CN109166622A - 基于知识图谱的疾病预诊系统 - Google Patents
基于知识图谱的疾病预诊系统 Download PDFInfo
- Publication number
- CN109166622A CN109166622A CN201810950040.0A CN201810950040A CN109166622A CN 109166622 A CN109166622 A CN 109166622A CN 201810950040 A CN201810950040 A CN 201810950040A CN 109166622 A CN109166622 A CN 109166622A
- Authority
- CN
- China
- Prior art keywords
- disease
- module
- symptom
- information
- screening
- 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
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
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Public Health (AREA)
- Medical Informatics (AREA)
- Biomedical Technology (AREA)
- Data Mining & Analysis (AREA)
- Pathology (AREA)
- Databases & Information Systems (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明涉及疾病诊断技术领域,为了解决现有的预诊过程中,由于疾病的种类繁多,医生在分配疾病科的时候需要耗用大量的时间进行分配,导致预诊效率低的问题,提供了一种基于知识图谱的疾病预诊系统,包括数据库和预诊子系统,数据库存储有医学知识图谱,医学知识图谱包括从第三方获取到的疾病数据,疾病数据包括相关联的疾病名和症状信息;预诊子系统包括查询模块、筛分模块以及输出模块,查询模块在接收到病人的症状信息后,从数据库中查询出疾病数据,筛分模块用于接收症状筛分信息和来自查询模块的疾病数据,并根据接收到的症状筛分信息对接收到的疾病数据进行筛分,将筛分的结果依次生成疑似疾病集,输出模块将该疑似疾病集进行输出显示。
Description
技术领域
本发明涉及疾病诊断技术领域,具体为一种基于知识图谱的疾病预诊系统。
背景技术
随着人们生活水平的提高,健康作为生命的根源,也越来越得到重视,以至于未来健康产业将会出现前所未有的挑战以及更令人振奋的发展机遇。生命科学与医疗行业将逐步发现这些机遇,为重塑健康而制定战略并做出判断的需求(无论是作为医疗保健机构、生命科学公司、医生或是患者)也在与日俱增。
目前,病人在门诊就诊时,首先需要经过预诊台进行预诊,预诊时,医生会根据病人的病症将病人分配到相应的疾病科,然后由该疾病科的分诊台进行具体科室的分配,在分配带具体的科室后,病人就可以到具体的科室找医生进行确诊,完成整个就诊流程。而作为就诊流程的第一步,预诊的效率以及准确性会极大的影响整个就诊流程。在预诊的时候,医生需要通过询问病人身体状况进行分配,但是,考虑到不同疾病可能会出现相同症状,如感冒和发烧都会引发头痛的症状,此时病人还需要说明更多的病症以便医生进行预诊,如此一来,为了保证预诊的准确性,就需要进行预诊的医生储备有大量的疾病知识,而随着医生储备的疾病知识增多,在进行预诊的时候,医生就需要从更多的疾病中筛选出符合病人的疾病,从而进行疾病科的分配,耗用的时间也就增加了,效率就会有所下降,一旦出现就诊的高峰期,就会导致门诊拥堵,影响病人的就诊。而且,一旦出现了预诊错误的情况,在分诊时,病人可能会被要求重新进行预诊步骤,又或者分诊跟着预诊一起出现错误,甚至导致出现误诊的情况。因此,为了提高就诊的效率,预诊的效率急需得到提高。
发明内容
本发明意在提供一种基于知识图谱的疾病预诊系统,以解决现有的预诊过程中,由于疾病的种类繁多,医生在分配疾病科的时候需要耗用大量的时间进行分配,导致预诊效率低的问题。
本发明提供基础方案是:基于知识图谱的疾病预诊系统,包括数据库和预诊子系统,数据库存储有医学知识图谱,医学知识图谱包括从第三方获取到的疾病数据,疾病数据包括相关联的疾病名和症状信息;
预诊子系统包括查询模块、筛分模块以及输出模块,
查询模块在接收到病人的症状信息后,从数据库中查询出所有包括该症状信息的疾病数据并输出到筛分模块,
筛分模块用于接收症状筛分信息和来自查询模块的疾病数据,并根据接收到的症状筛分信息对接收到的疾病数据进行筛分,将筛分的结果依次生成疑似疾病集,输出模块将该疑似疾病集进行输出显示。
本方案中,首先医生根据病人的症状信息进行查询,从数据库中查询出了所有的包括该症状信息的疾病数据,但是,考虑到很多疾病都会有相同的症状,如头痛是一种临床常见的症状,而引起头痛的疾病可以有很多,包括贫血、中暑、流行性感冒、肺炎等疾病,所以,查询模块根据症状信息输出的疾病数据就会包括有很多的疾病名,并不能便于医生的预诊,因此,本方案中还设置有筛分模块进行筛分,筛分模块根据接收到的症状筛分信息对查询到的疾病数据进行筛分,以缩少疾病的种类,也就缩小了诊断的参考范围;然后再将筛分结果作为疑似疾病集输出,此时疑似疾病集包括的疾病数据也就会少很多,如症状筛分信息为“发烧”,筛分模块对贫血、中暑、流行性感冒、肺炎这几类的疾病数据进行筛分后的就得到了流行性感冒、肺炎这两类的疾病数据构成的疑似疾病集,实现了快速的预诊,此时医生也就可以快速的进行分配疾病科的操作。
优选方案一:作为基础方案的优选,筛分模块包括第一筛分单元和第二筛分单元,筛分时,第一筛分单元将疾病数据中包括有症状筛分信息的疾病数据筛分出来并生成第一疑似疾病集,第二筛分单元将疾病数据中没有包括症状筛分信息的疾病数据筛分出来并生成第二疑似疾病集。有益效果:考虑到有的病人对自己的症状也可能不确定,因此,医生在问症状的时候,病人自己也不能给出一个肯定的回复,这种情况下,通常需要医生引导,医生根据自己的经验推测出病人可能还会有哪些症状,然后由病人自己判断是否是有这些症状,所以,本方案中的筛分模块包括了第一筛分单元和第二筛分单元,在引导病人给出症状筛分信息后,将查询出的疾病数据分为了第一疑似疾病集跟第二疑似疾病集,其中,若病人给出的是肯定的症状筛分信息,即病人还有的症状,此时医生就需要根据第一疑似疾病集进行诊断,若病人给出的是否定的症状筛分信息,即病人并不具有这种症状,此时医生就需要根据第二疑似疾病集进行诊断,从而增加了预诊系统的准确性。
优选方案二:作为优选方案一的优选,筛分模块还包括有判断模块,判断模块用于控制第一筛分单元以及第二筛分单元的运行。有益效果:设置了判断模块以后,医生在引导病人给出否定的症状筛分信息后,医生可以通过判断模块控制第二筛分单元运行,从而得到第二疑似疾病集,若病人给出的是肯定的症状筛分信息,医生则通过判断模块控制第一筛分单元运行得到第一疑似疾病集,这样一来,每次筛分的时候就只需要运行一个筛分单元,而不再同时运行两个筛分单元进行筛分。
优选方案三:作为基础方案的优选,有益效果:疾病数据还包括有与疾病名相关联的并发症信息;查询模块在接收到病人的疾病名后,从数据库中查询出与疾病名相关联的并发症信息,输出模块输出并显示该并发症信息。有益效果:增加并发症信息后,病人还可以查询出自己的并发症信息,从而对自己疾病情况了解更全面。
优选方案四:作为基础方案的优选,疾病数据还包括有疾病别称,输出模块还输出并显示该疾病数据的疾病别称。有益效果:在生活中,往往是疾病名称使用的频率更高,更为人们所熟知,因此,本方案中的疾病数据还包括了疾病别称,增加了更为人知的疾病别称,更方便病人对自己病情的了解。
优选方案五:作为基础方案的优选,预诊子系统还包括有查询语句生成模块,查询语句生成模块在接收到病人的症状信息后生成查询语句,查询模块接收到查询语句后从数据库中查疾病数据。有益效果:由于病人在使用病症信息进行查询的时候,一般都是随意的输入自己的病症信息,而查询语句生成模块的设置,首先将病人输入的病症信息生成方便查询的查询语句,从而提高了查询模块的查询效率。
附图说明
图1为本发明基于知识图谱的疾病预诊系统实施例的流程图。
具体实施方式
下面通过具体实施方式进一步详细的说明:
如图1所示的基于知识图谱的疾病预诊系统,包括数据库和预诊子系统,数据库存储有医学知识图谱,医学知识图谱包括从第三方获取到的疾病数据,疾病数据包括相关联的疾病名和症状信息;
预诊子系统包括查询语句生成模块、查询模块、筛分模块以及输出模块,
查询语句生成模块在接收到病人的症状信息后生成查询语句,查询模块接收到查询语句后,从数据库中查询出所有包括该症状信息的疾病数据并输出到筛分模块,
筛分模块用于接收症状筛分信息和来自查询模块的疾病数据,并根据接收到的症状筛分信息对接收到的疾病数据进行筛分,具体的,筛分模块包括判断模块、第一筛分单元和第二筛分单元,判断模块用于控制第一筛分单元以及第二筛分单元的运行,筛分时,医生根据病人给出的症状筛分信息通过判断模块控制第一筛分单元或第二筛分单元运行;
其中,当病人给出肯定的症状筛分信息时,判断模块控制第一筛分单元运行,第一筛分单元将疾病数据中包括有症状筛分信息的疾病数据筛分出来并生成第一疑似疾病集;当病人给出否定的症状筛分信息时,判断模块则控制第二筛分单元运行,第二筛分单元将疾病数据中没有包括症状筛分信息的疾病时间筛分出来并生成第二疑似疾病集,然后输出模块将生成的第一疑似疾病集或第二疑似疾病集进行输出显示。
使用时,医生根据病人的症状信息进行查询,从数据库中查询出了所有的包括该症状信息的疾病数据,如症状信息是头痛,此时查询模块查询出的疾病数据包括贫血、中暑、流行性感冒、肺炎等疾病的疾病数据;
然后医生向病人询问症状筛分信息,如询问病人是否有发烧现象,若病人有,即给出肯定的症状筛分信息,此时判断模块控制第一筛分单元运行,将贫血、中暑、流行性感冒、肺炎等疾病中还带有发烧症状的疾病数据筛分出来,作为第一疑似疾病集输出,若病人并没有发烧的症状,即病人给出了否定的症状筛分信息,判断模块则控制第二筛分单元运行,将贫血、中暑、流行性感冒、肺炎等疾病中不带有发烧症状的疾病数据筛分出来,并作为第二疑似疾病集输出;医生根据输出的第一疑似疾病集或第二疑似疾病集进行分诊。
而考虑到病人给出的症状信息是比较主观的,很容易受到情绪的影响,如病人头痛很严重,就可能觉得自己好像患上了很严重的疾病,在向医生描述自己的病情时,下意识的就会往很严重的方向上描述,如果医生直接根据病人的描述进行查询的话,那么可想而知,查询到的疾病就真的是很严重的疾病,这种情况下就需要甄别病人在受到负面情绪的影响下给出的信息,若识别出是受了负面情绪的影响给出的描述,在进行疾病诊断的时候,就需要适当的减轻症状进行诊断,因此,为了保证得到的结果的准确性,本实施例中的智慧问答系统还包括有情绪识别模块以及修正模块,数据库还存储有按照严重程度相互关联的症状信息,如将所有的头痛症状相互关联并根据严重程度分为了症状A1、症状A2、症状A3等,情绪识别模块对病人的声音进行采集识别,在识别出采集到的声音信号中带用情绪信息后,修正模块对症状信息进行修正,将输入的症状信息修正为相关联的严重程度低的症状信息,查询子系统则采用修正后的症状信息进行查询;具体的,在问答的过程中,情绪识别模块对病人的声音进行采集,当情绪识别模块识别到病人的声音中具有情绪信息时,如声音颤抖,说明病人此时处于恐慌状态,病人给出的症状信息就是病人在恐慌状态下给出的,如病人此时给出的是症状A3,此时修正模块就会对输入的症状信息进行修改,即将症状A3修正为症状A2,以消除病人受情绪影响给出的症状信息对诊断结果的影响。
而在上述过程中,考虑到病人有的时候,可能会因为其他的情况变得惊恐,如病人在去医院的路上受到了惊吓,病人直到诊断的时候也还处于惊吓状态而没有缓过来,此时在对病人的病情进行诊断的时候,不光是需要排除情绪的干扰,在这之前,还需要分析病人的情绪是受病情的影响还是其他因素的影响,若是其他因素的影响,那么在进行诊断的时候,就不需要对症状信息进行修正。因此,本方案中的基于知识图谱的智慧问答系统还包括有监控模块、推送模块和控制模块,监控模块安装在用户终端上,可以为病人的手机,病人可以采用手机登录本实施例中的智慧问答系统,在手机完成登录后,监控模块就会对定期病人的情绪进行监控,在病人到医院就诊时,在就诊的过程中,若情绪识别模块识别到情绪信息时,如带有恐慌的情绪,同时若监控模块监控到病人长期处于恐慌的状态,此时推送模块还会将这个恐慌信息推送给病人的亲朋好友等,病人的亲朋好友的用户终端在接收到“病人长期处于恐慌状态”的恐慌信息后,又会利用自己的用户终端向智慧问答系统进行反馈,若病人的确是因为自己的病情而处于恐慌状态的话,则向智慧问答系统反馈肯定的信息,若是因为其他的一些事情而处于恐慌状态则反馈否定的信息,此时智慧问答系统在接收到肯定的反馈信息后,根据情绪识别模块识别到的情绪信息、监控模块监控到病人长期处于恐慌的状态以及亲朋好友肯定的反馈信息就可以识别病人的恐慌确实是由自己病情而导致的,此时控制模块控制修正模块运行,修正模块对症状信息进行修正,将输入的症状信息修正为相关联的严重程度低的症状信息;而若接收到的反馈信息为否定的信息时,根据情绪识别模块识别到的情绪信息、监控模块监控到病人长期处于恐慌的状态以及亲朋好友否定的反馈信息就可以识别病人的恐慌并不是由自己病情而导致的,因此此时修正模块不运行;
若情绪识别模块识别到病人处于恐慌状态时,而监控模块监控到病人之前并没有任何恐慌状态,就表明病人只是当前处于恐慌状态,可能就是从上次监控到就诊这段时间内受到了一些其他事情的影响而导致的恐慌,此时修正模块同样不运行。
再有,在上述的诊断过程中,智慧问答系统还可以包括干扰模块,在情绪识别模块识别到情绪信息时,干扰模块会从数据库中随机抽取与症状信息毫无关联的症状信息并输出,若此时病人还给出了肯定回答时,则控制模块控制修正模块运行,若病人的症状其实只有头痛,在情绪识别模块识别到情绪信息时,此时干扰模块从数据库中随机抽取到了脚痛的症状信息,若病人是由于疑心自己的病情而恐慌的话,此时就会觉得自己好像什么症状都有,那么就会肯定自己还脚痛,此时就可以识别出病人确实是因为疑心自己的病情而恐慌,控制模块控制修正模块运行。
以上的仅是本发明的实施例,方案中公知的具体结构及特性等常识在此未作过多描述,所属领域普通技术人员知晓申请日或者优先权日之前发明所属技术领域所有的普通技术知识,能够获知该领域中所有的现有技术,并且具有应用该日期之前常规实验手段的能力,所属领域普通技术人员可以在本申请给出的启示下,结合自身能力完善并实施本方案,一些典型的公知结构或者公知方法不应当成为所属领域普通技术人员实施本申请的障碍。应当指出,对于本领域的技术人员来说,在不脱离本发明结构的前提下,还可以作出若干变形和改进,这些也应该视为本发明的保护范围,这些都不会影响本发明实施的效果和专利的实用性。本申请要求的保护范围应当以其权利要求的内容为准,说明书中的具体实施方式等记载可以用于解释权利要求的内容。
Claims (6)
1.基于知识图谱的疾病预诊系统,其特征在于:包括数据库和预诊子系统,所述数据库存储有医学知识图谱,所述医学知识图谱包括从第三方获取到的疾病数据,所述疾病数据包括相关联的疾病名和症状信息;
所述预诊子系统包括查询模块、筛分模块以及输出模块,
所述查询模块在接收到病人的症状信息后,从所述数据库中查询出所有包括该症状信息的疾病数据并输出到所述筛分模块,
所述筛分模块用于接收症状筛分信息和来自所述查询模块的疾病数据,并根据接收到的症状筛分信息对接收到的疾病数据进行筛分,将筛分的结果依次生成疑似疾病集,输出模块将该疑似疾病集进行输出显示。
2.根据权利要求1所述的基于知识图谱的疾病预诊系统,其特征在于:所述筛分模块包括第一筛分单元和第二筛分单元,筛分时,所述第一筛分单元将所述疾病数据中包括有所述症状筛分信息的疾病数据筛分出来并生成第一疑似疾病集,所述第二筛分单元将所述疾病数据中没有包括症状筛分信息的疾病数据筛分出来并生成第二疑似疾病集。
3.根据权利要求2所述的基于知识图谱的疾病预诊系统,其特征在于:所述筛分模块还包括有判断模块,所述判断模块用于控制所述第一筛分单元以及所述第二筛分单元的运行。
4.根据权利要求1所述的基于知识图谱的疾病预诊系统,其特征在于:所述疾病数据还包括有与所述疾病名相关联的并发症信息;所述查询模块在接收到病人的疾病名后,从所述数据库中查询出与所述疾病名相关联的并发症信息,所述输出模块输出并显示该并发症信息。
5.根据权利要求1所述的基于知识图谱的疾病预诊系统,其特征在于:所述疾病数据还包括有疾病别称,所述输出模块还输出并显示该疾病数据的疾病别称。
6.根据权利要求1所述的基于知识图谱的疾病预诊系统,其特征在于:所述预诊子系统还包括有查询语句生成模块,所述查询语句生成模块在接收到病人的症状信息后生成查询语句,所述查询模块接收到查询语句后从数据库中查询疾病数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810950040.0A CN109166622B (zh) | 2018-08-20 | 2018-08-20 | 基于知识图谱的疾病预诊系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810950040.0A CN109166622B (zh) | 2018-08-20 | 2018-08-20 | 基于知识图谱的疾病预诊系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109166622A true CN109166622A (zh) | 2019-01-08 |
CN109166622B CN109166622B (zh) | 2022-08-05 |
Family
ID=64896206
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810950040.0A Active CN109166622B (zh) | 2018-08-20 | 2018-08-20 | 基于知识图谱的疾病预诊系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109166622B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110391021A (zh) * | 2019-07-04 | 2019-10-29 | 北京爱医生智慧医疗科技有限公司 | 一种基于医学知识图谱的疾病推理系统 |
CN110459316A (zh) * | 2019-07-25 | 2019-11-15 | 珠海九松科技有限公司 | 基于人工智能和大数据的医学预诊系统 |
CN110837440A (zh) * | 2019-11-14 | 2020-02-25 | 北京百度网讯科技有限公司 | 信息处理方法和装置 |
CN113220896A (zh) * | 2021-04-27 | 2021-08-06 | 北京大数医达科技有限公司 | 多来源知识图谱生成方法、装置、终端设备 |
CN113254650A (zh) * | 2021-06-28 | 2021-08-13 | 明品云(北京)数据科技有限公司 | 一种基于知识图谱的评估推送方法、系统、设备和介质 |
CN114464327A (zh) * | 2022-01-12 | 2022-05-10 | 上海柯林布瑞信息技术有限公司 | 一种临床科研项目受试者筛选方法和装置 |
CN114610902A (zh) * | 2022-03-25 | 2022-06-10 | 南京市畜牧兽医站(南京市动物疫病预防控制中心) | 一种基于知识图谱的家禽疾病诊断系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102184315A (zh) * | 2011-04-02 | 2011-09-14 | 中国医学科学院医学信息研究所 | 基于诊断要素分析的科室分诊系统 |
CN107887025A (zh) * | 2017-12-19 | 2018-04-06 | 济南大象信息技术有限公司 | 一种医疗大脑系统 |
CN108182262A (zh) * | 2018-01-04 | 2018-06-19 | 华侨大学 | 基于深度学习和知识图谱的智能问答系统构建方法和系统 |
-
2018
- 2018-08-20 CN CN201810950040.0A patent/CN109166622B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102184315A (zh) * | 2011-04-02 | 2011-09-14 | 中国医学科学院医学信息研究所 | 基于诊断要素分析的科室分诊系统 |
CN107887025A (zh) * | 2017-12-19 | 2018-04-06 | 济南大象信息技术有限公司 | 一种医疗大脑系统 |
CN108182262A (zh) * | 2018-01-04 | 2018-06-19 | 华侨大学 | 基于深度学习和知识图谱的智能问答系统构建方法和系统 |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110391021A (zh) * | 2019-07-04 | 2019-10-29 | 北京爱医生智慧医疗科技有限公司 | 一种基于医学知识图谱的疾病推理系统 |
CN110459316A (zh) * | 2019-07-25 | 2019-11-15 | 珠海九松科技有限公司 | 基于人工智能和大数据的医学预诊系统 |
CN110837440A (zh) * | 2019-11-14 | 2020-02-25 | 北京百度网讯科技有限公司 | 信息处理方法和装置 |
CN110837440B (zh) * | 2019-11-14 | 2022-07-22 | 北京百度网讯科技有限公司 | 信息处理方法和装置 |
CN113220896A (zh) * | 2021-04-27 | 2021-08-06 | 北京大数医达科技有限公司 | 多来源知识图谱生成方法、装置、终端设备 |
CN113220896B (zh) * | 2021-04-27 | 2024-03-19 | 北京大数医达科技有限公司 | 多来源知识图谱生成方法、装置、终端设备 |
CN113254650A (zh) * | 2021-06-28 | 2021-08-13 | 明品云(北京)数据科技有限公司 | 一种基于知识图谱的评估推送方法、系统、设备和介质 |
CN114464327A (zh) * | 2022-01-12 | 2022-05-10 | 上海柯林布瑞信息技术有限公司 | 一种临床科研项目受试者筛选方法和装置 |
CN114610902A (zh) * | 2022-03-25 | 2022-06-10 | 南京市畜牧兽医站(南京市动物疫病预防控制中心) | 一种基于知识图谱的家禽疾病诊断系统 |
Also Published As
Publication number | Publication date |
---|---|
CN109166622B (zh) | 2022-08-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109166622A (zh) | 基于知识图谱的疾病预诊系统 | |
US11769586B2 (en) | Medical cloud platform data sharing system and method based on third-party business | |
Kalid et al. | Based real time remote health monitoring systems: A review on patients prioritization and related" big data" using body sensors information and communication technology | |
Bauer | A review of quantitative studies of adherence to mental health clinical practice guidelines | |
McLean et al. | Telehealthcare for chronic obstructive pulmonary disease | |
CN108847274B (zh) | 一种基于云平台的生命体征数据处理方法及系统 | |
Kaymak et al. | On process mining in health care | |
CN111899878A (zh) | 老年人健康检测系统、方法、计算机设备及可读存储介质 | |
CN109192285B (zh) | 医疗资源分配方法、装置、系统、电子设备及存储介质 | |
Rogers et al. | Fatigue in an adult attention deficit hyperactivity disorder population: A trans‐diagnostic approach | |
CN105096225A (zh) | 辅助疾病诊疗的分析系统、装置及方法 | |
WO2005043402A1 (en) | System and process for facilitating the provision of health care | |
JP2005505817A (ja) | 収集した患者の医学的情報のモデリングにより臨床判断をサポートするシステム | |
CN105959391A (zh) | 远程问诊服务平台、系统及方法 | |
CN115860999B (zh) | 一种基于物联网老人评估护理系统及方法 | |
Liang et al. | The use of telemedicine in cardiogenetics clinical practice during the COVID‐19 pandemic | |
Doulani et al. | Edge-based smart health monitoring device for infectious disease prediction using biosensors | |
CN101099666A (zh) | 用于临床分析和检查患者数据的方法和系统 | |
CN117542540A (zh) | 传染病风险预测方法、装置、电子设备及存储介质 | |
KR102375487B1 (ko) | 기계학습을 이용한 치매검사 관리 서버 및 이를 이용한 치매검사 방법 | |
Kumar et al. | Design and Simulation of an Edge Compute Architecture for IoT-Based Clinical Decision Support System | |
CN112185517A (zh) | 一种用于公职人员心理建设的信息处理方法及装置 | |
Goñi et al. | Architecture, cost-model and customization of real-time monitoring systems based on mobile biological sensor data-streams | |
CN115458147A (zh) | 一种智能检伤分类平台 | |
Zhang et al. | Complex brain activity analysis and recognition based on multiagent methods |
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 |