慢阻肺急性加重自动预警方法和平台、及可读存储介质技术

本发明专利技术公开了一种慢阻肺急性加重自动预警方法，在慢阻肺急性加重自动预警方法及平台中，通过呼吸机、穿戴设备其他医疗器械等呼吸护理过程中采集患者的护理数据，对获取用户在呼吸护理过程中产生的时间数据以及与该时间数据对应的护理数据进行预处理；将预处理过后的所述时间数据和数据输入至预先建立好的学习模型中，并获取所述学习的急性加重结果；在所述模型预测的结果为急性加重，向正在用呼吸机进行护理的用户发送报警信息。息。息。

【技术实现步骤摘要】
慢阻肺急性加重自动预警方法和平台、及可读存储介质


[0001]本专利技术涉及计算机数据处理
，尤其涉及一种慢阻肺急性加重自动预警方法和平台、及计算机可读存储介质。

技术介绍

[0002]慢性阻塞性肺疾病(chronic obstructive pulmonary diseases，COPD)，简称慢阻肺，是一种破坏性的肺部疾病，以不完全可逆的呈进行性发展的气流受限为特征，并与肺对有害颗粒或气体的异常炎症反应有关。该病症作为一种慢性病，具有病程长且病程反复的特点，患有该疾病的患者大部分时间处于家中静养的状态，而大部分医生更注重慢阻肺急性加重期的病情控制，而忽略了稳定期的恢复和治疗，以致急性加重次数增加。慢阻肺急性加重具有反复发作和复发时间具有不定性的特点，并且当前并没有较准确的预测方法，所以根据当前患者的身体情况对急性加重进行预警具有十分重要的现实意义。

技术实现思路

[0003]本专利技术的主要目的在于提供一种科学、客观的慢阻肺急性加重自动预警方法和平台，解决现有技术中慢阻肺急性加重预测中存在的问题。
[0004]为实现上述目的，本专利技术提供的慢阻肺急性加重自动预警方法，其特征在于，包括步骤：
[0005]S1，对获取用户在呼吸护理过程中产生的时间数据以及与该时间数据对应的护理数据进行预处理；
[0006]S2，将预处理过后的所述时间数据和所述护理数据输入至预先建立好的学习模型中，并获取所述学习模型输出的急性加重结果；其中，所述学习模型函数为Res为用户当前时刻的急性加重的概率，x为所述护理数据中的一项具体护理数据的特征向量值，θ为所述x对应的的权重向量，T为常数；
[0007]S3，在所述模型预测的结果为急性加重，向正在用呼吸机进行护理的用户发送报警信息。
[0008]进一步地，在所述步骤S2包括，将预处理过后的所述时间数据和所述护理数据输入至预先建立好的学习模型中，并获取所述学习模型输出的Res是否大与预设的阈值，在所述Res大于等于0.5时，所述学习模型函数输出结果为急性加重；在所述Res小于0.5时，所述学习模型函数输出结果非急性加重。
[0009]进一步地，所述阈值为0.5。
[0010]进一步地，所述护理数据包括血压均值P、呼吸频率均值B、血氧均值S、心率均值H、体温均值T及分钟通气量MV中的至少一个。
[0011]进一步地，所述步骤S2之前，还包括：
[0012]获取用于训练逻辑回归模型的训练集，所述训练集包括第一预设数量的用户在呼
吸护理过程中产生的时间数据、呼吸护理过程中产生的护理数据及对应的急性加重分类结果；
[0013]获取用于验证逻辑回归模型的验证集，所述验证集包括第二预设数量的用户在呼吸护理过程中产生的时间数据、呼吸护理过程中产生的护理数据及对应的急性加重分类结果；
[0014]利用训练集中不同用户对应的时间数据、护理数据及急性加重分类结果对逻辑回归模型进行构建；
[0015]利用验证集中不同用户对应的时间数据、护理数据及急性加重分类结果对之前构建的逻辑回归模型进行验证；
[0016]若验证集的通过率大于等于之前设定的通过率阈值，那么表示逻辑回归模型训练完成，并且以训练并验证后的该逻辑回归模型作为步骤S2中的模型，否则继续调整训练参数和增加训练集，再重新训练和验证，直到通过率满足为止。
[0017]进一步地，所述步骤S1中的预处理方法，包括：对所述所述时间数据和所述护理数据进行归一化处理的步骤。
[0018]进一步地，所述步骤S1中的预处理方法，包括：
[0019]对所述时间数据和所述护理数据进行丢包检测，在丢包率大于预设阈值时，发出数据丢失报警信号，在丢包率大于0且小于所述预设阈值时，获取在丢包时刻之前的所述护理数据，并根据所述丢包时刻之前的所述护理数据的平均值，对丢失的所述时间数据和所述护理数据进行补全。
[0020]进一步地，还包括步骤：
[0021]基于用户在呼吸护理过程中产生的所述时间数据以及与该时间数据对应的所述护理数据，生成相应的护理报告，并发送给对应的用户端。
[0022]本专利技术还提供一种慢阻肺急性加重自动预警平台，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如上任一项所述的方法的步骤。
[0023]本专利技术还提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如上任一项所述的方法的步骤。
[0024]本专利技术的有益效果是：本专利技术在慢阻肺急性加重自动预警方法及平台中，通过呼吸机、穿戴设备其他医疗器械等呼吸护理过程中采集患者的护理数据，对获取用户在呼吸护理过程中产生的时间数据以及与该时间数据对应的护理数据进行预处理；将预处理过后的所述时间数据和所述护理数据输入至预先建立好的学习模型中，并获取所述学习模型输出的急性加重结果；在所述模型预测的结果为急性加重，向正在用呼吸机进行护理的用户发送报警信息。
附图说明
[0025]图1为本专利技术一个实施例中慢阻肺急性加重自动预警方法的应用场景图；
[0026]图2为本专利技术一实施例中的慢阻肺急性加重自动预警平台的模块结构示意图；
[0027]图3为本专利技术一个实施例中慢阻肺急性加重自动预警方法的流程图。
[0028]本专利技术目的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
[0029]应当理解，此处所描述的具体实施例仅用以解释本专利技术，并不用于限定本专利技术。
[0030]下面将结合本专利技术实施例中的附图，对本专利技术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专利技术的一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，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，都属于本专利技术保护的范围。
[0031]另外，本专利技术各个实施例之间的技术方案可以相互结合，但是必须是以本领域普通技术人员能够实现为基础，当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在，也不在本专利技术要求的保护范围之内。
[0032]本申请提供的慢阻肺急性加重自动预警方法，可以应用于如图1所示的应用环境中。慢阻肺急性加重自动预警平台100包括架构有慢阻肺急性加重自动预警程序的后台服务器20。慢阻肺监护单元1可以包括多个护理终端10，护理终端10通过网络直接或者间接与后台服务器20通过网络进行通信。其中，医生或者患者可以通过各自的终端设备10上安装的APP或者网站向后台服务器20 发送和接收数据。护理终端10包括但不限于是呼吸机、脉氧仪、血压计、体温计等。
[0033]其中，后台服务器20可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
[0034]所述服务器可以是计算机、大型计算机服务器(例如多个网络服务器组成的服务器本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种慢阻肺急性加重自动预警方法，其特征在于，包括步骤：S1，对获取用户在呼吸护理过程中产生的时间数据以及与该时间数据对应的护理数据进行预处理；S2，将预处理过后的所述时间数据和所述护理数据输入至预先建立好的学习模型中，并获取所述学习模型输出的急性加重结果；其中，所述学习模型函数为Res为用户当前时刻的急性加重的概率，x为所述护理数据中的一项具体护理数据的特征向量值，θ为所述x对应的的权重向量，T为常数；S3，在所述模型预测的结果为急性加重，向正在用呼吸机进行护理的用户发送报警信息。2.根据权利要求1所述的慢阻肺急性加重自动预警方法，其特征在于，在所述步骤S2包括，将预处理过后的所述时间数据和所述护理数据输入至预先建立好的学习模型中，并获取所述学习模型输出的Res是否大与预设的阈值，在所述Res大于等于所述阈值时，所述学习模型函数输出结果为急性加重；在所述Res小于所述阈值时，所述学习模型函数输出结果非急性加重。3.根据权利要求1所述的慢阻肺急性加重自动预警方法，其特征在于，所述阈值为0.5。4.根据权利要求1所述的慢阻肺急性加重自动预警方法，其特征在于，所述护理数据包括血压均值P、呼吸频率均值B、血氧均值S、心率均值H、体温均值T及分钟通气量MV中的至少一个。5.根据权利要求1所述的慢阻肺急性加重自动预警方法，其特征在于，所述步骤S2之前，还包括：获取用于训练逻辑回归模型的训练集，所述训练集包括第一预设数量的用户在呼吸护理过程中产生的时间数据、呼吸护理过程中产生的护理数据及对应的急性加重分类结果；获取用于验证逻辑回归模型的验证集，所述验证集包括第二预设数量的用户在呼吸护理过程中产生的时间数据、呼吸护理过程中产生的护理数据及对应的急性加重分类...

【专利技术属性】
技术研发人员：戴征，黄皓轩，
申请(专利权)人：湖南明康中锦医疗科技发展有限公司，
类型：发明
国别省市：