[发明专利]一种基于深度学习模型的ICU用户病情预测方法及终端设备

说明书

技术领域

本发明涉及医学和信息智能化领域，尤其涉及一种基于深度学习模型的ICU用户病情预测方法及终端设备。

背景技术

危重症病房(Intensive Care Unit，ICU)是随着医疗护理专业的发展、新型医疗设备的诞生和医院管理体制的改进而出现的一种集现代化医疗护理技术为一体的医疗组织管理形式。ICU把危重病人集中起来，在人力、物力和技术上给予最佳保障，以期得到良好的救治效果。因此入住ICU病房的病人情况一般都比较危急，如何预测一段时间后病人的病情变化以及死亡风险，并在病情难以挽回之前进行介入，是一个具有挑战性的任务。

因此需提出一种合理、高效的预测方案。

发明内容

本发明实施例所要解决的技术问题在于，提供一种基于深度学习模型的ICU用户病情预测方法及终端设备，可利用深度学习模型预测一段时间后ICU用户的病情变化及死亡概率，以及时、可靠地帮助医生救治用户，提升实用性。

第一方面，本发明实施例提供了一种基于深度学习模型的ICU用户病情预测方法，所述方法包括：

获取危重症病房ICU用户的监测数据，所述监测数据为表征用户的生理指标数据；

将所述监测数据作为深度学习模型的输入，计算得到预测指标数据，所述深度学习模型为根据ICU用户的历史监测数据和历史指标数据训练获得的，所述预测指标数据用于指示用户在预设时段后的病情变化及死亡概率；

针对所述预测指标数据进行提示。

在一些可能的实施例中，所述获取危重症病房ICU的监测数据包括：

获取ICU用户的原始监测数据，对所述原始监测数据进行处理，得到中间监测数据；

将所述中间监测数据转化为具备预设格式的监测数据。

在一些可能的实施例中，所述原始监测数据包括动态监测数据和静态监测数据，所述对所述原始监测数据进行处理，得到中间监测数据包括：

将所述原始监测数据进行分类，得到所述动态监测数据和所述静态监测数据；

分别对所述动态监测数据和所述静态监测数据进行预处理，得到动态中间数据和静态中间数据，所述预处理包括以下中的至少一项：数据去重处理、异常数据处理、数据缺失填补处理；

将所述动态中间数据和所述静态中间数据进行融合，得到所述中间监测数据。

在一些可能的实施例中，所述针对所述预测指标数据进行提示包括：

在所述预测指标数据超过预设阈值时，提示所述预测指标数据，并将所述预测指标数据发送给预存联系人。

在一些可能的实施例中，所述深度学习模型为N层的深度学习模型，N为大于0的正整数，所述深度学习模式包括以下中任一项：长短时记忆网络LSTM模型、门控重复单元网络GRU模型、循环神经网络RNN模型、递归神经网络RNNs模型。

第二方面，本发明实施例提供了一种终端设备，所述终端设备包括用于执行上述第一方面的方法的功能单元。

第三方面，本发明实施例提供了一种终端设备，包括：处理器、存储器、通信接口和总线；所述处理器、所述存储器和所述通信接口通过所述总线连接并完成相互间的通信；所述存储器存储可执行程序代码；所述处理器通过读取所述存储器中存储的可执行程序代码来运行与所述可执行程序代码对应的程序，以用于执行一种基于深度学习模型的ICU用户病情预测方法；其中，所述方法为第一方面任一项所述的方法。

第四方面，本发明提供了一种计算机可读存储介质，所述计算机可读存储介质存储了计算设备所执行的程序代码。所述程序代码包括用于执行在第一方面中任一项的方法的指令。

第五方面，本发明提供了一种包括指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述第一方面中任一项的方法。

本发明实施例可通过终端设备获取危重症病房ICU用户的监测数据，所述监测数据为表征用户的生理指标数据，然后将所述监测数据作为深度学习模型的输入，计算得到预测指标数据，所述深度学习模型为根据ICU用户的历史监测数据和历史指标数据训练获得的，所述预测指标数据用于指示用户在预设时段后的病情变化及死亡概率，最后针对所述预测指标数据进行提示；这样能够利用ICU用户的生理指标数据与预测指标数据之间的关联性，预测一段时间后用户的病情变化和死亡概率，以及时、可靠地提示、辅助医生救治，提升了预测方法的实用性。

附图说明