基于人工神经网络的头晕患者急诊预检分诊决策方法、装置及模型制造方法及图纸

本发明专利技术公开了一种头晕患者急诊预检分诊决策方法，包括在急诊处理中，获取头晕患者的临床数据，该临床数据来自患者的主诉文本和客观体征；将所述的临床数据输入经过训练的基于人工神经网络的预检分诊模型，获得对于所述头晕患者的预检分诊类别的预测。所述主诉文本包括病情文本和基本信息文本，所述客观体征包括患者意识、性别、年龄、生命体征、SPO2和/或疼痛评分。所述预检分诊模型包括多层感知器，根据分诊标准建立的ANN模型。所述预检分诊模型是医院急诊预检分诊管理系统的一个模块。医院急诊预检分诊管理系统的一个模块。医院急诊预检分诊管理系统的一个模块。

【技术实现步骤摘要】
基于人工神经网络的头晕患者急诊预检分诊决策方法、装置及模型


[0001]本专利技术属于医院诊疗
，特别涉及一种基于人工神经网络头晕患者急诊预检分诊决策方法、装置及模型。

技术介绍

[0002]国内各大医院仍采用传统急诊预检分诊模式，完全依靠急诊护士的个人经验进行预检分诊，其分诊是否正确则完全取决于护士的个人能力及业务水平。随着国内逐渐重视预检分诊，标准建立正处于探索和起步阶段，部分地区或医院在“分科分诊”向“分级分诊”模式转变中开始尝试建立符合自身情况的分诊标准。但目前尚缺乏相应的管理制度及质量评价标准来判断急诊预检分诊的质量。虽然也有研究者报道了急诊预检分诊系统研发及应用，但其技术实质是将手工登记转为电子输入，并不是真正意义上的计算机软件辅助分诊系统，未达到同质化的评估。

技术实现思路

[0003]本专利技术目的是提供的一种基于人工神经网络构建头晕患者急诊预检分诊决策系统，用于解决急诊分诊中仅靠人工判断遇到的问题。
[0004]本专利技术实施例之一，一种头晕患者急诊预检分诊决策系统，包括：
[0005]S10，临床数据获取，获取患者的主诉文本及客观体征，所述主诉文本包括：病情文本和基本信息文本，所述客观体征包括：患者意识、性别、年龄、生命体征(体温、血压、脉率)、SPO2、疼痛评分；
[0006]S20，数据预处理，对主诉文本及客观体征进行预处理；
[0007]S30，预测模型构建：应用多层感知器(Multilayer Perceptron，MLP)建立模型及分析，计算预测的灵敏度、特异度和总准确率，评价预测的准确性；
[0008]S40，预测模型验证：将预测模型临床研究对象判断检验分诊是否标准；
[0009]S50，模型整合临床：将通过验证的急诊预检分诊预测模型转化为预检分诊智能化管理软件，嵌入急诊预检分诊系统，实现预测模型的电子化；
[0010]S60，预检分诊软件的验证与应用：急诊预检分诊预测模型转化成的分诊软件，对急诊患者进行分诊，验证头晕患者急诊预检分诊决策系统的应用效果。
[0011]本专利技术应用于急诊临床预检分诊工作中，以达到对急诊头晕患者的预检分诊评估同质化，提高预检分诊准确率，缩短患者评估平均耗时，提高分诊工作的有效性，并最终提高头晕患者就诊安全性，有着无法替代的作用。
附图说明
[0012]通过参考附图阅读下文的详细描述，本专利技术示例性实施方式的上述以及其他目的、特征和优点将变得易于理解。在附图中，以示例性而非限制性的方式示出了本专利技术的若
干实施方式，其中：
[0013]图1是本专利技术实施例之一的基于人工神经网络构建头晕患者急诊预检分诊决策系统及应用的流程示意图。
[0014]图2是本专利技术实施例之一的基于人工神经网络构建头晕患者急诊预检分诊决策系统及应用的流程示意图。
[0015]图3是本专利技术实施例之一的基于人工神经网络构建头晕患者急诊预检分诊决策系统及应用的流程示意图。
[0016]图4是本专利技术实施例之一的基于人工神经网络构建头晕患者急诊预检分诊决策系统及应用的流程示意图。
[0017]图5是本专利技术实施例之一的基于人工神经网络构建头晕患者急诊预检分诊决策系统及应用的流程示意图。
[0018]201——文本模块，202——数据模块，203——处理模块，
[0019]301——模型设定模块，302——逻辑整合模块，303——模型验证模块，
[0020]401——预测判断模块，402、403、404——训练模块，3023——向量转换模块，
[0021]3024——词转换模块，
[0022]501——选择模块，502——交叉验证模块，503——随机抽取模块，504——结果输出模块。
具体实施方式
[0023]人工神经网络结构和工作原理基本上以人脑的组织结构和活动规律为背景的，反映了人脑的某些基本特征，但并不是要对人脑部分的真实再现，而是某种抽象、简化或模仿。人工神经网络学科作为一门集神经科学、信息科学、计算机科学于一体的交叉性边缘学科，近十几年作为一种新的分析和诊断工具逐渐应用于临床医学各个领域。
[0024]大多数医学研究使用的是多层感知器，是基于人工神经网络的一种方法，使用时将数据拆分成训练样本(Training Sample)、检验样本(Testing sample)和坚持样本(HoldoutSample)。训练样本组用来估计网络参数，检验样本组用来防止过度训练，坚持样本组用来单独评价最终网络的预测效果，它将应用于整个数据集和新数据。
[0025]针对相关技术中存在的不足，本专利技术所要解决的技术问题在于，寻找优化智能化预检分诊的解决方案，往往需要很大的计算量，利用一个针对某问题而设计的反馈型人工神经网络，发挥计算机的高速运算能力，可能很快找到优化解。
[0026]根据一个或者多个实施例，一种基于人工神经网络的头晕患者急诊预检分诊决策方法。急诊预检分诊是急诊就诊的首要环节，有效的急诊预检分诊可准确识别急危重症病人，确保病人安全，提高急诊运行效率。为了及时、准确地对病人病情进行评估，识别真正需要急诊处理的病人，确保危重病人能够及时得到救治以及医疗资源得到合理运用。所述决策方法包括步骤：
[0027]S10，临床数据获取，获取患者的主诉文本及客观体征，所述主诉文本包括：病情文本和基本信息文本，所述客观体征包括：患者意识、性别、年龄、生命体征(体温、血压、脉率)、SPO2、疼痛评分；
[0028]病情文本包含：主诉、分级、参考分级标准、挂号科室、分科分级；
[0029]基本信息文本包含：卡号、姓名、性别、年龄、身份证号、地址、手机/固定电话、来院方式等；
[0030]S20，数据预处理，对主诉文本及客观体征进行预处理；
[0031]S30，预测模型构建：应用多层感知器(Multilayer Perceptron，MLP)建立模型及数据分析；
[0032]S40，预测模型验证：将预测模型临床研究对象判断检验分诊是否标准；
[0033]S50，模型整合临床：将通过验证的头晕患者急诊预检分诊决策系统转化为预检分诊智能化管理软件，嵌入急诊预检分诊系统，实现预测模型的电子化；
[0034]S60，预检分诊软件的验证与应用：运用头晕患者急诊预检分诊决策系统转化成的分诊软件，对临床急诊头晕患者进行分诊，验证急诊预检分诊智能化管理软件系统的应用效果。
[0035]所述步骤S20，数据预处理过程中，对主诉文本及客观体征进行预处理，具体包括：
[0036]S201，对主诉文本使用国家卫健委2019颁布的《疾病分类与代码国家临床版2.0》进行统一编码等；
[0037]S202，对客观体征根据量化数值分层区域量化来判断病人的病情轻重和危急程度；
[0038]S203，将上述处理后的主诉文本和客观体征进行合并关联。
[0039]所述步骤S30，应用多层本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种头晕患者急诊预检分诊决策方法，其特征在于，包括以下步骤，在急诊处理中，获取头晕患者的临床数据，该临床数据来自患者的主诉文本和客观体征；将所述的临床数据输入经过训练的基于人工神经网络的预检分诊模型，获得对于所述头晕患者的预检分诊类别的预测。2.根据权利要求1所述的决策方法，其特征在于，所述主诉文本包括病情文本和基本信息文本，所述客观体征包括患者意识、性别、年龄、生命体征、SPO2和/或疼痛评分。3.根据权利要求1所述的决策方法，其特征在于，所述预检分诊模型包括多层感知器，根据分诊标准建立的ANN模型。4.根据权利要求1所述的决策方法，其特征在于，所述预检分诊模型是医院急诊预检分诊管理系统的一个模块。5.根据权利要求1所述的决策方法，其特征在于，在获得头晕患者的临床数据后要进行预处理，所述预处理的方法包括，对主诉文本使用疾病分类与代码进行统一编码；对客观体征根据量化数值分层区域量化来判断患者的病情轻重和危急程度；将经过处理后的主诉文本和客观体征进行合并关联。6.根据权利要求3所述的决策方法，其特征在于，所述预检分诊模型的建立方法包括以下步骤，S301，应用多层感知器(Multilayer Perceptron，MLP)建立模型，纳入变量中，系统排除体温、疼痛、GCS评分和呼吸指数；S302，根据分诊情况制定逻辑式，将预检分级变量分级，并将血压、意识、血糖、氧饱和度、脉率进行逻辑表达式组合；S303，建立的ANN模型，纳入的变量中，系统排除体温、疼痛、GCS评分和呼吸建立的ANN模型。7.根据权利要求6所述的决策方法，其特征在于，所述S301，包括，S3011，建立3层前向型神经网络模型，进行数据预处理及分析；S3012，“分区变量”分配病例样本，选择“自动体系结构选择”；S3013，运行神经网络，获得分诊准备预测的拟概率，计算预测的灵敏度、特异度和总准确率，所述步骤S3011，进一步包括，S30111，建立3层前向型神经网络模型；S30112，纳入输入层的参数为各项预测变量；S30113，纳入输出层为分诊准确，“准备”编码为1，“不正确”编码为0；所述步骤S3012，进一步包括，S30121，选择“自动体系结构选...

【专利技术属性】
技术研发人员：冯丽，周婉婷，吕敏之，杨春，杨漂羽，
申请(专利权)人：复旦大学附属中山医院，
类型：发明
国别省市：