本技术属于智慧医院,涉及了一种智能手术麻醉控制方法及系统。
背景技术:
1、在全麻手术中,一方面,术前、术中和术后均存在需要注意的点,比如:在术前,患者没有按照医生的要求进行禁食禁饮,导致在手术过程中胃内容物反流或呕吐,增加吸入性肺炎和窒息的风险;在术中,患者可能会出现多种并发症,其中最常见的是呼吸系统和循环系统并发症,如上呼吸道梗阻、通气不足、低血压、高血压等,此时需要确保应急设备是否完备;而在术后,患者苏醒后可能存在舌后坠、痰液阻塞气道等风险,因此需采取侧卧位,头偏向一侧以方便医护进行吸痰操作,以保持呼吸道通畅。
2、而现有技术中应用于智慧医院的物联网系统,在全麻手术的应用场景中,智能化程度较低,而且在面对不同患者不同手术类型的情况下,无法较好地满足患者在手术麻醉整个流程下的个性化提示需求。
技术实现思路
1、为了克服现有技术存在的缺陷与不足,本技术提供了一种智能手术麻醉控制方法及系统。
2、为了达到上述目的,本技术采用以下技术方案:
3、根据本技术的一个方面,提供了一种智能手术麻醉控制方法,该方法包括:
4、基于预设轮询周期,根据手术计划信息表进行设置标识信息;其中所述标识信息具体为第一监督标识、第二监督标识、非监督标识中的任意一类标识;
5、获取多个医护场景图像信息,并将区域标识类型与目标区域类型集合存在重叠情况的医护场景图像信息筛选出来,其中每个医护场景图像信息均与一个场景id对应;
6、依次遍历所有经过筛选后的医护场景图像信息,结合所述标识信息进行自适应提示分析。
7、优选地,在依次遍历所有经过筛选后的医护场景图像信息,结合所述标识信息进行自适应提示分析中,具体包括:
8、基于当前遍历的医护场景图像信息进行识别目标患者对象;
9、确定当前遍历的医护场景图像信息所对应的区域标识类型;
10、若区域标识类型为住院部类型,且该目标患者对象具有第一监督标识,则进行自适应禁食提示处理;
11、若区域标识类型为住院部类型,且该目标患者对象具有第二监督标识,则进行自适应卧姿提示处理;
12、若区域标识类型为手术室类型,则进行自适应应急提示处理。
13、优选地,在自适应禁食提示处理中,具体包括:
14、识别场景内是否存在食品;
15、当存在食品时,若识别出目标患者对象具有饮食趋势的情况时,则生成第一提示信息并基于场景id发送至语音提示器,其中所述第一提示信息用于提示目标患者对象禁食,目标患者对象具有饮食趋势的情况具体表示为食品与目标患者对象的相对距离在预设时间内的减少量超过预设运动趋势距离;
16、当存在食品时,若识别目标患者对象存在饮食行为时,则生成第二提示信息并发送至医护人员,其中所述第二提示信息用于提示医护人员及时调整手术方案;
17、当不存在食品时,则不做处理。
18、优选地,在识别场景内是否存在食品中,具体包括:利用预先训练好的食品识别模型进行识别以得到是否含有食品的标签信息,若为含有食品的标签则判断为场景内存在食品,若为未含有食品的标签则判断为场景内不存在食品;
19、所述食品识别模型为使用多组训练数据通过机器学习训练得到,多组训练数据包括第一类数据和第二类数据,第一类数据中的每组训练数据均包括:含有食品的训练图像和标识该训练图像含有食品的标签;第二类数据中的每组训练数据均包括:未含有食品的训练图像和标识该训练图像未含有食品的标签。
20、优选地,在识别目标患者对象存在饮食行为中,具体包括:
21、基于当前遍历的医护场景图像信息,根据预设截取区域对目标患者对象进行截取画面得到待识别图像信息;
22、将待识别图像信息依次输入至预先训练好的饮食行为识别模型进行识别以得到是否含有饮食行为的标签信息;
23、所述饮食行为识别模型为使用多组训练数据通过机器学习训练得到,多组训练数据包括第三类数据和第四类数据,第三类数据中的每组训练数据均包括:含有饮食行为的训练图像和标识该训练图像含有饮食行为的标签;第四类数据中的每组训练数据均包括:未含有饮食行为的训练图像和标识该训练图像未含有饮食行为的标签。
24、优选地,在自适应卧姿提示处理中,具体包括:
25、识别场景内目标患者对象的卧姿类型;
26、基于预存的术后卧姿规则表,根据手术类型匹配对应的预设卧姿类型;
27、若判断场景内目标患者对象的卧姿类型与预设卧姿类型不同时,则生成第三提示信息并发送至医护人员,其中所述第三提示信息用于提示医护人员及时查看患者卧姿情况。
28、优选地,在自适应应急提示处理中,具体包括:
29、根据场景id确定预设应急放置区边界;
30、基于预设应急放置区边界进行识别应急设备,若存在应急设备且应急设备的位置处于预设应急放置区边界内则不做处理,否则生成第四提示信息并发送至医护人员;其中所述第四提示信息用于提示医护人员布置手术室应急设备。
31、优选地,在基于预设应急放置区边界进行识别应急设备中,具体包括:利用预先训练好的应急设备识别模型对当前遍历的医护场景图像信息进行识别是否存在应急设备;
32、其中,所述应急设备识别模型为使用多组训练数据通过机器学习训练得到,多组数据包括第五类数据和第六类数据,第五类数据中的每组数据均包括:含有应急设备的训练图像和标识该训练图像中含有应急设备的标签,第六类数据中的每组数据均包括:不含有应急设备的训练图像和标识该训练图像不含有应急设备的标签。
33、优选地,在根据手术计划信息表设置标识信息中,具体包括:
34、依次遍历所述手术计划信息表;
35、将麻醉类型为全麻类型的手术项筛选出来作为待标记项;
36、确定禁食时间范围和侧卧时间范围;
37、若当前时间点处于禁食时间范围内,则对该患者对应的患者id设置第一监督标识;
38、若当前时间点处于侧卧时间范围内,则对该患者对应的患者id设置第二监督标识;
39、若当前时间点均不在禁食时间范围或侧卧时间范围内,则设置非监督标识;
40、其中,所述手术计划信息表包括多个需执行麻醉的手术项,每个手术项包括手术名称、手术类型、麻醉类型、麻醉时间范围、手术时间范围,每个手术项均与对应的患者信息、医护信息、家属信息进行关联。
41、根据本技术的另一个方面,还提供了一种智能手术麻醉控制系统,该系统包括:
42、标识模块,用于基于预设轮询周期,根据手术计划信息表进行设置标识信息;其中所述标识信息具体为第一监督标识、第二监督标识、非监督标识中的任意一类标识;
43、场景筛选模块,用于获取多个医护场景图像信息,并将区域标识类型与目标区域类型集合存在重叠情况的医护场景图像信息筛选出来,其中每个医护场景图像信息均与一个场景id对应;
44、自适应提示模块,用于依次遍历所有经过筛选后的医护场景图像信息,结合所述标识信息进行自适应提示分析;
45、在依次遍历所有经过筛选后的医护场景图像信息,结合所述标识信息进行自适应提示分析中,具体包括:
46、基于当前遍历的医护场景图像信息进行识别目标患者对象;
47、确定当前遍历的医护场景图像信息所对应的区域标识类型;
48、若区域标识类型为住院部类型,且该目标患者对象具有第一监督标识,则进行自适应禁食提示处理;
49、若区域标识类型为住院部类型,且该目标患者对象具有第二监督标识,则进行自适应卧姿提示处理;
50、若区域标识类型为手术室类型,则进行自适应应急提示处理。
51、本技术与现有技术相比,具有如下优点和有益效果:
52、(1)本技术通过应用图像识别和智能算法对医护场景进行分析,在结合标识信息进行自适应提示分析中,根据区域标识类型和标识信息以采取自适应禁食提示处理、自适应卧姿提示处理、自适应应急提示处理,从而实现智能化的手术麻醉流程过程中的护理提示,提高了医护人员在看护患者时的护理效率,这不仅提高了医护人员的工作效率,还有助于患者在手术麻醉过程中得到更精确和有效的护理,提高手术麻醉的质量和安全性。
53、(2)本技术利用食品识别模型、卧姿识别模型和应急设备识别模型在对应的医护场景下识别,为智慧医院提供更精准和更个性化的护理体验,本技术利用食品识别模型和饮食行为识别模型实现自适应禁食提示处理,从而达到个性化禁食监督的效果,提高了医护人员在病房巡视时的护理效率;利用卧姿识别模型实现自适应卧姿提示处理,判断目标患者对象的卧姿类型是否合理,从而在卧姿类型不合理时进行及时提示医护人员,以帮助患者纠正卧姿情况,进而为患者在提供更具个性化的康复护理效果;利用应急设备识别模型实现自适应应急提示处理,确保应急设备处于预设应急放置区边界内,减少了应急反应时间,提高医护人员在手术期间的应急响应效率,增加手术麻醉过程的安全性。