本发明涉及一种监护急救系统，特别是涉及一种远程监护急救系统。
背景技术：
随着城市化的发展，我国大部分城市的交通较为拥堵，城乡地区又交通不便利，传统救护车在患者急性发病时难以及时到达现场，错失宝贵的有效急救时间。以心血管病为例，在2015年，全球约有1770万人死于心血管疾病，据推算我国心血管病患者人数约2.9亿，占居民死亡构成的40％以上，其主要死因为突发急性事件(急性冠脉综合征、恶性心律失常等)，且超过70％发生在院外。因此，降低心血管疾病院外死亡率，对于降低心血管病整体死亡率，减轻医疗负担，意义非常重大。心血管病具有突发性、短暂性和高危险性的特点，因而早期发现、早期诊断、早期干预对降低心血管疾病的死亡率至关重要。
建立有效地延伸到家庭的远程监护急救系统，是解决以上问题的有效途径。而目前在患者远程监护、及时干预等方面还十分不足，主要体现在：1、患者在院外期间无法得到实时有效的病程监护，发病时身处院外，家属不知所措，没有急救药品及设备，无法进行有效、正确的急救处理，错过最佳急救时间窗。2、独居患者突然发病，无人知晓。3、患者夜间突然发病晕厥，家属难以知晓。4、身处城市或城乡结合地区，由于交通拥堵或不便利造成急救车无法及时到达现场，错过急救时间。
因此，目前急需一种能够缩短诊断、救治时间，有效地将监护、急救延伸到家庭的远程监护急救系统。
在本发明采用人工智能实时分析监测数据并应用无人机进行急救，由于无人机速度远远大于救护车，而且没有拥堵问题，不受道路条件限制，所以无人机将先于救护车到达患者所在地，赢得宝贵的抢救时间。如果值班医师审查监测数据或与患者联系后否认危险信号，则无需通知救护车前往，节约费用及宝贵的医疗资源，同时值班医师通过控制模块向无人机发送返回指令，无人机自动返回出发位置。
技术实现要素：
本发明通过远程监测患者在院外心电、血压、血氧等生理指标，自动分析监测判断患者的实时身体状况。能够做到早发现、早治疗，并且在患者出现紧急情况时，能第一时间得到患者的各项生理指标，并使用无人机配送急救物资，争取更多的急救时间，减少因漏诊、误诊、急救车无法及时赶到现场等原因造成的急救不及时，最大限度的挽救患者的宝贵生命。
本发明的目的是提供一种患者监测模块、ai分析模块、人工控制模块、无人机控制模块及无人机多端互联，能够不受患者发病地理环境影响，快速完成患者监测、诊断、急救的远程监护急救系统。
为实现上述发明目的，本发明提供的技术方案是：
一种远程监护急救系统，包括患者监测模块、ai分析模块、人工控制模块、无人机控制模块和无人机，所述患者监测模块获取患者的监测数据及定位数据，并实时传输至ai分析模块；
所述ai分析模块接收、存储由患者监测模块传输的数据，分析患者监测数据后生成自动诊断结果，对自动诊断结果做出判断，向无人机控制模块发送警报信号及患者定位数据，命令无人机起飞；向人工控制模块发送诊断报告，并将存储的监测数据传输至人工控制模块；
所述无人机与无人机控制模块通过无线网络进行交互通信，所述无人机上携带用于急救患者的药物及设备，无人机模块控制无人机飞往患者位置进行急救；
所述人工控制模块与无人机控制模块之间双向通信，人工控制模块获得无人机控制模块的控制权限对无人机飞行进行人工操纵，并能够接收由无人机控制模块传输的无人机实时信息数据；人工控制模块与患者监测模块之间能够进行视频或语音的双向通信，并且能够接收由ai分析模块传输的诊断报告和患者监测数据。
进一步地，值班医生在人工控制模块端接收到ai分析模块传输的患者异常监测数据后，认为必要时，派出救护车开往患者处进行救治，所述无人机上设有语音输出装置。
进一步地，患者监测模块还能够向所述ai分析模块发送求救信号，所述ai分析模块在接受到求救信号后向无人机控制模块发送警报信号及患者位置数据，命令无人机飞往患者位置进行急救。
一种远程监护急救系统ai分析模块对诊断结果的判断处理方法，包括以下步骤：
步骤一ai分析模块判断诊断结果是否正常，如果判断结果为是，则结束一个判断周期；如果判断结果为否，则由ai分析模块按照预设的频次向人工控制模块发送诊断报告；
步骤二ai分析模块判断异常诊断结果是否需要启动无人机急救，如果判断结果为否则结束，如果判断结果为是，则向无人机控制模块发送警报信号及患者位置数据，命令无人机起飞，结束。
一种远程监护急救系统控制无人机急救的方法，包括以下步骤：
步骤一无人机控制模块接收ai控制模块的飞行指令，开始；
步骤二无人机控制模块根据患者位置目的地信息指定选定无人机；
步骤三无人机控制模块向无人机传输目的地信息和患者信息，无人机起飞，无人机将实时信息回传给无人机控制模块；
步骤四无人机控制模块根据回传的信息进行航路规划的控制参数计算，并将参数通过网络传输给无人机；
步骤五无人机通过自动驾驶仪进行控制飞行；
步骤六无人机控制模块根据无人机的定位信息判断是否到达目的地，判断结果为否，则返回步骤三；
步骤七判断结果为是，无人机落地，无人机控制模块向人工控制模块发送到达信号；
步骤八无人机控制模块判断是否结束急救，判断结果为否返回步骤七，判断结果为是，进入步骤九；
步骤九无人机控制模块控制无人机或无人机自动返回基站，结束。
进一步地，在步骤六和七之间，还包括步骤六a：判断结果为是，则判断人工控制模块是否进行控制，如果判断结果为是，则无人机进行人工语音播报，并由人工控制模块人工操纵无人机飞行，然后进入是否结束急救的判断，判断结果为否，则继续人工语音播报并由人工操纵无人机飞行的步骤，直到判断结果为是，则进入步骤九；人工控制模块是否进行控制的判断结果为否，无人机控制模块向无人机下达语音指令，自动播报患者信息；
步骤六b：无人机控制模块根据传感器回传信息判断患者是否得到帮助，判断结果为否，则返回无人机控制模块向无人机下达语音指令，播报患者信息的步骤。
一种远程监护急救系统控制无人机急救的方法，包括以下步骤：
步骤一无人机控制模块接收ai分析模块的飞行指令，开始；
步骤二无人机控制模块根据患者位置目的地信息选定无人机；
步骤三无人机控制模块向无人机传输目的地信息和患者信息，无人机起飞，无人机将实时信息回传给无人机控制模块；
步骤四无人机控制模块根据回传的信息进行航路规划的控制参数计算，并将参数通过网络传输给无人机；
步骤五无人机通过自动驾驶仪控制飞行；
步骤六无人机控制模块判断是否到达目的地，判断结果为否，则返回步骤三；
步骤七判断结果为是，无人机控制模块向无人机下达语音指令，自动播报患者信息，无人机控制模块向人工控制模块发送到达信号；
步骤八判断人工控制是否需要介入，判断结果为是则进入步骤九，判断结果为否则进入步骤十；
步骤九人工控制模块操控无人机飞行；
步骤十无人机控制模块判断是否结束急救，判断结果为否返回步骤七，判断结果为是，进入步骤十一；
步骤十一无人机控制模块控制无人机自动返回基站，结束。
进一步地，所述实时信息包括gps定位信息，惯组信息，位置、姿态、速度信息，超声波定位器信息、摄像头拍摄信息。
一种控制参数计算的航路规划方法，包括以下步骤：
步骤1以无人机当前位置作为规划起始点qstart，初始化搜索树t；
步骤2以概率p选择目标点作为采样点，以概率1-p在整个规划窗口内随机选择采样点qrand；
步骤3通过随机采样点qrand，找到已存在扩展树t的树节点q中离随机采样点距离最近的一个树节点qnear，在qnear和qrand的连线上，计算从qnear以最小航迹段长度l到达的最新点qnew；
步骤4判断qnew是否满足避障和无人机自身性能约束，若满足，则将qnew加入到扩展树t中，否则返回步骤2；
步骤5判断，若满足，则进行步骤6，否则返回步骤2；
步骤6通过形成的扩展树t，获得从起始点qstart到终点qnear的可行路径；
步骤7对冗余航迹节点进行剪裁，得到最终航迹。
采用上述技术方案，本发明具有如下有益效果：
第一，本发明提供了一套由远程智能监测预警设备及无人机设备组成的急救系统，对患者进行院外监测，能够做到早发现、早治疗，危急情况发生时自动进行判断并命令无人机搭载急救药品及设备即刻前往患者所处地点进行及时救治，本发明的远程监护急救系统在医院、家庭、体检中心和社区中都有着广泛的应用空间，本发明能及时挽救包括突发心脏疾病、脑卒中病症在内的患者生命，大大降低社会对于心脑血管疾病的医疗负担。
第二，本发明通过ai分析模块对监测数据进行分析、诊断，得出可靠数据，根据危急程度由系统自动派发无人机飞往患者所处地，将急救设备及时送达病患处，克服了患者家属对于患者实际情况判断不准确，并且自身没有急救能力错失最佳急救时间的问题。
第三，本发明不受交通环境的影响，无人机在急救车派出前快速到达病患处，无人机受控制平台的控制自动到达或返航，克服传统急救车辆到达现场的时间难以预估，救助时间难以保证的缺点。
第四，在任何急救系统中，患者误报、系统阈值等造成的假警报是无法完全避免的，对警报的鉴别时间越长，虽然假警报鉴别率越高，但是越容易错失宝贵的救治时间；对警报的鉴别时间越短，假警报率就会增加，包括救护车、急救人员在内的大量医疗资源将被浪费。该系统完美地解决了这一困境，无人机的使用成本大大低于救护车，所以在无法完全避免假警报的情况下，该系统采用复合等级反应信号阈值，在排除明显假警报的前提下，对警报积极反应，既赢得宝贵的抢救时间，又节约医疗资源。
第五，无人机到达定位位置后，无人机由值班医师远程操纵，指令无人机发出声光警报，通过机载广播系统播报患者姓名，登记住址，请求现场人员援助，通过机载摄像头控制无人机降落。如果患者犯病后有家属在身边，操作人员根据与家属沟通的情况，可以准确控制无人机穿过门窗、阳台降落到患者附近；如果患者犯病后身边没有人员帮助，无人机能起到现场报警作用，迅速在门卫、物业、广场等人员较多的地方降落或空投急救药品，并播报患者姓名、住址，使周围人员及时携带无人机前往救治患者
第六，本发明提供了患者与医生之间的语音或视频通讯技术，医生能够远程指导患者使用无人机携带的急救设备，提高了急救的效率。
附图说明
图1为本发明的远程监护急救系统的交互示意图；
图2为本发明实施例中的ai分析模块对诊断结果的判断处理方法拓扑图；
图3为rrt算法的扩展示意图；
图4为本发明实施例中的无人机控制模块控制无人机急救的方法拓扑图；
图5为本发明另一实施例中无人机控制模块控制无人机急救的方法拓扑图；
图6为本发明另一实施例中无人机控制模块控制无人机急救的方法拓扑图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，下面结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的结构图及具体实施例仅用以解释本发明，并不用于限定本发明。
实施例1
图1为本发明的远程监护急救系统的交互示意图，如图1所示，本发明提供了一种患者的远程监护急救系统，包括患者监测模块、ai分析模块、无人机控制模块、人工控制模块和无人机。
患者佩戴患者监测模块正常生活，患者监测模块中的检测设备获取患者的监测数据及定位数据，患者监测模块通过集成的检测设备将患者的心电图、血压、心电图、血氧饱和度等监测数据以及患者的定位数据实时或定时地传输至ai分析模块。
ai分析模块接收、存储由患者监测模块传输的数据，分析患者监测数据后生成自动诊断结果，对自动诊断结果做出判断，当判断结果具有危险性时，向无人机控制模块发送警报信号及患者定位数据，命令无人机起飞；向人工控制模块发送诊断报告，并将存储的监测数据和患者定位数据传输至人工控制模块。
例如，系统可以设置为在自动诊断结果为低危时，ai分析模块每12～24小时向人工控制模块发送一次诊断报告，诊断结果为中危时，ai分析模块每4～12小时向人工控制模块发送一次诊断报告，诊断结果为高危时，ai分析模块立即向人工控制模块发生诊断报告，并向无人机控制模块发送警报信号，命令无人机起飞，前往患者位置进行急救。
无人机与无人机控制模块通过网络进行交互通信，无人机上携带用于急救患者的药物及设备，急救设备可以是微型除颤仪等，急救药物可以是阿司匹林、波立维、硝酸甘油片、心痛定、β受体阻滞剂、钙离子拮抗剂、acei类药物、吗啡针剂、肾上腺素针剂等，无人机上设有语音输出装置，喇叭等。
人工控制模块能够与无人机或患者监测模块双向通信，值班医生可以通过人工控制模块操纵无人机的飞行，获得由无人机的摄像装置回传的拍摄图像，并通过无人机的喇叭进行音频输出，指挥无人机附近的人进行急救。值班医生还可以通过互联网、移动网络或wifi与患者监测模块及无人机进行视频或语音通信，及时指导患者使用无人机上的急救设备对患者进行急救。
系统可以设置为人工控制模块收到诊断报告后，由值班医师查看ai分析模块传输的患者监测实时或既往数据，并通过自动监测模块直接与患者通话，判断病情，如果值班医师判断为假警报，则向无人机控制模块发送返航命令，无人机返航；如果判断为真警报，则通知急救车出发救援，无人机到达现场上空后，值班医师通过无人机的喇叭传输语音播报，请求现场人员协助并指挥现场救援，并能够在无人机飞行中将无人机自动飞行切换至人工操纵飞行。
优选地，患者监测模块还能够向ai分析模块发送求救信号，ai分析模块在接受到求救信号后向无人机控制模块发送警报信号及患者位置数据，命令无人机飞往患者位置进行急救。
系统可以设置为在ai分析模块对诊断结果的判断处理方法步骤一之前，对是否接收到求救信号进行判断。
ai分析模块对获得的患者监测的自动诊断方法可以使用任何现有的分析诊断方法。
例如，患者监测模块实时将患者的心电图、心率、血压、血氧饱和度、呼吸情况等传输到ai分析模块，模块对连续变量数据进行阈值分析：
1、心率，心率大于160次/分钟为高危、159-120次/分钟为中危，大于119-90次/分钟为低危，89-46次/分钟为正常，45-30为中危、小于29为高危。
2、心率变化率：心率增加或减少50％所用的时间，小于10秒为高危、11-30秒为中危、31-60秒为低危，大于61秒为正常。
3、血压，血压收缩压大于180mmhg为高危，179-160mmhg为中危，159-140mmhg为低危，140-90mmhg为正常，89-80为低危，79-70mmhg为中危，小于69mmhg为高危。
4、呼吸频率：大于50次/分钟为高危，49-40次/分钟为中危、39-30次/分钟为低危，29-15次/分钟为正常，小于5次/分钟为高危。5、血氧饱和度小于70％为高危，71-80％为中危，81-90％为低危，91-100％为正常。
循环神经网络recurrentneuralnetwork(rnn):是一种节点定向连接成环的深度学习人工神经网络。这种网络的内部状态可以展示动态时序行为。不同于前馈神经网络的是，rnn可以利用它内部的记忆来处理任意时序的输入序列，这让它可以更容易处理如不分段的手写识别、语音识别等。
长短期记忆神经网络longshort-termmemory(lstm):是一种时间循环神经网络，论文首次发表于1997年。由于独特的设计结构，lstm适合于处理和预测时间序列中间隔和延迟非常长的重要事件。
极联迭代分类算法adaboost:其核心思想是针对同一个训练集训练不同的分类器(弱分类器)，然后把这些弱分类器集合起来，构成一个更强的最终分类器(强分类器)。
滤波wavefiltering:是将信号中特定波段频率滤除的操作，是抑制和防止干扰的一项重要措施。滤波分为经典滤波和现代滤波。
波形到波形分析beat-to-beat:是动态心电图分析验证方法的一种，把导联上面的所有qrs波形对齐进行分析。
分析诊断算法参考ansi/aamiec57制定；ansi/aamiec57规定了心电图自动分析算法的评估标准。分析诊断算法的评估：使用分析诊断算法对标准参考心电数据库分析得出算法结果注释，然后将算法结果注释和参考标准心电数据库注释使用一致的比较算法，最后得出能够反映算法各项指标的统计报告。由于使用了统一的验证数据库和验证比较算法，统计报告能够客观的评估算法各方面性能指标。
参考标准心电数据库
aha：美国心脏协会用于评价室性心律失常数据库(共80条记录，每条35分钟)。
mit-bih：麻省理工心率失常数据库(共48条记录，每条30分钟)。
esc：欧洲心脏病学会st-t数据库(90条记录，每次2小时)。
nst:噪声应力测试数据库(12心电记录,每条30分钟，另加3条由mit-bih提供噪声)。
cu：克赖顿大学的持续性室性心律失常数据库。
分析诊断算法的评估报告要求
分析诊断算法的评估报告包括算法必选评估项和算法可选特性评估项。必选评估项是所有分析诊断算法必须参与评估。对可选特性评估项，如果测试算法声明支持相应的特性，则必须选择对应特性评估项。例如检测算法说明支持st的检测，则必须进行st幅值、st斜率、st改变的测试。评估检测中有四种检测结果：真阳性tp、假阴性fn、假阳性fp、真阴性tn，并由此得出常用的性能测试指标：敏感度se＝tp/(tp+fn)阳性率+p＝tp/(tp+fp)
分析诊断算法的必选评估项：
注：表格中r为必测的数据库o为选测的数据库
分析诊断算法的可选特性评估项
注：表格中r为必测的数据库o为选测的数据库
评估比较算法
评估比较算法包括：心律测量评估、hrv和rrv测量评估、beat-by-beat比较、run-by-run比较、vf和af比较、st比较
beat-by-beat比较用于推导qrsse,qrs+p,vebse,veb+p,vebfpr,svebfpr,svebse，sveb+p。
run-by-run比较用于推导vecoupletse及+p,veshortrunse及+p,velongrunse及+p,svecoupletse及+p,sveshortrunse及+p,svelongrunse及+p。
vf和af比较用于推导:vf/afepisodese及+p,vf/afdurationse及+p。
st比较用于推导st相关评估项
心律测量评估
心律测量取决于rr区间测量,但一些获得这些测量的算法对于偶尔rr区间测量误差具有鲁棒性,而另一些则对此类错误特别敏感。rmsheartrateerror用于反映此类rr区间测量算法的特性。
hrv和rrv测量评估
hrv和rrv测量评估需要计算以下指标：mean、sdnn、sdann、asdnnnn50、pnn50、rmssd、vlf、lf、hf
beat-by-beat比较
beat-by-beat比较用于计算qrs算法和心搏分类算法敏感度和阳性预测率。分类算法检测的心跳标签同标准心电数据库的标记的心跳标签，执行两两配对比较。如果心电算法检测到的心跳标签的位置同标准数据库的标签的位置在150ms窗口内，这样认为一个匹配，如果在这个窗口内没有找到一个匹配，则这个候选的心跳可能为多检或者漏检。这样直到比较结束产生一个beat-by-beat的计数矩阵如下表：
算法检测标签(algorithmlabel)
分类检测算法敏感度和阳性率由上面矩阵计算得出。
在这个矩阵推导过程中，应该保持对参考标注文件和测试标注文件中被标记为不可读或者vf的片段进行跟踪。在不可读片段中，伪心跳标记为x；其他情况都标c记为o。在参考vf片段期间，产生的搏动标签不计入矩阵统计。在测试标注为vf片段期间，参考表现为搏动标签，配对为o伪标签，并像其他漏检的搏动一样计数。原则上，不可读片段和vf片段可在开始后嵌套开始，在设计执行beat-by-beat比较的软件中，应考虑这种可能性的存在。
run-by-run比较
run-by-run比较被用于测量算法检测连续异位心搏的能力。对于每种类型的异位心搏(veb和sveb)，都需要执行敏感度run-by-run比较以及阳性率run-by-run比较。run-by-run比较最终产生了一对矩阵见下表，其中每一个元素值是一个对应类型的计数。一般术语run指连续的v或f标签序列。最后根据矩阵可以计算couplet、shortrun、longrun的敏感度和阳性率。
室颤室扑(vf)和房颤房扑(af)比较
此算法用于验证能够检测vf，af的算法。在标准心电数据注释，标示vf进行中，如果算法也重叠检测到vf，则vf片断检测阳性敏感性为真，其他情况为阴性。类似的每一个算法标记的片段覆盖了存在的标记，被认为满足了真阳性的vf片断阳性率，其他情况的算法标记为虚假误报。
测量vf的持续敏感度和阳性预测率需要计算参考的总共持续时间以及算法标记的vf的重叠的持续时间
st比较
对于声明能够分析st片断的算法需要测试st段的振幅、st段的斜率以及st改变。
1)对于要求检测st段振幅的算法，应为所有测量和测量所有导联st振幅生成以下数据图：
a.所有算法测量的st振幅相对于参考st振幅的差的散点图，以及图上的指示识别线
b.算法测量差值相对于参考st值的散点图，并有所有算法测量的平均差和标准差的指示线
c.算法测量的st振幅相对于参考st振幅在从-200微伏到+200微伏范围内的散点图。
2)对于检测st段斜率的算法，需要对所有导联的测量画出下面的数据图：
a.测量st斜率的差相对于参考st斜率的散点图，并有算法测量st斜率的平均差和标准差指示线
b.所有算法测量的st斜率相对于参考st斜率的散点图，并有指示识别线
c.算法测量的st斜率相对于参考st斜率的散点图，参考st斜率在-2.0mv/s到+2.0mv/s的范围内。
为了推导出st事件的敏感度和阳性预测率，类似于run-by-run比较的event-by-event比较是非常必要的。st改变事件在任何时间间隔内算法测试的st改变和参考注释文件表示的st改变有重叠。包括极值或至少50％的参考标记的重叠期的事件匹配用于敏感度目的。包括极值或至少50％的算法测试标记的重叠期的事件匹配用于阳性预测率目的。
在运算过程中，对关键变量进行阈值分析:1、心电图rr间期大于4秒为高危，3.9-3秒为中危，2.9-2秒为低危，2-1秒为正常。2、st段抬高，与患者日常心电图相比较，st段抬高超过3mm为高危、2.9-2mm为中危、1.9-0.5为低危，0.4-0为正常。3、st段压低，与患者日常心电图相比较，单个导联st段压低超过3mm为高危、2.9-2mm为中危、1.9-0.5为低危，0.4-0为正常。4、出现两个导联st段变化为中危，三个导联以上st段变化为高危。5、突发qrs波宽度增加大于一倍为高危。6、监测到房颤波为高危。7、监测到室颤波为高危。8、患者按下紧急求救按钮为高危。
实施例2
图2是本发明ai分析模块对诊断结果的判断处理方法拓扑图，如图2所示，本发明提供了一种诊断结果的判断处理方法，包括以下步骤：
步骤一ai分析模块判断诊断结果是否正常，如果判断结果为是，则结束一个判断周期；如果判断结果为否，则由ai分析模块按照预设的频次向人工控制模块发送诊断报告；
例如：通常诊断结果分为正常、低危、中危及高危四类，后三种结果均为异常结果。诊断为正常的数据，则结束一个判断周期，诊断结果为低危的数据，系统设置为由ai分析模块每12～24小时向人工控制模块发送一次诊断报告，由值班医师审查患者的监测数据，并指导患者诊疗；诊断结果为中危的数据，系统设置为由ai分析模块每4～12小时向人工控制模块发送一次诊断报告，由值班医师审查患者的监测数据，并指导患者诊疗；诊断结果为高危的数据将被立即发送给人工控制模块。
步骤二ai分析模块判断异常诊断结果是否需要启动无人机急救，如果判断结果为否则结束，如果判断结果为是，则向无人机控制模块发送警报信号及患者位置数据，命令无人机起飞，结束。
例如：系统设置为将判断为高危的异常诊断结果判断为需要启动无人机急救。
实施例3
无人机的航路规划是急救系统中执行系统中至关重要的一部分。航路规划是指在特定约束条件下，寻找从初始点到目标点满足某种性能指标最优的运动轨迹。航路规划必须综合考虑无人机的飞行特性，如：最小转弯半径、爬升角、实用升限等；环境因素，如：地形、雷达威胁源、禁飞区、雷雨区、链路覆盖区域、链路干扰等；任务载荷因素：视场角范围、作用距离、重叠率等。
高效的航路规划算法可以大大提高无人机自主执行任务的效率和安全性。本发明采用基于快速扩展随机树的三维航路规划方法，该算法能够根据当前环境快速有效搜索规划空间，通过随机采样点将搜索导向空白区域，使三维航路规划能够用于实时航迹规划。基于rrt(快速扩展随机树)方法的航路规划以状态空间中的规划起始点为根节点，通过随机采样逐渐增加叶节点的方式生成随机扩展树。当随机树的叶节点中包含了目标点或者目标区域的点时，随机树的扩展停止，便可在随机树中找到一条以根节点组成的从起始点到目标点的路径。rrt的扩展方式如图3所示。
基于控制参数计算的航路规划方法，包括以下步骤：
步骤1以无人机当前位置作为规划起始点qstart，初始化搜索树t；
步骤2以概率p选择目标点作为采样点，以概率1-p在整个规划窗口内随机选择采样点qrand；
步骤3通过随机采样点qrand，找到已存在扩展树t的树节点q中离随机采样点距离最近的一个树节点qnear，在qnear和qrand的连线上，计算从qnear以最小航迹段长度l到达的最新点qnew；
步骤4判断qnew是否满足避障和无人机自身性能约束，若满足，则将qnew加入到扩展树t中，否则返回步骤2；
步骤5判断|qnew-qgoal|＜＜l，若满足，则进行步骤6，否则返回步骤2；
步骤6通过形成的扩展树t，获得从起始点qstart到终点qnear的可行路径；
步骤7对冗余航迹节点进行剪裁，得到最终航迹。
采用rrt实时航路规划方法进行无人机控制参数计算，无人机根据接收到的控制参数信息，通过自动驾驶仪控制无人机飞行。因为rrt为实时航路规划方法，则有较好的规避障碍物能力。影响远程人工控制效果的因素较多，人工控制的效果较差。
实施例4
无人机自动飞行，图4是实施例中的无人机控制模块控制无人机急救的方法拓扑图，如图所示，远程监护急救系统控制无人机急救的方法，包括以下步骤：
步骤一无人机控制模块接收ai分析模块的警报信号，开始；
步骤二无人机控制模块根据患者位置目的地信息选定无人机；
步骤三无人机控制模块向无人机传输目的地信息和患者信息，无人机起飞，无人机将实时信息回传给无人机控制模块，实时信息包括但不限于：gps定位信息，惯组信息，位置、姿态、速度信息，超声波定位器信息、摄像头拍摄信息等；
步骤四无人机控制模块根据回传的信息进行航路规划的控制参数计算，并将参数通过网络传输给无人机；
步骤五无人机通过自动驾驶仪进行控制飞行；
步骤六无人机控制模块根据无人机的定位信息判断是否到达目的地，判断结果为否，则返回步骤三；
步骤七判断结果为是，无人机落地，无人机控制模块向人工控制模块发送到达信号，系统可以设置为医生在人工控制模块端接收到该信号后，及时与患者及家属联系，指导急救，在值班医生确定已经完成无人机的送药工作后，给无人机控制模块发送一个结束急救的信号；
步骤八无人机控制模块判断是否结束急救，判断结果为否，返回步骤六，判断结果为是，进入步骤九，系统可以设置为在无人机模块接收到人工控制模块发送的确认结束信号后判断为是，否则判断为否；
步骤九无人机控制模块控制无人机自动返回基站，结束。
实施例5
无人机飞行中介入人工操纵，图5是另一实施例中的无人机控制模块控制无人机急救的方法拓扑图，如图所示，远程监护急救系统控制无人机急救的方法，包括以下步骤：
步骤一无人机控制模块接收ai分析模块的飞行指令，开始；
步骤二无人机控制模块根据患者位置目的地信息选定无人机；
步骤三无人机控制模块向无人机传输目的地信息和患者信息，无人机起飞，无人机将实时信息回传给无人机控制模块；
步骤四无人机控制模块根据回传的信息进行航路规划的控制参数计算，并将参数通过网络传输给无人机；
步骤五无人机通过自动驾驶仪控制飞行；
步骤六无人机控制模块判断是否到达目的地，判断结果为否，则返回步骤三；
步骤七判断结果为是，无人机控制模块向无人机下达语音指令，自动播报患者信息，无人机控制模块向人工控制模块发送到达信号；
步骤八判断人工控制是否需要介入，判断结果为是则进入步骤九，判断结果为否则进入步骤十；
步骤九人工控制模块操控无人机飞行；
步骤十无人机控制模块判断是否结束急救，判断结果为否，返回步骤七，判断结果为是，进入步骤十一；
步骤十一无人机控制模块控制无人机自动返回基站，结束。
在步骤七中，对实现无人机上的自动语音播报功能的技术手段不做限制，本发明可以使用任何一种现有技术中的方法，例如中国发明专利号为201510757022.7，名称为：一种智能软件的语音报表系统及语音播报方法所公开的语音播报方法，语音播报功能由设置在无人机上的语音播报单元完成，将接收到的患者信息后合成固定格式的文字信息，并输出经语音合成的语音文件，通过喇叭播放，语音播报能够引起无人机附近人的注意，帮助实施救助工作。
医生在人工控制模块接收到到达信号后，可以与患者监测模块进行语音或视频通话，指挥患者或现场人员使用合适的药物或设备进行急救，在救护车到达前争取到宝贵的救治时间。
在步骤九中，介入人工控制后，操纵无人机飞行的权限被人工控制模块获得，值班医生在人工控制模块端接收由无人机控制模块传输的无人机实时信息，并且能够手动操纵无人机飞行，可以控制无人机飞行到患者身边或门卫室、广场等人员密集区域，或者在降落条件限制时，直接空投急救设备。
无人机在低空悬停播报患者信息，能够引起家属及周围人员注意，获得他们的帮助，值班医生通过视频确认现场有人员协助后，值班医生可以操纵无人机降落或空投急救设备，降落地点尽可能离患者最近，由现场人员携带急救设备到患者身边开始急救。
在步骤十中，系统可以设置为由人工控制模块向无人机控制模块发送一个确认结束急救的信号，无人机控制模块收到这个信号后则判断结束急救。
实施例6
无人机到达目的地后接入人工控制模块的控制，图6是另一实施例中的无人机控制模块控制无人机急救的方法拓扑图，如图所示，远程监护急救系统控制无人机急救的方法，包括以下步骤：
步骤一无人机控制模块接收ai分析模块的警报信号，开始；
步骤二无人机控制模块根据患者位置目的地信息选定无人机；
步骤三无人机控制模块向无人机传输目的地信息和患者信息，无人机起飞，无人机将实时信息回传给无人机控制模块，实时信息包含但不限于：gps定位信息，惯组信息，位置、姿态、速度信息，超声波定位器信息、摄像头拍摄信息等；
步骤四无人机控制模块根据回传的信息进行航路规划的控制参数计算，并将参数通过网络传输给无人机；
步骤五无人机通过自动驾驶仪进行控制飞行；
步骤六无人机控制模块根据无人机的定位信息判断是否到达目的地，判断结果为否，则返回步骤三；
步骤六a：判断结果为是，则判断人工控制模块是否进行控制，如果判断结果为是，则无人机进行人工语音播报，并由人工控制模块的医生人工操纵无人机飞行，然后进入是否结束急救的判断，判断结果为否，则继续人工语音播报并由医生人工操纵无人机飞行的步骤，直到判断结果为是，则进入步骤九；人工控制模块是否进行人工控制的判断结果为否，无人机控制模块向无人机下达语音指令，自动播报患者信息；
步骤六b：无人机控制模块判断患者是否得到帮助，判断结果为否，则返回无人机控制模块向无人机下达语音指令，播报患者信息的步骤；
步骤七判断结果为是，无人机落地，无人机控制模块向人工控制模块发送到达信号；
步骤八无人机控制模块判断是否结束急救，判断结果为否，返回步骤七，判断结果为是，进入步骤九；
步骤九无人机控制模块控制无人机或无人机自动返回基站，结束。
在步骤六b中，是否得到帮助的判断可以由系统任意设置，可以设置为自动语音播报达到一定预设时间后判断为得到帮助，也可在无人机上设置一个按钮，语音播报内容提示拾到无人机的人按下按钮，当按下按钮时无人机控制模块判断为得到帮助，或者可以设置为由人工控制模块向无人机控制模块发送得到帮助的信号，医生在与患者监测模块取得联系后，确认无人机到达患者处，医生在人工控制模块端向无人机控制模块发送一个得到帮助的信号，无人机控制模块接收到该信号后，判断为得到帮助。在此，不对该判断方法做限制性的规定。
以上所述实施例仅表达了本发明的实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的正常技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。