用于护理的患者血液数据监测方法及系统与流程

本发明涉及血压异常诊断领域，具体涉及用于护理的患者血液数据监测方法及系统。

背景技术：

1、急性缺血性脑卒中是各种原因导致的脑组织血液供应障碍，并由此产生缺血缺氧性坏死，会出现神经功能障碍的一组临床综合征，是最常见的脑卒中类型，约占脑卒中的69.6%~70.8%。患者主要表现为局灶性神经功能缺损症状体征，如失语、偏瘫、感觉障碍、共济失调等，也可能有头痛、呕吐、昏迷等全脑症状。轻者愈后良好，严重者可危及生命。因此，对发生急性缺血性脑卒中病人的愈后情况进行分析。现有技术对患者异常状态的判断主要是通过设定血压异常值，判定患者身体状况异常；但这种判定方法容易出现不及时或误报的情况。

技术实现思路

1、本发明提供用于护理的患者血液数据监测方法及系统，以解决现有技术对患者血压异常状态的判断主要是通过设定血压异常值，会出现判定患者身体状况不及时或误报的问题。

2、本发明的用于护理的患者血液数据监测方法及系统采用如下技术方案：

3、本发明一个实施例提供了用于护理的患者血液数据监测方法，该方法包括以下步骤：

4、获得若干次监测的血压曲线图；所述血压曲线图的横轴为时间点，纵轴为血压值；

5、将每个血压曲线图纵向划分为若干个相似区间段；根据每次监测的血压曲线图上每个数据点对应的血压值以及斜率，得到每次监测的血压曲线图上每个相似区间段对异常可能性的影响系数；

6、根据每次监测的血压曲线图上每个相似区间段对异常可能性的影响系数，得到若干个目标相似区间段；将第一次监测的血压曲线图上的相似区间段记为参考相似区间段；构建每个参考相似区间段对应的目标相似区间段组；根据每个参考相似区间段对应的目标相似区间段组中目标相似区间段对异常可能性的影响系数以及时间间隔，得到最后一次监测的血压曲线图上每个目标相似区间段患者不是处于锻炼状态的可能性；

7、根据最后一次监测的血压曲线图上每个目标相似区间段患者不是处于锻炼状态的可能性、对异常可能性的影响系数以及目标相似区间段的数量，得到当前患者身体出现异常的可能程度；

8、根据当前患者身体出现异常的可能程度，确定患者当前身体是否出现异常。

9、优选的，所述将每个血压曲线图纵向划分为若干个相似区间段，包括的具体步骤如下：

10、使用峰值检测算法对每个血压曲线图进行运算，得到一个峰值点的血压值序列；对峰值点的血压值序列进行三阶差分，得到一个差分序列；将差分序列中大于等于预设值的每个数据对应的所有峰值点中的最后一个峰值点，记为分割点，使用所有分割点将每个血压曲线图纵向划分为若干个相似区间段。

11、优选的，所述根据每次监测的血压曲线图上每个数据点对应的血压值以及斜率，得到每次监测的血压曲线图上每个相似区间段对异常可能性的影响系数，包括的具体步骤如下：

12、根据每次监测的血压曲线图上每个数据点对应的血压值以及斜率，得到每次监测的血压曲线图上每个数据点对异常可能性的影响程度；

13、将每次监测的血压曲线图上每个相似区间段中所有数据点对异常可能性的影响程度的均值的归一化值，记为每次监测的血压曲线图上每个相似区间段对异常可能性的影响系数。

14、优选的，所述根据每次监测的血压曲线图上每个数据点对应的血压值以及斜率，得到每次监测的血压曲线图上每个数据点对异常可能性的影响程度，包括的具体公式如下：

15、

16、式中，表示第次监测的血压曲线图上第个数据点对异常可能性的影响程度；表示第次监测的血压曲线图上第个数据点对应的血压值；表示第次监测的血压曲线图上所有数据点对应血压值的均值；表示第次监测的血压曲线图上第个数据点对应的斜率；表示第次监测的血压曲线图上所有数据点对应斜率的最大值；为绝对值函数。

17、优选的，所述构建每个参考相似区间段对应的目标相似区间段组，包括的具体步骤如下：

18、将每次监测的血压曲线图上的起始时间点到每个目标相似区间段中间的数据点的时间点的时间间隔，记为每个目标相似区间段的位置指标；

19、在所有次监测的血压曲线图中，将第一次监测的血压曲线图上的目标相似区间段记为参考相似区间段，统计每个参考相似区间段分别与每个非第一次监测的血压曲线图中的所有目标相似区间段的位置指标的差值绝对值的最小值对应的目标相似区间段，记为主相似区间段，将每个参考相似区间段与所有主相似区间段，构成每个参考相似区间段对应的目标相似区间段组。

20、优选的，所述根据每个参考相似区间段对应的目标相似区间段组中目标相似区间段对异常可能性的影响系数以及时间间隔，得到最后一次监测的血压曲线图上每个目标相似区间段患者不是处于锻炼状态的可能性，包括的具体步骤如下：

21、将每个主相似区间段中开始时间点与结束时间点的时间间隔，记为每个主相似区间段的时长；

22、根据每个参考相似区间段对应的目标相似区间段组中目标相似区间段对异常可能性的影响系数、主相似区间段的时长以及时间间隔，得到每个参考相似区间段对应的目标相似区间段组为患者每天锻炼时间段的可能程度；

23、根据每个参考相似区间段对应的目标相似区间段组为患者每天锻炼时间段的可能程度以及最后一次监测的血压曲线图上每个目标相似区间段对异常可能性的影响系数，得到最后一次监测的血压曲线图上每个目标相似区间段患者不是处于锻炼状态的可能性对应的具体计算公式为：

24、

25、式中，表示最后一次监测的血压曲线图上第个目标相似区间段患者不是处于锻炼状态的可能性；表示最后一次监测的血压曲线图上第个目标相似区间段对异常可能性的影响系数；表示主参考相似区间段对应的目标相似区间段组为患者每天锻炼时间段的可能程度；表示主参考相似区间段对应的目标相似区间段更新组为患者每天锻炼时间段的可能程度；为绝对值函数。

26、优选的，所述根据每个参考相似区间段对应的目标相似区间段组中目标相似区间段对异常可能性的影响系数、主相似区间段的时长以及时间间隔，得到每个参考相似区间段对应的目标相似区间段组为患者每天锻炼时间段的可能程度，包括的具体公式如下：

27、=

28、式中，表示第个参考相似区间段对应的目标相似区间段组为患者每天锻炼时间段的可能程度；表示第个参考相似区间段对应的目标相似区间段组中所有主相似区间段的时长的方差；表示第个参考相似区间段对应的目标相似区间段组中第个主相似区间段与第个参考相似区间段开始时间点的时间间隔；表示第个参考相似区间段对应的目标相似区间段组中所有主相似区间段的数量；表示第个参考相似区间段对应的目标相似区间段组中第个目标相似区间段对异常可能性的影响系数；表示第个参考相似区间段对应的目标相似区间段组中所有目标相似区间段对异常可能性的影响系数的均值；表示第个参考相似区间段对应的目标相似区间段组中所有目标相似区间段的数量；为归一化函数。

29、优选的，所述根据最后一次监测的血压曲线图上每个目标相似区间段患者不是处于锻炼状态的可能性、对异常可能性的影响系数以及目标相似区间段的数量，得到当前患者身体出现异常的可能程度，包括的具体公式如下：

30、

31、式中，表示当前患者身体出现异常的可能程度；为最后一次监测的血压曲线图上第个目标相似区间段对异常可能性的影响系数；表示最后一次监测的血压曲线图上所有目标相似区间段对异常可能性的影响系数中的最大值；表示最后一次监测的血压曲线图上所有目标相似区间段的数量；表示所有监测的次数；表示第次和第次监测的血压曲线图上目标相似区间段个数的差值；表示所有相邻两次监测的血压曲线图上目标相似区间段个数差值的均值；最后一次监测的血压曲线图上第个目标相似区间段患者不是处于锻炼状态的可能性；为归一化函数。

32、优选的，所述根据当前患者身体出现异常的可能程度，确定患者当前身体是否出现异常，包括的具体步骤如下：

33、若当前患者身体出现异常的可能程度大于预设值，则确定患者当前身体出现异常。

34、本发明还提出了用于护理的患者血液数据监测系统，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述存储器存储的计算机程序，以实现前述所述的用于护理的患者血液数据监测方法的步骤。

35、本发明的技术方案的有益效果是：通过对患者血压的监测对患者在医院护理阶段的身体异常情况进行自动化分析，有效减少了人力，并使得患者的异常情况可以更及时被发现。根据每次监测的血压曲线图上每个相似区间段对异常可能性的影响系数，得到若干个目标相似区间段；将第一次监测的血压曲线图上的相似区间段记为参考相似区间段；构成每个参考相似区间段对应的目标相似区间段组；根据每个参考相似区间段对应的目标相似区间段组中目标相似区间段对异常可能性的影响系数以及时间间隔，得到最后一次监测的血压曲线图上每个目标相似区间段患者不是处于锻炼状态的可能性；根据最后一次监测的血压曲线图上每个目标相似区间段患者不是处于锻炼状态的可能性、对异常可能性的影响系数以及目标相似区间段的数量，得到当前患者身体出现异常的可能程度。可以准确判断当前患者身体出现是否出现异常，提高了检测患者血压异常的效率和准确性。