一种基于深度学习的社区病患识别、呼救方法和系统方法及系统技术方案

本申请实施例提供一种基于深度学习的社区病患识别、呼救方法和系统方法和系统。该方法包括：在社区关键区域设置病患识别装置，为病患佩戴病患信息收发装置；病患识别装置根据病患的身体健康状态、面部表情和声音信号，通过深度学习识别病患在社区中是否处于病发状态和是否需要救助；病患识别装置触发病患佩戴的病患信息收发装置，采集病患的生理特征和地理位置，根据病患的生理特征确定病患处于病发状态，同时发出求助信号；病患信息收发装置根据病患的各项生理特征提供需要携带的救助物资清单，向病患提供自救引导。本申请通过结合社区病患识别方法和深度学习特点，提高了病患抢救效率。

A method and system of community patient recognition and call for help based on deep learning

【技术实现步骤摘要】
一种基于深度学习的社区病患识别、呼救方法和系统方法及系统
本申请涉及深度学习领域，尤其涉及一种基于深度学习的社区病患识别、呼救方法和系统方法及系统。
技术介绍
随着我国城镇化建设的不断加快，以及医疗服务及社区服务行业的不断升级，社区中病患需要得到更好更及时的救助体验。目前社区中存在很多独居老人和病患，往往一个人在社区中活动或居住，一旦病发，由于周围人发现不及时或是即使发现了没有正确地进行施救和呼救，导致错过了最佳抢救时机。深度学习是机器学习的分支，其动机在于建立、模拟人脑进行分析学习的神经网络。深度学习模仿人脑的机制来解释数据，通过组合低层特征形成抽象的高层表示属性类别或特征，从而实现通用人工智能。目前深度学习已经被广泛应用在机器翻译、语义挖掘、图像识别、人脸识别、语音识别等领域。因此，可以通过将深度学习技术与社区医生调度实践相结合，从而既提高了社区医生调度的效率，又提高了社区医生调度过程中医患匹配的准度，为病患赢得了宝贵的时间。
技术实现思路
有鉴于此，本申请的目的在于提出一种基于深度学习的社区病患识别、呼救方法和系统方法及系统，提高社区医生调度识别水平，解决目前防汛管理过程中，风险识别效率低、物资储备不及时的技术问题。基于上述目的，本申请提出了一种基于深度学习的社区病患识别、呼救方法和系统方法，包括：在社区关键区域设置病患识别装置，为病患佩戴病患信息收发装置；所述病患识别装置用于识别病患急性发病状态，所述病患信息收发装置用于采集病患的各项生理特征及地理位置；r>所述病患识别装置根据病患的身体健康状态、面部表情和声音信号，通过深度学习识别病患在社区中是否处于病发状态和是否需要救助；所述病患识别装置触发病患佩戴的所述病患信息收发装置，采集病患的各项生理特征和地理位置，根据病患的各项生理特征确定病患处于病发状态，同时向管理人员和/或医疗机构发出求助信号，所述求助信号包括所述各项生理特征和地理位置；所述病患信息收发装置规划所述管理人员和/或医疗机构通向所述病患的路径，并根据病患的各项生理特征向所述管理人员和/或医疗机构提供需要携带的救助物资清单；以及根据病患的各项生理特征向病患提供自救引导。在一些实施例中，所述方法还包括：在病患家中设置病患监控装置；所述病患监控装置用于监视病患状态并进行治疗督导；所述病患监控装置根据病患的身体健康状态、面部表情和声音信号，通过深度学习识别病患在社区中是否处于病发状态和是否需要救助，并需要救助；所述病患监控装置根据病患的各项生理特征，调整病患家中环境参数，根据病患的各项生理特征确定病患处于病发状态，同时向管理人员和/或医疗机构发出求助信号，所述求助信号包括所述各项生理特征和地理位置。在一些实施例中，所述病患识别装置根据病患的身体健康状态、面部表情和声音信号，通过深度学习识别病患在社区中是否处于病发状态，包括：采集病患的日常身体健康状态、面部表情和声音信号，构建病患基础信息样本集；通过正态分布进行所述病发状态的识别，所述正态分布的计算公式为：其中，σi为标准差，x为输入的病患特征集，xi为x中的第i个特征数据，μi为均值；将p(x)与所述病患基础信息样本集的正态曲线进行比较，如果p(x)与所述正态曲线的差值超过预设值，则判定为出现病发状态。在一些实施例中，所述病患监控装置通过病患的身体状态、面部表情和声音信号通过深度学习识别出病患在家中处于病发状态，包括：采集病患的日常身体状态、面部表情和声音信号，构建病患基础信息样本集；通过正态分布进行所述病发状态的识别，所述正态分布的计算公式为：其中，σi为标准差，x为输入的病患特征集，xi为x中的第j个特征数据，μj为均值；将q(x)与所述病患基础信息样本集的正态曲线进行比较，如果q(x)与所述正态曲线的差值超过预设值，则判定为出现病发状态。在一些实施例中，所述病患信息收发装置规划出所述人员和/或医疗机构通向所述病患的路径，并根据病患的各项生理特征提供需要携带的救助物资清单，包括：根据病患的各项生理状态生成不同的生理状态特征；通过历史病患处理方法，训练得到根据生理状态得到救助方法和物资清单的深度学习网络；向所述深度学习网络输入实时生理状态，预测出病患的救助方法和需要携带的救助物资清单。在一些实施例中，所述方法还包括：所述病患识别装置、所述病患识别装置、所述病患信息收发装置根据所述深度学习网络的训练结果调整参数设置。基于上述目的，本申请还提出了一种基于深度学习的社区病患识别、呼救系统，包括：第一构建模块，用于在社区关键区域设置病患识别装置，为病患佩戴病患信息收发装置；所述病患识别装置用于识别病患急性发病状态，所述病患信息收发装置用于采集病患的各项生理特征及地理位置；第一识别模块，用于所述病患识别装置根据病患的身体健康状态、面部表情和声音信号，通过深度学习识别病患在社区中是否处于病发状态和是否需要救助；第一确定模块，用于所述病患识别装置触发病患佩戴的所述病患信息收发装置，采集病患的各项生理特征和地理位置，根据病患的各项生理特征确定病患处于病发状态，同时向管理人员和/或医疗机构发出求助信号，所述求助信号包括所述各项生理特征和地理位置；救助引导模块，用于所述病患信息收发装置规划所述管理人员和/或医疗机构通向所述病患的路径，并根据病患的各项生理特征向所述管理人员和/或医疗机构提供需要携带的救助物资清单；以及根据病患的各项生理特征向病患提供自救引导。在一些实施例中，所述系统还包括：第二构建模块，用于在病患家中设置病患监控装置；所述病患监控装置用于监视病患状态并进行治疗督导；第二识别模块，用于所述病患监控装置根据病患的身体健康状态、面部表情和声音信号，通过深度学习识别病患在社区中是否处于病发状态和是否需要救助，并需要救助；第二确定模块，用于所述病患监控装置根据病患的各项生理特征，调整病患家中环境参数，根据病患的各项生理特征确定病患处于病发状态，同时向管理人员和/或医疗机构发出求助信号，所述求助信号包括所述各项生理特征和地理位置。在一些实施例中，所述救助引导模块包括：特征构建单元，用于根据病患的各项生理状态生成不同的生理状态特征；模型训练单元，用于通过历史病患处理方法，训练得到根据生理状态得到救助方法和物资清单的深度学习网络；救助预测单元，用于向所述深度学习网络输入实时生理状态，预测出病患的救助方法和需要携带的救助物资清单。在一些实施例中，所述系统还包括：参数调整模块，用于所述病患识别装置、所述病患识别装置、所述病患信息收发装置根据所述深度学习网络的训练结果调整参数设置。附图说明在附图中，除非另外规定，否则贯穿多个附图相同的附图标记表示相同或相似的部件或元素。这些附图不一定是按照比例绘制的。应该理解，这些附图仅描绘本文档来自技高网...

【技术保护点】
1.一种基于深度学习的社区病患识别、呼救方法，其特征在于，包括：/n在社区关键区域设置病患识别装置，为病患佩戴病患信息收发装置；所述病患识别装置用于识别病患急性发病状态，所述病患信息收发装置用于采集病患的各项生理特征及地理位置；/n所述病患识别装置根据病患的身体健康状态、面部表情和声音信号，通过深度学习识别病患在社区中是否处于病发状态和是否需要救助；/n所述病患识别装置触发病患佩戴的所述病患信息收发装置，采集病患的各项生理特征和地理位置，根据病患的各项生理特征确定病患处于病发状态，同时向管理人员和/或医疗机构发出求助信号，所述求助信号包括所述各项生理特征和地理位置；/n所述病患信息收发装置规划所述管理人员和/或医疗机构通向所述病患的路径，并根据病患的各项生理特征向所述管理人员和/或医疗机构提供需要携带的救助物资清单；以及根据病患的各项生理特征向病患提供自救引导。/n

【技术特征摘要】
1.一种基于深度学习的社区病患识别、呼救方法，其特征在于，包括：
在社区关键区域设置病患识别装置，为病患佩戴病患信息收发装置；所述病患识别装置用于识别病患急性发病状态，所述病患信息收发装置用于采集病患的各项生理特征及地理位置；
所述病患识别装置根据病患的身体健康状态、面部表情和声音信号，通过深度学习识别病患在社区中是否处于病发状态和是否需要救助；
所述病患识别装置触发病患佩戴的所述病患信息收发装置，采集病患的各项生理特征和地理位置，根据病患的各项生理特征确定病患处于病发状态，同时向管理人员和/或医疗机构发出求助信号，所述求助信号包括所述各项生理特征和地理位置；
所述病患信息收发装置规划所述管理人员和/或医疗机构通向所述病患的路径，并根据病患的各项生理特征向所述管理人员和/或医疗机构提供需要携带的救助物资清单；以及根据病患的各项生理特征向病患提供自救引导。


2.根据权利要求1所述的方法，其特征在于，所述方法还包括：
在病患家中设置病患监控装置；所述病患监控装置用于监视病患状态并进行治疗督导；
所述病患监控装置根据病患的身体健康状态、面部表情和声音信号，通过深度学习识别病患在社区中是否处于病发状态和是否需要救助，并需要救助；
所述病患监控装置根据病患的各项生理特征，调整病患家中环境参数，根据病患的各项生理特征确定病患处于病发状态，同时向管理人员和/或医疗机构发出求助信号，所述求助信号包括所述各项生理特征和地理位置。


3.根据权利要求1所述的方法，其特征在于，所述病患识别装置根据病患的身体健康状态、面部表情和声音信号，通过深度学习识别病患在社区中是否处于病发状态，包括：
采集病患的日常身体健康状态、面部表情和声音信号，构建病患基础信息样本集；
通过正态分布进行所述病发状态的识别，所述正态分布的计算公式为：



其中，σi为标准差，x为输入的病患特征集，xi为x中的第i个特征数据，μi为均值；
将p(x)与所述病患基础信息样本集的正态曲线进行比较，如果p(x)与所述正态曲线的差值超过预设值，则判定为出现病发状态。


4.根据权利要求2所述的方法，其特征在于，所述病患监控装置通过病患的身体状态、面部表情和声音信号通过深度学习识别出病患在家中处于病发状态，包括：
采集病患的日常身体状态、面部表情和声音信号，构建病患基础信息样本集；
通过正态分布进行所述病发状态的识别，所述正态分布的计算公式为：



其中，σi为标准差，x为输入的病患特征集，xi为x中的第j个特征数据，μj为均值；
将q(x)与所述病患基础信息样本集的正态曲线进行比较，如果q(x)与所述正态曲线的差值超过预设值，则判定为出现病发状态。


5.根据权利要求1所述的方法，其特征在于，所述病患信息收发装置规划出所述人员和/或医疗...

【专利技术属性】
技术研发人员：沈玺，罗洪燕，
申请(专利权)人：重庆特斯联智慧科技股份有限公司，
类型：发明
国别省市：重庆;50