CN109887561A - 一种人工智能宫颈癌筛查确定方法和装置 - Google Patents
一种人工智能宫颈癌筛查确定方法和装置 Download PDFInfo
- Publication number
- CN109887561A CN109887561A CN201910111038.9A CN201910111038A CN109887561A CN 109887561 A CN109887561 A CN 109887561A CN 201910111038 A CN201910111038 A CN 201910111038A CN 109887561 A CN109887561 A CN 109887561A
- Authority
- CN
- China
- Prior art keywords
- result
- user
- cervical carcinoma
- probability
- data
- 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
Landscapes
- Measuring And Recording Apparatus For Diagnosis (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明提供了一种人工智能宫颈癌筛查确定方法和装置,通过获得第一用户信息;根据第一用户信息获得第一病历;获得第一用户的预诊断信息,其中,所述预诊断信息包括宫颈癌信息;根据第一病历获得所述用户的绝经日期;判断所述绝经日期是否满足第一预定条件;当满足第一预定条件时,获得第一结果;根据所述预诊断信息和所述第一结果确定第二结果,所述第二结果表征所述第一用户具有宫颈癌的概率。解决现有技术中需要人工完成检测,存在受人为影响因素较多,且患者的就诊数据碎片化,不利于数据分析的技术问题。达到实现病人数据的系统整合,有利于管理分析,且分析过程为自动完成,不参杂人为因素,可靠度更高的技术效果。
Description
技术领域
本发明涉及医疗系统技术领域,尤其涉及一种人工智能宫颈癌筛查确定方法和装置。
背景技术
宫颈癌是妇女中最常见的恶性肿瘤,主要发生于多产妇女的早期绝经期。每年全世界有约19万人死于子宫颈癌,而其中超过3/4的死亡发生在发展中国家。宫颈癌的发生率在所有癌症中排名第七,而在妇女中排名第三,仅次于乳腺癌和大肠癌。在发展中国家,少于50%的患宫颈癌的妇女能存活5年以上,而在发达国家,5年存活率是66%左右。现有宫颈癌的筛查技术可分两类,基于形态学的方法是在细胞或组织水平检查以识别不正常,基于分子生物学的方法是检查子宫颈上皮瘤的宫颈癌的标志物。进一步区分这些方法可根据他们释放借助于显微镜或物理和电光学的特性。因此现有的宫颈癌的筛查一般依靠试剂盒或者实验室分析来完成,不但设备要求高,而且时间久,一般的基层医院还无法完成简单的筛查诊断过程。
但本发明申请人发现现有技术至少存在如下技术问题:
现有技术中需要人工完成检测,存在受人为影响因素较多,且患者的就诊数据无法在各医疗单位间共享,趋于碎片化,不利于数据分析的技术问题。
发明内容
本发明实施例提供了一种人工智能宫颈癌筛查确定方法和装置,解决了现有技术中需要人工完成检测,存在受人为影响因素较多,且患者的就诊数据无法在各医疗单位间共享,趋于碎片化,不利于数据分析的技术问题。
鉴于上述问题,提出了本申请实施例以便提供一种人工智能宫颈癌筛查确定方法和装置。
第一方面,本发明提供了一种人工智能宫颈癌筛查确定方法,所述方法包括:获得第一用户信息;根据第一用户信息获得第一病历;获得第一用户的预诊断信息,其中,所述预诊断信息包括宫颈癌信息;根据第一病历获得所述用户的绝经日期;判断所述绝经日期是否满足第一预定条件;当满足第一预定条件时,获得第一结果;根据所述预诊断信息和所述第一结果确定第二结果,所述第二结果表征所述第一用户具有宫颈癌的概率。
优选的,所述方法包括:根据所述第一用户的预诊断信息获得所述用户患有宫颈癌的第一概率;根据所述第一结果和所述第一概率获得第二概率,其中,所述第一概率不同于所述第二概率。
优选的,所述方法包括:判断所述绝经日期是否满足第二预定条件;当满足所述第二预定条件时,获得第三概率,其中,所述第二预定条件与所述第一预定条件不同。
优选的,所述方法包括:获得第一检查数据,所述第一检查数据为宫颈癌标志物数据;根据所述第一检查数据和所述第二结果,获得第三结果,所述第三结果表征所述第一用户具有宫颈癌的概率。
优选的,所述方法包括:获得第二检查数据,所述第二检查数据为细胞显示结构;将所述细胞显示结构输入第一检查模型中;当细胞显示结构满足第三预定条件时,获得第四结果;根据所述第四结果和所述第二结果,获得第五结果,所述第五结果表征所述第一用户具有宫颈癌的概率。
优选的,所述方法包括:获得第一用户的近亲属的第二病历;当所述第二病历中含有宫颈癌诊断结果时,获得第六结果;根据所述第六结果和所述第二结果,获得第七结果,所述第七结果表征所述第一用户具有宫颈癌的概率。
优选的,所述方法包括:获得视频连线的远程专家的第三检查数据;根据所述第三检测数据和所述第二结果,获得第八结果,所述第八结果表征所述第一用户具有宫颈癌的概率。
优选的,所述方法包括:获得所述第一用户居住地的区域数据,其中,所述区域数据表示获得该区域中的宫颈癌的发生率,根据所述区域数据和所述第二结果,获得第九结果,所述第九结果表征所述第一用户具有宫颈癌的概率。
第二方面,本发明提供了一种人工智能宫颈癌筛查确定装置,所述装置包括:
第一获得单元,所述第一获得单元用于获得第一用户信息;
第二获得单元,所述第二获得单元用于根据第一用户信息获得第一病历 ;
第三获得单元,所述第三获得单元用于获得第一用户的预诊断信息,其中,所述预诊断信息包括宫颈癌信息;
第四获得单元,所述第四获得单元用于根据第一病历获得所述用户的绝经日期;
第一判断单元,所述第一判断单元用于判断所述绝经日期是否满足第一预定条件;
第五获得单元,所述第五获得单元用于当满足第一预定条件时,获得第一结果;
第一确定单元,所述第一确定单元用于根据所述预诊断信息和所述第一结果确定第二结果,所述第二结果表征所述第一用户具有宫颈癌的概率。
优选的,所述装置还包括:
第六获得单元,所述第六获得单元用于根据所述第一用户的预诊断信息获得所述用户患有宫颈癌的第一概率;
第七获得单元,所述第七获得单元用于根据所述第一结果和所述第一概率获得第二概率,其中,所述第一概率不同于所述第二概率。
优选的,所述装置还包括:
第二判断单元,所述第二判断单元用于判断所述绝经日期是否满足第二预定条件;
第八获得单元,所述第八获得单元用于当满足所述第二预定条件时,获得第三概率,其中,所述第二预定条件与所述第一预定条件不同。
优选的,所述装置还包括:
第九获得单元,所述第九获得单元用于获得第一检查数据,所述第一检查数据为宫颈癌标志物数据;
第十获得单元,所述第十获得单元用于根据所述第一检查数据和所述第二结果,获得第三结果,所述第三结果表征所述第一用户具有宫颈癌的概率。
优选的,所述装置还包括:
第十一获得单元,所述第十一获得单元用于获得第二检查数据,所述第二检查数据为细胞显示结构;
第一输入单元,所述第一输入单元用于将所述细胞显示结构输入第一检查模型中;
第十二获得单元,所述第十二获得单元用于当细胞显示结构满足第三预定条件时,获得第四结果;
第十三获得单元,所述第十三获得单元用于根据所述第四结果和所述第二结果,获得第五结果,所述第五结果表征所述第一用户具有宫颈癌的概率。
优选的,所述装置还包括:
第十四获得单元,所述第十四获得单元用于获得第一用户的近亲属的第二病历;
第十五获得单元,所述第十五获得单元用于当所述第二病历中含有宫颈癌诊断结果时,获得第六结果;
第十六获得单元,所述第十六获得单元用于根据所述第六结果和所述第二结果,获得第七结果,所述第七结果表征所述第一用户具有宫颈癌的概率。
优选的,所述装置还包括:
第十七获得单元,所述第十七获得单元用于获得视频连线的远程专家的第三检查数据;
第十八获得单元,所述第十八获得单元用于根据所述第三检测数据和所述第二结果,获得第八结果,所述第八结果表征所述第一用户具有宫颈癌的概率。
优选的,所述装置还包括:
第十九获得单元,所述第十九获得单元用于获得所述第一用户居住地的区域数据,其中,所述区域数据表示获得该区域中的宫颈癌的发生率,
第二十获得单元,所述第二十获得单元用于根据所述区域数据和所述第二结果,获得第九结果,所述第九结果表征所述第一用户具有宫颈癌的概率。
第三方面,本发明提供了一种人工智能宫颈癌筛查确定装置,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现以下步骤:获得第一用户信息;根据第一用户信息获得第一病历;获得第一用户的预诊断信息,其中,所述预诊断信息包括宫颈癌信息;根据第一病历获得所述用户的绝经日期;判断所述绝经日期是否满足第一预定条件;当满足第一预定条件时,获得第一结果;根据所述预诊断信息和所述第一结果确定第二结果,所述第二结果表征所述第一用户具有宫颈癌的概率。
本申请实施例中的上述一个或多个技术方案,至少具有如下一种或多种技术效果:
本发明实施例提供的一种人工智能宫颈癌筛查确定方法和装置,通过软件系统将医疗机构数据进行同步,在医疗结构使用的终端内可以利用系统获得所在医院就诊的第一用户信息;根据第一用户信息获得第一病历,所述第一病历为通过服务器获得的用户病历,所述第一病历不仅仅为所在医院的病历的,也可以为系统内其他医院的病历,实现用户病历信息的整合,保证了其完整性;获得第一用户的预诊断信息,其中,所述预诊断信息包括宫颈癌信息;根据第一病历获得所述用户的绝经日期;判断所述绝经日期是否满足第一预定条件;当满足第一预定条件时,获得第一结果;根据所述预诊断信息和所述第一结果确定第二结果,所述第二结果表征所述第一用户具有宫颈癌的概率。实现病人数据的系统整合,保证其病历内数据的完整性,便于医疗结构对病人的病情进行分析判断,同时也有利于管理部分做数据分析,且整个分析过程为自动完成,利用指标进行数据科学分析获得,不参杂人为因素,可靠度更高的技术效果,从而解决现有技术中需要人工完成检测,存在受人为影响因素较多,且患者的就诊数据无法在各医疗单位间共享,趋于碎片化,不利于数据分析的技术问题。
上述说明仅是本发明技术方案的概述,为了能够更清楚了解本发明的技术手段,而可依照说明书的内容予以实施,并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂,以下特举本发明的具体实施方式。
附图说明
图1为本发明实施例中一种人工智能宫颈癌筛查确定方法的流程示意图;
图2为本发明实施例中一种人工智能宫颈癌筛查确定装置的结构示意图;
图3为本发明实施例中另一种人工智能宫颈癌筛查确定装置的结构示意图。
附图标记说明:第一获得单元11,第二获得单元12,第三获得单元13,第四获得单元14,第一判断单元15,第五获得单元16,第一确定单元17,总线300,接收器301,处理器302,发送器303,存储器304,总线接口306。
具体实施方式
本发明实施例提供了一种人工智能宫颈癌筛查确定方法和装置,用于解决现有技术中需要人工完成检测,存在受人为影响因素较多,且患者的就诊数据无法在各医疗单位间共享,趋于碎片化,不利于数据分析的技术问题。
本发明提供的技术方案总体思路如下:
获得第一用户信息;根据第一用户信息获得第一病历;获得第一用户的预诊断信息,其中,所述预诊断信息包括宫颈癌信息;根据第一病历获得所述用户的绝经日期;判断所述绝经日期是否满足第一预定条件;当满足第一预定条件时,获得第一结果;根据所述预诊断信息和所述第一结果确定第二结果,所述第二结果表征所述第一用户具有宫颈癌的概率。达到了实现病人数据的系统整合,保证其病历内数据的完整性,便于医疗结构对病人的病情进行分析判断,同时也有利于管理部分做数据分析,且整个分析过程为自动完成,利用指标进行数据科学分析获得,不参杂人为因素,可靠度更高的技术效果。
下面通过附图以及具体实施例对本发明技术方案做详细的说明,应当理解本申请实施例以及实施例中的具体特征是对本申请技术方案的详细的说明,而不是对本申请技术方案的限定,在不冲突的情况下,本申请实施例以及实施例中的技术特征可以相互组合。
本文中术语“和/或”,仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。另外,本文中字符“/”,一般表示前后关联对象是一种“或”的关系。
实施例一
图1为本发明实施例中一种人工智能宫颈癌筛查确定方法的流程示意图。如图1所示,本发明实施例提供了一种人工智能宫颈癌筛查确定方法,所述方法包括:
步骤110:获得第一用户信息。
具体而言,所述第一用户信息为当前就诊病人的个人信息,使用本发明实施例所述人工智能宫颈癌筛查确定方法的医院可以通过使用的终端查看所有在该医院就诊病人的用户信息,所述用户信息中包括用户的姓名、年龄、身份证件、住址、家庭关系、过敏史、病历等等个人信息内容。
步骤120:根据第一用户信息获得第一病历。
具体而言,通过病人的所述第一用户信息实现与该病人相关的所有信息内容的链接,医疗管理人员、医生等可以利用所述第一用户信息对应内容的链接获取相应的病人信息,其中包括了病人的病历,所述病人病历可以为当前医院的病历、也可以为其他不同的医院或体检中心的病历,只要使用本发明实施例所述人工智能宫颈癌筛查确定方法的所有医疗结构,均可实现资源的同步共享,将各个医疗结构的数据同步在服务器中,实现数据的整合,大数据库的建立,每个医疗机构在获取病人信息时通过向服务器发送访问指令,服务器将把对应的信息内容发送至医疗结构使用的终端内,便于了解病人完整的病历情况,做出连贯性分析,以保证诊断结果的准确度。
步骤130:获得第一用户的预诊断信息,其中,所述预诊断信息包括宫颈癌信息。
具体而言,从所述第一用户信息中获得该用户与宫颈癌相关的诊断信息,利用所述第一用户所有信息中查找与宫颈癌的相关的检测名称、检验指标、症状等有关联的所有诊断信息。举例而言,甲某的病历中有血常规化验、尿常规化验、妇检、阴道镜、子宫颈刮片、活体组织检测及对应的诊断结果,从中选择妇检、阴道镜、子宫颈刮片、活体组织检测及含有子宫癌对应字样结果的诊断信息,该诊断信息为病人的预诊断信息即预估该病人患上宫颈癌,所述预诊断信息可以为历史病历中获取的,也可以为当前根据病人的病症、检验结果得出的预诊断的信息,而预诊断信息若来自历史病历,所述病历同样可以为当前所在医院的病历获取,也可以是其他医院的病历或者体检中心的体检报告中的诊断结果。
步骤140:根据第一病历获得所述用户的绝经日期。
步骤150:判断所述绝经日期是否满足第一预定条件。
步骤160:当满足第一预定条件时,获得第一结果。
具体而言,由于宫颈癌是妇女最常见的恶性肿瘤,主要多发生于妇女早期绝经期,因而绝经日期也是一个重要参考的指标,从病人的所述第一病历中获得病人的绝经日期,根据所述病人的绝经日期判断所述病人是否处于所述绝经期的早期,在判断所述病人是否处于绝经期早期时,利用系统内设定的第一预定条件进行判断,举例而言,系统内设定的第一预定条件为阈值不大于6年,那么当所述病人当前时间到所述绝经日期为6年以上则表明不处于月经期早期,若所述病人当前时间到所述绝经日期不到6年,则得出所述病人处于所述绝经期早期,即正处于所述宫颈癌多发时期,对应获得第一结果,所述第一结果即表示所述病人当前处于绝经期早期为所述宫颈癌的高发期。
步骤170:根据所述预诊断信息和所述第一结果确定第二结果,所述第二结果表征所述第一用户具有宫颈癌的概率。
具体而言,根据获得的所述第一结果即所述病人当前处于绝经期早期为所述宫颈癌的高发期和所述预诊断信息,两者综合获得第二结果,所述第二结果用于表示该病人患上宫颈癌的概率。举例而言,若所述第一用户的预诊断信息表现出该病人的诊断结果为宫颈癌,另外通过绝经期分析得到的结果也是该病人处于高发期,两者结合该病人患宫颈癌的概率就较高,相反的若病人未处于绝经期早期不是高发期,而且所述病人的预诊断信息中也没有患宫颈癌的信息,则所述病人的宫颈癌概率就很小。通过分析获得的第二结果也将同步至服务器内,供医疗结构使用,实现病人数据的系统整合,保证其病历内数据的完整性,便于医疗结构对病人的病情进行分析判断,同时也有利于管理部分做数据分析,且整个分析过程为自动完成,利用指标进行数据科学分析获得,不参杂人为因素,可靠度更高,从而解决现有技术中需要人工完成检测,存在受人为影响因素较多,且患者的就诊数据无法在各医疗单位间共享,趋于碎片化,不利于数据分析的技术问题。
进一步的,所述方法包括:根据所述第一用户的预诊断信息获得所述用户患有宫颈癌的第一概率;根据所述第一结果和所述第一概率获得第二概率,其中,所述第一概率不同于所述第二概率。
具体而言,在获得所述宫颈癌概率时,本发明实施例的方法采用了先利用所述第一用户的预诊断信息获得所述第一用户即当前病人患所述宫颈癌的第一概率,然后再根据所述第一结果即所述病人是否处于绝经期早期对获得的所述第一概率进行调整,以保证概率的可靠性。举例而言,当通过所述用户的病历、化验结果、病症等数据结合临床数据、医学知识分析获得所述用户患宫颈癌的第一概率为70%,然后根据所述用户的第一结果,该用户处于绝经期的早期为高发时期,得病概率较高,利用所述第一结果和第一概率获得一个新的概率,即使用所述第一结果对所述第一概率进行调整,由于该用户的第一结果风险概率较高,则对所述第一概率向大调整,获得第二概率为85%,相反的,如果第一结果为该用户不处于高发期,则相应的调低该用户的患病概率为65%。
进一步的,所述方法包括:判断所述绝经日期是否满足第二预定条件;当满足所述第二预定条件时,获得第三概率,其中,所述第二预定条件与所述第一预定条件不同。
具体而言,根据所述用户处于所述绝经期的时间来获得所述用户患病的概率,由于宫颈癌多发于妇女早期绝经期,越靠近绝经日期概率有所增加,因而对所述绝经期早期进行了进一步细化,所述第一预定条件为限定所述早期的范围,而此处所述第二预定条件则是在所述早期的范围内按照实际的长短进行限定,对于更靠近所述绝经日期的概率更大,当所述用户当前处于所述绝经日期满足所述第二预定条件,则患宫颈癌的概率更大,获得对应的第三概率。举例而言,所述第一预定条件为距离所述绝经日期不超过6年,而第二预定条件为距离所述绝经日期不超过1年,距离所述绝经日期更靠近,所述早期范围中的早期,患病概率更高。
进一步的,所述方法包括:获得第一检查数据,所述第一检查数据为宫颈癌标志物数据;根据所述第一检查数据和所述第二结果,获得第三结果,所述第三结果表征所述第一用户具有宫颈癌的概率。
具体而言,利用宫颈癌标志物数据对所述第一用户的检查数据进行调整,以保证数据的准确性,所述宫颈癌标志物数据为医疗数据库内的专业评测数据,用于分析病人患宫颈癌的分析数据,具有科学性,使用所述宫颈癌标志物数据对获得的第二结果进行调整,对于出现偏差的数据进行调整,以保证获得的最终结果更为准确。举例而言,经过本发明实施例的方法一系列分析后,获得所述第一用户患宫颈癌的概率为80%,通过服务器调取所述宫颈癌标志物数据对各项指标进行分析,获得所述第二结果分析过程的数据符合所述宫颈癌标志物数据内的规范,则获得的第三结果仍为80%,若所述第二结果分析中使用的数据与所述宫颈癌标志物数据有偏差,经过所述宫颈癌标志物数据对数据进行调整,获得第三结果为76%,则所述第一用户的患病概率调整为76%。
进一步的,所述方法包括:获得第二检查数据,所述第二检查数据为细胞显示结构;将所述细胞显示结构输入第一检查模型中;当细胞显示结构满足第三预定条件时,获得第四结果;根据所述第四结果和所述第二结果,获得第五结果,所述第五结果表征所述第一用户具有宫颈癌的概率。
具体而言,本方法结合人工智能,利用第一用户的检查数据中细胞显示结构获得对应细胞显示结构的人体检查模型,将所述检查数据中的细胞显示结构放入检查模型结构内进行分析、验证,当所述第一用户的细胞显示结构满足了检查模型内各项指标,则表明该用户指标符合要求,若出现某指标的偏差则表明出现了病症,利用所述检查模型对所述第一用户的细胞显示结构进行具体模拟分析,获得所述第一用户患宫颈癌的概率,为所述第四结果,利用所述第四结果对所述第二结果进行修正,以保证第二结果的准确性,若经过检查模型得出所述第一用户符合要求,患病概率低,而第二结果得出患病概率高,则会通过服务器向医疗结构的终端发送自动提示,可能出现误诊,若两个结果不同,但差距不大,根据具体数据结果进行一定修正获得新的数据,若两者结果一致,则表明诊断正确,经过多方位的调整、修正以保证获得的数据准确。
进一步的,所述方法包括:获得第一用户的近亲属的第二病历;当所述第二病历中含有宫颈癌诊断结果时,获得第六结果;根据所述第六结果和所述第二结果,获得第七结果,所述第七结果表征所述第一用户具有宫颈癌的概率。
具体而言,由于宫颈癌存在一定遗传性,因而通过用户的亲属病历分析,可以对所述第一用户患病概率进行进一步的调整,若所述第一用户的近亲属,如父、母、爷、奶、兄弟姐妹等增患有宫颈癌,则所述第一用户的得病概率相较近亲属里面没有患病史的概率大,若家里面没有这方面的患病史,则相对的患病几率也有所减小,根据第一用户获得其近亲属的用户信息,根据其近亲属的用户信息进一步获得近亲属的病历,通过对所述近亲属的病历内容分析,若没有查出宫颈癌的病史,则对应得出第六结果,通过所述第六结果对所述第二结果进行调整,从而获得最后的第七结果,用来表示所述第一用户具有患上宫颈癌的概率。
进一步的,所述方法包括:获得视频连线的远程专家的第三检查数据;根据所述第三检测数据和所述第二结果,获得第八结果,所述第八结果表征所述第一用户具有宫颈癌的概率。
具体而言,本发明实施例的方法还具有远程视频连线医学专科专家对结果进行进一步修正,通过视频连接专科医学专家对病人进行实时诊断,所述用户可以根据专家的检测要求提供相应的检测,利用所在医院的医疗设备或者智能检测台车进行对应的指数检查,所述智能检测台车是为没有医疗设备的落后地区提供的,可以给基层医院或者基层卫生院外派使用,只要一个医护人员即可操作,智能硬件检测台车包括检测仪器以及结合了控制系统和数据存储模块的电脑,控制系统用于联网进行数据的传输,数据存储模块用于存储用户信息用户相应的检查信息,检测仪器用于对患者的样本进行检测并且给出初步检测结果,而且智能硬件检测台车还包括给患者就医的空间,所以一般采用厢式货车为主,还包括输入输出装置,与电脑连接,将检测结果通过网络进行同步,专家远程进行诊断,另外专家也可以进行查看第一用户的检验数据、病症、当前的诊断数据如第二结果等,通过专家获得的实时检查数据与现有调阅数据进行分析再结合专业的临床经验和医学知识,获得诊断结果,并利用该诊断结果对所述第二结果进行综合调整,获得最后的结果,为第八结果,所述第八结果为进行专家诊断结果进行调整后的表征用户患有宫颈癌的概率。
进一步的,所述方法包括:获得所述第一用户居住地的区域数据,其中,所述区域数据表示获得该区域中的宫颈癌的发生率,根据所述区域数据和所述第二结果,获得第九结果,所述第九结果表征所述第一用户具有宫颈癌的概率。
具体而言,往往一种疾病会出现地域性特点,因而本方法进入了对地域性数据的分析,使分析方向更为全面,从而进一步修正了获得的数据结果。具体过程为首先根据所述第一用户信息获得第一用户的居住地,将所述第一用户的居住地所在区域内的数据从服务器中调出,通过该区域内的医疗数据分析,获得该区域内患有宫颈癌的发生率,根据所述区域数据和所述第二结果综合获得第九结果,所述第九结果为使用所述区域数据的宫颈癌发生率对所述第二结果的订正结果,用于表征第一用户患宫颈癌的概率,若所述第一用户所居住的区域内患宫颈癌的发生率较高,则增加了所述第一用户的患病概率。
实施例二
基于与前述实施例中一种人工智能宫颈癌筛查确定方法同样的发明构思,本发明还提供一种人工智能宫颈癌筛查确定装置,如图2所示,所述装置包括:
第一获得单元11,所述第一获得单元11用于获得第一用户信息;
第二获得单元12,所述第二获得单元12用于根据第一用户信息获得第一病历 ;
第三获得单元13,所述第三获得单元13用于获得第一用户的预诊断信息,其中,所述预诊断信息包括宫颈癌信息;
第四获得单元14,所述第四获得单元14用于根据第一病历获得所述用户的绝经日期;
第一判断单元15,所述第一判断单元15用于判断所述绝经日期是否满足第一预定条件;
第五获得单元16,所述第五获得单元16用于当满足第一预定条件时,获得第一结果;
第一确定单元17,所述第一确定单元17用于根据所述预诊断信息和所述第一结果确定第二结果,所述第二结果表征所述第一用户具有宫颈癌的概率。
进一步的,所述装置还包括:
第六获得单元,所述第六获得单元用于根据所述第一用户的预诊断信息获得所述用户患有宫颈癌的第一概率;
第七获得单元,所述第七获得单元用于根据所述第一结果和所述第一概率获得第二概率,其中,所述第一概率不同于所述第二概率。
进一步的,所述装置还包括:
第二判断单元,所述第二判断单元用于判断所述绝经日期是否满足第二预定条件;
第八获得单元,所述第八获得单元用于当满足所述第二预定条件时,获得第三概率,其中,所述第二预定条件与所述第一预定条件不同。
进一步的,所述装置还包括:
第九获得单元,所述第九获得单元用于获得第一检查数据,所述第一检查数据为宫颈癌标志物数据;
第十获得单元,所述第十获得单元用于根据所述第一检查数据和所述第二结果,获得第三结果,所述第三结果表征所述第一用户具有宫颈癌的概率。
进一步的,所述装置还包括:
第十一获得单元,所述第十一获得单元用于获得第二检查数据,所述第二检查数据为细胞显示结构;
第一输入单元,所述第一输入单元用于将所述细胞显示结构输入第一检查模型中;
第十二获得单元,所述第十二获得单元用于当细胞显示结构满足第三预定条件时,获得第四结果;
第十三获得单元,所述第十三获得单元用于根据所述第四结果和所述第二结果,获得第五结果,所述第五结果表征所述第一用户具有宫颈癌的概率。
进一步的,所述装置还包括:
第十四获得单元,所述第十四获得单元用于获得第一用户的近亲属的第二病历;
第十五获得单元,所述第十五获得单元用于当所述第二病历中含有宫颈癌诊断结果时,获得第六结果;
第十六获得单元,所述第十六获得单元用于根据所述第六结果和所述第二结果,获得第七结果,所述第七结果表征所述第一用户具有宫颈癌的概率。
进一步的,所述装置还包括:
第十七获得单元,所述第十七获得单元用于获得视频连线的远程专家的第三检查数据;
第十八获得单元,所述第十八获得单元用于根据所述第三检测数据和所述第二结果,获得第八结果,所述第八结果表征所述第一用户具有宫颈癌的概率。
进一步的,所述装置还包括:
第十九获得单元,所述第十九获得单元用于获得所述第一用户居住地的区域数据,其中,所述区域数据表示获得该区域中的宫颈癌的发生率,
第二十获得单元,所述第二十获得单元用于根据所述区域数据和所述第二结果,获得第九结果,所述第九结果表征所述第一用户具有宫颈癌的概率。
前述图1实施例一中的一种人工智能宫颈癌筛查确定方法的各种变化方式和具体实例同样适用于本实施例的一种人工智能宫颈癌筛查确定装置,通过前述对一种人工智能宫颈癌筛查确定方法的详细描述,本领域技术人员可以清楚的知道本实施例中一种人工智能宫颈癌筛查确定装置的实施方法,所以为了说明书的简洁,在此不再详述。
实施例三
基于与前述实施例中一种人工智能宫颈癌筛查确定方法同样的发明构思,本发明还提供一种人工智能宫颈癌筛查确定装置,其上存储有计算机程序,该程序被处理器执行时实现前文所述一种人工智能宫颈癌筛查确定方法的任一方法的步骤。
其中,在图3中,总线架构(用总线300来代表),总线300可以包括任意数量的互联的总线和桥,总线300将包括由处理器302代表的一个或多个处理器和存储器304代表的存储器的各种电路链接在一起。总线300还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路链接在一起,这些都是本领域所公知的,因此,本文不再对其进行进一步描述。总线接口306在总线300和接收器301和发送器303之间提供接口。接收器301和发送器303可以是同一个元件,即收发机,提供用于在传输介质上与各种其他装置通信的单元。
处理器302负责管理总线300和通常的处理,而存储器304可以被用于存储处理器302在执行操作时所使用的数据。
本申请实施例中的上述一个或多个技术方案,至少具有如下一种或多种技术效果:
本发明实施例提供的一种人工智能宫颈癌筛查确定方法和装置,通过软件系统将医疗机构数据进行同步,在医疗结构使用的终端内可以利用系统获得所在医院就诊的第一用户信息;根据第一用户信息获得第一病历,所述第一病历为通过服务器获得的用户病历,所述第一病历不仅仅为所在医院的病历的,也可以为系统内其他医院的病历,实现用户病历信息的整合,保证了其完整性;获得第一用户的预诊断信息,其中,所述预诊断信息包括宫颈癌信息;根据第一病历获得所述用户的绝经日期;判断所述绝经日期是否满足第一预定条件;当满足第一预定条件时,获得第一结果;根据所述预诊断信息和所述第一结果确定第二结果,所述第二结果表征所述第一用户具有宫颈癌的概率。实现病人数据的系统整合,保证其病历内数据的完整性,便于医疗结构对病人的病情进行分析判断,同时也有利于管理部分做数据分析,且整个分析过程为自动完成,利用指标进行数据科学分析获得,不参杂人为因素,可靠度更高的技术效果,从而解决现有技术中需要人工完成检测,存在受人为影响因素较多,且患者的就诊数据无法在各医疗单位间共享,趋于碎片化,不利于数据分析的技术问题。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (10)
1.一种人工智能宫颈癌筛查确定方法,其特征在于,所述方法包括:
获得第一用户信息;
根据第一用户信息获得第一病历;
获得第一用户的预诊断信息,其中,所述预诊断信息包括宫颈癌信息;
根据第一病历获得所述用户的绝经日期;
判断所述绝经日期是否满足第一预定条件;
当满足第一预定条件时,获得第一结果;
根据所述预诊断信息和所述第一结果确定第二结果,所述第二结果表征所述第一用户具有宫颈癌的概率。
2.如权利要求1所述的方法,其特征在于,所述方法包括:
根据所述第一用户的预诊断信息获得所述用户患有宫颈癌的第一概率;
根据所述第一结果和所述第一概率获得第二概率,其中,所述第一概率不同于所述第二概率。
3.如权利要求1所述的方法,其特征在于,所述方法包括:
判断所述绝经日期是否满足第二预定条件;
当满足所述第二预定条件时,获得第三概率,其中,所述第二预定条件与所述第一预定条件不同。
4.如权利要求1所述的方法,其特征在于,所述方法包括:
获得第一检查数据,所述第一检查数据为宫颈癌标志物数据;
根据所述第一检查数据和所述第二结果,获得第三结果,所述第三结果表征所述第一用户具有宫颈癌的概率。
5.如权利要求1所述的方法,其特征在于,所述方法包括:
获得第二检查数据,所述第二检查数据为细胞显示结构;
将所述细胞显示结构输入第一检查模型中;
当细胞显示结构满足第三预定条件时,获得第四结果;
根据所述第四结果和所述第二结果,获得第五结果,所述第五结果表征所述第一用户具有宫颈癌的概率。
6.如权利要求1所述的方法,其特征在于,所述方法包括:
获得第一用户的近亲属的第二病历;
当所述第二病历中含有宫颈癌诊断结果时,获得第六结果;
根据所述第六结果和所述第二结果,获得第七结果,所述第七结果表征所述第一用户具有宫颈癌的概率。
7.如权利要求1所述的方法,其特征在于,所述方法包括:
获得视频连线的远程专家的第三检查数据;
根据所述第三检测数据和所述第二结果,获得第八结果,所述第八结果表征所述第一用户具有宫颈癌的概率。
8.如权利要求1所述的方法,其特征在于,所述方法包括:
获得所述第一用户居住地的区域数据,其中,所述区域数据表示获得该区域中的宫颈癌的发生率,
根据所述区域数据和所述第二结果,获得第九结果,所述第九结果表征所述第一用户具有宫颈癌的概率。
9.一种人工智能宫颈癌筛查确定装置,其特征在于,所述装置包括:
第一获得单元,所述第一获得单元用于获得第一用户信息;
第二获得单元,所述第二获得单元用于根据第一用户信息获得第一病历 ;
第三获得单元,所述第三获得单元用于获得第一用户的预诊断信息,其中,所述预诊断信息包括宫颈癌信息;
第四获得单元,所述第四获得单元用于根据第一病历获得所述用户的绝经日期;
第一判断单元,所述第一判断单元用于判断所述绝经日期是否满足第一预定条件;
第五获得单元,所述第五获得单元用于当满足第一预定条件时,获得第一结果;
第一确定单元,所述第一确定单元用于根据所述预诊断信息和所述第一结果确定第二结果,所述第二结果表征所述第一用户具有宫颈癌的概率。
10.一种人工智能宫颈癌筛查确定装置,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现以下步骤:
获得第一用户信息;
根据第一用户信息获得第一病历 ;
获得第一用户的预诊断信息,其中,所述预诊断信息包括宫颈癌信息;
根据第一病历获得所述用户的绝经日期;
判断所述绝经日期是否满足第一预定条件;
当满足第一预定条件时,获得第一结果;
根据所述预诊断信息和所述第一结果确定第二结果,所述第二结果表征所述第一用户具有宫颈癌的概率。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910111038.9A CN109887561A (zh) | 2019-02-12 | 2019-02-12 | 一种人工智能宫颈癌筛查确定方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910111038.9A CN109887561A (zh) | 2019-02-12 | 2019-02-12 | 一种人工智能宫颈癌筛查确定方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109887561A true CN109887561A (zh) | 2019-06-14 |
Family
ID=66927994
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910111038.9A Pending CN109887561A (zh) | 2019-02-12 | 2019-02-12 | 一种人工智能宫颈癌筛查确定方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109887561A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110766004A (zh) * | 2019-10-23 | 2020-02-07 | 泰康保险集团股份有限公司 | 医疗鉴定数据处理方法、装置、电子设备及可读介质 |
CN112244882A (zh) * | 2020-10-30 | 2021-01-22 | 北京中科心研科技有限公司 | 一种基于多模态生理数据的疾病预警方法和装置 |
CN113017565A (zh) * | 2021-02-25 | 2021-06-25 | 西安医学院第一附属医院 | 一种皮肤科色斑智能检测分析方法及系统 |
CN116665889A (zh) * | 2023-07-28 | 2023-08-29 | 长春中医药大学 | 一种应用于妇科门诊的智能辅助诊疗系统 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104025099A (zh) * | 2011-12-30 | 2014-09-03 | 皇家飞利浦有限公司 | 针对宫颈癌的临床指南的选择 |
CN105232060A (zh) * | 2015-08-31 | 2016-01-13 | 陈琼 | 基于独立风险因子组合筛查的预警系统 |
CN105981018A (zh) * | 2013-10-11 | 2016-09-28 | 诺瓦赛特公司 | 使用从个体取得的样本的疾病筛查方法、模块和计算机程序 |
CN107346368A (zh) * | 2017-04-28 | 2017-11-14 | 首都医科大学附属北京妇产医院 | 一种妇科疾病数据系统 |
US20180046773A1 (en) * | 2016-08-11 | 2018-02-15 | Htc Corporation | Medical system and method for providing medical prediction |
CN107958295A (zh) * | 2017-12-12 | 2018-04-24 | 北京倍肯恒业科技发展股份有限公司 | 人工智能宫颈癌筛查系统 |
CN108245161A (zh) * | 2017-12-26 | 2018-07-06 | 北京医拍智能科技有限公司 | 肺部常见疾病的辅助诊断系统 |
CN108565017A (zh) * | 2018-04-23 | 2018-09-21 | 杜欣欣 | 一种宫颈病变的临床决策系统及其方法 |
-
2019
- 2019-02-12 CN CN201910111038.9A patent/CN109887561A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104025099A (zh) * | 2011-12-30 | 2014-09-03 | 皇家飞利浦有限公司 | 针对宫颈癌的临床指南的选择 |
CN105981018A (zh) * | 2013-10-11 | 2016-09-28 | 诺瓦赛特公司 | 使用从个体取得的样本的疾病筛查方法、模块和计算机程序 |
CN105232060A (zh) * | 2015-08-31 | 2016-01-13 | 陈琼 | 基于独立风险因子组合筛查的预警系统 |
US20180046773A1 (en) * | 2016-08-11 | 2018-02-15 | Htc Corporation | Medical system and method for providing medical prediction |
CN107346368A (zh) * | 2017-04-28 | 2017-11-14 | 首都医科大学附属北京妇产医院 | 一种妇科疾病数据系统 |
CN107958295A (zh) * | 2017-12-12 | 2018-04-24 | 北京倍肯恒业科技发展股份有限公司 | 人工智能宫颈癌筛查系统 |
CN108245161A (zh) * | 2017-12-26 | 2018-07-06 | 北京医拍智能科技有限公司 | 肺部常见疾病的辅助诊断系统 |
CN108565017A (zh) * | 2018-04-23 | 2018-09-21 | 杜欣欣 | 一种宫颈病变的临床决策系统及其方法 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110766004A (zh) * | 2019-10-23 | 2020-02-07 | 泰康保险集团股份有限公司 | 医疗鉴定数据处理方法、装置、电子设备及可读介质 |
CN112244882A (zh) * | 2020-10-30 | 2021-01-22 | 北京中科心研科技有限公司 | 一种基于多模态生理数据的疾病预警方法和装置 |
CN113017565A (zh) * | 2021-02-25 | 2021-06-25 | 西安医学院第一附属医院 | 一种皮肤科色斑智能检测分析方法及系统 |
CN116665889A (zh) * | 2023-07-28 | 2023-08-29 | 长春中医药大学 | 一种应用于妇科门诊的智能辅助诊疗系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109887561A (zh) | 一种人工智能宫颈癌筛查确定方法和装置 | |
Knottnerus et al. | The evidence base of clinical diagnosis: theory and methods of diagnostic research | |
Miglioretti et al. | Effect of breast augmentation on the accuracy of mammography and cancer characteristics | |
US11640852B2 (en) | System for laboratory values automated analysis and risk notification in intensive care unit | |
CN109545387B (zh) | 一种基于神经网络的异常病例识别方法及计算设备 | |
RU2720448C2 (ru) | Достоверный классификатор | |
US6669482B1 (en) | Method for teaching interpretative skills in radiology with standardized terminology | |
Lee et al. | Tenets for the proper conduct and use of meta-analyses: a practical guide for neurosurgeons | |
CN107145715B (zh) | 一种基于推举算法的临床医学智能判别装置 | |
Kharbanda et al. | A clinical score to predict appendicitis in older male children | |
Allen et al. | Risk stratification for congenital heart surgery for ICD-10 administrative data (RACHS-2) | |
Wirth et al. | A prospective observational pilot study to test the feasibility of a smartphone enabled uChek© urinalysis device to detect biomarkers in urine indicative of preeclampsia/eclampsia | |
US11676722B1 (en) | Method of early detection, risk stratification, and outcomes prediction of a medical disease or condition with machine learning and routinely taken patient data | |
WO2013043204A1 (en) | Systems and methods for collecting and transmitting assay results | |
Riquelme | Clinical swallow examination (CSE): Can we talk? | |
Phommachanh et al. | Overt versus covert observations on health care providers' care and communication during antenatal care visits in Lao PDR | |
CN114596948A (zh) | 一种医院管理统计指标源字段库的建立方法 | |
Hames et al. | Errors in emergency and trauma radiology: General principles | |
Timmermans et al. | An external validation of a novel predictive algorithm for male nipple areolar positioning: an improvement to current practice through a multicenter endeavor | |
CN112259231A (zh) | 一种高危胃肠间质瘤患者术后复发风险评估方法与系统 | |
KR20180133833A (ko) | 의료 검사의 참고치 관리 장치 및 방법 | |
Ivy et al. | To be healthy, wealthy, and wise: using decision modeling to personalize policy in health, hunger relief, and education | |
Duggan et al. | Gamified Crowdsourcing as a Novel Approach to Lung Ultrasound Dataset Labeling | |
CN113223698B (zh) | 急诊分级处理方法、装置、电子设备以及存储介质 | |
WO2024104169A1 (zh) | 一种健康管理的方法、装置、系统、电子设备及存储介质 |
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: 20190614 |
|
RJ01 | Rejection of invention patent application after publication |