一种基于ICU重症监测的数据可视化方法及系统

本发明属于数据可视化，具体涉及一种基于icu重症监测的数据可视化方法及系统。

背景技术：

1、重症加强护理病房（icu，intensive care unit）是医院中负责重症患者救治的重要部门。由于icu患者病情严重，需要24小时不间断的监测和及时干预。目前，icu重症监测设备虽然能够实时采集患者的临床体征数据，但大量数据的处理和分析仍然依赖于医护人员的经验和直觉，导致icu重症监测的人力成本投入大、信息处理速度慢、效率低下以及实时性差，且容易由于主观意识导致对icu重症监测情况判断失误，严重时危及用户生命；对于icu重症监测的数据，大多存储在后台服务器或医护人员的私人电脑，数据查看困难，产生了信息孤岛效应，导致医护人员之间存在数据交流障碍，影响icu重症治疗或抢救。

技术实现思路

1、为了解决现有技术存在的人力成本投入大、信息处理速度慢、效率低下、实时性差、数据查看困难以及存在信息孤岛的问题，本发明目的在于提供一种基于icu重症监测的数据可视化方法及系统。

2、本发明所采用的技术方案为：

3、一种基于icu重症监测的数据可视化方法，包括如下步骤：

4、采集重症疾病知识大数据和历史临床体征监测大数据，并根据重症疾病知识大数据，构建重症疾病知识图谱；

5、使用重症疾病知识图谱，对历史临床体征监测大数据进行数据降维和标签添加，得到关键临床体征指标集合和关键临床体征异常分析样本集；

6、根据关键临床体征异常分析样本集，使用深度学习算法，构建关键临床体征异常分析模型；

7、采集当前用户的实时重症疾病诊断报告数据和对应的实时icu重症监测数据；

8、根据实时重症疾病诊断报告数据和对应的关键临床体征指标集合，对实时icu重症监测数据进行数据降维，得到实时关键临床体征综合数据；

9、使用关键临床体征异常分析模型，对实时关键临床体征综合数据进行关键临床体征异常分析，得到关键临床体征异常分析结果；

10、根据实时关键临床体征综合数据，生成关键指标数据折线图集，并根据关键临床体征异常分析结果，生成警报信息；

11、将关键指标数据折线图集、关键临床体征异常分析结果以及警报信息，进行可视化展示。

12、进一步地，采集重症疾病知识大数据和历史临床体征监测大数据，并根据重症疾病知识大数据，构建重症疾病知识图谱，包括如下步骤：

13、爬取若干重症疾病类型的重症疾病知识大数据和若干历史用户的历史临床体征监测大数据；

14、对重症疾病知识大数据和历史临床体征监测大数据进行预处理，得到预处理后重症疾病知识大数据和预处理后历史临床体征监测大数据；

15、使用预先训练的命名实体提取模型，对预处理后重症疾病知识大数据进行命名实体提取，得到若干命名实体；

16、使用预先训练的实体关系提取模型，对预处理后重症疾病知识大数据进行实体关系提取，得到若干命名实体之间的实体关系；

17、根据若干命名实体和对应的若干实体关系，进行知识图谱构建，得到重症疾病知识图谱。

18、进一步地，使用重症疾病知识图谱，对历史临床体征监测大数据进行数据降维和标签添加，得到关键临床体征指标集合和关键临床体征异常分析样本集，包括如下步骤：

19、根据重症疾病知识图谱，生成每一重症疾病类型的重症疾病信息、若干重症疾病类型之间的关联关系、每一重症疾病类型的关键临床体征指标集合以及每一关键临床体征指标的正常数值范围；

20、根据关键临床体征指标集合，对历史临床体征监测大数据中的历史临床体征监测综合数据进行数据降维，得到由若干历史关键临床体征指标数据构成的关键临床体征异常分析样本；

21、根据正常数值范围，对所有关键临床体征异常分析样本进行标签添加，得到设置有真实异常分析标签的关键临床体征异常分析样本集。

22、进一步地，根据重症疾病知识图谱，生成每一重症疾病类型的重症疾病信息、若干重症疾病类型之间的关联关系、每一重症疾病类型的关键临床体征指标集合以及每一关键临床体征指标的正常数值范围，包括如下步骤：

23、根据不同重症疾病类型的重症疾病名称命名实体之间的第一实体关系，获取不同重症疾病类型之间的关联关系；

24、根据同一重症疾病类型的重症疾病名称命名实体、重症疾病信息命名实体以及对应的第二实体关系，获取每一重症疾病类型的重症疾病信息；

25、根据同一重症疾病类型的重症疾病名称命名实体、关键临床体征指标命名实体以及对应的第三实体关系，获取每一重症疾病类型的关键临床体征指标集合；

26、根据同一重症疾病类型的关键临床体征指标命名实体、关键临床体征指标数值以及对应的第四实体关系，获取每一关键临床体征指标的正常数值范围。

27、进一步地，根据关键临床体征异常分析样本集，使用深度学习算法，构建关键临床体征异常分析模型，包括如下步骤：

28、对关键临床体征异常分析样本集进行指标维度统一和归一化处理，得到归一化后关键临床体征异常分析样本集；

29、将归一化后关键临床体征异常分析样本集按照7:3的比例，划分为模型训练样本集和模型测试样本集；

30、使用深度学习算法，构建初始的关键临床体征异常分析模型，并将模型训练样本集输入初始的关键临床体征异常分析模型，进行训练优化，得到优化的关键临床体征异常分析模型；

31、将模型测试样本集输入优化的关键临床体征异常分析模型，得到若干预测异常分析标签，并将预测异常分析标签与对应的真实异常分析标签进行对比统计，得到模型测试准确率；

32、若模型测试准确率大于预设模型测试准确率阈值，则输出最优的关键临床体征异常分析模型，否则，继续进行优化训练。

33、进一步地，采集当前用户的实时重症疾病诊断报告数据和对应的实时icu重症监测数据，包括如下步骤：

34、采集当前用户的实时重症疾病诊断报告数据，并提取实时重症疾病诊断报告数据包括的实时源发重症疾病类型和用户信息；

35、在预设icu重症监测采集周期到达时，采集当前用户的实时icu重症监测数据。

36、进一步地，根据实时重症疾病诊断报告数据和对应的关键临床体征指标集合，对实时icu重症监测数据进行数据降维，得到实时关键临床体征综合数据，包括如下步骤：

37、根据重症疾病知识图谱中若干重症疾病类型之间的关联关系，获取实时重症疾病诊断报告数据中实时源发重症疾病类型的若干实时并发重症疾病类型；

38、根据重症疾病知识图谱中每一重症疾病类型的关键临床体征指标集合，获取实时源发重症疾病类型和若干实时并发重症疾病类型对应的目标关键临床体征指标集合；

39、对目标关键临床体征指标集合中的所有目标关键临床体征指标进行整合，得到一实时关键临床体征指标集合；

40、根据实时关键临床体征指标集合，对实时icu重症监测数据进行数据降维，得到由若干实时关键临床体征指标数据构成的实时关键临床体征综合数据。

41、进一步地，使用关键临床体征异常分析模型，对实时关键临床体征综合数据进行关键临床体征异常分析，得到关键临床体征异常分析结果，包括如下步骤：

42、对实时关键临床体征综合数据进行指标维度补充处理和归一化处理，得到归一化后实时关键临床体征综合数据；

43、将归一化后实时关键临床体征综合数据中所有指标维度的归一化后实时关键临床体征指标数据，输入关键临床体征异常分析模型，进行关键临床体征异常分析，得到预测异常分析标签；

44、将预测异常分析标签作为关键临床体征异常分析结果进行输出。

45、进一步地，根据实时关键临床体征综合数据，生成关键指标数据折线图集，并根据关键临床体征异常分析结果，生成警报信息，包括如下步骤：

46、根据实时关键临床体征综合数据中的实时关键临床体征指标数据，生成对应的关键指标数据折线图，并获取关键指标数据折线图的实时icu重症发展趋势数据；

47、根据实时icu重症发展趋势数据，对预设icu重症监测采集周期进行优化，得到优化icu重症监测采集周期；

48、根据优化icu重症监测采集周期，继续采集当前用户的实时icu重症监测数据；

49、整合所有关键指标数据折线图，得到关键指标数据折线图集；

50、若关键临床体征异常分析结果为存在异常，则根据对应的实时关键临床体征指标数据和实时重症疾病诊断报告数据中的用户信息，生成警报信息，并将警报信息发送至医护人员的移动终端。

51、一种基于icu重症监测的数据可视化系统，用于实现数据可视化方法，系统包括云计算中心、若干物联网单元、若干数据可视化单元以及若干icu重症监测单元，若干物联网单元、若干数据可视化单元以及若干icu重症监测单元，均一一对应的设置于若干重症加强护理病房中，且每一物联网单元分别与同一重症加强护理病房的数据可视化单元和icu重症监测单元通信连接，云计算中心分别与若干物联网单元和外部的若干移动终端通信连接；

52、云计算中心，用于采集重症疾病知识大数据和历史临床体征监测大数据，并根据重症疾病知识大数据，构建重症疾病知识图谱；使用重症疾病知识图谱，对历史临床体征监测大数据进行数据降维和标签添加，得到关键临床体征指标集合和关键临床体征异常分析样本集；根据关键临床体征异常分析样本集，使用深度学习算法，构建关键临床体征异常分析模型；采集当前用户的实时重症疾病诊断报告数据；根据实时重症疾病诊断报告数据和对应的关键临床体征指标集合，对实时icu重症监测数据进行数据降维，得到实时关键临床体征综合数据；使用关键临床体征异常分析模型，对icu重症监测单元发送的实时关键临床体征综合数据进行关键临床体征异常分析，得到关键临床体征异常分析结果；根据实时关键临床体征综合数据，生成关键指标数据折线图集，并根据关键临床体征异常分析结果，生成警报信息，并将警报信息发送至医护人员的移动终端；将关键指标数据折线图集、关键临床体征异常分析结果以及警报信息通过物联网单元发送至对应的数据可视化单元；

53、物联网单元，用于构建云计算中心与每一重症加强护理病房中的数据可视化单元和icu重症监测单元的数据传输通道；

54、icu重症监测单元，用于在预设icu重症监测采集周期到达时，采集当前用户的实时icu重症监测数据，并将实时icu重症监测数据通过物联网单元发送至云计算中心；

55、数据可视化单元，用于对云计算中心发送的关键指标数据折线图集、关键临床体征异常分析结果以及警报信息，进行可视化展示。

56、本发明的有益效果为：

57、本发明公开了一种基于icu重症监测的数据可视化方法及系统，通过云技术中心，对icu重症监测数据进行统一管理，消除了信息孤岛，加强了icu重症监测数据在医护人员之间的流通；基于大数据构建的重症疾病知识图谱避免了对于icu重症监测数据进行分析时的专业性要求，并采用关键临床体征异常分析模型对重症疾病的关键指标数据进行自动、准确以及高效的分析，在第一时间发现icu重症异常情况，降低人力成本投入的同时，提高了icu重症监测的实时性；通过构建关键指标数据折线图集并对警报信息进行可视化展示，简化了数据查看流程，使医护人员能够直观、便捷的掌握用户的重症疾病发展情况，在第一时间进行相应的处理，提高了用户的存活率。

58、本发明的其他有益效果将在具体实施方式中进一步进行说明。