一种面向神经外科患者术后感染的ICU判别系统技术方案

本发明专利技术公开了一种面向神经外科患者术后感染的ICU判别系统，分为四个层面，包括物理层、传输层、平台层和应用层，所述物理层为医院内布设的用于体征数据采集的医疗设备，所述传输层医院局域网，所述平台层由图数据库与解析器构成，所述图数据库为存放神经外科患者信息以及神经外科相关疾病信息的容器，所述解析器用于将图数据库当作训练集，搭建预测模型，并将新产生的患者数据与患者的历史数据同时输入模型，进而得出是否进入ICU的判断，所述应用层为可视化的终端，包含图数据库的可视化以及ICU判别结果的显示。本发明专利技术解决神经外科患者术后需要花费过多的医疗资源的问题，简化了医疗流程，降低患者术后风险，节约时间。

【技术实现步骤摘要】
一种面向神经外科患者术后感染的ICU判别系统
本专利技术涉及智能医疗
，尤其涉及一种面向神经外科患者术后感染的ICU判别系统。
技术介绍
神经外科(Neurosurgery)是外科学中的一个分支，是在外科学以手术为主要治疗手段的基础上，应用独特的神经外科学研究方法，研究人体神经系统，如脑、脊髓和周围神经系统，以及与之相关的附属机构，如颅骨、头皮、脑血管脑膜等结构的损伤、炎症、肿瘤、畸形和某些遗传代谢障碍或功能紊乱疾病，如：癫痫、帕金森病、神经痛等疾病的病因及发病机制，并探索新的诊断、治疗、预防技术的一门高、精、尖学科。神经外科的大手术后，患者需要转诊icu病房，是因为术后患者处于麻醉苏醒阶段和易感染阶段，也是其他并发症易患阶段，可能会出现多种危及生命的疾患，度过这个危险阶段，即可转入普通病房。现有技术中，神经外科患者的术后感染监控需要耗费大量的医疗资源，且增加了医务人员的时间投入和精神压力，医疗流程繁杂，患者术后感染风险高。因此，为解决上述不足，本专利技术开发了一种面向神经外科患者术后感染的ICU判别系统。
技术实现思路
为了解决上述
技术介绍
中提到的现有神经外科患者的术后感染监控需要耗费大量的医疗资源，且增加了医务人员的时间投入和精神压力，医疗流程繁杂，患者术后感染风险高的问题，本专利技术提供一种面向神经外科患者术后感染的ICU判别系统。为了实现上述目的，本专利技术采用了如下技术方案：一种面向神经外科患者术后感染的ICU判别系统，所述判别系统分为四个层面，包括物理层、传输层、平台层和应用层；所述物理层为医院中布设的各个医疗设备，包括CT、彩超、血检、尿检等多种体征数据的采集渠道；所述传输层为医院局域网，包括以以太网为主的骨干网络，以及各个无线设备组成的无线接入网络，无线连接的方式可以采用蓝牙、wifi、zigbee、4G、5G等；所述平台层是由图数据库(患者与疾病知识图谱)与解析器构成，图数据库是存放神经外科患者信息以及神经外科相关疾病信息的容器，攘括患者的基础身份信息、各生命体征参数、各患者之间的亲属联系等各类患者属性，以及神经外科的相关属性；解析器会将图数据库当作训练集，搭建预测模型，新产生的患者数据会连同患者的历史数据同时输入模型，进而得出是否进入ICU的判断；所述应用层则是可视化的终端，包含图数据库(患者与疾病知识图谱)的可视化以及ICU判别结果的显示，同时可以附加其他的医院所需要的功能。优选的，所述图数据库(患者与疾病知识图谱)的搭建包括七步，分别是病历筛选、实体识别、实体归一、实体关联、权重计算、关系清洗、关系挖掘。优选的，所述病历筛选，由于医院内的各个业务系统上线时间不同，所以需要对照所有数据聚合后的病历挖掘疾病实体之间的关系，再对清洗后的数据进行分析；另外，到医院就诊可能包括各种目的，初次就诊、复查取药、治疗后随访等各种原因，需要根据本次项目的建设目的对病历进行筛选和清洗。优选的，所述实体识别，由于疾病信息大多以长文本对形式存在于电子病历中，计算机无法直接使用；因此，需要基于NLP的方法从长文本中抽取出结构化的信息，比如从主诉中结构化出症状、从个人史中结构化出是否吸烟等信息，我们使用基于词典与Bi-LSTM+CRF的方法进行实体识别。优选的，所述实体归一，包括疾病、症状、手术、家族史、个人史等在内的医疗实体在电子病历中的描述多种多样，因此需要将它们归一为标准化的术语，作为图数据库(患者与疾病知识图谱)中的实体；采用基于ICD-9,ICD-10,Mesh,Loinc改进的术语体系作为归一标准名。优选的，所述实体关联，以病历为单位进行实体关联，病历的主诊断作为疾病实体，从主诉现病史中结构化归一出来的症状体征作为症状体征实体，医嘱中的检查、检验、用药的归一名称分别作为检查、检验、用药的实体，检验结果的离散值作为检验结果实体值等，在同一份病历中共同出现的实体进行关联。优选的，所述权重计算，以症状举例，如果主诊断为A的病历为10000条，其中有4000条病历具有症状B，那么A和B的发生概率为4000/10000＝0.4，对应的四元组形式为：Adisease_related_symptomB{“weight”:0.4}。优选的，所述关系清洗，由于同一份病历存在多种诊断与多种检查、检验、用药的关系，因此图数据库(患者与疾病知识图谱)中可能会出现一些实际上不应该存在的关系；这时候就需要对知识图谱中的关系进行清洗，清洗的策略包括：1.共现率限制，2.基于IDF和OR值的特异性计算，对于特异性不强的关系进行审核；3.引入医学知识库对三元组是否成立进行判别。优选的，所述关系挖掘，比如症状A在临床上与疾病B出现的概率较低，在进行统计时可能不会构建A与B的关系，而另一个症状A’确定与B有关系，同时A与A’经常一起与相同的疾病发生关系；我们通过基于TransE的图数据库(患者与疾病知识图谱)嵌入来发现A与B的关系,并最终经过人工审核加入到图数据库(患者与疾病知识图谱)中。优选的，所述实体包含10大类实体，具体由疾病、症状体征、检查、检验、检验结果、用药、手术、个人史、家族史、人群组成。本专利技术提出的一种面向神经外科患者术后感染的ICU判别系统，还包括ICU患者病程转归预测模型，用于选取医院ICU收治患者在ICU病区以及刚出ICU时的生命体征参数和心电监护仪数据等特征值，并分别用1和0标注为目标值；数据集从单个患者的多次检测以及多个患者的单次检测多个维度进行统计；后期在医学临床角度对患者数据直观的判断病情是否恶化，分为濒危病人、危重病人、急症病人、非急症病人四个等级，并分别用不同字母或者数字进行标注；基于特征工程、数据挖掘等技术对患者1h、3h、5h血氧饱和度、收缩压等各项特征指标进行异常值处理，均值填充、标准化等；并结合深度学习、随机森林、逻辑回归等机器学习的分类算法，不断调整模型参数，对病情进行多分类预测；开发ICU转归预测模型，优化ICU资源，提高服务效率，提高患者服务获得感和体验感。其中，ICU患者转归预测数据参数介绍如下：针对ICU患者的临床检测数据分析，确定如下一些影响参数，针对这些影响因素提取历史患者的数据，并进行分析，再从中提取关联度比较高的特征参数，从而确定其最终的影响因素。表1ICU患者转归预测数据参数神经外科术后感染预测数据参数如下：针对神经外科患者的生理特征及术后感染风险分析，确定如下一些影响参数，针对这些影响因素提取历史患者的数据，并进行分析，在从中提取关联度比较高的特征参数，从而确定其最终的影响因素。表2神经外科术后感染预测数据参数与现有技术相比，本专利技术的有益效果是：1、本专利技术设计的一种面向神经外科患者术后感染的ICU判别系统，通过智能化的手段，结合机器学习与知识图谱，解决神经外科患者术后需要花费过多的医疗资源，判断其是否需要进入ICU的问题，简化了医疗流程，降低患者术后风险，节约时间。2、本文档来自技高网...

【技术保护点】
1.一种面向神经外科患者术后感染的ICU判别系统，所述判别系统分为四个层面，包括物理层、传输层、平台层和应用层，其特征在于：所述物理层为医院内布设的用于体征数据采集的医疗设备，所述传输层医院局域网，所述平台层由图数据库与解析器构成，所述图数据库为存放神经外科患者信息以及神经外科相关疾病信息的容器，所述解析器用于将图数据库当作训练集，搭建预测模型，并将新产生的患者数据与患者的历史数据同时输入模型，进而得出是否进入ICU的判断，所述应用层为可视化的终端，包含图数据库的可视化以及ICU判别结果的显示。/n

【技术特征摘要】
1.一种面向神经外科患者术后感染的ICU判别系统，所述判别系统分为四个层面，包括物理层、传输层、平台层和应用层，其特征在于：所述物理层为医院内布设的用于体征数据采集的医疗设备，所述传输层医院局域网，所述平台层由图数据库与解析器构成，所述图数据库为存放神经外科患者信息以及神经外科相关疾病信息的容器，所述解析器用于将图数据库当作训练集，搭建预测模型，并将新产生的患者数据与患者的历史数据同时输入模型，进而得出是否进入ICU的判断，所述应用层为可视化的终端，包含图数据库的可视化以及ICU判别结果的显示。


2.根据权利要求1所述的一种面向神经外科患者术后感染的ICU判别系统，其特征在于：所述图数据库的搭建包括七步，具体为病历筛选、实体识别、实体归一、实体关联、权重计算、关系清洗、关系挖掘。


3.根据权利要求2所述的一种面向神经外科患者术后感染的ICU判别系统，其特征在于：所述病历筛选用于对照所有数据聚合后的病历，挖掘疾病实体之间的关系，再对清洗后的数据进行分析，根据本次项目的建设目的对病历进行筛选和清洗。


4.根据权利要求2所述的一种面向神经外科患者术后感染的ICU判别系统，其特征在于：所述实体识别具体指基于词典与Bi-LSTM+CRF的方法进行实体识别，需要基...

【专利技术属性】
技术研发人员：郭永安，佘昊，
申请(专利权)人：边缘智能研究院南京有限公司，
类型：发明
国别省市：江苏;32