CN109949941A - 基于大数据精准医疗的心血管疾病风险监控系统 - Google Patents
基于大数据精准医疗的心血管疾病风险监控系统 Download PDFInfo
- Publication number
- CN109949941A CN109949941A CN201910196959.XA CN201910196959A CN109949941A CN 109949941 A CN109949941 A CN 109949941A CN 201910196959 A CN201910196959 A CN 201910196959A CN 109949941 A CN109949941 A CN 109949941A
- Authority
- CN
- China
- Prior art keywords
- disease
- information
- module
- personal
- risk
- 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
- 208000024172 Cardiovascular disease Diseases 0.000 title claims abstract description 54
- 238000012544 monitoring process Methods 0.000 title claims abstract description 34
- 238000011282 treatment Methods 0.000 title claims abstract description 24
- 201000010099 disease Diseases 0.000 claims abstract description 97
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims abstract description 97
- 238000011161 development Methods 0.000 claims abstract description 33
- 238000004458 analytical method Methods 0.000 claims abstract description 14
- 235000006694 eating habits Nutrition 0.000 claims description 10
- 238000011156 evaluation Methods 0.000 claims description 7
- 208000024891 symptom Diseases 0.000 claims description 6
- 239000008280 blood Substances 0.000 claims description 5
- 210000004369 blood Anatomy 0.000 claims description 5
- 108010077173 BB Form Creatine Kinase Proteins 0.000 claims description 3
- 108010074051 C-Reactive Protein Proteins 0.000 claims description 3
- 102100022785 Creatine kinase B-type Human genes 0.000 claims description 3
- 102000002045 Endothelin Human genes 0.000 claims description 3
- 108050009340 Endothelin Proteins 0.000 claims description 3
- BYRRPYMBVHTVKO-UHFFFAOYSA-N [Na].[Ti] Chemical compound [Na].[Ti] BYRRPYMBVHTVKO-UHFFFAOYSA-N 0.000 claims description 3
- 238000001514 detection method Methods 0.000 claims description 3
- ZUBDGKVDJUIMQQ-UBFCDGJISA-N endothelin-1 Chemical compound C([C@@H](C(=O)N[C@@H](CC(C)C)C(=O)N[C@@H](CC(O)=O)C(=O)N[C@@H]([C@@H](C)CC)C(=O)N[C@@H]([C@@H](C)CC)C(=O)N[C@@H](CC=1C2=CC=CC=C2NC=1)C(O)=O)NC(=O)[C@H]1NC(=O)[C@H](CC=2C=CC=CC=2)NC(=O)[C@@H](CC=2C=CC(O)=CC=2)NC(=O)[C@H](C(C)C)NC(=O)[C@H]2CSSC[C@@H](C(N[C@H](CO)C(=O)N[C@@H](CO)C(=O)N[C@H](CC(C)C)C(=O)N[C@@H](CCSC)C(=O)N[C@H](CC(O)=O)C(=O)N[C@@H](CCCCN)C(=O)N[C@@H](CCC(O)=O)C(=O)N2)=O)NC(=O)[C@@H](CO)NC(=O)[C@H](N)CSSC1)C1=CNC=N1 ZUBDGKVDJUIMQQ-UBFCDGJISA-N 0.000 claims description 3
- 150000002632 lipids Chemical class 0.000 claims description 3
- FFFHZYDWPBMWHY-VKHMYHEASA-N L-homocysteine Chemical compound OC(=O)[C@@H](N)CCS FFFHZYDWPBMWHY-VKHMYHEASA-N 0.000 claims description 2
- 239000003814 drug Substances 0.000 claims 1
- 230000002708 enhancing effect Effects 0.000 abstract description 3
- 238000005516 engineering process Methods 0.000 abstract description 2
- 230000000694 effects Effects 0.000 abstract 1
- 208000019553 vascular disease Diseases 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000011321 prophylaxis Methods 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 201000001320 Atherosclerosis Diseases 0.000 description 1
- 102100032752 C-reactive protein Human genes 0.000 description 1
- 206010008190 Cerebrovascular accident Diseases 0.000 description 1
- 208000031226 Hyperlipidaemia Diseases 0.000 description 1
- 206010020772 Hypertension Diseases 0.000 description 1
- 208000006011 Stroke Diseases 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 208000026106 cerebrovascular disease Diseases 0.000 description 1
- XUJNEKJLAYXESH-UHFFFAOYSA-N cysteine Natural products SCC(N)C(O)=O XUJNEKJLAYXESH-UHFFFAOYSA-N 0.000 description 1
- 235000018417 cysteine Nutrition 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000002526 effect on cardiovascular system Effects 0.000 description 1
- 208000031169 hemorrhagic disease Diseases 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 208000023589 ischemic disease Diseases 0.000 description 1
- 230000000302 ischemic effect Effects 0.000 description 1
- 238000000034 method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
Landscapes
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
本发明公开了基于大数据精准医疗的心血管疾病风险监控系统,涉及疾病风险监控技术领域,解决了目前对于心血管疾病的诊断分析和治疗手段选取的准确性较差,以及对心血管疾病风险监控力度较小的问题,其技术方案要点是:包括用户终端、监控管理中心、疾病信息数据库、疾病发展数据库、特征信息提取模块、疾病匹配模块和报告生成模块;用户终端与监控管理中心连接;监控管理中心与特征信息提取模块连接;特征信息提取模块与疾病匹配模块连接;疾病匹配模块与疾病信息数据库和报告生成模块连接;报告生成模块与疾病发展数据库和用户终端连接,具有提高心血管疾病的诊断分析和治疗手段选取的准确性,以及增强对心血管疾病风险的监控力度的效果。
Description
技术领域
本发明涉及疾病风险监控技术领域,更具体地说,它涉及基于大数据精准医疗的心血管疾病风险监控系统。
背景技术
心血管疾病,泛指由于高脂血症、血液黏稠、动脉粥样硬化、高血压等所导致的心脏的缺血性或出血性疾病。心血管疾病是一种严重威胁人类,特别是50岁以上中老年人健康的常见病,具有高患病率、高致残率和高死亡率的特点,即使应用目前最先进、完善的治疗手段,仍可有50%以上的脑血管意外幸存者生活不能完全自理,全世界每年死于心脑血管疾病的人数高达1500万人,居各种死因首位。
现有的医疗机构分布在全国各地,各个医疗机构之间的资源共享效率较低,医生可参考的历史病例有限,对于心血管疾病的诊断分析和治疗手段选取的准确性较差;此外,病人需要在医疗机构做全面的检查后才能从医生处得到相应的检查结果,导致病人对自身健康信息获取的成本较高,以及操作复杂,从而使得广大群众对自身的心血管疾病风险监控力度较小。
因此,如何设计一种基于大数据精准医疗的心血管疾病风险监控系统是我们目前迫切需要解决的问题。
发明内容
本发明的目的是提供基于大数据精准医疗的心血管疾病风险监控系统,具有为医生提供丰富的历史病例,提高心血管疾病的诊断分析和治疗手段选取的准确性,以及增强广大群众对自身心血管疾病风险的监控力度的效果。
本发明的上述技术目的是通过以下技术方案得以实现的:基于大数据精准医疗的心血管疾病风险监控系统,包括用户终端、监控管理中心、疾病信息数据库、疾病发展数据库、特征信息提取模块、疾病匹配模块和报告生成模块;
所述用户终端,与所述监控管理中心连接,用于输入用户的个人信息和风险监控申请命令,并将所述个人信息和风险监控申请命令传输至所述监控管理中心;所述个人信息包括身份信息、检测数据和症状信息;
所述监控管理中心,与所述特征信息提取模块连接,用于根据所述风险监控申请命令将所述个人信息传输至特征信息提取模块;
所述疾病信息数据库,储存有历史个人心血管疾病数据;
所述疾病发展数据库,储存有与所述疾病信息数据库中个人心血管疾病数据一一对应的个人疾病发展数据;
所述特征信息提取模块,与所述疾病匹配模块连接,用于提取所述个人信息中的疾病特征信息,并将所述疾病特征信息传输至所述疾病匹配模块;
所述疾病匹配模块,与所述疾病信息数据库和所述报告生成模块连接,用于根据所述疾病特征信息在所述疾病信息数据库中匹配与用户的疾病特征信息超过预设置相似度的个人心血管疾病数据,并将所有匹配的个人心血管疾病数据传输至所述报告生成模块;
所述报告生成模块,与所述疾病发展数据库和所述用户终端连接,用于根据匹配的个人心血管疾病数据调取所述疾病发展数据库中相对应的个人疾病发展数据,并根据匹配的个人心血管疾病数据和相对应的个人疾病发展数据生成疾病统计报告后,将所述疾病统计报告传输至用户终端。
通过采用上述技术方案,便于为医生提供丰富的历史病例,提高心血管疾病的诊断分析和治疗手段选取的准确性;用户操作用户终端,便于用户灵活获取自身疾病的风险监控信息,降低了病人对自身健康信息获取的成本较高,增强了广大群众对自身心血管疾病风险的监控力度。
本发明进一步设置为:所述疾病特征信息包括性别、年龄、疾病症状、血脂组合、同型半胱氨酸、超敏C反应蛋白、心机肌钙蛋白、肌酸激酶、脑钠钛、内皮素。
通过采用上述技术方案,便于提高历史个人心血管疾病数据匹配的准确性。
本发明进一步设置为:所述用户终端包括普通患者终端和医疗管理终端;
所述普通患者终端,用于输入疾病咨询信息;
所述医疗管理终端,用于输入医嘱信息,以及用于更新疾病信息数据库和疾病发展数据库中的信息。
通过采用上述技术方案,使得患者与医生之间的沟通简单,以及便于对疾病信息数据库和疾病发展数据库中的数据及时更新。
本发明进一步设置为:所述普通患者终端设有饮食习惯输入模块和生活环境输入模块;所述报告生成模块根据饮食习惯输入模块和生活环境输入模块输入的饮食习惯信息和生活环境信息在已调取的个人疾病发展数据中选择相应的个人疾病发展数据以供医疗学习和疾病趋向分析。
通过采用上述技术方案,参考历史病例后对患者进行疾病趋向分析,便于为患者提供精准的医疗计划和疾病预防措施。
本发明进一步设置为:所述报告生成模块设有疾病概率计算模块,所述历史个人心血管疾病数据分为患病数据和健康数据;所述疾病概率计算模块将已匹配的个人心血管疾病数据中的患病数据百分比与相应的预设置相似度百分比相乘得到单次概率,并对多个单次概率进行权重计算后疾病风险概率。
通过采用上述技术方案,便于为用户提供相应的疾病风险概率,增强用户对自身心血管疾病的风险管理强度。
综上所述,本发明具有以下有益效果:便于为医生提供丰富的历史病例,提高心血管疾病的诊断分析和治疗手段选取的准确性;用户操作用户终端,便于用户灵活获取自身疾病的风险监控信息,降低了病人对自身健康信息获取的成本较高,增强了广大群众对自身心血管疾病风险的监控力度;参考历史病例后对患者进行疾病趋向分析,便于为患者提供精准的医疗计划和疾病预防措施;便于为用户提供相应的疾病风险概率,增强用户对自身心血管疾病的风险管理强度。
附图说明
图1是本发明实施例中的架构图。
图中:1、用户终端;11、普通患者终端;12、医疗管理终端;13、饮食习惯输入模块;14、生活环境输入模块;2、监控管理中心;21、特征信息提取模块;22、疾病匹配模块;23、报告生成模块;24、疾病概率计算模块;25、疾病信息数据库;26、疾病发展数据库。
具体实施方式
以下结合附图对本发明作进一步详细说明。
实施例:基于大数据精准医疗的心血管疾病风险监控系统,如图1所示,包括用户终端1、监控管理中心2、疾病信息数据库25、疾病发展数据库26、特征信息提取模块21、疾病匹配模块22和报告生成模块23。
用户终端1与监控管理中心2连接,用于输入用户的个人信息和风险监控申请命令,并将个人信息和风险监控申请命令传输至监控管理中心2。个人信息包括但不限于身份信息、检测数据和症状信息。
监控管理中心2与特征信息提取模块21连接,用于根据风险监控申请命令将个人信息传输至特征信息提取模块21。
疾病信息数据库25储存有历史个人心血管疾病数据。疾病发展数据库26储存有与疾病信息数据库25中个人心血管疾病数据一一对应的个人疾病发展数据。
特征信息提取模块21与疾病匹配模块22连接,用于提取个人信息中的疾病特征信息,并将疾病特征信息传输至疾病匹配模块22。
疾病匹配模块22与疾病信息数据库25和报告生成模块23连接,用于根据疾病特征信息在疾病信息数据库25中匹配与用户的疾病特征信息超过预设置相似度的个人心血管疾病数据,并将所有匹配的个人心血管疾病数据传输至报告生成模块23。
报告生成模块23与疾病发展数据库26和用户终端1连接,用于根据匹配的个人心血管疾病数据调取疾病发展数据库26中相对应的个人疾病发展数据,并根据匹配的个人心血管疾病数据和相对应的个人疾病发展数据生成疾病统计报告后,将疾病统计报告传输至用户终端1,便于为医生提供丰富的历史病例,提高心血管疾病的诊断分析和治疗手段选取的准确性。用户操作用户终端1,便于用户灵活获取自身疾病的风险监控信息,降低了病人对自身健康信息获取的成本较高,增强了广大群众对自身心血管疾病风险的监控力度。
疾病特征信息包括但不限于性别、年龄、疾病症状、血脂组合、同型半胱氨酸、超敏C反应蛋白、心机肌钙蛋白、肌酸激酶、脑钠钛、内皮素,便于提高历史个人心血管疾病数据匹配的准确性。
用户终端1包括普通患者终端11和医疗管理终端12。普通患者终端11用于输入疾病咨询信息。医疗管理终端12用于输入医嘱信息,以及用于更新疾病信息数据库25和疾病发展数据库26中的信息,使得患者与医生之间的沟通简单,以及便于对疾病信息数据库25和疾病发展数据库26中的数据及时更新。
普通患者终端11设有饮食习惯输入模块13和生活环境输入模块14。报告生成模块23根据饮食习惯输入模块13和生活环境输入模块14输入的饮食习惯信息和生活环境信息在已调取的个人疾病发展数据中选择相应的个人疾病发展数据以供医疗学习和疾病趋向分析。参考历史病例后对患者进行疾病趋向分析,便于为患者提供精准的医疗计划和疾病预防措施。
报告生成模块23设有疾病概率计算模块24,历史个人心血管疾病数据分为患病数据和健康数据。疾病概率计算模块24将已匹配的个人心血管疾病数据中的患病数据百分比与相应的预设置相似度百分比相乘得到单次概率,并对多个单次概率进行权重计算后疾病风险概率,便于为用户提供相应的疾病风险概率,增强用户对自身心血管疾病的风险管理强度。
工作原理:便于为医生提供丰富的历史病例,提高心血管疾病的诊断分析和治疗手段选取的准确性;用户操作用户终端1,便于用户灵活获取自身疾病的风险监控信息,降低了病人对自身健康信息获取的成本较高,增强了广大群众对自身心血管疾病风险的监控力度。
本具体实施例仅仅是对本发明的解释,其并不是对本发明的限制,本领域技术人员在阅读完本说明书后可以根据需要对本实施例做出没有创造性贡献的修改,但只要在本发明的权利要求范围内都受到专利法的保护。
Claims (5)
1.基于大数据精准医疗的心血管疾病风险监控系统,其特征是:包括用户终端(1)、监控管理中心(2)、疾病信息数据库(25)、疾病发展数据库(26)、特征信息提取模块(21)、疾病匹配模块(22)和报告生成模块(23);
所述用户终端(1),与所述监控管理中心(2)连接,用于输入用户的个人信息和风险监控申请命令,并将所述个人信息和风险监控申请命令传输至所述监控管理中心(2);所述个人信息包括身份信息、检测数据和症状信息;
所述监控管理中心(2),与所述特征信息提取模块(21)连接,用于根据所述风险监控申请命令将所述个人信息传输至特征信息提取模块(21);
所述疾病信息数据库(25),储存有历史个人心血管疾病数据;
所述疾病发展数据库(26),储存有与所述疾病信息数据库(25)中个人心血管疾病数据一一对应的个人疾病发展数据;
所述特征信息提取模块(21),与所述疾病匹配模块(22)连接,用于提取所述个人信息中的疾病特征信息,并将所述疾病特征信息传输至所述疾病匹配模块(22);
所述疾病匹配模块(22),与所述疾病信息数据库(25)和所述报告生成模块(23)连接,用于根据所述疾病特征信息在所述疾病信息数据库(25)中匹配与用户的疾病特征信息超过预设置相似度的个人心血管疾病数据,并将所有匹配的个人心血管疾病数据传输至所述报告生成模块(23);
所述报告生成模块(23),与所述疾病发展数据库(26)和所述用户终端(1)连接,用于根据匹配的个人心血管疾病数据调取所述疾病发展数据库(26)中相对应的个人疾病发展数据,并根据匹配的个人心血管疾病数据和相对应的个人疾病发展数据生成疾病统计报告后,将所述疾病统计报告传输至用户终端(1)。
2.根据权利要求1所述的基于大数据精准医疗的心血管疾病风险监控系统,其特征是:所述疾病特征信息包括性别、年龄、疾病症状、血脂组合、同型半胱氨酸、超敏C反应蛋白、心机肌钙蛋白、肌酸激酶、脑钠钛、内皮素。
3.根据权利要求2所述的基于大数据精准医疗的心血管疾病风险监控系统,其特征是:所述用户终端(1)包括普通患者终端(11)和医疗管理终端(12);
所述普通患者终端(11),用于输入疾病咨询信息;
所述医疗管理终端(12),用于输入医嘱信息,以及用于更新疾病信息数据库(25)和疾病发展数据库(26)中的信息。
4.根据权利要求3所述的基于大数据精准医疗的心血管疾病风险监控系统,其特征是:所述普通患者终端(11)设有饮食习惯输入模块(13)和生活环境输入模块(14);所述报告生成模块(23)根据饮食习惯输入模块(13)和生活环境输入模块(14)输入的饮食习惯信息和生活环境信息在已调取的个人疾病发展数据中选择相应的个人疾病发展数据以供医疗学习和疾病趋向分析。
5.根据权利要求4所述的基于大数据精准医疗的心血管疾病风险监控系统,其特征是:所述报告生成模块(23)设有疾病概率计算模块(24),所述历史个人心血管疾病数据分为患病数据和健康数据;所述疾病概率计算模块(24)将已匹配的个人心血管疾病数据中的患病数据百分比与相应的预设置相似度百分比相乘得到单次概率,并对多个单次概率进行权重计算后疾病风险概率。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910196959.XA CN109949941A (zh) | 2019-03-15 | 2019-03-15 | 基于大数据精准医疗的心血管疾病风险监控系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910196959.XA CN109949941A (zh) | 2019-03-15 | 2019-03-15 | 基于大数据精准医疗的心血管疾病风险监控系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109949941A true CN109949941A (zh) | 2019-06-28 |
Family
ID=67009877
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910196959.XA Pending CN109949941A (zh) | 2019-03-15 | 2019-03-15 | 基于大数据精准医疗的心血管疾病风险监控系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109949941A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110504036A (zh) * | 2019-08-27 | 2019-11-26 | 北京明日汇科技管理有限公司 | 基于大数据云平台的病人监护方法及系统 |
CN111276230A (zh) * | 2020-02-24 | 2020-06-12 | 上海市同仁医院 | 一种心脑血管疾病一体化分层管理系统及方法 |
CN111564218A (zh) * | 2020-06-19 | 2020-08-21 | 四川大学 | 一种基于大数据的心血管疾病风险监控系统 |
CN112102948A (zh) * | 2020-07-07 | 2020-12-18 | 上海悠络客电子科技股份有限公司 | 一种大数据心血管疾病风险监控系统 |
CN112259244A (zh) * | 2020-10-20 | 2021-01-22 | 吾征智能技术(北京)有限公司 | 一种基于血氧饱和度的疾病信息匹配系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103493054A (zh) * | 2010-10-12 | 2014-01-01 | 美国西门子医疗解决公司 | 用于预测心血管病发展的医疗信息技术系统 |
CN106599553A (zh) * | 2016-11-29 | 2017-04-26 | 中国科学院深圳先进技术研究院 | 疾病预警方法及装置 |
CN106909769A (zh) * | 2016-09-30 | 2017-06-30 | 马立明 | 大数据心血管疾病风险监控系统 |
CN107145755A (zh) * | 2017-05-16 | 2017-09-08 | 陈韵岱 | 基于智能决策支持技术的心血管慢病管理方法 |
CN107330241A (zh) * | 2017-09-08 | 2017-11-07 | 江苏八道信息科技有限公司 | 一种心血管疾病预警系统 |
CN108742566A (zh) * | 2018-04-16 | 2018-11-06 | 北京京大律业知识产权代理有限公司 | 一种基于大数据的心血管疾病风险控制方法 |
CN108877936A (zh) * | 2018-04-28 | 2018-11-23 | 见道(杭州)科技有限公司 | 健康评估方法、系统及计算机可读存储介质 |
-
2019
- 2019-03-15 CN CN201910196959.XA patent/CN109949941A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103493054A (zh) * | 2010-10-12 | 2014-01-01 | 美国西门子医疗解决公司 | 用于预测心血管病发展的医疗信息技术系统 |
CN106909769A (zh) * | 2016-09-30 | 2017-06-30 | 马立明 | 大数据心血管疾病风险监控系统 |
CN106599553A (zh) * | 2016-11-29 | 2017-04-26 | 中国科学院深圳先进技术研究院 | 疾病预警方法及装置 |
CN107145755A (zh) * | 2017-05-16 | 2017-09-08 | 陈韵岱 | 基于智能决策支持技术的心血管慢病管理方法 |
CN107330241A (zh) * | 2017-09-08 | 2017-11-07 | 江苏八道信息科技有限公司 | 一种心血管疾病预警系统 |
CN108742566A (zh) * | 2018-04-16 | 2018-11-06 | 北京京大律业知识产权代理有限公司 | 一种基于大数据的心血管疾病风险控制方法 |
CN108877936A (zh) * | 2018-04-28 | 2018-11-23 | 见道(杭州)科技有限公司 | 健康评估方法、系统及计算机可读存储介质 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110504036A (zh) * | 2019-08-27 | 2019-11-26 | 北京明日汇科技管理有限公司 | 基于大数据云平台的病人监护方法及系统 |
CN111276230A (zh) * | 2020-02-24 | 2020-06-12 | 上海市同仁医院 | 一种心脑血管疾病一体化分层管理系统及方法 |
CN111564218A (zh) * | 2020-06-19 | 2020-08-21 | 四川大学 | 一种基于大数据的心血管疾病风险监控系统 |
CN112102948A (zh) * | 2020-07-07 | 2020-12-18 | 上海悠络客电子科技股份有限公司 | 一种大数据心血管疾病风险监控系统 |
CN112259244A (zh) * | 2020-10-20 | 2021-01-22 | 吾征智能技术(北京)有限公司 | 一种基于血氧饱和度的疾病信息匹配系统 |
CN112259244B (zh) * | 2020-10-20 | 2024-04-30 | 吾征智能技术(北京)有限公司 | 一种基于血氧饱和度的疾病信息匹配系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109949941A (zh) | 基于大数据精准医疗的心血管疾病风险监控系统 | |
Xie et al. | Multi-disease prediction based on deep learning: a survey | |
Wang et al. | Detection of congestive heart failure based on LSTM-based deep network via short-term RR intervals | |
Hsu et al. | Generalized deep neural network model for cuffless blood pressure estimation with photoplethysmogram signal only | |
Kokol et al. | Historical, descriptive and exploratory analysis of application of bibliometrics in nursing research | |
Taralunga et al. | A blockchain-enabled framework for mhealth systems | |
Attallah | An intelligent ECG-based tool for diagnosing COVID-19 via ensemble deep learning techniques | |
CN108648827A (zh) | 心脑血管疾病风险预测方法及装置 | |
Faust et al. | Automated arrhythmia detection based on RR intervals | |
Baldoumas et al. | A prototype photoplethysmography electronic device that distinguishes congestive heart failure from healthy individuals by applying natural time analysis | |
WO2018128927A1 (en) | Hierarchical health decision support system and method | |
CN107358014A (zh) | 一种生理数据的临床前处理方法及系统 | |
Martínez-Sellés et al. | Current and future use of artificial intelligence in electrocardiography | |
Wang et al. | Automatic detection of arrhythmia based on multi-resolution representation of ECG signal | |
Li et al. | Enabling health monitoring as a service in the cloud | |
CN112466462B (zh) | 一种基于图深度学习的emr信息关联及演化方法 | |
Li et al. | Automatic classification system of arrhythmias using 12-lead ECGs with a deep neural network based on an attention mechanism | |
Ahmad et al. | Mixed machine learning approach for efficient prediction of human heart disease by identifying the numerical and categorical features | |
Liu et al. | EvoMBN: evolving multi-branch networks on myocardial infarction diagnosis using 12-lead electrocardiograms | |
Neri et al. | Electrocardiogram monitoring wearable devices and artificial-intelligence-enabled diagnostic capabilities: a review | |
Valero-Ramon et al. | Dynamic models supporting personalised chronic disease management through healthcare sensors with interactive process mining | |
Climstein et al. | Reliability of the polar vantage m sports watch when measuring heart rate at different treadmill exercise intensities | |
Zakariah et al. | Unipolar and bipolar depression detection and classification based on actigraphic registration of motor activity using machine learning and uniform manifold approximation and projection methods | |
Sieciński et al. | Heart Rate Variability Analysis on Electrocardiograms, Seismocardiograms and Gyrocardiograms of Healthy Volunteers and Patients with Valvular Heart Diseases | |
Mirzajani | Prediction and diagnosis of diabetes by using data mining techniques |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190628 |