CN105975741B - 一种带有病人状态分级的医疗系统 - Google Patents
一种带有病人状态分级的医疗系统 Download PDFInfo
- Publication number
- CN105975741B CN105975741B CN201610254478.6A CN201610254478A CN105975741B CN 105975741 B CN105975741 B CN 105975741B CN 201610254478 A CN201610254478 A CN 201610254478A CN 105975741 B CN105975741 B CN 105975741B
- Authority
- CN
- China
- Prior art keywords
- patient
- module
- attending physician
- data
- neural network
- 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.)
- Active
Links
- 238000012544 monitoring process Methods 0.000 claims abstract description 33
- 238000007596 consolidation process Methods 0.000 claims abstract description 9
- 230000001225 therapeutic effect Effects 0.000 claims description 35
- 238000013528 artificial neural network Methods 0.000 claims description 30
- 238000003745 diagnosis Methods 0.000 claims description 25
- HVYWMOMLDIMFJA-DPAQBDIFSA-N cholesterol Chemical compound C1C=C2C[C@@H](O)CC[C@]2(C)[C@@H]2[C@@H]1[C@@H]1CC[C@H]([C@H](C)CCCC(C)C)[C@@]1(C)CC2 HVYWMOMLDIMFJA-DPAQBDIFSA-N 0.000 claims description 18
- 201000010099 disease Diseases 0.000 claims description 16
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims description 16
- 238000001514 detection method Methods 0.000 claims description 13
- 230000036772 blood pressure Effects 0.000 claims description 12
- 239000010410 layer Substances 0.000 claims description 12
- 238000007726 management method Methods 0.000 claims description 9
- 239000008280 blood Substances 0.000 claims description 8
- 210000004369 blood Anatomy 0.000 claims description 8
- 238000004891 communication Methods 0.000 claims description 7
- 230000010354 integration Effects 0.000 claims description 7
- 238000011156 evaluation Methods 0.000 claims description 6
- 239000011159 matrix material Substances 0.000 claims description 6
- 210000002569 neuron Anatomy 0.000 claims description 6
- 230000036387 respiratory rate Effects 0.000 claims description 6
- 208000024891 symptom Diseases 0.000 claims description 6
- 230000002612 cardiopulmonary effect Effects 0.000 claims description 4
- 238000011157 data evaluation Methods 0.000 claims description 4
- 238000013500 data storage Methods 0.000 claims description 4
- 230000002452 interceptive effect Effects 0.000 claims description 4
- 239000000203 mixture Substances 0.000 claims description 4
- 238000012360 testing method Methods 0.000 claims description 4
- 238000009472 formulation Methods 0.000 claims description 3
- 238000000034 method Methods 0.000 claims description 3
- 230000000474 nursing effect Effects 0.000 claims description 3
- 238000009826 distribution Methods 0.000 claims description 2
- 238000000605 extraction Methods 0.000 claims description 2
- 230000006870 function Effects 0.000 claims description 2
- 239000011229 interlayer Substances 0.000 claims description 2
- 238000004519 manufacturing process Methods 0.000 claims description 2
- 238000012545 processing Methods 0.000 claims description 2
- 238000002601 radiography Methods 0.000 claims description 2
- 235000013399 edible fruits Nutrition 0.000 claims 1
- 238000011282 treatment Methods 0.000 description 5
- 229930182558 Sterol Natural products 0.000 description 2
- 150000003432 sterols Chemical class 0.000 description 2
- 235000003702 sterols Nutrition 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000001746 injection moulding Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 210000005036 nerve Anatomy 0.000 description 1
- 230000007170 pathology Effects 0.000 description 1
Classifications
-
- G06F19/34—
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
一种带有病人状态分级的医疗系统，其特征在于：包括医院系统、家庭系统以及远程监控中心，医院系统包括医疗检查装置、病人状态分级模块、智能诊断模块、数据整合服务器，家庭系统包括便携式监控装置。
Description
技术领域
本发明属于智能设备领域，特别涉及一种用于消化内科的带有病人状态分级的医疗系统。
背景技术
智能医疗系统利用计算机分析、检索、计算得出科学、合理、全面的诊断结果，病理学检查等，对诊断结果的每个疾病提供确诊该病所需的相关因素。但是目前的智能医疗系统大多停留在病人基本信息和病历的收集上，诊断和治疗方案都是有医生做出，医生工作量并没有得到减轻，并且缺少在家庭护理监控。
发明内容
本发明要解决的技术问题是如何通过算法实现对病情诊断和治疗方案的评估以及制定，对此本发明提供一种医疗带有病人状态分级的医疗系统，其包括医院系统、家庭系统以及远程监控中心，
医院系统包括医疗检查装置、病人状态分级模块、智能诊断模块、数据整合服务器，
家庭系统包括便携式监控装置，
主治医师通过医院系统实现对病人的医疗检查、诊断以及治疗方案的制定，主治医师通过家庭系统的便携式监控装置获取在家护理病人的实时数据，便携式监控装置还与远程监控中心无线连接，从而在病人出现紧急状况时能够及时采取应对，并将紧急状况同时通知主治医师以及上传数据整合服务器，
便携式监控装置通过基站与远程监控中心进行GPRS无线通信；
病人处于医院系统中时，医疗检查装置检测病人的多项医疗检查数据，并输入病人状态分级模块，病人状态分级模块采用评估算法对病人的病情进行评估，主治医生则经过身份认证进入病人状态分级模块对划分的评估结果进行核实，如果主治医生认为划分的评估结果正确，则将病人的相关信息和医疗检查数据按照评估结果进行归档，并输入智能诊断模块，如果主治医生认为划分的评估结果不正确，则由主治医生确定病人的评估结果，再将病人的相关信息和医疗检查数据按照评估结果进行归档，并输入智能诊断模块；智能诊断模块根据病人的相关信息、医疗检查数据以及评估结果自动生成相应的治疗方案，主治医生经过身份认证进入智能诊断模块对治疗方案进行核实，如果主治医生认为治疗方案正确，则将病人的相关信息、医疗检查数据、治疗方案以及评估结果上传至数据整合服务器，如果主治医生认为治疗方案不正确，则由主治医生重新制定治疗方案，再将病人的相关信息、医疗检查数据、治疗方案以及评估结果上传至数据整合服务器；
病人状态分级模块的评估算法具体为：
对每一项医疗检查数据进行等级划分，则
整体检测测量值为：
其中，OPM为整体检测测量值，Ti为第i项医疗检查数据的等级值，i＝1，2，...，N，Ti＝1，2，...，M，M为最大等级值，M≥2，N为医疗检查数据的总项数；
最大整体测量值为：
OPM_MAX为最大整体测量值
则作为评估结果的病人病情的评估值为：
本发明的有益效果：
(1)通过评估算法实现对病人病情的评价，从而为病人治疗方案以及病人治疗环境的选择提供依据；
(2)具有家庭系统，从而保证了病人家庭护理的全天候的监控；
(3)引入智能诊断方式，自动生成治疗方案，从而极大减少了医生的劳动强度。
附图说明
图1为本发明的系统框图；
图2为本发明的智能诊断模块组成框图；
具体实施方式
下面结合附图与实施例对本发明作进一步的说明。
本发明的实施例参考图1-2示。
一种医疗带有病人状态分级的医疗系统，其包括医院系统、家庭系统以及远程监控中心，
医院系统包括医疗检查装置、病人状态分级模块、智能诊断模块、数据整合服务器，
家庭系统包括便携式监控装置，
主治医师通过医院系统实现对病人的医疗检查、诊断以及治疗方案的制定，主治医师通过家庭系统的便携式监控装置获取在家护理病人的实时数据，便携式监控装置还与远程监控中心无线连接，从而在病人出现紧急状况时能够及时采取应对，并将紧急状况同时通知主治医师以及上传数据整合服务器，
便携式监控装置通过基站与远程监控中心进行GPRS无线通信；
病人处于医院系统中时，医疗检查装置检测病人的多项医疗检查数据，并输入病人状态分级模块，病人状态分级模块采用评估算法对病人的病情进行评估，主治医生则经过身份认证进入病人状态分级模块对划分的评估结果进行核实，如果主治医生认为划分的评估结果正确，则将病人的相关信息和医疗检查数据按照评估结果进行归档，并输入智能诊断模块，如果主治医生认为划分的评估结果不正确，则由主治医生确定病人的评估结果，再将病人的相关信息和医疗检查数据按照评估结果进行归档，并输入智能诊断模块；智能诊断模块根据病人的相关信息、医疗检查数据以及评估结果自动生成相应的治疗方案，主治医生经过身份认证进入智能诊断模块对治疗方案进行核实，如果主治医生认为治疗方案正确，则将病人的相关信息、医疗检查数据、治疗方案以及评估结果上传至数据整合服务器，如果主治医生认为治疗方案不正确，则由主治医生重新制定治疗方案，再将病人的相关信息、医疗检查数据、治疗方案以及评估结果上传至数据整合服务器；
病人状态分级模块的评估算法具体为：
对每一项医疗检查数据进行等级划分，则
整体检测测量值为：
其中，OPM为整体检测测量值，Ti为第i项医疗检查数据的等级值，i＝1，2，...，N，Ti＝1，2，...，M，M为最大等级值，M≥2，N为医疗检查数据的总项数；
最大整体测量值为：
OPM_MAX为最大整体测量值
则作为评估结果的病人病情的评估值为：
上述评估计算可以有效评估病人的病情，从而进行分类归档。
进一步的说，M＝5，N＝6
医疗检查装置包括血糖测量仪、心电检测器、呼吸频率检测器、胆固醇水平检测器、血压仪、X射线机，
医疗检查数据包括血糖浓度、心电图数据评价、呼吸频率、胆固醇水平、血压状况、X射线透视评价，
进一步的说，
其中，血糖浓度的评价等级划分如下表所示；
呼吸频率的评价等级划分如下表所示；
胆固醇水平的评价等级划分如下表所示；
| 等级 | 1 | 2 | 3 | 4 | 5 |
| 胆固醇水平(mmolg/l) | ＜5.2 | 5.2-5.5 | 5.6-5.8 | 5.9-6.0 | ＞6.0 |
血压状况的评价等级划分如下表所示；
心电图数据评价是指医师仅根据心电图做出的等级评价；
X射线透视评价是指医师仅根据X光片做出的等级评价；
智能诊断模块包括动态综合数据库、神经网络学习模块、推理机、解释模块、样本知识库、神经网络结构知识库、临床症状描述知识库、疾病知识库、治疗方案知识库、历史记录知识库、知识数据库管理模块，
专家可以对神经网络学习模块并通过知识库管理模块对各个知识库进行调整管理、维护更新；
解释模块是系统和主治医师之间沟通的桥梁，负责将主治医师的诊断转化为系统能够识别的信息，并将系统最后的输出结果转化为主治医师能够理解的信息；
推理机使用系统已经具备的知识，结合动态综合数据库中包含的注塑过程的具体信息进行推理，得出相应的治疗方案。推理机包括神经网络推理模块和基于规则的推理模块两部分。“临床症状——疾病”之间的推理使用神经网络模块，“疾病——治疗方案”之间使用基于规则的推理；
神经网络学习模块提出包括网络层数、输入、输出、隐结点个数在内的神经网络结构、组织待训练的学习样本以及神经网络学习算法，通过样本知识库提取进行学习，得到权值分布，完成知识获取。
进一步的说，神经网络结构通过模糊逻辑和神经网络结合的方法实现，神经网络学习算法为BP算法。
样本知识库、神经网络结构知识库、临床症状描述知识库、疾病知识库、治病方案知识库、历史记录知识库分别存放相应的知识数据。
知识数据库管理模块具有完整的数据库操作功能，专家通过知识数据库管理模块对各个知识库的进行查询、添加和删除以及修改
动态综合数据库接收并存储病人的相关信息、医疗检查数据以及评估结果；
推理机的工作过程如下：
(1)将病人的相关信息、医疗检查数据以及评估结果进行模糊化处理，并以此作为各子神经网络的输入模式；
(2)从神经网络结构知识库中读入各子神经网络的权值矩阵；
(3)结合各子神经网络输入层、隐层间的权值矩阵，计算各子神经网络输入层神经元的输出，并将输出作为隐层神经元的输入；
(4)结合各子神经网络隐层、输出层间的权值矩阵，计算输出层神经元的输出值；
(5)根据输出层神经元的输出值，结合动态综合数据库中的相关信息进行规则推理模块的推理，确定病因，给出可信度；
(6)根据最终确定的原因，结合相关信息给出对应于具体病因的治疗方案；
通过智能诊断模块真正实现了智能诊断，可以为医生提供详实的治疗方案，进而降低其工作强度。
数据整合服务器包括交互界面模块、注册登记模块、通讯监视模块、数据存储装置，主治医生通过注册登记模块进行等级注册，并通过交互界面模块访问数据存储装置中的病人信息，通讯监视模块用于与远程监控中心进行数据交换。
数据整合服务器实现了病人信息的全面整合从而为治疗医师提供详实信息。
根据评估值C以及主治医生的意见决定病人是否可以在家护理，如果评估值为C≥0.4，则病人需要住院；如果评估值为0＜C＜0.1，该类病人基本已经痊愈，无需进一步的诊断监控服务；如果评估值为0.1≤C＜0.4并且主治医生同意，则病人可以进行家庭护理；
病人处于家庭系统中时，根据评估值判断家庭护理病人所需要的基本诊断服务、高级诊断服务、诊断报告形式、主治医师类型、监控时间以及监控周期；
当0.1≤C＜0.2时，该类病人为轻度病人，
基本诊断服务为病人基本信息、病历、心电图、血压检测；
无高级诊断服务；
诊断报告形式为网页通知和邮件；
主治医师类型为10年以下经验的主治医师；
监控时间为1天；
监控周期为1小时一次；
当0.2≤C＜0.3时，该类病人为中度病人，
基本诊断服务为病人基本信息、病历、心电图、血压检测，血糖检测、心肺检测、胆固醇水平检测；
无高级诊断服务；
诊断报告形式为网页通知和邮件；
主治医师类型为10年以下经验的主治医师；
监控时间为7天；
监控周期为1小时一次；
当0.3≤C＜0.4时，该类病人为重度病人，
基本诊断服务为病人基本信息、病历、心电图、血压检测，血糖检测、心肺检测、胆固醇水平检测，心动评估，心脏造影；
高级诊断服务为虚拟心脏，专家会诊；
诊断报告形式为移动电话，网页通知和邮件；
主治医师类型为10年以上经验的主治医师；
监控时间为30天；
监控周期为1分钟；
通过上述分级可以针对不同的病人的病情，采取不同的治疗和护理方式，从而合理配置医疗资源，降低医疗成本。
进一步说，其中基本诊断服务、高级诊断服务通过便携式监控装置实现。
以上所述实施方式仅表达了本发明的一种实施方式，但并不能因此而理解为对本发明范围的限制。应当指出，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。
Claims (6)
1.一种带有病人状态分级的医疗系统，其特征在于：包括医院系统、家庭系统以及远程监控中心，医院系统包括医疗检查装置、病人状态分级模块、智能诊断模块、数据整合服务器，家庭系统包括便携式监控装置，
主治医师通过医院系统实现对病人的医疗检查、诊断以及治疗方案的制定，主治医师通过家庭系统的便携式监控装置获取在家护理病人的实时数据，便携式监控装置还与远程监控中心无线连接；
便携式监控装置通过基站与远程监控中心进行GPRS无线通信；
病人处于医院系统中时，医疗检查装置检测病人的多项医疗检查数据，并输入病人状态分级模块，病人状态分级模块采用评估算法对病人的病情进行评估，主治医生则经过身份认证进入病人状态分级模块对划分的评估结果进行核实，如果主治医生认为划分的评估结果正确，则将病人的相关信息和医疗检查数据按照评估结果进行归档，并输入智能诊断模块，如果主治医生认为划分的评估结果不正确，则由主治医生确定病人的评估结果，再将病人的相关信息和医疗检查数据按照评估结果进行归档，并输入智能诊断模块；智能诊断模块根据病人的相关信息、医疗检查数据以及评估结果自动生成相应的治疗方案，主治医生经过身份认证进入智能诊断模块对治疗方案进行核实，如果主治医生认为治疗方案正确，则将病人的相关信息、医疗检查数据、治疗方案以及评估结果上传至数据整合服务器，如果主治医生认为治疗方案不正确，则由主治医生重新制定治疗方案，再将病人的相关信息、医疗检查数据、治疗方案以及评估结果上传至数据整合服务器；
病人状态分级模块的评估算法具体为：
对每一项医疗检查数据进行等级划分，则
整体检测测量值为：
其中，OPM为整体检测测量值，Ti为第i项医疗检查数据的等级值，i＝1，2，...，N，Ti＝1，2，...，M，M为最大等级值，M≥3，N为医疗检查数据的总项数；
最大整体测量值为：
OPM_MAX为最大整体测量值，
则作为评估结果的病人病情的评估值为：
，
根据评估值C以及主治医生的意见决定病人是否可以在家护理，如果评估值为C≥0.4，则病人需要住院；如果评估值为0＜C＜0.1，病人已经痊愈，无需进一步的诊断监控服务；如果评估值为0.1≤C＜0.4并且主治医生同意，则病人可以进行家庭护理，病人处于家庭系统中时，根据评估值判断家庭护理病人所需要的基本诊断服务、高级诊断服务、诊断报告形式、主治医师类型、监控时间以及监控周期；
当0.1≤C＜0.2时，病人为轻度病人，
基本诊断服务为病人基本信息、病历、心电图、血压检测，
无高级诊断服务，
诊断报告形式为网页通知和邮件，
主治医师类型为10年以下经验的主治医师，
监控时间为1天，
监控周期为1小时一次；
当0.2≤C＜0.3时，病人为中度病人，
基本诊断服务为病人基本信息、病历、心电图、血压检测，血糖检测、心肺检测、胆固醇水平检测，无高级诊断服务，
诊断报告形式为网页通知和邮件，
主治医师类型为10年以下经验的主治医师，
监控时间为7天，
监控周期为1小时一次；
当0.3≤C＜0.4时，病人为重度病人，
基本诊断服务为病人基本信息、病历、心电图、血压检测，血糖检测、心肺检测、胆固醇水平检测，心动评估，心脏造影，
高级诊断服务为虚拟心脏，专家会诊，
诊断报告形式为移动电话，网页通知和邮件，
主治医师类型为10年以上经验的主治医师，
监控时间为30天，
监控周期为1分钟1次，
M＝5，N＝6，医疗检查装置包括血糖测量仪、心电检测器、呼吸频率检测器、胆固醇水平检测器、血压仪、X射线机，医疗检查数据包括血糖浓度、心电图数据评价、呼吸频率、胆固醇水平、血压状况、X射线透视评价，
血糖浓度的等级划分如下表所示，
呼吸频率的等级划分如下表所示，
胆固醇水平的等级划分如下表所示，
血压状况的等级划分如下表所示，
心电图数据评价是指医师仅根据心电图做出的评价；
X射线透视评价是指医师仅根据X光片做出的评价。
2.根据权利要求1所述的一种带有病人状态分级的医疗系统，其特征在于：智能诊断模块包括动态综合数据库、神经网络学习模块、推理机、解释模块、样本知识库、神经网络结构知识库、临床症状描述知识库、疾病知识库、治疗方案知识库、历史记录知识库、知识数据库管理模块，
专家通过知识库管理模块对各个知识库进行调整管理、维护更新；
解释模块是带有病人状态分级的医疗系统和主治医师之间沟通的桥梁，负责将主治医师的诊断转化为带有病人状态分级的医疗系统能够识别的信息，并将带有病人状态分级的医疗系统最后的输出结果转化为主治医师能够理解的信息；
推理机使用系统已经具备的知识，结合动态综合数据库中包含的具体信息进行推理，得出相应的治疗方案，推理机包括神经网络推理模块和基于规则的推理模块两部分，“临床症状至疾病”之间的推理使用神经网络模块，“疾病至治疗方案”之间使用基于规则的推理；
神经网络学习模块提出包括网络层数、输入、输出、隐结点个数在内的神经网络结构、组织待训练的学习样本以及神经网络学习算法，通过样本知识库提取进行学习，得到权值分布，完成知识获取。
3.根据权利要求2所述的一种带有病人状态分级的医疗系统，其特征在于：神经网络结构通过模糊逻辑和神经网络结合的方法实现，神经网络学习算法为BP算法，
样本知识库、神经网络结构知识库、临床症状描述知识库、疾病知识库、治病方案知识库、历史记录知识库分别存放相应的知识数据，
知识数据库管理模块具有完整的数据库操作功能，专家通过知识数据库管理模块对各个知识库进行查询、添加和删除以及修改
动态综合数据库接收并存储病人的相关信息、医疗检查数据以及评估结果。
4.据权利要求3所述的一种带有病人状态分级的医疗系统，其特征在于：推理机的工作过程如下：
(1)将病人的相关信息、医疗检查数据以及评估结果进行模糊化处理，并以此作为各子神经网络的输入模式；
(2)从神经网络结构知识库中读入各子神经网络的权值矩阵；
(3)结合各子神经网络输入层、隐层间的权值矩阵，计算各子神经网络输入层神经元的输出，并将输出作为隐层神经元的输入；
(4)结合各子神经网络隐层、输出层间的权值矩阵，计算输出层神经元的输出值；
(5)根据输出层神经元的输出值，结合动态综合数据库中的相关信息进行规则推理模块的推理，确定病因，给出可信度；
(6)根据最终确定的原因，结合相关信息给出对应于具体病因的治疗方案。
5.根据权利要求1所述的一种带有病人状态分级的医疗系统，其特征在于：数据整合服务器包括交互界面模块、注册登记模块、通讯监视模块、数据存储装置，主治医生通过注册登记模块进行等级注册，并通过交互界面模块访问数据存储装置中的病人信息，通讯监视模块用于与远程监控中心进行数据交换。
6.根据权利要求1所述的一种带有病人状态分级的医疗系统，其特征在于：基本诊断服务、高级诊断服务通过便携式监控装置实现。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610254478.6A CN105975741B (zh) | 2016-04-21 | 2016-04-21 | 一种带有病人状态分级的医疗系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610254478.6A CN105975741B (zh) | 2016-04-21 | 2016-04-21 | 一种带有病人状态分级的医疗系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN105975741A CN105975741A (zh) | 2016-09-28 |
| CN105975741B true CN105975741B (zh) | 2018-07-24 |
Family
ID=56993037
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201610254478.6A Active CN105975741B (zh) | 2016-04-21 | 2016-04-21 | 一种带有病人状态分级的医疗系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN105975741B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2020080504A1 (ja) * | 2018-10-19 | 2020-04-23 | ソニー株式会社 | 医療用情報処理システム、医療用情報処理装置、および医療用情報処理方法 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102231172A (zh) * | 2011-06-10 | 2011-11-02 | 王坦 | 一种远程医疗信息采集系统 |
| CN102332162A (zh) * | 2011-09-19 | 2012-01-25 | 西安百利信息科技有限公司 | 基于人工神经网络的医学图像兴趣区自动识别和分级压缩方法 |
| CN103294908A (zh) * | 2013-05-20 | 2013-09-11 | 浙江大学 | 基于云计算的恶性肿瘤放化疗规范执行度评估的方法 |
| CN103300819A (zh) * | 2012-03-15 | 2013-09-18 | 西门子公司 | 学习病人监控和干预系统 |
| CN103559666A (zh) * | 2013-10-15 | 2014-02-05 | 医惠科技(苏州)有限公司 | 一种远程家庭健康服务平台 |
| CN104102801A (zh) * | 2013-04-07 | 2014-10-15 | 甘肃百合物联科技信息有限公司 | 基于移动互联网的老年健康监测和管理系统 |
| CN104224147A (zh) * | 2014-09-15 | 2014-12-24 | 中国科学院苏州生物医学工程技术研究所 | 无线便携式人体健康与睡眠质量监护仪 |
| CN104799825A (zh) * | 2015-04-30 | 2015-07-29 | 深圳市全球锁安防系统工程有限公司 | 一种中老龄人云安康服务平台及药术评估方法 |
| CN105260588A (zh) * | 2015-10-23 | 2016-01-20 | 福建优安米信息科技有限公司 | 一种健康守护机器人系统及其数据处理方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8139822B2 (en) * | 2009-08-28 | 2012-03-20 | Allen Joseph Selner | Designation of a characteristic of a physical capability by motion analysis, systems and methods |
-
2016
- 2016-04-21 CN CN201610254478.6A patent/CN105975741B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102231172A (zh) * | 2011-06-10 | 2011-11-02 | 王坦 | 一种远程医疗信息采集系统 |
| CN102332162A (zh) * | 2011-09-19 | 2012-01-25 | 西安百利信息科技有限公司 | 基于人工神经网络的医学图像兴趣区自动识别和分级压缩方法 |
| CN103300819A (zh) * | 2012-03-15 | 2013-09-18 | 西门子公司 | 学习病人监控和干预系统 |
| CN104102801A (zh) * | 2013-04-07 | 2014-10-15 | 甘肃百合物联科技信息有限公司 | 基于移动互联网的老年健康监测和管理系统 |
| CN103294908A (zh) * | 2013-05-20 | 2013-09-11 | 浙江大学 | 基于云计算的恶性肿瘤放化疗规范执行度评估的方法 |
| CN103559666A (zh) * | 2013-10-15 | 2014-02-05 | 医惠科技(苏州)有限公司 | 一种远程家庭健康服务平台 |
| CN104224147A (zh) * | 2014-09-15 | 2014-12-24 | 中国科学院苏州生物医学工程技术研究所 | 无线便携式人体健康与睡眠质量监护仪 |
| CN104799825A (zh) * | 2015-04-30 | 2015-07-29 | 深圳市全球锁安防系统工程有限公司 | 一种中老龄人云安康服务平台及药术评估方法 |
| CN105260588A (zh) * | 2015-10-23 | 2016-01-20 | 福建优安米信息科技有限公司 | 一种健康守护机器人系统及其数据处理方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN105975741A (zh) | 2016-09-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105975740B (zh) | 一种带有智能诊断的医疗系统 | |
| CN105912870B (zh) | 一种便携式多传感器监护的医疗系统 | |
| CN105956374B (zh) | 一种远程监护的综合医疗系统 | |
| CN105956372B (zh) | 一种远程多传感器监护的医疗系统 | |
| Abdel-Basset et al. | RETRACTED: a novel and powerful framework based on neutrosophic sets to aid patients with cancer | |
| CN103942432B (zh) | 智慧健康管理系统 | |
| Dunton et al. | Nurse staffing and patient falls on acute care hospital units | |
| CN108573752A (zh) | 一种基于健康大数据的健康信息处理的方法及系统 | |
| CN113241196B (zh) | 基于云-终端协同的远程医疗与分级监控系统 | |
| KR20190132290A (ko) | 환자 진단 학습 방법, 서버 및 프로그램 | |
| CN103955608A (zh) | 一种智能医疗信息远程处理系统及处理方法 | |
| CN103116707A (zh) | 一种基于案例推理的心脏病智能诊断方法 | |
| CN105162880A (zh) | 一种acs区域化协同救治网络系统及其辅助决策方法 | |
| CN109686452A (zh) | 一种用于糖尿病药物干预策略制定的智能系统及方法 | |
| Pal et al. | Deep learning techniques for prediction and diagnosis of diabetes mellitus | |
| CN107707606A (zh) | 脑卒中急救筛查监管医联网系统及其应用方法 | |
| CN105709302B (zh) | 一种带有输液监控的医疗系统 | |
| Pimentel et al. | Human mental state monitoring in the wild: Are we better off with deeperneural networks or improved input features? | |
| CN105975741B (zh) | 一种带有病人状态分级的医疗系统 | |
| CN105975742B (zh) | 一种带有家庭护理的综合医疗系统 | |
| CN107658019A (zh) | 一种智能疾病诊断系统 | |
| CN105748049B (zh) | 一种带有毯式远程生理监护的医疗系统 | |
| CN107066816A (zh) | 基于临床数据的就医指导方法、装置及服务器 | |
| CN105760702B (zh) | 一种带有摄像监控的综合医疗系统 | |
| Bernardini et al. | A multicenter prospective study validated a nomogram to predict individual risk of dependence in ambulation after rehabilitation |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20190920 Address after: Room 4-19, Pioneering Building, Academician Road, Ningbo High-tech Zone, Zhejiang Province, 315048 Patentee after: NINGBO KINGT SOFTWARE CO., LTD. Address before: Department of Gastroenterology Hospital of 262700 Shandong city in Weifang Province, Shouguang City Patentee before: Zhang Ming Fei |
|
| TR01 | Transfer of patent right |