【技术实现步骤摘要】
一种在线实时患者危重程度评估及生命体征参数预测系统
[0001]本专利技术属于医疗健康信息
,尤其涉及一种在线实时患者危重程度评估及生命体征参数预测系统。
技术介绍
[0002]死亡率是目前死亡风险评估最常用的指标,但是单纯的死亡率作为死亡风险评价指标并不全面,例如潜在猝死风险人群的死亡风险应包括引发猝死的疾病发生概率以及该疾病的死亡率两个方面。
[0003]其次,当前现有的死亡率预测手段多是基于患者进入ICU后一段时间内(一般为24小时或48小时)的监测数据进行一次死亡率预测,然而患者的生命体征是处于实时变化的,该方法并不能实时动态的反应患者的实际死亡风险。
[0004]再者,当前实时死亡率预测的方法在训练中将患者的任意时间的生存状况都以最终存活情况作为标签,但是在临床实际中患者的生理状态是动态实时变化的,最终的存活与否并不意味着患者之前的死亡风险都是固定不变的。
[0005]此外临床中由于采样周期等因素往往会出现临床数据缺失,现有的方法往往采用插值的方法对缺失数据做填充,再通过神经网络模型预测死亡率。但是在临床实际中患者的生理状态并不是平稳的,插值产生的数据不可避免的会和实际真实情况存在偏差,导致预测结果不准确。
技术实现思路
[0006]有鉴于此,本专利技术提供了一种在线实时患者危重程度评估及生命体征参数预测系统。
[0007]第一方面,本专利技术实施例提供了一种在线实时患者危重程度评估及生命体征参数预测系统,所述系统包括:
[0008]患者生命体征
【技术保护点】
【技术特征摘要】
1.一种在线实时患者危重程度评估及生命体征参数预测系统,其特征在于,所述系统包括:患者生命体征参数获取模块,用于实时采集患者生命体征参数;患者生理状态特征获取模块,用于根据采集的患者生命体征参数设置第一患者生命体征参数,对第一患者生命体征参数特征进行特征提取得到患者生理状态特征;采样实例获取模块,用于根据患者生理状态特征获取人体状态统计分布参数,配置累积测量权重,根据人体状态统计分布参数和累积测量权重获取当前的人体累积状态统计分布,对当前的人体累积状态统计分布进行采样,得到采样实例;死亡风险预测模块,通过对各采样实例评估死亡率并进行分段统计得到患者死亡风险分布,患者死亡风险分布通过死亡率在每一区间的发生概率以及每一区间的期望死亡率表示;将死亡率在每一区间的发生概率与每一区间的期望死亡率的乘积之和作为当前患者的期望死亡率;设置高死亡概率阈值,将死亡率大于高死亡概率阈值的发生概率之和作为高死亡发生概率。2.根据权利要求1所述的一种在线实时患者危重程度评估及生命体征参数预测系统,其特征在于,所述患者生命体征参数包括:心率、血氧饱和度、呼吸率、体温、收缩压、舒张压、平均压。3.根据权利要求1所述的一种在线实时患者危重程度评估及生命体征参数预测系统,其特征在于,所述患者生命体征参数获取模块还包括:获取患者生命体征参数测量标识和患者生命体征参数统计向量;所述患者生理状态特征获取模块还包括:对每一患者生命体征参数测量标识与对应的第二患者生命体征参数特征的乘积之和并进行归一化缩放得到第一患者生命体征参数特征;所述第二患者生命体征参数特征通过对患者生命体征参数统计向量进行特征提取得到。4.根据权利要求3所述的一种在线实时患者危重程度评估及生命体征参数预测系统,其特征在于,获取患者生命体征参数测量标识和患者生命体征参数统计向量包括:当患者生命体征参数没有被测量时,则将患者生命体征参数对应的测量标识记为0,统计向量设置为默认值;当患者生命体征参数被测量时,则将患者生命体征参数对应的测量标识记为1;先对患者生命体征参数进行截断归一化处理,再计算截断归一化后的患者生命体征参数对应的统计向量,所述统计向量为[平均值, 标准差, 最大值, 最小值];其中,对患者生命体征参数进行截断归一化处理包括:根据各患者生命体征参数的极限取值范围对各患者生命体征参数的测量值进行饱和截断,若患者生命体征参数的测量值大于患者生命体征参数的最大极限值,则将患者生命体征参数的测量值设置为最大极限值;若患者生命体征参数的测量值小于患者生命体征参数的最小极限值,则将患者生命体征参数的测量值设置为最小极限值。5.根据权利要求1所述的一种在线实时患者危重程度评估及生命体征参数预测系统,其特征在于,根据患者生理状态特征获取人体状态统计分布参数,配置累积测量权重,根据人体状态统计分布参数和累积测量权重获取当前的人体累积状态统计分布,对当前的人体累积状态统计分布进行采样,得到采样实...
【专利技术属性】
技术研发人员:李劲松,王沛,夏静,任意,田雨,周天舒,
申请(专利权)人:之江实验室,
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。