一种基于生命体征数据的伤情分类预警系统技术方案

本发明专利技术提供了一种基于生命体征数据的伤情分类预警系统，包括至少一个便携式穿戴装置和与各便携式穿戴装置无线连接的服务器，服务器还无线连接有至少一个移动救援端，便携式穿戴装置检测人员的体征信息、环境信息并根据检测结果进行初筛判断是否为伤员，伤员所对应的便携式穿戴装置将体征信息、环境信息及位置信息通过无线网络发送给服务器，服务器构建有至少一种预测模型，服务器接受伤员的体征数据并输入预测模型对伤员的伤情进行预测，并按照伤情严重程度进行救援排序，服务器将救援排序结果以及对应伤员的环境信息、位置信息发送给移动救援端。本系统实现了现场伤情预测和分类，预测准确且适用性好。预测准确且适用性好。预测准确且适用性好。

【技术实现步骤摘要】
一种基于生命体征数据的伤情分类预警系统


[0001]本专利技术属于体征检测
，特别涉及一种基于生命体征数据的伤情分类预警系统。

技术介绍

[0002]随着科技的不断发展，可穿戴生命体征检测技术也在不断地进步。目前，胸带式检测装置已经广泛应用于健康管理、医疗监测、健身跟踪等领域。如中国专利CN214856778 U、CN113925473A和CN103462592B，此类装置只能够实现呼吸监测等较为单一的生命体征，并且不具备伤情预测功能，因此无法引导救援人员根据伤情严重性对伤员进行针对性救援，无法满足如军事演习、特种作业、救援等专业领域的需求。

技术实现思路

[0003]有鉴于此，本专利技术的目的在于提供一种基于生命体征数据的伤情分类预警系统，以解决军事演习、特种作业、救援等专业领域伤员的伤情预测难题，从而提高救援效率和救援质量。
[0004]本专利技术的目的可通过下列技术方案来实现：一种基于生命体征数据的伤情分类预警系统，包括至少一个便携式穿戴装置和与各便携式穿戴装置无线连接的服务器，所述服务器还无线连接有至少一个移动救援端，所述便携式穿戴装置检测人员的体征信息、环境信息并根据检测结果进行初筛判断是否为伤员，伤员所对应的便携式穿戴装置将体征信息、环境信息及位置信息通过无线网络发送给服务器，所述服务器构建有至少一种预测模型，所述服务器接受伤员的体征数据并输入预测模型对伤员的伤情进行预测，并按照伤情严重程度进行救援排序，服务器将救援排序结果以及对应伤员的环境信息、位置信息发送给移动救援端。<br/>[0005]在上述的基于生命体征数据的伤情分类预警系统中，所述便携式穿戴装置采集的体征信息包括但不限于心率、呼吸率、体温、血氧、收缩压、舒张压、脉压；所述环境信息包括但不限于体位姿态、坠落、位置、动作交互。
[0006]在上述的基于生命体征数据的伤情分类预警系统中，所述预测模型的构建包括以下步骤：提前准备预训练用数据，随机取60％
‑
80％的数据用于训练模型，20％
‑
40％的数据用于验证模型；使用训练模型用数据，采用至少一种机器学习算法进行训练得到与机器学习算法数量对应的模型；用验证模型用数据测试模型，将验证模型用数据输入模型获取伤情分类结果，与实际伤情分类对比：正确预测伤情分类的比例记为准确率，实际重伤的数据中成功预测为重伤的比例记为召回率；根据各算法模型的准确率和召回率，给各模型分配不同的权重，将各模型输出结果加权平均来作为生命体征伤情分类预测结果。
[0007]在上述的基于生命体征数据的伤情分类预警系统中，所述预测模型的构建还包括人为给出伤情预测结果的步骤。
[0008]在上述的基于生命体征数据的伤情分类预警系统中，所述人为划定权重具体为:
让有伤员救治实际经验的专家，根据伤情严重程度预测值、人员的环境信息和人员的状态要素，给出人工伤情分类预测结果和救治优先级建议，人员的状态要素包括但不限于运动状态、是否呼救。
[0009]在上述的基于生命体征数据的伤情分类预警系统中，所述机器学习算法包括但不限于机器学习算法包括XGBOOST、随机森林、朴素贝叶斯、支持向量机、多层感知机。
[0010]在上述的基于生命体征数据的伤情分类预警系统中，所述预训练用数据取医院自急诊数据库；所述预训练用数据为单组体征数据或者一段时间的体征数据组合；所述便携式穿戴装置采集的体征信息为单组数据或者一段时间内多组数据的组合。
[0011]与现有技术相比，本基于生命体征数据的伤情分类预警系统具有以下优点：
[0012]1、相比当前伤情分类是医疗人员做临床诊断时才能够做的，本系统最重要的创新点是在人员执行任务还未受伤的时候，就提前开始伤情的远程预警，改变了伤员搜救治疗的过程。
[0013]2、将运算分散到每个人员的穿戴设备上完成，避免服务器产生大量的通信、数据传输和运算，提高整个系统的效率和可靠性。
[0014]3、人员执行复杂任务的过程中，面临剧烈运动、没有网络的情况，仍然可以获取和记录多种体征数据，并在恢复通信后及时报告到后方。
[0015]4、将环境因素、人员的行为也加入到伤情分类过程中，提高预测准确性。
[0016]5、兼容一组体征数据和一段时间的体征数据整体做数据源，训练的算法模型最终可以体现体征趋势变化的特征，准确性更好，适用性更强。
附图说明
[0017]图1是本专利技术实施例中基于生命体征数据的伤情分类预警系统工作流程示意图。
具体实施方式
[0018]下面详细描述本专利技术的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过各参考附图描述的实施例是示例性的，旨在用于解释本专利技术，而不能理解为对本专利技术的限制。
[0019]在本专利技术的描述中，需要理解的是，术语“长度”、“宽度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本专利技术和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本专利技术的限制。
[0020]此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本专利技术的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。
[0021]在本专利技术中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或成一体；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内
部的连通或两个元件的相互作用关系。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本专利技术中的具体含义。
[0022]本专利技术提供的基于生命体征数据的伤情分类预警系统包括至少一个便携式穿戴装置和与各便携式穿戴装置无线连接的服务器，服务器还无线连接有至少一个移动救援端。
[0023]该系统的工作流程如图1所示：
[0024]便携式穿戴装置检测人员的体征信息、环境信息并根据检测结果采用界值法进行初筛判断是否为伤员，从而初筛出可能受伤的人员。
[0025]在初筛时，便携式穿戴装置监测生命体征和环境，其中生命体征包括心率、呼吸率、体温、血氧、收缩压、舒张压、脉压等，环境信息包括人员体位姿态、坠落、位置、动作交互等。便携式穿戴装置根据这些指标是否超过正常范围，例如心率小于60、心率大于120、卧姿30秒不动等等。初步筛选出可能有异常体征或异常行为的人员。然后将对应人员的体征信息、环境信息及位置信息通过无线网络发送给服务器。通过初筛，排除了部分正常人员，不再将正常人员数据上传服务器，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于生命体征数据的伤情分类预警系统，包括至少一个便携式穿戴装置和与各便携式穿戴装置无线连接的服务器，所述服务器还无线连接有至少一个移动救援端，所述便携式穿戴装置检测人员的体征信息、环境信息并根据检测结果进行初筛判断是否为伤员，伤员所对应的便携式穿戴装置将体征信息、环境信息及位置信息通过无线网络发送给服务器，所述服务器构建有至少一种预测模型，所述服务器接受伤员的体征数据并输入预测模型对伤员的伤情进行预测，并按照伤情严重程度进行救援排序，服务器将救援排序结果以及对应伤员的环境信息、位置信息发送给移动救援端。2.根据权利要求1所述的基于生命体征数据的伤情分类预警系统，其特征在于，所述便携式穿戴装置采集的体征信息包括但不限于心率、呼吸率、体温、血氧、收缩压、舒张压、脉压；所述环境信息包括但不限于体位姿态、坠落、位置、动作交互。3.根据权利要求1或2所述的基于生命体征数据的伤情分类预警系统，其特征在于，所述预测模型的构建包括以下步骤：.a、提前准备预训练用数据，随机取60％
‑
80％的数据用于训练模型，20％
‑
40％的数据用于验证模型；b、使用训练模型用数据，采用至少一种机器学习算法进行训练得到与机器学习算法数量对应的模型；c、用验证模型用数据测试模型，将验证模型用数据输入模型获取伤情分类结果，与实际...

【专利技术属性】
技术研发人员：贺祯，彭博，鲁兆楠，
申请(专利权)人：中国人民解放军军事科学院军事医学研究院，
类型：发明
国别省市：