EMS 连接网络的数据采集 使用人工智能的综合技术支持

我们开发了一种基于人工智能的算法，可以预测需要立即紧急治疗的四种严重紧急疾病，并通过以下输入和输出模型评估其严重程度。

1. 算法输入数据 1) 视频/图像数据

   • 通过安装在救护车内的 360 度摄像头和移动热点 (MHS) 设备连接（RJ-45 有线连接）采集视频
   • 通过颈带式摄像头采集视频数据（可穿戴）
   • 通过智能眼镜（可穿戴）设备和急救终端的视频数量 2）声音信号数据
   • 通过医护人员佩戴的骨传导麦克风采集院前急救人员语音和患者语音数据 3）生物信号数据
   • 安装在救护车上的患者监护设备 移动热点 (MHS) 设备 通过 TCP/IP 连接收集和传输生命体征
   • 现场工作人员使用的除颤器和紧急终端（支持5G） 通过TCP/IP连接收集和传输生命体征

2. 开发技术1）应急环境下语音识别AI技术开发

   • 从现场传输阶段收集语音文本、紧急情况相关句子和语音数据
   • 现场转接服务场景语音文本采集，构建语音数据库，用于语音识别学习
   • 释义，从收集到的文本中，医护人员生成可以说出的相似含义的句子 2）建立应急环境语音转录数据的自然语言处理系统——词干分析、实体名称识别等自然语言处理 优化应急医疗模块的域
   • 应急活动、急救、急救等紧急环境下的语言数据采集
   • 处理收集的紧急环境语言数据以进行领域优化并学习基于机器学习的自然语言处理模型3）护理人员语音信息噪声去除和说话者分离模型设计4）开发基于人工智能的图像识别救护车生物体征信息监测技术
   • 开发基于图像的字符识别算法，用于PMS（患者监护系统）设备输出生命体征
   • 通过基于AI学习的5G 360°CAM视频实现PMS设备（位置、类型、品牌等）自动识别技术
   • 开发针对每种生命信号的自动字符区域识别和基于 OCR（光学字符识别）的读取算法
   • 基于NLP（自然语言处理）的特定/扭曲字符校正技术的实现

   • 开发图像预处理技术，最大限度地减少背景、噪音、振动、照明等的影响。

     5）应急活动图像信息物体检测模块开发 6）AI行为检测视频分析建模

   • 使用深度学习图像分析建模进行行为检测 - 一般行为检测技术分析
   • 一般行为检测中类似于紧急医疗行为的类目标测试
   • 类检测类似于护理人员的救援活动和患者的移动
   • 一般行为检测建模7）根据获得的多方面数据获得的输入变量，通过Ji-an Lee深度网络方法提取模型输出变量的主要决定因素，并计算最终输出变量的预测能力。