CN111710396A - 一种医联体内白内障患者的控制系统与方法 - Google Patents
一种医联体内白内障患者的控制系统与方法 Download PDFInfo
- Publication number
- CN111710396A CN111710396A CN202010503397.1A CN202010503397A CN111710396A CN 111710396 A CN111710396 A CN 111710396A CN 202010503397 A CN202010503397 A CN 202010503397A CN 111710396 A CN111710396 A CN 111710396A
- Authority
- CN
- China
- Prior art keywords
- patient
- diagnosis
- module
- database
- doctor
- 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
- 208000002177 Cataract Diseases 0.000 title claims abstract description 100
- 238000000034 method Methods 0.000 title claims abstract description 28
- 238000003745 diagnosis Methods 0.000 claims abstract description 252
- 238000007726 management method Methods 0.000 claims abstract description 137
- 238000003384 imaging method Methods 0.000 claims abstract description 67
- 238000012216 screening Methods 0.000 claims abstract description 61
- 238000013523 data management Methods 0.000 claims abstract description 14
- 230000003993 interaction Effects 0.000 claims abstract description 10
- 238000003032 molecular docking Methods 0.000 claims abstract description 8
- 238000013135 deep learning Methods 0.000 claims description 16
- 238000004891 communication Methods 0.000 claims description 12
- 238000013475 authorization Methods 0.000 claims description 11
- 238000012550 audit Methods 0.000 claims description 9
- 238000012986 modification Methods 0.000 claims description 4
- 230000004048 modification Effects 0.000 claims description 4
- 201000010099 disease Diseases 0.000 description 20
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 20
- 230000036541 health Effects 0.000 description 15
- 238000012549 training Methods 0.000 description 15
- 238000012545 processing Methods 0.000 description 13
- 238000012552 review Methods 0.000 description 13
- 238000001356 surgical procedure Methods 0.000 description 13
- 238000003062 neural network model Methods 0.000 description 10
- 206010036346 Posterior capsule opacification Diseases 0.000 description 5
- 230000002457 bidirectional effect Effects 0.000 description 5
- 230000000694 effects Effects 0.000 description 5
- 238000012795 verification Methods 0.000 description 4
- 238000012790 confirmation Methods 0.000 description 3
- 239000003814 drug Substances 0.000 description 3
- 238000002372 labelling Methods 0.000 description 3
- 239000002699 waste material Substances 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000003902 lesion Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 230000007170 pathology Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000004171 remote diagnosis Methods 0.000 description 2
- 238000002560 therapeutic procedure Methods 0.000 description 2
- 239000008280 blood Substances 0.000 description 1
- 210000004369 blood Anatomy 0.000 description 1
- 230000036772 blood pressure Effects 0.000 description 1
- 210000004204 blood vessel Anatomy 0.000 description 1
- 239000002775 capsule Substances 0.000 description 1
- 230000001054 cortical effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 208000030533 eye disease Diseases 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 210000003733 optic disk Anatomy 0.000 description 1
- 210000001328 optic nerve Anatomy 0.000 description 1
- 230000036285 pathological change Effects 0.000 description 1
- 231100000915 pathological change Toxicity 0.000 description 1
- 210000001525 retina Anatomy 0.000 description 1
- 238000004092 self-diagnosis Methods 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
- G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
- G16H40/20—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the management or administration of healthcare resources or facilities, e.g. managing hospital staff or surgery rooms
-
- 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
- G16H80/00—ICT specially adapted for facilitating communication between medical practitioners or patients, e.g. for collaborative diagnosis, therapy or health monitoring
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Business, Economics & Management (AREA)
- General Business, Economics & Management (AREA)
- Biomedical Technology (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Public Health (AREA)
- Pathology (AREA)
- Eye Examination Apparatus (AREA)
Abstract
本发明公开了一种医联体内白内障患者的控制系统与方法，一种医联体内白内障患者的控制系统包含白内障管理云平台、患者服务端、专家服务端、基层医院服务端，白内障管理云平台分别与患者服务端、专家服务端、基层医院服务端创建连接实现数据交互；白内障管理云平台包含医患管理服务引擎、筛查模块、HIS对接模块、数据库；基层医院服务端包含眼底检查管理模块以及用于摄制患者的眼底成像照片的数码裂隙灯装置；专家服务端包含专家诊断模块、专家诊断数据管理模块；患者服务端包含登录模块、信息管理模块、咨询模块；一种医联体内白内障患者的管理方法包含步骤1：患者初诊或白内障筛查；步骤2：智能诊断；步骤3：医生干预。
Description
技术领域
本发明涉及医联体内患者的控制系统与方法，具体涉及一种医联体内白内障患者的控制系统与方法。
背景技术
据统计，2016年中国老龄化人口（>65岁）比例达10.8%，预计2050年我国60岁以上人口将超过4亿，而白内障是老年人群发病率很高的眼病，据中华医学会眼科学分会统计，我国60岁到89岁的人群中白内障发病率是80%，而90岁以上的人群中白内障发病率达到90%以，针对大量老年患者的白内障筛查工作是一项巨大的工程，但我国目前很多一线基层医院并没有能力独立开展白内障筛查诊断工作，专业的眼科医生大多在三甲医院，如果由他们来直接面对数量庞大的白内障患者将造成医疗资源的极大浪费；
申请号201611270185.3的发明专利多光谱眼底成像远程诊疗系统及其运行方法提供一种多光谱眼底成像远程诊疗系统，通过引入初级人工诊断模块、专家诊断模块和一系列诊断处理规则，可以减少对专业医护资源的浪费且医务人员分配不合理的问题；
申请号201910259721.7的发明专利一种眼底病监测系统通过引入血压和血糖参数，结合眼底图片实现眼底病的监测；
申请号201510101032.5的发明专利基于互联网的眼健康云数据平台借助先进的DSR眼底相机和服务平台，可以让患者进行自诊，也可以通过平台和医生进行问诊；
类似上述三个专利，目前的专利都通过特定的方式来实现一些辅助诊断功能以减少对专业医务人员的依赖，但类似专列辅助诊断的方式都是通过当前患者的眼底图像和标准图片库图像做对比，对标准图片库的要求非常高，并且都没有涉及对患者后续的相关管理和服务；
对于白内障诊断最直观的方法是获取一张清晰完整的眼底图像，对该图像进行医学专业诊断即可获得白内障诊断结果，目前针对白内障最有效的治疗方式是手术治疗，同时做好术后患教和复诊检查，所以研究一种切实可行的老年白内障患者的诊断、治疗、患教、复诊全流程的控制系统和方法具有十分重要的价值。
发明内容
本发明要解决的技术问题是目前白内障在老年人群中的发病率很高，针对大量老年患者的白内障筛查工作是一项巨大的工程，我国目前很多一线基层医院并没有能力独立开展白内障筛查诊断工作，专业的眼科医生大多在三甲医院，如果由三甲医院来直接面对数量庞大的白内障患者，将造成医疗资源的极大浪费，本发明提供一种医联体内白内障患者的控制系统，能够1.基于深度学习算法的筛查模块能够在大人群量筛查时大大减轻医生的工作量，采用具有深度学习算法的筛查模块进行白内障筛查，只需要白内障浑浊分级的图片标注信息即可，从而大大减少了问题的难度，而且还可能挖掘出新的疾病知识，若对该疾病的认识有了新的突破或者遇到很难识别的图片，只需要根据新标注的图片重新训练神经网络模型即可，可以大大减少对标准图片库构建所需的时间、人力和经济花费，同时可以提高智能诊断筛查的准确性，尤其是能提高适用性；
同时，专家医生对所有检查图片的诊断结果都会作为ground truth加入到训练集，通过对训练样本的选择和加权处理，重新训练以更新深度神经网络模型，特别对于智能诊断和专家诊断结果不一致的图片样本，在进行加权处理时，给予它们更高的权重，让模型着重去学习，即进行困难样本学习，这样随着智能诊断系统的不断运行和更新迭代，辅助诊断的精度会不断提高并最终维持在一个很高的水平；
2.实现患者自动化患教和复诊，白内障手术后定期复查是很关键的，用药也很严格，需要听从医生建议，本方案采用信息管理模块接收信息实现自动化的患教和负责提醒，医生对患者的患教、复诊等管理；医患管理服务引擎可以从患者属性、白内障等级和类型、就诊时间、诊断和处方等维度筛选患者，启动自动化患者教育、随访复诊、医患沟通、手术安排，即医生只需设定好规则并编辑保存触达患者的内容，所有内容都会根据医生设定的规则自动发送到患者端信息管理模块。并且医患管理服务引擎可以随着时间推移自动将符合条件的患者纳入到自动化患教和复诊干预的用户组内，无需医生再次干预，即可实现自动化的患者干预。可以提升干预服务覆盖范围，实现精细化管理，同时节省医生大量的时间；
3.本方案充分结合医联体内基层医院和医生数量众多和上级专家资源优势，通过分级诊疗、双向转诊模式，促进分工协作，最大化发挥医疗资源价值，用以解决现有技术导致的缺陷。
本发明还提供一种医联体内白内障患者的管理方法。
为解决上述技术问题本发明提供以下的技术方案：
第一方面，一种医联体内白内障患者的控制系统，其中，包含白内障管理云平台、患者服务端、专家服务端、基层医院服务端，所述白内障管理云平台分别与所述患者服务端、所述专家服务端、所述基层医院服务端创建连接实现数据交互；
所述白内障管理云平台包含医患管理服务引擎、筛查模块、HIS对接模块、数据库；
所述基层医院服务端包含眼底检查管理模块以及用于摄制患者的眼底成像照片的数码裂隙灯装置，所述基层医院服务端的医生通过患者的所述眼底成像照片进行诊断并上传初步诊断结果，所述基层医院服务端的医生上传患者个人信息数据，所述眼底检查管理模块存储并将所述初步诊断结果、所述眼底成像照片、所述患者个人信息数据传输至所述数据库；
所述专家服务端包含专家诊断模块、专家诊断数据管理模块，所述专家诊断数据管理模块用于从所述数据库内获取所述初步诊断结果、所述眼底成像照片、所述患者个人信息数据，所述专家诊断模块用于存储专家查看所述初步诊断结果与所述眼底成像照片后上传诊断建议或审核意见，还用于将所述诊断建议或审核意见传输至所述专家诊断数据管理模块与所述数据库；
所述患者服务端包含登录模块、信息管理模块、咨询模块，所述登录模块用于患者登录，所述信息管理模块用于从所述数据库内接收并存储所述眼底成像照片、所述初步诊断结果、所述诊断建议或审核意见、所述患者个人信息数据，所述咨询模块用于患者与专家或医生进行在线咨询；
所述筛查模块用于依据所述眼底成像照片生成传输至所述数据库的辅助诊断结果，可以辅助基层医生开展工作并大大降低医生工作量；
目前现有的诊断方法通常是把拍摄的图片标准化归一化后和标准库的图片进行对比匹配，诊断准确性和适用性严重依赖标准图片库的建立，而标准库图片的建立需要很强的领域专业知识，在实际构建过程中会产生较高的人力、时间和经济成本；此外，不同专家或专家群体对于同一个图片的诊断或分级可能不完全一致，这样在图片标准库的构建中会引入人为偏差；另一方面，随着技术的发展和医疗水平的进步，同一个疾病问题的认识可能也会发生变化，这种情况下，标准图片库就需要改动甚至重新构建，这又会产生新一轮的花费；
采用具有深度学习算法的所述筛查模块进行白内障筛查，只需要白内障浑浊分级的图片标注信息即可，从而大大减少了问题的难度，而且还可能挖掘出新的疾病知识，若对该疾病的认识有了新的突破或者遇到很难识别的图片，只需要根据新标注的图片重新训练神经网络模型即可，可以大大减少对标准图片库构建所需的时间、人力和经济花费，同时可以提高智能诊断筛查的准确性，尤其是能提高适用性；
同时，专家医生对所有检查图片的诊断结果都会作为ground truth加入到训练集，通过对训练样本的选择和加权处理，重新训练以更新深度神经网络模型，特别对于智能诊断和专家诊断结果不一致的图片样本，在进行加权处理时，给予它们更高的权重，让模型着重去学习，即进行困难样本学习，这样随着智能诊断系统的不断运行和更新迭代，辅助诊断的精度会不断提高并最终维持在一个很高的水平；
所述HIS对接模块用于将所述数据库与医院HIS内相关数据进行连接实现数据交互；
所述医患管理服务引擎分别与所述信息管理模块、所述数据库连接用于自动化患者教育、随访复诊、医患沟通、手术安排；医患管理服务引擎可以从患者属性、白内障等级和类型、就诊时间、诊断和处方等维度筛选患者，启动自动化患者教育、随访复诊、医患沟通、手术安排，即医生只需设定好规则并编辑保存触达患者的内容，所有内容都会根据医生设定的规则自动发送到患者端信息管理模块；并且医患管理服务引擎可以随着时间推移自动将符合条件的患者纳入到自动化患教和复诊干预的用户组内，无需医生再次干预，即可实现自动化的患者干预。可以提升干预服务覆盖范围，实现精细化管理，同时节省医生大量的时间。
上述的一种医联体内白内障患者的控制系统，其中，所述患者服务端还包含患者授权管理模块，所述患者授权管理模块用于患者授权其亲属进行所述患者服务端的管理，当老年患者不具备自行管理使用所述患者服务端进行健康管理时，其子女或亲友进入所述患者服务端的患者授权管理模块后，通过患者就诊时姓名、身份证号、手机号及验证码信息，完成身份验证授权后，可以辅助老年患者进行健康管理服务，一个子女或亲友可以和多个授权过的老年患者进行绑定管理。
上述的一种医联体内白内障患者的控制系统，其中，所述登录模块包含二维码扫描模块，所述患者通过扫描二维码进行登录并查看所述眼底成像照片、所述初步诊断结果、所述诊断建议或审核意见、所述患者个人信息数据，所述登录模块，所述患者服务端为小程序或网页或APP，患者通过扫描二维码进行登录，绑定身份信息后便能够查看自己的眼底成像照片、初步诊断结果、诊断建议或审核意见、患者个人信息数据等；
所述信息管理模块还用于接收医生或医院发送的患教信息、复诊安排信息；
白内障手术后定期复查是很关键的，用药也很严格，需要听从医生建议，白内障患者手术后一般要3个月才能保持相对稳定状态，因此白内障手术后的复诊很关键，目前针对眼底疾病的专利很少涉及复诊管理的内容，由于患者数量众多，医生资源不足，要实现患者的复诊提醒，需要花费大量的医务人员时间，本方案采用信息管理模块接收信息实现自动化的患教和负责提醒，医生对患者的患教、复诊等管理，医患管理服务引擎可以从患者属性、白内障等级和类型、就诊时间、诊断和处方等维度筛选患者，启动自动化患者教育、随访复诊、医患沟通、手术安排，即医生只需设定好规则并编辑保存触达患者的内容，所有内容都会根据医生设定的规则自动发送到患者端，可以提升服务覆盖范围，更实现精细化管理，同时节省医生大量的时间。
上述的一种医联体内白内障患者的控制系统，其中，所述眼底检查管理模块还用于医生对患者进行档案信息的录入和调取、实时获得数码裂隙灯检查的眼底成像照片、查看白内障管理云平台对检查图片的辅助诊断结果，当对病理有疑义时，可以主动向医联体上级专家发起咨询请求并获得专家诊断结论，并将所述档案信息传输至数据库。
上述的一种医联体内白内障患者的控制系统，其中，所述基层医院服务端还包含二维码生成模块，所述二维码生成模块用于生成二维码。
上述的一种医联体内白内障患者的控制系统，其中，所述数据库包含患者数据库、影像数据库、档案数据库；
所述患者数据库用于存储所述患者个人信息数据，所述患者数据库能够存储所有参加就诊和筛查的患者的个人信息数据和健康档案信息；
所述影像数据库用于存储所述眼底成像照片，；
所述档案数据库用于存储所述档案信息、所述初步诊断结果、所述诊断建议或审核意见、所述辅助诊断结果。
上述的一种医联体内白内障患者的控制系统，其中，所述数据库与医院HIS内相关数据通过VPN或前置机连接实现数据交互。
第二方面，一种医联体内白内障患者的管理方法，其中，包含以下步骤：
步骤1：患者初诊或白内障筛查：
患者在基层医院初诊或参加筛查时，基层医院的医生录入患者的个人信息数据后二维码生成模块生成一个二维码，患者扫描二维码进行登录，医生通过数码裂隙灯装置对患者进行眼底照相获取眼底成像照片，医生依据该眼底成像照片录入初步诊断结果，初步诊断结果、眼底成像照片、个人信息数据同时上传到数据库；
步骤2：智能诊断：
筛查模块获取眼底成像照片后利用深度学习算法进行辅助诊断，并生成传输至数据库的辅助诊断结果；
步骤3：医生干预：
医生通过眼底检查管理模块从数据库中获取辅助诊断结果并结合眼底成像照片给出诊断意见，并将诊断意见上传至数据库；
患者通过信息管理模块从数据库中获取眼底成像照片、诊断意见、患者个人信息数据并进行查看，患者有问题通过咨询模块与医生创建连接发起咨询或会诊请求。
上述的一种医联体内白内障患者的管理方法，其中，还包含专家对诊断意见提出建议的步骤：
专家通过专家诊断数据管理模块从数据库中获取初步诊断结果、辅助诊断结果、诊断意见、眼底成像照片、患者个人信息数据进行审查并给出诊断建议或审核意见，将诊断建议或审核意见上传至数据库；
医生通过眼底检查管理模块从数据库中获取诊断建议或审核意见进行查看并重新给出诊断意见。
上述的一种医联体内白内障患者的管理方法，其中，所述诊断建议或审核意见包含对诊断意见的修改与驳回, 专家可通过专家服务端浏览所有基层医院上传的眼底成像照片，查看智能诊断系统对检查图片的诊断建议和基层医生的审核意见，当发现结果错误或不全面时，可以进行重新诊断或补充说明,专家重新诊断或补充说明的病历档案都将通过白内障管理云平台下发至基层医院服务端，并记录基层医生的后续处理流程，专家可以通过本服务软件创建、编辑、下发患者教育规则和内容，可以为已就诊出院患者创建复诊计划，还可以响应基层医生发起的咨询和会诊请求；
依据上述本发明一种医联体内白内障患者的控制系统与方法提供的技术方案具有以下技术效果：
1.基于深度学习算法的筛查模块能够在大人群量筛查时大大减轻医生的工作量，采用具有深度学习算法的筛查模块进行白内障筛查，只需要白内障浑浊分级的图片标注信息即可，从而大大减少了问题的难度，而且还可能挖掘出新的疾病知识，若对该疾病的认识有了新的突破或者遇到很难识别的图片，只需要根据新标注的图片重新训练神经网络模型即可，可以大大减少对标准图片库构建所需的时间、人力和经济花费，同时可以提高智能诊断筛查的准确性，尤其是能提高适用性；
同时，专家医生对所有检查图片的诊断结果都会作为ground truth加入到训练集，通过对训练样本的选择和加权处理，重新训练以更新深度神经网络模型，特别对于智能诊断和专家诊断结果不一致的图片样本，在进行加权处理时，给予它们更高的权重，让模型着重去学习，即进行困难样本学习，这样随着智能诊断系统的不断运行和更新迭代，辅助诊断的精度会不断提高并最终维持在一个很高的水平；
2.实现患者自动化患教和复诊，白内障手术后定期复查是很关键的，用药也很严格，需要听从医生建议，本方案采用信息管理模块接收信息实现自动化的患教和负责提醒，医生对患者的患教、复诊等管理，医患管理服务引擎可以从患者属性、白内障等级和类型、就诊时间、诊断和处方等维度筛选患者，启动自动化健康干预和随访管理，即医生只需设定好规则并编辑保存触达患者的内容，所有内容都会根据医生设定的规则自动发送到患者端，可以提升服务覆盖范围，更实现精细化管理，同时节省医生大量的时间；
3.本方案充分结合医联体内基层医院和医生数量众多和上级专家资源优势，通过分级诊疗、双向转诊模式，促进分工协作，最大化发挥医疗资源价值。
4.本方案相对于申请号201611270185.3的发明专利具有以下技术效果：申请号201611270185.3的发明专利聚焦在对眼底成像的诊断，自动诊断方法是将眼底图片和标准眼底成像图片进行匹配，通过找出异常区域再对照异常区域与基本诊断对照表进行匹配生成诊断结果。本方案在诊断方法上采用基于深度学习算法的白内障筛查诊断方法，只需要白内障浑浊分级的图片标注信息即可，从而大大减少了问题的难度，大大减少对标准图片库构建所需的时间、人力和经济花费，同时可以提高智能诊断筛查的准确性，尤其是能提高适用性。同时，专家医生对所有检查图片的诊断结果都会作为ground truth加入到训练集，随着智能诊断系统的不断运行和更新迭代，辅助诊断的精度会不断提高并最终维持在一个很高的水平。同时，本方案提供了白内障患者一整套筛查、诊断、服务的控制系统，比申请号201611270185.3的发明专利的服务覆盖范围更广；
5.本方案相对于申请号201910259721.7的发明专利具有以下技术效果：申请号201910259721.7的发明专利进行眼底病诊断是通过提取目标眼底图片的特征值，并与云数据库中的不同眼底病例图像的特征值进行比对，在云数据库中找到匹配的特征值并上传到诊断模块。该诊断方法同样严重依赖标准的不同眼底病例图像，需要耗费大量的人力、物力和时间来构建标准库，且从该发明描述可推断针对眼底病诊断结果仅可定位到眼底的病变位置，如视网膜、眼底血管、视神经乳头、视神经纤维等。本方案采用基于深度学习算法的白内障筛查诊断方法，不仅实现简单，能对白内障筛查诊断结果保持在一个很高的精度上。而且可精准定位白内障病变的浑浊部位（核浑浊、皮质浑浊、后囊浑浊）和分级，这对白内障诊疗是必须的，并且对白内障病变的浑浊部位和分级评定才是对基层医生最大的挑战；
6.本方案相对于申请号201510101032.5的发明专利具有以下技术效果：申请号201510101032.5的发明专利目标为通过其自研的DSR智能眼底相机建立一个眼健康云数据平台，在眼科患者诊疗和服务方面并没有提供用以提高医生效率的方案。本方案通过信息管理模块接收信息实现自动化的患教和负责提醒，医生对患者的患教、复诊等管理，医患管理服务引擎可以从患者属性、白内障等级和类型、就诊时间、诊断和处方等维度筛选患者，启动自动化健康干预和随访管理，即医生只需设定好规则并编辑保存触达患者的内容，所有内容都会根据医生设定的规则自动发送到患者端，可以提升服务覆盖范围，更实现精细化管理，同时节省医生大量的时间。
附图说明
图1为本发明一种医联体内白内障患者的控制系统的结构示意图；
图2为本发明一种医联体内白内障患者的控制系统的具体结构示意图；
图3为本发明一种医联体内白内障患者的管理方法的流程示意图。
其中，附图标记如下：
白内障管理云平台101、患者服务端102、专家服务端103、基层医院服务端104、登录模块201、信息管理模块202、咨询模块203、眼底检查管理模块204、数码裂隙灯装置205、专家诊断模块206、专家诊断数据管理模块207、数据库208、筛查模块209、HIS对接模块210、医院HIS211、医患管理服务引擎212。
具体实施方式
为了使发明实现的技术手段、创造特征、达成目的和功效易于明白了解，下结合具体图示，进一步阐述本发明。
本发明的第一实施例是提供一种医联体内白内障患者的控制系统与方法，目的是1.基于深度学习算法的筛查模块能够在大人群量筛查时大大减轻医生的工作量，采用具有深度学习算法的筛查模块进行白内障筛查，只需要白内障浑浊分级的图片标注信息即可，从而大大减少了问题的难度，而且还可能挖掘出新的疾病知识，若对该疾病的认识有了新的突破或者遇到很难识别的图片，只需要根据新标注的图片重新训练神经网络模型即可，可以大大减少对标准图片库构建所需的时间、人力和经济花费，同时可以提高智能诊断筛查的准确性，尤其是能提高适用性；
同时，专家医生对所有检查图片的诊断结果都会作为ground truth加入到训练集，通过对训练样本的选择和加权处理，重新训练以更新深度神经网络模型，特别对于智能诊断和专家诊断结果不一致的图片样本，在进行加权处理时，给予它们更高的权重，让模型着重去学习，即进行困难样本学习，这样随着智能诊断系统的不断运行和更新迭代，辅助诊断的精度会不断提高并最终维持在一个很高的水平；
2.实现患者自动化患教和复诊，白内障手术后定期复查是很关键的，用药也很严格，需要听从医生建议，本方案采用信息管理模块接收信息实现自动化的患教和负责提醒，医生对患者的患教、复诊等管理，医患管理服务引擎可以从患者属性、白内障等级和类型、就诊时间、诊断和处方等维度筛选患者，启动自动化健康干预和随访管理，即医生只需设定好规则并编辑保存触达患者的内容，所有内容都会根据医生设定的规则自动发送到患者端，可以提升服务覆盖范围，更实现精细化管理，同时节省医生大量的时间；
3.本方案充分结合医联体内基层医院和医生数量众多和上级专家资源优势，通过分级诊疗、双向转诊模式，促进分工协作，最大化发挥医疗资源价值。
如图1-2所示，第一方面，第一实施例：一种医联体内白内障患者的控制系统，其中，包含白内障管理云平台101、患者服务端102、专家服务端103、基层医院服务端104，白内障管理云平台101分别与患者服务端102、专家服务端103、基层医院服务端104创建连接实现数据交互；
白内障管理云平台101包含医患管理服务引擎212、筛查模块209、HIS对接模块210、数据库208；
基层医院服务端104包含眼底检查管理模块204以及用于摄制患者的眼底成像照片的数码裂隙灯装置205，基层医院服务端104的医生通过患者的眼底成像照片进行诊断并上传初步诊断结果，基层医院服务端104的医生上传患者个人信息数据，眼底检查管理模块204存储并将初步诊断结果、眼底成像照片、患者个人信息数据传输至数据库208；
专家服务端103包含专家诊断模块206、专家诊断数据管理模块207，专家诊断数据管理模块207用于从数据库208内获取初步诊断结果、眼底成像照片、患者个人信息数据，专家诊断模块206用于存储专家查看初步诊断结果与眼底成像照片后上传诊断建议或审核意见，还用于将诊断建议或审核意见传输至专家诊断数据管理模块207与数据库208；
患者服务端102包含登录模块201、信息管理模块202、咨询模块203，登录模块201用于患者登录，信息管理模块202用于从数据库208内接收并存储眼底成像照片、初步诊断结果、诊断建议或审核意见、患者个人信息数据，咨询模块203用于患者与专家或医生进行在线咨询；
筛查模块209用于依据眼底成像照片生成传输至数据库208的辅助诊断结果，可以辅助基层医生开展工作并大大降低医生工作量；
目前现有的诊断方法通常是把拍摄的图片标准化归一化后和标准库的图片进行对比匹配，诊断准确性和适用性严重依赖标准图片库的建立，而标准库图片的建立需要很强的领域专业知识，在实际构建过程中会产生较高的人力、时间和经济成本；此外，不同专家或专家群体对于同一个图片的诊断或分级可能不完全一致，这样在图片标准库的构建中会引入人为偏差；另一方面，随着技术的发展和医疗水平的进步，同一个疾病问题的认识可能也会发生变化，这种情况下，标准图片库就需要改动甚至重新构建，这又会产生新一轮的花费；
采用具有深度学习算法的筛查模块209进行白内障筛查，只需要白内障浑浊分级的图片标注信息即可，从而大大减少了问题的难度，而且还可能挖掘出新的疾病知识，若对该疾病的认识有了新的突破或者遇到很难识别的图片，只需要根据新标注的图片重新训练神经网络模型即可，可以大大减少对标准图片库构建所需的时间、人力和经济花费，同时可以提高智能诊断筛查的准确性，尤其是能提高适用性；
同时，专家医生对所有检查图片的诊断结果都会作为ground truth加入到训练集，通过对训练样本的选择和加权处理，重新训练以更新深度神经网络模型，特别对于智能诊断和专家诊断结果不一致的图片样本，在进行加权处理时，给予它们更高的权重，让模型着重去学习，即进行困难样本学习，这样随着智能诊断系统的不断运行和更新迭代，辅助诊断的精度会不断提高并最终维持在一个很高的水平；
HIS对接模块210用于将数据库208与医院HIS211内相关数据进行连接实现数据交互；
医患管理服务引擎212分别与信息管理模块202、数据库208连接用于自动化患者教育、随访复诊、医患沟通、手术安排；医患管理服务引擎可以从患者属性、白内障等级和类型、就诊时间、诊断和处方等维度筛选患者，启动自动化患者教育、随访复诊、医患沟通、手术安排，即医生只需设定好规则并编辑保存触达患者的内容，所有内容都会根据医生设定的规则自动发送到患者端信息管理模块；并且医患管理服务引擎可以随着时间推移自动将符合条件的患者纳入到自动化患教和复诊干预的用户组内，无需医生再次干预，即可实现自动化的患者干预。可以提升干预服务覆盖范围，实现精细化管理，同时节省医生大量的时间。
其中，患者服务端102还包含患者授权管理模块，患者授权管理模块用于患者授权其亲属进行患者服务端102的管理，当老年患者不具备自行管理使用患者服务端102进行健康管理时，其子女或亲友进入患者服务端102的患者授权管理模块后，通过患者就诊时姓名、身份证号、手机号及验证码信息，完成身份验证授权后，可以辅助老年患者进行健康管理服务，一个子女或亲友可以和多个授权过的老年患者进行绑定管理。
其中，登录模块201包含二维码扫描模块，患者通过扫描二维码进行登录并查看眼底成像照片、初步诊断结果、诊断建议或审核意见、患者个人信息数据，登录模块201，患者服务端102为小程序或网页或APP，患者通过扫描二维码进行登录，绑定身份信息后便能够查看自己的眼底成像照片、初步诊断结果、诊断建议或审核意见、患者个人信息数据等；
信息管理模块202还用于接收医生或医院发送的患教信息、复诊安排信息；
白内障手术后定期复查是很关键的，用药也很严格，需要听从医生建议，白内障患者手术后一般要3个月才能保持相对稳定状态，因此白内障手术后的复诊很关键，目前针对眼底疾病的专利很少涉及复诊管理的内容，由于患者数量众多，医生资源不足，要实现患者的复诊提醒，需要花费大量的医务人员时间，本方案采用信息管理模块202接收信息实现自动化的患教和负责提醒，医生对患者的患教、复诊等管理，医患管理服务引擎可以从患者属性、白内障等级和类型、就诊时间、诊断和处方等维度筛选患者，启动自动化健康干预和随访管理，即医生只需设定好规则并编辑保存触达患者的内容，所有内容都会根据医生设定的规则自动发送到患者端，可以提升服务覆盖范围，更实现精细化管理，同时节省医生大量的时间。
其中，眼底检查管理模块204还用于医生对患者进行档案信息的录入和调取、实时获得数码裂隙灯检查的眼底成像照片、查看白内障管理云平台101对检查图片的辅助诊断结果，当对病理有疑义时，可以主动向医联体上级专家发起咨询请求并获得专家诊断结论，并将档案信息传输至数据库208。
其中，基层医院服务端104还包含二维码生成模块，二维码生成模块用于生成二维码。
其中，数据库208包含患者数据库、影像数据库、档案数据库；
患者数据库用于存储患者个人信息数据，患者数据库能够存储所有参加就诊和筛查的患者的个人信息数据和健康档案信息；
影像数据库用于存储眼底成像照片，；
档案数据库用于存储档案信息、初步诊断结果、诊断建议或审核意见、辅助诊断结果。
其中，数据库208与医院HIS211内相关数据通过VPN或前置机连接实现数据交互。
如图3所示，第二方面，第二实施例：一种医联体内白内障患者的管理方法，其中，包含以下步骤：
步骤1：患者初诊或白内障筛查：
患者在基层医院初诊或参加筛查时，基层医院的医生录入患者的个人信息数据后二维码生成模块生成一个二维码，患者扫描二维码进行登录，医生通过数码裂隙灯装置205对患者进行眼底照相获取眼底成像照片，医生依据该眼底成像照片录入初步诊断结果，初步诊断结果、眼底成像照片、个人信息数据同时上传到数据库208；
步骤2：智能诊断：
筛查模块209获取眼底成像照片后利用深度学习算法进行辅助诊断，并生成传输至数据库208的辅助诊断结果；
步骤3：医生干预：
医生通过眼底检查管理模块204从数据库208中获取辅助诊断结果并结合眼底成像照片给出诊断意见，并将诊断意见上传至数据库208；
患者通过信息管理模块202从数据库208中获取眼底成像照片、诊断意见、患者个人信息数据并进行查看，患者有问题通过咨询模块203与医生创建连接发起咨询或会诊请求。
其中，还包含专家对诊断意见提出建议的步骤：
专家通过专家诊断数据管理模块207从数据库208中获取初步诊断结果、辅助诊断结果、诊断意见、眼底成像照片、患者个人信息数据进行审查并给出诊断建议或审核意见，将诊断建议或审核意见上传至数据库208；
医生通过眼底检查管理模块204从数据库208中获取诊断建议或审核意见进行查看并重新给出诊断意见。
其中，诊断建议或审核意见包含对诊断意见的修改与驳回, 专家可通过专家服务端103浏览所有基层医院上传的眼底成像照片，查看智能诊断系统对检查图片的诊断建议和基层医生的审核意见，当发现结果错误或不全面时，可以进行重新诊断或补充说明,专家重新诊断或补充说明的病历档案都将通过白内障管理云平台101下发至基层医院服务端104，并记录基层医生的后续处理流程，专家可以通过本服务软件创建、编辑、下发患者教育规则和内容，可以为已就诊出院患者创建复诊计划，还可以响应基层医生发起的咨询和会诊请求；
本方案提供的一种医联体内白内障患者的控制系统与方法可用于医联体内正常白内障患者诊治，也可以用于大人群中的白内障筛查和后续管理服务，患者在参加筛查或前往基层医院进行白内障初诊时，基层医生首先在眼底检查管理软件中录入患者的姓名、身份证、手机号等信息，基本信息录入完成后系统会生成一个带有该患者信息参数的二维码，患者通过扫码进入患者服务端102，患者子女或亲友后续也可以进入该患者服务端102，经过身份认证授权后可以对该患者进行辅助管理；随后基层医生通过数码裂隙灯为患者进行眼底照相，生成眼底成像照片，此眼底成像照片和患者信息将通过网络通信传输至白内障管理云平台101；
筛查模块209会对所拍摄的眼底成像照片利用深度学习算法进行智能辅助诊断生成辅助诊断结果，辅助诊断结果实时传输至眼底检查管理模块204，基层医生审核眼底图片和辅助诊断结果，给出医疗诊断意见，当基层医生对眼底成像照片或辅助诊断结果有疑义而无法做出准确判断时，可向医联体专家发起咨询或会诊请求，并获得最终的诊断结论；医联体专家也会通过专家端服务软件对控制系统内眼底成像照片和辅助诊断结果进行日常巡视，当发现筛查模块209出具的辅助诊断结果或基层医生的诊断意见错误或不全面时，专家可对该病例进行驳回并重新撰写诊断意见；专家重新诊断或补充说明的病历都将通过白内障管理云平台101下发至基层医生处，基层医生处的眼底检查管理模块204将实时提醒并作为未处理事项记录于代办事项中，后续软件将记录基层医生的后续处理流程，直至医生将该事项处理完毕；专家医生对所有检查图片的诊断结果都会作为ground truth加入到训练集，通过对训练样本的选择和加权处理，重新训练以更新深度神经网络模型，特别对于辅助诊断结果和专家诊断结果不一致的图片样本，在进行加权处理时，给予它们更高的权重，让模型着重去学习，即进行困难样本学习，这样随着智能诊断系统的不断运行和更新迭代，辅助诊断的精度会不断提高并最终维持在一个很高的水平；
分级诊疗+双向转诊：根据患者的检查结果情况，由基层医生或医联体专家确认该患者下一步诊治方案，如需手术治疗的，可由基层医生通过管理软件发起转诊至上级医院的请求，或者根据本地需手术的患者数量，预约上级专家至基层进行批量手术安排，对于在上级医院进行手术的患者，确认适宜的，将重新让患者返回所在基层医院进行继续治疗和随诊；
医患沟通+医患管理：控制系统为患者和医生的沟通、管理提供了在线化、自动化工具。患者或其授权的亲友可通过患者服务端102，以图文、视频等方式向医生进行在线沟通、咨询，不必每次都前往医院进行挂号、就诊，节省患者时间同时避免医疗资源的浪费；医生对患者的患教、复诊等管理，医患管理服务引擎可以从患者属性、白内障等级和类型、就诊时间、诊断和处方等维度筛选患者，启动自动化健康干预和随访管理，即医生只需设定好规则并编辑保存触达患者的内容，所有内容都会根据医生设定的规则自动发送到患者服务端102，可以提升服务覆盖范围，更实现精细化管理，同时节省医生大量的时间；触达患者的方式包括患者服务端102提醒、短信、电话三种方式，医生在设定规则时可以选择触达方式；一般建议针对一般患教内容等不太重要的内容，可选择患者服务端102提醒和短信触达，对于手术安排、复诊到期提醒等重要事项，除了选择患者服务端102提醒和短信触达外，同时选择电话提醒；当现在电话提醒后，到达系统触发时间时，系统将自动向患者本人或授权的亲友手机外呼电话，通过语音播报医生设定的系统内容。
具体使用的白内障筛查和后续管理服务实施例：基层医院发起覆盖该社区的白内障筛查，该区域内符合年龄条件的居民均前往社区参加白内障筛查，基层医生首先在眼底检查管理软件中录入居民的姓名、身份证、手机号等信息，基本信息录入完成后系统会生成一个带有该居民信息参数的二维码；
居民通过微信扫码后进入患者服务端102，居民子女或亲友后续也可以进入该患者服务端102，经过身份认证授权后可以对该居民进行辅助管理；
基层医生通过数码裂隙灯为居民进行眼底照相，此眼底成像照片和用户信息将通过网络通信传输至白内障管理云平台101，筛查模块209会对所拍摄的图片利用深度学习算法进行智能辅助诊断，诊断结果实时传输至眼底检查管理模块204，眼底检查管理模块204也会自动将所有参与筛查的用户和结果根据辅助诊断结果进行分组；
筛查活动结束后，基层医生对所有用户和结果进行二次确认审核，对有疑义的案例发送至医联体专家复审，医联体专家也可对所有用户图片和辅助诊断结果进行巡查，最终可对所有参与筛查的用户分成若干管理分组，如筛查正常用户、重点干预用户、需要手术用户等；
基层医生可对各个分组用户进行分组管理，如医生可编辑信息：（ XX用户您好，根据您在本月参加的白内障筛查结果，医生建议您尽快进行手术治疗，请您本周携带身份证及医疗本前往YY社区医院进行确认），并将此信息推送至所有需要手术的用户，此处医患管理服务引擎会将XX自动替换成该用户姓名，YY自动替换成医院名称，用户前往社区医院并经过必要的确认手续后，社区医院医生可联系医联体上级专家集中安排手术时间，医联体专家或基层医生可通过系统在医患管理服务引擎中设置手术患者后期的健康教育和复诊计划，如可设置患者的复诊时间为手术后一周、1个月、3个月、6个月，每次的通知内容在后台编辑录入，复诊提醒方式设置为患者服务端102和电话，则针对所有手术后满足以上时间条件的患者，都会收到医患管理服务引擎自动推送的复诊提醒，患者服务端102显示的内容和自动外呼电话语音播报内容即为医生设置的复诊提醒内容，患教内容及其他需要定期告知患者的内容都可以通过该方式进行规则设置，后期医患管理服务引擎也都将自动向患者进行触发推送。
综上，本发明的一种医联体内白内障患者的控制系统与方法，能够1. 基于深度学习算法的筛查模块能够在大人群量筛查时大大减轻医生的工作量，采用具有深度学习算法的筛查模块进行白内障筛查，只需要白内障浑浊分级的图片标注信息即可，从而大大减少了问题的难度，而且还可能挖掘出新的疾病知识，若对该疾病的认识有了新的突破或者遇到很难识别的图片，只需要根据新标注的图片重新训练神经网络模型即可，可以大大减少对标准图片库构建所需的时间、人力和经济花费，同时可以提高智能诊断筛查的准确性，尤其是能提高适用性；
同时，专家医生对所有检查图片的诊断结果都会作为ground truth加入到训练集，通过对训练样本的选择和加权处理，重新训练以更新深度神经网络模型，特别对于智能诊断和专家诊断结果不一致的图片样本，在进行加权处理时，给予它们更高的权重，让模型着重去学习，即进行困难样本学习，这样随着智能诊断系统的不断运行和更新迭代，辅助诊断的精度会不断提高并最终维持在一个很高的水平；
2.实现患者自动化患教和复诊，白内障手术后定期复查是很关键的，用药也很严格，需要听从医生建议，本方案采用信息管理模块接收信息实现自动化的患教和负责提醒，医生对患者的患教、复诊等管理，医患管理服务引擎可以从患者属性、白内障等级和类型、就诊时间、诊断和处方等维度筛选患者，启动自动化健康干预和随访管理，即医生只需设定好规则并编辑保存触达患者的内容，所有内容都会根据医生设定的规则自动发送到患者端，可以提升服务覆盖范围，更实现精细化管理，同时节省医生大量的时间；
3.本方案充分结合医联体内基层医院和医生数量众多和上级专家资源优势，通过分级诊疗、双向转诊模式，促进分工协作，最大化发挥医疗资源价值。
以上对发明的具体实施例进行了描述。需要理解的是，发明并不局限于上述特定实施方式，其中未尽详细描述的设备和结构应该理解为用本领域中的普通方式予以实施；本领域技术人员可以在权利要求的范围内做出各种变形或修改做出若干简单推演、变形或替换，这并不影响发明的实质内容。
Claims (10)
1.一种医联体内白内障患者的控制系统，其特征在于，包含白内障管理云平台、患者服务端、专家服务端、基层医院服务端，所述白内障管理云平台分别与所述患者服务端、所述专家服务端、所述基层医院服务端创建连接实现数据交互；
所述白内障管理云平台包含医患管理服务引擎、筛查模块、HIS对接模块、数据库；
所述基层医院服务端包含眼底检查管理模块以及用于摄制患者的眼底成像照片的数码裂隙灯装置，所述基层医院服务端的医生通过患者的所述眼底成像照片进行诊断并上传初步诊断结果，所述基层医院服务端的医生上传患者个人信息数据，所述眼底检查管理模块存储并将所述初步诊断结果、所述眼底成像照片、所述患者个人信息数据传输至所述数据库；
所述专家服务端包含专家诊断模块、专家诊断数据管理模块，所述专家诊断数据管理模块用于从所述数据库内获取所述初步诊断结果、所述眼底成像照片、所述患者个人信息数据，所述专家诊断模块用于存储专家查看所述初步诊断结果与所述眼底成像照片后上传诊断建议或审核意见，还用于将所述诊断建议或审核意见传输至所述专家诊断数据管理模块与所述数据库；
所述患者服务端包含登录模块、信息管理模块、咨询模块，所述登录模块用于患者登录，所述信息管理模块用于从所述数据库内接收并存储所述眼底成像照片、所述初步诊断结果、所述诊断建议或审核意见、所述患者个人信息数据，所述咨询模块用于患者与专家或医生进行在线咨询；
所述筛查模块用于依据所述眼底成像照片生成传输至所述数据库的辅助诊断结果；
所述HIS对接模块用于将所述数据库与医院HIS内相关数据进行连接实现数据交互；
所述医患管理服务引擎分别与所述信息管理模块、所述数据库连接用于自动化患者教育、随访复诊、医患沟通、手术安排。
2.如权利要求1所述的一种医联体内白内障患者的控制系统，其特征在于，所述患者服务端还包含患者授权管理模块，所述患者授权管理模块用于患者授权其亲属进行所述患者服务端的管理。
3.如权利要求1或2所述的一种医联体内白内障患者的控制系统，其特征在于，所述登录模块包含二维码扫描模块，所述患者通过扫描二维码进行登录并查看所述眼底成像照片、所述初步诊断结果、所述诊断建议或审核意见、所述患者个人信息数据；
所述信息管理模块还用于接收医生或医院发送的患教信息、复诊安排信息。
4.如权利要求3所述的一种医联体内白内障患者的控制系统，其特征在于，所述眼底检查管理模块还用于医生对患者进行档案信息的录入，并将所述档案信息传输至数据库。
5.如权利要求4所述的一种医联体内白内障患者的控制系统，其特征在于，所述基层医院服务端还包含二维码生成模块，所述二维码生成模块用于生成二维码。
6.如权利要求5所述的一种医联体内白内障患者的控制系统，其特征在于，所述数据库包含患者数据库、影像数据库、档案数据库；
所述患者数据库用于存储所述患者个人信息数据；
所述影像数据库用于存储所述眼底成像照片；
所述档案数据库用于存储所述档案信息、所述初步诊断结果、所述诊断建议或审核意见、所述辅助诊断结果。
7.如权利要求1或2或4或5或6所述的一种医联体内白内障患者的控制系统，其特征在于，所述数据库与医院HIS内相关数据通过VPN或前置机连接实现数据交互。
8.一种医联体内白内障患者的管理方法，其特征在于，包含以下步骤：
步骤1：患者初诊或白内障筛查：
患者在基层医院初诊或参加筛查时，基层医院的医生录入患者的个人信息数据后二维码生成模块生成一个二维码，患者扫描二维码进行登录，医生通过数码裂隙灯装置对患者进行眼底照相获取眼底成像照片，医生依据该眼底成像照片录入初步诊断结果，初步诊断结果、眼底成像照片、个人信息数据同时上传到数据库；
步骤2：智能诊断：
筛查模块获取眼底成像照片后利用深度学习算法进行辅助诊断，并生成传输至数据库的辅助诊断结果；
步骤3：医生干预：
医生通过眼底检查管理模块从数据库中获取辅助诊断结果并结合眼底成像照片给出诊断意见，并将诊断意见上传至数据库；
患者通过信息管理模块从数据库中获取眼底成像照片、诊断意见、患者个人信息数据并进行查看，患者有问题通过咨询模块与医生创建连接发起咨询或会诊请求。
9.如权利要求8所述的一种医联体内白内障患者的管理方法，其特征在于，还包含专家对诊断意见提出建议的步骤：
专家通过专家诊断数据管理模块从数据库中获取初步诊断结果、辅助诊断结果、诊断意见、眼底成像照片、患者个人信息数据进行审查并给出诊断建议或审核意见，将诊断建议或审核意见上传至数据库；
医生通过眼底检查管理模块从数据库中获取诊断建议或审核意见进行查看并重新给出诊断意见。
10.如权利要求9所述的一种医联体内白内障患者的管理方法，其特征在于，所述诊断建议或审核意见包含对诊断意见的修改与驳回。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010503397.1A CN111710396A (zh) | 2020-06-05 | 2020-06-05 | 一种医联体内白内障患者的控制系统与方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010503397.1A CN111710396A (zh) | 2020-06-05 | 2020-06-05 | 一种医联体内白内障患者的控制系统与方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111710396A true CN111710396A (zh) | 2020-09-25 |
Family
ID=72539330
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010503397.1A Pending CN111710396A (zh) | 2020-06-05 | 2020-06-05 | 一种医联体内白内障患者的控制系统与方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111710396A (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112420216A (zh) * | 2020-11-21 | 2021-02-26 | 温州医科大学附属眼视光医院 | 一种基于智能ai的三端干眼诊断综合系统平台 |
| CN113591757A (zh) * | 2021-08-07 | 2021-11-02 | 王新 | 一种眼部整形用自动化手术装置及设备 |
| CN114334098A (zh) * | 2021-12-07 | 2022-04-12 | 武汉爱眼帮科技有限公司 | 一种关于眼底炫彩成像的目标识别系统与方法 |
| CN115458105A (zh) * | 2022-09-16 | 2022-12-09 | 江苏至真健康科技有限公司 | 一种眼部筛查的快速建档方法及系统 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107066792A (zh) * | 2016-12-21 | 2017-08-18 | 中山大学中山眼科中心 | 一种基于患者个体病情数据库的精准随访系统及方法 |
| CN109036550A (zh) * | 2018-07-04 | 2018-12-18 | 中山大学中山眼科中心 | 一种基于人工智能的白内障分析方法及装置 |
| CN110013216A (zh) * | 2019-03-12 | 2019-07-16 | 中山大学中山眼科中心 | 一种人工智能白内障分析系统 |
| CN110070930A (zh) * | 2019-03-12 | 2019-07-30 | 中山大学中山眼科中心 | 一种人工智能眼病筛查服务方法和系统 |
-
2020
- 2020-06-05 CN CN202010503397.1A patent/CN111710396A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107066792A (zh) * | 2016-12-21 | 2017-08-18 | 中山大学中山眼科中心 | 一种基于患者个体病情数据库的精准随访系统及方法 |
| CN109036550A (zh) * | 2018-07-04 | 2018-12-18 | 中山大学中山眼科中心 | 一种基于人工智能的白内障分析方法及装置 |
| CN110013216A (zh) * | 2019-03-12 | 2019-07-16 | 中山大学中山眼科中心 | 一种人工智能白内障分析系统 |
| CN110070930A (zh) * | 2019-03-12 | 2019-07-30 | 中山大学中山眼科中心 | 一种人工智能眼病筛查服务方法和系统 |
Non-Patent Citations (4)
| Title |
|---|
| 余小高: "《基于大数据的高风险学生预测研究》", 厦门大学出版社, pages: 125 - 127 * |
| 刘德培总主编: "《中华医学百科全书 公共卫生学 社会医学》", 31 December 2018, 中国协和医科大学出版社, pages: 125 - 127 * |
| 孔鸣;何前锋;李兰娟;: "人工智能辅助诊疗发展现状与战略研究", no. 02 * |
| 翁铭;张云;杨卫华;: "基于深度学习的3视野DR图像智能筛查系统的初步研究", no. 04 * |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112420216A (zh) * | 2020-11-21 | 2021-02-26 | 温州医科大学附属眼视光医院 | 一种基于智能ai的三端干眼诊断综合系统平台 |
| CN112420216B (zh) * | 2020-11-21 | 2023-08-04 | 眼小医(温州)生物科技有限公司 | 一种基于智能ai的三端干眼诊断综合系统平台 |
| CN113591757A (zh) * | 2021-08-07 | 2021-11-02 | 王新 | 一种眼部整形用自动化手术装置及设备 |
| CN114334098A (zh) * | 2021-12-07 | 2022-04-12 | 武汉爱眼帮科技有限公司 | 一种关于眼底炫彩成像的目标识别系统与方法 |
| CN115458105A (zh) * | 2022-09-16 | 2022-12-09 | 江苏至真健康科技有限公司 | 一种眼部筛查的快速建档方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111710396A (zh) | 一种医联体内白内障患者的控制系统与方法 | |
| US6151581A (en) | System for and method of collecting and populating a database with physician/patient data for processing to improve practice quality and healthcare delivery | |
| DE69731884T2 (de) | Rechnergestütztes medizinisches diagnose- und beratungssystem mit zugang zu einem kommunikationsnetz | |
| CN111489820B (zh) | 基于人工智能的辅助诊疗系统 | |
| JP6912840B1 (ja) | 情報処理方法、診断支援装置及びコンピュータプログラム | |
| US20150213197A1 (en) | Event Based Tracking, Health Management, and Patient and Treatment Monitoring System | |
| CN108039195B (zh) | 一种医疗信息系统及其信息共享方法 | |
| CN106991286A (zh) | 一种基于移动互联网的电子病历共享方法 | |
| CN107526933A (zh) | 一种远程医疗系统 | |
| CN111341400A (zh) | 一种mdt医疗管理系统 | |
| CN111798952A (zh) | 一种居民健康管理医疗大数据平台 | |
| CN110111862A (zh) | 信息平台 | |
| CN117438070A (zh) | 基于智能语音交互的医疗问诊诊断系统 | |
| CN116434899A (zh) | 一种基于多源数据的健康档案信息平台建立方法 | |
| EP1388083A1 (en) | Virtual service system for client and service provider users and method therefor | |
| AU2002245946A1 (en) | Virtual service system for client and service provider users and method therefor | |
| CN110838358A (zh) | 一种个性化的结合眼底图像的糖尿病智能信息管理系统 | |
| US20230320653A1 (en) | Apparatus for managing atopic dermatitis based on learning model and method therefor | |
| US20070180026A1 (en) | System and method for conducting a physician-patient consultation | |
| CN112259186A (zh) | 新型的睡眠障碍诊断及治疗系统 | |
| Wang et al. | [Retracted] Application Research of Artificial Intelligence Screening System for Diabetic Retinopathy | |
| CN111312410A (zh) | 一种家庭医生服务系统及方法 | |
| EP4068301A1 (en) | Health management method, device and system, and data acquisition device | |
| US11547295B2 (en) | Cloud based corneal surface difference mapping system and method | |
| CN114596970A (zh) | 自助问诊方法及系统 |
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 |