(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210705768.3 (22)申请日 2022.06.21 (71)申请人 戴纳智慧医疗科技有限公司 地址 100000 北京市丰台区南四环西路18 8 号十区28号楼3层 (72)发明人 张京军　郑志发　迟海鹏　张怀东　 邢希学　 (74)专利代理 机构 北京冠和权律师事务所 11399 专利代理师 茆林霞 (51)Int.Cl. G06V 20/40(2022.01) G06Q 10/08(2012.01) G06V 20/52(2022.01) G16H 40/20(2018.01) (54)发明名称 一种基于场景分析的医疗样本转送监督系 统 (57)摘要 本发明提供了一种基于场景分析的医疗样 本转送监督系统。 场景识别模块： 用于通过预先 设置在样 本转运设备和转运线路上的监控设备， 采集样本转运场景信息； 其中， 所述样本转运场 景信息包括： 样本转运设备外部场景和样本转运 设备内部场景； 场景风险预测模块： 用于基于预 设的风险指标， 在所述样本转运场景信息中提取 风险因子； 转运流程监督模块： 用于根据所述风 险因子， 构建转运风控模型， 根据所述转运风控 模型， 对整个转运流程进行实时监督。 本发明对 场景中可能存在的， 可能发生的意外事件进行实 时预测监督， 然后对转运人员进行实时提醒， 防 止转运过程中出现意外， 符合所有的医疗样本的 转运场景， 而 且转运的安全性更好。 权利要求书3页 说明书12页 附图3页 CN 115240101 A 2022.10.25 CN 115240101 A 1.一种基于场景分析的医疗样本转送监 督系统， 其特 征在于， 包括： 场景识别模块： 用于通过预先设置在样本转运设备和转运线路上的监控设备， 采集样 本转运场景信息； 其中， 所述样本转 运场景信息包括： 样本转 运设备外 部场景和样本转 运设备内部场景； 场景风险预测模块： 用于基于预设的风险指标， 在所述样本转运场景信息中提取风险 因子； 转运流程监督模块： 用于根据 所述风险因子， 构建转运风控模型， 根据 所述转运风控模 型， 对整个转 运流程进行实时监 督。 2.如权利要求1所述的一种基于场景分析的医疗样本转送监督系统， 其特征在于， 所述 系统还包括： 转运样本识别模块： 用于获取待转运样本的样本信息， 根据 所述样本信息， 确定转运样 本和样本转 运环境； 转运设备选取模块： 根据 所述样本转运环境， 确定转运设备， 并在所述样本转运设备上 设置所述 转运样本的监控设备； 转运线路设置模块： 用于根据 所述样本信 息， 确定待转运的目标地点， 并确定转运重点 关注路段， 在电子地图上绘制所述转运重点关注路段的多段转运线路， 并通过转运监控设 备筛选， 确定适 合转运的最优线路； 其中， 所述多段转 运线路包括多条替换 所述重点关注路段的临时转 运线路； 所述最优线路选取 过程包括： 将所述多段转运线路的线路信息和多段转运线路上转运监控设备的经纬度坐标信息 发送至转 运服务器； 根据所述 转运服务器， 确定多段转 运线路的转 运场景信息； 利用所述转运场景信 息以及所述转运监控设备的经纬度信 息， 计算每个转运监控设备 与所述实时转 运线路的最短垂线距离； 将所述最短垂线距离作为距离上限值， 判断是否存在转运监控设备与 所述多段转运线 路的垂直距离低于所述 最短垂直距离； 当存在低于所述 最短垂直距离的线路时， 将对应的临时转 运线路作为 最优转运线路。 3.如权利要求1所述的一种基于场景分析的医疗样本转送监督系统， 其特征在于， 所述 场景识别模块包括： 场景获取单元： 用于通过所述监控设备， 获取转运线路和样本转运设备内部的场景深 度图， 得到场景点云坐标和场景 元素； 坐标转换单元： 设置场景深度图中的参考平面， 根据倾斜姿态数据对场景点云坐标进 行变换， 得到不同场景 元素的场景点云坐标； 变换单元： 用于对场景点云坐标进行变换， 得到深度相机坐标系下的场景点云坐标； 坐标集合单元： 用于对深度相机坐标系下的场景点云坐标进行处理， 得到不同场景元 素的坐标集 合； 场景识别单元： 用于根据不同场景元素的坐标集合计算场景元素的长度、 宽度和高度， 将长度、 宽度和高度相乘得到场景 元素的体积轮廓， 根据所述体积轮廓进行 元素识别； 场景识别单 元： 用于在元 素识别后， 确定转设备外 部场景信息 。权　利　要　求　书 1/3 页 2 CN 115240101 A 24.如权利要求1所述的一种基于场景分析的医疗样本转送监督系统， 其特征在于， 所述 变换单元进行坐标变换包括： 采用坐标变换 方法将所述场景点云坐标转换投影至三维空间坐标系； 根据所述 三维空间坐标系， 构建基于场景 元素立体轮廓的形状模型； 利用强化学习方法， 对所述形状模型在深度相机坐标系下进行处理， 生成基于场景元 素识别的场景点云坐标。 5.如权利要求1所述的一种基于场景分析的医疗样本转送监督系统， 其特征在于， 所述 场景识别模块还 包括： 空间建模单元： 用于根据所述样本转运设备， 对样本转运设备的内部空间进行实时建 模， 生成内部空间模型； 温度采集单元： 用于根据 所述内部空间模型， 通过温度采集设备进行温度采集， 并进行 温度标记； 湿度采集单元： 用于根据 所述内部空间模型， 通过湿度采集设备进行湿度采集， 并进行 湿度标记； 位置采集单元： 用于根据 所述内部空间模型， 对样本位置进行原始标记， 并根据 所述原 始标记， 进行样本位置实时感应， 判断是否存在位置变化， 并采集 位置信息； 内部场景获取单元： 用于在所述内部空间模型， 进行温度 标记、 湿度 标记和位置信 息采 集后， 通过 所述内部空间模型的实时信息， 构建样本转 运设备内部场景。 6.如权利要求1所述的一种基于场景分析的医疗样本转送监督系统， 其特征在于， 所述 场景风险预测模块包括： 风险指标单元： 用于获取待转运的样本信 息， 根据所述样本信 息， 确定对应的样本转运 指标； 其中， 所述样本转运指标包括： 培养环境指标、 温度指标、 湿度指标、 光照度指标和稳定性指 标； 风险因子提取单元： 用于根据所述样本转运指标， 构建基于所述样本转运场景信息的 风险因子提取模型， 根据所述风险因子提取模型判断所述样本转运场景信息是否存在风险 因子， 并进行风险因子采集。 7.如权利要求1所述的一种基于场景分析的医疗样本转送监督系统， 其特征在于， 所述 风险因子提取 单元提取风险因子提取包括如下步骤： 对所述样本转 运场景信息进行指标 预处理； 其中， 所述指标预处理包括： 风险因素切割、 风险元素分解、 风险因子识别范围计算和风险值 计算。 对预处理完成的样本转 运场景信息进行图谱构建， 获取提取风险的风险 图谱； 根据所述风险图谱， 构建基于所述样本转运场景信 息的风险因子提取模型进行风险因 子提取， 得到风险特 征； 对所述风险特征进行处 理获得训练集； 根据所述训练集通过制定的风险因子模型和优化后的模型参数得到对转运风险的预 测模型， 并通过模型反馈验证风险因子； 将非线性支持向量机作为风险因子的验证模型， 基于高斯核函数， 进行模型参数寻优，权　利　要　求　书 2/3 页 3 CN 115240101 A 3