基于时序异源数据融合的椅位资源状态估计方法及系统

本技术涉及医疗资源智能化管理，具体涉及一种基于时序异源数据融合的椅位资源状态估计方法及系统。

背景技术：

1、口腔诊疗椅位是口腔医院及口腔门诊中的核心硬件资源，其占用状态、使用时长和空闲间隙直接影响患者候诊时长、医生排班效率及科室资源利用率。因此，椅位状态的实时感知是实现医疗机构精细化运营与智能调度的关键前提。

2、目前，行业内针对口腔诊疗椅位的状态监测，已存在多种技术方案：一种方案为人工巡查目视判断方案，由护士或导诊人员定时现场核查椅位使用状态并记录；一种方案为基于单一摄像头的视觉图像检测方案，通过部署于椅位上方的摄像头采集图像，利用目标检测算法识别人体目标判定椅位是否有人；一种方案为基于医院业务信息系统的记录方案，依托排队叫号系统的叫号日志或电子病历系统的操作日志间接判定椅位状态；一种方案为在椅位加装重力传感器或红外传感器的硬件改造方案，通过压力数值变化或人体热源感应判断是否有人落座；一种方案为患者刷卡触发启动的记录方案，由患者主动刷卡标记就诊开始和结束时间。

3、然而，上述现有技术均存在明显缺陷。人工巡查方案人力成本高、无法实现全天候不间断监测，且存在主观性强、信息更新滞后的问题。单一摄像头方案易受患者短暂离位（如起身漱口、拍片、缴费）、医护临时落座、体位遮挡及光线变化等复杂场景干扰，无法区分“短暂离位”与“就诊结束离位”，易产生瞬时误判和状态跳变。单一业务系统方案中，叫号系统仅记录呼叫时间，无法确认患者是否实际就位；电子病历系统记录的操作时间（尤其术后补录和归档操作）与患者实际占用椅位的时间存在严重偏差，数据滞后且碎片化。硬件改造方案需要对全部诊疗椅进行拆解改装，单椅改造成本高、施工难度大，且重力传感器易受器械、耗材等重物干扰，红外传感器检测范围固定、无法精准对应单台椅位，整体误报率高、后期维护成本高昂。刷卡触发方案流程繁琐，依赖患者主动操作，存在漏刷、提前退出等问题，自动化程度极低。总体而言，现有技术存在以下核心技术问题：1、单一数据源感知片面，摄像头、叫号系统、病历系统各自存在不同的误差盲区，无法应对诊疗场景中的各类复杂干扰；2、异源数据之间无法协同利用，三种数据源的时间粒度不统一、数据语义不互通，行业内缺乏标准化的融合方法；3、现有技术的状态判定均为瞬时独立判定，未利用椅位占用状态在时间维度上的连续性和惯性规律，导致状态输出跳变频繁、稳定性差；4、硬件改造方案成本高昂，而纯软件方案又精度不足，无法兼顾低成本与高精度。

技术实现思路

1、本技术旨在解决现有技术中单一数据源感知片面、异源数据无法协同利用、未利用时序状态规律、硬件改造成本高等技术问题，提供一种基于时序异源数据融合的椅位资源状态估计方法及系统。

2、为了实现上述目的，本技术采用以下技术方案予以实现：

3、第一方面，本技术提供一种基于时序异源数据融合的椅位资源状态估计方法，包括以下步骤：

4、采集椅位的三种异源数据，所述三种异源数据包括摄像头视觉检测数据、医生叫号数据和电子病历操作数据；

5、将所述摄像头视觉检测数据、所述医生叫号数据和所述电子病历操作数据分别映射到以预设时间粒度为单位的统一时间轴，生成每个时间点的三维观测向量，所述三维观测向量包括摄像头状态维度、叫号状态维度和病历状态维度；

6、基于递推贝叶斯滤波器，以所述三维观测向量作为观测输入，利用椅位占用状态在相邻时间点之间的时间相关性进行状态预测与观测更新的交替迭代，输出所述椅位占用状态的连续估计值；

7、将所述连续估计值与预设决策阈值进行比较，得到比较结果根据所述比较结果判定所述椅位的最终占用状态。

8、进一步地，所述摄像头视觉检测数据包含椅位编号、检测状态值、检测起始时间和检测结束时间，所述检测状态值包括有人状态、无人状态和异常状态；

9、所述将所述摄像头视觉检测数据映射到统一时间轴的过程中，以分钟为时间戳单位，若当前分钟时间戳位于检测状态值为有人状态或异常状态所对应的检测起始时间与检测结束时间之间，则将所述当前分钟对应的所述摄像头状态维度的值设为第一数值，否则设为第二数值。

10、进一步地，所述医生叫号数据包含医生标识、叫号时间、患者标识和目标椅位编号；

11、所述将所述医生叫号数据映射到统一时间轴的过程中，以所述叫号时间为起点设定一时间窗口，以分钟为时间戳单位，若当前分钟时间戳位于所述时间窗口内，则将所述当前分钟对应的所述叫号状态维度的值设为第三数值，否则设为第四数值。

12、进一步地，所述电子病历操作数据包含医生标识、患者标识、操作椅位编号、病历书写起始时间和病历书写结束时间；

13、所述将所述电子病历操作数据映射到统一时间轴的过程中，以分钟为时间戳单位，若当前分钟时间戳位于所述病历书写起始时间与所述病历书写结束时间之间，则将所述当前分钟对应的所述病历状态维度的值设为第五数值，否则设为第六数值。

14、进一步地，所述基于递推贝叶斯滤波器，以所述三维观测向量作为观测输入，利用椅位占用状态在相邻时间点之间的时间相关性进行状态预测与观测更新的交替迭代，输出所述椅位占用状态的连续估计值的具体过程为：

15、基于递推贝叶斯滤波器，以所述三维观测向量作为观测输入，将上一时刻输出的所述连续估计值作为当前时刻的状态预测值，并向所述状态预测值叠加过程噪声，完成状态预测；

16、将所述三维观测向量中各状态维度分别乘以对应的可信度权重后求和，得到标量观测值，通过卡尔曼增益对所述状态预测值与所述标量观测值进行加权融合，得到当前时刻的所述连续估计值，完成观测更新；

17、重复执行所述状态预测和所述观测更新，输出每个时刻的所述所述椅位占用状态的连续估计值。

18、进一步地，所述电子病历操作数据的映射中，仅以病历书写起始时间和病历书写结束时间作为有效映射区间，电子病历系统中的开方操作时间和归档操作时间不作为映射依据。

19、进一步地，所述卡尔曼增益根据预测误差方差和观测噪声方差的相对大小自适应调整：若所述预测误差方差相对于所述观测噪声方差越大，则所述卡尔曼增益越大，所述当前时刻的所述连续估计值更倾向于所述标量观测值；若所述预测误差方差相对于所述观测噪声方差越小，则所述卡尔曼增益越小，所述当前时刻的所述连续估计值更倾向于所述状态预测值。

20、进一步地，所述时间窗口的时长为可配置的整数分钟参数，所述时长根据口腔门诊的就诊流转节奏或科室诊疗类型进行设定。

21、第二方面，本技术提供一种基于时序异源数据融合的椅位资源状态估计系统，包括：

22、数据采集模块，用于采集椅位的三种异源数据，所述三种异源数据包括摄像头视觉检测数据、医生叫号数据和电子病历操作数据；

23、数据映射模块，用于将所述摄像头视觉检测数据、所述医生叫号数据和所述电子病历操作数据分别映射到以预设时间粒度为单位的统一时间轴，生成每个时间点的三维观测向量，所述三维观测向量包括摄像头状态维度、叫号状态维度和病历状态维度；

24、状态融合模块，内置递推贝叶斯滤波器，用于以所述三维观测向量作为观测输入，利用椅位占用状态在相邻时间点之间的时间相关性进行状态预测与观测更新的交替迭代，输出所述椅位占用状态的连续估计值；

25、状态判定模块，用于将所述连续估计值与预设决策阈值进行比较，得到比较结果，根据所述比较结果判定所述椅位的最终占用状态。

26、第二方面，本技术提供一种计算机设备，包括：处理器和计算机可读存储介质；

27、处理器，适于执行计算机程序；

28、计算机可读存储介质，所述计算机可读存储介质中存储有计算机程序，所述计算机程序被所述处理器执行时，实现一种基于时序异源数据融合的椅位资源状态估计方法。

29、与现有技术相比，本技术具有以下有益效果：

30、本技术提供一种基于时序异源数据融合的椅位资源状态估计方法，通过将摄像头视觉检测数据、医生叫号数据和电子病历操作数据三种异源数据映射到统一时间轴并构建三维观测向量，再基于递推贝叶斯滤波器利用椅位占用状态在相邻时间点之间的时间相关性进行状态预测与观测更新的交替迭代，最后通过阈值判定输出椅位占用状态，解决了单一数据源感知片面、异源数据无法协同利用、未利用时序状态规律以及硬件改造成本高昂的技术问题。具体而言，三种数据源各自具有不同的误差模式摄像头直接但易受短暂离位干扰中断、叫号提供前瞻信号但无法确认实际就位、病历反映诊查同步信息但归档操作滞后三者通过统一时间轴映射实现时间对齐后，在递推贝叶斯滤波框架下进行序贯融合，任一数据源的瞬时偏差可被其他数据源互补校正。同时，递推贝叶斯滤波器的状态预测步骤利用椅位占用的时间惯性，将上一时刻输出的连续估计值作为当前时刻的状态预测基础，使得患者短暂起身漱口、拍片、缴费等瞬时“无人”观测不会导致状态跳变，有效区分了“短暂离位”与“就诊结束离位”；状态预测与观测更新在每个时间点交替迭代，上一时刻的输出作为下一时刻的输入，无需任何人工标注数据即可自适应运行。整个过程完全依托医院现有摄像头、叫号系统和电子病历系统的存量数据，无需对诊疗椅进行硬件拆解改造，无需新增传感器设备，也无需患者或医护人员进行刷卡、登记等手动操作，在实现高鲁棒性状态估计的同时显著降低了部署和运维成本。

31、具体地，观测更新过程中，三维观测向量中各状态维度分别乘以对应的可信度权重后求和得到标量观测值，卡尔曼增益根据预测误差方差和观测噪声方差的相对大小自适应调整当预测误差方差相对于观测噪声方差越大时，增益越大，当前时刻的连续估计值更倾向于观测值；反之增益越小，当前时刻的连续估计值更倾向于预测值。这一机制使得滤波器在状态发生真实变化（如患者就位或离座）时能够快速响应观测变化，而在观测受到瞬时干扰（如患者短暂起身、医护人员临时路过）时保持状态平滑，实现了“快速响应”与“平滑去噪”的动态平衡。决策阈值可根据不同医疗机构对漏报或误报的业务敏感度灵活调节：对候诊排队管理场景可调低阈值以降低漏报率，对资源统计场景可调高阈值以降低误报率，使本方法具备良好的跨场景泛化能力。