件数据具体为房颤事件数据,并将房颤事件数据发回给心电监护设备;心电监护设备从算法服务站2收到房颤事件数据之后,立即停止本地正在执行的监护设备心动过速预警处理,再进行本地的监护设备房颤预警处理,同时心电监护设备将心电信号数据和房颤事件数据向中央站3发送;中央站3在获取到心电信号数据和房颤事件数据之后,立即执行本地的中央站房颤预警处理,并将心电信号数据存储在中央3本地的存储介质或数据库中或者与中央站3连接的存储介质或数据库中。
在本实施例提供的又一个具体实现方式中,监护设备1具体还用于采集监护数据,对监护数据进行监护事件识别处理生成监护事件数据,对监护事件数据进行事件类别识别处理生成事件类型数据,当事件类型数据为第二复核事件类型时,将监护数据向算法服务站2进行发送;算法服务站2具体还用于在收到监护数据之后,对监护数据进行人工智能监护事件识别处理生成复核事件数据,将复核事件数据向监护设备1进行发送;监护设备1具体还用于在收到复核事件数据之后,进行与复核事件数据对应的监护设备预警处理,将监护数据和复核事件数据向中央站3进行发送;中央站3具体还用于在获取到监护数据和复核事件数据之后,进行与复核事件数据对应的中央站预警处理,对监护数据进行数据存储处理。
例如,监护设备1具体为心电监护设备,监护数据具体为心电信号数据;心电监护设备通过直接采集获得心电信号数据之后,对心电信号数据进行监护事件识别处理后得到监护事件数据具体为心动过缓事件数据,心电监护设备对心动过缓事件数据进行事件类别识别处理后得到事件类型数据具体为第二复核事件类型,心电监护设备将心电信号数据向算法服务站2进行发送;算法服务站2获得心电信号数据之后,对心电信号数据进行人工智能监护事件识别处理后得到复核事件数据具体为窦房阻滞事件数据,并将窦房阻滞事件数据发回给心电监护设备;心电监护设备从算法服务站2收到窦房阻滞事件数据之后,进行本地的监护设备窦房阻滞预警处理,同时心电监护设备将心电信号数据和窦房阻滞事件数据向中央站3发送;中央站3在获取到心电信号数据和窦房阻滞事件数据之后,立即执行本地的中央站窦房阻滞预警处理,并将心电信号数据存储在中央3本地的存储介质或数据库中或者与中央站3连接的存储介质或数据库中。
本发明实施例二提供的一种监护数据预警方法,在监护设备本地的监护数据预警处理流程中,利用算法服务站的复核事件数据提高监护设备的预警精度。如图2为本发明实施例二提供的一种监护数据预警方法示意图所示,本方法主要包括如下步骤:
步骤1,监护设备获取监护数据。
此处,监护设备通过直接采集获取监护数据,也可通过连接其他采集设备获取监护数据;监护数据为从患者处采集到的生理活动参数(如心电图数据、呼吸数据、血压数据、体温数据、血氧饱和度数据等等)。
在监护设备进行监护数据预警处理之前,监护设备需要进行监护设备注册处理,具体包括:监护设备获取本地的监护设备信息;对监护设备信息进行数据打包得到注册请求数据,将注册请求数据向中央站进行发送并获取从中央站发回的注册结果数据;当注册结果数据为注册成功时,执行监护设备联机工作流程;当注册结果数据为注册失败时,将注册请求数据向中央站进行重发,在连续重发的次数超过重发阈值时,执行监护设备脱机工作流程。其中,中央站、算法服务站和监护设备都处于同一个监护数据预警系统之下。
此处,监护设备信息包括网络地址信息、设备类型信息等;监护设备联机工作流程包括:同步/异步监护数据传输通道初始化处理、实时数据传输处理等,监护设备脱机工作流程包括:数据本地存储处理、实时数据本地识别数据、实时数据本地预警处理等;重发阈值是连续发送注册请求数据均失败的次数,可以进行默认值设定也可以对其进行修改。
步骤2,监护设备对监护数据进行监护事件识别处理,生成监护事件数据。
例如,监护数据具体为一段心动过速的心电图数据,则监护设备在获得心电图数据之后对心电图数据进行监护事件识别处理得到的监护事件数据应为心动过速监护事件数据。
步骤3,监护设备对监护事件数据进行事件类别识别处理,生成事件类型数据。
例如,在监护设备上将停搏监护事件数据归为紧急类型,将心动过速监护事件数据归为第一复核事件类型,将心动过缓监护事件数据归为第二复核事件类型,当监护事件数据具体为心动过速监护事件数据时,得到的事件类型数据应为第一复核事件类型。
步骤4,当事件类型数据为紧急事件类型时,监护设备进行与监护事件数据对应的预警处理,并将监护数据和监护事件数据向中央站进行发送。
其中,监护设备将监护数据和监护事件数据向中央站进行发送之后,中央站进行与监护事件数据对应的中央站预警处理,对监护数据进行数据存储处理。
此处,事件类型数据为紧急事件类型时,监护设备无需通过算法服务站复核,立即在本地进行预警处理。保证了监护设备与中央站预警的实时性。
步骤5,当事件类型数据为第一复核事件类型时,监护设备进行与监护事件数据对应的预警处理,将监护数据向算法服务站进行发送并获取从算法服务站发回的复核事件数据,停止本地正在执行的监护设备预警处理,进行与复核事件数据对应的预警处理,并将监护数据和复核事件数据向中央站进行发送。
其中,监护设备将监护数据向算法服务站进行发送之后,算法服务站对监护数据进行人工智能监护事件识别处理生成复核事件数据,将复核事件数据向监护设备进行发送。
其中,监护设备将监护数据和复核事件数据向中央站进行发送之后,中央站进行与复核事件数据对应的中央站预警处理,对监护数据进行数据存储处理。
此处,事件类型数据为第一复核事件类型时,监护设备在进行本地预警处理的同时,通过算法服务站进行复核并根据算法服务站的复核事件数据对本地正在进行的预警处理进行切换:先将正在进行的本地预警停止,再进行与复核事件数据对应的预警处理。这里,是使用算法服务站对本地预警精度进行动态调整,既保证了监护设备与中央站预警的实时性,也提高了监护设备与中央站的预警精度。
本发明实施例的算法服务站,通过人工智能模型实现人工智能监护事件识别处理。这里的人工智能模型,以CNN、RNN、ANN、和RF算法等多种深度学习算法为基础,对监护数据进行监护事件识别。算法服务站的人工智能模型通过接入海量监护数据信息库,对本地的人工智能模型进行持续训练,保证识别精度可以得到持续提高。
例如,监护设备正在进行的本地预警是心动过速预警处理,从算法服务站收到的复核事件数据为房颤事件数据后,监护设备将正在执行的心动过速预警处理停止,继而执行预警力度更大的房颤预警处理。
步骤6,当事件类型数据为第二复核事件类型时,监护设备将监护数据向算法服务站进行发送并获取从算法服务站发回的复核事件数据,进行与复核事件数据对应的预警处理,并将监护数据和复核事件数据向中央站进行发送。
其中,监护设备将监护数据向算法服务站进行发送之后,算法服务站对监护数据进行人工智能监护事件识别处理生成复核事件数据,将复核事件数据向监护设备进行发送。
其中,监护设备将监护数据和复核事件数据向中央站进行发送之后,中央站进行与复核事件数据对应的中央站预警处理,对监护数据进行数据存储处理。
此处,事件类型数据为第一复核事件类型时,监护设备通过算法服务站进行复核并根据算法服务站的复核事件数据进行本地预警。这里,提高了监护设备与中央站的预警精度。
本发明提供的一种监护数据预警系统和方法,利用算法服务站对监护数据进行人工智能监护事件识别处理,提高了预警精度。
专业人员应该还可以进一步意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
结合本文中所公开的实施例描述的方法或算法的步骤可以用硬件、处理器执行的软件模块,或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
以上所述的具体实施方式,对本发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本发明的具体实施方式而已,并不用于限定本发明的保护范围,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (4)
1.一种监护数据预警系统,其特征在于,所述监护数据预警系统包括:监护设备、算法服务站和中央站;
所述监护设备用于获取本地的监护设备信息,对所述监护设备信息进行数据打包得到注册请求数据,将所述注册请求数据向所述中央站进行发送;还用于采集监护数据,对所述监护数据进行监护事件识别处理生成监护事件数据,对所述监护事件数据进行事件类别识别处理生成事件类型数据;并对所述事件类型数据进行识别;当所述事件类型数据为紧急事件类型时,进行与所述监护事件数据对应的监护设备预警处理,并将所述监护数据和所述监护事件数据向所述中央站进行发送;当所述事件类型数据为第一复核事件类型时,进行与所述监护事件数据对应的监护设备预警处理,将所述监护数据向所述算法服务站进行发送;当所述事件类型数据为第二复核事件类型时,将所述监护数据向所述算法服务站进行发送;
所述算法服务站用于在收到所述监护数据之后,对所述监护数据进行人工智能监护事件识别处理生成复核事件数据,将所述复核事件数据向所述监护设备进行发送;
所述中央站用于在收到所述注册请求数据之后,根据所述注册请求数据进行监护设备合法性验证处理生成注册结果数据,将所述注册结果数据向所述监护设备进行发送;还用于在获取所述监护数据和所述监护事件数据之后,进行与所述监护事件数据对应的中央站预警处理,对所述监护数据进行数据存储处理;
其中,所述监护设备还用于在收到所述复核事件数据之后,当所述事件类型数据为所述第一复核事件类型时停止本地正在执行的监护设备预警处理,进行与所述复核事件数据对应的监护设备预警处理,将所述复核事件数据做为所述监护事件数据,将所述监护数据和所述监护事件数据向所述中央站进行发送;
所述监护设备还用于在收到所述注册结果数据之后,当所述注册结果数据为注册成功时,执行监护设备联机工作流程;当所述注册结果数据为注册失败时,将所述注册请求数据向所述中央站进行重发,在连续重发的次数超过重发阈值时,执行监护设备脱机工作流程;
所述监护设备联机工作流程至少包括同步/异步监护数据传输通道初始化和实时数据传输;所述监护设备脱机工作流程至少包括实时数据本地存储、实时数据本地识别和实时数据本地预警。
2.根据权利要求1所述的监护数据预警系统,其特征在于,
所述监护设备通过第一连接方式与所述算法服务站进行连接;所述第一连接方式具体为数据线连接方式、局域网连接方式、广域网连接方式或移动通信网络连接方式;
所述监护设备通过第二连接方式与所述中央站进行连接;所述第二连接方式具体为数据线直连方式、局域网连接方式、广域网连接方式或移动通信网络连接方式。
3.根据权利要求1所述的监护数据预警系统,其特征在于,
所述算法服务站具体为算法服务器、多台算法服务器组成的算法服务平台或支持虚拟云技术的算法服务云;
所述监护设备具体为单台监护仪器、并联的多台监护仪器、或由多台监护仪器组成的监护机群。
4.一种监护数据预警方法,其特征在于,所述方法包括:
监护设备获取监护数据;
所述监护设备对所述监护数据进行监护事件识别处理,生成监护事件数据;
所述监护设备对所述监护事件数据进行事件类别识别处理,生成事件类型数据;
当所述事件类型数据为紧急事件类型时,所述监护设备进行与所述监护事件数据对应的预警处理,并将所述监护数据和所述监护事件数据向中央站进行发送;
当所述事件类型数据为第一复核事件类型时,所述监护设备进行与所述监护事件数据对应的预警处理,将所述监护数据向算法服务站进行发送并获取从所述算法服务站发回的复核事件数据,停止本地正在执行的监护设备预警处理,进行与所述复核事件数据对应的预警处理,并将所述监护数据和所述复核事件数据向所述中央站进行发送;
当所述事件类型数据为第二复核事件类型时,所述监护设备将所述监护数据向所述算法服务站进行发送并获取从所述算法服务站发回的所述复核事件数据,进行与所述复核事件数据对应的预警处理,并将所述监护数据和所述复核事件数据向所述中央站进行发送;
其中,所述监护设备在获取所述监护数据之前,进行监护设备注册处理,具体包括:
所述监护设备获取本地的监护设备信息;
所述监护设备对所述监护设备信息进行数据打包得到注册请求数据,将所述注册请求数据向所述中央站进行发送并获取从所述中央站发回的注册结果数据;
当所述注册结果数据为注册成功时,所述监护设备执行监护设备联机工作流程;
当所述注册结果数据为注册失败时,所述监护设备将所述注册请求数据向所述中央站进行重发,在连续重发的次数超过重发阈值时,执行监护设备脱机工作流程;
所述算法服务站在获取到从所述监护设备发送的所述监护数据之后,还包括:
所述算法服务站对所述监护数据进行人工智能监护事件识别处理生成复核事件数据,将所述复核事件数据向所述监护设备进行发送;
所述中央站在获取到从所述监护设备发送的所述注册请求数据之后,还包括:
所述中央站根据所述注册请求数据进行监护设备合法性验证处理生成所述注册结果数据,将所述注册结果数据向所述监护设备进行发送;
所述中央站在获取到从所述监护设备发送的所述监护数据和事件数据之后,还包括:
所述中央站进行与所述事件数据对应的中央站预警处理,对所述监护数据进行数据存储处理;所述事件数据包括所述监护事件数据和所述复核事件数据;
所述监护设备联机工作流程至少包括同步/异步监护数据传输通道初始化和实时数据传输;所述监护设备脱机工作流程至少包括实时数据本地存储、实时数据本地识别和实时数据本地预警。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010401145.8A CN113712561B (zh) | 2020-05-12 | 2020-05-12 | 一种监护数据预警系统和方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010401145.8A CN113712561B (zh) | 2020-05-12 | 2020-05-12 | 一种监护数据预警系统和方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113712561A CN113712561A (zh) | 2021-11-30 |
CN113712561B true CN113712561B (zh) | 2024-05-17 |
Family
ID=78671163
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010401145.8A Active CN113712561B (zh) | 2020-05-12 | 2020-05-12 | 一种监护数据预警系统和方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113712561B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101059793A (zh) * | 2006-04-17 | 2007-10-24 | 通用电气公司 | 用于心脏病学和病人监护数据分析的多层系统 |
CN104490388A (zh) * | 2014-12-16 | 2015-04-08 | 无锡市健维仪器有限公司 | 一种可扩展的人体健康远程记录、监护和诊断系统 |
CN108309263A (zh) * | 2018-02-24 | 2018-07-24 | 乐普(北京)医疗器械股份有限公司 | 多参数监护数据分析方法和多参数监护系统 |
CN108847274A (zh) * | 2018-05-16 | 2018-11-20 | 上海术木医疗科技有限公司 | 一种基于云平台的生命体征数据处理方法及系统 |
CN109431490A (zh) * | 2018-09-28 | 2019-03-08 | 上海优加利健康管理有限公司 | 用于心电监测的人工智能实时分析方法和系统 |
-
2020
- 2020-05-12 CN CN202010401145.8A patent/CN113712561B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101059793A (zh) * | 2006-04-17 | 2007-10-24 | 通用电气公司 | 用于心脏病学和病人监护数据分析的多层系统 |
CN104490388A (zh) * | 2014-12-16 | 2015-04-08 | 无锡市健维仪器有限公司 | 一种可扩展的人体健康远程记录、监护和诊断系统 |
CN108309263A (zh) * | 2018-02-24 | 2018-07-24 | 乐普(北京)医疗器械股份有限公司 | 多参数监护数据分析方法和多参数监护系统 |
CN108847274A (zh) * | 2018-05-16 | 2018-11-20 | 上海术木医疗科技有限公司 | 一种基于云平台的生命体征数据处理方法及系统 |
CN109431490A (zh) * | 2018-09-28 | 2019-03-08 | 上海优加利健康管理有限公司 | 用于心电监测的人工智能实时分析方法和系统 |
Also Published As
Publication number | Publication date |
---|---|
CN113712561A (zh) | 2021-11-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11013470B2 (en) | Detecting abnormalities in ECG signals | |
CN109431490B (zh) | 用于心电监测的人工智能实时分析方法和系统 | |
CN106888106A (zh) | 智能电网中的it资产大规模侦测系统 | |
CN111209170B (zh) | 一种基于规则的用户行为日志采集、分析的方法和系统 | |
CN109194543A (zh) | 数据采集方法和装置 | |
CN108063772A (zh) | 一种基于服务侧的数据安全访问方法及系统 | |
CN103138886A (zh) | 院前急救端、院前急救系统及其数据传输方法 | |
CN103514355A (zh) | 一种基于云服务的主动式监护报送方法及系统 | |
CN104243623B (zh) | 乘客信息系统与ats系统间接口的数据处理方法 | |
CN106657426A (zh) | 域名解析请求的处理方法、装置及服务器 | |
CN111383748A (zh) | 基于弹性计算和5g技术的医疗集成平台系统 | |
CN113438198B (zh) | 一种基于udp传输协议的心电数据传输方法和系统 | |
CN106101264A (zh) | 内容分发网络日志推送方法、装置和系统 | |
CN106851513A (zh) | 一种电子产品的测试方法和系统 | |
CN112104670B (zh) | 一种基于链路映射解析轨道交通数据的方法及装置 | |
CN113535518B (zh) | 一种用户行为的分布式实时动态监控方法及系统 | |
CN113712561B (zh) | 一种监护数据预警系统和方法 | |
CN111419216A (zh) | 心电数据传输系统及方法 | |
Park et al. | Cascade classification with adaptive feature extraction for arrhythmia detection | |
CN112492045A (zh) | 结合区块链及大数据的通信处理方法及云边端计算服务器 | |
CN103455698A (zh) | 医疗监护方法、设备和系统 | |
CN113658677A (zh) | 一种对监护数据进行识别预警的系统和方法 | |
CN116807399A (zh) | 一种基于5g的远程重症监护系统 | |
CN108512675A (zh) | 一种网络诊断的方法、装置、控制节点和网络节点 | |
CN113821794B (zh) | 一种分布式的可信计算系统及方法 |
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 |