【技术实现步骤摘要】
本申请涉及医疗服务，特别涉及一种基于云平台的智能医疗服务方法，用于导航路径规划。
技术介绍
1、传统医疗导航服务存在定位不准、路径规划易偏离等问题，无法实现智能化、个性化的导航服务，这成为限制医疗导航发展的瓶颈。
2、现有医疗导航定位多依赖单一gps定位，容易受室内等复杂环境影响产生大误差。另外，现有导航路径规划算法生成的路径方案较为理想化，未考虑用户移动过程中的偏离，一旦用户出现轻微方向偏差就需手动重新规划，调整响应滞后。
3、在相关技术中，比如中国专利文献cn116313020a中提供了一种用于医疗服务的智能化处理方法及系统。本专利技术通过获取目标患者的就诊服务信息，并规划目标患者的医院就诊路线；标记多个指引连接设备和多个纠正连接设备；进行临时连接与身份采集，并标记目标连接设备；在目标连接设备为指引连接设备时，进行辅助实景导航；在目标连接设备为纠正连接设备时，进行辅助纠正震动。但是该方案仅依赖连接设备的坐标来判断用户位置，因此导航路径精度有待进一步提高。
技术实现思路
1、1.要解决的技术问题
2、针对现有技术中存在的医疗导航路径精度低的问题，本申请提供了一种基于云平台的智能医疗服务方法，通过多源传感器融合和卷积神经网络的自适应等，提高了医疗导航路径规划的精度。
3、2.技术方案
4、本申请的目的通过以下技术方案实现。
5、本说明书实施例提供一种基于云平台的智能医疗服务方法，用于导航路径规划，包括：获取用户
6、根据第一导航路径通过坐标匹配算法，分别标识出第一导航路径上导航提示设备和纠正提示设备的位置信息，其中导航提示设备为预先布置的包含语音播报模块的设备，纠正提示设备为预先布置的包含振动输出模块的设备；实时获取用户位置坐标，通过将用户位置坐标与第一导航路径上的各节点坐标进行逐点对比的方法判断用户当前位置是否偏离第一导航路径，当偏离时，采用a*算法或dijkstra算法重新规划从偏离点到目标位置的第二导航路径；根据第一导航路径采用语音合成算法生成导航语音提示，按预设时间间隔获取用户当前位置，判断用户当前位置与第一导航路径的匹配情况，根据匹配结果输出导航语音提示。
7、进一步地，获取用户位置，还包括：设置rfid读取设备、图像处理设备、红外设备和惯性导航设备，获取各传感器采集的数据，并根据各传感器采集的数据生成初始定位数据；收集卫星地图和建筑信息，通过特征匹配算法生成用户位置的空间约束，空间约束表示用户所在位置预设坐标范围的空间限制；通过统计分析提取rfid读取设备的高斯噪声分布a1；通过小波分析提取图像处理设备的脉冲噪声分布a2；通过关联规则算法提取红外设备的随机游走噪声分布a3；通过自相关分析算法提取惯性导航设备的颜色噪声分布a4；根据提取的高斯噪声分布a1、脉冲噪声分布a2、随机游走噪声分布a3和颜色噪声分布a4，通过贝叶斯算法构建联合噪声分布模型；根据获得的初始定位数据、空间约束和联合噪声分布模型，建立基于卷积神经网络的融合定位模型，利用建立的融合定位模型获取用户位置。
8、进一步地，构建联合噪声分布模型，还包括：利用高斯分布函数表示提取得到的rfid读取设备噪声分布a1(μ1，σ1)；利用泊松分布函数表示提取得到的图像处理设备噪声分布a2(λ2)；利用随机游走模型表示提取得到的红外设备噪声分布a3(α3，β3)；利用自回归模型表示提取得到的惯性导航设备噪声分布a4(a4，b4)。
9、进一步地，构建联合噪声分布模型，还包括：从噪声分布a1(μ1，σ1)、a2(λ2)、a3(α3，β3)和a4(a4，b4)中随机采样，获取样本数据；基于最大似然估计，计算样本数据对应的概率密度函数，得到各个噪声分布a1(μ1，σ1)、a2(λ2)、a3(α3，β3)和a4(a4，b4)对应的似然函数；从得到的似然函数中求解出对应噪声分布a1(μ1，σ1)、a2(λ2)、a3(α3，β3)和a4(a4，b4)的先验概率p(a1)、p(a2)、p(a3)和p(a4)，输出求解得到的各噪声分布的先验概率p(ai)；根据计算得到的先验概率p(a1)、p(a2)、p(a3)和p(a4)，应用贝叶斯算法计算得到联合后验概率分布：p(a|x1，x2，x3，x4)∝p(a1)p(a2)p(a3)p(a4)，将计算得到的联合后验概率分布作为最终的噪声分布模型。
10、进一步地，建立基于卷积神经网络的融合定位模型，还包括：对rfid读取设备的数据，利用卷积层的多组卷积核提取电磁波信号分布图的局部相关特征，利用最大池化操作提取稳定信号的标签id特征；对图像处理设备的数据，利用卷积层的边缘检测核提取图像边缘轮廓特征，利用均值池化提取图像的缩放与旋转不变特征；对红外设备的数据，利用卷积层的热源聚类核提取热源分布关联特征，利用l2池化层的平方和运算在邻近区域内聚合热源特征，消除热源坐标偏差，提取热源中心坐标稳定特征；对惯性导航设备的数据，利用一维卷积核提取加速度数据在时间序列上的局部相关特征，利用最大池化层的最大值运算抑制加速度变量对重力方向的影响，使重力方向特征在时间轴上保持平稳不变，从而提取出重力方向稳定特征。
11、进一步地，提取稳定信号的标签id特征，还包括：对rfid设备的电磁波信号分布图，利用具有m1组二维卷积核的卷积层进行卷积操作，提取信号的空间局部相关特征；设置大小为n1xn1的最大池化窗口，遍历信号分布图，在每个池化窗口内，选择响应值最大的单元作为输出，抑制随机噪声对信号特征的影响。
12、进一步地，提取图像的缩放与旋转不变特征，还包括：利用包含sobel边缘检测核的卷积层对输入图像进行卷积，检测图像中的垂直边缘轮廓和水平边缘轮廓；构建大小为n2xn2的均值池化窗口，遍历输入图像，计算每个窗口内像素平均值作为输出。
13、进一步地，获取用户位置，还包括：通过迁移学习算法构建卷积神经网络模型，加载预训练的卷积网络结构作为特征提取层；根据构建的联合噪声分布模型，设置卷积神经网络模型的损失函数，利用kullback-leibler散度计算噪声分布之间的距离作为损失函数，用于评估本文档来自技高网...
【技术保护点】
1.一种基于云平台的智能医疗服务方法，用于导航路径规划，包括：
2.根据权利要求1所述的基于云平台的智能医疗服务方法，其特征在于：
3.根据权利要求2所述的基于云平台的智能医疗服务方法，其特征在于：
4.根据权利要求3所述的基于云平台的智能医疗服务方法，其特征在于：
5.根据权利要求2所述的基于云平台的智能医疗服务方法，其特征在于：
6.根据权利要求5所述的基于云平台的智能医疗服务方法，其特征在于：
7.根据权利要求5所述的基于云平台的智能医疗服务方法，其特征在于：
8.根据权利要求5所述的基于云平台的智能医疗服务方法，其特征在于：
9.根据权利要求8所述的基于云平台的智能医疗服务方法，其特征在于：
10.根据权利要求9所述的基于云平台的智能医疗服务方法，其特征在于：
【技术特征摘要】
1.一种基于云平台的智能医疗服务方法，用于导航路径规划，包括：
2.根据权利要求1所述的基于云平台的智能医疗服务方法，其特征在于：
3.根据权利要求2所述的基于云平台的智能医疗服务方法，其特征在于：
4.根据权利要求3所述的基于云平台的智能医疗服务方法，其特征在于：
5.根据权利要求2所述的基于云平台的智能医疗服务方法，其特征在于：
<...【专利技术属性】
技术研发人员：李耕，郑凯，魏然玲，阎晓禹，杨子琪，
申请(专利权)人：成都青羊殊德中西医门诊有限公司，
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。