(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202210921805.4 (22)申请日 2022.08.02 (65)同一申请的已公布的文献号 申请公布号 CN 115035998 A (43)申请公布日 2022.09.09 (73)专利权人 之江实验室 地址 310023 浙江省杭州市余杭区文一西 路1818号人工智能小镇10号楼 (72)发明人 李劲松　夏静　赵英浩　田雨　 周天舒　 (74)专利代理 机构 杭州求是专利事务所有限公 司 33200 专利代理师 刘静 (51)Int.Cl. G16H 40/20(2018.01) G06Q 10/04(2012.01) G06Q 10/06(2012.01) G06Q 10/08(2012.01)(56)对比文件 CN 113921127 A,202 2.01.11 CN 111161865 A,2020.0 5.15 CN 114496180 A,202 2.05.13 CN 111290424 A,2020.0 6.16 CN 114203284 A,202 2.03.18 CN 114462693 A,202 2.05.10 CN 114626836 A,2022.06.14 US 2012016 686 A1,2012.01.19 胡锋兰等.非同型输血方案在重度创伤患者 紧急抢救中的应用. 《中国输血杂志》 .2020,(第 02期),全 文. 秦晓燕.应急救援血 液优化调度模型与算法 研究. 《中国优秀硕士学位 论文全文数据库 信息 科技辑》 .2012,全 文. Pooja Selvaraj et al. .Blood Donation Predicti on System Usi ng Machine Learn ing Techniques. 《202 2 Internati onal Conference on Computer Com munication and Informatics (ICCCI)》 .202 2,全文. 审查员 魏旭阳 (54)发明名称 基于早期预测和无人快速配送的紧急血液 调度方法及系统 (57)摘要 本发明公开了一种基于早期预测和无人快 速配送的紧急血液调度方法及系统， 本发明引入 紧急用血预测模 型和无人机快速配送 航线， 准确 预测院前急救创伤患者的用血需求， 通过无人机 站点实现患者院前紧急输血， 不需要耗费大量道 路交通时间抵达医院后再开始输血， 提升了创伤 大出血患者的供血速度和救治质量， 对抢救偏远 山区创伤患者的价值重大。 出现大规模创伤事件 时， 用血量激增， 医院的血液库存不足， 本发明实 时评估医院用血需求， 联合无人机和送血车从血 液中心快速配送所需血制品到医院， 提升了医院 血液补给效率。 权利要求书6页 说明书18页 附图4页 CN 115035998 B 2022.11.11 CN 115035998 B 1.一种基于早期预测和无人快速配送的紧急血液调度方法， 其特征在于， 包括以下步 骤： 步骤1： 收集院前创伤患者样本， 搭建 分阶段多层次紧急用血 预测模型， 具体为： 收集院前创伤患 者样本， 记录院前和院内多维信 息； 预测目标Y为K类， 根据紧急程度选 用初步方案或改进方案； 初步方案， K取2， 预测目标Y为24小时红细胞输注量属于[0,  4]或(4,+∞)， 分别取值为 0、 1； 若Y=0则不申请紧急用血； 若Y =1则在受伤现场立即提出2单位O型红细胞用血申请； 改进方案， K取3， 预测目标Y为24小时红细胞输注量属于0或(0,  4]或(4,+∞)， 分别取 值为0、 1、 2； 若Y=0则表示不需要输血； 若Y=1则到达医院后测定血型再提出2单位特定血型 红细胞用血申请； 若Y=2则 在受伤现场立即提出2单位O型红细胞用血申请、 到达医院后测定 血型再提出2单位特定血 型红细胞用血申请； 所述分阶段多层次紧急用血 预测模型表示 为： 其中s表示预测阶段， s=1表示院前阶段， s=2表示院内阶段； 函数 和 分别表示院前预 测模型和院内预测模型， 分别表示经过均值补缺和归一化预处理后的院前特征集 和院内新增特征集； 表示将 进行拼接； 为分阶段多层次紧急用血 预测模型输出的类别 k预测值， 取 ； 为预测的用血类别， 初 步方案中 取0或1， 改进方案中 取0或1或2； 所述分阶段多层次紧急用血 预测模型中， 其中 表示softmax函数， 表示可训练的权重参数， 表示矩阵乘， 表示可训练的偏置参数， 为院前预测模型输出的类别 k预测值， 为院内预测 模型输出的类别 k预测值， K取2或3， 取 ； K取2时代表初步方案， K取3时代表改进 方案； 总损失函数 为：权　利　要　求　书 1/6 页 2 CN 115035998 B 2其中 为权重系数， 分别为院前预测模型损失函数、 院内预测模型损失函数， M 为样本量， 为指示函数， 为第i个样本的真实类别， 分别为院前预测模型、 院内 预测模型输出的第 i个样本类别 j的预测值， 为惩罚项系数， 表示L2范数； 以 最小化为目标， 通过梯度下降法获得分阶段多层次紧急用血预测模型的最佳参 数； 步骤2： 根据创伤患者信息， 基于紧急用血 预测模型 预测患者用血需求； 步骤3： 根据患者位置以及与周边无人机站点、 周边医院的距离， 利用两层结构加权复 合比例算法， 通过以受伤点为圆心的对比评估和加权三角综合评估， 实现患者转运 目的地 和院前血液配送的智能推荐， 辅助急救医生决策； 步骤4： 统计各医院血制品需求总量， 计算各医院所有患 者的全部血制品需求紧张度并 排序， 形成院内血制品供应先后顺序表； 步骤5： 根据 各医院血制品需求总量及供应紧张度、 院内库存、 运输 中血制品数量， 基于 联合无人机和送血车的循环序列算法， 以等待时间最小化为目标不断循环进 行无人机优先 级排序、 无人机与送血车差异比较和不定长路线序列调整， 实现运输工具智能调度及血制 品快速配送； 步骤6： 实时评估各医院血制品供需关系、 所有患 者用血情况、 所有运输工具状态， 评估 当前调度配送方案是否满足需求， 若不满足需求则更新调度配送方案 。 2.根据权利要求1所述的基于早期预测和无人快速配送的紧急血液调度方法， 其特征 在于， 所述 步骤2具体为： 对每位创伤患 者， 将患者院前信息输入步骤1建立的分阶段多层次紧急用血预测模型， 输出患者的紧急用血类别； 当患者抵达医院后， 将患者院前信息和院内信息均输入步骤1建 立的分阶段多层次紧急用血 预测模型， 更新紧急用血 预测结果； 初步方案中， 预测为1表示需紧急用血， 即在受伤现场 立即提出2单位O型红细胞用血申 请； 预测为0表示 不需紧急用血； 改进方案中， 预测为2表示红细胞血制品需求十分紧急， 即在受伤现场立即提出2单位O 型红细胞的用血申请、 到达医院后测定血型再申请2单位特定血型红细胞； 预测为1表示红 细胞血制品需求中等紧急， 即到达医院后测定血型再申请2单位特定血型红细胞； 预测为0 表示不需要输血。 3.根据权利要求2所述的基于早期预测和无人快速配送的紧急血液调度方法， 其特征 在于， 所述 步骤3中， 分为以下两种情况： 情况1： 对于步骤2中预测为不需要O型红细胞的患者， 通过以受伤点为圆心， 对比抵达权　利　要　求　书 2/6 页 3 CN 115035998 B 3