CN107680680A - 基于精准健康管理的心脑血管疾病风险预警方法及系统 - Google Patents
基于精准健康管理的心脑血管疾病风险预警方法及系统 Download PDFInfo
- Publication number
- CN107680680A CN107680680A CN201710801635.5A CN201710801635A CN107680680A CN 107680680 A CN107680680 A CN 107680680A CN 201710801635 A CN201710801635 A CN 201710801635A CN 107680680 A CN107680680 A CN 107680680A
- Authority
- CN
- China
- Prior art keywords
- cardiovascular
- risk
- cerebrovascular disease
- scale
- hazards
- 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.)
- Pending
Links
Classifications
-
- 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]
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7271—Specific aspects of physiological measurement analysis
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7271—Specific aspects of physiological measurement analysis
- A61B5/7275—Determining trends in physiological measurement data; Predicting development of a medical condition based on physiological measurements, e.g. determining a risk factor
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Molecular Biology (AREA)
- Animal Behavior & Ethology (AREA)
- Pathology (AREA)
- Physics & Mathematics (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Veterinary Medicine (AREA)
- Surgery (AREA)
- Biophysics (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physiology (AREA)
- Psychiatry (AREA)
- Signal Processing (AREA)
- Cardiology (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明公开一种基于精准健康管理的心脑血管疾病风险预警方法及系统，基于云平台大数据采集，整合心脑血管疾病高危人群样本信息，形成心脑血管疾病风险因子评估量表，构建心脑血管疾病风险预警模型；结合智能可穿戴心电仪监测数据，实现对心脑血管高危人群危险因素的及时预警及监测，达到对高危人群的及时有效干预的目的。同时，随着系统数据的不断累积，自动拟合风险评估量表和预警模型，实现心脑血管疾病评估的精准性、时效性和特异性。
Description
技术领域
本发明涉及计算机系统开发及数据人工智能领域，更具体地，涉及一种基于精准健康管理的心脑血管疾病风险预警方法及系统。
背景技术
心脑血管疾病是人类健康头号杀手，我国已进入心脑血管疾病高发时期。心脑血管疾病在我国的现状主要有以下特点：①发现时基本是晚期，未能做到疾病的早发现，早治疗；②临床数据无法得到实时搜集与更新，治疗效果没有得到精准有效评估；③临床数据还未实现深层次的挖掘分析应用，临床治疗未达到个体差异性和特异性及不同治疗方法的效果比较；④对心脑血管疾病患者的异常状况的综合分析与及时预警，尚在滞后阶段。在互联网大数据时代，结合智能可穿戴预警设备的成熟应用，如何实现全面针对心脑血管疾病风险因子进行精准评估、定期监测、有效干预及防控、早期临床诊疗等内容，至关重要。
发明内容
本发明为克服上述现有技术所述的至少一种缺陷，提供一种基于精准健康管理的心脑血管疾病风险预警方法及系统，基于云平台大数据采集，整合心脑血管疾病高危人群样本信息，形成心脑血管疾病风险因子评估量表，构建心脑血管疾病风险预警模型；结合智能可穿戴心电仪监测数据，实现对心脑血管高危人群危险因素的及时预警及监测。
为解决上述技术问题，本发明的技术方案如下：
一种基于精准健康管理的心脑血管疾病风险预警方法，包括以下步骤：
S1：采用大量医疗卫生数据筛选出心脑血管疾病危险因素，生成心脑血管疾病风险因子评估量表预量表；应用医疗机构心脑血管疾病高危人群样本数据，通过高级统计分析方法，对预量表危险因素的筛选和分析，生成风险因子评估量表。
S2：根据风险因子评估量表中相关危险因素，采用先进的大数据信息分析及挖掘算法，构建自动判断心脑血管疾病情况的风险预警模型；
S3：移动终端输出是否出现心脑血管疾病监测的有效信息及风险预警报告。
在一种优选方案中，步骤S1中所述的高级统计分析方法包括logistic回归分析法和因子分析法。
在一种优选方案中，所述的风险因子评估量表求因子分析结果因子负荷和结构与风险因子评估量表内容基本吻合，指标级别内相关性强度强于指标级别间相关性，使指标有较强的有效性和广泛的适用性。
在一种优选方案中，步骤S2中所述的心脑血管疾病风险预警模型采用Cox回归模型，Cox回归模型预测方程如下:
Cox为比例风险函数，Cox预测模型中各字母代表的含义分别是:βi为Cox回归模型中第i个危险因素的回归系数，Xi则为个体第i个危险因素的具体值，是样本人群第i个危险因素的均值，而函数S则为样本人群某个危险因素的发病概率函数(根据Kaplan-Meier法估计而得，又称乘积极限法)，P为心脑血管疾病风险概率。
在一种优选方案中，步骤S3中通过移动终端智能心电记录仪监测数据，结合心脑血管疾病风险因子评估量表中相关危险因素，心脑血管疾病风险预警模型自动判断心脑血管高危人群发病风险；当评估对于高于发病风险阈值时，通过移动终端自动推送风险预警报告，提示发病风险，达到对心脑血管高危人群危险因素的及时预警及监测的目的。进一步地，随着有效数据的不断累积，系统将不断改良风险评估量表和风险预警模型，实现心脑血管疾病评估的精准性、时效性和特异性。
一种基于精准健康管理的心脑血管疾病风险预警系统，基于所述的方法，其特征在于，至少包括：
生成模块，用于采用大量医疗卫生数据筛选出心脑血管疾病危险因素，生成心脑血管疾病风险因子评估量表预量表；应用医疗机构心脑血管疾病高危人群样本数据，通过高级统计分析方法，对预量表危险因素的筛选和分析，生成风险因子评估量表。
建模模块，用于根据风险因子评估量表中相关危险因素，采用先进的大数据信息分析及挖掘算法，构建自动判断心脑血管疾病情况的风险预警模型；
输出模块，用于移动终端输出是否出现心脑血管疾病监测的有效信息及风险预警报告。
与现有技术相比，本发明技术方案的有益效果是：一种基于精准健康管理的心脑血管疾病风险预警方法及系统，基于云平台大数据采集，整合心脑血管疾病高危人群样本信息，形成心脑血管疾病风险因子评估量表，构建心脑血管疾病风险预警模型；结合智能可穿戴心电仪监测数据，实现对心脑血管高危人群危险因素的及时预警及监测，达到对高危人群的及时有效干预的目的。同时，随着系统数据的不断累积，自动拟合风险评估量表和预警模型，实现心脑血管疾病评估的精准性、时效性和特异性。
附图说明
图1为本发明实施例1的整个风险预警模型系统的步骤示意图。
具体实施方式
附图仅用于示例性说明，不能理解为对本专利的限制；
为了更好说明本实施例，附图某些部件会有省略、放大或缩小，并不代表实际产品的尺寸；
对于本领域技术人员来说，附图中某些公知结构及其说明可能省略是可以理解的。
下面结合附图和实施例对本发明的技术方案做进一步的说明。
实施例1
如图1所示，一种基于精准健康管理的心脑血管疾病风险预警方法，包括以下步骤：
S1：采用大量医疗卫生数据筛选出心脑血管疾病危险因素，生成心脑血管疾病风险因子评估量表预量表；应用医疗机构心脑血管疾病高危人群样本数据，通过高级统计分析方法，对预量表危险因素的筛选和分析，生成风险因子评估量表。
S2：根据风险因子评估量表中相关危险因素，采用先进的大数据信息分析及挖掘算法，构建自动判断心脑血管疾病情况的风险预警模型；
S3：移动终端输出是否出现心脑血管疾病监测的有效信息及风险预警报告。
在具体实施过程中，步骤S1中所述的高级统计分析方法包括logistic回归分析法和因子分析法。
在具体实施过程中，所述的风险因子评估量表求因子分析结果因子负荷和结构与风险因子评估量表内容基本吻合，指标级别内相关性强度强于指标级别间相关性，使指标有较强的有效性和广泛的适用性。
在具体实施过程中，步骤S2中所述的心脑血管疾病风险预警模型采用Cox回归模型，Cox回归模型预测方程如下:
Cox为比例风险函数，Cox预测模型中各字母代表的含义分别是:βi为Cox回归模型中第i个危险因素的回归系数，Xi则为个体第i个危险因素的具体值，是样本人群第i个危险因素的均值，而函数S则为样本人群某个危险因素的发病概率函数(根据Kaplan-Meier法估计而得，又称乘积极限法)，P为心脑血管疾病风险概率。
在具体实施过程中，步骤S3中通过移动终端智能心电记录仪监测数据，结合心脑血管疾病风险因子评估量表中相关危险因素，心脑血管疾病风险预警模型自动判断心脑血管高危人群发病风险；当评估对于高于发病风险阈值时，通过移动终端自动推送风险预警报告，提示发病风险，达到对心脑血管高危人群危险因素的及时预警及监测的目的。进一步地，随着有效数据的不断累积，系统将不断改良风险评估量表和风险预警模型，实现心脑血管疾病评估的精准性、时效性和特异性。
一种基于精准健康管理的心脑血管疾病风险预警系统，基于所述的方法，其特征在于，至少包括：
生成模块，用于采用大量医疗卫生数据筛选出心脑血管疾病危险因素，生成心脑血管疾病风险因子评估量表预量表；应用医疗机构心脑血管疾病高危人群样本数据，通过高级统计分析方法，对预量表危险因素的筛选和分析，生成风险因子评估量表。
建模模块，用于根据风险因子评估量表中相关危险因素，采用先进的大数据信息分析及挖掘算法，构建自动判断心脑血管疾病情况的风险预警模型；
输出模块，用于移动终端输出是否出现心脑血管疾病监测的有效信息及风险预警报告。
一种基于精准健康管理的心脑血管疾病风险预警方法及系统，基于云平台大数据采集，整合心脑血管疾病高危人群样本信息，形成心脑血管疾病风险因子评估量表，构建心脑血管疾病风险预警模型；结合智能可穿戴心电仪监测数据，实现对心脑血管高危人群危险因素的及时预警及监测，达到对高危人群的及时有效干预的目的。同时，随着系统数据的不断累积，自动拟合风险评估量表和预警模型，实现心脑血管疾病评估的精准性、时效性和特异性。
相同或相似的标号对应相同或相似的部件；
附图中描述位置关系的用语仅用于示例性说明，不能理解为对本专利的限制；
显然，本发明的上述实施例仅仅是为清楚地说明本发明所作的举例，而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明权利要求的保护范围之内。
Claims (6)
1.一种基于精准健康管理的心脑血管疾病风险预警方法，其特征在于，包括以下步骤：
S1：采用大量医疗卫生数据筛选出心脑血管疾病危险因素，生成心脑血管疾病风险因子评估量表预量表；应用医疗机构心脑血管疾病高危人群样本数据，通过高级统计分析方法，对预量表危险因素的筛选和分析，生成风险因子评估量表。
S2：根据风险因子评估量表中相关危险因素，采用大数据信息分析及挖掘算法，构建自动判断心脑血管疾病情况的风险预警模型；
S3：通过移动终端输出是否出现心脑血管疾病监测的有效信息及风险预警报告。
2.根据权利要求1所述的基于精准健康管理的心脑血管疾病风险预警方法，其特征在于，步骤S1中所述的高级统计分析方法包括logistic回归分析法和因子分析法。
3.根据权利要求2所述的基于精准健康管理的心脑血管疾病风险预警方法，其特征在于，所述的风险因子评估量表求因子分析结果因子负荷和结构与风险因子评估量表内容基本吻合，指标级别内相关性强度强于指标级别间相关性。
4.根据权利要求1所述的基于精准健康管理的心脑血管疾病风险预警方法，其特征在于，步骤S2中所述的心脑血管疾病风险预警模型采用Cox回归模型，Cox回归模型预测方程如下:
<mrow>
<mi>P</mi>
<mo>=</mo>
<mn>1</mn>
<mo>-</mo>
<msub>
<mi>S</mi>
<mn>0</mn>
</msub>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
<mi>exp</mi>
<mrow>
<mo>(</mo>
<msubsup>
<mi>&Sigma;</mi>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>P</mi>
</msubsup>
<msub>
<mi>&beta;</mi>
<mi>i</mi>
</msub>
<msub>
<mi>X</mi>
<mi>i</mi>
</msub>
<mo>-</mo>
<msubsup>
<mi>&Sigma;</mi>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>P</mi>
</msubsup>
<msub>
<mi>&beta;</mi>
<mi>i</mi>
</msub>
<mover>
<msub>
<mi>X</mi>
<mi>i</mi>
</msub>
<mo>&OverBar;</mo>
</mover>
<mo>)</mo>
</mrow>
</mrow>
其中，Cox为比例风险函数，Cox预测模型中各字母代表的含义分别是:βi为Cox回归模型中第i个危险因素的回归系数，Xi则为个体第i个危险因素的具体值，
是样本人群第i个危险因素的均值，而函数S则为样本人群某个危险因素的发病概率函数，P为心脑血管疾病风险概率。
5.根据权利要求1所述的基于精准健康管理的心脑血管疾病风险预警方法，其特征在于，步骤S3中通过移动终端智能心电记录仪监测数据，结合心脑血管疾病风险因子评估量表中相关危险因素，心脑血管疾病风险预警模型自动判断心脑血管高危人群发病风险；当评估对于高于发病风险阈值时，通过移动终端自动推送风险预警报告，提示发病风险，达到对心脑血管高危人群危险因素的及时预警及监测的目的。
6.一种基于精准健康管理的心脑血管疾病风险预警系统，基于权利要求1所述的方法，其特征在于，至少包括：
生成模块，用于采用大量医疗卫生数据筛选出心脑血管疾病危险因素，生成心脑血管疾病风险因子评估量表预量表；应用医疗机构心脑血管疾病高危人群样本数据，通过高级统计分析方法，对预量表危险因素的筛选和分析，生成风险因子评估量表。
建模模块，用于根据风险因子评估量表中相关危险因素，采用先进的大数据信息分析及挖掘算法，构建自动判断心脑血管疾病情况的风险预警模型；
输出模块，用于移动终端输出是否出现心脑血管疾病监测的有效信息及风险预警报告。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710801635.5A CN107680680A (zh) | 2017-09-07 | 2017-09-07 | 基于精准健康管理的心脑血管疾病风险预警方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710801635.5A CN107680680A (zh) | 2017-09-07 | 2017-09-07 | 基于精准健康管理的心脑血管疾病风险预警方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN107680680A true CN107680680A (zh) | 2018-02-09 |
Family
ID=61135645
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710801635.5A Pending CN107680680A (zh) | 2017-09-07 | 2017-09-07 | 基于精准健康管理的心脑血管疾病风险预警方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107680680A (zh) |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109938775A (zh) * | 2018-04-08 | 2019-06-28 | 深圳市贝斯曼精密仪器有限公司 | 基于大数据技术的血管状态监测方法和系统 |
| CN110428901A (zh) * | 2019-07-19 | 2019-11-08 | 中国医学科学院阜外医院 | 脑卒中发病风险预测系统及应用 |
| CN111243736A (zh) * | 2019-10-24 | 2020-06-05 | 中国人民解放军海军军医大学第三附属医院 | 一种生存风险评估方法及系统 |
| CN111798979A (zh) * | 2020-06-01 | 2020-10-20 | 江苏萨芳纳健康科技有限公司 | 一种心脑血管疾病风险预警方法 |
| CN112133445A (zh) * | 2020-10-21 | 2020-12-25 | 万达信息股份有限公司 | 一种心血管疾病管理服务方法和系统 |
| CN113380412A (zh) * | 2021-06-10 | 2021-09-10 | 山东健康医疗大数据有限公司 | 一种气象因素与心脑血管疾病的分析方法 |
| CN114974576A (zh) * | 2022-07-12 | 2022-08-30 | 曜立科技(北京)有限公司 | 一种基于元数据的心脑血管数疾病诊断管理系统 |
| CN117438083A (zh) * | 2023-10-07 | 2024-01-23 | 南方医科大学南方医院 | 一种基于人工智能的中老年疾病预测系统 |
| US11966374B2 (en) | 2022-07-12 | 2024-04-23 | Serv Medical Pte. Ltd. | Medical clinical data quality analysis system based on big data |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1973778A (zh) * | 2006-12-08 | 2007-06-06 | 南京大学 | 胃癌术后严重并发症风险度的预测方法 |
| US20130282390A1 (en) * | 2012-04-20 | 2013-10-24 | International Business Machines Corporation | Combining knowledge and data driven insights for identifying risk factors in healthcare |
| CN105303041A (zh) * | 2015-10-20 | 2016-02-03 | 沈阳国际旅行卫生保健中心 | 一种人体消化系统健康风险预警系统 |
| CN106874663A (zh) * | 2017-01-26 | 2017-06-20 | 中电科软件信息服务有限公司 | 心脑血管疾病风险预测方法及系统 |
-
2017
- 2017-09-07 CN CN201710801635.5A patent/CN107680680A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1973778A (zh) * | 2006-12-08 | 2007-06-06 | 南京大学 | 胃癌术后严重并发症风险度的预测方法 |
| US20130282390A1 (en) * | 2012-04-20 | 2013-10-24 | International Business Machines Corporation | Combining knowledge and data driven insights for identifying risk factors in healthcare |
| CN105303041A (zh) * | 2015-10-20 | 2016-02-03 | 沈阳国际旅行卫生保健中心 | 一种人体消化系统健康风险预警系统 |
| CN106874663A (zh) * | 2017-01-26 | 2017-06-20 | 中电科软件信息服务有限公司 | 心脑血管疾病风险预测方法及系统 |
Non-Patent Citations (3)
| Title |
|---|
| ELISA T.LEE: "《生存数据分析的统计方法》", 30 April 1998, 中国统计出版社 * |
| 冼绍祥: "《专科护理指引和质量评价》", 31 October 2012 * |
| 王宪祥等: "社区卫生机构员工工作满意度量表的编制（摘要）", 《昆明医院学报》 * |
Cited By (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109938775A (zh) * | 2018-04-08 | 2019-06-28 | 深圳市贝斯曼精密仪器有限公司 | 基于大数据技术的血管状态监测方法和系统 |
| CN110428901A (zh) * | 2019-07-19 | 2019-11-08 | 中国医学科学院阜外医院 | 脑卒中发病风险预测系统及应用 |
| CN110428901B (zh) * | 2019-07-19 | 2022-02-11 | 中国医学科学院阜外医院 | 脑卒中发病风险预测系统及应用 |
| CN111243736A (zh) * | 2019-10-24 | 2020-06-05 | 中国人民解放军海军军医大学第三附属医院 | 一种生存风险评估方法及系统 |
| CN111243736B (zh) * | 2019-10-24 | 2023-09-01 | 中国人民解放军海军军医大学第三附属医院 | 一种生存风险评估方法及系统 |
| CN111798979A (zh) * | 2020-06-01 | 2020-10-20 | 江苏萨芳纳健康科技有限公司 | 一种心脑血管疾病风险预警方法 |
| CN112133445A (zh) * | 2020-10-21 | 2020-12-25 | 万达信息股份有限公司 | 一种心血管疾病管理服务方法和系统 |
| CN113380412A (zh) * | 2021-06-10 | 2021-09-10 | 山东健康医疗大数据有限公司 | 一种气象因素与心脑血管疾病的分析方法 |
| CN114974576A (zh) * | 2022-07-12 | 2022-08-30 | 曜立科技(北京)有限公司 | 一种基于元数据的心脑血管数疾病诊断管理系统 |
| US11966374B2 (en) | 2022-07-12 | 2024-04-23 | Serv Medical Pte. Ltd. | Medical clinical data quality analysis system based on big data |
| CN117438083A (zh) * | 2023-10-07 | 2024-01-23 | 南方医科大学南方医院 | 一种基于人工智能的中老年疾病预测系统 |
| CN117438083B (zh) * | 2023-10-07 | 2024-03-19 | 南方医科大学南方医院 | 一种基于人工智能的中老年疾病预测系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107680680A (zh) | 基于精准健康管理的心脑血管疾病风险预警方法及系统 | |
| CN109620211A (zh) | 一种基于深度学习的智能化异常心电辅助诊断方法 | |
| CN109924965A (zh) | 一种心脑血管康复训练系统 | |
| CN105342562A (zh) | 一种监测方法及系统 | |
| CN110046604B (zh) | 一种基于残差网络的单导联ecg心律失常检测分类方法 | |
| CN106361277A (zh) | 一种基于心电信号的睡眠呼吸暂停综合征的评估方法 | |
| CN103989485A (zh) | 基于脑电波的人体疲劳度评价方法 | |
| CN106104539B (zh) | 使用警报再生的针对警报咨询的警报设置的优化 | |
| CN110739076A (zh) | 一种医疗人工智能公共训练平台 | |
| CN112971853B (zh) | 一种基于人工智能分析电子胎心监测数据的方法及装置 | |
| CN106769030A (zh) | 一种基于mea‑bp神经网络算法的轴承状态跟踪与预测方法 | |
| CN109674474B (zh) | 睡眠呼吸暂停识别方法、设备及计算机可读介质 | |
| CN110335681A (zh) | 一种用于老年痴呆预警系统及预警方法 | |
| CN107658020A (zh) | 一种基于精准健康管理的智能健康评估分析方法及系统 | |
| CN112768074A (zh) | 一种基于人工智能的重疾风险预测方法及系统 | |
| Ouyang et al. | Deterministic dynamics of neural activity during absence seizures in rats | |
| Gee et al. | Bayesian online changepoint detection of physiological transitions | |
| Silva et al. | Fusion of clinical, self-reported, and multisensor data for predicting falls | |
| CN118038548A (zh) | 异常行为检测方法、装置、电子设备及存储介质 | |
| CN109044339A (zh) | 一种极限卷积神经网络的ecg信号诊断方法 | |
| Chauhan et al. | Framework to predict health diseases using attribute selection mechanism | |
| CN109620263B (zh) | 一种企事业单位上岗人员体征安全分析方法 | |
| CN116959723A (zh) | 一种老年人防跌倒的评价与训练方法和系统 | |
| CN116861252A (zh) | 一种基于平衡功能异常的跌倒评估模型的构建方法 | |
| CN113261924B (zh) | 一种脑卒中智能预警系统及方法 |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180209 |
|
| RJ01 | Rejection of invention patent application after publication |