CN113658677A - 一种对监护数据进行识别预警的***和方法 - Google Patents
一种对监护数据进行识别预警的***和方法 Download PDFInfo
- Publication number
- CN113658677A CN113658677A CN202010399867.4A CN202010399867A CN113658677A CN 113658677 A CN113658677 A CN 113658677A CN 202010399867 A CN202010399867 A CN 202010399867A CN 113658677 A CN113658677 A CN 113658677A
- Authority
- CN
- China
- Prior art keywords
- data
- monitoring
- central station
- event data
- event
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 41
- 238000012544 monitoring process Methods 0.000 claims abstract description 246
- 238000012545 processing Methods 0.000 claims abstract description 90
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 74
- 238000012806 monitoring device Methods 0.000 claims description 84
- 230000008569 process Effects 0.000 claims description 18
- 238000013473 artificial intelligence Methods 0.000 claims description 13
- 238000012795 verification Methods 0.000 claims description 7
- 238000010295 mobile communication Methods 0.000 claims description 6
- 238000004806 packaging method and process Methods 0.000 claims description 5
- 238000005516 engineering process Methods 0.000 claims description 3
- 206010003658 Atrial Fibrillation Diseases 0.000 description 14
- 208000001871 Tachycardia Diseases 0.000 description 14
- 230000006794 tachycardia Effects 0.000 description 14
- 230000005540 biological transmission Effects 0.000 description 7
- 238000013528 artificial neural network Methods 0.000 description 4
- 238000013527 convolutional neural network Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000006855 networking Effects 0.000 description 3
- 238000007637 random forest analysis Methods 0.000 description 3
- 230000001360 synchronised effect Effects 0.000 description 3
- 238000013135 deep learning Methods 0.000 description 2
- 230000003213 activating effect Effects 0.000 description 1
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 1
- 239000008280 blood Substances 0.000 description 1
- 210000004369 blood Anatomy 0.000 description 1
- 230000036772 blood pressure Effects 0.000 description 1
- 230000036760 body temperature Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 229910052760 oxygen Inorganic materials 0.000 description 1
- 239000001301 oxygen Substances 0.000 description 1
- 238000012856 packing Methods 0.000 description 1
- 230000001766 physiological effect Effects 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 230000000241 respiratory effect Effects 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- 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
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/316—Modalities, i.e. specific diagnostic methods
- A61B5/318—Heart-related electrical modalities, e.g. electrocardiography [ECG]
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/316—Modalities, i.e. specific diagnostic methods
- A61B5/318—Heart-related electrical modalities, e.g. electrocardiography [ECG]
- A61B5/33—Heart-related electrical modalities, e.g. electrocardiography [ECG] specially adapted for cooperation with other devices
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/316—Modalities, i.e. specific diagnostic methods
- A61B5/318—Heart-related electrical modalities, e.g. electrocardiography [ECG]
- A61B5/346—Analysis of electrocardiograms
- A61B5/349—Detecting specific parameters of the electrocardiograph cycle
- A61B5/361—Detecting fibrillation
-
- 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
- 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
- G16H80/00—ICT specially adapted for facilitating communication between medical practitioners or patients, e.g. for collaborative diagnosis, therapy or health monitoring
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Medical Informatics (AREA)
- Biomedical Technology (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Pathology (AREA)
- Heart & Thoracic Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Cardiology (AREA)
- Veterinary Medicine (AREA)
- Physics & Mathematics (AREA)
- Surgery (AREA)
- Biophysics (AREA)
- Molecular Biology (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Physiology (AREA)
- Alarm Systems (AREA)
Abstract
本发明实施例涉及一种对监护数据进行识别预警的***和方法,所述对监护数据进行识别预警的***包括:监护设备、中央站和算法服务站;中央站与算法服务站和监护设备分别连接。本发明实施例,利用算法服务站对监护数据进行人工智能监护事件识别处理,提高了***的预警精度。
Description
技术领域
本发明涉及数据处理技术领域,特别涉及一种对监护数据进行识别预警的***和方法。
背景技术
监护设备持续采集患者的监护数据,识别出监护数据对应的监护事件数据后,根据监护事件数据进行本地预警处理,同时将监护数据和监护事件数据向监护中央站(简称中央站)发送,用以同步激活中央站的预警处理。这种由监护设备和中央站组成的***,受监护设备的软硬件资源限制,***的预警精度不高。
发明内容
本发明的目的,就是针对现有技术的缺陷,提供一种对监护数据进行识别预警的***和方法,利用算法服务站对监护数据进行人工智能监护事件识别处理,提高了***的预警精度。
为实现上述目的,本发明第一方面提供了一种对监护数据进行识别预警的***,包括:监护设备、中央站和算法服务站;
所述监护设备用于获取本地的监护设备信息,对所述监护设备信息进行数据打包得到注册请求数据,将所述注册请求数据向所述中央站进行发送;所述中央站用于根据所述注册请求数据进行监护设备合法性验证处理生成注册结果数据,将所述注册结果数据向所述监护设备进行发送;所述监护设备还用于在接收所述注册结果数据之后,当所述注册结果数据为注册成功时执行监护设备联机工作流程;当所述注册结果数据为注册失败时,将所述注册请求数据向所述中央站进行重发,当连续重发的次数超过重发阈值时,执行监护设备脱机工作流程;
所述监护设备还用于采集监护数据,对所述监护数据进行监护事件识别处理生成监护事件数据,进行与所述监护事件数据对应的监护设备预警处理,将所述监护数据和所述监护事件数据向所述中央站进行发送;所述中央站还用于在接收所述监护数据和所述监护事件数据之后,对所述监护数据进行存储处理,将所述监护数据向所述算法服务站进行发送;所述算法服务站用于对所述监护数据进行人工智能监护事件识别处理生成所述复核事件数据,将所述复核事件数据向所述中央站进行发送;所述中央站还用于在接收所述复核事件数据之后,进行与所述复核事件数据对应的中央站预警处理,并将所述复核事件数据向所述监护设备进行发送;所述监护设备还用于在接收所述复核事件数据之后,进行与所述复核事件数据对应的监护设备预警处理。
优选的,所述中央站还用于发送所述监护数据之后,在接收时间阈值内未收到从所述算法服务站发回的所述复核事件数据时,进行所述监护事件数据对应的中央站预警处理。
优选的,所述中央站具体通过第一连接方式与所述监护设备进行连接,所述第一连接方式具体为数据线连接方式、局域网连接方式、广域网连接方式或移动通信网连接方式;所述中央站具体通过第二连接方式与所述算法服务站进行连接,所述第二连接方式具体为数据线直连方式、局域网连接方式、广域网连接方式或移动通信网络连接方式。
优选的,所述算法服务站具体为算法服务器、多台算法服务器组成的算法服务平台或支持虚拟云技术的算法服务云;所述监护设备具体为单台监护仪器、并联的多台监护仪器或由多台监护仪器组成的监护机群。
本发明第二方面提供了一种对监护数据进行识别预警的方法,所述方法包括:
监护设备获取监护数据;
所述监护设备对所述监护数据进行监护事件识别处理生成监护事件数据;
所述监护设备进行与所述监护事件数据对应的监护设备预警处理;
所述监护设备将所述监护数据和所述监护事件数据向中央站进行发送并获取从所述中央站发回的复核事件数据;
所述监护设备停止正在执行的预警处理,进行与所述复核事件数据对应的监护设备预警处理。
优选的,所述中央站在接收所述监护数据和所述监护事件数据之后,还包括:所述中央站对所述监护数据进行存储处理,将所述监护数据向算法服务站进行发送。
优选的,所述算法服务站在接收所述监护数据之后,还包括:所述算法服务站对所述监护数据进行人工智能监护事件识别处理生成所述复核事件数据,将所述复核事件数据向所述中央站进行发送。
优选的,所述中央站在接收所述复核事件数据之后,还包括:所述中央站进行与所述复核事件数据对应的中央站预警处理,并将所述复核事件数据向所述监护设备进行发送。
优选的,所述中央站发送所述监护数据之后,还包括:在接收时间阈值内未收到从所述算法服务站发回的所述复核事件数据时,所述中央站进行所述监护事件数据对应的中央站预警处理。
本发明提供的一种对监护数据进行识别预警的***和方法,利用算法服务站对监护数据进行人工智能监护事件识别处理,提高了***的预警精度。
附图说明
图1为本发明实施例一提供的一种对监护数据进行识别预警的***示意图;
图2为本发明实施例二提供的一种对监护数据进行识别预警的方法示意图。
具体实施方式
为了使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明作进一步地详细描述,显然,所描述的实施例仅仅是本发明一部份实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
本发明实施例一提供的一种对监护数据进行识别预警的***,对监护数据进行识别预警的***包括监护设备1、中央站2和算法服务站3。***中的监护设备1可以是单台监护仪器、可以是由多台监护仪器组成的监护机群、也可以是并联的多台监护仪器或者并联的多监护机群;算法服务站3可以为算法服务器、可以为多台算法服务器组成的算法服务平台、还可以为支持虚拟云技术的算法服务云。中央站2可以通过数据线连接方式、局域网连接方式、广域网连接方式或移动通信网络连接方式与监护设备1连接。中央站2可以通过数据线连接方式、局域网连接方式、广域网连接方式或移动通信网络连接方式与算法服务站3连接。监护设备1可以直接采集患者的监护数据,还可以通过连接其他具备采集功能的设备采集患者的监护数据。
如图1为本发明实施例一提供的一种对监护数据进行识别预警的***示意图所示,本发明实施例提供的对监护数据进行识别预警的***包括:监护设备1、中央站2和算法服务站3。
监护设备1用于获取本地的监护设备信息,对监护设备信息进行数据打包得到注册请求数据,将注册请求数据向中央站2进行发送;中央站2用于在接收注册请求数据之后,根据注册请求数据进行监护设备合法性验证处理生成注册结果数据,将注册结果数据向监护设备1进行发送;监护设备1还用于在接收注册结果数据之后,当注册结果数据为注册成功时执行监护设备联机工作流程;当注册结果数据为注册失败时,将注册请求数据向中央站2进行重发,当连续重发的次数超过重发阈值时,执行监护设备脱机工作流程。
在本实施例提供的一个具体实现方式中,监护设备1具体用于获取本地的监护设备信息,对监护设备信息进行数据打包得到注册请求数据,将注册请求数据向中央站2进行发送;中央站2具体用于获取到注册请求数据之后,从注册请求数据中提取出监护设备信息,查询本地的合法设备列表对监护设备信息进行监护设备合法性验证处理,当合法设备列表中包括了监护设备信息时向监护设备1发送具体为注册成功的注册结果数据,当合法设备列表中未包括监护设备信息时向监护设备1发送具体为注册失败的注册结果数据;监护设备1具体还用于在收到注册结果数据之后,当注册结果数据具体为注册成功时,执行监护设备联机工作流程;当注册结果数据具体为注册失败时,将注册请求数据向中央站2进行重发,当连续重发的次数超过重发阈值时,执行监护设备脱机工作流程。这里,中央站2只与已经注册的监护设备1联动预警。
例如,监护设备1具体为心电监护设备,心电监护设备获取本地的心电监护设备信息,对心电监护设备信息进行数据打包得到心电监护设备注册请求数据,将心电监护设备注册请求数据向中央站2发送;中央站2从心电监护设备注册请求数据中提取出心电监护设备信息并对心电监护设备信息进行心电监护设备合法性验证,验证成功则向心电监护设备发回具体为注册成功的注册结果数据,验证失败则向心电监护设备发回具体为注册成功的注册结果数据;心电监护设备在收到注册结果数据之后,当注册结果数据具体为注册成功时,认为联网成功继而执行与心电监护设备联机相关的工作流程,诸如,进行同步/异步监护数据传输通道初始化处理、进行实时数据传输处理等等;当注册结果数据具体为注册失败时,认为联网失败继而将注册请求数据向中央站2进行重发,当连续重发的次数超过重发阈值(假设,重发阈值为5,连续重发5次收到的注册结果数据都是注册失败)之后,停止联网注册处理(停止继续发送心电监护设备注册请求数据),转而执行与心电监护设备脱机相关的工作流程,诸如,进行实时数据本地存储处理、实时数据本地识别数据、实时数据本地预警处理等等。
监护设备1还用于采集监护数据,对监护数据进行监护事件识别处理生成监护事件数据,进行与监护事件数据对应的监护设备预警处理,将监护数据和监护事件数据向中央站2进行发送;中央站2还用于在接收监护数据和监护事件数据之后,对监护数据进行存储处理,将监护数据向算法服务站3进行发送;算法服务站3用于在接收监护数据之后,对监护数据进行人工智能监护事件识别处理生成复核事件数据,将复核事件数据向中央站2进行发送;中央站2还用于在接收复核事件数据之后,进行与复核事件数据对应的中央站预警处理,并将复核事件数据向监护设备1进行发送;监护设备1还用于在接收复核事件数据之后,进行与复核事件数据对应的监护设备预警处理。
中央站2还用于在发送监护数据之后,在接收时间阈值内未收到从算法服务站3发回的复核事件数据时,进行监护事件数据对应的中央站预警处理。
在本实施例提供的又一个具体实现方式中,监护设备1具体还用于采集监护数据,对监护数据进行监护事件识别处理生成监护事件数据,对监护事件数据进行事件类别识别处理生成事件类型数据,进行与监护事件数据对应的监护设备预警处理,将监护数据和监护事件数据向中央站2进行发送;中央站2具体还用于在接收监护数据和监护事件数据之后,对监护数据进行存储处理,将监护数据向算法服务站3进行发送;算法服务站3具体用于在收到监护数据之后,对监护数据进行人工智能监护事件识别处理生成复核事件数据,将复核事件数据向中央站2进行发送;中央站2具体还用于在接收复核事件数据之后,进行与复核事件数据对应的中央站预警处理,并将复核事件数据向监护设备1进行发送;监护设备1具体还用于在收到复核事件数据之后,停止本地正在执行的监护设备预警处理,进行与复核事件数据对应的监护设备预警处理。这里,监护设备1在第一时间进行本地预警,保证了预警的实时性;同时***使用算法服务站3对监护事件数据进行复核,提高了***预警的精度;最后使用复核事件数据进行中央站预警、进行监护设备本地预警切换,进一步提高了***同步预警的精度。
本发明实施例的算法服务站3,通过人工智能模型实现人工智能监护事件识别处理。这里的人工智能模型,以卷积神经网络(Convolutional Neural Networks,CNN)、循环神经网络(Recurrent Neural Network,RNN)、人工神经网络(Artificial NeuralNetwork,ANN)、和随机森林(RandomForest,RF)算法等多种深度学习算法为基础,对监护数据进行监护事件识别。本发明实施例的算法服务站3的人工智能模型通过接入海量监护数据信息库,对本地的人工智能模型进行持续训练,保证识别精度可以得到持续提高。
例如,监护设备1具体为心电监护设备,监护数据具体为心电信号数据;心电监护设备通过直接采集获得心电信号数据之后,对心电信号数据进行监护事件识别处理后得到监护事件数据具体为心动过速事件数据,进行本地的监护设备心动过速预警处理,同时将心电信号数据和监护事件数据向中央站2进行发送;中央站2接收心电信号数据之后,将心电信号数据存储在中央2本地的存储介质或数据库中或者与中央站2连接的存储介质或数据库中,将心电信号数据向算法服务站3进行发送;算法服务站3对心电信号数据进行人工智能监护事件识别处理后得到复核事件数据具体为房颤事件数据,并将房颤事件数据发回给中央站2;中央站2接收到房颤事件数据之后,进行本地的中央站房颤预警处理,同时将房颤事件数据向心电监护设备发送;心电监护设备接收房颤事件数据之后,停止本地正在执行的监护设备心动过速预警处理,进行监护设备房颤预警处理。
在本实施例提供的又一个具体实现方式中,监护设备1具体还用于采集监护数据,对监护数据进行监护事件识别处理生成监护事件数据,对监护事件数据进行事件类别识别处理生成事件类型数据,进行与监护事件数据对应的监护设备预警处理,将监护数据和监护事件数据向中央站2进行发送;中央站2具体还用于在接收监护数据和监护事件数据之后,对监护数据进行存储处理,将监护数据向算法服务站3进行发送;中央站2具体还用于在接收时间阈值内未收到从算法服务站3发回的复核事件数据时,进行监护事件数据对应的中央站预警处理。其中,接收时间阈值是中央站与算法服务站之间数据传输的超时时间阈值。这里,监护设备1在第一时间进行本地预警,保证了预警的实时性;当***在使用算法服务站3对监护事件数据进行复核时如果出现算法服务器3超时问题,也要求中央站2使用监护事件数据进行中央站预警,保证了***预警(监护设备1和中央站2)的同步性。
例如,监护设备1具体为心电监护设备,监护数据具体为心电信号数据,接收时间阈值为3秒;心电监护设备通过直接采集获得心电信号数据之后,对心电信号数据进行监护事件识别处理后得到监护事件数据具体为心动过速事件数据,进行本地的监护设备心动过速预警处理,同时将心电信号数据和监护事件数据向中央站2进行发送;中央站2接收心电信号数据之后,将心电信号数据存储在中央2本地的存储介质或数据库中或者与中央站2连接的存储介质或数据库中,将心电信号数据向算法服务站3进行发送;中央站2在3秒内未收到从算法服务站3发回的复核事件数据时,认为算法服务器超时,则进行中央站心动过速预警处理。
本发明实施例二提供的一种对监护数据进行识别预警的方法,在监护设备本地的监护数据预警处理流程中,利用算法服务站的复核事件数据提高监护设备的预警精度。如图2为本发明实施例二提供的一种对监护数据进行识别预警的方法示意图所示,本方法主要包括如下步骤:
步骤1,监护设备获取监护数据。
此处,监护设备通过直接采集获取监护数据,也可通过连接其他采集设备获取监护数据;监护数据为从患者处采集到的生理活动参数(如心电图数据、呼吸数据、血压数据、体温数据、血氧饱和度数据等等)。
在监护设备进行监护数据预警处理之前,监护设备需要进行监护设备注册处理,具体包括:监护设备获取本地的监护设备信息;对监护设备信息进行数据打包得到注册请求数据,将注册请求数据向中央站进行发送并获取从中央站发回的注册结果数据;当注册结果数据为注册成功时,执行监护设备联机工作流程;当注册结果数据为注册失败时,将注册请求数据向中央站进行重发,在连续重发的次数超过重发阈值时,执行监护设备脱机工作流程。其中,中央站、算法服务站和监护设备都处于同一个监护数据预警***之下。
此处,监护设备信息包括网络地址信息、设备类型信息等;监护设备联机工作流程包括:同步/异步监护数据传输通道初始化处理、实时数据传输处理等,监护设备脱机工作流程包括:数据本地存储处理、实时数据本地识别数据、实时数据本地预警处理等;重发阈值是连续发送注册请求数据均失败的次数,可以进行默认值设定也可以对其进行修改。
步骤2,监护设备对监护数据进行监护事件识别处理生成监护事件数据。
例如,监护数据具体为一段心动过速的心电图数据,则监护设备在获得心电图数据之后对心电图数据进行监护事件识别处理得到的监护事件数据应为心动过速监护事件数据。
步骤3,监护设备进行与监护事件数据对应的监护设备预警处理。
此处,是为了保证预警的实时性。
例如,监护事件数据为心动过速监护事件数据,监护设备进行本地的监护设备心动过速预警处理。
步骤4,监护设备将监护数据和监护事件数据向中央站进行发送并获取从中央站发回的复核事件数据;
具体包括:监护设备将监护数据和复核事件数据向中央站进行发送之后,中央站对监护数据进行存储处理,将监护数据向算法服务站进行发送;算法服务站在接收监护数据之后,对监护数据进行人工智能监护事件识别处理生成复核事件数据,将复核事件数据向中央站进行发送;中央站进行与复核事件数据对应的中央站预警处理,并将复核事件数据向监护设备进行发送。
其中,中央站对监护数据进行存储处理,中央站可以将监护数据存储在本地的存储介质或数据库中,还可以将监护数据存储在与中央站的存储介质或数据库中;
其中,中央站在发送监护数据之后,在接收时间阈值内未收到从算法服务站发回的复核事件数据时,中央站进行监护事件数据对应的中央站预警处理;接收时间阈值为中央站与算法服务站之间数据传输的超时时间阈值;
其中,本发明实施例的算法服务站,通过人工智能模型实现人工智能监护事件识别处理。这里的人工智能模型,以CNN、RNN、ANN和RF算法等多种深度学习算法为基础,对监护数据进行监护事件识别。本发明实施例的算法服务站的人工智能模型通过接入海量监护数据信息库,对本地的人工智能模型进行持续训练,保证识别精度可以得到持续提高。
此处,是为了提高预警的精度。
例如,监护设备具体为心电图机,监护数据具体为心电图数据,监护事件数据为心动过速监护事件数据,接收时间阈值为3秒,则心电图机将心电图数据和心动过速监护事件数据发送至中央站;中央站将心电图数据存储在本地的存储介质或数据库中(或者存储在与中央站的存储介质或数据库中),并向算法服务站发送心电图数据;算法服务站对心电图数据进行人工智能监护事件识别处理得到复核事件数据具体为房颤事件数据,并将房颤事件数据发回中央站;中央站在3秒内接收到房颤事件数据之后,进行中央站房颤预警处理,同时将房颤事件数据发送回心电图机。
步骤5,监护设备停止正在执行的预警处理,进行与复核事件数据对应的监护设备预警处理。
例如,监护设备正在进行的本地预警是心动过速预警处理,从中央站发回的复核事件数据为房颤事件数据,监护设备停止正在执行的监护设备心动过速预警处理,转而进行监护设备房颤预警处理。
本发明提供的一种对监护数据进行识别预警的***和方法,对监护数据进行人工智能监护事件识别处理,提高了***的预警精度。
专业人员应该还可以进一步意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
结合本文中所公开的实施例描述的方法或算法的步骤可以用硬件、处理器执行的软件模块,或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
以上所述的具体实施方式,对本发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本发明的具体实施方式而已,并不用于限定本发明的保护范围,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (9)
1.一种对监护数据进行识别预警的***,其特征在于,所述对监护数据进行识别预警的***包括:监护设备、中央站和算法服务站;
所述监护设备用于获取本地的监护设备信息,对所述监护设备信息进行数据打包得到注册请求数据,将所述注册请求数据向所述中央站进行发送;所述中央站用于根据所述注册请求数据进行监护设备合法性验证处理生成注册结果数据,将所述注册结果数据向所述监护设备进行发送;所述监护设备还用于在接收所述注册结果数据之后,当所述注册结果数据为注册成功时执行监护设备联机工作流程;当所述注册结果数据为注册失败时,将所述注册请求数据向所述中央站进行重发,当连续重发的次数超过重发阈值时,执行监护设备脱机工作流程;
所述监护设备还用于采集监护数据,对所述监护数据进行监护事件识别处理生成监护事件数据,进行与所述监护事件数据对应的监护设备预警处理,将所述监护数据和所述监护事件数据向所述中央站进行发送;所述中央站还用于在接收所述监护数据和所述监护事件数据之后,对所述监护数据进行存储处理,将所述监护数据向所述算法服务站进行发送;所述算法服务站用于对所述监护数据进行人工智能监护事件识别处理生成所述复核事件数据,将所述复核事件数据向所述中央站进行发送;所述中央站还用于在接收所述复核事件数据之后,进行与所述复核事件数据对应的中央站预警处理,并将所述复核事件数据向所述监护设备进行发送;所述监护设备还用于在接收所述复核事件数据之后,进行与所述复核事件数据对应的监护设备预警处理。
2.根据权利要求1所述的对监护数据进行识别预警的***,其特征在于,
所述中央站还用于发送所述监护数据之后,在接收时间阈值内未收到从所述算法服务站发回的所述复核事件数据时,进行所述监护事件数据对应的中央站预警处理。
3.根据权利要求1所述的对监护数据进行识别预警的***,其特征在于,
所述中央站具体通过第一连接方式与所述监护设备进行连接,所述第一连接方式具体为数据线连接方式、局域网连接方式、广域网连接方式或移动通信网连接方式;
所述中央站具体通过第二连接方式与所述算法服务站进行连接,所述第二连接方式具体为数据线直连方式、局域网连接方式、广域网连接方式或移动通信网络连接方式。
4.根据权利要求1所述的对监护数据进行识别预警的***,其特征在于,
所述算法服务站具体为算法服务器、多台算法服务器组成的算法服务平台或支持虚拟云技术的算法服务云;
所述监护设备具体为单台监护仪器、并联的多台监护仪器或由多台监护仪器组成的监护机群。
5.一种对监护数据进行识别预警的方法,其特征在于,所述方法包括:
监护设备获取监护数据;
所述监护设备对所述监护数据进行监护事件识别处理生成监护事件数据;
所述监护设备进行与所述监护事件数据对应的监护设备预警处理;
所述监护设备将所述监护数据和所述监护事件数据向中央站进行发送并获取从所述中央站发回的复核事件数据;
所述监护设备停止正在执行的预警处理,进行与所述复核事件数据对应的监护设备预警处理。
6.根据权利要求5所述的对监护数据进行识别预警的方法,其特征在于,所述中央站在接收所述监护数据和所述监护事件数据之后,还包括:
所述中央站对所述监护数据进行存储处理,将所述监护数据向算法服务站进行发送。
7.根据权利要求6所述的对监护数据进行识别预警的方法,其特征在于,所述算法服务站在接收所述监护数据之后,还包括:
所述算法服务站对所述监护数据进行人工智能监护事件识别处理生成所述复核事件数据,将所述复核事件数据向所述中央站进行发送。
8.根据权利要求7所述的对监护数据进行识别预警的方法,其特征在于,所述中央站在接收所述复核事件数据之后,还包括:
所述中央站进行与所述复核事件数据对应的中央站预警处理,并将所述复核事件数据向所述监护设备进行发送。
9.根据权利要求6所述的对监护数据进行识别预警的方法,其特征在于,所述中央站发送所述监护数据之后,还包括:
在接收时间阈值内未收到从所述算法服务站发回的所述复核事件数据时,所述中央站进行所述监护事件数据对应的中央站预警处理。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010399867.4A CN113658677A (zh) | 2020-05-12 | 2020-05-12 | 一种对监护数据进行识别预警的***和方法 |
PCT/CN2020/134750 WO2021227471A1 (zh) | 2020-05-12 | 2020-12-09 | 一种对监护数据进行识别预警的***和方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010399867.4A CN113658677A (zh) | 2020-05-12 | 2020-05-12 | 一种对监护数据进行识别预警的***和方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113658677A true CN113658677A (zh) | 2021-11-16 |
Family
ID=78476732
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010399867.4A Pending CN113658677A (zh) | 2020-05-12 | 2020-05-12 | 一种对监护数据进行识别预警的***和方法 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN113658677A (zh) |
WO (1) | WO2021227471A1 (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1540566A (zh) * | 2003-04-22 | 2004-10-27 | 上海吉量软件科技有限公司 | 掌上型移动远程心电监护*** |
CN103514355A (zh) * | 2012-09-04 | 2014-01-15 | Tcl集团股份有限公司 | 一种基于云服务的主动式监护报送方法及*** |
CN107742264A (zh) * | 2017-09-06 | 2018-02-27 | 武汉市悠卡互联科技有限公司 | 基于实时更新数据库的监护信息发布管理方法及*** |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104115144A (zh) * | 2011-12-12 | 2014-10-22 | 安大略理工大学 | 用于多维时域和相关数据挖掘框架、分析和子分组的***、方法和计算机程序 |
CN106491086A (zh) * | 2016-10-31 | 2017-03-15 | 广东药科大学 | 一种便携式多功能皮肤测试*** |
CN108847274B (zh) * | 2018-05-16 | 2021-07-06 | 上海术木医疗科技有限公司 | 一种基于云平台的生命体征数据处理方法及*** |
CN109949880A (zh) * | 2019-01-31 | 2019-06-28 | 北京汉博信息技术有限公司 | 一种手术数据处理方法 |
-
2020
- 2020-05-12 CN CN202010399867.4A patent/CN113658677A/zh active Pending
- 2020-12-09 WO PCT/CN2020/134750 patent/WO2021227471A1/zh active Application Filing
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1540566A (zh) * | 2003-04-22 | 2004-10-27 | 上海吉量软件科技有限公司 | 掌上型移动远程心电监护*** |
CN103514355A (zh) * | 2012-09-04 | 2014-01-15 | Tcl集团股份有限公司 | 一种基于云服务的主动式监护报送方法及*** |
CN107742264A (zh) * | 2017-09-06 | 2018-02-27 | 武汉市悠卡互联科技有限公司 | 基于实时更新数据库的监护信息发布管理方法及*** |
Also Published As
Publication number | Publication date |
---|---|
WO2021227471A1 (zh) | 2021-11-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109431490B (zh) | 用于心电监测的人工智能实时分析方法和*** | |
US11013470B2 (en) | Detecting abnormalities in ECG signals | |
CN111419216A (zh) | 心电数据传输***及方法 | |
CN113438198A (zh) | 一种基于udp传输协议的心电数据传输方法和*** | |
US20210177259A1 (en) | System and method for caching and processing sensor data locally | |
CN113535518B (zh) | 一种用户行为的分布式实时动态监控方法及*** | |
CN108563522A (zh) | 一种司机身份识别及定位***、方法 | |
CN210380924U (zh) | 一种智能远程医疗服务云计算平台的体检数据互认*** | |
CN113658677A (zh) | 一种对监护数据进行识别预警的***和方法 | |
CN113712561B (zh) | 一种监护数据预警***和方法 | |
CN108399952A (zh) | 一种可携带的智能终端及家庭智慧医疗*** | |
CN116807399A (zh) | 一种基于5g的远程重症监护*** | |
CN111563932A (zh) | 一种交叠共轴外科手术控制方法、***及可读存储介质 | |
CN110448291A (zh) | 一种远程监护*** | |
CN113821794B (zh) | 一种分布式的可信计算***及方法 | |
CN108647139A (zh) | ***的测试方法、装置、存储介质及电子装置 | |
CN112449006B (zh) | 一种用于地震台站数据采集器与地震台网中心数据服务器的数据传输方法及计算机与介质 | |
CN111710402B (zh) | 基于人脸识别的查房处理方法、装置及计算机设备 | |
CN113887766A (zh) | 基于互联网数据的医院临床检查预约***及方法 | |
WO2021176529A1 (ja) | 学習方法、学習システム、デバイス、学習装置、およびプログラム | |
CN114466045A (zh) | Spi通信方法、监护仪和介质 | |
Rath et al. | Design and performance analysis of an IoT based health monitoring system for hospital management | |
CN111419214A (zh) | 一种心电异常检测方法、终端及服务器 | |
CN112329812A (zh) | 慢阻肺急性加重自动预警方法和平台、及可读存储介质 | |
CN109431489A (zh) | 人工智能心电图动态实时分析*** |
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 |