CN114781516A - 紧急程控设备、方法、系统及计算机可读存储介质 - Google Patents
紧急程控设备、方法、系统及计算机可读存储介质 Download PDFInfo
- Publication number
- CN114781516A CN114781516A CN202210431085.3A CN202210431085A CN114781516A CN 114781516 A CN114781516 A CN 114781516A CN 202210431085 A CN202210431085 A CN 202210431085A CN 114781516 A CN114781516 A CN 114781516A
- Authority
- CN
- China
- Prior art keywords
- patient
- emergency
- stimulator
- data
- programming
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 44
- 230000002452 interceptive effect Effects 0.000 claims abstract description 35
- 230000000694 effects Effects 0.000 claims abstract description 21
- 238000002560 therapeutic procedure Methods 0.000 claims abstract description 13
- 230000004044 response Effects 0.000 claims abstract description 12
- 238000012544 monitoring process Methods 0.000 claims description 131
- 230000036541 health Effects 0.000 claims description 98
- 238000012549 training Methods 0.000 claims description 95
- 230000009429 distress Effects 0.000 claims description 45
- 238000013136 deep learning model Methods 0.000 claims description 37
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims description 32
- 201000010099 disease Diseases 0.000 claims description 30
- 238000012806 monitoring device Methods 0.000 claims description 19
- 230000008569 process Effects 0.000 claims description 16
- 210000004556 brain Anatomy 0.000 claims description 11
- 238000013256 Gubra-Amylin NASH model Methods 0.000 claims description 7
- 230000000007 visual effect Effects 0.000 claims description 5
- 238000004590 computer program Methods 0.000 claims description 4
- 230000009471 action Effects 0.000 claims description 3
- 238000002513 implantation Methods 0.000 claims description 2
- 230000000638 stimulation Effects 0.000 description 25
- 230000003993 interaction Effects 0.000 description 17
- 238000010586 diagram Methods 0.000 description 6
- 230000003183 myoelectrical effect Effects 0.000 description 6
- 210000003462 vein Anatomy 0.000 description 6
- 230000009286 beneficial effect Effects 0.000 description 5
- 206010044565 Tremor Diseases 0.000 description 4
- 230000007383 nerve stimulation Effects 0.000 description 4
- 210000005013 brain tissue Anatomy 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 239000003814 drug Substances 0.000 description 3
- 229940079593 drug Drugs 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 208000024891 symptom Diseases 0.000 description 3
- 208000021384 Obsessive-Compulsive disease Diseases 0.000 description 2
- 208000018737 Parkinson disease Diseases 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 2
- 230000000747 cardiac effect Effects 0.000 description 2
- 208000035475 disorder Diseases 0.000 description 2
- 206010013663 drug dependence Diseases 0.000 description 2
- 230000002996 emotional effect Effects 0.000 description 2
- 208000024714 major depressive disease Diseases 0.000 description 2
- 210000002569 neuron Anatomy 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 208000020016 psychiatric disease Diseases 0.000 description 2
- 210000000278 spinal cord Anatomy 0.000 description 2
- 208000011117 substance-related disease Diseases 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 208000024827 Alzheimer disease Diseases 0.000 description 1
- 208000019901 Anxiety disease Diseases 0.000 description 1
- 206010003805 Autism Diseases 0.000 description 1
- 208000020706 Autistic disease Diseases 0.000 description 1
- 208000020925 Bipolar disease Diseases 0.000 description 1
- 206010010904 Convulsion Diseases 0.000 description 1
- 208000023105 Huntington disease Diseases 0.000 description 1
- 208000026139 Memory disease Diseases 0.000 description 1
- 208000019695 Migraine disease Diseases 0.000 description 1
- 208000019022 Mood disease Diseases 0.000 description 1
- 208000016285 Movement disease Diseases 0.000 description 1
- 208000012902 Nervous system disease Diseases 0.000 description 1
- 208000025966 Neurological disease Diseases 0.000 description 1
- 208000002193 Pain Diseases 0.000 description 1
- 208000003443 Unconsciousness Diseases 0.000 description 1
- 208000027418 Wounds and injury Diseases 0.000 description 1
- 230000036506 anxiety Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 1
- 230000003542 behavioural effect Effects 0.000 description 1
- 238000005452 bending Methods 0.000 description 1
- 208000028683 bipolar I disease Diseases 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 210000003169 central nervous system Anatomy 0.000 description 1
- 230000001054 cortical effect Effects 0.000 description 1
- 230000009193 crawling Effects 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000012377 drug delivery Methods 0.000 description 1
- 206010015037 epilepsy Diseases 0.000 description 1
- 201000006517 essential tremor Diseases 0.000 description 1
- 230000002496 gastric effect Effects 0.000 description 1
- 230000000971 hippocampal effect Effects 0.000 description 1
- 230000002267 hypothalamic effect Effects 0.000 description 1
- 208000014674 injury Diseases 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- WABPQHHGFIMREM-UHFFFAOYSA-N lead(0) Chemical compound [Pb] WABPQHHGFIMREM-UHFFFAOYSA-N 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 230000006996 mental state Effects 0.000 description 1
- 206010027599 migraine Diseases 0.000 description 1
- 230000003278 mimic effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000004118 muscle contraction Effects 0.000 description 1
- 210000005036 nerve Anatomy 0.000 description 1
- 230000000926 neurological effect Effects 0.000 description 1
- 229910052760 oxygen Inorganic materials 0.000 description 1
- 239000001301 oxygen Substances 0.000 description 1
- 210000000578 peripheral nerve Anatomy 0.000 description 1
- 208000028173 post-traumatic stress disease Diseases 0.000 description 1
- 238000003825 pressing Methods 0.000 description 1
- 230000029058 respiratory gaseous exchange Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 208000011726 slow pulse Diseases 0.000 description 1
- 210000001103 thalamus Anatomy 0.000 description 1
- 210000001519 tissue Anatomy 0.000 description 1
- 230000007384 vagal nerve stimulation Effects 0.000 description 1
- 238000010792 warming Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- 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
- A61B5/7465—Arrangements for interactive communication between patient and care services, e.g. by using a telephone network
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
Landscapes
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Software Systems (AREA)
- Nursing (AREA)
- Animal Behavior & Ethology (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Bioinformatics & Computational Biology (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Evolutionary Biology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
本申请提供了一种紧急程控设备、方法、系统及计算机可读存储介质,所述紧急程控设备被配置成:利用交互设备接收触发操作;响应于所述触发操作,获取刺激器的标识信息,所述标识信息包括刺激器标识和患者标识中的至少一种,所述刺激器用于植入患者体内以向所述患者递送治疗或感测电活动;向患者程控器发送程控请求,以建立医生程控器与所述刺激器之间的程控连接,所述程控请求包括所述标识信息。通过紧急程控设备,响应于触发操作,使患者方面能主动寻求建立医生程控器与刺激器的紧急程控连接。
Description
技术领域
本申请涉及植入式医疗设备的技术领域,尤其涉及紧急程控设备、方法、系统及计算机可读存储介质。
背景技术
图1示出了本领域现有的一种紧急程控系统的结构示意图。医生通过电话等传统沟通方式接收患者的求助,以获知患者需要对植入患者体内的刺激器进行紧急程控的救济,因此上述紧急程控系统是建立在医生主动要求连接患者的基础上。
当患者身体不适需要进行紧急治疗时,如果能够在第一时间实现医生程控器和刺激器的程控连接,就可以较为快捷和准确的对患者进行救济。但是在现实中,在身体不适的情况下患者没有能力通过电话联系医生,即便好心的陌生人联系120对患者进行急救,但由于普通的急救医生不具备程控能力,可能会无法妥善处置患者体内的植入式医疗设备,从而耽误患者宝贵的救治时间。因此仅通过上述传统方式使患者寻求医生的紧急程控救济,通过医生主动程控连接患者的刺激器,有较大的局限性。
因此,亟需设计一种紧急程控设备。
发明内容
本申请的目的在于提供紧急程控方法及相关装置,通过紧急程控设备,响应于触发操作,使患者方面能主动寻求建立医生程控器与刺激器的紧急程控连接,解决了上述问题。
本申请的目的采用以下技术方案实现:
第一方面,本申请提供了一种紧急程控设备,所述紧急程控设备被配置成:利用交互设备接收触发操作;响应于所述触发操作,获取刺激器的标识信息,所述标识信息包括刺激器标识和患者标识中的至少一种,所述刺激器用于植入患者体内以向所述患者递送治疗或感测电活动;向患者程控器发送程控请求,以建立医生程控器与所述刺激器之间的程控连接,所述程控请求包括所述标识信息。
该技术方案的有益效果在于,响应于对交互设备的触发操作向患者程控器发送程控请求,患者程控器接收并将程控请求传递给医生程控器,医生接受患者的程控请求以建立医生程控器与刺激器的程控连接。一方面,通过包括标识信息的程控请求,减少了医生获取患者标识或者刺激器标识的时间,有利于医生及时对患者进行救济,提供给患者高效率的紧急程控的帮助;另一方面,利用交互设备接收触发操作,简化了用户的操作,更便于老龄人操作,对用户来说学习成本较低;又一方面,上述紧急程控是建立在患者方面(患者,或其监护人,或身边帮忙的人)主动寻求的基础上的,只有触发操作时才会联系医生程控器,即充分尊重了用户的选择权,医生接收到程控请求后才会选择是否进行程控连接,从而减少了对医生程控器端的占用。综上,在更尊重用户选择权的情况下,上述紧急程控设备用于医生程控器和刺激器之间的紧急程控连接,更能满足现有行业和市场的需求。
在一些可选的实施例中,所述紧急程控设备还被配置成:在利用所述交互设备接收所述触发操作之前,利用健康监测装置实时获取所述患者的健康监测数据;获取所述健康监测数据对应的呼救类型,所述呼救类型用于指示需要呼救或者不需要呼救;当检测到所述健康监测数据所对应的呼救类型用于指示需要呼救时,利用报警装置发出紧急呼救信号;所述健康监测装置包括以下至少一种:脑电监测单元、心电监测单元、肌电监测单元、心率监测单元、脉搏监测单元和视觉监测单元。
该技术方案的有益效果在于,通过实时获取的健康监测数据,更能准确衡量出患者的身体状态。将健康监测数据和呼救类型相对应,当呼救类型对应于紧急呼叫条件时发出紧急呼救信号,以使患者有机会得到及时的和科学的急救,进而提高对患者的急救成功率。
在一些可选的实施例中,所述紧急程控设备被进一步配置成采用如下方式获取所述健康监测数据对应的呼救类型:利用健康监测模型对所述健康监测数据进行分类,得到所述健康监测数据对应的呼救类型;其中,所述健康监测模型的训练过程包括:获取训练集,所述训练集包括多个训练数据,每个所述训练数据包括一个样本数据及其对应的呼救类型的标注数据,每个所述样本数据是对真实人体进行健康监测得到的或者利用GAN模型的生成网络生成的;
该技术方案的有益效果在于,将健康监测数据输入健康监测模型,可以获取可信度较高的呼救类型。相比根据医生经验进行人工调整,健康监测模型进行呼救类型的获取有更好的时效性和精度,智能化程度比较高。
在一些可选的实施例中,在所述健康监测模型的训练过程中,所述利用所述训练集对预设的深度学习模型进行训练,包括:针对所述训练集中的每个训练数据,将所述样本数据输入所述深度学习模型,得到与所述样本数据相对应的呼救类型的预测数据;基于与所述样本数据相对应的呼救类型的预测数据以及标注数据,对所述深度学习模型的模型参数进行更新;检测是否满足预设的训练结束条件,如果是,则停止训练,并将训练得到的所述深度学习模型作为所述健康监测模型,如果否,则利用下一个所述训练数据继续训练所述深度学习模型。
该技术方案的有益效果在于,通过进行训练所得到的健康监测模型进行呼救类型的获取,可以提高获取的精度。因此,利用训练集对预设的深度学习模型进行训练,得到健康监测模型,健康监测模型可以由大量的训练数据训练得到,能够针对多种健康监测数据预测得到相应的呼救类型,适用范围广,智能化水平高。通过设计、建立适量的神经元计算节点和多层运算层次结构,选择合适的输入层和输出层,就可以得到预设的深度学习模型,通过该预设的深度学习模型的学习和调优,建立起从输入到输出的函数关系,虽然不能100%找到输入与输出的函数关系,但是可以尽可能地逼近现实的关联关系,由此训练得到的健康监测模型,可以实时生成对应的呼救类型,且预测精度较高。
在一些可选的实施例中,所述紧急程控设备还存储有一个或多个已验证用户信息,所述紧急程控设备被进一步配置成采用如下方式接收所述触发操作:利用所述交互设备接收待验证用户信息;将所述待验证用户信息分别与每个所述已验证用户信息进行匹配,当所述待验证用户信息与其中一个所述已验证用户信息匹配成功时,停止匹配并接收所述交互设备的触发操作。
该技术方案的有益效果在于,可以根据用户意愿,利用交互设备接收到的验证用户信息与已验证用户信息匹配,通过匹配结果来确定是否接收交互设备的触发操作,以满足用户多种需求。通过对待验证用户信息和已验证用户信息的匹配,可以使可以主动寻求医生程控器紧急程控的用户限定在一个指定的范围,这个范围可以是患者预设好的,更能体现出患者的紧急急救和紧急程控的意愿。因此,上述设置急患者之所急、供患者之所需,让患者的紧急程控需求更有人情味。
在一些可选的实施例中,所述紧急程控设备还被配置为:获取附近的一个或多个医疗装置对应的疾病类型;将每个所述医疗装置对应的疾病类型分别与所述患者的疾病类型进行匹配,当至少一个所述医疗装置与所述患者的疾病类型相匹配时,获取所有相匹配的医疗装置对应的音频和/或视频形式的使用说明信息;利用所述报警装置循环播放所述使用说明信息。
该技术方案的有益效果在于,根据患者的电活动对刺激器的各参数进行调节是在医疗领域是非常细分的医疗方式,现场急救人员也不能有针对的对患者进行更为稳妥的救济。通过获取与患者疾病类型相匹配的医疗装置,可以缩短现场急救人员对患者的施救时间,以为所建立起的医生程控器和刺激器程控连接的医生争取更多时间,以使医生对刺激器参数进行合理的调整。因此,通过紧急程控设备,响应于触发操作,使患者能主动寻求建立医生程控器与刺激器的紧急程控连接。另外,还避免了现场急救人员对患者进行急救时医疗装置的选用不当或使用不当,提高了患者在危难情况下的急救成功的几率。
第二方面,本申请还提供了一种紧急程控方法,所述紧急程控方法包括:利用交互设备接收触发操作;响应于所述触发操作,获取刺激器的标识信息,所述标识信息包括刺激器标识和患者标识中的至少一种,所述刺激器用于植入患者体内以向所述患者递送治疗或感测电活动;向患者程控器发送程控请求,以建立医生程控器与所述刺激器之间的程控连接,所述程控请求包括所述标识信息。
在一些可选的实施例中,所述紧急程控方法还包括:在利用所述交互设备接收所述触发操作之前,利用健康监测装置实时获取所述患者的健康监测数据;获取所述健康监测数据对应的呼救类型,所述呼救类型用于指示需要呼救或者不需要呼救;当检测到所述健康监测数据所对应的呼救类型用于指示需要呼救时,利用报警装置发出紧急呼救信号;所述健康监测装置包括以下至少一种:脑电监测单元、心电监测单元、肌电监测单元、心率监测单元、脉搏监测单元和视觉监测单元。
在一些可选的实施例中,所述紧急程控方法被进一步配置成采用如下方式所述健康监测数据获取所述健康监测数据对应的呼救类型:利用健康监测模型对所述健康监测数据进行分类,得到所述健康监测数据对应的呼救类型;其中,所述健康监测模型的训练过程包括:获取训练集,所述训练集包括多个训练数据,每个所述训练数据包括一个样本数据及其对应的呼救类型的标注数据,每个所述样本数据是对真实人体进行健康监测得到的或者利用GAN模型的生成网络生成的;利用所述训练集对预设的深度学习模型进行训练,得到所述健康监测模型。
在一些可选的实施例中,在所述健康监测模型的训练过程中,所述利用所述训练集对预设的深度学习模型进行训练,包括:针对所述训练集中的每个训练数据,将所述样本数据输入所述深度学习模型,得到与所述样本数据相对应的呼救类型的预测数据;基于与所述样本数据相对应的呼救类型的预测数据以及标注数据,对所述深度学习模型的模型参数进行更新;检测是否满足预设的训练结束条件,如果是,则停止训练,并将训练得到的所述深度学习模型作为所述健康监测模型,如果否,则利用下一个所述训练数据继续训练所述深度学习模型。
在一些可选的实施例中,所述紧急程控方法还包括:获取附近的一个或多个医疗装置对应的疾病类型;将每个所述医疗装置对应的疾病类型分别与所述患者的疾病类型进行匹配,当至少一个所述医疗装置与所述患者的疾病类型相匹配时,获取所有相匹配的医疗装置对应的音频和/或视频形式的使用说明信息;利用所述报警装置循环播放所述使用说明信息。
第三方面,本申请还提供了一种紧急程控系统,包括:刺激器、患者程控器、医生程控器和第一方面任一项所述的紧急程控设备;所述紧急程控设备用于向所述患者程控器发送程控请求,所述患者程控器根据所述程控请求建立所述医生程控器与所述刺激器之间的紧急程控,所述刺激器用于植入患者脑内以向所述患者递送治疗或感测电活动。
在一些可选的实施例中,所述紧急程控设备集成在所述患者程控器上。
第四方面,本申请还提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行第二方面任一项所述紧急程控方法的步骤。
附图说明
下面结合附图和实施例对本申请进一步说明。
图1是现有技术提供的一种紧急程控系统的结构示意图;
图2是本申请实施例提供的一种紧急程控设备执行步骤的流程示意图;
图3是本申请实施例提供的建立医生程控器与刺激器的程控连接的流程示意图;
图4是本申请实施例提供的又一种紧急程控设备执行步骤的部分流程示意图;
图5是本申请实施例提供的健康监测模型的训练过程的流程示意图;
图6是本申请实施例提供的深度学习模型进行训练的流程示意图;
图7是本申请实施例提供的接收交互设备触发操作的流程示意图;
图8是本申请实施例提供的又一种紧急程控设备执行步骤的部分流程示意图;
图9是本申请实施例提供的一种紧急程控系统的结构示意图;
图10是本申请实施例提供的又一种紧急程控系统的结构示意图;
图11是本申请实施例提供的一种计算机可读存储介质的结构示意图。
图中,10、紧急程控设备;20、刺激器;30、患者程控器;40、医生程控器;50、服务器;300、程序产品。
具体实施方式
下面,结合附图以及具体实施方式,对本申请做进一步描述,需要说明的是,在不相冲突的前提下,以下描述的各实施例之间或各技术特征之间可以任意组合形成新的实施例。
首先对本申请的应用领域进行简单说明。刺激器20可以是植入式医疗设备的一种,植入式医疗设备可以是植入式神经电刺激装置、植入式心脏电刺激系统(又称心脏起搏器)、植入式药物输注装置(Implantable Drug Delivery System,简称I DDS)和导线转接装置中的任意一种。植入式神经电刺激装置例如是脑深部电刺激系统(Deep BrainStimulation,简称DBS,又称脑深部刺激器),植入式脑皮层刺激系统(Cortical NerveStimulation,简称CNS),植入式脊髓电刺激系统(Spinal Cord Stimulation,简称SCS),植入式骶神经电刺激系统(Sac ral Nerve Stimulation,简称SNS),植入式迷走神经电刺激系统(Vagus Nerve Stimulation,简称VNS)等;植入式医疗设备设置于患者体内,用于提供电刺激,受刺激的生物体组织可以是患者的脑组织,受刺激的部位可以是脑组织的特定部位,当患者的疾病类型不同时,受刺激的部位一般来说是不同的;本申请对植入式医疗设备适用的疾病类型不做限定,其可以是脑深部刺激(DBS)、脊髓刺激(SCS)、骨盆刺激、胃刺激、外周神经刺激、功能性电刺激所适用的疾病类型;其中,DBS可以用于治疗或管理的疾病类型包括但不限于:痉挛疾病(例如,癫痫)、疼痛、偏头痛、精神疾病(例如,重度抑郁症(MDD))、躁郁症、焦虑症、创伤后压力心理障碍症、轻郁症、强迫症(OCD)、行为障碍、情绪障碍、记忆障碍、心理状态障碍、移动障碍(例如,特发性震颤或帕金森氏病)、亨廷顿病、阿尔茨海默症、药物成瘾症、自闭症或其他神经学或精神科疾病和损害;当DBS用于治疗药物成瘾症患者时,可以帮助吸毒人员戒毒,提升他们的幸福感和生命质量。
参见图1,医生程控器40可以通过患者程控器30与植入患者体内的刺激器20进行程控,或者医生程控器40通过服务器50、患者程控器30与刺激器20进行程控。本申请刺激器20以脑深部刺激器(DBS)为例进行阐述,医生程控器40和刺激器20建立程控连接时,医生可以调整刺激器20的电刺激信号的参数,也可以通过刺激器20感测患者脑深部的电活动,并可以通过所感测到的电活动以指导医生继续调节刺激器20的电刺激信号的参数。电刺激信号的参数可以是频率(单位时间1s内的脉冲个数,单位为Hz)、脉宽(每个脉冲的持续时间,单位为μs)、和幅值(一般用电压表述,即每个脉冲的强度,单位为V)中的任意种。在具体应用中,可以在电流模式或者电压模式下对刺激器20的各参数进行调节。
其中,患者在医院现场会诊的情况下,医生程控器40可以直接通过患者程控器30与刺激器20进行近程的数据交互。患者和医生距离较远的情况下,医生程控器40可以通过3G/4G/5G网络与服务器50进行数据交互,服务器50可以通过3G/4G/5G网络与患者程控器30进行数据交互,患者程控器30可以通过401MHz-406MHz工作频段/2.4GHz-2.48GHz工作频段与刺激器20进行数据交互;也可以是医生程控器40通过3G/4G/5G网络与患者程控器30进行数据交互,患者程控器30可以通过401MHz-406MHz工作频段/2.4GHz-2.48GHz工作频段与刺激器20进行数据交互,上述连接方式可以实现医生程控器40与刺激器20的远程数据交互。特别是患者不在医院的情况下,医生也可以通过电话等传统沟通方式接收患者的求助,以实现医生程控器40与刺激器20的程控,对患者进行紧急程控的救济。
参见图2和图9,本申请实施例提供了一种紧急程控设备10。其中,图1示出了本申请提供的一种紧急程控设备10执行步骤的流程示意图,图9示出了本申请提供的一种包括紧急程控设备10的紧急程控系统的结构示意图。
所述紧急程控设备10被配置成执行步骤S101~S103。
步骤S101、利用交互设备接收触发操作。
步骤S102、响应于所述触发操作,获取刺激器20的标识信息,所述标识信息包括刺激器标识和患者标识中的至少一种,所述刺激器20用于植入患者体内以向所述患者递送治疗或感测电活动。
步骤S103、向患者程控器30发送程控请求,以建立医生程控器40与所述刺激器20之间的程控连接,所述程控请求包括所述标识信息。
可以认为,紧急程控设备10用于向患者程控器30发送程控请求,所述患者程控器30根据所述程控请求建立医生程控器40与刺激器20之间的紧急程控,所述刺激器20用于植入患者脑内以向所述患者递送治疗或感测电活动。
其中,本实施例对交互设备的种类不进行限制,例如交互设备可以是按压开关、触摸开关和声控开关等。
所述标识信息包括刺激器标识和患者标识中的至少一种。部分患者可能患有多种需要进行刺激治疗的疾病,或同一患者有同一疾病的不同核团(或脑组织)需要进行不同程度的刺激治疗的情况,就需要患者体内植入不止一个刺激器20,才能满足多种刺激需求的问题。当患者体内植入多个刺激器20时,刺激器标识可以是对刺激器20进行区分标识的编码,例如1211-3#R-HHA(1211-3编号的右下丘脑位置)、1121122-L-HPC(1211-3编号的右海马体位置)等。患者标识可以是患者的姓名、编号、电话联系方式中的至少一个,例如张三+2001032、李四+13000000000等。
由于植入不同病症患者体内的刺激器20的位置不同,刺激参数的有效范围也不相同,例如对于帕金森患者而言,最常采用的刺激参数是130Hz、60μs和2-3V的电压;对于具有震颤症状的患者而言,大于100Hz的脉冲刺激才能有效,而低频率的刺激甚至会加重震颤。
当医生得到刺激器标识时,或者得到患者标识时,可以根据刺激器标识或患者标识获知患者病症情况、刺激器参数的有效范围等。当程控请求不包括标识信息时,需要医生根据刺激器20感测的电活动来判断患者病情和刺激器20的刺激情况,一方面判断过程需要占用医生较长时间,不利于医生对患者的紧急救济,导致效率低下;一方面所感测到的电活动的信号比较微弱,医生对其容易出现误判断,进而使医生对刺激器20的刺激参数程控数值的不准确。
在一个具体应用中,患者张三在家中因严重的震颤症状需要急救,由于其母亲王四高龄89岁,王四不能使用传统的沟通方式将包括刺激器标识和患者标识的标识信息完整、及时的告知异地的医生。王四可以通过按压开关,或对有声控开关呼喊“张三需要紧急程控救治”以完成触发操作。紧急程控设备10响应于王四的触发操作获取标识信息,并向患者程控器30发送程控请求,患者程控器30将程控请求传递给医生程控端。医生关注到医生程控器40的程控请求并接受,医生通过程控请求中的标识信息第一时间获知患者姓名为张三、监护人联系电话13000000000、病症为震颤症、刺激器20位置为丘脑,医生及时判断患者的情况是因为刺激器20的脉冲频率过低,第一时间电话联系患者监护人了解情况并通过医生程控器40使刺激器20释放的电刺激的脉冲频率保持在120HZ。相比于王四通过电话联系医生寻求救济,并在电话中艰难的将张三的刺激器标识、患者标识等完整的告知医生,再由医生通过医生程控器40主动建立与张三的刺激器20程控连接,上述紧急程控的过程大大降低了老龄人的学习成本。
由此,响应于对交互设备的触发操作向患者程控器30发送程控请求,患者程控器30接收并将程控请求传递给医生程控器40,医生接受患者的程控请求以建立医生程控器与刺激器20的程控连接。一方面,通过包括标识信息的程控请求,减少了医生对患者病情的过程判断时间,有利于医生及时对患者进行救济,提供给患者高效率的紧急程控的帮助;另一方面,利用交互设备接收触发操作,简化了用户的操作,更便于老龄人操作,对用户来说学习成本较低;又一方面,上述紧急程控是建立在患者端(患者,或其监护人,或身边帮忙的人)主动寻求帮助的基础上的,只有触发操作时才会建立医生程控器40,即充分尊重了用户的选择权,医生接收到程控请求后才会选择是否进行程控连接,又减少了医生程控器40的占用。综上,在更尊重用户选择权的情况下,上述紧急程控设备10用于医生程控器40和刺激器20之间的紧急程控连接,更能满足现有行业和市场的需求。
参见图3,在一些可选的实施方式中,所述步骤S103可以包括步骤S201~步骤S202。
步骤S201、将所述程控请求通过所述患者程控器30传送到医生程控器40。
步骤S202、响应于所述程控请求,在所述医生程控器40显示弹窗信息,所述弹窗信息用于提示与所述刺激器20建立程控连接。
当医生通过医生程控器40选择接受程控请求、同意建立程控连接时,可以建立所述医生程控器40与所述刺激器20的程控连接。
由此,无需医生实时关注每一个患者,只有程控请求传递到医生程控器40时医生才需要进行程控连接的选择,减少了医生无效的程控等待时间,提高了医生的工作效率。
参见图4,在一些可选的实施方式中,所述紧急程控设备还可以被配置成:在步骤S101之前包括步骤S104~步骤S106。
步骤S104、在利用所述交互设备接收所述触发操作之前,利用健康监测装置实时获取所述患者的健康监测数据。
步骤S105、获取所述健康监测数据对应的呼救类型,所述呼救类型用于指示需要呼救或者不需要呼救。
步骤S106、当检测到所述健康监测数据所对应的呼救类型用于指示需要呼救时,利用报警装置发出紧急呼救信号。
所述健康监测装置包括以下至少一种:脑电监测单元、心电监测单元、肌电监测单元、心率监测单元、脉搏监测单元和视觉监测单元。
当健康监测装置包括脑电监测单元时,脑电监测单元例如是中国专利CN206044627U所公开的一种穿戴式脑电设备,监测数据例如是脑电数据。
当监测装置包括心电监测单元时,例如是便携式心电检测背心,监测数据例如是患者的实时心率数据,呼救类型例如是暖身区(Z1)、燃脂区(Z2)、有氧耐力区(Z3)、马拉松配速区(Z4)和无氧耐力区(Z5)等,身体条件好的患者,其实时心率数据在Z4时才满足紧急呼救条件;身体条件差的患者,其实时心率数据在Z3时就可能满足紧急呼救条件。
当监测装置包括肌电监测单元时,例如是中国专利CN113925519A公开的一种便携式肌电设备,监测数据例如是患者的实时肌电电压,肌电电压是由肌肉收缩时所产生的电信号,呼救类型可以是肌电异常(500Hz以上)和肌电正常(500Hz以下)。
当监测装置包括心率监测单元时,例如是心率带、心率手表等,监测数据可以是患者的实时心率数据。
当监测装置是脉搏监测装置时,例如是可监测脉搏的智能手环、脉搏探测器等,监测数据例如是脉搏频率,呼救类型可以是脉搏过缓(每分钟低于60次)、脉搏正常(每分钟60至100次)、脉搏过快(每分钟超过100次)。
当监测装置包括是视觉检测单元时,例如是动作监测摄像头,监测数据例如是患者的动作类型,动作类型例如是弯腰、抬腿、扬头等,呼救类型例如是跌倒、爬行等。
当没有检测到健康监测数据,或检测到的健康监测数据所对应的呼救类型不用于指示需要呼救时,不会利用报警装置发出紧急呼救信号。
紧急呼救信号可以是声音报警、光信号报警的一种或者其结合,当紧急呼救信号是声音报警时,可以通过声音广播患者的姓名、急救电话、指定医生或家人联系方式以及交互设备的触发方法、患者急救的禁忌信息(如忌随意搬动、忌平躺等)。报警装置可以是显示屏、音箱(扬声器)、灯箱等装置,以实现声音报警、闪光报警或声光报警。陌生人可以根据紧急呼救信号的信息对患者进行第一时间科学的急救,或通知患者家人或联系指定医生,或通过交互设备进行触发操作。其中,当采用声音报警时,所播放的音频可以是预先存储的音频,也可以是基于上述内容(姓名、急救电话、指定联系方式以及交互设备的触发方法、患者急救的禁忌信息等)智能生成的音频。
在一个具体应用中,张三患有帕金森病,并通过植入式刺激器20进行治疗,其佩戴着手环,手环上有作为交互设备的可按压的红色按钮。在公园散步的过程中张三身体不适倒地不起,且无法自行按压交互设备以触发操作。因为身体不适张三的脉搏到130次/分钟,起对应的呼救类型为脉搏过快,满足了预设的呼救条件,作为报警装置的音箱发出紧急呼救信号,紧急呼救信号可以是音频“我叫张三,我是帕金森患者,请爱心人士帮忙按压我右手手环上的红色按钮,它会为我联系医生。并请不要随意挪动我的身体。谢谢!”路人李四看到张三的情况并按照报警装置的指示进行操作,以建立医生程控器和刺激器之间的程控连接。如果没有报警装置和监测装置,即便李四想要伸出援手,但因为不知道具体的情况,只能打120且静待救护车的施救,使得张三珍贵的急救时间被耽搁。
由此,通过实时获取的健康监测数据,更能准确衡量出患者的身体状态。将健康监测数据和呼救类型相对应,当呼救类型对应于紧急呼叫条件时发出紧急呼救信号,以使患者有机会得到及时的和科学的急救,进而提高对患者的急救成功率。
在一些可选的实施方式中,所述紧急程控设备被进一步配置成采用如下方式获取所述健康监测数据对应的呼救类型:利用健康监测模型对所述健康监测数据进行分类,得到所述健康监测数据对应的呼救类型。
其中,参见图5,所述健康监测模型的训练过程可以包括步骤S301~步骤S302。
步骤S301、获取训练集,所述训练集包括多个训练数据,每个所述训练数据包括一个样本数据及其对应的呼救类型的标注数据,每个所述样本数据是对真实人体进行健康监测得到的或者利用GAN模型的生成网络生成的。
步骤S302、利用所述训练集对预设的深度学习模型进行训练,得到所述健康监测模型。
样本数据例如可以是38℃、心跳178次/分钟、肌电400Hz等在临床过程中对真实人体进行健康监测得到的,其对应的标注数据例如是脉搏过缓、脉搏正常、脉搏过快、肌电异常等,也可以是可以表示上述标注数据的标号,例如A1、A2、X3等。通过上述标注数据,均能获得其相应的样本数据所对应的呼救类型。
其中,GAN模型即生成对抗网络(Generative Adversarial Network),由一个生成网络与一个判别网络组成。生成网络从潜在空间(latent space)中随机采样作为输入,其输出结果需要尽量模仿训练集中的真实样本。判别网络的输入则为真实样本或生成网络的输出,其目的是将生成网络的输出从真实样本中尽可能分辨出来。而生成网络则要尽可能地欺骗判别网络。两个网络相互对抗、不断调整参数,最终目的是使判别网络无法判断生成网络的输出结果是否真实。使用GAN模型可以生成多个运行参数的样本数据,用于故障检测模型的训练过程,能有效降低原始数据采集的数据量,大大降低数据采集和标注的成本。
因为个体差异,每个患者的健康监测数据所对应的呼救类型不尽相同。如果将所有患者的上述参数不进行个性化的区分,就不能得到精确的呼救类型。即便同一个患者,随着病情变化或年龄变化,其健康监测数据和呼救类型的对应关系也存在变化。上述情况如果人工进行调整,工作量巨大,因此现实中都是根据医生的经验进行调整,一方面加大了医生的工作量,一方面不能实时的进行调整,患者的使用体验差,一方面人工调整误差大。
由此,将健康监测数据输入健康监测模型,可以获取可信度较高的呼救类型。相比根据医生经验进行人工调整,健康监测模型进行呼救类型的获取有更好的时效性和精度,智能化程度比较高。
参见图6,在一些可选的实施方式中,所述步骤S302中所述利用所述训练集对预设的深度学习模型进行训练,包括步骤S401~步骤S403。
S401、针对所述训练集中的每个训练数据,将所述样本数据输入所述深度学习模型,得到与所述样本数据相对应的呼救类型的预测数据。
S402、基于与所述样本数据相对应的呼救类型的预测数据以及标注数据,对所述深度学习模型的模型参数进行更新。
S403、检测是否满足预设的训练结束条件,如果是,则停止训练,并将训练得到的所述深度学习模型作为所述健康监测模型,如果否,则利用下一个所述训练数据继续训练所述深度学习模型。
由此,通过进行训练所得到的健康监测模型进行呼救类型的获取,可以提高获取的精度。因此,利用训练集对预设的深度学习模型进行训练,得到健康监测模型,健康监测模型可以由大量的训练数据训练得到,能够针对多种健康监测数据预测得到相应的呼救类型,适用范围广,智能化水平高。通过设计、建立适量的神经元计算节点和多层运算层次结构,选择合适的输入层和输出层,就可以得到预设的深度学习模型,通过该预设的深度学习模型的学习和调优,建立起从输入到输出的函数关系,虽然不能100%找到输入与输出的函数关系,但是可以尽可能地逼近现实的关联关系,由此训练得到的健康监测模型,可以实时生成对应的呼救类型,且预测精度较高。
本实施例对预设的深度学习模型的网络结构不做限定,其可以是U型网络、CNN等。损失函数例如可以采用L1损失函数或者L2损失函数。预设的训练结束条件可以根据实际需求设定,本申请在此不对其做任何限定。在一个实施例中,预设的训练结束条件可以是达到预设的训练次数。
在一些可选的实施方式中,所述紧急程控设备10还存储有一个或多个已验证用户信息。参见图7,所述紧急程控设备被进一步配置成采用步骤S501~步骤S502接收所述触发操作:
步骤S501、利用所述交互设备接收待验证用户信息。
步骤S502、将所述待验证用户信息分别与每个所述已验证用户信息进行匹配,当所述待验证用户信息与其中一个所述已验证用户信息匹配成功时,停止匹配并接收所述交互设备的触发操作。
其中,所述交互设备可以是按压开关、触摸开关时,按压设备上可以集成生物信息采集组件,所述生物信息采集组件可以识别接触按压开关、触摸开关的用户信息,其识别方式可以是指纹识别、静脉识别中的至少一种。生物信息采集组件可以是静脉信息采集组件,所述已验证用户信息和所述待验证用户信息是静脉信息;或者,所述生物信息采集组件是人脸信息采集组件,所述已验证用户信息和所述待验证用户信息是人脸信息;或者,当交互设备是声控开关时,例如可以是使用专利CN114093370A所公开的声纹识别的声控开关,可以通过声音特征对用户进行识别。
相比于人脸识别、指纹识别来说,静脉的识别精度更高,且必须是活体才能执行识别,避免人脸识别、指纹识别等识别方式中人脸信息、指纹信息被盗用来进行身份验证的情况。当所述已验证用户信息和所述待验证用户信息是静脉信息时,只有用户主动伸出手指认证才可以进行识别,充分尊重用户意愿。
相比于指纹识别、静脉识别来说,人脸的识别不需要肢体与生物信息采集组件直接接触。当所述已验证用户信息和所述待验证用户信息是人脸信息时,可以在一个较灵活的距离对用户进行生物信息采集组件的采集,用户使用体验好。
由此,可以根据用户意愿,利用交互设备接收到的验证用户信息与已验证用户信息匹配,通过匹配结果来确定是否接收交互设备的触发操作,以满足用户多种需求。
在一个具体应用中,李四有严重的抑郁症并通过植入式刺激器20进行治疗,医生通过上述实施例提供的紧急程控设备10为李四提供紧急程控保障。李四家中还有6岁孩童王五,为避免王五嬉戏打闹时触发交互设备的触发操作,可以将李四及家中其它监护人的指纹录入交互设备作为已验证用户信息。当王五打闹时触碰到交互装置,交互设备也不会生成触发操作。
在另一个具体应用中,所述紧急程控设备还可以被进一步配置成采用步骤S503~步骤S504接收所述触发操作:
步骤S503、利用所述交互设备接收待验证用户信息。
步骤S504、将所述待验证用户信息与所述已验证用户信息进行匹配,当匹配不成功时接收所述交互设备的触发操作。
也就是说,可以将王五的指纹录入设备作为已验证用户信息,同样能实现对交互设备的触发操作的限制。
由此,通过对待验证用户信息和已验证用户信息的匹配,可以使可以主动寻求医生程控器40紧急程控的用户限定在一个指定的范围,这个范围可以是患者预设好的,更能体现出患者的紧急急救和紧急程控的意愿。因此,上述设置急患者之所急、供患者之所需,让患者的紧急程控需求更有人情味。
参见图8,在一些可选的实施方式中,所述紧急程控设备10还被配置执行步骤S107~步骤S109。
步骤S107、获取附近的一个或多个医疗装置对应的疾病类型。
步骤S108、将每个所述医疗装置对应的疾病类型分别与所述患者的疾病类型进行匹配,当至少一个所述医疗装置与所述患者的疾病类型相匹配时,获取所有相匹配的医疗装置对应的音频和/或视频形式的使用说明信息。
步骤S109、利用所述报警装置循环播放所述使用说明信息。
其中,医疗装置可以是体外自动除颤仪(AED)、便携轮椅、制氧机、血压计等。同一个医疗装置可以对应多种疾病类型,不同的医疗装置可以对应相同的疾病类型。使用说明信息可以是医疗设备的使用说明或使用条件,例如AED应该在人工判断患者无意识、同时失去了呼吸和心跳,或者仅有濒死喘息的情况下使用。当报警装置是显示屏时,上述说明信息可以通过文字的方式在显示屏上滚动显示。当报警装置是智能音箱时,上述说明信息可以通过智能音箱进行循环播放。通过上述方式,可以让不熟悉附近医疗装置的人也能尝试科学的对患者进行紧急救援。上述所获取的医疗设备可以限定在患者的附近,例如1公里、5公里或10公里的直线距离。过远的医疗设备即便能够被获取到,因为距离原因也不适宜作为紧急救助使用。
由此,根据患者的电活动对刺激器20的各参数进行调节是在医疗领域是非常细分的医疗方式,现场急救人员也不能有针对的对患者进行更为稳妥的救济。通过获取与患者疾病类型相匹配的医疗装置,可以缩短现场急救人员对患者的施救时间,以为所建立起的医生程控器40和刺激器20程控连接的医生争取更多时间,以使医生对刺激器参数进行合理的调整。因此,通过紧急程控设备,响应于触发操作,使患者能主动寻求建立医生程控器40与刺激器20的紧急程控连接。另外,还避免了现场急救人员对患者进行急救时医疗装置的选用不当或使用不当,提高了患者在危难情况下的急救成功的几率。
上述紧急程控设备10被配置成执行的步骤的布置顺序可以是任意的、不限于上述步骤的排列顺序,例如步骤S107~步骤109可以是步骤S104后执行,也可以是步骤S101~S104之间执行。这可以同样地应用于解释权利要求。
本申请还提供了一种紧急程控方法,所述紧急程控方法包括:利用交互设备接收触发操作;响应于所述触发操作,获取刺激器20的标识信息,所述标识信息包括刺激器标识和患者标识中的至少一种,所述刺激器20用于植入患者体内以向所述患者递送治疗或感测电活动;向患者程控器30发送程控请求,以建立医生程控器40与所述刺激器20之间的程控连接,所述程控请求包括所述标识信息。
紧急程控方法的具体实现方式与上述紧急程控设备10的实施例中记载的实施方式、所达到的技术效果一致,部分内容不再赘述。
在一些可选的实施方式中,所述紧急程控方法还包括:在利用所述交互设备接收所述触发操作之前,利用健康监测装置实时获取所述患者的健康监测数据;获取所述健康监测数据对应的呼救类型,所述呼救类型用于指示需要呼救或者不需要呼救;当检测到所述健康监测数据所对应的呼救类型用于指示需要呼救时,利用报警装置发出紧急呼救信号;所述健康监测装置包括以下至少一种:脑电监测单元、心电监测单元、肌电监测单元、心率监测单元、脉搏监测单元和视觉监测单元。
在一些可选的实施方式中,所述紧急程控方法被进一步配置成采用如下方式所述健康监测数据获取所述健康监测数据对应的呼救类型:利用健康监测模型对所述健康监测数据进行分类,得到所述健康监测数据对应的呼救类型;其中,所述健康监测模型的训练过程包括:获取训练集,所述训练集包括多个训练数据,每个所述训练数据包括一个样本数据及其对应的呼救类型的标注数据,每个所述样本数据是对真实人体进行健康监测得到的或者利用GAN模型的生成网络生成的;利用所述训练集对预设的深度学习模型进行训练,得到所述健康监测模型。
在一些可选的实施方式中,在所述健康监测模型的训练过程中,所述利用所述训练集对预设的深度学习模型进行训练,包括:针对所述训练集中的每个训练数据,将所述样本数据输入所述深度学习模型,得到与所述样本数据相对应的呼救类型的预测数据;基于与所述样本数据相对应的呼救类型的预测数据以及标注数据,对所述深度学习模型的模型参数进行更新;检测是否满足预设的训练结束条件,如果是,则停止训练,并将训练得到的所述深度学习模型作为所述健康监测模型,如果否,则利用下一个所述训练数据继续训练所述深度学习模型。
在一些可选的实施方式中,紧急程控设备包括一个或多个已验证用户信息,所述紧急程控方法被进一步配置成采用如下方式接收所述触发操作:利用所述交互设备接收待验证用户信息;将所述待验证用户信息分别与每个所述已验证用户信息进行匹配,当所述待验证用户信息与其中一个所述已验证用户信息匹配成功时,停止匹配并接收所述交互设备的触发操作。
在一些可选的实施方式中,所述紧急程控方法还包括:获取附近的一个或多个医疗装置对应的疾病类型;将每个所述医疗装置对应的疾病类型分别与所述患者的疾病类型进行匹配,当至少一个所述医疗装置与所述患者的疾病类型相匹配时,获取所有相匹配的医疗装置对应的音频和/或视频形式的使用说明信息;
利用所述报警装置循环播放所述使用说明信息。
参见图9,本申请实施例还提供了一种紧急程控系统,包括:刺激器20、患者程控器30、医生程控器40和上述实施例中的紧急程控设备10。
所述紧急程控设备10用于向所述患者程控器30发送程控请求,所述患者程控器30根据所述程控请求建立所述医生程控器40与所述刺激器20之间的紧急程控,所述刺激器20用于植入患者脑内以向所述患者递送治疗或感测电活动。
紧急程控系统中的紧急程控设备10的具体实现方式与上述紧急程控设备10的实施例中记载的实施方式、所达到的技术效果一致,部分内容不再赘述。
参见图10,在一些可选的实施方式中,所述紧急程控设备10集成在所述患者程控器30上。
上述实施例中的报警装置、健康监测装置,其中的一个或多个也可以集成设置在患者程控器上,或者单独设置且作为紧急程控系统的一部分,以为患者提供全面的紧急程控保障。
本申请实施例还提供了一种计算机可读存储介质,其具体实现方式与上述方法实施例中记载的实施方式、所达到的技术效果一致,部分内容不再赘述。
该计算机可读存储介质用于存储计算机程序;所述计算机程序被执行时实现本申请实施例中上述方法的步骤。
图11示出了本实施例提供的用于实现上述方法的程序产品300,其可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码,并可以在终端设备,例如个人电脑上运行。然而,本发明的程序产品300不限于此,在本文件中,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。程序产品300可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、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。可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
计算机可读存储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,其中承载了可读程序代码。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。可读存储介质还可以是可读存储介质以外的任何可读介质,该可读介质可以发送、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。可读存储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、有线、光缆、RF等等,或者上述的任意合适的组合。可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码,程序设计语言包括面向对象的程序设计语言诸如Java、C++等,还包括常规的过程式程序设计语言诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器50上执行。在涉及远程计算设备的情形中,远程计算设备可以通过任意种类的网络,包括局域网(LAN)或广域网(WAN),连接到用户计算设备,或者,可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本申请的实施例例如能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“对应于”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
本申请从使用目的上,效能上,进步及新颖性等观点进行阐述,已符合专利法所强调的功能增进及使用要件,本申请以上的说明书及说明书附图,仅为本申请的较佳实施例而已,并非以此局限本申请,因此,凡一切与本申请构造,装置,特征等近似、雷同的,即凡依本申请专利申请范围所作的等同替换或修饰等,皆应属本申请的专利申请保护的范围之内。
Claims (10)
1.一种紧急程控设备,其特征在于,所述紧急程控设备被配置成:
利用交互设备接收触发操作;
响应于所述触发操作,获取刺激器的标识信息,所述标识信息包括刺激器标识和患者标识中的至少一种,所述刺激器用于植入患者体内以向所述患者递送治疗或感测电活动;
向患者程控器发送程控请求,以建立医生程控器与所述刺激器之间的程控连接,所述程控请求包括所述标识信息。
2.根据权利要求1所述的紧急程控设备,其特征在于,所述紧急程控设备还被配置成:
在利用所述交互设备接收所述触发操作之前,利用健康监测装置实时获取所述患者的健康监测数据;
获取所述健康监测数据对应的呼救类型,所述呼救类型用于指示需要呼救或者不需要呼救;
当检测到所述健康监测数据所对应的呼救类型用于指示需要呼救时,利用报警装置发出紧急呼救信号;
所述健康监测装置包括以下至少一种:脑电监测单元、心电监测单元、肌电监测单元、心率监测单元、脉搏监测单元和视觉监测单元。
3.根据权利要求2所述的紧急程控设备,其特征在于,所述紧急程控设备被进一步配置成采用如下方式获取所述健康监测数据对应的呼救类型:
利用健康监测模型对所述健康监测数据进行分类,得到所述健康监测数据对应的呼救类型;
其中,所述健康监测模型的训练过程包括:
获取训练集,所述训练集包括多个训练数据,每个所述训练数据包括一个样本数据及其对应的呼救类型的标注数据,每个所述样本数据是对真实人体进行健康监测得到的或者利用GAN模型的生成网络生成的;
利用所述训练集对预设的深度学习模型进行训练,得到所述健康监测模型。
4.根据权利要求3所述的紧急程控设备,其特征在于,在所述健康监测模型的训练过程中,所述利用所述训练集对预设的深度学习模型进行训练,包括:
针对所述训练集中的每个训练数据,将所述样本数据输入所述深度学习模型,得到与所述样本数据相对应的呼救类型的预测数据;
基于与所述样本数据相对应的呼救类型的预测数据以及标注数据,对所述深度学习模型的模型参数进行更新;
检测是否满足预设的训练结束条件,如果是,则停止训练,并将训练得到的所述深度学习模型作为所述健康监测模型,如果否,则利用下一个所述训练数据继续训练所述深度学习模型。
5.根据权利要求1所述的紧急程控设备,其特征在于,所述紧急程控设备还存储有一个或多个已验证用户信息,所述紧急程控设备被进一步配置成采用如下方式接收所述触发操作:
利用所述交互设备接收待验证用户信息;
将所述待验证用户信息分别与每个所述已验证用户信息进行匹配,当所述待验证用户信息与其中一个所述已验证用户信息匹配成功时,停止匹配并接收所述交互设备的触发操作。
6.根据权利要求2所述的紧急程控设备,其特征在于,所述紧急程控设备还被配置为:
获取附近的一个或多个医疗装置对应的疾病类型;
将每个所述医疗装置对应的疾病类型分别与所述患者的疾病类型进行匹配,当至少一个所述医疗装置与所述患者的疾病类型相匹配时,获取所有相匹配的医疗装置对应的音频和/或视频形式的使用说明信息;
利用所述报警装置循环播放所述使用说明信息。
7.一种紧急程控方法,其特征在于,所述紧急程控方法包括:
利用交互设备接收触发操作;
响应于所述触发操作,获取刺激器的标识信息,所述标识信息包括刺激器标识和患者标识中的至少一种,所述刺激器用于植入患者体内以向所述患者递送治疗或感测电活动;
向患者程控器发送程控请求,以建立医生程控器与所述刺激器之间的程控连接,所述程控请求包括所述标识信息。
8.一种紧急程控系统,其特征在于,包括:刺激器、患者程控器、医生程控器和权利要求1-6任一项所述的紧急程控设备;
所述紧急程控设备用于向所述患者程控器发送程控请求,所述患者程控器用于根据所述程控请求建立所述医生程控器与所述刺激器之间的紧急程控,所述刺激器用于植入患者脑内以向所述患者递送治疗或感测电活动。
9.根据权利要求8所述的紧急程控系统,其特征在于,所述紧急程控设备集成在所述患者程控器上。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现权利要求7所述紧急程控方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210431085.3A CN114781516A (zh) | 2022-04-22 | 2022-04-22 | 紧急程控设备、方法、系统及计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210431085.3A CN114781516A (zh) | 2022-04-22 | 2022-04-22 | 紧急程控设备、方法、系统及计算机可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114781516A true CN114781516A (zh) | 2022-07-22 |
Family
ID=82430558
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210431085.3A Pending CN114781516A (zh) | 2022-04-22 | 2022-04-22 | 紧急程控设备、方法、系统及计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114781516A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114949608A (zh) * | 2022-07-27 | 2022-08-30 | 苏州景昱医疗器械有限公司 | 程控装置、医疗系统及计算机可读存储介质 |
CN115054828A (zh) * | 2022-07-25 | 2022-09-16 | 苏州景昱医疗器械有限公司 | 脉冲发生器、医疗系统及计算机可读存储介质 |
CN115299893A (zh) * | 2022-08-05 | 2022-11-08 | 苏州景昱医疗器械有限公司 | 自诊断设备、程控系统及计算机可读存储介质 |
CN116801258A (zh) * | 2023-08-22 | 2023-09-22 | 北京领创医谷科技发展有限责任公司 | 一种无线通信连接方法、系统、设备及存储介质 |
CN116913499A (zh) * | 2023-07-13 | 2023-10-20 | 北京领创医谷科技发展有限责任公司 | 一种植入式医疗系统和程控方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1613097A (zh) * | 2002-01-08 | 2005-05-04 | 国际商业机器公司 | 用于植入式自动除纤颤器的紧急呼叫和病人定位系统 |
CN102107044A (zh) * | 2010-12-28 | 2011-06-29 | 中国人民解放军第四军医大学唐都医院 | 基于3g网络的脑深部刺激器远程调控方法 |
CN201921317U (zh) * | 2010-11-17 | 2011-08-10 | 鼎迈医疗科技(苏州)有限公司 | 一种远程医生程控器及植入式医疗系统 |
CN110974158A (zh) * | 2019-10-23 | 2020-04-10 | 重庆特斯联智慧科技股份有限公司 | 一种基于深度学习的社区病患识别、呼救方法和系统方法及系统 |
CN114360707A (zh) * | 2021-12-27 | 2022-04-15 | 北京品驰医疗设备有限公司 | 植入式医疗设备远程控制方法、远程程控设备及系统 |
-
2022
- 2022-04-22 CN CN202210431085.3A patent/CN114781516A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1613097A (zh) * | 2002-01-08 | 2005-05-04 | 国际商业机器公司 | 用于植入式自动除纤颤器的紧急呼叫和病人定位系统 |
CN201921317U (zh) * | 2010-11-17 | 2011-08-10 | 鼎迈医疗科技(苏州)有限公司 | 一种远程医生程控器及植入式医疗系统 |
CN102107044A (zh) * | 2010-12-28 | 2011-06-29 | 中国人民解放军第四军医大学唐都医院 | 基于3g网络的脑深部刺激器远程调控方法 |
CN110974158A (zh) * | 2019-10-23 | 2020-04-10 | 重庆特斯联智慧科技股份有限公司 | 一种基于深度学习的社区病患识别、呼救方法和系统方法及系统 |
CN114360707A (zh) * | 2021-12-27 | 2022-04-15 | 北京品驰医疗设备有限公司 | 植入式医疗设备远程控制方法、远程程控设备及系统 |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115054828A (zh) * | 2022-07-25 | 2022-09-16 | 苏州景昱医疗器械有限公司 | 脉冲发生器、医疗系统及计算机可读存储介质 |
CN115054828B (zh) * | 2022-07-25 | 2022-11-01 | 苏州景昱医疗器械有限公司 | 脉冲发生器、医疗系统及计算机可读存储介质 |
CN114949608A (zh) * | 2022-07-27 | 2022-08-30 | 苏州景昱医疗器械有限公司 | 程控装置、医疗系统及计算机可读存储介质 |
WO2024021959A1 (zh) * | 2022-07-27 | 2024-02-01 | 景昱医疗科技(苏州)股份有限公司 | 程控装置、医疗系统及计算机可读存储介质 |
CN115299893A (zh) * | 2022-08-05 | 2022-11-08 | 苏州景昱医疗器械有限公司 | 自诊断设备、程控系统及计算机可读存储介质 |
CN115299893B (zh) * | 2022-08-05 | 2024-01-26 | 景昱医疗科技(苏州)股份有限公司 | 自诊断设备、程控系统及计算机可读存储介质 |
WO2024027781A1 (zh) * | 2022-08-05 | 2024-02-08 | 景昱医疗科技(苏州)股份有限公司 | 自诊断设备、程控系统及计算机可读存储介质 |
CN116913499A (zh) * | 2023-07-13 | 2023-10-20 | 北京领创医谷科技发展有限责任公司 | 一种植入式医疗系统和程控方法 |
CN116801258A (zh) * | 2023-08-22 | 2023-09-22 | 北京领创医谷科技发展有限责任公司 | 一种无线通信连接方法、系统、设备及存储介质 |
CN116801258B (zh) * | 2023-08-22 | 2023-11-21 | 北京领创医谷科技发展有限责任公司 | 一种无线通信连接方法、系统、设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114781516A (zh) | 紧急程控设备、方法、系统及计算机可读存储介质 | |
US12089967B2 (en) | External medical device that identifies a response activity | |
US11577043B2 (en) | Brain stimulation system, method and apparatus based on artificial intelligence and storage medium | |
US12053274B2 (en) | Device administered tests and adaptive interactions | |
US11367519B1 (en) | Systems and methods for precision or personal pharmaceutical dosing | |
CN114949608B (zh) | 程控装置、医疗系统及计算机可读存储介质 | |
CN106575157A (zh) | 穿戴式装置及其控制方法 | |
US20220023584A1 (en) | Artificial intelligence-based non-invasive neural circuit control treatment system and method for improving sleep | |
CN115501481A (zh) | 应急程控设备、医疗系统及计算机可读存储介质 | |
CN114842956B (zh) | 控制设备、医疗系统及计算机可读存储介质 | |
US20200155846A1 (en) | Detection and Treatment of Obstructive Sleep Apnea | |
Richter et al. | Behavioral and neurophysiological signatures of interoceptive enhancements following vagus nerve stimulation | |
WO2023005353A1 (zh) | 基于多模态数据的配置信息获取装置及相关设备 | |
CN115698906A (zh) | 使用检测到的神经相关信号的变化控制设备的系统和方法 | |
US11400294B2 (en) | Method and apparatus for neurostimulation device therapy management | |
WO2024007823A1 (zh) | 体外充电器、程控系统和计算机可读存储介质 | |
CA3188330A1 (en) | Training system with interaction assist feature, training arrangement and training | |
CN106650288A (zh) | 一种温控充电的远程医疗系统参数配置系统 | |
CN106845077A (zh) | 一种远程医疗系统参数配置系统 | |
US20220401739A1 (en) | Cloud-based sensor operation adapted to patient behavior | |
CN114817168A (zh) | 数据存储方法、装置、系统及计算机可读存储介质 | |
EP4360099A1 (en) | Cloud-based patient monitoring system | |
CN107024996A (zh) | 情绪提示设备 | |
CN111760194A (zh) | 一种智能闭环神经调控系统和方法 | |
Coyle et al. | Motor imagery BCI with auditory feedback as a mechanism for assessment and communication in disorders of consciousness |
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 | ||
CB02 | Change of applicant information | ||
CB02 | Change of applicant information |
Address after: 215000 building C16, bio nano Park, 218 Xinghu street, Suzhou Industrial Park, Jiangsu Province Applicant after: Jingyu Medical Technology (Suzhou) Co.,Ltd. Address before: 215000 building C16, bio nano Park, 218 Xinghu street, Suzhou Industrial Park, Jiangsu Province Applicant before: SCENERAY Co.,Ltd. |