【技术实现步骤摘要】
一种基于AI的临床麻醉评估系统及方法
[0001]本专利技术涉及电子数字数据处理领域,具体而言,涉及一种基于AI的临床麻醉评估系统及方法。
技术介绍
[0002]麻醉是由药物产生的一种中枢神经或周围神经系统的可逆性功能抑制,其作用在于无痛地进行手术治疗。麻醉的过程必须由麻醉医师完成,麻醉医师麻醉前必须访视患者了解病情,结合病情确定麻醉方案,选择最适当的麻醉方法和药物;并充分估计麻醉手术过程中可能发生的问题,为了防患于未然,做好充分的准备工作和预防措施,对可能发生的问题制定处理的方案。
[0003]因此,麻醉医师需要经过大量手术麻醉观摩和现场学习才能具备临床麻醉的评估能力。然而实际情况无法满足麻醉医师的培养条件,且麻醉知识往往来源于滞后于前沿科技的教材,麻醉医师无法得到最新的临床资料,因此依赖人力的麻醉评估一直是临床上的难点。
技术实现思路
[0004]针对现有技术中的上述不足,本专利技术提供的一种基于AI的临床麻醉评估系统及方法解决了如何正确进行麻醉评估,使手术麻醉舒适化的问题。
[0005]为了达到上述专利技术目的,本专利技术采用的技术方案为:
[0006]第一方面,一种基于AI的临床麻醉评估系统,包括:麻醉知识收集存储子系统、AI问答子系统和交互子系统;
[0007]所述麻醉知识收集存储子系统用于自动检索和挖掘麻醉专业知识并存储;
[0008]所述AI问答子系统用于根据麻醉医师输入的病人病症信息,做出麻醉评估与指导方案;
[0009]所述交互子系统用
【技术保护点】
【技术特征摘要】
1.一种基于AI的临床麻醉评估系统,其特征在于,包括:麻醉知识收集存储子系统、AI问答子系统和交互子系统;所述麻醉知识收集存储子系统用于自动检索和挖掘麻醉专业知识并存储;所述AI问答子系统用于根据麻醉医师输入的病人病症信息,做出麻醉评估与指导方案;所述交互子系统用于各医院麻醉医师间的经验交流网络通信。2.根据权利要求1所述的基于AI的临床麻醉评估系统,其特征在于,所述麻醉知识收集存储子系统包括:麻醉知识库、挖掘模块、情报数据库和搜索引擎模块;所述麻醉知识库包括麻醉专业知识库、挖掘专题关键词库和权威网址列表,用于存储麻醉专业知识、麻醉专业知识专题关键词和麻醉领域权威网址;所述搜索引擎模块用于根据权威网址列表,搜索麻醉前沿知识,得到情报数据;所述情报数据库用于存储情报数据;所述挖掘模块用于根据麻醉专业知识专题关键词,分析情报数据,挖掘出麻醉专业知识。3.根据权利要求2所述的基于AI的临床麻醉评估系统,其特征在于,所述麻醉知识收集存储子系统的工作步骤如下:A1、麻醉医师预先定义麻醉专业知识专题关键词,并填写麻醉领域权威网址;A2、通过搜索引擎模块定期获取各麻醉领域权威网址中的文本作为情报数据,存入情报数据库;A3、通过下式计算情报数据库中文本与需挖掘的麻醉专业知识的专题契合度:其中,ρ(T,t)为文本T与专题t的契合度,p
i
为专题t的第i关键词在文本T中出现的频次,b
i
为专题t的第i关键词的字符长度,b为文本T的字符长度;A4、通过挖掘模块将契合度大于契合度阈值的文本作为对应专题的麻醉专业知识存入麻醉专业知识库中。4.根据权利要求3所述的基于AI的临床麻醉评估系统,其特征在于,所述AI问答子系统的工作方法为:从麻醉专业知识库中以遍历的方式抓取文字语句作为待定的麻醉评估与指导方案,并通过问答匹配模型求取麻醉医师输入的病人病症信息与各个待定的麻醉评估与指导方案之间的匹配度,将匹配度最高的麻醉评估与指导方案反馈给麻醉医师。5.根据权利要求4所述的基于AI的临床麻醉评估系统,其特征在于,所述问答匹配模型包括:第一词向量转换模块、第二词向量转换模块、第一时间递归神经网络、第二时间递归神经网络、第一残差神经网络、第二残差神经网络和匹配度计算模块;所述第一词向量转换模块的输入端作为问答匹配模型的病人病症信息输入端,其输出端与第一时间递归神经网络的输入端连接;所述第二词向量转换模块的输入端作为问答匹配模型的麻醉评估与指导方案输入端,其输出端与第二时间递归神经网络的输入端连接;所述第一时间递归神经网络的输出端与第一残差神经网络的输入端连接;
所述第二时间递归神经网络的输出端与第二残差神经网络的输入端连接;所述第一残差神经网络的输出端和第二残差神经网络的输出端分别与匹配度计算模块的第一输入端和第二输入端连接。6.根据权利要求5所述的基于AI的临床麻醉评估系统,其特征在于,所述问答匹配模型求取麻醉医师输入的病人病症信息与各个待定的麻醉评估与指导方案之间的匹配度的工作步骤如下:B1、通过第一词向量转换模块将病人病症信息转化为第一实数向量,并通过第二词向量转换模块将待定的麻醉评估与指导方案转化为第二实数向量;B2、分别通过第一时间递归神经网络和第二时间递归神经网络对第一实数向量和第二实数向量进行时间域信息遗忘和记忆的编码,得到第一语义向量和第二语义向量;B4、分别通过第一残差神经网络和第二残差神经网络对第一语义向量和第二语义向量进行特征提取,得到第一特征向量和第二特征向量;B5、通过匹配度计算模块计算第一特征向量和第二特征向量的匹配度。7.根据权利要求6所述的基于AI的临床麻醉评估系统,其特征在于,所述第一时间递归神经网络和第二时间递归神经网络的输出函数均为:y
t
=sigmod(W
x,out
·
x
t
+b
x,out
+W
y,out
·
st
t
+b
y,...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。