本發(fā)明屬于醫(yī)療保健學領域，具體的說是基于增強現(xiàn)實的護理信息共享系統(tǒng)及方法。

背景技術：

1、在醫(yī)療保健領域中，通過云計算技術來共享和管理患者的康復信息，能夠提高護理效率和質量，在患者接受康復治療期間，通過各種醫(yī)療設備和傳感器收集患者的健康數(shù)據(jù)，將收集到的數(shù)據(jù)上傳到云端服務器進行分析和共享，能夠實現(xiàn)資源的優(yōu)化配置，并促進患者的快速康復；

2、但是現(xiàn)有技術在護理信息共享過程中，無法根據(jù)歷史護理過程數(shù)據(jù)和護理效果數(shù)據(jù)構建護理過程預測模型，從而無法為各種癥狀不同的患者提供最合適的護理位置的護理動作和護理力度，不適宜的護理動作和護理力度易導致患者發(fā)生二次損傷，進而導致降低了護理過程中的安全性和護理效果，現(xiàn)有技術中大多存在上述問題；

3、例如在申請公開號為cn118197521a的中國專利中公開一種用于臨床護理的康復信息云共享方法，涉及信息共享技術領域，將患者的康復信息劃分為不同的信息種類后進行分散式云端存儲，獲得不同信息種類的康復信息的錨定標準和錨定差距，利用錨定差距對康復信息進行匿名化處理，獲得患者之間的信息相似度并構建患者的參考康復組，在參考康復組內獲得患者在不同信息種類下的參考康復信息及其康復信息差距，對所獲得的康復信息差距進行傳輸，根據(jù)所接收的康復信息差距和當前康復信息獲得參考康復信息；通過該發(fā)明的技術方案，能夠對患者隱私形成有效的保護，提高患者信息的安全性，能夠利用信息相似的其他患者的康復信息對當前患者的康復過程形成有效的參考，降低康復信息在共享過程中的泄露風險；

4、以上專利均存在本背景技術提出的問題，為了解決本背景技術提出的問題，本技術設計了基于增強現(xiàn)實的護理信息共享系統(tǒng)及方法。

技術實現(xiàn)思路

1、針對現(xiàn)有技術的不足，本發(fā)明提出了基于增強現(xiàn)實的護理信息共享系統(tǒng)及方法。

2、為實現(xiàn)上述目的，本發(fā)明提供如下技術方案：基于增強現(xiàn)實的護理信息共享方法，其包括以下具體步驟：

3、獲取歷史護理位置的護理動作和護理力度數(shù)據(jù)，同時獲取歷史護理過程中的身體變化數(shù)據(jù)；

4、獲取實時患者的身體變化數(shù)據(jù)導入身體異常值分析策略中進行實時身體異常分析；

5、根據(jù)歷史護理位置的護理動作、護理力度數(shù)據(jù)和歷史護理過程中的身體變化數(shù)據(jù)構建護理過程預測模型；

6、將患者實時身體異常分析結果導入構建的護理過程預測模型輸出最合適的護理位置的護理動作和護理力度數(shù)據(jù)；

7、護理人員根據(jù)輸出的最合適的護理位置的護理動作和護理力度數(shù)據(jù)進行護理操作。

8、作為基于增強現(xiàn)實的護理信息共享方法的優(yōu)選技術方案，所述獲取歷史護理位置的護理動作和護理力度數(shù)據(jù)，同時獲取歷史護理過程中的身體變化數(shù)據(jù)的具體步驟為：

9、s11、獲取歷史護理過程中的護理位置數(shù)據(jù)、對應各個護理位置的護理動作數(shù)據(jù)和各個護理位置的護理力度數(shù)據(jù)，儲存在第一儲存組件中；

10、s12、獲取歷史護理患者護理前的患者身體數(shù)據(jù)，同時獲取護理患者護理后的患者身體數(shù)據(jù)，儲存在第二儲存組件中，其中，患者身體數(shù)據(jù)包括患者護理位置、患者體溫、患者血壓和患者心率等能夠反應患者身體體質的數(shù)據(jù)。

11、作為基于增強現(xiàn)實的護理信息共享方法的優(yōu)選技術方案，所述獲取實時患者的身體變化數(shù)據(jù)導入身體異常值分析策略中進行實時身體異常分析包括以下具體步驟：

12、s21、獲取患者起始時刻的身體數(shù)據(jù)和護理動作過程中實時的身體數(shù)據(jù)，將患者身體數(shù)據(jù)導入身體異常值計算公式中計算身體異常值，其中，身體異常值計算公式為：

13、t為需要監(jiān)測的時長，n為身體數(shù)據(jù)種類，dt為時間積分，ai為第i個身體數(shù)據(jù)種類的占比系數(shù)，xit為t時刻的第i個身體數(shù)據(jù)種類的數(shù)據(jù)，xitm為第i個身體數(shù)據(jù)種類的安全范圍的中值，xitmax為第i個身體數(shù)據(jù)種類的最大值，xitmin為第i個身體數(shù)據(jù)種類的最小值；

14、s22、將計算得到的起始時刻和護理動作過程中實時的身體異常值代入護理動作對應的身體異常分析值計算公式中計算護理動作對應的身體異常分析值，其中，護理動作對應的身體異常分析值計算公式為：其中，stu為護理動作過程中實時的身體異常值，stm為患者起始時刻的身體異常值。

15、作為基于增強現(xiàn)實的護理信息共享方法的優(yōu)選技術方案，所述根據(jù)歷史護理位置的護理動作、護理力度數(shù)據(jù)和歷史護理過程中的身體變化數(shù)據(jù)構建護理過程預測模型包括以下具體步驟：

16、s31、獲取歷史護理位置的護理動作和護理力度數(shù)據(jù)，同時獲取護理動作對應的身體異常分析值和起始時刻的的身體異常值，構建輸入為起始時刻的的身體異常值，輸出為最小的身體異常分析值對應的護理動作和護理力度數(shù)據(jù)的深度學習神經網(wǎng)絡模型；

17、s32、將提取的史護理位置的護理動作、護理力度數(shù)據(jù)、護理動作對應的身體異常分析值和起始時刻的的身體異常值分為70％的參數(shù)訓練集和30％的參數(shù)測試集；將70％的參數(shù)訓練集輸入深度學習神經網(wǎng)絡模型進行訓練，以得到初始深度學習神經網(wǎng)絡模型；利用30％的參數(shù)測試集對初始深度學習神經網(wǎng)絡模型進行測試，輸出滿足身體異常分析值最大判斷準確度的初始深度學習神經網(wǎng)絡模型作為深度學習神經網(wǎng)絡模型，其中，深度學習神經網(wǎng)絡模型中的特定神經元的輸出策略公式為：

18、其中為z層s項神經元的輸出，為第z-1層神經元j與z層s項神經元的連接權重，代表第z-1層神經元j的輸出，代表第z-1層神經元j與z層s項神經元的線性關系的偏置，σ()代表sigmoid激活函數(shù)，m為z-1層神經元的項數(shù)。

19、作為基于增強現(xiàn)實的護理信息共享方法的優(yōu)選技術方案，所述將患者實時身體異常分析結果導入構建的護理過程預測模型輸出最合適的護理位置的護理動作和護理力度數(shù)據(jù)包括以下具體內容：

20、獲取患者起始時刻的身體數(shù)據(jù)和護理動作對應的身體異常分析值代入構建的深度學習神經網(wǎng)絡模型中，輸出最小的身體異常分析值對應的護理動作和護理力度數(shù)據(jù)，作為最合適的護理位置的護理動作和護理力度數(shù)據(jù)。

21、基于增強現(xiàn)實的護理信息共享系統(tǒng)，其基于上述基于增強現(xiàn)實的護理信息共享方法實現(xiàn)，其具體包括：

22、數(shù)據(jù)獲取模組，用于獲取歷史護理位置的護理動作和護理力度數(shù)據(jù)，同時獲取歷史護理過程中的身體變化數(shù)據(jù)；

23、身體異常分析模組，用于獲取實時患者的身體變化數(shù)據(jù)導入身體異常值分析策略中進行實時身體異常分析；

24、護理過程預測模型構建模組，用于根據(jù)歷史護理位置的護理動作、護理力度數(shù)據(jù)和歷史護理過程中的身體變化數(shù)據(jù)構建護理過程預測模型；

25、模型輸出模組，用于將患者實時身體異常分析結果導入構建的護理過程預測模型輸出最合適的護理位置的護理動作和護理力度數(shù)據(jù)；

26、護理模型模組，用于護理人員根據(jù)輸出的最合適的護理位置的護理動作和護理力度數(shù)據(jù)進行護理操作；

27、控制模組，用于數(shù)據(jù)獲取模組、身體異常分析模組、護理過程預測模型構建模組、模型輸出模組和護理模型模組的控制運行。

28、一種電子設備，包括：處理器和存儲器，其中，所述存儲器中存儲有可供處理器調用的計算機程序；

29、所述處理器通過調用所述存儲器中存儲的計算機程序，執(zhí)行上述的基于增強現(xiàn)實的護理信息共享方法。

30、一種計算機可讀存儲介質，儲存有指令，當所述指令在計算機上運行時，使得計算機執(zhí)行如上述的基于增強現(xiàn)實的護理信息共享方法。

31、與現(xiàn)有技術相比，本發(fā)明的有益效果是：

32、本發(fā)明獲取歷史護理位置的護理動作和護理力度數(shù)據(jù)，同時獲取歷史護理過程中的身體變化數(shù)據(jù)，獲取實時患者的身體變化數(shù)據(jù)導入身體異常值分析策略中進行實時身體異常分析，根據(jù)歷史護理位置的護理動作、護理力度數(shù)據(jù)和歷史護理過程中的身體變化數(shù)據(jù)構建護理過程預測模型，將患者實時身體異常分析結果導入構建的護理過程預測模型輸出最合適的護理位置的護理動作和護理力度數(shù)據(jù)，護理人員根據(jù)輸出的最合適的護理位置的護理動作和護理力度數(shù)據(jù)進行護理操作，根據(jù)歷史護理過程數(shù)據(jù)和護理效果數(shù)據(jù)構建護理過程預測模型，為各種癥狀不同的患者提供最合適的護理位置的護理動作和護理力度，提高了護理過程中的安全性和護理效果。