一种基于深度学习的社区病患识别、呼救方法和系统方法及系统与流程

本申请涉及深度学习领域，尤其涉及一种基于深度学习的社区病患识别、呼救方法和系统方法及系统。

背景技术：

随着我国城镇化建设的不断加快，以及医疗服务及社区服务行业的不断升级，社区中病患需要得到更好更及时的救助体验。目前社区中存在很多独居老人和病患，往往一个人在社区中活动或居住，一旦病发，由于周围人发现不及时或是即使发现了没有正确地进行施救和呼救，导致错过了最佳抢救时机。

深度学习是机器学习的分支，其动机在于建立、模拟人脑进行分析学习的神经网络。深度学习模仿人脑的机制来解释数据，通过组合低层特征形成抽象的高层表示属性类别或特征，从而实现通用人工智能。目前深度学习已经被广泛应用在机器翻译、语义挖掘、图像识别、人脸识别、语音识别等领域。因此，可以通过将深度学习技术与社区医生调度实践相结合，从而既提高了社区医生调度的效率，又提高了社区医生调度过程中医患匹配的准度，为病患赢得了宝贵的时间。

技术实现要素：

有鉴于此，本申请的目的在于提出一种基于深度学习的社区病患识别、呼救方法和系统方法及系统，提高社区医生调度识别水平，解决目前防汛管理过程中，风险识别效率低、物资储备不及时的技术问题。

基于上述目的，本申请提出了一种基于深度学习的社区病患识别、呼救方法和系统方法，包括：

在社区关键区域设置病患识别装置，为病患佩戴病患信息收发装置；所述病患识别装置用于识别病患急性发病状态，所述病患信息收发装置用于采集病患的各项生理特征及地理位置；

所述病患识别装置根据病患的身体健康状态、面部表情和声音信号，通过深度学习识别病患在社区中是否处于病发状态和是否需要救助；

所述病患识别装置触发病患佩戴的所述病患信息收发装置，采集病患的各项生理特征和地理位置，根据病患的各项生理特征确定病患处于病发状态，同时向管理人员和/或医疗机构发出求助信号，所述求助信号包括所述各项生理特征和地理位置；

所述病患信息收发装置规划所述管理人员和/或医疗机构通向所述病患的路径，并根据病患的各项生理特征向所述管理人员和/或医疗机构提供需要携带的救助物资清单；以及根据病患的各项生理特征向病患提供自救引导。

在一些实施例中，所述方法还包括：

在病患家中设置病患监控装置；所述病患监控装置用于监视病患状态并进行治疗督导；

所述病患监控装置根据病患的身体健康状态、面部表情和声音信号，通过深度学习识别病患在社区中是否处于病发状态和是否需要救助，并需要救助；

所述病患监控装置根据病患的各项生理特征，调整病患家中环境参数，根据病患的各项生理特征确定病患处于病发状态，同时向管理人员和/或医疗机构发出求助信号，所述求助信号包括所述各项生理特征和地理位置。

在一些实施例中，所述病患识别装置根据病患的身体健康状态、面部表情和声音信号，通过深度学习识别病患在社区中是否处于病发状态，包括：

采集病患的日常身体健康状态、面部表情和声音信号，构建病患基础信息样本集；

通过正态分布进行所述病发状态的识别，所述正态分布的计算公式为：

其中，σi为标准差，x为输入的病患特征集，xi为x中的第i个特征数据，μi为均值；

将p(x)与所述病患基础信息样本集的正态曲线进行比较，如果p(x)与所述正态曲线的差值超过预设值，则判定为出现病发状态。

在一些实施例中，所述病患监控装置通过病患的身体状态、面部表情和声音信号通过深度学习识别出病患在家中处于病发状态，包括：

采集病患的日常身体状态、面部表情和声音信号，构建病患基础信息样本集；

通过正态分布进行所述病发状态的识别，所述正态分布的计算公式为：

其中，σi为标准差，x为输入的病患特征集，xi为x中的第j个特征数据，μj为均值；

将q(x)与所述病患基础信息样本集的正态曲线进行比较，如果q(x)与所述正态曲线的差值超过预设值，则判定为出现病发状态。

在一些实施例中，所述病患信息收发装置规划出所述人员和/或医疗机构通向所述病患的路径，并根据病患的各项生理特征提供需要携带的救助物资清单，包括：

根据病患的各项生理状态生成不同的生理状态特征；

通过历史病患处理方法，训练得到根据生理状态得到救助方法和物资清单的深度学习网络；

向所述深度学习网络输入实时生理状态，预测出病患的救助方法和需要携带的救助物资清单。

在一些实施例中，所述方法还包括：

所述病患识别装置、所述病患识别装置、所述病患信息收发装置根据所述深度学习网络的训练结果调整参数设置。

基于上述目的，本申请还提出了一种基于深度学习的社区病患识别、呼救系统，包括：

第一构建模块，用于在社区关键区域设置病患识别装置，为病患佩戴病患信息收发装置；所述病患识别装置用于识别病患急性发病状态，所述病患信息收发装置用于采集病患的各项生理特征及地理位置；

第一识别模块，用于所述病患识别装置根据病患的身体健康状态、面部表情和声音信号，通过深度学习识别病患在社区中是否处于病发状态和是否需要救助；

第一确定模块，用于所述病患识别装置触发病患佩戴的所述病患信息收发装置，采集病患的各项生理特征和地理位置，根据病患的各项生理特征确定病患处于病发状态，同时向管理人员和/或医疗机构发出求助信号，所述求助信号包括所述各项生理特征和地理位置；

救助引导模块，用于所述病患信息收发装置规划所述管理人员和/或医疗机构通向所述病患的路径，并根据病患的各项生理特征向所述管理人员和/或医疗机构提供需要携带的救助物资清单；以及根据病患的各项生理特征向病患提供自救引导。

在一些实施例中，所述系统还包括：

第二构建模块，用于在病患家中设置病患监控装置；所述病患监控装置用于监视病患状态并进行治疗督导；

第二识别模块，用于所述病患监控装置根据病患的身体健康状态、面部表情和声音信号，通过深度学习识别病患在社区中是否处于病发状态和是否需要救助，并需要救助；

第二确定模块，用于所述病患监控装置根据病患的各项生理特征，调整病患家中环境参数，根据病患的各项生理特征确定病患处于病发状态，同时向管理人员和/或医疗机构发出求助信号，所述求助信号包括所述各项生理特征和地理位置。

在一些实施例中，所述救助引导模块包括：

特征构建单元，用于根据病患的各项生理状态生成不同的生理状态特征；

模型训练单元，用于通过历史病患处理方法，训练得到根据生理状态得到救助方法和物资清单的深度学习网络；

救助预测单元，用于向所述深度学习网络输入实时生理状态，预测出病患的救助方法和需要携带的救助物资清单。

在一些实施例中，所述系统还包括：

参数调整模块，用于所述病患识别装置、所述病患识别装置、所述病患信息收发装置根据所述深度学习网络的训练结果调整参数设置。

附图说明

在附图中，除非另外规定，否则贯穿多个附图相同的附图标记表示相同或相似的部件或元素。这些附图不一定是按照比例绘制的。应该理解，这些附图仅描绘了根据本发明公开的一些实施方式，而不应将其视为是对本发明范围的限制。

图1示出根据本发明实施例的基于深度学习的社区病患识别、呼救方法的流程图。

图2示出示出根据本发明实施例的基于深度学习的社区病患识别、呼救方法的流程图。

图3示出根据本发明实施例的基于深度学习的社区病患识别、呼救方法的流程图。

图4示出根据本发明实施例的基于深度学习的社区病患识别、呼救系统的构成图。

图5示出根据本发明实施例的基于深度学习的社区病患识别、呼救系统的构成图。

图6示出示出根据本发明实施例的初始模块构成图。

具体实施方式

下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅用于解释相关发明，而非对该发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。

需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。

图1示出根据本发明实施例的基于深度学习的社区病患识别、呼救方法和系统方法的流程图。如图1所示，该基于深度学习的社区病患识别、呼救方法和系统方法包括：

步骤s11、在社区关键区域设置病患识别装置，为病患佩戴病患信息收发装置；所述病患识别装置用于识别病患急性发病状态，所述病患信息收发装置用于采集病患的各项生理特征及地理位置。

具体来说，社区关键位置指的时社区户外病患容易发生危险的地区，例如，坡道、楼梯、车道、活动广场等区域；病患识别装置可以是具有视听收发功能的可移动设备，例如集合摄像头、显示器、麦克风、扩音器于一体的电子设备，而且，病患识别装置能够通过用户的图像、声音、视频识别出用于处于病发状态，例如，可以通过病患跌倒后身体平躺状态、走路颠簸状态、面部表情痛苦、身体或地面的血迹、呼救的声音、痛苦的呻吟等识别病患处于发病状态；更进一步，病患识别装置能够与其他病患识别装置及外界进行通信，从而持续关注病患的情况，将病患的状态发送出去，并接收外界的指令信息。

另一方面，病患信息收发装置可以是能够采集病患生理信号(例如，脉搏、血压、体温)的音视频收发装置，其可以采集病患发出的声音以及周围的环境特征(如地理位置、温度、湿度等)；更进一步，病患信息收发装置能够与其他病患识别装置及外界进行通信，从而持续关注病患的情况，将病患的状态发送出去，并接收外界的指令信息。

而且，病患信息收发装置存储了一些常见病的特征及自救方法，在初步识别出病患特征，辅导病患进行初步的自救。

步骤s12、所述病患识别装置根据病患的身体健康状态、面部表情和声音信号，通过深度学习识别病患在社区中是否处于病发状态和是否需要救助。

在一种实施方式中，所述病患识别装置根据病患的身体健康状态、面部表情和声音信号，通过深度学习识别病患在社区中是否处于病发状态，包括：

采集病患的日常身体健康状态、面部表情和声音信号，构建病患基础信息样本集；

通过正态分布进行所述病发状态的识别，所述正态分布的计算公式为：

其中，σi为标准差，x为输入的病患特征集，xi为x中的第i个特征数据，μi为均值；

将p(x)与所述病患基础信息样本集的正态曲线进行比较，如果p(x)与所述正态曲线的差值超过预设值，则判定为出现病发状态。

步骤s13、所述病患识别装置触发病患佩戴的所述病患信息收发装置，采集病患的各项生理特征和地理位置，根据病患的各项生理特征确定病患处于病发状态，同时向管理人员和/或医疗机构发出求助信号，所述求助信号包括所述各项生理特征和地理位置。

具体来说，由于现有的音视频采集识别设备的准确度都不能达到百分百识别成功的效果，因此，可以通过病患佩戴的病患信息采集装置实现病患发病状态的确认。通过对比病患识别装置和病患信息收发装置的各项参数和结果，判定病患是否处于病发状态。

步骤s14、所述病患信息收发装置规划所述管理人员和/或医疗机构通向所述病患的路径，并根据病患的各项生理特征向所述管理人员和/或医疗机构提供需要携带的救助物资清单；以及根据病患的各项生理特征向病患提供自救引导。

具体来说，抢救病患过程中时间十分宝贵，因此，通过自动为相关人员规划路径，并提供救助物资清单，可以提高病患抢救效率，为病患赢得更多的时间。

图2示出示出根据本发明实施例的基于深度学习的社区病患识别、呼救方法的流程图。

在一种实施方式中，所述方法还包括：

步骤s15、在病患家中设置病患监控装置；所述病患监控装置用于监视病患状态并进行治疗督导；

s16、所述病患监控装置根据病患的身体健康状态、面部表情和声音信号，通过深度学习识别病患在社区中是否处于病发状态和是否需要救助，并需要救助；

具体来说，对应于病患识别装置应用于户外，可以在病患家中设置病患监控装置，从而实现社区病患识别全面覆盖。

而且，病患监控装置还可以对病患家中的温度、湿度、智能设备进行控制和调整，从而让病患在获得救助之前处于科学的状态，并在获得救助之前进行充分的准备。

在一种实施方式中，所述病患监控装置通过病患的身体状态、面部表情和声音信号通过深度学习识别出病患在家中处于病发状态，包括：

采集病患的日常身体状态、面部表情和声音信号，构建病患基础信息样本集；

通过正态分布进行所述病发状态的识别，所述正态分布的计算公式为：

其中，σi为标准差，x为输入的病患特征集，xi为x中的第j个特征数据，μj为均值；

将q(x)与所述病患基础信息样本集的正态曲线进行比较，如果q(x)与所述正态曲线的差值超过预设值，则判定为出现病发状态。

步骤s17、所述病患监控装置根据病患的各项生理特征，调整病患家中环境参数，根据病患的各项生理特征确定病患处于病发状态，同时向管理人员和/或医疗机构发出求助信号，所述求助信号包括所述各项生理特征和地理位置。

图3示出根据本发明实施例的基于深度学习的社区病患识别、呼救方法的流程图。

在一种实施方式中，所述方法还包括：

所述病患识别装置、所述病患识别装置、所述病患信息收发装置根据所述深度学习网络的训练结果调整参数设置。

随着深度学习网络的不断训练，其结果也不断趋近于实际情况，因此有必要根据深度学习网络的最新结果进行所述病患识别装置、所述病患识别装置、所述病患信息收发装置的参数调整。

图4示出根据本发明实施例的基于深度学习的社区病患识别、呼救系统的构成图。该基于深度学习的社区病患识别、呼救系统，包括：

第一构建模块41，用于在社区关键区域设置病患识别装置，为病患佩戴病患信息收发装置；所述病患识别装置用于识别病患急性发病状态，所述病患信息收发装置用于采集病患的各项生理特征及地理位置；

第一识别模块42，用于所述病患识别装置根据病患的身体健康状态、面部表情和声音信号，通过深度学习识别病患在社区中是否处于病发状态和是否需要救助；

第一确定模块43，用于所述病患识别装置触发病患佩戴的所述病患信息收发装置，采集病患的各项生理特征和地理位置，根据病患的各项生理特征确定病患处于病发状态，同时向管理人员和/或医疗机构发出求助信号，所述求助信号包括所述各项生理特征和地理位置；

救助引导模块44，用于所述病患信息收发装置规划所述管理人员和/或医疗机构通向所述病患的路径，并根据病患的各项生理特征向所述管理人员和/或医疗机构提供需要携带的救助物资清单；以及根据病患的各项生理特征向病患提供自救引导。

图5示出根据本发明实施例的基于深度学习的社区病患识别、呼救系统的构成图。

在一种实施方式中，所述系统还包括：

第二构建模块45，用于在病患家中设置病患监控装置；所述病患监控装置用于监视病患状态并进行治疗督导；

第二识别模块46，用于所述病患监控装置根据病患的身体健康状态、面部表情和声音信号，通过深度学习识别病患在社区中是否处于病发状态和是否需要救助，并需要救助；

第二确定模块47，用于所述病患监控装置根据病患的各项生理特征，调整病患家中环境参数，根据病患的各项生理特征确定病患处于病发状态，同时向管理人员和/或医疗机构发出求助信号，所述求助信号包括所述各项生理特征和地理位置。

在一种实施方式中，所述系统还包括：

参数调整模块48，用于所述病患识别装置、所述病患识别装置、所述病患信息收发装置根据所述深度学习网络的训练结果调整参数设置。

图6示出示出根据本发明实施例的救助引导模块构成图。

在一种实施方式中，所述救助引导模块44包括：

特征构建单元441，用于根据病患的各项生理状态生成不同的生理状态特征；

模型训练单元442，用于通过历史病患处理方法，训练得到根据生理状态得到救助方法和物资清单的深度学习网络；

救助预测单元443，用于向所述深度学习网络输入实时生理状态，预测出病患的救助方法和需要携带的救助物资清单。

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。

流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本发明的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本发明的实施例所属技术领域的技术人员所理解。

在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，“计算机可读介质”可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或多个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(ram)，只读存储器(rom)，可擦除可编辑只读存储器(eprom或闪速存储器)，光纤装置，以及便携式只读存储器(cdrom)。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。

应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(pga)，现场可编程门阵列(fpga)等。

本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。

此外，在本发明各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读存储介质中。所述存储介质可以是只读存储器，磁盘或光盘等。

以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到其各种变化或替换，这些都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。