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，仅用于解释本发明，而不能理解为对本发明的限制。

在本发明的描述中，需要理解的是，术语“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。

在本发明的描述中，除非另有规定和限定，需要说明的是，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是机械连接或电连接，也可以是两个元件内部的连通，可以是直接相连，也可以通过中间媒介间接相连，对于本领域的普通技术人员而言，可以根据具体情况理解上述术语的具体含义。

本发明公开了一种子痫患者保护装置，包括弧形的遮光罩、图像采集模块和预警模块。

遮光罩的一侧通过连接件与床头或椅背可拆卸连接，遮光罩可相对连接件进行摆动、定位，遮光罩用于遮挡患者的头部光线。遮光罩远离连接件的一侧略微向下倾斜，弯折一定角度，有利于挡光。连接件上设有螺纹孔，螺纹孔螺纹连接有螺纹杆，遮光罩的侧壁与螺纹杆固定连接(如焊接、铆接等)。连接件可与床头或座椅采用螺钉结构连接，或者吸盘结构连接等。

遮光罩包括主罩板、延伸板和副罩板，主罩板与连接件相邻的两侧面上设有放置槽，延伸板分别置于放置槽内，放置槽靠近槽口处镶嵌有磁铁，延伸板上设置有与磁铁相吸的金属(如铁等)。使用时，手动推或拉延伸板，控制延伸板沿放置槽滑动，当延伸板移动至所需位置时，延伸板与放置槽槽口处的磁铁进行磁性吸附连接，完成延伸板的定位。副罩板设置为折扇结构，主罩板上表面平行与放置槽所在侧的中心线上设有滑槽，折扇结构的中心轴与滑槽滑动连接，无外力作用时，中心轴与滑槽侧壁间为静摩擦。需要调整遮光罩的尺寸时，手动控制副罩板的中心轴在滑槽中滑动，当滑动至所需位置，利用中心轴与滑槽的静摩擦力，实现副罩板的定位。副罩板设置为折扇结构，可根据需要控制折扇结构的展开程度，从而调节副罩板的尺寸。

图像采集模块安装在遮光罩的外壁及内侧壁上，用于采集患者的全身图像及头部图像，图像采集模块选用可在夜间采集图像的摄像头。预警模块的输入端与图像采集模块的输出端电性连接，预警模块内存储有子痫发作患者的体态图像特征，预警模块将采集的图像与存储的体态图像特征进行对比，分析得出对比的相似度。预警模块可根据相似度的数值判断是否输出预警信号，预警信号优选用声音信号和\或文字提示等信号，预警模块的预警信号输出端设置在遮光罩的安装处和\或远程终端上。

本发明的一种优选方案中，遮光罩内侧设有活塞缸，活塞缸一端固定安装在遮光罩的内侧壁上，另一端朝向遮光罩内患者的一侧面部。活塞缸内密封滑动连接有活塞板，活塞板连接有控制其沿活塞缸来回移动的控制机构，控制机构的控制端与预警模块的输出端电性连接。当预警模块输出预警信号时，控制机构启动，带动活塞板移动。

活塞板远离遮光罩的一侧固定连接(如焊接、粘接等)有活塞杆，活塞杆自活塞缸朝向人体面部的一侧伸出且活塞杆此端设有气囊，气囊的外表面一侧与活塞杆固定连接，气囊与活塞缸靠近人体面部的一侧连通，气囊与活塞缸连通的空间内设有气体，气囊通过较细的气管与活塞缸连通。当活塞板向远离遮光罩一侧移动时，活塞板移动将活塞缸内的气体推送至气囊，气囊膨胀，活塞杆通过气囊与人体一侧脸部相抵，将患者头部推转向一侧，防止患者呕吐窒息。活塞板复位时，活塞板与活塞缸朝向脸部一侧间的空间增大而形成负压，通过负压将气囊内的气体吸入活塞缸中，气囊逐渐萎缩复位。

控制机构包括电机和U形齿条，电机固定安装在遮光罩上，电机的输出轴上固定连接有不完全齿轮，不完全齿轮与电机的输出轴同轴连接。U形齿条与不完全齿轮啮合，遮光罩上焊接有放置用的支架，U形齿条摆放在支架上进行定位。U形齿条的端部与活塞板靠近遮光罩的一侧固定连接，U形齿条垂直于活塞板。电机转动带动不完全齿轮转动，从而控制U形齿条进行往复直线运动。电机的输出轴上还安装有通风扇，通风扇与U形齿条间具有一定间隙，彼此互不影响。

如图1所示，本发明还提供一种用于子痫患者保护装置的子痫前期预测系统，包括数据采集模块、数据处理模块、危险因素获取模块及预测模块。

数据采集模块用于采集样本的临床数据，临床数据包括：患者的一般资料，如年龄、高血压家族史、糖尿病家族史等；体征资料，如收缩压、舒张压、妊娠情况等；实验室资料，如血常规、肝功能、肾功能、电解质、凝血功能指标等。

数据处理模块用于接收数据采集模块采集的数据信息，并对数据信息进行统计学分析，获取变量参数。临床指标参数的计量数据中服从正态分布的数据采用X±S表示，进行t检验。t检验亦称student t检验(Student's t test)，主要用于样本含量较小(例如n<30)，总体标准差σ未知的正态分布。临床指标参数的计量数据中不服从正态分布的数据用中位数和四分位数间距M(Q₂₅～Q₇₅)表示，并采用Mann-Whitney U检验(曼-惠特尼秩和检验)，Mann-Whitney U检验属于非参数检验的一种，它假设两个样本分别来自除了总体均值以外完全相同的两个总体，目的是检验这两个总体的均值是否有显著的差别。

数据处理模块中的计量资料以率(％)表示，组间比较采用χ²检验，χ²检验也称卡方检验，是一种假设检验方法，检验的基本公式为：

A为实际数，T为根据检验假设推断出来的理论数，其获取的特征参数如表1所示。计量数据是血压、身高等数据，可以直接用数据来衡量大小的。计数数据是性别、是否有高血压等数据，是用来衡量数据个数。计量数据是血压、身高等数据，可以直接用数据来衡量大小的。计数数据是性别、是否有高血压等数据，是用来衡量数据个数。数据处理模块获取谷氨酰转移酶、谷丙转氨酶、凝血酶时间等35项指标存在统计学差异(P＜0.05)，其中，如表1所示。

表1数据处理模块的分析结果

危险因素获取模块的输入端与数据处理模块的输出端电性连接，危险因素获取模块用于接收变量参数并将变量参数输入分析模型中，筛选得到危险因素。危险因素包括。分析模型优选用二元Logistic回归分析模型，以是否发生子痫前期为因变量(是＝1，否＝0)，进行Logistic回归分析(α_入＝0.05，α_出＝0.10)，结果显示尿比重、尿酸、红细胞血红蛋白浓度、球蛋白、血小板分布宽度、钾离子、就诊年龄、高血压家族史、收缩压、舒张压、脉搏和孕周≥34，这12项参数指标为子痫前期预测的危险因素，如表2所示。

表2危险因素获取模块的分析结果

预测模块内构建有机器学习模型，预测模块接收危险因素，并将危险因素纳入机器学习模型，建立预测模型，将危险因素作为模型的输入参数，将孕妇是否发生子痫前期作为结局变量，进行模型训练，利用预测模型对子痫前期的发生风险进行预测，预测模块的输出端与图像采集模块的启动端电性连接。预测模型优选用LightGBM模型，LightGBM模型是基于决策树算法所提出的梯度提升算法框架，模型用到了损失函数的泰勒展开，与损失函数更接近，收敛更快，并且在损失函数中加入了正则项，可以有效控制模型复杂度，防止模型过拟合。

预测模型的预测值为t-1次训练出来的模型得到的预测值加第t次训练出来的弱分类器的预测值f_t(x_i),x_i是一个向量。

f_k(x_i)为第k棵树中样本x_i所得的预测值，K为树的总数；树的复杂度表示为树的叶子节点个数T和每棵树的叶子节点输出结果ω_j的平方和(相当于L2正则化)：

其中，γ和λ是需要手动调整的参数，ω_j是叶节点取值；

损失函数的计算方式如下：

其中l代表预测值与真实值差距，Ω代表关于树正则化项，N代表特征向量的数量，t代表迭代次数。最小化损失函数极值点与常量无关，可以舍去。

相比于传统的GBDT和XGBoost的特征预排序再寻找分裂阈值的方式不同，LightGBM采用的是特征分桶再构建直方图来进行分裂计算，公式如下：

同时LightGBM使用了带深度限制的按叶子生长leaf-wise算法，抛弃了XGBoost使用的按层生长level-wise算法，在同样的分裂次数下，leaf-wise可以降低更多的误差，得到更好的精度。LightGBM模型输出值范围为[0,1]，如果输出值≤0.5，则预测类型为IVIG反应，输出值＞0.5，则预测可能IVIG抵抗。

本发明的一种优选方式中，该预测系统还包括模型评估模块，模型评估模块内存储有额度评估参数：灵敏度、特异度、精度及AUC值(ROC曲线下面积)，模型评估模块采集预测模型的对应数据，将采集的数据数值与额定评估参数进行对比，得出对比差值，根据对比差值评估预测模型的预测性能。模型评估模块采用Holdout验证法对模型进行评价，将样本按照7：3比例随机划分为训练集和测试集，训练集用于训练模型，测试集验证模型泛化能力。

本发明的一种优选方式中，该预测系统还包括数据填补模块，所述数据填补模块的输入端与数据采集模块的输出端连接，数据填补模块对缺失率≤30％的数据采用多重插补法进行插补，数据填补模块的输出端与数据处理模块的输入端连接。

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。

尽管已经示出和描述了本发明的实施例，本领域的普通技术人员可以理解：在不脱离本发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由权利要求及其等同物限定。