多用途医疗监护装置和方法

本发明涉及医疗器械及医疗监护，尤其涉及一种多用途医疗监护装置和方法。

背景技术：

1、目前，通用医疗监护仪是医疗设备中最常用的一种，它能够监测患者的心率、呼吸、体温、血氧饱和度等生命体征，并将监测到的数据传输到中心站或护士站进行进一步处理和分析。这种医疗设备通常使用非侵入性传感器来采集生理数据，并通过有线或无线方式传输到中心站或护士站。在医院的临床环境中，通用医用监护仪通常会和其他医疗设备一起使用，比如呼吸机、输液泵、心电图仪等。现有的通用医用监护仪虽然可以收集生命体征数据，但是对于这些数据的分析和处理能力较弱。这意味着医护人员需要花费更多的时间和精力来分析这些数据，从而可能忽略一些重要的信息。此外，现有的监护仪也没有强大的告警机制，无法及时发现患者的健康异常状况，可能导致治疗的延误或错误。通用医用监护仪通常具有固定的功能和配置，不能很好地满足不同个体的临床应用需求。这意味着，如果需要监测的生命体征数据超出了其原有的监测范围，或者需要添加其他功能模块，现有的监护仪就不能够满足要求。此外，现有监护仪的扩展性较差，无法在软件或硬件层面进行灵活的修改和升级，限制了其在未来的发展和应用中的灵活性和可扩展性。

技术实现思路

1、针对现有的医疗监护仪所存在的数据的分析和处理能力较弱、可扩展性差等问题，本发明公开了一种多用途医疗监护装置和方法。

2、本发明实施例第一方面，公开了一种多用途医疗监护装置，包括：生命体征监测模块、数据处理模块、告警分析模块和生命体征评估模块；

3、所述生命体征监测模块，用于采集得到用户的生命体征数据集，将所述生命体征数据集发送到数据处理模块；所述生命体征数据集，包括心率序列、呼吸频率序列、体温序列、血氧饱和度序列和血压序列；

4、所述生命体征监测模块，包括心率传感器、呼吸频率传感器、体温传感器、血氧饱和度传感器和血压计；所述心率传感器，用于采集得到用户的心率序列；所述呼吸频率传感器，用于采集得到用户的呼吸频率序列；所述体温传感器，用于采集得到用户的体温序列；所述血氧饱和度传感器，用于采集得到用户的血氧饱和度序列；所述血压计，用于采集得到用户的血压序列；

5、所述数据处理模块，用于对所述生命体征数据集进行处理，得到标准生命体征数据集；所述数据处理模块，与所述生命体征监测模块、所述告警分析模块和生命体征评估模块分别连接；

6、所述告警分析模块，用于对所述标准生命体征数据集进行异常判断处理，得到告警信息；

7、所述生命体征评估模块，与所述数据处理模块相连接，用于对所述标准生命体征数据集进行评估处理，得到用户的生命体征评估值。

8、所述数据处理模块，包括时间对齐子模块、归一化处理子模块、滤波处理子模块；所述时间对齐子模块，与所述归一化处理子模块连接，所述归一化处理子模块，与所述滤波处理子模块连接；

9、所述时间对齐子模块，用于对生命体征数据集中的各个数据序列进行时间对齐，得到时间对齐生命体征数据集；

10、所述归一化处理子模块，用于对所述时间对齐生命体征数据集进行归一化处理，得到归一化生命体征数据集；

11、所述滤波处理子模块，用于对所述归一化生命体征数据集进行滤波处理，得到标准生命体征数据集。

12、所述告警分析模块，包括特征拟合分析子模块、偏离分析子模块和告警判别子模块；所述特征拟合分析子模块，与所述偏离分析子模块连接，所述偏离分析子模块和所述告警判别子模块连接；

13、所述特征拟合分析子模块，用于对所述标准生命体征数据集进行特征拟合处理，得到最佳一致逼近多项式；

14、所述偏离分析子模块，用于对所述标准生命体征数据集的每个医疗数据序列进行偏离分析，得到偏离序号值集合；

15、所述告警判别子模块，用于对所述偏离序号值集合和所述最佳一致逼近多项式进行计算判别处理，得到告警信息。

16、本发明实施例第二方面公开了一种多用途医疗监护方法，利用所述的多用途医疗监护装置来实现，包括：

17、s1，利用所述生命体征监测模块，采集得到用户的生命体征数据集，将所述生命体征数据集发送到数据处理模块；

18、s2，利用所述数据处理模块，对所述生命体征数据集中的各个数据序列进行时间对齐，得到时间对齐生命体征数据集；

19、s3，对所述时间对齐生命体征数据集进行归一化处理，得到归一化生命体征数据集；

20、s4，对所述归一化生命体征数据集进行滤波处理，得到标准生命体征数据集；

21、s5，利用所述告警分析模块，对所述标准生命体征数据集进行特征拟合处理，得到最佳一致逼近多项式；

22、s6，对所述标准生命体征数据集的每个医疗数据序列进行偏离分析，得到偏离序号值集合；

23、s7，对所述偏离序号值集合和所述最佳一致逼近多项式进行计算判别处理，得到告警信息；

24、s8，利用所述生命体征评估模块，对所述标准生命体征数据集进行评估处理，得到用户的生命体征评估值。

25、所述对所述时间对齐生命体征数据集进行归一化处理，得到归一化生命体征数据集，包括：

26、s31，对所述时间对齐生命体征数据集的每个医疗数据序列qi，获取其对应的医疗参数的合理取值范围[ei1,ei2]；qi表示所述时间对齐生命体征数据集的第i个医疗数据序列，qi＝[qi1,qi2,…,qin]，qij表示所述第i个医疗数据序列的第j个数据，i＝1,2,3,4,5，分别表示心率数据序列、呼吸频率数据序列、体温数据序列、血氧饱和度数据序列和血压数据序列，n表示所述时间对齐生命体征数据集的医疗数据序列所包含的数据个数；ei1表示所述第i个医疗数据序列qi对应的医疗参数的合理取值范围的下限，ei2表示所述第i个医疗数据序列qi对应的医疗参数的合理取值范围的上限；

27、s32，对所述时间对齐生命体征数据集的每个医疗数据序列中的每个数据，利用所述合理取值范围进行归一化计算处理，得到所述数据的归一化值；

28、所述归一化计算处理，其计算表达式为：

29、

30、其中，为对qij进行归一化计算处理后得到的归一化值；

31、s33，当对所述时间对齐生命体征数据集的每个医疗数据序列的所有数据均完成归一化计算处理后，得到归一化生命体征数据集。

32、所述对所述归一化生命体征数据集进行滤波处理，得到标准生命体征数据集，包括：

33、s41，对所述归一化生命体征数据集中的每个医疗数据序列，利用滤波变换模型进行变换处理，得到所述医疗数据序列的变换矩阵；

34、所述滤波变换模型的处理表达式为:

35、

36、其中，v()表示所述归一化生命体征数据集的某个医疗数据序列，v(k)为所述医疗数据序列的第k个元素，y(m,n)为所述医疗数据序列的变换矩阵的第m行、第n列的元素，h1()为所述滤波变换模型对应的变换函数，h1(kt1-mt1)为h1()在kt1-mt1处的取值，t1和f1分别为所述滤波变换模型的时域变换长度和频域变换长度；

37、s42，对所述医疗数据序列的变换矩阵的每个元素，判断其元素值是否处于预设的滤波区间[z1,z2]内，若处于所述滤波区间内，不对所述元素进行处理，若不处于所述滤波区间内时，当所述元素值小于z1时，设置所述元素值为z1，当所述元素值大于z2时，设置所述元素值为z2；

38、s43，当对所述医疗数据序列的变换矩阵的每个元素均完成s42所述判断和设置处理后，得到更新的变换矩阵；确认所述更新的变换矩阵，为滤波医疗矩阵；

39、s44，利用滤波逆变换模型，对所述滤波医疗矩阵进行变换处理，得到所述医疗数据序列的滤波后的数据序列；

40、所述滤波逆变换模型的处理表达式为：

41、

42、其中，v′()表示所述医疗数据序列的滤波后的数据序列，v′(k)为所述医疗数据序列的滤波后的数据序列的第k个元素，y′(m,n)为所述滤波医疗矩阵的第m行、第n列的元素，ym和yn分别为所述滤波医疗矩阵的行数和列数，为所述滤波逆变换模型对应的变换函数的共轭函数，为在kt1-mt1处的取值，t1和f1分别为所述滤波逆变换模型的时域变换长度和频域变换长度；

43、s45，利用所述归一化生命体征数据集所包含的所有医疗数据序列对应的滤波后的数据序列，构建得到标准生命体征数据集。

44、所述对所述标准生命体征数据集进行特征拟合处理，得到最佳一致逼近多项式，包括：

45、s51，利用所述标准生命体征数据集，构建得到标准生命体征矩阵；所述标准生命体征矩阵的行向量，为所述标准生命体征数据集中的医疗数据序列；

46、s52，对所述标准生命体征矩阵进行分解处理，得到标准生命体征矩阵的左分解矩阵、特征矩阵和右分解矩阵；

47、所述分解处理，其计算表达式为：

48、y＝uav，

49、其中，u为左分解矩阵，a为特征矩阵，v为右分解矩阵，u和v均为正交矩阵，a为对角矩阵；

50、s53，将所述特征矩阵的对角线元素进行提取，得到特征向量；所述特征向量表示为ia，ia＝[λ1,λ2,…,λn1]，n1为所述特征向量所包含元素的个数；

51、s54，对所述特征向量的元素和元素序号值进行线性拟合处理，得到最佳一致逼近多项式；

52、所述线性拟合处理，是以特性向量元素序号值ix为已知自变量，以特征向量元素值为已知因变量，利用所述已知自变量和已知因变量构建得到待逼近曲线，利用函数逼近法对所述待逼近曲线进行曲线拟合，得到最佳一致逼近多项式f(ix)。

53、所述对所述标准生命体征数据集的每个医疗数据序列进行偏离分析，得到偏离序号值集合，包括：

54、s61，对所述标准生命体征数据集的每个医疗数据序列，计算得到所述医疗数据序列的平均值u0；

55、s62，对所述医疗数据序列中的每个元素，计算得到其与所述平均值u0的差值的绝对值，确定所述差值的绝对值，为所述元素的偏移量；

56、s63，对所述医疗数据序列，寻找得到具有最大偏移量的元素，确定所述元素在所述医疗数据序列中的序号值，为所述医疗数据序列的偏离序号值；

57、s64，利用所述标准生命体征数据集的所有医疗数据序列的偏离序号值，构建得到偏离序号值集合。

58、所述利用所述生命体征评估模块，对所述标准生命体征数据集进行评估处理，得到用户的生命体征评估值，包括：

59、s81，利用所述标准生命体征数据集，构建得到标准生命体征矩阵；所述标准生命体征矩阵的行向量，为所述标准生命体征数据集中的医疗数据序列；

60、s82，对标准生命体征矩阵进行互相关值计算处理，得到互相关矩阵；

61、s83，对所述互相关矩阵进行特征提取处理，得到加权向量；

62、s84，利用所述加权向量，对所述偏离序号值集合进行加权求和，得到用户的生命体征评估值。

63、所述对所述偏离序号值集合和所述最佳一致逼近多项式进行计算判别处理，得到告警信息，包括：

64、s71，将所述偏离序号值集合中的每个偏离序号值作为自变量，利用所述最佳一致逼近多项式对所述自变量进行计算处理，得到所述自变量的函数值；确定所述自变量的函数值，为所述偏离序号值的权重值；

65、s72，在得到所述偏离序号值集合的所有偏离序号值的权重值后，利用每个偏离序号值的权重值，对对应的偏离序号值进行加权求和处理，得到告警判别值；

66、s73，判断所述告警判别值，是否大于告警阈值，若大于所述告警阈值，确认告警信息为用户生命体征异常；若小于等于所述告警阈值，确认告警信息为用户生命体征正常。

67、本发明的有益效果为：

68、本发明的多用途医疗监护装置和方法可以采集、存储和处理更多的数据，利用采集数据对用户的健康状态和生命状态进行分析检测，帮助医疗人员更好地理解病情、制定治疗方案和评估治疗效果。

69、本发明的多用途医疗监护装置，集成度更高，可以通过网络技术和云计算技术来实现数据的共享和协同，可以与其他医疗设备和信息系统进行无缝集成。这使得医疗服务更加智能化和高效化。