【技术实现步骤摘要】
一种CRRT停机决策辅助系统及方法
[0001]本专利技术属于数据挖掘
,具体地涉及一种CRRT停机决策辅助系统及方法。
技术介绍
[0002]连续性肾脏替代治疗(Continuous Renal Replacement Therapy,CRRT)是一项每天进行24小时或接近24小时的长时间、连续的新型血液净化技术。连续性肾脏替代治疗(CRRT) 技术的发展已经有40余年,治疗理念已经从单纯的“肾脏替代”逐渐过渡到“脏器支持”的体外辅助生命支持治疗手段,特别是在危重症患者的救治中,CRRT扮演着极其重要的角色,已经成为危重症患者不可或缺的一项体外生命支持治疗技术。
[0003]CRRT作为血液净化的重大进步,是治疗AKI(Acute Kidney Injury,急性肾损伤)的重要医疗手段,但是其也作为一种较新的治疗方法,在许多方面仍存在较多争议,包括开始及结束的时机、作用模式及透析计量等问题。在CRRT治疗AKI患者的预后,若停机7天后未再接受CRRT治疗,则判定停机成功,可以增加患者生存率、加快肾脏恢复速度、缩短ICU (Intensive Care Unit,重症加强护理病房)住院时间、减少CRRT并发症和大大降低治疗费用等,而若停机7天内再次接受CRRT治疗,则判定停机失败,将会导致患者死亡率增加、肾脏恢复概率降低、延长ICU住院时间和增加CRRT并发症及治疗费用等。目前,对于CRRT 停机时机主要取决于临床医生临床诊治经验,并受到诊疗中心医疗资源及病人包括经济因素在内的一些自身因素的影响。恰当的 ...
【技术保护点】
【技术特征摘要】
1.一种CRRT停机决策辅助系统,其特征在于,包括有患者生理参数监测设备(1)、数据采集器(2)、中间设备、医护工作站设备(4)和中心服务器(5),其中,所述中间设备包括有路由器(31)和/或交换机(32);所述患者生理参数监测设备(1),用于在连续性肾脏替代治疗CRRT过程中实时获取在治患者的生理参数监测数据;所述数据采集器(2),用于实时采集由所述患者生理参数监测设备(1)获取的所述生理参数监测数据;所述中间设备,分别通信连接所述数据采集器(2)和所述中心服务器(5),用于将来自所述数据采集器(2)的所述生理参数监测数据集中传送至所述中心服务器(5);所述医护工作站设备(4),通信连接所述中心服务器(5),用于录入已治患者的且在CRRT停机后针对关注指标的检测值,并将录入数据传送至所述中心服务器(5);所述中心服务器(5),一方面用于将所述生理参数监测数据记录到所述在治患者的病例档案中,以及将所述录入数据记录到所述已治患者的病例档案中,另一方面用于根据所有已治患者的且在CRRT停机前采集的第一生理参数监测数据及在CRRT停机后针对所述关注指标的检测值和所述在治患者的且当前采集的第二生理参数监测数据,估算得到所述在治患者的且在假定CRRT停机后针对所述关注指标的预测数值,并将所述预测数值传送至所述医护工作站设备(4)进行输出展示,以便在对所述在治患者做出是否进行CRRT停机的决策时,为医护人员提供参考辅助信息。2.如权利要求1所述的CRRT停机决策辅助系统,其特征在于,所述患者生理参数监测设备(1)包括有血压器(11)、血气分析仪(12)和/或床旁血滤机(13)。3.如权利要求2所述的CRRT停机决策辅助系统,其特征在于,当所述患者生理参数监测设备(1)包括有床旁血滤机(13)时,所述数据采集器(2)包括有摄像头模块、处理模块、WiFi通信模块和电池模块,其中,所述摄像头模块安装在所述床旁血滤机(13)的机器屏幕一侧,并使镜头侧视所述机器屏幕;所述摄像头模块,用于采集所述机器屏幕的实时监测图像;所述处理模块,通信连接所述摄像头模块,用于在收到所述实时监测图像后,根据所述实时监测图像识别得到在所述机器屏幕中显示的且与多个参数指标一一对应的多个实时数值;所述WiFi通信模块,分别通信连接所述处理模块和具有WiFi无线通信功能的路由器(31),用于通过所述路由器(31),将所述多个实时数值作为所述生理参数监测数据传送至所述中心服务器(5);所述电池模块,分别电连接所述摄像头模块、所述处理模块和所述WiFi通信模块的供电端。4.一种CRRT停机决策辅助方法,其特征在于,适用于如权利要求1~3中任意一项所述的CRRT停机决策辅助系统的中心服务器(5)执行,包括:获取M个已治患者的且在CRRT停机前采集的第一生理参数监测数据及在CRRT停机后针对关注指标的检测值,其中,所述第一生理参数监测数据包含有与N个生理参数一一对应的N个第一数值,M表示不小于300的自然数,N表示不小于64的自然数;针对所述M个已治患者中的各个已治患者,将对应的所述N个第一数值分别编码为红绿
蓝RGB三通道颜色值,得到对应的且包含有N个RGB值的生理数据样本;针对所述各个已治患者,根据预设的至少两个数值区间和对应的检测值,确定对应的所属数值区间;从M个生理数据样本中抽取m个生理数据样本作为训练样本,并将与同一个已治患者对应的所属数值区间作为训练样本的分类标签,得到训练样本集,其中,m为不小于200的自然数,并使m/M介于0.6~0.8之间;针对所述训练样本集中的各个生理数据样本,根据对应的N个RGB值,绘制得到对应的且像素矩阵为n*n的训练样本图像,其中,n为不小于N的平方根的自然数;将所有训练样本图像及对应的分类标签输入卷积神经网络CNN模型中进行训练,并在训练过程中出现训练集准确率达到预设高值区间且变化幅度小于预设幅度阈值的情况时,采用自适应梯度AdaGrad算法调整学习率,然后继续训练,直到学习率...
【专利技术属性】
技术研发人员:向飞,张永辉,吴运坤,
申请(专利权)人:武汉聚智惠仁信息技术有限公司,
类型:发明
国别省市:
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。