神经内科临床安全隐患检测方法及系统技术方案

本发明专利技术涉及医疗技术领域，具体涉及神经内科临床安全隐患检测方法及系统，通过构建安全隐患训练数据集；利用所述安全隐患检测数据集训练网络模型，得到训练好的网络模型；实时获取患者的脑电图信号序列、肌电极信号响应数据，将患者的脑电图信号序列、肌电极信号响应数据输入训练好的网络模型，得到患者的安全隐患分析结果。即本发明专利技术的方案能够通过智能算法对患者的相关数据进行预处理，进而得到相应的处理结果，为后续医师对患者发病情况的判断，提供了数据支撑。提供了数据支撑。提供了数据支撑。

【技术实现步骤摘要】
神经内科临床安全隐患检测方法及系统


[0001]本专利技术涉及医疗信息领域，具体为神经内科临床安全隐患检测方法及系统。

技术介绍

[0002]脑电图检查对于诊断癫痫病有着决定性的作用，一般来说，通过脑电图检查，80％左右的癫痫病人间隙期都有脑电图异常，而只有5％～20％的癫痫病人发作间歇期脑电图可表现正常，通过脑电图检查就能确诊是否为癫痫病。所以脑电图在诊疗和预测癫痫发作起到重要的作用。
[0003]以往在患者住院时，医护人员需要时刻保证有人照看着患者，从而在发作时及时介入，对于一些不能长期照看的患者而言，发作后无人介入而导致的安全隐患很大，为了实现临床安全隐患的检测。传统的技术中通常使用可穿戴设备的加速度信息来分析异常，然而患者在住院期间是长期自主生活的，起床、打喷嚏等情况会引起误报，若系统经常出现错误推送，反倒会影响医师的判断。

技术实现思路

[0004]为了解决上述技术问题，本专利技术的目的在于提供神经内科临床安全隐患检测方法及系统，所采用的技术方案具体如下：
[0005]本专利技术提供的神经内科临床安全隐本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.神经内科临床安全隐患检测方法，其特征在于，包括以下步骤：构建安全隐患训练数据集；所述安全隐患训练数据集的获取过程为：获取历史记录中各患者发病前后的脑电图信号序列，得到各患者的发病趋势特征码；获取各患者发病前的肌电极信号响应数据，得到肌电极信号响应数据的中值以；基于肌电极信号响应数据，确定各患者发病的典型程度；基于各患者对应的发病趋势特征码、典型程度以及肌电极信号响应数据的中值，对所有患者的发病过程状态进行分类，得到不同的类别簇，选取非孤立的类别簇作为后续的分类结果；基于分类结果，随机选取其中一患者，确定该患者的K个近邻患者集，基于K个近邻患者集中的各患者的肌电极信号响应数据，对每个患者的肌电极信号响应数据进行划分，得到每个患者的直方图，得到对应的相似类型特征码；计算各相似类型特征码的隶属程度，当隶属程度小于设定阈值，则患者出现异常，标签记为0；反之，标签记为1；其中，脑电图信号序列、肌电极信号响应数据以及标签构成安全隐患训练数据集；利用所述安全隐患检测数据集训练网络模型，得到训练好的网络模型；实时获取患者的脑电图信号序列、肌电极信号响应数据，将患者的脑电图信号序列、肌电极信号响应数据输入训练好的网络模型，得到患者的安全隐患分析结果。2.根据权利要求1所述的神经内科临床安全隐患检测方法，其特征在于，所述发病趋势特征码的获取过程为：基于各患者发病前后的脑电图信号序列，得到发病前后的差值序列，将差值序列记为发病趋势特征码。3.根据权利要求1所述的神经内科临床安全隐患检测方法，其特征在于，确定各患者发病的典型程度的具体过程为：根据当前患者的发作前的肌电极信号响应数据以及当前患者的发作前的历史记录中的肌电极信号响应数据，计算当前患者的当前数据与历史记录中的任一数据的欧式距离，将欧式距离按照由大到小进行排序，选取欧式距离最大值，作为当前患者自身的最相似的直方图；根据当前患者发作前的肌电极信号响应数据以及其他所有患者发作前的历史记录中的肌电极信号响应数据，计算当前患者与其他任一患者的欧式距离，将欧式距离按照由大到小进行排序，选取欧...

【专利技术属性】
技术研发人员：朱敏敏，夏加增，苗增利，马涛，赵旭东，阮莎莎，
申请(专利权)人：无锡市第二人民医院，
类型：发明
国别省市：