1.一种智慧病房系统，其特征在于，包括：
2.如权利要求1所述的一种智慧病房系统，其特征在于，所述同类疾病数据单元具体包括：根据预设的疾病类别，将同一类疾病患者数据进行汇总、处理和分析，以得到多种疾病类别下的数据集合；建立每种疾病类别下的患者病情发展趋势预测模型，包括：训练阶段，采集某种疾病类别下的历史患者医疗数据，将其分为病情康复正样本和病情恶化负样本；对所述正样本和负样本中的患者体征数据、患者检验报告数据、患者检查报告数据分别进行特征提取；其中，统计患者体征数据和检验报告数据中的医疗条目对应的数值范围，得到第一特征向量；利用预先构建的医疗词典提取患者检查报告数据中的关键术语，统计各关键术语出现的频率，得到第二特征向量，将所述第一特征向量和第二特征向量融合得到医疗数据特征向量。
3.如权利要求2所述的一种智慧病房系统，其特征在于，所述同类疾病数据单元具体包括：将所述医疗数据特征向量输入到人工神经网络模型a中进行训练，所述人工神经网络模型a包括一个输入层、一个输出层、4个隐藏层，采用relu作为激活函数，采用交叉熵作为损失函数，不断调整权重迭代以至模型收敛，得到患者病情发展趋势预测模型；模型输入为从患者体征数据、患者检验报告数据和患者检查报告数据中提取的医疗数据特征向量，模型输出为患者病情康复概率和病情恶化概率组成的概率向量；提取当前患者的医疗数据特征向量输入至所述患者病情发展趋势预测模型中以实现该患者的病情趋势预测，当病情恶化概率大于病情康复概率时，生成预警信息发送给该患者的主治医生。
4.如权利要求1所述的一种智慧病房系统，其特征在于，所述患者行为数据分析子单元具体包括：建立危险行为预警模型，所述危险行为包括抽搐和摔倒；其中，训练阶段，采集病房内人体姿态视频图片集，对图片集内的图片进行标注，设置为抽搐、摔倒、无异常3类样本图片；提取图片内的患者姿态特征和人脸特征，包括，提取骨架特征和运动特征融合成为姿态特征图，提取五官特征作为人脸特征图；将患者姿态特征图和人脸特征图分别送入人工神经网络模型b1和b2中进行训练。
5.如权利要求4所述的一种智慧病房系统，其特征在于，所述患者行为数据分析子单元具体包括：所述人工神经网络模型b1和b2结构相同，包括一个输入层、一个输出层、1个卷积层，1个池化层，采用relu作为激活函数，交叉熵作为损失函数，不断调整权重迭代以至模型收敛，得到危险行为预警模型；模型b1输入为患者姿态特征图，输出为患者抽搐概率、摔倒概率和正常概率组成的概率向量；模型b2输入为患者人脸特征图，输出为患者表情痛苦概率和正常概率组成的概率向量；利用所述人工神经网络b1和b2对当前患者行为进行监测，当抽搐概率和摔倒概率之和大于正常概率时，或表情痛苦概率大于正常概率时，生成预警信息发送给护士站。
6.如权利要求1所述的一种智慧病房系统，其特征在于，所述公共空间监测单元具体包括：所述公共空间包括病房卫生间和病房公共区域，其中病房卫生间设置有热红外传感器，用于监测卫生间是否有人摔倒；病房公共区域设置有视频采集器，用于实时显示病房公共区域动态以及对危险行为进行预警；所述个人空间监测单元具体包括：所述个人空间为，每张病床的窗帘拉拢时所形成的空间区域；其中，设置有压力传感器，用于检测患者是否位于病床上；设置有可视对讲终端，用于与护士站进行实时对讲交流；设置有输液监控装置，用于对输液过程进行监控并自动识别输液需求并呼叫护士站。
7.如权利要求1所述的一种智慧病房系统，其特征在于，所述体征数据采集单元具体包括：所述体征数据包括体重、身高、体温、脉搏、血压；所述体征数据通过设置在病床上的传感器实现采集，采集后的数据回传入总控模块；所述护理服务单元具体包括：病床上设置有护理器具，包括排痰仪、下肢按摩仪、辅助翻身器。