[发明专利]一种预测困难气道的计算机应用软件及气道管理数据系统有效
| 申请号: | 202011249295.8 | 申请日: | 2020-11-10 |
| 公开(公告)号: | CN112370018B | 公开(公告)日: | 2021-08-24 |
| 发明(设计)人: | 姚卫东;王斌;吴玥;魏铁钢 | 申请(专利权)人: | 皖南医学院第一附属医院(皖南医学院弋矶山医院) |
| 主分类号: | A61B5/00 | 分类号: | A61B5/00;G16H50/50 |
| 代理公司: | 北京华际知识产权代理有限公司 11676 | 代理人: | 王超 |
| 地址: | 安徽省芜湖市*** | 国省代码: | 安徽;34 |
| 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 预测 困难 计算机 应用软件 管理 数据 系统 | ||
1.一种预测困难气道的计算机应用软件及气道管理数据系统,包括医务人员应用模块和中枢控制模块,其特征在于:所述医务人员应用模块包括困难气道几何学计算机模拟程序单元、困难气道多数据机器学习预测模型程序单元、困难气道人脸识别机器学习预测模型程序单元、图像信息输入及处理单元、预测结果输出单元,
所述困难气道几何学计算机模拟程序单元负责上气道解剖特征点提取、特征点坐标定位模拟、喉镜显露声门时的解剖特征点运动规律和轨迹、困难气道患者的参数变化、参数间的几何学相互作用关系以及力学相互作用关系,所述参数为喉镜显露声门时各解剖特征点的旋转量和位移量,从而建立上气道几何学解剖模型,所述困难气道多数据机器学习预测模型程序单元负责利用机器学习技术建立人工智能预测模型程序,所述困难气道人脸识别机器学习预测模型程序单元负责利用机器学习建立困难气道面部识别人工智能预测模型程序,所述图像信息输入及处理单元负责对上传至中央服务器的患者必要信息进行计算处理,所述预测结果输出单元负责输出计算结果至中央数据库和使用者终端显示器及存储器,
所述中枢控制模块包括困难气道预测程序性能优化单元,所述困难气道预测程序性能优化单元负责对困难气道程序进行选择,
该困难气道预测包括以下步骤:
S1:构建困难气道上气道解剖几何学分析理论,通过几何学模型,分析上气道解剖特征构成困难气道的几何学原理,根据患者上气道解剖特征形成困难气道的原理,重建上气道解剖二维示意图形;
S2:通过一定样本量的临床观察,根据统计学方法分析,确定数种形成困难气道的最关键最直接的解剖特征因子,从而进行解剖特征点提取,所述解剖特征点包括头、颈、舌体、下颌、咽腔、喉,以及它们的附属组织和边界点;
S3:依据一定量的样本测量数据,确定患者上气道各个解剖特征点的坐标及尺寸以及这些尺寸大小的决定因素,建立上气道解剖模拟坐标系,接着将与困难气道形成相关的解剖特征点定位到坐标系中;
S4:接着通过一定样本量临床实际患者,包括困难气道患者,观察各解剖特征点在喉镜显露声门操作时的位移、变形、旋转的运动轨迹,通过观察一定样本量的困难气道患者,明确上述解剖特征点在困难气道患者中的变化特点及互相影响;
S5:通过解剖特征点之间的几何学相互作用关系以及力学相互作用关系,计算求出各解剖特征点在坐标系里的旋转量和位移量的参数回归方程;
S6:通过计算机图形编辑控制技术,建立可交互操作的上气道模拟图形,实现对这些解剖特征点参数的交互操作,通过图形控制的方法复现上述变化,最后根据前述的上气道解剖在喉镜检查时各个参数的回归方程,制定相应计算机图形控制规则,并根据患者术前评估的解剖特征形成最终图形计算患者在喉镜检查时的声门视野,从而准确预测患者是否是困难气道。
2.根据权利要求1所述的一种预测困难气道的计算机应用软件及气道管理数据系统,其特征在于:所述各解剖特征点的旋转量和位移量包括:头的旋转量、下颌前移的方向角度和距离、声门位移角度和距离、舌体压缩方向角度和距离。
3.根据权利要求1所述的一种预测困难气道的计算机应用软件及气道管理数据系统,其特征在于:所述图像信息输入及处理单元对上传至中央服务器的数据与图像进行计算分析,对患者的面部图像信息,优先调用面部识别程序识别患者的眼部,打码马赛克以隐藏可识别患者的隐私信息,从而对其进行存储、计算和分析。
4.根据权利要求1所述的一种预测困难气道的计算机应用软件及气道管理数据系统,其特征在于:所述预测结果输出单元的输出结果包括图像的模拟输出、声门视野的计算结果输出以及依据大数据统计的声门视野数值的可信范围。
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皖南医学院第一附属医院(皖南医学院弋矶山医院),未经皖南医学院第一附属医院(皖南医学院弋矶山医院)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/202011249295.8/1.html,转载请声明来源钻瓜专利网。





