一种基于人工智能构建的烧伤发生风险评估及预防新模型的制作方法

本发明属于烧伤发生风险评估技术领域，具体涉及一种基于人工智能构建的烧伤发生风险评估及预防新模型。

背景技术：

烧伤是外科常见的意外性伤害，严重威胁着人类的健康及生存质量。全球烧伤事件每年造成约18万人死亡，而在我国每年约有2600万人发生不同程度的烧伤，且超过30％是儿童人群，近年来烧伤患者正呈现出逐年增加的趋势。同时，感染是严重烧伤患者死亡的重要原因，烧伤后机体皮肤黏膜等组织器官均受到不同程度破坏，机体固有屏障功能受损，抵抗病原菌入侵能力降低，导致烧伤创面感染发生几率增加；烧伤创面感染不仅可加重创面瘢痕，影响机体功能及外观，如并发感染性休克及全身炎症反应、烧伤创面脓毒血症及多器官功能障碍等，均可危及患者生命；且烧伤发生救治难度极大，医疗花费巨大，且愈后不佳，烧伤患者身心极大的受到打击，伤后回归社会困难；因此积极评估烧伤发生风险及做好烧伤预防工作极为重要。

人工智能英文缩写为ai。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器。

传统的宣传方式并不能有效的对儿童的烧伤进行预防，导致近年来烧伤患者正呈现出逐年增加的趋势，因此亟需一种基于人工智能构建的烧伤发生风险评估及预防新模型对烧伤进行预防。

技术实现要素：

本发明要解决的技术问题是克服现有的缺陷，提供一种基于人工智能构建的烧伤发生风险评估及预防新模型，以解决上述背景技术中提出的不能有效的对儿童的烧伤进行预防的问题。

为实现上述目的，本发明提供如下技术方案：一种基于人工智能构建的烧伤发生风险评估，包括采集烧伤发生风险因素相关病例资料模块、获取网络分级器模块、增加新病例模块和增加样本量模块，所述采集烧伤发生风险因素相关病例资料模块的输出端和分析模块的输入端相连接，所述分析模块的输出端和形成烧伤发生风险因素风险分级表模块的输入端相连接，所述形成烧伤发生风险因素风险分级表模块的输出端和识别模块的输入端相连接，所述识别模块的输出端分别和低风险因素模块、高风险因素模块的输入端相连接，所述高风险因素模块的输出端和采集病例数据特点模块的输入端相连接，所述采集病例数据特点模块的输出端和建立烧伤发生风险因素数据库模块的输入端相连接。

优选的，所述获取网络分级器模块的输出端和建立烧伤发生风险因素模型模块的输入端相连接，所述建立烧伤发生风险因素模型模块的输出端和训练模块的输入端相连接。

优选的，所述训练模块的输出端和优化烧伤发生风险因素模型模块的输入端相连接，所述优化烧伤发生风险因素模型模块的输出端和获取分析结果模块的输入端相连接。

优选的，所述增加新病例模块的输出端和扩增数据库数据模块的输入端相连接。

优选的，所述增加样本量模块、优化数据库模块的输入端均和人工智能算法模块的输入端相连接，所述人工智能算法模块的输出端和烧伤发生风险预测准确率提高模块的输入端相连接。

一种基于人工智能构建的烧伤发生预防新模型，包括以下步骤：

步骤一：首先运用专业知识和统计学分析手段采集足够数量的烧伤发生生风险因素相关病例资料；

步骤二：通过对烧伤发生生风险因素相关病例资料的分析，从而形成烧伤发生风险因素风险分级表，对烧伤发生风险因素风险进行识别，并分析出相关高风险因素；

步骤三：运用专业知识对分析出的烧伤发生高风险因素的数据特点进行采集，并建立烧伤发生风险因素数据库；

步骤四：获取网络分级器，建立烧伤发生风险因素模型；

步骤五：对烧伤发生风险因素模型进行不断训练，从而优化烧伤发生风险因素模型；

步骤六：获取烧伤发生风险因素相关分析结果；

步骤七：通过调查问卷对不同程度烧伤的患者的数据进行收集，进一步扩增数据库数据；

步骤八：将人工智能算法加入烧伤发生风险因素模型，并随着样本量的不断增加及烧伤发生风险因素数据库的不断优化，不断提高烧伤发生风险因素模型对烧伤发生风险预测的准确率。

优选的，所述步骤一中，对烧伤发生生风险因素相关病例资料进行采集的方式为调查问卷的方式，对足够多的烧伤患者进行问卷调查，通过问卷调查的数据形成烧伤发生风险因素风险分级表。

优选的，所述步骤二中，对病例资料进行分析时，将患者的烧伤程度根据严重程度和烧伤面积进行烧伤程度分级，并将分析所得数据形成烧伤程度分级表。

优选的，根据烧伤严重程度分为ⅰ度烧伤、浅ⅱ度烧伤、深ⅱ度烧伤和ⅲ度烧伤，且ⅰ度烧伤的依据为损伤限于表皮浅层，烧伤处皮肤发红，疼痛不剧烈，可自然愈合，无瘢痕；浅ⅱ度烧伤的依据为损伤深度为表皮和真皮上1/3，烧伤处红肿起水疱，可有剧烈疼痛和灼热感但可自然愈合无瘢痕或轻微瘢痕亦可称为浅二度烧伤；更甚者表现为损伤深度为表皮和真皮深部，烧伤处会发红，起白色大水疱，疼痛较浅二度要轻，虽可自然愈合，会留下瘢痕；深ⅱ度烧伤的依据为皮肤苍白，有水疱，水疱破后基地面颜色偏浅，此类烧伤者经常感觉不到疼痛感；ⅲ度烧伤的依据为皮肤全层受损，有皮下组织、筋膜、肌肉涉及骨骼损伤。

优选的，根据烧伤面积分为轻度烧伤、中度烧伤、重度烧伤和特重度烧伤，且成人标准的轻度烧伤为ⅱ度烧伤内皮肤烧伤面积为10％以下；中度烧伤为ⅱ度烧伤内皮肤烧伤面积为10-29％或ⅲ度烧伤内皮肤烧伤面积＜10％；重度烧伤为烧伤总面积30-49％，ⅲ度烧伤内烧伤面积为10-19％，烧伤面积不足30％，但有以下情况之一的：①全身情况较重或已有休克；②较重的复合伤；③中、重度吸入性损伤(又称“呼吸道烧伤”，因致伤因素不单纯由于热力、烟雾、有害气体、化学物质如氯化物等，曾有学者提出，有吸入性损伤者增加体表面积6％烧伤)；特重烧伤为烧伤总面积＞50％或ⅲ度烧伤内烧伤面积＞20％的；而儿童标准的轻度烧伤为ⅱ度烧伤内皮肤烧伤面积为5％以下；中度烧伤为ⅱ度烧伤内皮肤烧伤面积为6-15％或ⅲ度烧伤内皮肤烧伤面积＜5％；重度烧伤为ⅱ度烧伤内皮肤烧伤面积为16-25％或ⅲ度烧伤内皮肤烧伤面积6-10％；特重烧伤为烧伤总面积为26-40％或ⅲ度烧伤内烧伤面积11-25％。

与现有技术相比，本发明提供了一种基于人工智能构建的烧伤发生风险评估及预防新模型，具备以下有益效果：

1、本发明通过运用构建人工智能算法的烧伤发生风险预测模型可以对烧伤发生风险因素进行不间断监测，不断实时更新符合当地实情的烧伤发生风险预测结果，达到宣传预防政策制定指导作用，以减少烧伤发生的几率，不仅节约科研成本，同时也减少烧伤发生，节约宝贵的医疗成本；

2、本发明通过人工智能加入，其在建立相关数据库后运用特有的算法所形成的自我学习功能即可达到随着病例特点及数量不断累积，运算重复次数的叠加后即形成自我更新学习的特点，这样随着病例特点及病例数目的增加，对于基于人工智能构建的烧伤风险因素预防模型也可不断完善和自我更新，无需如统计学分析那样，经过一段时间应用后统计结果因滞后性，无法自我更新而不得不再次花费大量精力去再次寻找适合目前特点的结果；

3、本发明不仅可以分析烧伤发生高位人群，同时可以重点监测儿童烧伤群体的高位烧伤风险因素，以到达重点监控疾病发生，减少烧伤发生可能，并可针对性的制定个性化宣传预防手册及实时更新内容，从而通过预防知识的宣传进一步降低儿童烧伤群体的人数，做到预防为主；

4、本发明通过在采集烧伤发生风险因素相关病例资料时，对烧伤程度进行分级处理，将烧伤程度按严重程度分为ⅰ度烧伤、浅ⅱ度烧伤、深ⅱ度烧伤和ⅲ度烧伤，根据烧伤面积分为轻度烧伤、中度烧伤、重度烧伤和特重度烧伤，方便数据库对烧伤严重程度进行记录，并分析烧伤原因从而对中度、重度和特重度烧伤的烧伤原因进行分析并加以预防，以进一步减少烧伤发生的几率；

5、本发明通过采用调查问卷的方式对烧伤发生风险因素相关病例资料进行采集，使采集结果更加准确，对数据库的优化更加有利，通过在调查问卷中对患者的自身各种情况进行记录，且对患者的烧伤情况进行记录，使患者的烧伤情况能更加详细的被记录，通过对患者的家庭情况和家庭的安全措施等进行记录，方便对患者的烧伤因素进行分析，从而能更加准确的对其他儿童进行烧伤预防。

附图说明

附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制，在附图中：

图1为本发明提出的基于人工智能构建的烧伤发生风险评估及预防新模型中数据采集和分析系统的结构示意图；

图2为本发明提出的基于人工智能构建的烧伤发生风险评估及预防新模型中建立数据库的系统结构示意图；

图3为本发明提出的基于人工智能构建的烧伤发生风险评估及预防新模型中优化数据库模块的结构示意图；

图4为本发明提出的基于人工智能构建的烧伤发生风险评估及预防新模型中扩增数据库数据的系统结构示意图；

图5为本发明提出的基于人工智能构建的烧伤发生风险评估及预防新模型中提高模型预测准确率的系统结构示意图；

图中：1、采集烧伤发生风险因素相关病例资料模块；2、分析模块；3、形成烧伤发生风险因素风险分级表模块；4、识别模块；5、低风险因素模块；6、高风险因素模块；7、采集病例数据特点模块；8、建立烧伤发生风险因素数据库模块；9、获取网络分级器模块；10、建立烧伤发生风险因素模型模块；11、训练模块；12、优化烧伤发生风险因素模型模块；13、获取分析结果模块；14、增加新病例模块；15、扩增数据库数据模块；16、增加样本量模块；17、优化数据库模块；18、人工智能算法模块；19、烧伤发生风险预测准确率提高模块。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

请参阅图1-5，本发明提供一种技术方案：一种基于人工智能构建的烧伤发生风险评估，包括采集烧伤发生风险因素相关病例资料模块1、获取网络分级器模块9、增加新病例模块14和增加样本量模块16，采集烧伤发生风险因素相关病例资料模块1的输出端和分析模块2的输入端相连接，分析模块2的输出端和形成烧伤发生风险因素风险分级表模块3的输入端相连接，形成烧伤发生风险因素风险分级表模块3的输出端和识别模块4的输入端相连接，识别模块4的输出端分别和低风险因素模块5、高风险因素模块6的输入端相连接，高风险因素模块6的输出端和采集病例数据特点模块7的输入端相连接，采集病例数据特点模块7的输出端和建立烧伤发生风险因素数据库模块8的输入端相连接，本发明不仅可以分析烧伤发生高位人群，同时可以重点监测儿童烧伤群体的高位烧伤风险因素，以到达重点监控疾病发生，减少烧伤发生可能，并可针对性的制定个性化宣传预防手册及实时更新内容，从而通过预防知识的宣传进一步降低儿童烧伤群体的人数，做到预防为主。

本发明中，优选的，获取网络分级器模块9的输出端和建立烧伤发生风险因素模型模块10的输入端相连接，建立烧伤发生风险因素模型模块10的输出端和训练模块11的输入端相连接。

本发明中，优选的，训练模块11的输出端和优化烧伤发生风险因素模型模块12的输入端相连接，优化烧伤发生风险因素模型模块12的输出端和获取分析结果模块13的输入端相连接。

本发明中，优选的，增加新病例模块14的输出端和扩增数据库数据模块15的输入端相连接。

本发明中，优选的，增加样本量模块16、优化数据库模块17的输入端均和人工智能算法模块18的输入端相连接，人工智能算法模块18的输出端和烧伤发生风险预测准确率提高模块19的输入端相连接，本发明通过运用构建人工智能算法的烧伤发生风险预测模型可以对烧伤发生风险因素进行不间断监测，不断实时更新符合当地实情的烧伤发生风险预测结果，达到宣传预防政策制定指导作用，以减少烧伤发生的几率，不仅节约科研成本，同时也减少烧伤发生，节约宝贵的医疗成本，本发明通过人工智能加入，其在建立相关数据库后运用特有的算法所形成的自我学习功能即可达到随着病例特点及数量不断累积，运算重复次数的叠加后即形成自我更新学习的特点，这样随着病例特点及病例数目的增加，对于基于人工智能构建的烧伤风险因素预防模型也可不断完善和自我更新，无需如统计学分析那样，经过一段时间应用后统计结果因滞后性，无法自我更新而不得不再次花费大量精力去再次寻找适合目前特点的结果。

一种基于人工智能构建的烧伤发生预防新模型，包括以下步骤：

步骤一：首先运用专业知识和统计学分析手段采集足够数量的烧伤发生生风险因素相关病例资料；

步骤二：通过对烧伤发生生风险因素相关病例资料的分析，从而形成烧伤发生风险因素风险分级表，对烧伤发生风险因素风险进行识别，并分析出相关高风险因素；

步骤三：运用专业知识对分析出的烧伤发生高风险因素的数据特点进行采集，并建立烧伤发生风险因素数据库；

步骤四：获取网络分级器，建立烧伤发生风险因素模型；

步骤五：对烧伤发生风险因素模型进行不断训练，从而优化烧伤发生风险因素模型；

步骤六：获取烧伤发生风险因素相关分析结果；

步骤七：通过调查问卷对不同程度烧伤的患者的数据进行收集，进一步扩增数据库数据；

步骤八：将人工智能算法加入烧伤发生风险因素模型，并随着样本量的不断增加及烧伤发生风险因素数据库的不断优化，不断提高烧伤发生风险因素模型对烧伤发生风险预测的准确率。

步骤一中，对烧伤发生生风险因素相关病例资料进行采集的方式为调查问卷的方式，对足够多的烧伤患者进行问卷调查，通过问卷调查的数据形成烧伤发生风险因素风险分级表，本发明通过采用调查问卷的方式对烧伤发生风险因素相关病例资料进行采集，使采集结果更加准确，对数据库的优化更加有利，通过在调查问卷中对患者的自身各种情况进行记录，且对患者的烧伤情况进行记录，使患者的烧伤情况能更加详细的被记录，通过对患者的家庭情况和家庭的安全措施等进行记录，方便对患者的烧伤因素进行分析，从而能更加准确的对其他儿童进行烧伤预防。

步骤二中，对病例资料进行分析时，将患者的烧伤程度根据严重程度和烧伤面积进行烧伤程度分级，并将分析所得数据形成烧伤程度分级表。

根据烧伤严重程度分为ⅰ度烧伤、浅ⅱ度烧伤、深ⅱ度烧伤和ⅲ度烧伤，且ⅰ度烧伤的依据为损伤限于表皮浅层，烧伤处皮肤发红，疼痛不剧烈，可自然愈合，无瘢痕；浅ⅱ度烧伤的依据为损伤深度为表皮和真皮上1/3，烧伤处红肿起水疱，可有剧烈疼痛和灼热感但可自然愈合无瘢痕或轻微瘢痕亦可称为浅二度烧伤；更甚者表现为损伤深度为表皮和真皮深部，烧伤处会发红，起白色大水疱，疼痛较浅二度要轻，虽可自然愈合，会留下瘢痕；深ⅱ度烧伤的依据为皮肤苍白，有水疱，水疱破后基地面颜色偏浅，此类烧伤者经常感觉不到疼痛感；ⅲ度烧伤的依据为皮肤全层受损，有皮下组织、筋膜、肌肉涉及骨骼损伤。

根据烧伤面积分为轻度烧伤、中度烧伤、重度烧伤和特重度烧伤，且成人标准的轻度烧伤为ⅱ度烧伤内皮肤烧伤面积为10％以下；中度烧伤为ⅱ度烧伤内皮肤烧伤面积为10-29％或ⅲ度烧伤内皮肤烧伤面积＜10％；重度烧伤为烧伤总面积30-49％，ⅲ度烧伤内烧伤面积为10-19％，烧伤面积不足30％，但有以下情况之一的：①全身情况较重或已有休克；②较重的复合伤；③中、重度吸入性损伤(又称“呼吸道烧伤”，因致伤因素不单纯由于热力、烟雾、有害气体、化学物质如氯化物等，曾有学者提出，有吸入性损伤者增加体表面积6％烧伤)；特重烧伤为烧伤总面积＞50％或ⅲ度烧伤内烧伤面积＞20％的；而儿童标准的轻度烧伤为ⅱ度烧伤内皮肤烧伤面积为5％以下；中度烧伤为ⅱ度烧伤内皮肤烧伤面积为6-15％或ⅲ度烧伤内皮肤烧伤面积＜5％；重度烧伤为ⅱ度烧伤内皮肤烧伤面积为16-25％或ⅲ度烧伤内皮肤烧伤面积6-10％；特重烧伤为烧伤总面积为26-40％或ⅲ度烧伤内烧伤面积11-25％，本发明通过在采集烧伤发生风险因素相关病例资料时，对烧伤程度进行分级处理，将烧伤程度按严重程度分为ⅰ度烧伤、浅ⅱ度烧伤、深ⅱ度烧伤和ⅲ度烧伤，根据烧伤面积分为轻度烧伤、中度烧伤、重度烧伤和特重度烧伤，方便数据库对烧伤严重程度进行记录，并分析烧伤原因从而对中度、重度和特重度烧伤的烧伤原因进行分析并加以预防，以进一步减少烧伤发生的几率。

实施例一

一种基于人工智能构建的烧伤发生预防新模型，包括以下步骤：

步骤一：首先运用专业知识和统计学分析手段采集足够数量的烧伤发生生风险因素相关病例资料；

步骤二：通过对烧伤发生生风险因素相关病例资料的分析，从而形成烧伤发生风险因素风险分级表，对烧伤发生风险因素风险进行识别，并分析出相关高风险因素；

步骤三：运用专业知识对分析出的烧伤发生高风险因素的数据特点进行采集，并建立烧伤发生风险因素数据库；

步骤四：获取网络分级器，建立烧伤发生风险因素模型；

步骤五：对烧伤发生风险因素模型进行不断训练，从而优化烧伤发生风险因素模型；

步骤六：获取烧伤发生风险因素相关分析结果；

步骤七：通过调查问卷对不同程度烧伤的患者的数据进行收集，进一步扩增数据库数据；

步骤八：将人工智能算法加入烧伤发生风险因素模型，并随着样本量的不断增加及烧伤发生风险因素数据库的不断优化，不断提高烧伤发生风险因素模型对烧伤发生风险预测的准确率。

步骤一中，对烧伤发生生风险因素相关病例资料进行采集的方式为调查问卷的方式，对足够多的烧伤患者进行问卷调查，通过问卷调查的数据形成烧伤发生风险因素风险分级表，本发明通过采用调查问卷的方式对烧伤发生风险因素相关病例资料进行采集，使采集结果更加准确，对数据库的优化更加有利，通过在调查问卷中对患者的自身各种情况进行记录，且对患者的烧伤情况进行记录，使患者的烧伤情况能更加详细的被记录，通过对患者的家庭情况和家庭的安全措施等进行记录，方便对患者的烧伤因素进行分析，从而能更加准确的对其他儿童进行烧伤预防。

实施例二

一种基于人工智能构建的烧伤发生预防新模型，包括以下步骤：

步骤一：首先运用专业知识和统计学分析手段采集足够数量的烧伤发生生风险因素相关病例资料；

步骤二：通过对烧伤发生生风险因素相关病例资料的分析，从而形成烧伤发生风险因素风险分级表，对烧伤发生风险因素风险进行识别，并分析出相关高风险因素；

步骤三：运用专业知识对分析出的烧伤发生高风险因素的数据特点进行采集，并建立烧伤发生风险因素数据库；

步骤四：获取网络分级器，建立烧伤发生风险因素模型；

步骤五：对烧伤发生风险因素模型进行不断训练，从而优化烧伤发生风险因素模型；

步骤六：获取烧伤发生风险因素相关分析结果；

步骤七：通过调查问卷对不同程度烧伤的患者的数据进行收集，进一步扩增数据库数据；

步骤八：将人工智能算法加入烧伤发生风险因素模型，并随着样本量的不断增加及烧伤发生风险因素数据库的不断优化，不断提高烧伤发生风险因素模型对烧伤发生风险预测的准确率。

步骤一中，对烧伤发生生风险因素相关病例资料进行采集的方式为调查问卷的方式，对足够多的烧伤患者进行问卷调查，通过问卷调查的数据形成烧伤发生风险因素风险分级表，本发明通过采用调查问卷的方式对烧伤发生风险因素相关病例资料进行采集，使采集结果更加准确，对数据库的优化更加有利，通过在调查问卷中对患者的自身各种情况进行记录，且对患者的烧伤情况进行记录，使患者的烧伤情况能更加详细的被记录，通过对患者的家庭情况和家庭的安全措施等进行记录，方便对患者的烧伤因素进行分析，从而能更加准确的对其他儿童进行烧伤预防。

步骤二中，对病例资料进行分析时，将患者的烧伤程度根据严重程度和烧伤面积进行烧伤程度分级，并将分析所得数据形成烧伤程度分级表。

实施例三

一种基于人工智能构建的烧伤发生预防新模型，包括以下步骤：

步骤一：首先运用专业知识和统计学分析手段采集足够数量的烧伤发生生风险因素相关病例资料；

步骤二：通过对烧伤发生生风险因素相关病例资料的分析，从而形成烧伤发生风险因素风险分级表，对烧伤发生风险因素风险进行识别，并分析出相关高风险因素；

步骤三：运用专业知识对分析出的烧伤发生高风险因素的数据特点进行采集，并建立烧伤发生风险因素数据库；

步骤四：获取网络分级器，建立烧伤发生风险因素模型；

步骤五：对烧伤发生风险因素模型进行不断训练，从而优化烧伤发生风险因素模型；

步骤六：获取烧伤发生风险因素相关分析结果；

步骤七：通过调查问卷对不同程度烧伤的患者的数据进行收集，进一步扩增数据库数据；

步骤八：将人工智能算法加入烧伤发生风险因素模型，并随着样本量的不断增加及烧伤发生风险因素数据库的不断优化，不断提高烧伤发生风险因素模型对烧伤发生风险预测的准确率。

步骤一中，对烧伤发生生风险因素相关病例资料进行采集的方式为调查问卷的方式，对足够多的烧伤患者进行问卷调查，通过问卷调查的数据形成烧伤发生风险因素风险分级表，本发明通过采用调查问卷的方式对烧伤发生风险因素相关病例资料进行采集，使采集结果更加准确，对数据库的优化更加有利，通过在调查问卷中对患者的自身各种情况进行记录，且对患者的烧伤情况进行记录，使患者的烧伤情况能更加详细的被记录，通过对患者的家庭情况和家庭的安全措施等进行记录，方便对患者的烧伤因素进行分析，从而能更加准确的对其他儿童进行烧伤预防。

步骤二中，对病例资料进行分析时，将患者的烧伤程度根据严重程度和烧伤面积进行烧伤程度分级，并将分析所得数据形成烧伤程度分级表。

根据烧伤严重程度分为ⅰ度烧伤、浅ⅱ度烧伤、深ⅱ度烧伤和ⅲ度烧伤，且ⅰ度烧伤的依据为损伤限于表皮浅层，烧伤处皮肤发红，疼痛不剧烈，可自然愈合，无瘢痕；浅ⅱ度烧伤的依据为损伤深度为表皮和真皮上1/3，烧伤处红肿起水疱，可有剧烈疼痛和灼热感但可自然愈合无瘢痕或轻微瘢痕亦可称为浅二度烧伤；更甚者表现为损伤深度为表皮和真皮深部，烧伤处会发红，起白色大水疱，疼痛较浅二度要轻，虽可自然愈合，会留下瘢痕；深ⅱ度烧伤的依据为皮肤苍白，有水疱，水疱破后基地面颜色偏浅，此类烧伤者经常感觉不到疼痛感；ⅲ度烧伤的依据为皮肤全层受损，有皮下组织、筋膜、肌肉涉及骨骼损伤。

根据烧伤面积分为轻度烧伤、中度烧伤、重度烧伤和特重度烧伤，且成人标准的轻度烧伤为ⅱ度烧伤内皮肤烧伤面积为10％以下；中度烧伤为ⅱ度烧伤内皮肤烧伤面积为10-29％或ⅲ度烧伤内皮肤烧伤面积＜10％；重度烧伤为烧伤总面积30-49％，ⅲ度烧伤内烧伤面积为10-19％，烧伤面积不足30％，但有以下情况之一的：①全身情况较重或已有休克；②较重的复合伤；③中、重度吸入性损伤(又称“呼吸道烧伤”，因致伤因素不单纯由于热力、烟雾、有害气体、化学物质如氯化物等，曾有学者提出，有吸入性损伤者增加体表面积6％烧伤)；特重烧伤为烧伤总面积＞50％或ⅲ度烧伤内烧伤面积＞20％的；而儿童标准的轻度烧伤为ⅱ度烧伤内皮肤烧伤面积为5％以下；中度烧伤为ⅱ度烧伤内皮肤烧伤面积为6-15％或ⅲ度烧伤内皮肤烧伤面积＜5％；重度烧伤为ⅱ度烧伤内皮肤烧伤面积为16-25％或ⅲ度烧伤内皮肤烧伤面积6-10％；特重烧伤为烧伤总面积为26-40％或ⅲ度烧伤内烧伤面积11-25％，本发明通过在采集烧伤发生风险因素相关病例资料时，对烧伤程度进行分级处理，将烧伤程度按严重程度分为ⅰ度烧伤、浅ⅱ度烧伤、深ⅱ度烧伤和ⅲ度烧伤，根据烧伤面积分为轻度烧伤、中度烧伤、重度烧伤和特重度烧伤，方便数据库对烧伤严重程度进行记录，并分析烧伤原因从而对中度、重度和特重度烧伤的烧伤原因进行分析并加以预防，以进一步减少烧伤发生的几率。

本发明的工作原理及使用流程：使用时，首先运用专业知识和统计学分析手段采集足够数量的烧伤发生生风险因素相关病例资料，通过对烧伤发生生风险因素相关病例资料的分析，从而形成烧伤发生风险因素风险分级表，对烧伤发生风险因素风险进行识别，并分析出相关高风险因素，运用专业知识对分析出的烧伤发生高风险因素的数据特点进行采集，并建立烧伤发生风险因素数据库，获取网络分级器，建立烧伤发生风险因素模型，对烧伤发生风险因素模型进行不断训练，从而优化烧伤发生风险因素模型，获取烧伤发生风险因素相关分析结果，通过调查问卷对不同程度烧伤的患者的数据进行收集，进一步扩增数据库数据，将人工智能算法加入烧伤发生风险因素模型，并随着样本量的不断增加及烧伤发生风险因素数据库的不断优化，不断提高烧伤发生风险因素模型对烧伤发生风险预测的准确率。

尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。