一种急诊分诊模型及系统技术方案

本发明专利技术属于医疗急诊技术领域，具体涉及一种急诊分诊模型及系统，用于解决主观因素的影响，同时减少失误的发生。本发明专利技术，基于收集到的急诊患者病历信息，筛选出患者体征信息关键字和患者诊断信息关键字，并把关键字数据量化为量化数据，通过建立七层全连接DNN神经网络，根据急诊分诊模型输出的小数与分诊结果中的濒危级、危重级、急症级以及非急症级的量化数值最接近的结果作为输出结果。采用本技术方案后，根据疾病的严重程度、治疗的优先原则、合理的利用急诊资源对患者进行快速分类，以确定治疗或者进步处理优先次序过程，提升了医疗服务质量。质量。质量。

【技术实现步骤摘要】
一种急诊分诊模型及系统


[0001]本专利技术涉及一种分诊模型及系统，尤其涉及一种急诊分诊模型及系统。

技术介绍

[0002]医院“急诊不急”问题普遍存在，尤其是在大医院，大量非急诊患者占用了急诊资源，急诊资源不能得到合理使用，致使大医院“看病难”变得更加严重，甚至可能因此延误危重病人的救治。
[0003]对很多非急病患者来说，也并非故意占据急诊资源，他们缺乏相关专业知识，分不清急病与非急病。实行预检分诊后，能够减少非急病患者占用急诊资源现象，从而让这些非急病患者自觉到门诊就医，不再是与危急患者抢急救资源；另外，通过“分诊”，也能让一些病情程度一般的患者对自身病情有初步了解，这也有助于改善大医院患者扎堆的现象，让病情程度一般的患者自觉选择小医院、社区医院问诊，从而有利于解决大医院“看病难”问题。“急诊分级”也是在维护医院的就医秩序，还有利于培养患者及其家属的规则意识。
[0004]急诊分级共分为“四个分级”，“四个分级”是将患者分为“濒危、危重、急症和非急症”1
‑
4级分级管理，遵循从重到轻、从病情迅速变化到相对稳定的原则，合理安排患者就诊顺序，优先处理较重病人。对于3级、4级患者，在候诊区等候时，会有专门的医务人员定期进行巡视，对候诊患者的病情及潜在的危险动态评估，可根据最新的评估情况再次分级，保证患者生命安全。
[0005]1级患者病情濒危、随时可能危及生命，即刻进入复苏室或抢救室进行抢救。如心跳呼吸骤停、休克、明确的心肌梗死、癫痫持续状态、体温>41℃、收缩压<70mmHg、血糖<3.33mmol/L等。
[0006]2级患者病情危重或迅速恶化、存在生命危险，10分钟内进入抢救室进行救治。如严重呼吸困难、昏睡、急性脑卒中、ECG提示急性心肌梗死、活动性或严重失血等。
[0007]3级患者病情急、存在潜在的生命威胁，先于4级非急症患者优先诊治。如急性哮喘、吸入异物、吞咽困难、持续呕吐、胸腹痛、轻中度外伤、轻中度出血等。
[0008]4级患者为非急症，病情程度一般，根据指引顺序就诊，等候时间较长。如无危险特征的轻微疼痛、不需要缝合的小的擦伤、稳定恢复期患者复诊、仅开具医疗证明等。
[0009]让急诊姓“急”，让急诊回归救治危重病人等急病患者的本位，这样的人性化举措，是在畅通“救命通道”，提升医院服务水平，强化医院职能。希望这一做法能够在更多设有急诊的医院实行，从而提升急诊资源的使用效率，让患者都能得到最“适合”的救治。
[0010]现有的医疗机构绝大部分的急诊分级分诊是依靠分诊护士的主观经验和技巧进行处理，并且分诊信息的记录也通常采用的是纸质记录，因此存在着分诊准确度不高，容易受到主观因素的影响，另外在急诊患者的数据处理方面包括患者挂号信息等，不能做到充分的共享，往往是急诊患者的患者挂号信息与急诊分级诊断是相互独立的，在后续的处理过程中容易出现患者数据记录出错，给急诊患者带来困扰。

技术实现思路

[0011]针对
技术介绍
中存在的问题，本专利技术提供一种急诊分诊模型及系统，目的在于快速、准确的分诊，合理的利用急诊资源，提升医疗服务水平。
[0012]本专利技术解决上述技术问题提供以下技术方案：
[0013]一种急诊分诊模型的建立方法，包括以下步骤：
[0014]收集数据，收集急诊患者病历信息；
[0015]处理数据，筛选出患者体征信息关键字和患者诊断信息关键字，并把关键字数据量化为量化数据；
[0016]建立DNN神经网络，建立七层全连接DNN神经网络，输入层包含40个节点，隐藏层包含每层80个节点，输出层包含1个节点，输出层输出结果为0至5之间的小数，保留小数点后两位；
[0017]训练神经网络，使用交叉熵损失作为损失函数循环训练DNN神经网络，直至DNN神经网络的准确率达到95％，得到急诊分诊模型；
[0018]输出分诊结果，根据急诊分诊模型输出的小数与分诊结果中的濒危级、危重级、急症级以及非急症级的量化数值之间的比较，输出最接近的分诊结果。
[0019]采用该技术方案后，基于收集到的急诊患者病历信息，筛选出患者体征信息关键字和患者诊断信息关键字，并把关键字数据量化为量化数据，通过建立七层全连接DNN神经网络，根据急诊分诊模型输出的小数与分诊结果中的濒危级、危重级、急症级以及非急症级的量化数值最接近的结果作为输出结果。
[0020]作为优选，所述患者体征信息关键字包括：年龄、性别、身高、体重、心率、收缩压、是否急性血压降低、血氧饱和度、有无慢性阻塞性肺疾病史、腋温、血糖、血钾、是否呼吸停止、是否心博节律稳定、是否气道可维持、是否休克、是否意识障碍、是否癫痫持续状态、是否复合伤、是否急性药物过量、是否精神行为异常。
[0021]作为优选，把关键字量化为量化数据包括患者体征信息关键字数据量化：
[0022]心率量化为A1次数每分钟；
[0023]收缩压量化为A2毫米汞柱；
[0024]血氧饱和度量化为A3百分比；
[0025]腋温量化为A4摄氏度；
[0026]血糖量化为A5毫摩尔每升；
[0027]血钾量化为A6毫摩尔每升；
[0028]年龄量化为A7岁；
[0029]身高量化为A8厘米；
[0030]体重量化为A9千克；
[0031]性别量化为布尔值B1；
[0032]是否急性血压降低量化为布尔值B2；
[0033]有无慢性阻塞性肺疾病史量化为布尔值B3；
[0034]是否呼吸停止量化为布尔值B4；
[0035]是否心博节律稳定量化为布尔值B5；
[0036]是否气道可维持量化为布尔值B6；
[0037]是否休克量化为布尔值B7；
[0038]是否意识障碍量化为布尔值B8；
[0039]是否癫痫持续状态量化为布尔值B9；
[0040]是否急性药物过量量化为布尔值B10；
[0041]是否精神行为异常量化为布尔值B11；
[0042]把关键字量化为量化数据还包括患者诊断信息关键字数据量化：
[0043]患者病情濒危、随时可能危及生命，即濒危级，量化为1；
[0044]患者病情危重或迅速恶化、存在生命危险，即危重级，量化为2；
[0045]患者病情急、存在潜在的生命威胁，即急症级，量化为3；
[0046]患者为非急症，病情程度一般，即非急症级，量化为4。
[0047]采用该优选方案后，患者体征信息关键字数据量化和患者诊断信息关键字数据量化可以更好的用于神经网络模型的训练。
[0048]一种急诊分诊系统，所述系统应用权利要求1至3中任意一项所述的急诊分诊模型；
[0049]所述系统包括服务器，以及与服务器连接的若干分诊终端；
[0050]所述服务器具有用于存储数据的数据库；
[0051]所述服务器连接有用于显示本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种急诊分诊模型的建立方法，其特征在于：包括以下步骤：收集数据，收集急诊患者病历信息；处理数据，筛选出患者体征信息关键字和患者诊断信息关键字，并把关键字数据量化为量化数据；建立DNN神经网络，建立七层全连接DNN神经网络，输入层包含20个节点，隐藏层每层包含40个节点，输出层包含1个节点，输出层输出结果为0至5之间的小数，保留小数点后两位；训练神经网络，使用交叉熵损失作为损失函数循环训练DNN神经网络，直至DNN神经网络的准确率达到95％，得到急诊分诊模型；输出分诊结果，根据急诊分诊模型输出的小数与分诊结果中的濒危级、危重级、急症级以及非急症级的量化数值之间的比较，输出最接近的分诊结果。2.根据权利要求1所述一种急诊分诊模型的建立方法，其特征在于：所述患者体征信息关键字包括：年龄、性别、身高、体重、心率、收缩压、是否急性血压降低、血氧饱和度、有无慢性阻塞性肺疾病史、腋温、血糖、血钾、是否呼吸停止、是否心博节律稳定、是否气道可维持、是否休克、是否意识障碍、是否癫痫持续状态、是否复合伤、是否急性药物过量、是否精神行为异常。3.根据权利要求2所述一种急诊分诊模型的建立方法，其特征在于：把关键字量化为量化数据包括患者体征信息关键字数据量化：心率量化为A1次数每分钟；收缩压量化为A2毫米汞柱；血氧饱和度量化为A3百分比；腋温量化为A4摄氏度；血糖量化为A5毫摩尔每升；血钾量化为A6毫摩尔每升；年龄量化为A7岁；身高量化为A8厘米；体重量化为A9千克；性别量化为布尔值B1；是否急性血压降低量化为布尔值B2；有无慢...

【专利技术属性】
技术研发人员：刘兰均，
申请(专利权)人：遂宁市中心医院，
类型：发明
国别省市：