一种云边协同的智能检伤分类系统技术方案

本发明专利技术提供一种云边协同的智能检伤分类系统，智能边缘负责现场检伤分类决策，并可以进一步依据现场救援资源做出急救决策；智能边缘还可运行计算机视觉分析算法，实时监测伤员肢体位姿，提示现场救援人员/志愿者正确搬运伤员，避免伤员的肢体受到二次损伤；智能后端提供远程云计算，负责多个现场救援点的更全局更精准的检伤分类决策和更宏观的急救决策；也就是说，本发明专利技术智能前端、智能边缘、智能后端三方协同，能够提高现场检伤分类和救治的精准性和高效率；同时，本发明专利技术的智能前端便携易用、智能边缘和智能后端软件系统安装便利，支持现场广泛的网络互联，应急现场的快速部署。应急现场的快速部署。应急现场的快速部署。

【技术实现步骤摘要】
一种云边协同的智能检伤分类系统


[0001]本专利技术属于计算机技术、计算机应用领域，尤其涉及一种云边协同的智能检伤分类系统。

技术介绍

[0002]通常医学救援现场环境复杂、次生灾害发生概率高，导致专业的医学救援人员难以在黄金救援时间抵达现场施救。迫切需要配置先进智能的现场医学救援装备，指导伤员、现场志愿者科学地自救和施救，延伸医学救援资源效能。其中，在大规模医学救援现场，检伤分类是重要的救援环节，检伤分类的智能化尤为迫切。本专利技术利用空天地无所不覆盖的通信网络和云计算技术，将便携的医学检测装置和智能的救援决策计算系统联通，实施高效率的云边端协同的智能检伤分类。

技术实现思路

[0003]为解决上述问题，本专利技术提供一种云边协同的智能检伤分类系统，通过前端交互收集伤情、边缘实时低时延辅助判决、后端宏观优化决策三方协同，能够提高现场检伤分类和救治的精准性和高效率。
[0004]一种云边协同的智能检伤分类系统，包括智能前端、智能边缘、智能后端，其中，智能前端包括检伤分类标签、智能检伤套件、人机交互终端；所述检伤分类标签被穿戴在伤员手腕或脚腕上，作为伤员身份标识；智能检伤套件用于测量伤员的生命体征；人机交互终端用于对伤员进行摄像拍照以及扫描检伤分类标签，为伤员建立身份账户，还用于将伤员的状态录像片段、图像以及生命体征数据存入智能边缘和智能后端的检伤分类数据库，并可追踪更新伤员信息；所述智能边缘为临时部署在现场救援指挥中心或临时救护站的计算/存储服务器，用于运行基于伤员的生命体征数据做出检伤分类决策和急救决策的检伤分类决策模型，还用于运行基于伤员的状态录像片段与图像识别伤员的外伤以及伤员的肢体是否发生姿态异常的视觉辅助分析模型；所述智能后端为长期部署在后方医院或后方指挥中心的计算/存储服务器，用于综合多个现场救援点的伤员总体情况以及救护资源，为各现场救援点反馈全局检伤分类决策和全局急救决策。
[0005]进一步地，所述智能检伤套件包括心率检测传感器、体温传感器、血压传感器以及血氧饱和度传感器，生命体征数据包括心率数据HR_Data、体温数据BT_Data、血压数据BP_Data、血氧饱和度数据BOS_Data、呼吸频率数据RR_Data、神志等级以及人体损伤程度。
[0006]进一步地，所述检伤分类决策模型采用决策树算法构建，且构建方法为：S1：获取检伤分类训练集D和特征集F，其中，训练集中每个训练样本均由心率数据、体温数据、血压数据、血氧饱和度数据、呼吸频率数据、神志等级以及人体损伤程度构成，且每个训练样本对应一个检伤分类结果，其中，检伤分类结果的类别包括常规处理、优
先处理以及紧急处置；特征集F中包含的生命体征为：心率、体温、血压、血氧饱和度、呼吸频率、神志以及人体损伤；S2：计算特征集F中各个生命特征对检伤分类训练集D的信息增益，并选择信息增益最大值对应的生命特征作为特征F
k
；S3：判断特征F
k
的信息增益是否小于设定阈值e，若为是，则现场检伤分类辅助决策模型为单节点树，并将检伤分类训练集D中检伤分类结果数最大的类别作为单节点树的节点属性；若为否，按照特征F
k
在检伤分类训练集D中的每一种可能值f
i
将检伤分类训练集D分割为若干非空子集D
i
，并基于每一种可能值f
i
构建子节点，得到决策树，同时，对于每一个非空子集D
i
，将非空子集D
i
中检伤分类结果数最大的类别作为非空子集D
i
对应的节点的节点属性，其中，i=1,2,
…
,M，M为特征F
k
在检伤分类训练集D中取值种类数；S4：对于每一个子节点i，均执行如下操作：以非空子集D
i
为训练集，以F
‑
F
k
为特征集合F*，重新计算特征集合F*中各个生命特征对非空子集D
i
的信息增益，并选择信息增益最大值对应的生命特征作为特征F
k
*；S5：采用特征F
k
*与非空子集D
i
重新执行步骤S3~S4，直到特征集F中的每一个生命特征均被选中执行步骤S3的判断操作，得到最终的得到决策树，并将最终的决策树作为检伤分类决策模型。
[0007]进一步地，视觉辅助分析模型识别伤员的肢体是否发生姿态异常的方法为：采用视觉检测算法从伤员图像中获取伤员关节候选区域，并分别为每个关节候选区域生成一个关节热图；根据各关节热图预测伤员的关键部位的位置坐标，其中，关键部位包括左肘、右肘、左膝、右膝；根据各关键部位的位置坐标计算各关键部位与人体中轴线之间的夹角，并分别判断各夹角是否大于可允许最大夹角阈值，若为是，则该夹角对应的关键部位发生姿态异常，若为否，则该夹角对应的关键部位未发生姿态异常。
[0008]进一步地，在智能边缘和智能后端的检伤分类协同决策下，通过通信网络和人机交互终端连接现场的施救专家或志愿者、智能机器人，构成救援检伤分类闭环系统，持续更新伤员的伤情分类和紧急救护决策，直至伤员转运离开现场。
[0009]有益效果：1、本专利技术提供一种云边协同的智能检伤分类系统，由智能边缘和智能后端分别组成检伤分类决策的边缘计算系统和远程云计算系统，协同分工；其中，智能边缘负责现场检伤分类决策，并可以进一步依据现场救援资源做出急救决策；智能边缘还可运行计算机视觉分析算法，实时监测伤员肢体位姿，提示现场救援人员/志愿者正确搬运伤员，避免伤员的肢体受到二次损伤；智能后端提供远程云计算，负责多个现场救援点的更全局更精准的检伤分类决策和更宏观的急救决策；也就是说，本专利技术智能前端、智能边缘、智能后端三方协同，能够提高现场检伤分类和救治的精准性和高效率；同时，本专利技术的智能前端便携易用、智能边缘和智能后端软件系统安装便利，支持现场广泛的网络互联，应急现场的快速部署。
[0010]2、本专利技术提供一种云边协同的智能检伤分类系统，现场检伤分类决策采用决策树算法，能够为现场救援人员提供更高效、更准确的智能检伤分类和现场紧急救护辅助。
[0011]3、本专利技术提供一种云边协同的智能检伤分类系统，采用视觉辅助分析模型识别伤员的肢体是否发生姿态异常，通过分析并提取检测伤员图像特征信息，分析伤员左上臂、右上臂、左下肢、右下肢、皮肤明显特征部位，对照人体骨骼模型，进行视觉测量计算，判断伤者外伤情况，提示现场非专业的救援志愿者正确施救操控，能够提高现场检伤分类和救治的精准性和高效率。
附图说明
[0012]图1为本专利技术的云边协同智能检伤分类结构图；图2为本专利技术的智能检伤分类系统流程图；图3为本专利技术采用的现场边缘检伤分类决策树模型；图4为本专利技术的人体姿态识别算法流程。
具体实施方式
[0013]为了使本
的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述。
[0014]如图1本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种云边协同的智能检伤分类系统，其特征在于，包括智能前端、智能边缘、智能后端，其中，智能前端包括检伤分类标签、智能检伤套件、人机交互终端；所述检伤分类标签被穿戴在伤员手腕或脚腕上，作为伤员身份标识；智能检伤套件用于测量伤员的生命体征；人机交互终端用于对伤员进行摄像拍照以及扫描检伤分类标签，为伤员建立身份账户，还用于将伤员的状态录像片段、图像以及生命体征数据存入智能边缘和智能后端的检伤分类数据库，并可追踪更新伤员信息；所述智能边缘为临时部署在现场救援指挥中心或临时救护站的计算/存储服务器，用于运行基于伤员的生命体征数据做出检伤分类决策和急救决策的检伤分类决策模型，还用于运行基于伤员的状态录像片段与图像识别伤员的外伤以及伤员的肢体是否发生姿态异常的视觉辅助分析模型；所述智能后端为长期部署在后方医院或后方指挥中心的计算/存储服务器，用于综合多个现场救援点的伤员总体情况以及救护资源，为各现场救援点反馈全局检伤分类决策和全局急救决策。2.如权利要求1所述的一种云边协同的智能检伤分类系统，其特征在于，所述智能检伤套件包括心率检测传感器、体温传感器、血压传感器以及血氧饱和度传感器，生命体征数据包括心率数据HR_Data、体温数据BT_Data、血压数据BP_Data、血氧饱和度数据BOS_Data、呼吸频率数据RR_Data、神志等级以及人体损伤程度。3.如权利要求1所述的一种云边协同的智能检伤分类系统，其特征在于，所述检伤分类决策模型采用决策树算法构建，且构建方法为：S1：获取检伤分类训练集D和特征集F，其中，训练集中每个训练样本均由心率数据、体温数据、血压数据、血氧饱和度数据、呼吸频率数据、神志等级以及人体损伤程度构成，且每个训练样本对应一个检伤分类结果，其中，检伤分类结果的类别包括常规处理、优先处理以及紧急处置；特征集F中包含的生命体征为：心率、体温、血压、血氧饱和度、呼吸频率、神志以及人体损伤；S2：计算特征集F中各个生命特征对检伤分类训练集D的信息增益，并选择信息增益最大值对应的生命特征作为特征F
k
；S3：判断特征F
k
的信息增益是否小于设定阈值e，若为是，则现场检伤分类辅助决策模型为单节点树，并将检伤分类训练集D中检伤分类结果数最大的类别作为单节点树的节点属性；若...

【专利技术属性】
技术研发人员：李向晖，彭云峰，邬雯，郝鹤菲，郭静，郭晓今，
申请(专利权)人：中国人民解放军总医院第三医学中心，
类型：发明
国别省市：