CN109979589B - 治愈率的分析方法、装置以及计算机可读存储介质 - Google Patents

治愈率的分析方法、装置以及计算机可读存储介质 Download PDF

Info

Publication number
CN109979589B
CN109979589B CN201910130113.6A CN201910130113A CN109979589B CN 109979589 B CN109979589 B CN 109979589B CN 201910130113 A CN201910130113 A CN 201910130113A CN 109979589 B CN109979589 B CN 109979589B
Authority
CN
China
Prior art keywords
human body
cure rate
information
data model
body 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.)
Active
Application number
CN201910130113.6A
Other languages
English (en)
Other versions
CN109979589A (zh
Inventor
邱涛
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Goertek Techology Co Ltd
Original Assignee
Goertek Techology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Goertek Techology Co Ltd filed Critical Goertek Techology Co Ltd
Priority to CN201910130113.6A priority Critical patent/CN109979589B/zh
Publication of CN109979589A publication Critical patent/CN109979589A/zh
Application granted granted Critical
Publication of CN109979589B publication Critical patent/CN109979589B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G16H70/00—ICT specially adapted for the handling or processing of medical references
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Epidemiology (AREA)
  • Biomedical Technology (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Pathology (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)
  • Medical Treatment And Welfare Office Work (AREA)

Abstract

本发明公开了一种治愈率的分析方法，包括：将治疗信息输入人体数据模型，所述人体数据模型根据人体健康信息以及历史治疗信息生成；获取所述人体数据模型输出的治愈率，所述治愈率为所述治疗信息基于所述人体数据模型对所述人体健康信息的治愈率。本发明还公开了一种治愈率的分析装置以及计算机可读存储介质。本发明获取不同的治疗信息基于人体数据模型对人体健康信息的治愈率，使得医生患者通过治愈率确定治疗方案，节约了医生和病人的时间，并且避免药物浪费。

Description

治愈率的分析方法、装置以及计算机可读存储介质
技术领域
本发明涉及医疗技术领域，尤其涉及一种治愈率的分析方法、治愈率的分析装置以及计算机可读存储介质。
背景技术
在日常生活中，病人去医院就诊时，医生需要针对每个病人的情况给出治疗方案，而就诊的人数每天都很多，这就导致就诊的病人需要排队；并且医生所开药方常出现过量的情况。
上述内容仅用于辅助理解本发明的技术方案，并不代表承认上述内容是现有技术。
发明内容
本发明的主要目的在于提供一种治愈率的分析方法、治愈率的分析装置以及计算机可读存储介质，旨在获取不同的治疗信息基于人体数据模型对人体健康信息的治愈率，使得医生患者通过治愈率确定治疗方案，节约了医生和病人的时间，并且避免药物浪费。
为实现上述目的，本发明提供一种治愈率的分析方法，所述治愈率的分析方法包括以下步骤：
将治疗信息输入人体数据模型，所述人体数据模型根据人体健康信息以及历史治疗信息生成；
获取所述人体数据模型输出的治愈率，所述治愈率为所述治疗信息基于所述人体数据模型对所述人体健康信息的治愈率。
进一步的，所述将治疗信息输入人体数据模型的步骤之前，还包括：
将检验信息输入所述人体数据模型；
获取所述人体数据模型输出的发病率，所述发病率为所述检验信息对应的人体健康信息基于所述人体数据模型的发病率，所述检验信息包括检验试剂的名称、所述检验试剂针对所述人体健康信息的参考发病率以及所述检验试剂针对所述人体健康信息的参考发病率的误报率。
进一步的，所述人体数据模型还包括器官的模拟数据、肌肉组织的模拟数据、血液的模拟数据以及计算模型，所述计算模型用于计算所述治愈率以及所述发病率。
进一步的，所述治疗信息包括药物信息以及手术信息中的至少一个，所述药物信息包括药物的名称、药量、所述药物在所述药量下针对所述人体健康信息的参考治愈率以及所述药物在所述药量下针对所述人体健康信息的参考治愈率的误报率，所述手术信息包括手术的名称、所述手术针对所述人体健康信息的参考治愈率以及所述手术针对所述人体健康信息的参考治愈率的误报率。
进一步的，所述治愈率的分析方法还包括：
在获取到多个所述治疗信息基于所述人体数据模型对所述人体健康信息的治愈率时，根据满足预设条件的治愈率对应的治疗信息生成治疗方案；
输出所述治疗方案。
进一步的，所述治愈率的分析方法还包括：
在接收到更新指令时，获取所述更新指令对应的目标人体健康信息和/或目标治疗信息；
根据所述目标人体健康信息和/或所述目标治疗信息更新所述人体数据模型。
为实现上述目的，本发明还提供一种治愈率的分析装置，所述治愈率的分析装置包括：
人体数据模型、存储器、处理器及存储在所述存储器上并可在所述处理器上运行的治愈率的分析程序，所述治愈率的分析装置的导风板调整程序被所述处理器执行时实现上述治愈率的分析方法的步骤。
为实现上述目的，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有治愈率的分析程序，所述治愈率的分析程序被处理器执行时实现上述治愈率的分析方法的步骤。
本发明提供的治愈率的分析方法、治愈率的分析装置以及计算机可读存储介质，将治疗信息输入人体数据模型，获取人体数据模型输出的治愈率，所述治愈率为所述治疗信息基于所述人体数据模型对所述人体健康信息的治愈率。本发明获取不同的治疗信息基于人体数据模型对人体健康信息的治愈率来确定最佳的治疗方案，节约了医生和病人的时间，并且避免药物浪费。
附图说明
图1为本发明实施例方案涉及的终端的硬件运行环境示意图；
图2为本发明治愈率的分析方法一实施例的流程示意图；
图3为本发明治愈率的分析方法另一实施例的流程示意图；
图4为本发明治愈率的分析方法又一实施例的流程示意图；
图5为本发明人体数据模型的示意图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
本发明提供一种治愈率的分析方法，获取不同的治疗信息基于人体数据模型对人体健康信息的治愈率来确定最佳的治疗方案，节约医生和病人的时间，并且避免药物浪费。
如图1所示，图1是本发明实施例方案涉及的终端的硬件运行环境示意图。
本发明实施例终端包括但不限于治愈率的分析装置。
如图1所示，该终端可以包括：处理器1001，例如CPU，网络接口1004，用户接口1003，存储器1005，通信总线1002，人体数据模型1006。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard)、遥控器，可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如存储器(non-volatile memory)，例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。人体数据模型1006根据人体健康信息以及历史治疗信息生成，还包括器官的模拟数据、肌肉组织的模拟数据、血液的模拟数据以及计算模型，所述计算模型用于计算治愈率以及发病率。
本领域技术人员可以理解，图1中示出的终端的结构并不构成对终端的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
如图1所示，作为一种计算机存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及治愈率的分析程序。
在图1所示的终端中，网络接口1004主要用于连接后台服务器，与后台服务器进行数据通信；用户接口1003主要用于连接客户端(用户端)，与客户端进行数据通信；而处理器1001可以用于调用存储器1005中存储的治愈率的分析程序，并执行以下操作：
将治疗信息输入人体数据模型，所述人体数据模型根据人体健康信息以及历史治疗信息生成；
获取所述人体数据模型输出的治愈率，所述治愈率为所述治疗信息基于所述人体数据模型对所述人体健康信息的治愈率。
进一步地，处理器1001可以调用存储器1005中存储的治愈率的分析程序，还执行以下操作：
将检验信息输入所述人体数据模型；
获取所述人体数据模型输出的发病率，所述发病率为所述检验信息对应的人体健康信息基于所述人体数据模型的发病率，所述检验信息包括检验试剂的名称、所述检验试剂针对所述人体健康信息的参考发病率以及所述检验试剂针对所述人体健康信息的参考发病率的误报率。
进一步地，处理器1001可以调用存储器1005中存储的治愈率的分析程序，还执行以下操作：
所述人体数据模型还包括器官的模拟数据、肌肉组织的模拟数据、血液的模拟数据以及计算模型，所述计算模型用于计算所述治愈率以及所述发病率。
进一步地，处理器1001可以调用存储器1005中存储的治愈率的分析程序，还执行以下操作：
所述治疗信息包括药物信息以及手术信息中的至少一个，所述药物信息包括药物的名称、药量、所述药物在所述药量下针对所述人体健康信息的参考治愈率以及所述药物在所述药量下针对所述人体健康信息的参考治愈率的误报率，所述手术信息包括手术的名称、所述手术针对所述人体健康信息的参考治愈率以及所述手术针对所述人体健康信息的参考治愈率的误报率。
进一步地，处理器1001可以调用存储器1005中存储的治愈率的分析程序，还执行以下操作：
在获取到多个所述治疗信息基于所述人体数据模型对所述人体健康信息的治愈率时，根据满足预设条件的治愈率对应的治疗信息生成治疗方案；
输出所述治疗方案。
进一步地，处理器1001可以调用存储器1005中存储的治愈率的分析程序，还执行以下操作：
在接收到更新指令时，获取所述更新指令对应的目标人体健康信息和/或目标治疗信息；
根据所述目标人体健康信息和/或所述目标治疗信息更新所述人体数据模型。
参照图2，在一实施例中，所述治愈率的分析方法包括：
步骤S10、将治疗信息输入人体数据模型，所述人体数据模型根据人体健康信息以及历史治疗信息生成；
步骤S20、获取所述人体数据模型输出的治愈率，所述治愈率为所述治疗信息基于所述人体数据模型对所述人体健康信息的治愈率。
本实施例中，人体数据模型为模拟真实的人体的模型，所述人体数据模型的构建过程包括：用户出生，获取所述用户的人体数据，所述人体数据至少包括器官的数据、肌肉组织的数据、血液的数据、人体健康信息以及治疗信息，将所述人体数据转换为人体模拟数据，并根据所述人体模拟数据以及计算模型生成所述用户对应的人体数据模型，其中，所述人体健康信息至少包括疾病信息。在用户成长的过程中，定时获取所述用户的人体数据，以根据所述人体数据更新所述人体数据模型，实现所述人体数据模型与所述用户同步成长。
具体地，如图5所示，整个系统包括信息收集模块、信息保存模块、人体数据模型以及交互模块。所述信息收集模块用于收集用户的人体数据，收集来源可以是医院，比如用户在医院的常规检查信息、手术信息、药物信息等，收集来源也可以是用户通过预设移动终端上传，比如发热、腹泻、感冒等；所述信息保存模块用于保存用户的人体数据，并将所述用户的人体数据共享至人体数据模型；所述人体数据模型不仅接收信息保存模块发送的用户的人体数据，实现动态更新，并且所述人体数据模型还用于治愈率、发病率的计算；所述交互模块用于向人体数据模型输入治疗信息、检验信息等，获取人体数据模型输出的治愈率、发病率，以供医生和患者进行医疗方案的确定。
在用户生病就医时，由于医生需要针对病症给药，导致就诊时长长，并且常有治疗效果不佳、药量过剩等情况。针对此情况，可先对人体数据模型进行测试，获取不同药物或者同一药物不同药量的治愈率，从而根据治愈率确定治疗方案。所述治愈率通过人体数据模型中的计算模型进行计算，所述计算模型可以是贝叶斯统计模型和/或Bootstrap自助模型。具体地，将治疗信息输入人体数据模型，获取所述人体数据模型输出的治愈率，其中，所述治疗信息包括药物信息以及手术信息中的至少一个，所述药物信息包括药物的名称、药量、所述药物在所述药量下针对所述人体健康信息的参考治愈率以及所述药物在所述药量下针对所述人体健康信息的参考治愈率的误报率，所述手术信息包括手术的名称、所述手术针对所述人体健康信息的参考治愈率以及所述手术针对所述人体健康信息的参考治愈率的误报率。
具体地，所述贝叶斯统计模型为：
假设A、B是两个事件，并且P(A)＞0，那么在A发生的情况下，B发生的概率为：P(B|A)＝P(AB)/P(A)；事件A和事件B同时发生的概率为：P(AB)＝P(A)P(B|A)。假设影响事件A的事件有B1、B2、B3……Bn，并且满足：
Figure BDA0001975012160000061
P(∪Bi)＝1，P(∪Bi)＞0，i＝1,2……n，则有：P(A)＝∑P(Bi)P(A|Bi)。
所述贝叶斯计算公式为：P(h|D)＝{P(D|h)P(h)}/P(D)。
其中，P(h|D)表示在数据集中出现D的情况下，h出现的概率，P(D)表示在数据集中D出现的概率。
具体地，所述Bootstrap自助模型为：
Bootstrap自助模型可用来估计置信区间。Bootstrap自助法指任何一种有放回的均匀抽样，也就是说，每当选中一个样本，它等可能地被再次选中并被再次添加到训练集中。Bootstrap有两种形式：非参数bootstrap和参数化的bootstrap。非参数bootstrap的基本思想是：假设是我们的估计量为α，样本大小为N，从样本中有放回的再抽样N个样本，原来每一个样本被抽中的概率相同，均为1/N，得到新的样本我们称为Bootstrap样本，重复B次之后我们得到B个bootstrap样本集，在每一个样本集上都有对应的估计量α1，对于B个α1，可以计算得到置信区间。参数化的bootstrap和非参数化Bootstrap不同的地方在于总体分布函数的形式是已知的，需要根据样本估计参数(参数估计)，这样得到经验分布函数，从经验分布函数中再采样得到Bootstrap样本，非参数化Bootstrap是从原始样本中再抽样，得到的Bootstrap样本与原始样本有重合。
所述Bootstrap计算公式为：
Figure BDA0001975012160000071
其中，R*(X*,Fn)为相应的Bootstrap统计量；Fn *是Bootstrap样本的经验分布函数；Rn为Tn的Bootstrap统计量，用R*(X*,Fn)的分布去逼近R(X,F)的分布,即用Rn的分布去近似Tn的分布，可得到参数θ(F)的N个可能取值，即可统计求出参数θ的分布及其特征值。
本实施例中，在获取治疗信息基于人体数据模型对所述人体健康信息的治愈率后，可根据所述治愈率确定治疗方案。在获取到多个治疗信息基于所述人体数据模型对所述人体健康信息的治愈率时，根据满足预设条件的治愈率对应的治疗信息生成治疗方案，可选的，根据满足预设条件的治愈率对应的治疗信息生成治疗方案，所述预设条件可为治愈率最高。在生成治疗方案后，输出所述治疗方案，以供医生和患者进行参考。
具体地，获取某一治疗信息(不同药量)基于人体数据模型对所述人体健康信息的治愈率，从而确定该治疗信息的可选药量；获取多个治疗信息(不同药物)基于人体数据模型对所述人体健康信息的治愈率，从而确定针对该人体健康信息的可选药物；获取多个治疗信息(不同药物、不同药量)基于人体数据模型对所述人体健康信息的治愈率，从而确定针对该人体健康信息的可选药物以及可选药量。
在本实施例公开的技术方案中，将治疗信息输入人体数据模型，获取人体数据模型输出的治愈率，所述治愈率为所述治疗信息基于所述人体数据模型对所述人体健康信息的治愈率。这样，获取不同的治疗信息基于人体数据模型对人体健康信息的治愈率，使得医生患者通过治愈率确定治疗方案，节约了医生和病人的时间，并且避免药物浪费。
在一实施例中，如图3所示，在上述图2所示的实施例基础上，所述将治疗信息输入人体数据模型的步骤之前，还包括：
步骤S30、将检验信息输入所述人体数据模型；
步骤S40、获取所述人体数据模型输出的发病率，所述发病率为所述检验信息对应的人体健康信息基于所述人体数据模型的发病率，所述检验信息包括检验试剂的名称、所述检验试剂针对所述人体健康信息的参考发病率以及所述检验试剂针对所述人体健康信息的参考发病率的误报率。
本实施例中，所述计算模型不仅可以用于计算某一治疗信息基于人体数据模型对某一人体健康信息的治愈率，还可以用于计算某一检验信息对应的人体健康信息基于人体数据模型的发病率，由此，可预先测试人体数据模型对某一人体健康信息的发病率，从而提醒用户进行预防。
所述检验信息用于检测人体健康信息基于人体数据模型的发病率，所述检验信息包括检验试剂的名称、所述检验试剂针对所述人体健康信息的参考发病率以及所述检验试剂针对所述人体健康信息的参考发病率的误报率。
下面进行举例说明：
已知某种疾病的发病率是0.001，即1000人中会有1个人得病。现有一种检验试剂可以检验患者是否得病，它的准确率是0.99，即在患者确实得病的情况下，它有99％的可能呈现阳性；它的误报率是5％，即在患者没有得病的情况下，它有5％的可能呈现阳性。
假定患者的检验结果为阳性，A事件表示得病，那么P(A)为0.001，P(A)为“先验概率”，即没有做试验之前，预计的发病率。再假定B事件表示阳性，那么要计算的就是P(A|B)，P(A|B)为“后验概率”，即做了试验以后，对发病率的估计。
根据P(A|B)＝{P(B|A)P(A)/P(B)＝(0.001*0.99)/(0.99*0.001+0.05*0.999)＝0.019。也就是说，即使检验呈现阳性，病人得病的概率，从0.1％增加到了2％左右。
再比如，已知某种癌症，得了这个癌症的人被检测出为阳性的几率为90％，未得这种癌症的人被检测出阴性的几率为90％，而人群中得这种癌症的几率为1％。
假定患者的检验结果为阳性，用A表示事件“测出为阳性”，用B表示“得癌症”，用C表示“未得癌症”，即P(A|B1)＝0.9，P(A|B2)＝0.1，P(B1)＝0.01，P(B2)＝0.99。那么人群中检测为阳性且得癌症的概率为:P(B1,A)＝P(B1)*P(A|B1)＝0.01*0.9＝0.009，未得癌症且检测出阳性的概率为：P(B2,A)＝P(B2)*P(A|B2)＝0.99*0.1＝0.099。
如果人群中有1000个人，检测出阳性并且得癌症的人有9个，检测出阳性但未得癌症的人有99个，那么检测出阳性得癌症的概率为P(B1,A)＝0.009/(0.099+0.009)＝0.083，检测出阳性未得癌症的概率为P(B2,A)＝0.099/(0.099+0.009)＝0.917。
在本实施例公开的技术方案中，将检验信息输入人体数据模型，获取人体数据模型输出的发病率，所述发病率为检验信息对应的人体健康信息基于人体数据模型的发病率。这样，通过人体数据模型获取发病率，以使用户及时防范。
在一实施例中，如图4所示，在上述图2至图3任一项所示的实施例基础上，所述治愈率的分析方法还包括：
步骤S50、在接收到更新指令时，获取所述更新指令对应的目标人体健康信息和/或目标治疗信息；
步骤S60、根据所述目标人体健康信息和/或所述目标治疗信息更新所述人体数据模型。
本实施例中，人体数据模型为模拟真实的人体的模型，所述人体数据模型的构建过程包括：用户出生，获取所述用户的人体数据，所述人体数据至少包括器官的数据、肌肉组织的数据、血液的数据、人体健康信息以及治疗信息，将所述人体数据转换为人体模拟数据，并根据所述人体模拟数据以及计算模型生成所述用户对应的人体数据模型，其中，所述人体健康信息至少包括疾病信息。在用户成长的过程中，定时获取所述用户的人体数据，以根据所述人体数据更新所述人体数据模型，实现所述人体数据模型与所述用户同步成长。
具体地，整个系统包括信息收集模块、信息保存模块、人体数据模型以及交互模块。所述信息收集模块用于收集用户的人体数据，收集来源可以是医院，比如用户在医院的常规检查信息、手术信息、药物信息等，收集来源也可以是用户通过预设移动终端上传，比如发热、腹泻、感冒等；所述信息保存模块用于保存用户的人体数据，并将所述用户的人体数据共享至人体数据模型；所述人体数据模型不仅接收信息保存模块发送的用户的人体数据，实现动态更新，并且所述人体数据模型还用于治愈率、发病率的计算；所述交互模块用于向人体数据模型输入治疗信息、检验信息等，获取人体数据模型输出的治愈率、发病率，以供医生和患者进行医疗方案的确定。
在医生和患者确定医疗方案后，可根据人体健康信息和/或治疗信息生成更新指令，以控制人体数据模型根据所述更新指令对应的目标人体健康信息和/或目标治疗信息进行更新。
在本实施例公开的技术方案中，根据目标人体健康信息和/或目标治疗信息更新人体数据模型，实现人体数据模型与用户的人体数据的同步。
本发明还提供一种治愈率的分析装置，所述治愈率的分析装置包括人体数据模型、存储器、处理器及存储在所述存储器上并可在所述处理器上运行的治愈率的分析程序，所述治愈率的分析程序配置为实现如上述治愈率的分析装置为执行主体下的所述治愈率的分析方法的步骤。
本发明实施例还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有治愈率的分析程序，所述治愈率的分析程序被处理器执行实现如上述治愈率的分析装置为执行主体下的所述治愈率的分析方法的步骤。
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在如上所述的一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是电视机，手机，计算机，服务器，空调器，或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (6)

1.一种治愈率的分析方法，其特征在于，所述治愈率的分析方法包括：
将治疗信息输入人体数据模型，所述人体数据模型的构建过程包括：用户出生，获取所述用户的人体数据，所述人体数据至少包括器官的数据、肌肉组织的数据、血液的数据、人体健康信息以及治疗信息，将所述人体数据转换为人体模拟数据，并根据所述人体模拟数据以及计算模型生成所述用户对应的人体数据模型，其中，所述人体健康信息至少包括疾病信息；
获取所述人体数据模型输出的治愈率，所述治愈率为所述治疗信息基于所述人体数据模型对所述人体健康信息的治愈率；
在获取到多个所述治疗信息基于所述人体数据模型对所述人体健康信息的治愈率时，根据满足预设条件的治愈率对应的治疗信息生成治疗方案；
输出所述治疗方案。
2.如权利要求1所述的治愈率的分析方法，其特征在于，所述将治疗信息输入人体数据模型的步骤之前，还包括：
将检验信息输入所述人体数据模型；
获取所述人体数据模型输出的发病率，所述发病率为所述检验信息对应的人体健康信息基于所述人体数据模型的发病率，所述检验信息包括检验试剂的名称、所述检验试剂针对所述人体健康信息的参考发病率以及所述检验试剂针对所述人体健康信息的参考发病率的误报率。
3.如权利要求1所述的治愈率的分析方法，其特征在于，所述治疗信息包括药物信息以及手术信息中的至少一个，所述药物信息包括药物的名称、药量、所述药物在所述药量下针对所述人体健康信息的参考治愈率以及所述药物在所述药量下针对所述人体健康信息的参考治愈率的误报率，所述手术信息包括手术的名称、所述手术针对所述人体健康信息的参考治愈率以及所述手术针对所述人体健康信息的参考治愈率的误报率。
4.如权利要求1所述的治愈率的分析方法，其特征在于，所述治愈率的分析方法还包括：
在接收到更新指令时，获取所述更新指令对应的目标人体健康信息和/或目标治疗信息；
根据所述目标人体健康信息和/或所述目标治疗信息更新所述人体数据模型。
5.一种治愈率的分析装置，其特征在于，所述治愈率的分析装置包括人体数据模型、存储器、处理器及存储在所述存储器上并可在所述处理器上运行的治愈率的分析程序，所述治愈率的分析程序被所述处理器执行时实现如权利要求1至4中任一项所述的治愈率的分析方法的步骤。
6.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有治愈率的分析程序，所述治愈率的分析程序被处理器执行时实现如权利要求1至4中任一项所述的治愈率的分析方法的步骤。
CN201910130113.6A 2019-02-21 2019-02-21 治愈率的分析方法、装置以及计算机可读存储介质 Active CN109979589B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910130113.6A CN109979589B (zh) 2019-02-21 2019-02-21 治愈率的分析方法、装置以及计算机可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910130113.6A CN109979589B (zh) 2019-02-21 2019-02-21 治愈率的分析方法、装置以及计算机可读存储介质

Publications (2)

Publication Number Publication Date
CN109979589A CN109979589A (zh) 2019-07-05
CN109979589B true CN109979589B (zh) 2023-04-25

Family

ID=67077151

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910130113.6A Active CN109979589B (zh) 2019-02-21 2019-02-21 治愈率的分析方法、装置以及计算机可读存储介质

Country Status (1)

Country Link
CN (1) CN109979589B (zh)

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH1115815A (ja) * 1997-06-26 1999-01-22 Tsutomu Yasuma コンピュータ装置を用いた情報解析方法、及び同方法を実現するためのプログラムを記録したコンピュータ読み取り可能な記録媒体
CN102047255A (zh) * 2008-03-26 2011-05-04 赛拉诺斯股份有限公司 用于评估临床结果的方法和系统
CN105118002A (zh) * 2015-07-30 2015-12-02 芜湖卫健康物联网医疗科技有限公司 五步法分级诊断系统及方法
CN106650292A (zh) * 2017-01-04 2017-05-10 梁月强 一种具有过程决策支持功能的个人健康记录系统
CN107526933A (zh) * 2017-08-31 2017-12-29 乌耶含 一种远程医疗系统
CN108206059A (zh) * 2017-12-29 2018-06-26 李时珍（广州）健康科技有限公司 一种数据处理的方法及装置
CN108389622A (zh) * 2018-01-10 2018-08-10 中国地质大学（武汉） 一种基于最优模型的疾病预测方法、设备及存储设备
CN108614885A (zh) * 2018-05-03 2018-10-02 杭州认识科技有限公司 基于医学信息的知识图谱分析方法及装置
CN108986918A (zh) * 2018-06-28 2018-12-11 东软集团股份有限公司 辅助诊断方法、装置、终端设备和计算机存储介质

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH1115815A (ja) * 1997-06-26 1999-01-22 Tsutomu Yasuma コンピュータ装置を用いた情報解析方法、及び同方法を実現するためのプログラムを記録したコンピュータ読み取り可能な記録媒体
CN102047255A (zh) * 2008-03-26 2011-05-04 赛拉诺斯股份有限公司 用于评估临床结果的方法和系统
CN105118002A (zh) * 2015-07-30 2015-12-02 芜湖卫健康物联网医疗科技有限公司 五步法分级诊断系统及方法
CN106650292A (zh) * 2017-01-04 2017-05-10 梁月强 一种具有过程决策支持功能的个人健康记录系统
WO2018126925A1 (zh) * 2017-01-04 2018-07-12 梁月强 一种具有过程决策支持功能的个人健康记录系统
CN107526933A (zh) * 2017-08-31 2017-12-29 乌耶含 一种远程医疗系统
CN108206059A (zh) * 2017-12-29 2018-06-26 李时珍（广州）健康科技有限公司 一种数据处理的方法及装置
CN108389622A (zh) * 2018-01-10 2018-08-10 中国地质大学（武汉） 一种基于最优模型的疾病预测方法、设备及存储设备
CN108614885A (zh) * 2018-05-03 2018-10-02 杭州认识科技有限公司 基于医学信息的知识图谱分析方法及装置
CN108986918A (zh) * 2018-06-28 2018-12-11 东软集团股份有限公司 辅助诊断方法、装置、终端设备和计算机存储介质

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
I型区间删失数据下加速失效治愈率模型的估计问题;邓文丽等;《应用概率统计》;20170815;第33卷(第4期);全文 *
医学大数据应用前景与挑战;王雪梅等;《医学信息学杂志》;20160825(第08期);全文 *
精准医学的临床部署:顶层架构设计及关键信息技术;王宇等;《转化医学杂志》;20171220(第06期);全文 *

Also Published As

Publication number Publication date
CN109979589A (zh) 2019-07-05

Similar Documents

Publication Publication Date Title
US8579784B2 (en) Personalized prognosis modeling in medical treatment planning
US10645259B2 (en) Machine learning based real-time radiation dose assessment
Kamath-Rayne et al. Resuscitation and obstetrical care to reduce intrapartum-related neonatal deaths: a MANDATE study
Bradley et al. Data-driven goals for curbing the US HIV epidemic by 2030
CN109273098B (zh) 一种基于智能决策的药品疗效预测方法和装置
CN107480135B (zh) 数据处理方法、医学用语处理系统和医学诊疗系统
CN112331298A (zh) 开具药方的方法、装置、电子设备及存储介质
US20130275050A1 (en) Methods and systems for integrated health systems
CN104462761A (zh) 三维可视化数字监护方法和系统
CN109979589B (zh) 治愈率的分析方法、装置以及计算机可读存储介质
CN110957013A (zh) 基于遗传算法的临床路径本地化的方法和装置
EP3048968B1 (en) System and method for context-aware imaging
CN111883244A (zh) 一种麻醉监护仪趋势信息的显示界面的构建方法及装置
JP2021039683A (ja) 診療支援方法、診療支援システム、学習モデルの生成方法、および、診療支援プログラム
Wellek et al. Planning and analysis of trials using a stepped wedge design: Part 26 of a series on evaluation of scientific publications
US20210241116A1 (en) Quantification and estimation based on digital twin output
US20210065898A1 (en) Artificial intelligence-based personalized health maintenance system to generate digital therapeutic environment for multi-modal therapy
Saberi et al. Anxiety, Academic Resilience, and Burnout Among Medical Students in Iran: A Cross-sectional Study During the COVID-19 Pandemic
Zhussupova et al. General movements assessment: A bibliometric analysis
Seo et al. Osteoporosis and Fracture Risk Following Benign Hysterectomy Among Female Patients in Korea
San-Na et al. A Study on Factors Affecting Near Misses by Nurses in Small-Medium Sized Hospitals.
JP2022007324A (ja) 医療診断支援装置、医療診断支援方法、およびプログラム
Louder Depression screening in the primary care setting: A quality improvement project
Lee et al. Age and sex-related differences in outcomes of OHCA patients after adjustment for sex-based in-hospital management disparities
Lee-Allen et al. 30-Day Readmission Rates and Its Predictors in Post-Liver Transplantation Patients: Analysis of the Nationwide Readmission Database: 947

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
TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20201014

Address after: 261031, north of Jade East Street, Dongming Road, Weifang hi tech Zone, Shandong province (GoerTek electronic office building, Room 502)

Applicant after: GoerTek Optical Technology Co.,Ltd.

Address before: 266104 Laoshan Qingdao District North House Street investment service center room, Room 308, Shandong

Applicant before: GOERTEK TECHNOLOGY Co.,Ltd.

TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20221117

Address after: 266104 No. 500, Songling Road, Laoshan District, Qingdao, Shandong

Applicant after: GOERTEK TECHNOLOGY Co.,Ltd.

Address before: 261031 east of Dongming Road, north of Yuqing East Street, high tech Zone, Weifang City, Shandong Province (Room 502, Geer electronics office building)

Applicant before: GoerTek Optical Technology Co.,Ltd.

GR01 Patent grant
GR01 Patent grant