[發明專利]事件處理方法、裝置、電子設備及存儲介質

在審

• 申請號: 202011223233.X
• 申請日: 2020-11-05
• 公開（公告）號: CN112382394A
• 公開（公告）日: 2021-02-19
• 發明（設計）人: 宋鵬;李俊博;陳方印;辛毅;周曉駿;徐勝;周孟齊
• 申請（專利權）人: 蘇州麥迪斯頓醫療科技股份有限公司
• 主分類號: G16H50/50
• 分類號: G16H50/50;G16H50/30;G16H50/20;G06K9/62
• 代理公司: 北京品源專利代理有限公司 11332
• 代理人: 孟金喆

1.一種事件處理方法，其特征在于，包括：

基于第一預設時長間隔，獲取目標事件，所述目標事件中包括第一預設時長內的目標血壓關聯數據；

將所述目標血壓關聯數據輸入至預先訓練好的目標低血壓預測評估模型中，得到與所述目標血壓關聯數據相對應的血壓評估結果；

根據所述血壓評估結果，確定所述目標事件的事件處理結果。

2.根據權利要求1所述的方法，其特征在于，還包括：

基于訓練樣本數據，對至少一個待訓練低血壓預測評估模型進行訓練，得到至少一個待使用低血壓預測評估模型；

針對各個待使用低血壓預測評估模型，將測試樣本數據集中的測試樣本數據，輸入至當前待使用低血壓預測評估模型，得到每個測試樣本數據相對應的實際輸出結果；所述測試樣本數據中包括測試血壓關聯參數和設定輸出結果；

根據所述實際輸出結果以及相應的設定輸出結果，確定所述當前待使用低血壓預測評估模型的準確率；

根據各個待使用低血壓預測評估模型的準確率，確定所述目標低血壓預測評估模型；

所述目標低血壓預測評估模型，用于確定與輸入數據相對應的血壓評估結果。

3.根據權利要求2所述的方法，其特征在于，所述基于訓練樣本數據，對至少一個待訓練低血壓預測評估模型進行訓練，得到至少一個待使用低血壓預測評估模型，包括：

獲取訓練樣本數據集，所述訓練樣本數據集中包括多個訓練樣本數據，所述訓練樣本數據中包括正樣本數據和負樣本數據；所述正樣本數據為低血壓；

針對每個待訓練低血壓預測評估模型，將訓練樣本數據的訓練血壓關聯數據作為當前待訓練血壓預測評估模型的輸入，得到與所述訓練樣本數據相對應輸出評估值；

基于所述輸出評估值與所述訓練樣本數據的設定輸出值，計算所述待訓練低血壓預測評估模型中損失函數的損失值，基于所述損失值，調整所述待訓練低血壓預測評估模型中的網絡參數；

將所述損失函數達到收斂作為訓練目標，對所述待訓練血壓預測評估模型進行訓練，得到待校驗低血壓預測評估模型；

根據校驗樣本數據，對所述待校驗低血壓預測評估模型進行校驗，基于校驗結果，得到所述待使用低血壓預測評估模型。

4.根據權利要求3所述的方法，其特征在于，所述根據校驗樣本數據，對所述待校驗低血壓預測評估模型進行校驗，基于校驗結果，得到所述待使用低血壓預測評估模型，包括：

將每個校驗樣本數據輸入至所述待校驗低血壓預測評估模型中，得到每個校驗樣本數據相對應的參考輸出結果；

根據所述參考輸出結果，以及所述校驗樣本數據中的設定輸出結果，確定所述待校驗低血壓預測評估模型的準確率；

當所述準確率低于預設準確率閾值，則將所述待校驗低血壓預測評估模型作為待訓練低血壓預測評估模型并進行訓練，直至所述待訓練低血壓預測評估模型輸出結果的準確率高于所述預設準確率閾值。

5.根據權利要求2所述的方法，其特征在于，還包括：確定樣本數據；

所述確定樣本數據包括：

基于生命體征監護設備采集與每個用戶相對應的一組原始血壓關聯參數；

針對每組原始血壓關聯參數，基于當前原始血壓關聯參數，確定第二預設時長內目標參數值低于預設參數閾值時，確定所述原始血壓關聯參數為所述目標參數的起始時刻；

根據所述起始時刻、預先設置至少一個樣本采樣間隔以及采樣頻次，獲取待使用血壓關聯參數，根據所述待使用血壓關聯參數生成所述樣本數據，以根據所述樣本數據訓練所述待訓練低血壓預測評估模型。