本发明涉及病房安全监测技术领域，尤其涉及一种癫痫患者病房安全监测方法及系统。
背景技术：
癫病是精神系统疾病中最为常见的，随着癫痫病发病率日益增高，给有的患者和家属在心理上、体力上和经济上造成巨大的压力，癫痫病人的治疗又是非常漫长的过程，所以在住院期间对癫痫患者进行病房安全管理，加强健康教育，提高患者对疾病的认知性和治疗的依从性，增加病员的安全性和治疗信心，对巩固治疗，减少复发，促进康复，提高生活质量有显著的意义。
但本申请发明人在实现本申请实施例中发明技术方案的过程中，发现上述技术至少存在如下技术问题：
现有技术中存在无法基于癫痫患者的病发预兆特征对患者进行及时的病发预警，进而影响对癫痫患者的病房安全监测的技术问题。
技术实现要素：
本申请实施例通过提供一种癫痫患者病房安全监测方法及系统，解决了现有技术中的无法基于癫痫患者的病发预兆特征对其进行及时的病发预警的技术问题，通过基于癫痫患者病发预兆特征数据库对患者的病发预兆特征进行信息整合，进而基于实时监控的病房图像对患者的病发预兆特征进行信息匹配，同时将匹配结果与预设匹配度进行对比，从而确定了是否对癫痫患者进行病发预警，达到了基于癫痫患者的病发预兆特征对其进行及时的病发预警，确保采取积极有效的应对措施，避免对癫痫患者造成更大伤害，进而实现对癫痫患者病房进行安全监测的技术效果。
本申请实施例提供一种癫痫患者病房安全监测方法，其中，所述方法应用于一病房监测系统，所述系统与第一图像采集装置通信连接，所述方法包括：获得第一信息整合指令，根据所述第一信息整合指令进行癫痫患者信息整合，获得第一信息整合结果；根据所述第一信息整合结果构建癫痫患者病发预兆特征数据库；根据所述病发预兆特征数据库获得第一病发预兆特征；通过所述第一图像采集装置获得第一用户的第一图像，其中，所述第一用户为癫痫患者，所述第一图像为包括所述第一用户的图像；获得第一特征匹配指令，根据所述第一特征匹配指令对所述第一图像进行基于所述第一病发预兆特征的特征匹配，获得第一特征匹配相似度；根据所述癫痫患者病发预兆特征数据库获得第二病发预兆特征，其中，所述第二病发预兆特征为所述第一病发预兆特征的关联特征；将所述第一病发预兆特征和所述第二病发预兆特征输入特征关联度评估模型，获得第一关联度评估结果；获得第二特征匹配指令，根据所述第二特征匹配指令对所述第一图像进行基于所述第二病发预兆特征的特征匹配，获得第二特征匹配相似度；获得第二特征匹配相似度修正结果，其中，所述第二特征匹配相似度修正结果为所述第二特征匹配相似度与所述第一关联度评估结果的乘积运算结果；当所述第一特征匹配相似度满足第一预设条件或所述第一特征匹配相似度与所述第二特征匹配相似度修正结果之和满足所述第一预设条件时，获得第一预警指令；根据所述第一预警指令对所述第一用户进行癫痫发作预警。
另一方面，本申请还提供了一种癫痫患者病房安全监测系统，其中，所述系统包括：第一获得单元：所述第一获得单元用于获得第一信息整合指令，根据所述第一信息整合指令进行癫痫患者信息整合，获得第一信息整合结果；第一构建单元：所述第一构建单元用于根据所述第一信息整合结果构建癫痫患者病发预兆特征数据库；第二获得单元：所述第二获得单元用于根据所述病发预兆特征数据库获得第一病发预兆特征；第三获得单元：所述第三获得单元用于通过第一图像采集装置获得第一用户的第一图像，其中，所述第一用户为癫痫患者，所述第一图像为包括所述第一用户的图像；第四获得单元：所述第四获得单元用于获得第一特征匹配指令，根据所述第一特征匹配指令对所述第一图像进行基于所述第一病发预兆特征的特征匹配，获得第一特征匹配相似度；第五获得单元：所述第五获得单元用于根据所述癫痫患者病发预兆特征数据库获得第二病发预兆特征，其中，所述第二病发预兆特征为所述第一病发预兆特征的关联特征；第一输入单元：所述第一输入单元用于将所述第一病发预兆特征和所述第二病发预兆特征输入特征关联度评估模型，获得第一关联度评估结果；第六获得单元：所述第六获得单元用于获得第二特征匹配指令，根据所述第二特征匹配指令对所述第一图像进行基于所述第二病发预兆特征的特征匹配，获得第二特征匹配相似度；第七获得单元：所述第七获得单元用于获得第二特征匹配相似度修正结果，其中，所述第二特征匹配相似度修正结果为所述第二特征匹配相似度与所述第一关联度评估结果的乘积运算结果；第八获得单元：所述第八获得单元用于当所述第一特征匹配相似度满足第一预设条件或所述第一特征匹配相似度与所述第二特征匹配相似度修正结果之和满足所述第一预设条件时，获得第一预警指令；第一预警单元：所述第一预警单元用于根据所述第一预警指令对所述第一用户进行癫痫发作预警。
本申请实施例中提供的一个或多个技术方案，至少具有如下技术效果或优点：
通过基于癫痫患者病发预兆特征数据库对患者的病发预兆特征进行信息整合，进而基于实时监控的病房图像对患者的病发预兆特征进行信息匹配，同时将匹配结果与预设匹配度进行对比，从而确定了是否对癫痫患者进行病发预警，达到了基于癫痫患者的病发预兆特征对其进行及时的病发预警，确保采取积极有效的应对措施，避免对癫痫患者造成更大伤害，进而实现对癫痫患者病房进行安全监测的技术效果。
上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。
附图说明
图1为本申请实施例一种癫痫患者病房安全监测方法的流程示意图；
图2为本申请实施例一种癫痫患者病房安全监测系统的结构示意图；
图3为本申请实施例示例性电子设备的结构示意图。
附图标记说明：第一获得单元11，第一构建单元12，第二获得单元13，第三获得单元14，第四获得单元15，第五获得单元16，第一输入单元17，第六获得单元18，第七获得单元19，第八获得单元20，第一预警单元21，总线300，接收器301，处理器302，发送器303，存储器304，总线接口305。
具体实施方式
本申请实施例通过提供一种癫痫患者病房安全监测方法及系统，解决了现有技术中的无法基于癫痫患者的病发预兆特征对其进行及时的病发预警的技术问题，通过基于癫痫患者病发预兆特征数据库对患者的病发预兆特征进行信息整合，进而基于实时监控的病房图像对患者的病发预兆特征进行信息匹配，同时将匹配结果与预设匹配度进行对比，从而确定了是否对癫痫患者进行病发预警，达到了基于癫痫患者的病发预兆特征对其进行及时的病发预警，确保采取积极有效的应对措施，避免对癫痫患者造成更大伤害，进而实现对癫痫患者病房进行安全监测的技术效果。
下面，将参考附图详细的描述根据本申请的示例实施例。显然，所描述的实施例仅是本申请的一部分实施例，而不是本申请的全部实施例，应理解，本申请不受这里描述的示例实施例的限制。
申请概述
癫病是精神系统疾病中最为常见的，随着癫痫病发病率日益增高，给有的患者和家属在心理上、体力上和经济上造成巨大的压力，癫痫病人的治疗又是非常漫长的过程，所以在住院期间对癫痫患者进行病房安全管理，加强健康教育，提高患者对疾病的认知性和治疗的依从性，增加病员的安全性和治疗信心，对巩固治疗，减少复发，促进康复，提高生活质量有显著的意义。由于现有技术中的无法基于癫痫患者的病发预兆特征对其进行及时的病发预警，进而影响对癫痫患者的病房安全监测。
针对上述技术问题，本申请提供的技术方案总体思路如下：
本申请实施例提供一种癫痫患者病房安全监测方法，其中，所述方法应用于一病房监测系统，所述系统与第一图像采集装置通信连接，所述方法包括：获得第一信息整合指令，根据所述第一信息整合指令进行癫痫患者信息整合，获得第一信息整合结果；根据所述第一信息整合结果构建癫痫患者病发预兆特征数据库；根据所述病发预兆特征数据库获得第一病发预兆特征；通过所述第一图像采集装置获得第一用户的第一图像，其中，所述第一用户为癫痫患者，所述第一图像为包括所述第一用户的图像；获得第一特征匹配指令，根据所述第一特征匹配指令对所述第一图像进行基于所述第一病发预兆特征的特征匹配，获得第一特征匹配相似度；根据所述癫痫患者病发预兆特征数据库获得第二病发预兆特征，其中，所述第二病发预兆特征为所述第一病发预兆特征的关联特征；将所述第一病发预兆特征和所述第二病发预兆特征输入特征关联度评估模型，获得第一关联度评估结果；获得第二特征匹配指令，根据所述第二特征匹配指令对所述第一图像进行基于所述第二病发预兆特征的特征匹配，获得第二特征匹配相似度；获得第二特征匹配相似度修正结果，其中，所述第二特征匹配相似度修正结果为所述第二特征匹配相似度与所述第一关联度评估结果的乘积运算结果；当所述第一特征匹配相似度满足第一预设条件或所述第一特征匹配相似度与所述第二特征匹配相似度修正结果之和满足所述第一预设条件时，获得第一预警指令；根据所述第一预警指令对所述第一用户进行癫痫发作预警。
为了更好地理解上述技术方案，下面将结合说明书附图以及具体的实施方式对上述技术方案进行详细的说明。
实施例一
如图1所示，本申请实施例提供了一种癫痫患者病房安全监测方法，其中，所述方法应用于一病房监测系统，所述系统与第一图像采集装置通信连接，所述方法包括：
步骤s100：获得第一信息整合指令，根据所述第一信息整合指令进行癫痫患者信息整合，获得第一信息整合结果；
步骤s200：根据所述第一信息整合结果构建癫痫患者病发预兆特征数据库；
具体而言，癫病是精神系统疾病中最为常见的，随着癫痫病发病率日益增高，给有的患者和家属在心理上、体力上和经济上造成巨大的压力，癫痫病人的治疗又是非常漫长的过程，所以在住院期间对癫痫患者进行病房安全管理，加强健康教育，提高患者对疾病的认知性和治疗的依从性，增加病员的安全性和治疗信心，对巩固治疗，减少复发，促进康复，提高生活质量有显著的意义。在本申请实施例中，所述第一信息整合结果为对患有癫痫疾病的患者资料进行一定的信息整合，即整合出病发时的共有特征以及各有特征，便于进行后期筛选，所述癫痫患者病发预兆特征数据库基于所述第一信息整合结果进行构建，为癫痫患者的病发预兆特征数据的集合。
步骤s300：根据所述病发预兆特征数据库获得第一病发预兆特征；
具体而言，所述病发预兆特征数据库中集合了多种癫痫患者的病发预兆特征，包括躯体感觉性、视觉性、听觉性、嗅觉性、味觉性、情绪性等，所述第一病发预兆特征为其中的一种，举例而言，在此可假设为患者病发前存在眩晕症状。
步骤s400：通过所述第一图像采集装置获得第一用户的第一图像，其中，所述第一用户为癫痫患者，所述第一图像为包括所述第一用户的图像；
具体而言，为了进一步对癫痫患者进行病房的安全监测，还可基于所述第一图像采集装置对癫痫患者进行安全监控，确保第一时间发现异常信息，并采取应急措施进行救治。
步骤s500：获得第一特征匹配指令，根据所述第一特征匹配指令对所述第一图像进行基于所述第一病发预兆特征的特征匹配，获得第一特征匹配相似度；
具体而言，为了进一步判断癫痫患者病发前的预兆特征是否准确，还可基于图像信息对其进行特征匹配，所述第一特征匹配相似度即为匹配的结果，即根据癫痫患者眩晕的特征以及具体的图像信息采集进行特征匹配，若所述第一图像信息中显示的癫痫患者有明显的眩晕症状，则说明所述第一特征匹配相似度较高。
步骤s600：根据所述癫痫患者病发预兆特征数据库获得第二病发预兆特征，其中，所述第二病发预兆特征为所述第一病发预兆特征的关联特征；
具体而言，所述第二病发预兆特征可理解为所述第一病发预兆特征的并发症状，即具有直接的关联特征，举例而言，癫痫患者的病发预兆除了存在眩晕之外，可能还伴随着身体抽搐等现象。
步骤s700：将所述第一病发预兆特征和所述第二病发预兆特征输入特征关联度评估模型，获得第一关联度评估结果；
具体而言，所述特征关联度评估模型可对输入的特征信息进行关联度匹配，在本申请实施例中，基于所述特征关联度评估模型对癫痫患者的眩晕症状以及身体抽搐症状进行特征匹配，所述第一关联度评估结果即为二者之间的关联度大小，当癫痫患者发生眩晕时，伴随着一定的身体抽搐，则说明二者关联度较大。
步骤s800：获得第二特征匹配指令，根据所述第二特征匹配指令对所述第一图像进行基于所述第二病发预兆特征的特征匹配，获得第二特征匹配相似度；
具体而言，还可基于所述第一图像对癫痫患者的身体抽搐症状进行特征匹配，即根据图像中显示的患者身体抽搐特征与所述第二病发预兆特征进行特征匹配，所述第二特征匹配相似度即为匹配的结果，若两者一致，则说明所述第二特征匹配相似度较大。
步骤s900：获得第二特征匹配相似度修正结果，其中，所述第二特征匹配相似度修正结果为所述第二特征匹配相似度与所述第一关联度评估结果的乘积运算结果；
具体而言，为了更加准确的获得所述第二特征匹配相似度，可对其进行数据修正，即通过将所述第二特征相似匹配度与所述第一关联度评估结果进行乘机运算，举例而言，若所述第二特征匹配相似度为80％，所述第一关联度评估结果为60％，则所述第二特征匹配相似度修正结果为0.48。
步骤s1000：当所述第一特征匹配相似度满足第一预设条件或所述第一特征匹配相似度与所述第二特征匹配相似度修正结果之和满足所述第一预设条件时，获得第一预警指令；
步骤s1100：根据所述第一预警指令对所述第一用户进行癫痫发作预警。
具体而言，所述第一预设条件可理解为预设的癫痫疾病病发预兆特征满足的一定特征匹配结果，在此不做具体设定，举例而言，当所述第一预设条件为0.75时，应对癫痫患者的病房安全进行预警，进而对癫痫患者的病发进行安全预警，若所述第一特征匹配相似度为0.8，满足设定的0.75，则可对患者的癫痫发作进行预警；同时，如果所述第一特征匹配相似度0.8加上所述第二特征匹配相似度修正结果0.48之和为1.28，满足设定的0.75，也应对患者的癫痫发作进行预警。通过基于癫痫患者病发预兆特征数据库对患者的病发预兆特征进行信息整合，进而基于实时监控的病房图像对患者的病发预兆特征进行信息匹配，同时将匹配结果与预设匹配度进行对比，从而确定了是否对癫痫患者进行病发预警，达到了基于癫痫患者的病发预兆特征对其进行及时的病发预警，确保采取积极有效的应对措施，避免对癫痫患者造成更大伤害，进而实现对癫痫患者病房进行安全监测的技术效果。
进一步，本申请实施例还包括：
步骤s1210：获得第一图像捕获指令，根据所述第一图像捕获指令获得第一病房的第二图像，其中，所述第一病房为所述第一用户所在病房；
步骤s1220：获得第一解析指令，根据所述第一解析指令对所述第二图像进行图像解析，获得第一图像解析结果；
步骤s1230：获得第一图像识别指令，根据所述第一图像识别指令对所述第一图像解析结果进行图像识别，获得物品危险等级与分布位置列表；
步骤s1240：根据所述物品危险等级与分布位置列表获得第一应急处理方案；
步骤s1250：根据所述第一预警指令，将所述第一应急处理方案发送至第一医护人员。
具体而言，为了进一步对癫痫患者病房进行安全监测，进一步，所述第二图像为对癫痫患者所在的病房进行图像监测，所述第一图像解析结果可理解为对所述第一图像进行图像解析的结果，所述物品危险等级与分布位置列表即为对所述第一图像解析结果进行图像识别的结果，举例而言，癫痫患者所在的病房存在多种物品，其中不乏危险物品，例如水壶、杯子等，同时危险物品的分布位置也对癫痫患者的安全存在一定的影响，为了避免因危险物品对患者产生安全威胁，可根据所述第一应急处理方案对危险物品进行紧急处理，并根据所述第一预警指令，做好及时的补救措施，通过对病房内的危险物品进行紧急处理，进一步实现了对癫痫患者病房进行安全监测。
进一步，本申请实施例还包括：
步骤s1231：获得所述第一用户的癫痫发作信息，根据所述癫痫发作信息构建所述第一用户的发作特征数据库；
步骤s1232：根据所述发作特征数据库获得第一发作特征；
步骤s1233：将所述第一发作特征作为物品危险等级信息熵的计算特征，获得所述第一病房内的物品危险等级信息熵计算结果；
步骤s1234：根据所述物品危险等级信息熵计算结果对所述第一病房内的物品危险程度排序，获得所述物品危险等级与分布位置列表。
具体而言，为了进一步根据癫痫用户的病发特征获得病房内危险物品等级及分布位置，进一步，所述发作特征数据库为基于所述第一用户的病发特征构建的数据库，所述第一发作特征即为数据库中的其中之一，举例而言，若所述第一发作特征为身体抽搐，则癫痫患者病床旁边的床头柜上的水壶以及水杯为危险物品，通过对所述第一用户的病发特征进行基于决策树的信息熵计算，可获得信息熵最小的发作特征，进而基于频率最高的发作特征对病房内的物品进行危险等级划分以及分布位置列表，实现了进一步根据癫痫用户的病发特征获得病房内危险物品等级及分布位置。
进一步，本申请实施例还包括：
步骤s1310：获得第一处理时间，其中，所述第一处理时间为医护人员在接收所述第一预警指令后到达所述第一病房的时间；
步骤s1320：获得第二处理时间，其中，所述第二处理时间为所述医护人员进行危险物品处理的时间；
步骤s1330：根据所述第一处理时间和所述第二处理时间获得所述医护人员的第一评价结果；
步骤s1340：通过所述第一图像采集装置获得第三图像集，其中，所述第三图像集为所述医护人员进行所述第一用户病发护理时的图像集合；
步骤s1350：根据所述第三图像集获得所述医护人员的第二评价结果；
步骤s1360：根据所述第一评价结果和所述第二评价结果对所述医护人员进行医护质量评价。
具体而言，为了确保对癫痫患者的病发救治及时到位，进一步，可基于所述第一处理时间和所述第二处理时间，对医护人员的紧急施救进行评价，即通过医护人员到达病房的时间和开始处理危险物品的时间差来评估医护人员的施救效率，还可基于所述第一图像采集装置对医护人员的施救过程进行实时监控，所述第二评价结果即为对医护人员的护理进行评价得到的结果，进而基于所述第一评价结果和所述第二评价结果，对所述医护人员的施救效率进行评价，进而确保对癫痫患者的病发救治及时到位。
进一步，本申请实施例还包括：
步骤s1351：根据所述发作特征数据库获得第一护理标准动作；
步骤s1352：根据所述第一护理标准动作对所述第三图像集进行标准动作匹配，获得第一异常动作；
步骤s1353：获得第二图像捕获指令，根据所述第二图像捕获指令，通过所述第一图像采集装置获得所述第一用户的第四图像；
步骤s1354：根据所述第四图像和所述第一异常动作，获得所述医护人员的异常动作原因分析结果；
步骤s1355：根据所述异常动作原因分析结果获得所述第二评价结果。
具体而言，若所述第一发作特征为身体抽搐，则基于所述发作特征数据库，对应的所述第一护理标准动作即为对癫痫患者的四肢进行固定，同时借助镇定药剂使患者迅速镇定下来，在固定患者的四肢时，应确保不损害患者的身体健康，进而通过所述第三图像集，观察医护人员的施救动作是否合理，所述第一异常动作即为不符合施救要求的动作，比如采用强硬手段来约束患者，损害了患者的患者的身体健康，同时，基于所述第四图像，对癫痫患者的状态进行实时监测，判断医护人员为何采用强硬手段对患者进行身体约束，以及之后患者的身体状态，来对医患人员的施救措施进行更为细化的评价。
进一步，本申请实施例还包括：
步骤s1410：获得所述第一用户的基础信息；
步骤s1420：获得第一评估指令，根据所述第一评估指令根据所述第一用户的基础信息对所述第一用户的性格评估，获得第一性格评估结果；
步骤s1430：获得所述第一用户的定期心理辅导时间，根据所述定期辅导时间获得所述第一用户的定期心理辅导列表；
步骤s1440：根据所述第一性格评估结果和所述定期心理辅导列表获得所述第一用户的当前心理状态评估结果；
步骤s1450：获得第一心理状态阈值，判断所述当前心理状态评估结果是否满足所述第一心理状态阈值；
步骤s1460：当所述当前心理状态评估结果满足所述第一心理状态阈值时，获得第一心理辅导指令；
步骤s1470：根据所述第一心理辅导指令生成所述第一用户的专项心理辅导计划。
具体而言，还可基于患者的实际个人状态对患者采取针对性心理辅导护理，进一步，所述基础信息为所述第一用户的实际个人信息，包括性格、爱好等，所述第一性格评估结果为对患者的性格进行综合评估之后的结果，所述定期心理辅导时间基于所述第一用户的性格评估结果而定，举例而言，所述第一用户性格比较开朗、热情，则心里郁结之事较少，发病几率也就变得越小，进而使得所述定期心理辅导时间有所缩短，所述定期心理辅导列表即为心理辅导的时间安排，所述当前心理状态评估结果即为根据患者的自身性格以及后期的心理辅导评估得到的当前心理状态，所述第一心理状态阈值即为预设的没有达到健康等级的心理状态评估阈值，如果所述第一用户的当前心理状态评估结果没有达到预设的健康等级的心理状态评估阈值，可根据所述第一心理辅导指令，生成所述第一用户的专项心理辅导计划，进而实现基于患者的实际个人状态对患者采取针对性心理辅导护理，
进一步，所述将所述第一病发预兆特征和所述第二病发预兆特征输入特征关联度评估模型，获得第一关联度评估结果，步骤s700还包括：
步骤s710：获得特征关联度评估模型，其中，所述特征关联度评估模型为通过多组训练数据训练获得的模型，所述多组训练数据中的每组均包括所述第一病发预兆特征、所述第二病发预兆特征和标识关联度评估结果的标识信息；
步骤s720：将所述第一病发预兆特征和所述第二病发预兆特征输入所述特征关联度评估模型，获得第一输出结果，其中，所述第一输出结果包括所述第一关联度评估结果。
具体而言，为了获得更加准确的第一关联度评估结果，可将所述第一病发预兆特征和所述第二病发预兆特征输入所述特征关联度评估模型进行训练。所述特征关联度评估模型是一个神经网络模型，即机器学习中的神经网络模型，它是以神经元的数学模型为基础来描述的。简单地讲，它是一个数学模型。在本申请实施例中，将所述第一病发预兆特征和所述第二病发预兆特征输入所述特征关联度评估模型进行训练，用标识的关联度评估结果对神经网络模型进行训练。
进一步来说，所述特征关联度评估模型的过程实质为监督学习的过程。所述多组训练数据具体为：所述第一病发预兆特征、所述第二病发预兆特征和标识关联度评估结果的标识信息。通过输入所述第一病发预兆特征和所述第二病发预兆特征，特征关联度评估模型会输出训练结果。通过将所述输出信息与所述起标识作用的关联度评估结果进行校验，如果所述输出信息与所述起标识作用的关联度评估结果要求相一致，则本数据监督学习完成，则进行下一组数据监督学习；如果所述输出信息与所述起标识作用的关联度评估结果要求不一致，则神经网络学习模型自身进行调整，直到神经网络学习模型输出结果与所述起标识作用的关联度评估结果要求相一致，进行下一组数据的监督学习。通过训练数据使神经网络学习模型自身不断地修正、优化，通过监督学习的过程来提高神经网络学习模型处理所述信息的准确性，进而达到使得所述第一关联度评估结果更加准确的技术效果。
综上所述，本申请实施例所提供的一种癫痫患者病房安全监测方法及系统具有如下技术效果：
1、通过基于癫痫患者病发预兆特征数据库对患者的病发预兆特征进行信息整合，进而基于实时监控的病房图像对患者的病发预兆特征进行信息匹配，同时将匹配结果与预设匹配度进行对比，从而确定了是否对癫痫患者进行病发预警，达到了基于癫痫患者的病发预兆特征对其进行及时的病发预警，确保采取积极有效的应对措施，避免对癫痫患者造成更大伤害，进而实现对癫痫患者病房进行安全监测的技术效果。
实施例二
基于与前述实施例中一种癫痫患者病房安全监测方法同样发明构思，本发明还提供了一种癫痫患者病房安全监测系统，如图2所示，所述系统包括：
第一获得单元11：所述第一获得单元11用于获得第一信息整合指令，根据所述第一信息整合指令进行癫痫患者信息整合，获得第一信息整合结果；
第一构建单元12：所述第一构建单元12用于根据所述第一信息整合结果构建癫痫患者病发预兆特征数据库；
第二获得单元13：所述第二获得单元13用于根据所述病发预兆特征数据库获得第一病发预兆特征；
第三获得单元14：所述第三获得单元14用于通过第一图像采集装置获得第一用户的第一图像，其中，所述第一用户为癫痫患者，所述第一图像为包括所述第一用户的图像；
第四获得单元15：所述第四获得单元15用于获得第一特征匹配指令，根据所述第一特征匹配指令对所述第一图像进行基于所述第一病发预兆特征的特征匹配，获得第一特征匹配相似度；
第五获得单元16：所述第五获得单元16用于根据所述癫痫患者病发预兆特征数据库获得第二病发预兆特征，其中，所述第二病发预兆特征为所述第一病发预兆特征的关联特征；
第一输入单元17：所述第一输入单元17用于将所述第一病发预兆特征和所述第二病发预兆特征输入特征关联度评估模型，获得第一关联度评估结果；
第六获得单元18：所述第六获得单元18用于获得第二特征匹配指令，根据所述第二特征匹配指令对所述第一图像进行基于所述第二病发预兆特征的特征匹配，获得第二特征匹配相似度；
第七获得单元19：所述第七获得单元19用于获得第二特征匹配相似度修正结果，其中，所述第二特征匹配相似度修正结果为所述第二特征匹配相似度与所述第一关联度评估结果的乘积运算结果；
第八获得单元20：所述第八获得单元20用于当所述第一特征匹配相似度满足第一预设条件或所述第一特征匹配相似度与所述第二特征匹配相似度修正结果之和满足所述第一预设条件时，获得第一预警指令；
第一预警单元21：所述第一预警单元21用于根据所述第一预警指令对所述第一用户进行癫痫发作预警。
进一步的，所述系统还包括：
第九获得单元：所述第九获得单元用于获得第一图像捕获指令，根据所述第一图像捕获指令获得第一病房的第二图像，其中，所述第一病房为所述第一用户所在病房；
第十获得单元：所述第十获得单元用于获得第一解析指令，根据所述第一解析指令对所述第二图像进行图像解析，获得第一图像解析结果；
第十一获得单元：所述第十一获得单元用于获得第一图像识别指令，根据所述第一图像识别指令对所述第一图像解析结果进行图像识别，获得物品危险等级与分布位置列表；
第十二获得单元：所述第十二获得单元用于根据所述物品危险等级与分布位置列表获得第一应急处理方案；
第一发送单元：所述第一发送单元用于根据所述第一预警指令，将所述第一应急处理方案发送至第一医护人员。
进一步的，所述系统还包括：
第十三获得单元：所述第十三获得单元用于获得所述第一用户的癫痫发作信息，根据所述癫痫发作信息构建所述第一用户的发作特征数据库；
第十四获得单元：所述第四获得单元用于根据所述发作特征数据库获得第一发作特征；
第十五获得单元：所述第十五获得单元用于将所述第一发作特征作为物品危险等级信息熵的计算特征，获得所述第一病房内的物品危险等级信息熵计算结果；
第一排序单元：所述第一排序单元用于根据所述物品危险等级信息熵计算结果对所述第一病房内的物品危险程度排序，获得所述物品危险等级与分布位置列表。
进一步的，所述系统还包括：
第十六获得单元：所述第十六获得单元用于获得第一处理时间，其中，所述第一处理时间为医护人员在接收所述第一预警指令后到达所述第一病房的时间；
第十七获得单元：所述第十七获得单元用于获得第二处理时间，其中，所述第二处理时间为所述医护人员进行危险物品处理的时间；
第十八获得单元：所述第十八获得单元用于根据所述第一处理时间和所述第二处理时间获得所述医护人员的第一评价结果；
第十九获得单元：所述第十九获得单元用于通过所述第一图像采集装置获得第三图像集，其中，所述第三图像集为所述医护人员进行所述第一用户病发护理时的图像集合；
第二十获得单元：所述第二十获得单元用于根据所述第三图像集获得所述医护人员的第二评价结果；
第一评价单元：所述第一评价单元用于根据所述第一评价结果和所述第二评价结果对所述医护人员进行医护质量评价。
进一步的，所述系统还包括：
第二十一获得单元：所述第二十一获得单元用于根据所述发作特征数据库获得第一护理标准动作；
第一匹配单元：所述第一匹配单元用于根据所述第一护理标准动作对所述第三图像集进行标准动作匹配，获得第一异常动作；
第二十二获得单元：所述第二十二获得单元用于获得第二图像捕获指令，根据所述第二图像捕获指令，通过所述第一图像采集装置获得所述第一用户的第四图像；
第二十三获得单元：所述第二十三获得单元用于根据所述第四图像和所述第一异常动作，获得所述医护人员的异常动作原因分析结果；
第二十四获得单元：所述第二十四获得单元用于根据所述异常动作原因分析结果获得所述第二评价结果。
进一步的，所述系统还包括：
第二十五获得单元：所述第二十五获得单元用于获得所述第一用户的基础信息；
第二十六获得单元：所述第二十六获得单元用于获得第一评估指令，根据所述第一评估指令根据所述第一用户的基础信息对所述第一用户的性格评估，获得第一性格评估结果；
第二十七获得单元：所述第二十七获得单元用于获得所述第一用户的定期心理辅导时间，根据所述定期辅导时间获得所述第一用户的定期心理辅导列表；
第二十八获得单元：所述第二十八获得单元用于根据所述第一性格评估结果和所述定期心理辅导列表获得所述第一用户的当前心理状态评估结果；
第二十九获得单元：所述第二十九获得单元用于获得第一心理状态阈值，判断所述当前心理状态评估结果是否满足所述第一心理状态阈值；
第三十获得单元：所述第三十获得单元用于当所述当前心理状态评估结果满足所述第一心理状态阈值时，获得第一心理辅导指令；
第一生成单元：所述第一生成单元用于根据所述第一心理辅导指令生成所述第一用户的专项心理辅导计划。
进一步的，所述系统还包括：
第三十一获得单元：所述第三十一获得单元用于获得特征关联度评估模型，其中，所述特征关联度评估模型为通过多组训练数据训练获得的模型，所述多组训练数据中的每组均包括所述第一病发预兆特征、所述第二病发预兆特征和标识关联度评估结果的标识信息；
第一输入单元：所述第一输入单元用于将所述第一病发预兆特征和所述第二病发预兆特征输入所述特征关联度评估模型，获得第一输出结果，其中，所述第一输出结果包括所述第一关联度评估结果。
前述图1实施例一中的一种癫痫患者病房安全监测方法的各种变化方式和具体实例同样适用于本实施例的一种癫痫患者病房安全监测系统，通过前述对一种癫痫患者病房安全监测方法的详细描述，本领域技术人员可以清楚的知道本实施例中一种癫痫患者病房安全监测系统的实施方法，所以为了说明书的简洁，再次不再详述。
实施例三
下面参考图3来描述本申请实施例的电子设备。
图3图示了根据本申请实施例的电子设备的结构示意图。
基于与前述实例施中一种癫痫患者病房安全监测方法的发明构思，本发明还提供一种癫痫患者病房安全监测系统，其上存储有计算机程序，该程序被处理器执行时实现前文所述一种癫痫患者病房安全监测系统的任一方法的步骤。
其中，在图3中，总线架构(用总线300来代表)，总线300可以包括任意数量的互联的总线和桥，总线300将包括由处理器302代表的一个或多个处理器和存储器304代表的存储器的各种电路链接在一起。总线300还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路链接在一起，这些都是本领域所公知的，因此，本文不再对其进行进一步描述。总线接口305在总线300和接收器301和发送器303之间提供接口。接收器301和发送器303可以是同一个元件，即收发机，提供用于在传输介质上与各种其他系统通信的单元。处理器302负责管理总线300和通常的处理，而存储器304可以被用于存储处理器302在执行操作时所使用的数据。
本申请实施例提供一种癫痫患者病房安全监测方法，其中，所述方法应用于一病房监测系统，所述系统与第一图像采集装置通信连接，所述方法包括：获得第一信息整合指令，根据所述第一信息整合指令进行癫痫患者信息整合，获得第一信息整合结果；根据所述第一信息整合结果构建癫痫患者病发预兆特征数据库；根据所述病发预兆特征数据库获得第一病发预兆特征；通过所述第一图像采集装置获得第一用户的第一图像，其中，所述第一用户为癫痫患者，所述第一图像为包括所述第一用户的图像；获得第一特征匹配指令，根据所述第一特征匹配指令对所述第一图像进行基于所述第一病发预兆特征的特征匹配，获得第一特征匹配相似度；根据所述癫痫患者病发预兆特征数据库获得第二病发预兆特征，其中，所述第二病发预兆特征为所述第一病发预兆特征的关联特征；将所述第一病发预兆特征和所述第二病发预兆特征输入特征关联度评估模型，获得第一关联度评估结果；获得第二特征匹配指令，根据所述第二特征匹配指令对所述第一图像进行基于所述第二病发预兆特征的特征匹配，获得第二特征匹配相似度；获得第二特征匹配相似度修正结果，其中，所述第二特征匹配相似度修正结果为所述第二特征匹配相似度与所述第一关联度评估结果的乘积运算结果；当所述第一特征匹配相似度满足第一预设条件或所述第一特征匹配相似度与所述第二特征匹配相似度修正结果之和满足所述第一预设条件时，获得第一预警指令；根据所述第一预警指令对所述第一用户进行癫痫发作预警。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的系统。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令系统的制造品，该指令系统实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。
1.一种癫痫患者病房安全监测方法，其中，所述方法应用于一病房监测系统，所述系统与第一图像采集装置通信连接，所述方法包括：
获得第一信息整合指令，根据所述第一信息整合指令进行癫痫患者信息整合，获得第一信息整合结果；
根据所述第一信息整合结果构建癫痫患者病发预兆特征数据库；
根据所述病发预兆特征数据库获得第一病发预兆特征；
通过所述第一图像采集装置获得第一用户的第一图像，其中，所述第一用户为癫痫患者，所述第一图像为包括所述第一用户的图像；
获得第一特征匹配指令，根据所述第一特征匹配指令对所述第一图像进行基于所述第一病发预兆特征的特征匹配，获得第一特征匹配相似度；
根据所述癫痫患者病发预兆特征数据库获得第二病发预兆特征，其中，所述第二病发预兆特征为所述第一病发预兆特征的关联特征；
将所述第一病发预兆特征和所述第二病发预兆特征输入特征关联度评估模型，获得第一关联度评估结果；
获得第二特征匹配指令，根据所述第二特征匹配指令对所述第一图像进行基于所述第二病发预兆特征的特征匹配，获得第二特征匹配相似度；
获得第二特征匹配相似度修正结果，其中，所述第二特征匹配相似度修正结果为所述第二特征匹配相似度与所述第一关联度评估结果的乘积运算结果；
当所述第一特征匹配相似度满足第一预设条件或所述第一特征匹配相似度与所述第二特征匹配相似度修正结果之和满足所述第一预设条件时，获得第一预警指令；
根据所述第一预警指令对所述第一用户进行癫痫发作预警。
2.如权利要求1所述的方法，其中，所述方法还包括：
获得第一图像捕获指令，根据所述第一图像捕获指令获得第一病房的第二图像，其中，所述第一病房为所述第一用户所在病房；
获得第一解析指令，根据所述第一解析指令对所述第二图像进行图像解析，获得第一图像解析结果；
获得第一图像识别指令，根据所述第一图像识别指令对所述第一图像解析结果进行图像识别，获得物品危险等级与分布位置列表；
根据所述物品危险等级与分布位置列表获得第一应急处理方案；
根据所述第一预警指令，将所述第一应急处理方案发送至第一医护人员。
3.如权利要求2所述的方法，其中，所述方法还包括：
获得所述第一用户的癫痫发作信息，根据所述癫痫发作信息构建所述第一用户的发作特征数据库；
根据所述发作特征数据库获得第一发作特征；
将所述第一发作特征作为物品危险等级信息熵的计算特征，获得所述第一病房内的物品危险等级信息熵计算结果；
根据所述物品危险等级信息熵计算结果对所述第一病房内的物品危险程度排序，获得所述物品危险等级与分布位置列表。
4.如权利要求3所述的方法，其中，所述方法还包括：
获得第一处理时间，其中，所述第一处理时间为医护人员在接收所述第一预警指令后到达所述第一病房的时间；
获得第二处理时间，其中，所述第二处理时间为所述医护人员进行危险物品处理的时间；
根据所述第一处理时间和所述第二处理时间获得所述医护人员的第一评价结果；
通过所述第一图像采集装置获得第三图像集，其中，所述第三图像集为所述医护人员进行所述第一用户病发护理时的图像集合；
根据所述第三图像集获得所述医护人员的第二评价结果；
根据所述第一评价结果和所述第二评价结果对所述医护人员进行医护质量评价。
5.如权利要求4所述的方法，其中，所述方法还包括：
根据所述发作特征数据库获得第一护理标准动作；
根据所述第一护理标准动作对所述第三图像集进行标准动作匹配，获得第一异常动作；
获得第二图像捕获指令，根据所述第二图像捕获指令，通过所述第一图像采集装置获得所述第一用户的第四图像；
根据所述第四图像和所述第一异常动作，获得所述医护人员的异常动作原因分析结果；
根据所述异常动作原因分析结果获得所述第二评价结果。
6.如权利要求1所述的方法，其中，所述方法还包括：
获得所述第一用户的基础信息；
获得第一评估指令，根据所述第一评估指令根据所述第一用户的基础信息对所述第一用户的性格评估，获得第一性格评估结果；
获得所述第一用户的定期心理辅导时间，根据所述定期辅导时间获得所述第一用户的定期心理辅导列表；
根据所述第一性格评估结果和所述定期心理辅导列表获得所述第一用户的当前心理状态评估结果；
获得第一心理状态阈值，判断所述当前心理状态评估结果是否满足所述第一心理状态阈值；
当所述当前心理状态评估结果满足所述第一心理状态阈值时，获得第一心理辅导指令；
根据所述第一心理辅导指令生成所述第一用户的专项心理辅导计划。
7.如权利要求1所述的方法，其中，所述将所述第一病发预兆特征和所述第二病发预兆特征输入特征关联度评估模型，获得第一关联度评估结果，还包括：
获得特征关联度评估模型，其中，所述特征关联度评估模型为通过多组训练数据训练获得的模型，所述多组训练数据中的每组均包括所述第一病发预兆特征、所述第二病发预兆特征和标识关联度评估结果的标识信息；
将所述第一病发预兆特征和所述第二病发预兆特征输入所述特征关联度评估模型，获得第一输出结果，其中，所述第一输出结果包括所述第一关联度评估结果。
8.一种癫痫患者病房安全监测系统，其中，所述系统包括：
第一获得单元：所述第一获得单元用于获得第一信息整合指令，根据所述第一信息整合指令进行癫痫患者信息整合，获得第一信息整合结果；
第一构建单元：所述第一构建单元用于根据所述第一信息整合结果构建癫痫患者病发预兆特征数据库；
第二获得单元：所述第二获得单元用于根据所述病发预兆特征数据库获得第一病发预兆特征；
第三获得单元：所述第三获得单元用于通过第一图像采集装置获得第一用户的第一图像，其中，所述第一用户为癫痫患者，所述第一图像为包括所述第一用户的图像；
第四获得单元：所述第四获得单元用于获得第一特征匹配指令，根据所述第一特征匹配指令对所述第一图像进行基于所述第一病发预兆特征的特征匹配，获得第一特征匹配相似度；
第五获得单元：所述第五获得单元用于根据所述癫痫患者病发预兆特征数据库获得第二病发预兆特征，其中，所述第二病发预兆特征为所述第一病发预兆特征的关联特征；
第一输入单元：所述第一输入单元用于将所述第一病发预兆特征和所述第二病发预兆特征输入特征关联度评估模型，获得第一关联度评估结果；
第六获得单元：所述第六获得单元用于获得第二特征匹配指令，根据所述第二特征匹配指令对所述第一图像进行基于所述第二病发预兆特征的特征匹配，获得第二特征匹配相似度；
第七获得单元：所述第七获得单元用于获得第二特征匹配相似度修正结果，其中，所述第二特征匹配相似度修正结果为所述第二特征匹配相似度与所述第一关联度评估结果的乘积运算结果；
第八获得单元：所述第八获得单元用于当所述第一特征匹配相似度满足第一预设条件或所述第一特征匹配相似度与所述第二特征匹配相似度修正结果之和满足所述第一预设条件时，获得第一预警指令；
第一预警单元：所述第一预警单元用于根据所述第一预警指令对所述第一用户进行癫痫发作预警。
9.一种癫痫患者病房安全监测系统，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其中，所述处理器执行所述程序时实现权利要求1-7任一项所述方法的步骤。
技术总结