[发明专利]一种癫痫患者病房安全监测方法及系统在审
申请号: | 202110506967.7 | 申请日: | 2021-05-10 |
公开(公告)号: | CN113205053A | 公开(公告)日: | 2021-08-03 |
发明(设计)人: | 崔小丽;赵瑞;贾瑞华 | 申请(专利权)人: | 陕西省人民医院 |
主分类号: | G06K9/00 | 分类号: | G06K9/00;G06K9/62;G16H40/67;G16H50/30;G16H50/70 |
代理公司: | 西安达知文知识产权代理有限公司 61268 | 代理人: | 颜田庆 |
地址: | 710068 陕西*** | 国省代码: | 陕西;61 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 癫痫 患者 病房 安全 监测 方法 系统 | ||
1.一种癫痫患者病房安全监测方法,其中,所述方法应用于一病房监测系统,所述系统与第一图像采集装置通信连接,所述方法包括:
获得第一信息整合指令,根据所述第一信息整合指令进行癫痫患者信息整合,获得第一信息整合结果;
根据所述第一信息整合结果构建癫痫患者病发预兆特征数据库;
根据所述病发预兆特征数据库获得第一病发预兆特征;
通过所述第一图像采集装置获得第一用户的第一图像,其中,所述第一用户为癫痫患者,所述第一图像为包括所述第一用户的图像;
获得第一特征匹配指令,根据所述第一特征匹配指令对所述第一图像进行基于所述第一病发预兆特征的特征匹配,获得第一特征匹配相似度;
根据所述癫痫患者病发预兆特征数据库获得第二病发预兆特征,其中,所述第二病发预兆特征为所述第一病发预兆特征的关联特征;
将所述第一病发预兆特征和所述第二病发预兆特征输入特征关联度评估模型,获得第一关联度评估结果;
获得第二特征匹配指令,根据所述第二特征匹配指令对所述第一图像进行基于所述第二病发预兆特征的特征匹配,获得第二特征匹配相似度;
获得第二特征匹配相似度修正结果,其中,所述第二特征匹配相似度修正结果为所述第二特征匹配相似度与所述第一关联度评估结果的乘积运算结果;
当所述第一特征匹配相似度满足第一预设条件或所述第一特征匹配相似度与所述第二特征匹配相似度修正结果之和满足所述第一预设条件时,获得第一预警指令;
根据所述第一预警指令对所述第一用户进行癫痫发作预警。
2.如权利要求1所述的方法,其中,所述方法还包括:
获得第一图像捕获指令,根据所述第一图像捕获指令获得第一病房的第二图像,其中,所述第一病房为所述第一用户所在病房;
获得第一解析指令,根据所述第一解析指令对所述第二图像进行图像解析,获得第一图像解析结果;
获得第一图像识别指令,根据所述第一图像识别指令对所述第一图像解析结果进行图像识别,获得物品危险等级与分布位置列表;
根据所述物品危险等级与分布位置列表获得第一应急处理方案;
根据所述第一预警指令,将所述第一应急处理方案发送至第一医护人员。
3.如权利要求2所述的方法,其中,所述方法还包括:
获得所述第一用户的癫痫发作信息,根据所述癫痫发作信息构建所述第一用户的发作特征数据库;
根据所述发作特征数据库获得第一发作特征;
将所述第一发作特征作为物品危险等级信息熵的计算特征,获得所述第一病房内的物品危险等级信息熵计算结果;
根据所述物品危险等级信息熵计算结果对所述第一病房内的物品危险程度排序,获得所述物品危险等级与分布位置列表。
4.如权利要求3所述的方法,其中,所述方法还包括:
获得第一处理时间,其中,所述第一处理时间为医护人员在接收所述第一预警指令后到达所述第一病房的时间;
获得第二处理时间,其中,所述第二处理时间为所述医护人员进行危险物品处理的时间;
根据所述第一处理时间和所述第二处理时间获得所述医护人员的第一评价结果;
通过所述第一图像采集装置获得第三图像集,其中,所述第三图像集为所述医护人员进行所述第一用户病发护理时的图像集合;
根据所述第三图像集获得所述医护人员的第二评价结果;
根据所述第一评价结果和所述第二评价结果对所述医护人员进行医护质量评价。
5.如权利要求4所述的方法,其中,所述方法还包括:
根据所述发作特征数据库获得第一护理标准动作;
根据所述第一护理标准动作对所述第三图像集进行标准动作匹配,获得第一异常动作;
获得第二图像捕获指令,根据所述第二图像捕获指令,通过所述第一图像采集装置获得所述第一用户的第四图像;
根据所述第四图像和所述第一异常动作,获得所述医护人员的异常动作原因分析结果;
根据所述异常动作原因分析结果获得所述第二评价结果。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于陕西省人民医院,未经陕西省人民医院许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202110506967.7/1.html,转载请声明来源钻瓜专利网。