CN106919775B - 一种睡眠信息的处理方法及装置 - Google Patents
一种睡眠信息的处理方法及装置 Download PDFInfo
- Publication number
- CN106919775B CN106919775B CN201510982914.7A CN201510982914A CN106919775B CN 106919775 B CN106919775 B CN 106919775B CN 201510982914 A CN201510982914 A CN 201510982914A CN 106919775 B CN106919775 B CN 106919775B
- Authority
- CN
- China
- Prior art keywords
- monitor data
- patient
- sleep monitor
- unit
- monitoring report
- 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
Classifications
-
- 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
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/48—Other medical applications
- A61B5/4806—Sleep evaluation
- A61B5/4809—Sleep detection, i.e. determining whether a subject is asleep or not
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/48—Other medical applications
- A61B5/4806—Sleep evaluation
- A61B5/4818—Sleep apnoea
-
- 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
- G16H15/00—ICT specially adapted for medical reports, e.g. generation or transmission thereof
-
- 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
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
-
- 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
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/80—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for detecting, monitoring or modelling epidemics or pandemics, e.g. flu
Landscapes
- Health & Medical Sciences (AREA)
- Public Health (AREA)
- Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Data Mining & Analysis (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Databases & Information Systems (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Heart & Thoracic Surgery (AREA)
- Biophysics (AREA)
- Veterinary Medicine (AREA)
- Physics & Mathematics (AREA)
- Anesthesiology (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
本发明的实施例提供了一种睡眠信息的处理方法及装置,其中该处理方法包括:获取多个患者的睡眠监测数据;获取对睡眠监测数据进行判读后的第一判读结果,并根据第一判读结果生成患者的监测报告;根据监测报告,从多个患者的睡眠监测数据和监测报告中选择出患有第一种疾病的第一患者的睡眠监测数据和监测报告;根据第一患者的睡眠监测数据和监测报告,得出第一种疾病的关联因素。本发明的实施例能对疾病的关联因素进行大范围人群地挖掘,有助于区域人群对疾病的预防,降低疾病的发生率。
Description
技术领域
本发明涉及医疗技术领域,特别涉及一种睡眠信息的处理方法及装置。
背景技术
目前,睡眠障碍发生率不断升高,根据中国医师协会《2015年中国睡眠指数报告》显示,31.2%的中国人存在严重睡眠问题。中国潜在的呼吸暂停综合征患者约五千万人,呼吸暂停综合征可能导致高血压、冠心病、中风和猝死等问题,严重威胁人们的健康。
美国睡眠疾病学会(ASDA)将睡眠监测仪分为四种不同类型,第一种被称之为金标准,完全在实验室进行的多导睡眠监测(PSG);第二种称作复合型多导睡眠监测仪,最少7个导联,包括脑电、眼电、下颌肌电、心电或心率、呼吸气流、呼吸动作及血氧饱和度等,可以进行睡眠分期和呼吸暂停等的确定;第三种被称作简化便携式睡眠呼吸暂停监测仪,最少4个导联,其中至少有2个导联监测呼吸,包括呼吸气流和呼吸运动,还有心率或心电和血氧饱和度;第四种为持续性单个或两个参数的监测仪,如血氧饱和度或呼吸气流。还有一部分监测仪够不上第三种的简化便携式睡眠呼吸暂停监测仪的标准,有2~3个导联者也被确定为第四种。
其中,PSG能客观记录睡眠结构、呼吸事件、血氧饱和度、微觉醒等信息,并对睡眠呼吸暂停综合征(OSAHS)进行客观定量研究,20世纪80年代应用于临床以来,一直是国际公认的诊断OSAHS的“金标准”,是诊断睡眠呼吸疾病的必要客观依据之一。
随着可穿戴设备技术的发展,虽然市场上出现通过便携式或可穿戴设备实现基础体征数据的采集,再经智能手机的处理和传输,及平台的智能分析,已能够为用户提供呼吸暂停检测及睡眠质量评估结果,但是为了准确地评估睡眠状况、进行睡眠障碍诊疗,整夜的PSG监测需求依然很高。
患者入住医院睡眠监测室,通过多导睡眠仪以及红外摄像整夜同步监测脑电、眼电、肌电、呼吸、心电、血氧及二氧化碳、肢体运动等多项生理参数,需要经过人工花费数小时进行睡眠图判读,从而获得监测结果。
目前中国医疗行业面临的现状之一,是由于人口老龄化,亚健康、慢病人群激增,对健康医疗服务行业需求的扩大,而医疗资源配置不合理以及医疗服务资源(例如医护人员等)匮乏,造成了一旦有较大的疾病,大批农村和小城市的居民蜂拥至大城市的大医院就医,加剧了医疗资源的紧张,也带来了个人就医成本的大幅上升,远程医疗与分级诊疗服务应运而生。
为了鼓励和规范远程医疗、分级诊疗的发展,国家在2014年8月推出了.《关于推进医疗机构远程医疗服务的意见》,明确了远程医疗服务范围,包括一方医疗机构邀请其他医疗机构,运用信息化技术为本医疗机构诊疗患者提供技术支持。国务院办公厅于2015年9月印发《关于推进分级诊疗制度建设的指导意见》,文件提出“构建医疗卫生机构分工协作机制”,分级诊疗制度将在两年内逐步完善,到2020年,基层首诊,双向转诊、急慢分诊、上下联动的分级诊疗模式全面确立。
分级诊疗方法主要是按照疾病的轻、重、缓、急及治疗的难易程度进行分级,不同级别的医疗机构承担不同疾病的治疗,实现基层首诊和双向转诊。主要包括下级医疗卫生机构向上级医疗机构转诊(不能明确诊断的疑难复杂病例等)、上级医疗机构向下级医疗卫生机构转诊(治疗后病情稳定、进入恢复期等情况)。
一般的实现方法多采用直接转诊方式,通过电子病历互认,患者从基层医院转向上级医院诊治,或转向基层医院康复;也有通过远程音频和视频的方式进行远程会诊。上述分级诊疗或远程诊疗方法对于多导睡眠监测的困境情况不完全适用。
目前多导睡眠监测仪进行睡眠监测面临的困境主要包括如下三种:
第一种:伴有睡眠障碍的患者多向大医院集中,导致医疗成本增高,大医院人满为患,而三甲医院床位有限,需要排队等候,用户排队时间约数周至数月,同时社区等基层医院有空余床位,使得资源利用率低。
第二种:PSG的硬件和软件价格相对较高,更为困难地是PSG睡眠图判读尚未实现自动判读,需要专业的技师,而培养PSG专业判读技师成本较高,很多基层医院无法支撑,因而导致PSG监测无法服务更广泛的睡眠障碍人群。
第三种:PSG监测数据在各个医院之间独立存储,数据格式不统一,数据孤岛严重,无法进行数据的协同分析,进而难以对疾病的关联因素进行大范围人群地挖掘。
目前,大部分患者的症状都较为典型,但因目前没有能分析出疾病的关联因素的方法,不能有效地提醒区域人群对疾病进行预防,导致疾病的发生率不断升高。
发明内容
本发明实施例的目的在于提供一种睡眠信息的处理方法及装置,能对疾病的关联因素进行大范围人群地挖掘,有助于区域人群对疾病的预防,降低疾病的发生率。
为了达到上述目的,本发明的实施例提供了一种睡眠信息的处理方法,包括:
获取多个患者的睡眠监测数据;
获取对睡眠监测数据进行判读后的第一判读结果,并根据第一判读结果生成患者的监测报告;
根据监测报告,从多个患者的睡眠监测数据和监测报告中选择出患有第一种疾病的第一患者的睡眠监测数据和监测报告;
根据第一患者的睡眠监测数据和监测报告,得出第一种疾病的关联因素。
其中,获取多个患者的睡眠监测数据的步骤,包括:
通过多导睡眠监测仪,获取多个患者的睡眠监测数据。
其中,获取对睡眠监测数据进行判读后的第一判读结果读的步骤,包括:
根据预先存储的医学判读规则,对睡眠监测数据进行判读,得到第一判读结果;或者
获取具备判读睡眠监测数据能力的第一用户,在对睡眠监测数据进行判读后输入的第一判读结果。
其中,根据监测报告,从多个患者的睡眠监测数据和监测报告中选择出患有第一种疾病的第一患者的睡眠监测数据和监测报告的步骤,包括:
获取第二用户根据监测报告,输入的诊断信息;
根据监测报告和诊断信息,从多个患者的睡眠监测数据和监测报告中选择出患有第一种疾病的第一患者的睡眠监测数据和监测报告。
其中,根据第一患者的睡眠监测数据和监测报告,得出第一种疾病的关联因素的步骤,包括:
获取第一患者的主述信息;
根据第一患者的主述信息、睡眠监测数据和监测报告中的信息,生成第一特征向量;
对第一特征向量进行归一化和降维处理;
对经过归一化和降维处理后的第一特征向量进行聚类分析,将聚类中心对应的特征值作为第一种疾病的关联因素。
其中,在获取对睡眠监测数据进行判读的第一判读结果,并根据第一判读结果生成患者的监测报告的步骤之后,处理方法还包括:
接收第三用户输入的下载请求,将监测报告发送给第三用户所使用的终端。
其中,在获取对睡眠监测数据进行判读的第一判读结果,并根据第一判读结果生成患者的监测报告的步骤之后,处理方法还包括:
根据多个患者的监测报告,从多个患者的睡眠监测数据中筛选出典型患者的睡眠监测数据;
根据典型患者的睡眠监测数据,生成第二特征向量;
根据第二特征向量,判断预先存储的教学案例库中的多个典型案例中是否存在,与由第二特征向量对应的典型患者的监测报告、睡眠监测数据、第一判读结果所构成的第一案例相似的典型案例;
当多个典型案例中不存在与第一案例相似的典型案例时,获取多个第四用户对第一案例中的第一判读结果进行审核后,输入的审核评分;
根据多个审核评分,将第一案例作为新的典型案例加入至教学案例库中。
其中,根据多个审核评分,将第一案例作为新的典型案例加入至教学案例库中的步骤,包括:
计算多个审核评分的平均评分;
判断平均评分是否大于预设评分;
当平均评分大于预设评分时,将第一案例作为新的典型案例加入至教学案例库中。
其中,根据多个患者的监测报告,从多个患者的睡眠监测数据中筛选出典型患者的睡眠监测数据的步骤,包括:
判断预先存储的多个疾病名称中是否存在与监测报告所表征患者所患疾病的名称相匹配的疾病名称;
当多个疾病名称中存在与监测报告所表征患者所患疾病的名称相匹配的疾病名称时,将患者的睡眠监测数据作为典型患者的睡眠监测数据。
其中,根据第二特征向量,判断预先存储的教学案例库中的多个典型案例中是否存在,与由第二特征向量对应的典型患者的监测报告、睡眠监测数据、第一判读结果所构成的第一案例相似的典型案例的步骤,包括:
对第二特征向量进行归一化处理;
通过公式
分别计算经过归一化处理后的第二特征向量与预先存储的教学案例库中多个典型案例的第三特征向量的欧氏距离,其中,D表示经过归一化处理后的第二特征向量与第三特征向量的欧氏距离,di表示经过归一化处理后的第二特征向量,dj表示第三特征向量,k表示第二特征向量的维度,n表示第二特征向量的维度的数量,wk(di)表示经过归一化处理后的第二特征向量的第k个维度的权重值,wk(dj)表示第三特征向量的第二特征向量的第k个维度的权重值;
从计算得到的多个欧氏距离中筛选出最小的欧氏距离,并比较最小的欧氏距离与预设距离的大小;
当最小的欧氏距离大于预设距离时,确定预先存储的教学案例库中的多个典型案例中不存在与第一案例相似的典型案例;
当最小的欧氏距离小于或等于预设距离时,确定预先存储的教学案例库中的多个典型案例中存在与第一案例相似的典型案例。
其中,在根据多个审核评分,将第一案例作为新的典型案例加入至教学案例库中的步骤之后,处理方法还包括:
获取第五用户在学习教学案例库中的典型案例之后,对患者的睡眠监测数据进行判读后,输入的第二判读结果;
将第二判读结果与第一判读结果进行匹配;
根据匹配结果,对第五用户的学习质量进行评估。
本发明的实施例还提供了一种睡眠信息的处理装置,包括:
第一获取模块,用于获取多个患者的睡眠监测数据;
第二获取模块,用于获取对睡眠监测数据进行判读后的第一判读结果,并根据第一判读结果生成患者的监测报告;
选择模块,用于根据监测报告,从多个患者的睡眠监测数据和监测报告中选择出患有第一种疾病的第一患者的睡眠监测数据和监测报告;
关联模块,用于根据第一患者的睡眠监测数据和监测报告,得出第一种疾病的关联因素。
其中,第一获取模块包括:
第一获取单元,用于通过多导睡眠监测仪,获取多个患者的睡眠监测数据。
其中,第二获取模块包括:
第二获取单元,用于根据预先存储的医学判读规则,对睡眠监测数据进行判读,得到第一判读结果;或者
第三获取单元,用于获取具备判读睡眠监测数据能力的第一用户,在对睡眠监测数据进行判读后输入的第一判读结果。
其中,选择模块包括:
第四获取单元,用于获取第二用户根据监测报告,输入的诊断信息;
选择单元,用于根据监测报告和诊断信息,从多个患者的睡眠监测数据和监测报告中选择出患有第一种疾病的第一患者的睡眠监测数据和监测报告。
其中,关联模块包括:
第五获取单元,用于获取第一患者的主述信息;
生成单元,用于根据第一患者的主述信息、睡眠监测数据和监测报告中的信息,生成第一特征向量;
第一处理单元,用于对第一特征向量进行归一化和降维处理;
关联单元,用于对经过归一化和降维处理后的第一特征向量进行聚类分析,将聚类中心对应的特征值作为第一种疾病的关联因素。
其中,处理装置还包括:
接收模块,用于接收第三用户输入的下载请求,将监测报告发送给第三用户所使用的终端。
其中,处理装置还包括:
筛选模块,用于根据多个患者的监测报告,从多个患者的睡眠监测数据中筛选出典型患者的睡眠监测数据;
生成模块,用于根据典型患者的睡眠监测数据,生成第二特征向量;
判断模块,用于根据第二特征向量,判断预先存储的教学案例库中的多个典型案例中是否存在,与由第二特征向量对应的典型患者的监测报告、睡眠监测数据、第一判读结果所构成的第一案例相似的典型案例,并当多个典型案例中不存在与第一案例相似的典型案例时,触发第三获取模块;
第三获取模块,用于根据判断模块的触发,获取多个第四用户对第一案例中的第一判读结果进行审核后,输入的审核评分;
添加模块,用于根据多个审核评分,将第一案例作为新的典型案例加入至教学案例库中。
其中,添加模块包括:
第一计算单元,用于计算多个审核评分的平均评分;
第一判断单元,用于判断平均评分是否大于预设评分,并当平均评分大于预设评分时,触发添加单元;
添加单元,用于根据第一判断单元的触发,将第一案例作为新的典型案例加入至教学案例库中。
其中,筛选模块包括:
第二判断单元,用于判断预先存储的多个疾病名称中是否存在与监测报告所表征患者所患疾病的名称相匹配的疾病名称,并当多个疾病名称中存在与监测报告所表征患者所患疾病的名称相匹配的疾病名称时,触发筛选单元;
筛选单元,用于根据第二判断单元的触发,将患者的睡眠监测数据作为典型患者的睡眠监测数据。
其中,判断模块包括:
第二处理单元,用于对第二特征向量进行归一化处理;
第二计算单元,用于通过公式
分别计算经过归一化处理后的第二特征向量与预先存储的教学案例库中多个典型案例的第三特征向量的欧氏距离,其中,D表示经过归一化处理后的第二特征向量与第三特征向量的欧氏距离,di表示经过归一化处理后的第二特征向量,dj表示第三特征向量,k表示第二特征向量的维度,n表示第二特征向量的维度的数量,wk(di)表示经过归一化处理后的第二特征向量的第k个维度的权重值,wk(dj)表示第三特征向量的第二特征向量的第k个维度的权重值;
比较单元,用于从计算得到的多个欧氏距离中筛选出最小的欧氏距离,并比较最小的欧氏距离与预设距离的大小,并当最小的欧氏距离大于预设距离时,触发第一确定单元,以及当最小的欧氏距离小于或等于预设距离时,触发第二确定单元;
第一确定单元,用于根据比较单元的触发,确定预先存储的教学案例库中的多个典型案例中不存在与第一案例相似的典型案例;
第二确定单元,用于根据比较单元的触发,确定预先存储的教学案例库中的多个典型案例中存在与第一案例相似的典型案例。
其中,处理装置还包括:
第四获取模块,用于获取第五用户在学习教学案例库中的典型案例之后,对患者的睡眠监测数据进行判读后,输入的第二判读结果;
匹配模块,用于将第二判读结果与第一判读结果进行匹配;
评估模块,用于根据匹配结果,对第五用户的学习质量进行评估。
本发明的上述方案至少包括以下有益效果:
在本发明的实施例中,通过根据多个患者的监测报告,从多个患者的睡眠监测数据和监测报告中选择出患第一种疾病的第一患者的睡眠监测数据和监测报告,并根据选择出的睡眠监测数据和监测报告,得出第一种疾病的关联因素,解决了不能分析出疾病的关联因素,不能有效地提醒区域人群对疾病进行预防,导致疾病的发生率不断升高的问题,达到了能对疾病的关联因素进行大范围人群地挖掘,有助于区域人群对疾病的预防,降低疾病的发生率的效果。
附图说明
图1为本发明第一实施例中睡眠信息的处理方法的流程图;
图2为本发明第一实施例中健康云平台与例如基层医院的工作人员、第一用户、第三用户之间的交互示意图;
图3为本发明第一实施例中图1中步骤S104的具体流程图;
图4为本发明第二实施例中睡眠信息的处理方法的流程图;
图5为本发明第二实施例中健康云平台对第五用户的学习质量进行评估的流程图;
图6为本发明第二实施例中第五用户与健康云平台之间的交互示意图;
图7为本发明第三实施例中睡眠信息的处理装置的结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例,然而应当理解,可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了能够更透彻地理解本公开,并且能够将本公开的范围完整的传达给本领域的技术人员。
第一实施例
如图1所示,本发明的第一实施例提供了一种睡眠信息的处理方法,该处理方法可应用于一健康云平台,其中,该处理方法具体包括:
步骤S101,获取多个患者的睡眠监测数据。
在本发明的第一实施例中,可以通过多导睡眠监测仪获取多个患者的睡眠监测数据。其中,睡眠监测数据包括患者的睡眠结构、血氧饱和度、呼吸暂停次数、低通气次数、阻塞型呼吸暂停次数、平均心率、肢体运动次数、微觉醒等信息。
在本发明的第一实施例中,如图2所示,上述睡眠监测数据是患者在入住医院(例如基层医院)的睡眠监测室后,医院(例如基层医院)的工作人员通过多导睡眠监测仪整夜同步监测得到的,且在得到患者的睡眠监测数据后,医院(例如基层医院)的工作人员会将睡眠监测数据通过以太网或者长期演进(LTE,Long Term Evolution)网络上传至健康云平台。需要说明的是,各医院上传至健康云平台的睡眠监测数据的格式可以是统一的数据格式,也可以是不同的数据格式,但若是不同的数据格式的话,健康云平台在获取到这些睡眠监测数据后,需将其转换为统一的数据格式,即健康云平台中存储的睡眠监测数据的格式都是一样的,从而便于后续对这些睡眠监测数据进行分析。
步骤S102,获取对睡眠监测数据进行判读后的第一判读结果,并根据第一判读结果生成患者的监测报告。
在本发明的第一实施例中,获取第一判读结果的方式有两种,第一种为:根据健康云平台中预先存储的医学判读规则,对睡眠监测数据进行判读,得到第一判读结果;第二种为:如图2所示,由具备判读睡眠监测数据能力的第一用户(例如三甲医院的医生、专业睡眠医学中心的专家等)通过客户端或者浏览器访问健康云平台存储的睡眠监测数据,并在第一用户对睡眠监测数据进行判读(即进行在线判读和标注)后,接收第一用户输入的第一判读结果。需要说明的是,为了提高判读的准确性,可以同时使用这两种方式获取第一判读结果。
在本发明的第一实施例中,第一判读结果可以理解为是一张包括判读结果的睡眠图,此外,如图2所示,健康云平台在获取到第一判读结果之后,会自动生成监测报告。
步骤S103,根据监测报告,从多个患者的睡眠监测数据和监测报告中选择出患有第一种疾病的第一患者的睡眠监测数据和监测报告。
在本发明的第一实施例中,上述第一种疾病指的是某一种疾病,例如失眠、阻塞型呼吸暂停、混合型呼吸暂停、中枢型呼吸暂停、低通气或不宁腿等疾病。
在本发明的第一实施例中,为了准确地从多个患者中选择出第一患者,上述步骤S103具体包括如下步骤:
第一步,获取第二用户根据监测报告,输入的诊断信息。其中上述第二用户可以是患者的主治医生,诊断信息中包含对患者的疾病的描述信息。
第二步,根据监测报告和诊断信息,从多个患者的睡眠监测数据和监测报告中选择出患有第一种疾病的第一患者的睡眠监测数据和监测报告。
步骤S104,根据第一患者的睡眠监测数据和监测报告,得出第一种疾病的关联因素。
在本发明的第一实施例中,上述关联因素可以理解为是第一种疾病的患病因素。
在本发明的第一实施例中,如图3所示,上述步骤S104具体包括:
步骤S301,获取第一患者的主述信息。
在本发明的第一实施例中,上述主述信息是指第一患者主动陈述的病史等信息。具体地,可通过第一患者陈述,再由为第一患者进行治疗的医生输入的方式得到该主述信息。
步骤S302,根据第一患者的主述信息、睡眠监测数据和监测报告中的信息,生成第一特征向量。
在本发明的第一实施例中,第一患者的睡眠监测数据包括第一患者的睡眠结构、血氧饱和度、呼吸暂停次数、低通气次数、阻塞型呼吸暂停次数、平均心率、肢体运动次数、微觉醒等信息。第一患者的监测报告包括第一患者的性别、年龄、体重、身高、地域、睡前血压、醒后血压、服药、病史等就诊信息。
在本发明的第一实施例中,可通过将第一患者的主述信息、睡眠监测数据和监测报告中包括的每一个信息作为一个特征值的方式,生成第一特征向量。需要说明的是,为了提高后续挖掘出第一种疾病的关联因素的准确率,第一特征向量中还可加入第一患者的中医体质信息(例如中平和质,偏颇体质、阳虚质、湿热质、气虚质、阴虚质、气郁质、淤血质、痰湿质、特禀质等)的特征值。
步骤S303,对第一特征向量进行归一化和降维处理。
在本发明的第一实施例中,对第一特征向量进行归一化和降维处理对于本领域的技术人员而言,属于公知常识,在此不再赘述。
步骤S304,对经过归一化和降维处理后的第一特征向量进行聚类分析,将聚类中心对应的特征值作为第一种疾病的关联因素。
在本发明的第一实施例中,可通过K-means聚类算法对经过归一化和降维处理后的第一特征向量进行聚类分析。例如,当根据患有阻塞型呼吸暂停的第一患者的主述信息、睡眠监测数据和监测报告中的信息,生成第一特征向量,并通过K-means聚类算法对经过归一化和将为处理后的该第一特征向量进行聚类分析时,得到该区域年龄50岁以上、身体质量指数40以上、睡前血压高于130毫米汞柱为阻塞型呼吸暂停的关联因素。
在本发明的第一实施例中,通过根据多个患者的监测报告,从多个患者的睡眠监测数据和监测报告中选择出患第一种疾病的第一患者的睡眠监测数据和监测报告,并根据第一患者的主述信息、睡眠监测数据和监测报告,得出第一种疾病的关联因素,解决了不能分析出疾病的关联因素,不能有效地提醒区域人群对疾病进行预防,导致疾病的发生率不断升高的问题,达到了能对疾病的关联因素进行大范围人群地挖掘,有助于区域人群对疾病的预防,降低疾病的发生率的效果。
其中,在本发明的第一实施例中,在执行完上述步骤S102之后,上述处理方法还包括:接收第三用户输入的下载请求,将监测报告发送给第三用户所使用的终端的步骤。其中,上述第三用户可以是患者所入住医院(例如基层医院)、且不具备判读睡眠监测数据能力的医生。
如图2所示,第三用户可从健康云平台下载患者的监测报告,使得第三用户能为其治疗的患者进行解读、诊断治疗和宣贯,这样便能有效的实现远程分级治疗,使基层医院的资源得到充分的利用。
第二实施例
如图4所示,本发明的第二实施例提供了一种睡眠信息的处理方法,该处理方法可应用于一健康云平台,其中,该处理方法具体包括:
步骤S401,获取多个患者的睡眠监测数据。
在本发明的第二实施例中,可以通过多导睡眠监测仪获取多个患者的睡眠监测数据。其中,睡眠监测数据包括患者的睡眠结构、血氧饱和度、呼吸暂停次数、低通气次数、阻塞型呼吸暂停次数、平均心率、肢体运动次数、微觉醒等信息。更为具体地,睡眠监测数据可以理解为是一张包含了上述信息的睡眠图。
在本发明的第二实施例中,如图2所示,上述睡眠监测数据是患者在入住医院(例如基层医院)的睡眠监测室后,通过多导睡眠监测仪整夜同步监测得到的,且在得到患者的睡眠监测数据后,由医院的工作人员将睡眠监测数据通过以太网或者LTE网络上传至健康云平台。需要说明的是,各医院上传至健康云平台的睡眠监测数据的格式都是统一的数据格式,即健康云平台中存储的睡眠监测数据的格式都是一样的。
步骤S402,获取对睡眠监测数据进行判读后的第一判读结果,并根据第一判读结果生成患者的监测报告。
在本发明的第二实施例中,获取第一判读结果的方式有两种,第一种为:根据健康云平台中预先存储的医学判读规则,对睡眠监测数据进行判读,得到第一判读结果;第二种为:由具备判读睡眠监测数据能力的第一用户(例如三甲医院的医生、专业睡眠医学中心的专家等)通过客户端或者浏览器访问健康云平台存储的睡眠监测数据,并在第一用户对睡眠监测数据进行判读(即进行在线判读和标注)后,接收第一用户输入的第一判读结果。
在本发明的第二实施例中,第一判读结果可以理解为是一张包括判读结果的睡眠图。
步骤S403,根据多个患者的监测报告,从多个患者的睡眠监测数据中筛选出典型患者的睡眠监测数据。
在本发明的第二实施例中,可通过判断健康云平台中预先存储的多个疾病名称中是否存在与监测报告所表征患者所患疾病的名称相匹配的疾病名称的方式,从多个患者的睡眠监测数据中筛选出典型患者的睡眠监测数据。具体地,若多个疾病名称中存在与监测报告所表征患者所患疾病的名称相匹配的疾病名称,则将患者的睡眠监测数据作为典型患者的睡眠监测数据。需要说明的是,若多个疾病名称中不存在与监测报告所表征患者所患疾病的名称相匹配的疾病名称,则直接丢弃该患者的睡眠监测数据。其中,健康云平台中预先存储的多个疾病名称包括失眠、阻塞型呼吸暂停、混合型呼吸暂停、中枢型呼吸暂停、低通气、不宁腿等。
步骤S404,根据典型患者的睡眠监测数据,生成第二特征向量。
在本发明的第二实施例中,可通过将典型患者的睡眠监测数据中包括的每一个信息作为一个特征值的方式,生成第二特征向量。其中,每个信息对应一个权重值。
步骤S405,根据第二特征向量,判断预先存储的教学案例库中的多个典型案例中是否存在,与由第二特征向量对应的典型患者的监测报告、睡眠监测数据、第一判读结果所构成的第一案例相似的典型案例。若多个典型案例中不存在与第一案例相似的典型案例,则执行步骤S406,否则,直接丢弃该第一案例。
步骤S406,获取多个第四用户对第一案例中的第一判读结果进行审核后,输入的审核评分。
在本发明的第二实施例中,上述第四用户可以是专业睡眠医学中心的专家。具体地,第四用户可以选取第一判读结果(即睡眠图)中的一段来进行审核。
步骤S407,根据多个审核评分,将第一案例作为新的典型案例加入至教学案例库中。
在本发明的第二实施例中,上述步骤S407具体包括如下步骤:
第一步,计算多个审核评分的平均评分,其中,每个审核评分的取值范围为0~5分,当然可以理解的是在本发明的第二实施例中,并不限定审核评分的具体范围。
第二步,判断平均评分是否大于预设评分,当平均评分大于预设评分(例如3分)时,将第一案例作为新的典型案例加入至教学案例库中。当然如果平均评分小于预设评分,则丢弃该第一案例。
在本发明的第二实施例中,上述步骤S405中判断预先存储的教学案例库中的多个典型案例中是否存在,与由第二特征向量对应的典型患者的监测报告、睡眠监测数据、第一判读结果所构成的第一案例相似的典型案例的步骤具体包括如下步骤:
第一步,对第二特征向量进行归一化处理。需要说明的是,对第二特征向量进行归一化处理对于本领域的技术人员而言,属于公知常识,在此不再赘述。
第二步,通过公式
分别计算经过归一化处理后的第二特征向量与预先存储的教学案例库中多个典型案例的第三特征向量的欧氏距离,其中,D表示经过归一化处理后的第二特征向量与第三特征向量的欧氏距离,di表示经过归一化处理后的第二特征向量,dj表示第三特征向量,k表示第二特征向量的维度,n表示第二特征向量的维度的数量,wk(di)表示经过归一化处理后的第二特征向量的第k个维度的权重值,wk(dj)表示第三特征向量的第二特征向量的第k个维度的权重值。
第三步,从计算得到的多个欧氏距离中筛选出最小的欧氏距离,并比较最小的欧氏距离与预设距离(该预设距离可根据经验值进行设定)的大小,当最小的欧氏距离大于预设距离时,确定预先存储的教学案例库中的多个典型案例中不存在与第一案例相似的典型案例,当最小的欧氏距离小于或等于预设距离时,确定预先存储的教学案例库中的多个典型案例中存在与第一案例相似的典型案例。
在本发明的第二实施例中,为了便于不具备判读睡眠监测数据能力的用户学习健康云平台中的教学案例库中的典型案例,以及健康云平台对用户的学习质量进行评估。如图5所示,在执行完上述步骤S407之后,上述处理方法还包括:
步骤S501,获取第五用户在学习教学案例库中的典型案例之后,对患者的睡眠监测数据进行判读后,输入的第二判读结果。
在本发明的第二实施例中,上述第五用户为不具备判读睡眠监测数据能力的用户,例如,基层医院的医生、三甲医院新入职医生。此外,上述第五用户判读的睡眠监测数据是教学案例库中的典型案例中的睡眠监测数据。
步骤S502,将第二判读结果与第一判读结果进行匹配。
步骤S503,根据匹配结果,对第五用户的学习质量进行评估。
在本发明的第二实施例中,健康云平台会根据第二判读结果与第一判读结果的匹配程度(即一致程度),对第五用户的学习质量进行评估。具体地,若第二判读结果与第一判读结果的一致程度越高,认为第五用户的学习质量越好。
在本发明的第二实施例中,健康云平台通过自动生成教学案例库的方式,使得第五用户能在线学习判读睡眠监测数据,实现了以更低成本培养更多的多导睡眠监测仪专业判读技师的目的。
在本发明的第二实施例中,假设第五用户为基层医院的医生,那么,如图6所示,第五用户学习健康云平台中的教学案例库中的典型案例,以及健康云平台对第五用户的学习质量进行评估的流程为:第一步,健康云平台获取第一判读结果;第二步,健康云平台生成教学案例库;第三步,第五用户在线学习教学案例库中的典型案例;第四步,第五用户在线对患者的睡眠监测数据进行判读,输入第二判读结果;第五步,健康云平台根据第一判读结果和第二判读结果,对第五用户的学习质量进行评估。
第三实施例
如图7所示,本发明的第三实施例提供了一种睡眠信息的处理装置,包括:
第一获取模块701,用于获取多个患者的睡眠监测数据;
第二获取模块702,用于获取对睡眠监测数据进行判读后的第一判读结果,并根据第一判读结果生成患者的监测报告;
选择模块703,用于根据监测报告,从多个患者的睡眠监测数据和监测报告中选择出患有第一种疾病的第一患者的睡眠监测数据和监测报告;
关联模块704,用于根据第一患者的睡眠监测数据和监测报告,得出第一种疾病的关联因素。
其中,第一获取模块701包括:
第一获取单元,用于通过多导睡眠监测仪,获取多个患者的睡眠监测数据。
其中,第二获取模块702包括:
第二获取单元,用于根据预先存储的医学判读规则,对睡眠监测数据进行判读,得到第一判读结果;或者
第三获取单元,用于获取具备判读睡眠监测数据能力的第一用户,在对睡眠监测数据进行判读后输入的第一判读结果。
其中,选择模块703包括:
第四获取单元,用于获取第二用户根据监测报告,输入的诊断信息;
选择单元,用于根据监测报告和诊断信息,从多个患者的睡眠监测数据和监测报告中选择出患有第一种疾病的第一患者的睡眠监测数据和监测报告。
其中,关联模块704包括:
第五获取单元,用于获取第一患者的主述信息;
生成单元,用于根据第一患者的主述信息、睡眠监测数据和监测报告中的信息,生成第一特征向量;
第一处理单元,用于对第一特征向量进行归一化和降维处理;
关联单元,用于对经过归一化和降维处理后的第一特征向量进行聚类分析,将聚类中心对应的特征值作为第一种疾病的关联因素。
其中,处理装置还包括:
接收模块,用于接收第三用户输入的下载请求,将监测报告发送给第三用户所使用的终端。
其中,处理装置还包括:
筛选模块,用于根据多个患者的监测报告,从多个患者的睡眠监测数据中筛选出典型患者的睡眠监测数据;
生成模块,用于根据典型患者的睡眠监测数据,生成第二特征向量;
判断模块,用于根据第二特征向量,判断预先存储的教学案例库中的多个典型案例中是否存在,与由第二特征向量对应的典型患者的监测报告、睡眠监测数据、第一判读结果所构成的第一案例相似的典型案例,并当多个典型案例中不存在与第一案例相似的典型案例时,触发第三获取模块;
第三获取模块,用于根据判断模块的触发,获取多个第四用户对第一案例中的第一判读结果进行审核后,输入的审核评分;
添加模块,用于根据多个审核评分,将第一案例作为新的典型案例加入至教学案例库中。
其中,添加模块包括:
第一计算单元,用于计算多个审核评分的平均评分;
第一判断单元,用于判断平均评分是否大于预设评分,并当平均评分大于预设评分时,触发添加单元;
添加单元,用于根据第一判断单元的触发,将第一案例作为新的典型案例加入至教学案例库中。
其中,筛选模块包括:
第二判断单元,用于判断预先存储的多个疾病名称中是否存在与监测报告所表征患者所患疾病的名称相匹配的疾病名称,并当多个疾病名称中存在与监测报告所表征患者所患疾病的名称相匹配的疾病名称时,触发筛选单元;
筛选单元,用于根据第二判断单元的触发,将患者的睡眠监测数据作为典型患者的睡眠监测数据。
其中,判断模块包括:
第二处理单元,用于对第二特征向量进行归一化处理;
第二计算单元,用于通过公式
分别计算经过归一化处理后的第二特征向量与预先存储的教学案例库中多个典型案例的第三特征向量的欧氏距离,其中,D表示经过归一化处理后的第二特征向量与第三特征向量的欧氏距离,di表示经过归一化处理后的第二特征向量,dj表示第三特征向量,k表示第二特征向量的维度,n表示第二特征向量的维度的数量,wk(di)表示经过归一化处理后的第二特征向量的第k个维度的权重值,wk(dj)表示第三特征向量的第二特征向量的第k个维度的权重值;
比较单元,用于从计算得到的多个欧氏距离中筛选出最小的欧氏距离,并比较最小的欧氏距离与预设距离的大小,并当最小的欧氏距离大于预设距离时,触发第一确定单元,以及当最小的欧氏距离小于或等于预设距离时,触发第二确定单元;
第一确定单元,用于根据比较单元的触发,确定预先存储的教学案例库中的多个典型案例中不存在与第一案例相似的典型案例;
第二确定单元,用于根据比较单元的触发,确定预先存储的教学案例库中的多个典型案例中存在与第一案例相似的典型案例。
其中,处理装置还包括:
第四获取模块,用于获取第五用户在学习教学案例库中的典型案例之后,对患者的睡眠监测数据进行判读后,输入的第二判读结果;
匹配模块,用于将第二判读结果与第一判读结果进行匹配;
评估模块,用于根据匹配结果,对第五用户的学习质量进行评估。
在本发明的第三实施例中,通过根据多个患者的监测报告,从多个患者的睡眠监测数据和监测报告中选择出患第一种疾病的第一患者的睡眠监测数据和监测报告,并根据第一患者的主述信息、睡眠监测数据和监测报告,得出第一种疾病的关联因素,解决了不能分析出疾病的关联因素,不能有效地提醒区域人群对疾病进行预防,导致疾病的发生率不断升高的问题,达到了能对疾病的关联因素进行大范围人群地挖掘,有助于区域人群对疾病的预防,降低疾病的发生率的效果。
需要说明的是,本发明第三实施例提供的睡眠信息的处理装置是应用上述睡眠信息的处理方法的睡眠信息的处理装置,即上述睡眠信息的处理方法的所有实施例均适用于该睡眠信息的处理装置,且均能达到相同或相似的有益效果。
以上所述是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明所述原理的前提下,还可以作出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (10)
1.一种睡眠信息的处理装置,其特征在于,包括:
第一获取模块,用于获取多个患者的睡眠监测数据;
第二获取模块,用于获取对所述睡眠监测数据进行判读后的第一判读结果,并根据所述第一判读结果生成所述患者的监测报告;
选择模块,用于根据所述监测报告,从多个所述患者的睡眠监测数据和监测报告中选择出患有第一种疾病的第一患者的睡眠监测数据和监测报告;
关联模块,用于根据所述第一患者的睡眠监测数据和监测报告,得出所述第一种疾病的关联因素;
筛选模块,用于根据多个所述患者的监测报告,从多个所述患者的睡眠监测数据中筛选出典型患者的睡眠监测数据;
生成模块,用于根据所述典型患者的睡眠监测数据,生成第二特征向量;
判断模块,用于根据所述第二特征向量,判断预先存储的教学案例库中的多个典型案例中是否存在,与由所述第二特征向量对应的典型患者的监测报告、睡眠监测数据、第一判读结果所构成的第一案例相似的典型案例,并当多个所述典型案例中不存在与所述第一案例相似的典型案例时,触发第三获取模块;
第三获取模块,用于根据所述判断模块的触发,获取多个第四用户对所述第一案例中的第一判读结果进行审核后,输入的审核评分;
添加模块,用于根据多个所述审核评分,将所述第一案例作为新的典型案例加入至所述教学案例库中。
2.如权利要求1所述的处理装置,其特征在于,所述第一获取模块包括:
第一获取单元,用于通过多导睡眠监测仪,获取多个患者的睡眠监测数据。
3.如权利要求1所述的处理装置,其特征在于,所述第二获取模块包括:
第二获取单元,用于根据预先存储的医学判读规则,对所述睡眠监测数据进行判读,得到所述第一判读结果;或者
第三获取单元,用于获取具备判读所述睡眠监测数据能力的第一用户,在对所述睡眠监测数据进行判读后输入的第一判读结果。
4.如权利要求1所述的处理装置,其特征在于,所述选择模块包括:
第四获取单元,用于获取第二用户根据所述监测报告,输入的诊断信息;
选择单元,用于根据所述监测报告和所述诊断信息,从多个所述患者的睡眠监测数据和监测报告中选择出患有第一种疾病的第一患者的睡眠监测数据和监测报告。
5.如权利要求1所述的处理装置,其特征在于,所述处理装置还包括:
接收模块,用于接收第三用户输入的下载请求,将所述监测报告发送给所述第三用户所使用的终端。
6.如权利要求1所述的处理装置,其特征在于,关联模块包括:
第五获取单元,用于获取所述第一患者的主述信息;
生成单元,用于根据所述第一患者的主述信息、睡眠监测数据和监测报告中的信息,生成第一特征向量;
第一处理单元,用于对所述第一特征向量进行归一化和降维处理;
关联单元,用于对经过归一化和降维处理后的第一特征向量进行聚类分析,将聚类中心对应的特征值作为所述第一种疾病的关联因素。
7.如权利要求1所述的处理装置,其特征在于,所述添加模块包括:
第一计算单元,用于计算多个所述审核评分的平均评分;
第一判断单元,用于判断所述平均评分是否大于预设评分,并当所述平均评分大于所述预设评分时,触发添加单元;
添加单元,用于根据所述第一判断单元的触发,将所述第一案例作为新的典型案例加入至所述教学案例库中。
8.如权利要求1所述的处理装置,其特征在于,所述筛选模块包括:
第二判断单元,用于判断预先存储的多个疾病名称中是否存在与所述监测报告所表征所述患者所患疾病的名称相匹配的疾病名称,并当多个所述疾病名称中存在与所述监测报告所表征所述患者所患疾病的名称相匹配的疾病名称时,触发筛选单元;
筛选单元,用于根据所述第二判断单元的触发,将所述患者的睡眠监测数据作为典型患者的睡眠监测数据。
9.如权利要求1所述的处理装置,其特征在于,所述判断模块包括:
第二处理单元,用于对所述第二特征向量进行归一化处理;
第二计算单元,用于通过公式
分别计算经过归一化处理后的第二特征向量与预先存储的教学案例库中多个典型案例的第三特征向量的欧氏距离,其中,D表示经过归一化处理后的第二特征向量与第三特征向量的欧氏距离,di表示经过归一化处理后的第二特征向量,dj表示所述第三特征向量,k表示第二特征向量的维度,n表示第二特征向量的维度的数量,wk(di)表示经过归一化处理后的第二特征向量的第k个维度的权重值,wk(dj)表示所述第三特征向量的第二特征向量的第k个维度的权重值;
比较单元,用于从计算得到的多个所述欧氏距离中筛选出最小的欧氏距离,并比较所述最小的欧氏距离与预设距离的大小,并当所述最小的欧氏距离大于所述预设距离时,触发第一确定单元,以及当所述最小的欧氏距离小于或等于所述预设距离时,触发第二确定单元;
第一确定单元,用于根据所述比较单元的触发,确定预先存储的教学案例库中的多个典型案例中不存在与所述第一案例相似的典型案例;
第二确定单元,用于根据所述比较单元的触发,确定预先存储的教学案例库中的多个典型案例中存在与所述第一案例相似的典型案例。
10.如权利要求1所述的处理装置,其特征在于,所述处理装置还包括:
第四获取模块,用于获取第五用户在学习所述教学案例库中的典型案例之后,对所述患者的睡眠监测数据进行判读后,输入的第二判读结果;
匹配模块,用于将所述第二判读结果与所述第一判读结果进行匹配;
评估模块,用于根据匹配结果,对所述第五用户的学习质量进行评估。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510982914.7A CN106919775B (zh) | 2015-12-24 | 2015-12-24 | 一种睡眠信息的处理方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510982914.7A CN106919775B (zh) | 2015-12-24 | 2015-12-24 | 一种睡眠信息的处理方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106919775A CN106919775A (zh) | 2017-07-04 |
CN106919775B true CN106919775B (zh) | 2019-11-01 |
Family
ID=59456427
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510982914.7A Active CN106919775B (zh) | 2015-12-24 | 2015-12-24 | 一种睡眠信息的处理方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106919775B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109473152A (zh) * | 2018-09-07 | 2019-03-15 | 大连诺道认知医学技术有限公司 | 相似病历的查找方法、装置与电子设备 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103239227A (zh) * | 2012-02-07 | 2013-08-14 | 联想(北京)有限公司 | 睡眠质量检测装置及其检测方法 |
CN104523262A (zh) * | 2014-11-18 | 2015-04-22 | 南京丰生永康软件科技有限责任公司 | 基于心电信号的睡眠质量检测方法 |
CN104905791A (zh) * | 2014-03-11 | 2015-09-16 | 上海宽带技术及应用工程研究中心 | 基于聚类算法来提取呼吸信号的方法及系统 |
-
2015
- 2015-12-24 CN CN201510982914.7A patent/CN106919775B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103239227A (zh) * | 2012-02-07 | 2013-08-14 | 联想(北京)有限公司 | 睡眠质量检测装置及其检测方法 |
CN104905791A (zh) * | 2014-03-11 | 2015-09-16 | 上海宽带技术及应用工程研究中心 | 基于聚类算法来提取呼吸信号的方法及系统 |
CN104523262A (zh) * | 2014-11-18 | 2015-04-22 | 南京丰生永康软件科技有限责任公司 | 基于心电信号的睡眠质量检测方法 |
Non-Patent Citations (1)
Title |
---|
2型糖尿病患者阻塞性睡眠呼吸暂停综合征患病状况及相关因素分析;刘然,等.;《中华老年心脑血管病杂志》;20130131;第15卷(第1期);第29-31页 * |
Also Published As
Publication number | Publication date |
---|---|
CN106919775A (zh) | 2017-07-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Saleem et al. | IoT healthcare: design of smart and cost-effective sleep quality monitoring system | |
CN108778097A (zh) | 用于评估心力衰竭的装置和方法 | |
CN109935346A (zh) | 一种智能化的基层社区健康综合管理系统 | |
CN107680674A (zh) | 一种基于健康大数据的健康物联网平台及其管理方法 | |
Freed et al. | Which pediatricians are providing care to America's children? An update on the trends and changes during the past 26 years | |
CN103106327A (zh) | 远程实时家庭健康监护系统 | |
TW201017572A (en) | Method and system for risk level evaluation of patients | |
WO2019098175A1 (ja) | ソフトウェア、健康状態判定装置及び健康状態判定方法 | |
US11854699B1 (en) | Predicting respiratory distress | |
JP7228884B2 (ja) | ソフトウェア及び診断支援装置 | |
CN110033866A (zh) | 健康提醒方法、装置、计算机设备及存储介质 | |
CN114974613A (zh) | 疾病管理方法及装置、计算机存储介质、电子设备 | |
CN106919804A (zh) | 基于临床数据的药物推荐方法、推荐装置及服务器 | |
CN114883006A (zh) | 一种基于大数据的健康监测和动态管理系统及应用 | |
Hsu et al. | Proactive healthcare and an early warning mechanism for coronary artery disease patients using Internet-of-Thing devices | |
CN106919775B (zh) | 一种睡眠信息的处理方法及装置 | |
Bay et al. | A patient-classification system for long-term care | |
TW201227382A (en) | Health activity plan establishment system, establishment method, and its computer program product | |
Kaplan | Implications of quality of life assessment in public policy for adolescent health | |
CN115131294A (zh) | 基于ai的鼻咽喉疾病智能识别方法及系统 | |
Friedman et al. | Identifying and monitoring respiratory compromise: Report from the rules and algorithms working group | |
TW201629892A (zh) | 生理監控回饋系統及其運作方法 | |
CN114582510A (zh) | 一种基于大数据的ai健康监测管理系统 | |
Gao et al. | Nursing intervention based on smart medical care on the sleep quality of cardiology patients | |
JP2021163006A (ja) | 睡眠健康度判別プログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |