CN117577294B - 一种用于层流仓内的智能病床监控系统 - Google Patents

一种用于层流仓内的智能病床监控系统 Download PDF

Info

Publication number
CN117577294B
CN117577294B CN202410046972.8A CN202410046972A CN117577294B CN 117577294 B CN117577294 B CN 117577294B CN 202410046972 A CN202410046972 A CN 202410046972A CN 117577294 B CN117577294 B CN 117577294B
Authority
CN
China
Prior art keywords
data
alarm
module
patient
model
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202410046972.8A
Other languages
English (en)
Other versions
CN117577294A (zh
Inventor
韩娜
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.)
Southern Medical University Zhujiang Hospital
Original Assignee
Southern Medical University Zhujiang Hospital
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 Southern Medical University Zhujiang Hospital filed Critical Southern Medical University Zhujiang Hospital
Priority to CN202410046972.8A priority Critical patent/CN117577294B/zh
Publication of CN117577294A publication Critical patent/CN117577294A/zh
Application granted granted Critical
Publication of CN117577294B publication Critical patent/CN117577294B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
    • G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
    • G16H40/67—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for remote operation
    • 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
    • A61B5/1126—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb using a particular sensing technique
    • A61B5/1128—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb using a particular sensing technique using image analysis
    • 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
    • A61B5/74—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
    • A61G—TRANSPORT, PERSONAL CONVEYANCES, OR ACCOMMODATION SPECIALLY ADAPTED FOR PATIENTS OR DISABLED PERSONS; OPERATING TABLES OR CHAIRS; CHAIRS FOR DENTISTRY; FUNERAL DEVICES
    • A61G10/00—Treatment rooms or enclosures for medical purposes
    • A61G10/02—Treatment rooms or enclosures for medical purposes with artificial climate; with means to maintain a desired pressure, e.g. for germ-free rooms
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61G—TRANSPORT, PERSONAL CONVEYANCES, OR ACCOMMODATION SPECIALLY ADAPTED FOR PATIENTS OR DISABLED PERSONS; OPERATING TABLES OR CHAIRS; CHAIRS FOR DENTISTRY; FUNERAL DEVICES
    • A61G7/00—Beds specially adapted for nursing; Devices for lifting patients or disabled persons
    • A61G7/05—Parts, details or accessories of beds
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
    • G06F16/2462—Approximate or statistical queries
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/248—Presentation of query results
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
    • G06F16/367—Ontology
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/02—Knowledge representation; Symbolic representation
    • G06N5/022—Knowledge engineering; Knowledge acquisition
    • G06N5/025—Extracting rules from data
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/40—Scenes; Scene-specific elements in video content
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/70—Multimodal biometrics, e.g. combining information from different biometric modalities
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
    • G08B21/18—Status alarms
    • G08B21/182—Level alarms, e.g. alarms responsive to variables exceeding a threshold
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B25/00—Alarm systems in which the location of the alarm condition is signalled to a central station, e.g. fire or police telegraphic systems
    • G08B25/01—Alarm systems in which the location of the alarm condition is signalled to a central station, e.g. fire or police telegraphic systems characterised by the transmission medium
    • G08B25/10—Alarm systems in which the location of the alarm condition is signalled to a central station, e.g. fire or police telegraphic systems characterised by the transmission medium using wireless transmission systems
    • 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
    • G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H80/00—ICT specially adapted for facilitating communication between medical practitioners or patients, e.g. for collaborative diagnosis, therapy or health monitoring
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
    • G16Y10/00—Economic sectors
    • G16Y10/60—Healthcare; Welfare
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
    • G16Y20/00—Information sensed or collected by the things
    • G16Y20/10—Information sensed or collected by the things relating to the environment, e.g. temperature; relating to location
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
    • G16Y20/00—Information sensed or collected by the things
    • G16Y20/40—Information sensed or collected by the things relating to personal data, e.g. biometric data, records or preferences
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
    • G16Y40/00—IoT characterised by the purpose of the information processing
    • G16Y40/10—Detection; Monitoring
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
    • G16Y40/00—IoT characterised by the purpose of the information processing
    • G16Y40/20—Analytics; Diagnosis
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
    • G16Y40/00—IoT characterised by the purpose of the information processing
    • G16Y40/50—Safety; Security of things, users, data or systems
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N7/00—Television systems
    • H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
    • H04N7/181—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast for receiving images from a plurality of remote sources
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61G—TRANSPORT, PERSONAL CONVEYANCES, OR ACCOMMODATION SPECIALLY ADAPTED FOR PATIENTS OR DISABLED PERSONS; OPERATING TABLES OR CHAIRS; CHAIRS FOR DENTISTRY; FUNERAL DEVICES
    • A61G2203/00—General characteristics of devices
    • A61G2203/10—General characteristics of devices characterised by specific control means, e.g. for adjustment or steering
    • A61G2203/20—Displays or monitors
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/044—Recurrent networks, e.g. Hopfield networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/0464—Convolutional networks [CNN, ConvNet]

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Biomedical Technology (AREA)
  • Computing Systems (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • General Engineering & Computer Science (AREA)
  • Animal Behavior & Ethology (AREA)
  • Computational Linguistics (AREA)
  • Veterinary Medicine (AREA)
  • Data Mining & Analysis (AREA)
  • Molecular Biology (AREA)
  • Biophysics (AREA)
  • Epidemiology (AREA)
  • Multimedia (AREA)
  • Pathology (AREA)
  • Business, Economics & Management (AREA)
  • Primary Health Care (AREA)
  • Databases & Information Systems (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Surgery (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Evolutionary Computation (AREA)
  • Probability & Statistics with Applications (AREA)
  • Emergency Management (AREA)
  • General Business, Economics & Management (AREA)
  • Artificial Intelligence (AREA)
  • Physiology (AREA)
  • Psychiatry (AREA)
  • Fuzzy Systems (AREA)
  • Toxicology (AREA)
  • Computer Security & Cryptography (AREA)
  • Signal Processing (AREA)
  • Environmental & Geological Engineering (AREA)

Abstract

本发明公开了一种用于层流仓内的智能病床监控系统，包括情境感知模块、自适应机器学习模块、层级报警管理模块、情境感知交互界面、知识图谱模块、交流与协作模块以及后期分析和反馈循环模块；所述情境感知模块利用IoT设备实时获取环境和患者状态数据；采用视频分析技术捕捉患者的行为和情绪表达；所述自适应机器学习模块利用深度学习网络，训练模型能够理解正常和异常的生理及环境参数范围，自动调整报警阈值；通过智能化的方式提高了层流仓内病床的监控效率和精度，提升了医护团队的响应速度和处理效果，确保了患者安全，并且在长期应用中能够通过数据分析和反馈进一步优化系统性能，具有显著的实用价值和推广前景。

Description

一种用于层流仓内的智能病床监控系统
技术领域
本发明属于医疗设备技术领域，具体为一种用于层流仓内的智能病床监控系统。
背景技术
层流仓作为一种具有特定洁净度和微生物控制的环境，广泛用于医疗手术室和ICU以确保患者在无菌的条件下接受治疗。在层流仓内的监控系统，主要用于监测环境参数（如气流、温度、湿度等）和患者的生理参数，从而确保医护团队能够及时得知环境和患者状态的任何异常变化。
现有的病床监控系统多集中于基本的生理参数监测和简单的环境状态检测，并未充分利用现代化的信息技术手段和数据分析方法来实现对整个医疗环境和医护团队的智能感知与交互。另一方面，现行技术在对异常状态报警、信息呈现、医护团队的协同响应、以及基于大数据的分析反馈等方面也存在一定的不足。并且，当前已知的病床监控系统多侧重于单一或多参数的生理信号监测，通过各种生理传感器获取患者的基本参数（如心率、血压、血氧等），并在检测到异常时发出报警。而对于环境参数的监测和管理、报警信息的智能传递、医护团队的交流协作、知识图谱的支持等方面，多数系统尚处于初步阶段。
此外，现有的病床监控系统在处理复杂情境感知、实现跨团队的协同响应、以及整合大数据进行智能化分析与决策支持方面也相对较弱。
因此，急需一种能够提供全方位、智能化管理和监控的病床监控系统，以实现更为准确、及时和便捷的医疗服务。
发明内容
本发明的目的在于：一种用于层流仓内的智能病床监控系统 ，通过智能化的方式提高了层流仓内病床的监控效率和精度，提升了医护团队的响应速度和处理效果，确保了患者安全，并且在长期应用中能够通过数据分析和反馈进一步优化系统性能，具有显著的实用价值和推广前景。
本发明采用的技术方案如下：
一种用于层流仓内的智能病床监控系统 ，包括情境感知模块、自适应机器学习模块、层级报警管理模块、情境感知交互界面、知识图谱模块、交流与协作模块以及后期分析和反馈循环模块；
所述情境感知模块利用IoT设备实时获取环境和患者状态数据；采用视频分析技术捕捉患者的行为和情绪表达；
所述自适应机器学习模块利用深度学习网络，训练模型能够理解正常和异常的生理及环境参数范围，自动调整报警阈值；
所述层级报警管理模块将警报分级，并用不同的提示方式进行区分；
所述情境感知交互界面采集并分析医护人员的表情和语音，以判断其心情和注意力分配，进而调整警报的传递方式；利用AR技术在医护人员的视线中展现报警信息，不打断其当前工作；
所述知识图谱模块集成基于医学知识图谱的模块，当发生警报时，该模块能够快速提供警报原因、待采取的措施、及历史案例；系统自动记录每次警报的处理情况和结果，便于未来分析和学习；
所述交流与协作模块利用5G/6G通信技术，当紧急报警发生时，系统迅速将信息分享给所有相关医护人员和医疗团队；
所述后期分析和反馈循环模块通过机器学习分析报警数据与实际情况的关联性，并不断调整和优化报警模型和阈值；使用数据可视化技术，为医护团队提供清晰的报警统计和分析结果，帮助团队理解和改进整个处理流程。
其中，所述情境感知模块包括 IoT 设备整合和行为和情绪感知；所述IoT 设备整合包括：
生理参数监测，集成各类传感器以实时追踪患者的生理数据；
环境参数监测，使用环境传感器来实时监测和记录层流仓的环境条件；
IoT平台，整合并管理所有IoT设备数据的平台，包括对数据的收集、处理和分析；
所述行为和情绪感知包括：
摄像头部署，部署摄像头，以便获取患者的行为和面部表达数据；
视频分析引擎，运用AI和机器学习算法分析视频数据；
行为识别，分析患者的动作；
表情和情绪分析，识别患者的面部表达，通过分析微表情来了解患者的情绪状态。
其中，所述自适应机器学习模块包括：
数据整合，构建集中的数据中心，以接收和处理从各种IoT设备和摄像头中收集到的数据；
数据融合，将不同来源的数据整合在一起，提供一个综合的视图来更全面地理解患者和环境的状态；
智能分析，通过机器学习和数据分析算法，实时分析患者的生理参数、行为和情绪；
异常检测，构建并训练模型来识别患者状态的异常；
自动响应，当系统检测到患者状态的异常或不适时，自动触发相应的预设动作或警报；
信息推送，将重要的患者状态信息推送给医护人员，帮助迅速了解和响应患者的需要；
可视化界面，让医护人员能够清晰、直观地查看患者和环境的实时数据及分析结果；
远程控制，允许医护人员通过界面远程控制环境参数和部分IoT设备的设置。
其中，所述自适应机器学习模块采用深度学习网络模型，包括：
选用多层感知机、卷积神经网络或递归神经网络，根据数据的特点和需求确定模型架构；利用领域知识选择或构建与患者状态和环境参数相关的特征；利用收集的数据训练模型，并使用验证集来调整模型的超参数，优化其性能；构建自适应报警阈值调整机制，首先根据专业医学知识和历史数据定义生理参数和环境参数的正常范围；然后模型实时分析新输入的数据，预测患者的健康状态和环境安全性；根据预测结果和实时数据动态调整报警阈值。
其中，所述层级报警管理模块包括：
确定报警分类标准，一级报警：生命体征严重异常，需立即处理的情况；二级报警：生命体征稍微异常，或环境参数略有变化，需密切关注；三级报警：小幅度的生理或环境变化，提醒医护人员关注；每个报警级别制定相应的响应和处理流程；
集成传感器与数据采集，连接和同步不同的传感器来监测患者的生理和环境数据；基于定义的报警级别，设定初步的数据阈值和判别逻辑；利用专业算法分析患者和环境的实时数据，并将其与预定义的报警阈值进行比较；在分析数据时，逻辑模块需根据设定的规则来判断应触发哪个级别的报警。
其中，所述知识图谱模块包括：
医学知识图谱构建，从医学文献、指南、案例库中提取相关知识和信息；使用自然语言处理技术抽取关键信息并转化为结构化数据；使用图数据库存储和管理医学知识图谱数据；
实时警报分析与响应模块，获取和分析来自监护系统的实时警报信息；基于警报信息查询知识图谱，找出问题原因、相关病症或疾病；利用逻辑推理或学习到的模型进一步分析原因和建议措施；
知识推送与辅助决策模块，将知识图谱查询和推理的结果转化为医护人员能理解的自然语言文本；通过图形用户界面或移动设备推送相关的警报解释和处理建议给医护人员；
警报处理记录模块，将警报事件、建议措施、医护人员的实际操作和处理结果记录下来；以结构化的形式存储这些数据，以便进一步分析和学习；
持续学习与优化模块，定期分析累积的警报处理数据，了解常见问题及其处理效果；将新的数据和经验反馈到知识图谱中，对知识进行更新和补充；优化推理或学习模型，提高辅助决策的准确度和效率。
其中，所述后期分析和反馈循环模块包括：
数据收集与预处理，集成报警数据、患者生理数据和处理响应数据；确保数据质量，并进行清洗和格式化；选择或创建与报警和处理响应相关的特征；需要确保特征的选择能反映患者的生理状态和响应处理的效果。
机器学习模型的建立和优化，使用已收集的数据训练模型；通过交叉验证、调参方法优化模型性能；将机器学习模型应用于新的报警事件，并预测关联和结果；跟踪模型预测的准确性，并与实际情况进行比较。
报警模型和阈值的调整，通过比较模型的预测和实际结果来分析模型的误差；确定是否存在系统性的误差，并找出原因；基于模型的性能和误差分析结果，适时调整报警的阈值或模型参数；
数据可视化和报告，选择直观的可视化元素展示报警、响应时间和处理效果关键指标；利用色彩、形状和动画强化可视化效果，提高信息传递的效率；自动化生成包含关键报警统计和分析结果的报告；提供可交互的界面，让医护团队能深入探索数据。
综上所述，由于采用了上述技术方案，本发明的有益效果是：
1、全面且持续的监控：
本方案通过持续监控环境和患者状态，保证了层流仓内的监控无死角且连续，大幅度提高了医护团队对患者状态变化的响应速度和处理效率。通过综合分析多源数据，情境感知模块提供了一个全面的视图来更深入地理解患者和环境的状态。通过利用IoT设备和视频监控技术，系统不仅实时追踪患者的生理参数，还关注患者的行为和情绪表达。这种多维度的监测方法提供了一个全面的患者状态视图，帮助医护人员更加精确地理解患者的健康状况和需求。
2、精准的报警体系：
基于自适应机器学习模块和层级报警管理模块，系统能够实时、精准地识别患者状态的异常和环境的变化，并根据不同严重程度触发不同级别的报警。这种层级化的报警体系确保了医护团队能够合理分配注意力和资源，即时应对各类紧急状况。通过应用自适应机器学习模块和层级报警管理模块，系统能够自动识别异常状态，并根据其严重程度触发不同级别的报警。在知识图谱模块的协助下，医护团队能够迅速得知可能的问题原因和建议措施，大大减轻了的决策负担。
3、提升医护响应效率：
通过知识图谱模块和情境感知交互界面，系统为医护人员提供了丰富而精准的情境感知信息，有助于迅速理解并决策当前的紧急情况。同时，AR技术的引入，避免了医护人员在处理任务时被其他信息打断，提高了工作效率。知识图谱模块及其子模块通过整合丰富的医学知识和实时的监测数据，为医护团队提供强有力的数据支持和实时的决策建议，使得在复杂的医疗场景中团队能做出更加精确和合理的决策。
4、协同工作与通信优化：
交流与协作模块保证了在关键时刻，医疗团队能够通过高效的通信网络迅速整合资源和信息，形成快速响应，提升了患者的救治效率和安全性。情境感知交互界面与医护团队实时互动，识别的情绪和注意力分配，从而智能地调整报警传递的方式，减少工作中断。这有助于提升医护人员的工作效率和工作满意度，同时确保紧急情况得到及时处理。通过5G/6G技术和交流与协作模块，信息实时共享给所有相关医护人员和医疗团队，增强团队间的协作效率，以便于在紧急情况下更加有序、迅速的实施救治措施。
5、基于知识的决策支持：
知识图谱模块通过提取和整合各类医学知识和历史案例，为医护团队在处理紧急情况时提供了强大的信息支持，帮助其做出更加科学和精准的决策。
6、持续优化的智能系统：
后期分析和反馈循环模块能够通过分析存储的警报处理数据，持续学习和优化模型和报警阈值，使系统在不断的运行过程中自我优化，提高未来报警和处理的准确性和效率。后期分析和反馈循环模块通过机器学习分析报警数据与实际情况的关联性，不断调整和优化报警模型和阈值，使系统具备自我学习和优化的能力，逐渐提高预测和报警的准确性。持续的后期分析和数据可视化技术不仅帮助团队理解和改进整个处理流程，还可以作为培训和学习的工具，帮助医护团队不断提升专业知识和处理紧急情况的能力。
7、数据可视化和分析：
通过数据的可视化展示和分析，医护团队不仅能够方便地查看和理解患者和环境状态的各类数据，还能够对处理流程进行持续优化，从而提升工作效率和患者治疗的成功率。
8、提升患者安全和舒适度：
通过精确调整层流仓的环境参数，确保患者所处的环境始终在一个医学上认可的安全和舒适的范围内，有利于患者的康复。
综上，本方案通过智能化的方式提高了层流仓内病床的监控效率和精度，提升了医护团队的响应速度和处理效果，确保了患者安全，并且在长期应用中能够通过数据分析和反馈进一步优化系统性能，具有显著的实用价值和推广前景。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
一种用于层流仓内的智能病床监控系统 ，包括情境感知模块、自适应机器学习模块、层级报警管理模块、情境感知交互界面、知识图谱模块、交流与协作模块以及后期分析和反馈循环模块；
情境感知模块利用IoT设备实时获取环境和患者状态数据；采用视频分析技术捕捉患者的行为和情绪表达；
自适应机器学习模块利用深度学习网络，训练模型能够理解正常和异常的生理及环境参数范围，自动调整报警阈值；
层级报警管理模块将警报分级，并用不同的提示方式进行区分；
情境感知交互界面采集并分析医护人员的表情和语音，以判断其心情和注意力分配，进而调整警报的传递方式；利用AR技术在医护人员的视线中展现报警信息，不打断其当前工作；
知识图谱模块集成基于医学知识图谱的模块，当发生警报时，该模块能够快速提供可能的原因、待采取的措施、及历史案例；系统自动记录每次警报的处理情况和结果，便于未来分析和学习；
交流与协作模块利用5G/6G通信技术，当紧急报警发生时，系统迅速将信息分享给所有相关医护人员和医疗团队；
后期分析和反馈循环模块通过机器学习分析报警数据与实际情况的关联性，并不断调整和优化报警模型和阈值；使用数据可视化技术，为医护团队提供清晰的报警统计和分析结果，帮助团队理解和改进整个处理流程。
进一步的，情境感知模块是整个系统的数据收集和初步分析核心。其确保能实时、准确地理解和分析患者的状态以及周边环境，从而有可能预测并解决可能出现的问题。
一、IoT 设备整合
生理参数监测：
传感器选择：应选择能准确检测患者血压、心率、血氧饱和度等关键生理参数的传感器。
数据传输：考虑使用无线数据传输技术，减少患者的不适和限制，确保数据传输的安全性和实时性。
环境参数监测：
高级环境传感器部署：监测空气质量、温湿度、光照等，防止环境因素对患者造成不良影响。
实时环境调整：集成智能环控系统，一旦检测到环境参数偏离设定范围，自动调整至最佳状态。
IoT平台：
数据处理能力：IoT平台需要具备大数据处理能力，确保即使在大流量数据下也能稳定运行。
API整合：应该提供API供其他模块（如自适应机器学习模块）调用，获取需要的数据和信息。
二、行为和情绪感知
摄像头部署：
隐私保护：摄像头的部署和使用需遵守相关的法律法规，确保患者的隐私不受侵犯。
多角度摄像：尽可能从多个角度获取患者的图像信息，以提高数据分析的准确性。
视频分析引擎：
实时分析能力：系统应具备实时分析视频流的能力，确保能及时捕捉到患者的异常状态。
算法优化：考虑不同患者的多样性，如不同的年龄、性别、种族等在行为和表情上的差异，优化算法的通用性和准确性。
行为识别：
模型训练：利用大量的行为数据进行模型训练，以识别各种常见和异常的患者行为。
异常行为定义：与医学专家合作，定义什么样的行为应该被视为异常并触发警报。
表情和情绪分析：
情绪库建立：利用各种公开和专业的情绪识别数据库，建立和训练情绪识别模型。
微表情捕捉：尽可能捕捉和理解患者的微表情，以了解其深层次的情绪和需求。
情境感知模块旨在确保情境感知模块能全面、准确、及时地理解患者和环境的状态，通过与其他模块的交互，达到早期预警和精准干预的目的。在实际应用中，这些方案应灵活调整，不断根据反馈进行优化，确保其在多种场景下的稳定和可靠性。
进一步的，自适应机器学习模块包括：
一、数据整合: 构建集中的数据中心
a. 数据接收层
部署IoT网关来接收从各种IoT设备和摄像头发来的数据。
数据通过安全通道（例如，使用TLS/SSL）被传输到中央数据中心。
b. 数据存储层
利用高吞吐量、低延迟的数据库（例如，NoSQL数据库）来存储实时数据流。
c. 数据管理
保证数据质量（完整性、一致性、准确性）。
数据备份与恢复策略的建立与执行。
二、数据融合: 综合视图
a. 数据整合
实施数据清洗和预处理，解决数据不一致的问题。
b. 数据关联
设定关联规则，整合不同设备和模块的数据以获得全局视图。
三、智能分析: 机器学习和数据分析算法
a. 模型训练
采用适用的机器学习算法来预测和分析患者的生理参数和情绪状态。
b. 模型部署
将训练好的模型部署到生产环境中。
四、异常检测: 识别患者的异常状态
a. 模型定义
定义何为“正常”与“异常”状态，需要与医学专家紧密合作。
b. 实时检测
异常检测模型需要能在实时数据流上运行。
五、自动响应: 触发预设动作或警报
a. 响应策略定义
根据不同的异常级别，预设不同的响应策略。
b. 执行机制
确保在发生异常情况时，预定的动作或警报能立即被执行。
六、信息推送: 通知医护人员
a. 推送平台
使用或构建一个信息推送平台，以多种方式通知医护人员。
b. 信息筛选
根据医护人员的职责和需求，个性化推送信息。
七、可视化界面: 用于显示实时数据和分析结果
a. 前端界面
提供实时数据可视化、历史数据查询、分析结果展示等功能。
b. 用户交互
设计简洁直观的操作界面，便于医护人员的日常使用。
八、远程控制: 控制环境参数和IoT设备设置
a. 远程接口
开发远程控制接口，确保在不同网络环境下都能稳定运作。
b. 安全控制
接入多重身份验证，确保远程控制的安全性。
进一步的，自适应机器学习模块采用深度学习网络模型，包括：
一、确定模型架构
a. 数据探索
进行数据的探索性分析，了解数据的分布和特性。
b. 模型选择
选择MLP、CNN或RNN，视数据特性和任务需求定制网络架构（例如，对序列数据选用RNN，对图像数据选用CNN）。
二、特征工程
a. 领域知识引入
协同医学专家和数据科学家，从原始数据中选择或构建与患者状态和环境参数相关的特征。
b. 特征处理
进行特征缩放、编码等处理，确保模型能够更好地学习。
三、模型训练和验证
a. 数据集划分
将数据划分为训练集、验证集和测试集，用以模型的训练、调参和评估。
b. 模型训练
使用训练集进行模型训练，并使用验证集来进行模型的早期停止和超参数的调整，防止过拟合。
四、自适应报警阈值调整机制
a. 定义参数范围
依据医学专家的意见和历史数据，定义各个生理参数和环境参数的正常范围。
b. 实时分析
利用已训练的模型，对新输入数据进行实时分析，预测患者的健康状态和环境安全性。
c. 动态阈值调整
结合预测结果和实时数据，以及定义的正常范围，动态调整报警阈值，提高报警精度。
进一步的，层级报警管理模块包括：
一、确定报警分类标准与响应流程
a. 制定报警标准
一级报警：涵盖生命体征严重异常等紧急情况。
二级报警：针对生命体征轻度异常或环境参数小幅波动的情况。
三级报警：关注轻微的生理或环境变化。
b. 建立响应流程
针对不同级别的报警，制定具体的应对措施和流程，例如调整环境参数、紧急干预等。
二、集成传感器与数据采集
a. 硬件连接
确保各类传感器正确连接，并可靠地传输数据。
b. 数据同步与管理
将收集到的各类数据同步到集中的数据处理中心，并确保数据的完整性和安全性。
三、设定数据阈值和判别逻辑
a. 初始阈值设定
根据报警标准，定义各级别报警的数据阈值。
b. 判别逻辑构建
构建用于判定报警级别的逻辑算法，如设定某一生理指标在特定范围内变化的阈值。
四、专业算法分析与报警触发
a. 数据实时分析
运用专业算法（如机器学习模型）对实时数据进行分析。
b. 报警触发机制
根据分析结果与预设的阈值/判别逻辑，触发相应级别的报警，并调用相应的响应流程。
进一步的，知识图谱模块包括：
一、医学知识图谱构建
a. 数据收集与预处理
搜索和下载相关医学文献、指南和案例。
对原始数据进行清洗，去除无关项。
b.信息抽取
利用自然语言处理（NLP）技术（例如，命名实体识别和关系抽取）确定文本中的关键实体和它们的相互关系。
c.知识图谱构建与存储
设计一个结构化的图模型来有效地表示和管理提取的知识。
使用图数据库（如Neo4j）存储、查询和管理数据。
二、实时警报分析与响应模块
a.警报信息获取与分析
接收监护系统传递的实时警报信息。
利用预设的规则或模型进行初步的问题分析。
b.知识图谱查询与分析
根据初步分析的结果查询知识图谱，找到可能的问题原因和关联症状。
利用已有模型或专家经验，推导可能的发展趋势和紧急程度。
三、知识推送与辅助决策模块
a.信息转化
利用NLP技术将查询和分析的结论转化为通俗易懂的自然语言文本。
b.信息推送
构建通知系统，包含图形用户界面或移动设备推送能力，以实时提醒和指导医护人员。
四、警报处理记录模块
a.事件记录
系统需自动记录所有发生的警报事件、所采取的行动和处理的结果。
.b数据存储
以结构化格式存储所有记录，便于后续分析和追踪。
五、持续学习与优化模块
a.定期数据分析
使用数据挖掘和分析技术周期性地分析累积的警报处理数据。
识别模式、效果和可能的改进点。
b.知识图谱更新与模型优化
根据分析结果更新知识图谱，填补知识空缺或调整不准确的内容。
利用最新数据不断调整和优化推理或机器学习模型的参数，提高预测和决策的精度。
进一步的，后期分析和反馈循环模块包括：
一、数据收集与预处理
a.整合多源数据
集成报警数据、患者生理数据、和处理响应数据，包含原始报警时间、生理参数波动、采取的措施及响应时间等。
.b数据清洗
对集成的数据进行质量检查，识别并处理缺失值和异常值。
进行数据清洗和格式化以便于后续分析。
.c特征选择与构建
确定与报警和响应相关的关键特征，包括患者的生理参数变化、措施效果等。
通过相关性分析、主成分分析等方法确保选择的特征具有代表性和区分度。
二、机器学习模型的建立和优化
a.模型训练
划分数据集为训练集、验证集和测试集。
使用训练数据建立初始模型，例如分类模型、预测模型等。
b.模型优化
采用交叉验证、网格搜索等方法进行模型调参，优化模型性能。
追踪模型的准确性，并使用新数据进行持续的验证。
三、报警模型和阈值的调整
a.模型评估与误差分析
使用测试集数据进行模型评估，并对比实际处理结果。
分析模型预测和实际结果之间的偏差，识别并理解造成差异的原因。
b.模型和阈值调整
基于误差分析结果，针对性地调整模型参数或特征。
根据模型输出与实际情况的匹配程度，调整报警阈值，以避免过多的误报或漏报。
四、数据可视化和报告
a.可视化展示
利用图表、仪表盘等展示关键指标如报警次数、响应时间和处理效果等。
运用合适的色彩、形状和动画增强视觉表达，以直观地呈现复杂数据。
b.自动化报告
生成包含关键数据点和模型分析结果的自动化报告，便于团队查阅和分析。
提供互动式的报告界面，支持医护人员根据需要对数据进行深入探讨。
本实施例描述了一种用于层流仓内的智能病床监控系统，其主要由七大模块构成，以提升患者监护的效率和精确度，并实时适应医护人员和患者的实际情况。
1. 情境感知模块
此模块利用IoT设备监测患者及环境参数，同时采用视频分析技术分析患者行为和情绪。其中包括生理和环境参数监测、IoT平台数据管理、摄像头部署、行为和情绪感知等关键环节，以实时掌握患者及环境状况，为后续模块提供数据支持。
2. 自适应机器学习模块
这部分涉及到的是如何通过深度学习网络模型，例如MLP、CNN或RNN等，处理从IoT设备和摄像头获取的大量数据，并对患者和环境进行智能分析。模块不仅能够识别异常，还能自动响应，并且能够将关键信息推送给医护人员，并允许远程控制某些IoT设备设置。
3. 层级报警管理模块
在收到来自自适应机器学习模块的数据后，本模块根据预定的报警分类标准和报警阈值进行处理，确定报警等级，并启动对应的警报流程，以便做出及时响应。
4. 知识图谱模块
本模块涵盖了医学知识图谱的构建、实时警报分析、知识推送、警报处理记录及持续学习和优化。主要目标是提供及时和准确的决策支持，改善医护人员的响应措施，并通过实时学习不断优化知识库。
5. 情境感知交互界面
此模块通过分析医护人员的表情和语音，感知的心情和注意力分配，来适应性地调整报警传递方式。AR技术的应用能在医护人员视线中直观显示报警信息，以免干扰其当前工作。
6. 交流与协作模块
利用先进的通讯技术（例如5G/6G），在紧急情况下，能够迅速地分享报警信息给相关的医护团队，促进团队间的交流与协作。
7. 后期分析和反馈循环模块
集成数据收集、机器学习模型的优化、报警模型的调整以及数据可视化报告等功能，旨在通过分析关联性数据，优化报警模型和阈值，并将分析结果以直观的方式展示给医护团队，帮助其理解和改进处理流程。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (5)

1.一种用于层流仓内的智能病床监控系统，其特征在于：包括情境感知模块、自适应机器学习模块、层级报警管理模块、情境感知交互界面、知识图谱模块、交流与协作模块以及后期分析和反馈循环模块；
所述情境感知模块利用IoT设备实时获取环境和患者状态数据；采用视频分析技术捕捉患者的行为和情绪表达；
所述自适应机器学习模块利用深度学习网络模型，训练模型能够理解正常和异常的生理及环境参数范围，自动调整报警阈值；
所述层级报警管理模块将警报分级，并用不同的提示方式进行区分；
所述情境感知交互界面采集并分析医护人员的表情和语音，以判断其心情和注意力分配，进而调整警报的传递方式；利用AR技术在医护人员的视线中展现报警信息，不打断其当前工作；
所述知识图谱模块为集成基于医学知识图谱的模块，当发生警报时，该模块能够快速提供警报原因、待采取的措施及历史案例；系统自动记录每次警报的处理情况和结果，便于未来分析和学习；
所述交流与协作模块利用5G/6G通信技术，当紧急报警发生时，系统迅速将信息分享给所有相关医护人员和医疗团队；
所述后期分析和反馈循环模块通过机器学习分析报警数据与实际情况的关联性，并不断调整和优化报警模型和阈值；使用数据可视化技术，为医护团队提供清晰的报警统计和分析结果，帮助团队理解和改进整个处理流程；
所述自适应机器学习模块采用深度学习网络模型，包括：
选用多层感知机、卷积神经网络或递归神经网络，根据数据的特点和需求确定模型架构；利用领域知识选择或构建与患者状态和环境参数相关的特征；利用收集的数据训练模型，并使用验证集来调整模型的超参数，优化其性能；构建自适应报警阈值调整机制，首先根据专业医学知识和历史数据定义生理参数和环境参数的正常范围；然后模型实时分析新输入的数据，预测患者的健康状态和环境安全性；根据预测结果和实时数据动态调整报警阈值；
所述知识图谱模块包括：
医学知识图谱构建，从医学文献、指南、案例库中提取相关知识和信息；使用自然语言处理技术抽取关键信息并转化为结构化数据；使用图数据库存储和管理医学知识图谱数据；
实时警报分析与响应模块，获取和分析来自监护系统的实时警报信息；基于警报信息查询知识图谱，找出问题原因、相关病症或疾病；利用逻辑推理或学习到的模型进一步分析原因和建议措施；
知识推送与辅助决策模块，将知识图谱查询和推理的结果转化为医护人员能理解的自然语言文本；通过图形用户界面或移动设备推送相关的警报解释和处理建议给医护人员；
警报处理记录模块，将警报事件、建议措施、医护人员的实际操作和处理结果记录下来；以结构化的形式存储这些数据，以便进一步分析和学习；
持续学习与优化模块，定期分析累积的警报处理数据，了解常见问题及其处理效果；将新的数据和经验反馈到知识图谱中，对知识进行更新和补充；优化推理或学习模型，提高辅助决策的准确度和效率。
2.如权利要求1所述的一种用于层流仓内的智能病床监控系统，其特征在于：所述情境感知模块包括 IoT 设备整合和行为和情绪感知；所述IoT 设备整合包括：
生理参数监测，集成各类传感器以实时追踪患者的生理数据；
环境参数监测，使用环境传感器来实时监测和记录层流仓的环境条件；
IoT平台，整合并管理所有IoT设备数据的平台，包括对数据的收集、处理和分析；
所述行为和情绪感知包括：
摄像头部署，部署摄像头，以便获取患者的行为和面部表达数据；
视频分析引擎，运用AI和机器学习算法分析视频数据；
行为识别，分析患者的动作；
表情和情绪分析，识别患者的面部表达，通过分析微表情来了解患者的情绪状态。
3.如权利要求1所述的一种用于层流仓内的智能病床监控系统，其特征在于：所述自适应机器学习模块包括：
数据整合，构建集中的数据中心，以接收和处理从各种IoT设备和摄像头中收集到的数据；
数据融合，将不同来源的数据整合在一起，提供一个综合的视图来更全面地理解患者和环境的状态；
智能分析，通过机器学习和数据分析算法，实时分析患者的生理参数、行为和情绪；
异常检测，构建并训练模型来识别患者状态的异常；
自动响应，当系统检测到患者状态的异常或不适时，自动触发相应的预设动作或警报；
信息推送，将重要的患者状态信息推送给医护人员，帮助迅速了解和响应患者的需要；
可视化界面，让医护人员能够清晰、直观地查看患者和环境的实时数据及分析结果；
远程控制，允许医护人员通过界面远程控制环境参数和部分IoT设备的设置。
4.如权利要求1所述的一种用于层流仓内的智能病床监控系统，其特征在于：所述层级报警管理模块包括：
确定报警分类标准，一级报警：生命体征严重异常，需立即处理的情况；二级报警：生命体征稍微异常，或环境参数略有变化，需密切关注；三级报警：小幅度的生理或环境变化，提醒医护人员关注；每个报警级别制定相应的响应和处理流程；
集成传感器与数据采集，连接和同步不同的传感器来监测患者的生理和环境数据；基于定义的报警级别，设定初步的数据阈值和判别逻辑；利用专业算法分析患者和环境的实时数据，并将其与预定义的报警阈值进行比较；在分析数据时，逻辑模块需根据设定的规则来判断应触发哪个级别的报警。
5.如权利要求1所述的一种用于层流仓内的智能病床监控系统，其特征在于：所述后期分析和反馈循环模块包括：
数据收集与预处理，集成报警数据、患者生理数据和处理响应数据；确保数据质量，并进行清洗和格式化；选择或创建与报警和处理响应相关的特征；需要确保特征的选择能反映患者的生理状态和响应处理的效果；
机器学习模型的建立和优化，使用已收集的数据训练模型；通过交叉验证和调参方法优化模型性能；将机器学习模型应用于新的报警事件，并预测关联和结果；跟踪模型预测的准确性，并与实际情况进行比较；
报警模型和阈值的调整，通过比较模型的预测和实际结果来分析模型的误差；确定是否存在系统性的误差，并找出原因；基于模型的性能和误差分析结果，适时调整报警的阈值或模型参数；
数据可视化和报告，选择直观的可视化元素展示报警、响应时间和处理效果关键指标；利用色彩、形状和动画强化可视化效果，提高信息传递的效率；自动化生成包含关键报警统计和分析结果的报告；提供可交互的界面，让医护团队能深入探索数据。
CN202410046972.8A 2024-01-12 2024-01-12 一种用于层流仓内的智能病床监控系统 Active CN117577294B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202410046972.8A CN117577294B (zh) 2024-01-12 2024-01-12 一种用于层流仓内的智能病床监控系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202410046972.8A CN117577294B (zh) 2024-01-12 2024-01-12 一种用于层流仓内的智能病床监控系统

Publications (2)

Publication Number Publication Date
CN117577294A CN117577294A (zh) 2024-02-20
CN117577294B true CN117577294B (zh) 2024-05-10

Family

ID=89895824

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202410046972.8A Active CN117577294B (zh) 2024-01-12 2024-01-12 一种用于层流仓内的智能病床监控系统

Country Status (1)

Country Link
CN (1) CN117577294B (zh)

Citations (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN206062255U (zh) * 2016-09-06 2017-04-05 华中科技大学 一种施工环境监测安全帽
CN107480462A (zh) * 2017-09-05 2017-12-15 上海亲睦医院管理有限公司 智慧临床交互系统
CN108595683A (zh) * 2018-05-03 2018-09-28 合肥工业大学 基于医学知识图谱的医嘱合理性监测方法
CN109992440A (zh) * 2019-04-02 2019-07-09 北京睿至大数据有限公司 一种基于知识图谱和机器学习的it根故障分析识别方法
CN111000688A (zh) * 2019-12-04 2020-04-14 江苏第二师范学院（江苏省教育科学研究院） 一种智能医疗床监控系统
CN111402523A (zh) * 2020-03-24 2020-07-10 宋钰堃 一种基于面部影像识别的医疗报警系统及方法
CN113113149A (zh) * 2021-04-01 2021-07-13 上海复拓知达医疗科技有限公司 一种增强现实手术导航系统的提示信息显示装置和方法
CN113113136A (zh) * 2021-04-15 2021-07-13 杭州炽橙数字科技有限公司 一种基于混合现实的医疗辅助决策系统
CN216855425U (zh) * 2021-11-19 2022-07-01 玉溪市儿童医院 智能非重力闭环密闭式输液管理系统
CN115576109A (zh) * 2022-10-30 2023-01-06 广西医科大学第一附属医院 Ar医疗增强现实眼镜
CN115758119A (zh) * 2022-11-21 2023-03-07 山东科技大学 一种基于脑机接口和动作识别的瘫痪患者监护系统
CN115938552A (zh) * 2022-12-20 2023-04-07 上海域圆信息科技有限公司 一种应用于重症监控室的vr远程监控系统
CN116343302A (zh) * 2023-03-29 2023-06-27 四川大学华西医院 一种基于机器视觉的微表情分类识别系统
CN116911823A (zh) * 2023-07-05 2023-10-20 中国南方电网有限责任公司超高压输电公司贵阳局 一种基于ar眼镜的变电站的巡检交互方法、系统
CN116976043A (zh) * 2023-05-26 2023-10-31 南京航空航天大学 一种基于知识图谱的sdss电网智能辅助决策方法

Patent Citations (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN206062255U (zh) * 2016-09-06 2017-04-05 华中科技大学 一种施工环境监测安全帽
CN107480462A (zh) * 2017-09-05 2017-12-15 上海亲睦医院管理有限公司 智慧临床交互系统
CN108595683A (zh) * 2018-05-03 2018-09-28 合肥工业大学 基于医学知识图谱的医嘱合理性监测方法
CN109992440A (zh) * 2019-04-02 2019-07-09 北京睿至大数据有限公司 一种基于知识图谱和机器学习的it根故障分析识别方法
CN111000688A (zh) * 2019-12-04 2020-04-14 江苏第二师范学院（江苏省教育科学研究院） 一种智能医疗床监控系统
CN111402523A (zh) * 2020-03-24 2020-07-10 宋钰堃 一种基于面部影像识别的医疗报警系统及方法
CN113113149A (zh) * 2021-04-01 2021-07-13 上海复拓知达医疗科技有限公司 一种增强现实手术导航系统的提示信息显示装置和方法
CN113113136A (zh) * 2021-04-15 2021-07-13 杭州炽橙数字科技有限公司 一种基于混合现实的医疗辅助决策系统
CN216855425U (zh) * 2021-11-19 2022-07-01 玉溪市儿童医院 智能非重力闭环密闭式输液管理系统
CN115576109A (zh) * 2022-10-30 2023-01-06 广西医科大学第一附属医院 Ar医疗增强现实眼镜
CN115758119A (zh) * 2022-11-21 2023-03-07 山东科技大学 一种基于脑机接口和动作识别的瘫痪患者监护系统
CN115938552A (zh) * 2022-12-20 2023-04-07 上海域圆信息科技有限公司 一种应用于重症监控室的vr远程监控系统
CN116343302A (zh) * 2023-03-29 2023-06-27 四川大学华西医院 一种基于机器视觉的微表情分类识别系统
CN116976043A (zh) * 2023-05-26 2023-10-31 南京航空航天大学 一种基于知识图谱的sdss电网智能辅助决策方法
CN116911823A (zh) * 2023-07-05 2023-10-20 中国南方电网有限责任公司超高压输电公司贵阳局 一种基于ar眼镜的变电站的巡检交互方法、系统

Also Published As

Publication number Publication date
CN117577294A (zh) 2024-02-20

Similar Documents

Publication Publication Date Title
US12046366B1 (en) Health and wellness management technology
US9830801B2 (en) Alarm management system
CN102348101A (zh) 一种考场智能监控系统和方法
CN116681250A (zh) 一种基于人工智能的建筑工程进度监管系统
US12008480B2 (en) Context information uncertainty elimination system and working method based on QoX adaptive management
Pirzada et al. Sensors in smart homes for independent living of the elderly
JP2021523466A (ja) 比較安全イベント評価のための個人保護具及び安全管理システム
CN118072255B (zh) 一种智慧园区多源数据动态监控和实时分析系统及方法
CN113850229A (zh) 基于视频数据机器学习的人员异常行为预警方法、系统及计算机设备
CN111402523A (zh) 一种基于面部影像识别的医疗报警系统及方法
CN117877734A (zh) 一种精神障碍患者危险级别判断系统
JP2012208793A (ja) 警備装置
CN110989042A (zh) 一种高速公路团雾风险的智能化预测方法
CN117577294B (zh) 一种用于层流仓内的智能病床监控系统
CN116013031A (zh) 一种服务于老年人的智慧看护系统
Zouba et al. Multi-sensors analysis for everyday activity monitoring
CN111681149A (zh) 一种养老院监护对象精细化监控方法、存储设备及移动终端
US11836587B2 (en) System and method for real-time artificial intelligence situation determination based on distributed device event data
CN116189091A (zh) 基于多源数据的告警平台
CN116825337A (zh) 患者安全护理预警系统
WO2022167103A1 (en) Recommender system for time-dependent actions based on temporal knowledge graphs
CN111738335A (zh) 一种基于神经网络的时间序列数据异常检测方法
Nafil et al. Fall Detection System for Elderly People using IoT and Machine Learning technology
CN115358902A (zh) 一种基于3d行为捕捉的紧急疏散指引系统
CN117457153A (zh) 精神科居家护理智能推荐系统及方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant