一种智慧病房系统

技术领域

本发明属于大数据处理技术领域，具体涉及一种智慧病房系统。

背景技术

随着科技的发展与进步，尤其是互联网、人工智能、物联网等技术的逐渐成熟，智慧病房建设需求与日俱增，对传统病房进行智能化改造，进一步提升医疗服务水平，实现医疗数据的高效采集和使用，帮助医院优化护理流程， 提升护理质量，提高患者住院体验，真正实现“以患者安全为中心”的智慧医疗服。现有的智慧病房系统中，虽然也使用了物联网、大数据的相关技术，但是整体上智能化程度不高，仅仅是利用了智能硬件实现患者数据采集和显示，没有对采集到的数据进行充分的分析和利用。因此，需要搭建一套智能化程度更高的智慧病房系统，将大数据、人工智能、物联网技术融合进去，以更好的实现不同病房场景对应的需求。

发明内容

本发明的目的在于克服现有技术中存在的上述技术问题，提供了一种智慧病房系统，该系统采用护士站-病房-病床的三级架构，护士站作为总共模块，病房作为分管模块，病房中的病床作为终端模块，上下级模块之间以松耦合的方式连接，以便于模块的增减和灵活管理。在护士站层面，实现所有病人的信息管理；在病房层面，实现该病房内所有病床数据的采集和管理；在病床层面，对绑定该病床的患者数据实现采集和管理。

为了实现上述发明目的，本发明提供了以下技术方案：

本实施例提供一种智慧病房系统，其特征在于，包括：

总控模块：设置在护士站，包括医疗数据监测单元、设备控制单元、可视对讲单元和远程会诊单元；其中医疗数据监测单元用于实现所有患者医疗数据的汇总、分析和预警；设备控制单元用于实现病房的智能化设备控制和交互；可视对讲单元用于实现与患者的实时视频对讲交流；远程会诊单元用于实现医生的会诊流程；

分管模块：设置在病房，包括公共空间监测单元和个人空间监测单元；其中公共空间监测单元用于对病房内除病床外的其他空间进行统一监测和预警；个人空间监测单元用于对病床空间进行监测和预警；

终端模块：设置在病床，包括体征数据采集单元和护理服务单元；体征数据采集单元对患者的体征数据进行自动采集和上传；护理服务单元实现患者自助护理操作。

进一步地，所述医疗数据监测单元具体包括：

医疗数据分析子单元：对采集得到的患者医疗数据进行电子化存储管理，所述医疗数据包括患者体征数据、患者检验报告数据、患者检查报告数据；建立个人数据单元和同类疾病数据单元，其中个人数据单元将某个患者个人的医疗数据进行统一管理，监测患者个人的医疗数据变化情况和趋势；同类疾病数据单元将同一类疾病患者的医疗数据进行统一管理，根据历史记录中同类疾病患者的相关医疗数据对当前患者的疾病发展趋势做出预警；

患者行为数据分析子单元：对采集得到的患者病房行为数据进行管理和分析，构建危险行为预警模型，利用该模型实现患者行为的分析和预警。

进一步地，所述同类疾病数据单元具体包括：

根据预设的疾病类别，将同一类疾病患者数据进行汇总、处理和分析，以得到多种疾病类别下的数据集合；建立每种疾病类别下的患者病情发展趋势预测模型，包括：训练阶段，采集某种疾病类别下的历史患者医疗数据，将其分为病情康复正样本和病情恶化负样本；对所述正样本和负样本中的患者体征数据、患者检验报告数据、患者检查报告数据分别进行特征提取；其中，统计患者体征数据和检验报告数据中的医疗条目对应的数值范围，得到第一特征向量；利用预先构建的医疗词典提取患者检查报告数据中的关键术语，统计各关键术语出现的频率，得到第二特征向量，将所述第一特征向量和第二特征向量融合得到医疗数据特征向量。

进一步地，所述同类疾病数据单元具体包括：

将所述医疗数据特征向量输入到人工神经网络模型A中进行训练，所述人工神经网络模型A包括一个输入层、一个输出层、4个隐藏层，采用relu作为激活函数，采用交叉熵作为损失函数，不断调整权重迭代以至模型收敛，得到患者病情发展趋势预测模型；模型输入为从患者体征数据、患者检验报告数据和患者检查报告数据中提取的医疗数据特征向量，模型输出为患者病情康复概率和病情恶化概率组成的概率向量；提取当前患者的医疗数据特征向量输入至所述患者病情发展趋势预测模型中以实现该患者的病情趋势预测，当病情恶化概率大于病情康复概率时，生成预警信息发送给该患者的主治医生。

进一步地，所述患者行为数据分析子单元具体包括：

建立危险行为预警模型，所述危险行为包括抽搐和摔倒；其中，训练阶段，采集病房内人体姿态视频图片集，对图片集内的图片进行标注，设置为抽搐、摔倒、无异常3类样本图片；提取图片内的患者姿态特征和人脸特征，包括，提取骨架特征和运动特征融合成为姿态特征图，提取五官特征作为人脸特征图；将患者姿态特征图和人脸特征图分别送入人工神经网络模型B1和B2中进行训练。

进一步地，所述患者行为数据分析子单元具体包括：

所述人工神经网络模型B1和B2结构相同，包括一个输入层、一个输出层、1个卷积层，1个池化层，采用relu作为激活函数，交叉熵作为损失函数，不断调整权重迭代以至模型收敛，得到危险行为预警模型；模型B1输入为患者姿态特征图，输出为患者抽搐概率、摔倒概率和正常概率组成的概率向量；模型B2输入为患者人脸特征图，输出为患者表情痛苦概率和正常概率组成的概率向量；利用所述人工神经网络B1和B2对当前患者行为进行监测，当抽搐概率和摔倒概率之和大于正常概率时，或表情痛苦概率大于正常概率时，生成预警信息发送给护士站。

进一步地，所述公共空间监测单元具体包括：

所述公共空间包括病房卫生间和病房公共区域，其中病房卫生间设置有热红外传感器，用于监测卫生间是否有人摔倒；病房公共区域设置有视频采集器，用于实时显示病房公共区域动态以及对危险行为进行预警；

进一步地，所述个人空间监测单元具体包括：

所述个人空间为，每张病床的窗帘拉拢时所形成的空间区域；其中，设置有压力传感器，用于检测患者是否位于病床上；设置有可视对讲终端，用于与护士站进行实时对讲交流；设置有输液监控装置，用于对输液过程进行监控并自动识别输液需求并呼叫护士站。

进一步地，所述体征数据采集单元具体包括：

所述体征数据包括体重、身高、体温、脉搏、血压；所述体征数据通过设置在病床上的传感器实现采集，采集后的数据回传入总控模块；

进一步地，所述护理服务单元具体包括：

病床上设置有护理器具，包括排痰仪、下肢按摩仪、辅助翻身器。

通过采用上述技术，与现有技术相比，本发明的有益效果是：

本申请将智慧病房设计成3级结构，并采用松耦合的方式连接，可以根据实际需求搭建不同规模的智慧病房系统。

本申请将物联网结合进智慧病房系统中，最大限度的实现了病房护理流程的智能化、自主化。

本申请结合人工智能算法对采集到的病房行为数据进行实时分析监测，有助于第一时间发现患者的危险行为并预警，从而避免出现严重后果。

本申请结合人工智能算法对采集到的患者体征数据进行大数据分析和趋势预测，有助于辅助医生对患者病情进行判断，也为医生后续做数据分析研究奠定了数据基础。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定， 对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。

图1为本申请智慧病房系统总体架构图；

图2为本申请医疗数据监测单元架构图；

图3为本申请患者病情发展趋势预测模型架构图；

图4为本申请危险行为预警模型架构图；

图5为本申请分管模块功能架构图；

图6为本申请终端模块功能架构图。

具体实施方式

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。以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本发明及其应用或使用的任何限制。基于本发明中的实施例，本领域普通技术人员在没有作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。

实施例1

如图1所示，本实施例提供一种智慧病房系统，其特征在于，包括：

总控模块：设置在护士站，包括医疗数据监测单元、设备控制单元、可视对讲单元和远程会诊单元；其中医疗数据监测单元实用于现所有患者医疗数据的汇总、分析和预警；设备控制单元用于实现病房的智能化设备控制和交互；可视对讲单元用于实现与患者的实时视频对讲交流；远程会诊单元用于实现医生的会诊流程；

分管模块：设置在病房，包括公共空间监测单元和个人空间监测单元；其中公共空间监测单元用于对病房内除病床外的其他空间进行统一监测和预警；个人空间监测单元用于对病床空间进行监测和预警；

终端模块：设置在病床，包括体征数据采集单元和护理服务单元；体征数据采集单元对患者的体征数据进行自动采集和上传；护理服务单元实现患者自助护理操作。

实施例2

如图2所示，在一种具体实施方式中，医疗数据监测单元具体包括：

医疗数据分析子单元：对采集得到的患者医疗数据进行电子化存储管理，所述医疗数据包括患者体征数据、患者检验报告数据、患者检查报告数据；建立个人数据单元和同类疾病数据单元，其中个人数据单元将某个患者个人的医疗数据进行统一管理，监测患者个人的医疗数据变化情况和趋势；同类疾病数据单元将同一类疾病患者的医疗数据进行统一管理，根据历史记录中同类疾病患者的相关医疗数据对当前患者的疾病发展趋势做出预警；

患者行为数据分析子单元：对采集得到的患者病房行为数据进行管理和分析，构建危险行为预警模型，利用该模型实现患者行为的分析和预警。

智慧病房通过智能设备采集了大量的数据，智慧病房的目标不仅要实现软硬件层面的智能化，更要进一步利用好大数据，做好大数据分析和预测；本发明将采集到的数据按照医疗数据和行为数据进行分类，以期实现患者病情的预警分析和病房内行为预警分析。

患者体征数据、患者检验报告数据、患者检查报告数据来自不同的采集终端和系统，这些数据属于异构化数据，首先要进行清洗和格式转换，实现数据特征的提取，将原本异构的数据实现融合统一；再此基础上再对其进行分类管理以及后续的分析。

之所以要建立个人数据单元和同类疾病数据单元，是结合实际医疗需求来考虑的。个人数据单元用于对当前正在住院的患者数据进行管理，其特点是数据变化大、数据访问频率高、数据查询实时化要求高，但是整体数据量不大，为其配置内存存储单元；同类疾病数据单元用于对历史住院的患者数据进行管理，其特点是数据变化小、数据访问频率低、数据查询实时化要求低，数据量大，为其配置外存存储单元。

实施例3

如图3所示，在一种具体实施方式中，同类疾病数据单元具体包括：

根据预设的疾病类别，将同一类疾病患者数据进行汇总、处理和分析，以得到多种疾病类别下的数据集合；建立每种疾病类别下的患者病情发展趋势预测模型，包括：训练阶段，采集某种疾病类别下的历史患者医疗数据，将其分为病情康复正样本和病情恶化负样本；对所述正样本和负样本中的患者体征数据、患者检验报告数据、患者检查报告数据分别进行特征提取；其中，统计患者体征数据和检验报告数据中的医疗条目对应的数值范围，得到第一特征向量；利用预先构建的医疗词典提取患者检查报告数据中的关键术语，统计各关键术语出现的频率，得到第二特征向量，将所述第一特征向量和第二特征向量融合得到医疗数据特征向量。

将所述医疗数据特征向量输入到人工神经网络模型A中进行训练，所述人工神经网络模型A包括一个输入层、一个输出层、4个隐藏层，采用relu作为激活函数，采用交叉熵作为损失函数，不断调整权重迭代以至模型收敛，得到患者病情发展趋势预测模型；模型输入为从患者体征数据、患者检验报告数据和患者检查报告数据中提取的医疗数据特征向量，模型输出为患者病情康复概率和病情恶化概率组成的概率向量；提取当前患者的医疗数据特征向量输入至所述患者病情发展趋势预测模型中以实现该患者的病情趋势预测，当病情恶化概率大于病情康复概率时，生成预警信息发送给该患者的主治医生。

患者体征数据和检验报告数据中可以很好的抽取成条目-数值的键值对格式，条目包括体温、血压、脉搏、血常规中的项目、尿常规中的项目以及其他各种检验报告中的条目，条目-键值对可以表示成，体温：36.7，舒张压：85，收缩压：125，脉搏：90；将样本数据中的上述条目-数值整理出来，统计正负样本数据中上述条目对应的数值所落入的区间范围，并将概率大于百分之50的区间范围统计出来，再映射到[0,1]范围内形成第一特征向量。

检查报告中的数据更多的是医疗文本描述信息，因此将其按照处理文本数据的方式提取关键词，根据预先建立的医疗术语词典提取关键术语，并统计关键术语在正负样本语料中出现的频率，将某个关键术语出现频率映射到[0,1]范围内形成第二特征向量。

本发明中的人工神经网络模型A为多层感知机模型，包括一个输入层、一个输出层、4个隐藏层，采用relu作为激活函数，采用交叉熵作为损失函数。

实施例4

如图4所示，在一种具体实施方式中，患者行为数据分析子单元具体包括：

建立危险行为预警模型，所述危险行为包括抽搐和摔倒；其中，训练阶段，采集病房内人体姿态视频图片集，对图片集内的图片进行标注，设置为抽搐、摔倒、无异常3类样本图片；提取图片内的患者姿态特征和人脸特征，包括，提取骨架特征和运动特征融合成为姿态特征图，提取五官特征作为人脸特征图；将患者姿态特征图和人脸特征图分别送入人工神经网络模型B1和B2中进行训练。

具体地，分别对抽搐、摔倒、无异常3类样本进行处理，将图片中的人体区域和人脸区域分割出来，分别识别人体区域的骨架特征、连续帧之间的位移作为运动特征，将骨架特征和运动特征融合形成姿态特征图；识别人脸区域的五官特征点形成人脸特征图，将姿态特征图和人脸特征图处理成尺寸相同的图片后送入模型进行训练。进行剪裁、拉伸变换形成尺寸相同的人体图片集和人脸图片集，

进一步地，所述患者行为数据分析子单元具体包括：

所述人工神经网络模型B1和B2结构相同，包括一个输入层、一个输出层、1个卷积层，1个池化层，采用relu作为激活函数，交叉熵作为损失函数，不断调整权重迭代以至模型收敛，得到危险行为预警模型；模型B1输入为患者姿态特征图，输出为患者抽搐概率、摔倒概率和正常概率组成的概率向量；模型B2输入为患者人脸特征图，输出为患者表情痛苦概率和正常概率组成的概率向量；利用所述人工神经网络B1和B2对当前患者行为进行监测，当抽搐概率和摔倒概率之和大于正常概率时，或表情痛苦概率大于正常概率时，生成预警信息发送给护士站。

实施例5

如图5所示，在一种具体实施方式中，具体包括：

所述公共空间包括病房卫生间和病房公共区域，其中病房卫生间设置有热红外传感器，用于监测卫生间是否有人摔倒；病房公共区域设置有视频采集器，用于实时显示病房公共区域动态以及对危险行为进行预警；

所述个人空间为，每张病床的窗帘拉拢时所形成的空间区域；其中，设置有压力传感器，用于检测患者是否位于病床上；设置有可视对讲终端，用于与护士站进行实时对讲交流；设置有输液监控装置，用于对输液过程进行监控并自动识别输液需求并呼叫护士站。

输液过程中通常会涉及回血、输液完毕取针等需要护士操作的情况，为了提升用户体验，在输液杆上设置监控装置用于监控液体的状态，当检测到有上述需求时，自动发送提醒到护士站。

实施例6

如图6所示，在一种具体实施方式中，具体包括：

所述体征数据采集单元具体包括：

所述体征数据包括体重、身高、体温、脉搏、血压；所述体征数据通过设置在病床上的传感器实现采集，采集后的数据回传入总控模块；

进一步地，所述护理服务单元具体包括：

病床上设置有护理器具，包括排痰仪、下肢按摩仪、辅助翻身器。

患者在病房内就可以实现自助体征数据采集，并且病床上也配备了相关护理器具，患者可以按需使用。

本领域的技术人员应明白，本发明的实施例可提供为方法、系统、计算机设备或计算机可读存储介质。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

以上所述，仅是本发明的较佳实施例而已，并非对本发明作任何形式上的限制，依据本发明的技术实质，在本发明的精神和原则之内，对以上实施例所作的任何简单的修改、等同替换与改进等，均仍属于本发明技术方案的保护范围之内。