基于人员时空分布模型的呼吸道疾病感染风险预测方法技术

本发明专利技术公开了一种基于人员时空分布模型的呼吸道疾病感染风险预测方法，包括以下步骤：获取实时就诊信息及就诊空间数据；将就诊信息和就诊空间数据输入训练后的基于机器学习建立的人员时空分布的预测模型中，得到实时人数与就诊人员停留时间；根据得到的实时人数与就诊人员停留时间，采用预设的评估公式，评估候诊区内呼吸道疾病感染风险。本发明专利技术旨在解决医院候诊区内由于复杂人员变化导致的感染风险评估不确定性问题，以提升感染风险评估的灵活性和准确性，从而指导医院诊疗资源的合理分配以及候诊区内空调新风系统的精确运维。分配以及候诊区内空调新风系统的精确运维。分配以及候诊区内空调新风系统的精确运维。

【技术实现步骤摘要】
基于人员时空分布模型的呼吸道疾病感染风险预测方法


[0001]本专利技术涉及基于医疗大数据进行疾病风险预测
，尤其涉及一种基于人员时空分布模型的呼吸道疾病感染风险预测方法。

技术介绍

[0002]医院是呼吸道疾病发现和报告的最前沿部门，但作为核心的救治应对部门，医院也是交叉感染和聚集性发病的主要场所。尤其是对于候诊区，高密度、频繁流动且长时间暴露的人员分布特征，增加了其内部由空气传播引发的感染风险可能性，并同时加剧了其风险评估的难度。目前，现有研究多依据规范给出的固定人员分布，或基于监控视频及传感器监测所得的实时人数开展感染风险评估，忽略了随时间波动以及由于科室天然特性差异所带来的患者数量与等候时间变化的影响，而且考虑到呼吸道疾病的季节性波动特征，既有研究也并未考虑感染风险的前置性预测研究。
[0003]目前与本申请接近的现有专利如下：1、抑制新冠感染传播风险的智能风量控制系统及控制方法（CN115789904A），该专利技术通过图像采集装置实时获得室内人员数量，以实现新风机组设备按照最小需求新风量进行精细控制。但此方法忽略了人员在室内停留时间对感染风险计算的影响，而且基于实时人数监控的风险计算无法进行风险的前置性预测，即新风的控制存在滞后性。
[0004]2、一种用于大范围的空气处理系统（CN115789885A），该专利技术通过图像识别与红外线传感器相结合的方法获取室内人员分布情况，实现新风机组等空气处理设备调控。但是，该方法对于室内人员信息的处理模块需要依赖于引入额外的传感器进行图像信息处理，会额外增加建筑投入成本，并且该方法的调控原理同样依赖于传感器及视频的反馈数据，即无法实现前馈控制以导致的室内出现感染风险过高的可能性。
[0005]3、一种医院候诊区呼吸道传染病感染风险预测系统（CN114360741A），该专利技术以典型候诊区长宽比、空间布局、送风形式、换气率和实时人数作为输入参量，通过构建预测模型进行感染风险评估，并指导送风末端调控。虽然该方法实现了基于实时人数预测的感染风险计算，但其同样忽略了停留时间对于感染风险计算的影响，尤其是对于医院候诊区这种人员时变性较强的场所。而且，依赖于视频信息的实时人数预测，会严重威胁医院患者的隐私性。
[0006]综上所述，目前尚未发现“兼顾实时人数以及停留时间的医院候诊区感染风险预测方法”方面的专利技术成果，而且现有方法对于感染风险预测的研究仍多依赖于监控视频或增加额外传感器实时监测的方法，除忽略停留时间的影响之外，也对建筑投入成本以及患者隐私安全影响较大。在此背景下，本申请提出一种基于就诊信息的候诊区呼吸道疾病感染风险的实时动态预测方法。

技术实现思路

[0007]因此，本专利技术的目的在于提供一种基于人员时空分布模型的呼吸道疾病感染风险
预测方法，解决医院候诊区内由于复杂人员变化导致的感染风险评估不确定性问题，以提升感染风险评估的灵活性和准确性，从而指导医院诊疗资源的合理分配以及候诊区内空调新风系统的精确运维。
[0008]为了实现上述目的，本专利技术的一种基于人员时空分布模型的呼吸道疾病感染风险预测方法，包括如下步骤：S1、获取实时就诊信息及就诊空间数据；S2、将就诊信息和就诊空间数据输入训练后的基于机器学习建立的人员时空分布的预测模型中，得到实时人数与就诊人员停留时间；S3、根据得到的实时人数与就诊人员停留时间，采用如下公式评估候诊区内呼吸道疾病感染风险：；其中，为实时室内实时人数；为空气传播引发的感染概率；q为单位感染者产生的量子生成速率(quanta/h)；p为易感者的肺呼吸量(m3/h)；为暴露时间(h)；为各科室候诊区总面积(m2)；B为初始感染率；为空气分布的有效性；为最小换气次数(h
‑1)；为各科室候诊区总体积(m3)。
[0009]进一步优选的，在S1中，所述就诊信息包括时间变量、科室信息和呼吸道疾病当前状态；所述就诊空间数据包括就诊区域平面参数。
[0010]进一步优选的，在S2中，所述人员时空分布的预测模型采用如下步骤进行训练：S201、获取历史就诊信息、就诊空间数据及历史就诊时间对应的监控视频中就诊人员变化数据；S202、从历史就诊信息和就诊空间数据中提取第一关键特征，从监控视频的就诊人员变化数据中提取第二关键特征；将第一关键特征作为输入变量，第二关键特征作为输出变量；对基于机器学习建立的人员时空分布的预测模型进行训练；得到训练好的模型参数。
[0011]进一步优选的所述提取第二关键特征时，包括以下步骤：采集就诊区就诊人员图像；根据S1中获取的就诊信息中的就诊时间，对采集的就诊人员图像以时间为索引划分数据集；利用训练好的CNN模型对就诊区就诊人员图像进行人数计数，预测实时人数；以固定时间间隔为周期从监控视频图像中随机选取患者进行追踪，分别记录追踪患者进入候诊区以及进入诊室的具体时刻，以两个时刻间隔作为相应患者的停留时间。
[0012]进一步优选的，所述提取第一关键特征和第二关键特征时，还包括对就诊信息中影响就诊区实时人数与停留时间的特征变量通过差异性分析与相关性分析进行遴选，所述遴选方法包括以下任意一种：独立样本T检验、单因素方差分析和皮尔逊相关性检验。
[0013]本专利技术还提供一种基于人员时空分布模型的呼吸道疾病感染风险预测系统，包括：就诊信息获取模块、人员时空分布的预测模型、候诊区内呼吸道疾病感染风险模块；
所述就诊信息获取模块，用于获取实时就诊信息及就诊空间数据；所述人员时空分布的预测模型用于以获取的就诊信息及就诊空间数据作为输入变量、利用训练后的网络参数，预测实时人数与就诊人员停留时间；所述候诊区内呼吸道疾病感染风险模块，用于根据人员时空分布的预测模型得到的实时人数与就诊人员停留时间，实时获取的人员分布实时动态评估候诊区内呼吸道疾病感染风险。
[0014]进一步优选的，在就诊信息获取模块中，所述就诊信息包括时间变量、科室信息和呼吸道疾病当前状态，所述就诊空间数据包括就诊区域平面参数。
[0015]进一步优选的，还包括图像获取模块，所述图像获取模块用于获取历史就诊信息和就诊空间数据对应的监控视频中就诊人员变化数据。
[0016]进一步优选的，所述人员时空分布的预测模型进行训练时包括：从历史就诊信息和就诊空间数据中提取第一关键特征，从监控视频的就诊人员变化数据中提取第二关键特征；将第一关键特征作为输入变量，第二关键特征作为输出变量；对基于机器学习建立的人员时空分布的预测模型进行训练；得到训练好的模型参数；其中，提取第二关键特征时，包括以下步骤：采集就诊区就诊人员图像；根据获取的就诊信息中的就诊时间，对采集的就诊人员图像以时间为索引划分数据集；利用训练好的CNN模型对就诊区就诊人员图像进行人数计数，预测实时人数；以固定时间间隔为周期从监控视频图像中随机选取患者进行追踪，分别记录追踪患者进入候诊区以及进入诊室的具体时刻，以两个时刻间隔作为相应患者的停留时间。
[0017]本专利技术还提供一种计算机存储介质，所述计算机存储介质上存储有计算机程序，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于人员时空分布模型的呼吸道疾病感染风险预测方法，其特征在于，包括如下步骤：S1、获取实时就诊信息及就诊空间数据；S2、将就诊信息和就诊空间数据输入训练后的基于机器学习建立的人员时空分布的预测模型中，得到实时人数与就诊人员停留时间；S3、根据得到的实时人数与就诊人员停留时间，采用如下公式评估候诊区内呼吸道疾病感染风险：；其中，为实时室内实时人数；为空气传播引发的感染概率；q为单位感染者产生的量子生成速率(quanta/h)；p为易感者的肺呼吸量(m3/h)；为暴露时间(h)；为各科室候诊区总面积(m2)；B为初始感染率；为空气分布的有效性；为最小换气次数(h
‑1)；为各科室候诊区总体积(m3)。2.根据权利要求1所述的基于人员时空分布模型的呼吸道疾病感染风险预测方法，其特征在于，在S1中，所述就诊信息包括时间变量、科室信息和呼吸道疾病当前状态；所述就诊空间数据包括就诊区域平面参数。3.根据权利要求2所述的基于人员时空分布模型的呼吸道疾病感染风险预测方法，其特征在于，在S2中，所述人员时空分布的预测模型采用如下步骤进行训练：S201、获取历史就诊信息、就诊空间数据及历史就诊时间对应的监控视频中就诊人员变化数据；S202、从历史就诊信息和就诊空间数据中提取第一关键特征，从监控视频的就诊人员变化数据中提取第二关键特征；将第一关键特征作为输入变量，第二关键特征作为输出变量；对基于机器学习建立的人员时空分布的预测模型进行训练；得到训练好的模型参数。4.根据权利要求3所述的基于人员时空分布模型的呼吸道疾病感染风险预测方法，其特征在于，所述提取第二关键特征时，包括以下步骤：采集就诊区就诊人员图像；根据S1中获取的就诊信息中的就诊时间，对采集的就诊人员图像以时间为索引划分数据集；利用训练好的CNN模型对就诊区就诊人员图像进行人数计数，预测实时人数；以固定时间间隔为周期从监控视频图像中随机选取患者进行追踪，分别记录追踪患者进入候诊区以及进入诊室的具体时刻，以两个时刻间隔作为相应患者的停留时间。5.根据权利要求3所述的基于人员时空分布模型的呼吸道疾病感染风险预测方法，其特征在于，所述提取第一关键特征和第二关键特征时，还包括对就诊信息中影响就诊实时人数与停留时间的特征变量通过差异性分析与相关性分析进行遴选，所述遴选采用以下方法中任意...

【专利技术属性】
技术研发人员：刘刚，原野，高君玺，魏莱，
申请(专利权)人：天津大学，
类型：发明
国别省市：