具体实施方式

下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本发明，而不能理解为对本发明的限制。

本发明提出一种创伤失血性休克智能监测预警系统，该系统具有以下特点：

首先，以可穿戴设备为场景，利用心率、收缩压、舒张压、呼吸、血氧饱和度五个指标，通过机器学习算法进行建模。通过对创伤失血性休克患者的结局进行提前预测预警，可以实现创伤失血性休克患者的“早识别、早诊断、早救治”。

之后，在模型效果优良的基础上，将上述模型集成到系统中，从而使得模型有具体的使用载体，构建一个创伤失血性休克智能监测预警系统，让医护人员等用户更方便地享受到预测模型带来的益处。

研究对象是创伤失血性休克智能监测预警系统，该系统的最大使用用户是医护人员。医护人员可以使用本系统输入伤员的医学指标(心率、收缩压、舒张压、呼吸、血氧饱和度)数据，进行创伤失血性休克伤员的快速结局预测，从而辅助医护人员实现对伤员的快速分类，提高诊断效率和医疗资源的利用率。

如图1所示，本发明实施例的创伤失血性休克智能监测预警系统，包括：用户信息管理模块1、伤员信息管理模块2、预测管理模块3、监测管理模块4、可视化展示模块5。

具体的，如图2所示，用户信息管理模块1用于对用户信息进行管理，包括：用户注册和用户登录。

(1)用户注册：

功能描述：

若要使用该系统，必须先创建一个合法的账号。

用户在表单中规范填写注册用户名、姓名、密码、邮箱信息，并选择性别，确认无误提交后即可完成注册，如图6所示。

功能实现：

输入：用户通过前端web页面展示的表单，填写用户名、姓名、密码、邮箱，并选择性别。

处理：前端首先完成表单的完整性和规范性校验，若校验不通过(比如表单数据填写不完整、邮箱填写不符合邮箱格式等)，则返回弹窗，提示用户补充信息或重新填写。若校验通过，则将前端接收的数据传递到后台，校验该用户名是否已经被占用，若被占用，则返回提示用户重新填写用户名，否则，通过注册。

输出：前端页面弹窗提示用户“注册成功”，并跳转到登录界面，用户可以登录后进入该系统。

异常处理：

填写用户名已存在，则返回弹窗，提示用户重新填写。

两次填写的密码不一致，返回弹窗，提示用户重新填写。

填写的用户名、邮箱不符合规范，返回弹窗，提示用户重新填写。

(2)用户登录：

功能描述：该系统为内部用户使用，无游客角色，因此进入该系统必须登录账户，如图7所示。

用户在表单上正确填写已经注册成功的用户名和密码并提交，即可登录该系统，进入系统使用该系统的功能。

功能实现：

输入：用户通过前端web页面展示的表单，填写用户名和密码，并选择“登录”。

处理：前端首先完成表单的完整性和规范性校验，若校验不通过(比如用户名或密码填写不完整或用户名超出最长限度)，则返回弹窗提示错误，用户需要重新填写。若前端校验通过，则将数据传递到后台，检验用户名和密码与数据库中的存储是否一致，若不一致，则返回弹窗提示错误，用户需重新填写；若一致，则登陆成功，进入系统。

输出：前端页面弹窗提示用户“登录成功”，并跳转到系统内部页面。

异常处理：

用户名密码填写不完整，则返回弹窗，提示用户补充填写。

填写的用户名密码不正确，则返回弹窗，提示用户重新填写。

如图3所示，伤员信息管理模块2用于对伤员信息进行管理，包括：伤员信息添加和伤员信息查询。即，在进行预测之前需要添加伤员信息，也可根据需要对伤员信息进行检索。

(1)添加伤员

功能描述：系统支持“添加伤病员”的功能。

用户可以在该页面的表单上填写伤员编号、姓名、年龄、电话、性别，点击“添加”，即可完成伤病员的添加。表单内容中，伤员编号、姓名、年龄是必须填写的，其余可以不填写，如图8所示。

功能实现：

输入：用户通过页面的表单输入伤病员信息。

处理：后台接收来自前端的伤病员信息，并处理成相应的格式，存储到后台相应的数据库表中。后台会检验伤员编号的唯一性，若不唯一，则提示用户重新输入伤员编号，若唯一，则完成数据插入。

输出：“添加成功”的提示弹窗，并在上方的伤病员列表中更新添加的伤病员信息，如图9所示。

异常处理：

填写的表单不完整，比如伤员编号缺失，提示用户必须补充填写。

字段唯一性冲突，伤员编号要求具有唯一性，若编号不唯一，则提示用户重新输入。

(2)检索伤员

功能描述：

伤病员信息在前端web页面以数据表格的形式展现，该表格会返回后台数据库。当伤病员较多时，直接从数据表格中寻找某个伤病员非常不方便，因此添加了“伤病员检索”的功能模块，用户可以在上方搜索框输入伤病员编号或者姓名，即可搜索列表中的伤病员，如图10所示。

功能实现：

输入：用户在第一个搜索框中输入完整的伤员编号，点击“搜索”；或者在第二个搜索框中输入完整的病人姓名，点击“搜索”。

处理：将用户输入的数据传输到后台，按条件检索数据(伤病员编号或姓名)，并返回结果传输到前端页面。

输出：按搜索条件返回检索到的伤病员，显示在页面的数据表中。

异常处理：用户输入的伤员编号或姓名不存在，则返回空表格。

预测管理模块3用于根据所选不同的时间窗调用相应的预测模型进行特定时间窗下的预测，所述预测管理模块，包括：时间窗选择、数据获取、数据校验和数据预测，其中，数据获取方面，可以通过具有MQTT等协议的可穿戴设备采集的数据进行直接导入，还可以通过医护人员进行手动录入。数据校验是对伤员基本信息的校验，例如是否符合纳入排除标准等。预测是根据每一条记录数据，调用后台集成好的机器学习模型进行预测，并将预测结果返回界面。

具体的，如图4所示，预测管理模块3接收来自于MQTT服务器的报文数据，对该报文数据进行解析，获取所需生命特征指标的数值，以数据库字段对应格式入库，并由可视化展示模块5向用户展示输出结果。

(1)时间窗选择

功能描述：

根据接收的前端用户所选的时间窗，向后台传入时间窗选择结果的指令，后台提供特定时间窗下的预测模型接口，用于后续在特定时间窗下的数据预测。用户根据实际预测需求，从弹窗的下拉框选择预测所需的时间窗，在创伤失血性休克的预测中，时间窗即为“在多少时间内会发生创伤失血性休克”。系统从用户选择的前端获取用户选择的内容，将其传递到后台，为后续的预测适应和提供相应的时间窗模型。如图11所示。

功能实现：

输入：来自前端页面的用户选择(输入)数据。

处理：获取前端数据将其传递到后台，后台根据接收的数据内容选择和设置相应的模型路径，以备预测时的调用。

输出：系统自适应相应的时间窗模型，无可向用户展示输出。

(2)数据自动获取

功能描述：数据采集设备采集的数据经发布到达MQTT服务器，系统服务器以约定主题向MQTT服务器订阅数据，数据以报文形式发送和接收，并在不影响用户操作的状态下在后台进行处理，是以该过程用户不可见。处理过程主要为将报文解码，以及以数据库可接受的格式及频率入库。

功能实现：

输入：来自于MQTT服务器的报文数据。

处理：解析报文数据，获取所需生命体征等指标的数值，以数据库字段对应格式入库。

输出：无可向用户展示输出。

异常处理：

当报文经转码后某一指标为空值时，以空字符串替代后再存入数据库。

当与MQTT服务器通讯中断时，以循环方式发起再次连接请求。

(3)数据手动录入

功能描述：针对无法进行数据自动载入的场景(如数据采集设备无法接入或网络条件不支持等)，系统提供数据手动录入功能。用户可在指标手动录入界面录入数据、查看该次预测已录入数据，如图12所示。

功能实现：

输入：手动录入的生命体征等指标数据，一次一条，需填写采集时间。

处理：进行指标数据的数据库存入，以及对该次预测已录入数据进行数据库查询。

输出：以表格形式展示的一或多条指标数据。

异常处理：指标数据为数值格式，对于非法字符将拒绝录入。

(4)数据校验

预测管理模块3执行数据校验，包括：以患者年龄、休克指数、平均动脉压为判定标准进行数据校验；其中，预测管理模块3从数据库中调取患者信息，通过已录入数据指标计算休克指数和平均动脉压；展示患者信息，对数据不满足条件的情况给予提示，并声明不符合标准的数据对预测结果的影响。

功能描述：在数据校验环节，系统提供的核心功能为以患者年龄、休克指数(SI)、平均动脉压(MBP)为判定标准进行的数据校验，如图13所示。

功能实现：

输入：无需用户手动输入信息。

处理：从数据库中调取患者信息，以已录入数据指标计算SI、MBP。

输出：对患者基本信息进行展示，对数据不满足条件的情况给予提示(绿标满足，红标不满足)，并声明不合标准数据对预测结果的可能影响。

异常处理：无

(5)数据预测

预测管理模块3进行数据预测，包括：以机器学习算法作为内核，对既有数据或实时数据流进行预测分析，生成预测结果，存入数据库并反馈回网页端；在实时预测状态下，显示预测结果。

功能描述：预测功能为系统核心功能，以机器学习算法作为内核，对既有数据或实时数据流进行预测分析。在网页面板中，系统对患者基本信息、医疗信息、指标数据以及预测信息进行展示，如图14所示。

功能实现：

输入：无需用户手动输入信息。

处理：后台调用训练好的预测模型，对既有数据或实时数据流进行预测，生成预测结果，存入数据库并反馈回网页端。

输出：

在实时预测状态下，指示灯不断闪烁，代表预测持续进行，预测结果在指示灯后显示，以绿色和红色区分“安全”和“休克”，预测结果呈现格式为“病人XX在所选时间窗内预计会发生休克的概率为：XXXXX”。

异常处理：在实时预测过程中，对预测运行错误以及数据量不足等信息进行反馈，且不影响后续预测。

如图5所示，监测管理模块4用于自动从后台调取伤员数据进行预测，进而实现同时对多个伤员信息进行实时监测。即，监测功能是同时对多个伤员数据进行预测，不需要医护人员单独录入数据，系统可不断自动从后台调取数据并进行预测，从而起到实时监测的作用。

(1)智能监测

具体的，监测管理模块4实时动态的对所有伤员进行预测并返回到前端页面，通过动态的数据表展示，展示伤员经过算法预测是否会发生休克和发生休克的概率；并由可视化展示模块5；其中，监测管理模块4接收来自对应多个伤病员的多台智能采集设备的指标数据，并按照接收的时间顺序存入数据库，然后从数据库中读取数据，以此调用模型进行预测，输出预测结果，通过可视化展示模块5输出监测页面的动态数据表，呈现伤病员列表和预测结果，并根据接收到的数据实时更新预测结果。

功能描述：在很多情况下，用户需要快速定位有休克风险的伤病员，因此希望能够在一个页面对所有参与检测的伤病员进行监测。该检测功能，能够实时动态地对所有伤员进行预测并返回到前端页面，通过动态的数据表展示，展示伤员经过算法预测是否会发生休克、发生休克的概率等信息，并用红色和绿色的可视化模块图标进行提示，若伤员经过预测会发生休克，则该伤员记录所在行会跃升数据表的第一行，并且绿色的状态图表变为红色并持续闪烁。在每一行的最后一列还有“查看详情”按钮，用户可以点击该按钮进入该伤病员的预测结果页查看指标数据详情，如图15所示。

功能实现：

输入：用户在该页面无需输入。

处理：后台不断接收来自对应多个伤病员的多台智能采集设备的指标数据，并按照接收的时间顺序存入数据库，然后从数据库中读取数据，以此调用模型进行预测，输出预测结果(是否休克以及发生休克的概率)。

输出：监测页面的动态数据表呈现伤病员列表及其预测结果(是否休克、休克概率)和状态图标，并根据接收到的数据实时更新预测结果。

异常处理：

无数据返回。页面卡顿或者接收到的数据不符合模型运算需求(比如接收到的指标数据不完整，无法调用模型计算)

表单某行数据无更新。该伤病员的数据传输中断或者智能采集设备脱落导致的数据传输停止。

警示图标未加载或者无变化。一般是由于页面卡顿。

(2)详情查看

功能描述：在智能检测页面用户可以看到所有伤病员的预测信息，需要查看某个伤病员的详细指标数据事，则可以通过“查看详情”按钮进入该伤病员的详情页查看。

功能实现：

输入：用户通过点击某个伤病员对应的“查看详情”按钮，实现对后台输入选中伤病员的id和点击的时间戳。

处理：后台接收到用户选择的伤病员编号和点击时刻的时间戳，检索进入相应伤病员的预测结果页，并以接收到的时间戳为界，截取该时间戳之后的数据调用模型进行预测。

输出：进入选择伤病员的结果页。

异常处理：

跳转后结果页无数据。一般是由于数据传输中断，点击“查看详情”后改伤病员无新数据传入，则预测模块无法继续执行。

可视化展示模块5用于根据预测结果的不同采用使用不同的颜色显示伤员的状态，绘制相应的图表来展示伤员指标的变化情况。

可视化主要作用在系统的用户界面，可视化展示能够提升用户体验。在本系统中，根据预测结果的不同可以使用不同的颜色显示伤员的状态，也可以绘制相应的图表来展示伤员指标的变化情况。在监测页面，可以展示不同伤员指标数据的表格，也能根据可视化控件来对状态进行展示，例如指示灯闪烁等。

(1)指标实时监测动态图表

系统的可视化模块运用echarts图表对生命体征等原始数据以及MBP、SI等计算后数据进行展示。生命体征曲线随实时数据载入动态延伸，阈值由红线标注，帮助用户直观判断。MBP与SI曲线也通过实时计算动态呈现，变化趋势一目了然。图16a和图16b为根据本发明实施例的动态图表的示意图。

(2)预测结果显示

预测结果以指示灯配合文字描述的形式实时变化，绿色安全，红色预警。

(3)监测页患者状态

监测页面主要以一组图标在列表中简洁直观地描述患者状态。后台模型预测患者未休克时，状态栏展示绿色静止标识；预测患者不发生休克时，状态栏红色警示图标闪烁，同时该患者信息在列表中顶置。图17为根据本发明实施例的预测信息面板的示意图。

本发明实施例的创伤失血性休克智能监测预警系统的运行环境如下：

硬件：CPU：Intel双核@2.50GHz或以上；硬盘：40G以上；内存：1G以上；

显示器：分辨率1024*768或以上；外设：USB接口，键盘鼠标；网络带宽：要求512K带宽；建议2M以上；不支持远程终端服务；因此不能用于服务器，只能通过本地控制台使用软件；操作系统：支持Windows7/Windows8/Windows10，包括32位和64位版本。

根据本发明实施例的创伤失血性休克智能监测预警系统，具有以下有益效果：

在指标采集和数据获取方面，随着传感器和人工智能等技术在医疗装备等领域的发展，可穿戴设备已经可以实现对简易的医学指标进行采集，这些设备凭借着体积小、携带方便、数据传输及时且不间断等优点，被越来越多的使用场景所接受。在实践当中，与传统的医疗指标采集设备相比，可穿戴设备可以产生大量的高质量实时数据，因此在大数据分析时具有更大的研究价值。在指标方面，可穿戴设备可以实现及时快速地对生命体征等生理数据进行采集，且无需大型医疗设备的支持，仅需穿戴即可，具有简易快速的特点。对于创伤失血性休克的预测来说，使用的指标越易于采集，就可以更快速地实现预测，可穿戴设备传输可以动态地监测源源不断的数据，为创伤失血性休克的动态预测提供了可能性。

在疾病预测方面，机器学习算法凭借着效率高、精度好等优点，在疾病预测方面具有巨大的优势。但只有算法模型仅仅是第一步，如果能将算法模型融入到信息系统中，才能够进一步接近实际场景。现有对疾病进行预测的智能辅助决策支持系统较少，而能够对创伤失血性休克进行智能监测的系统资源更加稀缺。

本发明实施例的创伤失血性休克智能监测预警系统的非功能需求如下：非功能性需求也是重要的组成部分，可以保证功能性需求正常工作。主要包括系统的性能需求、安全性需求、易操作性需求和灵活性需求等。满足这些非功能性需求才能使得系统在具备基本功能的基础上，同时具备实用性和稳定性。

(1)性能

考虑系统后台的数量级以及满足用户操作相应的时间要求。需要根据实际情况综合考虑响应时间、资源使用率和点击数等系统性能指标。在本系统中，对每条数据的预测一般不超过3秒，数据传输的时间也在用户能接受的范围内。

(2)安全性

数据的安全性对于系统十分重要，对于医疗相关的系统更为重要。在软件方面，系统要做到足够的保密性，避免数据泄露，对用户进行权限控制等。在硬件方面，出现故障时应有相应的供应商提供解决方案。

(3)易操作性

系统的主要用户是医护人员，且使用场景通常都较为紧急，因此系统需要考虑操作的简易性，例如页面简洁、操作简便、展示直观等。且系统的使用流程需要简易，不应过度复杂。

(4)灵活性

考虑到医疗场景的细致性和复杂性，系统的一些功能模块可能会进行更新，系统的配置应当尽可能灵活，使得系统具有可扩展空间。同时与其他系统有接口时或现有接口发生变化时，只需做适当的调整即可完成目标。

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。

尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在不脱离本发明的原理和宗旨的情况下在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。本发明的范围由所附权利要求及其等同限定。