(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210988923.7 (22)申请日 2022.08.17 (71)申请人 中南大学湘雅医院 地址 410000 湖南省长 沙市开福区湘雅路 87号 (72)发明人 黄伟红　岳丽青　周建辉　胡硕婷　 聂慧宇　李靖　黄佳　高武强　 高晨雨　刘硕　 (74)专利代理 机构 长沙中科启明知识产权代理 事务所(普通 合伙) 43226 专利代理师 谭勇 (51)Int.Cl. A61B 5/00(2006.01) G06K 9/62(2022.01) G06N 20/00(2019.01)G08B 21/18(2006.01) G16H 50/20(2018.01) (54)发明名称 一种快速ICU虚假警报识别方法 (57)摘要 本发明涉及ICU虚假警报识别的技术领域， 揭露了一种快速ICU虚假警报识别方法， 包括： 采 集病人体征数据， 构成病人体征指标数据； 利用 生成对抗网络构建病人指标数据 样本生成模型， 利用病人指标数据样本生成模型生成大量病人 体征指标数据； 基于概率图理论构建ICU警报识 别模型； 利用分裂梯度算法对所构建的ICU警报 识别模型进行快速优化， 得到训练优化后的ICU 警报识别模型； 当医院系统检测到警报时， 采集 与警报相关病人的病人体征指标数据， 将所采集 到的病人体征指标数据输入到训练优化后的ICU 警报识别模型中， 模型输出是否为虚假警报， 若 该警报不是虚假警报， 则继续输出 警报名称以及 处理优先级， 医护人员根据模型输出结果进行相 应的处置措施。 本发明所述方法实现大量可用样 本数据的生成， 实现基于概率图的虚假警报识 别、 警报名称识别以及处 理优先级识别。 权利要求书5页 说明书15页 附图3页 CN 115399738 A 2022.11.29 CN 115399738 A 1.一种快速ICU虚假警报识别方法， 其特 征在于， 所述方法包括： S1： 采集病人体征数据， 其中所述体征数据包括生命体征检查时序数据和入院48小时 内实验室检查指标数据集合， 并利用傅里叶变换方法以及小波分解方法对采集的生命体征 检查时序数据进行特征提取， 将提取特征与检查指标数据集合共同构成病人体征指标数 据； S2： 按照步骤S1方法采集大量病人的病人体征指标数据以及对应的警报级别构成训练 集A1， 并利用生成对抗网络构建病人指标数据样本生成模型， 利用病 人指标数据样本生成 模型生成大量病人体征指标 数据， 将所生成的数据同训练集A1构成训练集A； S3： 基于概率图理论构建ICU警报识别模型， 其中所述模型的输入为病人体征指标数 据， 输出是否虚假警报的识别结果， 以及对应的警报名称和警报级别； S4： 基于训练集A， 利用分裂梯度算法对所构 建的ICU警报识别 模型进行快速优化， 得到 训练优化后的ICU警报识别模型， 其中所述分裂梯度算法， 包括： 利用训练集A中的样本数据对所构建的ICU警报识别模型进行快速优化， 所述ICU警报 识别模型的优化 流程为： S41： 利用K ‑means算法将训练集A所有病人体征指标数据进行 聚类处理， 将每类的聚类 中心作为概率图中病人心率特征节点以及呼吸频率特征节点， 病人心率特征节点以及呼吸 频率特征节点与警报名称节点之间的条件概率， 即为聚类中心邻近病人体征指标数据与警 报名称节点条件概 率的累乘， 并忽略条件概 率为0的点； S42： 构建ICU警报识别模型训练的目标函数： 其中： fz为训练集A中第z个病人的病人体征指标 数据， Z为训练集A中病人的总数； w1,w2为待训练优化的权 重参数， 令w ＝[w1,w2]； S43： 设置当前分裂梯度算法迭代次数为n， 分裂梯度算法参数ε>0， σ∈(0,1)， 设置 S44： 若 终止算法迭代流程， 输出 当前的权重参数wn， 其中wn表示第n 次迭代时的权重参数， 将训练得到的权重参数作为ICU警报识别模型的权重参数， 得到训练 优化后的ICU警报识别模型； 否则转向下一 步； S45： 若 则令dn＝gn， 否则令dn＝‑gn； S46： 计算第n+1次迭代的权 重参数： wn+1＝wn+λndn 令n＝n+1， 返回步骤S4 4； S5： 当医院系统检测到警报时， 采集与警报相关病人的病人体征指标数据， 将所采集到 的病人体征指标数据输入到训练优化后的ICU警报识别模 型中， 模型输出是否为虚 假警报， 若该警报不是虚假警报， 则继续输出警报名称以及处理优先级， 医护人员根据模型输出结权　利　要　求　书 1/5 页 2 CN 115399738 A 2果进行相应的处置措施。 2.如权利要求1所述的一种快速ICU虚假警报识别方法， 其特征在于， 所述S1步骤中采 集病人体征 数据， 包括： 在病人进入ICU后， 采集病人体征数据， 其中所述体征数据包括生命体征检查 时序数据 和病人入院48h内的实验室检查指标数据集合， 所述生命体征检查时序数据为病 人的心率 以及呼吸频率的时序数据， 所述入院48小时内的实验室检查指标包括病人尿液的酸碱度 k1、 pH值k2、 尿比重k3、 尿蛋白k4、 尿糖k5以及管型k6， 病人血液的白细胞数量k7、 白细胞中五 类细胞的数量及比例k8、 红细胞数量k9、 红细胞压积k10、 血红蛋白浓度k11、 平均红细胞体积 k12、 血小板的数量 k13以及血小板 压积k14， 所采集的病人体征 数据为： {x1(n1),x2(n2),K} K＝{knum|num∈[1,14]} 其中： x1(n1)为病人心率的时序数据， n1＝0,1,…,N1‑1， N1为时序数据长度； x2(n2)为病人呼吸频率的时序数据， n2＝0,1,…,N2‑1， N2为时序数据长度； K为病人的实验室检查指标 数据集合， 包括14种的实验室检查指标。 3.如权利要求2所述的一种快速ICU虚假警报识别方法， 其特征在于， 所述S1步骤中利 用傅里叶变换方法以及小波分解方法对采集的生命体征检查时序数据进 行特征提取， 将提 取特征与检查指标 数据集合共同构成病人体征指标 数据， 包括： 对所采集的生命体征检查时序数据进行 特征提取， 所述特 征提取流 程为： S11： 利用傅里叶变换方法提取病人呼吸频率的特征f2(p)， 其中p为傅里叶变换处理的 采样点数， 将p设置为64， 所述 傅里叶变换 方法的公式为： 其中： j为虚数单位， j2＝‑1； e为自然常数； S12： 利用小 波分解方法对病人心率的特 征进行提取， 所述小 波分解结果 为： 其中： q(a,x1(n1))为x1(n1)在尺度a上的小 波系数， a表示小 波分解过程中的最大尺度； 将小波系数作为病人心率的特征f1(a)， 若q(a， x1(nR))＞0.4×max{q(a， x1(n1))}， n1＝ 0,1,…,N1‑1， 则将时序位置nR在特征f1(a)中标记为R峰。 4.如权利要求2 ‑3所述的一种快速ICU虚假警报识别方法， 其特征在于， 所述S2步骤采 集大量病人的病人体征指标 数据以及对应的警报级别构成训练集A1， 包括： 按照步骤S1方法采集大量病人的病人体征指标数据以及对应的警报级别构成训练集 A1， 所述训练集A1的表示形式为： A1＝{datau＝(f1,u(a),f2,u(p),judgeu,nameu,levelu)|u∈[1,U]}权　利　要　求　书 2/5 页 3 CN 115399738 A 3