[发明专利]基于大数据的ECMO护理质量控制方法及系统有效

专利信息
申请号: 202111191492.3 申请日: 2021-10-13
公开(公告)号: CN113908362B 公开(公告)日: 2022-05-17
发明(设计)人: 鲁玫 申请(专利权)人: 南方医科大学珠江医院
主分类号: A61M1/36 分类号: A61M1/36;A61M60/113;A61M60/508;A61M60/515;G06V10/764;G06V10/774;G06V10/82;G06V40/00
代理公司: 广州市智远创达专利代理有限公司 44619 代理人: 蔡国
地址: 510000 广东*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 基于 数据 ecmo 护理 质量 控制 方法 系统
【权利要求书】:

1.基于大数据的ECMO护理质量控制方法,其特征在于,包括以下步骤:

实时获取ECMO设备运行时的运行参数和运行现场视频;

对所述运行参数进行分类以形成指标参数和设置参数,以及根据预设的部位类别检测模型实时对所述运行现场视频进行部位检测;

将分类后的指标参数输入至校准表格中进行校准并得到校准后的设置参数,以及将实时的部位检测视频输入至视频质量分类模型中进行分类,所述视频质量分类模型输出的分类结果包括操作准确、操作瑕疵和严重操作失误;

将校准后的设置参数输入至所述ECMO设备内,以及根据所述分类结果输出指导和纠正措施。

2.根据权利要求1所述的基于大数据的ECMO护理质量控制方法,其特征在于,所述实时获取ECMO设备现场视频的步骤包括:

识别所述ECMO设备的安装现场;

根据所识别的安装现场架设至少一组拍摄摄像头以使所述拍摄摄像头的拍摄范围至少包括ECMO设备和患者。

3.根据权利要求1所述的基于大数据的ECMO护理质量控制方法,其特征在于,所述预设的部位类别检测模型的训练步骤包括:

将ECMO设备运行现场按照预设重点监控部位分为若干个部位类别;

将不同ECMO设备运行现场所拍摄的标准部位视频作为第一训练集,并在所述第一训练集中划分设定比例作为第一验证集;

通过卷积神经网络对第一训练集进行训练以形成部位类别检测模型;

通过第一验证集对所述部位类别检测模型进行验证,若验证通过则训练结束,否则增加所述第一训练集的样本数量进行重新训练。

4.根据权利要求1所述的基于大数据的ECMO护理质量控制方法,其特征在于,所述校准表格包括多组标准指标参数以及对应的标准设置参数,所述将分类后的指标参数输入至校准模型中进行校准并得到校准后的设置参数的具体步骤为:

将分类后的指标参数在标准表格中进行查找,若查找到与其差别小于设定阈值的标准指标参数,则调取与所述标准指标参数对应的标准设置参数;

将所述标准设置参数与分类的后设置参数进行比对,得出所述参数差异值;

所述将校准后的设置参数输入至所述ECMO设备内具体为:

将所述参数差异值输入至所述ECMO设备内;

所述ECMO设备根据所述参数差异值和设置参数进行调整运行。

5.根据权利要求1所述的基于大数据的ECMO护理质量控制方法,其特征在于,所述视频质量分类模型的训练步骤包括:

采用多个通过部位类别检测模型检测的部位视频作为第二训练集,并在所述第二训练集中划分设定比例作为第二验证集;

通过卷积神经网络对第二训练集进行训练以形成视频质量分类模型;

通过第二验证集对所述视频质量分类模型进行验证,若验证通过则训练结束,否则增加所述第二训练集的样本数量进行重新训练。

6.根据权利要求5所述的基于大数据的ECMO护理质量控制方法,其特征在于,所述将实时的部位检测输入至视频质量分类模型中进行分类的步骤具体包括:

将实时的部位检测视频输入至视频质量分类模型中;

若部位检测视频与视频质量分类模型匹配,则输出操作准确的结果;

若部位检测视频与视频质量分类模型不匹配,继续判断部位检测视频与视频质量分类模型的相似度,若相似度大于等于预设阈值,则输出操作瑕疵的结果,若相似度小于预设阈值,则输出严重操作失误的结果。

7.根据权利要求1所述的基于大数据的ECMO护理质量控制方法,其特征在于,所述根据所述分类结果输出指导和纠正措施的具体步骤包括:

若分类输出结果为操作准确则不予提示,若分类输出结果为操作瑕疵则通过语音形式予以指导和纠正,若分类输出结果为严重操作失误,则同时通过语音以及输出标准操作视频予以指导和纠正。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

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南方医科大学珠江医院,未经南方医科大学珠江医院许可,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/202111191492.3/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top