[发明专利]基于多模态数据的医患风险评估方法

说明书

本发明涉及智慧医院建设及管理技术，公开了基于多模态数据的医患风险评估方法，其包括医患关键词库、医患人员数据库和医患记录数据库；方法包括；采集诊间问诊过程中的语音信号和院内监控的视频信号；对采集的信号通过冲突评估模型提取医患特征；对提取的医患特征进行拼接；医患风险的评估，针对提取的医患特征对比医患关键词库、医患人员数据库和医患记录数据库中的医患等级，通过医患风险评估模型更新医患等级；依据医患等级进行医患人员数据库的更新。本发明基于视频追踪、语音识别及模态特征融合，综合多种风险因素评估院内人员可能造成的医患威胁，防患医患事故于未然。

技术领域

本发明涉及智慧医院建设及管理技术，尤其涉及了基于多模态数据的医患风险评估方法。

背景技术

医患事故会对医务工作者造成极大的人身安全损害，也会对医院管理造成极大的员工和财产安全威胁，现有的管理办法缺少对院内流动人员进行动态监管及风险评估，对医患事件的提前预警能力不足。

例如现有技术中，专利申请号为：CN 201810865119.3；专利名称为，医患预警方法、服务平台及计算机可读存储介质，专利申请日：2018.08.01。专利公开了：基于智能识别的医患预警方法，包括获取设置于医院的图像采集模块采集的图像数据；提取出所述图像数据中的人脸特征信息，并判断所述人脸特征信息是否与根据预设危险判定条件构建的疑似纠纷人员库以及纠纷人员库中的数据匹配；在所述人员身份信息与所述疑似纠纷人员库中的数据匹配时，发送第一告警信息；在所述人员身份信息与所述纠纷人员库中的数据匹配时，发送第二告警信息。

发明内容

本发明针对现有技术中只是针对医患人员身份的确认，缺乏利用技术手段对院内人员的冲突评估和风险评估，无法全面的落实到院内的每个角落的问题，提供了基于多模态数据的医患风险评估方法。

为了解决上述技术问题，本发明通过下述技术方案得以解决：

基于多模态数据的医患风险评估方法，包括医患关键词库、医患人员数据库和医患记录数据库；其方法包括；

信号采集，采集诊间过程中的语音信号和院内监控的视频信号；

信号特征提取，对采集的信号通过冲突评估模型提取医患特征；

医患特征的拼接，对提取的医患特征进行拼接；

医患风险的评估，针对提取的医患特征对比医患关键词库、医患人员数据库和医患记录数据库中的医患等级，通过医患风险评估模型更新医患等级；

医患人员数据库的更新，依据医患等级进行医患人员数据库的更新。

作为优选，还包括医患风险预警，对于医患人员数据库内的医患等级与医患记录数据库设置的阈值进行比较，达到了设置的阈值则进行医患风险预警，并将医患风险传送至医患人员数据库。

作为优选，冲突评估模型包括对话冲突评估模型、语音识别模型和关键词匹配；对于采集的诊间问诊语音信号进行实时降噪处理；并将实时降噪处理后的信号传送至对话冲突评估模型、语音识别模型；对话冲突评估模型输出医患冲突等级，语音识别模型输出对话文本，关键词匹配结合对话文本与医患关键词库确定关键词匹配的结果。

作为优选，关键词匹配，以语言文本为输入，采用N-gram语言模型对文本进行中文分词，随后对分词后的文本与医患关键词库进行匹配，确定关键词匹配的结果。

作为优选，医患风险评估模型的输入由语音冲突等级、关键词匹配向量、肢体威胁值以及医患人员数据库中的等级拼接组成。

作为优选，医患风险评估模型通过t-SNE算法对输入特征进行降维，然后利用mean-shift聚类，计算聚类中心及输入样本到聚类中心的距离，并利用核密度估计计算样本置信度，将该置信度作为该人员的等级。

作为优选，