The invention relates to a telemedicine assistant decision-making method for chronic obstructive pulmonary disease. It mainly solves the problem that the existing treatment of chronic obstructive pulmonary disease can not meet the needs of telemedicine. The telemedicine assistant decision-making method for chronic obstructive pulmonary disease (COPD) includes the following steps: step 1, input x= [x1, x2, x3, x4] of the telemedicine assistant decision-making system for COPD, where X1 is respiratory frequency in units of times/10 seconds, X2 is pulse oxygen saturation in units of:% and X3 is blood pressure in units of mmHg and x4. Body temperature, in units of:C, etc. The remote medical decision-making method for chronic obstructive pulmonary disease (COPD) can train the regression model through a large number of data, enhance the accuracy of data analysis, and contribute to the realization of automatic medical decision-making for COPD.
【技术实现步骤摘要】
一种针对慢性阻塞性肺疾病的远程医疗辅助决策方法
本专利技术涉及远程医疗
,具体涉及一种针对慢性阻塞性肺疾病的远程医疗辅助决策方法。
技术介绍
慢性阻塞性肺疾病是一种具有气流阻塞特征的慢性支气管炎和(或)肺气肿,可进一步发展为肺心病和呼吸衰竭的常见慢性疾病。与有害气体及有害颗粒的异常炎症反应有关,致残率和病死率很高,全球40岁以上发病率已高达9%~10%。慢性阻塞性肺疾病是一种常见的以持续气流受限为特征的可以预防和治疗的疾病,气流受限进行性发展,与气道和肺脏对有毒颗粒或气体的慢性炎性反应增强有关.在慢性阻塞性肺疾病的长期治疗中,常常受限于医院病床数目、住院费用、病人想要自由活动的想法等,慢性病人不想长期住院,因而需要远程治疗。针对此类问题常常需要家属朋友等长期照顾或时时准备送医。本专利技术提出一种针对慢性阻塞性肺疾病,将所需测量的生理数据进行采集、传输及分析的方法,通过数据自动整合分析,远程监控病人身体状况并做出辅助决策。
技术实现思路
为了克服
技术介绍
的不足,本专利技术提供一种针对慢性阻塞性肺疾病的远程医疗辅助决策方法,主要解决了现有慢性阻塞性肺疾病的治疗无法满足远程医疗的问题,该针对慢性阻塞性肺疾病的远程医疗辅助决策方法原理简单,易于实现,针对慢性阻塞性肺疾病的远程医疗具有较好的效果,可以辅助医生检测病人身体状况,并根据多次测量结果分析本次测量结果,并给出相应决策。该方法通过逻辑回归算法,能够通过大量数据训练回归模型,增强数据分析的准确性,有助于慢性阻塞性肺疾病自动医疗决策的实现。本专利技术所采用的技术方案是:一种针对慢性阻塞性肺疾病的远程医疗辅助决策 ...
【技术保护点】
1.一种针对慢性阻塞性肺疾病的远程医疗辅助决策方法,其特征在于,包括如下步骤:步骤1、针对慢性阻塞性肺疾病的远程医疗辅助决策系统的输入x=[x1,x2,x3,x4],其中x1为呼吸频率,单位为:次/10秒;x2为脉搏血氧饱和度,单位为:%;x3为血压,单位为:mmHg,x4为体温,单位为:℃;步骤2、测量m组输入数据并记为
【技术特征摘要】
1.一种针对慢性阻塞性肺疾病的远程医疗辅助决策方法,其特征在于,包括如下步骤:步骤1、针对慢性阻塞性肺疾病的远程医疗辅助决策系统的输入x=[x1,x2,x3,x4],其中x1为呼吸频率,单位为:次/10秒;x2为脉搏血氧饱和度,单位为:%;x3为血压,单位为:mmHg,x4为体温,单位为:℃;步骤2、测量m组输入数据并记为i=1~m;步骤3、定义sigmoid函数及分类边界函数整合出逻辑回归模型函数步骤4、定义代价函数并用梯度下降法repeatθj:=θj-αΔJ(θ)Δθj求解代价函数的最值其中i=1,2,…,m为样本数,j=1,2,…,n为特征数;步骤5、将θ带入逻辑回归模型函数中,绘制分类边界;步骤6、带入新测样本得到其输出y(i+1)的值;步骤7、若yi+1=0,则输出决策建议为“无异样”;步骤8、若yi+1=1,则需仿照步骤2~4分别计算输入为对应的新样本输出当时,输出决策建议为“强力呼吸”;当时,输出决策建议为...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。