谵妄现象确定装置制造方法及图纸

本公开涉及一种谵妄现象确定装置，通过信息处理模块对信息采集模块采集到的患者信息进行处理判断，信息输出模块输出信息处理模块的判断结果，提高了确定谵妄现象的效率和准确性，该装置包括：信息采集模块、与所述信息采集模块连接的信息处理模块、以及与所述信息处理模块连接的信息输出模块；所述信息处理模块包括精神力水平识别子模块、注意力评估子模块、镇静水平评估子模块、以及思维能力识别子模块。块。块。

【技术实现步骤摘要】
谵妄现象确定装置


[0001]本公开涉及图像识别领域及声音识别领域，具体地，涉及一种谵妄现象确定装置。

技术介绍

[0002]ICU(Intensive Care Unit，重症加强护理病房)科室需要对患者进行多种状态评估，其中，谵妄评估就是其中非常重要的一项评估内容。谵妄是指一组综合征，又称为急性脑综合征，表现为意识障碍、行为无章、没有目的、注意力无法集中。医生会根据重症患者是否具有谵妄现象制定后续的治疗方案，但是由于患者的谵妄现象大多程无规律的、非周期性的。因此，判断重症患者是否患有谵妄情况的过程较为繁琐，且重症患者是否患有谵妄情况的判断只能由医护人员人工进行。
[0003]此种人工判断谵妄情况的方式，一方面判断效率不高，会消耗较多的医护资源，另一方面，部分经验不足的医护人员可能会出现错判、误判等情况，从而影响谵妄现象判断的准确性。

技术实现思路

[0004]本公开的目的是提供一种谵妄现象确定装置，以解决现有技术中人工判断谵妄情况存在的效率低下以及准确度不高的技术问题。
[0005]为了实现上述目的，本公开提供一种谵妄现象确定装置，包括：
[0006]信息采集模块、与所述信息采集模块连接的信息处理模块、以及与所述信息处理模块连接的信息输出模块；
[0007]所述信息处理模块包括精神力水平识别子模块、注意力评估子模块、镇静水平评估子模块、以及思维能力识别子模块；
[0008]所述精神力水平识别子模块用于，根据所述信息采集模块采集到的对患者的第一监控图像输出第一谵妄判断结果；
[0009]所述注意力评估子模块用于，根据所述信息采集模块采集到的所述患者对预设动作指令的动作图像输出第二谵妄判断结果；
[0010]所述镇静水平评估子模块用于，根据所述信息采集模块采集到的对所述患者的第二监控图像输出第三谵妄判断结果；
[0011]所述思维能力识别子模块用于，根据所述信息采集模块采集到的所述患者针对预设问题的答复语音输出第四谵妄判断结果；
[0012]所述信息输出模块用于，根据所述第一谵妄判断结果、所述第二谵妄判断结果、所述第三谵妄判断结果以及所述第四谵妄判断结果中的一者或多者确定所述患者是否出现谵妄现象，并输出表征所述患者是否出现谵妄现象的提示信息。
[0013]可选地，所述精神力水平识别子模块用于根据预先训练完成的第一数学模型对所述第一监控图像进行如下处理：
[0014]基于注意力机制对所述第一监控图像进行如下处理：
[0015]确定所述第一监控图像的高层特征图及浅层特征图；
[0016]对所述浅层特征图进行下采样；
[0017]将所述下采样得到的特征图与所述高层特征图进行融合，并基于预先训练过程中学习到的权重参数，得到所述第一监控图像的融合特征图；
[0018]根据所述融合特征图进行图像分类，得到并输出所述第一谵妄判断结果。
[0019]可选地，所述第一数学模型包括Resnet34网络，所述Resnet34网络的训练包括：
[0020]将根据预先标记有精神状态分类标签的样本图像划分为训练集、验证集以及测试集；
[0021]根据所述训练集，采用小批量梯度下降方式以及学习率自适应衰减方式对所述Resnet34网络进行迭代训练；
[0022]根据所述验证集验证每轮训练后的所述Resnet34网络是否发生过拟合；
[0023]根据所述测试集测试训练完成后的所述Resnet34网络的泛化性能。
[0024]可选地，所述装置还包括声音播放模块，用于将所述预设动作指令通过语音播放给所述患者，所述信息采集模块用于采集所述患者针对所述预设动作指令执行的动作图像，并将所述动作图像发送至所述注意力评估子模块。
[0025]可选地，所述注意力评估子模块通过第二数学模型对所述动作图像进行如下处理：
[0026]根据空间恒等函数对所述动作图像进行恒等变换，所述空间恒等函数的参数是在所述第二数学模型训练过程中学习到的；
[0027]对经过所述恒等变换得到的图像进行动作识别，得到并输出所述第二谵妄判断结果。
[0028]可选地，所述第二数学模型包括对抗识别单元，所述对抗识别单元包括卷积层、残差结构、特征融合层、以及softmax层，所述对抗识别单元的训练包括：
[0029]根据预先标记有注意力水平分类标签的样本图像，基于Yolov3目标检测算法对所述对对抗识别单元进行对抗训练，得到训练完成的对抗识别单元。
[0030]可选地，所述镇静水平评估子模块用于通过预先训练完成的二分类模型对所述第二监控图像进行分类，所述第三谵妄判断结果包括表征所述患者的镇静水平是否属于镇静评分标准中的警觉但安静类。
[0031]可选地，所述二分类模型包括Densenet神经网络模型，所述Densenet神经网络模型的损失函数为交叉熵损失函数，所述交叉熵损失函数包括对应所述二分类模型的目标分类标签的超参数；
[0032]所述Densenet神经网络模型的训练过程包括：
[0033]根据预先标记有二分类标签的样本图像，对所述Densenet神经网络模型进行迭代训练，并在多轮迭代训练完成后，调整所述交叉熵损失函数中的所述超参数。
[0034]可选地，所述精神力水平识别子模块用于，根据第一数学模型对所述第一监控图像进行处理，得到并输出第一谵妄判断结果；
[0035]所述注意力评估子模块用于，根据第二数学模型对所述动作图像进行处理，得到并输出第二谵妄判断结果；
[0036]所述镇静水平评估子模块用于，根据所述第三数学模型对所述第二监控图像进行
处理，得到并输出第三谵妄判断结果；
[0037]其中，所述第一数学模型、所述第二数学模型以及所述第三数学模型中的任意两者之间采用迁移学习的方式进行训练。
[0038]可选地，所述第三数学模型为二分类模型，所述第二数学模型以及所述第三数学模型之间的迁移学习包括：
[0039]在所述第一数学模型训练完成后，计算所述第二数学模型的模型参数中的每一模型层参数的熵值；
[0040]依据所述每一模型层参数的熵值，删除不符合第一预设条件的模型层参数，保留其余参数作为所述二分类模型的初始参数。
[0041]可选地，所述思维能力识别子模块用于，通过第四数学模型对所述答复语音进行如下处理：
[0042]提取所述答复语音的第一声音特征信息以及对应所述预设问题的标准答复语音的第二声音特征信息；
[0043]依据所述第一声音特征信息以及所述第二声音特征信息，得到并输出所述第四谵妄判断结果。
[0044]可选地，所述第四数学模型包括LSTM网络以及假声生成单元；
[0045]所述LSTM网络用于抽取所述答复语音的初始特征信息；
[0046]所述假声生成单元用于对所述初始特征信息进行信号对抗模拟，以得到相对所述初始特征信息增强后的所述第一声音特征信本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种谵妄现象确定装置，其特征在于，包括：信息采集模块、与所述信息采集模块连接的信息处理模块、以及与所述信息处理模块连接的信息输出模块；所述信息处理模块包括精神力水平识别子模块、注意力评估子模块、镇静水平评估子模块、以及思维能力识别子模块；所述精神力水平识别子模块用于，根据所述信息采集模块采集到的对患者的第一监控图像输出第一谵妄判断结果；所述注意力评估子模块用于，根据所述信息采集模块采集到的所述患者对预设动作指令的动作图像输出第二谵妄判断结果；所述镇静水平评估子模块用于，根据所述信息采集模块采集到的对所述患者的第二监控图像输出第三谵妄判断结果；所述思维能力识别子模块用于，根据所述信息采集模块采集到的所述患者针对预设问题的答复语音输出第四谵妄判断结果；所述信息输出模块用于，根据所述第一谵妄判断结果、所述第二谵妄判断结果、所述第三谵妄判断结果以及所述第四谵妄判断结果中的一者或多者确定所述患者是否出现谵妄现象，并输出表征所述患者是否出现谵妄现象的提示信息。2.根据权利要求1所述的装置，其特征在于，所述精神力水平识别子模块用于根据预先训练完成的第一数学模型对所述第一监控图像进行如下处理：基于注意力机制对所述第一监控图像进行如下处理：确定所述第一监控图像的高层特征图及浅层特征图；对所述浅层特征图进行下采样；将所述下采样得到的特征图与所述高层特征图进行融合，并基于预先训练过程中学习到的权重参数，得到所述第一监控图像的融合特征图；根据所述融合特征图进行图像分类，得到并输出所述第一谵妄判断结果。3.根据权利要求1所述的装置，其特征在于，所述第一数学模型包括Resnet34网络，所述Resnet34网络的训练包括：将根据预先标记有精神状态分类标签的样本图像划分为训练集、验证集以及测试集；根据所述训练集，采用小批量梯度下降方式以及学习率自适应衰减方式对所述Resnet34网络进行迭代训练；根据所述验证集验证每轮训练后的所述Resnet34网络是否发生过拟合；根据所述测试集测试训练完成后的所述Resnet34网络的泛化性能。4.根据权利要求1所述的装置，其特征在于，所述装置还包括声音播放模块，用于将所述预设动作指令通过语音播放给所述患者，所述信息采集模块用于采集所述患者针对所述预设动作指令执行的动作图像，并将所述动作图像发送至所述注意力评估子模块。5.根据权利要求4所述的装置，其特征在于，所述注意力评估子模块通过第二数学模型对所述动作图像进行如下处理：根据空间恒等函数对所述动作图像进行恒等变换，所述空间恒等函数的参数是在所述第二数学模型训练过程中学习到的；对经过所述恒等变换得到的图像进行动作识别，得到并输出所述第二谵妄判断结果。
6.根据权利要求5所述的装置，其特征在于，所述第二数学模型包括对抗识别单元，所述对抗识别单元包括卷积层、残差结构、特征融合层、以及softmax层，所述对抗识别单元的训练包括：根据预先标记有注意力水平分类标签的样本图像，基于Yolov3目标检测算法对所述对抗识别单元进行...

【专利技术属性】
技术研发人员：孙巧杰，孙永樯，孙牧，
申请(专利权)人：东软集团股份有限公司，
类型：发明
国别省市：