一种损伤控制复苏的辅助决策方法及系统 专利技术说明

医药医疗技术的改进;医疗器械制造及应用技术1.本发明涉及决策技术领域，特别是涉及一种损伤控制复苏的辅助决策方法及系统。背景技术：2.急救医疗体系包括院前急救体系和院内抢救体系，两者密不可分，对伤病员的成功救治都非常重要。目前，各个国家的急救医疗体系均非常重视院前救治，如通过互联网远程医疗系统提供紧急的医疗服务；在院前急救小组内配备麻醉师进行气道管理；通过高保真模拟训练加强院前/院内交接的沟通；院前急救中创伤患者的疼痛管理。这些措施可以有效地提高严重伤员的救治效果。3.对于伤情严重患者，其病情变化快，伤情复杂，病死率和伤残率高，部分伤员在院前急救阶段需医护人员做出准确的判断和处置，并进行及时和准确的损伤控制复苏。损伤控制复苏是抢救危急情况下创伤患者的措施，包括液体复苏(含限制性液体复苏、止血复苏等)、防治酸中毒、低低温、凝血功能障碍和低钙血症等综合复苏技术。4.但是由于严重创伤处理的专业性要求较高，而院前医疗人员不一定时刻都有专业创伤医师在，患者常缺乏现场必要的复苏和初步有效的处理，上述的各种方法无法快速有效地针对这类伤员提供及时的诊治帮助。技术实现要素：5.本发明的目的是提供一种损伤控制复苏的辅助决策方法及系统，协助医务人员能在创伤现场及送医过程中完成诊治、指导复苏，改善患者全身状况，使患者生命体征趋于稳定，为入院后的治疗创造良好身体条件。6.为实现上述目的，本发明提供了如下方案：7.一种损伤控制复苏的辅助决策方法，包括：8.构建辅助决策模型；所述辅助决策模型包括文本辅助决策模型、图像辅助决策模型和指标辅助决策模型；9.获取伤情数据；所述伤情数据包括文本数据、图像数据和指标数据；10.基于所述文本数据和所述文本辅助决策模型，得到文本辅助决策结果；11.基于所述图像数据和所述图像辅助决策模型，得到图像辅助决策结果；12.基于所述指标数据和所述指标辅助决策模型，得到指标辅助决策结果；13.基于所述文本辅助决策结果、所述图像辅助决策结果和所述指标辅助决策结果构建辅助决策方案。14.可选地，所述基于所述文本数据和所述文本辅助决策模型，得到文本辅助决策结果，包括：15.对所述文本数据进行分词，得到分词数据集；16.对所述分词数据集进行关键词提取，得到关键词数据集；17.基于所述关键词数据集和所述文本辅助决策模型，得到所述文本辅助决策结果。18.可选地，所述指标数据包括生理指标数据和检验指标数据。19.可选地，所述基于所述图像数据和所述图像辅助决策模型，得到图像辅助决策结果，包括：20.基于所述图像数据，采用图像识别算法，得到肢体残缺部位；21.基于所述肢体残缺部位和所述图像辅助决策模型，得到所述图像辅助决策结果。22.可选地，所述文本数据包括基础伤情文本数据、伤情演变文本数据和受伤部位文本数据。23.本发明还提供了一种损伤控制复苏的辅助决策系统，包括：24.模型构建模块，用于构建辅助决策模型；所述辅助决策模型包括文本辅助决策模型、图像辅助决策模型和指标辅助决策模型；25.数据获取模块，用于获取伤情数据；所述伤情数据包括文本数据、图像数据和指标数据；26.文本辅助决策模块，用于基于所述文本数据和所述文本辅助决策模型，得到文本辅助决策结果；27.图像辅助决策模块，用于基于所述图像数据和所述图像辅助决策模型，得到图像辅助决策结果；28.指标辅助决策模块，用于基于所述指标数据和所述指标辅助决策模型，得到指标辅助决策结果；29.辅助决策方案模块，用于基于所述文本辅助决策结果、所述图像辅助决策结果和所述指标辅助决策结果构建辅助决策方案。30.可选地，所述文本辅助决策模块包括：31.分词单元，用于对所述文本数据进行分词，得到分词数据集；32.关键词单元，用于对所述分词数据集进行关键词提取，得到关键词数据集；33.文本辅助决策单元，用于基于所述关键词数据集和所述文本辅助决策模型，得到所述文本辅助决策结果。34.可选地，所述指标数据包括生理指标数据和检验指标数据。35.可选地，所述图像辅助决策模块包括：36.图像识别单元，用于基于所述图像数据，采用图像识别算法，得到肢体残缺部位；37.图像辅助决策单元，用于基于所述肢体残缺部位和所述图像辅助决策模型，得到所述图像辅助决策结果。38.可选地，所述文本数据包括基础伤情文本数据、伤情演变文本数据和受伤部位文本数据。39.根据本发明提供的具体实施例，本发明公开了以下技术效果：40.本发明公开一种损伤控制复苏的辅助决策方法及系统，方法包括：构建辅助决策模型；所述辅助决策模型包括文本辅助决策模型、图像辅助决策模型和指标辅助决策模型；获取伤情数据；所述伤情数据包括文本数据、图像数据和指标数据；基于所述文本数据和所述文本辅助决策模型，得到文本辅助决策结果；基于所述图像数据和所述图像辅助决策模型，得到图像辅助决策结果；基于所述指标数据和所述指标辅助决策模型，得到指标辅助决策结果；基于所述文本辅助决策结果、所述图像辅助决策结果和所述指标辅助决策结果构建辅助决策方案。本发明能协助医务人员在创伤现场及送医过程中完成损伤控制复苏，以使患者生命体征趋于稳定或稳定。附图说明41.为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。42.图1为本发明损伤控制复苏的辅助决策方法流程图；43.图2为本发明损伤控制复苏的辅助决策系统结构图。44.符号说明：1、模型构建模块；2、数据获取模块；3、文本辅助决策模块；4、图像辅助决策模块；5、指标辅助决策模块；6、辅助决策方案模块。具体实施方式45.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。46.本发明的目的是提供一种损伤控制复苏的辅助决策方法及系统，协助医务人员能在创伤现场及送医过程中完成诊治、指导复苏，改善患者全身状况，使患者生命体征趋于稳定，为入院后的治疗创造良好身体条件。47.为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。48.图1为本发明损伤控制复苏的辅助决策方法流程图。如图1所示，本发明提供了一种损伤控制复苏的辅助决策方法，包括：49.步骤s1，构建辅助决策模型；所述辅助决策模型包括文本辅助决策模型、图像辅助决策模型和指标辅助决策模型。所述文本辅助决策模型、图像辅助决策模型和指标辅助决策模型基于专家系统进行构建。所述文本辅助决策模型为基于文本进行辅助决策的模型；图像辅助决策模型为基于图像进行辅助决策的模型；所述指标辅助决策模型为基于检验指标和/或生理指标进行辅助决策的模型。50.步骤s2，获取伤情数据；所述伤情数据包括文本数据、图像数据和指标数据。本实施例中，所述文本数据为医务人员基于自身的医疗经验和知识用专业的医学术语进行编辑得到。51.具体地，所述指标数据包括生理指标数据和检验指标数据，所述检验指标数据包括碱剩余、乳酸浓度(lac)、血红蛋白浓度(hgb)、凝血酶原时间(pt)、国际标准化比值(inr)、部分活化的凝血酶原时间(aptt)和纤维蛋白原浓度(fib)等。52.步骤s3，基于所述文本数据和所述文本辅助决策模型，得到文本辅助决策结果。53.可选地，所述步骤s3包括：54.步骤s31，对所述文本数据进行分词，得到分词数据集。55.步骤s32，对所述分词数据集进行关键词提取，得到关键词数据集。中文分词模型算法主要分为三个类别：基于词典(字符串匹配)的分词、基于标注的机器学习算法和基于理解的深度学习算法。其中，基于词典(字符串匹配)分词也被称为机械分词；基于标注的机器学习算法和深度学习算法被统称为统计分词方法。本项目采用统计分词方法中的“结巴”(jieba)中文分词组件，对文本数据进行分词和关键词抽取，并且支持自定义词典。56.步骤s33，基于所述关键词数据集和所述文本辅助决策模型，得到所述文本辅助决策结果。57.本实施例中，所述文本数据包括基础伤情文本数据、伤情演变文本数据和受伤部位文本数据。58.受现场条件和环境的影响，伤员在救治和转运途中，其呼吸系统和循环系统等容易发生恶化。59.如伤员发生后续伤情变化，可添加编辑伤员伤情，形成一条新的文本数据，在执行步骤s3，形成新的文本辅助决策结果。60.比如一名患者伤后10分钟出现胸闷、呼吸困难和呼吸急促。从这条病情描述中可以根据关键字样：胸部+大缺损+呼吸困难+吮吸样，就可以诊断为开放性性气胸。医务人员在明确诊断之后，进行胸腔贴封闭胸腔，经过处理之后的伤员向上级医疗机构后送。30min后，该患者在后送途中呼吸困难继续加重，左胸呼吸动度消失，呼吸频率30次/分，心率140次/分，血压70/52mmhg，血氧饱和度76％。显然，该患者后送途中伤势加重，病情发生演变，根据医务人员的检查和生理指标显示，对该名患者的伤情信息重新编辑，添加一条新的病情详述，自动提取其中的关键词：呼吸动度消失+呼吸困难加重，检测出的生理指标填入相应的对话框，随机得到相应的诊断：张力性气胸+中度失血性休克。救治措施：1.胸腔穿刺减压；2.观察，必要时行胸腔闭式引流；3.输注红细胞悬液200ml-400ml；4.输注羟乙基淀粉500ml；5.输注乳酸林格氏液体800ml；6.根据病情演变决定下一步液体复苏的种类和量。61.医务人员判断完受伤部位之后，依据自身的医疗经验和知识，用专业的医学术语编辑伤员的病情详述，特别注意受伤部位术语使用的准确性，这将影响软件结果分析的准确度，在结合步骤s3，得到相应的辅助决策结果。62.步骤s4，基于所述图像数据和所述图像辅助决策模型，得到图像辅助决策结果。63.进一步地，所述步骤s4包括：64.步骤s41，基于所述图像数据，采用图像识别算法，得到肢体残缺部位。本实施例中，针对传统算法的问题与不足，使用基于虚拟现实控制模型的残缺肢体运动分析方法，利用差分算子图像匹配方法，对传统算法进行重构与改进，克服了传统算法无法形成准确的角度和加速度采集区域，会出现对应偏差的弊端，提高了人体三维运动识别的准确性，取得了良好的效果。65.在残缺肢体行为图像识别过程中，需要根据残缺肢体表现出的行为特征，对其行为进行识别。在残躯运动过程中，最主要的是采集人体关键节点的特征。通常情况下，需要将用于运动分析的残躯分为若干个子区域，将这些子区域设置为树结构的子节点，根据这些子节点，建立虚拟残躯的层次包围体树结构。66.步骤s42，基于所述肢体残缺部位和所述图像辅助决策模型，得到所述图像辅助决策结果。67.步骤s5，基于所述指标数据和所述指标辅助决策模型，得到指标辅助决策结果。68.获取所述生理指标数据，这比患者达到医院进行血气分析后再进行补液治疗来讲，检测时间更早，补液也可以有根据地提前，可以避免大量输注液体可能导致的多器官功能衰竭、感染和肺损伤等并发症，这对失血伤员的预后至关重要。69.所述指标辅助决策模型为基于专家系统得到的词典结构，所述词典结构如表1-表11所示。70.表1词典结构心率部分示意[0071][0072]表2词典结构收缩压部分示意[0073][0074]表3词典结构体温部分示意[0075][0076]表4词典结构呼吸部分示意[0077][0078]表5词典结构gcs评分部分示意[0079][0080]表6词典结构氧饱和度部分示意[0081][0082]表7词典结构血红蛋白浓度部分示意[0083][0084]表8词典结构碱剩余部分示意[0085][0086]表9词典结构国际标准化比值inr部分示意[0087][0088]表10词典结构血小板计数部分示意[0089][0090]表11词典结构纤维蛋白原浓度部分示意[0091][0092]比如一名患者心慌，呼吸急促，呼吸频率约24次/分，脉搏120次/分，血压80/60mmhg，则可诊断肝脏挫裂伤，相应的救治措施为：1.输注凝血因子复合物1个单位；2.输注氨甲环酸1g；3.是否需要紧急剖腹术。再进一步检测之后发现脉搏120次/分，血压80/60mmhg，将指标填入相应的对话框后，分析出患者中度失血性休克，对应的救治措施为：1.输注红细胞悬液200ml-400ml；2.输注羟乙基淀粉500ml；3.输注乳酸林格氏液体800ml；4.根据病情演变决定下一步液体复苏的种类和量。[0093]步骤s6，基于所述文本辅助决策结果、所述图像辅助决策结果和所述指标辅助决策结果构建辅助决策方案。[0094]图2为本发明损伤控制复苏的辅助决策系统结构图。如图2所示，本发明提供了一种损伤控制复苏的辅助决策系统，包括：模型构建模块1、数据获取模块2、文本辅助决策模块3、图像辅助决策模块4、指标辅助决策模块5和辅助决策方案模块6。[0095]所述模型构建模块1用于构建辅助决策模型；所述辅助决策模型包括文本辅助决策模型、图像辅助决策模型和指标辅助决策模型。[0096]所述数据获取模块2用于获取伤情数据；所述伤情数据包括文本数据、图像数据和指标数据。[0097]所述文本辅助决策模块3用于基于所述文本数据和所述文本辅助决策模型，得到文本辅助决策结果。[0098]所述图像辅助决策模块4用于基于所述图像数据和所述图像辅助决策模型，得到图像辅助决策结果。[0099]所述指标辅助决策模块5用于基于所述指标数据和所述指标辅助决策模型，得到指标辅助决策结果。[0100]所述辅助决策方案模块6用于基于所述文本辅助决策结果、所述图像辅助决策结果和所述指标辅助决策结果构建辅助决策方案。[0101]可选地，所述文本辅助决策模块3包括：[0102]分词单元，用于对所述文本数据进行分词，得到分词数据集。[0103]关键词单元，用于对所述分词数据集进行关键词提取，得到关键词数据集。[0104]文本辅助决策单元，用于基于所述关键词数据集和所述文本辅助决策模型，得到所述文本辅助决策结果。[0105]可选地，所述指标数据包括生理指标数据和检验指标数据。[0106]可选地，所述图像辅助决策模块4包括：[0107]图像识别单元，用于基于所述图像数据，采用图像识别算法，得到肢体残缺部位。[0108]图像辅助决策单元，用于基于所述肢体残缺部位和所述图像辅助决策模型，得到所述图像辅助决策结果。[0109]可选地，所述文本数据包括基础伤情文本数据、伤情演变文本数据和受伤部位文本数据。[0110]本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。[0111]本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。









图片声明：本站部分配图来自人工智能系统AI生成,觅知网授权图片,PxHere摄影无版权图库。本站只作为美观性配图使用,无任何非法侵犯第三方意图,一切解释权归图片著作权方,本站不承担任何责任。如有恶意碰瓷者,必当奉陪到底严惩不贷!




内容声明：本文中引用的各种信息及资料（包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主体（包括但不限于公司、媒体、协会等机构）的官方网站或公开发表的信息。部分内容参考包括:(百度百科,百度知道,头条百科,中国民法典,刑法,牛津词典,新华词典,汉语词典,国家院校,科普平台)等数据,内容仅供参考使用,不准确地方联系删除处理！本站为非盈利性质站点,发布内容不收取任何费用也不接任何广告!




免责声明：我们致力于保护作者版权，注重分享，被刊用文章因无法核实真实出处，未能及时与作者取得联系，或有版权异议的，请联系管理员，我们会立即处理，本文部分文字与图片资源来自于网络，部分文章是来自自研大数据AI进行生成,内容摘自(百度百科,百度知道,头条百科,中国民法典,刑法,牛津词典,新华词典,汉语词典,国家院校,科普平台)等数据,内容仅供学习参考,不准确地方联系删除处理!的,若有来源标注错误或侵犯了您的合法权益，请立即通知我们，情况属实，我们会第一时间予以删除，并同时向您表示歉意,谢谢!