一种新冠退烧药物用药管理系统的制作方法

1.本发明涉及用药管理技术领域，尤其涉及一种新冠退烧药物用药管理系统。


背景技术：

2.目前，一般通过服用非处方退烧药物进行退烧，包括布洛芬混悬液、对乙酰氨基酚滴剂、阿司匹林等。但是新冠患者通常是按照药物包装盒或说明书上的服用剂量进行服用。但是每个新冠患者的体质不同，同时各新冠患者在不同患病阶段下的患病状况也会不断变化，因此各新冠患者所需退烧药物的用药剂量是实时变化的。当患者服用的退烧药物剂量不足时无法达到良好的退烧效果，当患者服用的退烧药物剂量过多则可能会对自身健康造成损害，因此，在新冠患者无法前往医院的情况下，新冠患者无法精确把控退烧药物的用药剂量，影响新冠患者的退烧效果及自身健康。


技术实现要素：

3.针对现有技术存在的不足，本发明的目的在于提供一种新冠退烧药物用药管理系统，用于提升对退烧药物的用药剂量预测精确度，提升退烧效果。
4.为实现上述目的，本发明提供了如下技术方案：一种新冠退烧药物用药管理系统，包括：
5.病患采集模块，用于实时采集新冠患者的各体质健康参数；
6.药物采集模块，用于采集所述新冠患者使用的退烧药物信息；
7.用药限制模块，分别连接所述病患采集模块和所述药物采集模块，用于根据各所述体质健康参数计算得到一健康指数，进而根据所述健康指数和所述退烧药物信息生成每日的用药上限阈值；
8.存储模块，预先保存有若干标准健康指数及相应的标准用药剂量；
9.模型建立模块，连接所述存储模块，用于引入初始模型，并将若干所述标准健康指数作为输入，将相应的所述标准用药剂量作为输出，训练得到用药剂量预测模型；
10.模型优化模块，分别连接所述用药限制模块、所述存储模块和所述模型建立模块，用于根据所述健康指数和所述用药上限阈值调整预设的收网算法中的开拓系数得到改进收网算法，将各所述标准健康指数作为一结点，计算各结点对应的适应度，并根据各结点收拢至一起时得到的全局最优结点所对应的最佳适应度调整所述用药剂量预测模型的模型参数得到用于根据输入的所述健康指数输出预测用药剂量的优化用药预测模型。
11.进一步地，所述模型优化模块包括：
12.系数调整单元，用于根据所述健康指数、所述用药上限阈值、所述开拓系数建立系数调整公式，并根据所述系数调整公式对所述开拓系数进行调整，同时根据所述用药上限阈值对所述开拓系数的范围进行限制；
13.算法改进单元，连接所述系数调整单元，用于引入所述收网算法，并将调整后的所述开拓系数带入所述收网算法中得到所述改进收网算法；
14.优化调整单元，连接所述算法改进单元，将各所述结点对应的所述标准健康指数输入所述用药剂量优化模型中得到初始预测剂量，根据所述初始预测剂量与所述标准健康指数相对应的所述标准用药剂量建立目标函数以输出所述适应度，根据所述改进收网算法更新各所述结点位置，找到每次收网过程中的适应度最佳的历史最优结点，直至各所述结点向所述历史最优节点收拢至一起时的所述历史最优节点作为所述全局最优结点，并根据所述全局最优结点对应的所述最佳适应度调整所述用药剂量预测模型的模型参数。
15.进一步地，所述系数调整公式配置为：
[0016][0017]
其中，c用于表示所述开拓系数；
[0018]cmax
用于表示预设的开拓系数最大值；c
min
用于表示预设的开拓系数最小值；
[0019]bmi
用于表示所述健康指数；
[0020]uavg
用于表示预设的用药平均值；
[0021]umax
用于表示所述用药上限阈值。
[0022]
进一步地，所述改进收网算法配置为：
[0023][0024]
k用于第k次迭代；
[0025]
k用于表示总迭代次数；
[0026]
x
(k)
表示第k轮迭代时的结点位置；
[0027]
x
(k+1)
表示第k+1轮迭代时的结点位置；
[0028]
x
best
表示所述历史最优结点位置；
[0029]
ξ
(k)
，ζ
(k)
分别表示[0，1]之间的随机数。进一步地，所述目标函数配置为：
[0030][0031]
其中，f(x)用于表示所述适应度；
[0032]
s(i)用于表示所述初始预测剂量；
[0033]
s(i)"用于表示所述标准用药剂量；
[0034]
n用于表示所述标准用药剂量的个数。
[0035]
进一步地，所述体质健康参数包括血氧浓度、人体温度、年龄、心率和体重，所述用药限制模块包括：
[0036]
第一计算单元，用于分别将所述血氧浓度、所述人体温度、所述年龄、所述心率和所述体重输入预设的健康综合计算公式中，得到所述健康指数；
[0037]
第二计算单元，用于提取所述退烧药物信息中的每日的最大服用剂量和最小服用剂量，并将所述最大服用剂量、所述最小服用剂量和所述健康指数带入预设的用药限制公式中，得到所述用药上限阈值。
[0038]
进一步地，所述健康综合计算公式配置为：
[0039][0040]
其中，b
mi
用于表示所述健康指数；
[0041]sp0
用于表示所述血氧浓度；
[0042]bt
用于表示所述人体温度；
[0043]age
用于表示所述年龄；
[0044]hr
用于表示所述心率；
[0045]wei
用于表示所述体重；
[0046]
k1，k2，k3，k4，k5分别用于表示预设的第一系数、第二系数、第三系数、第四系数和第五系数，所述第一系数、所述第二系数、所述第三系数、所述第四系数和所述第五系数均为常数。
[0047]
进一步地，所述用药限制公式配置为：
[0048][0049]
t
max
用于表示最大服用剂量；
[0050]
t
min
用于表示最小服用计量；
[0051]
b1用于表示预设的第一健康阈值；
[0052]
b2用于表示预设的第二健康阈值；
[0053]
b3用于表示预设的第三健康阈值；
[0054]
p
hmax
用于表示所述用药上限阈值。
[0055]
进一步地，还包括预处理模块，分别连接所述病患采集模块、所述药物采集模块和所述用药限制模块，用于对采集到的各所述体质健康参数和所述退烧药物信息依次进行数据预处理，得到预处理过后的各所述体质健康参数和所述退烧药物信息，所述数据预处理过程包括数据清洗，和/或数据集成，和/或数据变换，和/或数据归约。
[0056]
本发明的有益效果：
[0057]
本发明通过病患采集模块和药物采集模块采集得到各体质健康参数和退烧药物信息，进而通过用药限制模块计算得到健康指数和用药上限阈值，模型建立模块利用存储模块中的标准健康指数及相应的标准用药剂量训练得到用药剂量预测模型，进而利用健康指数和用药上限阈值调整开拓系数得到改进收网算法，通过改进收网算法不断收拢结点得到最佳适应度，最终根据最佳适应度动态调整用药剂量预测模型的模型参数，实现了对用药剂量预测模型的精度优化得到优化用药预测模型，该优化用药预测模型能够实现根据输入的健康指数预测输出预测用药剂量，实现了根据新冠患者的体质健康精确预测即将服用的退烧药物的剂量，使得新冠患者能够根据自身的体质健康正确服用退烧药物，提升了退烧治疗效果，避免服药过多损害自身健康。
附图说明
[0058]
图1是本发明中新冠退烧药物用药管理系统的结构示意图。
[0059]
附图标记：1、病患采集模块；2、药物采集模块；3、用药限制模块；31、第一计算单元；32、第二计算单元；4、存储模块；5、模型建立模块；6、模型优化模块；61、系数调整单元；62、算法改进单元；63、优化调整单元；7、预处理模块。
具体实施方式
[0060]
下面结合附图和实施例，对本发明进一步详细说明。其中相同的零部件用相同的附图标记表示。需要说明的是，下面描述中使用的词语“前”、“后”、“左”、“右”、“上”和“下”指的是附图中的方向，词语“底面”和“顶面”、“内”和“外”分别指的是朝向或远离特定部件几何中心的方向。
[0061]
如图1所示，本实施例的一种新冠退烧药物用药管理系统，包括：
[0062]
病患采集模块1，用于实时采集新冠患者的各体质健康参数；
[0063]
药物采集模块2，用于采集新冠患者使用的退烧药物信息；
[0064]
用药限制模块3，分别连接病患采集模块1和药物采集模块2，用于根据各体质健康参数计算得到一健康指数，进而根据健康指数和退烧药物信息生成每日的用药上限阈值；
[0065]
存储模块4，预先保存有若干标准健康指数及相应的标准用药剂量；
[0066]
模型建立模块5，连接存储模块4，用于引入初始模型，并将若干标准健康指数作为输入，将相应的标准用药剂量作为输出，训练得到用药剂量预测模型；
[0067]
模型优化模块6，分别连接用药限制模块3、存储模块4和模型建立模块5，用于根据健康指数和用药上限阈值调整预设的收网算法中的开拓系数得到改进收网算法，将各标准健康指数作为一结点，计算各结点对应的适应度，并根据各结点收拢至一起时得到的全局最优结点所对应的最佳适应度调整用药剂量预测模型的模型参数得到用于根据输入的健康指数输出预测用药剂量的优化用药预测模型。
[0068]
具体地，本实施例中，病患采集模块1可以为新冠患者随身携带的智能佩戴设备或家中备有的医疗检测设备，包括智能手环、体重秤、温度计等。使得新冠患者可以在居家情况下实现对自身的体质健康参数的实时检测。其中体质健康参数包括血氧浓度、人体温度、年龄、心率和体重，血氧浓度、人体温度、年龄、心率和体重可以综合反应患者的新冠感染程度及自身的健康程度。药物采集模块2可以为具有图像识别功能的智能终端，在本实施例中为新冠患者的手机，新冠患者通过手机拍摄退烧药物包装盒或说明书上的包含有退烧药物信息的图片，并利用手机上预先安装的文字识别软件识别得到图片中包含的退烧药物信息，并发送至用药限制模块3。用药限制模块3为具有运算处理功能的智能终端，通过无线通讯的方式与病患采集模块1及药物采集模块2通讯。用药限制模块3在获取到各体质健康参数后通过计算得到用以综合反应新冠患者健康程度的健康参数，然后通过语义识别算法提取退烧药物信息中每日的最大服用剂量和最小服用剂量，最终根据最大服用剂量、最小服用剂量及健康参数处理得到用药上限阈值。其中最大服用剂量、最小服用剂量及用药上限阈值中均默认包含有退烧药物种类，在本实施例中的使用的退烧药物种类是默认固定的，为乙酰氨基酚片。用药剂量预测模型、优化用药预测模型针对预测的都是固定种类的退烧药物的用药剂量。若需要更换退烧药物种类，则需要针对更换的药物种类重新训练模型。模
型建立模块5引入的初始模型为som网络模型，它可以无监督学习，不需要额外标签，同时该模型非常适合高维数据的可视化，能够维持输入空间的拓扑结构，通过使用该模型作为初始模型，能保证最终优化得到的优化用药预测模型的预测准确率和工作效率。模型建立模块5首先引入som网络模型，然后将存储模块4中保存的标准健康指数及相应的标准用药剂量划分为训练集、验证集和测试集。分别将训练集中的标准健康指数和相应的标准用药剂量作为som网络模型的输入和输出，迭代更新som网络模型得到用药剂量预测模型，同时利用测试集中的标准健康指数和相应的标准用药剂量来评估用药剂量预测模型的预测精度，当用药剂量预测模型的预测精度大于90％时停止训练用药剂量预测模型以输出。通过健康指数和用药上限阈值调整收网算法中的开拓系数，由于开拓系数是收拢算法在收拢迭代过程中的关键参数和唯一参数，利用健康指数和用药上限阈值对开拓系数的调整，实现了根据新冠患者自身的健康状态优化收网算法，使得改进后的收网算法更符合新冠患者的实际状况。开拓系数在搜索前期大于1，增加搜索速度，后期小于1，提升搜索精度。改进收网算法的收拢过程包括：初始化网面，将各结点包含的标准健康指数输入用药剂量预测模型中，通过用药剂量预测模型输出初始预测剂量，进而通过初始预测剂量与标准健康指数对应的标准用药剂量建立目标函数，目标函数的输出即为结点的适应度。在收网过程中适应度最小即为最佳适应度，将所有收网过程中的最佳适应度所对应的结点作为历史最优结点，当所有的结点收拢聚集到一起后收网结束，将此时的历史最优结点作为全局最优结点。收网得到全局最优结点时用药剂量预测模型的预测精度达到最高，利用全局最优结点所对应的标准健康指数和相应的标准用药剂量调整用药剂量预测模型的参数(包括学习率和连接权重)，以使得用药剂量预测模型的预测精度无限接近预测精度最高的状态，最终得到参数调整过后的优化用药预测模型，该优化用药预测模型相较于调整之前的用药剂量预测模型，预测精度能到显著提升，预测精度达到98％以上。其中，本技术方案中所选用的新冠退烧药物均为非处方药。
[0069]
本技术方案利用改进收网算法对用药剂量预测模型的模型参数进行进一步调整，实现对用药剂量预测模型的精度优化，最终得到优化过后的优化用药预测模型，该优化用药预测模型能够实现根据输入的健康指数预测输出预测用药剂量，实现了根据新冠患者的体质健康精确预测即将服用的退烧药物的剂量，使得新冠患者能够根据自身的体质健康正确服用退烧药物，提升了退烧治疗效果，避免服药过多损害自身健康。
[0070]
优选的，模型优化模块6包括：
[0071]
系数调整单元61，用于根据健康指数、用药上限阈值、开拓系数建立系数调整公式，并根据系数调整公式对开拓系数进行调整，同时根据用药上限阈值对开拓系数的范围进行限制；
[0072]
算法改进单元62，连接系数调整单元61，用于引入收网算法，并将调整后的开拓系数带入收网算法中得到改进收网算法；
[0073]
优化调整单元63，连接算法改进单元62，将各结点对应的标准健康指数输入用药剂量优化模型中得到初始预测剂量，根据初始预测剂量与标准健康指数相对应的标准用药剂量建立目标函数以输出适应度，根据改进收网算法更新各结点位置，找到每次收网过程中的适应度最佳的历史最优结点，直至各结点向历史最优节点收拢至一起时的历史最优节点作为全局最优结点，并根据全局最优结点对应的最佳适应度调整用药剂量预测模型的模
型参数。
[0074]
优选的，系数调整公式配置为：
[0075][0076]
其中，c用于表示开拓系数；
[0077]cmax
用于表示预设的开拓系数最大值；
[0078]cmin
用于表示预设的开拓系数最小值；
[0079]bmi
用于表示健康指数；
[0080]uavg
用于表示预设的用药平均值；
[0081]umax
用于表示用药上限阈值。
[0082]
具体地，本实施例中，在根据系数调整公式调整开拓系数过程中，利用每日的用药上限阈值和用药平均值限制了范围，避免用药过量损害患者健康，提升了本技术方案的安全性。
[0083]
优选的，改进收网算法配置为：
[0084][0085]
k用于第k次迭代；
[0086]
k用于表示总迭代次数；
[0087]
x
(k)
表示第k轮迭代时的结点位置；
[0088]
x
(k+1)
表示第k+1轮迭代时的结点位置；
[0089]
x
best
表示历史最优结点位置；
[0090]
ξ
(k)
，ζ
(k)
分别表示[0，1]之间的随机数。
[0091]
优选的，目标函数配置为：
[0092][0093]
其中，f(x)用于表示适应度；
[0094]
s(i)用于表示初始预测剂量；
[0095]
s(i)"用于表示标准用药剂量；
[0096]
n用于表示标准用药剂量的个数。
[0097]
优选的，用药限制模块3包括：
[0098]
第一计算单元31，用于分别将血氧浓度、人体温度、年龄和心率输入预设的健康综合计算公式中，得到健康指数；
[0099]
第二计算单元32，用于提取退烧药物信息中的每日的最大服用剂量和最小服用剂量，并将最大服用剂量、最小服用剂量和健康指数带入预设的用药限制公式中，得到用药上限阈值。优选的，健康综合计算公式配置为：
[0100][0101]
其中，b
mi
用于表示健康指数；
[0102]sp0
用于表示血氧浓度；
[0103]bt
用于表示人体温度；
[0104]age
用于表示年龄；
[0105]hr
用于表示心率；
[0106]wei
用于表示体重；
[0107]
k1，k2，k3，k4，k5分别用于表示预设的第一系数、第二系数、第三系数、第四系数和第五系数，第一系数、第二系数、第三系数、第四系数和第五系数均为常数。
[0108]
优选的，用药限制公式配置为：
[0109][0110]
t
max
用于表示最大服用剂量；
[0111]
t
min
用于表示最小服用计量；
[0112]
b1用于表示预设的第一健康阈值；
[0113]
b2用于表示预设的第二健康阈值；
[0114]
b3用于表示预设的第三健康阈值；
[0115]
p
hmax
用于表示用药上限阈值。
[0116]
优选的，还包括预处理模块7，分别连接病患采集模块1、药物采集模块2和用药限制模块3，用于对采集到的各体质健康参数和退烧药物信息依次进行数据预处理，得到预处理过后的各体质健康参数和退烧药物信息，数据预处理过程包括数据清洗，和/或数据集成，和/或数据变换，和/或数据归约。
[0117]
具体地，本实施例中，通过设置预处理模块7，实现了将各体质健康参数和退烧药物信息发送至用药限制模块3之前的多重数据过滤，实现了对各体质健康参数和退烧药物信息的有效筛选，避免无效数据对后续用药限制模块3计算过程中影响计算，减少系统出错，提升鲁棒性。
[0118]
以上仅是本发明的优选实施方式，本发明的保护范围并不仅局限于上述实施例，凡属于本发明思路下的技术方案均属于本发明的保护范围。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理前提下的若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

技术特征：
1.一种新冠退烧药物用药管理系统，其特征在于，包括：病患采集模块(1)，用于实时采集新冠患者的各体质健康参数；药物采集模块(2)，用于采集所述新冠患者使用的退烧药物信息；用药限制模块(3)，分别连接所述病患采集模块(1)和所述药物采集模块(2)，用于根据各所述体质健康参数计算得到一健康指数，进而根据所述健康指数和所述退烧药物信息生成每日的用药上限阈值；存储模块(4)，预先保存有若干标准健康指数及相应的标准用药剂量；模型建立模块(5)，连接所述存储模块(4)，用于引入初始模型，并将若干所述标准健康指数作为输入，将相应的所述标准用药剂量作为输出，训练得到用药剂量预测模型；模型优化模块(6)，分别连接所述用药限制模块(3)、所述存储模块(4)和所述模型建立模块(5)，用于根据所述健康指数和所述用药上限阈值调整预设的收网算法中的开拓系数得到改进收网算法，将各所述标准健康指数作为一结点，计算各结点对应的适应度，并根据各结点收拢至一起时得到的全局最优结点所对应的最佳适应度调整所述用药剂量预测模型的模型参数得到用于根据输入的所述健康指数输出预测用药剂量的优化用药预测模型。2.根据权利要求1所述的新冠退烧药物用药管理系统，其特征在于：所述模型优化模块(6)包括：系数调整单元(61)，用于根据所述健康指数、所述用药上限阈值、所述开拓系数建立系数调整公式，并根据所述系数调整公式对所述开拓系数进行调整，同时根据所述用药上限阈值对所述开拓系数的范围进行限制；算法改进单元(62)，连接所述系数调整单元(61)，用于引入所述收网算法，并将调整后的所述开拓系数带入所述收网算法中得到所述改进收网算法；优化调整单元(63)，连接所述算法改进单元(62)，将各所述结点对应的所述标准健康指数输入所述用药剂量优化模型中得到初始预测剂量，根据所述初始预测剂量与所述标准健康指数相对应的所述标准用药剂量建立目标函数以输出所述适应度，根据所述改进收网算法更新各所述结点位置，找到每次收网过程中的适应度最佳的历史最优结点，直至各述结点向所述历史最优节点收拢至一起时的所述历史最优节点作为所述全局最优结点，并根据所述全局最优结点对应的所述最佳适应度调整所述用药剂量预测模型的模型参数。3.根据权利要求2所述的新冠退烧药物用药管理系统，其特征在于：所述系数调整公式配置为：其中，c用于表示所述开拓系数；c
max
用于表示预设的开拓系数最大值；c
min
用于表示预设的开拓系数最小值；b
mi
用于表示所述健康指数；u
avg
用于表示预设的用药平均值；u
max
用于表示所述用药上限阈值。
4.根据权利要求3所述的新冠退烧药物用药管理系统，其特征在于：所述改进收网算法配置为：k用于第k次迭代；k用于表示总迭代次数；x
(k)
表示第k轮迭代时的结点位置；x
(k+1)
表示第k+1轮迭代时的结点位置；x
best
表示所述历史最优结点位置；ξ
(k)
，ζ
(k)
分别表示[0，1]之间的随机数。5.根据权利要求2所述的新冠退烧药物用药管理系统，其特征在于：所述目标函数配置为：其中，f(x)用于表示所述适应度；s(i)用于表示所述初始预测剂量；s(i)"用于表示所述标准用药剂量；n用于表示所述标准用药剂量的个数。6.根据权利要求1所述的新冠退烧药物用药管理系统，其特征在于：所述体质健康参数包括血氧浓度、人体温度、年龄、心率和体重，所述用药限制模块(3)包括：第一计算单元(31)，用于分别将所述血氧浓度、所述人体温度、所述年龄、所述心率和所述体重输入预设的健康综合计算公式中，得到所述健康指数；第二计算单元(32)，用于提取所述退烧药物信息中的每日的最大服用剂量和最小服用剂量，并将所述最大服用剂量、所述最小服用剂量和所述健康指数带入预设的用药限制公式中，得到所述用药上限阈值。7.根据权利要求6所述的新冠退烧药物用药管理系统，其特征在于：所述健康综合计算公式配置为：其中，b
mi
用于表示所述健康指数；s
p0
用于表示所述血氧浓度；b
t
用于表示所述人体温度；a
ge
用于表示所述年龄；h
r
用于表示所述心率；w
ei
用于表示所述体重；k1，k2，k3，k4，k5分别用于表示预设的第一系数、第二系数、第三系数、第四系数和第五系数，所述第一系数、所述第二系数、所述第三系数、所述第四系数和所述第五系数均为常数。
8.根据权利要求6所述的新冠退烧药物用药管理系统，其特征在于：所述用药限制公式配置为：t
max
用于表示最大服用剂量；t
min
用于表示最小服用计量；b1用于表示预设的第一健康阈值；b2用于表示预设的第二健康阈值；b3用于表示预设的第三健康阈值；p
hmax
用于表示所述用药上限阈值。9.根据权利要求1所述的新冠退烧药物用药管理系统，其特征在于：还包括预处理模块(7)，分别连接所述病患采集模块(1)、所述药物采集模块(2)和所述用药限制模块(3)，用于对采集到的各所述体质健康参数和所述退烧药物信息依次进行数据预处理，得到预处理过后的各所述体质健康参数和所述退烧药物信息，所述数据预处理过程包括数据清洗，和/或数据集成，和/或数据变换，和/或数据归约。

技术总结
本发明公开了一种新冠退烧药物用药管理系统，包括病患采集模块实时采集新冠患者的各体质健康参数；药物采集模块采集退烧药物信息；用药限制模块根据各体质健康参数计算得到健康指数，根据健康指数和退烧药物信息生成用药上限阈值；存储模块预先保存有若干标准健康指数及标准用药剂量；模型建立模块引入初始模型，并将若干标准健康指数作为输入，将相应的标准用药剂量作为输出训练得到用药剂量预测模型；模型优化模块根据健康指数和用药上限阈值调整开拓系数得到改进收网算法，根据最佳适应度调整用药剂量预测模型的模型参数得到用于根据输入的健康指数输出预测用药剂量的优化用药预测模型。本发明提升了对退烧药物的用药剂量预测精确度。药剂量预测精确度。药剂量预测精确度。


技术研发人员：陈军雄 陈志君 张国斌 叶彬煜 叶杨鑫 闵云旭
受保护的技术使用者：杭州雷公锤信息科技有限公司
技术研发日：2023.02.23
技术公布日：2023/7/26