CN101327119A - 诊断心血管紊乱的系统与方法 - Google Patents
诊断心血管紊乱的系统与方法 Download PDFInfo
- Publication number
- CN101327119A CN101327119A CNA2007101957439A CN200710195743A CN101327119A CN 101327119 A CN101327119 A CN 101327119A CN A2007101957439 A CNA2007101957439 A CN A2007101957439A CN 200710195743 A CN200710195743 A CN 200710195743A CN 101327119 A CN101327119 A CN 101327119A
- Authority
- CN
- China
- Prior art keywords
- data
- cardiography
- client
- diagnosis
- diagnostic
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/0002—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network
- A61B5/0004—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network characterised by the type of physiological signal transmitted
- A61B5/0006—ECG or EEG signals
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/242—Detecting biomagnetic fields, e.g. magnetic fields produced by bioelectric currents
- A61B5/243—Detecting biomagnetic fields, e.g. magnetic fields produced by bioelectric currents specially adapted for magnetocardiographic [MCG] signals
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/316—Modalities, i.e. specific diagnostic methods
- A61B5/318—Heart-related electrical modalities, e.g. electrocardiography [ECG]
- A61B5/346—Analysis of electrocardiograms
- A61B5/349—Detecting specific parameters of the electrocardiograph cycle
- A61B5/363—Detecting tachycardia or bradycardia
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
- G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
- G16H40/67—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for remote operation
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- Cardiology (AREA)
- Molecular Biology (AREA)
- Biophysics (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Physics & Mathematics (AREA)
- Heart & Thoracic Surgery (AREA)
- Veterinary Medicine (AREA)
- Pathology (AREA)
- Physiology (AREA)
- Computer Networks & Wireless Communication (AREA)
- Business, Economics & Management (AREA)
- General Business, Economics & Management (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明涉及一种对心血管紊乱提供在线高性能诊断服务的系统和方法。客户通过发送作为医疗对象的人体的真实电心动描记治疗数据和磁心动描记治疗数据,以及虚拟心脏仿真参数给一个医疗服务服务器,进行高性能诊断请求。所述医疗服务服务器,响应该诊断请求,分析真实电心动描记治疗数据以产生一个电心动描记分析结果,利用仿真参数执行虚拟心脏仿真以产生伪心电图和伪磁心动图。此外,这个医学服务服务器基于电心动描记分析结果、磁心动描记治疗数据和伪心电图、伪磁心动图,确定人体的疾病状态;然后通过比较真实磁心动描记治疗数据、电心动描记分析结果、疾病状态和诊断标准,产生一个最终诊断数据。最后把最终的诊断数据提供给客户。
Description
技术领域
本发明涉及一种心血管紊乱的诊断服务,更具体地说,本发明涉及一种通过使用人体真实电心动描记和/或磁心动描记的诊疗数据,对心血管紊乱进行高性能在线诊断的系统与方法。
背景技术
众所周知,心血管紊乱在高度发达的国家十分流行,心血管紊乱例如包括心肌梗塞、心绞痛、心力衰竭、动脉硬化、栓塞、高血压、动脉硬化血栓。确切地说,心血管紊乱、癌症和脑血管疾病是死亡的主要原因。
心电图仪已经被用来诊断心血管紊乱,在可携带性和成本方面具有优势。因为心电图仪的诊断精确度有限,各种研究都致力于提高对心血管紊乱诊断的精确度,比如,提高信道数和长时间数据分析。与此同时,信号处理的复杂度随之增加,对心血管紊乱的灵敏度和作出假设的信心仍然有限。
为了解决上面的问题,具有比心电图仪更高的诊断精确度的磁心动描记器被应用到心血管紊乱的诊断中。但磁心动描记器也有一些局限性。例如,磁心动描记器对症状的精确诊断有限,它可以检测出心脏异常,但不能诊断出这种异常与哪种疾病相关或这种异常出在哪里。
另一方面,真实电心动描记和磁心动描记的波形图可以与仿真波形相比较。虚拟心脏是一项疾病诊断技术,它基于初始输入仿真的电生理学特性参数及实际和产生的波形之间的一致程度。因此,有必让各项独立的诊断技术相互补足,而形成一个高性能的综合诊断系统。
主要的研究主题有,通过e-Health系统测量心血管系统,病人状态传感,与诸如个人数字助理(PDA)的移动设备整合,与网格(Grid)技术整合。也就是说,现有的e-Health系统没有考虑整合的诊断。物理上分布式存储的大量数据的管理和整合,对一个做心血管紊乱诊断的e-Health系统来说是最基本的,然而现在还没有完全的研究。
从而,有必要开发一个新的诊断技术,其能实现现有诊断技术的整合以及分布式治疗数据的整合管理。
发明内容
因此,此发明的一个目的就是提供一个方法和系统,用于心血管紊乱诊断服务,并通过网络以整合的心血管紊乱诊断的形式在线提供高性能诊断服务。
此发明的另一个目的是提供一个方法和系统,用于心血管紊乱诊断服务,基于从人体获得的真实心电图和磁心动图,以及通过虚拟心脏仿真得到的伪心电图和磁心动图,来在线提供高性能的诊断。
此发明的另一个目的是提供一个方法和系统,用于心血管紊乱诊断服务,通过对分布式存储在数据库中的最终的心血管紊乱诊断数据的整合管理实现对在线诊断服务提供高效的资源管理。
根据本发明的一个方面,涉及一种通过网络提供心血管紊乱诊断服务的诊断系统,该诊断系统包括:
具有一个或者多个客户的客户组,每个客户通过网络发送心血管紊乱诊断请求,并一起发送作为治疗对象的人体的真实的电心动描记治疗数据和磁心动描记治疗数据,通过所述网络接收最终诊断数据作为对心血管紊乱诊断请求的答复;
医疗服务服务器,用于根据任务进度表可利用资源信息,分析通过网络从客户接收到的所述真实电心动描记治疗数据,
基于电心动分析结果、真实磁心动描记治疗数据以及从虚拟心脏仿真中得到的伪心电图和磁心动图,决定身体的疾病状态,
基于真实的磁心动描记治疗数据、电心动描记分析结果和所决定的疾病状态,创建人体的心血管紊乱的最终诊断数据,
通过网络将所述创建的最终诊断数据传送给客户。
根据本发明的另一方面,涉及一种通过网络提供心血管紊乱诊断服务的方法,包括:
客户通过网络向医疗服务服务器传送作为治疗对象的人体的实际电心动描记治疗数据、磁心动描记治疗数据以及虚拟心脏仿真参数,来请求对心血管紊乱的高性能诊断;
响应所述高性能诊断请求,所述医疗服务服务器对实际的电心动描记治疗数据进行分析,以生成电心动分析结果;
医疗服务服务器使用仿真参数进行虚拟心脏仿真,以生成伪心电图和磁心动图;
医疗服务服务器基于电心动描记分析结果、磁心动描记治疗数据以及伪心电图和磁心动图,来确定人体的疾病状态;
医疗服务服务器通过在实际磁心动描记治疗数据、电心动描记分析结果、疾病状态和诊断标准之间进行比较,产生最终诊断数据;
由医疗服务服务器通过网络将所述最终诊断数据传送给客户。
根据本发明的另外一个方面,涉及一种通过网络提供心血管紊乱诊断服务的方法,包括:
客户通过网络将作为治疗对象的人体的实际电心动描记治疗数据和磁心动描记治疗数据以及虚拟心脏仿真参数传递给医疗服务服务器,以请求关于心血管紊乱的高性能的诊断;
响应该高性能诊断请求,医疗服务服务器用分布式方式对实际的电心动描记治疗数据进行分析,从而产生电心动描记分析结果,基于所述电心动描记分析结果以及来自诊断参考表中的诊断标准,来确定是否存在与缺血心心脏疾病相关的异常;
如果没有检测到与缺血性心脏疾病相关的异常,医疗服务服务器基于来自诊断参考表中的诊断标准,确定是否是与心跳过速或心律缓慢相关的异常;
如果没有检测到与心跳过速或心律缓慢相关的异常,医疗服务服务器产生指示所述人体为正常状态的最终诊断数据,然后将所述最终诊断数据通过网络发送给客户;
如果检测到与心跳过速或心律缓慢相关的异常,医疗服务服务器基于实际的磁心动描记治疗数据和来自诊断参考表中的诊断标准,确定是否有缺血性心脏疾病相关的异常;
如果没有检测到缺血性心脏疾病相关的异常,所述医疗服务服务器产生包括人体心跳过速或心律过慢的指示的最终诊断数据,并将该最终诊断数据通过网络发送给客户;
如果基于实际的电心动描记和/或磁心动描记治疗数据,检测出存在与缺血性心脏疾病相关的异常,医疗服务器将通过具有仿真参数的分布虚拟心脏仿真得出伪心电图和磁心动图;
基于电心动描记分析结果、实际的磁心动描记治疗数据以及伪心电图和磁心动图,医疗服务服务器确定人体的心血管紊乱的疾病状态;
所述医疗服务服务器通过比较实际的磁心动描记治疗数据、电心动分析结果、疾病状态和诊断标准,产生最终诊断数据,然后将所述最终诊断数据通过网络传递给客户。
附图说明
本发明的上述和其它目的与特性通过下面结合附图对实施方式的描述变得更加清晰其中,
图1是说明根据本发明的实施方式的心血管紊乱诊断系统的示意图;
图2是图1中的客户的详细方框图;
图3是图1中的医疗服务服务器的详细方框图;
图4是图3中的信息存储/管理模块的详细方框图;
图5是图3中的电心动描记分析模块的详细方框图;
图6是图3中的虚拟心脏仿真模块的详细方框图;
图7是图3中的心血管紊乱诊断模块的详细方框图;
图8是说明图3中的分布式数据处理模块的方框图;
图9和图10是说明根据本发明的另一实施方式的向客户提供对心血管紊乱的高性能诊断服务过程之流程图。
图11是说明向客户提供心血管紊乱诊断数据从而完成一个综合管理服务的过程的流程图。
图12是通过虚拟心脏仿真产生的一个伪心电图;
图13是通过虚拟心脏仿真产生的一个伪磁心动图;
图14是通过虚拟心脏仿真产生的一个伪磁心动描记的角波形图;
图15是说明通过电心动描记分析和虚拟心脏仿真的选择性性能,而提供对心动过速、心律过缓和缺血性心脏病的诊断服务的过程的流程图。
具体实施方式
下文将参考附图,详细描述本发明的具体实施方式。
现在参考图1,图1说明了本发明的心血管紊乱诊断系统。
如图1所示,这个心血管紊乱诊断系统包括:由多个从102/1至102/n的客户所组成的客户组102;网络104,如基于因特网的网络;和医疗服务服务器106。
例如,在客户组102中的客户102/1至102/n,可以是独立的服务器系统或安装于医院或诊所的个人计算机。从102/1到102/n的每一个客户响应使用者(如医生)的操作,通过网络104向医疗服务服务器106传输通过心血管紊乱诊断的医疗仪器获得的治疗数据(这些数据可以是作为治疗对象的人体的真实心电图,磁心动图,也可以是虚拟心脏仿真参数等等),同时发送一个对患者的心血管紊乱的高性能诊断的服务请求。之后,客户就可以从医疗服务服务器106接收到最终的诊断结果。
当客户通过医疗服务服务器106接收到来自其它客户对存储在其数据存储模块中的最终数据的请求时,此客户便从其数据存储模块中取出请求的最终诊断数据,并通过医疗服务服务器106将该最终诊断数据发送给其它客户。这种情况下,一个客户充当另一客户的数据仓库。
图2是说明图1中客户的详细方框图。
如图2所示,客户包括:操作模块1021,控制模块1022,电心动描记分析模块1023,电心动描记信息存储模块1024,磁心动描记分析模块1025,磁心动描记信息存储模块1026,Web服务模块1027,和诊断数据存储模块1028。
操作模块1021是用来控制客户的所有操作的操作单元(例如,键盘,鼠标和触摸板),向控制模块1022发送由使用者的动作产生的各种操作信号(例如,命令信号,虚拟心脏仿真参数等等)。
控制模块1022可以包括一个微处理器,用来控制客户的所有操作。控制模块1022从医疗设备或者计算机(未显示)接收治疗信息(像人体的真实电心动描记和磁心动描记的信息),然后将治疗信息转发给电心动描记分析模块1023和磁心动描记分析模块1025。
电心动描记分析模块1023使用一个电心动描记的分析算法分析可能的疾病(比如,心动过速,心律过缓和缺血性心脏病)的电心动描记信号,然后将分析结果作为人体真实电心动描记治疗数据存储在电心动描记信息存储模块1024中。
同样地,磁心动描记分析模块1025使用一个磁心动描记的分析算法分析可能疾病的磁心动描记信号,然后将分析结果作为人体真实磁心动描记治疗数据存储在磁心动描记信息存储模块1026中。
因此,使用者可以使用真实的电心动描记和磁心动描记信息,基于从电心动描记分析模块1023和磁心动描记分析模块1025中获得的分析结果,诊断人体的心血管紊乱。这些本地分析结果仅仅是一个快速分析结果,而不是一个需要较高计算能力的高性能分析结果。
使用者可以从电心动描记信息存储模块1024和磁心动描记信息存储模块1026中取出真实人体电心动描记和磁心动描记的治疗数据,并将取出的真实电心动描记和磁心动描记的治疗数据与虚拟心脏仿真参数一起发送,通过网络104向医疗服务服务器106请求对心血管紊乱的高性能诊断。接入医疗服务服务器106是通过使用者接入控制(如登陆),和服务使用等级管理来完成的。
更具体地说,响应来自使用者的高性能诊断的服务请求,控制模块1022获得使用者鉴定,然后通过Web服务模块1027和网络104,将来自操作模块1021的虚拟心脏仿真参数和真实电心动描记和磁心动描记治疗数据,发送到医疗服务服务器106,用来进行高性能的心血管紊乱诊断。
Web服务模块1027包括一个用于接入Web的Web浏览器。这个Web服务模块1027将真实电心动描记和磁心动描记治疗数据和来自控制模块1022的虚拟心脏仿真参数,转换成Web服务描述语言(WSDL)描述,然后通过网络104将该WSDL描述发送出去。此外,该Web服务模块1027还通过网络104接收表示最终心血管紊乱诊断结果的WSDL描述,将从所述WSDL描述中得到的原始数据重新存储,并将这些原始数据发送给控制模块1022。
控制模块1022响应诊断服务请求,从医疗服务服务器106接收最终诊断数据,并将所述最终诊断数据存储在诊断数据存储模块1028中。除此之外,控制模块1022还响应其他客户对最终诊断数据的请求,从最终诊断数据存储模块1028中取出请求的最终诊断数据,并将所述最终诊断数据发送给医疗服务服务器106。这样,任何客户可以接收和查阅存储在其它客户的心血管紊乱的最终诊断数据。也就是说,任何客户都可以担当其他客户的数据仓库。诊断数据存储模块1028存储从医疗服务服务器106处接收到的各种心血管紊乱的最终诊断数据,以此作为对高性能诊断请求的回复。
虽然在图2中,电心动描记信息存储模块1024,磁心动描记信息存储模块1026和诊断数据存储模块1028,被作为独立模块描述,当前发明不限于此。这些模块可以作为整合的单一数据存储来实现,并且每一个模块可以对应这个单一数据存储的一个独立分配的存储空间。
再看图1,医疗服务服务器106分析与通过网络104从客户接收的诊断服务请求一起的真实电心动描记治疗数据,通过使用利用可用资源信息的高性能电心动描记分析算法,产生电心动描记分析结果;利用接收到的参数进行虚拟心脏仿真,产生一个伪心电图和磁心动图;并进行电心动描记分析结果、真实磁心动描记治疗数据和伪心电图和磁心动图间的一致分析。之后,医疗服务服务器106参考一致标准,决定心血管紊乱的疾病状态;基于确定的疾病状态、电心动描记分析结果、真实磁心动描记治疗数据和心血管紊乱的诊断标准间的比较,进行对人体的最终心血管紊乱诊断。再通过网络104将对人体的最终诊断数据发送给请求的客户。医疗服务服务器106的各种功能将结合图3至图8进一步描述。
图3是医疗服务服务器106的详细方框图。
如图3所示,医疗服务服务器106包括:Web服务模块1061;信息储存/管理模块1062;电心动描记分析模块1063;虚拟心脏仿真模块1064;心血管紊乱诊断模块1065;分布数据处理模块1066;和数据目录储存模块1067。
图3中的Web服务模块1061和图2中的Web服务模块1027实质一致。Web服务模块1061通过网络104接受WSDL描述数据(例如,用户接入的控制信息,真实的电心动描记和磁心动描记的诊断数据和虚拟心脏的仿真参数),并从该WSDL描述数据中取出原始数据,选择性的将所述原始数据传送到信息储存/管理模块1062,电心动描记分析模块1063,虚拟心脏仿真模块1064,心血管紊乱诊断模块1065和分布数据处理模块1066。Web服务模块1061将来自心血管紊乱诊断模块1065和分布数据处理模块1066的最终心血管紊乱诊断数据转化为WSDL描述数据,并通过网络104发送所述WSDL描述数据。
信息储存/管理模块1062管理着用户的个人信息(例如姓名,出生年生日,职业,家庭/工作单位地址,家庭/工作单位电话号码,电子邮箱地址,移动电话号码),用户的级别(接入服务的等级)信息,以及基于接入服务的用户接入控制信息。除此之外,信息储存/管理模块1062还负责与例如系统性能因素、网络性能因素等等相关的资源管理;任务计划的管理;以及与例如每个用户的登陆次数,每个用户进行过的任务等等相关的用户任务历史管理。这些操作将结合图4进一步描述。
图4是图3中的信息储存/管理模块1062的详细方框图。
如图4所示,信息储存管理模块1062包括:信息储存模块1062-1,资源管理模块1062-2,任务管理模块1062-3。信息储存模块1062-1包括:资源状态信息存储器1062-11,服务级别一致SLA信息存储器1062-12,用户信息存储器1062-13,任务信息存储器1062-14。其中,资源管理模块1062-2包括一个基于马尔可夫决策过程(MDP)的定额(quorum)产生模块1062-21和资源监视模块1062-22。任务管理模块1062-3包括:任务状态监视模块1062-31和任务调度器1062-32。
其中资源状态信息存储器1062-11存储资源状态信息(如CPU的利用,存储器的使用等)和使用来自资源监视模块1062-22的资源监视信息的网络状态信息(如带宽,时延,抖动等)。所述资源状态信息提供给基于MDP的定额(quorum)产生模块1062-21。
所述SLA信息存储器1062-12根据每个用户的服务级别(等级)储存关于SLA的资源性能信息。其中,资源性能因素可包括:与例如CPU、内存和存储器相关的系统性能因素,以及例如带宽,延时,丢包率等等的网络性能因素。所述资源性能信息提供给基于MDP的定额(quorum)产生模块1062-21。
用户信息存储器1062-13用来储存用户管理的如用户的个人信息,任务历史信息,服务级别等。所述用户信息存储器1062-13基于用户等级信息执行用户接入控制(例如拥有有效使用权限用户的身份验证),并把任务历史信息提供给基于MDP的定额(quorum)产生模块1062-21。
任务信息存储器1062-14存储通过Web服务模块1061从每个客户接收到的任务状态信息(如当前处于请求状态的任务,正在运行的任务以及已经执行完的任务),并且将所述任务状态信息传提供给任务状态监视模块1062-31。
在资源管理模块1062-2中,基于MDP的定额(quorum)产生器1062-21使用来自资源状态信息存储器1062-11、SLA信息存储器1062-12、用户信息存储器1062-13的各种信息(如处理器的利用率,存储器的使用率,网络状态,系统性能的状况,网络性能的状况,任务的历史纪录等),创建最佳可用资源信息(例如,根据用户需要以及现有可用资源的状态计算出一个可用资源信息表)。创建的最佳可用资源信息提供给电心动描记分析模块1063的资源选择模块1063-2(图5)和虚拟心脏仿真模块1064的资源选择模块1064-2(图6)。
资源监视模块1062-22监视实际可用资源的状态(如处理器利用率,存储器使用率,占用带宽,时延,抖动等网路状况),创建资源监视信息,并且将创建的资源监视信息提供给资源状态信息存储器1062-11。
在任务管理模块1062-3中,任务状态监视模块1062-31从任务信息存储器1062-14接受任务状态信息,并且将所述任务状态信息提供给任务调度器1062-32。
任务调度器1062-32使用来自任务状态监视模块1062-31的任务状态信息,来创建任务调度信息(如,当前处于请求状态的任务以及正在执行任务的列表,包括任务开始的时间和计划的结束的时间)。任务调度器1062-32将创建的任务调度信息提供给电心动描记分析模块1063的任务分配器1063-3(图5)和虚拟心脏仿真模块1064的任务分配模块1064-3(图6)。
返回图3,电心动描记分析模块1063基于用户请求的任务的信息、用户服务等级、可用的计算资源以及任务的调度表,来分析来自所述Web服务模块1061的人体的真实电心动描记治疗数据(基于网格的电心动描记的分析)。,从而产生电心动描记分析结果。然后所述电心动分析结果提供给所述虚拟心脏仿真模块1064以及心血管紊乱诊断模块1065。结合图5,我们会进一步描述这些功能。
图5是图3中的电心动描记分析模块的详细方框图。
如图5所示,电心动描记分析模块1063包括电心动描记分析器1063-1,资源选择器1063-2,任务分配器1063-3以及任务发送器1063-4。
电心动描记分析器1063-1从所述Web服务模块1061接收用户请求的任务信息(如疾病名称,如心动过速,心动过缓,缺血性心脏病等)以及用户的服务等级,并将接收到的数据提供给资源选择器1063-2。
资源选择器1063-2基于来自电心动描记分析器1063-1的用户请求任务信息和来自图4中基于MDP的定额产生模块1062-21的最佳可用资源信息,来选择要用于任务处理的资源(如集群或台式机的计算资源)。要被使用的资源的信息被传送到任务分配器1063-3。
任务分配器1063-3基于图4中任务调度器1062-32提供的调度信息,结合资源选择器1063-2提供的任务信息和资源分配信息,来选择将分配给任务的资源。分配任务资源的信息会被传送到任务发送器1063-4。
任务发送器1063-4基于例如可以采用网格中间件中使用的globus套件(下文中将用“GT4”表示),以分布式方式来处理电新心动描记分析任务。当一个被分配了具体任务的资源加入GT4后,用于高性能电心动描记分析的电心动描记分析算法被执行。同时,图2中电心动描记分析模块1023执行的分析是对人体状况的快速跟踪分析,而任务发送器1063-4执行的分析是相对高性能的分析,如多信道和/和长时间的电心动描记分析。即,为了实现高性能诊断服务,医疗服务服务器106中的电心动描记分析模块1063通过以上一系列高性能电心动分析过程产生电心动描记分析结果。产生的电心动描记分析结果会被传送到虚拟心脏仿真模块1064中的一致分析器1064-5(图6)和心血管紊乱诊断模块1065中的诊断结果修正模块1065-1(图7)。
返回3,虚拟心脏仿真模块1064基于用户所申请任务的相关信息,如虚拟心脏仿真参数等、用户的服务等级、分配给任务的计算资源的信息、调度信息等,来执行虚拟心脏仿真,从而得到虚拟的心电图和磁心动图。虚拟心脏仿真模块1064执行在电心动描记分析结果和实际的磁心动描记治疗数据,以及虚拟心电图和磁心动图之间的一致性分析,按照一致程度确定人体心血管紊乱的疾病程度,疾病状态信息传送到心血管紊乱诊断模块1065。这些功能参照图6进一步描述。
图6是图3中虚拟心脏仿真模块1064的详细方框图。
参照图6,虚拟心脏仿真模块1064包括:虚拟心脏仿真器1064-1;资源选择器1064-2;任务分配器1064-3;任务发送器1064-4;一致性分析器1064-5;虚拟心脏疾病诊断器1064-6。
虚拟心脏仿真器1064-1从Web服务模块1061接受虚拟心脏仿真参数,然后将接收到的虚拟心脏仿真参数送到资源选择器1064-2。所述仿真参数用来建立心血管紊乱疾病(如贫血,心室期外收缩,左束支传导阻滞,心动过速,心动过缓)的病理模型,参数中也可能包括心跳周期(msec),缺血区域,心室期外收缩的蒲肯野纤维的区域(或有自我刺激的蒲肯野纤维的数量),钙通道里的钙浓度,钾浓度,慢钾浓度,和钠浓度。
这些仿真参数可以是患者请求高性能心血管紊乱诊断服务时随机分配的,也有可能是通过实际身体诊断得到诊断参数后,部分修改的结果。这些随机分配的诊断参数和修改过的诊断参数从对应的客户端通过网络104传递到医疗服务服务器106的虚拟心脏仿真器1064-1。
资源选择器1064-2基于来自虚拟心脏仿真器1064-1的患者请求的任务信息以及来自图4中基于MDP的定额产生器的最佳可用资源信息,选择用于虚拟心脏仿真的计算资源。关于选择的任务和资源的信息会被传送到任务分配给1064-3。
任务分配器1064-3考虑来自资源选择器1064-2的任务信息和资源选择信息,基于来自图4中的任务调度器1062-32的调度信息,选择要分配的资源,资源对任务的分配信息被传送到任务发送器1064-4。
任务发送器1063-4采用分布式的方法来执行虚拟心脏仿真,例如使用网格中间件的globus套件(GT4)的分布式方法。当一个被分配了具体任务的资源加入GT4后,通过执行电心动描记和磁心动描记推导算法,执行高性能虚拟心脏仿真,从而得到虚拟心电图和磁心动图。通过虚拟心脏仿真得到的伪(pseudo)心电图和磁心动图的信息(波形信息)传送到一致性分析器1064-5。例如,通过虚拟心脏仿真创建信息,该信息包括:图12所示的伪电心动描记波形、图13所示的伪磁心动描记波形、图14所示的伪磁心动描记角度波形,并且传送到一致性分析器1064-5。
所述一致性分析器1064-5,通过信号处理,执行在来自图3中的Web服务模块1061的实际的磁心动描记治疗数据(实际的磁心动描记波形信息)、来自图5中的任务发送器1063-4的电心动描记分析结果、来自任务发送器1064-4的伪电心动描记和伪磁心动描记图之间的一致性分析。一致性分析器1064-5将一致性分析结果发送给虚拟心脏疾病诊断器1064-6。
虚拟心脏疾病诊断器1064-6依照来自一致性分析器1064-5的一致性分析结果来确定人体的心血管紊乱的疾病状态。即,根据实际的电心动描记和磁心动描记与伪电心动描记和磁心动描记之间的一致度,通过对于虚拟心脏仿真的初始参数,确定疾病状态。最后确定了的关于心血管紊乱的疾病状态信息传送到图7中诊断结果修正模块1065-1(图7),它位于图4的心血管紊乱诊断模块1065中。
返回图3,心血管紊乱诊断模块1065会根据以下的信息执行人体的最终心血管紊乱诊断:实际的磁心动描记治疗数据,来自电心动描记分析模块的电心动描记分析结果,来自虚拟心脏仿真模块的疾病状态信息和来自诊断参考表的诊断标准,然后所述最终诊断结果会通过网络提供给患者递交诊断申请的客户端。具体的过程将会在图7中得到详细的描述。
图7是图3中的心血管紊乱诊断模块详细说明图。
如图7所示,心血管紊乱诊断模块1065包括:诊断结果修正器1065-1,最终诊断模块1065-2,诊断参考表1065-3。
诊断结果修正器1065-1基于来自图3中的Web服务模块1061的实际磁心动描记治疗数据、来自图5中任务发送器1063-4的电心动描记分析结果、来自图6中的虚拟心脏疾病诊断器1064-6的疾病状态信息之间的关系,执行选择性修正操作。例如,如果上述实际磁心动描记、电心动描记分析结果、疾病状态之间的关系,表现出值得注意的差别或诊断数据过于陈旧,诊断结果修正器1065-1会请求相应的客户执行人体的其它诊断,或者在心血管紊乱的最终诊断中体现这种情况。
最终诊断器1065-2基于以下的信息对人体执行最终心血管紊乱诊断:实际磁心电描记,电心动描记分析结果,疾病状态信息,或者来自诊断结果修正器1065-1的上述信息的修正值,以及来自疾病参考表1065-3的诊断标准。例如,当电心动描记分析显示心律的变动情况(HRV)比参考值高或大体相等,并且不太严重的ST-T区域改变时,并且当磁心动描记分析显示缺血性疾病的一些不明显倾向(如最大电流力矩,最大电流等)时,最终诊断器1065-2发现具有缺血症状的可能区域,检查缺血程度,使用诊断参考表1065-3给出最终诊断。
除此之外,最终诊断器1065-2检查从心血管紊乱的电心动描记分析中获得的诊断结果异常(例如ST波,p波,U波),也检查从磁心动描记分析中获得的诊断结果异常(如电流力矩的动态,最大电流角和最小电流角)。
因此,诊断参考表1065-3中储存着各种用于心血管紊乱诊断的表格形式标准。最终诊断器1065-2收集人体的心血管紊乱相关的最终诊断结果,并将收集到的最终诊断结果数据通过Web服务模块1061和网络104发送到请求高性能诊断服务的客户端。与心血管紊乱最终诊断结果数据相关的目录信息(如接受治疗的医院名称,患者姓名,性别等),会通过Web服务模块1061传送给分布式数据处理模块1066,其将诊断目录信息储存在数据目录存储模块1067中。
因此,相应的用户可以通过以上一系列步骤,稳定地接收作为治疗对象的人体的心血管紊乱的高性能诊断。
回到图3,分布式数据处理模块1066基于来自数据目录存储模块1067的关于数据仓库的位置和类型信息,提供对于心血管紊乱的最终诊断数据的综合的数据管理服务,该最终诊断数据分布储存在数据仓库的多个位置。
数据目录存储模块1067对应于用于存储诊断数据存储信息的目录数据库。数据目录存储模块1067存储数据仓库不同位置的位置信息(例如IP地址)和类型信息(如MySq1,MsSq1等等),以及诊断目录信息。类型信息用于选择数据仓库的合适驱动,诊断目录信息指示具有医院名称,患者姓名,性别的诊断清单。只要存储在数据器的最终诊断结果状态发生了变化,目录存储器会使用分布信息处理器1066来进行同步的数据更新。只要每个数据仓库中的最终诊断数据的状态(即客户的诊断数据存储模块)部分改变或者追加改变,存储在数据目录存储模块1067中的诊断数据存储信息,利用来自分布数据处理模块1066的改变了的信息来进行更新。
图8是对图3中的分布数据处理模块1066的详细说明的结构图。
如图8所示,分布数据处理模块1066包括数据请求分析器1066-1,数据接入控制器1066-2和分布式数据请求处理器1066-3。
数据请求分析器1066-1对图3中的Web服务模块1061发出对诊断信息的接入请求进行分析,并且将该请求发送到数据接入控制器1066-2。数据接入控制器1066-2从图4中的SLA信息存储器1062-12和用户信息存储器1062-13中获取用于用户接入控制的必要信息,并且根据这些接收到的信息对发出请求的用户验证是否具有足够的接入权利。
如果发出请求的用户具有足够的接入权利,数据请求分析器1066-1接收拥有请求诊断数据的某一个客户端的数据库的位置和类型信息,并且对接收到的位置和类型信息进行分析,然后将数据使用请求发送给相应的分布式数据请求处理器1066-3。
尽管为了说明目的在图8中只表示了一个分布式数据请求处理器,但是医疗服务服务器106可以包含多个分布式数据请求处理器1066-3。实际上,数据请求分析器1066-1可以同时向一个或多个分布式数据请求处理器发送数据使用请求。数据使用请求指的是从数据库中检索所需的诊断数据,或者对数据库中已存在的诊断数据进行修正,或者往数据库中添加新的诊断数据。
分布式数据请求处理器1066-3生成数据使用请求命令,然后通过Web服务模块1061和网络104将该命令发送到客户组102中的一个相应客户端的数据库中。当从相应客户端接收到诊断数据,分布式数据请求处理器1066-3通过Web服务模块1061和网络104转发所接受到的诊断数据给发出请求的客户。
客户端的用户在登录后可以输入患者的姓名,并发送该姓名到医疗服务服务器106,然后获取到关于患者心血管紊乱的最终的诊断数据,该诊断数据是由具有所需最终的诊断数据的客户端通过医疗服务服务器106发出的。客户端也可以从医疗服务服务器106列出的治疗清单中选择患者姓名,然后获取关于被选患者的心血管紊乱的最终诊断数据。用户能够从远程的数据库中获取最终的诊断信息,同样也有可能被限制接入的权利,例如,在用户接入控制下一个医疗专家拥有适当的数据接入权利。
在本发明实施例的描述中,数据目录存储模块设置在医疗服务器上。然而本发明并不仅仅局限于此,数据目录存储模块也可以设置在远程服务器或者医疗服务器的外部计算机上。
根据本发明,具有以上所述结构的心血管紊乱诊断系统,通过一系列前述的处理过程,能够为用户提供关于各种分布于多个数据库的心血管紊乱诊断数据有效的综合管理服务。
更进一步地,在对心血管紊乱诊断系统的描述中,已经看到客户端将真实的电心动描记和磁心动描记的治疗数据以及虚拟的人体心脏仿真的参数发送给医疗服务器,并接受高性能的心血管紊乱诊断服务。然而,本发明并不必定局限于此。客户端仅发送真实的人体电心动描记的和磁心动描记的治疗数据给医疗服务器,也能接受到高性能的心血管紊乱诊断服务。像这样的区分服务是基于相应的服务等级和服务类别的。在这种情况下,医疗服务器利用收到的真实的电心动描记数据生成电心动描记分析结果,并且根据电心动描记分析结果和磁心动描记的实际数据执行人体心血管紊乱的最终的诊断。为了实现这些,医疗服务器中的诊断参考表需要存储相应的诊断标准信息(例如,使最终的心血管紊乱诊断能够基于电心动描记分析结果和真实的磁心动图治疗数据,而不利用图3医疗服务器中虚拟的心脏仿真模型最终)。
在下文中,将描述利用心血管紊乱诊断系统向用户提供高性能的诊断服务的步骤。
图9和图10是根据本发明的另一个实施例说明为客户端提供高性能的心血管紊乱诊断服务步骤的流程图。
图9中,首先,当通过医疗器械获取的作为治疗对象的人体的治疗信息提供给客户端时,客户端的控制模块1022将该信息传送给电心动描记分析模块1023和磁心动描记分析模块1025(步骤902)。
电心动描记分析模块1023采用电心动描记分析算法对电心动描记信号进行分析,磁心动描记分析模块1025采用磁心动图分析算法(步骤904)对磁心动描记信号进行分析。电心动描记分析模块1023将电心动描记分析结果作为人体真实的电心动描记治疗数据保存在电心动描记信息存储模块1024中,并且磁心动描记分析模块1025将磁心动描记分析结果作为人体真实的磁心动描记治疗数据保存在磁心动描记信息存储模块1026中(步骤906)。
用户(具有有效的诊断服务使用权的医生)通过网络104登录医疗服务服务器106(步骤908)。如果用户通过输入虚拟的心脏仿真参数请求高性能的心血管紊乱诊断服务(步骤910),控制模块1022分别从电心动描记信息存储模块1024和磁心动描记信息存储模块1026中重新获取真实的电心动描记治疗数据和磁心动描记治疗数据,并且随着诊断服务请求信息将真实的电心动描记、磁心动描记治疗数据和虚拟的心脏仿真参数通过Web服务模块1027和网络104传送给医疗服务服务器106中的Web服务模块1061(图3)(步骤912)。
Web服务模块1061将真实的电心动描记治疗数据转发给电心动描记分析模块1063,并也将真实的磁心动描记治疗数据转发给虚拟心脏仿真模块1064和心血管紊乱诊断模块1065。
电心动描记分析模块1063,根据来自Web服务模块的1061的用户请求的任务信息、有关用户服务级别的信息、可利用的计算资源、以及信息存储/管理模块1062中的任务调度信息,通过基于网格的电心动描记分析对真实的电心动描记治疗数据进行分析,并将分析结果发送给虚拟心脏仿真模块1064和心血管紊乱诊断模块1065(步骤914)。
更具体的说,步骤914中,对于电心动描记分析,基于用户请求的任务信息和信息存储/管理模块1062中的最佳可用资源信息(例如,通过资源状态信息、资源质量信息和任务历史信息生成)来选择所要使用的资源。对分配的资源的选择是基于任务信息、资源选择信息和信息存储/管理模块1062中的调度信息的。使用资源到任务的分配信息以分布式的方式处理和真实的电心动描记治疗数据的基于网格中间件的电心动描记分析有关的任务,从而生成电心动描记分析结果。
此后,虚拟心脏仿真模块1064,基于用户请求的任务信息、用户服务级别信息、计算的资源到任务的分配信息以及来自Web服务模块1061的调度信息,来执行虚拟的心脏仿真,从而得出仿真的心电图和磁心动图(步骤916)。虚拟心脏仿真模块1064然后根据在电心动描记分析结果、真实的磁心动描记治疗数据和仿真的心电图、磁心动图的一致性分析结果确定人体的心血管紊乱疾病状态,并将疾病状态信息发送给心血管紊乱诊断模块1065(步骤918)。
更具体的说,步骤916中,对于虚拟心脏仿真,所使用资源的选择是基于用户请求的任务信息以及信息存储/管理模块1062中的最佳可用资源信息基础上的。另外,所分配资源的选择是基于任务信息、资源选择信息和信息存储/管理模块1062中的调度信息的。和基于网格中间件的虚拟心脏仿真有关的任务将使用资源到任务分派的信息以分布式的方式进行处理,从而生成图12和图13中的仿真心电图和磁心动图。这里的仿真参数可以是请求高性能诊断服务的用户(医生)指定的诊断参数,也可以是对作为治疗对象的人体实际诊断时获取的诊断参数的部分修正版本。
随后,步骤918中,通过在来自Web服务模块1061人体的真实磁心动描记治疗数据(实际的磁心动图波形信息)、来自电心动描记分析模块1063获取的电心动描记分析结果(真实的磁心动描记波形信息)以及仿真得出的心电图和磁心动图(波形信息)之间进行信号处理,来执行一致性分析。根据一致性分析结果确定人体的疾病状态。
在本实施例的描述中,电心动描记分析是在虚拟心脏仿真之前进行的。然而,本发明并不局限于此,应注意到实际上电心动描记分析和虚拟心脏仿真可以同时执行。
之后,心血管紊乱诊断模块1065将检查是否需要对真实的治疗数据进行修正(步骤920)。例如,如果真实的磁心动图、电心动描记分析结果和疾病状态之间有明显差距,或者如果诊断日期距离当前时间太久,心血管紊乱诊断模块1065将决定修正的必要性。
如果步骤922中的修正是必要的,控制进程通过标号A转入到步骤924。在步骤924中,心血管紊乱诊断模块1065向相应的客户端发送请求新的真实治疗数据的请求消息。该真实治疗数据可以是真实的电心动描记治疗数据、真实的磁心动图治疗数据或者两者的结合。
对此,相应的客户端生成请求的治疗数据,并且将其发送给医疗服务服务器106(步骤926),然后对数据进行选择性的修正(步骤928)。在接下来的步骤926和步骤928中,如果被请求的数据是真实的磁心动图治疗数据,新的治疗数据再次被发送给虚拟心脏仿真模块1064和心血管紊乱诊断模块1065;再次进行虚拟的心脏仿真;并因此执行最终的心血管紊乱诊断。如果被请求的数据是真实的电心动描记治疗数据,新的治疗数据再次被发送给电心动描记分析模块1063;再次进行电心动描记分析;并因此执行最终的心血管紊乱诊断。如果被请求的数据是真实的磁心动描记和电心动描记治疗数据,新的治疗数据将会被发送给电心动描记分析模块1063、虚拟心脏仿真模块1064和心血管紊乱诊断模块1065;然后再次执行电心动描记分析、虚拟心脏仿真和最终的心血管紊乱诊断。
在步骤922中,如果不需要进行修正,控制进程通过标号B转入到步骤930。在步骤930中,心血管紊乱诊断模块1065根据真实的磁心动描记治疗数据、电心动描记分析结果和疾病状态信息(或者这些的修正版本)以及诊断参考表中的诊断标准执行人体最终的心血管紊乱诊断,并将诊断结果通过网络104发送给相应的客户端。
更进一步地,心血管紊乱诊断模块1065创建包含库位置和类型、接受治疗的所在医院名称、病人的姓名和性别的诊断目录数据,并将诊断目录数据传送给分布式数据处理模块1066,然后将诊断目录数据存储在数据目录存储模块1067中(步骤932)。该诊断目录数据用作综合数据管理信息,使拥有适当使用权利的客户端使用各种不同的最终的诊断数据,这些诊断数据是通过对分布在其它客户端的数据库的高性能分析获得的。
请求高性能诊断服务的相应的客户端在诊断数据存储模块1028中存储通过网络104从医疗服务服务器106上获取的有关心血管紊乱的高性能诊断数据(步骤934)。因此,相应客户端的用户可以很容易的获得作为治疗对象人体的高性能的诊断结果,并且通过显示面板(未显示)观看诊断结果。
因此,本发明中的心血管紊乱诊断服务方法使用户能够根据上述的一系列过程,很快地获取人体的高性能的心血管紊乱诊断服务。
在用于心血管紊乱的诊断服务方法中,描述和说明了客户端通过网络发送人体的真实电心动描记和磁心动描记治疗数据以及虚拟心脏仿真参数到医疗服务器,以获取高性能的心血管紊乱诊断服务。然而,本发明并不仅仅局限于此。类似于诊断服务提供系统,客户端也能通过向医疗服务器只发送人体真实的电心动描记和磁心动描记治疗数据来获取高性能的诊断服务。像这样的区分服务是基于相应的服务等级和服务类别。
接下来将描述向客户端提供对分布在多个数据库的高性能诊断信息的综合数据管理服务的过程。
图11是说明向客户端提供对存储在多个分布数据库中的心血管紊乱诊断数据的综合数据管理服务的流程图。
如图11所示,如果客户端的用户通过网络104接入到并登录医疗服务服务器106上,医疗服务服务器106会向客户端提供主菜单界面(步骤1102),该主菜单界面包括用于最终的诊断结果数据的服务请求菜单项目。
客户端的用户通过选择主菜单中的服务请求菜单项目来请求所需的诊断信息(步骤1104)。分布式数据处理模块1066通过利用信息存储/管理模块1062的认证来检测用户是否具有服务请求的有效使用权。
如果检测到该用户不具备有效的使用权,分布式数据处理模块1066向客户端发送表明无效使用权的通知消息(步骤1108)。
如果检测到该用户具有有效的使用权,分布式数据处理模块1066将通过参考数据目录存储模块1067,分析来自客户端的诊断数据请求,并且提取拥有所需诊断数据的客户端的数据库的位置和类型信息(步骤1110)。
在步骤1110中,客户端的用户可以通过查阅诊断目录列表或者直接输入作为治疗对象人体的姓名来选择所需的诊断数据。对于诊断目录列表的使用,分布式处理模块1066将使用数据目录存储模块1067中的信息来创建诊断目录列表,并且将该列表发送给客户端。然后客户端的用户在诊断目录列表中选择一个或多个项目。
之后,分布式数据处理模块1066将诊断信息请求转发给被提取位置和类型信息的客户端(步骤1112)。被请求的客户端从诊断数据存储模块中重新获取被请求的诊断数据,然后发送重获的诊断数据给分布式数据处理模块1066(步骤1114)。
接下来,分布式数据处理模块1066将来自被请求客户端的诊断数据发送给发出请求的客户端,并且在数据目录存储模块1067中保存一条包含被使用数据项目、使用日期和使用者的标识符的标记(步骤1116)。无论什么时候诊断数据被任何客户端使用,都将在数据目录存储模块1067中创建和保存相关的标记,以管理诊断数据的使用历史记录。
因此,本发明中的心血管紊乱的诊断服务方法,通过上述一系列处理,为用户提供一个对分布在多个数据库的心血管紊乱诊断信息的有效的综合管理服务。
接下来,将描述一个应用本发明的诊断服务方法的例子。
图15是说明通过选择性的执行电心动描记分析和虚拟心脏仿真来提供关于心动过速、心动过缓和缺血等心脏疾病诊断服务的过程的流程图。
如图15所示,具有有效服务使用权的客户端的用户通过网络104连接并登录医疗服务服务器106,然后向医疗服务服务器发送人体的真实电心动描记和磁心动描记数据以及虚拟心脏仿真参数,作为心血管紊乱的高性能诊断服务请求的一部分(步骤1502)。
电心动描记分析模块1063,参考信息存储/管理模块1062中的各种信息,以分布式的方式(基于网格中间件的分布式处理),对真实的电心动描记治疗数据进行分析,并产生电心动描记的分析结果,然后将分析结果发送给虚拟心脏仿真模块1064和心血管紊乱诊断模块1065中(步骤1504)。
之后,通过对比诊断参考表中的诊断标准,心血管紊乱诊断模块1065,根据电心动描记分析模块1063得到的分析结果和诊断参考表中的诊断标准,检查是否存在有关缺血性心脏病的异常(步骤1506)。
如果没有检测到有关缺血性心脏病的异常,心血管紊乱诊断模块1065就会基于诊断参考表中的诊断标准检查是否存在心动过速或者心动过缓的异常(步骤1508)。如果没有检测到心动过速或者心动过缓的异常,心血管紊乱诊断模块1065给出表明人体状况正常的最终的诊断报告,并且将最终的诊断报告发送给请求客户端(步骤1512)。其结果,客户端的用户从最终的诊断数据中得到人体没有心脏紊乱的信息(步骤1518)。
在这点,在传送明确的诊断报告的前后,心血管紊乱诊断模块1065会创建与明确诊断数据相一致的诊断目录信息(包括数据存储位置和类型、治疗医院名、人体的姓名和性别等等),并且将诊断目录信息保存在本身的数据目录存储模块中。请求的客户端也可以在自己的诊断数据存储模块中保存明确的诊断数据。
然而,如果在步骤1508中检测到心动过速或者心动过缓的异常,心血管紊乱诊断模块1065,基于磁心动描记治疗数据和诊断参考表中的诊断标准,检查是否存在有关缺血性心脏病的异常(步骤1510)。
如果没有检测到和缺血性心脏病有关的异常,心血管紊乱诊断模块1065会得出表明人体有心动过速或者心动过缓的疾病存在的明确的诊断数据,并且将明确的诊断数据发送给请求的客户端(步骤1512)。其结果,客户端的用户可以得知人体存在心动过速或者心动过缓的疾病存在(步骤1518)。
在这点上,在传送最终诊断报告的前后,心血管紊乱诊断模块1065会创建与明确的诊断数据相一致的诊断目录信息(包括数据存储位置和类型、治疗医院名、人体的姓名和性别等等),并且将诊断目录信息保存在本身的数据日志存储模块中。请求的客户端也可以在自己的诊断数据存储模块中保存最终的诊断数据。
如果在步骤1510通过磁心动描记器检测出有关缺血性心脏病的异常,在心血管紊乱诊断模块1065的指令下,虚拟心脏仿真模块1064利用输入参数和来自信息存储/管理模块1062中的各种信息,以分布式方式开始执行虚拟心脏仿真,以使得到虚拟的心电图和磁心动图;通过分析真实的磁心动描记的治疗数据、电心动描记的治疗数据和虚拟心电图、磁心动图之间的一致性,确定心血管紊乱疾病的状态;然后将疾病状态发送到在心血管紊乱诊断模块1065中(步骤1514)。
之后,通过分析对比真实的磁心动描记的治疗数据、电心动描记的治疗数据和虚拟心电图、磁心动图,以及诊断参考表中的诊断标准,心血管紊乱诊断模块1065得出高性能的明确的诊断数据,并将最终的诊断数据发送给请求的客户端(步骤1516)。创建的最终诊断结果以诊断目录数据的形式保存在医疗服务服务器106的数据目录存储模块中。
最终,客户端的用户获得人体心血管紊乱的状态信息(步骤1518)。然后最终诊断数据告存储在用户本身的数据存储模块中,以便综合管理,为日后自己或其他用户使用。
综上所述,根据本发明的实施例,客户端的用户通过发送作为治疗对象人体的真实电心动描记和磁心动描记治疗数据到医疗服务服务器,用户可以获得高性能的心动过速,心动过缓和缺血性心脏病的诊断服务。
当本发明通过具体的实施方式被说明和描述后,应了解到本领域的普通技术人员能够在不背离本发明在权利要求中所定义的精神和范围的情况下,可以作出各种变化和修正。
Claims (8)
1.一种通过网络提供心血管紊乱诊断服务的诊断系统,该诊断系统包括:
具有一个或者多个客户的客户组,每个客户通过网络发送心血管紊乱诊断请求,并一起发送作为治疗对象的人体的真实的心电图治疗数据和磁心动图治疗数据,通过所述网络接收最终诊断数据作为对心血管紊乱诊断请求的答复;
医疗服务服务器,用于根据任务进度表可利用资源信息,分析通过网络从客户接收到的所述真实电心动描记治疗数据,
基于电心动分析结果、真实磁心动描记治疗数据以及从虚拟心脏仿真中得到的伪心电图和磁心动图,决定身体的疾病状态,
基于真实的磁心动描记治疗数据、电心动描记分析结果和所决定的疾病状态,创建人体的心血管紊乱的最终诊断数据,
通过网络将所述创建的最终诊断数据传送给客户。
2.根据权利要求1所述的诊断系统,其特征在于,每个客户包括:
电心动描记分析模块,用于分析治疗数据中的电心动描记信号,以产生真实的电心动描记治疗数据;
磁心动描记分析模块,用于分析治疗数据中的磁心动描记信号,以产生真实的磁心动描记治疗数据;
控制模块,用于与向治疗服务服务器的心血管紊乱诊断请求一起,传输接收到的真实电心动描记治疗数据和磁心动描记治疗数据以及被提供的虚拟心脏仿真参数,并接收要从所述治疗服务服务器发送给客户的所述最终诊断数据;
诊断数据存储模块,用于存储最终诊断数据。
3.一种通过网络提供心血管紊乱诊断服务的方法,包括:
客户通过网络向医疗服务服务器传送作为治疗对象的人体的实际电心动描记治疗数据、磁心动描记治疗数据以及虚拟心脏仿真参数,来请求对心血管紊乱的高性能诊断;
响应所述高性能诊断请求,所述医疗服务服务器对实际的电心动描记治疗数据进行分析,以生成电心动分析结果;
医疗服务服务器使用仿真参数进行虚拟心脏仿真,以生成伪心电图和磁心动图;
医疗服务服务器基于电心动描记分析结果、磁心动描记治疗数据以及伪心电图和磁心动图,来确定人体的疾病状态;
医疗服务服务器通过在实际磁心动描记治疗数据、电心动描记分析结果、疾病状态和诊断标准之间进行比较,产生最终诊断数据;
由医疗服务服务器通过网络将所述最终诊断数据传送给客户。
4.根据权利要求3所述的方法,其特征在于,所述方法还包括:
其他客户向医疗服务服务器发送关于心血管紊乱的希望诊断数据的数据使用请求;
医疗服务服务器通过参考数据目录存储对该数据使用请求进行分析,提取出包含该所希望诊断数据的客户的位置和类型信息;
医疗服务服务器基于提取出来的位置和类型信息,将该数据使用请求转发给该客户;
接收来自该客户的数据使用请求相关的诊断数据,然后将该接收到的诊断数据转发给所述其它客户。
5.根据权利要求4所述的方法,其特征在于,传送数据使用请求的步骤包括:
其它客户连上医疗服务服务器,并且发送对诊断目录列表的请求,该诊断目录列表至少具有一个诊断目录;
所述医疗服务服务器向其它客户发送从数据目录存储中获得的诊断目录列表;
所述其它客户选择所述接收到的诊断目录列表的诊断目录。
6.根据权利要求4所述的方法,其特征在于,所述方法还包括:
在转发接收到的诊断数据给其他客户之后,在数据目录存储中记录与接收到的诊断数据的使用历史相关的标记信息。
7.根据权利要求3所述的方法,其特征在于,生成最终诊断数据的步骤包括:
通过对实际磁心动描记治疗数据、电心动描记分析结果以及疾病状态之间关系的分析,检查是否需要对实际治疗数据进行修正;
如果没有必要进行修正,通过比较实际磁心动描记治疗数据、电心动分析结果、疾病状态以及诊断标准,来产生最终诊断数据;
如果需要进行修正,向客户发送对人体新的实际治疗数据的请求,以请求高性能的诊断;
并且通过比较根据来自客户的新的实际治疗数据的修正过后的诊断数据以及来自诊断参考表中的诊断标准,来产生最终诊断数据。
8.一种通过网络提供心血管紊乱诊断服务的方法,包括:
客户端通过网络将作为治疗对象的人体的实际电心动描记治疗数据和磁心动描记治疗数据以及虚拟心脏仿真参数传递给医疗服务服务器,以请求关于心血管紊乱的高性能的诊断;
响应该高性能诊断请求,医疗服务服务器用分布式方式对实际的电心动描记治疗数据进行分析,从而产生电心动描记分析结果,基于所述电心动描记分析结果以及来自诊断参考表中的诊断标准,来确定是否存在与缺血心心脏疾病相关的异常;
如果没有检测到与缺血性心脏疾病相关的异常,医疗服务服务器基于来自诊断参考表中的诊断标准,确定是否是与心跳过速或心律缓慢相关的异常;
如果没有检测到与心跳过速或心律缓慢相关的异常,医疗服务服务器产生指示所述人体为正常状态的最终诊断数据,然后将所述最终诊断数据通过网络发送给客户;
如果检测到与心跳过速或心律缓慢相关的异常,医疗服务服务器基于实际的磁心动描记治疗数据和来自诊断参考表中的诊断标准,确定是否有缺血性心脏疾病相关的异常;
如果没有检测到缺血性心脏疾病相关的异常,所述医疗服务服务器产生包括人体心跳过速或心律过慢的指示的最终诊断数据,并将该最终诊断数据通过网络发送给客户;
如果基于实际的电心动描记和/或磁心动描记治疗数据,检测出存在与缺血性心脏疾病相关的异常,医疗服务器将通过具有仿真参数的分布虚拟心脏仿真得出伪心电图和磁心动图;
基于电心动描记分析结果、实际的磁心动描记治疗数据以及伪心电图和磁心动图,医疗服务服务器确定人体的心血管紊乱的疾病状态;
所述医疗服务服务器通过比较实际的磁心动描记治疗数据、电心动分析结果、疾病状态和诊断标准,产生最终诊断数据,然后将所述最终诊断数据通过网络传递给客户。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020070059462A KR100876764B1 (ko) | 2007-06-18 | 2007-06-18 | 심혈관계 질환 진단 시스템 및 그 진단 서비스 방법 |
KR10-2007-0059462 | 2007-06-18 | ||
KR1020070059462 | 2007-06-18 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101327119A true CN101327119A (zh) | 2008-12-24 |
CN101327119B CN101327119B (zh) | 2011-04-06 |
Family
ID=38508208
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2007101957439A Expired - Fee Related CN101327119B (zh) | 2007-06-18 | 2007-12-14 | 诊断心血管紊乱的系统 |
Country Status (3)
Country | Link |
---|---|
US (1) | US20080312515A1 (zh) |
KR (1) | KR100876764B1 (zh) |
CN (1) | CN101327119B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101828913A (zh) * | 2010-04-16 | 2010-09-15 | 无锡市优特科科技有限公司 | 基于算法服务器的心电图远程诊断系统 |
CN108242265A (zh) * | 2016-12-23 | 2018-07-03 | 深圳先进技术研究院 | 基于心血管疾病的辅助决策平台 |
CN109544361A (zh) * | 2018-10-27 | 2019-03-29 | 平安医疗健康管理股份有限公司 | 基于数据处理的贫血资质认证方法、设备及服务器 |
CN109559820A (zh) * | 2018-10-27 | 2019-04-02 | 平安医疗健康管理股份有限公司 | 基于数据处理的冠心病资质认证方法、设备及服务器 |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101019239B1 (ko) | 2008-10-01 | 2011-03-04 | 주식회사이루메디 | 심혈관 분석 장치 |
AU2010308329B2 (en) | 2009-10-19 | 2016-10-13 | Labrador Diagnostics Llc | Integrated health data capture and analysis system |
US20120171650A1 (en) * | 2010-12-29 | 2012-07-05 | Warner Adrian F | Methods and systems for developing medical waveforms and training methods |
US10667736B2 (en) * | 2014-12-17 | 2020-06-02 | Medtronic Ardian Luxembourg S.A.R.L. | Systems and methods for assessing sympathetic nervous system tone for neuromodulation therapy |
KR101726071B1 (ko) * | 2015-09-04 | 2017-04-14 | 재단법인대구경북과학기술원 | 심박수 변이도 분석 방법 및 심박수 변이도 분석 시스템 |
CA3184536A1 (en) * | 2016-09-21 | 2018-03-29 | Analytics For Life Inc. | Method and system for visualization of heart tissue at risk |
CN107669262A (zh) * | 2017-10-31 | 2018-02-09 | 王量弘 | 基于svm与wlt的多导联远程心电诊断与监护系统及方法 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6701184B2 (en) | 2000-09-01 | 2004-03-02 | Del Mar Reynolds Medical, Inc. | Virtual Holter |
US7120928B2 (en) * | 2001-06-15 | 2006-10-10 | Dinesh Sheth | Secure selective sharing of account information on an internet information aggregation system |
CN2664592Y (zh) * | 2003-09-09 | 2004-12-22 | 彭和平 | 基于adsl传输技术的心脏远程监护与诊断系统 |
US20050228626A1 (en) * | 2004-04-02 | 2005-10-13 | Kim Simelius | System and method for health analysis |
US7462153B2 (en) | 2004-07-23 | 2008-12-09 | Sonomedica, Inc. | Method and system for modeling cardiovascular disease using a probability regession model |
KR20040072553A (ko) * | 2004-07-26 | 2004-08-18 | 이동화 | 심전도 측정 목걸이와 휴대용 심전도 측정 시스템 |
-
2007
- 2007-06-18 KR KR1020070059462A patent/KR100876764B1/ko active IP Right Grant
- 2007-12-07 US US12/000,038 patent/US20080312515A1/en not_active Abandoned
- 2007-12-14 CN CN2007101957439A patent/CN101327119B/zh not_active Expired - Fee Related
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101828913A (zh) * | 2010-04-16 | 2010-09-15 | 无锡市优特科科技有限公司 | 基于算法服务器的心电图远程诊断系统 |
CN108242265A (zh) * | 2016-12-23 | 2018-07-03 | 深圳先进技术研究院 | 基于心血管疾病的辅助决策平台 |
CN109544361A (zh) * | 2018-10-27 | 2019-03-29 | 平安医疗健康管理股份有限公司 | 基于数据处理的贫血资质认证方法、设备及服务器 |
CN109559820A (zh) * | 2018-10-27 | 2019-04-02 | 平安医疗健康管理股份有限公司 | 基于数据处理的冠心病资质认证方法、设备及服务器 |
CN109544361B (zh) * | 2018-10-27 | 2024-04-09 | 平安医疗健康管理股份有限公司 | 基于数据处理的贫血资质认证方法、设备及服务器 |
Also Published As
Publication number | Publication date |
---|---|
KR20070073690A (ko) | 2007-07-10 |
US20080312515A1 (en) | 2008-12-18 |
KR100876764B1 (ko) | 2009-01-07 |
CN101327119B (zh) | 2011-04-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101327119B (zh) | 诊断心血管紊乱的系统 | |
Wang et al. | Enabling real-time information service on telehealth system over cloud-based big data platform | |
US9984206B2 (en) | System and method for medical resource scheduling in a distributed medical system | |
Koutkias et al. | A multiagent system enhancing home-care health services for chronic disease management | |
CN110503219A (zh) | 智能通信和分析学习引擎 | |
JP2022173490A (ja) | データ管理サーバ、データ管理方法及びデータ管理プログラム | |
Selvakanmani et al. | Fuzzy assisted fog and cloud computing with MIoT system for performance analysis of health surveillance system | |
Cuba Gyllensten et al. | Simulated case management of home telemonitoring to assess the impact of different alert algorithms on work-load and clinical decisions | |
CN107547599B (zh) | 资源分配方法及系统 | |
US20200185101A1 (en) | Decision support device | |
Grammatikakis et al. | Validation of soft real-time in remote ECG analysis | |
Czekierda et al. | Evolutionary approach to development of collaborative teleconsultation system for imaging medicine | |
CN113724846A (zh) | 就诊数据处理方法、装置、存储介质及设备 | |
Xu et al. | Vega grid: A computer systems approach to grid research | |
Zhang et al. | Complex brain activity analysis and recognition based on multiagent methods | |
Nordin et al. | Agent based Resource Broker for medical informatics application in clouds | |
Khiati et al. | Adapting distributed stream processing technologies for the automation of modern health care systems | |
CN109671495B (zh) | 一种智能诊所业务处理系统及智能诊所业务处理方法 | |
Celestrini et al. | HSim-A scalable tool for health-data simulation | |
Pisetta et al. | The e-cardiac rehabilitation service: An integrated system for Home-Care Cardiac Rehabilitation | |
Stamenov et al. | Scalability performance evaluation of the E-Ambulance software service | |
Kober et al. | Towards Complex Event Processing for Clinical Decision Support using FHIR | |
Youn et al. | QoS quorum-constrained resource management in wireless grid | |
Nguyen et al. | Design of a workflow-based grid framework | |
Jung et al. | Policy-based hybrid workflow management system for advanced heart disease identification |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20110406 Termination date: 20151214 |
|
CF01 | Termination of patent right due to non-payment of annual fee |