[發明專利]用于事件預防和預測的方法、處理器和計算機可讀介質

在審

• 申請號: 202010940112.0
• 申請日: 2020-09-09
• 公開（公告）號: CN112842258A
• 公開（公告）日: 2021-05-28
• 發明（設計）人: 張艷霞;A·吉爾根松;劉瓊;Y·賈亞迪
• 申請（專利權）人: 富士施樂株式會社
• 主分類號: A61B5/00
• 分類號: A61B5/00;A61B5/11
• 代理公司: 北京三友知識產權代理有限公司 11127
• 代理人: 劉久亮;黃綸偉

用于事件預防和預測的方法、處理器和計算機可讀介質。提供了一種計算機實現的方法，該方法包括以下步驟：基于位于環境中的物體上的對象的信息，生成數據流；對于該數據流，提取與對象相對于物體或環境的移動關聯的特征，其中，該移動由從傳感器提取的時空特征表示；基于所提取的特征來生成與移動的可能性關聯的預測，并且基于多個跌倒風險因素生成移動的風險簡檔；以及將預測和風險簡檔應用于規則庫以執行動作。

技術領域

示例實現方式的各方面涉及與通過動作預測、電子健康記錄和個體事件風險簡檔的組合來預防和預測事件關聯的方法、系統和用戶體驗。

背景技術

在現有技術中，人可能從床、椅子或其它物體上跌倒。這種跌倒是可能導致人受傷(例如，輕傷、殘疾或死亡)的顯著問題。在住院或醫院環境中，跌倒和關聯的傷害是患者在住院期間獲得的一些主要狀況。據估計在美國每年有超過1百萬患者在醫院跌倒，占醫院獲得性狀況的85％。此外，29％至55％的患者跌倒導致受傷，與跌倒傷關聯的費用超過300億美元/年。跌倒檢測的現有技術方法可給諸如醫院的醫療設施以及其員工帶來顯著的財物、情感和法律壓力。

解決跌倒問題的現有技術方法聚集于事件檢測方法，例如在床或地板上使用離床報警器或墊，以在患者從床上跌倒之后觸發警報。現有技術方法分析傳感器數據以在發生跌倒之后檢測跌倒。然而，除了傳感器數據之外，存在其它多方面的因素，例如人口統計信息、健康狀況和可能促成跌倒的環境或周圍狀況。

圖1(a)至圖1(c)示出各種現有技術方法。一些現有技術方法基于壓力，使得響應于墊上不存在或存在壓力，觸發報警器。例如，圖1(a)示出定位在睡在床上的患者下方的壓敏墊101，使得當壓力施加到壓敏墊101時，可觸發報警器。然而，該現有技術方法可能具有各種問題和缺點。例如，該現有技術方法是反應式的，無法在患者離開床之前足夠快速地啟用。例如但非限制，由于患者的體重差異和非跌倒移動以及如上所述啟用的不適當定時的問題，基于壓力的現有技術方法可能導致頻繁的虛警。因此，壓力墊檢測患者離開床可能不準確。

另選地，患者可在跌倒時或跌倒后手動地觸發報警器。圖1(b)示出定位在患者可睡在其上的床架上的離床報警器103。其它方法包括隨患者使用保姆，或者完全防止患者移動的床上約束物，如圖1(c)中示出為床上約束物105。

另外，在現有技術中，護士必須將附加資源投入于跌倒風險更高的患者。跌倒風險的評估可基于現有技術風險評估工具，例如摩爾斯(Morse)跌倒量表或運動功能測試(motor test)。然而，該現有技術方法具有各種問題和缺點。例如但非限制，這些風險評估是不可靠的，因為實際上醫院中的所有患者均將被評定為具有高跌倒風險；因此，它不是向具有較高跌倒風險的特定患者分配資源的有用工具。此外，跌倒風險可不僅與移動性有關，而且與現有技術風險評估測試中未覆蓋的其它因素有關。那些其它因素可包括例如周圍環境、醫療過程等。

另外，即使采用現有技術方法的護士投入附加資源，患者也可能在需要干預時不記得或無法呼叫護士。此外，由于風險評估的難度給關于患者何時可能需要干預的規劃帶來挑戰，所以現有技術方法使得難以確定患者護理的優先次序并且區分哪些患者可能需要幫助。

此外，一些現有技術方法可使用運動歷史圖像序列作為視覺特征，并且在用于活動分類的馬爾科夫(Markov)模型中，運動歷史圖像需要手動選擇想要的運動，并且對照明或攝像頭的輕微震動敏感，并且可能錯過細微的人姿勢改變。這些現有技術方法僅聚焦于床上活動，并且沒有使用上下文特征來分析跌倒風險。現有技術方法還應用分段運動歷史，而非這里所描述的密集軌跡或深度學習方法。

發明內容

非限制性示例實現方式的各方面涉及跌倒的預防，更具體地，涉及在跌倒發生之前預見跌倒以便潛在地預防跌倒，而非僅在檢測到跌倒之后對跌倒做出反應。