一种基于院前急救大数据的决策支持系统技术方案

本发明专利技术涉及大数据技术领域，公开了一种基于院前急救大数据的决策支持系统，包括：终端信息获取模块，其用于通过求助终端的归属来确定求助人的求助终端的ID；关联信息获取模块，其根据求助人求助终端的ID获取关联信息；关联信息处理模块，其用于按照时间顺序基于关联信息生成关联时序信息；模型生成模块，其用于生成决策学习模型；决策分类模块，其用于将对当前的求助人生成的关联时序信息输入决策学习模型，输出急救类别标签；救助决策模块，其基于当前输出的急救类别标签来选择对应的救助手段；本发明专利技术能够基于求助人终端求助记录这样一个数据来源综合院前大数据进行深度学习构建决策模型，来判断求助人的急救需求的紧急程度。度。度。

【技术实现步骤摘要】
一种基于院前急救大数据的决策支持系统


[0001]本专利技术涉及大数据
，更具体地说，它涉及一种基于院前急救大数据的决策支持系统。

技术介绍

[0002]对于能够正常通过通话来询问病情的急救求助人来说，通过人工的记录病情来判断急救的紧急程度是可行的，但是对于一些无法与接线员沟通的病人来说，无法通过沟通获取病人的病情，无法判断求助人是误报还是需要急救，更无法判断对于急救需求的紧急程度。

技术实现思路

[0003]本专利技术提供一种基于院前急救大数据的决策支持系统，解决相关技术中无法正常沟通的急救求助电话无法判断对于急救需求的紧急程度的技术问题。
[0004]本专利技术提供了一种基于院前急救大数据的决策支持系统，包括：
[0005]终端信息获取模块，其用于通过求助终端的归属来确定求助人的求助终端的ID；
[0006]关联信息获取模块，其根据求助人求助终端的ID获取关联信息；
[0007]关联信息处理模块，其用于从求助终端终止求助通话时开始，按照时间顺序基于关联信息生成关联时序信息，关联时序信息的一个序列单元包括一个时间点之前的对应的关联信息；
[0008]模型生成模块，其用于生成决策学习模型；
[0009]决策学习模型输出的急救类别标签对应于误报、紧急急救和一般救助；
[0010]模型训练模块，其通过历史的关联时序信息以及对应的急救类别标签来对决策学习模型进行训练；
[0011]决策分类模块，其用于将对当前的求助人生成的关联时序信息输入决策学习模型，输出急救类别标签；
[0012]救助决策模块，其基于当前输出的急救类别标签来选择对应的救助手段。
[0013]进一步地，关联信息包括求助终端联系的其他终端，以及联系的终端对应的通话时长、联系的终端对应的时间、联系的终端对应的IP地址。
[0014]进一步地，关联时序信息是由归一化之后的关联信息生成的。
[0015]进一步地，决策学习模型包括LSTM神经网络，LSTM神经网络包括多个LSTM单元，每个LSTM单元输入一个关联时序信息的序列单元；
[0016]每个LSTM单元的输出状态h
t
的计算公式如下：
[0017]h
t
＝o
t
⊙
tanh(C
t
)
[0018]其中，输出门
[0019]W
xo
表示输入x
t
传递到o
t
对应的权重矩阵，表示上个LSTM单元的输出状态
h
t
‑1传递到o
t
对应的权重矩阵，b
o
表示偏置项，σ表示sigmoid函数；
[0020]其中，输出状态
[0021]f
t
⊙
C
t
‑1表示遗忘门f
t
和上一LSTM单元的输出状态C
t
‑1做逐点相乘，f
t
∈(0,1)；表示输出入门i
t
和中间状态进行逐点相乘；
[0022]其中，遗忘门
[0023]W
fx
表示输入x
t
传递到f
t
对应的权重矩阵，表示上一LSTM单元状态h
t
‑1传递到f
t
对应的权重矩阵，b
f
表示偏置项，σ表示sigmoid函数；
[0024]其中，输入门
[0025]W
xi
表示输入x
t
传递到i
t
对应的权重矩阵，表示上一LSTM单元状态h
t
‑1传递到i
t
对应的权重矩阵，b
i
表示偏置项，σ表示sigmoid函数。
[0026]其中，中间状态
[0027]W
xC
表示输入x
t
传递到对应的权重矩阵，表示上一LSTM单元状态h
t
‑1传递到对应的权重矩阵，b
C
表示偏置项，tanh表示双曲正切函数。
[0028]进一步地，LSTM神经网络的最后一个LSTM单元的输出连接softmax分类器，输出的急救类别标签对应于误报、紧急急救和一般救助。
[0029]进一步地，如果急救类别标签为紧急急救，则直接基于求助人终端确定位置，派出救护车；
[0030]如果急救类别标签为误报，则进行记录和标记即可；
[0031]如果急救类别为一般救助，联系求助人所在社区或物业来上门联系查看情况。
[0032]进一步地，序列单元输入决策学习模型时进行向量对齐。
[0033]进一步地，将维数最大的序列单元的向量作为对齐向量，将需要对齐的向量与位数最大的序列单元的向量进行比较，确定缺失的维度，通过插值0或0.1的方式进行向量对齐。
[0034]本专利技术提供了一种急救决策方法，应用上述的一种基于院前急救大数据的决策支持系统执行以下步骤：
[0035]步骤101，通过求助终端的归属来确定求助人的求助终端的ID；
[0036]步骤102，根据求助人求助终端的ID获取关联信息；
[0037]步骤103，从求助终端终止求助通话时开始，按照时间顺序基于关联信息生成关联时序信息；
[0038]步骤104，生成决策学习模型；
[0039]步骤105，通过历史的关联时序信息以及对应的急救类别标签来对决策学习模型进行训练；
[0040]步骤106，将对当前的求助人生成的关联时序信息输入决策学习模型，输出急救类别标签；
[0041]步骤107，基于当前输出的急救类别标签来选择对应的救助手段。
[0042]本专利技术的有益效果在于：
[0043]本专利技术能够基于求助人终端求助记录这样一个数据来源综合院前大数据进行深度学习构建决策模型，来判断求助人的急救需求的紧急程度，解决无法正常沟通的急救求助电话无法判断对于急救需求的紧急程度的问题。
附图说明
[0044]图1是本专利技术的一种基于院前急救大数据的决策支持系统的模块示意图。
[0045]图中：终端信息获取模块101，关联信息获取模块102，关联信息处理模块103，模型生成模块104，模型训练模块105，决策分类模块106，救助决策模块107。
具体实施方式
[0046]现在将参考示例实施方式讨论本文描述的主题。应该理解，讨论这些实施方式只是为了使得本领域技术人员能够更好地理解从而实现本文描述的主题，可以在不脱离本说明书内容的保护范围的情况下，对所讨论的元素的功能和排列进行改变。各个示例可以根据需要，省略、替代或者添加各种过程或组件。另外，相对一些示例所描述的特征在其他例子中也可以进行组合。
[0047]实施例一
[0048]如图1所示，一种基于院前本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于院前急救大数据的决策支持系统，其特征在于，包括：终端信息获取模块，其用于通过求助终端的归属来确定求助人的求助终端的ID；关联信息获取模块，其根据求助人求助终端的ID获取关联信息；关联信息处理模块，其用于从求助终端终止求助通话时开始，按照时间顺序基于关联信息生成关联时序信息，关联时序信息的一个序列单元包括一个时间点之前的对应的关联信息；模型生成模块，其用于生成决策学习模型；决策学习模型输出的急救类别标签对应于误报、紧急急救和一般救助；模型训练模块，其通过历史的关联时序信息以及对应的急救类别标签来对决策学习模型进行训练；决策分类模块，其用于将对当前的求助人生成的关联时序信息输入决策学习模型，输出急救类别标签；救助决策模块，其基于当前输出的急救类别标签来选择对应的救助手段。2.根据权利要求1所述的一种基于院前急救大数据的决策支持系统，其特征在于，关联信息包括求助终端联系的其他终端，以及联系的终端对应的通话时长、联系的终端对应的时间、联系的终端对应的IP地址。3.根据权利要求1所述的一种基于院前急救大数据的决策支持系统，其特征在于，关联时序信息是由归一化之后的关联信息生成的。4.根据权利要求1所述的一种基于院前急救大数据的决策支持系统，其特征在于，决策学习模型包括LSTM神经网络，LSTM神经网络包括多个LSTM单元，每个LSTM单元输入一个关联时序信息的序列单元；每个LSTM单元的输出状态h
t
的计算公式如下：h
t
＝o
t
⊙
tanh(C
t
)其中，输出门W
xo
表示输入x
t
传递到o
t
对应的权重矩阵，表示上个LSTM单元的输出状态h
t
‑1传递到o
t
对应的权重矩阵，b
o
表示偏置项，σ表示sigmoid函数；其中，输出状态f
t
⊙
C
t
‑1表示遗忘门f
t
和上一LSTM单元的输出状态C
t
‑1做逐点相乘，f
t
∈(0,1)；表示输出入门i
t
和中间状态进行逐点相乘；其中，遗忘门W
fx
表示输入x
t
传递到f
t
对应的权...

【专利技术属性】
技术研发人员：张赪，涂建刚，
申请(专利权)人：珠海市安克电子技术有限公司，
类型：发明
国别省市：