病症严重度排序方法及其系统以及记录媒体技术方案

本发明专利技术公开了一种病症严重度排序方法，利用数个生理参数及病症历史数据库以判定数个生理参数所呈现的病症，评估病症的严重度及发展趋势，当数个病症同时出现时，判定建议处理顺序。此方法提供训练阶段及执行阶段，其中训练阶段包括：从病症历史数据库取得病症历史数据，以及建立病症的最适数学模型。执行阶段包括：进行生理参数正规化作业以得到正规化的生理参数，将正规化的生理参数代入病症的最适数学模型以计算出病症的能量值，以及根据病症的能量值及病症的被选取机率值计算优先值以判定建议处理顺序。另外，本发明专利技术还公开了一种病症严重度排序系统。

【技术实现步骤摘要】

本专利技术涉及一种严重度排序方法及其系统，且尤其涉及一种病症严重度排序方法及其系统。
技术介绍
我们处于一个日新月异且发展迅速的信息时代，在许多领域里，计算机已经以不同的形式被使用来协助判断某个状况或事件的发生，这些判断的基础大多是根据相关领域里先前或已知的状况或事件，尤其是当使用于涉及到许多生理参数的医疗领域时。因应高龄化社会的来临，医疗监控产业逐渐成形，这个市场主要的成长动能来自于可以不受时间地点的限制以提供高质量的医疗与健康服务，其中之一的监控功能为利用监控仪器监控病患的生理状态，由监控仪器取得生理参数后，利用预先建立好的规则库，当生理参数值达到规则库中设定的警示值时即触发警示，以便在病患发病时能够做第一时间的处理。然而，其缺点为：无法呈现聚合多个生理参数值背后所呈现的病症，因此需由医护人员自行根据相关专业经验进行判断，具备丰富专业经验的医护人员可立即进行判断，但初级或经验较少的医护人员可能无法做出实时且适当的反应来帮助病患，而受限于反应时间及人员的调度上。另外，当生理参数改变时，无法判定病症趋势及严重度变化。而且，当多个病症同时出现时，无法建议医护人员处理的优先级。因此，需要一个病症严重度排序方法来改善上述问题。
技术实现思路
本专利技术所要解决的技术问题在于提供一种病症严重度排序方法及系统以及记录媒体，此方法利用生理参数及病症历史数据库以判定聚合多个生理参数所呈现的病症，评估病症的严重度及发展趋势，当数个病症同时出现时，判定-->建议处理顺序。为实现上述目的，提出一种病症严重度排序方法。依照本专利技术一较佳实施例，此病症严重度排序方法提供训练阶段及执行阶段。训练阶段包括下列步骤：从病症历史数据库取得病症历史数据，以及利用病症历史数据建立最适数学模型。执行阶段包括下列步骤：进行生理参数正规化作业以得到正规化的生理参数，将正规化的生理参数代入最适数学模型以计算出病症能量值，以及根据病症能量值及病症的被选取机率值计算出病症优先值。病症历史数据库搜集来自于医护人员对各种病症的诊疗纪录、相关案例、相关信息及各医疗领域专家的意见。在训练阶段时，利用病症历史数据建立最适数学模型的步骤包括：选择训练模式，利用训练模式产生及调整病症的数学模型，当病症的数学模型符合预期结果时，进行信度分析，当信度分析高于设定值时，建立病症的最适数学模型。当病症的数学模型不符合预期结果时，重新选择一种新的训练模式。当信度分析低于设定值时，重新选择一新的训练模式。训练模式可以是统计方法、数学方法、人工智能方法或其它具训练能力的技术。本专利技术中的训练模式是使用统计方法中的回归分析方法来分析生理参数与病症严重度间的关系。在执行阶段时，生理参数正规化作业是根据生理事件强度演进曲线进行值域转换及正规化，将生理参数转换成同一比较标准，生理事件强度演进曲线是根据以事件强度演进为基础的事件检测方法或其它具描绘事件强度演进的方法所建立。取得病症历史数据的步骤以及利用病症历史数据建立最适数学模型的步骤可用病症模型分析模块实现。其中当医护人员对最适数学模型有结果回馈时，病症模型分析模块进行自我调适机制，此自我调适机制是根据结果回馈以适当地调整最适数学模型。进行生理参数正规化作业以得到正规化的生理参数可用生理参数正规化模块实现。将正规化的生理参数代入最适数学模型以计算出病症的能量值可用病症严重度评估模块实现。根据病症能量值及病症的被选取机率值计算优先值可用病症优先序评估模块实现。而且，为实现上述目的，本专利技术提供一种病症严重度排序系统，其特征在于，包含：一病症模型分析模块，利用一训练模式及从一病症历史数据库取得的一病症的历史数据以建立该病症的一最适数学模型；一生理参数正规化模-->块，将多个生理参数进行一生理参数正规化作业以得到多个正规化的生理参数；一病症严重度评估模块，将该些正规化的生理参数代入该病症的该最适数学模型以计算出该病症的一能量值，并分析该病症的发展趋势；以及一病症优先序评估模块，根据该病症的该能量值及该病症的一被选取机率值以计算出该病症的一优先值，当多个病症同时出现时，以该病症的该优先值判定一建议处理顺序。而且，为实现上述目的，本专利技术还提供一种记录媒体，其记录计算机可读取的一计算机程序编码，该计算机程序编码使得一计算机执行病症严重度排序，包含：提供一训练阶段，该训练阶段包含：(a)从该病症历史数据库取得该病症的历史数据；以及(b)利用该病症的历史数据建立该病症的一最适数学模型；提供一执行阶段，该执行阶段包含：(c)进行一生理参数正规化作业以得到多个正规化的生理参数；(d)将该些正规化的生理参数代入该病症的该最适数学模型以计算出该病症的一能量值；以及(e)根据该病症的该能量值及该病症的一被选取机率值计算出该病症的一优先值。应用本专利技术可以判定聚合多个生理参数所呈现的病症，评估病症的严重度及发展趋势，当数个病症同时出现时，判定建议处理顺序。以下结合附图和具体实施例对本专利技术进行详细描述，但不作为对本专利技术的限定。附图说明为让本专利技术的上述和其它目的、特征、优点与实施例能更明显易懂，所附图式的详细说明如下：图1绘示依照本专利技术一较佳实施例的病症严重度排序方法流程图。图2依照本专利技术一较佳实施例的建立最适数学模型的流程图。图3依照本专利技术一较佳实施例的进行生理参数正规化流程示意图。图4绘示依照本专利技术一较佳实施例的最适数学模型示意图。图5绘示依照本专利技术一较佳实施例的主要功能模块的大致架构示意图。其中，附图标记：110：取得病症历史数据        350：正规化后的生理事件强度演进-->120：建立最适数学模型                曲线160：启动病症严重度排序              410：斜率170：进行生理参数正规化              510：病症历史数据库180：计算病症能量值                  520：病症模型分析模块190：计算优先值                      530：生理参数正规化模块210：选择训练模式                    540：病症严重度评估模块220：产生及调整数学模型              550：病症优先序评估模块230：数学模型是否符合预期结果        561：病症历史数据240：信度是否高于设定值              562：最适数学模型250：建立最适数学模型                563：生理参数310：正规化前的生理事件强度演        564：正规化生理参数进曲线                               565：能量值330：值域转换后的生理事件强度        566：机率值演进曲线                             567：优先值                                     568：结果回馈具体实施方式请参照图1，图1绘示依照本专利技术一较佳实施例的病症严重度排序方法流程图。此病症严重度排序方法提供了训练阶段及执行阶段。训练阶段包括步骤110，从病症历史数据库取得病症历史数据，以及步骤120，利用病症历史数据建立最适数学模型。执行阶段包括步骤160，启动病症本文档来自技高网...

【技术保护点】
一种病症严重度排序方法，利用多个生理参数及一病症历史数据库以判定该些生理参数所呈现的一病症，评估该病症的严重度，其特征在于，该方法包含：　提供一训练阶段，其中该训练阶段包含：　（ａ）从该病症历史数据库取得该病症的历史数据；以及　 　（ｂ）利用该病症的历史数据建立该病症的一最适数学模型；　提供一执行阶段，其中该执行阶段包含：　（ｃ）进行一生理参数正规化作业以得到多个正规化的生理参数；　（ｄ）将该些正规化的生理参数代入该病症的该最适数学模型以计算出 该病症的一能量值；以及　（ｅ）根据该病症的该能量值及该病症的一被选取机率值计算出该病症的一优先值。

【技术特征摘要】
1.一种病症严重度排序方法，利用多个生理参数及一病症历史数据库以判定该些生理参数所呈现的一病症，评估该病症的严重度，其特征在于，该方法包含：提供一训练阶段，其中该训练阶段包含：(a)从该病症历史数据库取得该病症的历史数据；以及(b)利用该病症的历史数据建立该病症的一最适数学模型；提供一执行阶段，其中该执行阶段包含：(c)进行一生理参数正规化作业以得到多个正规化的生理参数；(d)将该些正规化的生理参数代入该病症的该最适数学模型以计算出该病症的一能量值；以及(e)根据该病症的该能量值及该病症的一被选取机率值计算出该病症的一优先值。2.根据权利要求1所述的病症严重度排序方法，其特征在于，该病症历史数据库搜集来自于医护人员对各种病症的诊疗纪录、相关案例、相关信息及各医疗领域专家的意见。3.根据权利要求1所述的病症严重度排序方法，其特征在于，该病症的该优先值以该病症的该能量值乘以该病症的该被选取机率值而得的一积数。4.根据权利要求1所述的病症严重度排序方法，其特征在于，步骤(d)还包含分析该病症的发展趋势。5.根据权利要求1所述的病症严重度排序方法，其特征在于，当多个病症同时出现时，步骤(e)还包含以该病症的该优先值判定一建议处理顺序。6.根据权利要求1所述的病症严重度排序方法，其特征在于，步骤(b)利用该病症的历史数据建立该病症的一最适数学模型包含：选择一训练模式；利用该训练模式产生及调整该病症的一数学模型；当该病症的该数学模型符合一预期结果时，进行一信度分析；以及当该信度分析高于一设定值时，建立该病症的该最适数学模型。7.根据权利要求6所述的病症严重度排序方法，其特征在于，还包含当该病症的该数学模型不符合该预期结果时，重新选择一新的训练模式。8.根据权利要求6所述的病症严重度排序方法，其特征在于，还包含当该信度分析低于该设定值时，重新选择一新的训练模式。9.根据权利要求6所述的病症严重度排序方法，其特征在于，该训练模式为一统计方法、一数学方法、一人工智能方法或其它具训练能力的技术。10.根据权利要求9所述的病症严重度排序方法，其特征在于，该训练模式为使用该统计方法的一回归分析方法以分析该些生理参数与该病症的严重度间的关系。11.根据权利要求1所述的病症严重度排序方法，其特征在于，步骤(c)中的该生理参数正规化作业为根据一生理事件强度演进曲线进行值域转换及正规化，将该些生理参数转换成同一比较标准，该生理事件强度演进曲线为根据一以事件强度演进为基础的事件检测方法或其它具描绘事件强度演进的方法所建立。12.根据权利要求1所述的病症严重度排序方法，其特征在于，步骤(b)还包含当医护人员对该病症的该最适数学模型有一结果回馈时，进行一自我调适机制，该自我调适机制为根据该结果回馈以适当...

【专利技术属性】
技术研发人员：蔡安璨，陈品全，陈冠宇，徐志浩，
申请(专利权)人：财团法人资讯工业策进会，
类型：发明
国别省市：71[中国|台湾]