一种病房巡视数据分析方法及智能病房巡视系统

本发明涉及数据处理领域，尤其涉及一种病房巡视数据分析方法及智能病房巡视系统。

背景技术：

1、随着医疗设备的智能化和医疗信息化水平的不断提高，病房巡视数据的分析和监控对于提高医疗质量、提升患者安全和改善医疗效率变得越来越重要，然而，在传统的病房巡视过程中，医护人员需要定期巡视病房，记录患者的生理指标、设备运行状态等信息，然而，由于人工巡视的局限性，往往无法及时发现潜在的问题或异常情况，存在着分析不准确、效率低下的问题，为了满足现代医疗环境对于病房巡视数据分析的需求，需要一种智能化的方法来对病房巡视数据进行自动化分析和处理。

技术实现思路

1、本发明提出一种病房巡视数据分析方法及智能病房巡视系统，以解决至少一个上述技术问题。

2、为实现上述目的，本发明提供一种病房巡视数据分析方法，包括以下步骤：

3、步骤s1：获取实时患者状态数据及病房巡视监控视频；基于实时患者状态数据得到个体生理特征数据；对个体生理特征数据进行多时段分析，生成生理特征变化趋势数据；

4、步骤s2：对生理特征变化趋势数据进行滑动时间窗口划分，以得到短时变化趋势序列；对短时变化趋势序列进行特征突变识别，从而得到变化趋势特征点；

5、步骤s 3：基于变化趋势特征点对生理特征变化趋势数据进行动态演化分析，从而生成生理特征演化趋势规律；基于生理特征演化趋势规律进行趋势预测，以得到个体生理特征预测数据；

6、步骤s 4：对病房巡视监控视频进行物体检测，以得到病房物体数据；对病房巡视监控视频进行三维空间结构分析，以得到三维空间结构数据；基于三维空间结构数据及病房物体数据进行三维点云建模，以构建全息病房模型；

7、步骤s 5：对个体生理特征预测数据进行异常检测，生成异常生理特征值；对异常生理特征值进行决策分析，以得到异常特征决策策略；

8、步骤s 6：基于异常生理特征数据对全息病房空间模型进行边界框分割，以得到病床边界框数据；基于病床边界框数据进行预警处理，以生成预警信号；将异常特征决策策略及预警信号上传至智能病房巡视系统，以执行病房巡视分析作业。

9、本发明通过获取实时患者状态数据和监控视频，实时了解患者的生理状况和行为活动，基于实时患者状态数据，提取个体生理特征数据，包括心率、血压等，以对患者的生理状态进行量化和分析，多时段分析揭示患者生理特征的变化趋势，有助于了解患者的健康状态和病情变化，通过滑动时间窗口划分和特征突变识别，将生理特征变化趋势数据划分为短时变化趋势序列，并识别出重要的变化趋势特征点，帮助捕捉到生理特征的突变或重要变化，有助于及时发现潜在的异常情况或病情恶化，通过对变化趋势特征点的动态演化分析，揭示生理特征的演化规律和趋势，有助于了解患者的生理状态发展，预测患者未来的生理特征变化趋势，并提供个体生理特征的预测数据，以做出相应的治疗调整或干预措施，通过对病房巡视监控视频的物体检测和三维空间结构分析，获取病房中的物体数据和三维空间结构信息，基于这些数据，进行三维点云建模，构建全息病房模型，这样的模型提供全面、立体的病房环境信息，有助于更好地理解患者的行为和病房的布局，通过对个体生理特征预测数据进行异常检测，识别出异常的生理特征值，标识潜在的异常情况或病情变化，有助于及时发现患者的异常状态并采取相应的措施，对异常生理特征值进行决策分析，根据具体情况制定适当的异常特征决策策略，例如触发警报、通知医护人员，通过对异常生理特征数据进行边界框分割，准确定位并提取出病床边界框数据，即患者所处的具体位置，基于病床边界框数据进行预警处理，根据异常特征决策策略生成相应的预警信号，以提醒监控人员或医护人员关注特定的病床或患者，实现智能化的病房巡视分析，提高监测和响应的效率。

10、优选地，步骤s1包括以下步骤：

11、步骤s11：获取实时患者状态数据及病房巡视监控视频；

12、步骤s12：对实时患者状态数据进行个体生理特征分析，以得到个体生理特征数据；

13、步骤s13：对个体生理特征数据进行多时段分析，生成时序生理特征数据；

14、步骤s14：对时序生理特征数据进行时序变化趋势分析，以生成生理特征变化趋势数据。

15、本发明通过获取实时患者状态数据和病房巡视监控视频提供关于患者的生理状态和行为活动的详细信息，实时患者状态数据包括心率、血压、体温等生理指标，而监控视频提供患者在病房中的活动轨迹和行为模式，这些数据的获取有助于全面了解患者的健康状况和行为习惯，为后续的分析和决策提供基础，通过对实时患者状态数据进行个体生理特征分析，从中提取出患者的个体生理特征数据，例如心率、血压、呼吸频率等，这些生理特征数据是对患者生理状态的量化表示，有助于了解患者的健康状况和生理功能，通过对个体生理特征的分析，为后续的时序分析和趋势分析提供基础，通过对个体生理特征数据进行多时段分析，得到患者生理特征在不同时间段的变化情况，有助于了解患者的生理特征在不同时间尺度上的动态变化，例如小时、天、周等，通过生成时序生理特征数据，揭示生理特征的周期性变化、趋势性变化或突发变化，为后续的趋势分析和异常检测提供基础，通过对时序生理特征数据进行时序变化趋势分析，揭示患者生理特征的变化趋势和模式，有助于了解患者生理特征在长期、中期和短期的变化规律，生成生理特征变化趋势数据用于观察和分析患者的生理状态是否稳定、趋于改善或恶化，这对于及时发现患者的变化和调整治疗计划具有重要意义。

16、优选地，步骤s2的具体步骤为：

17、步骤s21：对生理特征变化趋势数据进行滑动时间窗口划分，以得到分块短时变化趋势数据；

18、步骤s22：对分块短时变化趋势数据进行序列连接，以得到短时变化趋势序列；

19、步骤s23：对短时变化趋势序列进行卷积采样，以得到变化趋势全局特征数据；

20、步骤s24：对变化趋势全局特征数据进行特征突变识别，从而得到变化趋势特征点。

21、本发明通过对生理特征变化趋势数据进行滑动时间窗口划分，将数据划分为多个分块，每个分块表示一段短时期内的生理特征变化趋势，有助于将长时间范围内的变化趋势细分为更小的时间段，以更好地捕捉到患者生理特征的局部变化，分块短时变化趋势数据提供更详细和精确的时间尺度上的变化信息，为后续的序列连接和特征分析提供基础，通过对分块短时变化趋势数据进行序列连接，将各个分块的短时变化趋势数据按照时间顺序连接在一起，形成一个完整的短时变化趋势序列，有助于将时间上连续但分散的变化趋势数据整合为一个连续的序列，更好地表示患者的整体变化情况，短时变化趋势序列提供了对患者生理状态在不同时间段上的整体把握，为后续的全局特征提取和特征突变识别提供基础，通过对短时变化趋势序列进行卷积采样，提取序列中的全局特征信息，卷积操作捕捉序列中的局部模式和变化趋势，而采样操作减少数据的维度并提取更高层次的特征表示，这些变化趋势全局特征数据更好地描述患者的整体变化趋势，为后续的特征突变识别提供基础，通过对变化趋势全局特征数据进行特征突变识别，检测出变化趋势中的特殊点或异常点，即变化趋势特征点，这些特征点表示生理特征的重要变化或疾病状态的转折点，通过识别变化趋势特征点，提供重要的参考信息，帮助医护人员及时发现患者的生理状态变化或疾病进展，进而调整治疗计划或采取必要的干预措施。

22、优选地，步骤s3的具体步骤为：

23、步骤s31：基于变化趋势特征点对生理特征变化趋势数据进行动态演化分析，以生成趋势动态演化轨迹；

24、步骤s32：对趋势动态演化轨迹进行跨模态深层结构数据分析，从而生成生理特征演化趋势规律；

25、步骤s33：基于生理特征演化趋势规律对时序生理特征数据进行趋势预测，以得到个体生理特征预测数据。

26、本发明通过基于变化趋势特征点对生理特征变化趋势数据进行动态演化分析，揭示患者生理特征的演化轨迹，帮助了解生理特征在不同时间段上的变化模式和趋势，包括周期性变化、趋势性变化和突发变化，生成趋势动态演化轨迹提供对患者生理状态变化的整体把握，为后续的趋势分析和预测提供基础，通过对趋势动态演化轨迹进行跨模态深层结构数据分析，挖掘不同模态数据之间的关联和规律，帮助发现生理特征演化趋势的潜在规律和模式，例如不同生理特征之间的相互影响、相关性和时序关系，生成生理特征演化趋势规律提供更全面和综合的分析结果，为后续的趋势预测和个体特征预测提供基础，通过基于生理特征演化趋势规律对时序生理特征数据进行趋势预测，推断未来时间段内的个体生理特征变化，帮助预测患者的生理状态和疾病进展趋势，为医护人员提供预警和干预的依据，个体生理特征预测数据帮助医护人员及时调整治疗计划、优化监测策略或采取其他必要的措施，以提供更精准和个性化的医疗护理。

27、优选地，步骤s4的具体步骤为：

28、步骤s41：对病房巡视监控视频进行物体检测，以得到病房物体数据；所述病房物体数据包括病床、医疗设备；

29、步骤s42：对病房巡视监控视频进行三维空间结构分析，以得到三维空间结构数据；

30、步骤s43：对三维空间结构数据及病房物体数据进行三维点云建模，构建三维空间模型；

31、步骤s44：基于个体生理特征数据对三维空间模型进行动态渲染重构，以构建全息病房模型。

32、本发明通过对病房巡视监控视频进行物体检测，识别出视频中的病床和医疗设备等物体，并提取相关的物体数据。帮助了解病房内的布局和设备分布情况，为后续的病房分析和决策提供基础。病房物体数据提供关于病房内环境和资源的信息，有助于医护人员进行合理的资源配置和工作安排。通过对病房巡视监控视频进行三维空间结构分析，推断出病房内的三维空间结构信息，包括物体的位置、大小和相对关系等。帮助理解病房内的布局和空间分布情况，为后续的三维点云建模提供基础。三维空间结构数据提供对病房内部环境的空间感知，有助于医护人员进行空间规划和资源管理。通过对三维空间结构数据及病房物体数据进行三维点云建模，将病房的物体和空间结构以三维点云的形式进行建模。帮助构建一个准确的病房的三维空间模型，包括病床、医疗设备和其他房间布置等。三维空间模型提供对病房内部环境的直观呈现，为后续的全息病房模型构建提供基础。通过基于个体生理特征数据对三维空间模型进行动态渲染重构，将个体生理特征的数据与三维空间模型进行融合，构建一个全息病房模型。将患者的生理特征与病房环境相结合，实现对患者状态的可视化呈现。全息病房模型为医护人员提供一个综合的视觉化工具，帮助他们更直观地了解患者的情况和环境，并作出相应的决策和干预。

33、优选地，步骤s43的具体步骤为：

34、步骤s431：基于三维空间结构数据生成三维点云数据；

35、步骤s432：利用病房物体数据对三维点云数据进行位置标注，以得到物体点云位置数据；

36、步骤s433：基于物体点云位置数据进行多物体点云分割，构建多个物体三维网格模型；

37、步骤s434：对多个物体三维网格模型进行三维融合，构建三维点云模型；

38、步骤s435：对三维点云模型进行点云空间修正，构建三维空间模型。

39、本发明通过基于三维空间结构数据生成三维点云数据，将病房内的物体和空间结构以点云的形式进行表示，将病房的三维信息转化为一系列离散的点，为后续的物体分割和模型构建提供基础，通过利用病房物体数据对三维点云数据进行位置标注，确定点云中每个点所属的物体及其位置信息，帮助识别和分割出三维点云中的不同物体，为后续的物体分割和模型构建提供基础，物体点云位置数据提供对病房内各个物体的具体位置和空间关系的信息，通过基于物体点云位置数据进行多物体点云分割，将点云数据分割成多个单独的物体部分，帮助将三维点云数据中不同物体的点分离出来，为每个物体构建单独的三维网格模型，多物体点云分割提供对病房内不同物体的独立表示，为后续的模型构建和分析提供基础，通过对多个物体三维网格模型进行三维融合，将分割得到的各个物体模型融合成一个完整的三维点云模型，将每个物体的网格模型合并为一个整体的点云模型，保留各个物体的空间位置和形状信息，通过对三维点云模型进行点云空间修正，对点云数据进行进一步的处理和优化，以构建一个准确和完整的三维空间模型。纠正点云数据中存在的噪声、缺失或重叠等问题，提高模型的质量和准确性。

40、优选地，步骤s5中所述对个体生理特征预测数据进行异常检测，生成异常生理特征值；具体为：

41、对个体生理特征预测数据进行标准化处理，以得到标准生理特征预测数据；

42、对标准生理特征预测数据进行可置信度计算，得到特征预测可置信度；

43、基于特征预测可置信度对标准生理特征预测数据进行预测优化，以生成优化生理特征预测数据；

44、基于预设的生理参数范围阈值对优化生理特征预测数据进行异常偏差范围识别，当异常生理特征值超出预设的生理参数范围阈值，生成异常生理特征值。

45、本发明通过对个体生理特征预测数据进行标准化处理，将数据转化为具有相同尺度和分布的标准化数据，有助于消除不同特征之间的量纲差异，并使得数据更易于比较和分析，标准化后的数据提供更准确和一致的特征表示，为后续的计算和处理提供基础，通过对标准生理特征预测数据进行可置信度计算，评估每个特征预测值的可靠程度，帮助确定特征预测的准确性和可信度，为后续的预测优化和异常识别提供依据，特征预测可置信度用于判断特征值的可靠程度，从而提高对生理特征数据的信任度，通过基于特征预测可置信度对标准生理特征预测数据进行预测优化，根据置信度的高低对特征预测进行加权或调整，提高特征预测的准确性和可靠性，使得生理特征预测数据更加精确和可信，优化后的生理特征预测数据提供更准确和可靠的个体生理状态估计，通过基于预设的生理参数范围阈值进行异常偏差范围识别，判断优化后的生理特征预测数据是否处于正常范围内，当生理特征值超出预设的范围阈值时，将其标记为异常生理特征值，有助于及时发现和识别个体的异常生理状态，并采取相应的处理措施，异常生理特征值的生成提供对个体健康状态的预警和监测。

46、优选地，步骤s5中所述对异常生理特征值进行分析，以得到异常特征决策策略；具体为：

47、对异常生理特征值进行频率统计，以得到异常生理特征频率数据；

48、基于异常生理特征频率数据对异常生理特征值进行异常关联分析，以得到异常生理特征关联数据；

49、对异常生理特征关联数据进行风险定量分析，以得到风险趋势数据；

50、基于风险趋势数据对异常生理特征值进行决策分析，以得到异常特征决策策略。

51、本发明通过对异常生理特征值进行频率统计，了解异常生理特征在病房内的出现频率，有助于评估异常生理现象的普遍程度和严重程度，并为后续的异常关联分析和风险定量分析提供数据支持，异常生理特征频率数据提供对病房内异常情况的整体了解，通过基于异常生理特征频率数据进行异常关联分析，识别不同生理特征之间的关联和相互影响，有助于发现异常生理特征之间的潜在关系和模式，为后续的风险分析和决策提供依据，异常生理特征关联数据提供对病房内异常情况的关联性分析，通过对异常生理特征关联数据进行风险定量分析，量化异常生理特征对患者健康状况的风险程度，有助于评估异常生理特征的重要性和紧迫性，为医护人员提供决策参考，风险趋势数据提供对病房内异常情况的风险评估和预测，通过基于风险趋势数据对异常生理特征值进行决策分析，制定针对异常生理特征的决策策略，帮助医护人员识别和处理高风险的异常情况，及时采取相应的干预措施，异常特征决策策略提供对病房内异常情况的决策指导。

52、优选地，步骤s6的具体步骤为：

53、步骤s61：基于异常生理特征数据对全息病房空间模型进行边界框分割，以得到病床边界框数据；

54、步骤s62：基于病床边界框数据生成病床位置数据；

55、步骤s63：通过病床位置数据进行预警处理，以生成预警信号；

56、步骤s64：将异常特征决策策略及预警信号上传至智能病房巡视系统，以执行病房巡视分析作业。

57、本发明通过对异常生理特征数据进行全息病房空间模型的边界框分割，将病床区域从整个病房空间中提取出来，有助于将关注点聚焦在病床区域上，减少对其他区域的分析和处理，病床边界框数据提供了病床位置的准确描述，为后续的病床位置数据生成和预警处理提供基础，通过基于病床边界框数据生成病床位置数据，准确确定病床在病房空间中的位置和布局，有助于医护人员了解病床的分布情况，为后续的预警处理和巡视分析提供定位依据，病床位置数据提供对病床布局和分布的详细信息，通过基于病床位置数据进行预警处理，及时检测和识别存在的异常情况，有助于提前发现潜在的风险和问题，为医护人员提供预警信号，以便他们采取相应的措施，预警信号提供对异常情况的警示和提醒，帮助确保患者的安全和健康，通过将异常特征决策策略及预警信号上传至智能病房巡视系统，实现自动化的病房巡视分析作业，有助于提高分析效率和准确性，减轻医护人员的工作负担，智能病房巡视系统根据上传的异常特征决策策略和预警信号，自动执行巡视分析任务，并及时反馈结果和建议给医护人员。

58、在本说明书中，提供一种智能病房巡视系统，用于执行如上所述的病房巡视数据分析方法，包括：

59、生理特征模块，获取实时患者状态数据及病房巡视监控视频；基于实时患者状态数据得到个体生理特征数据；对个体生理特征数据进行多时段分析，生成生理特征变化趋势数据；

60、变化趋势模块，对生理特征变化趋势数据进行滑动时间窗口划分，以得到短时变化趋势序列；对短时变化趋势序列进行特征突变识别，从而得到变化趋势特征点；

61、趋势预测模块，基于变化趋势特征点对生理特征变化趋势数据进行动态演化分析，从而生成生理特征演化趋势规律；基于生理特征演化趋势规律进行趋势预测，以得到个体生理特征预测数据；

62、三维空间模块，对病房巡视监控视频进行物体检测，以得到病房物体数据；对病房巡视监控视频进行三维空间结构分析，以得到三维空间结构数据；基于三维空间结构数据及病房物体数据进行三维点云建模，以构建全息病房模型；

63、异常检测模块，对个体生理特征预测数据进行异常检测，生成异常生理特征值；对异常生理特征值进行决策分析，以得到异常特征决策策略；

64、巡视分析模块，基于异常生理特征数据对全息病房空间模型进行边界框分割，以得到病床边界框数据；基于病床边界框数据进行预警处理，以生成预警信号；将异常特征决策策略及预警信号上传至智能病房巡视系统，以执行病房巡视分析作业。

65、本发明通过生理特征模块获取实时患者状态数据和病房巡视监控视频，对患者的生理特征进行监测，包括心率、呼吸频率、体温等等，有助于及时了解患者的健康状况通过对个体生理特征数据进行多时段分析，得到生理特征的变化趋势数据，有助于识别患者的生理状态是否发生变化，以便进行进一步的处理和预测，变化趋势模块通过滑动时间窗口划分，将生理特征变化趋势数据分解为短时变化趋势序列，有助于捕捉生理特征的局部变化和趋势，对短时变化趋势序列进行特征突变识别，确定变化趋势的特征点，这些特征点表示生理特征的显著变化，对于异常检测和趋势预测具有重要意义，趋势预测模块基于变化趋势特征点，进行动态演化分析，揭示生理特征的演化趋势规律，有助于理解患者的生理状态变化，并为后续的趋势预测提供依据，基于生理特征演化趋势规律，进行趋势预测，预测个体的生理特征数据，有助于提前发现潜在的健康问题，并采取相应的干预措施，三维空间模块通过对病房巡视监控视频进行物体检测和三维空间结构分析，构建全息病房模型，该模型提供了病房内物体的三维表示，有助于理解病房的空间布局和环境，基于异常生理特征数据，对全息病房空间模型进行边界框分割，识别出病床的边界框数据，有助于将异常特征与具体的病床关联起来，并进行相应的预警处理，异常检测模块对个体生理特征预测数据进行异常检测，识别出异常的生理特征值，有助于及时发现患者的健康问题和异常情况，对异常生理特征值进行决策分析，生成相应的异常特征决策策略，有助于指导医护人员采取适当的措施和干预措施，巡视分析模块基于异常生理特征数据，对全息病房空间模型进行边界框分割，提取出病床的边界框数据，有助于定位和关联异常特征与具体的病床，基于病床边界框数据进行预警处理，生成与异常特征相关的预警信号，有助于及时通知医护人员并采取相应的处理措施，将异常特征决策策略和预警信号上传至智能病房巡视系统，执行病房巡视分析作业，有助于提供全面的病房巡视和监测功能，确保患者的安全和健康。