本申请涉及智能医疗领域,具体涉一种创伤等级的评估方法、设备及程序产品。包括获取创伤患者的数据;将所述数据输至评估模型中得到评估结果;其中,所述评估模型的训练过程为:获取创伤患者的数据集及标签;将所述数据集及标签输至神经网络中进行训练得到评估模型,其中,所述神经网络的参数更新包括第一更新规则、第二更新规则,神经网络通过交替执行第一更新规则和第二更新规则更新参数,当神经网络的模型性能低于预设性能时,通过间歇控制来暂停神经网络的迭代并调整第一更新规则和第二更新参数规则执行次数的比例后再进行迭代,直至模型收敛或执行完预设迭代次数。本申请的方法能够高效准确给出患者创伤程度,具有很好临床价值。
背景技术
随着交通汽车业的迅猛发展和基础建设的增多,创伤事故发生率也呈逐年上升趋势。创伤是造成45岁以下人群死亡的主要原因,也是造成65岁以下人群残疾的主要原因。创伤一旦发生,其伤情复杂,致残率、致死率较高,给社会和家庭都带来了沉重的负担。根据急诊创伤患者流行病学研究显示,坠落伤和交通伤是主要的致伤及致死原因。创伤发生后,患者的死亡风险概率具有个体差异,并且患者多发伤的比例大,难以快速准确判断。如果不能快速预测患者的死亡风险概率,就有可能过度治疗,也可能错过可治愈的患者的治疗机会,造成严重后果。目前临床上关于创伤患者的死亡风险概率预估主要依靠医生的临床经验,根据患者用药之后或者初步急救之后的效果等来预估创伤患者的死亡风险概率。不仅消耗时间,具有主观性、滞后性,而且可能因个体差异而缺乏一致性和精确度。
实现思路