本發(fā)明涉及通信技術(shù)領(lǐng)域，尤其涉及一種云服務器、提醒的方法及計算機可讀存儲介質(zhì)。

背景技術(shù)：

目前，對于慢性阻塞性肺疾病copd一般是在發(fā)病后進行就診，待好轉(zhuǎn)后用戶即返回家中進行輔助治療。由于慢性阻塞性肺疾病具有反復發(fā)作的特點，復發(fā)的時間不能預先確定，因此如何根據(jù)用戶的歷史就診情況，在用戶可能出現(xiàn)異常時及時提醒用戶成為亟待解決的問題。

技術(shù)實現(xiàn)要素：

本發(fā)明的目的在于提供一種云服務器、提醒的方法及計算機可讀存儲介質(zhì)，旨在基于云服務器及大數(shù)據(jù)處理的神經(jīng)網(wǎng)絡系統(tǒng)技術(shù)，根據(jù)用戶的歷史就診情況，在用戶可能出現(xiàn)異常時能夠及時提醒用戶。

為實現(xiàn)上述目的，本發(fā)明提供一種云服務器，其特征在于，所述云服務器包括：存儲器、處理器及存儲在所述存儲器上并可在所述處理器上運行的處理程序，所述處理程序被所述處理器執(zhí)行時實現(xiàn)如下步驟：

s1，獲取用戶在非住院期間的時間數(shù)據(jù)及在非住院期間呼吸機的治療數(shù)據(jù)；

s2，將所述時間數(shù)據(jù)及所述治療數(shù)據(jù)輸入至預先建立的神經(jīng)網(wǎng)絡系統(tǒng)，并獲取所述神經(jīng)網(wǎng)絡系統(tǒng)輸出的異常提醒概率；

s3，若所述異常提醒概率大于等于預設的概率閾值，則向用戶呼吸機發(fā)送提醒信息。

優(yōu)選地，所述處理程序被所述處理器執(zhí)行實現(xiàn)所述步驟s2之前，還包括：

獲取神經(jīng)網(wǎng)絡系統(tǒng)的訓練集，所述訓練集包括第一預設數(shù)量的用戶的在非住院期間的時間數(shù)據(jù)、在非住院期間呼吸機的治療數(shù)據(jù)及對應的異常提醒概率；

獲取神經(jīng)網(wǎng)絡系統(tǒng)的驗證集，所述驗證集包括第二預設數(shù)量的用戶的在非住院期間的時間數(shù)據(jù)、在非住院期間呼吸機的治療數(shù)據(jù)及對應的異常提醒概率；

利用訓練集中各用戶對應的時間數(shù)據(jù)、治療數(shù)據(jù)及異常提醒概率訓練該神經(jīng)網(wǎng)絡系統(tǒng)的模型函數(shù)；

利用驗證集中各用戶對應的時間數(shù)據(jù)、治療數(shù)據(jù)及異常提醒概率驗證訓練后的神經(jīng)網(wǎng)絡系統(tǒng)的模型函數(shù)；

若驗證通過率大于等于預設閾值，則訓練完成，以訓練后的神經(jīng)網(wǎng)絡系統(tǒng)作為所述步驟s2中建立的神經(jīng)網(wǎng)絡系統(tǒng)，否則增加所述訓練集的用戶的數(shù)量，以重新進行訓練及驗證。

優(yōu)選地，所述治療數(shù)據(jù)包括壓力數(shù)據(jù)p、呼吸頻率均值b、潮氣量均值v、血氧均值s、心率數(shù)據(jù)h及持續(xù)使用天數(shù)d，所述模型函數(shù)為：異常提醒概率q＝p*w1+b*w2+v*w3+s*w4+h*w5+d*w6，其中，所述w1為壓力數(shù)據(jù)的權(quán)值，所述w2為呼吸頻率均值的權(quán)值，所述w3為潮氣量的權(quán)值，所述w4為血氧的權(quán)值，所述w5為心率的權(quán)值，所述w6為持續(xù)使用天數(shù)的權(quán)值。

優(yōu)選地，所述處理程序被所述處理器執(zhí)行實現(xiàn)所述步驟s1之后，還包括：

獲取用戶在住院期間呼吸機的治療數(shù)據(jù)，基于用戶在非住院期間的時間數(shù)據(jù)、在非住院期間呼吸機的治療數(shù)據(jù)及在住院期間呼吸機的治療數(shù)據(jù)生成使用報告，并將所述使用報告反饋給用戶呼吸機或預定的用戶終端上，以進行顯示。

為實現(xiàn)上述目的，本發(fā)明還提供一種提醒的方法，所述提醒的方法包括：

s1，獲取用戶在非住院期間的時間數(shù)據(jù)及在非住院期間呼吸機的治療數(shù)據(jù)；

s2，將所述時間數(shù)據(jù)及所述治療數(shù)據(jù)輸入至預先建立的神經(jīng)網(wǎng)絡系統(tǒng)，并獲取所述神經(jīng)網(wǎng)絡系統(tǒng)輸出的異常提醒概率；

s3，若所述異常提醒概率大于等于預設的概率閾值，則向用戶呼吸機發(fā)送提醒信息。

優(yōu)選地，所述步驟s2之前，還包括：

獲取神經(jīng)網(wǎng)絡系統(tǒng)的訓練集，所述訓練集包括第一預設數(shù)量的用戶的在非住院期間的時間數(shù)據(jù)、在非住院期間呼吸機的治療數(shù)據(jù)及對應的異常提醒概率；

獲取神經(jīng)網(wǎng)絡系統(tǒng)的驗證集，所述驗證集包括第二預設數(shù)量的用戶的在非住院期間的時間數(shù)據(jù)、在非住院期間呼吸機的治療數(shù)據(jù)及對應的異常提醒概率；

利用訓練集中各用戶對應的時間數(shù)據(jù)、治療數(shù)據(jù)及異常提醒概率訓練該神經(jīng)網(wǎng)絡系統(tǒng)的模型函數(shù)；

利用驗證集中各用戶對應的時間數(shù)據(jù)、治療數(shù)據(jù)及異常提醒概率驗證訓練后的神經(jīng)網(wǎng)絡系統(tǒng)的模型函數(shù)；

若驗證通過率大于等于預設閾值，則訓練完成，以訓練后的神經(jīng)網(wǎng)絡系統(tǒng)作為所述步驟s2中建立的神經(jīng)網(wǎng)絡系統(tǒng)，否則增加所述訓練集的用戶的數(shù)量，以重新進行訓練及驗證。

優(yōu)選地，所述治療數(shù)據(jù)包括壓力數(shù)據(jù)p、呼吸頻率均值b、潮氣量均值v、血氧均值s、心率數(shù)據(jù)h及持續(xù)使用天數(shù)d，所述模型函數(shù)為：異常提醒概率q＝p*w1+b*w2+v*w3+s*w4+h*w5+d*w6，其中，所述w1為壓力數(shù)據(jù)的權(quán)值，所述w2為呼吸頻率均值的權(quán)值，所述w3為潮氣量的權(quán)值，所述w4為血氧的權(quán)值，所述w5為心率的權(quán)值，所述w6為持續(xù)使用天數(shù)的權(quán)值。

優(yōu)選地，所述步驟s1之后，還包括：

獲取用戶在住院期間呼吸機的治療數(shù)據(jù)，基于用戶在非住院期間的時間數(shù)據(jù)、在非住院期間呼吸機的治療數(shù)據(jù)及在住院期間呼吸機的治療數(shù)據(jù)生成使用報告，并將所述使用報告反饋給用戶呼吸機或預定的用戶終端上，以進行顯示。

本發(fā)明還提供一種計算機可讀存儲介質(zhì)，所述計算機可讀存儲介質(zhì)上存儲有處理程序，所述處理程序被處理器執(zhí)行時實現(xiàn)如上述的提醒的方法的步驟。

本發(fā)明的有益效果是：本發(fā)明的呼吸機在使用過程中通過網(wǎng)絡將時間數(shù)據(jù)及治療數(shù)據(jù)實時傳至云服務器，云服務器利用神經(jīng)網(wǎng)絡系統(tǒng)算法對這些數(shù)據(jù)進行分析，得出對應的異常提醒概率，當異常提醒概率大于等于預設的概率閾值時，發(fā)送提醒信息以提醒用戶關(guān)注近期的病情情況。本發(fā)明基于云服務器及大數(shù)據(jù)處理的神經(jīng)網(wǎng)絡系統(tǒng)技術(shù)，根據(jù)用戶的歷史就診情況，在用戶可能出現(xiàn)異常時能夠及時提醒用戶。

附圖說明

圖1為本發(fā)明各個實施例一可選的應用環(huán)境示意圖；

圖2是圖1中云服務器一實施例的硬件架構(gòu)的示意圖；

圖3為本發(fā)明提醒的方法一實施例的流程示意圖。

具體實施方式

為了使本發(fā)明的目的、技術(shù)方案及優(yōu)點更加清楚明白，以下結(jié)合附圖及實施例，對本發(fā)明進行進一步詳細說明。應當理解，此處所描述的具體實施例僅用以解釋本發(fā)明，并不用于限定本發(fā)明?；诒景l(fā)明中的實施例，本領(lǐng)域普通技術(shù)人員在沒有做出創(chuàng)造性勞動前提下所獲得的所有其他實施例，都屬于本發(fā)明保護的范圍。

需要說明的是，在本發(fā)明中涉及“第一”、“第二”等的描述僅用于描述目的，而不能理解為指示或暗示其相對重要性或者隱含指明所指示的技術(shù)特征的數(shù)量。由此，限定有“第一”、“第二”的特征可以明示或者隱含地包括至少一個該特征。另外，各個實施例之間的技術(shù)方案可以相互結(jié)合，但是必須是以本領(lǐng)域普通技術(shù)人員能夠?qū)崿F(xiàn)為基礎，當技術(shù)方案的結(jié)合出現(xiàn)相互矛盾或無法實現(xiàn)時應當認為這種技術(shù)方案的結(jié)合不存在，也不在本發(fā)明要求的保護范圍之內(nèi)。

參閱圖1，是本發(fā)明各個實施例一可選的應用環(huán)境示意圖。在本實施例中，本發(fā)明可應用于包括，但不僅限于，云服務器1、外部網(wǎng)絡2、wifi/3g/4g(3)及用戶呼吸機4的應用環(huán)境中。

其中，所述云服務器1可以是機架式服務器、刀片式服務器、塔式服務器或機柜式服務器等計算設備，該應用服務器2可以是獨立的服務器，也可以是多個服務器所組成的服務器集群。優(yōu)選地，云服務器1通常由呼吸機廠家、大型醫(yī)院或者政府相關(guān)職能部門建立。

所述外部網(wǎng)絡2可以是企業(yè)內(nèi)部網(wǎng)(intranet)、互聯(lián)網(wǎng)(internet)、全球移動通訊系統(tǒng)(globalsystemofmobilecommunication，gsm)、寬帶碼分多址(widebandcodedivisionmultipleaccess，wcdma)、4g網(wǎng)絡、5g網(wǎng)絡、藍牙(bluetooth)、wi-fi等無線或有線網(wǎng)絡。其中，所述云服務器1中通過所述外部網(wǎng)絡2及各wifi/3g/4g(3)與對應的一個或多個用戶呼吸機4通信連接。

參閱圖2，是圖1中云服務器1一可選的硬件架構(gòu)的示意圖，本實施例中，云服務器1可包括，但不僅限于，相互通信連接的存儲器11、處理器12、網(wǎng)絡接口13。需要指出的是，圖2僅示出了具有組件10-13的云服務器1，但是應理解的是，并不要求實施所有示出的組件，可以替代的實施更多或者更少的組件。

其中，所述存儲器11至少包括一種類型的可讀存儲介質(zhì)，所述可讀存儲介質(zhì)包括閃存、硬盤、多媒體卡、卡型存儲器(例如，sd或dx存儲器等)、隨機訪問存儲器(ram)、靜態(tài)隨機訪問存儲器(sram)、只讀存儲器(rom)、電可擦除可編程只讀存儲器(eeprom)、可編程只讀存儲器(prom)、磁性存儲器、磁盤、光盤等。在一些實施例中，所述存儲器11可以是所述云服務器1的內(nèi)部存儲單元，例如該云服務器1的硬盤或內(nèi)存。在另一些實施例中，所述存儲器11也可以是所述云服務器1的外部存儲設備，例如該云服務器1上配備的插接式硬盤，智能存儲卡(smartmediacard,smc)，安全數(shù)字(securedigital,sd)卡，閃存卡(flashcard)等。當然，所述存儲器11還可以既包括所述云服務器1的內(nèi)部存儲單元也包括其外部存儲設備。本實施例中，所述存儲器11通常用于存儲安裝于所述云服務器1的操作系統(tǒng)和各類應用軟件，例如所述處理程序的程序代碼等。此外，所述存儲器11還可以用于暫時地存儲已經(jīng)輸出或者將要輸出的各類數(shù)據(jù)。

所述處理器12在一些實施例中可以是中央處理器(centralprocessingunit，cpu)、控制器、微控制器、微處理器、或其他數(shù)據(jù)處理芯片。該處理器12通常用于控制所述云服務器1的總體操作，例如執(zhí)行與所述外部網(wǎng)絡2進行數(shù)據(jù)交互或者通信相關(guān)的控制和處理等。本實施例中，所述處理器12用于運行所述存儲器11中存儲的程序代碼或者處理數(shù)據(jù)，例如運行所述處理程序等。

所述網(wǎng)絡接口13可包括無線網(wǎng)絡接口或有線網(wǎng)絡接口，該網(wǎng)絡接口13通常用于在所述云服務器1與其他設備之間建立通信連接。本實施例中，所述網(wǎng)絡接口13用于通過所述外部網(wǎng)絡2與各wifi/3g/4g(3)連接，以通過wifi/3g/4g(3)與一個或多個用戶呼吸機4連接，以建立數(shù)據(jù)傳輸通道和通信連接。

其中，上述處理程序被所述處理器12執(zhí)行時實現(xiàn)如下步驟：

步驟s1，獲取用戶在非住院期間的時間數(shù)據(jù)及在非住院期間呼吸機的治療數(shù)據(jù)；

本實施例中，由于用戶呼吸機4及云服務器1一般應用在醫(yī)院的封閉系統(tǒng)中，因此，優(yōu)選地，用戶在非住院期間的時間數(shù)據(jù)及在非住院期間呼吸機的治療數(shù)據(jù)由用戶呼吸機4上傳至云服務器1中。

其中，選取用戶近期非住院時間的時間數(shù)據(jù)及所選取的非住院時間內(nèi)的治療數(shù)據(jù)，例如，用戶在2016/12/1-016/12/10、2017/1/3-2017/1/10、2017/2/5-2017/2/10期間住院(2017/2/10至今未住院)，則選取2017/1/10-2017/2/5、2017/2/10至今兩段時間的時間數(shù)據(jù)及治療數(shù)據(jù)。

其中，時間數(shù)據(jù)包括非住院時間的時間起點及非住院時間的時間結(jié)束點；治療數(shù)據(jù)包括壓力數(shù)據(jù)p、呼吸頻率均值b、潮氣量均值v、血氧均值s、心率數(shù)據(jù)h及持續(xù)使用天數(shù)d。

步驟s2，將所述時間數(shù)據(jù)及所述治療數(shù)據(jù)輸入至預先建立的神經(jīng)網(wǎng)絡系統(tǒng)，并獲取所述神經(jīng)網(wǎng)絡系統(tǒng)輸出的異常提醒概率；

步驟s3，若所述異常提醒概率大于等于預設的概率閾值，則向呼吸機發(fā)送提醒信息。

其中，首先采用大量的用戶的在非住院期間的時間數(shù)據(jù)及在非住院期間呼吸機的治療數(shù)據(jù)進行預定的神經(jīng)網(wǎng)絡系統(tǒng)的學習，以建立供使用的神經(jīng)網(wǎng)絡系統(tǒng)，優(yōu)選地，該神經(jīng)網(wǎng)絡系統(tǒng)為bp神經(jīng)網(wǎng)絡系統(tǒng)。

在建立神經(jīng)網(wǎng)絡系統(tǒng)后，對于某一用戶，可以將其近期非住院時間的時間數(shù)據(jù)及所選取的非住院時間內(nèi)的治療數(shù)據(jù)作為該神經(jīng)網(wǎng)絡系統(tǒng)的輸入，由該神經(jīng)網(wǎng)絡系統(tǒng)進行計算，并輸出對應的異常提醒概率，該異常提醒概率為該用戶最近一次出院后至今的異常概率。

優(yōu)選地，可以在用戶近期非住院時間中，以連續(xù)三天的時間數(shù)據(jù)及治療數(shù)據(jù)為神經(jīng)網(wǎng)絡的一次輸入，若輸出的異常提醒概率連續(xù)三次均大于等于預設的概率閾值(該預設的概率閾值為先驗概率，例如為0.7)，則對用戶進行提醒，例如云服務器1通過外部網(wǎng)路2向用戶呼吸機4發(fā)送提醒信息，或者云服務器1通過外部網(wǎng)路2向預定的用戶終端(例如手機或平板電腦等)發(fā)送提醒信息，以提醒用戶關(guān)注近期的病情情況。

與現(xiàn)有技術(shù)相比，本實施例呼吸機在使用過程中通過網(wǎng)絡將時間數(shù)據(jù)及治療數(shù)據(jù)實時傳至云服務器，云服務器利用神經(jīng)網(wǎng)絡系統(tǒng)算法對這些數(shù)據(jù)進行分析，得出對應的異常提醒概率，當異常提醒概率大于等于預設的概率閾值時，發(fā)送提醒信息以提醒用戶關(guān)注近期的病情情況。本實施例基于云服務器及大數(shù)據(jù)處理的神經(jīng)網(wǎng)絡系統(tǒng)技術(shù)，根據(jù)用戶的歷史就診情況，在用戶可能出現(xiàn)異常時能夠及時提醒用戶。

在一優(yōu)選的實施例中，在上述圖2的實施例的基礎上，所述處理程序被所述處理器12執(zhí)行實現(xiàn)所述步驟s2之前，還包括：

獲取神經(jīng)網(wǎng)絡系統(tǒng)的訓練集，所述訓練集包括第一預設數(shù)量的用戶的在非住院期間的時間數(shù)據(jù)、在非住院期間呼吸機的治療數(shù)據(jù)及對應的異常提醒概率。其中，第一預設數(shù)量例如為7萬，每一用戶均包括其在非住院期間的時間數(shù)據(jù)、在非住院期間呼吸機的治療數(shù)據(jù)及對應的異常提醒概率。

獲取神經(jīng)網(wǎng)絡系統(tǒng)的驗證集，所述驗證集包括第二預設數(shù)量的用戶的在非住院期間的時間數(shù)據(jù)、在非住院期間呼吸機的治療數(shù)據(jù)及對應的異常提醒概率。其中，第二預設數(shù)量例如為3萬，每一用戶均包括其在非住院期間的時間數(shù)據(jù)、在非住院期間呼吸機的治療數(shù)據(jù)及對應的異常提醒概率。

利用訓練集中各用戶對應的時間數(shù)據(jù)、治療數(shù)據(jù)及異常提醒概率訓練該神經(jīng)網(wǎng)絡系統(tǒng)的模型函數(shù)。

其中，所述模型函數(shù)為：異常提醒概率q＝p*w1+b*w2+v*w3+s*w4+h*w5+d*w6，其中，所述w1為壓力數(shù)據(jù)的權(quán)值，所述w2為呼吸頻率均值的權(quán)值，所述w3為潮氣量的權(quán)值，所述w4為血氧的權(quán)值，所述w5為心率的權(quán)值，所述w6為持續(xù)使用天數(shù)的權(quán)值。

其中，除持續(xù)使用天數(shù)d外，剩余的壓力數(shù)據(jù)p、呼吸頻率均值b、潮氣量均值v、血氧均值s、心率數(shù)據(jù)h以數(shù)組的形式給出，例如以天為單位，用戶在一天中的壓力數(shù)據(jù)p、呼吸頻率均值b、潮氣量均值v、血氧均值s、心率數(shù)據(jù)h分別為一個數(shù)組。

其中，在經(jīng)過大量數(shù)據(jù)訓練該神經(jīng)網(wǎng)絡系統(tǒng)的模型函數(shù)后，最終得出壓力數(shù)據(jù)的權(quán)值w1、呼吸頻率均值的權(quán)值w2、潮氣量的權(quán)值w3、血氧的權(quán)值w4、心率的權(quán)值w5及持續(xù)使用天數(shù)的權(quán)值w6的最優(yōu)值。

利用驗證集中各用戶對應的時間數(shù)據(jù)、治療數(shù)據(jù)及異常提醒概率驗證訓練后的神經(jīng)網(wǎng)絡系統(tǒng)的模型函數(shù)。

若驗證通過率大于等于預設閾值(預設閾值例如為0.98)，則訓練完成，以訓練后的神經(jīng)網(wǎng)絡系統(tǒng)作為所述步驟s2中建立的神經(jīng)網(wǎng)絡系統(tǒng)，否則增加所述訓練集的用戶的數(shù)量，以重新進行訓練及驗證。

在一優(yōu)選的實施例中，在上述圖2的實施例的基礎上，所述處理程序被所述處理器12執(zhí)行實現(xiàn)所述步驟s1之后，還包括：

獲取用戶在住院期間呼吸機的治療數(shù)據(jù)，基于用戶在非住院期間的時間數(shù)據(jù)、在非住院期間呼吸機的治療數(shù)據(jù)及在住院期間呼吸機的治療數(shù)據(jù)生成使用報告，并將所述使用報告反饋給用戶呼吸機或預定的用戶終端上，以進行顯示。

本實施例中，云服務器1在接收到用戶的時間數(shù)據(jù)及治療數(shù)據(jù)后，可以結(jié)合用戶在住院期間呼吸機的治療數(shù)據(jù)生成對應的使用報告，使用報告的內(nèi)容包括呼吸機的壓力，用戶的平均呼吸頻率，用戶的平均潮氣量，用戶的平均血氧和心率等信息。進一步地，還可以將壓力、平均呼吸頻率、平均潮氣量、平均血氧和心率生成對應的波形圖，例如，以天為橫軸，將相鄰天的數(shù)據(jù)連接起來得到波形圖，該波形圖附在使用報告中。最后將使用報告反饋給用戶呼吸機或預定的用戶終端上，進行顯示，供用戶查看或參考。

如圖3所示，圖3為本發(fā)明提醒的方法一實施例的流程示意圖，該提醒的方法應用于云服務器中，包括以下步驟：

步驟s1，獲取用戶在非住院期間的時間數(shù)據(jù)及在非住院期間呼吸機的治療數(shù)據(jù)；

本實施例中，由于用戶呼吸機及云服務器一般應用在醫(yī)院的封閉系統(tǒng)中，因此，優(yōu)選地，用戶在非住院期間的時間數(shù)據(jù)及在非住院期間呼吸機的治療數(shù)據(jù)由用戶呼吸機上傳至云服務器中。

其中，選取用戶近期非住院時間的時間數(shù)據(jù)及所選取的非住院時間內(nèi)的治療數(shù)據(jù)，例如，用戶在2016/12/1-016/12/10、2017/1/3-2017/1/10、2017/2/5-2017/2/10期間住院(2017/2/10至今未住院)，則選取2017/1/10-2017/2/5、2017/2/10至今兩段時間的時間數(shù)據(jù)及治療數(shù)據(jù)。

其中，時間數(shù)據(jù)包括非住院時間的時間起點及非住院時間的時間結(jié)束點；治療數(shù)據(jù)包括壓力數(shù)據(jù)p、呼吸頻率均值b、潮氣量均值v、血氧均值s、心率數(shù)據(jù)h及持續(xù)使用天數(shù)d。

步驟s2，將所述時間數(shù)據(jù)及所述治療數(shù)據(jù)輸入至預先建立的神經(jīng)網(wǎng)絡系統(tǒng)，并獲取所述神經(jīng)網(wǎng)絡系統(tǒng)輸出的異常提醒概率；

步驟s3，若所述異常提醒概率大于等于預設的概率閾值，則向用戶呼吸機發(fā)送提醒信息。

其中，首先采用大量的用戶的在非住院期間的時間數(shù)據(jù)及在非住院期間呼吸機的治療數(shù)據(jù)進行預定的神經(jīng)網(wǎng)絡系統(tǒng)的學習，以建立供使用的神經(jīng)網(wǎng)絡系統(tǒng)，優(yōu)選地，該神經(jīng)網(wǎng)絡系統(tǒng)為bp神經(jīng)網(wǎng)絡系統(tǒng)。

在建立神經(jīng)網(wǎng)絡系統(tǒng)后，對于某一用戶，可以將其近期非住院時間的時間數(shù)據(jù)及所選取的非住院時間內(nèi)的治療數(shù)據(jù)作為該神經(jīng)網(wǎng)絡系統(tǒng)的輸入，由該神經(jīng)網(wǎng)絡系統(tǒng)進行計算，并輸出對應的異常提醒概率，該異常提醒概率為該用戶最近一次出院后至今的異常概率。

優(yōu)選地，可以在用戶近期非住院時間中，以連續(xù)三天的時間數(shù)據(jù)及治療數(shù)據(jù)為神經(jīng)網(wǎng)絡的一次輸入，若輸出的異常提醒概率連續(xù)三次均大于等于預設的概率閾值(該預設的概率閾值為先驗概率，例如為0.7)，則對用戶進行提醒，例如云服務器通過外部網(wǎng)路向用戶呼吸機發(fā)送提醒信息，或者云服務器通過外部網(wǎng)路向預定的用戶終端(例如手機或平板電腦等)發(fā)送提醒信息，以提醒用戶關(guān)注近期的病情情況。

與現(xiàn)有技術(shù)相比，本實施例呼吸機在使用過程中通過網(wǎng)絡將時間數(shù)據(jù)及治療數(shù)據(jù)實時傳至云服務器，云服務器利用神經(jīng)網(wǎng)絡系統(tǒng)算法對這些數(shù)據(jù)進行分析，得出對應的異常提醒概率，當異常提醒概率大于等于預設的概率閾值時，發(fā)送提醒信息以提醒用戶關(guān)注近期的病情情況。本實施例基于云服務器及大數(shù)據(jù)處理的神經(jīng)網(wǎng)絡系統(tǒng)技術(shù)，根據(jù)用戶的歷史就診情況，在用戶可能出現(xiàn)異常時能夠及時提醒用戶。

在一優(yōu)選的實施例中，在上述圖3的實施例的基礎上，所述步驟s2之前，還包括：

獲取神經(jīng)網(wǎng)絡系統(tǒng)的訓練集，所述訓練集包括第一預設數(shù)量的用戶的在非住院期間的時間數(shù)據(jù)、在非住院期間呼吸機的治療數(shù)據(jù)及對應的異常提醒概率。其中，第一預設數(shù)量例如為7萬，每一用戶均包括其在非住院期間的時間數(shù)據(jù)、在非住院期間呼吸機的治療數(shù)據(jù)及對應的異常提醒概率。

獲取神經(jīng)網(wǎng)絡系統(tǒng)的驗證集，所述驗證集包括第二預設數(shù)量的用戶的在非住院期間的時間數(shù)據(jù)、在非住院期間呼吸機的治療數(shù)據(jù)及對應的異常提醒概率。其中，第二預設數(shù)量例如為3萬，每一用戶均包括其在非住院期間的時間數(shù)據(jù)、在非住院期間呼吸機的治療數(shù)據(jù)及對應的異常提醒概率。

利用訓練集中各用戶對應的時間數(shù)據(jù)、治療數(shù)據(jù)及異常提醒概率訓練該神經(jīng)網(wǎng)絡系統(tǒng)的模型函數(shù)。

其中，所述模型函數(shù)為：異常提醒概率q＝p*w1+b*w2+v*w3+s*w4+h*w5+d*w6，其中，所述w1為壓力數(shù)據(jù)的權(quán)值，所述w2為呼吸頻率均值的權(quán)值，所述w3為潮氣量的權(quán)值，所述w4為血氧的權(quán)值，所述w5為心率的權(quán)值，所述w6為持續(xù)使用天數(shù)的權(quán)值。

其中，除持續(xù)使用天數(shù)d外，剩余的壓力數(shù)據(jù)p、呼吸頻率均值b、潮氣量均值v、血氧均值s、心率數(shù)據(jù)h以數(shù)組的形式給出，例如以天為單位，用戶在一天中的壓力數(shù)據(jù)p、呼吸頻率均值b、潮氣量均值v、血氧均值s、心率數(shù)據(jù)h分別為一個數(shù)組。

其中，在經(jīng)過大量數(shù)據(jù)訓練該神經(jīng)網(wǎng)絡系統(tǒng)的模型函數(shù)后，最終得出壓力數(shù)據(jù)的權(quán)值w1、呼吸頻率均值的權(quán)值w2、潮氣量的權(quán)值w3、血氧的權(quán)值w4、心率的權(quán)值w5及持續(xù)使用天數(shù)的權(quán)值w6的最優(yōu)值。

利用驗證集中各用戶對應的時間數(shù)據(jù)、治療數(shù)據(jù)及異常提醒概率驗證訓練后的神經(jīng)網(wǎng)絡系統(tǒng)的模型函數(shù)；

若驗證通過率大于等于預設閾值(預設閾值例如為0.98)，則訓練完成，以訓練后的神經(jīng)網(wǎng)絡系統(tǒng)作為所述步驟s2中建立的神經(jīng)網(wǎng)絡系統(tǒng)，否則增加所述訓練集的用戶的數(shù)量，以重新進行訓練及驗證。

在一優(yōu)選的實施例中，在上述圖3的實施例的基礎上，所述步驟s1之后，還包括：

獲取用戶在住院期間呼吸機的治療數(shù)據(jù)，基于用戶在非住院期間的時間數(shù)據(jù)、在非住院期間呼吸機的治療數(shù)據(jù)及在住院期間呼吸機的治療數(shù)據(jù)生成使用報告，并將所述使用報告反饋給用戶呼吸機或預定的用戶終端上，以進行顯示。

本實施例中，云服務器在接收到用戶的時間數(shù)據(jù)及治療數(shù)據(jù)后，可以結(jié)合用戶在住院期間呼吸機的治療數(shù)據(jù)生成對應的使用報告，使用報告的內(nèi)容包括呼吸機的壓力，用戶的平均呼吸頻率，用戶的平均潮氣量，用戶的平均血氧和心率等信息。進一步地，還可以將壓力、平均呼吸頻率、平均潮氣量、平均血氧和心率生成對應的波形圖，例如，以天為橫軸，將相鄰天的數(shù)據(jù)連接起來得到波形圖，該波形圖附在使用報告中。最后將使用報告反饋給用戶呼吸機或預定的用戶終端上，進行顯示，供用戶查看或參考。

本發(fā)明還提供一種計算機可讀存儲介質(zhì)，所述計算機可讀存儲介質(zhì)上存儲有處理程序，所述處理程序被處理器執(zhí)行時實現(xiàn)上述的提醒的方法的步驟。

上述本發(fā)明實施例序號僅僅為了描述，不代表實施例的優(yōu)劣。

通過以上的實施方式的描述，本領(lǐng)域的技術(shù)人員可以清楚地了解到上述實施例方法可借助軟件加必需的通用硬件平臺的方式來實現(xiàn)，當然也可以通過硬件，但很多情況下前者是更佳的實施方式?；谶@樣的理解，本發(fā)明的技術(shù)方案本質(zhì)上或者說對現(xiàn)有技術(shù)做出貢獻的部分可以以軟件產(chǎn)品的形式體現(xiàn)出來，該計算機軟件產(chǎn)品存儲在一個存儲介質(zhì)(如rom/ram、磁碟、光盤)中，包括若干指令用以使得一臺終端設備(可以是手機，計算機，服務器，空調(diào)器，或者網(wǎng)絡設備等)執(zhí)行本發(fā)明各個實施例所述的方法。

以上僅為本發(fā)明的優(yōu)選實施例，并非因此限制本發(fā)明的專利范圍，凡是利用本發(fā)明說明書及附圖內(nèi)容所作的等效結(jié)構(gòu)或等效流程變換，或直接或間接運用在其他相關(guān)的技術(shù)領(lǐng)域，均同理包括在本發(fā)明的專利保護范圍內(nèi)。