[发明专利]基于深度学习的手术并发症预测及规避辅助决策系统

权利要求书

1.基于深度学习的手术并发症预测及规避辅助决策系统，其特征在于，包括云端服务器、医学检测模块、医学影像模块、医学病例模块、医师终端；

云端服务器包括医疗单位历史临床数据库，文本数据和图像数据处理服务器，人工智能模块；

医学检测模块用于收集患者体格检查及化验相关数据；

医学影像模块用于收集患者影像学相关数据；

医学病例模块用于收集患者的历史病例和/或家族史病例的相关数据；

医师终端用于包括接收医学检测模块、医学影像模块和医学病例模块的相关数据并显示，还用于包括共享云端服务器信息；

医师终端或/和云端服务器还设有手术并发症大数据知识图谱系统；

人工智能模块包括风险评估模块和智能决策模块，风险评估模块用于包括通过对获取的数据进行分析，反馈出医护操作中的相关风险；智能决策模块用于包括通过对获取的数据进行分析，结合风险评估模块给出的相关风险数据进行划分，得到能够清除的风险和不能够清除的风险，对于可以清除的风险，与手术并发症大数据知识图谱系统结合分析，同时映射到医师终端，并给出相应的处理方法。

2.根据权利要求1所述的基于深度学习的手术并发症预测及规避辅助决策系统，其特征在于，所述风险评估模块还用于包括显示相关风险的具体信息。

3.根据权利要求2所述的基于深度学习的手术并发症预测及规避辅助决策系统，其特征在于，所述云端服务器还包括ROM模块和RAM模块，RAM模块用于存储即时的风险数据，即时的风险数据包括不能够清除的风险数据和可以清除但还没有清除的风险数据及其风险数据的处理方法，ROM模块用于存储所有风险数据相关，包括RAM中的数据和可以清除且已经清除的风险数据及其风险数据的处理方法。

4.根据权利要求3所述的基于深度学习的手术并发症预测及规避辅助决策系统，其特征在于，所述医学检测模块、医学病例模块和云端服务器输出的数据包括文字和图像，云端服务器对于文字和图像进行数值化处理，处理算法包括决策树、Logistic回归、随机森林或贝叶斯网络模型，特征缺失值采用均值填充法。

5.根据权利要求4所述的基于深度学习的手术并发症预测及规避辅助决策系统，其特征在于，所述医师终端对于文字和图像的处理并得到相应的风险数据的过程中，通过同样的处理算法得到相应风险数据的每项预测因素的重要性排序。

6.根据权利要求5所述的基于深度学习的手术并发症预测及规避辅助决策系统，其特征在于，所述风险评估模块根据获取的数据对所有的风险数据进行等级排序。

7.根据权利要求6所述的基于深度学习的手术并发症预测及规避辅助决策系统，其特征在于，所述RAM模块还包括用于获取风险评估模块的等级排序数据，对RAM模块中现有的数据进行等级排序。

8.根据权利要求7所述的基于深度学习的手术并发症预测及规避辅助决策系统，其特征在于，所述医学检测模块包括手术麻醉中监护仪和/或麻醉机和/或呼吸机和/或麻醉信息系统和/或输液泵和/或电子病历系统和/或检验设备，云端服务器获取的数据包括基本生命体征监测数据和/或药物使用数据和/或麻醉技术数据和/或药物数据和/或液体数据和/或手术数据和/或操作数据和/或不良事件数据和/或医嘱录入数据。

9.根据权利要求1所述的基于深度学习的手术并发症预测及规避辅助决策系统，其特征在于，所述医师终端包括时间模块，时间模块用于显示可以清除的风险相应的处理时间。