CN114864094A - 重症监护室智能控制方法、设备及介质 - Google Patents

重症监护室智能控制方法、设备及介质 Download PDF

Info

Publication number
CN114864094A
CN114864094A CN202210787667.5A CN202210787667A CN114864094A CN 114864094 A CN114864094 A CN 114864094A CN 202210787667 A CN202210787667 A CN 202210787667A CN 114864094 A CN114864094 A CN 114864094A
Authority
CN
China
Prior art keywords
data
sign
patient
state data
danger
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
Application number
CN202210787667.5A
Other languages
English (en)
Inventor
白钢
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.)
Hunan Sunycare Medical Technology Co ltd
Original Assignee
Hunan Sunycare Medical Technology 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 Hunan Sunycare Medical Technology Co ltd filed Critical Hunan Sunycare Medical Technology Co ltd
Priority to CN202210787667.5A priority Critical patent/CN114864094A/zh
Publication of CN114864094A publication Critical patent/CN114864094A/zh
Pending legal-status Critical Current

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
    • 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
    • G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/0205—Simultaneously evaluating both cardiovascular conditions and different types of body conditions, e.g. heart and respiratory condition
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/48—Other medical applications
    • A61B5/4803—Speech analysis specially adapted for diagnostic purposes
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
    • 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
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
    • A61M5/00—Devices for bringing media into the body in a subcutaneous, intra-vascular or intramuscular way; Accessories therefor, e.g. filling or cleaning devices, arm-rests
    • A61M5/14—Infusion devices, e.g. infusing by gravity; Blood infusion; Accessories therefor
    • A61M5/168—Means for controlling media flow to the body or for metering media to the body, e.g. drip meters, counters ; Monitoring media flow to the body
    • A61M5/16831—Monitoring, detecting, signalling or eliminating infusion flow anomalies
    • A61M5/1684—Monitoring, detecting, signalling or eliminating infusion flow anomalies by detecting the amount of infusate remaining, e.g. signalling end of infusion
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
    • A61M5/00—Devices for bringing media into the body in a subcutaneous, intra-vascular or intramuscular way; Accessories therefor, e.g. filling or cleaning devices, arm-rests
    • A61M5/14—Infusion devices, e.g. infusing by gravity; Blood infusion; Accessories therefor
    • A61M5/168—Means for controlling media flow to the body or for metering media to the body, e.g. drip meters, counters ; Monitoring media flow to the body
    • A61M5/16886—Means for controlling media flow to the body or for metering media to the body, e.g. drip meters, counters ; Monitoring media flow to the body for measuring fluid flow rate, i.e. flowmeters
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/01—Dynamic search techniques; Heuristics; Dynamic trees; Branch-and-bound

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Public Health (AREA)
  • Biomedical Technology (AREA)
  • General Health & Medical Sciences (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Veterinary Medicine (AREA)
  • Medical Informatics (AREA)
  • Pathology (AREA)
  • Surgery (AREA)
  • Molecular Biology (AREA)
  • Biophysics (AREA)
  • Physiology (AREA)
  • Theoretical Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • General Physics & Mathematics (AREA)
  • Cardiology (AREA)
  • Hematology (AREA)
  • Anesthesiology (AREA)
  • Mathematical Physics (AREA)
  • Vascular Medicine (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Dentistry (AREA)
  • Fluid Mechanics (AREA)
  • Databases & Information Systems (AREA)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)
  • Computing Systems (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)
  • Computational Linguistics (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Oral & Maxillofacial Surgery (AREA)

Abstract

本发明涉及人工智能技术，揭露一种重症监护室的智能控制方法，包括：根据病人行为数据分析行动监测结果；对病人的生命体征数据进行评估，得到体征评估分数，并根据体征评估分数计算病人的体征危险等级；对病人的辅助治疗设备的状态数据分类，得到状态数据类别，提取每个状态数据类别对应的危险阈值；逐一根据每个状态数据类别对应的危险阈值以及对应的数据进行数值分析，得到状态数据评估结果；当满足体征危险等级大于预设阈值、行动监测结果不符合预设条件和状态数据评估结果为危险中的部分条件时，启动危险预警。本发明还提出一种电子设备及介质。本发明可以重症监护室的智能控制水平。

Description

重症监护室智能控制方法、设备及介质
技术领域
本发明涉及人工智能技术领域，尤其涉及一种重症监护室的智能控制方法、电子设备及计算机可读存储介质。
背景技术
现代重症监护室的临床医疗设备中，有心电检测仪等设备辅助查看病人实时情况，以及通过呼叫铃能够向外预警。然而如今的监护设备都需要人实时观察并且由人发出预警，无法实现自动预警功能；另外，重症监护室一般都配备的摄像监控，但是摄像监控并未与监护设备联动起来，没有实现真正的智能控制。
发明内容
本发明提供一种重症监护室的智能控制方法、电子设备及计算机可读存储介质，其主要目的在于解决重症监护室的智能控制水平不高的问题。
为实现上述目的，本发明提供的一种重症监护室的智能控制方法，包括：
采集病房内的体征检测设备获取的病人的生命体征数据、行为监测设备监测到的行为数据以及辅助治疗设备的状态数据，并根据所述行为数据分析行动监测结果；
利用预构建的体征评估模型对所述生命体征数据进行评估，得到体征评估分数，并根据所述体征评估分数计算得到病人的体征危险等级；
对所述辅助治疗设备的状态数据进行分类，得到多个状态数据类别，并提取每个状态数据类别对应的危险阈值；
逐一根据每个状态数据类别对应的危险阈值以及每个状态数据类别对应的数据进行数值分析，得到状态数据评估结果；
当满足所述体征危险等级大于预设阈值、和所述状态数据评估结果为危险中至少一个条件，且所述行动监测结果不符合预设条件时，启动危险预警。
可选地，所述采集病人的生命体征数据、行为数据以及辅助治疗设备的状态数据，并根据所述行为数据分析行动监测结果，包括：
获取病人的监测数据对应的传输接口，根据所述传输接口抓取所述监测数据；
根据所述传输接口对所述监测数据进行分类，得到生命体征数据、行为数据以及辅助治疗设备的状态数据。
可选地，所述根据所述行为数据分析行动监测结果，包括：
将病人行为数据分类为声纹数据及动作数据；
利用预构建的声纹监测模型识别所述声纹数据，得到声纹波动记录。
根据所述动作数据计算得到病人的动作幅度。
可选地，所述利用预构建的体征评估模型对所述生命体征数据进行评估，得到体征评估分数之前，所述方法还包括：
获取多组生命体征数据，并从每一组所述生命体征数据中逐个选取其中一个体征数据作为目标体征数据；
将所述目标体征数据作为参数对预设的决策函数进行赋值，并利用赋值后的决策函数作为决策条件，生成决策树；
汇集每一组的所有生命体征数据生成的决策树，得到决策树模型，并确定所述决策树模型为体征评估模型。
可选地，所述利用预构建的体征评估模型对所述生命体征数据进行评估，得到体征评估分数，包括：
获取病人的病人信息，根据所述病人信息从所述体征评估模型中选取目标决策树；
从所述生命体征数据中逐个选取其中一个生命体征数据为输入值，并将所述输入值输入至所述目标决策树，利用所述目标决策树的不同级的节点，以及节点分叉后的二级节点对所述生命体征数据进行评估，根据最终不同级节点所组成的路径对应的输出结果得到所述目标决策树输出的体征评估分数。
可选地，所述提取每个状态数据类别对应的危险阈值，包括：
获取预设的危险阈值数据表，从所述状态数据类别选取一个数据类别作为目标类别；
根据所述目标类别在所述危险阈值数据表中的数据标签中检索；
根据检索到的数据标签在所述危险阈值数据表中提取对应的危险阈值。
可选地，所述逐一根据每个状态数据类别对应的危险阈值以及每个状态数据类别对应的数据进行数值分析，得到状态数据评估结果，包括：
从状态数据类别选取其中一个类别作为目标类别，将该目标类别对应的危险阈值作为目标阈值，并将该目标类别对应的数据作为目标数据；
根据所述目标类别获取预设的运算规则，并根据所述运算规则对所述目标数据进行计算；
通过将计算的结果和所述目标阈值进行比较，并将比较的结果作为状态数据评估结果。
为了解决上述问题，本发明还提供一种重症监护室的智能监测装置，所述装置包括：
数据采集模块，用于采集病人的生命体征数据、病人行为数据以及辅助治疗设备的状态数据；
病人行为数据检测模块，用于根据所述行为数据分析行动监测结果；
体征危险等级计算模块，用于利用预构建的体征评估模型对所述生命体征数据进行评估，得到体征评估分数，并根据所述体征评估分数计算得到病人的体征危险等级；
辅助治疗设备的状态数据分析模块，用于对所述辅助治疗设备的状态数据进行行为分类，得到多个状态数据类别，并提取每个状态数据类别对应的危险阈值；逐一根据每个状态数据类别对应的危险阈值以及每个状态数据类别对应的数据进行数值分析，得到状态数据评估结果；
危险预警模块，用于在满足所述体征危险等级大于预设阈值、所述行动监测结果不符合预设条件以及所述状态数据评估结果为危险中至少一个条件时，启动危险预警。
为了解决上述问题，本发明还提供一种电子设备，所述电子设备包括：
至少一个处理器；以及，
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述所述的重症监护室的智能控制方法。
为了解决上述问题，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质中存储有至少一个计算机程序，所述至少一个计算机程序被电子设备中的处理器执行以实现上述所述的重症监护室的智能控制方法。
本发明实施例通过对生命体征数据进行评估，得到体征评估分数，进一步根据体征评估分数计算确认体征危险等级；通过对辅助治疗设备的状态数据进行分类和危险阈值提取，再通过分类的结果和危险阈值进行数值分析，得到状态数据评估结果；通过体征危险等级、行动监测结果和辅助治疗设备的状态数据评估结果三方面实现病人的情况监测，实现了更加多面的监测，提高了重症监护室的智能监控能力。
附图说明
图1为本发明一实施例提供的重症监护室的智能控制方法的流程示意图；
图2为本发明一实施例提供的重症监护室的智能监测装置的功能模块图；
图3为本发明一实施例提供的实现所述重症监护室的智能控制方法的电子设备的结构示意图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅用于解释本发明，并不用于限定本发明。
本申请实施例提供一种重症监护室的智能控制方法。所述重症监护室的智能控制方法的执行主体包括但不限于服务端、终端等能够被配置为执行本申请实施例提供的该方法的电子设备中的至少一种。换言之，所述重症监护室的智能控制方法可以由安装在终端设备或服务端设备的软件或硬件来执行，所述软件可以是区块链平台。所述服务端包括但不限于：单台服务器、服务器集群、云端服务器或云端服务器集群等。所述服务器可以是独立的服务器，也可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(ContentDelivery Network，CDN)、以及大数据和人工智能平台等基础云计算服务的云服务器。
参照图1所示，为本发明一实施例提供的重症监护室的智能控制方法的流程示意图。在本实施例中，所述重症监护室的智能控制方法包括：
S1,采集病房内的体征检测设备获取的病人的生命体征数据、行为监测设备监测到的行为数据以及辅助治疗设备的状态数据，并根据所述行为数据分析行动监测结果；
本发明实施例中，所述生命体征数据可以为病人的脉搏氧饱和度、血压、心率、体温等；所述行为数据可以为病人发出的声音、动作等；所述辅助治疗设备的状态数据可以为病人注射的点滴的滴速、剩余量、病人所插入的尿袋的剩余容量等。
本发明实施例可以利用生命体征仪监测病人的生命体征数据，其中，所述生命体征仪包括，但不限于血压仪、血氧仪、体温检测仪等，如利用夹在病人手指上的血氧仪监测病人的血氧饱和度等。
进一步地，本发明实施例可以利用语音监控（带麦克风的）摄像头监测病人发出的声音，利用手部穿戴设备检测病人手部的动作等，进而得到行为数据。可以理解的是，还可以通过设置在病床上的震动传感器侦测病人是否剧烈抖动，通过设置在病人身上的穿戴式行为监测设备来检测病人是否移动或者抖动等。
进一步地，本发明实施例可以将如滴速监测装置、重量监测装置等监测装置分别对点滴及尿袋等辅助治疗设备进行监测，将监测到的结果作为辅助治疗设备的状态数据。
本发明实施例中，所述采集病人的生命体征数据、行为数据以及辅助治疗设备的状态数据，包括：
获取病人的监测数据对应的传输接口，根据所述传输接口抓取所述监测数据；
根据所述传输接口对所述监测数据进行分类，得到生命体征数据、行为数据以及辅助治疗设备的状态数据。
本发明实施例中，可利用具有数据抓取功能的计算机语句（如java语句、python语句等）、爬虫技术等根据传输接口抓取监测数据；
本发明实施例中，所述监测数据可以预先存储在预构建的存储区域，所述存储区域包括但不限于数据库、区块链节点、网络缓存等。
本发明实施例中，所述传输接口可以根据监测数据的仪器而分为多种类型，不同类型的传输接口可以对应不同类或者同一类数据。例如，血氧仪、血压仪等对应的数据传输接口对应着同一类数据，即生命体征数据。
本发明其中一个实际应用场景中，所述病人可以为刚做完手术的病人，此时病人处于危险状态，各种身体指标都需要监测是否出现异常，且需要随时确认病人是否已经苏醒。其中，所述行为数据可以包含行动数据、语音数据等，该两项数据若发生变动，可以说明病人说话或者病人发出行动，即表明病人有苏醒迹象。
本发明实施例中，所述根据所述行为数据分析行动监测结果，包括：
将病人行为数据分类为声纹数据及动作数据；
利用预构建的声纹监测模型识别所述声纹数据，得到声纹波动记录。
根据所述动作数据计算得到病人的动作幅度。
本发明实施例中，病人在临床存在较多虚弱的情况，通过进行声纹分析而不是语音分析来确认病人的声音反映会更适合一些；所述动作数据可以包括由动作监测装置（例如手部穿戴设备）中的陀螺仪、加速度监测仪等监测得到手部的第一行为数据（即陀螺仪偏转数据）和第二行为数据（即加速度数据），对所述第一行为数据和所述第二行为数据计算得到病人的动作幅度，进而确定病人是否发出动作或者发出的动作是否超过预期幅度，例如在病人摔倒等情况时，计算得到的动作幅度则会超过预设幅度。
S2,利用预构建的体征评估模型对所述生命体征数据进行评估，得到体征评估分数，并根据所述体征评估分数计算得到病人的体征危险等级；
本发明实施例中，所述体征评估模型可以用于评估生命体征数据所对应的危险情况，所述体征评估模型可以为神经网络模型、决策树模型等。本发明较佳实施例中，所述体征评估模型为多颗决策树组成。
本发明实施例中，所述利用预构建的体征评估模型对所述生命体征数据进行评估，得到体征评估分数，包括：
获取病人的病人信息，根据所述病人信息从所述体征评估模型中选取目标决策树；
从所述生命体征数据中逐个选取其中一个生命体征数据为输入值，并将所述输入值输入至所述目标决策树，利用所述目标决策树的不同级的节点，以及节点分叉后的二级节点对所述生命体征数据进行评估，根据最终不同级节点所组成的路径对应的输出结果得到所述目标决策树输出的体征评估分数。
本发明实施例中，所述病人信息包括病人的病情、病人状况等，所述决策树可以为根据病情和病人情况综合分析得到的结果而选择到的，所述决策树中的各级节点与该分析得到的结果相对于。例如，存在一位病人信息为心血管病、刚手术结束，根据该病情信息得到的决策树可以为针对于刚做完手术的心血管病人的生命体征数据所构建的。
本发明另一可选实施例中，可以根据生命体征数据在预设的体征评分表中提取对应的评分，再对提取到的评分进行运算，得到体征评估分数。
本发明实施例中，所述利用预构建的体征评估模型对所述生命体征数据进行评估，得到体征评估分数之前，所述方法还可以包括：
获取多组生命体征数据，并从每一组所述生命体征数据中逐个选取其中一个体征数据作为目标体征数据；
将所述目标体征数据作为参数对预设的决策函数进行赋值，并利用赋值后的决策函数作为决策条件，生成决策树；
汇集每一组的所有生命体征数据生成的决策树，得到决策树模型，并确定所述决策树模型为体征评估模型。
本发明实施例中，所述多组生命体征数据可以为不同病人病情所对应的生命体征数据，从多组生命体征数据中选取一组作为目标生命体征数据，可以根据该目标生命体征数据构建目标病情的多个节点，通过多个节点的构建进而构成目标决策树。
本发明实施例中，所述决策树模型中的决策树可以根据病人的临床状况和具体病情所对应的生命体征数据的不同而不同。
示例性地，所述决策函数可以为：
Figure 902242DEST_PATH_IMAGE001
其中，f（x）为所述决策函数的输出值，x为所述决策函数的参数，g（y）为所述决策函数的输入值。
详细地，本发明实施例可从每一组所述生命体征数据中逐个选取其中一个体征数据作为目标体征数据，利用该目标体征特征对所述决策函数的参数
Figure 828610DEST_PATH_IMAGE002
进行赋值，并将赋值后的决策函数作为决策条件生成如下决策树：
当所述决策树的输入值g（y）与所述决策树的参数
Figure 846244DEST_PATH_IMAGE002
相同时，该决策树输出值f（x）=a；
当所述决策树的输入至g（y）与所述决策树的参数
Figure 573767DEST_PATH_IMAGE002
不相同时，该决策树输出值f（x）=β。
本发明实施例中，可利用并联或者串联的方式将每一组的所有生命体征数据生成的决策树进行汇集，得到体征评估模型。
本发明实施例中，根据体征评估分数可以将病人身体情况按照体征危险等级进行划分，进而表示病人的临床情况。
本发明实施例中，可以利用预设的体征危险等级表确定所述体征评估分数对应的体征危险等级。例如，存在第一体征危险等级、第二体征危险等级和第三体征危险等级，第一体征危险等级对应的体征评估分数为[100，80）、第二体征危险等级对应的体征评估分数为[80~60）、第三体征危险等级对应的体征评估分数为[60~0），若病人A的体征评估分数为80，则病人A对应的体征危险等级为第二体征危险等级，体征危险等级的数字越低表示病人对应的危险等级越高，也说明病人的情况越危险。
S3,对所述辅助治疗设备的状态数据进行分类，得到多个状态数据类别，并提取每个状态数据类别对应的危险阈值；
本发明实施例中，所述辅助治疗设备的状态数据可以根据不同的传输接口将监测的辅助治疗设备的状态数据分类不同数据类别，例如，点滴的滴速、点滴的剩余量、尿袋的剩余容量等。
本发明实施例中，辅助治疗设备的状态数据在获取时由于接口不同可以单独获取，每种类型的辅助治疗设备的状态数据具有对应的标签，该对应的标签即代表状态类别。
例如，存在第一辅助治疗设备的状态数据、第二辅助治疗设备的状态数据和第三辅助治疗设备的状态数据，其中第一辅助治疗设备的状态数据、第二辅助治疗设备的状态数据和第三辅助治疗设备的状态数据对应的数据来源标签分别为点滴的滴速监测、点滴的剩余量监测、点滴的滴速监测，根据上述三个数据来源标签进行统计，即得到点滴的滴速监测数据类和点滴的剩余量监测数据两种类别。
本发明实施例中，每一种状态数据类别都可以存在预先设置的危险阈值，在确定状态数据类别后，可以直接根据该状态数据类别提取对应的危险阈值。
本发明实施例中，所述提取每个状态数据类别对应的危险阈值，包括：
获取预设的危险阈值数据表，从所述状态数据类别选取一个数据类别作为目标类别；
根据所述目标类别在所述危险阈值数据表中的数据标签中检索；
根据检索到的数据标签在所述危险阈值数据表中提取对应的危险阈值。
例如，假设点滴的滴速对应的危险阈值为60滴/分，在确定状态数据类别为点滴的滴速监测数据类后，根据该状态数据类别即可提取到对应的危险阈值为60滴/分。
S4,逐一根据每个状态数据类别对应的危险阈值以及每个状态数据类别对应的数据进行数值分析，得到状态数据评估结果；
详细地，本发明实施例从所述状态数据类别选取其中一个类别作为目标类别，将该目标类别对应的危险阈值作为目标阈值，并将该目标类别对应的数据作为目标数据；根据所述目标类别获取预设的运算规则，并根据所述运算规则对所述目标数据进行计算，并将计算的结果和所述目标阈值进行比较，并将比较的结果作为状态数据评估结果。
本发明实施例中，所述状态数据评估结果可以为危险或者不危险，若状态数据类别中任意一个数据类别对应的数值分析结果为危险，那么辅助治疗设备的状态数据的分析结果都为危险；若选取的目标类别分析得到为不危险时，那么辅助治疗设备的状态数据评估结果都为不危险。
例如，假设目标类别为点滴的滴速监测数据类，提取对应的滴速运算规则，根据该运算规则对点滴的滴速监测数据进行计算，得到实际滴速为65滴/分，而点滴的滴速对应的危险阈值为60滴/分，因此确认最终得到的数值分析的结果为危险。
S5,当满足所述体征危险等级大于预设阈值、所述行动监测结果不符合预设条件以及所述状态数据评估结果为危险中至少一个条件时，启动危险预警。
优选的，当满足所述体征危险等级大于预设阈值、和所述状态数据评估结果为危险中至少一个条件，且所述行动监测结果不符合预设条件时，启动危险预警。
本发明实施例中，在临床上出现任何一种规定条件之外的情况都为意外情况，需要及时查看，因此在满足所述体征危险等级大于预设阈值、行动监测结果符合预设条件以及数值分析的结果为危险中至少一个条件时，都需要启动危险预警。
本发明其中一个实际应用场景中，启动危险预警可以为向看护家属发送预警或者向护士站发送预警报告，以提醒及时赶往病人身边查看具体情况。
本发明实施例中，行动监测结果可以包含有多个监测结果，例如关于声纹监测的第一监测结果、关于动作幅度监测的第二监测结果等，每一个监测结果可以对应的不同的预设条件，当满足第一监测结果不符合第一预设条件、第二监测结果不符合第二预设条件中至少一种情况时，判定所述行动监测结果不符合预设条件。
例如，所述第一监测结果为声纹监测结果，对于的第一预设条件可以为声纹不发生连续波动，在声纹监测结果为发生连续波动时，即说明第一监测结果不符合第一预设条件；所述第二监测结果为动作幅度监测结果，对于的第二预设条件可以为动作幅度值小于10，在动作幅度监测结果大于10时，即说明第二监测结果不符合第二预设条件。
本发明一可选实施例中，可以将行动监测结果、体征评估分数和状态数据评估结果等进行客户端显示，便于看护人员了解病人的实时情况。
本发明实施例通过对生命体征数据进行评估，得到体征评估分数，进一步根据体征评估分数计算确认体征危险等级；通过对辅助治疗设备的状态数据进行分类和危险阈值提取，再通过分类的结果和危险阈值进行数值分析，得到状态数据评估结果；通过体征危险等级、行动监测结果和辅助治疗设备的状态数据评估结果三方面实现病人的情况监测，实现了更加多面的监测，提高了病人临床的安全性并且降低了陪护人员的工作强度。因此本发明提出的重症监护室的智能控制方法、装置、电子设备及计算机可读存储介质，可以降低陪护人员的工作强度和医疗事故的发生率。
如图2所示，是本发明一实施例提供的重症监护室的智能监测装置的功能模块图。
本发明所述重症监护室的智能监测装置100可以安装于电子设备中。根据实现的功能，所述重症监护室的智能监测装置100可以包括数据采集模块101、病人行为数据检测模块102、体征危险等级计算模块103、辅助治疗设备的状态数据分析模块104及危险预警模块105。本发明所述模块也可以称之为单元，是指一种能够被电子设备处理器所执行，并且能够完成固定功能的一系列计算机程序段，其存储在电子设备的存储器中。
在本实施例中，关于各模块/单元的功能如下：
所述数据采集模块101，用于采集病人的生命体征数据、病人行为数据以及辅助治疗设备的状态数据；
所述病人行为数据检测模块102，用于根据所述行为数据分析行动监测结果；
所述体征危险等级计算模块103，用于利用预构建的体征评估模型对所述生命体征数据进行评估，得到体征评估分数，并根据所述体征评估分数计算得到病人的体征危险等级；
所述辅助治疗设备的状态数据分析模块104，用于对所述辅助治疗设备的状态数据进行行为分类，得到多个状态数据类别，并提取每个状态数据类别对应的危险阈值；逐一根据每个状态数据类别对应的危险阈值以及每个状态数据类别对应的数据进行数值分析，得到状态数据评估结果；
所述危险预警模块105，用于在满足所述体征危险等级大于预设阈值、所述行动监测结果不符合预设条件以及所述状态数据评估结果为危险中至少一个条件时，启动危险预警。优选的，当满足所述体征危险等级大于预设阈值、和所述状态数据评估结果为危险中至少一个条件，且所述行动监测结果不符合预设条件时，启动危险预警。
详细地，本发明实施例中所述重症监护室的智能监测装置100中所述的各模块在使用时采用与上述图1至图3中所述的重症监护室的智能控制方法一样的技术手段，并能够产生相同的技术效果，这里不再赘述。
如图3所示，是本发明一实施例提供的实现重症监护室的智能控制方法的电子设备的结构示意图。
所述电子设备1可以包括处理器10、存储器11、通信总线12以及通信接口13，还可以包括存储在所述存储器11中并可在所述处理器10上运行的计算机程序，如重症监护室的智能监测程序。
其中，所述处理器10在一些实施例中可以由集成电路组成，例如可以由单个封装的集成电路所组成，也可以是由多个相同功能或不同功能封装的集成电路所组成，包括一个或者多个中央处理器（Central Processing unit，CPU）、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述处理器10是所述电子设备的控制核心（ControlUnit），利用各种接口和线路连接整个电子设备的各个部件，通过运行或执行存储在所述存储器11内的程序或者模块（例如执行重症监护室的智能监测程序等），以及调用存储在所述存储器11内的数据，以执行电子设备的各种功能和处理数据。
所述存储器11至少包括一种类型的可读存储介质，所述可读存储介质包括闪存、移动硬盘、多媒体卡、卡型存储器（例如：SD或DX存储器等）、磁性存储器、磁盘、光盘等。所述存储器11在一些实施例中可以是电子设备的内部存储单元，例如该电子设备的移动硬盘。所述存储器11在另一些实施例中也可以是电子设备的外部存储设备，例如电子设备上配备的插接式移动硬盘、智能存储卡（Smart Media Card， SMC）、安全数字（Secure Digital，SD）卡、闪存卡（Flash Card）等。进一步地，所述存储器11还可以既包括电子设备的内部存储单元也包括外部存储设备。所述存储器11不仅可以用于存储安装于电子设备的应用软件及各类数据，例如重症监护室的智能监测程序的代码等，还可以用于暂时地存储已经输出或者将要输出的数据。
所述通信总线12可以是外设部件互连标准（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。该总线可以分为地址总线、数据总线、控制总线等。所述总线被设置为实现所述存储器11以及至少一个处理器10等之间的连接通信。
所述通信接口13用于上述电子设备与其他设备之间的通信，包括网络接口和用户接口。可选地，所述网络接口可以包括有线接口和/或无线接口（如WI-FI接口、蓝牙接口等），通常用于在该电子设备与其他电子设备之间建立通信连接。所述用户接口可以是显示器（Display）、输入单元（比如键盘（Keyboard）），可选地，用户接口还可以是标准的有线接口、无线接口。可选地，在一些实施例中，显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED（Organic Light-Emitting Diode，有机发光二极管）触摸器等。其中，显示器也可以适当的称为显示屏或显示单元，用于显示在电子设备中处理的信息以及用于显示可视化的用户界面。
图3仅示出了具有部件的电子设备，本领域技术人员可以理解的是，图3示出的结构并不构成对所述电子设备1的限定，可以包括比图示更少或者更多的部件，或者组合某些部件，或者不同的部件布置。
例如，尽管未示出，所述电子设备还可以包括给各个部件供电的电源（比如电池），优选地，电源可以通过电源管理装置与所述至少一个处理器10逻辑相连，从而通过电源管理装置实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述电子设备还可以包括多种传感器、蓝牙模块、Wi-Fi模块等，在此不再赘述。
应该了解，所述实施例仅为说明之用，在专利申请范围上并不受此结构的限制。
所述电子设备1中的所述存储器11存储的重症监护室的智能监测程序是多个指令的组合，在所述处理器10中运行时，可以实现：
采集病房内的体征检测设备获取的病人的生命体征数据、行为监测设备监测到的行为数据以及辅助治疗设备的状态数据，并根据所述行为数据分析行动监测结果；
利用预构建的体征评估模型对所述生命体征数据进行评估，得到体征评估分数，并根据所述体征评估分数计算得到病人的体征危险等级；
对所述辅助治疗设备的状态数据进行分类，得到多个状态数据类别，并提取每个状态数据类别对应的危险阈值；
逐一根据每个状态数据类别对应的危险阈值以及每个状态数据类别对应的数据进行数值分析，得到状态数据评估结果；
当满足所述体征危险等级大于预设阈值、和所述状态数据评估结果为危险中至少一个条件，且所述行动监测结果不符合预设条件时，启动危险预警。优选的，当满足所述体征危险等级大于预设阈值、和所述状态数据评估结果为危险中至少一个条件，且所述行动监测结果不符合预设条件时，启动危险预警。
具体地，所述处理器10对上述指令的具体实现方法可参考附图对应实施例中相关步骤的描述，在此不赘述。
进一步地，所述电子设备1集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读存储介质中。所述计算机可读存储介质可以是易失性的，也可以是非易失性的。例如，所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器（ROM，Read-Only Memory）。
本发明还提供一种计算机可读存储介质，所述可读存储介质存储有计算机程序，所述计算机程序在被电子设备的处理器所执行时，可以实现：
采集病房内的体征检测设备获取的病人的生命体征数据、行为监测设备监测到的行为数据以及辅助治疗设备的状态数据，并根据所述行为数据分析行动监测结果；
利用预构建的体征评估模型对所述生命体征数据进行评估，得到体征评估分数，并根据所述体征评估分数计算得到病人的体征危险等级；
对所述辅助治疗设备的状态数据进行分类，得到多个状态数据类别，并提取每个状态数据类别对应的危险阈值；
逐一根据每个状态数据类别对应的危险阈值以及每个状态数据类别对应的数据进行数值分析，得到状态数据评估结果；
当满足所述体征危险等级大于预设阈值、和所述状态数据评估结果为危险中至少一个条件，且所述行动监测结果不符合预设条件时，启动危险预警。
在本发明所提供的几个实施例中，应该理解到，所揭露的设备，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能模块的形式实现。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。
因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。
本发明所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain)，本质上是一个去中心化的数据库，是一串使用密码学方法相关联产生的数据块，每一个数据块中包含了一批次网络交易的信息，用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
本申请实施例可以基于人工智能技术对相关的数据进行获取和处理。其中，人工智能（Artificial Intelligence，AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。
此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。系统权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第一、第二等词语用来表示名称，而并不表示任何特定的顺序。
最后应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或等同替换，而不脱离本发明技术方案的精神和范围。

Claims (9)

1.一种基于多维数据分析的重症监护室智能控制方法，其特征在于，所述方法包括：
S1,采集病房内的体征检测设备获取的病人的生命体征数据、行为监测设备监测到的行为数据以及辅助治疗设备的状态数据，并根据所述行为数据分析行动监测结果；其中，所述行为监测设备包括摄像头、麦克风、穿戴式行为监测设备或者设置于病床上的震动传感器中的一个或者多个；
S2,利用预构建的体征评估模型对所述生命体征数据进行评估，得到体征评估分数，并根据所述体征评估分数计算得到病人的体征危险等级；
S3,对所述辅助治疗设备的状态数据进行分类，得到多个状态数据类别，并提取每个状态数据类别对应的危险阈值；
S4,逐一根据每个状态数据类别对应的危险阈值以及每个状态数据类别对应的数据进行数值分析，得到状态数据评估结果；
S5,当满足所述体征危险等级大于预设阈值、和所述状态数据评估结果为危险中至少一个条件，且所述行动监测结果不符合预设条件时，启动危险预警。
2.如权利要求1所述的重症监护室的智能控制方法，其特征在于，所述采集病人的生命体征数据、行为数据以及辅助治疗设备的状态数据，并根据所述行为数据分析行动监测结果，包括：
获取病人的监测数据对应的传输接口，根据所述传输接口抓取所述监测数据；
根据所述传输接口对所述监测数据进行分类，得到生命体征数据、行为数据以及辅助治疗设备的状态数据。
3.如权利要求1所述的重症监护室的智能控制方法，其特征在于，所述根据所述行为数据分析行动监测结果，包括：
将病人行为数据分类为声纹数据及动作数据；
利用预构建的声纹监测模型识别所述声纹数据，得到声纹波动记录；
根据所述动作数据计算得到病人的动作幅度。
4.如权利要求1所述的重症监护室的智能控制方法，其特征在于，所述利用预构建的体征评估模型对所述生命体征数据进行评估，得到体征评估分数之前，所述方法还包括：
获取多组生命体征数据，并从每一组所述生命体征数据中逐个选取其中一个体征数据作为目标体征数据；
将所述目标体征数据作为参数对预设的决策函数进行赋值，并利用赋值后的决策函数作为决策条件，生成决策树；
汇集每一组的所有生命体征数据生成的决策树，得到决策树模型，并确定所述决策树模型为体征评估模型。
5.如权利要求4所述的重症监护室的智能控制方法，其特征在于，所述利用预构建的体征评估模型对所述生命体征数据进行评估，得到体征评估分数，包括：
获取病人的病人信息，根据所述病人信息从所述体征评估模型中选取目标决策树；
从所述生命体征数据中逐个选取其中一个生命体征数据为输入值，并将所述输入值输入至所述目标决策树，利用所述目标决策树的不同级的节点，以及节点分叉后的二级节点对所述生命体征数据进行评估，根据最终不同级节点所组成的路径对应的输出结果得到所述目标决策树输出的体征评估分数。
6.如权利要求1所述的重症监护室的智能控制方法，其特征在于，所述提取每个状态数据类别对应的危险阈值，包括：
获取预设的危险阈值数据表，从所述状态数据类别选取一个数据类别作为目标类别；
根据所述目标类别在所述危险阈值数据表中的数据标签中检索；
根据检索到的数据标签在所述危险阈值数据表中提取对应的危险阈值。
7.如权利要求1至6中任一项所述的重症监护室的智能控制方法，其特征在于，所述逐一根据每个状态数据类别对应的危险阈值以及每个状态数据类别对应的数据进行数值分析，得到状态数据评估结果，包括：
从状态数据类别选取其中一个类别作为目标类别，将该目标类别对应的危险阈值作为目标阈值，并将该目标类别对应的数据作为目标数据；
根据所述目标类别获取预设的运算规则，并根据所述运算规则对所述目标数据进行计算；
通过将计算的结果和所述目标阈值进行比较，并将比较的结果作为状态数据评估结果。
8.一种电子设备，其特征在于，所述电子设备包括：
至少一个处理器；以及，
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行如权利要求1至7中任意一项所述的重症监护室的智能控制方法。
9.一种计算机可读存储介质，存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7中任意一项所述的重症监护室的智能控制方法。
CN202210787667.5A 2022-07-06 2022-07-06 重症监护室智能控制方法、设备及介质 Pending CN114864094A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210787667.5A CN114864094A (zh) 2022-07-06 2022-07-06 重症监护室智能控制方法、设备及介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210787667.5A CN114864094A (zh) 2022-07-06 2022-07-06 重症监护室智能控制方法、设备及介质

Publications (1)

Publication Number Publication Date
CN114864094A true CN114864094A (zh) 2022-08-05

Family

ID=82625950

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210787667.5A Pending CN114864094A (zh) 2022-07-06 2022-07-06 重症监护室智能控制方法、设备及介质

Country Status (1)

Country Link
CN (1) CN114864094A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116312958A (zh) * 2023-05-24 2023-06-23 成都市龙泉驿区中医医院 一种麻醉风险预警系统、应急管理系统及方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105709302A (zh) * 2016-04-21 2016-06-29 青岛大学 一种带有输液监控的医疗系统
CN111009322A (zh) * 2019-10-21 2020-04-14 四川大学华西医院 围术期风险评估和临床决策智能辅助系统
CN114300130A (zh) * 2020-10-07 2022-04-08 八乐梦床业株式会社 床系统

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105709302A (zh) * 2016-04-21 2016-06-29 青岛大学 一种带有输液监控的医疗系统
CN111009322A (zh) * 2019-10-21 2020-04-14 四川大学华西医院 围术期风险评估和临床决策智能辅助系统
CN114300130A (zh) * 2020-10-07 2022-04-08 八乐梦床业株式会社 床系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
徐远达等: "对重症SARS预警因子和高危因素的探讨", 《中国危重病急救医学》 *
莫庸等: "基于智能健康管理App的妊娠期评估与干预", 《健康研究》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116312958A (zh) * 2023-05-24 2023-06-23 成都市龙泉驿区中医医院 一种麻醉风险预警系统、应急管理系统及方法
CN116312958B (zh) * 2023-05-24 2023-09-15 成都市龙泉驿区中医医院 一种麻醉风险预警系统、应急管理系统及方法

Similar Documents

Publication Publication Date Title
Yang et al. Lifelogging data validation model for internet of things enabled personalized healthcare
CN100563744C (zh) 用于在镇静和止痛系统中提供趋势分析的系统
US7967749B2 (en) Monitoring system and method using rules
CN112614578B (zh) 医生智能推荐方法、装置、电子设备及存储介质
CN111329459A (zh) 一种改良的患者生命体征监测预警评分方法
CN114334175B (zh) 医院疫情监测方法、装置、计算机设备及存储介质
CN107391901A (zh) 建立普通病房患者病情评估模型的方法和服务器
CN114864094A (zh) 重症监护室智能控制方法、设备及介质
Parvathy et al. Automated internet of medical things (IoMT) based healthcare monitoring system
CN113887463A (zh) 一种icu病房监控方法、装置、电子设备及介质
CN112530602A (zh) 药品副作用分析方法、装置、电子设备及计算机存储介质
CN116719891A (zh) 中医信息分组聚类方法、装置、设备及计算机存储介质
CN115565673A (zh) 基于大数据的术后伤口感染的医疗预测系统
CN109712715A (zh) 一种生理数据的评分处理方法及装置
Ramesh et al. An intelligent decision support system for enhancing an m-health application
CN113724891A (zh) 医院疫情监测方法、装置及相关设备
CN114388125A (zh) 基于人机交互的体质辨识方法、系统及存储介质
KR102229909B1 (ko) 사용자 빅데이터를 활용한 사고위험 예측방법 및 장치
CN113349746A (zh) 一种生命体征监测报警系统
Valsalan et al. Remote healthcare monitoring using expert system
CN113855570B (zh) 帕金森病服药提醒方法、系统、电子设备及存储介质
Veeramanikandasamy et al. Smart Vital Signs Monitoring System for Covid-19 Patients in Quarantine
Helmy et al. Internet of Things (IoT) for cardiac patients: A comparative study
CN117838072B (zh) 智能床垫的心血管疾病监控方法、装置、设备及存储介质
CN116130117B (zh) 基于Access数据库实现抗凝药物用药的管理方法及装置

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20220805

RJ01 Rejection of invention patent application after publication