CN111696664B - 一种心衰疾病检测系统 - Google Patents
一种心衰疾病检测系统 Download PDFInfo
- Publication number
- CN111696664B CN111696664B CN202010506905.1A CN202010506905A CN111696664B CN 111696664 B CN111696664 B CN 111696664B CN 202010506905 A CN202010506905 A CN 202010506905A CN 111696664 B CN111696664 B CN 111696664B
- Authority
- CN
- China
- Prior art keywords
- heart failure
- heart
- module
- patient
- diagnosis
- 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
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
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/0205—Simultaneously evaluating both cardiovascular conditions and different types of body conditions, e.g. heart and respiratory condition
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/06—Measuring blood flow
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/08—Detecting organic movements or changes, e.g. tumours, cysts, swellings
- A61B8/0883—Detecting organic movements or changes, e.g. tumours, cysts, swellings for diagnosis of the heart
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
- A61M5/00—Devices for bringing media into the body in a subcutaneous, intra-vascular or intramuscular way; Accessories therefor, e.g. filling or cleaning devices, arm-rests
- A61M5/007—Devices for bringing media into the body in a subcutaneous, intra-vascular or intramuscular way; Accessories therefor, e.g. filling or cleaning devices, arm-rests for contrast media
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B2576/00—Medical imaging apparatus involving image processing or analysis
- A61B2576/02—Medical imaging apparatus involving image processing or analysis specially adapted for a particular organ or body part
- A61B2576/023—Medical imaging apparatus involving image processing or analysis specially adapted for a particular organ or body part for the heart
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Public Health (AREA)
- Biomedical Technology (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Veterinary Medicine (AREA)
- Pathology (AREA)
- Animal Behavior & Ethology (AREA)
- Heart & Thoracic Surgery (AREA)
- Biophysics (AREA)
- Cardiology (AREA)
- Surgery (AREA)
- Molecular Biology (AREA)
- Physics & Mathematics (AREA)
- Radiology & Medical Imaging (AREA)
- Physiology (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Hematology (AREA)
- Databases & Information Systems (AREA)
- Pulmonology (AREA)
- Primary Health Care (AREA)
- Data Mining & Analysis (AREA)
- Epidemiology (AREA)
- Vascular Medicine (AREA)
- Anesthesiology (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
本发明属于心衰疾病检测技术领域,公开了一种心衰疾病检测系统,包括生理数据获取模块用于获取用户相关生理数据;超声诊断模块用于检测血管内血液流速;造影模块用于判断用户是否存在心肌缺血或心肌梗死症状;病损程度确定模块用于确定心腔内是否存在紊乱血流并判断心脏瓣膜病损程度与性质;疾病分析模块用于汇总生成心衰表现诊断表;患者筛选模块用于筛选心衰患者或具备多项心衰症状的未确诊心衰患者;诊断确定模块用于确定患者是否患有心衰;心衰分期模块用于对确诊心衰的患者的心衰程度进行分期;诊疗建议模块用于基于患者的心衰程度给予不同的诊疗建议;本发明能够有效的进行心衰疾病的检测以及诊断,同时能够保证检测结果的准确性。
Description
技术领域
本发明属于心衰疾病检测技术领域,尤其涉及一种心衰疾病检测系统。
背景技术
心力衰竭(heart failure)简称心衰,是指由于心脏的收缩功能和(或)舒张功能发生障碍,不能将静脉回心血量充分排出心脏,导致静脉系统血液淤积,动脉系统血液灌注不足,从而引起心脏循环障碍症候群,此种障碍症候群集中表现为肺淤血、腔静脉淤血。心力衰竭并不是一个独立的疾病,而是心脏疾病发展的终末阶段。其中绝大多数的心力衰竭都是以左心衰竭开始的,即首先表现为肺循环淤血。然而,现有心衰疾病检测系统需要医生对每一位患者的检查数据进行研究之后确定其是否为心衰患者,然后在针对其个人具体情况给出诊断建议,这个过程会浪费病人和医生的大量时间;同时,现有的心衰分期方法存在着分期便捷性不佳、稳定性不足或者准确率不高等弊端。
综上所述,现有技术存在的问题是:现有心衰疾病检测系统需要医生对每一位患者的检查数据进行研究之后确定其是否为心衰患者,然后在针对其个人具体情况给出诊断建议,这个过程会浪费病人和医生的大量时间;同时,现有的心衰分期方法存在着分期便捷性不佳、稳定性不足或者准确率不高等弊端。
发明内容
针对现有技术存在的问题,本发明提供了一种心衰疾病检测系统。
本发明是这样实现的,一种心衰疾病检测系统,所述心衰疾病检测系统包括:
生理数据获取模块,与中央控制模块连接,包括心率检测单元、血压检测单元以及呼吸频率检测单元,用于利用各种设备获取用户相关生理数据;
超声诊断模块,与中央控制模块连接,用于利用彩色超声诊断仪检测血管内血液流速;
造影模块,与中央控制模块连接,用于利用核素心室造影技术以及核素心肌灌注显像技术确定用户心脏左室容量、LVEF,判断用户是否存在心肌缺血或心肌梗死症状;
病损程度确定模块,与中央控制模块连接,用于通过超声心电图以及超声多普勒确定心腔内是否存在紊乱血流并判断心脏瓣膜病损程度与性质;
中央控制模块,与生理数据获取模块、超声诊断模块、造影模块、病损程度确定模块、疾病分析模块、患者筛选模块、诊断确定模块、心衰分期模块、诊疗建议模块、检测数据存储模块、显示模块连接,用于通过主机控制各个模块正常工作;
疾病分析模块,与中央控制模块连接,用于通过分析程序对心衰患者症状进行分析,并汇总生成心衰表现诊断表;
患者筛选模块,与中央控制模块连接,用于基于心衰表现诊断表通过筛选程序筛选心衰患者或具备多项心衰症状的未确诊心衰患者;
诊断确定模块,与中央控制模块连接,用于基于获取到的相关生理数据、造影数据、血液流速以及病损程度及其他相关数据对照心衰表现诊断表确定患者是否患有心衰;
心衰分期模块,与中央控制模块连接,用于基于心衰表现诊断表通过分期程序对确诊心衰的患者的心衰程度进行分期;
诊疗建议模块,与中央控制模块连接,用于基于患者的心衰程度给予不同的诊疗建议;
检测数据存储模块,与中央控制模块连接,用于通过存储器存储检测的生理、造影数据、血液流速、病损程度及其他相关数据以及筛选结果、诊断结果、分析结果、分期结果、诊疗建议;
显示模块,与中央控制模块连接,用于通过显示器显示检测的生理、造影数据、血液流速、病损程度及其他相关数据以及筛选结果、诊断结果、分析结果、分期结果、诊疗建议。
进一步,所述生理数据获取模块包括:
心率检测单元,用于通过心率检测仪检测患者心率数据;
血压检测单元,用于通过血压计检测患者血压数据;
呼吸频率检测单元,用于通过呼吸检测仪检测患者呼吸频率。
进一步,所述心衰疾病检测系统还包括:
用户端,用于患者利用智能终端查看相关心衰症状、心衰表现诊断表以及心衰诊疗建议;同时还可用于利用智能终端进行线上问诊;
医院端,用于接收患者的相关医疗问题并给予相应回复以及诊疗建议。
本发明的另一目的在于提供一种实施于所述心衰疾病检测系统的心衰疾病检测方法,所述心衰疾病检测方法包括:
步骤一,通过心率检测仪检测患者心率数据;通过血压计检测患者血压数据;通过呼吸检测仪检测患者呼吸频率;利用彩色超声诊断仪检测血管内血液流速;
步骤二,利用核素心室造影技术以及核素心肌灌注显像技术确定用户心脏左室容量、LVEF,判断用户是否存在心肌缺血或心肌梗死症状;通过超声心电图以及超声多普勒确定心腔内是否存在紊乱血流并判断心脏瓣膜病损程度与性质;
步骤三,通过分析程序对心衰患者症状进行分析,并汇总生成心衰表现诊断表;基于心衰表现诊断表通过筛选程序筛选心衰患者或具备多项心衰症状的未确诊心衰患者;
步骤四,基于获取到的相关生理数据、造影数据、血液流速以及病损程度及其他相关数据对照心衰表现诊断表确定患者是否患有心衰;基于心衰表现诊断表通过分期程序对确诊心衰的患者的心衰程度进行分期;
步骤五,基于患者的心衰程度给予不同的诊疗建议;通过存储器存储检测的生理、造影数据、血液流速、病损程度及其他相关数据以及筛选结果、诊断结果、分析结果、分期结果、诊疗建议;通过显示器显示检测的生理、造影数据、血液流速、病损程度及其他相关数据以及筛选结果、诊断结果、分析结果、分期结果、诊疗建议。
进一步,步骤三中,所述患者筛选方法如下:
(1)通过筛选程序对医院内部的数据源进行采集,并获取心衰表现诊断表;
(2)提取医院内部数据源中有关心脏或生理检测相关数据,并对照心衰表现诊断表核对患者相关数据是否符合心衰表现症状,并汇总具备心衰症状的患者;
(3)判断具备多项心衰症状的患者是否有相关心衰疾病史或就心衰疾病进行过咨询或就诊;筛选未进行相关项目检测、不具备心衰史也未就心衰问题进行就诊的患者;
(4)向筛选出的患者提供心衰项目检查的建议以及日常修养建议。
进一步,步骤四中,所述诊断确定方法包括:
首先,汇总获取到的相关生理数据、造影数据、血液流速以及病损程度及其他相关数据;并基于获取到的相关数据进行初步症状诊断;
其次,获取心衰表现诊断表;
然后,将诊断的症状与心衰表现诊断表中相关项进行匹配对应;
最后,根据匹配结果判断是否为心衰患者。
进一步,所述将诊断的症状与心衰表现诊断表中相关项进行匹配对应包括:
采集信息中匹配正则表达式“/心衰|心力衰竭|心功能衰竭|心功能不全|心功能衰竭|扩张.{0,1}心肌病|缺血.{0,1}心肌病/”信息的患者为心衰患者;
采集信息中包含NYHA分级是3到4级信息的患者为心衰患者;将心衰患者筛选出后,对心衰患者二次分类;
在心衰患者信息中,心衰诊断中包含“急”字信息的患者为急性心衰患者。
进一步,步骤四中,所述心衰分期方法如下:
1)对待测心音信号X(n)进行预处理,得到处理后的信号XT(k),n=1,2,…,N,N表示待测心音信号X(n)的采样点总个数,k=1,2,…,K,K表示处理后的信号XT(k)的采样点总个数;
2)对预处理后的信号XT(k)进行小波包分解,得到子频带小波包系数;分别对各子频带小波包系数进行重构,得到重构后的各个子频带信号Dg(k),g∈{1,2,…,m},m为子频带信号总个数;
3)将所述m个子频带信号Dg(k)构成m×K的时间幅值矩阵,然后根据奇异值分解理论,对时间幅值矩阵进行奇异值分解得到若干个奇异值并求熵,得到相应的心音奇异熵值;利用能量谱公式分别计算m个子频带信号Dg(k)的能量谱以及重构信号XT(k)的总能量谱并求熵,得到相应的心音能量熵值;利用welch功率谱估计法分别估算m个子频带信号Dg(k)的功率谱并求熵,得到m个对应的心音功率谱熵值;
4)从得到的m个心音功率谱熵值中择优选取a个心音功率谱熵值,0<a≤m;
5)将选取的a个心音功率谱熵值连同所述心音奇异熵值和心音能量熵值的集合作为待测心音信号的特征向量;
6)获取训练得到的用于心衰分期识别的支持向量机分类模型,对待测心音信号的特征向量进行分类识别,判定待测心音信号所属的心衰分期,得到心衰分期参考结果。
本发明的另一目的在于提供一种存储在计算机可读介质上的计算机程序产品,包括计算机可读程序,供于电子装置上执行时,提供用户输入接口以实施所述心衰疾病检测方法。
本发明的另一目的在于提供一种计算机可读存储介质,储存有指令,当所述指令在计算机上运行时,使得计算机执行所述心衰疾病检测方法。
本发明的优点及积极效果为:本发明提供了一种心衰疾病检测系统,能够有效的进行心衰疾病的检测以及诊断,同时能够保证检测结果的准确性。
本发明可以对医院内病人的数据进行采集,并能够自动筛选出心衰患者,给予心衰患者一定的诊疗建议,而该过程,病人检查结束之后,跳过了医生查看检查数据的过程,自动对患者的数据进行筛选,在筛选结束之后,通过筛选医院检查数据后,根据心衰患者的不同情况可以自动给予不同的诊疗建议,从而,方便病人能够更快的确定自己的就诊方向,而此过程同样没有医生的参与,从一定程度上节约了医生的时间;同时,通过心衰分期模块利用心音信号能够实时反映心脏生理和病理参数的特性,提取其相关的时频特征值构成特征向量,结合用于心衰分期识别的支持向量机分类模型进行心衰分期的辅助识别;由于心音信号属于无创信号,使得该方法方便快捷、成本低廉,能够为心衰分期临床上提供有效的参考信息;在提取在心音信号的相关特征值之后,使用香农信息熵的方法对特征值进行求熵处理;由于香农熵是从全局意义上评价信号指标,这样可以使特征向量更加稳定、有效。
附图说明
图1是本发明实施例提供的心衰疾病检测系统结构示意图。
图中:1、生理数据获取模块;2、超声诊断模块;3、造影模块;4、病损程度确定模块;5、中央控制模块;6、疾病分析模块;7、患者筛选模块;8、诊断确定模块;9、心衰分期模块;10、诊疗建议模块;11、检测数据存储模块;12、显示模块。
图2是本发明实施例提供的生理数据获取模块结构示意图。
图中:13、心率检测单元;14、血压检测单元;15、呼吸频率检测单元。
图3是本发明实施例提供的心衰疾病检测方法流程图。
图4是本发明实施例提供的患者筛选方法流程图。
图5是本发明实施例提供的诊断确定方法类流程图。
图6是本发明实施例提供的心衰分期方法流程图。
具体实施方式
为能进一步了解本发明的发明内容、特点及功效,兹例举以下实施例,并配合附图详细说明如下。
下面结合附图对本发明的结构作详细的描述。
如图1所示,本发明实施例提供的心衰疾病检测系统包括:
生理数据获取模块1,与中央控制模块5连接,包括心率检测单元13、血压检测单元14以及呼吸频率检测单元15,用于利用各种设备获取用户相关生理数据。
超声诊断模块2,与中央控制模块5连接,用于利用彩色超声诊断仪检测血管内血液流速。
造影模块3,与中央控制模块5连接,用于利用核素心室造影技术以及核素心肌灌注显像技术确定用户心脏左室容量、LVEF,判断用户是否存在心肌缺血或心肌梗死症状。
病损程度确定模块4,与中央控制模块5连接,用于通过超声心电图以及超声多普勒确定心腔内是否存在紊乱血流并判断心脏瓣膜病损程度与性质。
中央控制模块5,与生理数据获取模块1、超声诊断模块2、造影模块3、病损程度确定模块4、疾病分析模块6、患者筛选模块7、诊断确定模块8、心衰分期模块9、诊疗建议模块10、检测数据存储模块11、显示模块12连接,用于通过主机控制各个模块正常工作。
疾病分析模块6,与中央控制模块5连接,用于通过分析程序对心衰患者症状进行分析,并汇总生成心衰表现诊断表。
患者筛选模块7,与中央控制模块5连接,用于基于心衰表现诊断表通过筛选程序筛选心衰患者或具备多项心衰症状的未确诊心衰患者。
诊断确定模块8,与中央控制模块5连接,用于基于获取到的相关生理数据、造影数据、血液流速以及病损程度及其他相关数据对照心衰表现诊断表确定患者是否患有心衰。
心衰分期模块9,与中央控制模块5连接,用于基于心衰表现诊断表通过分期程序对确诊心衰的患者的心衰程度进行分期。
诊疗建议模块10,与中央控制模块5连接,用于基于患者的心衰程度给予不同的诊疗建议。
检测数据存储模块11,与中央控制模块5连接,用于通过存储器存储检测的生理、造影数据、血液流速、病损程度及其他相关数据以及筛选结果、诊断结果、分析结果、分期结果、诊疗建议。
显示模块12,与中央控制模块5连接,用于通过显示器显示检测的生理、造影数据、血液流速、病损程度及其他相关数据以及筛选结果、诊断结果、分析结果、分期结果、诊疗建议。
如图2所示,本发明实施例提供的生理数据获取模块1包括:
心率检测单元13,用于通过心率检测仪检测患者心率数据。
血压检测单元14,用于通过血压计检测患者血压数据。
呼吸频率检测单元15,用于通过呼吸检测仪检测患者呼吸频率。
本发明实施例提供的心衰疾病检测系统还包括:
用户端,用于患者利用智能终端查看相关心衰症状、心衰表现诊断表以及心衰诊疗建议;同时还可用于利用智能终端进行线上问诊。
医院端,用于接收患者的相关医疗问题并给予相应回复以及诊疗建议。
如图3所示,本发明实施例提供的心衰疾病检测方法包括:
S101,通过心率检测仪检测患者心率数据;通过血压计检测患者血压数据;通过呼吸检测仪检测患者呼吸频率;利用彩色超声诊断仪检测血管内血液流速。
S102,利用核素心室造影技术以及核素心肌灌注显像技术确定用户心脏左室容量、LVEF,判断用户是否存在心肌缺血或心肌梗死症状;通过超声心电图以及超声多普勒确定心腔内是否存在紊乱血流并判断心脏瓣膜病损程度与性质。
S103,通过分析程序对心衰患者症状进行分析,并汇总生成心衰表现诊断表;基于心衰表现诊断表通过筛选程序筛选心衰患者或具备多项心衰症状的未确诊心衰患者。
S104,基于获取到的相关生理数据、造影数据、血液流速以及病损程度及其他相关数据对照心衰表现诊断表确定患者是否患有心衰;基于心衰表现诊断表通过分期程序对确诊心衰的患者的心衰程度进行分期。
S105,基于患者的心衰程度给予不同的诊疗建议;通过存储器存储检测的生理、造影数据、血液流速、病损程度及其他相关数据以及筛选结果、诊断结果、分析结果、分期结果、诊疗建议;通过显示器显示检测的生理、造影数据、血液流速、病损程度及其他相关数据以及筛选结果、诊断结果、分析结果、分期结果、诊疗建议。
下面结合具体实施例对本发明的技术方案作进一步说明。
实施例1:
本发明实施例提供的心衰检测方法如图3所示,作为优选实施例,本发明实施例提供的患者筛选方法如下:
S201,通过筛选程序对医院内部的数据源进行采集,并获取心衰表现诊断表。
S202,提取医院内部数据源中有关心脏或生理检测相关数据,并对照心衰表现诊断表核对患者相关数据是否符合心衰表现症状,并汇总具备心衰症状的患者。
S203,判断具备多项心衰症状的患者是否有相关心衰疾病史或就心衰疾病进行过咨询或就诊;筛选未进行相关项目检测、不具备心衰史也未就心衰问题进行就诊的患者。
S204,向筛选出的患者提供心衰项目检查的建议以及日常修养建议。
实施例2:
本发明实施例提供的心衰检测方法如图3所示,作为优选实施例,本发明实施例提供的诊断确定方法包括:
S301,汇总获取到的相关生理数据、造影数据、血液流速以及病损程度及其他相关数据;并基于获取到的相关数据进行初步症状诊断。
S302,获取心衰表现诊断表。
S303,将诊断的症状与心衰表现诊断表中相关项进行匹配对应。
S304,根据匹配结果判断是否为心衰患者。
本发明实施例提供的将诊断的症状与心衰表现诊断表中相关项进行匹配对应包括:
采集信息中匹配正则表达式“/心衰|心力衰竭|心功能衰竭|心功能不全|心功能衰竭|扩张.{0,1}心肌病|缺血.{0,1}心肌病/”信息的患者为心衰患者。
采集信息中包含NYHA分级是3到4级信息的患者为心衰患者;将心衰患者筛选出后,对心衰患者二次分类。
在心衰患者信息中,心衰诊断中包含“急”字信息的患者为急性心衰患者。
实施例3:
本发明实施例提供的心衰检测方法如图3所示,作为优选实施例,本发明实施例提供的心衰分期方法如下:
S401,对待测心音信号X(n)进行预处理,得到处理后的信号XT(k),n=1,2,…,N,N表示待测心音信号X(n)的采样点总个数,k=1,2,…,K,K表示处理后的信号XT(k)的采样点总个数。
S402,对预处理后的信号XT(k)进行小波包分解,得到子频带小波包系数;分别对各子频带小波包系数进行重构,得到重构后的各个子频带信号Dg(k),g∈{1,2,…,m},m为子频带信号总个数。
S403,将所述m个子频带信号Dg(k)构成m×K的时间幅值矩阵,然后根据奇异值分解理论,对时间幅值矩阵进行奇异值分解得到若干个奇异值并求熵,得到相应的心音奇异熵值;利用能量谱公式分别计算m个子频带信号Dg(k)的能量谱以及重构信号XT(k)的总能量谱并求熵,得到相应的心音能量熵值;利用welch功率谱估计法分别估算m个子频带信号Dg(k)的功率谱并求熵,得到m个对应的心音功率谱熵值。
S404,从得到的m个心音功率谱熵值中择优选取a个心音功率谱熵值,0<a≤m。
S405,将选取的a个心音功率谱熵值连同所述心音奇异熵值和心音能量熵值的集合作为待测心音信号的特征向量。
S406,获取训练得到的用于心衰分期识别的支持向量机分类模型,对待测心音信号的特征向量进行分类识别,判定待测心音信号所属的心衰分期,得到心衰分期参考结果。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用全部或部分地以计算机程序产品的形式实现,所述计算机程序产品包括一个或多个计算机指令。在计算机上加载或执行所述计算机程序指令时,全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL)或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输)。所述计算机可读取存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质,(例如,软盘、硬盘、磁带)、光介质(例如,DVD)、或者半导体介质(例如固态硬盘SolidState Disk(SSD))等。
以上所述仅是对本发明的较佳实施例而已,并非对本发明作任何形式上的限制,凡是依据本发明的技术实质对以上实施例所做的任何简单修改,等同变化与修饰,均属于本发明技术方案的范围内。
Claims (10)
1.一种心衰疾病检测系统,其特征在于,所述心衰疾病检测系统包括:
生理数据获取模块,与中央控制模块连接,包括心率检测单元、血压检测单元以及呼吸频率检测单元,用于利用各种设备获取用户相关生理数据;
超声诊断模块,与中央控制模块连接,用于利用彩色超声诊断仪检测血管内血液流速;
造影模块,与中央控制模块连接,用于利用核素心室造影技术以及核素心肌灌注显像技术确定用户心脏左室容量、LVEF,判断用户是否存在心肌缺血或心肌梗死症状;
病损程度确定模块,与中央控制模块连接,用于通过超声心电图以及超声多普勒确定心腔内是否存在紊乱血流并判断心脏瓣膜病损程度与性质;
中央控制模块,与生理数据获取模块、超声诊断模块、造影模块、病损程度确定模块、疾病分析模块、患者筛选模块、诊断确定模块、心衰分期模块、诊疗建议模块、检测数据存储模块、显示模块连接,用于通过主机控制各个模块正常工作;
疾病分析模块,与中央控制模块连接,用于通过分析程序对心衰患者症状进行分析,并汇总生成心衰表现诊断表;
患者筛选模块,与中央控制模块连接,用于基于心衰表现诊断表通过筛选程序筛选心衰患者或具备多项心衰症状的未确诊心衰患者;
诊断确定模块,与中央控制模块连接,用于基于获取到的相关生理数据、造影数据、血液流速以及病损程度及其他相关数据对照心衰表现诊断表确定患者是否患有心衰;
心衰分期模块,与中央控制模块连接,用于基于心衰表现诊断表通过分期程序对确诊心衰的患者的心衰程度进行分期;
诊疗建议模块,与中央控制模块连接,用于基于患者的心衰程度给予不同的诊疗建议;
检测数据存储模块,与中央控制模块连接,用于通过存储器存储检测的生理、造影数据、血液流速、病损程度及其他相关数据以及筛选结果、诊断结果、分析结果、分期结果、诊疗建议;
显示模块,与中央控制模块连接,用于通过显示器显示检测的生理、造影数据、血液流速、病损程度及其他相关数据以及筛选结果、诊断结果、分析结果、分期结果、诊疗建议。
2.如权利要求1所述心衰疾病检测系统,其特征在于,所述生理数据获取模块包括:
心率检测单元,用于通过心率检测仪检测患者心率数据;
血压检测单元,用于通过血压计检测患者血压数据;
呼吸频率检测单元,用于通过呼吸检测仪检测患者呼吸频率。
3.如权利要求1所述心衰疾病检测系统,其特征在于,所述心衰疾病检测系统还包括:
用户端,用于患者利用智能终端查看相关心衰症状、心衰表现诊断表以及心衰诊疗建议;同时还可用于利用智能终端进行线上问诊;
医院端,用于接收患者的相关医疗问题并给予相应回复以及诊疗建议。
4.一种实施于如权利要求1-3所述心衰疾病检测系统的心衰疾病检测方法,其特征在于,所述心衰疾病检测方法包括:
步骤一,通过心率检测仪检测患者心率数据;通过血压计检测患者血压数据;通过呼吸检测仪检测患者呼吸频率;利用彩色超声诊断仪检测血管内血液流速;
步骤二,利用核素心室造影技术以及核素心肌灌注显像技术确定用户心脏左室容量、LVEF,判断用户是否存在心肌缺血或心肌梗死症状;通过超声心电图以及超声多普勒确定心腔内是否存在紊乱血流并判断心脏瓣膜病损程度与性质;
步骤三,通过分析程序对心衰患者症状进行分析,并汇总生成心衰表现诊断表;基于心衰表现诊断表通过筛选程序筛选心衰患者或具备多项心衰症状的未确诊心衰患者;
步骤四,基于获取到的相关生理数据、造影数据、血液流速以及病损程度及其他相关数据对照心衰表现诊断表确定患者是否患有心衰;基于心衰表现诊断表通过分期程序对确诊心衰的患者的心衰程度进行分期;
步骤五,基于患者的心衰程度给予不同的诊疗建议;通过存储器存储检测的生理、造影数据、血液流速、病损程度及其他相关数据以及筛选结果、诊断结果、分析结果、分期结果、诊疗建议;通过显示器显示检测的生理、造影数据、血液流速、病损程度及其他相关数据以及筛选结果、诊断结果、分析结果、分期结果、诊疗建议。
5.如权利要求4所述心衰疾病检测方法,其特征在于,步骤三中,所述患者筛选方法如下:
(1)通过筛选程序对医院内部的数据源进行采集,并获取心衰表现诊断表;
(2)提取医院内部数据源中有关心脏或生理检测相关数据,并对照心衰表现诊断表核对患者相关数据是否符合心衰表现症状,并汇总具备心衰症状的患者;
(3)判断具备多项心衰症状的患者是否有相关心衰疾病史或就心衰疾病进行过咨询或就诊;筛选未进行相关项目检测、不具备心衰史也未就心衰问题进行就诊的患者;
(4)向筛选出的患者提供心衰项目检查的建议以及日常修养建议。
6.如权利要求4所述心衰疾病检测方法,其特征在于,步骤四中,所述诊断确定方法包括:
首先,汇总获取到的相关生理数据、造影数据、血液流速以及病损程度及其他相关数据;并基于获取到的相关数据进行初步症状诊断;
其次,获取心衰表现诊断表;
然后,将诊断的症状与心衰表现诊断表中相关项进行匹配对应;
最后,根据匹配结果判断是否为心衰患者。
7.如权利要求6所述心衰疾病检测方法,其特征在于,所述将诊断的症状与心衰表现诊断表中相关项进行匹配对应包括:
采集信息中匹配正则表达式“/心衰|心力衰竭|心功能衰竭|心功能不全|心功能衰竭|扩张.{0,1}心肌病|缺血.{0,1}心肌病/”信息的患者为心衰患者;
采集信息中包含NYHA分级是3到4级信息的患者为心衰患者;将心衰患者筛选出后,对心衰患者二次分类;
在心衰患者信息中,心衰诊断中包含“急”字信息的患者为急性心衰患者。
8.如权利要求4所述心衰疾病检测方法,其特征在于,步骤四中,所述心衰分期方法如下:
1)对待测心音信号X(n)进行预处理,得到处理后的信号XT(k),n=1,2,…,N,N表示待测心音信号X(n)的采样点总个数,k=1,2,…,K,K表示处理后的信号XT(k)的采样点总个数;
2)对预处理后的信号XT(k)进行小波包分解,得到子频带小波包系数;分别对各子频带小波包系数进行重构,得到重构后的各个子频带信号Dg(k),g∈{1,2,…,m},m为子频带信号总个数;
3)将所述m个子频带信号Dg(k)构成m×K的时间幅值矩阵,然后根据奇异值分解理论,对时间幅值矩阵进行奇异值分解得到若干个奇异值并求熵,得到相应的心音奇异熵值;利用能量谱公式分别计算m个子频带信号Dg(k)的能量谱以及重构信号XT(k)的总能量谱并求熵,得到相应的心音能量熵值;利用welch功率谱估计法分别估算m个子频带信号Dg(k)的功率谱并求熵,得到m个对应的心音功率谱熵值;
4)从得到的m个心音功率谱熵值中择优选取a个心音功率谱熵值,0<a≤m;
5)将选取的a个心音功率谱熵值连同所述心音奇异熵值和心音能量熵值的集合作为待测心音信号的特征向量;
6)获取训练得到的用于心衰分期识别的支持向量机分类模型,对待测心音信号的特征向量进行分类识别,判定待测心音信号所属的心衰分期,得到心衰分期参考结果。
9.一种存储在计算机可读介质上的计算机程序产品,包括计算机可读程序,供于电子装置上执行时,提供用户输入接口以实施如权利要求4-8所述心衰疾病检测方法。
10.一种计算机可读存储介质,储存有指令,当所述指令在计算机上运行时,使得计算机执行如权利要求4-8所述心衰疾病检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010506905.1A CN111696664B (zh) | 2020-06-05 | 2020-06-05 | 一种心衰疾病检测系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010506905.1A CN111696664B (zh) | 2020-06-05 | 2020-06-05 | 一种心衰疾病检测系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111696664A CN111696664A (zh) | 2020-09-22 |
CN111696664B true CN111696664B (zh) | 2022-10-14 |
Family
ID=72479614
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010506905.1A Active CN111696664B (zh) | 2020-06-05 | 2020-06-05 | 一种心衰疾病检测系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111696664B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114639478B (zh) * | 2022-03-09 | 2023-01-10 | 曜立科技(北京)有限公司 | 一种基于心脏瓣膜病的超声监测系统 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108269614A (zh) * | 2018-03-01 | 2018-07-10 | 黄河科技学院 | 一种人工智能辅助问诊系统 |
CN110021427A (zh) * | 2019-03-29 | 2019-07-16 | 北京医鸣技术有限公司 | 一种用于对心衰患者进行自动筛选和诊疗的方法 |
-
2020
- 2020-06-05 CN CN202010506905.1A patent/CN111696664B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN111696664A (zh) | 2020-09-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20220093216A1 (en) | Discovering novel features to use in machine learning techniques, such as machine learning techniques for diagnosing medical conditions | |
US9220437B2 (en) | Diagnostic classifications of pulse signal waveform data | |
CN113727638A (zh) | 用于自动量化信号质量的方法和系统 | |
CN111095232B (zh) | 发掘用于机器学习技术中的基因组 | |
Fan et al. | Homecare-oriented intelligent long-term monitoring of blood pressure using electrocardiogram signals | |
RU2657384C2 (ru) | Способ и система неинвазивной скрининговой оценки физиологических параметров и патологий | |
EP3986261A1 (en) | Method and system to assess disease using dynamical analysis of cardiac and photoplethysmographic signals | |
WO2019077414A1 (en) | METHODS AND SYSTEMS FOR DEBRISING MAGNETIC FIELD-BASED SENSOR DATA FROM ELECTROPHYSIOLOGICAL SIGNALS | |
Chen et al. | Acute myocardial infarction detection using deep learning-enabled electrocardiograms | |
WO2023026158A1 (en) | Methods and systems for engineering conduction deviation features from biophysical signals for use in characterizing physiological systems | |
CN111696664B (zh) | 一种心衰疾病检测系统 | |
WO2020083390A1 (zh) | 获取心表大动脉的血流量的方法、装置、系统及存储介质 | |
JP5348998B2 (ja) | 画像検索装置及びその方法 | |
CN113974580A (zh) | 一种基于nirs技术的颈动脉狭窄程度分析方法 | |
Chiarugi et al. | Biomedical signal and image processing for decision support in heart failure | |
Wheed et al. | Classification of ECG Signal Using Deep Convolutional Neural Network. | |
Wheed et al. | Classification of ECG Signal Using Deep Convolutional Neural | |
CN116798596A (zh) | 一种信息关联方法、装置、电子设备和存储介质 | |
Siddiqui et al. | Artificial intelligence-based myocardial infarction diagnosis: a comprehensive review of modern techniques | |
Kuo et al. | Diagnosis of kidney insufficiency by using the pressure waveforms of wrist-type sphygmomanometers: toward a convenient point-of-care device | |
CN116798597A (zh) | 一种诊断信息推断方法、装置、电子设备和存储介质 | |
CN114360733A (zh) | 推荐信息生成方法、装置、电子设备及存储介质 | |
CN115040156A (zh) | 基人工智能的心血管疾病诊断方法、系统、设备及介质 | |
Samantaray et al. | Image Processing for Decision Support in Heart Failure | |
KR20220164365A (ko) | 심전도를 통한 고칼륨 혈증 예측 알고리즘 구축 시스템 및 이를 이용한 심전도를 통한 고칼륨 혈증 예측 알고리즘 구축 방법 |
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 |