CN111161876A - 一种儿童病案辅助判断系统的训练方法 - Google Patents
一种儿童病案辅助判断系统的训练方法 Download PDFInfo
- Publication number
- CN111161876A CN111161876A CN201911423074.5A CN201911423074A CN111161876A CN 111161876 A CN111161876 A CN 111161876A CN 201911423074 A CN201911423074 A CN 201911423074A CN 111161876 A CN111161876 A CN 111161876A
- Authority
- CN
- China
- Prior art keywords
- information
- disease
- medical record
- disease information
- matching
- 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
- 238000000034 method Methods 0.000 title claims abstract description 32
- 238000012549 training Methods 0.000 title claims abstract description 23
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims abstract description 200
- 201000010099 disease Diseases 0.000 claims abstract description 185
- 238000012790 confirmation Methods 0.000 claims abstract description 23
- 238000012986 modification Methods 0.000 claims abstract description 17
- 230000004048 modification Effects 0.000 claims abstract description 17
- 208000037919 acquired disease Diseases 0.000 claims abstract description 9
- 239000013589 supplement Substances 0.000 claims description 15
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 230000000875 corresponding effect Effects 0.000 description 21
- 238000007726 management method Methods 0.000 description 6
- 230000005540 biological transmission Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 208000024891 symptom Diseases 0.000 description 2
- 230000002411 adverse Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000001934 delay Effects 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 230000003449 preventive effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000001932 seasonal effect Effects 0.000 description 1
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
- 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)
- Medical Informatics (AREA)
- Public Health (AREA)
- Data Mining & Analysis (AREA)
- Biomedical Technology (AREA)
- Databases & Information Systems (AREA)
- Pathology (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明涉及儿童医疗保健技术领域,为了解决现有的管理系统在辅助医生工作时,由于患者的身体情况不同,导致系统输出的结果准确性较低的问题,提供了一种儿童病案辅助判断系统的训练方法,包括存储步骤、获取步骤、匹配步骤和输出步骤;其中:在匹配步骤之后还包括有确认步骤:接收医生的确认信息,若接收到肯定的确认信息,则执行输出步骤;更新步骤:在接收到否定的确认信息时,还接收医生的修改信息并对匹配出的疾病信息进行修改后,执行输出步骤;学习步骤:根据医生的修改信息与获取到的患者病症信息进行自我学习,并进行更新存储。本发明可以根据医生的修改信息进行自我学习,从而提高输出结果的准确性。
Description
技术领域
本发明涉及儿童医疗保健技术领域,具体为一种儿童病案辅助判断系统的训练方法。
背景技术
病案是医务人员对病人患病经过和治疗情况所作的文字记录,是医生诊断和治疗疾病的依据,是医学科学研究的很有价值的资料。基于大量的病案,越来越多的医院开始引进或自己开发病案管理系统来提高医生的工作效率。在病人就诊时,医生将询问到的病人的病症输入到管理系统中后,系统从大量的病案中匹配出符合病人病症的结果后输出,医生根据系统输出的结果即可完成诊断,从而提高了医生的工作效率。
然而,虽然这种管理系统能够提高医生的工作效率,但是对于不同的患者来说,由于身体素质不同,即使与他人的病症表现相同,对应的疾病也可能是不同的。也就是说,采用现在的管理系统虽然提高了医生的工作效率,但是得到的结果是错误的,准确性较低。
发明内容
本发明意在提供一种儿童病案辅助判断系统的训练方法,以解决现有的管理系统在辅助医生工作时,由于患者的身体情况不同,导致系统输出的结果准确性较低的问题。
本发明提供基础方案是:一种儿童病案辅助判断系统的训练方法,包括存储步骤:存储录入的病案信息,包括病症信息和相应的疾病信息;
获取步骤:获取就诊的患者病症信息;
匹配步骤:从存储的病案信息中匹配出与患者病症信息对应的疾病信息;
输出步骤:输出疾病信息;
其中:在匹配步骤之后还包括有确认步骤:接收医生的确认信息,若接收到肯定的确认信息,则执行输出步骤;
更新步骤:在接收到否定的确认信息时,还接收医生的修改信息并对匹配出的疾病信息进行修改后,执行输出步骤;
学习步骤:根据医生的修改信息与获取到的患者病症信息进行自我学习,并将输出的病症信息与患者病症信息作为新的病案信息进行更新存储。
基础方案的工作原理及有益效果是:与现有的管理方法相比,1.本方案中,在将匹配出的疾病信息输出前,还会对匹配出的疾病信息进行确认,若接收到肯定的确认信息,则表明匹配出的疾病信息是正确的,此时将疾病信息输出,若接收到否定的确认信息,则表示匹配出的疾病信息对于患者来说是错的,此时则根据医生的修改信息对疾病信息进行修改后再输出,此时输出的疾病信息则是经过医生修改后的正确的疾病信息,从而提高输出结果的准确性;
2.本方案中还通过设置学习步骤,通过对医生的修改信息以及患者病症信息进行自我学习,同时对病案信息进行更新存储,这样一来,在之后遇到相同的病症信息后就能够从更新后的病案信息中匹配出准确的疾病信息,进一步提高了输出结果的准确性。
优选方案一:作为基础方案的优选,匹配步骤中,在匹配出多个疾病信息时,输出病症补充请求,并根据接收到的病症补充信息进行补充匹配,直到匹配出唯一的疾病信息后执行确认步骤。有益效果:考虑到大多数的疾病都有相同的病症表现,即有相同的病症信息,因此本方案中,在匹配出多个疾病信息时,此时输出病症补充请求,然后根据医生提供的病症补充信息再次进行匹配,通过不断增加病症补充信息的方式增加匹配的因素,从而匹配出唯一确定的疾病信息,从而提高输出结果的准确性。
优选方案二:作为优选方案一的优选,匹配步骤中,在根据病症补充信息进行补充匹配时,从前一次匹配出的多个疾病信息中匹配出唯一的疾病信息。有益效果:本方案中,在根据病症补充信息进行补充匹配时,是从之前匹配出的多个疾病信息进行匹配,相比从所有存储的病案信息中匹配,缩小了匹配范围,从而提高了输出效率。
优选方案三:作为基础方案的优选,获取步骤中,在获取到病症信息后,还根据预存的转化规则将获取到的病症信息转化为标准病症信息,匹配步骤中根据标准病症信息进行匹配。有益效果:本方案中,通过将获取到的病症信息转化为标准病症信息后,利用标准病症信息进行匹配,提高了匹配效率的同时也提高了匹配准确性。
优选方案四:作为基础方案的优选,存储步骤中,在存储病案信息时,根据预存的分类规则对病案信息进行分类存储。有益效果:本方案中,将病案信息进行分类存储后,在匹配步骤中,根据病症信息的相应类别从对应类型的病案信息中进行匹配,从而缩小了匹配的病案信息的数量,提高了匹配效率。
优选方案五:作为基础方案的优选,还包括有统计步骤,对输出相同疾病信息的次数进行统计生成相应的疾病统计值,存储步骤还包括将疾病信息与相应的疾病统计值进行关联存储。有益效果:本方案中,对输出相同疾病信息的次数进行统计得到的疾病统计值,即表示患上该种疾病的人次,将该疾病统计值与疾病信息进行存储后,医生在整理病案信息时,通过疾病统计值就可以知晓普遍的疾病有哪些,这样一来,医生在为患者进行诊断时,对一些常见的疾病就能够快速的判断出,从而提高了医生的工作效率。
优选方案六:作为优选方案五的优选,还包括有提醒步骤,在统计到的疾病统计值大于预设的统计阈值时,推送提醒信息。有益效果:本方案中,在疾病统计值大于统计阈值时,即表示超过一定人数的患者换上了该疾病,可能就会演变成流行病,需要格外注意或提出一些预防措施,来预防患上疾病的患者数量继续扩大,因此本方案中在疾病统计值大于预设的统计阈值后推送提醒信息,以对医生进行提醒。
优选方案七:作为优选方案五的优选,统计步骤中,在生成疾病统计值时还根据预设的时间段进行统计。有益效果:考虑到对于一些疾病来说,是普遍发生在特定时期内的,如季节性疾病,因此本方案中还根据预设的时间段对疾病信息进行统计,方便医生对该时间段内发生的疾病信息进行准确的了解。
优选方案八:作为基础方案的优选,在匹配步骤中,还根据匹配出的疾病信息匹配出预存的相关的治疗信息,输出步骤中还输出治疗信息。有益效果:本方案中,在匹配出疾病信息后,还匹配出与疾病信息相对应的治疗信息,供医生在开具治疗书时作为参考,从而提高医生的工作效率。
优选方案九:作为基础方案的优选,更新步骤还用于根据接收到的治疗补充信息对相应患者的疾病信息相关的治疗信息进行更新存储。有益效果:本方案中,通过将接收到的治疗补充信息更新存储到相应患者的治疗信息进行更新存储,保证治疗信息的准确性。
附图说明
图1为本发明一种儿童病案辅助判断系统的训练方法实施例一的流程图。
具体实施方式
下面通过具体实施方式进一步详细说明:
实施例一
基本如附图1所示:一种儿童病案辅助判断系统的训练方法,包括存储步骤:存储录入的病案信息,包括病症信息和相应的疾病信息,并根据预存的分类规则对病案信息进行分类存储;
获取步骤:获取就诊的患者病症信息;
匹配步骤:从存储的病案信息中匹配出与患者病症信息对应的疾病信息;在匹配出多个疾病信息时,输出病症补充请求,并根据接收到的病症补充信息从前一次匹配出的多个疾病信息中匹配出唯一的疾病信息;还根据匹配出的疾病信息匹配出预存的相关的治疗信息;
确认步骤:接收医生的确认信息,若接收到肯定的确认信息,执行输出步骤;在接收到否定的确认信息时,执行更新步骤:
更新步骤:接收医生的修改信息以及治疗补充信息并对匹配出的疾病信息以及治疗信息进行修改后,执行输出步骤;
输出步骤:输出疾病信息以及相关的治疗信息;
学习步骤:根据医生的修改信息与获取到的患者病症信息进行自我学习,并将输出的病症信息与患者病症信息作为新的病案信息进行更新存储;
统计步骤,对输出相同疾病信息的次数进行统计生成相应的疾病统计值,存储步骤还包括将疾病信息与相应的疾病统计值进行关联存储;优选的,在生成疾病统计值时还根据预设的时间段进行统计;
提醒步骤,在统计到的疾病统计值大于预设的统计阈值时,推送提醒信息。
基于上述训练方法,本实施例中还公开了一种训练系统,包括存储模块,用于存储录入的病案信息,包括病症信息和相应的疾病信息;预存有分类规则,并根据预存的分类规则对病案信息进行分类存储;还预存有统计阈值;
采集模块,用于采集患者病症信息;
匹配模块,用于从存储的病案信息中匹配出与患者病症信息对应的疾病信息,还根据匹配出的疾病信息匹配出预存的相关的治疗信息;
采集模块还用于采集医生的确认信息;
传输模块,在采集模块采集到肯定的确认信息时,传输模块用于向医生推送疾病信息;
更新模块,在接收到否定的确认信息时,更新模块用于接收医生的修改信息以及治疗补充信息并对匹配出的疾病信息以及治疗信息进行修改,传输模块推送修改后的疾病信息以及治疗信息;存储模块将患者病症信息、疾病信息以及治疗信息作为新的病案信息进行存储;
学习模块,根据医生的修改信息与获取到的患者病症信息进行自我学习;
统计模块,用于对输出相同疾病信息的次数进行统计生成相应的疾病统计值,存储模块存储疾病信息与相应的疾病统计值;优选的,在生成疾病统计值时还根据预设的时间段进行统计;
提醒模块,在统计到的疾病统计值大于预设的统计阈值时,推送提醒信息。
上述过程中,在匹配模块匹配出多个疾病信息时,传输模块还用于输出病症补充请求,采集模块还用于采集病症补充信息,然后匹配模块根据接收到的病症补充信息从前一次匹配出的多个疾病信息中匹配出唯一的疾病信息。
具体实施过程如下:本实施例中患者以儿童为例。系统中存储有大量的以往就诊过的患者的病案信息,病案信息包括患者病症信息、疾病信息和治疗信息,在存储时,还按照预存的预存规则对病案信息进行了分类存储,设定在存储病案信息时,按照患者的年龄段进行分类存储,设定0~1周岁为类别1,1~6周岁为类别2,7~14周岁为类别3,如表一所示,设定现目前存储有五名儿童患者的病案信息。
表一
患者 | 分类 | 病症信息 | 疾病信息 | 治疗信息 |
A | 类别1 | 病症1,病症2,病症5 | 疾病1 | 治疗1 |
B | 类别3 | 病症2,病症3 | 疾病2 | 治疗2 |
C | 类别1 | 病症1,病症2,病症4 | 疾病3 | 治疗3 |
D | 类别2 | 病症2,病症3,病症4 | 疾病4 | 治疗4 |
E | 类别3 | 病症1,病症2,病症3,病症4 | 疾病5 | 治疗5 |
在患者就诊时,医生在询问到患者病症信息后,向系统录入患者病症信息,如病症1,病症2。系统在获取到上述病症信息后,从存储的病案信息中匹配出相应的疾病信息,匹配到疾病1、疾病3和疾病5,由于匹配出了多个疾病信息,因此此时输出病症补充请求,然后在接收到病症补充信息后,根据接收到的病症补充信息从前一次匹配出来的疾病信息中继续匹配出疾病信息,如病症补充信息为病症3,则从之前匹配出的疾病2、疾病3和疾病5中匹配出疾病3。
医生在查看到匹配出的疾病信息后,如果判定匹配出的疾病信息是准确的,此时则发出确认信息,系统在接收到医生肯定的确认信息后,输出匹配出的疾病信息,同时输出相应的治疗信息。
如果医生判定匹配出的疾病信息错误时,此时发出否定的确认信息,并输入正确的修改信息和治疗补充信息,系统则根据修改信息和治疗补充信息对匹配出的疾病信息和治疗信息进行修改后输出。
同时,系统也根据医生的修改信息和患者病症信息进行自我学习,并将输出的病症信息与患者病症信息作为新的病案信息进行更新存储,这样一来,在下次出现相同的情况后则可以输出正确的结果,从而提高了系统输出结果的准确性。
实施例二
与实施例一相比,本实施例中的训练方法中,获取步骤中,在获取到病症信息后,还根据预存的转化规则将获取到的病症信息转化为标准病症信息,匹配步骤中根据标准病症信息进行匹配。
本实施例中,通过将获取到的病症信息转化为标准病症信息后,利用标准病症信息进行匹配,提高了匹配效率的同时也提高了匹配准确性。
实施例三
与实施例一和实施例二不同之处在于,本实施例中,还包括有家长终端,家长终端包括接收模块,用于接收疾病信息;
存储模块,用于存储疾病信息,还预存有声纹库、场景确定规定以及显示规则,声纹库包括多种标准声纹,包括掌声声纹、音乐声纹、预设人物说话声纹、其他任务说话声纹等;
环境采集模块,用于采集所处周围环境的声音信息;
处理模块,用于对采集到的声音信息进行处理并得到环境声纹;
匹配模块,用于将处理得到的环境声纹与标准声纹进行匹配,匹配出相应的标准声纹;
识别模块,用于根据匹配出的标准声纹和场景确定规定识别出当前环境场景;
显示模块,用于根据预设的显示规则显示接收到的疾病信息。
预存的场景确定规则如表一所示。
表一
标准声纹类别 | 场景判定 |
多个讲话声 | 公共场合场景 |
少数讲话声、掌声 | 会议场景 |
预设人物说话声 | 重要人物谈话场景 |
音乐声、讲话声 | 休闲娱乐场景 |
预设的显示规则如表二所示。
表二
场景 | 显示时间 |
公共场合场景 | 立即显示 |
会议场景 | 推迟显示 |
重要人物谈话场景 | 推迟显示 |
休闲娱乐场景 | 立即显示 |
如表二和表三所示,若匹配模块匹配出当前周围环境有多个讲话声,即多个其他人物说话声纹时,认定当前家长是在一个公共场合中,如公车上、大街上等,此时家长可以随时查看信息并不会有任何影响,因此在接收到疾病信息时,显示模块立即显示该信息;如匹配出预设人物说话,如预设人物为公司老板,则认定此时家长是在一个重要人物谈话场景中,若此时显示模块显示疾病信息,则会影响或打断当前的谈话,会造成不良影响,因此此时显示模块推迟显示疾病信息,推迟到匹配模块匹配出当前场景下可以立即显示疾病信息的时候进行显示;这样一来,保证疾病信息会正常发送到家长终端上,同时也不会对家长的正常工作或生活造成影响。
以上所述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 (10)
1.一种儿童病案辅助判断系统的训练方法,包括存储步骤:存储录入的病案信息,包括病症信息和相应的疾病信息;
获取步骤:获取就诊的患者病症信息;
匹配步骤:从存储的病案信息中匹配出与患者病症信息对应的疾病信息;
输出步骤:输出疾病信息;
其特征在于:在匹配步骤之后还包括有确认步骤:接收医生的确认信息,若接收到肯定的确认信息,则执行输出步骤;
更新步骤:在接收到否定的确认信息时,还接收医生的修改信息并对匹配出的疾病信息进行修改后,执行输出步骤;
学习步骤:根据医生的修改信息与获取到的患者病症信息进行自我学习,并将输出的病症信息与患者病症信息作为新的病案信息进行更新存储。
2.根据权利要求1所述的儿童病案辅助判断系统的训练方法,其特征在于:所述匹配步骤中,在匹配出多个疾病信息时,输出病症补充请求,并根据接收到的病症补充信息进行补充匹配,直到匹配出唯一的疾病信息后执行确认步骤。
3.根据权利要求2所述的儿童病案辅助判断系统的训练方法,其特征在于:所述匹配步骤中,在根据病症补充信息进行补充匹配时,从前一次匹配出的多个疾病信息中匹配出唯一的疾病信息。
4.根据权利要求1所述的儿童病案辅助判断系统的训练方法,其特征在于:所述获取步骤中,在获取到病症信息后,还根据预存的转化规则将获取到的病症信息转化为标准病症信息,匹配步骤中根据标准病症信息进行匹配。
5.根据权利要求1所述的儿童病案辅助判断系统的训练方法,其特征在于:所述存储步骤中,在存储病案信息时,根据预存的分类规则对病案信息进行分类存储。
6.根据权利要求1所述的儿童病案辅助判断系统的训练方法,其特征在于:还包括有统计步骤,对输出相同疾病信息的次数进行统计生成相应的疾病统计值,存储步骤还包括将疾病信息与相应的疾病统计值进行关联存储。
7.根据权利要求6所述的儿童病案辅助判断系统的训练方法,其特征在于:还包括有提醒步骤,在统计到的疾病统计值大于预设的统计阈值时,推送提醒信息。
8.根据权利要求6所述的儿童病案辅助判断系统的训练方法,其特征在于:所述统计步骤中,在生成疾病统计值时还根据预设的时间段进行统计。
9.根据权利要求1所述的儿童病案辅助判断系统的训练方法,其特征在于:在所述匹配步骤中,还根据匹配出的疾病信息匹配出预存的相关的治疗信息,输出步骤中还输出所述治疗信息。
10.根据权利要求9所述的儿童病案辅助判断系统的训练方法,其特征在于:所述更新步骤还用于根据接收到的治疗补充信息对相应患者的疾病信息相关的治疗信息进行更新存储。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911423074.5A CN111161876A (zh) | 2019-12-31 | 2019-12-31 | 一种儿童病案辅助判断系统的训练方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911423074.5A CN111161876A (zh) | 2019-12-31 | 2019-12-31 | 一种儿童病案辅助判断系统的训练方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111161876A true CN111161876A (zh) | 2020-05-15 |
Family
ID=70560595
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911423074.5A Pending CN111161876A (zh) | 2019-12-31 | 2019-12-31 | 一种儿童病案辅助判断系统的训练方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111161876A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113113135A (zh) * | 2021-04-07 | 2021-07-13 | 五邑大学 | 中医数据应用方法及其中医数据处理系统 |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008293294A (ja) * | 2007-05-24 | 2008-12-04 | Fuji Xerox Co Ltd | 医療情報処理システム、および情報処理方法、並びにコンピュータ・プログラム |
CN103456301A (zh) * | 2012-05-28 | 2013-12-18 | 中兴通讯股份有限公司 | 一种基于环境声音的场景识别方法及装置及移动终端 |
CN104573350A (zh) * | 2014-12-26 | 2015-04-29 | 深圳市前海安测信息技术有限公司 | 基于网络医院的全科医生辅助诊疗系统及方法 |
CN106557653A (zh) * | 2016-11-15 | 2017-04-05 | 合肥工业大学 | 一种移动医疗智能导医系统及其方法 |
CN106777966A (zh) * | 2016-12-13 | 2017-05-31 | 天津迈沃医药技术股份有限公司 | 基于医疗信息平台的数据互动训练方法及系统 |
CN106934239A (zh) * | 2017-03-11 | 2017-07-07 | 广东省中医院 | 一种基于诊疗数据的病情引导系统 |
CN107247868A (zh) * | 2017-05-18 | 2017-10-13 | 深思考人工智能机器人科技(北京)有限公司 | 一种人工智能辅助问诊系统 |
WO2018129914A1 (zh) * | 2017-01-13 | 2018-07-19 | 深圳市前海安测信息技术有限公司 | 医院辅助决策系统和方法 |
CN109033384A (zh) * | 2018-07-27 | 2018-12-18 | 重庆柚瓣家科技有限公司 | 基于ai的老人分诊系统对话管理方法 |
CN109410521A (zh) * | 2018-12-28 | 2019-03-01 | 苏州思必驰信息科技有限公司 | 语音监控报警方法及系统 |
CN109509551A (zh) * | 2018-11-01 | 2019-03-22 | 新博卓畅技术(北京)有限公司 | 一种常见疾病智能诊断方法及系统 |
CN109817343A (zh) * | 2019-01-31 | 2019-05-28 | 关强 | 传染病监测系统 |
CN110249392A (zh) * | 2018-08-20 | 2019-09-17 | 深圳市全息医疗科技有限公司 | 智能辅助诊疗系统及方法 |
-
2019
- 2019-12-31 CN CN201911423074.5A patent/CN111161876A/zh active Pending
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008293294A (ja) * | 2007-05-24 | 2008-12-04 | Fuji Xerox Co Ltd | 医療情報処理システム、および情報処理方法、並びにコンピュータ・プログラム |
CN103456301A (zh) * | 2012-05-28 | 2013-12-18 | 中兴通讯股份有限公司 | 一种基于环境声音的场景识别方法及装置及移动终端 |
CN104573350A (zh) * | 2014-12-26 | 2015-04-29 | 深圳市前海安测信息技术有限公司 | 基于网络医院的全科医生辅助诊疗系统及方法 |
WO2016101351A1 (zh) * | 2014-12-26 | 2016-06-30 | 深圳市前海安测信息技术有限公司 | 基于网络医院的全科医生辅助诊疗系统及方法 |
CN106557653A (zh) * | 2016-11-15 | 2017-04-05 | 合肥工业大学 | 一种移动医疗智能导医系统及其方法 |
CN106777966A (zh) * | 2016-12-13 | 2017-05-31 | 天津迈沃医药技术股份有限公司 | 基于医疗信息平台的数据互动训练方法及系统 |
WO2018129914A1 (zh) * | 2017-01-13 | 2018-07-19 | 深圳市前海安测信息技术有限公司 | 医院辅助决策系统和方法 |
CN106934239A (zh) * | 2017-03-11 | 2017-07-07 | 广东省中医院 | 一种基于诊疗数据的病情引导系统 |
CN107247868A (zh) * | 2017-05-18 | 2017-10-13 | 深思考人工智能机器人科技(北京)有限公司 | 一种人工智能辅助问诊系统 |
CN109033384A (zh) * | 2018-07-27 | 2018-12-18 | 重庆柚瓣家科技有限公司 | 基于ai的老人分诊系统对话管理方法 |
CN110249392A (zh) * | 2018-08-20 | 2019-09-17 | 深圳市全息医疗科技有限公司 | 智能辅助诊疗系统及方法 |
CN109509551A (zh) * | 2018-11-01 | 2019-03-22 | 新博卓畅技术(北京)有限公司 | 一种常见疾病智能诊断方法及系统 |
CN109410521A (zh) * | 2018-12-28 | 2019-03-01 | 苏州思必驰信息科技有限公司 | 语音监控报警方法及系统 |
CN109817343A (zh) * | 2019-01-31 | 2019-05-28 | 关强 | 传染病监测系统 |
Non-Patent Citations (1)
Title |
---|
许增禄 等: "突发性传染病事件应对系统对比分析", 《中华医学会第十次全国医学信息学术会议》, pages 4 - 5 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113113135A (zh) * | 2021-04-07 | 2021-07-13 | 五邑大学 | 中医数据应用方法及其中医数据处理系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6263308B1 (ja) | 認知症診断装置、認知症診断方法、及び認知症診断プログラム | |
US20210043324A1 (en) | Computer aided medical method and medical system for medical prediction | |
CN108198615B (zh) | 一种在线认知评估系统 | |
Bayles et al. | Alzheimer's disease effects on semantic memory: Loss of structure or impaired processing? | |
Wang et al. | Screening for cognitive impairment in geriatrics | |
Jablensky et al. | Kraepelin revisited: a reassessment and statistical analysis of dementia praecox and manic-depressive insanity in 1908 | |
EP3107061B1 (en) | Disease detection system and disease detection method | |
Gentileschi et al. | Progressive defective recognition of familiar people | |
Fallahpour et al. | Perceived difficulty in use of everyday technology in persons with acquired brain injury of different severity: A comparison with controls | |
CN111933291A (zh) | 医疗信息推荐装置、方法、系统、设备及可读存储介质 | |
Pedraza et al. | Differential item functioning of the Boston Naming Test in cognitively normal African American and Caucasian older adults | |
Rofes et al. | The role of word properties in performance on fluency tasks in people with primary progressive aphasia | |
Grant | Explaining source of payment differences in US cesarean rates: why do privately insured mothers receive more cesareans than mothers who are not privately insured? | |
CN115148210A (zh) | 语音辨识系统及语音辨识方法 | |
CN111161876A (zh) | 一种儿童病案辅助判断系统的训练方法 | |
Waring et al. | Differentiating phonological delay from phonological disorder: executive function performance in preschoolers | |
Enderby et al. | How many people have communication disorders and why does it matter? | |
Carlozzi et al. | Motor-free composites from the National Institutes of Health Toolbox Cognition Battery (NIHTB-CB) for people with disabilities. | |
Ishikawa et al. | A comparison of interactions among children, parents, and therapists in cognitive behavior therapy for anxiety disorders in Australia and Japan | |
Lewison et al. | Evaluating UK research in speech and language therapy | |
Van der Linden et al. | Developmental disturbance of access to biographical information and people's names: A single-case study | |
Huss et al. | Clinical assessment of violence from inpatient records: A comparison of individual and aggregate decision making across risk strategies | |
Luo et al. | Systematic review of functional communication training in early care and education settings | |
KR20170098414A (ko) | 질병 자가 감별 진단 시스템 | |
CN112735475B (zh) | 一种通过语音搜索疾病知识的方法和系统 |
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 |