CN116570283A - 一种围手术期患者情绪监测系统及方法 - Google Patents
一种围手术期患者情绪监测系统及方法 Download PDFInfo
- Publication number
- CN116570283A CN116570283A CN202310460859.XA CN202310460859A CN116570283A CN 116570283 A CN116570283 A CN 116570283A CN 202310460859 A CN202310460859 A CN 202310460859A CN 116570283 A CN116570283 A CN 116570283A
- Authority
- CN
- China
- Prior art keywords
- patient
- emotion
- data
- processing module
- physiological state
- 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
- 230000008451 emotion Effects 0.000 title claims abstract description 252
- 238000000034 method Methods 0.000 title claims abstract description 69
- 238000012544 monitoring process Methods 0.000 title claims abstract description 37
- 238000012545 processing Methods 0.000 claims abstract description 126
- 230000035790 physiological processes and functions Effects 0.000 claims abstract description 101
- 230000002996 emotional effect Effects 0.000 claims description 99
- 238000001356 surgical procedure Methods 0.000 claims description 52
- 230000008569 process Effects 0.000 claims description 32
- 238000012954 risk control Methods 0.000 claims description 26
- 230000036651 mood Effects 0.000 claims description 21
- 238000011156 evaluation Methods 0.000 claims description 19
- 238000009826 distribution Methods 0.000 claims description 4
- 238000012216 screening Methods 0.000 claims description 2
- 239000004973 liquid crystal related substance Substances 0.000 claims 10
- 238000012423 maintenance Methods 0.000 claims 4
- 230000008859 change Effects 0.000 abstract description 35
- 230000000474 nursing effect Effects 0.000 abstract description 23
- 230000004630 mental health Effects 0.000 abstract description 4
- 230000002411 adverse Effects 0.000 description 10
- 208000019901 Anxiety disease Diseases 0.000 description 9
- 230000036506 anxiety Effects 0.000 description 9
- 230000001815 facial effect Effects 0.000 description 9
- 238000002360 preparation method Methods 0.000 description 8
- 238000004458 analytical method Methods 0.000 description 7
- 238000004422 calculation algorithm Methods 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 5
- 230000007547 defect Effects 0.000 description 5
- 230000002980 postoperative effect Effects 0.000 description 5
- 206010027951 Mood swings Diseases 0.000 description 4
- 238000005312 nonlinear dynamic Methods 0.000 description 4
- 238000011084 recovery Methods 0.000 description 4
- 230000001953 sensory effect Effects 0.000 description 4
- 206010027940 Mood altered Diseases 0.000 description 3
- 230000008901 benefit Effects 0.000 description 3
- 230000036772 blood pressure Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 230000000295 complement effect Effects 0.000 description 3
- 230000009977 dual effect Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000008909 emotion recognition Effects 0.000 description 3
- 238000000605 extraction Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000007246 mechanism Effects 0.000 description 3
- 230000003340 mental effect Effects 0.000 description 3
- 238000011002 quantification Methods 0.000 description 3
- 208000013875 Heart injury Diseases 0.000 description 2
- 206010022998 Irritability Diseases 0.000 description 2
- 208000027418 Wounds and injury Diseases 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 210000004556 brain Anatomy 0.000 description 2
- 230000006378 damage Effects 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 238000012217 deletion Methods 0.000 description 2
- 230000037430 deletion Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 2
- 230000006397 emotional response Effects 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 230000004927 fusion Effects 0.000 description 2
- 208000014674 injury Diseases 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 230000036407 pain Effects 0.000 description 2
- 230000029058 respiratory gaseous exchange Effects 0.000 description 2
- 230000001020 rhythmical effect Effects 0.000 description 2
- 238000012502 risk assessment Methods 0.000 description 2
- 230000000638 stimulation Effects 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 239000013598 vector Substances 0.000 description 2
- 206010002091 Anaesthesia Diseases 0.000 description 1
- 101100261000 Caenorhabditis elegans top-3 gene Proteins 0.000 description 1
- 206010013954 Dysphoria Diseases 0.000 description 1
- 206010020772 Hypertension Diseases 0.000 description 1
- 206010067268 Post procedural infection Diseases 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000037005 anaesthesia Effects 0.000 description 1
- 230000003444 anaesthetic effect Effects 0.000 description 1
- 230000002902 bimodal effect Effects 0.000 description 1
- 239000008280 blood Substances 0.000 description 1
- 210000004369 blood Anatomy 0.000 description 1
- 230000023555 blood coagulation Effects 0.000 description 1
- 230000000739 chaotic effect Effects 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 238000013499 data model Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000035475 disorder Diseases 0.000 description 1
- 230000035622 drinking Effects 0.000 description 1
- 238000013399 early diagnosis Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000012854 evaluation process Methods 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 230000005281 excited state Effects 0.000 description 1
- 238000005429 filling process Methods 0.000 description 1
- 210000001035 gastrointestinal tract Anatomy 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 208000011977 language disease Diseases 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 230000007510 mood change Effects 0.000 description 1
- 210000003205 muscle Anatomy 0.000 description 1
- 210000005036 nerve Anatomy 0.000 description 1
- 238000012567 pattern recognition method Methods 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000004393 prognosis Methods 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 108090000623 proteins and genes Proteins 0.000 description 1
- 102000004169 proteins and genes Human genes 0.000 description 1
- 230000009323 psychological health Effects 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 230000000391 smoking effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000004659 sterilization and disinfection Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000012795 verification 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
- A61B5/16—Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state
- A61B5/165—Evaluating the state of mind, e.g. depression, anxiety
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/316—Modalities, i.e. specific diagnostic methods
- A61B5/318—Heart-related electrical modalities, e.g. electrocardiography [ECG]
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/316—Modalities, i.e. specific diagnostic methods
- A61B5/369—Electroencephalography [EEG]
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/316—Modalities, i.e. specific diagnostic methods
- A61B5/389—Electromyography [EMG]
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
- A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
- A61B5/6802—Sensor mounted on worn items
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Animal Behavior & Ethology (AREA)
- Heart & Thoracic Surgery (AREA)
- Veterinary Medicine (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Surgery (AREA)
- Physics & Mathematics (AREA)
- Molecular Biology (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Medical Informatics (AREA)
- Psychiatry (AREA)
- Psychology (AREA)
- Developmental Disabilities (AREA)
- Child & Adolescent Psychology (AREA)
- Social Psychology (AREA)
- Hospice & Palliative Care (AREA)
- Educational Technology (AREA)
- Cardiology (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
本发明涉及一种围手术期患者情绪监测系统及方法。系统包括:传感模块,用于采集患者的生理状态数据和图像数据;还包括处理模块。所述处理模块基于所述传感模块采集的生理状态数据和图像数据监测患者的情绪;其中,所述处理模块被配置为:按照与所述生理状态数据和图像数据对应的关联信息将所述生理状态数据和图像数据转化为至少一个用于表征患者情绪的情绪特征,将至少一个所述情绪特征与数据库中对应的阈值数据进行比较以输出情绪照护措施的若干个等级。本发明基于设置的传感模块的数据反馈并结合围手术期特征,监测围手术期内患者情绪变化,为患者情绪护理提供数据支持以及提出相关护理建议,保证患者术前心理健康和术后身体康复。
Description
技术领域
本发明涉及医疗监测与评估技术领域,尤其涉及一种围手术期患者情绪监测系统及方法。
背景技术
围手术期是围绕手术的一个全过程,从患者决定接受手术治疗开始,到手术治疗直至基本康复,包含手术前、手术中及手术后的一段时间。围手术期患者常因对手术信息不了解、担忧个人病情等因素出现焦虑、抑郁等不良情绪。现有技术中,由于围手术期患者的特殊性,患者往往需要进行心理和生理上的双重准备。但是由于患者对手术信息不了解、担忧个人病情等因素极易出现焦虑、抑郁等不良情绪,如何有效评估、测量患者此类不良情绪还有待探索。目前现有技术常用的方法更倾向于使用评估量表对患者不良情绪进行评估,但是存在可观性不足、易受评估者经验影响等不足。
中国专利CN110517770B公开了一种基于贝叶斯网络和效用体系的围手术期危重不良事件干预决策方法,属于人工智能及其医疗应用领域,包括步骤:S1:构建围手术期危重不良事件干预措施集;S2:为每种干预措施赋予效用值,形成干预措施效用体系;S3:针对干预措施,构建专家知识库;S4;形成多种组合干预方案;S5:基于患者临床病例数据及来源与专家知识,构建围手术期危重不良事件干预的贝叶斯网络模型;S6:针对单个患者,输入围手术期的数据信息,作为贝叶斯网络模型的数据证据,执行贝叶斯网络推理,得到每种干预措施是否采取的概率值;S7:计算每种组合方案的总体效用值;S8:选取总体效用值Top-3的组合方案,作为干预决策方案的推荐结果。
中国专利CN109934415B公开了一种基于跨模态深度学习的围术期危重事件预测方法,属于人工智能与医疗应用领域。该方法包括步骤1.构建多模态医疗监护数据集;2.患者监护数据与个性化数据双模态融合特征学习;3.跨模态协同学习特征提取;4.构建多模态危重事件(死亡风险)预测模型;5.模型反馈验证。该专利作为一种危重症不良事件预测预警工具,是实现术后主要重症事件的实时追踪、早期诊断和预警的一种有效方法。
但是上述两个专利均专注于不良事件或危重事件的干预而忽略其患者围手术期内情绪变化的护理过程,患者情绪变化往往也是不良事件和危重事件发生的重要因素,未从根本上解决其不良事件和危重事件的发生导致对患者的评估过程不足,不能有效评估患者术前、术中以及术后的情绪变化。
此外,一方面由于对本领域技术人员的理解存在差异;另一方面由于申请人做出本发明时研究了大量文献和专利,但篇幅所限并未详细罗列所有的细节与内容,然而这绝非本发明不具备这些现有技术的特征,相反本发明已经具备现有技术的所有特征,而且申请人保留在背景技术中增加相关现有技术之权利。
发明内容
现有技术中,由于围手术期患者的特殊性,患者往往需要进行心理和生理上的双重准备。但是由于患者对手术信息不了解、担忧个人病情等因素极易出现焦虑、抑郁等不良情绪,如何有效评估、测量患者此类不良情绪还有待探索。目前现有技术常用的方法更倾向于使用评估量表对患者不良情绪进行评估,但是存在可观性不足、易受评估者经验影响等不足。
针对现有技术之不足,本发明提供了一种围手术期患者情绪监测系统,尤其提供了一种围手术期患者不良情绪及生命体征监测系统,至少包括:传感模块,用于采集患者的生理状态数据和图像数据;还包括处理模块,所述处理模块基于所述传感模块采集的生理状态数据和图像数据监测患者的情绪;其中,所述处理模块被配置为:按照与所述生理状态数据和图像数据对应的关联信息将所述生理状态数据和图像数据转化为至少一个用于表征患者情绪的情绪特征,将至少一个所述情绪特征与数据库中对应的阈值数据进行比较以输出情绪照护措施的若干个等级。本发明基于设置的传感模块的数据反馈并结合围手术期特征,监测围手术期内患者情绪变化,为患者情绪护理提供数据支持以及提出相关护理建议,保证患者术前心理健康和术后身体康复。
根据一种优选的实施方式,所述关联信息是指描述所述生理状态数据和/或图像数据的信息,所述处理模块配置为按照如下方式建立生理状态数据和图像数据与所述情绪特征之间的关系:按照时间序列并基于所述传感模块采集到的生理状态数据和图像数据建立情绪库;获取与所述生理状态数据和图像数据对应的所述关联信息;基于所述情绪库和关联信息计算所述生理状态数据和图像数据对应的所述情绪特征。
根据一种优选的实施方式,所述处理模块获取与所述图像数据对应并且表征患者情绪类型的第一关联信息;所述处理模块基于所述生理状态数据获取表征患者情绪程度的第二关联信息;其中,所述处理模块基于所述第一关联信息和第二关联信息,并基于所述情绪库计算所述图像数据对应的患者情绪类型和所述生理状态数据对应的患者情绪程度。生理状态数据对于患者情绪类型的判决较为薄弱,不同情绪类型可能具有相同的生理状态数据。尤其是对于特殊患者来说,单一数据来源去判决患者情绪变化具有较大不可靠性。例如,当患者表现为兴奋或害怕时,其生理状态数据可能为相同的变化,即心跳加快、呼吸变快。单一生理状态数据对于情绪的判决缺少可靠性。
根据一种优选的实施方式,所述处理模块还被配置为通过医疗机构的病历数据库获取患者细化信息。所述处理模块配置为按照如下方式对所述患者细化信息进行处理:将所述患者细化信息中的数据按照围手术期阶段进行划分;获取所述患者细化信息中围手术期的风险控制信息;排除风险控制信息小于风险阈值的所述患者细化信息,从而得到围手术期的风险控制点,其中,所述风险控制点是指在患者的围手术期中需进行照护的时间节点或事件节点。如此处理患者细化信息的优势在于:能够择出影响患者手术过程和身体康复的影响因素,确保情绪照护的准确性。尤其是对于医疗系统中繁复的病情数据库,通过上述判断方式能够快速得出风险控制信息,简化处理模块的分析过程。
根据一种优选的实施方式,所述处理模块基于所述风险控制点于患者围手术期的分布以提高评估频率的方式更新患者的所述情绪特征;所述处理模块基于更新的所述情绪特征而同步更新患者情绪照护措施的等级。由于患者每一个体的不同,并且患者突然置身于医院接受手术导致外界环境变化而带来的刺激,患者容易存在情绪易怒、暴躁等负面情绪。由此,需要进行针对性照护以使得患者情绪处于健康状态。
现有技术形成了多种围手术期风险评估工具以适用于不同人群。不同人群能够采用不同的评估工具。但是围手术期患者情绪管理的不当还是时常发生。究其原因在于评估工具无法根据患者个体化病情和心理状况进行个体化评估和提醒。尤其采用纸质的评估量表需要医务人员进行人工填写,效率低下且准确性同样低下。反复地填写还会导致医务人员的疏忽和评估质量降低。
根据一种优选的实施方式,所述情绪照护措施包括第一情绪照护措施、第二情绪照护措施和第三情绪照护措施。所述处理模块在所述情绪特征未超过所述阈值数据的情况下,结合情绪特征的相对值来确定所述第一情绪照护措施和第二情绪照护措施,所述处理模块在所述情绪特征超过阈值数据的情况确定所述第三情绪照护措施。本发明不仅基于与手术进程具有对应关系的阈值数据判断情绪类型和程度以便医务人员进行相应安抚措施和护理方案,还基于现有情绪照护情况对照护等级进行更新,使得患者不会在高强度照护工作中产生逆反心理而失去耐心和信心。经过不同等级的划分后,也能够减轻医务人员的工作量,减小患者的心理压力。
根据一种优选的实施方式,所述系统还包括用于获取患者手术进程的进程模块,所述处理模块按照如下方式获取所述数据库中的阈值数据:基于所述手术进程从所述数据库中筛选出与所述手术进程具有相关性的所述阈值数据;其中,所述处理模块基于患者情绪择出与患者情绪对应的手术进程组和第一阈值数据组;所述处理模块基于所述手术进程择出与所述手术进程对应的第二阈值数据组;其中,所述手术进程组和第一阈值数据组是指患者具有同一情绪类型和/或情绪程度的若干个手术进程和阈值数据的组合;其中,所述处理模块将获取的所述情绪特征与第二阈值数据组进行比对以确认在围手术期阶段中的患者是否具有不同情绪类型和/或情绪程度。本发明基于手术进程进行阈值数据的筛选,能够将该手术进程之后患者可能的情绪变化进行筛选,在通过与阈值数据的比较确定患者的情绪变化状态。本发明还能够记录该患者出现情绪波动后对应的手术进程,从而便于医务人员通过该情绪波动和对应手术进程进行针对性护理决策。本发明通过患者情绪将造成患者情绪变化并且情绪类型相同的手术进程进行组合,从而针对情绪类型、程度以及对应手术进程进行个性化护理和情绪安抚。同一手术进程还可能会对患者造成复数种情绪影响。例如,患者夸大手术的危险性后,产生的恐惧、伤心、绝望等情绪。处理模块基于特定手术进程择出其会出现不同类型情绪的对应的第二阈值数据组。
根据一种优选的实施方式,所述处理模块基于所述进程模块获取的手术进程选择患者情绪照护措施的等级。所述处理模块基于所述进程模块获取的手术进程和更新的所述情绪特征以加权的方式输出情绪照护措施的等级。本发明的处理模块通过提高对患者传感模块采集到的数据进行高频率评估的方式实现在风险控制点周围进行患者的全方面监测。不仅如此,本发明还引入了进程模块对患者可能发生情绪波动的时间或事件进行细化监测,防止了处理模块基于单一的情绪判断而做出患者需要照护或提高照护等级的结论,通过进程模块获取的手术进程修改该情绪照护等级改变的指令。
本发明还涉及一种围手术期患者情绪监测方法,所述方法至少包括:采集患者的生理状态数据和图像数据;基于采集的生理状态数据和图像数据监测患者的情绪;按照与所述生理状态数据和图像数据对应的关联信息将所述生理状态数据和图像数据转化为至少一个用于表征患者情绪的情绪特征,将至少一个所述情绪特征与数据库中对应的阈值数据进行比较以输出情绪照护措施的若干个等级。
根据一种优选的实施方式,所述方法还包括:按照时间序列并基于采集到的生理状态数据和图像数据建立情绪库;获取与所述生理状态数据和图像数据对应的关联信息;基于所述情绪库和关联信息计算所述生理状态数据和图像数据对应的所述情绪特征。
附图说明
图1是本发明提供的一种优选实施方式的一种围手术期患者情绪监测系统的简化模块连接关系示意图;
图2是本发明提供的一种优选实施方式的传感模块的简化结构示意图。
附图标记列表
1:处理模块;2:传感模块;3:存储模块;4:穿戴式组件;5:图像采集组件。
具体实施方式
下面结合附图进行详细说明。
首先对本发明中出现的名词进行解释。
围手术期:围手术期是围绕手术的一个全过程,从患者决定接受手术治疗开始,到手术治疗直至基本康复,包含手术前、手术中及手术后的一段时间。
数据库:依据某一数据模型组织并且存在于二级存储器中的数据集合。在本发明中,数据库具有各大医院临床就诊的原始数据。原始数据是从原始的医疗(电子病历)数据或其他来源数据中采集加工的病例特征数据,可以包括文本、表格、图片等格式,此处不作具体限定。
情绪特征:基于生理状态数据和图像数据生成的用于表征患者情绪类型和程度的情绪量化值或数据。
关联信息:描述生理状态数据和/或图像数据的文字信息或其余相关信息。关联信息是与生理状态数据和/或图像数据关联的信息。
实施例1
现有技术中,由于围手术期患者的特殊性,患者往往需要进行心理和生理上的双重准备。但是由于患者对手术信息不了解、担忧个人病情等因素极易出现焦虑、抑郁等不良情绪,如何有效评估、测量患者此类不良情绪还有待探索。目前现有技术常用的方法更倾向于使用评估量表对患者不良情绪进行评估,但是存在可观性不足、易受评估者经验影响等不足。本发明采用多种传感装置对围手术期患者的不良情绪进行监测,并且基于多种情感信息、情感状态和外部环境进行患者情绪和生命体征的实时监测。
本实施例公开一种围手术期患者情绪监测系统及方法,尤其涉及一种围手术期患者不良情绪及生命体征监测系统及方法,其能够基于设置的传感模块2的数据反馈并结合围手术期特征,监测围手术期内患者情绪变化,为患者情绪护理提供数据支持以及提出相关护理建议,保证患者术前心理健康和术后身体康复。系统至少包括处理模块1、储存模块和传感模块2。
优选地,处理模块1可采用通用中央处理器CPU(Central Processing Unit)、应用专用集成电路ASIC(Application Specific Integrated Circuit)、微处理器或者一个或多个集成电路等构件执行相关指令或程序以实现本发明的技术方案。
优选地,存储模块3可采用只读存储器ROM(Read Only Memory)、随机存取存储器RAM(Random Access Memory)、静态存储设备、动态存储设备等形式实现。
优选地,传感模块2至少包括穿戴式组件4和图像采集组件5。图像采集组件5被配置为以一定采集角度和采集频率采集处于围手术期患者的图像数据。图像采集组件5采集的图像数据发送至处理模块1进行处理。穿戴式组件4能够从患者的若干个部位采集患者生理状态数据,包括但不限于脑电信号、心电信号、皮电信号以及肌电信号等。穿戴式组件4由若干个传感器组成。处理模块1采用将图像数据和生理状态数据相结合的方式监测患者的情绪反馈。优选地,处理模块1将采集到的生理状态数据进行预处理。由于生理信号的采集不可避免伴随着基线漂移等干扰。本发明基于对生理状态数据的频率分布以及干扰来源进行预处理,以获取准确度较高的生理状态数据。优选地,处理模块1基于生理状态数据的特点提取特征,通过生理状态数据中的非线性交互来有效生成该特征。优选地,处理模块1基于生理状态数据中的不同数据来源的频域、时域和非线性动力学特性提取与患者情绪有关的特征参数。优选地,处理模块1基于生理状态数据中的多传感器的不同数据来源之间的信息冗余进行特征互补,并且形成特征互补模型。多传感器容易出现某一通道信号缺失的现象,本发明利用多传感器之间的关系进行协同互补,对多种信息冗余进行融合以获取准确的情绪识别能力。本发明形成的特征互补模型充分互补了每一传感器获取的生理状态数据,消除不同特征之间的干扰,同时减少了无关联特征的额外干扰。若干个不同类型的传感器采集患者的生理状态数据。上述传感器能够是有源或无源的。
对于身心健康的人来说,其脑电信号、心电信号、皮电信号以及肌电信号等生理信号都具有一定的数值或有其正常变化的参数范围。而在上述生理信号中存在着各种复杂的节律变化,生物的节律变化大多不遵循周期性波动,而随着时间序列呈现非线性变化。对于不同患者个体而言,个体的差异或造成明显的生理信号差异,仅通过生理信号进行情绪的判断缺乏一定的准确性。对此,本发明通过从生理状态数据和图像数据中建立对情绪特征的量化描述,实现对患者围手术期内情绪的评估和监测。
对于生理状态数据而言,患者围手术期内情绪的变化必然引发患者生理上的变化,即传感模块所采集的患者生理状态数据会随着情绪的不同而发生特殊变化。生理状态数据和患者情绪有着直接联系。情绪变化主要是指紧张、害怕、恐惧、窘迫以及兴奋等。本发明通过生理状态数据的实时变化对患者情绪程度进行初步的量化判断,进而进行评估和相关辅助护理操作。
优选地,处理模块1基于采集的脑电信号、心电信号、皮电信号以及肌电信号中的至少一种信号进行情绪特征的量化判断。优选地,处理模块1基于时域分析、频域分析和非线性动力学分析中的至少一种对生理状态数据进行处理。优选地,处理模块1基于小波变换法去除所采集的生理状态数据中的基线漂移、工频干扰的噪声。本发明采用的生理状态数据具有多种生理信号,从而对不同个体特征的患者的不同情绪程度进行准确性更高的识别和评估。例如,焦虑、愤怒、害怕、痛苦等不良情绪会引起心率和/或血压的升高,而能够产生紧张的情况(例如围手术期内的患者)会使心率和血压上升。以心电信号为例。优选地,处理模块1获取传感模块采集的生理状态数据中的具有第一数据长度的主波间期序列。优选地,上述第一数据长度能够是600~1200个点,优选为1000个点。优选地,处理模块1将获得的主波间期序列作为表示特征,基于代替数据法的混沌识别算法计算得到最大概率P值。优选地,处理模块1基于计算得到的最大概率P值去判断患者的不同情绪。优选地,处理模块1基于主波间期序列的最大概率P值的区间去判断患者情绪并且量化为情绪特征。例如,最大概率P值从大到小的情绪排列为烦躁、兴奋、高兴、放松、伤心。优选地,处理模块1对生理状态数据中的至少一种信号进行上述表示特征的提取。生理状态数据中的信号是离散或连续的函数数据、输出矢量或对生理状态的属性说明。处理模块1对生理状态数据提取的表示特征还能够是生理状态数据的特征矢量。优选地,处理模块1将提取到的表示特征进行模型识别处理以完成情绪识别。上述模型是指特征互补模型。模型识别处理例如采用自适应神经网络或其余能够将特征转换为属性判决或互补的模式识别法等。优选地,处理模块1将生理状态数据经过情绪识别后进行关联互补,利用互补算法将每一传感器采集的生理状态数据的进行合成,得到对情绪的一致性描述。上述互补算法例如是融合算法,通过处理模块1的处理获取关于患者全面、完整的有关情绪的生理特征数据。本发明充分利用采集时间与采集空间不同的若干个传感器采集的患者生理状态数据资源,采用算法对按时间序列获得的若干个传感器的生理状态数据在一定标准下进行分析、互补和使用,获得对患者情绪的一致性描述,由此引入情绪机制的情况下,将各生理状态数据的表示特征(或最大概率P值以及其余能够量化表示患者情绪的参数)乘以情绪系数,进而实现相应的情绪决策和估计。本发明优选为通过非线性动力学对生理状态数据进行处理,基于患者不同情绪下的各生理信号混沌程度的不同,量化分析患者的情绪特征。
处理模块1还能够通过其余方式进行患者情绪的判断和量化情绪特征的计算。具体在于:
1、处理模块1获取主波间期序列的关联积分的对数与度量尺度对数之间存在的线性区域,并基于最小二乘法计算出该线性区域的斜率。处理模块1将计算出的斜率结果作为主波间期序列的关联维数。处理模块1还在关联维数的基础上对患者主波间期序列进行最大Lyapunov指数的估算。处理模块1基于获取的最大Lyapunov指数的值去判断患者的不同情绪。具体例如,患者在放松情绪下的最大Lyapunov指数的值在1.0~1.2之间,而患者在兴奋状态下得到的最大Lyapunov指数的值在0.5~0.7之间。由此,基于生理状态数据的获取量化的患者情绪特征。
2、处理模块1对患者的生理状态数据中的主波间期序列进行近似熵的计算由此得出患者的不同情绪。具体例如,患者处于平静情绪下的主波间期序列的近似熵大于高兴状态下主波间期序列的近似熵。患者处于放松状态下的主波间期序列的近似熵大于伤心状态下主波间期序列的近似熵。此外,伤心状态下的主波间期序列的复杂度大于平静状态下的主波间期序列的复杂度;放松状态下的主波间期序列的复杂度大于高兴状态下的主波间期序列的复杂度。由此,通过近似熵的计算量化表征基于生理状态数据的情绪特征。
根据一种优选的实施方式,系统还包括进程模块。进程模块用于获取患者围手术期的手术进程,并且按照将手术进程与对应时间序列相互对照的方式存储于存储模块3中。手术进程包括了患者进程和医疗进程。患者进程,例如可以是与患者的交流、与家属的交流、术前训练、胃肠道准备、蛋白质提供、患者体征等等。手术进程,例如可以是术前护理、卫生指导、手术环境准备、术中体征记录、体位准备、消毒准备、术后护理等等。进程模块可以是用于采集环境数据的温湿度传感器、视频采集组件或能够填充入相关内容的输入装置。
优选地,处理模块1基于生理状态数据生成至少一个用于表征患者当前时期的情绪特征。上述情绪特征的获取如以上处理模块1对若干个传感器采集的生理状态数据的处理方法。优选地,处理模块1将情绪特征中的至少一个与数据库中的与之对应的阈值数据进行比较。处理模块1将数值化后的情绪特征与其对应的阈值数据进行比较。情绪特征与阈值数据的比较结果输出至显示模块或终端。情绪特征能够是生理状态数据、面部数据和语音数据中的一种或多种进行处理后形成的用于描述该患者在当前时期情绪变化的数值化表达。
对处于围手术期的患者进行情绪评估和护理是现有医疗领域的美好愿景。但是目前现有技术仍局限于使用评估量表对患者的不良情绪进行评估,缺乏使用相关监测措施来实现围手术期患者的情绪状态、变化的客观监测和评估。本发明的背景起源于如何避免现有技术使用评估量表导致对围手术期患者情绪评估的可观性不足的问题,并且基于患者处于围手术期的某一时期进行针对性情绪评估和护理建议。在本发明中,阈值数据对应患者的情绪变化阈值,表征需要进行护理或安抚的临界状态。围手术期中的每一时期对应的阈值数据不同。阈值数据能够由医疗机构的数据库获取。
优选地,处理模块1基于手术进程从数据库中筛选出与手术进程具有相关性的阈值数据。基于上述设置,本发明至少具有如下优势:患者进程主要针对患者的入院阶段和术前阶段,其对于进行手术的敏感性高,由于对手术信息和方式的低了解程度以及担忧自身病情等因素,患者该阶段的情绪变化明显,而现有技术采用统一的评估量表对患者情绪进行集合分析,忽略了围手术期不同阶段带来的情绪影响。本发明基于手术进程进行阈值数据的筛选,能够将该手术进程之后患者可能的情绪变化进行筛选,在通过与阈值数据的比较确定患者的情绪变化状态。本发明还能够记录该患者出现情绪波动后对应的手术进程,从而便于医务人员通过该情绪波动和对应手术进程进行针对性护理决策。例如,在患者出现长期焦虑时,系统能够通过手术进程的记录追溯其焦虑的原因,例如得知手术后经济压力或得知手术风险,从而将该焦虑情绪对应于手术进程,并且传输至终端以提醒医务人员进行相应安抚措施和护理方案。优选地,处理模块1基于患者情绪择出与之对应的手术进程组和第一阈值数据组。上述手术进程组和第一阈值数据组是指针对患者具有同一情绪类型和/或变化的不同手术进程和阈值数据的组合。由于同一手术进程对患者而言可能会产生相同类型但不同程度的情绪变化,而该类情绪变化会在某一情况发生后出现逐步加强或减弱。本发明通过患者情绪将造成患者情绪变化并且情绪类型相同的手术进程进行组合,从而针对情绪类型、程度以及对应手术进程进行个性化护理和情绪安抚。优选地,处理模块1基于手术进程择出与之对应的第二阈值数据组。上述第二阈值数据组是指同一手术进程可能产生的若干种情绪类型。同一手术进程可能会对患者造成复数种情绪影响。例如,患者夸大手术的危险性后,产生的恐惧、伤心、绝望等情绪。处理模块1基于特定手术进程择出其会出现不同类型情绪的对应的第二阈值数据组。优选地,处理模块1将获取的情绪特征与第二阈值数据组进行比对以确认在该阶段的患者是否具有不同情绪类型。优选地,处理模块1基于与手术进程具有对应关系的阈值数据判断情绪类型和程度,从而在该情绪类型下的程度超过阈值数据的情况下发出提醒,以便医务人员进行相应安抚措施和护理方案。处理模块1输出判断结果至智能设备。该智能设备可以包括各种具有无线通信功能的便携式设备、车载设备、可穿戴设备、服务器或其余接受信息的设备,以及各种移动平台、终端等等。
根据一种优选的实施方式,处理模块1配置为按照如下方式建立传感模块2采集的若干种数据与情绪特征之间的关系:按照时间序列并基于传感模块2采集到的传感数据建立情绪库;获取与传感数据对应的关联信息;基于情绪库和关联信息计算该传感数据对应的情绪特征。建立的情绪库包括传感模块2采集到的生理状态数据、面部数据和语音数据。情绪库将各类传感数据按照时间序列统筹在一起,从而得到该患者的传感数据变化。关联信息包括描述该传感数据的文字信息或其余相关信息。关联信息是指与传感数据关联的信息。在患者处于某一手术进程和/或围手术期阶段时,其情绪会产生波动。因此,在患者处于某一手术进程和/或围手术期阶段时产生的情绪变化是与传感数据关联的关联信息。关联信息主要包括对该手术进程的情绪反应。关联信息是患者在得知某一手术进程和/或围手术期阶段时主动反馈的情绪变化或由图像采集组件5采集到的图像数据得出的情绪变化。优选地,处理模块1获取与传感数据对应并且表征患者情绪类型的第一关联信息。情绪类型包括积极情绪和不良情绪。具体地,处理模块1基于图像数据中患者的面部微表情分析得到患者的情绪类型。在患者得知某一手术进程和/或围手术期阶段时,患者的情绪类型会表现在面部微表情上。通过对患者的微表情进行数据分析得知患者情绪的具体类型。上述微表情至少包括兴奋、平静、伤心、害怕、恐惧、惊讶和犹豫等。兴奋、平静和惊讶为积极情绪。伤心、害怕、恐惧和犹豫属于不良情绪。具体地,图像数据的处理在于:利用视觉技术以及卷积神经网络、循环神经网络等学习方法估计多种患者图像信息。包括根据图像数据中患者眼部的视向,图像数据中嘴部或其余面部的肌肉运动情况。再具体地,处理模块1基于PAD情感三维理论得出关于患者图像数据的维度观测量模型,从而估计出话只能面部局部区域反映的愉悦度、激活度及优势度。需要说明的是,本发明的情绪库内包括传感模块2采集到的生理状态数据、面部数据和语音数据。处理模块1作为执行主体将各类传感数据按照时间序列统筹在一起,从而得到该患者的传感数据变化并且作为情绪库。具体地,本发明的情绪库能够是概念模型或数学模型中的一种,即为数据库建模。通过以图示、文字、符号、数据层次、网状、关系、面向对象等组合形式对现实世界中的事物的规律、机理和活动进行定性描述、阐述。在本发明的情绪库中,包括各传感数据和传感数据的相关数据的整合,例如在该生理状态数据、面部数据和/或语音数据下,对应的患者的情绪类型和程度。上述情绪库能够由医疗机构中的相关数据库以及检测到的各患者传感数据整合得出。
仅通过生理状态数据的量化计算患者的情绪类型和程度其规律性较低,而通过患者面部变化进行情绪评估同样存在准确度较低,难以判断患者具体情绪变化程度的问题。因此,本发明通过对生理状态数据的量化情绪特征的获取,结合图像数据对患者的微表情分析,基于对情绪类型识别较为准确的微表情进行情绪类型判断,结合对情绪程度判断较为准确的生理状态特征提取进行情绪程度判断,得出对应的患者情绪特征。
优选地,处理模块1还基于生理状态数据获取表征患者情绪程度的第二关联信息。生理状态数据对于患者情绪类型的判决较为薄弱,不同情绪类型可能具有相同的生理状态数据。尤其是对于特殊患者来说,单一数据来源去判决患者情绪变化具有较大不可靠性。例如,当患者表现为兴奋或害怕时,其生理状态数据可能为相同的变化,即心跳加快、呼吸变快。单一生理状态数据对于情绪的判决缺少可靠性。再例如,当患者面部出现功能性障碍或心理素质较强时,不能通过患者微表情判断情绪变化程度,而身体内的生理状态数据往往能够正确反映其情绪变化。优选地,处理模块1基于第一关联信息和第二关联信息,并基于情绪库计算传感数据对应的患者情绪类型和程度。该计算过程至少通过上述的基于生理状态数据的情绪特征计算方法得出。优选地,处理模块1基于传感数据获取对应的患者情绪类型和程度。
根据一种优选的实施方式,处理模块1被配置为通过医疗机构的病历数据库获取患者细化信息。处理模块1通过向医疗机构的病历数据库发送请求以获取患者细化信息。上述细化信息包括对患者各个临床环节分化的入院阶段、术前阶段、术中阶段和术后阶段,还包括患者信息、手术信息、既往病史、治疗信息、检查指标等。患者信息例如是性别、年龄、体重、BMI指数、受教育程度等。手术信息例如是手术部位、手术分级等。既往病史例如是近期的疾病史、手术史、吸烟饮酒史等。治疗信息例如是医嘱信息、运动情况等。检查指标例如是血常规、凝血功能、CT和心电图等检查。
优选地,处理模块1配置为按照如下方式对患者细化信息进行处理:将患者细化信息中的数据按照不同围手术期阶段进行划分;获取患者细化信息中围手术期的风险控制信息;排除风险控制信息小于风险阈值的患者细化信息,从而得到围手术期的风险控制点。优选地,将患者细化信息中的数据按照不同围手术期阶段进行划分能够将各数据与围手术期阶段对应。风险控制信息为在该患者进行对应手术下需要关注的身体或心理或护理信息。风险阈值基于手术需求设定。例如设置为不危害患者生命安全以及保证手术正常进行为阈值。为保证围手术期情绪照护的准确性,本发明考虑各风险控制信息对其的影响,并且基于该风险控制信息对患者照护等级进行划分。
如此处理患者细化信息的优势在于:
能够择出影响患者手术过程和身体康复的影响因素,确保情绪照护的准确性。尤其是对于医疗系统中繁复的病历数据库,通过上述判断方式能够快速得出风险控制信息,简化处理模块1的分析过程。
根据一种优选的实施方式,处理模块1基于风险控制点和情绪特征输出不同等级的情绪照护措施。由于患者每一个体的不同,并且患者突然置身于医院接受手术导致外界环境变化而带来的刺激,患者容易存在情绪易怒、暴躁等负面情绪。由此,需要进行针对性照护以使得患者情绪处于健康状态。例如,现有技术形成了多种围手术期风险评估工具以适用于不同人群。不同人群能够采用不同的评估工具。但是围手术期患者情绪管理的不当还是时常发生。究其原因在于评估工具无法根据患者个体化病情和心理状况进行个体化评估和提醒。尤其采用纸质的评估量表需要医务人员进行人工填写,效率低下且准确性同样低下。反复地填写还会导致医务人员的疏忽和评估质量降低。此外,患者自身感受同样是纸质的评估量表所带来的劣势。在医务人员填表过程中的反复问询,给患者心理带来的巨大的压力,以致于失去进行手术的信心。本发明不仅基于与手术进程具有对应关系的阈值数据判断情绪类型和程度以便医务人员进行相应安抚措施和护理方案,还基于现有情绪照护情况对照护等级进行更新,使得患者不会在高强度照护工作中产生逆反心理而失去耐心和信心。经过不同等级的划分后,也能够减轻医务人员的工作量,减小患者的心理压力。优选地,处理模块1能够在固定时间或指标变化时,对风险控制点和情绪特征进行更新从而更新情绪照护措施的等级。上述固定时间例如是每小时。上述指标变化是指生理状态数据、图像数据和/或手术进程的改变。处理模块1对传感模块2采集的相关数据进行自动整合计算以直接生成患者情绪类型和程度,从而使得医务人员进行相应的辅助照护措施。医务人员能够通过系统对固定时间或指标进行补充或修改。优选地,情绪照护措施包括第一情绪照护措施、第二情绪照护措施和第三情绪照护措施。处理模块1基于数据基础并于知识规则进行比对以生成情绪照护措施。优选地,处理模块1基于情绪特征与阈值数据的对比,结合情绪特征的相对值来确定情绪照护措施的等级。具体地,处理模块1在情绪特征未超过阈值数据的情况下,结合情绪特征的相对值来确定第一情绪照护措施和第二情绪照护措施。第三情绪照护措施为情绪特征超过阈值数据的情况进行的高强度照护措施。上述情绪特征的相对值是指患者情绪特征相较于阈值数据所相差的值。第一情绪照护措施例如是鼓励患者进行自己情绪的表达,包括焦虑、感受或疑问的表达,并且给予支持和疏导。第二情绪照护措施例如是正视患者情绪反应,增加问询频率。第三情绪照护措施例如是进行术前教育,安排患者进行娱乐活动等。
优选地,处理模块1基于风险控制点于围手术期的分布以提高评估频率的方式更新患者的情绪特征;处理模块1基于更新的情绪特征而同步更新患者的情绪照护措施的等级。优选地,情绪照护措施的等级还基于进程模块获取的手术进程的不同进行选择。优选地,处理模块1基于进程模块获取的手术进程和更新的情绪特征以加权的方式输出情绪照护措施的等级。风险控制点是在患者的围手术期中需要重点针对性护理的时间节点或事件节点。例如,在患者进入手术室的前一时刻、注入麻醉剂时以及后续患者在病床康复时等等。在上述情况下,患者的情绪极易产生大量波动,需要在该时期内对患者情绪进行高度监测以避免后续手术以及康复运动的开展。尤其是对于患有高血压的患者而言,保持稳定的情绪是手术成功的关键。处理模块1通过提高对患者传感模块采集到的数据进行高频率评估的方式实现在风险控制点周围进行患者的全方面监测。不仅如此,本发明还引入了进程模块对患者可能发生情绪波动的时间或事件进行细化监测。例如,对于语言障碍或者内向的患者而言,过多的问询会导致患者的情绪波动。即使在该患者处于风险控制点周围的情况下,也基于进程模块获取的手术进程对患者照护等级进行修正,防止过高的情绪照护等级反而给患者带来心理上的负担。再例如,在该患者的家属离开后,患者情绪出现较大波动,并且由处理模块1判断为失落等不良情绪,处理模块1可能由此提高对该患者的情绪照护等级。但是在实际应用中,对该类患者单纯提高情绪照护等级不能够达成较好的情绪恢复效果。对此,处理模块1向医务人员和患者家属发出提醒,让患者家属进行相应情绪引导,而非将医疗机构的人力物力花费在不能起到良好照护效果的该患者身上。本发明防止了处理模块1基于单一的情绪判断而做出患者需要照护或提高照护等级的结论,通过进程模块获取的手术进程修改该情绪照护等级改变的指令。
本发明基于临床经验和知识规则,结合基于风险控制点和情绪特征制订的不同等级的情绪照护措施,对不同病情、不同特征人群的患者进行大数据分析,以获取适合个体化的最佳情绪照护措施,结合临床数据进行医务人员辅助护理建议,保证围手术期内患者的身心健康。本发明针对每位需要进行手术的患者进行分析,针对不同病情、不同危险程度的围手术期患者进行最优情绪评估、检查、准备和照护方案的推荐,降低围手术期患者的并发症、不良情况的发生,加快患者康复过程。
本发明针对现有技术缺乏智能化、效率化的情绪评估工具,导致围手术期患者面临治疗僵化、情绪管理不合理的问题,提供术前、术中以及术后的情绪评估和护理方案,评估并矫正可能增加手术风险的生理和心理因素,减小患者疼痛过程和对预后悲观情绪。情绪的照护还能够减少术中麻醉用量、促进术后血压稳定以及降低术后感染发生率等。
本发明的实际应用实例在于:
在临床护理工作中,患者在手术前处于病床的待检测状态,即实时监测患者的生理状态数据。此时无需患者佩戴额外的穿戴式设备,通过常规监测即能够获取生理状态数据,例如心率等,由此减小患者的心理压力。由各常规监测设备采集到的患者生理状态数据经由处理模块1进行情绪特征的量化判断。处理模块1基于时间轴将所采集的生理状态数据中与情绪相关的时域、频域或非线性动力学分析并进行处理,从而得到与患者生理状态数据相关的情绪特征。处理模块1能够通过对患者情绪的一致性描述以及引入的情绪机制,将上述得到的关于生理状态数据的情绪特征进行量化处理。该量化例如是通过情绪特征的幅值、频率等相关参数进行加权计算得到的量化数值。而患者的情绪变化往往与围手术期的手术进程相关。例如,部分患者得知手术日期后,害怕手术时间拖延过长,医疗费用过高,或者患者得知手术医生情况,想要由技术更高超的医生进行手术,即希望得到特殊的重视和关心。再例如由于对手术缺乏正确认识及对手术室特殊环境的陌生,造成患者神经抑制、反应迟缓等负面情绪。上述情况下都会造成患者情绪变化,由此将实际情况与患者情绪特征进行对应组合判断,从而针对情绪类型、程度以及对应手术进程进行个性化护理和情绪安抚。处理模块1将由生理状态数据获取的情绪特征与数据库中的对应的阈值数据进行比较。处理模块1将比较结果和对应的手术进程输出至显示模块或终端。医务人员能够通过获取的该比较结果和与该比较结果对应的手术进程判断出该患者此时需要进行的心理护理措施或安抚手段。上述方案能够准确获取患者的不良情绪变化以及导致该不良情绪变化产生的手术进程,并且提供给医务人员,使其能够采用针对性护理措施。
进一步地,由于生理状态数据所能够反应的情绪特征对于情绪类型的关联性较小,即兴奋和恐惧得到关于生理状态数据的情绪特征存在相似性,从而容易造成情绪类型判断的误差。对此,处理模块1基于对患者图像数据的采集通过面部微表情分析得到患者的情绪类型,并且基于生理状态数据分析得到患者的情绪程度,从而最终得到对应的患者情绪类型和程度。上述图像数据能够由图像采集组件5获取。该图像采集组件5例如是病房或手术室内的监控摄像头。处理模块1获取该图像数据以对患者的面部微表情进行分析,从而得到准确的患者情绪类型。处理模块1将由图像数据得出的患者情绪类型、由生理状态数据得出的患者情绪量化程度以及由进程模块获取的手术进程进行对应,并且输出至显示模块或终端。医务人员能够通过获取的上述情绪类型、程度和手术进程准确判断患者临床情绪变化和导致其情绪变化的原因,实现了围手术期患者情绪客观监测和评估,并且由医务人员基于该情绪评估进行护理或安抚。
由上述方案对患者情绪进行监测能够准确判断患者的情绪类型和程度。处理模块1分别基于生理状态数据和图像数据相关的第一关联信息和第二关联信息获取能够准确表征患者情绪变化的情绪特征,使得医务人员能够通过获取的情绪特征对患者进行针对性心理护理,以提高手术成功率。
在全文中,“优选地”所引导的特征仅为一种可选方式,不应理解为必须设置,故此申请人保留随时放弃或删除相关优选特征之权利。
需要注意的是,上述具体实施例是示例性的,本领域技术人员可以在本发明公开内容的启发下想出各种解决方案,而这些解决方案也都属于本发明的公开范围并落入本发明的保护范围之内。本领域技术人员应该明白,本发明说明书及其附图均为说明性而并非构成对权利要求的限制。本发明的保护范围由权利要求及其等同物限定。本发明说明书包含多项发明构思,诸如“优选地”、“根据一个优选实施方式”或“可选地”均表示相应段落公开了一个独立的构思,申请人保留根据每项发明构思提出分案申请的权利。
Claims (10)
1.一种围手术期患者情绪监测系统,至少包括:
传感模块(2),用于采集患者的生理状态数据和图像数据;其特征在于,
还包括处理模块(1),所述处理模块(1)基于所述传感模块(2)采集的生理状态数据和图像数据监测患者的情绪;其中,
所述处理模块(1)被配置为:
按照与所述生理状态数据和图像数据对应的关联信息将所述生理状态数据和图像数据转化为至少一个用于表征患者情绪的情绪特征,将至少一个所述情绪特征与数据库中对应的阈值数据进行比较以输出情绪照护措施的若干个等级。
2.根据权利要求1所述的围手术期患者情绪监测系统,其特征在于,所述关联信息是指描述所述生理状态数据和/或图像数据的信息,所述处理模块(1)配置为按照如下方式建立生理状态数据和图像数据与所述情绪特征之间的关系:
按照时间序列并基于所述传感模块(2)采集到的生理状态数据和图像数据建立情绪库;
获取与所述生理状态数据和图像数据对应的所述关联信息;
基于所述情绪库和关联信息计算所述生理状态数据和图像数据对应的所述情绪特征。
3.根据权利要求1或2所述的围手术期患者情绪监测系统,其特征在于,所述处理模块(1)获取与所述图像数据对应并且表征患者情绪类型的第一关联信息;所述处理模块(1)基于所述生理状态数据获取表征患者情绪程度的第二关联信息;其中,
所述处理模块(1)基于所述第一关联信息和第二关联信息计算所述图像数据对应的患者情绪类型和所述生理状态数据对应的患者情绪程度。
4.根据权利要求1~3任一项所述的围手术期患者情绪监测系统,其特征在于,所述处理模块(1)还被配置为通过医疗机构的病历数据库获取患者细化信息,其中,
所述处理模块(1)配置为按照如下方式对所述患者细化信息进行处理:
将所述患者细化信息中的数据按照围手术期阶段进行划分;
获取所述患者细化信息中围手术期的风险控制信息;
排除风险控制信息小于风险阈值的所述患者细化信息,从而得到围手术期的风险控制点,其中,所述风险控制点是指在患者的围手术期中需进行照护的时间节点或事件节点。
5.根据权利要求1~4任一项所述的围手术期患者情绪监测系统,其特征在于,所述处理模块(1)基于所述风险控制点于患者围手术期的分布以提高评估频率的方式更新患者的所述情绪特征;所述处理模块(1)基于更新的所述情绪特征而同步更新患者情绪照护措施的等级。
6.根据权利要求1~5任一项所述的围手术期患者情绪监测系统,其特征在于,所述情绪照护措施包括第一情绪照护措施、第二情绪照护措施和第三情绪照护措施,其中,
所述处理模块(1)在所述情绪特征未超过所述阈值数据的情况下,结合情绪特征的相对值来确定所述第一情绪照护措施和第二情绪照护措施,所述处理模块(1)在所述情绪特征超过阈值数据的情况确定所述第三情绪照护措施。
7.根据权利要求1~6任一项所述的围手术期患者情绪监测系统,其特征在于,所述系统还包括用于获取患者手术进程的进程模块,所述处理模块(1)按照如下方式获取所述数据库中的阈值数据:
基于所述手术进程从所述数据库中筛选出与所述手术进程具有相关性的所述阈值数据;其中,
所述处理模块(1)基于患者情绪择出与患者情绪对应的手术进程组和第一阈值数据组;所述处理模块(1)基于所述手术进程择出与所述手术进程对应的第二阈值数据组;其中,
所述手术进程组和第一阈值数据组是指患者具有同一情绪类型和/或情绪程度的若干个手术进程和阈值数据的组合;其中,
所述处理模块(1)将获取的所述情绪特征与第二阈值数据组进行比对以确认在围手术期阶段中的患者是否具有不同情绪类型和/或情绪程度。
8.根据权利要求1~7任一项所述的围手术期患者情绪监测系统,其特征在于,所述处理模块(1)基于所述进程模块获取的手术进程选择患者情绪照护措施的等级,其中,
所述处理模块(1)基于所述进程模块获取的手术进程和更新的所述情绪特征以加权的方式输出情绪照护措施的等级。
9.一种围手术期患者情绪监测方法,其特征在于,所述方法至少包括:
采集患者的生理状态数据和图像数据;
基于采集的生理状态数据和图像数据监测患者的情绪;
按照与所述生理状态数据和图像数据对应的关联信息将所述生理状态数据和图像数据转化为至少一个用于表征患者情绪的情绪特征,将至少一个所述情绪特征与数据库中对应的阈值数据进行比较以输出情绪照护措施的若干个等级。
10.根据权利要求9所述的围手术期患者情绪监测方法,其特征在于,所述方法还包括:
按照时间序列并基于采集到的生理状态数据和图像数据建立情绪库;
获取与所述生理状态数据和图像数据对应的关联信息;
基于所述情绪库和关联信息计算所述生理状态数据和图像数据对应的所述情绪特征。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310460859.XA CN116570283A (zh) | 2023-04-25 | 2023-04-25 | 一种围手术期患者情绪监测系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310460859.XA CN116570283A (zh) | 2023-04-25 | 2023-04-25 | 一种围手术期患者情绪监测系统及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116570283A true CN116570283A (zh) | 2023-08-11 |
Family
ID=87540445
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310460859.XA Pending CN116570283A (zh) | 2023-04-25 | 2023-04-25 | 一种围手术期患者情绪监测系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116570283A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117690582A (zh) * | 2024-01-31 | 2024-03-12 | 吉林大学 | 护理工作站的信息管理系统及方法 |
-
2023
- 2023-04-25 CN CN202310460859.XA patent/CN116570283A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117690582A (zh) * | 2024-01-31 | 2024-03-12 | 吉林大学 | 护理工作站的信息管理系统及方法 |
CN117690582B (zh) * | 2024-01-31 | 2024-04-26 | 吉林大学 | 护理工作站的信息管理系统及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111816309B (zh) | 基于深度强化学习的康复训练处方自适应推荐方法及系统 | |
JP5320543B2 (ja) | 脳機能亢進支援装置および脳機能亢進支援方法 | |
US10786209B2 (en) | Monitoring system for stroke | |
KR20190105163A (ko) | 인공지능 기반의 환자상태 예측 장치 및 이를 이용한 환자상태 예측 방법 | |
JPWO2002087434A1 (ja) | 生体状態及び生体状態に影響を及ぼす行為の有効性の判定方法、判定装置、判定システム、判定プログラム及びそのプログラムを記録した記録媒体 | |
KR101854812B1 (ko) | 시청각 콘텐츠와 생체신호 분석을 활용한 정신증상 평가 시스템 | |
US20210338170A1 (en) | Method, device, and program for assessing relevance of respective preventive interventional actions to health in health domain of interest | |
Vyas et al. | Case study on state-of-the-art wellness and health tracker devices | |
CN113317761A (zh) | 一种数据分析系统 | |
CN116570283A (zh) | 一种围手术期患者情绪监测系统及方法 | |
Ahmed | An intelligent healthcare service to monitor vital signs in daily life–a case study on health-iot | |
Fernandez Rojas et al. | A systematic review of neurophysiological sensing for the assessment of acute pain | |
CN110610754A (zh) | 一种沉浸式可穿戴诊断与治疗装置 | |
JP5870465B2 (ja) | 脳機能訓練装置および脳機能訓練プログラム | |
US20220361788A1 (en) | System and method for measuring acute and chronic stress | |
Korving et al. | Development of an AI-enabled system for pain monitoring using skin conductance sensoring in socks | |
Jung et al. | Monitoring senior wellness status using multimodal biosensors | |
US20220165393A1 (en) | System for the detection and management of mental, emotional, and behavioral disorders | |
Zavyalova et al. | Designing a mobile recommender system for treatment adherence improvement among hypertensives | |
Bharathiraja et al. | Design and implementation of selection algorithm based human emotion recognition system | |
EP4000520A1 (en) | Method and system for sensor signals dependent dialog generation during a medical imaging process | |
Elhannani et al. | QASIS: a QoC aware stress identification system using machine learning approach | |
WO2019155010A1 (en) | Method, apparatus and system for providing a measure to resolve an uncomfortable or undesired physiological condition of a person | |
JP2013173035A (ja) | 脳機能亢進支援装置および脳機能亢進支援方法 | |
JP4371699B2 (ja) | バイタルサイン計測システム、バイタルサイン計測方法、バイタルサイン計測プログラム、及び記録媒体 |
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 |