护理工作站的信息管理系统及方法

本技术涉及智能管理领域，且更为具体地，涉及一种护理工作站的信息管理系统及方法。

背景技术：

1、在医院中，患者在面临手术治疗时常常感到紧张和焦虑，这是因为他们对手术的了解较少，缺乏相关的认知。这种紧张和焦虑会影响手术的进行，并可能延长手术的时间。为了解决这个问题，术前给予患者有效的健康教育干预非常重要。在这方面，护理工作站发挥着重要的作用。护理工作站是医院护理工作中不可或缺的一环。它主要负责接收和处理患者的护理需求，包括处理医嘱、制定护理计划、记录护理情况以及管理患者信息等。现在的护理工作站已经具备了一些先进的功能。例如，可以通过usb接口导入标准化的健康宣教资料，这样护理人员可以随时为患者及其家属提供标准化的健康教育。对于老年患者来说，这些教育资料可以反复播放，帮助他们加深对手术治疗相关知识的记忆。通过使用护理工作站，护理人员可以更好地了解患者的状态，制定个性化的护理计划，并提高护理的效果。

2、因此，需要一种护理工作站的信息管理方案。

技术实现思路

1、为了解决上述技术问题，提出了本技术。

2、根据本技术的一个方面，提供了一种护理工作站的信息管理系统，其包括：

3、患者相关数据收集模块，用于获取患者刚入院一段时间和术前一段时间的收缩压值、舒张压值和心率值以及入院时和术前填写的汉密尔顿焦虑量表及抑郁量表；

4、身体指标数据特征提取模块，用于对所述患者刚入院一段时间和术前一段时间的收缩压值、舒张压值和心率值进行特征提取以得到身体指标变化特征向量；

5、心理状态数据特征提取模块，用于对所述患者入院时和术前填写的汉密尔顿焦虑量表及抑郁量表进行特征提取以得到心理状态变化特征向量；

6、特征融合模块，用于融合所述身体指标变化特征向量和所述心理状态变化特征向量以得到健康教育效果评估特征向量；

7、健康教育干预需求评估模块，用于基于所述健康教育效果评估特征向量，判断是否需要对所述患者加强健康教育干预；

8、其中，所述身体指标数据特征提取模块，包括：身体指标数据结构化单元，用于将所述患者刚入院一段时间和术前一段时间的收缩压值、舒张压值和心率值分别按照时间维度排列为健康教育干预前身体指标输入矩阵和健康教育干预后身体指标输入矩阵；身体指标特征生成单元，用于将所述健康教育干预前身体指标输入矩阵和所述健康教育干预后身体指标输入矩阵分别通过身体指标特征提取器以得到干预前身体指标特征向量和干预后身体指标特征向量；身体指标变化特征生成单元，用于对所述干预前身体指标特征向量和所述干预后身体指标特征向量进行差分以得到所述身体指标变化特征向量。

9、在上述护理工作站的信息管理系统中，所述身体指标变化特征生成单元，用于：以如下第一差分公式对所述干预前身体指标特征向量和所述干预后身体指标特征向量进行差分以得到所述身体指标变化特征向量；其中，所述第一差分公式为：

10、；

11、其中，表示所述干预前身体指标特征向量，表示按位置作差，表示所述干预后身体指标特征向量，表示所述身体指标变化特征向量。

12、在上述护理工作站的信息管理系统中，所述心理状态数据特征提取模块，包括：数据预处理单元，用于对所述入院时和术前填写的汉密尔顿焦虑量表及抑郁量表分别进行预处理以得到入院预处理后表选项及患者选择结果和术前预处理后表选项及患者选择结果；心理状态特征生成单元，用于将所述入院预处理后表选项及患者选择结果和所述术前预处理后表选项及患者选择结果分别通过基于转换器的心理状态特征编码器以得到干预前心理状态特征向量和干预后心理状态特征向量；心理状态变化特征生成单元，用于对所述干预前心理状态特征向量和所述干预后心理状态特征向量进行差分以得到所述心理状态变化特征向量。

13、在上述护理工作站的信息管理系统中，所述心理状态变化特征生成单元，用于：以如下第二差分公式对所述干预前心理状态特征向量和所述干预后心理状态特征向量进行差分以得到所述心理状态变化特征向量；其中，所述第二差分公式为：

14、；

15、其中，表示所述干预前心理状态特征向量，表示按位置作差，表示所述干预后心理状态特征向量，表示所述心理状态变化特征向量。

16、在上述护理工作站的信息管理系统中，所述身体指标特征提取器为使用二维卷积核的卷积神经网络模型，所述基于转换器的心理状态特征编码器为基于转换器的上下文语义编码器。

17、在上述护理工作站的信息管理系统中，所述健康教育干预需求评估模块，用于：将所述健康教育效果评估特征向量通过分类器以得到分类结果，所述分类结果用于表示是否需要对所述患者加强健康教育干预。

18、在上述护理工作站的信息管理系统中，还包括对所述身体指标特征提取器、所述基于转换器的心理状态特征编码器和所述分类器进行训练的训练模块，其中，所述训练模块，包括：训练数据获取单元，用于获取患者刚入院一段时间和术前一段时间的训练收缩压值、训练舒张压值和训练心率值以及入院时和术前填写的训练汉密尔顿焦虑量表及抑郁量表；训练身体指标数据结构化单元，用于将所述患者刚入院一段时间和术前一段时间的训练收缩压值、训练舒张压值和训练心率值分别按照时间维度排列为训练健康教育干预前身体指标输入矩阵和训练健康教育干预后身体指标输入矩阵；训练身体指标数据特征提取单元，用于将所述训练健康教育干预前身体指标输入矩阵和所述训练健康教育干预后身体指标输入矩阵分别通过所述身体指标特征提取器以得到训练干预前身体指标特征向量和训练干预后身体指标特征向量；训练身体指标变化特征计算单元，用于对所述训练干预前身体指标特征向量和所述训练干预后身体指标特征向量进行差分以得到训练身体指标变化特征向量；训练心理状态数据预处理单元，用于对所述入院时和术前填写的训练汉密尔顿焦虑量表及抑郁量表分别进行预处理以得到训练入院预处理后表选项及患者选择结果和训练术前预处理后表选项及患者选择结果；训练心理状态数据特征提取单元，用于将所述训练入院预处理后表选项及患者选择结果和所述训练术前预处理后表选项及患者选择结果分别通过所述基于转换器的心理状态特征编码器以得到训练干预前心理状态特征向量和训练干预后心理状态特征向量；训练心理状态变化特征生成单元，用于对所述训练干预前心理状态特征向量和所述训练干预后心理状态特征向量进行差分以得到训练心理状态变化特征向量；训练特征融合单元，用于融合所述训练身体指标变化特征向量和所述训练心理状态变化特征向量以得到训练健康教育效果评估特征向量；模型训练单元，用于计算所述训练身体指标变化特征向量和所述训练心理状态变化特征向量之间的概率密度分布单调性超凸度量系数作为补偿损失函数值对所述身体指标特征提取器、所述基于转换器的心理状态特征编码器和所述分类器进行训练。

19、在上述护理工作站的信息管理系统中，所述模型训练单元，用于：以如下公式计算所述训练身体指标变化特征向量和所述训练心理状态变化特征向量之间的概率密度分布单调性超凸度量系数作为补偿损失函数值；其中，所述公式为：

20、；

21、其中，表示所述训练身体指标变化特征向量，表示所述训练心理状态变化特征向量，表示向量的frobenius范数，表示向量减法，表示分类函数，表示所述概率密度分布单调性超凸度量系数。

22、根据本技术的另一方面，提供了一种护理工作站的信息管理方法，其包括：

23、获取患者刚入院一段时间和术前一段时间的收缩压值、舒张压值和心率值以及入院时和术前填写的汉密尔顿焦虑量表及抑郁量表；

24、对所述患者刚入院一段时间和术前一段时间的收缩压值、舒张压值和心率值进行特征提取以得到身体指标变化特征向量；

25、对所述患者入院时和术前填写的汉密尔顿焦虑量表及抑郁量表进行特征提取以得到心理状态变化特征向量；

26、融合所述身体指标变化特征向量和所述心理状态变化特征向量以得到健康教育效果评估特征向量；

27、基于所述健康教育效果评估特征向量，判断是否需要对所述患者加强健康教育干预；

28、其中，对所述患者刚入院一段时间和术前一段时间的收缩压值、舒张压值和心率值进行特征提取以得到身体指标变化特征向量，包括：

29、身体指标数据结构化单元，用于将所述患者刚入院一段时间和术前一段时间的收缩压值、舒张压值和心率值分别按照时间维度排列为健康教育干预前身体指标输入矩阵和健康教育干预后身体指标输入矩阵；

30、身体指标特征生成单元，用于将所述健康教育干预前身体指标输入矩阵和所述健康教育干预后身体指标输入矩阵分别通过身体指标特征提取器以得到干预前身体指标特征向量和干预后身体指标特征向量；

31、身体指标变化特征生成单元，用于对所述干预前身体指标特征向量和所述干预后身体指标特征向量进行差分以得到所述身体指标变化特征向量。

32、与现有技术相比，本技术提供的护理工作站的信息管理系统及方法，其采用基于深度学习的人工智能分析技术，通过对患者入院后一段时间及术前一段时间的身体指标数据和心理状态数据进行特征提取来判断患者是否需要加强健康教育干预。这样，针对不同患者的情况可以制定个性化的健康教育计划，以提高护理的效果。