CN111696666A - 一种基于时间编码的智能慢病管理系统 - Google Patents
一种基于时间编码的智能慢病管理系统 Download PDFInfo
- Publication number
- CN111696666A CN111696666A CN202010522772.7A CN202010522772A CN111696666A CN 111696666 A CN111696666 A CN 111696666A CN 202010522772 A CN202010522772 A CN 202010522772A CN 111696666 A CN111696666 A CN 111696666A
- Authority
- CN
- China
- Prior art keywords
- data
- chronic disease
- coding
- disease management
- management system
- 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
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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/237—Lexical tools
- G06F40/247—Thesauruses; Synonyms
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/30—Semantic analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- 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
- G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
- G16H10/20—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for electronic clinical trials or questionnaires
-
- 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
- G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
- G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
-
- 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
- G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
- G16H20/10—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to drugs or medications, e.g. for ensuring correct administration to patients
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Public Health (AREA)
- Medical Informatics (AREA)
- General Physics & Mathematics (AREA)
- Primary Health Care (AREA)
- Artificial Intelligence (AREA)
- Computational Linguistics (AREA)
- Epidemiology (AREA)
- Biomedical Technology (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Computing Systems (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Biophysics (AREA)
- Software Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Mathematical Physics (AREA)
- Molecular Biology (AREA)
- Evolutionary Computation (AREA)
- Medicinal Chemistry (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Chemical & Material Sciences (AREA)
- Databases & Information Systems (AREA)
- Pathology (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
本发明提供了一种基于时间编码的智能慢病管理系统,包括:临床数据采集模块、数据学习分析模块、用户时间编码库模块、智能慢病管理模块,通过临床数据采集模块采集临床数据,利用数据学习分析模块将临床数据分析、归总关键信息后呈现在用户时间编码上,通过智能慢病管理模块与用户时间编码的结合,既按照既定的管理方案进行,又根据临床数据的变化作临时调整,并及时发出通知。
Description
技术领域
本发明涉及医疗数据分析应用软件系统,特别涉及一种基于时间编码的智能慢病管理系统。
背景技术
慢性非传染性疾病指长期的,不能自愈的,几乎不能被治愈的疾病。本规范所涉及的慢病重点是指那些发病率、致残率、死亡率高和医疗费用昂贵的,并有明确预防措施的疾病。现今的慢性非传染性疾病主要指高血压、糖尿病或冠心病这样的慢性非传染性疾病。慢病的治疗通常持续时间长,用户需要长期住院,或者长期往返于家和医院之间,从而占用了用户大量的时间,给用户造成不便。并且,目前慢性病管理系统针对用户在医院诊疗后处于康复期或观察期间的日常检查项目没有及时监控,即无法自动监管用户是否按照计划完成对用户的日常检查和自我执行慢病管理方案,从而有可能导致用户的病情延误,治疗期限延长,得不到有效的治疗效果,而无法使用户完全得到康复。
另外在信息化高度发展的今天,慢性非传染性疾病的医疗知识容易获得,在这样的触手可及的医疗知识的条件下,但尚无针对用户个体进行自动信息采集、智能分析、诊疗信息推送的技术方法。对于医生而言,在日常工作中接诊用户,需要手工翻阅用户的化验、影像、病历、个体特征这样的就诊数据来比对参考值,尚无对用户数据进行自动抓取的技术手段;尚无针对不同疾病类型进行特征性抓取相关数据的技术。
现有慢病管理方法一般采用电脑程序提醒,仅仅按病种的临床路径进行慢病管理,对于用户身体发生的变化并不作监控,无法及时调整慢病管理的方案,达不到个性化治疗的效果。
发明内容
为了解决上述问题,本发明提供了一种基于时间编码的智能慢病管理系统,旨在解决现有技术中存在无法对用户身体发生变化做到实时监控,无法及时调整慢病管理的方案,达不到个性化治疗的效果的问题。
本发明本采用对临床数据的提取、转换、加载的方式,为每一个用户建立专属的用户时间编码,时间编码上任何的变化包括检查结果、化验报告、用药记录、原始影像数据智能检测结果都会被综合起来,提示用户健康状态的变化,调整用户方案,按病情变化给出干预的建议。
为了达到上述目的,本发明提供以下技术方案:
一种基于时间编码的智能慢病管理系统,包括:临床数据采集模块、数据学习分析模块、用户时间编码库模块、智能慢病管理模块;所述临床数据采集模块采集临床数据后传输至所述数据学习分析模块,经过所述数据学习分析模块的分析将所述临床数据中关键信息呈现在用户时间编码上,所述智能慢病管理模块将旧方案和所述用户时间编码相结合给出新的方案;
所述临床数据采集模块与医院内的医院信息系统、放射信息管理系统、实验室信息管理系统相对接,所述临床数据可以同步到云和/或仅仅是读取记录所述临床数据中的关键信息;所述数据学习分析模块,对所述临床数据进行分析得到关键信息,其中,对文字性信息使用智能语义识别;对影像检查数据使用智能检测;对检验数据直接转换;所述用户时间编码库模块由用户时间编码组成;每一条所述用户时间编码对应一个用户,所述用户时间编码以图表的形式展示;所述智能慢病管理模块是将慢病管理旧方案和用户时间编码相结合,根据临床数据的变化而形成的新的慢病管理方案。
优选地,所述临床数据是由前置服务器采集,其中,所述医院信息系统内为电子病历数据,所述放射信息管理系统内为影像检查数据,所述实验室信息管理系统内为检验数据。
优选地,所述数据学习分析模块是将人类使用的语言、观察的影像、检验的结果值信息,转换为机器能够看懂的数字编码;其中,对所述文字性信息通过双向语义识别编码算法将其中的关键词进行语义识别,找到标准库内的近义词,并将近义词通过向量编码进行转换以所述数字编码的格式存储在计算机内部;所述影像检查数据通过卷积神经网络算法来提取病灶信息,所述病灶信息通过所述向量编码进行转换后以所述数字编码的格式存储在计算机内部。
进一步,所述用户时间编码上的每个时间点的诊疗信息在计算机内部以所述数字编码的格式记录,在计算机外部通过图表方式展示给人眼阅读。
进一步, 所述用户时间编码按时间的顺序进行排列。
进一步,所述用户时间编码与院内信息同步。
进一步,在所述用户时间编码基础上,根据临床数据的变化,参考临床路径,给出调整的建议,经确认执行后形成新方案。
进一步,所述新方案通过所述智能慢病管理模块通知用户和医生。
本发明通过对用户在医院的临床数据包括电子病历、影像类检查、化学检验、用药等信息的采集或读取,通过语义识别和智能影像检测等算法提取关键词并进行编码转换,生成用户时间编码库。按时间顺序把关键信息整合成为用户时间编码。在用户时间编码基础上,根据用户本身疾病和身体状况发生的变化,参考慢病管理的临床路径,给出调整的建议,执行后形成新的个性化慢病管理方案,达到动态个性化管理的效果。本发明可管理的慢病包含高血压、心脏病、糖尿病、慢性肾病、肿瘤术后管理等。
对比现有技术,本发明具有以下几点有益效果:
1.现有技术的常规人工干预式慢病管理具有建卡、查询等工作量大的缺点,本发明基于用户时间编码的智能慢病管理工作量小,能够随时获得结果;
2.现有技术的常规人工干预式慢病管理仅仅参考部分数据,使得到的结果不够准确,慢病管理方案不够全面,本发明基于用户时间编码的智能慢病管理能够得到所有参考数据,可以获得全面、准确的慢病管理方案;
3.现有技术的常规人工干预式慢病管理提醒方式通常为固定程序,不够及时,本发明基于用户时间编码的智能慢病管理提醒能够智能调整;
4.现有技术的常规人工干预式慢病管理的管理效果比较死板,不够灵活应用,本发明基于用户时间编码的智能慢病管理能智能适应性管理,更加个性化。
附图说明
图1为本发明一种基于时间编码的智能慢病管理系统的模块示意图;
图2为发明一种基于时间编码的智能慢病管理系统的流程示意图;
图3为本发明一种基于时间编码的智能慢病管理系统的时间编码示意图;
附图标记:电子病历数据1、影像检查数据2、检验数据3、语义识别算法4、ICD10 疾病诊断编码库5、SNOWMED CT 临床医学术语编码库6、影像智能检测7、LOINC 指标标识符逻辑命名与编码库8、向量编码9、用户时间编码库10、智能慢病管理11、医生12、用户13。
具体实施方式
为使本发明要解决的技术问题、技术方案和优点更加清楚,下面将结合附图及具体实施例进行详细描述。在下面的描述中,提供诸如具体的配置和组件的特征细节仅仅是为了帮助全面理解本发明的实施例。因此,本领域技术人员应该清楚,可以对这里描述的实施例进行各种改变和修改而不脱离本发明的范围和精神。另外,为了清楚和简洁,省略了对已知功能和构造的描述。
应理解,说明书通篇中提到的“一个实施例”或“一实施例”意味着与实施例有关的特定特征、结构或特性包括在本发明的至少一个实施例中。因此,在整个说明书各处出现的“在一个实施例中”或“在一实施例中”未必一定指相同的实施例。此外,这些特定的特征、结构或特性可以任意适合的方式结合在一个或多个实施例中。
在本发明的各种实施例中,应理解,下述各过程的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本发明实施例的实施过程构成任何限定。
应理解,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。
在本申请所提供的实施例中,应理解,“与A 相应的B”表示B与A相关联,根据A可以确定B。但还应理解,根据A确定B并不意味着仅仅根据A确定B,还可以根据A和/或其它信息确定B。
实施例一:
首先,参考图1一种基于时间编码的智能慢病管理系统的结构示意图,如图1所示,本发明包括四个模块:临床数据采集模块、数据学习分析模块、用户时间编码库模块、智能慢病管理模块,通过采集临床数据,利用机器学习系统进行数据的分析,并将其中的关键信息进行归总,归总后的关键信息呈现在用户时间编码上,用户时间编码上具有用户身体变化的情况,经过智能慢病管理模块,依据用户的历史管理方案,加上用户身体状况的变化因素,智能给出调整的建议,动态制定用户的个性化慢病管理方案。
以下对每个模块进行分析:
参考图2一种基于时间编码的智能慢病管理系统的流程示意图,
临床数据采集模块包括电子病历数据采集、影像检查数据采集、检验数据采集,其中,电子病历数据从医院信息系统采集;影像检查数据从放射信息管理系统采集;检验数据从实验室信息管理系统采集;临床数据可以同步到云和/或仅仅是读取记录所述临床数据中的关键信息;
数据学习分析模块包括语义识别算法、ICD10疾病诊断编码库、SNOWMED CT临床医学术语编码库、影像智能检测、LOINC指标标识符逻辑命名与编码库、向量编码;对临床数据进行分析得到关键信息,其中,对文字性信息使用智能语义识别;对影像检查数据使用智能检测;对检验数据直接转换;
用户时间编码模块是将电子病历数据的关键信息、影像检查数据的关键信息、检验数据的关键信息按照时间的顺序图表方式展示;
智能慢病管理模块是在所述用户时间编码基础上,根据用户本身疾病和身体状况发生的变化,参考慢病管理的临床路径,给出调整的建议,经确认执行后形成新的个性化慢病管理方案,达到动态个性化管理的效果,并且将新的个性化慢病管理方案通过所述智能慢病管理模块通知用户。
根据图2所示,电子病历数据中文字信息采用所述语义识别算法后通过向量编码将电子病历数据中文字信息的关键信息呈现在用户时间编码上;
电子病历中一部分数据经过ICD10疾病诊断编码库后将其中关键信息直接呈现在用户时间编码上;
电子病历中一部分数据经过所述SNOWMED CT临床医学术语编码库将其中关键信息直接呈现在用户时间编码上;
影像检查数据采用影像智能检测后通过向量编码将影像检查数据的关键信息呈现在用户时间编码上;
检验数据经过所述LOINC指标标识符逻辑命名与编码库后将检验数据关键信息直接呈现在用户时间编码上。
进一步说明,本发明采用语义识别算法中的双向语义识别编码算法,将电子病历中的中文信息中关于疾病的信息提取,进一步提取关于疾病的关键词,将关键词进行语义识别,找到标准库内的近义词,并进行近义词向量编码转换后以数字编码的形式存储在计算机内部,以图表的形式在计算机外部展示给人阅读。本发明影像智能检测是采用卷积神经网络算法来提取影像检查数据中的病灶信息。卷积神经网络算法可以精准识别病灶信息,识别后的病灶信息进行向量编码转换后以数字编码的形式存储在计算机内部,以图表的形式在计算机外部展示给人阅读。
进一步说明,用户时间编码在计算机内部以数字编码的格式记录,例如:“201912201930(时间) ConceptID 22298006, DescriptionID 37442013(内容:心肌梗阻)以及ConceptID 734471009(用药:氯吡格雷)”这样的数字,链式存储于机器学习数据库。时间编码可检索、可回溯。
如图3所示,用户时间编码在计算机外部是以图表的形式展示,计算机读取内存的数字编码后展示给人看,“以用户入院时间为时间零点,在用户入院前11时42分时,对用户使用乙二醇化菲格司亭;在用户入院前3时23分,时间编码上显示护理流程表NUR RSBRADEN 比例标准:22;在用户入院前2时42分,对用户进行药物治疗万古霉表甲硝䂳;在用户入院后3时33分,给出医生报告,用户存在转移性乳腺癌,R肺恶性积液和R肺脓肿的PMH表现为R肺胸膜引流增加;在用户入院治疗7时38分,在用户时间编码上显示放射学报告CT胸部腹部骨盆,报告结果:胸肺和胸膜,重新显示中度左侧胸腔积液,间隔切除右胸管内的位置右侧胸腔积液,其中包含空气灶,影响,疾病在胸部和腹部的间隔发展;在入院治疗后的22时47分,肺咨询说明胸膜腔复杂,需要IR指导,CT扫描显示,与日期相比,R上的渗出液体增多”,能够准确获取用户身体变化情况。
其中,“-11时42分时,乙二醇化菲格司亭”“-2时42分,万古霉表甲硝䂳”是检验及用药数据,是通过LOINC指标标识符逻辑命名与编码库8后将其中关键信息呈现在用户时间编码10上;“-3时23分,护理流程表NUR RS BRADEN 比例标准:22”是电子病历数据的文字信息部分,是通过语义识别算法4识别后通过向量编码呈现在用户时间编码10上;“+3时33分,给出医生报告,用户存在转移性乳腺癌,R肺恶性积液和R肺脓肿的PMH表现为R肺胸膜引流增加”,电子病历中的部分数据通过ICD10疾病诊断编码库和SNOWMED CT临床医学术语编码库后直接呈现在用户时间编码10上“+7时38分,放射学报告CT胸部腹部骨盆,报告结果:胸肺和胸膜,重新显示中度左侧胸腔积液,间隔切除右胸管内的位置右侧胸腔积液,其中包含空气灶,影响,疾病在胸部和腹部的间隔发展”“+22时47分,肺咨询说明胸膜腔复杂,需要IR指导,CT扫描显示,与日期相比,R上的渗出液体增多”,是影像检查数据,利用影像智能检测后通过向量编码呈现在用户时间编码上。
将用户个性化慢病管理方案和用户时间编码相结合,既按照既定的管理方案进行,又根据临床数据的变化作临时调整,并向医生和用户发出通知。例如,用户体检拍摄胸片,提示心影增大,智能慢病管理根据时间编码上增加的“心影肥大”关键词,并与历史检查结果比对,机器分析得出高血压没有控制好致使心脏压力增大的结果,向医生给出提示,建议增加药量或者更换高血压药,同时建议做心血管 CT 检查,检测心梗风险。
本发明的临床数据由前置服务器采集,通过临床数据采集获取的符合标准的疾病诊断、检验指标、临床术语等信息直接转换为编码,而数据采集的核心在于非标准语言转换和影像的智能检测结果转换。本发明双向语义识别编码算法将关键词进行语义识别,找到标准库内的近义词,并进行近义词编码转换。
影像包括X光和CT图像等,包含了隐藏的疾病信息,本发明使用卷积神经网络算法来提取病灶信息,可以精准识别病灶。
所有的临床数据集成以及向量编码转换后存储在用户时间编码库里。用户时间编码记录着所有临床信息的变化。用户时间编码可以说是语义识别、影像智能检测以及标准编码的结合。用户时间编码需要按一定周期与院内信息同步。
经过慢病智能管理模块,依据用户的历史管理方案,加上用户身体状况的变化因素,智能给出调整的建议,动态制定用户的个性化慢病管理方案。
最后应该说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前叙述实施对本发明进行了详细的说明,本领域的技术人员应当理解,其依然可以对前述实施例所记载的技术方案进行修改,或者对其中部分技术特征进行同等替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神与范围。
Claims (8)
1.一种基于时间编码的智能慢病管理系统,其特征在于,包括:临床数据采集模块、数据学习分析模块、用户时间编码库模块、智能慢病管理模块;所述临床数据采集模块采集临床数据后传输至所述数据学习分析模块,经过所述数据学习分析模块的分析将所述临床数据中关键信息呈现在用户时间编码上,所述智能慢病管理模块将旧方案和所述用户时间编码相结合给出新的方案;
所述临床数据采集模块与医院内的医院信息系统、放射信息管理系统、实验室信息管理系统相对接,所述临床数据可以同步到云和/或仅仅是读取记录所述临床数据中的关键信息;
所述数据学习分析模块,对所述临床数据进行分析得到关键信息,其中,对文字性信息使用智能语义识别;对影像检查数据使用智能检测;对检验数据直接转换;
所述用户时间编码库模块由用户时间编码组成,所述用户时间编码以图表的形式展示;
所述智能慢病管理模块,将旧方案和所述用户时间编码相结合,根据所述临床数据的变化而改变的新方案。
2.根据权利要求1所述的一种基于时间编码的智能慢病管理系统,其特征在于,所述临床数据是由前置服务器采集,其中,所述医院信息系统内为电子病历数据,所述放射信息管理系统内为影像检查数据,所述实验室信息管理系统内为检验数据。
3.根据权利要求1所述的一种基于时间编码的智能慢病管理系统,其特征在于,所述数据学习分析模块是将人类使用的语言、观察的影像、检验的结果值信息,转换为机器能够看懂的数字编码;
其中,对所述文字性信息通过双向语义识别编码算法将其中的关键词进行语义识别,找到标准库内的近义词,并将近义词通过向量编码进行转换以所述数字编码的格式存储在计算机内部;
所述影像检查数据通过卷积神经网络算法来提取病灶信息,所述病灶信息通过所述向量编码进行转换后以所述数字编码的格式存储在计算机内部。
4.根据权利要求3所述的一种基于时间编码的智能慢病管理系统,其特征在于,所述用户时间编码上的每个时间点的诊疗信息在计算机内部以所述数字编码的格式记录,在计算机外部通过图表方式展示给人眼阅读。
5.根据权利要求4所述的一种基于时间编码的智能慢病管理系统,其特征在于,所述用户时间编码按时间的顺序进行排列。
6.根据权利要求5所述的一种基于时间编码的智能慢病管理系统,其特征在于,所述用户时间编码与医院内所述临床数据同步。
7.根据权利要求6所述的一种基于时间编码的智能慢病管理系统,其特征在于,在所述用户时间编码基础上,根据所述临床数据的变化,参考临床路径,给出调整的建议,经确认执行后形成所述新方案。
8.根据权利要求7所述的一种基于时间编码的智能慢病管理系统,其特征在于,所述新方案通过所述智能慢病管理模块通知用户和医生。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010522772.7A CN111696666A (zh) | 2020-06-10 | 2020-06-10 | 一种基于时间编码的智能慢病管理系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010522772.7A CN111696666A (zh) | 2020-06-10 | 2020-06-10 | 一种基于时间编码的智能慢病管理系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111696666A true CN111696666A (zh) | 2020-09-22 |
Family
ID=72480073
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010522772.7A Pending CN111696666A (zh) | 2020-06-10 | 2020-06-10 | 一种基于时间编码的智能慢病管理系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111696666A (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105160199A (zh) * | 2015-09-30 | 2015-12-16 | 刘毅 | 基于持续血糖监测并具有干预信息的糖尿病管理信息处理和展示方法 |
CN108538395A (zh) * | 2018-04-02 | 2018-09-14 | 上海市儿童医院 | 一种通用的医疗专病数据系统的构建方法 |
CN109599177A (zh) * | 2018-11-27 | 2019-04-09 | 华侨大学 | 一种基于病历的深度学习预测医疗轨迹的方法 |
CN109830303A (zh) * | 2019-02-01 | 2019-05-31 | 上海众恒信息产业股份有限公司 | 基于互联网一体化医疗平台的临床数据挖掘分析与辅助决策方法 |
CN109902112A (zh) * | 2019-01-24 | 2019-06-18 | 西安交通大学 | 一种基于时间轴的电子病历可视化方法及可视化系统 |
CN110880362A (zh) * | 2019-11-12 | 2020-03-13 | 南京航空航天大学 | 一种大规模医疗数据知识挖掘与治疗方案推荐系统 |
-
2020
- 2020-06-10 CN CN202010522772.7A patent/CN111696666A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105160199A (zh) * | 2015-09-30 | 2015-12-16 | 刘毅 | 基于持续血糖监测并具有干预信息的糖尿病管理信息处理和展示方法 |
CN108538395A (zh) * | 2018-04-02 | 2018-09-14 | 上海市儿童医院 | 一种通用的医疗专病数据系统的构建方法 |
CN109599177A (zh) * | 2018-11-27 | 2019-04-09 | 华侨大学 | 一种基于病历的深度学习预测医疗轨迹的方法 |
CN109902112A (zh) * | 2019-01-24 | 2019-06-18 | 西安交通大学 | 一种基于时间轴的电子病历可视化方法及可视化系统 |
CN109830303A (zh) * | 2019-02-01 | 2019-05-31 | 上海众恒信息产业股份有限公司 | 基于互联网一体化医疗平台的临床数据挖掘分析与辅助决策方法 |
CN110880362A (zh) * | 2019-11-12 | 2020-03-13 | 南京航空航天大学 | 一种大规模医疗数据知识挖掘与治疗方案推荐系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110335665B (zh) | 一种应用于医学图像辅助诊断分析的以图搜图方法及系统 | |
CN112712879B (zh) | 医学影像报告的信息提取方法、装置、设备及存储介质 | |
CN102915400B (zh) | 用于计算机支持地显示或分析医学检查数据的方法和装置 | |
US10722210B2 (en) | Method for memorable image generation for anonymized three-dimensional medical image workflows | |
US10210310B2 (en) | Picture archiving system with text-image linking based on text recognition | |
CA2465706A1 (en) | Patient data mining | |
JP2015524107A (ja) | 患者情報を臨床基準にマッチングするシステム及び方法 | |
US7418120B2 (en) | Method and system for structuring dynamic data | |
EP1955237A2 (en) | System and method for anatomy labeling on a pacs | |
US20170262584A1 (en) | Method for automatically generating representations of imaging data and interactive visual imaging reports (ivir) | |
US20140046694A1 (en) | Systems and methods for synoptic element structured reporting | |
US20130322710A1 (en) | Systems and methods for computer aided detection using pixel intensity values | |
CN111696665A (zh) | 一种基于时间编码的辅助决策系统 | |
Karako et al. | New possibilities for medical support systems utilizing artificial intelligence (AI) and data platforms | |
CN116844733B (zh) | 一种基于人工智能的医疗数据完整性分析方法 | |
CN112397178A (zh) | 一种基于人工智能的医学影像分类处理系统 | |
CN111696666A (zh) | 一种基于时间编码的智能慢病管理系统 | |
JP2008253551A (ja) | 読影レポート検索装置 | |
CN111370081A (zh) | 一种以时间编码方式的人工智能数据归集方法 | |
Eldem et al. | Encoder–decoder semantic segmentation models for pressure wound images | |
CN111739639A (zh) | 一种基于时间编码的围手术期并发症的数据预测系统 | |
WO2022141929A1 (zh) | 一种健康自测系统、服务器及健康检测系统 | |
CN114359194A (zh) | 基于改进U-Net网络的多模态脑卒中梗死区域图像处理方法 | |
CN114121213A (zh) | 麻醉用药信息复核方法、装置、电子设备及存储介质 | |
Ogungbe et al. | Design and Implementation of Diagnosis System for Cardiomegaly from Clinical Chest X-ray Reports |
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: 20200922 |
|
RJ01 | Rejection of invention patent application after publication |