CN117976173A - 一种信号传输呼叫管理系统 - Google Patents
一种信号传输呼叫管理系统 Download PDFInfo
- Publication number
- CN117976173A CN117976173A CN202410362828.5A CN202410362828A CN117976173A CN 117976173 A CN117976173 A CN 117976173A CN 202410362828 A CN202410362828 A CN 202410362828A CN 117976173 A CN117976173 A CN 117976173A
- Authority
- CN
- China
- Prior art keywords
- expression
- patient
- instruction
- distance
- monitoring
- 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.)
- Granted
Links
- 230000008054 signal transmission Effects 0.000 title claims abstract description 13
- 230000014509 gene expression Effects 0.000 claims abstract description 288
- 238000012544 monitoring process Methods 0.000 claims abstract description 87
- 238000010276 construction Methods 0.000 claims abstract description 4
- 230000008859 change Effects 0.000 claims description 52
- 230000011664 signaling Effects 0.000 claims description 20
- 238000012163 sequencing technique Methods 0.000 claims description 19
- 238000004364 calculation method Methods 0.000 claims description 16
- 238000013527 convolutional neural network Methods 0.000 claims description 9
- 238000004422 calculation algorithm Methods 0.000 claims description 7
- 239000013598 vector Substances 0.000 claims description 6
- 230000005587 bubbling Effects 0.000 claims description 4
- 238000003745 diagnosis Methods 0.000 claims description 4
- 201000010099 disease Diseases 0.000 claims description 4
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims description 4
- 238000012545 processing Methods 0.000 claims description 4
- 238000012795 verification Methods 0.000 claims description 4
- 239000003814 drug Substances 0.000 claims description 3
- 238000009432 framing Methods 0.000 claims description 3
- 238000012806 monitoring device Methods 0.000 claims description 3
- 230000005540 biological transmission Effects 0.000 abstract description 4
- 238000000034 method Methods 0.000 description 15
- 210000000744 eyelid Anatomy 0.000 description 4
- 230000000474 nursing effect Effects 0.000 description 4
- 230000004397 blinking Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 230000036772 blood pressure Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 210000003128 head Anatomy 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 230000032696 parturition Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 208000024891 symptom Diseases 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000036760 body temperature Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000003651 drinking water Substances 0.000 description 1
- 235000020188 drinking water Nutrition 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 210000004709 eyebrow Anatomy 0.000 description 1
- 235000003642 hunger Nutrition 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000035790 physiological processes and functions Effects 0.000 description 1
- 238000011176 pooling Methods 0.000 description 1
- 238000004321 preservation Methods 0.000 description 1
- 238000007639 printing Methods 0.000 description 1
- 230000002195 synergetic effect Effects 0.000 description 1
- 230000035922 thirst Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
- G16H40/20—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 management or administration of healthcare resources or facilities, e.g. managing hospital staff or surgery rooms
-
- 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
-
- 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
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
- G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
-
- 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
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/174—Facial expression recognition
-
- 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
- G06V40/20—Movements or behaviour, e.g. gesture recognition
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Evolutionary Computation (AREA)
- Computing Systems (AREA)
- Artificial Intelligence (AREA)
- Multimedia (AREA)
- Software Systems (AREA)
- Medical Informatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Economics (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Molecular Biology (AREA)
- Strategic Management (AREA)
- Human Computer Interaction (AREA)
- Computational Linguistics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Mathematical Physics (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Social Psychology (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Development Economics (AREA)
- Tourism & Hospitality (AREA)
- Psychiatry (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
Abstract
本发明属于医院传输呼叫技术领域,本发明公开了一种信号传输呼叫管理系统,包括:表情指令构建模块,获取同一病人的信息、需求以及表情,基于同一病人的表情与需求构建表情指令;表情指令识别模块,通过监测设备对当前病人的表情进行监测,得到监测视频,构建指令识别模型,通过指令识别模型对监测视频中的表情指令进行识别,得到被识别表情指令。本发明能够在病人存在失语、失声、无法行动的情况下,能够减少病人在生病住院时的不适,便于病人通过表情指令对医护人员进行呼叫,提升了病人表达需求的便捷性、准确性;能够便于医护人员优先解决指令接收周期内紧急数值较高的病人的需求。
Description
技术领域
本发明涉及医院传输呼叫技术领域,更具体地说,本发明涉及一种信号传输呼叫管理系统。
背景技术
随着现代通信技术的发展,信号传输呼叫管理系统在各种领域中得到了广泛的应用,传统的信号传输呼叫管理系统主要依赖于硬件设备,如交换机、路由器等,来进行呼叫的接通、挂断、转移等操作;其中,大部分医院的病房呼叫系统由安装在病区护士站的呼叫主机和分别设置在病房床头、病房卫生间的呼叫分机、走廊显示屏组成,一旦病房床头或卫生间有人按呼叫按钮,护士站的主机就发出声光报警信号,同时,走廊显示屏同步显示呼叫床位号,护士人员便可以立刻赶往病房处理紧急情况。
发明专利公开了专利号为CN116363832A的一种全场景智慧病房联讯护理系统,该系统包括床头终端设备,用以监测病患的生理状态,获取实时监测信息,高速信息传输总线,用以将床头终端设备彼此连接,并将实时监测信息上传,病房管理主机,获取实时监测信息,通过对实时监测信息进行筛选,得到目的监测信息,通过调整获取实时监测信息的获取频率,获取节点数据,并根据节点数据产生第二报警信号;床头呼叫终端,通过语音监测识别病患声音;护理呼叫终端,用以将护理站分别与护士站和医疗站建立通讯,在托管时转发床头呼叫终端产生的呼叫。
现有医院的信号传输呼叫管理系统在使用时,存在以下缺陷:当病人存在失语、失声、无法行动时,传统的床头呼叫的方式不适合上述病人,病人不便对医护人员进行呼叫以表达自己的需求,并且,由于当前医护人员资源紧张,一个医护人员往往需要看护多个病人,当多个病人在同一指令接收周期内发出表情指令时,医护人员难以根据病人的紧急数值来优先满足其需求。
鉴于此,本发明提出一种信号传输呼叫管理系统以解决上述问题。
发明内容
为了克服现有技术的上述缺陷,为实现上述目的,本发明提供如下技术方案:一种信号传输呼叫管理系统,包括:
表情指令构建模块,获取同一病人的信息、需求以及表情,基于同一病人的表情与需求构建表情指令;
表情指令识别模块,通过监测设备对当前病人的表情进行监测,得到监测视频,构建指令识别模型,通过指令识别模型对监测视频中的表情指令进行识别,得到被识别表情指令;
表情指令发送模块,获取被识别表情指令的紧急数值,通过紧急数值对被识别表情指令进行排序,得到排序结果,医护人员根据排序结果对病人表情指令对应的需求进行接收与解决;
表情指令存储模块,对病人的表情指令进行存储,将病人的表情指令与信息进行关联;
系统建议模块,记录病人对信号传输呼叫管理系统的建议,对建议进行录入存储。
进一步地,所述获取同一病人的信息、需求以及表情,基于同一病人的表情与需求构建表情指令,包括:
S10、对同一病人的信息、需求进行采集,其中,同一病人的信息包括:病人个人信息、病人疾病信息、医生诊断信息、病人医疗报告信息、病人所在科室信息、病人所在床位信息、病人责任医生信息和病人责任护士信息;
S11、对同一病人的表情进行采集,包括:确定同一病人被采集的表情,对同一病人的同一表情进行多次拍摄并汇总,得到表情视频集,其中,同一表情与一个表情视频集对应;
S12、通过卷积神经网络对表情视频集中病人发生表情变化的特征进行提取,得到表情视频集的表情特征;
S13、将表情视频集对应的表情特征与病人的需求进行关联,即可构建成病人的一个表情指令;
S14、将同一病人的每一表情指令与对应的表情特征存在一个子文件夹内,将同一病人的所有子文件夹存在一个总文件夹内,将总文件夹与病人科室信息、病人病床信息进行关联。
进一步地,所述通过监测设备对当前病人的表情进行监测,得到监测视频,构建指令识别模型,通过指令识别模型对监测视频中的表情指令进行识别,得到被识别表情指令,包括:
S20、获取当前病人对应的所有表情指令,获取每一表情指令对应的表情视频集和表情特征,通过卷积神经网络对表情特征中的关键点进行标记,获取表情视频集中表情特征产生最大变化距离的两个关键点,将产生最大变化距离的两个关键点记为两个捕捉点;
S21、获取表情视频集中表情特征对应的两个捕捉点的变化距离,基于最小变化距离和最大变化距离构成表情指令的距离变化区间;
S22、获取表情视频集中表情特征对应的两个捕捉点变化的时长,基于最大时长和最小时长构成表情指令的时间长度区间;
S23、通过病房安装的监测设备对当前病人的表情进行监测,预设时间周期,根据时间周期对当前病人的监测视频进行获取;
S24、通过指令识别模型对监测视频中病人的表情指令进行识别,得到被识别表情指令。
进一步地,所述构建指令识别模型,包括:
S30、对监测视频进行分帧处理,得到监测图片集;
S31、获取当前病人表情指令的数量,根据表情指令的数量对监测图片集进行复制;
S32、将表情指令对应的捕捉点与复制的监测图片集一对一对应,将表情指令对应的捕捉点在复制的监测图片集中进行标记,其中,一个表情指令仅与一个复制的监测图片集进行对应;
S33、同时将所有复制的监测图片集与表情指令捕捉点的距离变化进行比对,将符合距离变化区间的监测图片集进行保留,得到初步比对合集,将不符合的距离变化区间的监测图片集进行删除;
S34、获取初步比对合集中监测图片集的时间长度区间,将符合时间长度区间的监测图片集进行保留,保留的监测图片集即为被识别的表情指令,将不符合时间长度区间的监测图片集进行删除。
进一步地,所述获取表情视频集中表情特征对应的两个捕捉点的变化距离,包括:
S210、将表情指令对应的两个捕捉点分别记为第一捕捉点和第二捕捉点,计算监测图片集中监测图片的第一捕捉点和第二捕捉点之间的距离,第一捕捉点和第二捕捉点之间距离的计算公式为:
;
S211、得到监测图片集中所有监测图片第一捕捉点和第二捕捉点之间的距离,记为距离数组,通过冒泡算法对距离数组中的最大距离和最小距离进行提取,将距离数组中的最大距离和最小距离相减,得到最大变化距离,最大变化距离的计算公式为:
,
其中,为两个捕捉点的最大变化距离,为表情指令中的第一捕捉点,为表
情指令中的第二捕捉点,为表情指令中第一捕捉点到第二捕捉点的距离,的坐标为,的坐标为,为两个捕捉点的距离数组中的最大距离,为
两个捕捉点的距离数组中的最小距离。
进一步地,所述获取被识别表情指令的紧急数值,通过紧急数值对被识别表情指令进行排序,得到排序结果,医护人员根据排序结果对病人表情指令对应的需求进行接收与解决,包括:
S40、预设指令接收周期,获取一个指令接收周期内接收的表情指令,当同一指令接收周期内接收表情指令的数量大于1,则计算表情指令对应的病人的紧急数值,若当同一指令接收周期内接收表情指令的数量小于1,则无需计算表情指令对应的病人的紧急数值;
S41、通过紧急数值计算公式对表情指令对应的病人的紧急数值进行计算;
S42、按照紧急数值由大到小的顺序对被识别表情指令进行排序,得到排序结果,医护人员根据排序结果对病人表情指令对应的需求进行接收与解决。
进一步地,所述紧急数值计算公式为:
,
其中,为病人的紧急数值,为病人生命体征变化百分比,为病人生命体
征变化的权重值,为病人病史复杂百分比,为病人病史复杂的权重值,表示病人
身体状况百分比,为病人身体状况的权重值,为病人需求等级百分比,为病人
需求等级的权重。
进一步地,所述对病人的表情指令进行存储,包括:
将病人的表情指令与信息进行关联,对病人的表情指令与信息进行存储;
在病人出院后,再次查看病人的表情、需求以及表情指令时,需提供病人的个人证件进行身份验证。
进一步地,所述记录病人对信号传输呼叫管理系统的建议,对建议进行录入存储,包括:
S50、在病人在结束治疗出院时,病人在系统建议模块输入个人建议并提交,系统建议模块内设有建议储存库,个人建议存储至建议储存库;
S51、在储存库内设置多个关键词,计算输入个人建议与关键词的匹配度,将个人建议归类至匹配度较高的关键词下,获取该关键词下的个人建议数量;
S52、按照关键词下的个人建议数量对关键词进行由多至少的排序;
S53、将序列第一位的关键词以及关键词下数量大于R的关键词对后台人员进行推送;
S54、预设后台人员进行推送的时间间隔,推送的时间间隔标记为t,当关键词词条的数量大于R或是距上次推送时间间隔长度大于t,则对序列第一位的关键词对后台人员进行推送。
进一步地,所述计算输入个人建议与关键词的匹配度,包括:
S510、对个人建议进行处理,将个人建议中的非文本符号替换为#,将个人建议中的人称代词、个人名称、器械名称、药品名称替换成*,对#、*进行删减,保留剩下的语句,记为删减后语句;
S511、计算删减后语句中文本向量的点积和模长;
S512、将储存库中关键词逐一与删减后语句的文本向量点积除以它们的模长的乘积,通过余弦相似度算法的计算公式得到删减后语句和关键词的余弦相似度;
S513、按照余弦相似度数值由大到小的顺序,将个人建议与储存库中关键词进行匹配,将个人建议匹配至位于排序第一位的关键词下。
本发明一种信号传输呼叫管理系统的技术效果和优点:
1.通过构建表情指令,能够在病人存在失语、失声、无法行动的情况下,对医护人员进行呼叫,减少了病人在失语、失声、无法行动的情况下,病人不能准确地表达自己的需求,便于后续医护人员通过表情指令对病人的需求进行解决;通过对病人表情指令的识别,能够避免医护人员不在病人身边时病人不便进行呼叫的情况,能够减少病人在生病住院时的不适,便于病人通过表情指令对医护人员进行呼叫,提升了病人表达需求的便捷性、准确性。
2.通过计算同一指令接收周期内接收的多个表情指令的紧急数值,能够根据病人的紧急数值对医护人员解决病人需求的顺序进行排序,能够便于医护人员优先解决指令接收周期内紧急数值较高的病人的需求,能够确保有限的医护人员得到更合理的分配,从而更好地服务于紧急数值高的病人。
3.通过对表情指令的保存,能够便于病人下次住院时,还能够采用存储的表情指令,通过病人对信号传输呼叫管理系统个人建议的录入,能够便于病人的个人建议更加准确地推送至该系统后台,突出个人建议的重点,便于后续相关人员对建议最多的关键词对应的问题进行修改,能够减少该系统后台人员的工作量。
附图说明
图1为本发明的一种信号传输呼叫管理系统的结构示意图;
图2为本发明的详细流程示意图;
图3为本发明的关系示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
实施例1
请参阅图1至图3所示,本实施例所述一种信号传输呼叫管理系统,包括:
表情指令构建模块,获取同一病人的信息、需求以及表情,基于同一病人的表情与需求构建表情指令;
获取同一病人的信息、需求以及表情,基于同一病人的表情与需求构建表情指令,包括:
S10、对同一病人的信息、需求进行采集,其中,同一病人的信息包括:病人个人信息、病人疾病信息、医生诊断信息、病人医疗报告信息、病人所在科室信息、病人所在床位信息、病人责任医生信息和病人责任护士信息;
其中,病人个人信息包括病人年龄、病人既往病史、病人身高、病人体重、病人血压等,病人的需求一般为饥饿、口渴、身体不适、上厕所等;
S11、对同一病人的表情进行采集,包括:确定同一病人被采集的表情,对同一病人的同一表情进行多次拍摄并汇总,得到表情视频集,其中,同一表情与一个表情视频集对应,病人的表情包括眨眼、挑眉等;
S12、通过卷积神经网络对表情视频集中病人发生表情变化的特征进行提取,得到表情视频集的表情特征;
其中,通过使用卷积神经网络对病人的表情信息进行特征提取,输入表情图像经过多个卷积层和池化层,以捕捉图像中的空间特征,通过全连接层将提取的特征映射到表情变化的表情特征;
S13、将表情视频集对应的表情特征与病人的需求进行关联,即可构建成病人的一个表情指令;
其中,若病人的表情指令在使用的过程中,存在病人无法表达的情况时,则可对病人的表情指令进行重新构建;
例如,若病人构建的表情指令为眨眼,则对病人的眨眼视频进行多次采集,将多次采集的眨眼视频输入至卷积神经网络对眨眼特征进行提取,将眨眼特征与病人想要上厕所/或其他的需求进行关联;
S14、将同一病人的每一表情指令与对应的表情特征存在一个子文件夹内,将同一病人的所有子文件夹存在一个总文件夹内,将总文件夹与病人科室信息、病人病床信息进行关联。
表情指令识别模块,通过监测设备对当前病人的表情进行监测,得到监测视频,构建指令识别模型,通过指令识别模型对监测视频中的表情指令进行识别,得到被识别表情指令;
包括以下步骤:
S20、获取当前病人对应的所有表情指令,获取每一表情指令对应的表情视频集和表情特征,通过卷积神经网络对表情特征中的关键点进行标记,获取表情视频集中表情特征产生最大变化距离的两个关键点,将产生最大变化距离的两个关键点记为两个捕捉点:
其中,每一表情指令对应的两个捕捉点的位置均不相同;
通过计算不同时刻的表情特征中关键点的距离,得到多个关键点距离变化构成的数组,通过冒泡算法对数组进行排序,选择数组中的最大关键点距离,获取最大关键点距离对应的两个关键点,将这两个关键点记为两个捕捉点;
例如,通过卷积神经网络对病人眨眼表情视频集的特征进行提取,得到表情特征,那么,对病人眨眼表情视频集中表情特征发生变化的关键点的变化距离进行计算,对应的最大变化距离的关键点应为上眼睑最高点和下眼睑最低点,即可将上眼睑最高点和下眼睑最低点分别作为两个捕捉点;
S21、获取表情视频集中表情特征对应的两个捕捉点的变化距离,基于最小变化距离和最大变化距离构成表情指令的距离变化区间;
S22、获取表情视频集中表情特征对应的两个捕捉点变化的时长,基于最大时长和最小时长构成表情指令的时间长度区间;
S23、通过病房安装的监测设备对当前病人的表情进行监测,预设时间周期,根据时间周期对当前病人的监测视频进行获取;
S24、通过指令识别模型对监测视频中病人的表情指令进行识别,得到被识别表情指令;
其中,可将病人表情指令对应的表情特征关键步骤进行打印,张贴在病人目光触及的地方,避免病人忘记表情指令对应的表情特征;
在病床上方或病房顶端安装红外设备、摄像/监控设备,红外设备用于判定病人是否在病床上,当病人在病床上其他设备则进行工作,若病人不在病床上,其他设备则不进行工作,用于对病人进行拍摄,可在病人方便观看的位置设置动作与需求对应的映射关联的图片,病人的表情指令与病人的病床、病人上方安装的红外设备、摄像设备相对应。
构建指令识别模型,包括以下步骤:
S30、对监测视频进行分帧处理,得到监测图片集;
S31、获取当前病人表情指令的数量,根据表情指令的数量对监测图片集进行复制;
S32、将表情指令对应的捕捉点与复制的监测图片集一对一对应,将表情指令对应的捕捉点在复制的监测图片集中进行标记,其中,一个表情指令仅与一个复制的监测图片集进行对应;
S33、同时将所有复制的监测图片集与表情指令捕捉点的距离变化进行比对,将符合距离变化区间的监测图片集进行保留,得到初步比对合集,将不符合的距离变化区间的监测图片集进行删除;
S34、获取初步比对合集中监测图片集的时间长度区间,将符合时间长度区间的监测图片集进行保留,保留的监测图片集即为被识别的表情指令,将不符合时间长度区间的监测图片集进行删除;
获取表情视频集中表情特征对应的两个捕捉点的变化距离,包括:
S210、将表情指令对应的两个捕捉点分别记为第一捕捉点和第二捕捉点,计算监测图片集中监测图片的第一捕捉点和第二捕捉点之间的距离,第一捕捉点和第二捕捉点之间距离的计算公式为:
;
S211、得到监测图片集中所有监测图片第一捕捉点和第二捕捉点之间的距离,记为距离数组,通过冒泡算法对距离数组中的最大距离和最小距离进行提取,将距离数组中的最大距离和最小距离相减,得到最大变化距离,最大变化距离的计算公式为:
,
其中,为两个捕捉点的最大变化距离,为表情指令中的第一捕捉点,为表
情指令中的第二捕捉点,为表情指令中第一捕捉点到第二捕捉点的距离,的坐标为,的坐标为,为两个捕捉点的距离数组中的最大距离,为
两个捕捉点的距离数组中的最小距离;
本实施例中,通过构建表情指令,能够在病人存在失语、失声、无法行动的情况下,对医护人员进行呼叫,减少了病人在失语、失声、无法行动的情况下,病人不能准确地表达自己的需求,便于后续医护人员通过表情指令对病人的需求进行解决;通过对病人表情指令的识别,能够避免医护人员不在病人身边时病人不便进行呼叫的情况,能够减少病人在生病住院时的不适,便于病人通过表情指令对医护人员进行呼叫,提升了病人表达需求的便捷性、准确性。
实施例2
请参阅图1至图3所示,本实施例所述一种信号传输呼叫管理系统,包括:
表情指令发送模块,获取被识别表情指令的紧急数值,通过紧急数值对被识别表情指令进行排序,得到排序结果,医护人员根据排序结果对病人表情指令对应的需求进行接收与解决;
其中,医护人员可为病人责任护士;
获取被识别表情指令的紧急数值,通过紧急数值对被识别表情指令进行排序,得到排序结果,医护人员根据排序结果对病人表情指令对应的需求进行接收与解决,包括以下步骤:
S40、预设指令接收周期(指令接收周期一般为1~3分钟内,也可自行预设时长),获取一个指令接收周期内接收的表情指令,当同一指令接收周期内接收表情指令的数量大于1,则计算表情指令对应的病人的紧急数值,若当同一指令接收周期内接收表情指令的数量小于1,则无需计算表情指令对应的病人的紧急数值;
S41、通过紧急数值计算公式对表情指令对应的病人的紧急数值进行计算;
S42、按照紧急数值由大到小的顺序对被识别表情指令进行排序,得到排序结果,医护人员根据排序结果对病人表情指令对应的需求进行接收与解决。
紧急数值计算公式为:
,
其中,为病人的紧急数值,为病人生命体征变化百分比,为病人生命体
征变化的权重值,为病人病史复杂百分比,为病人病史复杂的权重值,表示病人
身体状况百分比,为病人身体状况的权重值,为病人需求等级百分比,为病人
需求等级的权重;
病人生命体征变化百分比:由在一个时间间隔(时间间隔自行设定)内监测设备监测病人生命体征的变化数值与上一个时间间隔内病人生命体征的变化数值的比值得到,例如,生命体征可为血压、体温等;
病人病史复杂百分比:由病人除当前住院疾病之外还存在其他对当前病症产生协同作用或容易合并的病症数量的比值得到;
病人身体状况百分比:由最近医生诊断信息中的病人身体状况评价为准,其中,医生对病人身体状况评价一般分为优、良、中、差,优、良、中、差对应的比值分别为1、0.75、0.5、0.25;
病人需求等级百分比:病人需求等级分为一般需求和紧急需求,一般需求包括喝水、上厕所等,紧急需求包括身体非常不适、剧烈疼痛等,一般需求和紧急需求的百分比分别为0.5和1;
本实施例中,通过计算同一指令接收周期内接收的多个表情指令的紧急数值,能够根据病人的紧急数值对医护人员解决病人需求的顺序进行排序,能够优先解决指令接收周期内紧急数值较高的病人的需求,能够确保有限的医护人员得到更合理的分配,从而更好地服务于紧急数值高的病人。
实施例3
请参阅图1至图2所示,本实施例所述一种信号传输呼叫管理系统,包括:
表情指令存储模块,对病人的表情指令进行存储;
包括以下步骤:
将病人的表情指令与信息进行关联,对病人的表情指令与信息进行存储;
其中,在病人出院后,再次查看病人的表情、需求以及表情指令时,需提供病人的个人证件进行身份验证;
能在病人下次住院时,还能够采用存储的表情指令,通过提供病人的个人证件进行身份验证,能够对病人的表情、需求以及表情指令进行一定的安全防护。
系统建议模块,记录病人对信号传输呼叫管理系统的建议,对建议进行录入存储;
包括以下步骤:
S50、在病人在结束治疗出院时,病人在系统建议模块输入个人建议并提交,系统建议模块内设有建议储存库,个人建议存储至建议储存库,其中,病人的表情指令与信息也可存储至储存库;
S51、在储存库内设置多个关键词,计算输入个人建议与关键词的匹配度,将个人建议归类至匹配度较高的关键词下,获取该关键词下的个人建议数量;
S52、按照关键词下的个人建议数量对关键词进行由多至少的排序;
S53、将序列第一位的关键词以及关键词下数量大于R的关键词对后台人员进行推送;
S54、预设后台人员进行推送的时间间隔,推送的时间间隔标记为t,当关键词词条的数量大于R或是距上次推送时间间隔长度大于t,则对序列第一位的关键词对后台人员进行推送。
计算输入个人建议与关键词的匹配度,
包括以下步骤:
S510、对个人建议进行处理,将个人建议中的非文本符号替换为#,将个人建议中的人称代词、个人名称、器械名称、药品名称替换成*,对#、*进行删减,保留剩下的语句,记为删减后语句,其中,当病人个人建议中的语句数量大于1,则对个人建议按照语句数量进行拆分;
S511、计算删减后语句中文本向量的点积和模长;
S512、将储存库中关键词逐一与删减后语句的文本向量点积除以它们的模长的乘积,通过余弦相似度算法的计算公式得到删减后语句和关键词的余弦相似度;
S513、按照余弦相似度数值由大到小的顺序,将个人建议与储存库中关键词进行匹配,将个人建议匹配至位于排序第一位的关键词下。
本实施例中,通过对表情指令的保存,能够便于病人下次住院时,还能够采用存储的表情指令;通过病人对信号传输呼叫管理系统个人建议的录入,能够便于病人的个人建议更加准确地推送至该系统后台,突出个人建议的重点,便于后续相关人员对建议最多的关键词对应的问题进行修改,能够减少该系统后台人员的工作量。
另外,根据本申请的实施方式,一种信号传输呼叫管理系统附图描述的过程可以被实现为计算机软件程序。例如,本申请提供了非暂时性机器可读存储介质,所述非暂时性机器可读存储介质存储有机器可读指令,所述机器可读指令能够由处理器运行以执行与本申请提供的方法步骤对应的指令,当然,一种信号传输呼叫管理系统附图所示的架构只是示例性的,在实现不同的设备时,根据实际需要,可以进行适应性选择或者调整。
上述公式均是去量纲取其数值计算,公式是由采集大量数据进行软件模拟得到最近真实情况的一个公式,公式中的预设参数以及阈值选取由本领域的技术人员根据实际情况进行设置。
以上所述仅是本发明的优选实施方式,本发明的保护范围并不仅局限于上述实施例,凡属于本发明思路下的技术方案均属于本发明的保护范围。应当指出,对于本技术领域的普通技术用户来说,在不脱离本发明原理前提下的若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (10)
1.一种信号传输呼叫管理系统,其特征在于,包括:
表情指令构建模块,获取同一病人的信息、需求以及表情,基于同一病人的表情与需求构建表情指令;
表情指令识别模块,通过监测设备对当前病人的表情进行监测,得到监测视频,构建指令识别模型,通过指令识别模型对监测视频中的表情指令进行识别,得到被识别表情指令;
表情指令发送模块,获取被识别表情指令的紧急数值,通过紧急数值对被识别表情指令进行排序,得到排序结果,医护人员根据排序结果对病人表情指令对应的需求进行接收与解决;
表情指令存储模块,对病人的表情指令进行存储;
系统建议模块,记录病人对信号传输呼叫管理系统的建议,对建议进行录入存储。
2.根据权利要求1所述的信号传输呼叫管理系统,其特征在于,所述获取同一病人的信息、需求以及表情,基于同一病人的表情与需求构建表情指令,包括:
S10、对同一病人的信息、需求进行采集,其中,同一病人的信息包括:病人个人信息、病人疾病信息、医生诊断信息、病人医疗报告信息、病人所在科室信息、病人所在床位信息、病人责任医生信息和病人责任护士信息;
S11、对同一病人的表情进行采集,包括:确定同一病人被采集的表情,对同一病人的同一表情进行多次拍摄并汇总,得到表情视频集,其中,同一表情与一个表情视频集对应;
S12、通过卷积神经网络对表情视频集中病人发生表情变化的特征进行提取,得到表情视频集的表情特征;
S13、将表情视频集对应的表情特征与病人的需求进行关联,即可构建成病人的一个表情指令;
S14、将同一病人的每一表情指令与对应的表情特征存在一个子文件夹内,将同一病人的所有子文件夹存在一个总文件夹内,将总文件夹与病人科室信息、病人病床信息进行关联。
3.根据权利要求2所述的信号传输呼叫管理系统,其特征在于,所述通过监测设备对当前病人的表情进行监测,得到监测视频,构建指令识别模型,通过指令识别模型对监测视频中的表情指令进行识别,得到被识别表情指令,包括:
S20、获取当前病人对应的所有表情指令,获取每一表情指令对应的表情视频集和表情特征,通过卷积神经网络对表情特征中的关键点进行标记,获取表情视频集中表情特征产生最大变化距离的两个关键点,将产生最大变化距离的两个关键点记为两个捕捉点;
S21、获取表情视频集中表情特征对应的两个捕捉点的变化距离,基于最小变化距离和最大变化距离构成表情指令的距离变化区间;
S22、获取表情视频集中表情特征对应的两个捕捉点变化的时长,基于最大时长和最小时长构成表情指令的时间长度区间;
S23、通过病房安装的监测设备对当前病人的表情进行监测,预设时间周期,根据时间周期对当前病人的监测视频进行获取;
S24、通过指令识别模型对监测视频中病人的表情指令进行识别,得到被识别表情指令。
4.根据权利要求3所述的信号传输呼叫管理系统,其特征在于,所述构建指令识别模型,包括:
S30、对监测视频进行分帧处理,得到监测图片集;
S31、获取当前病人表情指令的数量,根据表情指令的数量对监测图片集进行复制;
S32、将表情指令对应的捕捉点与复制的监测图片集一对一对应,将表情指令对应的捕捉点在复制的监测图片集中进行标记,其中,一个表情指令仅与一个复制的监测图片集进行对应;
S33、同时将所有复制的监测图片集与表情指令捕捉点的距离变化进行比对,将符合距离变化区间的监测图片集进行保留,得到初步比对合集,将不符合的距离变化区间的监测图片集进行删除;
S34、获取初步比对合集中监测图片集的时间长度区间,将符合时间长度区间的监测图片集进行保留,保留的监测图片集即为被识别的表情指令,将不符合时间长度区间的监测图片集进行删除。
5.根据权利要求3所述的信号传输呼叫管理系统,其特征在于,所述获取表情视频集中表情特征对应的两个捕捉点的变化距离,包括:
S210、将表情指令对应的两个捕捉点分别记为第一捕捉点和第二捕捉点,计算监测图片集中监测图片的第一捕捉点和第二捕捉点之间的距离,第一捕捉点和第二捕捉点之间距离的计算公式为:
;
S211、得到监测图片集中所有监测图片第一捕捉点和第二捕捉点之间的距离,记为距离数组,通过冒泡算法对距离数组中的最大距离和最小距离进行提取,将距离数组中的最大距离和最小距离相减,得到最大变化距离,最大变化距离的计算公式为:
,
其中,为两个捕捉点的最大变化距离,/>为表情指令中的第一捕捉点,/>为表情指令中的第二捕捉点,/>为表情指令中第一捕捉点到第二捕捉点的距离,/>的坐标为,/>的坐标为/>,/>为两个捕捉点的距离数组中的最大距离,/>为两个捕捉点的距离数组中的最小距离。
6.根据权利要求1所述的信号传输呼叫管理系统,其特征在于,所述获取被识别表情指令的紧急数值,通过紧急数值对被识别表情指令进行排序,得到排序结果,医护人员根据排序结果对病人表情指令对应的需求进行接收与解决,包括:
S40、预设指令接收周期,获取一个指令接收周期内接收的表情指令,当同一指令接收周期内接收表情指令的数量大于1,则计算表情指令对应的病人的紧急数值,若当同一指令接收周期内接收表情指令的数量小于1,则无需计算表情指令对应的病人的紧急数值;
S41、通过紧急数值计算公式对表情指令对应的病人的紧急数值进行计算;
S42、按照紧急数值由大到小的顺序对被识别表情指令进行排序,得到排序结果,医护人员根据排序结果对病人表情指令对应的需求进行接收与解决。
7.根据权利要求6所述的信号传输呼叫管理系统,其特征在于,所述紧急数值计算公式为:
,
其中,为病人的紧急数值,/>为病人生命体征变化百分比,/>为病人生命体征变化的权重值,/>为病人病史复杂百分比,/>为病人病史复杂的权重值,/>表示病人身体状况百分比,/>为病人身体状况的权重值,/>为病人需求等级百分比,/>为病人需求等级的权重。
8.根据权利要求1所述的信号传输呼叫管理系统,其特征在于,所述对病人的表情指令进行存储,包括:
将病人的表情指令与信息进行关联,对病人的表情指令与信息进行存储;
在病人出院后,再次查看病人的表情、需求以及表情指令时,需提供病人的个人证件进行身份验证。
9.根据权利要求1所述的信号传输呼叫管理系统,其特征在于,所述记录病人对信号传输呼叫管理系统的建议,对建议进行录入存储,包括:
S50、在病人在结束治疗出院时,病人在系统建议模块输入个人建议并提交,系统建议模块内设有建议储存库,个人建议存储至建议储存库;
S51、在储存库内设置多个关键词,计算输入个人建议与关键词的匹配度,将个人建议归类至匹配度较高的关键词下,获取该关键词下的个人建议数量;
S52、按照关键词下的个人建议数量对关键词进行由多至少的排序;
S53、将序列第一位的关键词以及关键词下数量大于R的关键词对后台人员进行推送;
S54、预设后台人员进行推送的时间间隔,推送的时间间隔标记为t,当关键词词条的数量大于R或是距上次推送时间间隔长度大于t,则对序列第一位的关键词对后台人员进行推送。
10.根据权利要求9所述的信号传输呼叫管理系统,其特征在于,所述计算输入个人建议与关键词的匹配度,包括:
S510、对个人建议进行处理,将个人建议中的非文本符号替换为#,将个人建议中的人称代词、个人名称、器械名称、药品名称替换成*,对#、*进行删减,保留剩下的语句,记为删减后语句;
S511、计算删减后语句中文本向量的点积和模长;
S512、将储存库中关键词逐一与删减后语句的文本向量点积除以它们的模长的乘积,通过余弦相似度算法的计算公式得到删减后语句和关键词的余弦相似度;
S513、按照余弦相似度数值由大到小的顺序,将个人建议与储存库中关键词进行匹配,将个人建议匹配至位于排序第一位的关键词下。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410362828.5A CN117976173B (zh) | 2024-03-28 | 2024-03-28 | 一种信号传输呼叫管理系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410362828.5A CN117976173B (zh) | 2024-03-28 | 2024-03-28 | 一种信号传输呼叫管理系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117976173A true CN117976173A (zh) | 2024-05-03 |
CN117976173B CN117976173B (zh) | 2024-05-28 |
Family
ID=90858319
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410362828.5A Active CN117976173B (zh) | 2024-03-28 | 2024-03-28 | 一种信号传输呼叫管理系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117976173B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102054033A (zh) * | 2010-12-25 | 2011-05-11 | 百度在线网络技术(北京)有限公司 | 表情搜索引擎、使用该表情搜索引擎的表情管理系统及表情管理方法 |
CN103002425A (zh) * | 2011-09-16 | 2013-03-27 | 三星电子(中国)研发中心 | 自动触发紧急呼叫的方法和系统及其移动终端 |
CN105046238A (zh) * | 2015-08-17 | 2015-11-11 | 华侨大学 | 一种面部表情机器人多通道信息情感表达映射方法 |
CN107463919A (zh) * | 2017-08-18 | 2017-12-12 | 深圳市唯特视科技有限公司 | 一种基于深度3d卷积神经网络进行面部表情识别的方法 |
CN108711452A (zh) * | 2018-01-25 | 2018-10-26 | 鲁东大学 | 基于视觉的人体健康状态分析方法和系统 |
CN112086193A (zh) * | 2020-09-14 | 2020-12-15 | 巢自强 | 一种基于物联网的人脸识别健康预测系统及方法 |
-
2024
- 2024-03-28 CN CN202410362828.5A patent/CN117976173B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102054033A (zh) * | 2010-12-25 | 2011-05-11 | 百度在线网络技术(北京)有限公司 | 表情搜索引擎、使用该表情搜索引擎的表情管理系统及表情管理方法 |
CN103002425A (zh) * | 2011-09-16 | 2013-03-27 | 三星电子(中国)研发中心 | 自动触发紧急呼叫的方法和系统及其移动终端 |
CN105046238A (zh) * | 2015-08-17 | 2015-11-11 | 华侨大学 | 一种面部表情机器人多通道信息情感表达映射方法 |
CN107463919A (zh) * | 2017-08-18 | 2017-12-12 | 深圳市唯特视科技有限公司 | 一种基于深度3d卷积神经网络进行面部表情识别的方法 |
CN108711452A (zh) * | 2018-01-25 | 2018-10-26 | 鲁东大学 | 基于视觉的人体健康状态分析方法和系统 |
CN112086193A (zh) * | 2020-09-14 | 2020-12-15 | 巢自强 | 一种基于物联网的人脸识别健康预测系统及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN117976173B (zh) | 2024-05-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106709254B (zh) | 一种医疗诊断机器人系统 | |
JP7449093B2 (ja) | 被検者識別システム及び方法 | |
US11694809B2 (en) | Patient monitoring systems and methods | |
JP7197475B2 (ja) | 患者モニタリング・システムおよび方法 | |
CN110050276B (zh) | 患者识别系统和方法 | |
US20210192270A1 (en) | Person indentification systems and methods | |
CN107910073A (zh) | 一种急诊预检分诊方法及装置 | |
US20220338757A1 (en) | System and method for non-face-to-face health status measurement through camera-based vital sign data extraction and electronic questionnaire | |
CN115227234B (zh) | 一种基于摄像头的心肺复苏按压动作评估方法与系统 | |
WO2018086953A1 (en) | Queue for patient monitoring | |
CN112349435A (zh) | 一种在线问诊方法、装置、服务器、介质和系统 | |
JP7089953B2 (ja) | 支援システム | |
CN116389647B (zh) | 急诊急救一体化平台 | |
US20240120050A1 (en) | Machine learning method for predicting a health outcome of a patient using video and audio analytics | |
CN112635052A (zh) | 一种可调节的医疗健康信息管理咨询用服务系统 | |
KR20220095104A (ko) | 빅데이터 및 클라우드 시스템 기반 인공지능 응급의료 의사결정 및 응급환자 이송 시스템과 그 방법 | |
CN115187911A (zh) | 一种医疗防护用品穿脱消毒视频ai监测方法及装置 | |
CN111568445A (zh) | 一种基于谵妄动态预测模型的谵妄风险监测方法及系统 | |
US20230005603A1 (en) | Intelligent emergency triage system | |
JP6801848B2 (ja) | 災害時情報管理システム | |
US20240120049A1 (en) | Machine learning method for assessing a confidence level of verbal communications of a person using video and audio analytics | |
CN117976173B (zh) | 一种信号传输呼叫管理系统 | |
CN117038027A (zh) | 一种护士站信息管理系统 | |
JP7076672B2 (ja) | 災害時情報管理システム | |
CN111599430A (zh) | 一种用于采集患者信息的大数据分析系统 |
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 |