【技术实现步骤摘要】
基于智能眼镜的灾害救援检伤分类及辅助诊断方法
本专利技术涉及数据的分类
，更具体地说，它涉及基于智能眼镜的灾害救援检伤分类及辅助诊断方法。
技术介绍
恐怖袭击、局部战争、自然灾害、火灾和重大交通事故等给全世界的急救医生带来了挑战。这些大规模伤亡事件，导致大量伤员不断涌现，造成伤员数量多、伤情复杂等情况，往往超过当地救治能力。在这种情况下，如何运用有限的医务人员、急救药品、仪器设备和运输工具，使更多的伤员得到及时有效的救治显得格外重要，因此检伤分类成为大规模伤亡事件救治过程中最为关键的环节。快速、准确的检伤分类可以将有限的资源最优化，使危重症患者优先得到救治，从而提高伤病员救治的成功率，尽可能挽救更多患者。然而现有的“搜救-现场粗检-转运-医院精检-治疗”救援医疗体系，存在灾难现场医疗资源、检测能力和数据的有限性与群体性检伤的精准性需求的突出矛盾(快而不好)，和后方医院院内医疗资源、检测能力和数据的完备性与灾难现场群体性检伤的快速性需求的突出矛盾(好而不快)。为了根本解决现有灾难现场搜救检伤分类中“快而不好”和“好而不快...
【技术保护点】
1.基于智能眼镜的灾害救援检伤分类及辅助诊断方法，其特征在于，包括以下步骤：/nS1：获取数据；/nS2：数据预处理；/nS3：提取创伤失血性休克关键指标，生成初代失血-重症数据库；/nS4：智能穿戴设备获取视觉、听觉和/或生命体征的采集信息；/nS5：将S3获得的初代失血-重症数据库与S4获得的采集信息交互，生成二代失血-重症数据库；/nS2过程中，数据预处理包括数据清洗、样本均衡和标准化处理；/n数据清洗包括缺失数据处理和异常数据处理，缺失数据处理包括删除处理和填充处理，对于缺失数据多的特征或样本删除；对于缺失数据少的样本或特征进行填充；对异常数据进行删除；/n样本均衡...
【技术特征摘要】
1.基于智能眼镜的灾害救援检伤分类及辅助诊断方法，其特征在于，包括以下步骤：
S1：获取数据；
S2：数据预处理；
S3：提取创伤失血性休克关键指标，生成初代失血-重症数据库；
S4：智能穿戴设备获取视觉、听觉和/或生命体征的采集信息；
S5：将S3获得的初代失血-重症数据库与S4获得的采集信息交互，生成二代失血-重症数据库；
S2过程中，数据预处理包括数据清洗、样本均衡和标准化处理；
数据清洗包括缺失数据处理和异常数据处理，缺失数据处理包括删除处理和填充处理，对于缺失数据多的特征或样本删除；对于缺失数据少的样本或特征进行填充；对异常数据进行删除；
样本均衡用于在样本失衡情况下，采用重采样方法修改样本数据集，或调整各类别数据的权重修正分类器的偏好；
标准化处理：对队列中的数值数据进行标准化或归一化处理，将数据缩放为标准正态分布。
2.根据权利要求1所述的基于智能眼镜的灾害救援检伤分类及辅助诊断方法，其特征在于，所述S1过程中，获取数据的伤员要求至少包括以下任意一种：伤员因创伤入院，伤员年龄≥18岁，伤员休克指数≥1.0，伤员平均动脉压≤70mmHg，伤员在休克指数≥1.0且平均动脉压≤70mmHg后5小时内有输血记录。
3.根据权利要求2所述的基于智能眼镜的灾害救援检伤分类及辅助诊断方法，其特征在于，所述S1过程中，伤员获取的数据包括：治疗期间的全程生命体征、血常规、血生化、凝血功能、血气分析和/或尿液常规；
对数据处理的方法包括特征工程和机器学习分类模型；
特征工程包括过滤法、包装法和嵌入法选取重要特征；采用主成分分析、独立成分分析和线性判别分析从原始输入属性中形成较少的新特征。
4.根据权利要求3所述的基于智能眼镜的灾害救援检伤分类及辅助诊断方法，其特征在于，所述缺失数据处理中的充填处理方法包括平均数填充数算、中位数填充算法和近邻填充算法。
5.根据权利要求4所述的基于智能眼镜的灾害救援检伤分类及辅助诊断方法，其特征在于，所述异常数据处理方法包括散点绘制图示法和箱体图示法。
6.根据权利要求5所述的基于智能眼镜的灾害救援检伤分类及辅助诊断方法，其特征在于，所述S3过程中，将S2预处理后的数据通过机器学习算法对创伤失血性休克结局变量进行预测，对分类器模型性能进行评价，分别获得不同分组指标集下各种算法所计算出的准确率、召回率、精准率和F值...
【专利技术属性】
技术研发人员：陈力，潘子杰，崔翔，王莉荔，刘红燕，陈骅，邓昭阳，杨华，王亚南，张爱舷，殷鹏，
申请(专利权)人：中国人民解放军总医院第一医学中心，
类型：发明
国别省市：北京;11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。