一种基于区块链的医疗输液泵监控方法及系统与流程

1.本发明涉及医疗输液泵监控技术领域，尤其涉及一种基于区块链的医疗输液泵监控方法及系统。


背景技术：

2.为了提升医院的工作效率，减轻医务人员的工作量，输液泵及注射泵成为了两种应用广泛的自动化医疗设备；输液泵是一种能够精确控制输液滴数或输液流速，保证液体和药物能够速度均匀、药量精确并且安全的进入病人体内发挥作用的医疗设备
3.同时，利用区块链技术整合过去多种技术，使医疗信息具有“不可伪造”“全程留痕”“能够追溯”“公开透明”“集体维护”等特性，保证线上信息传输和访问的安全。
4.为了了解输液泵的运行情况，医院通过监控系统对输液泵进行实时监测。由于被监测输注泵的数量太大，现有技术中存在输液泵流速反常监测时，由于流速信息不够全面和完整，多维信息归类不够精确，存在一定错误率，监测精度有待提升。


技术实现要素：

5.为了克服现有技术的不足，本发明的目的之一在于提供一种基于区块链的医疗输液泵监控方法及系统，解决现有医疗输液泵流速监测方法精度不高的问题。
6.本发明的目的之一采用如下技术方案实现：
7.一种基于区块链的医疗输液泵监控方法，
8.包括以下步骤：
9.步骤1：将医疗输液泵编码后，录入监控系统，并与监控系统建立远程通信；
10.步骤2：接收到医疗输液泵启用信号时，监控系统定时收集医疗输液泵流速信息；
11.步骤3：分析医疗输液泵实时流速信息，并根据收集到的流速信息通过监控系统分析，判别病人在输液中是否存在反常情况；
12.步骤4：监控系统上实时显示医疗输液泵的流速信息，并提示反常情况。
13.进一步的，步骤3中的医疗输液泵流速信息分析方法如下：
14.步骤s100：通过对医疗输液泵的流速信息进行定时收集，获得第一定时流速信息，并对所述第一定时流速信息进行信息预分析，获得第二定时流速信息；
15.步骤s200：将所述第二定时流速信息输入高斯混合模组中进行集合分成特性学习，获得第一集合分成信息组；
16.步骤s300：根据所述第一集合分成信息组，生成第一标注练习信息组；
17.步骤s400：获得所述医疗输液泵的第一测试练习信息组；
18.步骤s500：将所述第一测试练习信息组输入所述第一反常检验模组中，获得第一输出信息，其中，所述第一输出信息包括反常检验归类结果。
19.进一步的，步骤s200还包括：
20.步骤s210：通过对所述第二定时流速信息的正常流速信息和反常流速信息进行归
类，生成第一正常信息组和第一反常情况信息组；
21.步骤s220：根据所述第一正常信息组和所述第一反常情况信息组进行高斯混合模组中进行集合分成操作，获得第一集合分成结果，所述第一集合分成结果为集合分成最优选特性；
22.步骤s230：根据所述第一集合分成结果，生成所述第一集合分成信息组。
23.进一步的，步骤s100还包括：
24.步骤s110：根据多个评价数据，创建信息品质评价模组；
25.步骤s120：将所述第二定时流速信息输入所述信息品质评价模组中，根据所述信息品质评价模组，获得信息品质因数；
26.步骤s130：根据所述信息品质因数判别是否需要进行二次信息收集，若需要，获得第一信息收集规范；
27.步骤s140：根据所述第一信息收集规范，获得第三实时流速信息。
28.进一步的，步骤s300还包括：
29.步骤s310：将所述第一标注练习信息组作为输入信息练习进行svm模组的练习，获得第一svm模组；
30.步骤s320：通过微粒群算法计算方式获得第一模组优化参数，并根据所述第一模组优化参数对所述第一svm模组进行优化，获得第二svm模组；
31.步骤s330：将所述第二svm模组作为所述第一反常检验模组。
32.进一步的，
33.步骤s320还包括：
34.步骤s321：通过对所述第一svm模组进行模组检验，获得第一检验结果，其中，所述第一检验结果包括第一结果和第二结果，所述第一结果为检验通过，所述第二结果为检验不通过；
35.步骤s322：当所述第一检验结果为检验通过时，将所述第一svm模组的练习数据输入第一指标函数；
36.步骤s323：根据所述第一指标函数判别是否达到预计更迭次数，若所述第一指标函数达到所述预计更迭次数，获得所述第一模组优化数据。
37.进一步的，步骤s323还包括：
38.步骤s3231：若所述第一指标函数未达到所述预计更迭次数；
39.步骤s3232：控制系统获得第一调配指示；
40.步骤s3233：根据所述第一调配指示调配微粒群算法计算方式，生成第一改善因素；
41.步骤s3234：根据所述第一改善因素，获得所述第一模组优化参数。
42.进一步的，步骤s230还包括：
43.步骤s231：基于隐含狄利克雷分布计算公式对所述第一集合分成结果进行评价，获得第一评价指标；
44.步骤s232：判别所述第一评价指标是否处于预计评价要求中；
45.步骤s233：当所述第一评价指标处于所述预计评价要求中，获得第一输出指示；
46.步骤s234：根据所述第一输出指示，获得第一最优集合分成特性，将所述第一最优
集合分成特征作为所述第一集合分成信息组。
47.进一步的，设有5g网络模块用于提供医疗输液泵的信息上传至监控系统，并与监控系统进行交互，监控系统通过5g网络模块将医疗输液泵信息上传到区块链，对存储的医疗信息覆盖更迭，用于大数据分析。
48.一种基于区块链的医疗输液泵系统，
49.包括医疗输液泵、监控系统、5g网络模块，其中：
50.医疗输液泵，用于控制输液滴数或输液流速，保证液体和药物能够保持设定在速度下，精确并且安全的输入病人体内；
51.监控系统，用于远程连接医疗输液泵，进行信息交互、收发控制输液泵的指示；
52.5g网络模块，用于医疗输液泵与监控系统互联和远程交互，实现信息收集、信息回传、控制指示收发、监控。
53.与现有的技术相比，本发明优点在于：
54.1、由于采用了通过对医疗输液泵的实时流速信息进行收集，从而对实时的收集信息进行信息预分析。
55.然后，再基于高斯混合模组
–
线性识别分析(mog-隐含狄利克雷分布)对经过预处理后的信息进行特性集合，并根据集合结果进行信息标注，再通过获得医疗输液泵的原始监测信息，将标注的信息作为练习信息练习svm模组，并通过微粒群算法计算方式优化svm模组来获得最优选模组，将原始测试信息作为基础信息输入经过优化的最优选模组中，进而输出反常检验归类结果的方式，达到了通过提取信息归类的最优选特性，进而提升对医疗输液泵流速的反常检验精度、降低错误率的技术效果。
56.2、由于采用了通过集合分成特性学习对信息进行集合分成处理并标注了信息组，以正常形式组和反常形式组来提升信息组的自适用能力，使得所提出的方法能够适用网络状况的动态转化，保证信息特性的周密性。
57.3、由于采用了使用粒子群优化支持向量机(微粒群算法-svm)对练习的模组进行优化，使得模组的输出结果具有更高的检验精度和更低的错误率。
58.上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其他目的、特点和优点能够更明显易懂，以下特举较佳实施例，并配合附图，详细说明如下。
附图说明
59.图1为本实施例中医疗输液泵监控系统的模块示意图。
具体实施方式
60.下面，结合附图以及具体实施方式，对本发明做进一步描述，应当说明的是，在不相冲突的前提下，以下描述的各实施例之间或各技术特点之间能够任意组合形成新的实施例。
61.应当说明的是，当组件被称为“固定于”另一个组件，它能够直接在另一个组件上或者也能够存在居中的组件。当一个组件被认为是“连接”另一个组件，它能够是直接连接到另一个组件或者可能同时存在居中组件。当一个组件被认为是“设置于”另一个组件，它
能够是直接设置在另一个组件上或者可能同时存在居中组件。本文所使用的术语“垂直的”、“水平的”、“左”、“右”以及类似的表述只是为了说明的目的。
62.除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本发明。本文所使用的术语“及/或”包括一个或多个相关的所列项目的任意的和所有的组合。
63.一种基于区块链的医疗输液泵监控方法，该方法基于医疗信息交互的医疗区块链，医疗区块链包括用于存储医疗信息的信息组、及用于远程控制医疗输液泵的应用程序，各模块基于内置的程序通过5g网络模块进行远程通信。信息组可根据信息量等应当设置多个服务器，并在相互之间建立信息连接，网络模块提供医疗信息交互接口，与医疗区块链定时开展医疗信息交互，对存储的医疗信息开展覆盖更迭。
64.一种基于区块链的医疗输液泵监控方法，
65.包括以下步骤：
66.步骤1：将医疗输液泵编码后，录入监控系统，并与监控系统建立远程通信；
67.步骤2：接收到医疗输液泵启用信号时，监控系统定时收集医疗输液泵流速信息；
68.步骤3：分析医疗输液泵实时流速信息，并根据收集到的流速信息通过监控系统分析，判别病人在输液中是否存在反常情况；
69.步骤4：监控系统上实时显示医疗输液泵的流速信息，并提示反常情况。
70.步骤3中的医疗输液泵流速信息分析方法如下：
71.步骤s100：通过对医疗输液泵的流速信息进行定时收集，获得第一定时流速信息，并对第一定时流速信息进行信息预分析，获得第二定时流速信息；
72.具体而言，通过在特定场合状况下对医疗输液泵的信息进行定时收集，其中，收集信息的流程还能够通过对某个医疗输液泵厂家的输液流速系统的信息组进行通信连接后完成信息收集，收集的信息还需要对医疗输液泵生产流速影响因素的信息进行收集。将流量等累计信息进行偏差量分析，得到特定时间区间的流量偏差量集合，其余信息通过时间间隔等时长收集。信息预分析是信息的归一化处理，由于收集的原始信息中，不同评价数据往往具有不同的物理量和物理量单位，这样的情况会影响到信息分析的结果，为了消除数据之间的物理量影响，需要进行信息规范化处理，以解决信息数据之间的比较性，经过处理后的信息能够位于同一数目级，适合进行概括性的对比和评价，因此，通过定时收集信息并在练习前对信息进行信息预分析，提升信息分析精确度。
73.步骤s200：将第二定时流速信息输入高斯混合模组中进行集合分成特性学习，获得第一集合分成信息组；
74.步骤s300：根据第一集合分成信息组，生成第一标注练习信息组；
75.具体而言，高斯混合模组
–
线性识别分析集合分成特性学习，是一种基于无标注信息组的集合分成计算方式，高斯混合模组
–
线性识别分析集合分成特性学习集合分成属于无监管智能学习计算方式，能够取代过去的人工识别方式对抽样信息组进行归类，当有部分点太过接近给定集合分成的界限时,这些点或许会被错误地记录，通过高斯混合模组能够将信息进行精确的集合分成，由于集合分成的流程是对标注正常或者反常的抽样进行集合分成，根据生成的第一集合分成信息组进行类别的标注，即正常和反常归类信息的标注，
刷新形式动态生成最近的正常形式组和反常形式组来提升信息组的自适用能力，使得所提出的方法能够适用网络情况的动态转化，并标注了信息组，便于信息的练习分析，从而提升归类精度。
76.步骤s400：获得医疗输液泵的第一测试练习信息组；
77.步骤s500：将第一测试练习信息组输入第一反常检验模组中，获得第一输出信息，其中，第一输出信息包括反常检验归类结果。
78.具体而言，通过获得医疗输液泵的第一测试练习信息组输入第一反常检验模组中进行输入，其中，第一测试练习信息组作为医疗输液泵的基础信息从而输入模组中，且由于第一反常检验模组为最优选模组，因此，第一反常检验模组输入的反常检验归类结果精度较高，精确度也较高，达到了通过提取信息归类的最优选特性，进而提升对医疗输液泵流速的反常检验精度、降低错误率的技术效果。
79.步骤s200还包括：
80.步骤s210：通过对第二定时流速信息的正常流速信息和反常流速信息进行归类，生成第一正常信息组和第一反常情况信息组；
81.步骤s220：根据第一正常信息组和第一反常情况信息组进行高斯混合模组中进行集合分成操作，获得第一集合分成结果，第一集合分成结果为集合分成最优选特性；
82.步骤s230：根据第一集合分成结果，生成第一集合分成信息组。
83.步骤s100还包括：
84.步骤s110：根据多个评价数据，创建信息品质评价模组；
85.步骤s120：将第二定时流速信息输入信息品质评价模组中，根据信息品质评价模组，获得信息品质因数；
86.步骤s130：根据信息品质因数判别是否需要进行二次信息收集，若需要，获得第一信息收集规范；
87.步骤s140：根据第一信息收集规范，获得第三实时流速信息。
88.步骤s300还包括：
89.步骤s310：将第一标注练习信息组作为输入信息练习进行svm模组的练习，获得第一svm模组；
90.步骤s320：通过微粒群算法计算方式获得第一模组优化参数，并根据第一模组优化参数对第一svm模组进行优化，获得第二svm模组；
91.步骤s330：将第二svm模组作为第一反常检验模组。
92.步骤s320还包括：
93.步骤s321：通过对第一svm模组进行模组检验，获得第一检验结果，其中，第一检验结果包括第一结果和第二结果，第一结果为检验通过，第二结果为检验不通过；
94.步骤s322：当第一检验结果为检验通过时，将第一svm模组的练习数据输入第一指标函数；
95.步骤s323：根据第一指标函数判别是否达到预计更迭次数，若第一指标函数达到预计更迭次数，获得第一模组优化数据。
96.步骤s323还包括：
97.步骤s3231：若第一指标函数未达到预计更迭次数；
98.步骤s3232：控制系统获得第一调配指示；
99.步骤s3233：根据第一调配指示调配微粒群算法计算方式，生成第一改善因素；
100.步骤s3234：根据第一改善因素，获得第一模组优化参数。
101.步骤s230还包括：
102.步骤s231：基于隐含狄利克雷分布计算公式对第一集合分成结果进行评价，获得第一评价指标；
103.步骤s232：判别第一评价指标是否处于预计评价要求中；
104.步骤s233：当第一评价指标处于预计评价要求中，获得第一输出指示；
105.步骤s234：根据第一输出指示，获得第一最优集合分成特性，将第一最优集合分成特征作为第一集合分成信息组。
106.具体而言，高斯混合模组
–
线性判别分析(mog-隐含狄利克雷分布)集合分成公式使用mog对信息库里的正常数据和反常数据进行集合分成操作，然后使用隐含狄利克雷分布算法评价每个mog集合分成的数据。
107.设有5g网络模块用于提供医疗输液泵的信息上传至监控系统，并与监控系统进行交互，监控系统通过5g网络模块将医疗输液泵信息上传到区块链，对存储的医疗信息覆盖更迭，用于大数据分析。
108.一种基于区块链的医疗输液泵系统，
109.包括医疗输液泵、监控系统、5g网络模块，其中：
110.医疗输液泵，用于控制输液滴数或输液流速，保证液体和药物能够保持设定在速度下，精确并且安全的输入病人体内；
111.并内置流量计进行数据药液流量的采集，同时通过内置的无线通信模块，如nb-iot、蓝牙等，本实施例不再赘述；
112.监控系统，优选为pc机，安装监控应用程序，用于远程连接医疗输液泵，进行信息交互、收发控制输液泵的指示；
113.同时可设置监控大屏，在控制室内方便进行数据监控，并配备声光报警模块，在数据不正常时进行提示与播报；
114.5g网络模块，用于医疗输液泵与监控系统互联和远程交互，实现信息收集、信息回传、控制指示收发、监控。
115.上述实施方式仅为本发明的优选实施方式，不能以此来限制本发明保护的范围，本领域的技术人员在本发明的基础上所做的任何非实质性的转化及替换均属于本发明所要求保护的范围。