TW202130330A - 用於監測壓瘡之監測系統、裝置及電腦實施方法 - Google Patents
用於監測壓瘡之監測系統、裝置及電腦實施方法 Download PDFInfo
- Publication number
- TW202130330A TW202130330A TW109104751A TW109104751A TW202130330A TW 202130330 A TW202130330 A TW 202130330A TW 109104751 A TW109104751 A TW 109104751A TW 109104751 A TW109104751 A TW 109104751A TW 202130330 A TW202130330 A TW 202130330A
- Authority
- TW
- Taiwan
- Prior art keywords
- training
- pressure
- data
- prediction model
- image
- Prior art date
Links
Images
Landscapes
- Measuring And Recording Apparatus For Diagnosis (AREA)
- Measuring Fluid Pressure (AREA)
- Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
Abstract
本發明提供用於監測壓瘡之監測系統、裝置及電腦實施方法。該監測系統及該裝置經組態以:擷取對應於一使用者之至少一個影像;取出該使用者之病歷資料;及根據一壓瘡預測模型判定對應於該至少一個影像及該病歷資料之一壓瘡狀況結果。
Description
本發明大體係關於一種用於監測使用者之監測系統、裝置及電腦實施方法,更特定言之係關於一種用於監測使用者之壓瘡之監測系統、裝置及電腦實施方法。
壓瘡係源自皮膚上之壓力之皮膚及組織之損傷。壓瘡可發生於身體之皮膚,且通常發生於覆蓋身體之骨區域之皮膚。
此外,具有醫療狀況(其等可限制人改變姿勢或位置之能力)之人多數具有壓瘡之風險。例如,壓瘡通常發生於大多數時間在一床或輪椅中之病人。
將用於治療壓瘡之一些標準手術程序應用於該等病人。然而,因為壓瘡為難以治癒之傷口,且各病人可具有不同醫療狀況,故具有壓瘡之每一病人需要特殊照護及治療。
本發明之一些實施例提供一種用於監測壓瘡之電腦實施方法。用於監測壓瘡之該電腦實施方法包含:擷取對應於一使用者之至少一個影像;取出該使用者之病歷資料;及根據一壓瘡預測模型判定對應於該至少一個影像及該病歷資料之一壓瘡狀況結果。
本發明之一些實施例提供一種用於監測壓瘡之電腦監測系統。該監測系統包含一影像擷取單元、一處理器及一儲存單元。該影像擷取單元擷取對應於一使用者之至少一個影像。該儲存單元儲存該使用者之病歷資料、一壓瘡預測模型及一程式。當執行該程式時,該程式使該處理器:自該影像擷取單元取出該至少一個影像;自該儲存單元取出該病歷資料;及根據該壓瘡預測模型判定對應於該至少一個影像及該病歷資料之一壓瘡狀況結果。
本發明之一些實施例提供一種用於監測壓瘡之裝置。該裝置包含一影像擷取單元、一處理器、一儲存單元及一網路介面。該影像擷取單元擷取對應於一使用者之至少一個影像。該儲存單元儲存一壓瘡預測模型及一程式。當執行該程式時,該程式使該處理器:自該影像擷取單元取出該至少一個影像;經由一網路介面自該網路資料庫取出病歷資料;及根據該壓瘡預測模型判定對應於該至少一個影像及該病歷資料之一壓瘡狀況結果。
前文已相當廣泛地概述本發明之特徵及技術優勢以便可更佳理解下文之本發明之實施方式。本發明之額外特徵及優勢將在下文中描述,且形成本發明之技術方案之標的。熟習此項技術者應瞭解,所揭示之概念及特定實施例可容易地用作修改或設計用於執行本發明之相同目的之其他結構或程序之一基礎。熟習此項技術者亦應認識到,此等等效構造並不脫離如隨附發明申請專利範圍中陳述之本發明之精神及範疇。
現使用特定語言描述在圖式中繪示之本發明之實施例或實例。應理解,不在此期望限制本發明之範疇。所描述之實施例之任何更改或修改及此文件中描述之原理之任何進一步應用將被視為通常由與本發明相關之一般技術者所想到。元件符號可貫穿實施例重複,但此不必意味著一項實施例之(若干)特徵適用於另一實施例,即使其等共用相同元件符號。
應理解,雖然本文可使用術語第一、第二、第三等等以描述多種元件、組件、區、層或區段,但是此等元件、組件、區、層或區段不受此等術語限制。實情係,此等術語僅用於區分一個元件、組件、區、層或區段與另一元件、組件、區、層或區段。因此,在不脫離本發明概念之教示之情況下,在下文中論述之一第一元件、組件、區、層或區段可被稱為一第二元件、組件、區、層或區段。
本文中所使用之術語僅用於描述特定實例實施例之目的,且不意欲限制本發明概念。如在本文中所使用,單數形式「一」、「一個」及「該」旨在亦包含複數形式,除非上下文另外明確指示。應進一步理解,當在此說明書中使用時,術語「包括(comprises及comprising)」指出所陳述特徵、整數、步驟、操作、元件或組件之存在,但不排除一或多個其他特徵、整數、步驟、操作、元件、組件或其等之群組之存在或添加。
壓瘡係難以治癒之傷口。開發用於治療壓瘡之一些標準手術程序(SOP)且將其等應用於具有壓瘡之病人。然而,由於各病人可具有不同醫療狀況,故具有壓瘡之每一病人需要照護他/她的壓瘡之客製化治療。
圖1繪示根據本發明之一些實施例之一監測系統1之一方塊圖。監測系統1包含一影像擷取單元11、一處理器13及一儲存單元15。在一些實施例中,影像擷取單元11、處理器13及儲存單元15透過一通信匯流排17電耦合。通信匯流排17可容許影像擷取單元11將影像資料傳輸至處理器13,且可容許處理器13執行儲存於儲存單元15中之一電腦程式PG。
處理器13、儲存單元15及電腦程式PG可協作地經組態以執行電腦程式PG之功能。換言之,當被執行時,電腦程式PG可產生一或多個中斷(例如,軟體中斷)以使處理器13及儲存單元15執行用於監測使用者之壓瘡之電腦程式PG之功能。電腦程式PG之功能將在下文中進一步描述。
在一些實施例中,當需要監測一使用者之壓瘡時,影像擷取單元11經安置為鄰近於使用者以用於擷取使用者之至少一個影像110。在擷取使用者之至少一個影像110之後,影像擷取單元11將至少一個影像110傳輸至處理器13。
換言之,處理器13自影像擷取單元11取出至少一個影像110。同時,處理器13取出儲存於儲存單元15中之對應於使用者之病歷資料AD。
接著,在一些實施例中,儲存於儲存單元15中之一壓瘡預測模型BM係用於接收對應於使用者之影像資料及病歷資料且接著預測使用者之壓瘡狀況改變之一機器學習模型。因此,處理器13針對使用者根據壓瘡預測模型BM判定對應於至少一個影像110及病歷資料AD之一壓瘡狀況結果130。
在一些實施例中,壓瘡狀況結果130可包含用於指示使用者之壓瘡狀況之不同預測之不同等級。例如,壓瘡狀況結果130包含被指定為等級「1」至等級「n」之n個等級。當壓瘡狀況結果130被判定為等級「1」時,其意味著使用者之壓瘡狀況將變得更佳。當壓瘡狀況結果130被判定為等級「n」時,其意味著使用者之壓瘡狀況將變得更糟糕。
因此,照護使用者之一照護人可基於壓瘡狀況結果130治療使用者之壓瘡。例如,傷口敷料之頻率可取決於壓瘡狀況結果130。當壓瘡狀況結果130被判定為等級「1」時,傷口敷料之頻率可降低。當壓瘡狀況結果130被判定為等級「n」時,傷口敷料之頻率應增加。
在一些實施例中,壓瘡預測模型BM可包含用於處理資料且產生結果之兩個階段。詳細言之,在第一階段中,對應於使用者之影像依據對應於使用者之不同移動類型分類。在第二階段中,根據使用者之移動類型及病歷資料判定使用者之壓瘡狀況結果。
特定言之,在影像擷取單元11擷取對應於使用者之至少一個影像110之後,處理器13根據壓瘡預測模型BM之第一階段判定對應於至少一個影像110之一移動類型。
更具體言之,處理器13取出至少一個影像110且藉由壓瘡預測模型BM判定移動類型。換言之,處理器13將至少一個影像110輸入至壓瘡預測模型BM之第一階段以用以自壓瘡預測模型BM之第一階段導出移動類型作為輸出資料。
接著,處理器13根據壓瘡預測模型BM之第二階段判定對應於移動類型及病歷資料AD之壓瘡狀況結果130。換言之,處理器13將移動類型及病歷資料AD輸入至壓瘡預測模型BM之第二階段以用以自壓瘡預測模型BM之第二階段導出壓瘡狀況結果130作為輸出資料。
在一些實施例中,在判定壓瘡狀況結果130之前,為了更精確之結果,可引入對應於使用者之移動頻率。詳細言之,處理器13根據對應於使用者之至少一個影像110判定一移動頻率。
接著,根據壓瘡狀況模型BM之第二階段,處理器13判定對應於移動頻率、移動類型及病歷資料AD之壓瘡狀況結果130。換言之,處理器13將移動頻率、移動類型及病歷資料AD輸入至壓瘡預測模型BM之第二階段以用以自壓瘡預測模型BM之第二階段導出壓瘡狀況結果130作為輸出資料。
在投入使用之前,可首先產生且訓練本發明之機器學習模型。詳細言之,在一些實施例中,壓瘡預測模型BM之第一階段經組態以將對應於一使用者之影像轉換為對應於使用者之移動類型之資訊,使得使用包含影像及移動類型之複數個第一資料訓練壓瘡預測模型BM之第一階段。
特定言之,各第一資料包含一第一訓練輸入資料及一第一訓練輸出資料。第一訓練輸入資料包含至少一個訓練影像。第一訓練輸出資料包含對應於至少一個訓練影像之一移動類型。
因此,複數個第一資料用於訓練壓瘡預測模型BM之第一階段以將影像辨識為移動類型。換言之,可使用複數個第一資料訓練壓瘡預測模型BM之第一階段以用於將影像轉換為移動類型。
例如,對應於一使用者之訓練影像可被標記為訓練移動類型,其等包含:翻身、餵食、改變靜脈點滴位置、按摩、傷口清洗、更換醫用物品等。
因此,在使用訓練影像及訓練移動類型訓練之後,壓瘡預測模型BM之第一階段能夠根據不同移動類型將對應於使用者之一些經擷取影像分類,該等移動類型包含:翻身、餵食、改變靜脈點滴位置、按摩、傷口清洗、更換醫用物品等。
總之,壓瘡預測模型BM之第一階段係一經訓練機器學習方案,將一資料輸入至壓瘡預測模型BM之第一階段,且隨後,基於經輸入資料自壓瘡預測模型BM之第一階段輸出另一資料。在一些實施例中,對應於使用者之至少一個影像被給定為壓瘡預測模型BM之第一階段之輸入資料,且後續輸出資料為移動類型。
應注意,在一些實施方案中,壓瘡預測模型BM之第一階段可根據僅看一次(You Only Look Once)第3版(YOLOv3)演算法、單樣本多邊框偵測(Single Shot multiBox Detection) (SSD)演算法或具有卷積神經網路之區(R-CNN)演算法之演算法建立。
如何基於YOLOv3演算法、SSD演算法或R-CNN演算法藉由影像及移動類型建立一機器學習方案(即,在一些實施例中壓瘡預測模型BM之第一階段)應由熟習此項技術者基於以上揭示內容瞭解,且因此在本文中將不進一步描述。
在一些實施例中,壓瘡預測模型BM之第二階段經組態以將對應於使用者之移動類型、移動頻率及病歷資料轉換為壓瘡狀況結果,使得壓瘡預測模型BM之第二階段使用包含移動類型、移動頻率及病歷資料之複數個第二資料訓練。
特定言之,各第二資料包含一第二訓練輸入資料及一第二訓練輸出資料。第二訓練輸入資料包含一訓練移動類型、一訓練移動頻率及訓練病歷資料。第二訓練輸出資料包含一訓練壓瘡狀況結果,該訓練壓瘡狀況結果對應於訓練移動類型、訓練移動頻率及訓練病歷資料。
因此,複數個第二資料用於訓練壓瘡預測模型BM之第二階段以根據移動類型、移動頻率及病歷資料判定壓瘡狀況結果。換言之,可使用複數個第二資料訓練壓瘡預測模型BM之第二階段以用於將移動類型、移動頻率及病歷資料轉換為壓瘡狀況結果。
在一些實施例中,各訓練壓瘡狀況結果可由經驗豐富之醫生基於對應訓練移動類型、訓練移動頻率及病歷資料判斷。
在一些實施例中,病歷資料係依文字格式且包含被判定為可影像壓瘡狀況之因素。例如,病歷資料包含疾病類型資訊、處方資訊、醫療測試資訊、血壓資訊、體溫資訊、診斷資訊、用藥資訊、實驗室檢查資訊等之至少一者。
總之,壓瘡預測模型BM之第二階段係一經訓練機器學習方案,將一資料輸入至壓瘡預測模型BM之第二階段,且隨後,基於經輸入資料自壓瘡預測模型BM之第二階段輸出另一資料。在一些實施例中,對應於使用者之移動類型、移動頻率及病歷資料被給定為壓瘡預測模型BM之第二階段之輸入資料,且後續輸出資料為壓瘡狀況結果。
應注意,在一些實施方案中,壓瘡預測模型BM之第二階段可根據深度神經網路(DNN)演算法建立。如何基於DNN演算法藉由移動類型、移動頻率、病歷資料及壓瘡狀況結果建立一機器學習方案(即,在一些實施例中壓瘡預測模型BM之第二階段)應由熟習此項技術者基於以上揭示內容瞭解,且因此在本文中將不進一步描述。
在一些實施例中,壓瘡預測模型BM可為一自我學習機器學習模型。詳細言之,來自壓瘡預測模型BM之輸入資料(例如,對應於使用者之影像)及輸出資料(例如,根據對應於使用者之此等影像之壓瘡狀況結果)可分別用作用於訓練壓瘡預測模型BM之訓練輸入資料及訓練輸出資料。
圖2繪示根據本發明之一些實施例之監測系統1之一方塊圖。在一些實施例中,監測系統1進一步包含一指示器18。在處理器13判定壓瘡狀況結果130之後,處理器13傳輸一信號132以觸發指示器18用於向一照護者告知壓瘡狀況結果130,使得照護者可應用使用者之一客製化計劃。
在一些實施例中,指示器18可包含一顯示器。觸發顯示器之信號可包含文字資訊且顯示器展示文字資訊。在一些實施例中,指示器18可包含一燈,該燈可發射不同色彩之光用於指示不同狀況。例如,紅光意味著壓瘡狀況將變得更糟糕,且綠光意味著壓瘡狀況將變得更佳。
圖3繪示根據本發明之一些實施例之監測系統1之一方塊圖。在一些實施例中,監測系統1進一步包含一裝置19。在處理器13判定壓瘡狀況結果130之後,處理器13傳輸一控制信號134以控制裝置19用於調整使用者之位置。
在一些實施例中,裝置19可包含能夠調整使用者之位置之一電動床墊。控制信號134可用於控制電動床墊之一角度或一充氣狀態。
圖4繪示根據本發明之一些實施例之一裝置4之一方塊圖。在一些實施例中,裝置4包含一影像擷取單元41、一處理器43、一儲存單元45及一網路介面49。在一些實施例中,影像擷取單元41、處理器43、儲存單元45及網路介面49透過一通信匯流排47電耦合。通信匯流排47可容許影像擷取單元41將影像資料傳輸至處理器43,且可容許處理器43執行儲存於儲存單元45中之電腦程式PG。
處理器43、儲存單元45及電腦程式PG可協作地經組態以執行電腦程式之功能。換言之,當被執行時,電腦程式PG可產生一或多個中斷(例如,軟體中斷)以使處理器43及儲存單元45執行用於監測使用者之壓瘡之電腦程式PG之功能。電腦程式PG之功能將在下文中進一步描述。
在一些實施例中,裝置4可經安置為鄰近於一使用者,且影像擷取單元41可擷取使用者之至少一個影像410。在擷取至少一個影像410之後,影像擷取單元41將至少一個影像410傳輸至處理器。換言之,處理器43自影像擷取單元41取出至少一個影像410。
在一些實施例中,裝置4之處理器43經由網路介面49自網路資料庫NB取出病歷資料AD。接著,處理器43根據儲存於儲存單元45中之壓瘡預測模型BM判定對應於至少一個影像410及病歷資料AD之一壓瘡狀況結果430。
應注意,在一些實施例中,裝置4可為一影像擷取裝置,其具有更高運算能力,使得影像擷取裝置可監測使用者以判定壓瘡狀況結果430,同時自網路資料庫NB取出對應於使用者之病歷資料AD。
本發明之一些實施例包含一種用於監測壓瘡之電腦實施方法,且在圖5中展示該方法之一流程圖。一些實施例之電腦實施方法用於一監測系統(例如,前述實施例之監測系統1)中。下文描述電腦實施方法之詳細步驟。
藉由監測系統之一影像擷取單元執行步驟S501以擷取對應於一使用者之至少一個影像。藉由監測系統之一處理器執行步驟S502以取出使用者之病歷資料。病歷資料儲存於監測系統之一儲存單元中。
在一些實施例中,儲存於儲存單元中之一壓瘡預測模型係一經訓練機器學習方案:將對應於使用者之影像資料及病歷資料輸入至壓瘡預測模型,且隨後,基於經輸入資料自壓瘡預測模型輸出壓瘡狀況結果。
因此,藉由處理器執行步驟S503以根據壓瘡預測模型判定對應於至少一個影像及病歷資料之一壓瘡狀況結果。壓瘡狀況結果可包含用於指示使用者之壓瘡狀況之不同預測之不同等級。
本發明之一些實施例包含一種用於監測壓瘡之電腦實施方法,且在圖6A至圖6C中展示該方法之流程圖。一些實施例之電腦實施方法用於一監測系統(例如,前述實施例之監測系統1)中。下文描述電腦實施方法之詳細步驟。
在一些實施例中,在投入使用之前,可首先產生且訓練一壓瘡預測模型。藉由監測系統之一處理器執行步驟S601以根據具有複數個第一資料及複數個第二資料之訓練資料之一機器學習方案產生壓瘡預測模型。
在一些實施例中,各第一資料包含一第一訓練輸入資料及一第一訓練輸出資料。第一訓練輸入資料包含複數個訓練影像。第一訓練輸出資料包含對應於訓練影像之複數個訓練移動類型。
在壓瘡預測模型之產生期間,訓練影像及訓練移動類型用於訓練壓瘡預測模型之一第一階段以將影像辨識為移動類型。在一些實施例中,移動類型可包含翻身、餵食、改變靜脈點滴位置、按摩、傷口清洗或更換醫用物品。
在一些實施例中,各第二資料包含一第二訓練輸入資料及一第二訓練輸出資料。第二訓練輸入資料包含複數個訓練移動類型、複數個訓練移動頻率及複數個訓練病歷資料。第二訓練輸出資料包含複數個訓練壓瘡狀況結果。
在壓瘡預測模型之產生期間,訓練移動類型、訓練移動頻率、訓練病歷資料及訓練壓瘡狀況結果用於訓練壓瘡預測模型之一第二階段以根據移動類型、移動頻率及病歷資料判定壓瘡狀況結果。
在產生壓瘡預測模型之後,藉由處理器執行步驟S602以將壓瘡預測模型儲存於監測系統之一儲存單元中以供以後使用。
當需要監測一使用者時,藉由一影像擷取單元執行步驟S603以擷取對應於使用者之至少一個影像。藉由處理器執行步驟S604以根據對應於使用者之至少一個影像判定一移動頻率。
藉由處理器執行步驟S605以取出使用者之病歷資料。病歷資料儲存於監測系統之儲存單元中。在一些實施例中,病歷資料係依文字格式且包含疾病類型資訊、處方資訊、醫療測試資訊、血壓資訊及體溫資訊之至少一者。
藉由處理器執行步驟S606以根據壓瘡預測模型判定對應於至少一個影像之一移動類型。藉由處理器執行步驟S607以根據壓瘡預測模型判定對應於移動類型、移動頻率及病歷資料之壓瘡狀況結果。
在一些實施例中,視情況藉由處理器執行步驟S608以根據壓瘡狀況結果傳輸一信號以觸發一指示器。在一些實施例中,視情況藉由處理器執行步驟S609以根據壓瘡狀況結果傳輸一控制信號以控制一裝置。
本發明之一些實施例包含一種用於監測壓瘡之電腦實施方法,且在圖7中展示該方法之一流程圖。一些實施例之電腦實施方法用於一裝置(例如,前述實施例之裝置4)中。下文描述電腦實施方法之詳細步驟。
藉由裝置之一影像擷取單元執行步驟S701以擷取對應於一使用者之至少一個影像。藉由裝置之一處理器執行步驟S702以經由裝置之一網路介面取出使用者之病歷資料。病歷資料儲存於一網路資料庫中。
在一些實施例中,儲存於儲存單元中之一壓瘡預測模型係一經訓練機器學習方案:將對應於使用者之影像資料及病歷資料輸入至壓瘡預測模型,且隨後,基於經輸入資料自壓瘡預測模型輸出壓瘡狀況結果。
因此,藉由處理器執行步驟S703以根據壓瘡預測模型判定對應於至少一個影像及病歷資料之一壓瘡狀況結果。壓瘡狀況結果可包含用於指示使用者之壓瘡狀況之不同預測之不同等級。
尤其應瞭解,以上實施例中提及之處理器可為一中央處理單元(CPU)、能夠執行相關指令之其他硬體電路元件或由熟習此項技術者基於以上揭示內容而熟知之運算電路之組合。
再者,以上實施例中提及之儲存單元可包含用於儲存資料之記憶體(諸如ROM、RAM等)或儲存裝置(諸如快閃記憶體、HDD、SSD等)。此外,以上實施例中提及之通信匯流排可包含用於在諸如影像擷取單元、處理器、儲存單元、指示器及裝置之元件之間傳送資料之一通信介面(或I/O介面),且可包含電匯流排介面、光學匯流排介面或甚至無線匯流排介面。然而,此描述不意在限制本發明之硬體實施方案實施例。
雖然已詳細描述本發明及其優勢,但應理解,可在不脫離如由隨附發明申請專利範圍定義之本發明之精神及範疇的情況下在本文中進行各種改變、替換及更改。例如,上文論述之許多程序可在不同方法論中實施且由其他程序或其等之一組合替換。
再者,本申請案之範疇並不意在限於說明書中描述之程序、機器、製造、物質組成、構件、方法及步驟之特定實施例。如一般技術者將容易從本發明之揭示內容瞭解,可根據本發明利用執行與本文描述之對應實施例實質上相同之功能或達成與其等實質上相同之結果之當前現有或以後開發之程序、機器、製造、物質組成、構件、方法或步驟。因此,隨附發明申請專利範圍意在將此等程序、機器、製造、物質組成、構件、方法或步驟包含於其等範疇內。
1:監測系統
4:裝置
11:影像擷取單元
13:處理器
15:儲存單元
17:通信匯流排
18:指示器
19:裝置
41:影像擷取單元
43:處理器
45:儲存單元
47:通信匯流排
49:網路介面
110:影像
130:壓瘡狀況結果
132:信號
134:控制信號
410:影像
430:壓瘡狀況結果
S501:步驟
S502:步驟
S503:步驟
S601:步驟
S602:步驟
S603:步驟
S604:步驟
S605:步驟
S606:步驟
S607:步驟
S608:步驟
S609:步驟
S701:步驟
S702:步驟
S703:步驟
AD:病歷資料
BM:壓瘡預測模型
NB:網路資料庫
PG:電腦程式
當結合附圖閱讀時,自以下實施方式最佳理解本發明之態樣。應注意,根據行業中之標準實踐,各種構件未按比例繪製。實際上,為論述清晰起見,各種構件之尺寸可任意增大或減小。
可藉由在結合圖考慮時參考實施方式及發明申請專利範圍而導出本發明之一更完全理解,其中在整個圖中相同元件符號指代類似元件。
圖1係根據本發明之一些實施例之一監測系統之一方塊圖。
圖2係根據本發明之一些實施例之一監測系統之一方塊圖。
圖3係根據本發明之一些實施例之一監測系統之一方塊圖。
圖4係根據本發明之一些實施例之一裝置之一方塊圖。
圖5係根據本發明之一些實施例之用於監測壓瘡之一電腦實施方法之一流程圖。
圖6A至圖6C係根據本發明之一些實施例之用於監測壓瘡之一電腦實施方法之流程圖。
圖7係根據本發明之一些實施例之用於監測壓瘡之一電腦實施方法之一流程圖。
S501:步驟
S502:步驟
S503:步驟
Claims (17)
- 一種用於監測壓瘡之電腦實施方法,其包括: 擷取對應於一使用者之至少一個影像; 取出該使用者之病歷資料;及 根據一壓瘡預測模型判定對應於該至少一個影像及該病歷資料之一壓瘡狀況結果。
- 如請求項1之電腦實施方法,其中判定該壓瘡狀況結果進一步包括: 根據該壓瘡預測模型判定對應於該至少一個影像之一移動類型; 根據該壓瘡預測模型判定對應於該移動類型及該病歷資料之該壓瘡狀況結果。
- 如請求項2之電腦實施方法,進一步包括: 根據對應於該使用者之該至少一個影像判定一移動頻率; 其中判定該壓瘡狀況結果進一步包括: 根據該壓瘡預測模型判定對應於該移動類型、該移動頻率及該病歷資料之該壓瘡狀況結果。
- 如請求項3之電腦實施方法,進一步包括: 根據具有複數個第一資料及複數個第二資料之訓練資料之一機器學習方案產生該壓瘡預測模型; 其中: 各第一資料包含一第一訓練輸入資料及一第一訓練輸出資料,該第一訓練輸入資料包含複數個訓練影像,該第一訓練輸出資料包含複數個訓練移動類型; 各第二資料包含一第二訓練輸入資料及一第二訓練輸出資料,該第二訓練輸入資料包含該複數個訓練移動類型、複數個訓練移動頻率及複數個訓練病歷資料,且該第二訓練輸出資料包含複數個訓練壓瘡狀況結果。
- 如請求項2之電腦實施方法,其中該移動類型包括翻身、餵食、改變靜脈點滴位置、按摩、傷口清洗或更換醫用物品。
- 如請求項1之電腦實施方法,其中該病歷資料係依文字格式且包括疾病類型資訊、處方資訊、醫療測試資訊、血壓資訊及體溫資訊之至少一者。
- 如請求項1之電腦實施方法,進一步包括: 根據該壓瘡狀況結果傳輸一信號以觸發一指示器。
- 如請求項1之電腦實施方法,進一步包括: 根據該壓瘡狀況結果傳輸一控制信號以控制一裝置。
- 一種用於監測壓瘡之監測系統,其包括: 一影像擷取單元,其用於擷取對應於一使用者之至少一個影像; 一處理器;及 一儲存單元,其用於儲存該使用者之病歷資料、一壓瘡預測模型及一程式,該程式在被執行時使該處理器: 自該影像擷取單元取出該至少一個影像; 自該儲存單元取出該病歷資料;及 根據該壓瘡預測模型判定對應於該至少一個影像及該病歷資料之一壓瘡狀況結果。
- 如請求項9之監測系統,其中該程式在被執行時進一步使該處理器: 根據該壓瘡預測模型判定對應於該至少一個影像之一移動類型; 根據該壓瘡預測模型判定對應於該移動類型及該病歷資料之該壓瘡狀況結果。
- 如請求項10之監測系統,其中該程式在被執行時進一步使該處理器: 判定對應於該至少一個影像之一移動頻率; 根據該壓瘡預測模型判定對應於該移動類型、該移動頻率及該病歷資料之該壓瘡狀況結果。
- 如請求項11之監測系統,其中該程式在被執行時進一步使該處理器: 根據具有複數個第一資料及複數個第二資料之訓練資料之一機器學習方案產生該壓瘡預測模型; 其中: 各第一資料包含一第一訓練輸入資料及一第一訓練輸出資料,該第一訓練輸入資料包含複數個訓練影像,該第一訓練輸出資料包含複數個訓練移動類型; 各第二資料包含一第二訓練輸入資料及一第二訓練輸出資料,該第二訓練輸入資料包含該複數個訓練移動類型、複數個訓練移動頻率及複數個訓練病歷資料,且該第二訓練輸出資料包含複數個訓練壓瘡狀況結果。
- 如請求項10之監測系統,其中該移動類型包括翻身、餵食、改變靜脈點滴位置、按摩、傷口清洗或更換醫用物品。
- 如請求項9之監測系統,其中該病歷資料係依文字格式且包括疾病類型資訊、處方資訊、醫療測試資訊、血壓資訊及體溫資訊之至少一者。
- 如請求項9之監測系統,其進一步包括一指示器,其中該程式在被執行時進一步使該處理器根據該壓瘡狀況結果傳輸一信號以觸發該指示器。
- 如請求項9之監測系統,其進一步包括一裝置,其中該程式在被執行時進一步使該處理器根據該壓瘡狀況結果傳輸一控制信號以控制該裝置。
- 一種裝置,其包括: 一網路介面,其用於與一網路資料庫連接; 一影像擷取單元,其用於擷取對應於一使用者之至少一個影像; 一處理器;及 一儲存單元,其用於儲存一壓瘡預測模型及一程式,該程式在被執行時使該處理器: 自該影像擷取單元取出該至少一個影像; 經由該網路介面自該網路資料庫取出病歷資料;及 根據該壓瘡預測模型判定對應於該至少一個影像及該病歷資料之一壓瘡狀況結果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW109104751A TWI777132B (zh) | 2020-02-14 | 2020-02-14 | 用於監測壓瘡之監測系統、裝置及電腦實施方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW109104751A TWI777132B (zh) | 2020-02-14 | 2020-02-14 | 用於監測壓瘡之監測系統、裝置及電腦實施方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
TW202130330A true TW202130330A (zh) | 2021-08-16 |
TWI777132B TWI777132B (zh) | 2022-09-11 |
Family
ID=78282987
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW109104751A TWI777132B (zh) | 2020-02-14 | 2020-02-14 | 用於監測壓瘡之監測系統、裝置及電腦實施方法 |
Country Status (1)
Country | Link |
---|---|
TW (1) | TWI777132B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114532995A (zh) * | 2022-03-25 | 2022-05-27 | 郑羽宇 | 一种用于预防压疮的提醒方法及提醒装置 |
TWI783902B (zh) * | 2022-04-28 | 2022-11-11 | 中山醫學大學 | 傷口分級評估模型的建立方法、傷口照護評估系統及傷口等級評估方法 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120271654A1 (en) * | 2006-01-20 | 2012-10-25 | Telemedicine Solutions Llc | Method and System for Wound Care and Management Output |
CN102822651A (zh) * | 2010-01-27 | 2012-12-12 | X感应器技术公司 | 压力性溃疡形成的风险建模 |
WO2017176667A1 (en) * | 2010-04-22 | 2017-10-12 | Leaf Healthcare, Inc. | Pressure ulcer detection methods, devices and techniques |
WO2019178583A1 (en) * | 2018-03-16 | 2019-09-19 | Georgia Tech Research Corporation | Pressure ulcer prevention system |
US11504071B2 (en) * | 2018-04-10 | 2022-11-22 | Hill-Rom Services, Inc. | Patient risk assessment based on data from multiple sources in a healthcare facility |
CN208285434U (zh) * | 2018-05-31 | 2018-12-25 | 华中科技大学同济医学院附属协和医院 | 一种患者伤情记录仪系统 |
CN109157347A (zh) * | 2018-08-29 | 2019-01-08 | 何清华 | 一种可根据人体翻身情况进行智能调整的床 |
CN110584911A (zh) * | 2019-09-20 | 2019-12-20 | 长春理工大学 | 基于卧姿识别的智能护理床 |
-
2020
- 2020-02-14 TW TW109104751A patent/TWI777132B/zh active
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114532995A (zh) * | 2022-03-25 | 2022-05-27 | 郑羽宇 | 一种用于预防压疮的提醒方法及提醒装置 |
CN114532995B (zh) * | 2022-03-25 | 2023-11-14 | 郑羽宇 | 一种用于预防压疮的提醒方法及提醒装置 |
TWI783902B (zh) * | 2022-04-28 | 2022-11-11 | 中山醫學大學 | 傷口分級評估模型的建立方法、傷口照護評估系統及傷口等級評估方法 |
Also Published As
Publication number | Publication date |
---|---|
TWI777132B (zh) | 2022-09-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10117617B2 (en) | Automated systems and methods for skin assessment and early detection of a latent pathogenic bio-signal anomaly | |
JP6402185B2 (ja) | トリアージ決定に基づく臨床決定支援システム | |
US20210257087A1 (en) | Monitoring system, device and computer-implemented method for monitoring pressure ulcers | |
US20220108447A1 (en) | Wound healing analysis and tracking | |
TWI777132B (zh) | 用於監測壓瘡之監測系統、裝置及電腦實施方法 | |
Mansfield et al. | Pressure injury prevention: A survey | |
US20230230232A1 (en) | Machine Learning for Detection of Diseases from External Anterior Eye Images | |
KR20200135052A (ko) | 인공지능을 이용한 욕창 환자 관리 시스템 및 그 동작 방법 | |
US11842807B2 (en) | Wound management and treatment using computer vision and machine learning | |
KR102598101B1 (ko) | 딥 뉴럴 네트워크 기반 실시간 중환자실 환자 상태 분석 시스템 및 방법 | |
Sachdeva et al. | Artificial intelligence in periodontics: A dip in the future | |
Alamri | Big data with integrated cloud computing for prediction of health conditions | |
Huang et al. | A new direction to promote the implementation of artificial intelligence in natural clinical settings | |
Ratnakar et al. | Smart Innovative Medical Devices Based on Artificial Intelligence | |
JP7319602B2 (ja) | 皮膚の病理学的状態と対応する治療および用量との間の分類および相関の方法 | |
Sandhu et al. | A Review of Breast Cancer Detection Using the Internet of Things and Machine Learning | |
Sivalenka et al. | Exploiting artificial intelligence to enhance healthcare sector | |
Niveriya et al. | Review on Role of Artificial Intelligence in COVID-19 Management and Contemporary Medical Sciences | |
JP7433317B2 (ja) | 患者のために創傷製品を選択する方法 | |
WO2023100311A1 (ja) | 情報処理システム、情報処理方法、及び非一時的なコンピュータ可読媒体 | |
Khan et al. | 5 Predictive Analytics | |
KR20240110047A (ko) | 인공 지능을 이용한 직접 의학적 치료법 예측 | |
Raghavan et al. | Leveraging the benefits of digital twin in delivering personalized medicine using IOT | |
Sakthi et al. | Future Trajectory of Healthcare with Artificial Intelligence | |
Deshpande et al. | Development of a Wearable Technology for the Early Detection of Pressure Ulcers in Nursing Homes |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
GD4A | Issue of patent certificate for granted invention patent |