基于CNN模型的ARDS患者急性呼吸窘迫应急方法

本公开涉及临床医疗，尤其涉及一种基于cnn模型的ards患者急性呼吸窘迫应急方法、系统及其应用和电子设备。

背景技术：

1、急性呼吸窘迫综合征(ards，或者ards)是一种严重的呼吸系统疾病，其临床表现为急性呼吸窘迫、难治性低氧血症等。这种疾病的起病急，病情发展迅速，需要及时诊断和治疗。

2、急性呼吸窘迫综合征的常见症状包括呼吸急促、口唇及指(趾)端发绀、以及不能用常规氧疗方式缓解的呼吸窘迫(极度缺氧的表现)，可伴有胸闷、咳嗽、血痰等症状。病情危重者可出现意识障碍，甚至死亡等。

3、体格检查时，患者可能会有呼吸急促、鼻翼扇动、三凹征等表现。听诊双肺早期可无啰音，偶闻及哮鸣音，后期可闻及细湿啰音，卧位时背部明显。叩诊可及浊音；合并肺不张叩诊可及实音，合并气胸则出现皮下气肿、叩诊鼓音等。

4、急性呼吸窘迫综合征的病因包括肺内原因和肺外原因两大类。肺炎、误吸、肺挫伤，全身严重感染、严重多发伤等都可能引起急性呼吸窘迫综合征。

5、国际上多采用“柏林定义模型”对ards作出诊断及严重程度分层，并需与多种疾病进行鉴别诊断。对于急性呼吸窘迫综合征的治疗，需要采取综合治疗措施，包括机械通气、抗炎治疗、液体管理、营养支持等。

6、采用“柏林定义模型”对ards作出诊断及严重程度分层，即通过“ards柏林定义”，进行如下诊断：

7、一、定义：

8、1、发病时机：已知临床诱因后，或新出现或原有呼吸系统症状加重后1周内发病；

9、2、胸部影像学检查：通过胸片或ct扫描，可观察到双肺透光度减低，且不能完全用胸腔积液、肺叶不张或结节解释；

10、3、肺水肿来源：无法用心功能衰竭或液体负荷过多解释的呼吸衰竭，如果没有危险因素，则需要客观评估(如心脏超声检查)排除静水压升高的肺水肿。

11、二、诊断标准：柏林定义模型依据患者的不同氧合情况，将病情分为轻、中和重度，这三个病情等级：

12、1、轻度：peep/cpap≥5cmh20时，200mmhg＜pao2/fio2≤300mmhg；

13、2、中度：peep/cpap≥5cmh20时，100mmhg＜pao2/fio2≤200mmhg；

14、3、重度：peep/cpap≥5cmh20时，pao2/fio2≤100mmhq；

15、cpap即持续气道正压，peep即呼气末正压，如果海拔超过1000m，应根据如下公式进行校正：[氧合：pao2/fio2 x(大气压/760)]。

16、柏林定义模型虽然能够ards患者的临床诊断检查报告输出相应的病情等级，用于指导医护人员进行处理，但是对于病人人的具体症状、病情以及及应急救援所需要的具体诊疗方案，有待主治医生分析当前ards患者的各类检查报告，以此给出最终的急性呼吸窘迫应急救援方案。这个过程涉及到检查数据的等待、报告生成和报告上传和分析，需要花费较长时间，最终需要主治医生进行把控，给出最终的急性呼吸窘迫应急救援方案。

17、但ards患者的急性呼吸窘迫应急救援，具有窘迫性，若是在少许时间内得不到应急处理，则会直接导致患者呼吸衰竭而死、缺氧脑死亡等等。因此，传统方案需要花费较多时间进行最终的急性呼吸窘迫应急救援输出，无法让护士等率先介入应急急救，会耽搁ards患者的急性呼吸窘迫应急救援。

技术实现思路

1、为了解决上述问题，本技术提出一种基于cnn模型的ards患者急性呼吸窘迫应急方法、系统及其应用和电子设备。

2、本技术一方面，提出一种基于cnn模型的ards患者急性呼吸窘迫应急方法，包括如下步骤：

3、构建柏林定义模型；

4、收集ards患者的临床历史大数据，并基于cnn模型训练学习对应的ards患者临床诊断模型；

5、采集ards患者的临床检验数据，并分别导入所述柏林定义模型和所述ards患者临床诊断模型；

6、通过所述柏林定义模型识别出ards患者的病情等级，并发送至所述ards患者临床诊断模型；

7、通过所述ards患者临床诊断模型结合ards患者的所述病情等级，输出对应ards患者的临床应急措施；

8、将所述临床应急措施保存在后台数据库中，并通过后台服务器同步下发至对应护士的eda终端。

9、作为本技术的一可选实施方案，可选地，构建柏林定义模型，包括：

10、解析所述柏林定义模型的模型结构；

11、基于所述模型结构，构建对应的所述柏林定义模型，并进行参数配置；

12、配置完毕，将所述柏林定义模型部署在所述后台服务器上。

13、作为本技术的一可选实施方案，可选地，收集ards患者的临床历史大数据，并基于cnn模型训练学习对应的ards患者临床诊断模型，包括：

14、检索后台数据库，从中筛选出ards患者的所述临床历史大数据，包括：ards患者的临床历史大数据，所述临床历史大数据包括：症状描述信息、胸部x光片分析结果、ct扫描结果、cpap和peep数据、肺功能测试数据以及临床上为不同病情等级的ards患者所确定的临床应急措施；

15、对所述临床历史大数据进行预处理，并将预处理后的所述临床历史大数据进行分类，构建对应的训练集数据；

16、将所述训练集数据导入cnn模型，基于cnn模型的卷积神经网络进行数据特征的提取和学习，让cnn模型学习并识别ards患者在不同病情等级下的临床应急措施，得到所述ards患者临床诊断模型的初始模型；

17、实时采集带有标签的ards患者的临床数据，对所述ards患者临床诊断模型的初始模型进行临床优化训练，并进行模型测试和评估；

18、当评估发现模型的识别精度达到预设值，则生成最终的所述ards患者临床诊断模型；

19、对所述ards患者临床诊断模型进行参数配置；

20、配置完毕，将所述ards患者临床诊断模型部署在所述后台服务器上；

21、建立所述ards患者临床诊断模型与所述柏林定义模型之间的数据接口，所述数据接口用于：将所述柏林定义模型识别出ards患者的病情等级发送至所述ards患者临床诊断模型。

22、作为本技术的一可选实施方案，可选地，带有标签的ards患者的临床数据，为根据已确诊的ards患者的临床检验数据，所标记的对应病情等级以及对应的临床应急措施；

23、带有标签的ards患者的临床数据，采集随机调取的方式，从his系统中的若干不同ards患者的病历单中调取得到。

24、作为本技术的一可选实施方案，可选地，通过所述柏林定义模型识别出ards患者的病情等级，并发送至所述ards患者临床诊断模型，包括：

25、所述柏林定义模型接收ards患者的所述临床检验数据，并对所述临床检验数据进行解析，获得ards患者的氧合值和peep值；

26、基于氧合值和peep值，输出对应匹配的ards患者的第一病情等级d1；

27、所述后台服务器，将ards患者的所述第一病情等级d1绑定在ards患者的就诊id之下，并保存在所述后台数据库中；

28、同时，通过所述ards患者临床诊断模型与所述柏林定义模型之间的数据接口，将ards患者的所述第一病情等级d1传输至所述ards患者临床诊断模型。

29、作为本技术的一可选实施方案，可选地，通过所述ards患者临床诊断模型结合ards患者的所述病情等级，输出对应ards患者的临床应急措施，包括：

30、所述ards患者临床诊断模型接收ards患者的所述临床检验数据和ards患者的所述第一病情等级d1；

31、对所述临床检验数据进行解析，获得ards患者的ards症状特征；

32、基于所述ards症状特征，识别并输出ards患者的第二病情等级d2以及对应的临床应急措施；

33、将ards患者的所述第一病情等级d1与所述第二病情等级d2进行比对：

34、若：

35、d2＜d1，

36、则由所述ards患者临床诊断模型直接输出所匹配的所述临床应急措施k1；

37、若：

38、d1≤d2，

39、则将所述第二病情等级d2替换为所述第一病情等级d1，并由所述ards患者临床诊断模型输出与所述第一病情等级d1所匹配的所述临床应急措施k2。

40、作为本技术的一可选实施方案，可选地，将所述临床应急措施保存在后台数据库中，并通过后台服务器同步下发至对应护士的eda终端，包括：

41、所述后台服务器，将ards患者的所述临床应急措施k1/k2绑定在ards患者的就诊id之下，并保存在所述后台数据库中；

42、查找与ards患者的就诊id进行绑定的护士的eda终端，并向该护士的eda终端下发报警，同步下发ards患者的所述临床应急措施k1/k2；

43、护士通过eda终端接收并查看ards患者的所述临床应急措施k1/k2，并开始对当前ards患者执行对应的所述临床应急措施k1/k2。

44、本技术另一方面，提出一种实现所述基于cnn模型的ards患者急性呼吸窘迫应急方法的系统，包括：

45、检测系统，用于采集ards患者的临床检验数据；

46、后台服务器，用于调用预先部署的柏林定义模型识别出ards患者的病情等级，并发送至所述ards患者临床诊断模型；以及调用预先部署的ards患者临床诊断模型结合ards患者的所述病情等级，输出对应ards患者的临床应急措施；

47、后台数据库，用于存储数据；

48、eda终端，用于护士查看当前ards患者的临床应急措施，并对当前ards患者执行所述临床应急措施。

49、本技术另一方面，还提出一种所述基于cnn模型的ards患者急性呼吸窘迫应急方法的应用，该方法将用于ards患者在出现急性呼吸窘迫情况下的应急处理，由护士根据临床应急措施对ards患者进行呼吸急救。

50、本技术另一方面，还提出一种电子设备，包括：

51、处理器；

52、用于存储处理器可执行指令的存储器；

53、其中，所述处理器被配置为执行所述可执行指令时实现所述的一种基于cnn模型的ards患者急性呼吸窘迫应急方法。

54、本发明的技术效果：

55、本技术通过从ards患者的历史临床病情及就诊数据特征中，识别当前患者的病情等级，以快速响应并输出对应的临床急性呼吸窘迫应急方案，并通过决策分配，让护士快速对ards患者实施急性呼吸窘迫应急，提高应急效率。采用智能模型进行融合识别并输出ards患者的临床应急措施，能够在得到ards患者的检验数据之后，由智能模型快速识别并输出对应的临床应急措施，让护士快速参与急救，避免主治医生花费较多时间分析而耽搁ards患者的宝贵救助时间，提高对ards患者的急性呼吸窘迫急救效率。

56、根据下面参考附图对示例性实施例的详细说明，本公开的其它特征及方面将变得清楚。