[go: up one dir, main page]
More Web Proxy on the site http://driver.im/

CN117064350B - 一种安全检测与智能评估系统 - Google Patents

一种安全检测与智能评估系统 Download PDF

Info

Publication number
CN117064350B
CN117064350B CN202311045329.5A CN202311045329A CN117064350B CN 117064350 B CN117064350 B CN 117064350B CN 202311045329 A CN202311045329 A CN 202311045329A CN 117064350 B CN117064350 B CN 117064350B
Authority
CN
China
Prior art keywords
patient
data
module
unit
acquired
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202311045329.5A
Other languages
English (en)
Other versions
CN117064350A (zh
Inventor
邓艳芳
郭肖霞
蒋丹凤
程冲
侯小慧
李远珍
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
First Affiliated Hospital of Jinan University
Original Assignee
First Affiliated Hospital of Jinan University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by First Affiliated Hospital of Jinan University filed Critical First Affiliated Hospital of Jinan University
Priority to CN202311045329.5A priority Critical patent/CN117064350B/zh
Publication of CN117064350A publication Critical patent/CN117064350A/zh
Application granted granted Critical
Publication of CN117064350B publication Critical patent/CN117064350B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/0205—Simultaneously evaluating both cardiovascular conditions and different types of body conditions, e.g. heart and respiratory condition
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/145—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue
    • A61B5/1455—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue using optical sensors, e.g. spectral photometrical oximeters
    • A61B5/14551—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue using optical sensors, e.g. spectral photometrical oximeters for measuring blood gases
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/74—Details of notification to user or communication with user or patient ; user input means
    • A61B5/746—Alarms related to a physiological condition, e.g. details of setting alarm thresholds or avoiding false alarms
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
    • G08B21/02—Alarms for ensuring the safety of persons
    • G08B21/04—Alarms for ensuring the safety of persons responsive to non-activity, e.g. of elderly persons
    • G08B21/0407—Alarms for ensuring the safety of persons responsive to non-activity, e.g. of elderly persons based on behaviour analysis
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
    • G08B21/02—Alarms for ensuring the safety of persons
    • G08B21/04—Alarms for ensuring the safety of persons responsive to non-activity, e.g. of elderly persons
    • G08B21/0438—Sensor means for detecting
    • G08B21/0453—Sensor means for detecting worn on the body to detect health condition by physiological monitoring, e.g. electrocardiogram, temperature, breathing
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B25/00—Alarm systems in which the location of the alarm condition is signalled to a central station, e.g. fire or police telegraphic systems
    • G08B25/01—Alarm systems in which the location of the alarm condition is signalled to a central station, e.g. fire or police telegraphic systems characterised by the transmission medium
    • G08B25/08—Alarm systems in which the location of the alarm condition is signalled to a central station, e.g. fire or police telegraphic systems characterised by the transmission medium using communication transmission lines
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • Biophysics (AREA)
  • Biomedical Technology (AREA)
  • Physiology (AREA)
  • Pathology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Surgery (AREA)
  • Molecular Biology (AREA)
  • Animal Behavior & Ethology (AREA)
  • Veterinary Medicine (AREA)
  • Cardiology (AREA)
  • General Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Emergency Management (AREA)
  • Pulmonology (AREA)
  • Gerontology & Geriatric Medicine (AREA)
  • Epidemiology (AREA)
  • Psychiatry (AREA)
  • Psychology (AREA)
  • Social Psychology (AREA)
  • Physical Education & Sports Medicine (AREA)
  • Primary Health Care (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Optics & Photonics (AREA)
  • Dentistry (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)

Abstract

本发明涉及医疗设备技术领域，本发明提供了一种安全检测与智能评估系统，包括服务器、数据采集模块、数据分析模块、预警模块、风险预测模块和生理指标监测模块，数据采集模块采集病人活动的图像数据，生理指标监测模块采集病人的生理指标，数据分析模块根据生理指标监测模块采集的生理指标对进行综合分析形成分析结果，风险预测模块根据数据采集模块采集病人活动的图像数据和数据分析模块的分析结果进行风险预测，预警模块根据风险预测模块的预测结果向医护人员发出警告。本发明通过风险预测模块和预警模块相互配合，使得病人的异常行为能被检测，并主动向医护人员发出预警提示，使得整个系统具有异常行为预警迅速和护理监管能力强的优点。

Description

一种安全检测与智能评估系统
技术领域
本发明涉及医疗设备技术领域，尤其涉及一种安全检测与智能评估系统。
背景技术
在神经、精神科病房及重症监护病房经常遇到一些意识不清、谵妄、躁动不安、消极自伤的患者，患者常因精神障碍兴奋躁动不合作，或者有伤害自身和他人的行为。
如CN112057257B现有技术公开了一种精神科疾病异常护理装置，目前，对于精神患者在精神异常护理时，一般是将患者束缚在病床上，并对患者的四肢以及头部进行固定，但是现有的护理装置在对头部进行限位固定时，往往是需要将患者在病床上慢慢的挪到到对应夹紧机构的下方，然后再夹紧，使患者的头部固定的效率低，同时护理完成后挪移的速度慢，同时四肢的固定时，同时出现固定的效率低，速度慢的问题。
另一种典型的如CN109077904B的现有技术公开的一种精神科护理装置，目前，精神科患者常常会出现精神异常的状况，容易在睡眠过程中出现大脑异常放电，造成各种身体反应，影响自身和他人的人身安全，以往对于精神病人的睡眠无法很好控制，并不能很好的约束精神病人是突发行为，而且夜间时间长，精神病人如果无法正常睡眠会影响医院公共安全，需要浪费大量的人力去监护。
为了解决本领域普遍存在异常行为识别能力不足、智能程度低、异常行为缺乏预警和护理监管难度大等等问题，作出了本发明。
发明内容
本发明的目的在于，针对目前所存在的不足，提出了一种精神科用的安全检测与智能评估系统。
为了克服现有技术的不足，本发明采用如下技术方案：
一种安全检测与智能评估系统，所述安全检测与智能评估系统包括服务器，所述安全检测与智能评估系统还包括数据采集模块、数据分析模块、预警模块、风险预测模块和生理指标监测模块，所述服务器分别与所述数据采集模块、数据分析模块、预警模块、风险预测模块和生理指标监测模块连接；
所述数据采集模块采集病人活动的图像数据，生理指标监测模块采集病人的生理指标，所述数据分析模块根据所述生理指标监测模块采集得到的生理指标对进行综合分析形成分析结果，所述风险预测模块根据所述数据采集模块采集病人活动的图像数据和所述分析结果进行风险预测，所述预警模块根据所述风险预测模块的预测结果向触发向医护人员发出警告；
所述数据分析模块获取所述生理指标监测模块采集病人的生理指标数据，并根据下式计算综合评估指数Comprehensive：
Comprehensive＝α1·Move+α2·HR+α3·OX+α4·RR；
式中，α1、α2、α3、α4为权重系数，由系统根据实际情况和需求进行调整，Move为所述生理指标监测模块采集得到的所述病人的移动数据，HR为所述生理指标监测模块采集到的病人的心率数据，OX为所述生理指标监测模块采集到的病人的血氧饱和度数据，RR为所述生理指标监测模块采集到的病人的呼吸频率数据；
所述风险预测模块调用所述数据采集模块采集病人活动的图像数据和所述数据分析模块生成的所述分析结果，并根据所述分析结果触发对所述病人的风险进行预测。
可选的，所述数据采集模块包括采集单元和支撑架，所述支撑架支撑所述采集单元，所述采集单元采集所述病人在活动区域的图像数据，所述采集单元包括采集探头和数据存储器，所述采集探头采集所述病人在活动区域中的图像数据，所述数据存储器存储所述采集探头采集到的所述病人的图像数据；
其中，所述采集单元设置在所述支撑架上，且所述支撑架固定在活动区域中。
可选的，所述生理指标监测模块包括绑定单元、移动监测单元、血氧监测单元、心率监测单元和呼吸监测单元，所述绑定单元将所述移动监测单元、血氧监测单元、心率监测单元和呼吸监测单元进行支撑，并绑定在所述病人身上，所述移动监测单元采集所述病人的移动量数据，所述呼吸监测单元监测所述病人的呼吸频率数据，所述心率监测单元监测所述病人的心率数据，所述血氧监测单元监测所述病人的血氧饱和度数据；
其中，所述移动监测单元、所述血氧监测单元、心率监测单元和呼吸监测单元将采集得到数据通过无线传输的方式传输至所述数据分析模块中。
可选的，所述风险预测模块包括数据调用单元和风险评估单元，所述数据调用单元调用所述数据采集模块采集得到的图像数据和所述数据分析模块的分析结果，所述风险评估单元对数据调用单元调用得到的数据对所述病人风险进行评估；
其中，所述调用单元包括调用请求器和计时器，所述计时器用于相邻两个调用请求的时间间隔进行计时，所述调用请求器根据计时器的时间间隔触发对所述数据采集模块采集得到的图像数据和所述数据分析模块的分析结果进行调用。
可选的，所述预警模块包括预警单元和交互提示单元，所述预警单元获取所述风险预测模块的预测结果，所述交互提示单元将预警单元的预测结果向医护人员进行提示，以提示所述医护人员对病人进行护理。
可选的，所述风险评估单元获取所述数据采集模块采集得到的图像数据和所述数据分析模块的分析结果并根据下式计算病人的风险指数Worn：
Worn＝β·Comprehensive+γ·F(ImageData)；
式中，Comprehensive为综合评估指数，F(ImageData)为处理和利用病人检测算法输出结果的函数，β和γ是权重系数，用于调整综合评估指数Comprehensive和处理和利用病人检测算法输出结果的函数F(ImageData)在风险指数中的相对重要性，这两个权重系数根据实际应用环境和目标进行调整；
若所述风险指数Worn不在设定的安全阈值范围内，则触发所述预警模块向所述医护人员进行提示。可选的，利用病人检测算法输出结果的函数F(ImageData)根据下式进行计算：
式中，n为图像中检测到的病人的总数量，i为第i个检测到的病人，confidence_i为第i个检测到的病人的置信度，其值通常是由病人识别模型自动得到，area_i为病人的边界框的面积，其值由系统进行设定。
本发明所取得的有益效果是：
1.通过绑定单元、移动监测单元、血氧夹持单元、血氧监测单元、心率监测单元和呼吸监测单元之间的配合，使得病人的生理数据能够被精准检测，以提升病人异常行为的识别能力，还兼顾提升整个装置的智能检测能力；
2.通过数据采集模块对病人在活动区域的图像进行采集，能动态的掌握病人的活动范围，提升整个系统对病人异常的评估能力；
3.通过数据调用单元和风险评估单元的相互配合，使得整个系统能够根据数据采集模块采集得到的图像数据和数据分析模块的分析结果对病人的异常行为进行风险评估，使得整个系统具有异常识别能力精准、智能程度高、能对异常行为进行预警的优点；
4.通过风险预测模块和预警模块相互配合，使得病人的异常行为能够被检测，并主动发出预警，以向医护人员发出提示，使得整个系统具有异常行为预警迅速和护理监管能力强的优点。
附图说明
从以下结合附图的描述可以进一步理解本发明。图中的部件不一定按比例绘制，而是将重点放在示出实施例的原理上。在不同的视图中，相同的附图标记指定相同的部分。
图1为本发明的整体方框示意图。
图2为本发明的生理指标监测模块和数据分析模块的方框示意图。
图3为本发明的计算综合评估指数的方框示意图。
图4为本发明的连接座和绑定带的结构示意图。
图5为本发明的血氧夹持单元和病人的之间的应用场景示意图。
图6为本发明的血氧监测单元的部分剖视示意图。
图7为本发明的显示屏和指示灯的结构示意图。
图8为本发明的病床的侧视示意图。
图9为本发明的病床的俯视示意图。
附图标记说明：1、绑定带；2、固定座；3、胸带心率传感器；4、夹持座；5、第一发射光源；6、第二发射光源；7、光检测器；8、病人；9、指示灯；10、显示屏；11、压力检测板；12、侧沿检测杆；13、病床。
具体实施方式
以下是通过特定的具体实施例来说明本发明的实施方式，本领域技术人员可由本说明书所公开的内容了解本发明的优点与效果。本发明可通过其他不同的具体实施例加以施行或应用，本说明书中的各项细节也可基于不同观点与应用，在不悖离本发明的精神下进行各种修饰与变更。另外，本发明的附图仅为简单示意说明，并非依实际尺寸的描绘，事先声明。以下的实施方式将进一步详细说明本发明的相关技术内容，但所公开的内容并非用以限制本发明的保护范围。
实施例一：根据图1、图2、图3、图4、图5、图6、图7、图8、图9所示，本实施例提供一种安全检测与智能评估系统，所述安全检测与智能评估系统包括服务器，所述安全检测与智能评估系统还进一步包括数据采集模块、数据分析模块、预警模块、风险预测模块和生理指标监测模块，所述服务器分别与所述数据采集模块、数据分析模块、预警模块、风险预测模块和生理指标监测模块连接，并将所述数据采集模块、数据分析模块、预警模块、风险预测模块和生理指标监测模块的中间数据传输至所述服务器的数据库中进行存储；
所述数据采集模块采集病人活动的图像数据，生理指标监测模块采集病人的生理指标，所述数据分析模块根据所述生理指标监测模块采集得到的生理指标对进行综合分析，形成分析结果，所述风险预测模块根据所述数据采集模块采集病人活动的图像数据和所述分析结果进行风险预测，所述预警模块根据所述风险预测模块的预测结果向触发向医护人员发出警告；
所述安全检测与智能评估系统还进一步包括中央处理器，所述中央处理器分别与所述数据采集模块、数据分析模块、预警模块、风险预测模块和生理指标监测模块控制连接，并基于所述中央处理器对所述数据采集模块、数据分析模块、预警模块、风险预测模块和生理指标监测模块进行集中控制，以使得各个模块之间能够协同配合，高效的运行；
所述数据分析模块获取所述生理指标监测模块采集病人的生理指标数据，并根据下式计算综合评估指数Comprehensive：
Comprehensive＝α1·Move+α2·HR+α3·OX+α4·RR；
式中，α1、α2、α3、α4为权重系数，由系统根据实际情况和需求进行调整，Move为所述生理指标监测模块采集得到的所述病人的移动数据，HR为所述生理指标监测模块采集到的病人的心率数据，OX为所述生理指标监测模块采集到的病人的血氧饱和度数据，RR为所述生理指标监测模块采集到的病人的呼吸频率数据；
所述风险预测模块调用所述数据采集模块采集病人活动的图像数据和所述数据分析模块生成的所述分析结果，并根据所述分析结果触发对所述病人的风险进行预测；
可选的，所述生理指标监测模块包括绑定单元、移动监测单元、血氧夹持单元、血氧监测单元、心率监测单元和呼吸监测单元，所述绑定单元将移动监测单元、心率监测单元和呼吸监测单元进行支撑，并绑定在所述病人8身上，所述血氧夹持单元用于对所述血氧监测单元进行支撑，形成血氧检测部，所述血氧检测部夹持在所述患者的指尖处，所述移动监测单元用于对所述病人8的移动量进行检测，所述呼吸监测单元监测所述病人8的呼吸频率数据，所述心率监测单元监测所述病人8的心率数据，所述血氧监测单元监测所述病人8的血氧饱和度数据；
其中，所述血氧监测单元、心率监测单元和呼吸监测单元将采集得到数据通过无线传输的方式传输至所述数据分析模块中；
所述绑定单元包括绑定带1、连接座、以及快拆构件，所述绑定带1设置在所述连接座上，并将所述连接座绑定在病人8的胸腔上且紧贴所述胸腔的皮肤，所述连接座与所述绑定带1的连接处对称设有两个卡接腔，所述快拆构件设置在所述绑定带1与所述连接座的连接处，且所述绑定带1在对所述连接座固定时，通过插入所述固定座2的的卡接腔中；
如图4所示，当所述移动监测单元、心率监测单元和呼吸监测单元均设置在所述连接座上；
所述移动监测单元包括加速度计和陀螺仪，所述加速度计用于对病人8的位移量进行检测，所述陀螺仪用于测量病人8的角速度；
其中，加速度计和陀螺仪装配在所述连接座上；
另外，当物体进行线性运动或者受到重力作用时，加速度计中的感应元件会发生位移，通过测量这个位移就可以得到加速度的大小；如果知道物体的初始速度和位移，那么就可以通过对加速度进行积分来计算出物体的速度和位移；
同时，当物体旋转时，由于角动量守恒，陀螺仪中的转轴会保持稳定的方向，通过测量转轴的偏转角度就可以得到物体的角速度；如果知道物体的初始角度，那么就可以通过对角速度进行积分来计算出物体的旋转角度；
所述生理指标监测模块采集得到的所述病人的移动数据Move根据下式进行计算：
式中，m为所述移动监测单元采集得到的实时位移量，min_M为所述病人历史的移动量的最小值，max_M为所述病人历史的移动量的最大值；
所述呼吸监测单元包括至少一个腹腔/腹部运动传感器、以及弹性带，至少一个腹腔腹部运动传感器设置在所述弹性带上形成检测部，所述检测部嵌套在所述绑定带1上；
其中，所述弹性带的内部编织有电阻性材料，当弹性带被拉长或压缩时，内部电阻性材料的电阻会改变；这种电阻的变化可以被电路检测到，并转化为电信号；通过对这种电信号的分析，同样得到呼吸的频率和深度；
所述生理指标监测模块采集到的病人的呼吸频率数据RR根据下式进行计算：
式中，Ri为所述呼吸监测单元检测得到的呼吸频率值，μ_RR是所述病人的呼吸频率的均值，σ_RR为所述病人的呼吸频率的标准差；
所述绑定单元还包括第一供电电池，所述第一供电电池用于对所述移动监测单元、所述呼吸监测单元和所述心率监测单元电连接；
所述心率监测单元包括至少一个胸带心率传感器3、以及至少一个固定座2，所述固定座2分别与至少一个胸带心率传感器3进行支撑形成采样部，所述采样部分别设置在所述绑定带1和连接座上，具体的，病人8胸腔正对心脏活动区域处；
其中，胸带心率传感器3固定在胸部，采用的是和心电图(ECG)相似的电子信号检测技术，这是本领域的技术人员所熟知的技术手段，因而在本实施例中，不再一一赘述；
所述生理指标监测模块采集到的病人的心率数据HR根据下式进行计算：
式中，Hi为所述呼吸监测单元检测得到的呼吸频率值，μ_HR是所述病人的呼吸频率的均值，σ_HR为所述病人的呼吸频率的标准差；
所述血氧监测单元包括第一发射光源5、第二发射光源6和光检测器7，第一发射光源5用于发射660纳米的红光，所述第二发射光源6发射940纳米的红外光，所述光检测器7设置在所述指尖的另一侧，以接收第一发射光源5第二发射光源6透过的光；
其中，一个发射660纳米的红光，另一个发射940纳米的红外光；这两种光的选择是因为在这两个波长上，氧合血红蛋白(Oxyhemoglobin，O2Hb)和还原血红蛋白(Deoxyhemoglobin，HHb)的吸收系数有显著差异；
当血液脉动时，血液的容积变化会导致红光和红外光的吸收量不同，从而产生差异信号；
通过测量红光和红外光的吸收比例，可以计算出血氧饱和度；因为在血液中，氧合血红蛋白对红光的吸收少，对红外光的吸收多；而还原血红蛋白对红光的吸收多，对红外光的吸收少；血氧饱和度就是氧合血红蛋白的数量占总血红蛋白数量的比例；
因此，血氧饱和度的计算公式为：
OX＝(O2Hb/(O2Hb+HHb))*100％
其中，OX是血氧饱和度，O2Hb是氧合血红蛋白的吸光度，HHb是还原血红蛋白的吸光度；
所述血氧夹持单元包括夹持座4和第二供电电池，所述夹持座4呈O字型，且所述第一发射光源5、第二发射光源6设置在所述夹持座4的一侧，所述光检测器7设置在所述夹持座4的另一侧且正对所述第一发射光源5、第二发射光源6，以形成夹持在所述病人8指尖的嵌套腔，所述第二供电电池用于对所述第一发射光源5、第二发射光源6和光检测器7进行供电；
在使用的过程中，操作者将血氧夹持单元嵌套在所述病人8的指尖上，从而实现对所述病人8血氧的监测；
通过所述绑定单元、移动监测单元、血氧夹持单元、血氧监测单元、心率监测单元和呼吸监测单元之间的配合，使得所述病人8的生理数据能够被精准检测，以提升病人8异常行为的识别能力，还兼顾提升整个装置的智能检测能力；
可选的，所述数据采集模块包括采集单元和支撑架，所述支撑架支撑所述采集单元，所述采集单元采集所述病人8在活动区域的图像数据，所述采集单元包括采集探头和数据存储器，所述采集探头采集所述病人8在活动区域中的图像数据，所述数据存储器存储所述采集探头采集到的所述病人8的图像数据；
其中，所述采集单元设置在所述支撑架上，且所述支撑架固定在活动区域中；
可选的，所述风险预测模块包括数据调用单元和风险评估单元，所述数据调用单元调用所述数据采集模块采集得到的图像数据和所述数据分析模块的分析结果，所述风险评估单元对数据调用单元调用得到的数据对所述病人8风险进行评估；
其中，所述调用单元包括调用请求器和计时器，所述计时器用于相邻两个调用请求的时间间隔进行计时，所述调用请求器根据计时器的时间间隔触发对所述数据采集模块采集得到的图像数据和所述数据分析模块的分析结果进行调用；
在本实施例中，所述计时器的时间间隔由操作者根据实际情况进行设定，并在时间倒计时达到后触发所述调用请求器调用所述数据采集模块采集得到的图像数据和所述数据分析模块的分析结果，其中，调用请求器发出调用请求后，所述服务器响应所述调用请求后，将所述数据采集模块采集得到的图像数据和所述数据分析模块的分析结果传输至所述风向评估单元中进行评估；
通过所述数据调用单元和所述风险评估单元的相互配合，使得整个系统能够根据所述数据采集模块采集得到的图像数据和所述数据分析模块的分析结果对病人8的异常行为进行风险评估，使得整个系统具有异常识别能力精准、智能程度高、能对异常行为进行预警的优点；
可选的，所述风险评估单元获取所述数据采集模块采集得到的图像数据和所述数据分析模块的分析结果并根据下式计算病人的风险指数Worn：
Worn＝β·Comprehensive+γ·F(ImageData)；
式中，Comprehensive为综合评估指数，F(ImageData)为处理和利用病人检测算法输出结果的函数，β和γ是权重系数，用于调整综合评估指数Comprehensive和处理和利用病人检测算法输出结果的函数F(ImageData)在风险指数中的相对重要性，这两个权重系数的选择会根据实际应用环境和目标进行调整；
若所述风险指数Worn不在设定的安全阈值范围内，则触发所述预警模块向所述医护人员进行提示；
若所述风险指数Worn在设定的安全阈值范围内，则说明病人处于可接受的状态，并继续对病人进行监控；
其中，设定的安全阈值范围由系统或医护人员根据监护环境的实际情况进行设定，这是本领域的技术人员所熟知的技术手段，本领域的技术人员可以查询相关的技术手册获知该技术，因而在本实施例中不再一一赘述；
可选的，处理和利用病人检测算法输出结果的函数F(ImageData)根据下式进行计算：
式中，n为图像中检测到的病人的总数量，i为第i个检测到病人的图像标签，confidence_i为第i个检测到的病人的置信度，其值通常是由病人识别模型自动得到，area_i为病人的边界框的面积，其值由系统进行设定，例如通过病人识别模型设定的识别边界框的长度和宽度，即可获得病人的边界框的面积；
total_area为图像的总面积，通常就是指图像的像素总数，也就是图像的宽度(width)和高度(height)的乘积；具体来说，如果你有一张图像，其宽度为W像素，高度为H像素，那么这张图像的总面积就是W*H，这是因为每一个像素都可以被看作是图像的一部分面积，所以，对于total_area的计算公式，如果我们使用W来代表图像的宽度，H来代表图像的高度(这两个值通常可以直接从图像的元数据中获取)，那么有：total_area＝W*H；
其中，Σ(confidence_i*area_i)的含义可以理解为，对所有检测到的物体，计算模型对每个物体的确信程度和该物体在图像中所占据的空间的综合评估值的总和。这个值越大，说明检测到的物体(病人)数量可能越多，或者说模型对检测结果的确信程度越高；
在本实施例中，病人检测算法可以采用YOLO或R-CNN进行处理，这是一种本领域的技术人员熟知的技术手段，本领域的技术人员可以查询相关的技术手册获知该技术，因而在本实施例中不再一一赘述；
通过所述数据采集模块对所述病人在活动区域的图像进行采集，能动态的掌握所述病人的活动范围，提升整个系统对病人异常的评估能力；
同时，在本实施中提供一种构建病人识别模型的步骤：
S1、需要收集大量的病人图像数据；这些数据可以通过在病人活动区域的摄像头上捕获并保存图像来获得；
S2、收集到图像后，需要进行标注；标注的过程包括为图像中的每个病人画出边界框，并指定类别(在这个场景中是“病人”)；这个过程可以手动进行，也可以使用半自动化的标注工具来完成；
S3、图像的缩放、归一化等，以适应模型的输入要求；
S4、选择现有的物体检测算法，例如YOLO，Faster R-CNN等；这些算法的选择主要基于实际需求，例如YOLO适合对实时性要求较高的场景，而Faster R-CNN适合对精确度要求较高的场景；
S5、评估：训练完成后，我们需要评估模型的性能；这通常涉及到使用一个独立的测试集(模型在训练过程中未见过的数据)来进行评估；评估指标可能包括准确率、召回率、mAP等；优化：基于评估结果，我们可能需要对模型进行优化；这可能包括更改模型的参数，使用不同的优化算法，或者更改模型的结构等；
S6、将训练好的模型将被部署到实际环境中，实时分析输入的图像，识别和定位病人；
上述是本领域提供的一种构建病人识别模型的步骤，本领域的技术人员可以更换或替代另一种方法实现对病人识别和定位的方式，因而在本实施例中不再一一赘述；
可选的，所述预警模块包括预警单元和交互提示单元，所述预警单元获取所述风险预测模块的预测结果，所述交互提示单元将预警单元的预测结果向医护人员进行提示，以提示所述医护人员对病人进行护理；
所述交互提示单元设置在所述医护人员可以轻易接触或观看的显示设备上，以获得所述病人的实时预警状态；
其中，所述交互提示单元包括显示屏和指示灯，所述显示屏显示所述风险预测模块的预测结果，所述指示灯根据所述风险预测模块的预测结果显示不同中颜色，以提示所述医护人员；
通过所述风险预测模块和预警模块相互配合，使得所述病人的异常行为能够被检测，并主动发出预警，以向所述医护人员发出提示，使得整个系统具有异常行为预警迅速和护理监管能力强的优点。
实施例二：本实施例应当理解为包含前述任一一个实施例的全部特征，并在其基础上进一步改进，根据图1、图2、图3、图4、图5、图6、图7、图8、图9所示，还在于所述数据采集模块还包括床感应单元和感应分析单元，所述床感应单元对所述精神病人8在病床上的信号进行感应，以获取所述病人8的睡姿和坐姿数据(在床上就坐)，所述感应分析单元根据所述床感应单元采集对病人8睡姿和坐姿数据对病人8进行分析；
所述床感应单元包括至少一个压力检测板11、侧沿检测杆12和数据采集器，至少一个压力检测板11采集所述病人8作用在床板上的压力数据，所述侧沿检测杆12设置在床板侧沿的上表面，并采集所述病人8作用在所述床板侧沿的压力数据，所述数据采集器用于对至少一个压力检测板11、侧沿检测杆12的数据进行采集；
所述感应分析单元获取所述床感应单元采集得到的数据，并根据下式计算压力评估指数Press：
式中，w1、w2、w3、w4为权重系数，其值由医护人员根据实际情况并从人机交互界面输入，normalied_P_i为第i个压力检测板11上检测到并经过归一化后的压力数据，normalied_S_j为第j个侧沿检测杆12上检测到到并经过归一化后的压力数据，N为压力检测板11的数量，根据病床的实际情况设定，M为侧沿检测杆12的数量，根据病床的实际情况设定，K为调整系数，其值由系统进行设定，normalied_B为所述病人8的体重系数，根据病人8的实时体重与病人体重数据的最大值、最小值进行归一化处理得出的值得出，normalied_T为床铺的软硬程度系数，根据病床的实际情况进行设定，normalied_A为所述病人8的年龄系数，根据病人8的实际情况设定，normalied_D为所述病人8的病情等级系数，由医护人员对被监护的病人8的病情进行设定；
对于第i个压力检测板11上检测到并经过归一化后的压力数据normalied_P_i，根据下式进行计算：
式中，P_i是第i个压力检测板11检测得到的实时压力数据，min_P和max_P分别是所有压力检测板11上检测到的历史压力数据中的最小值和最大值；
对于第j个侧沿检测杆12上检测到到并经过归一化后的压力数据normalied_S_j，根据下式进行计算：
式中，S_j是第j个侧沿检测杆12检测得到的实时压力数据，min_S和max_S分别是所有侧沿检测杆12上检测到的历史压力数据中的最小值和最大值；
当所述感应分析单元得出压力评估指数Press后，将所述压力评估指数Press与设定的监控阈值进行比对，若存在压力评估指数Press小于设定的监控阈值monitor，则说明病人不在床上，则触发对所述医护人员的提示，以实现对行动不便的精神病人进行监控和管理的目的；
若存在压力评估指数Press大于设定的监控阈值monitor，则说明病人在床上，继续对所述病人进行控制；
其中，设定的监控阈值monitor由系统或医护人员根据病人的情况进行设定，这是本领域的技术人员所熟知的技术手段，本领域的技术人员可以查询相关的技术手册获知该技术，因而在本实施例中不再一一赘述；
通过所述床感应单元和所述感应分析单元的配合，使得所述病人在床上的状态能够被采集，提升了自动化识别并管理所述病人在床上的状态，以达到对所述病人精准监控的目的。
以上所公开的内容仅为本发明的优选可行实施例，并非因此局限本发明的保护范围，所以凡是运用本发明说明书及附图内容所做的等效技术变化，均包含于本发明的保护范围内，此外，随着技术发展其中的元素可以更新的。

Claims (3)

1.一种安全检测与智能评估系统，所述安全检测与智能评估系统包括服务器，其特征在于，所述安全检测与智能评估系统还包括数据采集模块、数据分析模块、预警模块、风险预测模块和生理指标监测模块，所述服务器分别与所述数据采集模块、数据分析模块、预警模块、风险预测模块和生理指标监测模块连接；
所述数据采集模块采集病人活动的图像数据，生理指标监测模块采集病人的生理指标，所述数据分析模块根据所述生理指标监测模块采集得到的生理指标进行综合分析形成分析结果，所述风险预测模块根据所述数据采集模块采集的病人活动的图像数据和数据分析模块的所述分析结果进行风险预测，所述预警模块根据所述风险预测模块的预测结果向触发向医护人员发出警告；
所述数据分析模块获取所述生理指标监测模块采集病人的生理指标数据，并根据下式计算综合评估指数Comprehensive：
；
式中，α1、α2、α3、α4为权重系数，由系统根据实际情况和需求进行调整，Move为所述生理指标监测模块采集得到的所述病人的移动数据，HR为所述生理指标监测模块采集到的病人的心率数据，OX为所述生理指标监测模块采集到的病人的血氧饱和度数据，RR为所述生理指标监测模块采集到的病人的呼吸频率数据；
所述风险预测模块调用所述数据采集模块采集病人活动的图像数据和所述数据分析模块生成的所述分析结果，并根据所述分析结果触发对所述病人的风险进行预测；
所述生理指标监测模块包括绑定单元、移动监测单元、血氧监测单元、心率监测单元和呼吸监测单元，所述绑定单元将所述移动监测单元、血氧监测单元、心率监测单元和呼吸监测单元进行支撑，并绑定在所述病人身上，所述移动监测单元采集所述病人的移动量数据，所述呼吸监测单元监测所述病人的呼吸频率数据，所述心率监测单元监测所述病人的心率数据，所述血氧监测单元监测所述病人的血氧饱和度数据；
其中，所述移动监测单元、所述血氧监测单元、心率监测单元和呼吸监测单元将采集得到的数据通过无线传输的方式传输至所述数据分析模块中；
所述生理指标监测模块采集得到的所述病人的移动数据Move根据下式进行计算：
；
式中，m为所述移动监测单元采集得到的实时位移量，min_M为所述病人历史的移动量的最小值，max_M为所述病人历史的移动量的最大值；
所述生理指标监测模块采集到的病人的呼吸频率数据RR根据下式进行计算：
；
式中，Ri为所述呼吸监测单元检测得到的呼吸频率值，μ_RR 是所述病人的呼吸频率的均值，σ_RR 为所述病人的呼吸频率的标准差；
所述生理指标监测模块采集到的病人的心率数据HR根据下式进行计算：
；
式中，Hi为所述呼吸监测单元检测得到的呼吸频率值，μ_HR 是所述病人的呼吸频率的均值，σ_HR 为所述病人的呼吸频率的标准差；
所述风险预测模块包括数据调用单元和风险评估单元，所述数据调用单元调用所述数据采集模块采集得到的图像数据和所述数据分析模块的分析结果，所述风险评估单元通过数据调用单元调用得到的数据对所述病人风险进行评估；
其中，所述数据调用单元包括调用请求器和计时器，所述计时器用于对相邻两个调用请求的时间间隔进行计时，所述调用请求器根据计时器的时间间隔触发对所述数据采集模块采集得到的图像数据和所述数据分析模块的分析结果进行调用；
所述风险评估单元获取所述数据采集模块采集得到的图像数据和所述数据分析模块的分析结果并根据下式计算病人的风险指数Worn：
；
式中，Comprehensive为综合评估指数，F(ImageData)为处理和利用病人检测算法输出结果的函数，β和γ是权重系数，用于调整综合评估指数Comprehensive和处理和利用病人检测算法输出结果的函数F(ImageData) 在风险指数中的相对重要性，这两个权重系数根据实际应用环境和目标进行调整；
若所述风险指数Worn不在设定的安全阈值范围内，则触发所述预警模块向所述医护人员进行提示；
利用病人检测算法输出结果的函数F(ImageData)根据下式进行计算：
；
式中，n为图像中检测到的病人的总数量，i为第i个检测到的病人，confidence_i为第i个检测到的病人的置信度，其值通常是由病人识别模型自动得到， area_i为病人的边界框的面积，其值由系统进行设定；
所述数据采集模块还包括床感应单元和感应分析单元；所述床感应单元对病人在病床上的信号进行感应，以获取所述病人的睡姿和坐姿数据，所述感应分析单元根据所述床感应单元采集对病人睡姿和坐姿数据对病人进行分析；
所述床感应单元包括至少一个压力检测板、侧沿检测杆和数据采集器，至少一个压力检测板采集所述病人作用在床板上的压力数据，所述侧沿检测杆设置在床板侧沿的上表面，并采集所述病人作用在所述床板侧沿的压力数据，所述数据采集器用于对至少一个压力检测板、侧沿检测杆的数据进行采集；
所述感应分析单元获取所述床感应单元采集得到的数据，并根据下式计算压力评估指数Press：
；
式中，w1、w2、w3、w4为权重系数，其值由医护人员根据实际情况并从人机交互界面输入，normalied_P_i为第i个压力检测板上检测到并经过归一化后的压力数据，normalied_S_j为第j个侧沿检测杆上检测到到并经过归一化后的压力数据，N为压力检测板的数量，根据病床的实际情况设定，M为侧沿检测杆的数量，根据病床的实际情况设定，K为调整系数，其值由系统进行设定，normalied_B为所述病人的体重系数，根据病人的实时体重与病人体重数据的最大值、最小值进行归一化处理得出的值得出，normalied_T为床铺的软硬程度系数，根据病床的实际情况进行设定，normalied_A为所述病人的年龄系数，根据病人的实际情况设定，normalied_D为所述病人的病情等级系数，由医护人员对被监护的病人的病情进行设定；
当所述感应分析单元得出压力评估指数Press后，将所述压力评估指数Press与设定的监控阈值进行比对，若存在压力评估指数Press小于设定的监控阈值monitor，则说明病人不在床上，则触发对所述医护人员的提示，以实现对行动不便的精神病人进行监控和管理的目的；
若存在压力评估指数Press大于设定的监控阈值monitor，则说明病人在床上，继续对所述病人进行控制。
2.根据权利要求1所述的安全检测与智能评估系统，其特征在于，所述数据采集模块包括采集单元和支撑架，所述支撑架支撑所述采集单元，所述采集单元采集所述病人在活动区域的图像数据，所述采集单元包括采集探头和数据存储器，所述采集探头采集所述病人在活动区域中的图像数据，所述数据存储器存储所述采集探头采集到的所述病人的图像数据；
其中，所述采集单元设置在所述支撑架上，且所述支撑架固定在活动区域中。
3.根据权利要求2所述的安全检测与智能评估系统，其特征在于，所述预警模块包括预警单元和交互提示单元，所述预警单元获取所述风险预测模块的预测结果，所述交互提示单元将预警单元的预测结果向医护人员进行提示，以提示所述医护人员对病人进行护理。
CN202311045329.5A 2023-08-18 2023-08-18 一种安全检测与智能评估系统 Active CN117064350B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311045329.5A CN117064350B (zh) 2023-08-18 2023-08-18 一种安全检测与智能评估系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311045329.5A CN117064350B (zh) 2023-08-18 2023-08-18 一种安全检测与智能评估系统

Publications (2)

Publication Number Publication Date
CN117064350A CN117064350A (zh) 2023-11-17
CN117064350B true CN117064350B (zh) 2024-06-28

Family

ID=88712739

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311045329.5A Active CN117064350B (zh) 2023-08-18 2023-08-18 一种安全检测与智能评估系统

Country Status (1)

Country Link
CN (1) CN117064350B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117807398B (zh) * 2024-01-09 2024-09-17 连云港原秀科技有限公司 一种基于数据分析的模具智能管控系统

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114677826A (zh) * 2022-03-24 2022-06-28 中南大学湘雅二医院 一种基于个体行为与生理特征的精神病人暴力预警系统

Family Cites Families (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8821418B2 (en) * 2007-05-02 2014-09-02 Earlysense Ltd. Monitoring, predicting and treating clinical episodes
CN105575056B (zh) * 2016-02-06 2017-10-10 马美丽 医院综合风险预警系统及预警方法
CN105528860B (zh) * 2016-02-06 2018-04-10 张莉 重症监护病房预警系统及预警方法
CN107169307A (zh) * 2017-07-07 2017-09-15 中北大学 健康风险评估方法和装置
CN107301325A (zh) * 2017-08-28 2017-10-27 冯立俊 一种智能型病房专用护理及警戒系统
CN109378086A (zh) * 2018-12-25 2019-02-22 邵阳学院 物联网环境下居家养老健康信息智能感知分析和预警系统
CN110464564B (zh) * 2019-09-19 2021-09-10 哈尔滨久霆科技有限公司 一种基于自动检测和远程分析的智能床板系统
CN111613337B (zh) * 2020-05-15 2023-11-14 首都医科大学 一种重症监护病房用的智能化谵妄评估系统及评估方法
CN113520395A (zh) * 2021-07-15 2021-10-22 北京心驰智途科技有限公司 一种精神状态的实时评估系统和方法
CN113842124A (zh) * 2021-09-30 2021-12-28 北京瑞格心灵科技有限公司 一种基于生理健康指标的精神状态预测方法、系统及设备
CN114652303B (zh) * 2022-05-25 2022-11-18 长沙市第三医院 一种智能监测系统
CN116013495A (zh) * 2022-12-08 2023-04-25 广州视声健康科技有限公司 一种基于智慧病房的数据监控方法和装置
CN116230233A (zh) * 2023-03-13 2023-06-06 无锡市第九人民医院 一种脑卒中患者的落床风险评估方法及系统

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114677826A (zh) * 2022-03-24 2022-06-28 中南大学湘雅二医院 一种基于个体行为与生理特征的精神病人暴力预警系统

Also Published As

Publication number Publication date
CN117064350A (zh) 2023-11-17

Similar Documents

Publication Publication Date Title
US10441184B2 (en) Electrocardiogram device and methods
US9451905B2 (en) Method and apparatus for monitoring the baroreceptor reflex of a user
JP5859979B2 (ja) 人間の健康の監視のための多変量残差に基づく健康指標
EP2265173B1 (en) Method and system for sleep/wake condition estimation
US8388530B2 (en) Personalized monitoring and healthcare information management using physiological basis functions
US9375142B2 (en) Learning patient monitoring and intervention system
US20160038043A1 (en) Assessing Effectiveness of CPR
US11510594B2 (en) Posture determination apparatus
CN108135487A (zh) 用于获得对象的生命体征信息的设备、系统和方法
WO2017018504A1 (ja) 生体状態判定装置及び生体状態判定方法
EP3523740A1 (en) Patient monitoring systems and methods
CN105411554A (zh) 一种无线式无创伤人体生理参数采集、检测及智能诊断系统
EP3539135A1 (en) Patient monitoring systems and methods
CN117064350B (zh) 一种安全检测与智能评估系统
CN112806966A (zh) 一种非干扰式睡眠中呼吸暂停预警系统及方法
KR102266857B1 (ko) 클라우드 기반 스마트 넥밴드를 통한 반려동물 대사증후군 사전 예방 시스템, 서버 및 방법
CN110811547A (zh) 一种多导睡眠监测仪及睡眠监测方法
CN111916211A (zh) 一种适用于失能老人的安全监护系统和方法
KR102119805B1 (ko) 수면 모니터링 및 코칭을 위한 생체정보 측정 시스템 및 방법
KR20200056674A (ko) 반려동물 만성질환 통합 관리 시스템, 서버 및 방법
KR20220097625A (ko) 스마트 매트리스
CN117322841A (zh) 一种基于云计算服务的睡眠健康管理系统
CN115607123A (zh) 一种心肺功能监测和呼吸机闭环控制一体化装置
CN210494064U (zh) 一种动态心电、呼吸和运动监测设备
CN117158913B (zh) 一种儿童生理状况的监测与评价系统

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant