[发明专利]用于优化唤醒流程的工作流程

说明书

本发明涉及唤醒管理。提供了一种用于在成像过程中评估镇静患者的唤醒流程的装置。所述装置包括输入单元、处理单元和输出单元。所述输入单元被配置为接收患者简档数据和镇静数据，所述镇静数据包括关于所述镇静患者的镇静状态的信息。所述处理单元被配置为将数据驱动模型应用于所述患者简档数据和所述镇静患者的镇静数据，以估计所述镇静患者的所述唤醒流程中的至少一个定时。所述数据驱动模型已经在从一个或多个患者的历史数据获得的训练数据集上被训练。所述训练数据集包括作为训练输入的一个或多个患者的患者简档数据和镇静数据以及作为训练输出的一个或多个患者的唤醒流程中的至少一个定时。所述输出单元被配置为提供至少一个估计的定时。患者对镇静药物的反应是患者特异性的，并且唤醒流程的定时也是患者特异性的。定时预测可以帮助理解患者何时将从镇静中唤醒，并且因此理解工作流程中的后续步骤，诸如在离开膛时的后成像，和/或执行从患者支撑体自主站立。

技术领域

本发明涉及用于评估成像过程中的镇静患者的唤醒流程的装置、唤醒管理系统、评估成像过程中的镇静患者的唤醒流程的方法以及计算机程序单元。

背景技术

高患者吞吐量对于许多医学成像设施是至关重要的。同时，患者参与和经验变得越来越重要，并且甚至是选定市场中的报销的一部分，如美国。此外，成像在未来将变得越来越自主，具有更少的操作者依赖性动作和自动化工作流程步骤，以增加吞吐量同时降低操作成本。更少的操作者依赖性也给出了成像程序中的客观性，并且有助于对患者进行个性化。

降低的患者吞吐量能够是工作流程内的多个不同问题的结果，诸如延迟的患者出现、意外的患者行为(例如，由于缺乏信息、焦虑等)、患者不能遵循指令(例如，屏住呼吸、躺着不动等)。此外，由于伪影和重复测量引起的图像劣化或甚至患者的重新访问常常可能由不适当的患者信息引起，使得工作流程改变或成像协议调整必须由操作者在运行中进行。这可能会给操作者的工作量增加更多的任务，尽管事实上并非每个操作者都被充分训练以处理这样的情况，以挑选正确的序列并以最优化的方式调整参数。

关键工作流程方面之一可以是镇静和成像之后的唤醒流程，尤其是在患者必须是活动的或技术支持代替工作人员的自主成像的情况下。

发明内容

可能需要改进唤醒管理。

本发明的目的通过独立权利要求的主题得以解决，其中，另外的实施例被并入到从属权利要求中。应当注意，本发明的以下描述的方面也适用于用于评估成像过程中的镇静患者的唤醒流程的装置、唤醒管理系统、评估成像过程中的镇静患者的唤醒流程的方法以及计算机程序单元。

根据本发明的第一方面，提供了一种用于在成像过程中评估镇静患者的唤醒流程的装置。所述装置包括输入单元、处理单元和输出单元。所述输入单元被配置为接收患者简档数据和镇静数据，所述镇静数据包括关于所述镇静患者的镇静状态的信息。所述处理单元被配置为将数据驱动模型应用于所述患者简档数据和所述镇静患者的镇静数据，以估计所述镇静患者的所述唤醒流程中的至少一个定时。所述数据驱动模型已经在从一个或多个患者的历史数据获得的训练数据集上被训练。所述训练数据集包括作为训练输入的一个或多个患者的患者简档数据和镇静数据以及作为训练输出的一个或多个患者的唤醒流程中的至少一个定时。所述处理单元被配置为基于至少一个估计的定时来确定以下参数中的一个或多个：所述成像过程中的工作流程步骤的序列以及成像协议。输出单元被配置为提供至少一个估计的定时和至少一个确定的参数。

患者简档通常由性别、年龄、身体质量指数(BMI)等构成。镇静状态可以源自镇静剂量和用于镇静患者的镇静药物。镇静状态也可以通过使用例如利用镇静跟踪器对镇静深度的自动监测来获得。将在下文中并且特别是关于图1中的实施例讨论镇静跟踪器的各种示例。在训练数据驱动模型时，这些患者特异性参数(即患者简档)被用于校准一定剂量的镇静对人的影响。以这种方式，开发了用于预测镇静对某个个体的影响(在时间方面)的数据驱动模型的一个部件。数据驱动模型的另一个部件作用于个体对用于估计镇静水平的输入的时间序列响应。