基于深度学习的外科手术并发症评测系统技术方案

本发明专利技术公开了基于深度学习的外科手术并发症评测系统，涉及医疗辅助决策技术领域，具体方案为：包括云端数据库、云端服务器、医学检测模块、医学病例模块、医师终端；云端数据库包括医疗单位历史临床数据。本发明专利技术将人工智能与医疗密切结合，覆盖常见症状670多个，症状同义词700多个，常用体格检查项目600多项，常用检验检查项目1200多项，具有手术并发症预测标准化，预防智能化，管控个体化三大优势。利用深度学习对并发症的种类、时间、严重程度等进行快速检测，在10秒内读完一个病人的病历与化验数据，并给予预防措施(高等级证据)推荐，系统初步测试，产品预测深静脉血栓的准确率达到94.5％。

【技术实现步骤摘要】
基于深度学习的外科手术并发症评测系统
本专利技术涉及医疗辅助决策
，更具体地说，它涉及基于深度学习的外科手术并发症评测系统。
技术介绍
国家卫生健康委统计显示，我国手术数量近年迅速增长，仅2018年手术量就达6171万次。然而，来自急诊科的样本显示，2006年1月至2015年12月期间的150万次急诊手术中，手术并发症造成的医疗费用总计180亿元，占总体医疗经济负担的48％。说明医疗质量体系仍不完善，科学的严密性仍有阶段性缺陷，患者诊前、诊中、诊后常常因并发症加重病情，增加了救治难度，甚至造成患者致死致残致贫，给国家、社会、家庭和患者带来了沉重经济负担和极大的身心痛苦，诱发了一系列的社会问题。这一问题成为医疗史上的顽疾和医疗工作者的痛点，始终没有得到改善。目前，采用传统方式进行手术并发症的预测预防面临极大挑战。(1)主观局限：医疗机构一直沿用着凭医生主观经验和患者的表达和体征表象及仪器检查结果的综合判断，由于手术并发症的预测无法拥有统一标准，主观性无法避免，即使同样是经验丰富的临床医师，面对同一位患者，也可能得出不同的诊断本文档来自技高网...

【技术保护点】
1.基于深度学习的外科手术并发症评测系统，其特征在于，包括云端服务器、医学检测模块、医学病例模块、医学影像模块和医师终端；/n云端服务器包括医疗单位历史临床数据库，文本数据和图像数据处理服务器，人工智能模块；/n文本数据和图像数据处理服务器包括用于对文字型诊断信息要素数据进行归纳收集、分词处理、筛选和保留症状关键词；/n文本数据和图像数据处理服务器还包括用于以多层卷积神经网络的非线性映射为基础，得到高度可分的特征组合并用于分类；/n人工智能模块包括风险评估模块和智能决策模块，风险评估模块用于包括通过对获取的数据进行分析，反馈出医护操作中的相关风险；智能决策模块用于包括通过对获取的数据进行分析，...

【技术特征摘要】
1.基于深度学习的外科手术并发症评测系统，其特征在于，包括云端服务器、医学检测模块、医学病例模块、医学影像模块和医师终端；
云端服务器包括医疗单位历史临床数据库，文本数据和图像数据处理服务器，人工智能模块；
文本数据和图像数据处理服务器包括用于对文字型诊断信息要素数据进行归纳收集、分词处理、筛选和保留症状关键词；
文本数据和图像数据处理服务器还包括用于以多层卷积神经网络的非线性映射为基础，得到高度可分的特征组合并用于分类；
人工智能模块包括风险评估模块和智能决策模块，风险评估模块用于包括通过对获取的数据进行分析，反馈出医护操作中的相关风险；智能决策模块用于包括通过对获取的数据进行分析，结合风险评估模块给出的相关风险数据进行划分，得到能够清除的风险和不能够清除的风险，对于可以清除的风险，与手术并发症大数据知识图谱系统结合分析，同时映射到医师终端，并给出相应的处理方法；
医学检测模块用于收集患者体格检查及化验相关数据；
医学影像模块用于收集患者影像学相关数据；
医学病例模块用于收集患者的相关数据；
医师终端用于包括接收医学检测模块、医学影像模块和医学病例模块的相关数据并显示，还用于包括共享云端服务器信息；
医师终端或/和云端服务器还设有手术并发症大数据知识图谱系统。


2.根据权利要求1所述的基于深度学习的外科手术并发症评测系统，其特征在于，所述分词处理采用HanLP分词工具。


3.基于深度学习的手术并发症评预测及规避信息处理方法，基于权利要求1或2所述的基于深度学习的外科手术并发症评测系统，其特征在于，包括以下步骤：
S1...

【专利技术属性】
技术研发人员：武立民，沈彬，裴福兴，马俊，李浩斌，崔靖宇，
申请(专利权)人：四川大学华西医院，
类型：发明
国别省市：四川;51