CN119385510A 一種用于心血管疾病的應急救援系統及方法 （洛陽市中心醫院）

一種用于心血管疾病的應急救援系統及方法本發明公開了一種用于心血管疾病的應急經網絡CNN模型實時預測患者狀態；無人機救援神經網絡CNN模型實時預測患者狀態與預警，無2無人機救援模塊，用于無人機根據預警進行初步救援，急救人員通過AR計算標準化后生理數據的時間自相關函數ACF，將自相關函數中的最大值作為時間相計算每對傳感器位置數據的皮爾遜相關系數，將皮爾經網絡CNN模型實時預測患者狀態指收集歷史生理數據，進行預處理與融合形成歷史綜合使用訓練集對卷積神經網絡CNN模型進行訓練，使用損失函數和Adam優化器進行模型將綜合生理數據輸入到訓練好的卷積神經網絡CNN模型中，得到心血管疾病事件的概基于歷史心血管疾病事件設定閾值為40當卷積神經網絡CNN模型在實時數據中檢3選擇初步飛行路徑中起點、轉折點和終點作為控制點，將兩個控制點之無人機到達患者上方時，無人機通過RFID讀取器和高清攝像頭接若患者清醒且可行動時，則通過投放裝置將急救藥品精準若患者清醒但不可行動時，則使用揚聲器通知周圍的人幫助若患者處于昏迷狀態，無人機發出警報，通過電話聯系患根據患者的當前生理數據和無人機傳輸的環境數據，醫生佩戴VR頭盔進行虛擬治療，通過AR界面實時接收醫生的治療步驟和指導信息，急救人員按照AR眼8.一種基于權利要求1_7任一所述的用于心血管疾病的應急救援系統的用于心血管疾4被處理器執行時實現權利要求1至7中任一項所述的基于大數據的企業智能匹配方法的步5時收集患者生理數據指為患者佩戴智能穿戴設備，所述智能穿戴設備集成心電圖傳感器、6[0012]計算標準化后生理數據的時間自相關函數ACF，將自相關函數中的最大值作為時[0018]所述構建卷積神經網絡CNN模型實時預測患者狀態指收集歷史生理數據，進行預[0021]使用訓練集對卷積神經網絡CNN模型進行訓練，使用損失函數和Adam優化器進行[0022]將綜合生理數據輸入到訓練好的卷積神經網絡CNN模型中，得到心血管疾病事件[0023]基于歷史心血管疾病事件設定閾值為40當卷積神經網絡CNN模型在實時數據[0033]將每條分段路徑的平滑曲線進行連接形成完整路徑，作為無人機的最終飛行路7和備份數據進行安全性和完整性檢測并生成檢理器執行所述計算機程序時實現上述基于大數據的企業智能匹配方法行時實現上述基于大數據的企業智能匹配方89i；[0095]使用訓練集對卷積神經網絡CNN模型進行訓練，使用損失函數和Adam優化器進行[0096]將綜合生理數據輸入到訓練好的卷積神經網絡CNN模型中，得到心血管疾病事件[0097]基于歷史心血管疾病事件設定閾值為40當卷積神經網絡CNN模型在實時數據[0098]通過對生理數據的深度學習分析，CNN能夠識別心血管疾病的早期警兆，提前預[0104]使用高清攝像頭和環境傳感器識別障礙物，設定障礙物為排斥點，生成排斥勢[0116]將每條分段路徑的平滑曲線進行連接形成完整路徑，作為無人機的最終飛行路[0124]進一步的，急救人員通過AR眼鏡與VR指導進行救援指構建集同時定期對存儲數據和備份數據進行安全性和完整性檢測算機軟件產品存儲在一個存儲介質中，包括