CN117153362B - 基于多融合传感器的手术床预警方法及*** - Google Patents
基于多融合传感器的手术床预警方法及*** Download PDFInfo
- Publication number
- CN117153362B CN117153362B CN202311425274.0A CN202311425274A CN117153362B CN 117153362 B CN117153362 B CN 117153362B CN 202311425274 A CN202311425274 A CN 202311425274A CN 117153362 B CN117153362 B CN 117153362B
- Authority
- CN
- China
- Prior art keywords
- early warning
- working scene
- equipment
- operating table
- basic state
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 39
- 230000004927 fusion Effects 0.000 title claims abstract description 15
- 238000012795 verification Methods 0.000 claims abstract description 75
- 238000013523 data management Methods 0.000 claims abstract description 41
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 23
- 230000004913 activation Effects 0.000 claims abstract description 17
- 230000003213 activating effect Effects 0.000 claims abstract description 9
- 238000004140 cleaning Methods 0.000 claims description 55
- 238000004088 simulation Methods 0.000 claims description 45
- 238000004364 calculation method Methods 0.000 claims description 10
- 230000008878 coupling Effects 0.000 claims description 8
- 238000010168 coupling process Methods 0.000 claims description 8
- 238000005859 coupling reaction Methods 0.000 claims description 8
- 238000013500 data storage Methods 0.000 claims description 8
- 238000012546 transfer Methods 0.000 claims description 8
- 230000001960 triggered effect Effects 0.000 claims description 6
- 238000011156 evaluation Methods 0.000 claims description 5
- 238000012512 characterization method Methods 0.000 claims description 2
- 230000008569 process Effects 0.000 abstract description 9
- 230000006978 adaptation Effects 0.000 abstract description 5
- 230000000694 effects Effects 0.000 abstract description 5
- 238000012545 processing Methods 0.000 abstract description 4
- 230000005856 abnormality Effects 0.000 description 12
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 238000001514 detection method Methods 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 230000003749 cleanliness Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000004659 sterilization and disinfection Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 208000015181 infectious disease Diseases 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61G—TRANSPORT, PERSONAL CONVEYANCES, OR ACCOMMODATION SPECIALLY ADAPTED FOR PATIENTS OR DISABLED PERSONS; OPERATING TABLES OR CHAIRS; CHAIRS FOR DENTISTRY; FUNERAL DEVICES
- A61G13/00—Operating tables; Auxiliary appliances therefor
- A61G13/02—Adjustable operating tables; Controls therefor
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61G—TRANSPORT, PERSONAL CONVEYANCES, OR ACCOMMODATION SPECIALLY ADAPTED FOR PATIENTS OR DISABLED PERSONS; OPERATING TABLES OR CHAIRS; CHAIRS FOR DENTISTRY; FUNERAL DEVICES
- A61G13/00—Operating tables; Auxiliary appliances therefor
- A61G13/10—Parts, details or accessories
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
- G06F18/253—Fusion techniques of extracted features
-
- 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
- G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
- G16H40/20—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the management or administration of healthcare resources or facilities, e.g. managing hospital staff or surgery rooms
-
- 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
- G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
- G16H40/40—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the management of medical equipment or devices, e.g. scheduling maintenance or upgrades
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61G—TRANSPORT, PERSONAL CONVEYANCES, OR ACCOMMODATION SPECIALLY ADAPTED FOR PATIENTS OR DISABLED PERSONS; OPERATING TABLES OR CHAIRS; CHAIRS FOR DENTISTRY; FUNERAL DEVICES
- A61G2203/00—General characteristics of devices
- A61G2203/10—General characteristics of devices characterised by specific control means, e.g. for adjustment or steering
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61G—TRANSPORT, PERSONAL CONVEYANCES, OR ACCOMMODATION SPECIALLY ADAPTED FOR PATIENTS OR DISABLED PERSONS; OPERATING TABLES OR CHAIRS; CHAIRS FOR DENTISTRY; FUNERAL DEVICES
- A61G2203/00—General characteristics of devices
- A61G2203/30—General characteristics of devices characterised by sensor means
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Business, Economics & Management (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- General Business, Economics & Management (AREA)
- Life Sciences & Earth Sciences (AREA)
- Primary Health Care (AREA)
- Veterinary Medicine (AREA)
- Epidemiology (AREA)
- Medical Informatics (AREA)
- Animal Behavior & Ethology (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本发明公开了一种基于多融合传感器的手术床预警方法及***,涉及数据处理技术领域,该方法包括:获得第一手术床的基础状态特征,执行基础状态验证,获得第一基础状态验证结果,当验证结果为通过时,生成预警激活指令,触发多维工作场景指标;基于多维工作场景指标,交互所述数据管理模块,获得第一工作场景信息集合;激活设备多维预警算法,根据第一工作场景信息集合,结合预警传感装置执行第一手术床的多维预警。本发明解决了现有技术中由于手术床的不合理指标不能及时预警,影响手术操作过程的技术问题,达到了从多个维度计算手术床各项指标的适配度,从而及时进行不合理指标预警,避免影响手术操作的技术效果。
Description
技术领域
本发明涉及数据处理技术领域,具体涉及一种基于多融合传感器的手术床预警方法及***。
背景技术
手术床作为手术室的重要基础设施,可以在手术过程中支撑患者,并根据需要调整患者***,方便医生进行手术操作,但由于用户个体条件差异、手术类型差异等,对手术床的尺寸、功能、清洁度需求不同,但当前对手术床的选择适配度不高,可能会降低医护人员的工作效率和增加病人的临床手术风险。
发明内容
本申请提供了一种基于多融合传感器的手术床预警方法及***,用于解决现有技术中由于手术床的不合理指标不能及时预警,影响手术操作过程的技术问题。
本申请的第一个方面,提供了一种基于多融合传感器的手术床预警方法,所述方法包括:交互所述数据管理模块,获得第一手术床的基础状态特征,其中,所述数据管理模块包括耦合集成的多融合传感器,以及数据存储云端;基于所述基础状态特征执行所述第一手术床的基础状态验证,获得第一基础状态验证结果;当所述第一基础状态验证结果为通过时,生成预警激活指令,并基于所述预警激活指令,触发多维工作场景指标,其中,所述多维工作场景指标包括工作场景主体指标、工作场景-设备硬指标和工作场景-设备软指标,所述工作场景主体指标就是指病人需求指标,所述工作场景-设备硬指标是指手术床的硬件功能指标,所述工作场景-设备软指标是指手术床的软件功能指标;基于所述多维工作场景指标,交互所述数据管理模块,获得所述第一手术床对应的第一工作场景信息集合;激活设备多维预警算法,并基于所述设备多维预警算法,根据所述第一工作场景信息集合,结合所述预警传感装置执行所述第一手术床的多维预警。
本申请的第二个方面,提供了一种基于多融合传感器的手术床预警***,所述***包括:基础状态特征获取模块,所述基础状态特征获取模块用于交互所述数据管理模块,获得第一手术床的基础状态特征,其中,所述数据管理模块包括耦合集成的多融合传感器,以及数据存储云端;第一基础状态验证结果获得模块,所述第一基础状态验证结果获得模块用于基于所述基础状态特征执行所述第一手术床的基础状态验证,获得第一基础状态验证结果;多维工作场景指标触发模块,所述多维工作场景指标触发模块用于当所述第一基础状态验证结果为通过时,生成预警激活指令,并基于所述预警激活指令,触发多维工作场景指标,其中,所述多维工作场景指标包括工作场景主体指标、工作场景-设备硬指标和工作场景-设备软指标,所述工作场景主体指标就是指病人需求指标,所述工作场景-设备硬指标是指手术床的硬件功能指标,所述工作场景-设备软指标是指手术床的软件功能指标;第一工作场景信息集合获得模块,所述第一工作场景信息集合获得模块用于基于所述多维工作场景指标,交互所述数据管理模块,获得所述第一手术床对应的第一工作场景信息集合;手术床预警模块,所述手术床预警模块用于激活设备多维预警算法,并基于所述设备多维预警算法,根据所述第一工作场景信息集合,结合所述预警传感装置执行所述第一手术床的多维预警。
本申请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:
本申请提供的一种基于多融合传感器的手术床预警方法,涉及数据处理技术领域,通过进行第一手术床的基础状态特征验证,获得第一基础状态验证结果,当验证结果为通过时,生成预警激活指令,触发多维工作场景指标,基于多维工作场景指标,交互所述数据管理模块,获得第一工作场景信息集合,结合设备多维预警算法、预警传感装置,执行第一手术床的多维预警,解决了现有技术中由于手术床的不合理指标不能及时预警,影响手术操作过程的技术问题,实现了从多个维度计算手术床各项指标的适配度,从而及时进行不合理指标预警,避免影响手术操作的技术效果。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单的介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本申请实施例提供的一种基于多融合传感器的手术床预警方法流程示意图;
图2为本申请实施例提供的一种基于多融合传感器的手术床预警方法中获得第一基础状态验证结果的流程示意图;
图3为本申请实施例提供的一种基于多融合传感器的手术床预警方法中执行所述第一手术床的多维预警的流程示意图;
图4为本申请实施例提供的一种基于多融合传感器的手术床预警***结构示意图。
附图标记说明:基础状态特征获取模块11,第一基础状态验证结果获得模块12,多维工作场景指标触发模块13,第一工作场景信息集合获得模块14,手术床预警模块15。
具体实施方式
本申请提供了一种基于多融合传感器的手术床预警方法,用于解决现有技术中由于手术床的不合理指标不能及时预警,影响手术操作过程的技术问题。
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整的描述。显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本申请保护的范围。
需要说明的是,本申请的说明书和权利要求书及上述附图中的术语“第一”“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、***、产品或服务器不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或模块。
实施例一
如图1所示,本申请提供了一种基于多融合传感器的手术床预警方法,所述方法包括:
P10:交互所述数据管理模块,获得第一手术床的基础状态特征,其中,所述数据管理模块包括耦合集成的多融合传感器,以及数据存储云端;
应当理解的是,通过数据管理模块的进行手术床基础数据采集,获取待使用手术床的基础状态特征,其中,所述数据管理模块包括耦合集成的多融合传感器,以及数据存储云端,所述多融合传感器用来检测手术床各部件的基础状态,并传输至所述数据存储云端,所述基础状态特征也就是手术床各部件的基础使用功能和部件状态,包括支架的升降幅度特征、床垫调节高度特征、辅助控制器的灵敏度等,可以作为待使用手术床的初步故障检测参考,
P20:基于所述基础状态特征执行所述第一手术床的基础状态验证,获得第一基础状态验证结果;
进一步的,如图2所示,本申请实施例步骤P20还包括:
P21:交互所述数据管理模块,获得所述第一手术床的标准状态特征;
P22:将所述标准状态特征与所述基础状态特征进行比对,获得基础状态异常度;
P23:判断所述基础状态异常度是否小于预设状态异常度;
P24:若所述基础状态异常度小于所述预设状态异常度,获得的所述第一基础状态验证结果为通过;
P25:若所述基础状态异常度大于/等于所述预设状态异常度,获得的所述第一基础状态验证结果为不通过,并交互所述预警传感装置,生成状态异常预警信号。
具体的,通过所述数据管理模块,检索获取所述第一手术床的标准状态特征,所述标准状态特征是指处于正常工作状态下的的手术床的各项功能数据特征,例如床垫的最大调节角度、辅助控制器的正常控制功能等,通过厂家提供的出厂数据来确定,并录入所述数据管理模块作为标准参考。进一步的,分别将所述标准状态特征与所述基础状态特征进行一一比对,通过计算每一项基础状态特征与基础状态特征的差异值,并进行加权计算,获得待使用手术床的基础状态异常度。
进一步的,判断所述基础状态异常度是否小于预设状态异常度,所述预设状态异常度是指设备状态异常程度阈值,也就是根据手术安全性和功能性需求设定的异常程度最大值,若所述基础状态异常度小于所述预设状态异常度,说明当前手术床的故障状态在允许范围内,则所述第一基础状态验证结果为通过,若所述基础状态异常度大于或等于所述预设状态异常度,说明当前手术床故障比较严重,不能用作手术使用,所述第一基础状态验证结果为不通过,则需要通过所述预警传感装置,生成设备基础状态异常预警信号,避免故障设备作为手术设备使用。
进一步的,本申请实施例步骤P22还包括:
P22-1:获得样本状态特征比对记录库,并根据所述样本状态特征比对记录库,构建满足预设识别精度约束的孪生状态特征识别网络,且,所述孪生状态特征识别网络具有对应标识的识别精度系数,所述孪生状态特征识别网络为一个孪生网络;
P22-2:基于所述孪生状态特征识别网络执行所述标准状态特征与所述基础状态特征比对,获得状态特征孪生度;
P22-3:将所述状态特征孪生度输入状态异常转换函数,生成所述基础状态异常度,其中,所述状态异常转换函数为:
;
其中,AST表征基础状态异常度,IST表征状态特征孪生度,表征识别精度系数。
具体的,通过采集与待使用手术床同型号的多台设备的基础状态特征对比记录数据,作为多个样本基础状态特征,构建样本状态特征比对记录库,并使用所述多个样本基础状态特征、所述标准状态特征作为训练数据,结合孪生网络构建孪生状态特征识别网络,并进行有监督训练,直至所述孪生状态特征识别网络的输出达到收敛并满足预设的识别精度约束,所述识别精度约束是指识别精度阈值,例如90%,当训练完成的所述孪生状态特征识别网络的识别精度大于90%,则满足识别精度约束要求,根据所述识别精度生成相应的识别精度系数,并将所述孪生状态特征识别网络进行精度标识。所述孪生状态特征识别网络为一个孪生网络,所述孪生网络是基于两个权重共享的人工神经网络建立的耦合构架,以两个样本为输入,输出其嵌入高维空间的表征,来比较两个样本的相似程度。
进一步的,使用所述孪生状态特征识别网络进行所述标准状态特征与所述基础状态特征比对,获得当前手术床的状态特征孪生度,并将所述状态特征孪生度输入状态异常转换函数,计算得到所述基础状态异常度,所述状态异常转换函数为:;其中,AST表征基础状态异常度,IST表征状态特征孪生度,/>表征识别精度系数。
P30:当所述第一基础状态验证结果为通过时,生成预警激活指令,并基于所述预警激活指令,触发多维工作场景指标,其中,所述多维工作场景指标包括工作场景主体指标、工作场景-设备硬指标和工作场景-设备软指标,所述工作场景主体指标就是指病人需求指标,所述工作场景-设备硬指标是指手术床的硬件功能指标,所述工作场景-设备软指标是指手术床的软件功能指标;
示例性的,当所述第一基础状态验证结果为通过时,生成预警激活指令,也就是当前手术床的二次验证指令,基于所述预警激活指令,触发多维工作场景指标,所述多维工作场景指标包括工作场景主体指标、工作场景-设备硬指标和工作场景-设备软指标,所述工作场景主体指标就是指病人需求指标,包括病人的身高体重、手术类型等,所述工作场景-设备硬指标是指手术床的硬件功能指标,包括对患者的支撑度、可调整***、可满足的手术类型等,所述工作场景-设备软指标是指手术床的软件功能指标,包括床品的清洁程度、床品材质的适应范围等,所述多维工作场景指标可以作为手术床多个维度的检测指标,能够增强检测精度和全面性。
P40:基于所述多维工作场景指标,交互所述数据管理模块,获得所述第一手术床对应的第一工作场景信息集合;
应当理解的是,以所述多维工作场景指标为数据采集标准,通过交互所述数据管理模块的数据信息,获取所述第一手术床对应的第一工作场景信息集合,包括所述第一手术床的工作场景主体特征信息、工作场景功能特征信息、设备二元清理特征信息,也就是当前手术床的用户需求特征信息、手术操作需求特征信息、设备的清洁程度特征信息,可作为手术床指标匹配的参考数据。
P50:激活设备多维预警算法,并基于所述设备多维预警算法,根据所述第一工作场景信息集合,结合所述预警传感装置执行所述第一手术床的多维预警。
具体的,激活设备多维预警算法,所述设备多维预警算法包含步骤P51-P515的所有内容,包括针对工作场景主体指标、工作场景-设备硬指标和工作场景-设备软指标的手术床预警算法,使用所述设备多维预警算法,结合所述第一工作场景信息集合,进行多维工作场景指标的计算,并根据计算结果,结合所述预警传感装置执行所述第一手术床的多维预警,以达到从多个维度计算手术床的适配度,从而筛选出不合理指标,及时进行解决或更换,避免影响手术操作。
进一步的,如图3所示,本申请实施例步骤P50还包括:
P51:基于所述第一工作场景信息集合,获得工作场景主体特征信息;
P52:基于预先构建的设备需求识别图谱,根据所述工作场景主体特征信息匹配设备需求源;
P53:基于所述设备需求源,交互所述数据管理模块,获得所述第一手术床对应的实时设备比对源;
P54:对所述设备需求源和所述实时设备比对源进行一致性评价,获得工作场景主体匹配度;
P55:判断所述工作场景主体匹配度是否小于预设主体匹配度;
P56:若所述工作场景主体匹配度小于所述预设主体匹配度,交互所述预警传感装置,生成设备主体预警指令,并根据所述设备主体预警指令对所述第一手术床进行预警。
其中,从所述第一工作场景信息集合中,提取工作场景主体特征信息,包括用户的身高、体重、年龄等,并基于预先构建的设备需求识别图谱,来匹配设备需求源,所述设备需求识别图谱是指提前构建的保护多个设备使用需求的数据库,保护多种设备需求,例如与用户身高体型对应的手术床床面尺寸、与用户体重对应的手术床承压能力等,所述设备需求源也就是当前用户的需求设备特征数据。
进一步的,基于所述设备需求源,通过检索所述数据管理模块中的备选手术床,获得所述第一手术床对应的实时设备比对源,通过对比各项工作场景主体特征的需求数据和备选手术床特征的差异,对所述设备需求源和所述实时设备比对源进行一致性评价,获得工作场景主体匹配度,也就是当前的备选手术床与用户需求的匹配度,判断所述工作场景主体匹配度是否小于预设主体匹配度判断所述工作场景主体匹配度是否小于预设主体匹配度判断所述工作场景主体匹配度是否小于预设主体匹配度,若小于,说明当前备选手术床不符合用户主体需求,则通过所述预警传感装置,生成设备主体预警指令,并根据所述设备主体预警指令对所述第一手术床进行预警,以避免病人的使用不适。
进一步的,本申请实施例步骤P50还包括:
P57:根据所述第一工作场景信息集合,获得工作场景功能特征信息;
P58:基于数字孪生平台执行所述第一手术床的建模,获得第一模拟手术床;
P59:基于所述工作场景功能特征信息和所述第一模拟手术床,根据所述数字孪生平台执行所述第一手术床的功能验证,获得功能验证结果;
P510:当所述功能验证结果为不通过时,交互所述预警传感装置,生成设备功能预警指令,并根据所述设备功能预警指令对所述第一手术床进行预警。
在本申请一种可能的实施例中,从所述第一工作场景信息集合中,获得工作场景功能特征信息,也就是手术床的功能特征信息,包括床垫的升降功能、角度调节功能等,并通过数字孪生平台执行所述第一手术床的建模,也就是通过虚拟建模平台进行手术床三维建模,得到第一模拟手术床,也就是第一模拟手术床模型,通过所述工作场景功能特征信息设定所述第一模拟手术床模型参数,并通过所述数字孪生平台进行手术模拟,根据模拟结果来进行所述第一手术床的功能验证,包括升降功能验证、支撑功能验证等,得到功能验证结果。
进一步的,当所述功能验证结果为不通过时,也就是当前手术床不能满足人员的正常手术功能需求时,通过所述预警传感装置,生成设备功能预警指令,并根据所述设备功能预警指令对所述第一手术床进行功能缺陷预警,避免手术床功能缺陷导致手术过程异常。
进一步的,本申请实施例步骤P59还包括:
P59-1:基于所述工作场景功能特征信息,根据所述数字孪生平台对所述第一模拟手术床进行T次模拟功能控制,获得T个模拟功能控制结果,其中,T为大于1的正整数;
P59-2:基于所述工作场景功能特征信息,分别对所述T个模拟功能控制结果进行比对,获得T个模拟功能契度;
P59-3:基于所述T个模拟功能契度进行特征计算,获得模拟功能-信契度和模拟功能-稳契度;
P59-4:基于预设加权算子对所述模拟功能-信契度和所述模拟功能-稳契度进行加权计算,获得功能置信系数;
P59-5:判断所述功能置信系数是否满足预设功能置信约束;
P59-6:若所述功能置信系数不满足所述预设功能置信约束,获得的所述功能验证结果为不通过。
可选的,根据所述工作场景功能特征信息,通过所述数字孪生平台对所述第一模拟手术床进行手术模拟,假设所述工作场景功能特征信息包含T项使用功能需求,则进行T次模拟功能控制,获得T个模拟功能控制结果,T为大于1的正整数是指至少包含一项功能模拟。进一步的,将所述工作场景功能特征信息中的功能需求,分别与所述T个模拟功能控制结果进行比对,获得T个模拟功能契度,基于所述T个模拟功能契度进行特征计算,通过计算所述T个模拟功能契度的平均值,得到所述模拟功能-信契度,通过计算所述T个模拟功能契度的方差的倒数,获得所述模拟功能-稳契度。
进一步的,根据预设的加权算子对所述模拟功能-信契度和所述模拟功能-稳契度进行加权计算,获得功能置信系数,也就是当前手术床的使用功能的可靠性系数,判断所述功能置信系数是否满足预设功能置信约束,也就是预设的使用功能可靠性阈值,若不满足,则所述功能验证结果为不通过。
进一步的,本申请实施例步骤P50还包括:
P511:根据所述第一工作场景信息集合,获得设备二元清理特征信息;
P512:交互所述数据管理模块,获得设备二元实时清理特征;
P513:基于所述设备二元清理特征信息,对所述设备二元实时清理特征进行差异化比对,获得设备清理差异度;
P514:判断所述设备清理差异度是否小于预设清理差异度;
P515:若所述设备清理差异度大于/等于所述预设清理差异度,交互所述预警传感装置,生成设备清理预警指令,并根据所述设备清理预警指令对所述第一手术床进行预警。
应当理解的是,从所述第一工作场景信息集合中,提取设备二元清理特征信息,也就是手术床表面的消毒和清洁程度特征需求,通过所述数据管理模块,采集获得当前设备的二元实时清理特征,也就是当前手术床的消毒和清洁特征,通过与所述设备二元清理特征信息的特征需求进行差异化对比,获得设备清理差异度,也就是当前手术床的实时清理特征与清理需求的差异。
进一步的,判断所述设备清理差异度是否小于预设清理差异度,所述预设清理差异度是根据不同的手术需求设定的差异度阈值,不同的手术需要的环境清洁度不同,所述预设清理差异度也不同,若所述设备清理差异度大于或等于所述预设清理差异度,说明当前手术床的清洁程度不满足手术的无菌需求值,则通过所述预警传感装置,生成设备清理预警指令,并根据所述设备清理预警指令对所述第一手术床进行预警,以防止手术床清洁度不够导致的手术感染风险。
综上所述,本申请实施例至少具有如下技术效果:
本申请通过进行第一手术床的基础状态特征验证,获得第一基础状态验证结果,当验证结果为通过时,生成预警激活指令,触发多维工作场景指标,基于多维工作场景指标,交互所述数据管理模块,获得第一工作场景信息集合,结合设备多维预警算法、预警传感装置,执行第一手术床的多维预警。
达到了从多个维度计算手术床各项指标的适配度,从而及时进行不合理指标预警,避免影响手术操作的技术效果。
实施例二
基于与前述实施例中一种基于多融合传感器的手术床预警方法相同的发明构思,如图4所示,本申请提供了一种基于多融合传感器的手术床预警***,本申请实施例中的***与方法实施例基于同样的发明构思。其中,所述***包括:
基础状态特征获取模块11,所述基础状态特征获取模块11用于交互所述数据管理模块,获得第一手术床的基础状态特征,其中,所述数据管理模块包括耦合集成的多融合传感器,以及数据存储云端;
第一基础状态验证结果获得模块12,所述第一基础状态验证结果获得模块12用于基于所述基础状态特征执行所述第一手术床的基础状态验证,获得第一基础状态验证结果;
多维工作场景指标触发模块13,所述多维工作场景指标触发模块13用于当所述第一基础状态验证结果为通过时,生成预警激活指令,并基于所述预警激活指令,触发多维工作场景指标,其中,所述多维工作场景指标包括工作场景主体指标、工作场景-设备硬指标和工作场景-设备软指标,所述工作场景主体指标就是指病人需求指标,所述工作场景-设备硬指标是指手术床的硬件功能指标,所述工作场景-设备软指标是指手术床的软件功能指标;
第一工作场景信息集合获得模块14,所述第一工作场景信息集合获得模块14用于基于所述多维工作场景指标,交互所述数据管理模块,获得所述第一手术床对应的第一工作场景信息集合;
手术床预警模块15,所述手术床预警模块15用于激活设备多维预警算法,并基于所述设备多维预警算法,根据所述第一工作场景信息集合,结合所述预警传感装置执行所述第一手术床的多维预警。
进一步的,所述第一基础状态验证结果获得模块12还用于执行以下步骤:
交互所述数据管理模块,获得所述第一手术床的标准状态特征;
将所述标准状态特征与所述基础状态特征进行比对,获得基础状态异常度;
判断所述基础状态异常度是否小于预设状态异常度;
若所述基础状态异常度小于所述预设状态异常度,获得的所述第一基础状态验证结果为通过;
若所述基础状态异常度大于/等于所述预设状态异常度,获得的所述第一基础状态验证结果为不通过,并交互所述预警传感装置,生成状态异常预警信号。
进一步的,所述第一基础状态验证结果获得模块12还用于执行以下步骤:
获得样本状态特征比对记录库,并根据所述样本状态特征比对记录库,构建满足预设识别精度约束的孪生状态特征识别网络,且,所述孪生状态特征识别网络具有对应标识的识别精度系数,所述孪生状态特征识别网络为一个孪生网络;
基于所述孪生状态特征识别网络执行所述标准状态特征与所述基础状态特征比对,获得状态特征孪生度;
将所述状态特征孪生度输入状态异常转换函数,生成所述基础状态异常度,其中,所述状态异常转换函数为:
;
其中,AST表征基础状态异常度,IST表征状态特征孪生度,表征识别精度系数。
进一步的,所述手术床预警模块15还用于执行以下步骤:
基于所述第一工作场景信息集合,获得工作场景主体特征信息;
基于预先构建的设备需求识别图谱,根据所述工作场景主体特征信息匹配设备需求源;
基于所述设备需求源,交互所述数据管理模块,获得所述第一手术床对应的实时设备比对源;
对所述设备需求源和所述实时设备比对源进行一致性评价,获得工作场景主体匹配度;
判断所述工作场景主体匹配度是否小于预设主体匹配度;
若所述工作场景主体匹配度小于所述预设主体匹配度,交互所述预警传感装置,生成设备主体预警指令,并根据所述设备主体预警指令对所述第一手术床进行预警。
进一步的,所述手术床预警模块15还用于执行以下步骤:
根据所述第一工作场景信息集合,获得工作场景功能特征信息;
基于数字孪生平台执行所述第一手术床的建模,获得第一模拟手术床;
基于所述工作场景功能特征信息和所述第一模拟手术床,根据所述数字孪生平台执行所述第一手术床的功能验证,获得功能验证结果;
当所述功能验证结果为不通过时,交互所述预警传感装置,生成设备功能预警指令,并根据所述设备功能预警指令对所述第一手术床进行预警。
进一步的,所述手术床预警模块15还用于执行以下步骤:
基于所述工作场景功能特征信息,根据所述数字孪生平台对所述第一模拟手术床进行T次模拟功能控制,获得T个模拟功能控制结果,其中,T为大于1的正整数;
基于所述工作场景功能特征信息,分别对所述T个模拟功能控制结果进行比对,获得T个模拟功能契度;
基于所述T个模拟功能契度进行特征计算,获得模拟功能-信契度和模拟功能-稳契度;
基于预设加权算子对所述模拟功能-信契度和所述模拟功能-稳契度进行加权计算,获得功能置信系数;
判断所述功能置信系数是否满足预设功能置信约束;
若所述功能置信系数不满足所述预设功能置信约束,获得的所述功能验证结果为不通过。
进一步的,所述手术床预警模块15还用于执行以下步骤:
根据所述第一工作场景信息集合,获得设备二元清理特征信息;
交互所述数据管理模块,获得设备二元实时清理特征;
基于所述设备二元清理特征信息,对所述设备二元实时清理特征进行差异化比对,获得设备清理差异度;
判断所述设备清理差异度是否小于预设清理差异度;
若所述设备清理差异度大于/等于所述预设清理差异度,交互所述预警传感装置,生成设备清理预警指令,并根据所述设备清理预警指令对所述第一手术床进行预警。
需要说明的是,上述本申请实施例先后顺序仅仅为了描述,不代表实施例的优劣。且上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下,在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外,在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
以上所述仅为本申请的较佳实施例,并不用以限制本申请,凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
本说明书和附图仅仅是本申请的示例性说明,且视为已覆盖本申请范围内的任意和所有修改、变化、组合或等同物。显然,本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的范围。这样,倘若本申请的这些修改和变型属于本申请及其等同技术的范围之内,则本申请意图包括这些改动和变型在内。
Claims (6)
1.一种基于多融合传感器的手术床预警方法,其特征在于,所述方法应用于一种基于多融合传感器的手术床预警***,所述***包括预警传感装置和数据管理模块,所述方法包括:
交互所述数据管理模块,获得第一手术床的基础状态特征,其中,所述数据管理模块包括耦合集成的多融合传感器,以及数据存储云端;
基于所述基础状态特征执行所述第一手术床的基础状态验证,获得第一基础状态验证结果;
其中,基于所述基础状态特征执行所述第一手术床的基础状态验证,获得第一基础状态验证结果,包括:
交互所述数据管理模块,获得所述第一手术床的标准状态特征;
将所述标准状态特征与所述基础状态特征进行比对,获得基础状态异常度;
判断所述基础状态异常度是否小于预设状态异常度;
若所述基础状态异常度小于所述预设状态异常度,获得的所述第一基础状态验证结果为通过;
若所述基础状态异常度大于/等于所述预设状态异常度,获得的所述第一基础状态验证结果为不通过,并交互所述预警传感装置,生成状态异常预警信号;
当所述第一基础状态验证结果为通过时,生成预警激活指令,并基于所述预警激活指令,触发多维工作场景指标,其中,所述多维工作场景指标包括工作场景主体指标、工作场景-设备硬指标和工作场景-设备软指标,所述工作场景主体指标就是指病人需求指标,所述工作场景-设备硬指标是指手术床的硬件功能指标,所述工作场景-设备软指标是指手术床的软件功能指标;
基于所述多维工作场景指标,交互所述数据管理模块,获得所述第一手术床对应的第一工作场景信息集合;
激活设备多维预警算法,并基于所述设备多维预警算法,根据所述第一工作场景信息集合,结合所述预警传感装置执行所述第一手术床的多维预警;
其中,激活设备多维预警算法,并基于所述设备多维预警算法,根据所述第一工作场景信息集合,结合所述预警传感装置执行所述第一手术床的多维预警,包括:
基于所述第一工作场景信息集合,获得工作场景主体特征信息;
基于预先构建的设备需求识别图谱,根据所述工作场景主体特征信息匹配设备需求源;
基于所述设备需求源,交互所述数据管理模块,获得所述第一手术床对应的实时设备比对源;
对所述设备需求源和所述实时设备比对源进行一致性评价,获得工作场景主体匹配度;
判断所述工作场景主体匹配度是否小于预设主体匹配度;
若所述工作场景主体匹配度小于所述预设主体匹配度,交互所述预警传感装置,生成设备主体预警指令,并根据所述设备主体预警指令对所述第一手术床进行预警。
2.如权利要求1所述的方法,其特征在于,将所述标准状态特征与所述基础状态特征进行比对,获得基础状态异常度,包括:
获得样本状态特征比对记录库,并根据所述样本状态特征比对记录库,构建满足预设识别精度约束的孪生状态特征识别网络,且,所述孪生状态特征识别网络具有对应标识的识别精度系数,所述孪生状态特征识别网络为一个孪生网络;
基于所述孪生状态特征识别网络执行所述标准状态特征与所述基础状态特征比对,获得状态特征孪生度;
将所述状态特征孪生度输入状态异常转换函数,生成所述基础状态异常度,其中,所述状态异常转换函数为:
;
其中,表征基础状态异常度,/>表征状态特征孪生度,/>表征识别精度系数。
3.如权利要求1所述的方法,其特征在于,激活设备多维预警算法,并基于所述设备多维预警算法,根据所述第一工作场景信息集合,结合所述预警传感装置执行所述第一手术床的多维预警,包括:
根据所述第一工作场景信息集合,获得工作场景功能特征信息;
基于数字孪生平台执行所述第一手术床的建模,获得第一模拟手术床;
基于所述工作场景功能特征信息和所述第一模拟手术床,根据所述数字孪生平台执行所述第一手术床的功能验证,获得功能验证结果;
当所述功能验证结果为不通过时,交互所述预警传感装置,生成设备功能预警指令,并根据所述设备功能预警指令对所述第一手术床进行预警。
4.如权利要求3所述的方法,其特征在于,基于所述工作场景功能特征信息和所述第一模拟手术床,根据所述数字孪生平台执行所述第一手术床的功能验证,获得功能验证结果,包括:
基于所述工作场景功能特征信息,根据所述数字孪生平台对所述第一模拟手术床进行T次模拟功能控制,获得T个模拟功能控制结果,其中,T为大于1的正整数;
基于所述工作场景功能特征信息,分别对所述T个模拟功能控制结果进行比对,获得T个模拟功能契度;
基于所述T个模拟功能契度进行特征计算,获得模拟功能-信契度和模拟功能-稳契度;
基于预设加权算子对所述模拟功能-信契度和所述模拟功能-稳契度进行加权计算,获得功能置信系数;
判断所述功能置信系数是否满足预设功能置信约束;
若所述功能置信系数不满足所述预设功能置信约束,获得的所述功能验证结果为不通过。
5.如权利要求1所述的方法,其特征在于,激活设备多维预警算法,并基于所述设备多维预警算法,根据所述第一工作场景信息集合,结合所述预警传感装置执行所述第一手术床的多维预警,包括:
根据所述第一工作场景信息集合,获得设备二元清理特征信息;
交互所述数据管理模块,获得设备二元实时清理特征;
基于所述设备二元清理特征信息,对所述设备二元实时清理特征进行差异化比对,获得设备清理差异度;
判断所述设备清理差异度是否小于预设清理差异度;
若所述设备清理差异度大于/等于所述预设清理差异度,交互所述预警传感装置,生成设备清理预警指令,并根据所述设备清理预警指令对所述第一手术床进行预警。
6.一种基于多融合传感器的手术床预警***,其特征在于,所述***包括预警传感装置和数据管理模块,所述***还包括:
基础状态特征获取模块,所述基础状态特征获取模块用于交互所述数据管理模块,获得第一手术床的基础状态特征,其中,所述数据管理模块包括耦合集成的多融合传感器,以及数据存储云端;
第一基础状态验证结果获得模块,所述第一基础状态验证结果获得模块用于基于所述基础状态特征执行所述第一手术床的基础状态验证,获得第一基础状态验证结果;
所述第一基础状态验证结果获得模块还用于执行以下步骤:
交互所述数据管理模块,获得所述第一手术床的标准状态特征;
将所述标准状态特征与所述基础状态特征进行比对,获得基础状态异常度;
判断所述基础状态异常度是否小于预设状态异常度;
若所述基础状态异常度小于所述预设状态异常度,获得的所述第一基础状态验证结果为通过;
若所述基础状态异常度大于/等于所述预设状态异常度,获得的所述第一基础状态验证结果为不通过,并交互所述预警传感装置,生成状态异常预警信号;
多维工作场景指标触发模块,所述多维工作场景指标触发模块用于当所述第一基础状态验证结果为通过时,生成预警激活指令,并基于所述预警激活指令,触发多维工作场景指标,其中,所述多维工作场景指标包括工作场景主体指标、工作场景-设备硬指标和工作场景-设备软指标,所述工作场景主体指标就是指病人需求指标,所述工作场景-设备硬指标是指手术床的硬件功能指标,所述工作场景-设备软指标是指手术床的软件功能指标;
第一工作场景信息集合获得模块,所述第一工作场景信息集合获得模块用于基于所述多维工作场景指标,交互所述数据管理模块,获得所述第一手术床对应的第一工作场景信息集合;
手术床预警模块,所述手术床预警模块用于激活设备多维预警算法,并基于所述设备多维预警算法,根据所述第一工作场景信息集合,结合所述预警传感装置执行所述第一手术床的多维预警;
所述手术床预警模块还用于执行以下步骤:
基于所述第一工作场景信息集合,获得工作场景主体特征信息;
基于预先构建的设备需求识别图谱,根据所述工作场景主体特征信息匹配设备需求源;
基于所述设备需求源,交互所述数据管理模块,获得所述第一手术床对应的实时设备比对源;
对所述设备需求源和所述实时设备比对源进行一致性评价,获得工作场景主体匹配度;
判断所述工作场景主体匹配度是否小于预设主体匹配度;
若所述工作场景主体匹配度小于所述预设主体匹配度,交互所述预警传感装置,生成设备主体预警指令,并根据所述设备主体预警指令对所述第一手术床进行预警。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311425274.0A CN117153362B (zh) | 2023-10-31 | 2023-10-31 | 基于多融合传感器的手术床预警方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311425274.0A CN117153362B (zh) | 2023-10-31 | 2023-10-31 | 基于多融合传感器的手术床预警方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117153362A CN117153362A (zh) | 2023-12-01 |
CN117153362B true CN117153362B (zh) | 2023-12-22 |
Family
ID=88906533
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311425274.0A Active CN117153362B (zh) | 2023-10-31 | 2023-10-31 | 基于多融合传感器的手术床预警方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117153362B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102015113110A1 (de) * | 2015-08-10 | 2017-02-16 | MAQUET GmbH | Vorrichtung und Verfahren zum Ansteuern mindestens einer Antriebseinrichtung eines Operationstisches |
CN108670684A (zh) * | 2018-05-08 | 2018-10-19 | 曹丽美 | 一种尺寸可调式手术台及其尺寸调节方法 |
CN115590707A (zh) * | 2021-07-09 | 2023-01-13 | 南京迈瑞生物医疗电子有限公司(Cn) | 手术床状态的预警方法、***及手术床控制装置 |
-
2023
- 2023-10-31 CN CN202311425274.0A patent/CN117153362B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102015113110A1 (de) * | 2015-08-10 | 2017-02-16 | MAQUET GmbH | Vorrichtung und Verfahren zum Ansteuern mindestens einer Antriebseinrichtung eines Operationstisches |
CN108670684A (zh) * | 2018-05-08 | 2018-10-19 | 曹丽美 | 一种尺寸可调式手术台及其尺寸调节方法 |
CN115590707A (zh) * | 2021-07-09 | 2023-01-13 | 南京迈瑞生物医疗电子有限公司(Cn) | 手术床状态的预警方法、***及手术床控制装置 |
Also Published As
Publication number | Publication date |
---|---|
CN117153362A (zh) | 2023-12-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Jacob et al. | Gestonurse: a robotic surgical nurse for handling surgical instruments in the operating room | |
CN111613291B (zh) | 一种药物管理、分类、医护人员与患者关联*** | |
CN109859815A (zh) | 一种辅助用药决策方法及智能辅助用药*** | |
US20210158965A1 (en) | Automated mobility assessment | |
CN110666791A (zh) | 一种基于深度学习的rgbd机器人看护***及方法 | |
JP2023030052A (ja) | 骨および軟組織の知的組織分類器 | |
JP2021529055A (ja) | インプラント適合度分析 | |
EP4373391A1 (en) | Systems and methods for evaluating health outcomes | |
Sanchez et al. | Hidden markov models for activity recognition in ambient intelligence environments | |
CN113362952A (zh) | 基于模型的风险预测方法、装置、计算机设备和存储介质 | |
WO2021217906A1 (zh) | 基于步态特征的体态检测方法、装置、设备及存储介质 | |
CN117153362B (zh) | 基于多融合传感器的手术床预警方法及*** | |
JP6651189B1 (ja) | 機械学習用のデータ構造、学習方法及び情報提供システム | |
CN110959179A (zh) | 用于存储和评估临床数据的医疗技术装置 | |
WO2023098806A1 (zh) | 手术等级确定方法、装置、***、设备及介质 | |
CN116543870A (zh) | 一种高血压患者药物依从性分析方法、***、设备和介质 | |
Park et al. | Assessing workload in using electromyography (EMG)-based prostheses | |
Vázquez-Santacruz et al. | Design and implementation of an intelligent system for controlling a robotic hospital bed for patient care assistance | |
Khang et al. | 1 Application of Computer Vision (CV) in the Healthcare Ecosystem | |
Gayatri et al. | Diabetic Foot Ulcer Identification using Machine Learning | |
Kejriwal | Artificial intelligence (AI) in medicine and modern healthcare systems | |
Ionescu | Trocar tracking using deep learning for teleoperated microsurgery robots in vitreoretinal surgery | |
Sharma et al. | An intelligent multi agent design in healthcare management system | |
CN112509688B (zh) | 压疮图片自动分析***、方法、设备和介质 | |
Gupta | A Conceptual Framework for Remote Patient Monitoring Using the Internet of Things |
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 |