【技术实现步骤摘要】
本专利技术属于围术期临床思维训练，尤其涉及一种基于drl机器学习的围术期临床思维训练系统。
技术介绍
1、麻醉医师通过了解病例现有病情以及观察围术期各项生命体征指标，并结合过往经验选择特定剂量的药物、特定注射位置给予进行药物注射。围术期思维训练系统是通过观察、处理、查看处理结果、再次处理，重复上述过程，直到各项生命体征指标平稳的过程。对于麻醉医师来说，由于缺少准确实用且包含大量各种类型病情真实病例的围术期思维训练系统，他们往往在高年资麻醉医师的指导下，并且需通过多年的经验积累才能针对某一类病情完成快速地制定出正确且最合适的处理方案，而这个过程需要付出很长的时间成本和和其他高额代价。
技术实现思路
1、本专利技术采用 drl机器学习算法和医学大数据分析技术，构建了一种基于drl机器学习的围术期临床思维训练系统。该系统包括数据录入模块、数据清洗模块、模型训练模块和临床操作模块。其中，数据录入模块用于录入病例的基本病例信息和各项医学指标；数据处理模块用于对数据进行预处理和特征提取；模型训练模块用...
【技术保护点】
1.一种基于DRL机器学习的围术期临床思维训练系统，其特征在于，系统模块包括：
2.根据权利要求1所述的基于DRL机器学习的围术期临床思维训练系统，其特征在于，将原始病历数据统一标准化处理，提取病例手术类型、手术名称、麻醉时间、术前诱导用药药物种类剂量、术中维持用药药物种类剂量、术中出血量、输液量、输血量基本数据和围术期管理操作时间、用药药物类别、剂量、用药方式等围术期操作数据，以及操作前后平稳阶段的血压、心率、血氧饱和度、中心静脉压、肺动脉压、血气分析、心排血量、心指数、体循环阻力、脑氧监测指标特征数值。
3.根据权利要求1所述的基于DRL机...
【技术特征摘要】
1.一种基于drl机器学习的围术期临床思维训练系统，其特征在于，系统模块包括：
2.根据权利要求1所述的基于drl机器学习的围术期临床思维训练系统，其特征在于，将原始病历数据统一标准化处理，提取病例手术类型、手术名称、麻醉时间、术前诱导用药药物种类剂量、术中维持用药药物种类剂量、术中出血量、输液量、输血量基本数据和围术期管理操作时间、用药药物类别、剂量、用药方式等围术期操作数据，以及操作前后平稳阶段的血压、心率、血氧饱和度、中心静脉压、肺动脉压、血气分析、心排血量、心指数、体循环阻力、脑氧监测指标特征数值。
3.根据权利要求1所述的基于drl机器学习的围术期临床思维训练系统，其特征在于，构建模型时有效病例数不少于20000个。
4.根据权利要求1所述的基于drl机器学习的围术期临床思维训练系统，其特征在于，模型构建模块通过drl机器学习算法来分析提取不同病例基本信息、不同围术期操作对各项生命体征指标的影响系数，并最终生成drl模型文件。
5.根据权利要求1所述的基于drl机器学习的围术期临床思维训练系统，其特征在于，病例生成模块基于生成的drl模型，通过调整手术类型、危重程度等参数，模拟生成大量不同手术类型、不同危重程度的病例。
6.根据权利要求1所述的基于drl机器学习的围术期临床思维训练系统，其特征在于，临床操作模块基于生成的drl模型文件，通过分析病例当前的血压、心率、血氧饱和度、中心静脉压、肺动脉压、血气分析、心排血量、心指数、体循环阻力、脑氧监测指标等参数以及模拟训练人员进行的模拟围术期管理操作记录，给出各项医学生命指标参数变化的具体数值反馈，同时对反馈结果进行详细分析说明，并对模拟训练人员给出操作意见，指导模拟训练人员进行下一步操作。
7.根据权利要求4所述的基于drl机器学习的围术期临床思维训练系统，其特征在于，所述通过drl机器学习算法来分析提取不同病例基本信息、不同围术期操作对病例各项生命体征指标的影响系数，并最终生成drl模型文件，具体过程包括： 在drl机器学习的过程中，一般需要以下几个重要的参数: 状态(state):状态是指当前的环境状态，这里特指当前的病例病...
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。