[发明专利]基于医用压力传感器的危重病人体征智能识别方法及系统

权利要求书

1.基于医用压力传感器的危重病人体征智能识别方法，其特征在于，所述方法应用于体征识别系统，所述体征识别系统与传感器阵列和数据采集装置通信连接，所述方法包括：

通过数据采集装置对所述传感器阵列中的医用压力传感器进行数据采集，获得传感器数据集；

通过图像识别设备对传感器阵列所在位置进行实时图像采集，获得传感器识别图像集；

获取目标危重病人的基础信息，以病因为索引从所述基础信息中提取获得病历信息，根据影响特征指标对所述病历信息进行特征提取，获得影响特征数据集；

将所述传感器数据集和所述传感器识别图像集输入传感器异常识别模型中，获得异常识别特征，其中，所述异常识别特征包括数据异常特征和位置异常特征；

基于采集时间，利用所述位置异常特征对所述数据异常特征进行关联剔除，根据剔除结果获得待识别数据异常特征；

将所述待识别数据异常特征与所述影响特征数据集进行修正分析，根据修正分析结果获得修正系数；

利用所述修正系数对所述传感器数据集进行数据修正，获得修正数据集；

根据修正数据集输入体征识别模型中，获得体征识别结果。

2.如权利要求1所述的方法，其特征在于，所述方法包括：

对目标科室的资料库进行纠偏信息采集，其中，所述纠偏信息是在所述医用压力传感器使用记录中记载的数据调整信息，包括调整项目、调整原因和调整参数；

基于调整原因判断所述纠偏信息中的调整项目是否是由于病人病情影响进行调整，若是，则将调整项目设定为待分析项目；

对所述待分析项目进行项目关联指标提取，根据提取结果获得影响特征指标。

3.如权利要求1所述的方法，其特征在于，所述方法包括：

获得N个样本传感器数据集、N个样本传感器识别图像集、N个样本数据异常特征和N个位置异常特征作为样本数据集，其中所述N个样本传感器数据集与所述N个样本传感器识别图像集一一对应，N为大于等于1的整数；

利用所述N个样本传感器数据集和N个样本数据异常特征构建传感器数据异常分析子模型；

利用所述N个样本传感器识别图像集和N个位置异常特征构建传感器位置异常分析子模型；

根据所述传感器数据异常分析子模型和所述传感器位置异常分析子模型生成所述传感器异常识别模型。

4.如权利要求3所述的方法，其特征在于，所述方法包括：

从N个样本传感器数据集中不放回随机选取一样本传感器数据集作为第一划分节点，按照预设数值阈值对N个样本传感器数据集进行二分类，获得第一划分结果；

再从N个样本传感器数据集中不放回随机选取一样本传感器数据集作为第二划分节点，按照预设数值阈值对第一划分结果进行二分类，获得第二划分结果；

再从N个样本传感器数据集中不放回随机选取一样本传感器数据集作为第P划分节点，按照预设数值阈值对第P-1划分结果进行二分类，获得第P划分结果；

利用所述N个样本数据异常特征对所述第P划分结果进行标识，根据标识结果、第一划分节点、第二划分节点和第P划分节点构建所述传感器数据异常分析子模型。

5.如权利要求1所述的方法，其特征在于，所述方法包括：

根据位置异常特征与数据异常特征的采集时间，构建位置-数据异常映射关系；

基于所述位置-数据异常映射关系调取关系为空的映射关系，将关系为空的映射关系对应的数据异常特征添加进待识别数据异常特征；

提取所述位置-数据异常映射关系中构建成功的映射关系，判断数据异常特征是否是由位置异常特征引起，若是，则将对应的数据异常特征剔除；

若否，则将对应的数据异常特征添加进所述待识别数据异常特征。

6.如权利要求2所述的方法，其特征在于，所述方法包括：

根据所述影响特征指标与所述待识别数据异常特征进行指标匹配，获得指标匹配结果；

根据调整参数和影响特征数据集确定所述影响特征指标的调整幅度，生成修正系数集；

根据指标匹配结果从所述修正系数集中进行系数匹配，获得所述修正系数。