用于对医学应用的断开连接进行分类和管理的系统和方法与流程

1.本公开内容总体上涉及处理信息，并且更具体地但非排他性地涉及管理在患者护理中使用的应用。


背景技术：

2.us 2010/249551 a1公开了一种系统和方法，其用于确定患者的生理参数并且基于透射通过患者的光来确定错误。基于接收到的光，可以确定最可能的错误类型以及为了纠正错误而最有可能采取的一种或多种措施。可以既显示错误又显示要采取的纠正措施。
3.医疗保健专业人员不断寻求改进对其患者的护理和管理的方法。最近的一种趋势涉及使用无线监测设备来跟踪脉搏、血压和其他生命体征。通过网络将该信息传输到中央工作站，当出现问题时，护士能够在中央工作站做出响应。
4.远程监测设备不时地发生失败或者以其他方式变得没有响应。当发生这种情况时，会无法正确监测患者。目前，无法确切确定是什么原因导致故障。结果，医院人员必须亲自访问病房并检查设备以确定失败的原因。这个过程效率低下，尤其是在设备中的应用或其他软件与网络失去连接的情况下。当前的方法并没有解决这些应用连接问题，这些问题已被证明会对足够的患者护理能力造成重大破坏。


技术实现要素：

5.本发明的目的是提供改进的用于对医学应用的断开连接进行分类和管理的系统和方法。本发明由独立权利要求来定义。从属权利要求定义了有利的实施例。
6.下面给出了对各种示例实施例的简要概述。在下面的概述中可以进行一些简化和省略，这旨在突出和引入各种示例实施例的某些方面，但并不限制本发明的范围。
7.根据一个方面，一种用于处理信息的方法包括：接收针对医学设备中的应用的特征集；确定所述应用与监测站之间的断开连接；并且基于所接收的特征集中的信息来确定所述断开连接的类型，其中，确定断开连接的所述类型包括将所述特征集输入到分类器中，所述分类器被训练为基于所述特征集中的所述信息来自动确定断开连接的所述类型。
8.所述特征集中的所述信息包括与所述应用有关的多种信息类别，其中，所述多种信息类别中的每种类别指示与所述应用的断开连接有关的不同参数。所述多种类别包括：第一类别，其包括应用状态特征；第二类别，其包括设备状态特征；以及第三类别，其包括网络统计特征。
9.所述方法可以包括生成指示针对由所述分类器自动确定的断开连接的所述类型的概率的置信度得分。所述方法可以包括生成指示针对由所述分类器确定的断开连接的所述类型的推荐动作过程的信息。生成所述信息可以包括：将指示断开连接的所述类型的信息输入到基于规则的引擎中，其中，所述基于规则的引擎将断开连接的所述类型匹配到与所述推荐动作过程相对应的至少一个预定规则。所述方法包括在所述监测站处的显示器上输出断开连接的所述类型的信息。所述监测站可以位于技术支持地点、护士站或医学监测
设施中的一项处。
10.根据另一方面，一种用于处理信息的系统可以包括：存储器，其被配置为存储指令；以及处理器，其被配置为运行所述指令以执行根据上述方法。
11.参考下文描述的实施例，本发明的这些方面和其他方面将是明显的并且得到阐明。
附图说明
12.贯穿各幅附图，相同的附图标记指代完全相同或功能相似的元件，附图与下面的详细描述一起并入说明书并形成说明书的部分，并且用于说明在权利要求书中发现的构思的示例实施例，并且解释这些实施例的各种原理和优点。
13.参考附图，在下面的说明书中更加全面地公开了这些和其他更详细和更具体的特征，在附图中：
14.图1图示了用于对断开连接进行分类的实施例的示例场景；
15.图2图示了用于对断开连接进行分类的系统的实施例；
16.图3图示了用于分类器的训练数据的示例；
17.图4图示了分类器和推荐器的实施例；
18.图5图示了用于对断开连接进行分类的方法的实施例；并且
19.图6图示了用于对断开连接进行分类的逻辑的示例。
具体实施方式
20.应当理解，这些附图仅仅是示意图，且并未按比例绘制。还应当理解，贯穿各幅附图，相同的附图标记用于指示相同或相似的部分。
21.描述和附图说明了各种实施例的原理。因此，将意识到，本领域技术人员将能够设计出各种布置，这些布置虽然在本文中并未明确描述或示出，但是体现了本发明的原理并被包括在本发明的范围内。此外，本文描述的所有示例主要旨在明确用于教学目的以帮助读者理解本发明的原理以及(一个或多个)发明人为了进一步发展本领域而贡献的构思，并且应被解释为不限于这种具体记载的示例和状况。另外，除非另有说明(例如，“或否则”或“或在替代方案中”)，否则本文使用的术语“或”是指非排他性或(即，和/或)。而且，本文描述的各种示例实施例不一定是相互排斥的，因为一些示例实施例能够与一个或多个其他示例实施例进行组合以形成新的示例实施例。诸如“第一”、“第二”、“第三”等描述符并不是要限制所讨论的要素的顺序，而是用于区分这些要素，并且它们通常是可互换的。可以预先确定诸如最大值或最小值之类的值，并且可以基于应用将其设置为不同的值。
22.示例实施例描述了用于对一个或多个医学系统与至少一个监测站之间的断开连接进行分类的系统和方法。一个或多个医学系统可以包括医学仪器和/或在通过网络或短距离连接与监测站通信的医学系统或设备中的应用。在至少一个实施例中，该系统和方法对临床医学应用之间发生的断开连接的类型进行分类，而不管应用的主机医学系统与监测站之间是否存在网络连接。例如，在一种情况下，当主机系统仍能操作和/或连接到网络时，该系统和方法可以对应用的断开连接的类型进行检测和分类。在另一情况下，即使主机医学系统从网络断开连接了一段时间，该系统和方法也可以确认应用的连接。
23.在这些实施例或其他实施例中，该系统和方法可以包括基于规则的引擎或模型，该基于规则的引擎或模型基于对一个或多个医学系统与至少一个监测站之间的断开连接的类型的分类来生成推荐。这些推荐可以包括但不限于指示用于以下操作的动作过程的信息：在一个或多个医学系统与至少一个监测站之间进行故障排除、修复或重新建立连接，向人员通知断开连接和/或在失败时段期间要采用的关于患者护理的方法(从而识别假阳性(例如，电池更换))，或者在一个或多个医学系统断开连接或失败的时段期间使用替代或次级/备份系统作为替换方案。
24.图1图示了用于实施该系统和方法实施例的示例场景。在此示例中，该系统包括监测站110和一个或多个医学系统120，这一个或多个医学系统120位于诸如医院、诊所、医生办公室、门诊设施之类的医学设施或其他类型的医学环境或安装场所。监测站110可以包括具有一个或多个计算机、服务器、无线或手持式设备或其他类型的处理系统的工作站。这种设备可以位于例如护士站或其他医院工作人员(例如，管理员、信息技术(it)专家、医学或诊断技术人员等)的位置。在另一实施例中，监测站可以由用于患者和/或老年人的医学服务、呼叫中心、医生办公室或与监测患者和/或医学系统的状况有关的另一工作站来维护，它们可以在现场，也可以在远离正被监测的(一个或多个)医学系统的位置处。
25.一个或多个医学系统120可以包括已安装的医学仪器或应用或以其他方式控制医学仪器的应用。在一个实施例中，应用可以包括针对正在观察的患者的临床应用。示例包括患者监测或诊断设备、医学信息处理系统、外科手术工具、x射线机、cat扫描或mri系统，或其他类型的临床或医学相关仪器，包括但不限于静脉滴注、氧气和其他患者药物递送或生命支持系统。在一个实施例中，医学应用被安装在可穿戴设备中，以用于监测患者的生命体征和/或其他特性。
26.(一个或多个)医学系统120可以通过网络或其他类型的通信链路130与监测站110通信。当医学设施包括医学系统和监测系统时，网络可以是有线或无线局域网。在一个实施方式中，医院可以包括多个用于支持wifi或其他协议的热点，以用于(一个或多个)医学系统与监测站之间的信息通信。在另一实施方式中，监测站可以远离一个或多个医学系统。在这种情况下，(一个或多个)医学系统可以通过宽带网络(例如，虚拟专用网络(vpn)、基于云的网络或与互联网相关联的其他类型的网络)与监测站通信。
27.图2图示了用于对一个或多个医学系统与至少一个监测站之间的断开连接进行分类的系统的实施例，例如但非排他性地限于图1中图示的场景。该系统可以被包括在监测站或与监测站通信的另一位置处。
28.参考图2，该系统包括处理器210、存储器220、存储区230和规则引擎240。处理器210运行在存储器中存储的指令，以用于实施本文描述的实施例中包括的操作。存储器230可以是只读存储器、随机存取存储器，也可以是存储指令的其他类型的非瞬态计算机可读介质。存储器可以驻留在处理器内，也可以从存储区网络被远程访问。在一个实施例中，处理器可以是基于云的处理器，其用于对(一个或多个)医学系统与监测站之间的一种或多种类型的断开连接进行分类。在图2的示例中，该系统处于监测站。
29.存储器220存储指令，该指令在由处理器210运行时实施分类器以用于对断开连接加标签。例如，分类器可以是基于模型的分类器，该基于模型的分类器是使用基于初始数据集的机器学习技术来训练的。初始数据集包括指示要被分类的断开连接的类型的信息。用
于分类器的模型的示例包括但不限于实施逻辑回归算法、支持向量机(svm)、主成分分析(pca)算法的模型或其他类型的概率或统计模型。在一个实施例中，处理器可以运行在存储器中存储的指令以实施神经网络、预测模型或其他类型的基于人工智能的算法，以用于对断开连接的类型进行分类。
30.存储区230可以存储一种或多种类型的数据。例如，存储区可以存储一个或多个训练数据集，以用于训练由处理器实施的分类器，从而对与(一个或多个)医学系统和/或其应用有关的断开连接的类型进行分类。训练数据包括指示不同状况、信号、签名、波形、操作参数的信息和/或其他状况或信息，这些指示不同状况、信号、签名、波形、操作参数的信息和/或其他状况或信息可以用作对预定类型的断开连接进行检测和分类的基础。训练数据还可以包括识别假阳性的信息，以便提高分类器的准确度并由此提高患者护理的质量和功效。另外，存储区230可以存储与(一个或多个)医学系统有关的各种医学或技术人员的联系信息、用于对不同的断开连接场景进行纠正或补偿的故障排除信息、针对已经断开连接的医学应用的软件补丁以及通知和/或警报信息以及其他信息。
31.规则引擎240可以存储规则集合，该规则集合指示当分类器210已经检测到断开连接并对其进行了分类时将要采取哪个或哪些动作。在一个实施例中，规则引擎将预定推荐链接到不同类型的经分类的断开连接。因为每个断开连接或断开连接类型都会具有其独特的特征，因此，针对不同的断开连接/断开连接类型，规则可以链接不同的推荐。由规则引擎240生成的推荐也可以与(一个或多个)医学系统的特定特征相匹配，或者在断开连接与设备中的医学(例如，临床)应用有关的情况下，由规则引擎240生成的推荐也可以与该设备的特定特征相匹配。这在推荐包括针对不同设备制造的修复动作或故障排除动作时尤其有益。
32.该系统可以被实施为通过一个或多个相应的有线或无线连接来监测(一个或多个)医学系统。例如，该系统可以包括网络接口250和通信链路260中的一者或两者。网络接口可以是用于无线传输信号和/或接收来自至少一个医学系统281的信号的wifi接口。在这种情况下，医学系统是用于在病房中获取患者的生命体征的监测器。在这种情况下，网络可以是例如医院的局域网或安全的vpn。通信链路260可以将信号传输到用于患者的电池供电的手持式医学监测器282并且/或者接收来自用于患者的电池供电的手持式医学监测器282的信号。通信链路可以符合短距离协议，以便向处理器210发送信息并且从处理器210接收信息。
33.医学系统281和/或282可以基于存储的医学应用或其他类型的软件进行操作，所述其他类型的软件在监测期间不得离线或者以其他方式与处理器断开连接。在各种各样的情景中都可能发生这种情况。例如，当主机设备(例如，医学系统282)出现故障时，或者当主机设备已经失去了与网络或通信链路的无线连接时，医学应用就会与处理器断开连接。在另一情况下，该应用本身可能发生永久性或周期性损坏或其他故障。这些类型的断开连接可能在例如软件更新、校准过程、重新启动、电池电量低时发生，也可能其他认为应用离线时发生。在一些情况下，即使主机设备(医学系统)在短时间段内发生离线(例如，丢失网络连接)，应用可能也未被破坏或未停止操作。在这种情况下，当主机设备重新连接到网络时，应用继续运行，就好像主机设备从未经历过中断一样。在这种情况下，可以对分类器进行训练，以免在这些情景中承认断开连接。下面更详细地讨论了何时可以将应用和/或主机设备
断开连接以及处理器210如何对不同类型的断开连接进行分类的额外示例。
34.除了前述特征之外，该系统还可以包括输出设备270，输出设备270用于输出检测结果、经分类的断开连接的类型和/或用于基于由规则引擎给出的决策来修复断开连接的推荐。在一个实施例中，输出设备可以包括在监测站处的显示器，该显示器用于以文字、图形或其他代表性形式显示前述信息。在一个实施例中，处理器可以访问和显示故障排除、联系方式或其他信息，以便利用分类和/或推荐信息来重新建立与医学应用和/或主机设备的连接。在一个实施例中，可以(以无线方式或通过有线连接)将该信息发送到远程技术人员的设备，其中，主机设备(医学系统)被定位为能够重新建立连接。在另一实施例中，可以将信息发送到技术人员中心，以便派遣人员来解决问题或以其他方式重新建立与监测站处理器的连接。
35.图3图示了如何对由处理器210实施的分类器进行训练以对一个或多个医学系统与监测站之间的断开连接进行检测和分类的示例。参考图3，在选择了用于分类器的特定类型的模型或算法之后，可以利用一个或多个数据集对分类器进行训练。数据集可以包括一个或多个参数和/或其他类型的信息，这一个或多个参数和/或其他类型的信息可以用作确定针对分类器的数据输入是否可能对应于特定类型的断开连接的基础。例如，当存在第一输入参数和/或信息310中的一项或组合时，对分类器进行训练以生成指示可能存在第一类型的断开连接315的结果。当存在第二输入参数和/或信息320中的一项或组合时，对分类器进行训练以生成指示可能存在第二类型的断开连接325的结果。可以利用额外的数据集(例如，最多n个数据集)330对分类器进行训练以指示额外的对应数量的断开连接类型335。数据集中的一些或全部数据集可以用于训练分类器以检测应用的断开连接。在这一实施例或另一实施例中，数据集中的一个或多个数据集可以训练分类器以检测其他类型的断开连接，包括但不限于设备的断开连接。
36.图4图示了用于对一个或多个医学系统与至少一个监测站之间的断开连接进行分类的系统的实施例。图5图示了可以例如由图4的系统执行的用于对断开连接进行分类的方法的实施例。这些系统和方法实施例使用由应用于一个或多个数据集的机器学习技术训练的分类器来对应用类型的断开连接执行分类，在这些实施例中，这一个或多个数据集可以包括被称为特征集的数据集。该实施例的处理器还可以使用例如先前描述的规则引擎基于经分类的断开连接来生成推荐或指示其他动作过程。
37.参考图4和图5，该系统包括分类器410和推荐器420。分类器410可以是本文描述的任何类型的分类器。在510处，最初基于与要被分类的多种断开连接类型中的相应断开连接类型相对应的数据来训练分类器410。一旦对分类器进行了训练，就将其付诸实践以用于监测至少一个监测站与一个或多个医学系统之间的断开连接。在该实施例中，一个或多个医学系统可以包括由执行特定医学相关功能的操作系统或应用控制的一个或多个患者可穿戴设备。
38.在520处，分类器41接收特征集，该特征集包括以预定格式(例如，以包括一个或多个专用于存储对应类型的信息的预定字段的数据包的形式)布置的各种类型的信息。在一个示例实施方式中，数据包可以(例如在预定的标头字段中)包括一个或多个位，其指示已经发生了断开连接。例如，监测站软件可以从临床应用服务器接收该设备处于连接状态或断开连接状态的信息。
39.该特征集可以包括与配备有通过网络连接到监测站(或以其他方式操作监测站或与监测站接口连接以协同工作)的应用的设备有关的以下类别的信息中的全部或部分：(1)临床/医学应用状态，(2)设备状态，以及(3)网络状态。
40.临床/医学应用状态特征可以包括例如与设备中的应用有关的技术特征。患者穿戴式监测器(pwm)设备的技术特征的示例包括：与中央服务器(例如，监测站)断开连接的时间、波数据丢失(例如，应用数据丢失)百分比、波数据恢复(例如，应用数据恢复)活动的量，以及应用和/或设备的操作模式。在一个实施例中，可以将诸如断开连接时间、波数据丢失百分比等特征分成不同的水平或类别。而且，pwm设备可以将实时数据发送到临床应用服务器，以供例如在护士站处进行审查。
41.不同水平或类别的技术特征可以单独使用或与其他特征结合使用，以指示临床/医学应用的不同状态。可以训练分类器以基于这些不同水平或技术特征的不同水平或类别的组合对断开连接的类型进行检测和分类。这些不同水平或类别的示例可以如下所示。
[0042][0043]
除了这些特征之外，在一个或多个实施例中还可能存在时效性因子。该时效性因子可以指示例如在应用断开连接发生之前和/或之后的最后时间段内发生的波数据丢失的百分比。最后时间段的示例包括最后30秒、最后1分钟、最后5分钟和/或最后的其他时间段。
[0044]
对于不同的设备来说，操作模式可能是不同的。例如，可穿戴设备的操作模式可能与要对其断开连接进行分类的其他类型的设备的一种或多种操作模式不同。可穿戴设备的模式的示例包括监测模式、遥测模式、运输模式、待机模式、服务模式或应用软件升级模式。要被监测的其他设备可能具有一种或多种不同的模式。
[0045]
设备状态特征可以与应用的状态分开，并且可以例如与设备的操作特性有关。针对pwm设备的设备状态特征的示例包括电池水平百分比、电池寿命或电荷循环数、中央处理单元(cpu)使用百分比，以及自上次重新启动以来的正常运行时间。不同水平或类别的操作特征可以单独使用或与其他特征结合使用，以指示设备状态的不同状态。可以训练分类器以基于这些不同水平或设备的操作特性的不同水平或类别的组合对断开连接的类型进行检测和分类。这些不同水平或类别的示例可以如下所示。
[0046][0047]
网络统计特征可以被归类为有线统计数据和无线统计数据。pwm实施方式的示例包括：(1)ieee 802.11rx crc错误百分比，(2)ieee 802.11重试百分比，(3)失败的ieee 802.11tx计数百分比，(4)无线电信号水平，(5)ieee 802.11丢失信标计数，(6)网络断开连接次数，(7)tcp/ip重试百分比，(8)tcp/ip rx crc错误百分比，以及(9)最近漫游次数。例如，可以通过无线局域网(wlan)或其他类型的通信网络将该信息和其他信息传送到护士站。不同水平或类别的网络统计特征可以单独使用或与其他特征结合使用，以指示网络的不同状态。可以训练分类器以基于这些不同水平或网络统计数据的不同水平或类别的组合
对断开连接的类型进行检测和分类。这些不同水平或类别的示例可以如下所示，其中，l1对应于第一范围水平或类别，l2对应于第二范围水平或类别，并且l3对应于第三范围水平或类别。
[0048][0049]
在530处，分类器基于在所接收的特征集中的特征和/或其他信息对断开连接的类型进行分类。在一个实施例中，被输入到分类器中的特征集可以只有一个特征，也可以具有特征组合。例如，输入特征集可以具有以下特征组合：分类器被训练为将该特征组合识别为第一断开连接类型。
[0050]
图6图示了用于对输入特征集的断开连接的类型进行分类的分类器410的逻辑流的示例。在图6中，分类器包括与应用状态特征相对应的第一逻辑部分610、与设备状态特征相对应的第二逻辑部分620，以及与网络统计数据相对应的第三逻辑部分630。第一逻辑部分、第二逻辑部分和第三逻辑部分中的每项都包括与上面识别的特征中的相应特征相对应的标记(在这种情况下为圆圈)。一旦计算了分类，分类器410就可以输出指示分类结果的信息640。可以训练分类器以基于不同的输入特征集来识别其他类型的断开连接。
[0051]
应用状态特征
[0052]
·
断开连接时间：第三时间范围
[0053]
·
％波数据丢失：第一丢失范围
[0054]
·
日期恢复：第一范围
[0055]
·
模式：第二模式
[0056]
设备状态特征
[0057]
·
％电池水平：第三％范围
[0058]
·
％cpu使用：第一％范围
[0059]
网络统计特征
[0060]
·
(1)：l1
[0061]
·
(4)：l3
[0062]
·
(5)：l2
[0063]
该示例说明：输入特征不一定要包括所有特征类别中的所有特征。例如，输入特征集针对设备状态类别省去了电池寿命/循环数和重新启动正常运行时间，并且省去了与网络统计类别的特征(2)、(3)、(6)、(7)、(8)和(9)相对应的信息。分类器410为了计算分类而包括并依赖的输入特征集中的特征与图6中的具有连接的逻辑流线650(实线)的部分中的黑暗圆圈相对应。举例来说，另一输入特征集中包括的逻辑流线链接特征与连接的逻辑流线680(虚线)相对应，这样产生了由分类器执行的不同类型的断开连接分类。
[0064]
即使在如上所述省去一些项目的情况下，分类器410也被训练为对指示断开连接类型中的某一种断开连接类型的输入特征集进行分类(例如以计算可能性的形式)。在其他实施例中，分类器410对包括以下数据的输入特征集进行分类：该数据与所有类别的所有特征相对应或与表示少于所有类别的所有特征的特征的不同组合相对应。
[0065]
在一个实施例中，断开连接类型可以部分或完全取决于设备类型。在这种情况下，经分类的断开连接可以仅特定于该设备。例如，当医学系统(设备)是床旁患者监测器时，针对该设备不存在的一种类型的经分类的断开连接是电池更换，因为床旁显示器没有电池。
[0066]
返回图4和图5，在540处，分类器410输出指示分类器确定的输入特征集与之对应的断开连接类型的信息。下面是可以由分类器分类的断开连接类型的示例列表。在其他实施例中，可以使用机器学习技术来生成分类器，以对不同的断开连接类型列表进行分类。
[0067]
断开连接类型1：电池更换
[0068]
断开连接类型2：无线电软件重置
[0069]
断开连接类型3：设备重新启动/看门狗重置
[0070]
断开连接类型4：通断电
[0071]
断开连接类型5：处于待机模式的设备
[0072]
断开连接类型6：应用重新启动
[0073]
断开连接类型7：网络拥堵或其他问题
[0074]
断开连接类型8：设备/患者处于覆盖区之外
[0075]
断开连接类型9：设备停机或服务停止
[0076]
断开连接类型10：设备软件崩溃
[0077]
断开连接类型11：间歇性无线问题
[0078]
断开连接类型12：间歇性有线问题
[0079]
在一个实施例中，分类器可以计算基于输入特征集所分类的断开连接类型的置信度得分。置信度得分可以是100％，例如，当输入特征集中的信息与由分类器识别的针对断开连接类型存储的特征集之间存在精确匹配时。当输入特征集与针对断开连接类型存储的特征集之间没有精确匹配时，分类器可以生成具有对应的置信度得分的可能的断开连接类型的列表。当分类器实施有监督的机器学习算法时，可以例如基于被分配给特征集中的每个特征的系数来生成置信度得分。在一个实施例中，可以通过机器学习算法来计算置信度得分，可以从互联网上获知并获得该机器学习算法的示例教程。可以以预定的顺序对可能的断开连接的列表排列优先级，从最高置信度得分开始。可以将该列表输出在例如监测站处的显示屏上和/或输出到一个或多个预定人员。
[0080]
在550处，一旦分类器将特征集分类为对应于多个预定的断开连接类型(y)的特定的一种断开连接类型，分类器就可以将该信息输入到推荐器420中。在一个实施例中，推荐器可以包括如前所述的基于规则的引擎。基于规则的引擎还可以接收来自分类器410的断开连接的时间戳信息以及指示经分类的断开连接类型的信息。
[0081]
在560处，推荐器420可以处理由分类器分类的断开连接类型，以生成关于要用于经分类的断开连接类型的动作过程的推荐。在一个实施例中，推荐器420可以包括将经分类的断开连接类型匹配到一个或多个预定规则的规则引擎。规则可以指示可以如何管理经分类的断开连接。可以如何管理断开连接的示例包括提供由技术人员使用的关于如何重新建立医学系统到监测站的连接的指令、要被传输给网络管理员和/或医学系统以自动纠正断开连接的指令、向用于纠正断开连接的(远程位置或现场)人员发出通知或警报，指示该设备正处于故障或损害状态并因此需要更换的通知，对设备中的应用需要更新或正以一种或多种方式发生故障的指示和/或用于修复与断开连接相关联的问题的其他推荐。
[0082]
当利用基于规则的引擎进行操作时，推荐器420(例如，在监测站的服务器或工作站处运行应用的处理器)访问数据库并相对于数据库中存储的信息中包括的预定规则集来匹配经分类的断开连接。在一个实施例中，推荐器最初可以基于对断开连接的可采取行动性的严重性和/或可能性来对分类器的结果进行归类。对于不可采取行动的断开连接，推荐器420可以向技术人员提供能够用于可能优化临床工作流程的解释。对于可采取行动的断开连接，推荐系统可以推荐多个预定动作(例如，按规则引擎的规则确定的预定动作)。
[0083]
在一个实施例中，推荐可以(a)提供指令以联系作为设备的开发人员的制造商支持或业务部门，(b)包括一个或多个用于改善网络基础架构的动作，以及(c)对于根本原因尚不清楚的断开连接，(例如使用pca模型)执行额外分析以查找关于在哪里进行进一步调查的相关性。下表提供了更详细的推荐示例的列表，这些推荐可以是推荐器420为各种断开连接类型生成的。
[0084][0085]
当分类器的断开连接类型与输入特征集之间没有精确匹配时，分类器410可以向推荐器420自动输入最可能的断开连接类型(例如，具有最高置信度得分的断开连接类型)。在一个实施例中，分类器可以在监测系统的屏幕上输出经优先级排列的断开连接类型列表，并且技术人员可以选择要输入到推荐器中的断开连接类型。可以输出断开连接的优先列表及其对应推荐以供显示，然后可以存储电子记录以纪念事件并用于跟踪目的。在一个实施例中，可以在工作站计算机上的应用的仪表板上输出断开连接类型和对应推荐，并且可以定期生成报告以允许审查检测到的和经分类的所有断开连接类型。
[0086]
根据前述实施例中的一个或多个实施例，提供了基于机器学习的解决方案，该解决方案对医学设备的应用水平的断开连接进行了分类。然后，医院工作人员、现场服务工程师或其他人员可以使用这些经分类的断开连接，以快速弄清楚需要对其采取行动的断开连
接行为。该解决方案呈以下方法和系统的形式，该方法和系统应用基于模型的机器学习技术来基于输入特征集确定断开连接类型。通过这些技术，该系统和方法能够以无法通过心理过程确定的方式来确定断开连接类型。而且，该系统和方法可以实施推荐器，一旦对断开连接类型进行了分类，该推荐器就(例如使用基于规则的引擎)生成用于解决这种断开连接类型的问题的一个或多个推荐。
[0087]
该系统和方法实施例可以是可扩展的，使得制造商的开发团队可以针对要被监测的每个新的医学系统或设备提供适用于该设备的特征(例如，特征集、数据集、输入参数等)和断开连接类型(标签)。然后可以基于这些特征来训练分类器，从而避免了为每种产品开发专门的代码/模块的需求，并且替代地使用机器学习模型对应用的断开连接类型进行分类。
[0088]
本文描述的系统实施例的方法、过程和操作可以通过由计算机、处理器、控制器或其他信号处理设备运行的代码或指令来执行。根据一个或多个实施例，可以如前所述将代码或指令存储在非瞬态计算机可读介质中。因为详细描述了构成方法(或计算机、处理器、控制器或其他信号处理设备的操作)的基础的算法，所以用于实施方法实施例的操作的代码或指令可以将计算机、处理器、控制器或其他信号处理设备变换成用于执行本文中的方法的专用处理器。
[0089]
本文公开的实施例的处理器、模型、算法、分类器、推荐器、规则引擎和/或其他信号、模式或数据检测、信号生成或信号处理特征可以以逻辑单元来实施，该逻辑单元例如可以包括硬件、软件或这两者。当至少部分地以硬件来实施时，专家系统、处理器、检测器、模型或其他信号、模式或数据检测、信号生成或信号处理特征可以例如是各种各样的集成电路中的任意一种，包括但不限于专用集成电路、现场可编程门阵列、逻辑门的组合、片上系统、微处理器或其他类型的处理或控制电路。
[0090]
当至少部分地以软件来实施时，处理器、模型、算法、分类器、推荐器、规则引擎和/或其他信号、模式或数据检测、信号生成或信号处理特征可以例如包括用于存储要由例如计算机、处理器、微处理器、控制器或其他信号处理设备运行的代码或指令的存储器或其他存储设备。处理器、模型、算法、分类器、推荐器、规则引擎和/或其他信号、模式或数据检测、信号生成或信号处理特征可以是本文描述的那些元件，也可以是除了本文描述的那些元件之外的一个元件。因为详细描述了构成方法(或计算机、处理器、微处理器、控制器或其他信号处理设备的操作)的基础的算法，所以用于实施方法实施例的操作的代码或指令可以将计算机、处理器、控制器或其他信号处理设备变换成用于执行本文中的方法的专用处理器。
[0091]
虽然已经详细描述了各种示例性实施例并且具体参考了其中的某些示例性方面，但是应当理解，本发明能够采用其他示例实施例，并且其细节能够在各种明显方面进行修改。本领域技术人员将容易理解，能够实践变化和修改并同时仍然在本发明的范围内。因此，上述公开内容、描述和附图仅用于说明目的且决不以任何方式限制本发明，本发明仅由权利要求来定义。