[发明专利]一种基于支持向量机分类器的儿科智能急诊预检分诊系统有效
申请号: | 201910170310.0 | 申请日: | 2019-03-07 |
公开(公告)号: | CN110097955B | 公开(公告)日: | 2023-06-23 |
发明(设计)人: | 徐兆红;秦晶;戴柯 | 申请(专利权)人: | 上海达适医疗科技有限公司 |
主分类号: | G16H40/20 | 分类号: | G16H40/20;G06F18/2411 |
代理公司: | 盐城盈禾知识产权代理事务所(普通合伙) 32428 | 代理人: | 陈鹏 |
地址: | 200000 上*** | 国省代码: | 上海;31 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 基于 支持 向量 分类 儿科 智能 急诊 预检 系统 | ||
本发明涉及一种基于支持向量机分类器的儿科智能急诊预检分诊系统,包括:儿科分诊报告数据库;儿患病情分类模块;数据采集模块;支持向量机分类模块,用于将儿科分诊报告数据库存放的儿患信息、儿患病情分类模块中存放的病情严重程度以及所述数据采集模块经过处理后输出的所述儿患信息作为训练分类数据,预先训练得到儿科急诊预检分诊推荐模块并保存;儿患信息接收模块,用于获取输入的儿患信息;儿科急诊预检分诊推荐模块,用于将儿患信息作为输入数据输入至儿科急诊预检分诊推荐模块中,并获取所述支持向量机分类模块的输出结果。本发明利用支持向量机分类模块构建机器学习模型,提高分诊准确度,辅助护士进行分诊,有着重要的科研价值和市场应用前景。
技术领域
本发明属于儿科急诊预检分诊机器学习领域,尤其涉及一种基于支持向量机分类器的儿科智能急诊预检分诊方法。
背景技术
儿科患者由于特殊的生理、病理特征,加上年龄跨度较大,疾病种类较为复杂,病情多进展变化快,故多数家长存在较为严重的焦虑、急躁等负性情绪。同时,因儿科急诊人流量大,无法及时给予所有患儿高质量的护理服务,故患儿家属对医院就诊的满意度较低,对医院治疗与护理服务的要求则不断提高。
预检分诊是依据疾病严重程度、治疗优先顺序的原则,于合理应用急诊资源原则下快速分类患者,明确治疗优先顺序的相关过程。急诊科是医院的重要组成部分,主要收治危急重症患者,也是开展急救抢救工作的第一场所。预检分诊是有效开展急诊工作的第一步,指的是通过病情诊断标准将就诊患者准确而快速的进行分类,进而提升急救效率和质量,同时也避免了医疗资源浪费的情况。
根据国家卫生部颁发有《急诊病人病情分级指导原则》,与儿科实际情况相结合,根据儿患病情评估结果进行分级,按病情严重程度可以分为四类:濒危、危重、急诊、非急诊。
濒危、危重患儿直接通过急诊绿色通道进行救治,可后挂号。急症患儿先派号后挂号,按顺序候诊治疗排在非急症患儿之前,所患儿病情加重可通过绿色通道进行救治。非急症患儿先派号后挂号,后根据病情严重性分为门诊和急诊按顺序候诊就医。
儿科急诊预检分诊系统的儿患病情严重程度分级,涉及到儿患基本病史与体格数据、儿患生命体征数据、儿患症状问诊数据。开展儿科急诊预检分诊,需要对护理人员进行培训,存在护士分诊准确性不够的问题。若让儿科医生进行儿科急诊预检分诊,存在医生资源浪费问题。
发明内容
本发明目的是为了克服现有技术的不足而提供一种采用人工智能方法,构建机器学习模型,学习儿患病情严重程度分级报告,提高分诊准确度,辅助护士进行分诊的基于支持向量机分类器的儿科智能急诊预检分诊系统。
为达到上述目的,本发明采用的技术方案是:一种基于支持向量机分类器的儿科智能急诊预检分诊系统,包括:
儿科分诊报告数据库,用于存放各种的儿患信息;
儿患病情分类模块,用于存放每种儿患信息对应的病情严重程度;
数据采集模块,用于采集儿患信息并进行预处理后输出到支持向量机分类模块中;
支持向量机分类模块,分别与所述儿科分诊报告数据库、儿患病情分类模块、数据采集模块相连,用于将儿科分诊报告数据库存放的儿患信息、儿患病情分类模块中存放的病情严重程度以及所述数据采集模块经过处理后输出的所述儿患信息作为训练分类数据,预先训练得到一儿科急诊预检分诊推荐模块并保存;
儿患信息接收模块,用于获取输入的儿患信息;
儿科急诊预检分诊推荐模块,分别连接所述支持向量机分类模块和所述儿患信息接收模块,用于将所述儿患信息作为输入数据输入至所述儿科急诊预检分诊推荐模块中,并获取所述支持向量机分类模块的输出结果,以作为关联于所述儿患信息的儿科急诊预检分诊的结果。
进一步的,所述儿科分诊报告数据库中的儿患信息包括问诊、生命体征、病史和体格数据。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于上海达适医疗科技有限公司,未经上海达适医疗科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201910170310.0/2.html,转载请声明来源钻瓜专利网。