CN108399950A - 原发性头痛的人工智能诊断与鉴别诊断系统 - Google Patents
原发性头痛的人工智能诊断与鉴别诊断系统 Download PDFInfo
- Publication number
- CN108399950A CN108399950A CN201810114342.4A CN201810114342A CN108399950A CN 108399950 A CN108399950 A CN 108399950A CN 201810114342 A CN201810114342 A CN 201810114342A CN 108399950 A CN108399950 A CN 108399950A
- Authority
- CN
- China
- Prior art keywords
- headache
- patient
- unit
- information
- patient information
- 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
-
- 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
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
-
- 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
- G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
-
- 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
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Biomedical Technology (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Pathology (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
本发明涉及原发性头痛的人工智能诊断与鉴别诊断系统,该系统包括:病人信息收集单元、病历自动生成单元、头痛智能诊断单元。其中病人信息收集单元收集病人信息。病人信息包括:头痛病程、头痛的形式、头痛性质、头痛持续时间、头痛部位、头痛程度、有无先兆、先兆持续时间、先兆后多长时间开始头痛、头痛时有无头晕、眩晕;有无畏声、畏光;有无恶心、呕吐;有无流泪、球结膜充血、流涕,病史、有无止痛药物使用史中的一种或多种信息;病历自动生成单元根据病人信息收集单元收集的信息自动生成病人的标准门诊病历。头痛智能诊断单元把收集的信息量化为机器语言并逐一对比各种原发头痛类型;并根据对比逻辑生成最终诊断和治疗原则建议。
Description
技术领域
本发明涉及三种原发性头痛的智能化辅助判定分类技术,具体涉及原发性头痛的人工智能诊断与鉴别诊断系统。
背景技术
国民健康是14亿人口大国的头等大事。人口平均寿命的提高,使慢性病发病率迅速上升,带来了沉重的经济和社会负担。预防和控制慢性疾病不但需要国家大量的经济投入,而且需要培养大批具有专业技能的医师去完成控制疾病的任务。
以头痛为例:全国头痛总人数:中华医学会疼痛学分会公布的“中国头痛流行病学调查”表明:中国18ˉ65岁人群中,原发性头痛发病率为23.8%。受头痛困扰的人数超过3亿。深圳头痛总人数:按管理人口2000万计算,头痛发病人数达476万人次。如果每个患者每年仅看1次门诊,按每个头痛医师每天看30人次计算,每年工作264天,看7920人次,需要医师600人。深圳目前专门从事头痛的神经科医师不到10人,仅香港大学深圳医院每周开设半天头痛门诊。综上所述,如深圳按10%头痛患者看头痛门诊,每年看病6次,头痛医生缺口至少350人以上。然而,高水平专科医师培养耗时长达20年,传统医师培养机制在可预期的时间内难以满足社会需求。
发明内容
本发明的目的在于,研发一种针对原发性头痛(偏头痛,紧张性头痛和丛集性头痛)的智能化诊断与鉴别诊断系统,可提高门诊头痛医生诊疗效率,有利于进行网络和远程头痛诊疗服务,减少政府对头痛医师的配置数量,节约政府支出。该技术可以辅助全科医师和低年资的专科医生对原发性头痛患者的诊断进行判定和分型,达到头痛主治医师以上的水平,不但可解决头痛病人看病难问题,也可以减少政府对头痛疾病的诊疗支出,具有较高的社会效益和经济效益。
为实现上述目的,本发明提供了原发性头痛的人工智能诊断与鉴别诊断系统,其特征在于,该系统包括:病人信息收集单元、病历自动生成单元、头痛智能诊断单元;其中,
病人信息收集单元用于收集病人信息;所述病人信息包括:头痛病程、头痛的形式、头痛性质、头痛持续时间、头痛部位、头痛程度、有无先兆、先兆持续时间、先兆后多长时间开始头痛、头痛时有无头晕、眩晕;有无畏声、畏光;有无恶心、呕吐;有无流泪、球结膜充血、流涕,病史、有无止痛药物使用史中的一种或多种信息。
病历自动生成单元用于根据病人信息收集单元收集的信息自动生成病人的标准门诊电子病历,该电子病历包含疾病诊断的主要信息,医生可以根据病历的描述进行初步的诊断。
头痛智能诊断单元用于把收集的信息量化为机器语言并逐一对比原发头痛各种类型,并根据对比逻辑生成结果和建议。
头痛智能诊断单元具体用于:根据病人以下表现判定病人有无先兆偏头痛(实例1,有先兆偏头痛):
A、先兆至少有下列的1种表现,且没有运动无力症状:
1.完全可逆的(<60分钟)视觉症状,包括阳性表现,如闪光、亮点、亮线和/或阴性表现,如视野缺损,暗点;
2.完全可逆的感觉异常,包括阳性表现,如针刺感;或阴性表现,如麻木;
3.完全可逆的言语功能障碍;
B.至少满足下列的2项
1.视野缺损或单侧感觉症状,如肢体麻木,针刺,无力;
2.至少1个先兆症状持续时间≥5分钟;
3.症状持续小于60分钟;
C.在先兆症状同时或在先兆发生后60分钟内出现头痛。
优选地,头痛智能诊断单元具体用于,根据以下判定逻辑判定病人所属头痛类型:
1、有先兆偏头痛病情判定逻辑
A.平均每月发病超过2次;
B.头痛发作(未经治疗或治疗无效)持续4~72小时,没有运动无力症状;
C.至少有下列中的2项头痛特征;
(1).单侧性;
(2).搏动性;
(3).中或重度疼痛;
(4).日常活动(如走路)会加重头痛或头痛时避免此类活动;
D.头痛过程中至少伴随下列1项
(1).恶心和(或)呕吐;
(2).畏光和畏声;
2、紧张性头痛病情判定逻辑
A.紧张性头痛三种亚种的分类
(1),偶发性紧张性头痛,平均每月发作<1天至少发作10次以上(每年<12天);
(2),频发性紧张性头痛,平均每月发作≥1天<15天至少发作10次(每年≥12天并<180天)至少3个月以上;
(3),慢性紧张性头痛
头痛平均每月发作≥15天(每年≥180天)6个月以上;
B.头痛持续30分钟到7天;
C.头痛至少有以下特点中的2个:
(1).双侧头痛;
(2).性质为压迫性和紧缩样(非搏动性);
(3).轻到中度头痛;
(4).日常活动如行走或爬楼梯不加重头痛
D.符合以下两条:
(1).无恶心和呕吐(可以有厌食);
(2).没有畏光或畏声;
E.两项或以上
(1)精神紧张;
(2)睡眠不好;
(3)颈椎病;
(4)工作压力大;
(5)心情不好。
3、丛集性头痛病情判定逻辑
(1)平均每月发作在15次以上;
(2)重度或极重度偏侧眶部、眶上或颞部疼痛;
(3)疼痛持续15-180分钟;
(4)具有至少下列一项体征:结膜充血、流泪、鼻塞和/或流涕、眼睑水肿、前额和面部出汗、前额和面部发红、感觉耳部胀满、瞳孔缩小和/或眼睑下垂、感觉不安或躁动。
优选地,头痛智能诊断单元具体还用于,逐一对比三种头痛的诊断逻辑,三种诊断逻辑是相互独立且排他的,因此如果符合一种病情逻辑则不会符合另外两种,如果三种病情逻辑都不符合则输出结果为不确定。
优选地,病历自动生成单元具体用于,通过任意软件定制化实现,包括MATLAB的TypeText或者PYTHON的print将所述病人信息收集单元收集的信息和所述头痛智能诊断单元的诊断结果自动生成病人病历。
本发明可以实现:1、自动化的原发性头痛判定和头痛分类,根据资深医生经验研发,适应现实的复杂情况,准确率高于一般医生;2、自动化信息收集和病例生成,把医生从繁琐的文书和病例撰写中解放出来;3、提高接诊效率和接诊数量,减少门诊医生压力;4、智能化系统不会疲劳,只需很小的费用就可以持续运算,同时辅助多医生,解决病人看病难看病贵。
附图说明
图1为本发明实施例提供的原发性头痛的人工智能诊断与鉴别诊断系统结构示意图;
图2为图1所示系统进行病人信息收集流程。
具体实施方式
通过以下结合附图以举例方式对本发明的实施方式进行详细描述后,本发明的其他特征、特点和优点将会更加明显。
图1为本发明实施例提供的一种头通病情判定系统结构示意图。如图1所示,该系统包括:病人信息收集单元100、病历自动生成单元200和头痛智能诊断单元300;其中:
病人信息收集单元100用于收集病人信息;病人信息包括:头痛病程、头痛的形式、头痛性质、头痛持续时间、头痛部位、头痛程度、有无先兆、先兆持续时间、先兆后多长时间开始头痛、头痛时有无头晕、眩晕;有无畏声、畏光;有无恶心、呕吐;有无流泪、球结膜充血、流涕,病史、有无止痛药物使用史中的一种或多种信息。
病历自动生成单元200用于根据所述病人信息收集单元100收集的信息结果自动生成病人病历。
具体地,病历自动生成单元具体用于,通过任意软件定制化实现,包括MATLAB的TypeText或者PYTHON的print将所述病人信息收集单元收集的信息和所述头痛智能诊断单元的诊断结果自动生成病人病历。
以下通过具体案例对本发明实施例进行介绍:
案例:
无先兆偏头痛标准门诊病历
主诉:阵发性头痛5年
现病史:阵发性搏动样头痛,位于偏侧颞顶部,每次持续4小时左右,呈中重度头痛。头痛发作前无眼前闪光,面部和肢体麻木感等先兆。头痛严重时伴恶心、呕吐,伴畏声、畏光,活动后加重,每月头痛发作3-5次。睡眠不好、精神紧张可诱发头痛。有服用止痛药物的病史,常服用头痛散可缓解头痛。无头部外伤史,无上感发热病史,无头痛家族史。
既往史:无高血压病史,无糖尿病史,无烟酒嗜好。
查体:130/80mmHg;心率72次/分,意识清楚,语言流利,计算力、定向力正常。颅神经(-),四肢肌力五级,四肢腱反射对称,病理反射未引出。脑膜刺激征(-)
系统诊断:无先兆偏头痛
图2为图1所示系统进行病人信息收集流程。如图2所示,填空题填入具体数字,而选择题的结果则量化为数字,如头痛的形式被选了第二项,则结果为2。根据收集到的量化通过量化加权法结果进行分析:第一步为诊断是否为有先兆:根据前面描述的技术方案,诊断有无先兆包含A,B,C三个问题,C问题没有子问题,对应为信息收集中的第9题,如符合C=1,如不符合C=0。A,B各有三个子问题,类同C,若一个子问题符合,如A1则设为1,不符合则设为0.例如B3提问症状持续是否小于60分钟,根据信息问卷中第8项,符合A1=1,不符合A1=0。根据A,B的题设确定A,B的具体值,比如B问题要求至少满足子问题的2项,则如果B1+B2+B3>=2,B=1,否则B=0。根据2-3,确定所有题系数的数值,再运算权重w1=A*B*C,如果w1=1,则符合有先兆,w1=0则符合无先兆。第二步为对比三种头痛的病情逻辑,该部分如如何判断偏头痛相似,为重复上述步骤的2-5,权重w2=A*B*C*D*E(E仅适用于紧张性病情头痛逻辑),如果w2=1,则符合该项头痛,w2=0则排除。举例说明,如果w2(偏头痛)=1,w2(紧张性头痛)=0,w2(丛集性头痛)=0,则判定结果为偏头痛。根据5,6的结果自动生成病例辅助医生诊断,这一步可通过任意软件定制化实现,如MATLAB的TypeText或者PYTHON的print。需要注意生成结果的格式,使其符合使用者医院系统的要求和习惯。
头痛智能诊断单元300用于判定病人头痛类型,以及把收集的信息量化为机器语言并逐一对比三种头痛类型;并根据对比逻辑生成结果和建议。
具体举例:上述头痛智能诊断单元具体用于:
1根据病人以下表现判定病人有先兆偏头痛:
A、先兆至少有下列的1种表现,且没有运动无力症状:
1)完全可逆的(<60分钟)视觉症状,包括阳性表现,如闪光、亮点、亮线和/或阴性表现,如视野缺损,暗点;
2)完全可逆的感觉异常,包括阳性表现,如针刺感;或阴性表现,如麻木;
3)完全可逆的言语功能障碍;
B.至少满足下列的2项
1)视野缺损或单侧感觉症状,如肢体麻木,针刺,无力;
2)至少1个先兆症状持续时间≥5分钟;
3)症状持续小于60分钟;
C.在先兆症状同时或在先兆发生后60分钟内出现头痛。
优选地,头痛智能诊断单元具体用于,根据以下判定逻辑判定病人所属头痛类型:
2、有先兆偏头痛病情判定逻辑
A.平均每月发病超过2次;
B.头痛发作(未经治疗或治疗无效)持续4~72小时,没有运动无力症状;
C.至少有下列中的2项头痛特征;
(1).单侧性;
(2).搏动性;
(3).中或重度疼痛;
(4).日常活动(如走路)会加重头痛或头痛时避免此类活动;
D.头痛过程中至少伴随下列1项
(1).恶心和(或)呕吐;
(2).畏光和畏声;
2、紧张性头痛病情判定逻辑
A.紧张性头痛三种亚种的分类
(1),偶发性紧张性头痛,平均每月发作<1天至少发作10次以上(每年<12天);
(2),频发性紧张性头痛,平均每月发作≥1天<15天至少发作10次(每年≥12天并<180天)至少3个月以上;
(3),慢性紧张性头痛
头痛平均每月发作≥15天(每年≥180天)6个月以上;
B.头痛持续30分钟到7天;
C.头痛至少有以下特点中的2个:
(1).双侧头痛;
(2).性质为压迫性和紧缩样(非搏动性);
(3).轻到中度头痛;
(4).日常活动如行走或爬楼梯不加重头痛
D.符合以下两条:
(1).无恶心和呕吐(可以有厌食);
(2).没有畏光或畏声;
E.两项或以上
(1)精神紧张;
(2)睡眠不好;
(3)颈椎病;
(4)工作压力大;
(5)心情不好。
3、丛集性头痛病情判定逻辑
(1)平均每月发作在15次以上;
(2)重度或极重度偏侧眶部、眶上或颞部疼痛;
(3)疼痛持续15-180分钟;
(4)具有至少下列一项体征:结膜充血、流泪、鼻塞和/或流涕、眼睑水肿、前额和面部出汗、前额和面部发红、感觉耳部胀满、瞳孔缩小和/或眼睑下垂、感觉不安或躁动。
头痛智能诊断单元具体还用于,逐一对比三种头痛的诊断逻辑,三种诊断逻辑是相互独立且排他的,因此如果符合一种病情逻辑则不会符合另外两种,如果三种病情逻辑都不符合则输出结果为不确定。
本发明实施例可对三种原发性头痛进行分类,弥补国际医疗指南只针对头痛具体类型的不足;通过诊断的量化加权法,使医生的直觉和经验可以量化成被机器识别的具体数值,然后通过数值的运算获得权重,再通过子权重运算父权重,最终算得父权重获得诊断结果。
需要说明的是,上述实施例仅用来说明本发明的结构及其工作效果,而并不用作限制本发明的保护范围。本领域内的普通技术人员在不违背本发明思路及结构的情况下对上述实施例进行的调整或优化,仍应视作为本发明权利要求所涵盖。
Claims (5)
1.原发性头痛的人工智能诊断与鉴别诊断系统,其特征在于,该系统包括:病人信息收集单元(100)、病历自动生成单元(200)、头痛智能诊断单元(300);其中,
病人信息收集单元(100),用于收集病人信息;所述病人信息包括:头痛病程、头痛的形式、头痛性质、头痛持续时间、头痛部位、头痛程度、有无先兆、先兆持续时间、先兆后多长时间开始头痛、头痛时有无头晕、眩晕;有无畏声、畏光;有无恶心、呕吐;有无流泪、球结膜充血、流涕,病史、有无止痛药物使用史中的一种或多种信息;
病历自动生成单元(200),用于根据病人信息收集单元收集的信息自动生成病人的标准门诊电子病历,该电子病历包含疾病诊断的主要信息,医生可以根据病历的描述进行初步的诊断;
头痛智能诊断单元(300),用于把收集的信息量化为机器语言并逐一对比原发头痛各种类型,并根据对比逻辑生成结果和建议。
2.根据权利要求1所述的系统,其特征在于,所述头痛智能诊断单元(300)具体用于,根据病人以下表现判定病人有无先兆偏头痛:
A、有先兆偏头痛至少有下列的1种表现,且没有运动无力症状:
1)完全可逆的(<60分钟)视觉症状,包括阳性表现,如闪光、亮点、亮线和/或阴性表现,如视野缺损,暗点;
2)完全可逆的感觉异常,包括阳性表现,如针刺感;或阴性表现,如麻木;
3)完全可逆的言语功能障碍;
B.至少满足下列的2项
1)视野缺损或单侧感觉症状,如肢体麻木,针刺,无力;
2)至少1个先兆症状持续时间≥5分钟;
3)症状持续小于60分钟;
C.在先兆症状同时或在先兆发生后60分钟内出现头痛。
3.根据权利要求1所述的系统,其特征在于,所述头痛智能诊断单元(300)具体用于,根据以下判定逻辑判定病人所属头痛类型:
1、有先兆偏头痛病情判定逻辑
A.平均每月发病超过2次;
B.头痛发作(未经治疗或治疗无效)持续4~72小时,没有运动无力症状;
C.至少有下列中的2项头痛特征;
(1).单侧性;
(2).搏动性;
(3).中或重度疼痛;
(4).日常活动(如走路)会加重头痛或头痛时避免此类活动;
D.头痛过程中至少伴随下列1项
(1).恶心和(或)呕吐;
(2).畏光和畏声;
2、紧张性头痛病情判定逻辑
A.紧张性头痛三种亚种的分类
(1),偶发性紧张性头痛,平均每月发作<1天至少发作10次以上(每年<12天);
(2),频发性紧张性头痛,平均每月发作≥1天<15天至少发作10次(每年≥12天并<180天)至少3个月以上;
(3),慢性紧张性头痛
头痛平均每月发作≥15天(每年≥180天)6个月以上;
B.头痛持续30分钟到7天;
C.头痛至少有以下特点中的2个:
(1).双侧头痛;
(2).性质为压迫性和紧缩样(非搏动性);
(3).轻到中度头痛;
(4).日常活动如行走或爬楼梯不加重头痛
D.符合以下两条:
(1).无恶心和呕吐(可以有厌食);
(2).没有畏光或畏声;
E.两项或以上
(1)精神紧张;
(2)睡眠不好;
(3)颈椎病;
(4)工作压力大;
(5)心情不好。
3、丛集性头痛病情判定逻辑
(1)平均每月发作在15次以上;
(2)重度或极重度偏侧眶部、眶上或颞部疼痛;
(3)疼痛持续15-180分钟;
(4)具有至少下列一项体征:结膜充血、流泪、鼻塞和/或流涕、眼睑水肿、前额和面部出汗、前额和面部发红、感觉耳部胀满、瞳孔缩小和/或眼睑下垂、感觉不安或躁动。
4.根据权利要求3所述的系统,其特征在于,所述头痛智能诊断单元(300)具体用于,逐一对比三种头痛的诊断逻辑,三种诊断逻辑是相互独立且排他的,因此如果符合一种病情逻辑则不会符合另外两种,如果三种病情逻辑都不符合则输出结果为不确定。
5.根据权利要求1至4中任一权利要求所述的系统,其特征在于,所述病历自动生成单元(200)具体用于,通过任意软件定制化实现,包括MATLAB的TypeText或者PYTHON的print将所述病人信息收集单元收集的信息自动生成病人病历。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810114342.4A CN108399950A (zh) | 2018-02-05 | 2018-02-05 | 原发性头痛的人工智能诊断与鉴别诊断系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810114342.4A CN108399950A (zh) | 2018-02-05 | 2018-02-05 | 原发性头痛的人工智能诊断与鉴别诊断系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108399950A true CN108399950A (zh) | 2018-08-14 |
Family
ID=63095249
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810114342.4A Pending CN108399950A (zh) | 2018-02-05 | 2018-02-05 | 原发性头痛的人工智能诊断与鉴别诊断系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108399950A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110010243A (zh) * | 2019-03-11 | 2019-07-12 | 贡鸣 | 一种胸痛患者的病情检查建议方法与装置 |
CN110070940A (zh) * | 2019-03-11 | 2019-07-30 | 贡鸣 | 一种患病风险值确定方法、装置、电子设备及存储介质 |
CN111785386A (zh) * | 2020-06-30 | 2020-10-16 | 安徽科大讯飞医疗信息技术有限公司 | 时间区间段的划分方法、相关设备及可读存储介质 |
CN115099355A (zh) * | 2022-07-08 | 2022-09-23 | 中山大学孙逸仙纪念医院 | 一种基于XGBoost算法的眩晕病因诊断模型的构建方法及系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101908093A (zh) * | 2010-01-25 | 2010-12-08 | 田小平 | 电子病历及基于其对医疗过程进行控制的系统和方法 |
US20140195168A1 (en) * | 2013-01-06 | 2014-07-10 | Yahya Shaikh | Constructing a differential diagnosis and disease ranking in a list of differential diagnosis |
CN107145736A (zh) * | 2017-05-04 | 2017-09-08 | 上海博历机械科技有限公司 | 一种基于信息储备的中医专家在线智能诊断系统 |
CN107526933A (zh) * | 2017-08-31 | 2017-12-29 | 乌耶含 | 一种远程医疗系统 |
CN107638197A (zh) * | 2017-10-11 | 2018-01-30 | 王娟 | 一种具有远程会诊功能的神经内科急诊叩诊锤 |
-
2018
- 2018-02-05 CN CN201810114342.4A patent/CN108399950A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101908093A (zh) * | 2010-01-25 | 2010-12-08 | 田小平 | 电子病历及基于其对医疗过程进行控制的系统和方法 |
US20140195168A1 (en) * | 2013-01-06 | 2014-07-10 | Yahya Shaikh | Constructing a differential diagnosis and disease ranking in a list of differential diagnosis |
CN107145736A (zh) * | 2017-05-04 | 2017-09-08 | 上海博历机械科技有限公司 | 一种基于信息储备的中医专家在线智能诊断系统 |
CN107526933A (zh) * | 2017-08-31 | 2017-12-29 | 乌耶含 | 一种远程医疗系统 |
CN107638197A (zh) * | 2017-10-11 | 2018-01-30 | 王娟 | 一种具有远程会诊功能的神经内科急诊叩诊锤 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110010243A (zh) * | 2019-03-11 | 2019-07-12 | 贡鸣 | 一种胸痛患者的病情检查建议方法与装置 |
CN110070940A (zh) * | 2019-03-11 | 2019-07-30 | 贡鸣 | 一种患病风险值确定方法、装置、电子设备及存储介质 |
CN110070940B (zh) * | 2019-03-11 | 2021-06-08 | 贡鸣 | 一种患病风险值确定方法、装置、电子设备及存储介质 |
CN111785386A (zh) * | 2020-06-30 | 2020-10-16 | 安徽科大讯飞医疗信息技术有限公司 | 时间区间段的划分方法、相关设备及可读存储介质 |
CN111785386B (zh) * | 2020-06-30 | 2024-04-05 | 讯飞医疗科技股份有限公司 | 时间区间段的划分方法、相关设备及可读存储介质 |
CN115099355A (zh) * | 2022-07-08 | 2022-09-23 | 中山大学孙逸仙纪念医院 | 一种基于XGBoost算法的眩晕病因诊断模型的构建方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108399950A (zh) | 原发性头痛的人工智能诊断与鉴别诊断系统 | |
Pine et al. | Concerns of anophthalmic patients wearing artificial eyes | |
Boboridis et al. | Surgical orbital decompression for thyroid eye disease | |
Espallargues et al. | The impact of age-related macular degeneration on health status utility values | |
Slade et al. | DSM-IV and ICD-10 generalized anxiety disorder: discrepant diagnoses and associated disability | |
Bowen et al. | Non‐pharmacological interventions for perceptual disorders following stroke and other adult‐acquired, non‐progressive brain injury | |
CN106066938A (zh) | 一种疾病预防和健康管理方法及系统 | |
CN105827731A (zh) | 基于融合模型的智能化健康管理服务器、系统及其控制方法 | |
CN113035353A (zh) | 一种数字孪生健康管理系统 | |
CN115316991A (zh) | 一种激惹情绪的自适应识别预警方法 | |
CN115985515A (zh) | 一种基于机器学习的弱视矫治效果预测方法、装置及设备 | |
Giussani et al. | Self-Report questionnaires for the diagnosis of psychogenic non-epileptic seizures in clinical practice. A comprehensive review of the available instruments | |
CN108288507A (zh) | 综合型更年期妇女健康管理系统及其方法 | |
Albedeiwi et al. | Emotional Burden and Copying Styles in Parents of Children with Down Syndrome | |
Luzzi et al. | Association of urgent dental care with subjective oral health indicators and psychosocial impact | |
Nowak | The effect of timed blue-green light on sleep-wake patterns in women with Alzheimer's disease | |
CN113012817A (zh) | 一种肝衰竭预测系统及方法 | |
Keefe | Self-report of pain: issues and opportunities | |
Kuipers et al. | Casting for upper limb hypertonia: A retrospective study to determine the factors associated with intervention decisions | |
Abawajy et al. | Empirical investigation of multi-tier ensembles for the detection of cardiac autonomic neuropathy using subsets of the Ewing features | |
Neslihan Ilkaz et al. | The Turkish Version of the Thyroid-Specific Quality of Life Questionnaire, ThyPRO: A Validity and Reliability Study | |
Hamid | Cataract and Glaucoma Patients Before and After Surgical Treatment | |
Kovtun et al. | Prediction of the duration of hospital treatment of patients with cataract | |
CN113889278A (zh) | 养老数据分析系统及方法 | |
KHALID et al. | ASSOCIATION BETWEEN VISUAL STATUS OF REMAINING EYE, EMOTIONAL WELL-BEING AND SOCIAL FUNCTIONS IN A SAMPLE OF ANOPHTHALMIC PATIENTS IN MALAYSIA–A PILOT STUDY |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20180814 |
|
WD01 | Invention patent application deemed withdrawn after publication |