用于监测压疮的监测系统、装置及计算机实施方法

技术领域

本发明大体上涉及一种用于监测用户的监测系统、装置及计算机实施方法，更具体来说，涉及一种用于监测用户的压疮的监测系统、装置及计算机实施方法。

背景技术

压疮是来源于皮肤上的压力的皮肤及组织的损伤。压疮可发生于身体的皮肤，且通常发生于覆盖身体的骨区域的皮肤。

此外，具有医疗状况(其可限制人改变姿势或位置的能力)的人多数具有压疮的风险。例如，压疮通常发生于大多数时间在床或轮椅中的病人。

将用于治疗压疮的一些标准手术过程应用于所述病人。但是，因为压疮为难以治愈的伤口，且每一病人可具有不同医疗状况，所以具有压疮的每一病人需要特殊护理及治疗。

发明内容

本发明的一些实施例提供一种用于监测压疮的计算机实施方法。用于监测压疮的所述计算机实施方法包含：捕获对应于用户的至少一个图像；取出所述用户的病历数据；及根据压疮预测模型确定对应于所述至少一个图像及所述病历数据的压疮状况结果。

本发明的一些实施例提供一种用于监测压疮的计算机监测系统。所述监测系统包含图像捕获单元、处理器及存储单元。所述图像捕获单元捕获对应于用户的至少一个图像。所述存储单元存储所述用户的病历数据、压疮预测模型及程序。当执行所述程序时，所述程序引起所述处理器：从所述图像捕获单元取出所述至少一个图像；从所述存储单元取出所述病历数据；及根据所述压疮预测模型确定对应于所述至少一个图像及所述病历数据的压疮状况结果。

本发明的一些实施例提供一种用于监测压疮的装置。所述装置包含图像捕获单元、处理器、存储单元及网络接口。所述图像捕获单元捕获对应于用户的至少一个图像。所述存储单元存储压疮预测模型及程序。当执行所述程序时，所述程序引起所述处理器：从所述图像捕获单元取出所述至少一个图像；经由网络接口从所述网络数据库取出病历数据；及根据所述压疮预测模型确定对应于所述至少一个图像及所述病历数据的压疮状况结果。

前文已广泛概述本发明的特征及技术优势以便可更好理解下文的本发明的具体实施方式。本发明的额外特征及优势将在下文中描述，且形成本发明的技术方案的目标。所属领域的技术人员应了解，所揭示的概念及特定实施例可容易地用作修改或设计用于执行本发明的相同目的的其它结构或工艺的基础。所属领域的技术人员也应认识到，此类等效构造不脱离随附权利要求书中陈述的本发明的精神及范围。

附图说明

当结合附图阅读时，从以下具体实施方式最佳理解本发明的方面。应注意，根据行业中的标准实践，各种构件未按比例绘制。实际上，为使论述清楚，各种构件的尺寸可任意增大或减小。

可通过参考结合附图考虑的具体实施方式及权利要求书而导出本发明的更完全理解，其中所有图中的相同元件符号指代相同元件。

图1是根据本发明的一些实施例的监测系统的框图。

图2是根据本发明的一些实施例的监测系统的框图。

图3是根据本发明的一些实施例的监测系统的框图。

图4是根据本发明的一些实施例的装置的框图。

图5是根据本发明的一些实施例的用于监测压疮的计算机实施方法的流程图。

图6A到6C是根据本发明的一些实施例的用于监测压疮的计算机实施方法的流程图。

图7是根据本发明的一些实施例的用于监测压疮的计算机实施方法的流程图。

具体实施方式

现使用特定语言描述附图中说明的本发明的实施例或实例。应理解，不在此期望限制本发明的范围。所描述的实施例的任何更改或修改及本发明中描述的原理的任何进一步应用将被视为通常由与本发明相关的所属领域的技术人员所想到。元件符号可跨实施例重复，但此未必意味着一个实施例的(若干)特征适用于另一实施例，即使其共享相同元件符号。

应理解，虽然本文可使用术语第一、第二、第三等来描述各种元件、组件、区、层或区段，但是这些元件、组件、区、层或区段不受此类术语限制。实际上，这些术语仅用于使元件、组件、区、层或区段彼此区分。因此，不脱离本发明的教示的情况下，在下文中论述的第一元件、组件、区、层或区段可称为第二元件、组件、区、层或区段。

本文中所使用的术语仅用于描述特定实例实施例，且不希望限制本发明。如本文中所使用，单数形式“一个”及“所述”希望也包含复数形式，除非上下文另外明确指示。应进一步理解，如说明书中使用，术语“包括”特指存在所陈述的特征、整数、步骤、操作、元件或组件，但不排除存在或添加一或多个其它特征、整数、步骤、操作、元件、组件或其群组。

压疮是难以治愈的伤口。开发用于治疗压疮的一些标准手术过程(SOP)且将其应用于具有压疮的病人。但是，由于每一病人可具有不同医疗状况，所以具有压疮的每一病人需要护理他/她的压疮的定制治疗。

图1说明根据本发明的一些实施例的监测系统1的框图。监测系统1包含图像捕获单元11、处理器13及存储单元15。在一些实施例中，图像捕获单元11、处理器13及存储单元15通过通信总线17电耦合。通信总线17可允许图像捕获单元11将图像数据传输到处理器13，且可允许处理器13执行存储于存储单元15中的计算机程序PG。

处理器13、存储单元15及计算机程序PG可经协作地配置以执行计算机程序PG的功能。换句话说，当被执行时，计算机程序PG可产生一或多个中断(例如软件中断)以使处理器13及存储单元15执行用于监测用户的压疮的计算机程序PG的功能。计算机程序PG的功能将在下文中进一步描述。

在一些实施例中，当需要监测用户的压疮时，图像捕获单元11经安置为邻近于用户以用于捕获用户的至少一个图像110。在捕获用户的至少一个图像110之后，图像捕获单元11将至少一个图像110传输到处理器13。

换句话说，处理器13从图像捕获单元11取出至少一个图像110。同时，处理器13取出存储于存储单元15中的对应于用户的病历数据AD。

接着，在一些实施例中，存储于存储单元15中的压疮预测模型BM是用于接收对应于用户的图像数据及病历数据且接着预测用户的压疮状况改变的机器学习模型。因此，处理器13针对用户根据压疮预测模型BM确定对应于至少一个图像110及病历数据AD的压疮状况结果130。

在一些实施例中，压疮状况结果130可包含用于指示用户的压疮状况的不同预测的不同等级。例如，压疮状况结果130包含被指定为等级“1”到等级“n”的n个等级。当压疮状况结果130被确定为等级“1”时，其意味着用户的压疮状况将变得更好。当压疮状况结果130被确定为等级“n”时，其意味着用户的压疮状况将变得更糟。

因此，护理用户的护理人可基于压疮状况结果130治疗用户的压疮。例如，伤口敷料的频率可取决于压疮状况结果130。当压疮状况结果130被确定为等级“1”时，伤口敷料的频率可降低。当压疮状况结果130被确定为等级“n”时，伤口敷料的频率应升高。

在一些实施例中，压疮预测模型BM可包含用于处理数据且产生结果的两个阶段。详细来说，在第一阶段中，对应于用户的图像依据对应于用户的不同移动类型分类。在第二阶段中，根据用户的移动类型及病历数据确定用户的压疮状况结果。

具体来说，在图像捕获单元11捕获对应于用户的至少一个图像110之后，处理器13根据压疮预测模型BM的第一阶段确定对应于至少一个图像110的移动类型。

更具体来说，处理器13取出至少一个图像110且通过压疮预测模型BM确定移动类型。换句话说，处理器13将至少一个图像110输入到压疮预测模型BM的第一阶段以用以从压疮预测模型BM的第一阶段导出移动类型作为输出数据。

接着，处理器13根据压疮预测模型BM的第二阶段确定对应于移动类型及病历数据AD的压疮状况结果130。换句话说，处理器13将移动类型及病历数据AD输入到压疮预测模型BM的第二阶段以用以从压疮预测模型BM的第二阶段导出压疮状况结果130作为输出数据。

在一些实施例中，在确定压疮状况结果130之前，为了更精确的结果，可引入对应于用户的移动频率。详细来说，处理器13根据对应于用户的至少一个图像110确定移动频率。

接着，根据压疮状况模型BM的第二阶段，处理器13确定对应于移动频率、移动类型及病历数据AD的压疮状况结果130。换句话说，处理器13将移动频率、移动类型及病历数据AD输入到压疮预测模型BM的第二阶段以用以从压疮预测模型BM的第二阶段导出压疮状况结果130作为输出数据。

在投入使用之前，可首先产生且训练本发明的机器学习模型。详细来说，在一些实施例中，压疮预测模型BM的第一阶段经配置以将对应于用户的图像转换为对应于用户的移动类型的信息，使得使用包含图像及移动类型的多个第一数据训练压疮预测模型BM的第一阶段。

具体来说，每一第一数据包含第一训练输入数据及第一训练输出数据。第一训练输入数据包含至少一个训练图像。第一训练输出数据包含对应于至少一个训练图像的移动类型。

因此，多个第一数据用于训练压疮预测模型BM的第一阶段以将图像辨识为移动类型。换句话说，可使用多个第一数据训练压疮预测模型BM的第一阶段以用于将图像转换为移动类型。

例如，对应于用户的训练图像可被标记为训练移动类型，其包含翻身、喂食、改变静脉点滴位置、按摩、伤口清洗、更换医用物品等。

因此，在使用训练图像及训练移动类型训练之后，压疮预测模型BM的第一阶段能够根据不同移动类型将对应于用户的一些捕获图像分类，所述移动类型包含翻身、喂食、改变静脉点滴位置、按摩、伤口清洗、更换医用物品等。

总之，压疮预测模型BM的第一阶段是经训练机器学习方案，将数据输入到压疮预测模型BM的第一阶段，且随后，基于输入数据从压疮预测模型BM的第一阶段输出另一数据。在一些实施例中，对应于用户的至少一个图像被给定为压疮预测模型BM的第一阶段的输入数据，且后续输出数据为移动类型。

应注意，在一些实施方案中，压疮预测模型BM的第一阶段可根据仅看一次(YouOnly Look Once)第3版(YOLOv3)算法、单样本多边框检测(Single Shot multiBoxDetection)(SSD)算法或具有卷积神经网络的区(R-CNN)算法的算法建立。

如何基于YOLOv3算法、SSD算法或R-CNN算法通过图像及移动类型建立机器学习方案(即，在一些实施例中压疮预测模型BM的第一阶段)应由所属领域的技术人员基于以上揭示内容了解，且因此在本文中将不进一步描述。

在一些实施例中，压疮预测模型BM的第二阶段经配置以将对应于用户的移动类型、移动频率及病历数据转换为压疮状况结果，使得压疮预测模型BM的第二阶段使用包含移动类型、移动频率及病历数据的多个第二数据训练。

具体来说，每一第二数据包含第二训练输入数据及第二训练输出数据。第二训练输入数据包含训练移动类型、训练移动频率及训练病历数据。第二训练输出数据包含训练压疮状况结果，所述训练压疮状况结果对应于训练移动类型、训练移动频率及训练病历数据。

因此，多个第二数据用于训练压疮预测模型BM的第二阶段以根据移动类型、移动频率及病历数据确定压疮状况结果。换句话说，可使用多个第二数据训练压疮预测模型BM的第二阶段以用于将移动类型、移动频率及病历数据转换为压疮状况结果。

在一些实施例中，每一训练压疮状况结果可由经验丰富的医生基于对应训练移动类型、训练移动频率及病历数据判断。

在一些实施例中，病历数据是具有文字格式且包含被确定为可图像压疮状况的因素。例如，病历数据包含疾病类型信息、处方信息、医疗测试信息、血压信息、体温信息、诊断信息、用药信息、实验室检查信息等中的至少一者。

总之，压疮预测模型BM的第二阶段是经训练机器学习方案，将数据输入到压疮预测模型BM的第二阶段，且随后，基于输入数据从压疮预测模型BM的第二阶段输出另一数据。在一些实施例中，对应于用户的移动类型、移动频率及病历数据被给定为压疮预测模型BM的第二阶段的输入数据，且后续输出数据为压疮状况结果。

应注意，在一些实施方案中，压疮预测模型BM的第二阶段可根据深度神经网络(DNN)算法建立。如何基于DNN算法通过移动类型、移动频率、病历数据及压疮状况结果建立机器学习方案(即，在一些实施例中压疮预测模型BM的第二阶段)应由所属领域的技术人员基于以上揭示内容了解，且因此在本文中将不进一步描述。

在一些实施例中，压疮预测模型BM可为自我学习机器学习模型。详细来说，来自压疮预测模型BM的输入数据(例如对应于用户的图像)及输出数据(例如根据对应于用户的这些图像的压疮状况结果)可分别用作用于训练压疮预测模型BM的训练输入数据及训练输出数据。

图2说明根据本发明的一些实施例的监测系统1的框图。在一些实施例中，监测系统1进一步包含指示器18。在处理器13确定压疮状况结果130之后，处理器13传输信号132以触发指示器18用于向护理者告知压疮状况结果130，使得护理者可应用用户的定制计划。

在一些实施例中，指示器18可包含显示器。触发显示器的信号可包含文字信息且显示器展示文字信息。在一些实施例中，指示器18可包含灯，所述灯可发射不同色彩的光用于指示不同状况。例如，红光意味着压疮状况将变得更糟，且绿光意味着压疮状况将变得更好。

图3说明根据本发明的一些实施例的监测系统1的框图。在一些实施例中，监测系统1进一步包含装置19。在处理器13确定压疮状况结果130之后，处理器13传输控制信号134以控制装置19用于调整用户的位置。

在一些实施例中，装置19可包含能够调整用户的位置的电动床垫。控制信号134可用于控制电动床垫的角度或充气状态。

图4说明根据本发明的一些实施例的装置4的框图。在一些实施例中，装置4包含图像捕获单元41、处理器43、存储单元45及网络接口49。在一些实施例中，图像捕获单元41、处理器43、存储单元45及网络接口49通过通信总线47电耦合。通信总线47可允许图像捕获单元41将图像数据传输到处理器43，且可允许处理器43执行存储于存储单元45中的计算机程序PG。

处理器43、存储单元45及计算机程序PG可经协作地配置以执行计算机程序的功能。换句话说，当被执行时，计算机程序PG可产生一或多个中断(例如软件中断)以使处理器43及存储单元45执行用于监测用户的压疮的计算机程序PG的功能。计算机程序PG的功能将在下文中进一步描述。

在一些实施例中，装置4可经安置为邻近于用户，且图像捕获单元41可捕获用户的至少一个图像410。在捕获至少一个图像410之后，图像捕获单元41将至少一个图像410传输到处理器。换句话说，处理器43从图像捕获单元41取出至少一个图像410。

在一些实施例中，装置4的处理器43经由网络接口49从网络数据库NB取出病历数据AD。接着，处理器43根据存储于存储单元45中的压疮预测模型BM确定对应于至少一个图像410及病历数据AD的压疮状况结果430。

应注意，在一些实施例中，装置4可为图像捕获设备，其具有更高运算能力，使得图像捕获设备可监测用户以确定压疮状况结果430，同时从网络数据库NB取出对应于用户的病历数据AD。

本发明的一些实施例包含一种用于监测压疮的计算机实施方法，且在图5中展示所述方法的流程图。一些实施例的计算机实施方法用于监测系统(例如前述实施例的监测系统1)中。下文描述计算机实施方法的详细步骤。

通过监测系统的图像捕获单元执行步骤S501以捕获对应于用户的至少一个图像。通过监测系统的处理器执行步骤S502以取出用户的病历数据。病历数据存储于监测系统的存储单元中。

在一些实施例中，存储于存储单元中的压疮预测模型是经训练机器学习方案：将对应于用户的图像数据及病历数据输入到压疮预测模型，且随后，基于输入数据从压疮预测模型输出压疮状况结果。

因此，通过处理器执行步骤S503以根据压疮预测模型确定对应于至少一个图像及病历数据的压疮状况结果。压疮状况结果可包含用于指示用户的压疮状况的不同预测的不同等级。

本发明的一些实施例包含一种用于监测压疮的计算机实施方法，且在图6A到6C中展示所述方法的流程图。一些实施例的计算机实施方法用于监测系统(例如前述实施例的监测系统1)中。下文描述计算机实施方法的详细步骤。

在一些实施例中，在投入使用之前，可首先产生且训练压疮预测模型。通过监测系统的处理器执行步骤S601以根据具有多个第一数据及多个第二数据的训练数据的机器学习方案产生压疮预测模型。

在一些实施例中，每一第一数据包含第一训练输入数据及第一训练输出数据。第一训练输入数据包含多个训练图像。第一训练输出数据包含对应于训练图像的多个训练移动类型。

在压疮预测模型的产生期间，训练图像及训练移动类型用于训练压疮预测模型的第一阶段以将图像辨识为移动类型。在一些实施例中，移动类型可包含翻身、喂食、改变静脉点滴位置、按摩、伤口清洗或更换医用物品。

在一些实施例中，每一第二数据包含第二训练输入数据及第二训练输出数据。第二训练输入数据包含多个训练移动类型、多个训练移动频率及多个训练病历数据。第二训练输出数据包含多个训练压疮状况结果。

在压疮预测模型的产生期间，训练移动类型、训练移动频率、训练病历数据及训练压疮状况结果用于训练压疮预测模型的第二阶段以根据移动类型、移动频率及病历数据确定压疮状况结果。

在产生压疮预测模型之后，通过处理器执行步骤S602以将压疮预测模型存储于监测系统的存储单元中供以后使用。

当需要监测用户时，通过图像捕获单元执行步骤S603以捕获对应于用户的至少一个图像。通过处理器执行步骤S604以根据对应于用户的至少一个图像确定移动频率。

通过处理器执行步骤S605以取出用户的病历数据。病历数据存储于监测系统的存储单元中。在一些实施例中，病历数据是具有文字格式且包含疾病类型信息、处方信息、医疗测试信息、血压信息及体温信息中的至少一者。

通过处理器执行步骤S606以根据压疮预测模型确定对应于至少一个图像的移动类型。通过处理器执行步骤S607以根据压疮预测模型确定对应于移动类型、移动频率及病历数据的压疮状况结果。

在一些实施例中，通过处理器任选地执行步骤S608以根据压疮状况结果传输信号以触发指示器。在一些实施例中，通过处理器任选地执行步骤S609以根据压疮状况结果传输控制信号以控制装置。

本发明的一些实施例包含一种用于监测压疮的计算机实施方法，且在图7中展示所述方法的流程图。一些实施例的计算机实施方法用于装置(例如前述实施例的装置4)中。下文描述计算机实施方法的详细步骤。

通过装置的图像捕获单元执行步骤S701以捕获对应于用户的至少一个图像。通过装置的处理器执行步骤S702以经由装置的网络接口取出用户的病历数据。病历数据存储在网络数据库中。

在一些实施例中，存储于存储单元中的压疮预测模型是经训练机器学习方案：将对应于用户的图像数据及病历数据输入到压疮预测模型，且随后，基于输入数据从压疮预测模型输出压疮状况结果。

因此，通过处理器执行步骤S703以根据压疮预测模型确定对应于至少一个图像及病历数据的压疮状况结果。压疮状况结果可包含用于指示用户的压疮状况的不同预测的不同等级。

尤其应了解，以上实施例中提及的处理器可为中央处理单元(CPU)、能够执行相关指令的其它硬件电路组件或由所属领域的技术人员基于以上揭示内容而熟知的运算电路的组合。

再者，以上实施例中提及的存储单元可包含用于存储数据的存储器(例如ROM、RAM等)或存储装置(例如快闪存储器、HDD、SSD等)。此外，以上实施例中提及的通信总线可包含用于在例如图像捕获单元、处理器、存储单元、指示器及装置的元件之间传送数据的通信接口(或I/O接口)，且可包含电总线接口、光学总线接口或甚至无线总线接口。但是，此描述不意在限制本发明的硬件实施方案实施例。

虽然已详细描述本发明及其优势，但应理解，可在不脱离由随附权利要求书界定的本发明的精神及范围的情况下对本文进行各种改变、替换及更改。例如，以上论述的许多过程可在不同方法论中实施且由其它过程或其组合替换。

再者，本申请案的范围不希望受限于说明书中描述的过程、机器、制造、物质组成、构件、方法及步骤的特定实施例。所属领域的技术人员将容易从本发明的揭示内容了解，可根据本发明利用执行与本文描述的对应实施例实质上相同的功能或达成与其实质上相同的结果的当前现有或以后开发的过程、机器、制造、物质组成、构件、方法或步骤。因此，随附权利要求书希望将此类过程、机器、制造、物质组成、构件、方法或步骤包含在其范围内。

1:监测系统

4:装置

11:图像捕获单元

13:处理器

15:存储单元

17:通信总线

18:指示器

19:装置

41:图像捕获单元

43:处理器

45:存储单元

47:通信总线

49:网络接口

110:图像

130:压疮状况结果

132:信号

134:控制信号

410:图像

430:压疮状况结果

S501:步骤

S502:步骤

S503:步骤

S601:步骤

S602:步骤

S603:步骤

S604:步骤

S605:步骤

S606:步骤

S607:步骤

S608:步骤

S609:步骤

S701:步骤

S702:步骤

S703:步骤

AD:病历数据

BM:压疮预测模型

NB:网络数据库

PG:计算机程序