CN112967819A - 一种神经外科手术的术前评估方法及*** - Google Patents

Abstract

本发明公开一种神经外科手术的术前评估方法及***，通过第一用户信息获得第一手术方案；根据第一手术方案获得第一手术评估信息；将第一手术方案、第一用户历史信息输入指标匹配模型获得第一匹配指标信息；根据第一手术评估信息、第一匹配指标信息获得第一用户评估规则；根据第一用户评估规则获得第一、第二评估规则信息；根据第一评估规则信息，获得第一用户检测要求；根据第二评估规则信息，生成第一用户评估问卷；根据第一用户检测要求获得第一评估结果；根据第一用户评估问卷获得第二评估结果；根据第一、第二评估结果获得第一用户术前评估报告。解决了术前评估依靠医生的经验和检查数据，存在评估结果不够全面、且可靠度不稳定的技术问题。

Description

一种神经外科手术的术前评估方法及***

技术领域

本发明涉及数据分析技术领域，尤其涉及一种神经外科手术的术前评估方法及***。

背景技术

神经外科(Neurosurgery)是外科学中的一个分支，是在外科学以手术为主要治疗手段的基础上，应用独特的神经外科学研究方法，研究人体神经***，如脑、脊髓和周围神经***，以及与之相关的附属机构，如颅骨、头皮、脑血管脑膜等结构的损伤、炎症、肿瘤、畸形和某些遗传代谢障碍或功能紊乱疾病，如：癫痫、帕金森病、神经痛等疾病的病因及发病机制，并探索新的诊断、治疗、预防技术的一门高、精、尖学科。术前评估为病人和家属提供了重要了解手术过程、风险和效果的机会，由于神经外科手术存在一定的风险难度，因而术前评估也对于手术的正常进行提供了有效的保障。

但本申请发明人在实现本申请实施例中发明技术方案的过程中，发现上述技术至少存在如下技术问题：

现有技术中神经外科手术术前评估依靠医生的经验和检查数据，受医生的水平影响较大，缺乏客观全面的评估标准，存在评估结果不够全面、且可靠度不稳定的技术问题。

发明内容

本申请实施例通过提供一种神经外科手术的术前评估方法及***，解决了现有技术中神经外科手术术前评估依靠医生的经验和检查数据，受医生的水平影响较大，缺乏客观全面的评估标准，存在评估结果不够全面、且可靠度不稳定的技术问题。

鉴于上述问题，提出了本申请实施例提供一种神经外科手术的术前评估方法及***。

第一方面，本申请实施例提供了一种神经外科手术的术前评估方法，所述方法包括：获得第一用户信息；根据所述第一用户信息，获得第一用户第一手术方案；根据所述第一用户信息，获得第一用户历史信息；根据所述第一用户第一手术方案，获得第一手术评估信息；将所述第一用户第一手术方案、所述第一用户历史信息输入指标匹配模型中，获得第一匹配指标信息；根据所述第一手术评估信息、所述第一匹配指标信息，获得第一用户评估规则；根据所述第一用户评估规则，获得第一评估规则信息、第二评估规则信息，其中，所述第一评估规则信息具有第一属性；根据所述第一评估规则信息，获得第一用户检测要求；根据所述第二评估规则信息，生成第一用户评估问卷；根据所述第一用户检测要求、第一用户评估规则，获得第一评估结果；根据所述第一用户评估问卷、第一用户评估规则，获得第二评估结果；根据所述第一评估结果、所述第二评估结果，获得所述第一用户术前评估报告。

另一方面，本申请还提供了一种神经外科手术的术前评估***，所述***包括：

第一获得单元，所述第一获得单元用于获得第一用户信息；

第二获得单元，所述第二获得单元用于根据所述第一用户信息，获得第一用户第一手术方案；

第三获得单元，所述第三获得单元用于根据所述第一用户信息，获得第一用户历史信息；

第四获得单元，所述第四获得单元用于根据所述第一用户第一手术方案，获得第一手术评估信息；

第一执行单元，所述第一执行单元用于将所述第一用户第一手术方案、所述第一用户历史信息输入指标匹配模型中，获得第一匹配指标信息；

第五获得单元，所述第五获得单元用于根据所述第一手术评估信息、所述第一匹配指标信息，获得第一用户评估规则；

第六获得单元，所述第六获得单元用于根据所述第一用户评估规则，获得第一评估规则信息、第二评估规则信息，其中，所述第一评估规则信息具有第一属性，所述第二评估规则信息具有第二属性；

第七获得单元，所述第七获得单元用于根据所述第一评估规则信息，获得第一用户检测要求；

第八获得单元，所述第八获得单元用于根据所述第二评估规则信息，生成第一用户评估问卷；

第九获得单元，所述第九获得单元用于根据所述第一用户检测要求、第一用户评估规则，获得第一评估结果；

第十获得单元，所述第十获得单元用于根据所述第一用户评估问卷、第一用户评估规则，获得第二评估结果；

第十一获得单元，所述第十一获得单元用于根据所述第一评估结果、所述第二评估结果，获得所述第一用户术前评估报告。

第三方面，本发明提供了一种神经外科手术的术前评估***，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其中，所述处理器执行所述程序时实现第一方面所述方法的步骤。

本申请实施例中提供的一个或多个技术方案，至少具有如下技术效果或优点：

本申请实施例提供了一种神经外科手术的术前评估方法及***，通过获得第一用户信息；根据所述第一用户信息，获得第一用户第一手术方案；根据所述第一用户信息，获得第一用户历史信息；根据所述第一用户第一手术方案，获得第一手术评估信息；将所述第一用户第一手术方案、所述第一用户历史信息输入指标匹配模型中，获得第一匹配指标信息；根据所述第一手术评估信息、所述第一匹配指标信息，获得第一用户评估规则；根据所述第一用户评估规则，获得第一评估规则信息、第二评估规则信息，其中，所述第一评估规则信息具有第一属性；根据所述第一评估规则信息，获得第一用户检测要求；根据所述第二评估规则信息，生成第一用户评估问卷；根据所述第一用户检测要求、第一用户评估规则，获得第一评估结果；根据所述第一用户评估问卷、第一用户评估规则，获得第二评估结果；根据所述第一评估结果、所述第二评估结果，获得所述第一用户术前评估报告。根据第一评估规则信息中的指标数据生成对应检测要求，按照检测要求获得对应的检测结果，根据第一用户评估问卷的答复内容提取对应的指标结果，将其结果和第一用户评估规则中确定指标要求进行比对，根据差值和评价规则的量化标准，转化为合格率，将所有评估指标的评估指标进行汇总，进行总体的身体评估，最终生成第一用户的术前评估报告，包括了检测的所有指标内容和方案的对照关系，整体术前的评估结果等内容均包括其中，达到了利用大数据的便捷和全面性结合手术方案进行指标分析，从中确定手术影响的影响参数信息，同时结合用户的身体特点和历史病历针对性制定评估规则，将数据的全面性和个人的差异性进行了有效结合，确保了评估范围的全面性，同时保障了个人贴合度准确性更高，不再依赖医生的个人水平，借助数据的科学***分析处理提高了分析结果的稳定性，同时加入了数学模型提高了运算速度和结果的准确度，有效提高了神经外科手术的术前评估效率，具有指标设定全面、准确的技术效果。从而解决了现有技术中神经外科手术术前评估依靠医生的经验和检查数据，受医生的水平影响较大，缺乏客观全面的评估标准，存在评估结果不够全面、且可靠度不稳定的技术问题。

上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。

附图说明

图1为本申请实施例一种神经外科手术的术前评估方法的流程示意图；

图2为本申请实施例一种神经外科手术的术前评估***的结构示意图；

图3为本申请实施例示例性电子设备的结构示意图。

附图标记说明：第一获得单元11，第二获得单元12，第三获得单元13，第四获得单元14，第一执行单元15，第五获得单元16，第六获得单元17，第七获得单元18，第八获得单元19，第九获得单元20，第十获得单元21，第十一获得单元22，总线300，接收器301，处理器302，发送器303，存储器304，总线接口305。

具体实施方式

本申请实施例通过提供一种神经外科手术的术前评估方法及***，解决了现有技术中神经外科手术术前评估依靠医生的经验和检查数据，受医生的水平影响较大，缺乏客观全面的评估标准，存在评估结果不够全面、且可靠度不稳定的技术问题。下面，将参考附图详细的描述根据本申请的示例实施例。显然，所描述的实施例仅是本申请的一部分实施例，而不是本申请的全部实施例，应理解，本申请不受这里描述的示例实施例的限制。

申请概述

神经外科(Neurosurgery)是外科学中的一个分支，是在外科学以手术为主要治疗手段的基础上，应用独特的神经外科学研究方法，研究人体神经***，如脑、脊髓和周围神经***，以及与之相关的附属机构，如颅骨、头皮、脑血管脑膜等结构的损伤、炎症、肿瘤、畸形和某些遗传代谢障碍或功能紊乱疾病，如：癫痫、帕金森病、神经痛等疾病的病因及发病机制，并探索新的诊断、治疗、预防技术的一门高、精、尖学科。术前评估为病人和家属提供了重要了解手术过程、风险和效果的机会，由于神经外科手术存在一定的风险难度，因而术前评估也对于手术的正常进行提供了有效的保障。但现有技术中神经外科手术术前评估依靠医生的经验和检查数据，受医生的水平影响较大，缺乏客观全面的评估标准，存在评估结果不够全面、且可靠度不稳定的技术问题。

针对上述技术问题，本申请提供的技术方案总体思路如下：

获得第一用户信息；根据所述第一用户信息，获得第一用户第一手术方案；根据所述第一用户信息，获得第一用户历史信息；根据所述第一用户第一手术方案，获得第一手术评估信息；将所述第一用户第一手术方案、所述第一用户历史信息输入指标匹配模型中，获得第一匹配指标信息；根据所述第一手术评估信息、所述第一匹配指标信息，获得第一用户评估规则；根据所述第一用户评估规则，获得第一评估规则信息、第二评估规则信息，其中，所述第一评估规则信息具有第一属性；根据所述第一评估规则信息，获得第一用户检测要求；根据所述第二评估规则信息，生成第一用户评估问卷；根据所述第一用户检测要求、第一用户评估规则，获得第一评估结果；根据所述第一用户评估问卷、第一用户评估规则，获得第二评估结果；根据所述第一评估结果、所述第二评估结果，获得所述第一用户术前评估报告。达到了利用大数据的便捷和全面性结合手术方案进行指标分析，从中确定手术影响的影响参数信息，同时结合用户的身体特点和历史病历针对性制定评估规则，将数据的全面性和个人的差异性进行了有效结合，确保了评估范围的全面性，同时保障了个人贴合度准确性更高，不再依赖医生的个人水平，借助数据的科学***分析处理提高了分析结果的稳定性，同时加入了数学模型提高了运算速度和结果的准确度，有效提高了神经外科手术的术前评估效率，具有指标设定全面、准确的技术效果。

在介绍了本申请基本原理后，下面将结合说明书附图来具体介绍本申请的各种非限制性的实施方式。

实施例一

如图1所示，本申请实施例提供了一种神经外科手术的术前评估方法，所述方法包括：

步骤S100：获得第一用户信息；

具体而言，利用本方法进行术前评估的用户，需要提前录入个人资料进行申请登录，第一用户信息为第一用户的个人身份信息、数据获取许可等等。可以利用第一用户信息进行第一用户的身份筛查、大数据中个人信息的查找、抓取都操作，提高数据来源的便捷、可靠性，同时确保用户的个人隐私。

步骤S200：根据所述第一用户信息，获得第一用户第一手术方案；

具体而言，根据第一用户的个人身份信息，筛选出第一用户的第一手术方案，第一手术方案为与第一用户进行数据同步的手术方案数据，包括了评估手术的具体手术方案信息，包括手术步骤、手术主刀人、医护人员信息、使用的手术仪器、手术药品等具体内容。

步骤S300：根据所述第一用户信息，获得第一用户历史信息；

具体而言，第一用户历史信息为第一用户的历史病历信息，包括第一用户的身体素质报告、检查数据、家族病情、历史治疗记录、可以从大数据中提取的各种医疗数据。通过第一用户历史信息可以掌握第一用户的历史治疗记录和当前的基本身体指标、评估第一用户的身体素质。

步骤S400：根据所述第一用户第一手术方案，获得第一手术评估信息；

进一步而言，所述根据所述第一用户第一手术方案，获得第一手术评估信息，本申请实施例步骤S400包括：

步骤S410：根据所述第一用户第一手术方案，获得第一手术步骤信息；

步骤S420：根据所述第一手术步骤信息，获得步骤难度系数；

步骤S430：判断所述步骤难度系数是否满足第一预定条件；

步骤S440：当满足时，根据所述第一手术步骤信息，获得步骤历史记录信息；

步骤S450：根据所述步骤历史记录信息，获得步骤影响参数；

步骤S460：根据所述步骤影响参数，获得参数影响系数；

步骤S470：根据所述步骤影响参数、所述参数影响系数，获得所述第一手术评估信息。

具体而言，根据第一用户第一手术方案的具体内容结合第一用户的病情资料，确定第一手术方案中存在的手术风险，根据第一手术方案中的各手术步骤，明确各步骤需要用到的仪器、药品，了解步骤的手术难度、风险系数等，这些都可以通过历史实验和临床数据进行分析处理，为了提高运算速度和准确度还可以通过构建数学模型的方法进行运算，通过对关键词进行大数据检索或者本***、本地数据的检索，掌握相关步骤的历史、临床、实验数据，通过历史数据进行影响参数的分析，找出步骤中需要提前进行评估的参数，对于手术步骤中的难度系数不高的步骤可以进行跳过，第一预定条件为设定的足够小，主要对没有风险的步骤进行筛除，避免没必要的计算分析，如手术准备工作等，根据手术步骤历史记录信息，找到在该步骤中曾经出现的对手术产生影响的影响参数，由于历史记录信息的来源是否全面影响到影响参数分析的准确性，因而除了按照历史记录进行影响参数分析外，还要根据学术数据、临床数据等，对该步骤的理论影响参数进行分析，根据确定的所有影响参数和手术步骤中的作用、关系来确定该参数对于手术步骤中的影响系数，最后根据影响参数信息和参数影响系数构成第一手术评估信息。另外为了提高数据的准确性，在进行历史记录分析时，还可以利用主刀医生的个人资料进行数据检索，获得相类似的手术记录，这样更具有参考意义，根据该医生的历史记录进行影响参数的分析确定，提高参数的准确度，更加符合现实使用的环境。

步骤S500：将所述第一用户第一手术方案、所述第一用户历史信息输入指标匹配模型中，获得第一匹配指标信息；

进一步而言，所述将所述第一用户第一手术方案、所述第一用户历史信息输入指标匹配模型中，获得第一匹配指标信息，本申请实施例步骤S500包括：

步骤S510：将所述第一用户第一手术方案作为第一输入信息；

步骤S520：将所述第一用户历史信息作为第二输入信息；

步骤S530：将所述第一输入信息和所述第二输入信息输入指标匹配模型，其中，所述指标匹配模型通过多组训练数据训练获得，所述多组训练数据中的每组均包括：所述第一输入信息、所述第二输入信息和标识所述第一匹配指标信息的标识信息；

步骤S540：获得所述指标匹配模型的输出信息，所述输出信息包括所述第一匹配指标信息。

具体而言，由于相同的手术方案对于不同身体素质的用户，其评估的重点和内容会存在差异性，因而根据第一用户历史信息即第一用户的身体检查数据、病历信息、历史治疗信息确定第一用户的身体状态，和当前的手术方案进行参数匹配，从中找到针对第一用户个人身体状态需要进行评估的指标内容，第一匹配指标信息则是对于第一手术方案中存在的影响指标结合第一用户的身体状态匹配到的，第一用户该指标有问题，刚好又是第一手术方案中需要进行注意和相关的指标，为了提高匹配参数结果的准确性，本申请实施例构建神经网络模型进行处理，利用数学模型进行运算处理，以提高运算速度，同时提高匹配结果的准确性，所述指标匹配模型为机器学习中的神经网络模型，神经网络(NeuralNetworks，NN)是由大量的、简单的处理单元(称为神经元)广泛地互相连接而形成的复杂神经网络***，它反映了人脑功能的许多基本特征，是一个高度复杂的非线性动力学习***。神经网络模型是以神经元的数学模型为基础来描述的。人工神经网络(Artificial NeuralNetworks)，是对人类大脑***的一阶特性的一种描述。简单地讲，它是一个数学模型。通过大量训练数据的训练，将所述第一输入信息和所述第二输入信息输入神经网络模型，则输出第一匹配指标信息。

更进一步而言，所述训练的过程实质为监督学习的过程，每一组监督数据均包括所述第一输入信息和所述第二输入信息和标识所述第一匹配指标信息的标识信息，将所述第一输入信息和所述第二输入信息输入到神经网络模型中，根据用来标识所述第一匹配指标信息的标识信息，所述神经网络模型进行不断的自我修正、调整，直至获得的输出结果与所述标识信息一致，则结束本组数据监督学习，进行下一组数据监督学习；当所述神经网络模型的输出信息达到预定的准确率/达到收敛状态时，则监督学习过程结束。通过对所述神经网络模型的监督学习，进而使得所述神经网络模型处理所述输入信息更加准确，进而获得更加准确、适合的第一匹配指标信息，进而有效进行第一用户的术前评估，进而达到通过历史记录的分析结合手术方案针对第一用户的身体状况进行指标分析，更贴合用户的个人状态，同时加入神经网络模型提高了数据运算处理结果的效率和准确度，为提供更加准确的身体指标评估夯实了基础。

步骤S600：根据所述第一手术评估信息、所述第一匹配指标信息，获得第一用户评估规则；

进一步而言，所述根据所述第一手术评估信息、所述第一匹配指标信息，获得第一用户评估规则，本申请实施例步骤S600包括：

步骤S610：根据所述第一匹配指标信息，获得匹配指标名称、匹配指标数据；

步骤S620：根据所述第一手术评估信息、所述匹配指标名称，获得手术指标要求；

步骤S630：根据所述匹配指标数据、所述手术指标要求，获得指标偏差值；

步骤S640：根据所述指标偏差值、所述第一手术评估信息，获得指标影响程度；

步骤S650：判断所述指标影响程度是否满足第二预定条件；

步骤S660：当满足时，根据所述指标偏差值、匹配指标名称、指标影响程度，获得所述第一用户评估规则。

具体而言，根据第一匹配指标信息中包括的指标名称、指标数据结合第一手术评估信息中要求进行评估的指标内容进行综合分析，来确定第一用户需要哪些指标进行针对性的分析处理，由于神经外科的手术根据手术的情况不同，针对了不同的术前检查，因而针对用户的身体状况需要一一进行匹配，得到最全面的指标分析，既不能过多影响病人的精力，也不能太少而影响手术情况，举例而言，神经***评估，意识水平可能会改变麻醉的要求，意识障碍会加重既往的肺萎陷，需要术后辅助机械通气。呼吸***方法，用户患有阻塞性或限制性肺疾病，手术期呼吸***并发症发生概率剧升，术前应该进行肺功能检查和动脉血气分析，改善呼吸功能；泌尿***，术前由于肾衰有酸中毒的患者，如果术后需要进行辅助通气，必须检测酸中毒情况等等。因而根据第一手术评估信息、第一匹配指标信息确定第一用户评估规则，是针对第一用户的身体特点进行定制的评估规则。

步骤S700：根据所述第一用户评估规则，获得第一评估规则信息、第二评估规则信息，其中，所述第一评估规则信息具有第一属性；

进一步而言，所述根据所述第一用户评估规则，获得第一评估规则信息、第二评估规则信息，其中，所述第一评估规则信息具有第一属性，本申请实施例步骤S700包括：

步骤S710：根据所述第一用户评估规则，获得第一用户指标名称列表，其中，所述第一用户指标名称列表中包括N个第一用户指标名称，N为大于1的自然数；

步骤S720：根据所有所述第一用户指标名称，分别获得指标历史来源信息；

步骤S730：根据所述第一属性、所述指标历史来源信息，获得所述第一评估规则信息；

步骤S740：根据所述第一用户评估规则、所述第一评估规则信息，获得所述第二评估规则信息。

步骤S800：根据所述第一评估规则信息，获得第一用户检测要求；

步骤S900：根据所述第二评估规则信息，生成第一用户评估问卷；

具体而言，根据第一用户评估规则中对应的指标采集来源将评估规则中的要求进行分类，主要分为可以通过***直接获取的数据和不能通过***直接获取的，如检查数据可以通过通信连接将数据进行同步直接获取，或者大数据可以进行关键词筛查，检索获得，而有的指标是需要用户自己提供的内容，如近期的服药史，由于一些药物的服用会影响到手术的进展，如患者术前一段时间服用了血液抗凝药物，或者半衰期长的药物，都会对手术产生影响，这些通过数据无法直接获得，按照不同的获取来源将指标分为了两大类，第一属性即可以通过数据查找筛查获得的，其他则需要用户提供的，第一评估规则信息按照指标名称或者代码从***数据筛选接口中获得，第二评估规则信息通过针对评估指标的内容和第一用户的个人特点定制第一用户评估问卷，根据第一用户评估问卷的答复内容来进行对应指标结果的提取。

步骤S1000：根据所述第一用户检测要求、第一用户评估规则，获得第一评估结果；

步骤S1100：根据所述第一用户评估问卷、第一用户评估规则，获得第二评估结果；

步骤S1200：根据所述第一评估结果、所述第二评估结果，获得所述第一用户术前评估报告。

具体而言，根据第一评估规则信息中的指标数据生成对应检测要求，按照检测要求获得对应的检测结果，根据第一用户评估问卷的答复内容提取对应的指标结果，将其结果和第一用户评估规则中确定指标要求进行比对，根据差值和评价规则的量化标准，转化为合格率，将所有评估指标的评估指标进行汇总，进行总体的身体评估，最终生成第一用户的术前评估报告，包括了检测的所有指标内容和方案的对照关系，整体术前的评估结果等内容均包括其中，达到了利用大数据的便捷和全面性结合手术方案进行指标分析，从中确定手术影响的影响参数信息，同时结合用户的身体特点和历史病历针对性制定评估规则，将数据的全面性和个人的差异性进行了有效结合，确保了评估范围的全面性，同时保障了个人贴合度准确性更高，不再依赖医生的个人水平，借助数据的科学***分析处理提高了分析结果的稳定性，同时加入了数学模型提高了运算速度和结果的准确度，有效提高了神经外科手术的术前评估效率，具有指标设定全面、准确的技术效果。从而解决了现有技术中神经外科手术术前评估依靠医生的经验和检查数据，受医生的水平影响较大，缺乏客观全面的评估标准，存在评估结果不够全面、且可靠度不稳定的技术问题。

进一步而言，所述方法还包括：

步骤S1310：根据所述第一用户历史信息，获得第一用户历史手术信息；

步骤S1320：根据所述第一用户历史手术信息、所述第一用户第一手术方案，获得手术关联性；

步骤S1330：根据所述手术关联性，获得关联性筛选标准；

步骤S1340：根据所述关联性筛选标准、所述第一用户历史手术信息的手术关联性，获得第一用户历史手术筛选结果；

步骤S1350：根据所述第一用户历史手术筛选结果，获得手术影响数据；

步骤S1360：根据所述手术影响数据、所述第一手术评估信息，获得第二手术评估信息；

步骤S1370：根据所述第二手术评估信息、所述第一匹配指标信息，获得所述第一用户评估规则。

具体而言，根据第一用户历史信息了解第一用户之前做的手术记录即第一用户历史手术信息，若第一用户历史手术信息中包含了多个手术，可以根据第一用户第一手术方案与历史手术直接的关联性进行分析，对于关联性较高的手术进行分析，具体关联性要满足多少进行分析，要根据第一用户的历史手术情况来确定，若第一用户的历史手术较多，与第一手术方案之间的关联性差别较大的，则选取其中关联性较高的，对于关联性较小的进行筛除，若第一用户的历史手术记录少，则设定的筛选条件就低，尽可能的利用当前的历史记录进行分析，将历史手术记录中出现的问题，该问题对应的指标影响、身体状态影响进行对应分析，如在历史手术记录中用户的血糖高对手术结果造成了影响，则将血糖的控制水平，定位本次的手术影响数据，根据历史手术记录的分析结合当前第一手术评估信息，获得第一用户评估规则，避免在评估指标中出现了遗漏，由于有些用户的在检查指标中正常而在手术中会出现突发状况，因而利用历史手术中出现的问题进行针对性分析，更提高了评估内容的可靠、全面性，更加贴合用户的实际身体情况。进一步解决了现有技术中神经外科手术术前评估依靠医生的经验和检查数据，受医生的水平影响较大，缺乏客观全面的评估标准，存在评估结果不够全面、且可靠度不稳定的技术问题。

进一步而言，所述根据所述第一用户历史信息，获得第一用户历史手术信息之后，包括：

步骤S1410：当所述第一用户历史手术信息不存在时，根据所述第一用户信息，获得第一关联用户信息；

步骤S1420：根据所述第一关联用户信息，获得第一关联历史手术信息；

步骤S1430：当所述第一关联历史手术信息存在时，根据所述第一关联用户信息，获得第一关联历史信息；

步骤S1440：根据所述第一用户历史信息、所述第一关联历史信息，获得第一用户关联程度；

步骤S1450：判断所述第一用户关联程度是否满足第三预定条件；

步骤S1460：当满足时，根据所述第一相关历史手术筛选结果，获得相关手术影响数据；

步骤S1470：根据所述相关手术影响数据、所述第一手术评估信息，获得所述第二手术评估信息。

具体而言，对于第一用户没有历史手术记录的情况，根据第一用户的亲属关系，找到相关联用户，第一关联用户信息即为与第一用户存在血缘、遗传关系的用户，如父母、兄弟姐妹、祖父母等，根据第一关联用户信息查找他们是否存在历史手术记录，若存在，进一步确定该关联用户与第一用户之间的关联程度，若关联程度满足要求，则进一步分析该手术记录病情与第一用户的第一历史信息即第一用户的身体指标、病症之间的关联程度，用第一用户关联程度表示，判断第一用户关联程度是否满足设定的要求，第一用户关联程度愈高则表明参考性越高，若两者手术的关联性越低，则参考价值越低，将满足关联程度要求的指标数据作为参考，加入第一用户的第二手术评估信息中，以提高评估内容的可靠、全面性，更加贴合用户的实际身体情况。进一步解决了现有技术中神经外科手术术前评估依靠医生的经验和检查数据，受医生的水平影响较大，缺乏客观全面的评估标准，存在评估结果不够全面、且可靠度不稳定的技术问题。

实施例二

基于与前述实施例中一种神经外科手术的术前评估方法同样发明构思，本发明还提供了一种神经外科手术的术前评估***，如图2所示，所述***包括：

第一获得单元11，所述第一获得单元11用于获得第一用户信息；

第二获得单元12，所述第二获得单元12用于根据所述第一用户信息，获得第一用户第一手术方案；

第三获得单元13，所述第三获得单元13用于根据所述第一用户信息，获得第一用户历史信息；

第四获得单元14，所述第四获得单元14用于根据所述第一用户第一手术方案，获得第一手术评估信息；

第一执行单元15，所述第一执行单元15用于将所述第一用户第一手术方案、所述第一用户历史信息输入指标匹配模型中，获得第一匹配指标信息；

第五获得单元16，所述第五获得单元16用于根据所述第一手术评估信息、所述第一匹配指标信息，获得第一用户评估规则；

第六获得单元17，所述第六获得单元17用于根据所述第一用户评估规则，获得第一评估规则信息、第二评估规则信息，其中，所述第一评估规则信息具有第一属性，所述第二评估规则信息具有第二属性；

第七获得单元18，所述第七获得单元18用于根据所述第一评估规则信息，获得第一用户检测要求；

第八获得单元19，所述第八获得单元19用于根据所述第二评估规则信息，生成第一用户评估问卷；

第九获得单元20，所述第九获得单元20用于根据所述第一用户检测要求、第一用户评估规则，获得第一评估结果；

第十获得单元21，所述第十获得单元21用于根据所述第一用户评估问卷、第一用户评估规则，获得第二评估结果；

第十一获得单元22，所述第十一获得单元22用于根据所述第一评估结果、所述第二评估结果，获得所述第一用户术前评估报告。

进一步的，所述***还包括：

第十一获得单元，所述第十一获得单元用于根据所述第一用户第一手术方案，获得第一手术步骤信息；

第十二获得单元，所述第十二获得单元用于根据所述第一手术步骤信息，获得步骤难度系数；

第一判断单元，所述第一判断单元用于判断所述步骤难度系数是否满足第一预定条件；

第十三获得单元，所述第十三获得单元用于当满足时，根据所述第一手术步骤信息，获得步骤历史记录信息；

第十四获得单元，所述第十四获得单元用于根据所述步骤历史记录信息，获得步骤影响参数；

第十五获得单元，所述第十五获得单元用于根据所述步骤影响参数，获得参数影响系数；

第十六获得单元，所述第十六获得单元用于根据所述步骤影响参数、所述参数影响系数，获得所述第一手术评估信息。

进一步的，所述***还包括：

第十七获得单元，所述第十七获得单元用于根据所述第一匹配指标信息，获得匹配指标名称、匹配指标数据；

第十八获得单元，所述第十八获得单元用于根据所述第一手术评估信息、所述匹配指标名称，获得手术指标要求；

第十九获得单元，所述第十九获得单元用于根据所述匹配指标数据、所述手术指标要求，获得指标偏差值；

第二十获得单元，所述第二十获得单元用于根据所述指标偏差值、所述第一手术评估信息，获得指标影响程度；

第二判断单元，所述第二判断单元用于判断所述指标影响程度是否满足第二预定条件；

第二十一获得单元，所述第二十一获得单元用于当满足时，根据所述指标偏差值、匹配指标名称、指标影响程度，获得所述第一用户评估规则。

进一步的，所述***还包括：

第二十二获得单元，所述第二十二获得单元用于根据所述第一用户评估规则，获得第一用户指标名称列表，其中，所述第一用户指标名称列表中包括N个第一用户指标名称，N为大于1的自然数；

第二十三获得单元，所述第二十三获得单元用于根据所有所述第一用户指标名称，分别获得指标历史来源信息；

第二十四获得单元，所述第二十四获得单元用于根据所述第一属性、所述指标历史来源信息，获得所述第一评估规则信息；

第二十五获得单元，所述第二十五获得单元用于根据所述第一用户评估规则、所述第一评估规则信息，获得所述第二评估规则信息。

进一步的，所述***还包括：

第二十六获得单元，所述第二十六获得单元用于根据所述第一用户历史信息，获得第一用户历史手术信息；

第二十七获得单元，所述第二十七获得单元用于根据所述第一用户历史手术信息、所述第一用户第一手术方案，获得手术关联性；

第二十八获得单元，所述第二十八获得单元用于根据所述手术关联性，获得关联性筛选标准；

第二十九获得单元，所述第二十九获得单元用于根据所述关联性筛选标准、所述第一用户历史手术信息的手术关联性，获得第一用户历史手术筛选结果；

第三十获得单元，所述第三十获得单元用于根据所述第一用户历史手术筛选结果，获得手术影响数据；

第三十一获得单元，所述第三十一获得单元用于根据所述手术影响数据、所述第一手术评估信息，获得第二手术评估信息；

第三十二获得单元，所述第三十二获得单元用于根据所述第二手术评估信息、所述第一匹配指标信息，获得所述第一用户评估规则。

进一步的，所述***还包括：

第三十三获得单元，所述第三十三获得单元用于当所述第一用户历史手术信息不存在时，根据所述第一用户信息，获得第一关联用户信息；

第三十四获得单元，所述第三十四获得单元用于根据所述第一关联用户信息，获得第一关联历史手术信息；

第三十五获得单元，所述第三十五获得单元用于当所述第一关联历史手术信息存在时，根据所述第一关联用户信息，获得第一关联历史信息；

第三十六获得单元，所述第三十六获得单元用于根据所述第一用户历史信息、所述第一关联历史信息，获得第一用户关联程度；

第一判断单元，所述第一判断单元用于判断所述第一用户关联程度是否满足第三预定条件；

第三十七获得单元，所述第三十七获得单元用于当满足时，根据所述第一相关历史手术筛选结果，获得相关手术影响数据；

第三十八获得单元，所述第三十八获得单元用于根据所述相关手术影响数据、所述第一手术评估信息，获得所述第二手术评估信息。

进一步的，所述***还包括：

第二执行单元，所述第二执行单元用于将所述第一用户第一手术方案作为第一输入信息；

第三执行单元，所述第三执行单元用于将所述第一用户历史信息作为第二输入信息；

第一输入单元，所述第一输入单元用于将所述第一输入信息和所述第二输入信息输入指标匹配模型，其中，所述指标匹配模型通过多组训练数据训练获得，所述多组训练数据中的每组均包括：所述第一输入信息、所述第二输入信息和标识所述第一匹配指标信息的标识信息；

第三十九获得单元，所述第三十九获得单元用于获得所述指标匹配模型的输出信息，所述输出信息包括所述第一匹配指标信息。

前述图1实施例一中的一种神经外科手术的术前评估方法的各种变化方式和具体实例同样适用于本实施例的一种神经外科手术的术前评估***，通过前述对一种神经外科手术的术前评估方法的详细描述，本领域技术人员可以清楚的知道本实施例中一种神经外科手术的术前评估***的实施方法，所以为了说明书的简洁，在此不再详述。

示例性电子设备

下面参考图3来描述本申请实施例的电子设备。

图3图示了根据本申请实施例的电子设备的结构示意图。

基于与前述实施例中一种神经外科手术的术前评估方法的发明构思，本发明还提供一种神经外科手术的术前评估***，其上存储有计算机程序，该程序被处理器执行时实现前文所述一种神经外科手术的术前评估方法的任一方法的步骤。

其中，在图3中，总线架构(用总线300来代表)，总线300可以包括任意数量的互联的总线和桥，总线300将包括由处理器302代表的一个或多个处理器和存储器304代表的存储器的各种电路链接在一起。总线300还可以将诸如***设备、稳压器和功率管理电路等之类的各种其他电路链接在一起，这些都是本领域所公知的，因此，本文不再对其进行进一步描述。总线接口305在总线300和接收器301和发送器303之间提供接口。接收器301和发送器303可以是同一个元件，即收发机，提供用于在传输介质上与各种其他***通信的单元。

处理器302负责管理总线300和通常的处理，而存储器304可以被用于存储处理器302在执行操作时所使用的数据。

本申请实施例中提供的一个或多个技术方案，至少具有如下技术效果或优点：

本申请实施例提供了一种神经外科手术的术前评估方法及***，通过获得第一用户信息；根据所述第一用户信息，获得第一用户第一手术方案；根据所述第一用户信息，获得第一用户历史信息；根据所述第一用户第一手术方案，获得第一手术评估信息；将所述第一用户第一手术方案、所述第一用户历史信息输入指标匹配模型中，获得第一匹配指标信息；根据所述第一手术评估信息、所述第一匹配指标信息，获得第一用户评估规则；根据所述第一用户评估规则，获得第一评估规则信息、第二评估规则信息，其中，所述第一评估规则信息具有第一属性；根据所述第一评估规则信息，获得第一用户检测要求；根据所述第二评估规则信息，生成第一用户评估问卷；根据所述第一用户检测要求、第一用户评估规则，获得第一评估结果；根据所述第一用户评估问卷、第一用户评估规则，获得第二评估结果；根据所述第一评估结果、所述第二评估结果，获得所述第一用户术前评估报告。根据第一评估规则信息中的指标数据生成对应检测要求，按照检测要求获得对应的检测结果，根据第一用户评估问卷的答复内容提取对应的指标结果，将其结果和第一用户评估规则中确定指标要求进行比对，根据差值和评价规则的量化标准，转化为合格率，将所有评估指标的评估指标进行汇总，进行总体的身体评估，最终生成第一用户的术前评估报告，包括了检测的所有指标内容和方案的对照关系，整体术前的评估结果等内容均包括其中，达到了利用大数据的便捷和全面性结合手术方案进行指标分析，从中确定手术影响的影响参数信息，同时结合用户的身体特点和历史病历针对性制定评估规则，将数据的全面性和个人的差异性进行了有效结合，确保了评估范围的全面性，同时保障了个人贴合度准确性更高，不再依赖医生的个人水平，借助数据的科学***分析处理提高了分析结果的稳定性，同时加入了数学模型提高了运算速度和结果的准确度，有效提高了神经外科手术的术前评估效率，具有指标设定全面、准确的技术效果。从而解决了现有技术中神经外科手术术前评估依靠医生的经验和检查数据，受医生的水平影响较大，缺乏客观全面的评估标准，存在评估结果不够全面、且可靠度不稳定的技术问题。

本领域内的技术人员应明白，本发明的实施例可提供为方法、***、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本发明是参照根据本发明实施例的方法、设备(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的***。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令***的制造品，该指令***实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例做出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。

显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (9)

1.一种神经外科手术的术前评估方法，其中，所述方法包括：

获得第一用户信息；

根据所述第一用户信息，获得第一用户第一手术方案；

根据所述第一用户信息，获得第一用户历史信息；

根据所述第一用户第一手术方案，获得第一手术评估信息；

将所述第一用户第一手术方案、所述第一用户历史信息输入指标匹配模型中，获得第一匹配指标信息；

根据所述第一手术评估信息、所述第一匹配指标信息，获得第一用户评估规则；

根据所述第一用户评估规则，获得第一评估规则信息、第二评估规则信息，其中，所述第一评估规则信息具有第一属性；

根据所述第一评估规则信息，获得第一用户检测要求；

根据所述第二评估规则信息，生成第一用户评估问卷；

根据所述第一用户检测要求、第一用户评估规则，获得第一评估结果；

根据所述第一用户评估问卷、第一用户评估规则，获得第二评估结果；

根据所述第一评估结果、所述第二评估结果，获得所述第一用户术前评估报告。

2.如权利要求1所述的方法，其中，所述根据所述第一用户第一手术方案，获得第一手术评估信息，包括：

根据所述第一用户第一手术方案，获得第一手术步骤信息；

根据所述第一手术步骤信息，获得步骤难度系数；

判断所述步骤难度系数是否满足第一预定条件；

当满足时，根据所述第一手术步骤信息，获得步骤历史记录信息；

根据所述步骤历史记录信息，获得步骤影响参数；

根据所述步骤影响参数，获得参数影响系数；

根据所述步骤影响参数、所述参数影响系数，获得所述第一手术评估信息。

3.如权利要求1所述的方法，其中，所述根据所述第一手术评估信息、所述第一匹配指标信息，获得第一用户评估规则，包括：

根据所述第一匹配指标信息，获得匹配指标名称、匹配指标数据；

根据所述第一手术评估信息、所述匹配指标名称，获得手术指标要求；

根据所述匹配指标数据、所述手术指标要求，获得指标偏差值；

根据所述指标偏差值、所述第一手术评估信息，获得指标影响程度；

判断所述指标影响程度是否满足第二预定条件；

当满足时，根据所述指标偏差值、匹配指标名称、指标影响程度，获得所述第一用户评估规则。

4.如权利要求1所述的方法，其中，所述根据所述第一用户评估规则，获得第一评估规则信息、第二评估规则信息，其中，所述第一评估规则信息具有第一属性，包括：

根据所述第一用户评估规则，获得第一用户指标名称列表，其中，所述第一用户指标名称列表中包括N个第一用户指标名称，N为大于1的自然数；

根据所有所述第一用户指标名称，分别获得指标历史来源信息；

根据所述第一属性、所述指标历史来源信息，获得所述第一评估规则信息；

根据所述第一用户评估规则、所述第一评估规则信息，获得所述第二评估规则信息。

5.如权利要求1所述的方法，其中，所述方法包括：

根据所述第一用户历史信息，获得第一用户历史手术信息；

根据所述第一用户历史手术信息、所述第一用户第一手术方案，获得手术关联性；

根据所述手术关联性，获得关联性筛选标准；

根据所述关联性筛选标准、所述第一用户历史手术信息的手术关联性，获得第一用户历史手术筛选结果；

根据所述第一用户历史手术筛选结果，获得手术影响数据；

根据所述手术影响数据、所述第一手术评估信息，获得第二手术评估信息；

根据所述第二手术评估信息、所述第一匹配指标信息，获得所述第一用户评估规则。

6.如权利要求5所述的方法，其中，所述根据所述第一用户历史信息，获得第一用户历史手术信息之后，包括：

当所述第一用户历史手术信息不存在时，根据所述第一用户信息，获得第一关联用户信息；

根据所述第一关联用户信息，获得第一关联历史手术信息；

当所述第一关联历史手术信息存在时，根据所述第一关联用户信息，获得第一关联历史信息；

根据所述第一用户历史信息、所述第一关联历史信息，获得第一用户关联程度；

判断所述第一用户关联程度是否满足第三预定条件；

当满足时，根据所述第一相关历史手术筛选结果，获得相关手术影响数据；

根据所述相关手术影响数据、所述第一手术评估信息，获得所述第二手术评估信息。

7.如权利要求1所述的方法，其中，所述将所述第一用户第一手术方案、所述第一用户历史信息输入指标匹配模型中，获得第一匹配指标信息，包括：

将所述第一用户第一手术方案作为第一输入信息；

将所述第一用户历史信息作为第二输入信息；

将所述第一输入信息和所述第二输入信息输入指标匹配模型，其中，所述指标匹配模型通过多组训练数据训练获得，所述多组训练数据中的每组均包括：所述第一输入信息、所述第二输入信息和标识所述第一匹配指标信息的标识信息；

获得所述指标匹配模型的输出信息，所述输出信息包括所述第一匹配指标信息。

8.一种神经外科手术的术前评估***，应用于权利要求1-7任一所述方法，其中，所述***包括：

第一获得单元，所述第一获得单元用于获得第一用户信息；

第二获得单元，所述第二获得单元用于根据所述第一用户信息，获得第一用户第一手术方案；

第三获得单元，所述第三获得单元用于根据所述第一用户信息，获得第一用户历史信息；

第四获得单元，所述第四获得单元用于根据所述第一用户第一手术方案，获得第一手术评估信息；

第一执行单元，所述第一执行单元用于将所述第一用户第一手术方案、所述第一用户历史信息输入指标匹配模型中，获得第一匹配指标信息；

第五获得单元，所述第五获得单元用于根据所述第一手术评估信息、所述第一匹配指标信息，获得第一用户评估规则；

第六获得单元，所述第六获得单元用于根据所述第一用户评估规则，获得第一评估规则信息、第二评估规则信息，其中，所述第一评估规则信息具有第一属性，所述第二评估规则信息具有第二属性；

第七获得单元，所述第七获得单元用于根据所述第一评估规则信息，获得第一用户检测要求；

第八获得单元，所述第八获得单元用于根据所述第二评估规则信息，生成第一用户评估问卷；

第九获得单元，所述第九获得单元用于根据所述第一用户检测要求、第一用户评估规则，获得第一评估结果；

第十获得单元，所述第十获得单元用于根据所述第一用户评估问卷、第一用户评估规则，获得第二评估结果；

第十一获得单元，所述第十一获得单元用于根据所述第一评估结果、所述第二评估结果，获得所述第一用户术前评估报告。

9.一种神经外科手术的术前评估***，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其中，所述处理器执行所述程序时实现权利要求1-7任一项所述方法的步骤。

Images