多感应交互式医用刷手池控制方法及集成刷手池与流程

本发明涉及数据处理，尤其涉及一种多感应交互式医用刷手池控制方法及集成刷手池。

背景技术：

1、规范的刷手流程是对医护人员的日常工作安全的保证，也是对医院内部的污染传播的重要预防手段，能有效预防和控制病原体传播，防治术后感染或传播的发生。但现有的刷手池设备或控制技术，没有充分考虑到利用红外传感器以及数据处理来监控用户行为并及时对不规范的刷手行为进行警示，因此无法实现更加智能的刷手池服务，其安全防护功能也较弱。可见，现有技术存在缺陷，亟待解决。

技术实现思路

1、本发明所要解决的技术问题在于，提供一种多感应交互式医用刷手池控制方法及集成刷手池，能够有效提高用户的刷手行为的规范程度，为用户带来更智能更便捷的刷手池使用体验，减少医疗事故的发生。

2、为了解决上述技术问题，本发明第一方面公开了一种多感应交互式医用刷手池控制方法，所述方法包括：

3、通过设置在刷手池的多个区域的多个红外传感器，获取多个红外信号数据；

4、根据所述红外信号数据和对应的所述区域，基于预设的数据匹配规则，确定当前用户的使用参数；

5、根据所述使用参数对应的流程数据规则以及所述红外信号数据，判断所述当前用户的刷手行为是否规范；

6、在判断到所述刷手行为不规范时，发送警示信息至所述刷手池的智能镜进行显示。

7、作为一个可选的实施方式，在本发明第一方面中，所述区域为镜子区域、洗手液区域、水龙头区域、消毒纸巾区域、刷手刷区域、水池区域、消毒下水器区域或医疗垃圾桶区域。

8、作为一个可选的实施方式，在本发明第一方面中，所述使用参数包括使用人员类型和使用场景；所述使用人员类型为主刀医生、门诊医生、护士、护工、患者或患者陪同人士；所述使用场景为手术前场景、手术后场景、护理前场景、护理后场景或日常流程场景。

9、作为一个可选的实施方式，在本发明第一方面中，所述根据所述红外信号数据和对应的所述区域，基于预设的数据匹配规则，确定当前用户的使用参数，包括：

10、筛选出所述红外信号数据中对应的所述区域属于特征识别区域的所有红外信号数据，得到特征识别数据集合；所述特征识别区域包括镜子区域、水池区域、消毒下水器区域和医疗垃圾桶区域；

11、将所述特征识别数据集合输入至训练好的人员类型分类器，得到当前用户对应的使用人员类型；所述人员类型分类器通过包括有多个训练特征识别数据集合和对应的人员类型标注的训练数据集训练得到；

12、将所述使用人员类型和所述红外信号数据，输入至训练好的使用场景预测神经网络中，以得到所述当前用户对应的使用场景。

13、作为一个可选的实施方式，在本发明第一方面中，所述将所述使用人员类型和所述红外信号数据，输入至训练好的使用场景预测神经网络中，以得到所述当前用户对应的使用场景，包括：

14、将所有所述红外信号数据按信号获取时间点从早到晚进行排列得到信号数据序列；

15、将所述信号数据序列和所述使用人员类型，输入至训练好的rnn神经网络中，以得到输出的使用场景；所述rnn神经网络通过包括有多个训练红外数据系列和对应的使用人员类型标注和使用场景标注的训练数据集训练得到。

16、作为一个可选的实施方式，在本发明第一方面中，所述根据所述使用参数对应的流程数据规则以及所述红外信号数据，判断所述当前用户的刷手行为是否规范，包括：

17、根据所述使用参数，确定出对应的规范预测神经网络模型和预设的数据序列规则；所述数据序列规则包括多个按次序排列的区域类型和对应的红外信号数据的时间值参考值和信号强度值参考值；

18、计算所述信号数据序列与所述数据序列规则之间的第一相似度参数；

19、将所述信号数据序列输入至所述规范预测神经网络模型，以得到规范预测值参数；

20、计算所述第一相似度参数和所述规范预测值参数之间的加权求和平均值，以得到规范参数；

21、在所述规范参数小于预设的参数阈值时，确定所述当前用户的刷手行为不规范。

22、作为一个可选的实施方式，在本发明第一方面中，所述规范预测神经网络模型通过以下步骤确定：

23、对于历史数据库中的每一标准刷手行为对应的历史红外信号数据序列，确定该历史红外信号数据序列对应的历史使用参数；

24、计算所述历史使用参数和所述使用参数之间的参数相似度；

25、将所有所述参数相似度大于相似度阈值的所述历史红外信号数据序列确定为正样本数据集；

26、根据所述正样本数据集，基于空白数据填充和替换操作，确定出对应的负样本数据集；

27、将所述正样本数据集和所述负样本数据集输入至cnn网络的神经网络模型中，并基于l1损失函数进行训练，基于梯度下降算法进行模型参数的优化直至收敛，得到所述规范预测神经网络模型。

28、作为一个可选的实施方式，在本发明第一方面中，所述发送警示信息至所述刷手池的智能镜进行显示，包括：

29、对于每一所述区域，计算所述信号数据系列中该区域对应的红外信号数据的获取时间点与所述数据序列规则中对应区域的所述时间值参考值之间的时间差值；

30、计算所述信号数据系列中该区域对应的红外信号数据的信号强度值和所述数据序列规则中对应区域的所述信号强度值参考值之间的强度差值；

31、计算所述时间差值和所述强度差值的加权求和平均值，以得到该区域对应的区域差别参数；

32、将所有所述区域差别参数大于预设的差别阈值的所述区域，确定为错误区域；所述差别阈值和所述第一相似度参数成正比；

33、生成包括有对所述错误区域进行警示的警示信息，发送至所述刷手池的智能镜进行显示。

34、本发明实施例第二方面公开了一种多感应交互式医用刷手池控制系统，所述系统包括：

35、获取模块，用于通过设置在刷手池的多个区域的多个红外传感器，获取多个红外信号数据；

36、确定模块，用于根据所述红外信号数据和对应的所述区域，基于预设的数据匹配规则，确定当前用户的使用参数；

37、判断模块，用于根据所述使用参数对应的流程数据规则以及所述红外信号数据，判断所述当前用户的刷手行为是否规范；

38、显示模块，用于在判断到所述刷手行为不规范时，发送警示信息至所述刷手池的智能镜进行显示。

39、作为一个可选的实施方式，在本发明第二方面中，所述区域为镜子区域、洗手液区域、水龙头区域、消毒纸巾区域、刷手刷区域、水池区域、消毒下水器区域或医疗垃圾桶区域。

40、作为一个可选的实施方式，在本发明第二方面中，所述使用参数包括使用人员类型和使用场景；所述使用人员类型为主刀医生、门诊医生、护士、护工、患者或患者陪同人士；所述使用场景为手术前场景、手术后场景、护理前场景、护理后场景或日常流程场景。

41、作为一个可选的实施方式，在本发明第二方面中，所述根据所述红外信号数据和对应的所述区域，基于预设的数据匹配规则，确定当前用户的使用参数，包括：

42、筛选出所述红外信号数据中对应的所述区域属于特征识别区域的所有红外信号数据，得到特征识别数据集合；所述特征识别区域包括镜子区域、水池区域、消毒下水器区域和医疗垃圾桶区域；

43、将所述特征识别数据集合输入至训练好的人员类型分类器，得到当前用户对应的使用人员类型；所述人员类型分类器通过包括有多个训练特征识别数据集合和对应的人员类型标注的训练数据集训练得到；

44、将所述使用人员类型和所述红外信号数据，输入至训练好的使用场景预测神经网络中，以得到所述当前用户对应的使用场景。

45、作为一个可选的实施方式，在本发明第二方面中，所述确定模块将所述使用人员类型和所述红外信号数据，输入至训练好的使用场景预测神经网络中，以得到所述当前用户对应的使用场景的具体方式，包括：

46、将所有所述红外信号数据按信号获取时间点从早到晚进行排列得到信号数据序列；

47、将所述信号数据序列和所述使用人员类型，输入至训练好的rnn神经网络中，以得到输出的使用场景；所述rnn神经网络通过包括有多个训练红外数据系列和对应的使用人员类型标注和使用场景标注的训练数据集训练得到。

48、作为一个可选的实施方式，在本发明第二方面中，所述判断模块根据所述使用参数对应的流程数据规则以及所述红外信号数据，判断所述当前用户的刷手行为是否规范的具体方式，包括：

49、根据所述使用参数，确定出对应的规范预测神经网络模型和预设的数据序列规则；所述数据序列规则包括多个按次序排列的区域类型和对应的红外信号数据的时间值参考值和信号强度值参考值；

50、计算所述信号数据序列与所述数据序列规则之间的第一相似度参数；

51、将所述信号数据序列输入至所述规范预测神经网络模型，以得到规范预测值参数；

52、计算所述第一相似度参数和所述规范预测值参数之间的加权求和平均值，以得到规范参数；

53、在所述规范参数小于预设的参数阈值时，确定所述当前用户的刷手行为不规范。

54、作为一个可选的实施方式，在本发明第二方面中，所述规范预测神经网络模型通过以下步骤确定：

55、对于历史数据库中的每一标准刷手行为对应的历史红外信号数据序列，确定该历史红外信号数据序列对应的历史使用参数；

56、计算所述历史使用参数和所述使用参数之间的参数相似度；

57、将所有所述参数相似度大于相似度阈值的所述历史红外信号数据序列确定为正样本数据集；

58、根据所述正样本数据集，基于空白数据填充和替换操作，确定出对应的负样本数据集；

59、将所述正样本数据集和所述负样本数据集输入至cnn网络的神经网络模型中，并基于l1损失函数进行训练，基于梯度下降算法进行模型参数的优化直至收敛，得到所述规范预测神经网络模型。

60、作为一个可选的实施方式，在本发明第二方面中，所述显示模块发送警示信息至所述刷手池的智能镜进行显示的具体方式，包括：

61、对于每一所述区域，计算所述信号数据系列中该区域对应的红外信号数据的获取时间点与所述数据序列规则中对应区域的所述时间值参考值之间的时间差值；

62、计算所述信号数据系列中该区域对应的红外信号数据的信号强度值和所述数据序列规则中对应区域的所述信号强度值参考值之间的强度差值；

63、计算所述时间差值和所述强度差值的加权求和平均值，以得到该区域对应的区域差别参数；

64、将所有所述区域差别参数大于预设的差别阈值的所述区域，确定为错误区域；所述差别阈值和所述第一相似度参数成正比；

65、生成包括有对所述错误区域进行警示的警示信息，发送至所述刷手池的智能镜进行显示。

66、本发明第三方面公开了一种集成刷手池，所述集成刷手池包括刷手池本体和控制装置；所述刷手池本体的多个位置设置有红外线传感器，所述刷手池本体包括镜子设备、智能镜、洗手液设备、水龙头设备、消毒纸巾设备、刷手刷设备、水池设备、消毒下水器设备和医疗垃圾桶设备；所述控制装置包括：

67、存储有可执行程序代码的存储器；

68、与所述存储器耦合的处理器，所述处理器通信连接至所述智能镜和所述红外线传感器；

69、所述处理器调用所述存储器中存储的所述可执行程序代码，执行如权利要求1-8任一项所述的多感应交互式医用刷手池控制方法。

70、本发明第四方面公开了一种计算机存储介质，所述计算机存储介质存储有计算机指令，所述计算机指令被调用时，用于执行本发明第一方面公开的多感应交互式医用刷手池控制方法中的部分或全部步骤。

71、与现有技术相比，本发明实施例具有以下有益效果：

72、本发明能够通过设置在刷手池的多个区域的多个红外传感器充分获取能够表征用户行为的红外数据，并以此确定用户的使用参数以及判断行为是否规范，以及时进行警示，从而能够有效提高用户的刷手行为的规范程度，为用户带来更智能更便捷的刷手池使用体验，减少医疗事故的发生。

技术特征：

1.一种多感应交互式医用刷手池控制方法，其特征在于，所述方法包括：

2.根据权利要求1所述的多感应交互式医用刷手池控制方法，其特征在于，所述区域为镜子区域、洗手液区域、水龙头区域、消毒纸巾区域、刷手刷区域、水池区域、消毒下水器区域或医疗垃圾桶区域。

3.根据权利要求2所述的多感应交互式医用刷手池控制方法，其特征在于，所述使用参数包括使用人员类型和使用场景；所述使用人员类型为主刀医生、门诊医生、护士、护工、患者或患者陪同人士；所述使用场景为手术前场景、手术后场景、护理前场景、护理后场景或日常流程场景。

4.根据权利要求3所述的多感应交互式医用刷手池控制方法，其特征在于，所述根据所述红外信号数据和对应的所述区域，基于预设的数据匹配规则，确定当前用户的使用参数，包括：

5.根据权利要求4所述的多感应交互式医用刷手池控制方法，其特征在于，所述将所述使用人员类型和所述红外信号数据，输入至训练好的使用场景预测神经网络中，以得到所述当前用户对应的使用场景，包括：

6.根据权利要求5所述的多感应交互式医用刷手池控制方法，其特征在于，所述根据所述使用参数对应的流程数据规则以及所述红外信号数据，判断所述当前用户的刷手行为是否规范，包括：

7.根据权利要求6所述的多感应交互式医用刷手池控制方法，其特征在于，所述规范预测神经网络模型通过以下步骤确定：

8.根据权利要求6所述的多感应交互式医用刷手池控制方法，其特征在于，所述发送警示信息至所述刷手池的智能镜进行显示，包括：

9.一种多感应交互式医用刷手池控制系统，其特征在于，所述系统包括：

10.一种集成刷手池，其特征在于，所述集成刷手池包括刷手池本体和控制装置；所述刷手池本体的多个位置设置有红外线传感器，所述刷手池本体包括镜子设备、智能镜、洗手液设备、水龙头设备、消毒纸巾设备、刷手刷设备、水池设备、消毒下水器设备和医疗垃圾桶设备；所述控制装置包括：

技术总结
本发明公开了一种多感应交互式医用刷手池控制方法及集成刷手池，该方法包括：通过设置在刷手池的多个区域的多个红外传感器，获取多个红外信号数据；根据所述红外信号数据和对应的所述区域，基于预设的数据匹配规则，确定当前用户的使用参数；根据所述使用参数对应的流程数据规则以及所述红外信号数据，判断所述当前用户的刷手行为是否规范；在判断到所述刷手行为不规范时，发送警示信息至所述刷手池的智能镜进行显示。可见，本发明能够有效提高用户的刷手行为的规范程度，为用户带来更智能更便捷的刷手池使用体验，减少医疗事故的发生。

技术研发人员：王勇刚,许建旺,王妍,杨智幸,周梦凡,张国喜
受保护的技术使用者：广东热浪新材料科技有限公司
技术研发日：
技术公布日：2024/9/23