慢阻肺患者家庭护理关键技术研究及应用
发布时间:2020-04-23 22:45
【摘要】:慢阻肺的病程被划分为急性加重期和稳定期。大多数医生和患者比较重视急性加重期的病情控制,而忽略了稳定期的康复治疗和管理,从而导致急性加重的次数增加,病情恶化。目前,国内外对于慢阻肺家庭护理系统的研究仍然处于起步阶段,大多数的研究主要停留在监测患者的生理指标阶段,而忽略对患者整个家庭护理过程的管理。为此,本文提出了慢阻肺综合护理路径和急性加重预警模型,旨在为不同病情的慢阻肺患者提供个性化的家庭护理计划和急性加重预警,并在此基础上设计了慢阻肺家庭护理系统。本文的主要工作包括以下几个方面:1.提出以患者为中心的家庭综合护理路径。综合护理路径是一种以促进患者自我管理为目的,以患者为中心的家庭护理方法。该方法将患者产生的数据与患者严重等级的自动评估关联起来,然后将评估报告发送给临床医生对患者的严重等级进行确认,并基于综合评估结果为患者提供个性化的家庭护理计划。最后,通过具体的案例,完成对个性化护理计划生成算法的有效性验证;2.提出评估慢阻肺患者严重等级的综合评估模型。本文通过加权投票的方式将线性核支持向量机和随机森林分类器集成起来构造集成分类器,从而实现对患者的严重等级进行综合评估。通过实验,慢阻肺综合评估模型已经在812条被医生标注的患者数据集上进行了验证,并获得了令人比较满意的结果;3.提出慢阻肺患者个体化急性加重预警模型。急性加重预警模型通过检测与慢阻肺病情加重的相关事件的发生,触发警告和报警,以便能够及时对患者病情恶化进行干预。本文利用着色Petri网来反映患者状态随时间推移的动态变化,并给出了触发警告和报警约束条件的个体化自由参数估计算法。利用20组患者的数据,验证了个体化急性加重预警模型的有效性;4.基于综合护理路径和急性加重预警模型,设计了慢阻肺家庭护理系统的体系结构、软件架构、服务流程及数据模型,并给出了慢阻肺家庭护理系统原型。
【图文】:
第 2 章 相关技术基础2.1 个人健康技术个人健康技术使用个人移动设备和后端服务器进行健康和行为相关的数据采样,处理,可视化和反馈。个人健康技术是一类与人们健康问题相关的普适计算系统的统称。通用的个人健康技术体系结构是由两个主要的节点组成,即带有传感器的移动设备和基础设施,如图 2.1 所示[40]。带有传感器的移动设备通常是具有嵌入式传感器的智能电话或者与身体穿戴或环境传感器通信的智能手机。基础设施通常是一个可扩展的基于云的服务。个人健康技术体系结构包含三种成分:圆角矩形组件为特定操作系统和传感器系统设备;三维矩形组件为移动数据管理和同步通用组件;而矩形组件为专为特定的个人卫生技术应用的核心组件。
硕士学位论文9图 2.2 总体分类过程示意图2.2.1 支持向量机支持向量机(SVM)的起源可以追溯到 20 世纪 90 年代。SVM 是基于统计学理论的一种机器学习算法。支持向量机模型的分类原则是结构风险最小化准则。SVM 与其它分类算法相比,在样本数据量较少的情况下,仍然能得到较满意的结果。支持向量机对新样本有很好的适应能力,,使其能够在最常用、效果最好的分类器中占有一席之地。追根究底,这是由支持向量机的分类原则决定的。另外,SVM 通过引入核映射方法,能有效地解决高维难题和非线性问题。图 2.3 反映了 SVM 在线性可分的情况下的核心思想[41]。粗直线表示用来分隔右上方的小圆圈和左下方的小方块的最大超平面。最优分类面即是使得两个点集到该平面的最小距离最大的平面。利用最优分类面把不同类别的样本数据分隔开来。图 2.3SVM 最大超平面假设分类面方程为:f ( x) x b(2.1)
【学位授予单位】:湖南大学
【学位级别】:硕士
【学位授予年份】:2018
【分类号】:R473.5
本文编号:2638236
【图文】:
第 2 章 相关技术基础2.1 个人健康技术个人健康技术使用个人移动设备和后端服务器进行健康和行为相关的数据采样,处理,可视化和反馈。个人健康技术是一类与人们健康问题相关的普适计算系统的统称。通用的个人健康技术体系结构是由两个主要的节点组成,即带有传感器的移动设备和基础设施,如图 2.1 所示[40]。带有传感器的移动设备通常是具有嵌入式传感器的智能电话或者与身体穿戴或环境传感器通信的智能手机。基础设施通常是一个可扩展的基于云的服务。个人健康技术体系结构包含三种成分:圆角矩形组件为特定操作系统和传感器系统设备;三维矩形组件为移动数据管理和同步通用组件;而矩形组件为专为特定的个人卫生技术应用的核心组件。
硕士学位论文9图 2.2 总体分类过程示意图2.2.1 支持向量机支持向量机(SVM)的起源可以追溯到 20 世纪 90 年代。SVM 是基于统计学理论的一种机器学习算法。支持向量机模型的分类原则是结构风险最小化准则。SVM 与其它分类算法相比,在样本数据量较少的情况下,仍然能得到较满意的结果。支持向量机对新样本有很好的适应能力,,使其能够在最常用、效果最好的分类器中占有一席之地。追根究底,这是由支持向量机的分类原则决定的。另外,SVM 通过引入核映射方法,能有效地解决高维难题和非线性问题。图 2.3 反映了 SVM 在线性可分的情况下的核心思想[41]。粗直线表示用来分隔右上方的小圆圈和左下方的小方块的最大超平面。最优分类面即是使得两个点集到该平面的最小距离最大的平面。利用最优分类面把不同类别的样本数据分隔开来。图 2.3SVM 最大超平面假设分类面方程为:f ( x) x b(2.1)
【学位授予单位】:湖南大学
【学位级别】:硕士
【学位授予年份】:2018
【分类号】:R473.5
【参考文献】
相关期刊论文 前5条
1 涂景梅;;护理干预对慢阻肺再入院率和肺功能的影响[J];国际护理学杂志;2016年12期
2 马豪;陈荃;秦盼盼;王岩;单政;;国内外远程医疗技术发展状况及相关问题分析[J];医学信息学杂志;2014年12期
3 鞠庆梅;;家庭远程医疗与家庭访视的研究现状[J];护理研究;2014年34期
4 ;慢性阻塞性肺疾病诊治指南(2013年修订版)(一)[J];全科医学临床与教育;2013年05期
5 叶长广;;慢阻肺治疗最新进展[J];北方药学;2012年05期
相关博士学位论文 前1条
1 程丽丽;支持向量机集成学习算法研究[D];哈尔滨工程大学;2009年
相关硕士学位论文 前4条
1 胡立新;基于ARM的医疗终端的研究与设计[D];兰州交通大学;2015年
2 卞晨;基于ZigBee技术的无线社区远程医疗监护系统研究[D];合肥工业大学;2014年
3 戴仲岩;反射式脉搏血氧动态监测系统的设计及关键技术研究[D];中南大学;2012年
4 董伟;变邻域搜索算法研究及在组合优化中的应用[D];辽宁工程技术大学;2011年
本文编号:2638236
本文链接:https://www.wllwen.com/linchuangyixuelunwen/2638236.html
最近更新
教材专著