一种用于评估妇科微创手术安全的智能监测系统

本发明涉及智能监测，具体是一种用于评估妇科微创手术安全的智能监测系统。

背景技术：

1、现有技术cn115565697a“一种基于数据分析的围术期流程监测管控系统”，解决了现有技术中，不能够将术前、术中以及术后流程进行分析的技术问题，将历史麻醉手术对应指标进行监测，通过指标监测对麻醉手术进行风险评估，同时根据历史影响指标分析，提高当前麻醉手术的监测针对性，提高了当前手术的安全性和成功性；将当前麻醉手术的手术指标进行术中监测，判断麻醉手术过程中高风险指标参数的实时影响，提高了术中监测的准确性，同时提高了麻醉手术的安全性，防止麻醉手术异常导致其手术成功性降低，从而影响患者的后续治疗；

2、现有技术cn117058854a“一种基于综合手术动力系统的故障监测预警系统”用于解决现有技术中无法在综合手术动力系统使用之前以及使用过程中对其进行实时监控，导致综合手术动力系统易于出现故障，进而导致手术无法正常进行，对手术操作造成困难甚至失误的问题；该系统能够实时监控正在运行的综合手术动力系统的运行状态，保证了综合手术动力系统的运行状态正常，保证了手术的正常进行与提高了手术安全性；该系统能够在综合手术动力系统使用前对其进行多次筛选，得出综合情况优良的综合手术动力系统进行手术使用，降低综合手术动力系统出现故障的几率，进一步的保证了手术的正常进行与提高了手术安全性；

3、现有的评估妇科微创手术安全的智能监测技术中，往往对手术过程中的各项指标采用阈值监测技术，这是一种静态分析法，未能体现在线智能监测系统的优势，且现有评估妇科微创手术安全的智能监测技术中，未对患者的手术过程中发生并发症存在密切关联的指标进行区别分析，导致妇科微创手术安全的智能监测的准确率低下，操作过程中存在微弱或难以识别的征兆，手术中如果不对操作过程进行复查或进一步的详细检查，这可能导致术中并发症的出现，基于现有的阈值监测技术，手术过程中产生并发症之前的早期征兆往往不易被检测到，因为手术过程中产生并发症的征兆可能微弱或难以识别，这可能导致在并发症产生条件成熟之前无法采取预防措施，如何解决上述技术难度，是我们亟需解决的问题。

技术实现思路

1、为了解决上述技术问题，本发明的目的在于提供一种用于评估妇科微创手术安全的智能监测系统，包括监控中心，所述监控中心通信连接有特征提取模块、数据采集模块、实时监测模块、多层感知分析模块和智能预警模块；

2、所述特征提取模块用于获取妇科微创手术的标准化操作流程，提取标准化操作流程中各操作流程序列关联特征和非关联特征；

3、所述数据采集模块用于采集各操作流程序列的监测数据并标记采集时间，设置采集周期；

4、所述实时监测模块用于判断各操作流程序列的是否位于对应的合格阈值区间中，并根据判断结果生成妇科微创手术安全警报信号；

5、所述多层感知分析模块基于深度学习构建多层感知预警模型，基于多层感知预警模型获取采集周期剩余时间段内各操作流程序列的关联监测指标对应的预测数据时序序列；

6、所述智能预警模块对采集周期剩余时间段内各操作流程序列的关联监测指标对应的预测数据时序序列分析，并根据分析结果生成手术操作流程序列复查信号。

7、进一步的，所述特征提取模块获取妇科微创手术的标准化操作流程，提取标准化操作流程中各操作流程序列关联特征和非关联特征的过程包括：

8、根据妇科微创手术的标准化操作流程提取操作流程序列，对操作流程序列进行关联特征提取；

9、利用大数据技术检索妇科微创手术对应的所有监测指标以及若干历史医疗记录，将妇科微创手术对应的所有监测指标标记为判研指标，并根据若干历史医疗记录采集到历史完成妇科微创手术且术中无并发症记录的患者对应的各操作流程序列的判研指标的数值范围，同时采集到历史完成妇科微创手术且术中产生并发症记录的患者对应的各操作流程序列的判研指标的数值范围，将历史完成妇科微创手术且术中无并发症记录的患者对应的各操作流程序列的判研指标的数值范围与历史完成妇科微创手术且术中产生并发症记录的患者对应的各操作流程序列的判研指标的数值范围进行比较；

10、若历史完成妇科微创手术且术中无并发症记录的患者对应的各操作流程序列的判研指标的数值范围与历史完成妇科微创手术且术中产生并发症记录的患者对应的各操作流程序列的判研指标的数值范围一致，则获取各操作流程序列的数值范围一致的判研指标对应的监测指标，并将其标记为无关联监测指标；

11、若历史完成妇科微创手术且术中无并发症记录的患者对应的各操作流程序列的判研指标的数值范围与历史完成妇科微创手术且术中产生并发症记录的患者对应的各操作流程序列的判研指标的数值范围不一致，则获取各操作流程序列的数值范围不一致的判研指标对应的监测指标，并将其标记为关联监测指标。

12、进一步的，所述数据采集模块采集各操作流程序列的监测数据并标记采集时间，设置采集周期的过程包括：

13、设置数据监测点位，所述数据监测点位根据各操作流程序列的无关联监测指标采集各操作流程序列的无关联监测指标对应的监测数据标记采集时间，设置采集周期；

14、所述数据监测点位根据各操作流程序列的关联监测指标采集各操作流程序列的关联监测指标对应的监测数据标记采集时间，设置采集周期。

15、进一步的，所述实时监测模块判断的各操作流程序列的是否位于对应的合格阈值区间中，并根据判断结果生成妇科微创手术安全警报信号的过程包括：

16、预设妇科微创手术各操作流程序列的无关联监测指标的对应的合格阈值区间，以及各操作流程序列的关联监测指标对应的合格阈值区间；

17、获取采集周期内数据监测点位已采集的若干操作流程序列的无关联监测指标对应的监测数据以及若干操作流程序列的关联监测指标对应的监测数据，判断所述无关联监测指标对应的监测数据以及所述关联监测指标对应的监测数据是否位于对应的合格阈值区间内；

18、若位于对应的合格阈值区间的监测数据，则对若干操作流程序列的关联监测指标对应的监测数据进行趋势表征分析；

19、若存在不位于对应的合格阈值区间的监测数据，则生成妇科微创手术安全警报信号并发送至监控中心。

20、进一步的，所述多层感知分析模块基于深度学习构建多层感知预警模型的过程包括：

21、基于深度学习构建多层感知预警模型，通过若干历史医疗记录获取训练数据，利用所述训练数据对多层感知预警模型进行训练；

22、将训练数据输入到所述多层感知预警模型中进行训练，直至损失函数训练平稳，并保存模型参数，通过测试集对所述多层感知预警模型进行测试，直至符合预设要求，输出所述多层感知预警模型。

23、进一步的，所述多层感知分析模块获取采集周期剩余时间段内各操作流程序列的关联监测指标对应的预测数据时序序列的过程包括：

24、获取采集周期内已采集的若干操作流程序列的关联监测指标对应的监测数据，对若干操作流程序列的关联监测指标对应的监测数据分别进行时间特征和空间特征的提取，生成若干操作流程序列的监测数据的时空特征序列；

25、将若干操作流程序列的监测数据以及若干操作流程序列的监测数据的时空特征序列输入多层感知预警模型，通过所述多层感知预警模型生成采集周期剩余时间段内各操作流程序列的关联监测指标对应的预测数据时序序列。

26、进一步的，所述多层感知分析模块对若干操作流程序列的关联监测指标对应的监测数据分别进行时间特征和空间特征的提取的过程包括：

27、获取各操作流程序列之间的实施顺序和实施关系，将各操作流程序列作为拓扑有向图的节点，将各操作流程序列之间的实施顺序和实施关系作为节点之间的连接关系，构建拓扑有向图；

28、获取采集周期已采集的若干操作流程序列的关联监测指标对应的监测数据，对若干操作流程序列的监测时间段内采集的每个时刻的关联监测指标对应的监测数据根据时序关系进行拼接，生成二维特征矩阵，构建时间卷积神经网络对若干操作流程序列的二维特征矩阵进行学习，根据完成学习后的时间卷积神经网络获取监测数据变化特征；

29、构建图注意力网络对拓扑有向图进行学习，将若干操作流程序列的监测数据的变化特征输入图注意力网络，通过注意力机制获取拓扑有向图中各节点的相邻节点对自身的注意力权重，利用图注意力网络的邻居聚合机制根据注意力权重以及各节点的监测数据的时间特征，生成各节点的监测数据的时空特征。

30、进一步的，所述智能预警模块对采集周期剩余时间段内各操作流程序列的关联监测指标对应的预测数据时序序列分析，并根据分析结果生成手术操作流程序列复查信号的过程包括：

31、获取各操作流程序列的关联监测指标对应的合格阈值区间，获取各操作流程序列的关联监测指标对应的预测数据时序序列的数值波动系数以及各操作流程序列的关联监测指标对应的预测数据时序序列的数值不位于对应的合格阈值区间的频次，根据所述数值波动系数和所述频次获取预测数据时序序列的预警表征系数；

32、预设预警表征系数阈值，当操作流程序列的关联监测指标对应的预测数据时序序列的预警表征系数小于预警表征系数阈值时，则生成手术正常信号并发送至监控中心；

33、当操作流程序列的关联监测指标对应的预测数据时序序列的预警表征系数大于等于预警表征系数阈值时，则生成手术操作流程序列复查信号并发送至监控中心。

34、与现有技术相比，本发明的有益效果是：通过特征提取模块提取标准化操作流程中各操作流程序列关联特征和非关联特征，首先通过实时监测模块判断各操作流程序列的是否位于对应的合格阈值区间中，并根据判断结果生成妇科微创手术安全警报信号，进行在线阈值监测，随后在在线阈值监测的基础上，通过多层感知分析模块建立多层感知预警模型，基于多层感知预警模型获取采集周期剩余时间段内各操作流程序列的关联监测指标对应的预测数据时序序列，对采集周期剩余时间段内各操作流程序列的关联监测指标对应的预测数据时序序列分析，并根据分析结果生成手术操作流程序列复查信号，实现了并发症产生条件成熟之前的早期征兆的预测，从而在并发症产生条件成熟之前采取预防措施。