CN112201354A - 一种基于血铅数值的疾病信息匹配系统 - Google Patents
一种基于血铅数值的疾病信息匹配系统 Download PDFInfo
- Publication number
- CN112201354A CN112201354A CN202011125992.2A CN202011125992A CN112201354A CN 112201354 A CN112201354 A CN 112201354A CN 202011125992 A CN202011125992 A CN 202011125992A CN 112201354 A CN112201354 A CN 112201354A
- Authority
- CN
- China
- Prior art keywords
- data
- blood lead
- correlation coefficient
- blood
- lead
- 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
- 210000004369 blood Anatomy 0.000 title claims abstract description 216
- 239000008280 blood Substances 0.000 title claims abstract description 216
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 title claims abstract description 34
- 201000010099 disease Diseases 0.000 title claims abstract description 33
- 208000024891 symptom Diseases 0.000 claims abstract description 58
- 238000007781 pre-processing Methods 0.000 claims abstract description 20
- 238000000034 method Methods 0.000 claims abstract description 8
- 238000000605 extraction Methods 0.000 claims description 15
- 230000000875 corresponding effect Effects 0.000 description 33
- 206010027439 Metal poisoning Diseases 0.000 description 16
- 208000008127 lead poisoning Diseases 0.000 description 16
- 238000010586 diagram Methods 0.000 description 11
- 208000005374 Poisoning Diseases 0.000 description 10
- 231100000572 poisoning Toxicity 0.000 description 10
- 230000000607 poisoning effect Effects 0.000 description 10
- 239000000284 extract Substances 0.000 description 5
- 230000002159 abnormal effect Effects 0.000 description 4
- 230000003247 decreasing effect Effects 0.000 description 4
- 238000001514 detection method Methods 0.000 description 4
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 2
- 230000002596 correlated effect Effects 0.000 description 2
- 210000002249 digestive system Anatomy 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000004060 metabolic process Effects 0.000 description 2
- 210000000653 nervous system Anatomy 0.000 description 2
- 231100001229 severe poisoning Toxicity 0.000 description 2
- 231100000331 toxic Toxicity 0.000 description 2
- 230000002588 toxic effect Effects 0.000 description 2
- 208000004998 Abdominal Pain Diseases 0.000 description 1
- 206010001488 Aggression Diseases 0.000 description 1
- 208000014644 Brain disease Diseases 0.000 description 1
- OYPRJOBELJOOCE-UHFFFAOYSA-N Calcium Chemical compound [Ca] OYPRJOBELJOOCE-UHFFFAOYSA-N 0.000 description 1
- 206010006956 Calcium deficiency Diseases 0.000 description 1
- 206010010071 Coma Diseases 0.000 description 1
- 206010010904 Convulsion Diseases 0.000 description 1
- 208000011897 Deaf-Blind disease Diseases 0.000 description 1
- 208000032274 Encephalopathy Diseases 0.000 description 1
- 206010019233 Headaches Diseases 0.000 description 1
- 102000001554 Hemoglobins Human genes 0.000 description 1
- 108010054147 Hemoglobins Proteins 0.000 description 1
- 206010022998 Irritability Diseases 0.000 description 1
- 208000016285 Movement disease Diseases 0.000 description 1
- 206010070863 Toxicity to various agents Diseases 0.000 description 1
- HCHKCACWOHOZIP-UHFFFAOYSA-N Zinc Chemical compound [Zn] HCHKCACWOHOZIP-UHFFFAOYSA-N 0.000 description 1
- 206010048259 Zinc deficiency Diseases 0.000 description 1
- 208000012761 aggressive behavior Diseases 0.000 description 1
- 230000016571 aggressive behavior Effects 0.000 description 1
- 208000007502 anemia Diseases 0.000 description 1
- 230000006793 arrhythmia Effects 0.000 description 1
- 206010003119 arrhythmia Diseases 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 210000000988 bone and bone Anatomy 0.000 description 1
- 229910052791 calcium Inorganic materials 0.000 description 1
- 239000011575 calcium Substances 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000036461 convulsion Effects 0.000 description 1
- 230000008021 deposition Effects 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 208000035475 disorder Diseases 0.000 description 1
- 150000003278 haem Chemical class 0.000 description 1
- 231100000869 headache Toxicity 0.000 description 1
- 208000013403 hyperactivity Diseases 0.000 description 1
- 230000036039 immunity Effects 0.000 description 1
- 229910052742 iron Inorganic materials 0.000 description 1
- 230000003907 kidney function Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000002503 metabolic effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000007830 nerve conduction Effects 0.000 description 1
- 210000005259 peripheral blood Anatomy 0.000 description 1
- 239000011886 peripheral blood Substances 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 231100000419 toxicity Toxicity 0.000 description 1
- 230000001988 toxicity Effects 0.000 description 1
- 210000002700 urine Anatomy 0.000 description 1
- 239000013598 vector Substances 0.000 description 1
- 238000004876 x-ray fluorescence Methods 0.000 description 1
- 229910052725 zinc Inorganic materials 0.000 description 1
- 239000011701 zinc Substances 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
- G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/3331—Query processing
- G06F16/3332—Query translation
- G06F16/3334—Selection or weighting of terms from queries, including natural language queries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/3331—Query processing
- G06F16/334—Query execution
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Medical Informatics (AREA)
- Computational Linguistics (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Public Health (AREA)
- Artificial Intelligence (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明提出了一种基于血铅数值的疾病信息匹配系统。包括：采集模块，采集初始血铅数据，设定数据预处理规则，对初始血铅数据进行预处理，获取预处理后的初始血铅数据作为待匹配血铅数据；标准表建立模块，获取血铅参考范围数据以及对应的症状数据，根据血铅参考范围数据以及对应的症状数据建立血铅判断标准表；测算模块，建立皮尔森相关系数，根据该皮尔森相关系数计算待匹配血铅数据与血铅参考范围数据之间的线性相关系数；匹配模块，根据该线性相关系数从血铅判断标准表中查找对应的症状数据，并与待匹配血铅数据进行匹配。本发明通过建立皮尔森相关系数，能够更加精确实现数据之间的匹配，实现对血铅的判断，同时提高判断速度。
Description
技术领域
本发明涉及人工智能领域，尤其涉及一种基于血铅数值的疾病信息匹配系统。
背景技术
血铅是指血液中铅元素的含量。铅对人体是有害的，血铅超标会引起机体的神经系统、血液系统、消化系统的一系列异常表现，影响人体的正常机能。儿童由于代谢和发育方面的特点，对铅毒性特别敏感。血铅超标是指血液中铅元素的含量，超过了正常值。如果血铅过高，就预示发生了铅中毒。铅中毒会引起机体的神经系统，血液系统，消化系统的一系列异常表现，影响人体的正常机能。
现有的检测方法都是将末梢血用于铅中毒筛查，当然也有用尿铅作为铅中毒的辅助检测方法。另外，用X射线荧光检测骨铅也可反映铅在人体内的沉积。但是这些方法仅仅只能获取对应的数据，而无法判断铅中毒以及中毒的程度，还需要医生来进行对应判断，比较损耗时间，用户体验也不好。
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
有鉴于此，本发明提出了一种基于血铅数值的疾病信息匹配系统，旨在解决现有技术无法快速根据检测数据得到铅中毒以及中毒的程度的技术问题。
本发明的技术方案是这样实现的：
一方面，本发明提供了一种基于血铅数值的疾病信息匹配系统，所述基于血铅数值的疾病信息匹配系统包括：
采集模块，用于采集初始血铅数据，设定数据预处理规则，对初始血铅数据进行预处理，获取预处理后的初始血铅数据作为待匹配血铅数据；
标准表建立模块，用于获取血铅参考范围数据以及对应的症状数据，根据血铅参考范围数据以及对应的症状数据建立血铅判断标准表；
测算模块，用于建立皮尔森相关系数，根据该皮尔森相关系数计算待匹配血铅数据与血铅参考范围数据之间的线性相关系数；
匹配模块，用于根据该线性相关系数从血铅判断标准表中查找对应的症状数据，并与待匹配血铅数据进行匹配。
在以上技术方案的基础上，优选的，采集模块包括文本提取模块，用于采集初始血铅数据，设定提取关键词，所述关键词为：性别、年龄以及症状，所述初始血铅数据为初始血铅文本数据，根据提取关键词从初始血铅文本数据中提取对应关键词所在的关键词语句。
在以上技术方案的基础上，优选的，采集模块包括预处理模块，用于设定提取规则，根据提取规则提取关键词语句中关键词前后的词语以及数据，将该词语作为特征值，将该数据作为待匹配血铅数据并与特征词绑定。
在以上技术方案的基础上，优选的，标准表建立模块包括对应模块，用于获取血铅参考范围数据以及对应的症状数据，根据血铅参考范围数据建立血铅参考范围表，并将症状数据存入对应的表格中，将存入症状数据的血铅参考范围表作为血铅判断标准表。
在以上技术方案的基础上，优选的，测算模块包括计算模块，用于建立皮尔森相关系数算法，将待匹配血铅数据以及血铅判断标准表中的数据作为皮尔森变量，通过皮尔森相关系数算法计算这两个皮尔森变量之间的线性相关数。
在以上技术方案的基础上，优选的，测算模块包括皮尔森相关系数算法单元，所述皮尔森相关系数算法单元为：
其中，px,y代表线性相关数，X代表待匹配血铅数据，Y代表血铅判断标准表中的数据，E(XY)代表两个变量的期望，E(X)代表待匹配血铅数据的期望，E(Y)代表血铅判断标准表中的数据的期望。
在以上技术方案的基础上，优选的，匹配模块包括判断匹配模块，用于设定线性相关系数判断范围，根据该线性相关系数判断范围对线性相关数进行判断，根据判断结果从血铅判断标准表中查找对应的症状数据，并与待匹配血铅数据进行匹配。
更进一步优选的，所述基于血铅数值的疾病信息匹配设备包括：
采集单元，用于采集初始血铅数据，设定数据预处理规则，对初始血铅数据进行预处理，获取预处理后的初始血铅数据作为待匹配血铅数据；
标准表建立单元，用于获取血铅参考范围数据以及对应的症状数据，根据血铅参考范围数据以及对应的症状数据建立血铅判断标准表；
测算单元，用于建立皮尔森相关系数，根据该皮尔森相关系数计算待匹配血铅数据与血铅参考范围数据之间的线性相关系数；
匹配单元，用于根据该线性相关系数从血铅判断标准表中查找对应的症状数据，并与待匹配血铅数据进行匹配。
本发明的一种基于血铅数值的疾病信息匹配系统相对于现有技术具有以下有益效果：
(1)通过对采集的初始血铅数据进行预处理，能够提前对数据进行规范处理，减少数据后期在匹配过程中还需要处理的过程，提高匹配时间；
(2)通过皮尔森相关系数，能够能加精确实现对血铅信息的匹配，提高了整个系统速度，减少了系统匹配时间。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明基于血铅数值的疾病信息匹配系统第一实施例的结构框图；
图2为本发明基于血铅数值的疾病信息匹配系统的第二实施例结构框图；
图3为本发明基于血铅数值的疾病信息匹配系统的第三实施例结构框图；
图4为本发明基于血铅数值的疾病信息匹配系统的第四实施例结构框图；
图5为本发明基于血铅数值的疾病信息匹配系统的第五实施例结构框图；
图6为本发明基于血铅数值的疾病信息匹配设备结构框图。
具体实施方式
下面将结合本发明实施方式，对本发明实施方式中的技术方案进行清楚、完整地描述，显然，所描述的实施方式仅仅是本发明一部分实施方式，而不是全部的实施方式。基于本发明中的实施方式，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施方式，都属于本发明保护的范围。
如图1所示，图1为本发明基于血铅数值的疾病信息匹配系统第一实施例的结构框图。其中，所述基于血铅数值的疾病信息匹配系统包括：获取模块10、转化模块20、计算模块30和记录模块40。
采集模块10，用于采集初始血铅数据，设定数据预处理规则，对初始血铅数据进行预处理，获取预处理后的初始血铅数据作为待匹配血铅数据；
标准表建立模块20，用于获取血铅参考范围数据以及对应的症状数据，根据血铅参考范围数据以及对应的症状数据建立血铅判断标准表；
测算模块30，用于建立皮尔森相关系数，根据该皮尔森相关系数计算待匹配血铅数据与血铅参考范围数据之间的线性相关系数；
匹配模块40，用于根据该线性相关系数从血铅判断标准表中查找对应的症状数据，并与待匹配血铅数据进行匹配。
进一步地，如图2所示，基于上述各实施例提出本发明基于血铅数值的疾病信息匹配系统的第二实施例结构框图，在本实施例中，采集模块10还包括：
文本提取模块101，用于采集初始血铅数据，设定提取关键词，所述关键词为：性别、年龄以及症状，所述初始血铅数据为初始血铅文本数据，根据提取关键词从初始血铅文本数据中提取对应关键词所在的关键词语句。
预处理模块102，用于设定提取规则，根据提取规则提取关键词语句中关键词前后的词语以及数据，将该词语作为特征值，将该数据作为待匹配血铅数据并与特征词绑定。
应当理解的是，本实施例中会采集初始血铅数据，同时设定提取关键词，这些关键词最开始是有对应的管理人员进行设定，后期系统会根据已有的词库自动进行更新，所述关键词为：性别、年龄以及症状，这些词语就能够很好反映出初始血铅的各项数据，同时，系统采集到初始血铅数据就是一个文本描述，为了后期更好去进行数据匹配，系统会根据提取关键词从初始血铅文本数据中提取对应关键词所在的关键词语句。
应当理解的是，系统还会设定提取规则，然后根据提取规则提取关键词语句中关键词前后的词语以及数据，将该词语作为特征值，将该数据作为待匹配血铅数据并与特征词绑定。
应当理解的是，系统设定的提取规则实际上一个一个个提取词，比如：包括，含有，范围是等词语，有管理员预先进行设定，然后系统根据这个提取词来提取对应的文本。
进一步地，如图3所示，基于上述各实施例提出本发明基于血铅数值的疾病信息匹配系统的第三实施例结构框图，在本实施例中，标准表建立模块20还包括：
对应模块201，用于获取血铅参考范围数据以及对应的症状数据，根据血铅参考范围数据建立血铅参考范围表，并将症状数据存入对应的表格中，将存入症状数据的血铅参考范围表作为血铅判断标准表。
应当理解的是，系统会获取血铅参考范围数据以及对应的症状数据，这个血铅参考范围数据以及对应的症状数据是从国家标准进行提取，并划分为正常、异常(包括中毒、轻度中毒、中度中毒、重度中毒和极度中毒等五个区间)两个大类。儿童正常血铅水平一般为0--99微克/升(L)。这里，儿童血铅正常范围内属于没有中毒；大于正常范围为异常中毒(或者已经中毒)。异常中毒又分为儿童血铅中毒、儿童血铅轻度中毒、儿童血铅中度中毒、儿童血铅重度中毒和儿童血铅极度中毒等五个区间，儿童铅中毒程度分为：Ⅰ级的血铅浓度为(BPb)<100μg/L，相对安全水平；Ⅱ级为100μg/L≤Bpb<200μg/L，轻度铅中毒；Ⅲ级为200μg/L≤Bpb<450μg/L，中度铅中毒；Ⅳ级为450μg/L≤Bpb<700μg/L，重度铅中毒；Ⅴ级为BPb≥700μg/L，极重度铅中毒。
应当理解的是，之后系统会根据血铅参考范围数据建立血铅参考范围表，并将症状数据存入对应的表格中，将存入症状数据的血铅参考范围表作为血铅判断标准表。
进一步地，如图4所示，基于上述各实施例提出本发明基于血铅数值的疾病信息匹配系统的第四实施例结构框图，在本实施例中，测算模块30包括：
计算模块301，用于建立皮尔森相关系数算法，将待匹配血铅数据以及血铅判断标准表中的数据作为皮尔森变量，通过皮尔森相关系数算法计算这两个皮尔森变量之间的线性相关数。
皮尔森相关系数算法单元302，所述皮尔森相关系数算法单元为：
其中，px,y代表线性相关数，X代表待匹配血铅数据，Y代表血铅判断标准表中的数据，E(XY)代表两个变量的期望，E(X)代表待匹配血铅数据的期望，E(Y)代表血铅判断标准表中的数据的期望。
应当理解的是，目前，铅中毒诊断和分级主要依照血铅水平为指标，共分为5级：1、血铅＜100微克/升，相对安全；2、血铅100～199微克/升，血红素代谢受影响，神经传导速度下降；3、血铅200～499微克/升，铁锌钙代谢受影响，出现缺钙、缺锌、血红蛋白合成障碍，可有免疫力低下、学习困难、注意力不集中、智商水平下降或体格生长迟缓等症状；4、血铅500～699微克/升，可出现性格多变、易激怒、多动症、攻击性行为、运动失调、视力和听力下降、不明原因腹痛、贫血和心律失常等中毒症状；5、血铅≥700微克/升，可导致肾功能损害、铅性脑病(头痛、惊厥、昏迷等)甚至死亡。
应当理解的是，而皮尔森相关系数等于两个变量的协方差除于两个变量的标准差，皮尔森相关系数是衡量线性关联性的程度，p的一个几何解释是其代表两个变量的取值根据均值集中后构成的向量之间夹角的余弦。如果有两个变量：X、Y，最终计算出的相关系数的含义可以有如下理解：1、当相关系数为0时，X和Y两变量无关系；2、当X的值增大(减小)，Y值增大(减小)，两个变量为正相关，相关系数在0.00与1.00之间；3、当X的值增大(减小)，Y值减小(增大)，两个变量为负相关，相关系数在-1.00与0.00之间；相关系数的绝对值越大，相关性越强，相关系数越接近于1或-1，相关度越强，相关系数越接近于0，相关度越弱；通常情况下通过以下取值范围判断变量的相关强度：相关系数在0.8-1.0之间为极强相关。那么可以推导为儿童血铅极度中毒；相关系数在0.6-0.8之间为强相关。那么可以推导为儿童血铅重度中毒；相关系数在0.4-0.6之间为中等程度相关。那么可以推导为儿童血铅中度中毒；相关系数在0.2-0.4之间为弱相关。那么可以推导为儿童血铅轻度中毒；相关系数在0.0-0.2之间为极弱相关或无相关。那么可以推导为儿童血铅中毒或者没有中毒。通过皮尔森相关系数能够更加直观且清晰对血铅数据信息进行匹配，且提高了整个匹配过程以及精确度。
进一步地，如图5所示，基于上述各实施例提出本发明基于血铅数值的疾病信息匹配系统的第五实施例结构框图，在本实施例中，匹配模块40包括：
判断匹配模块401，用于设定线性相关系数判断范围，根据该线性相关系数判断范围对线性相关数进行判断，根据判断结果从血铅判断标准表中查找对应的症状数据，并与待匹配血铅数据进行匹配。
应当理解的是，最后系统会设定线性相关系数判断范围，线性相关系数判断范围在上述实施例中已经说明，然后该线性相关系数判断范围对线性相关数进行判断，根据判断结果从血铅判断标准表中查找对应的症状数据，并与待匹配血铅数据进行匹配。
需要说明的是，以上仅为举例说明，并不对本申请的技术方案构成任何限定。
通过上述描述不难发现，本实施例提出了一种基于血铅数值的疾病信息匹配系统，包括：采集模块，用于采集初始血铅数据，设定数据预处理规则，对初始血铅数据进行预处理，获取预处理后的初始血铅数据作为待匹配血铅数据；标准表建立模块，用于获取血铅参考范围数据以及对应的症状数据，根据血铅参考范围数据以及对应的症状数据建立血铅判断标准表；测算模块，用于建立皮尔森相关系数，根据该皮尔森相关系数计算待匹配血铅数据与血铅参考范围数据之间的线性相关系数；匹配模块，用于根据该线性相关系数从血铅判断标准表中查找对应的症状数据，并与待匹配血铅数据进行匹配。本实施例通过建立皮尔森相关系数，能够更加精确实现数据之间的匹配，实现对血铅的判断，同时提高判断速度。
此外，本发明实施例还提出一种基于血铅数值的疾病信息匹配设备。如图6所示，该基于血铅数值的疾病信息匹配设备包括：采集单元10、标准表建立单元20、测算单元30以及匹配单元40。
采集单元10，用于采集初始血铅数据，设定数据预处理规则，对初始血铅数据进行预处理，获取预处理后的初始血铅数据作为待匹配血铅数据；
标准表建立单元20，用于获取血铅参考范围数据以及对应的症状数据，根据血铅参考范围数据以及对应的症状数据建立血铅判断标准表；
测算单元30，用于建立皮尔森相关系数，根据该皮尔森相关系数计算待匹配血铅数据与血铅参考范围数据之间的线性相关系数；
匹配单元40，用于根据该线性相关系数从血铅判断标准表中查找对应的症状数据，并与待匹配血铅数据进行匹配。
此外，需要说明的是，以上所描述的装置实施例仅仅是示意性的，并不对本发明的保护范围构成限定，在实际应用中，本领域的技术人员可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的，此处不做限制。
另外，未在本实施例中详尽描述的技术细节，可参见本发明任意实施例所提供的基于血铅数值的疾病信息匹配系统，此处不再赘述。
以上所述仅为本发明的较佳实施方式而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (8)
1.一种基于血铅数值的疾病信息匹配系统，其特征在于，所述基于血铅数值的疾病信息匹配系统包括：
采集模块，用于采集初始血铅数据，设定数据预处理规则，对初始血铅数据进行预处理，获取预处理后的初始血铅数据作为待匹配血铅数据；
标准表建立模块，用于获取血铅参考范围数据以及对应的症状数据，根据血铅参考范围数据以及对应的症状数据建立血铅判断标准表；
测算模块，用于建立皮尔森相关系数，根据该皮尔森相关系数计算待匹配血铅数据与血铅参考范围数据之间的线性相关系数；
匹配模块，用于根据该线性相关系数从血铅判断标准表中查找对应的症状数据，并与待匹配血铅数据进行匹配。
2.如权利要求1所述的基于血铅数值的疾病信息匹配系统，其特征在于：采集模块包括文本提取模块，用于采集初始血铅数据，设定提取关键词，所述关键词为：性别、年龄以及症状，所述初始血铅数据为初始血铅文本数据，根据提取关键词从初始血铅文本数据中提取对应关键词所在的关键词语句。
3.如权利要求2所述的基于血铅数值的疾病信息匹配系统，其特征在于：采集模块包括预处理模块，用于设定提取规则，根据提取规则提取关键词语句中关键词前后的词语以及数据，将该词语作为特征值，将该数据作为待匹配血铅数据并与特征词绑定。
4.如权利要求3所述的基于血铅数值的疾病信息匹配系统，其特征在于：标准表建立模块包括对应模块，用于获取血铅参考范围数据以及对应的症状数据，根据血铅参考范围数据建立血铅参考范围表，并将症状数据存入对应的表格中，将存入症状数据的血铅参考范围表作为血铅判断标准表。
5.如权利要求4所述的基于血铅数值的疾病信息匹配系统，其特征在于：测算模块包括计算模块，用于建立皮尔森相关系数算法，将待匹配血铅数据以及血铅判断标准表中的数据作为皮尔森变量，通过皮尔森相关系数算法计算这两个皮尔森变量之间的线性相关数。
6.如权利要求5所述的基于血铅数值的疾病信息匹配系统，其特征在于：测算模块包括皮尔森相关系数算法单元，所述皮尔森相关系数算法单元为：
其中，px,y代表线性相关数，X代表待匹配血铅数据，Y代表血铅判断标准表中的数据，E(XY)代表两个变量的期望，E(X)代表待匹配血铅数据的期望，E(Y)代表血铅判断标准表中的数据的期望。
7.如权利要求6所述的基于血铅数值的疾病信息匹配系统，其特征在于：匹配模块包括判断匹配模块，用于设定线性相关系数判断范围，根据该线性相关系数判断范围对线性相关数进行判断，根据判断结果从血铅判断标准表中查找对应的症状数据，并与待匹配血铅数据进行匹配。
8.一种基于血铅数值的疾病信息匹配设备，其特征在于，所述基于血铅数值的疾病信息匹配设备包括：
采集单元，用于采集初始血铅数据，设定数据预处理规则，对初始血铅数据进行预处理，获取预处理后的初始血铅数据作为待匹配血铅数据；
标准表建立单元，用于获取血铅参考范围数据以及对应的症状数据，根据血铅参考范围数据以及对应的症状数据建立血铅判断标准表；
测算单元，用于建立皮尔森相关系数，根据该皮尔森相关系数计算待匹配血铅数据与血铅参考范围数据之间的线性相关系数；
匹配单元，用于根据该线性相关系数从血铅判断标准表中查找对应的症状数据，并与待匹配血铅数据进行匹配。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011125992.2A CN112201354A (zh) | 2020-10-20 | 2020-10-20 | 一种基于血铅数值的疾病信息匹配系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011125992.2A CN112201354A (zh) | 2020-10-20 | 2020-10-20 | 一种基于血铅数值的疾病信息匹配系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112201354A true CN112201354A (zh) | 2021-01-08 |
Family
ID=74009534
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011125992.2A Pending CN112201354A (zh) | 2020-10-20 | 2020-10-20 | 一种基于血铅数值的疾病信息匹配系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112201354A (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107845424A (zh) * | 2017-11-15 | 2018-03-27 | 海南大学 | 诊断信息处理分析的方法和系统 |
| CN108416190A (zh) * | 2018-02-11 | 2018-08-17 | 广州市碳码科技有限责任公司 | 基于深度学习的肿瘤早期筛查方法、装置、设备及介质 |
| CN109459570A (zh) * | 2018-12-26 | 2019-03-12 | 重庆市职业病防治院（重庆市第六人民医院） | 一种快速检测人体血液中铅离子的胶体金免疫试纸条制备方法 |
| CN110931090A (zh) * | 2019-11-26 | 2020-03-27 | 太平金融科技服务（上海）有限公司 | 疾病数据处理方法、装置、计算机设备和存储介质 |
| CN111710411A (zh) * | 2020-05-29 | 2020-09-25 | 中润普达(十堰)大数据中心有限公司 | 一种基于血脂检查指标智能推测疾病系统 |
-
2020
- 2020-10-20 CN CN202011125992.2A patent/CN112201354A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107845424A (zh) * | 2017-11-15 | 2018-03-27 | 海南大学 | 诊断信息处理分析的方法和系统 |
| CN108416190A (zh) * | 2018-02-11 | 2018-08-17 | 广州市碳码科技有限责任公司 | 基于深度学习的肿瘤早期筛查方法、装置、设备及介质 |
| CN109459570A (zh) * | 2018-12-26 | 2019-03-12 | 重庆市职业病防治院（重庆市第六人民医院） | 一种快速检测人体血液中铅离子的胶体金免疫试纸条制备方法 |
| CN110931090A (zh) * | 2019-11-26 | 2020-03-27 | 太平金融科技服务（上海）有限公司 | 疾病数据处理方法、装置、计算机设备和存储介质 |
| CN111710411A (zh) * | 2020-05-29 | 2020-09-25 | 中润普达(十堰)大数据中心有限公司 | 一种基于血脂检查指标智能推测疾病系统 |
Non-Patent Citations (2)
| Title |
|---|
| 付常洋;王瑜;肖洪兵;邢素霞;: "基于多尺度功能脑网络融合特征的抑郁症分类算法", 中国医学物理学杂志, no. 04, pages 49 - 54 * |
| 李亚杰: "多元统计分析", vol. 1, 30 September 2018, 北京邮电大学出版社, pages: 86 - 87 * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112766379B (zh) | 一种基于深度学习多权重损失函数的数据均衡方法 | |
| CN113255733A (zh) | 多模态数据缺失下的无监督异常检测方法 | |
| CN117457229B (zh) | 基于人工智能的麻醉深度监测系统及方法 | |
| CN111329494A (zh) | 基于语音关键词检索和语音情绪识别的抑郁症检测方法 | |
| CN115083604B (zh) | 一种术后不良事件预测模型的构建方法、系统和预测装置 | |
| CN111834006A (zh) | 一种基于尿酸值域范围智能疾病认知系统 | |
| CN111370124A (zh) | 一种基于面手部识别和大数据的健康分析系统及方法 | |
| CN113855038A (zh) | 基于多模型集成的心电信号危急值的预测方法及装置 | |
| Nigmatullin et al. | Membrane current series monitoring: essential reduction of data points to finite number of stable parameters | |
| CN112233742A (zh) | 一种基于聚类的病历文档分类系统、设备、存储介质 | |
| Mneimneh et al. | A rule-based approach for the prediction of acute hypotensive episodes | |
| CN112201354A (zh) | 一种基于血铅数值的疾病信息匹配系统 | |
| CN117352169B (zh) | 基于神经网络模型的蛇伤康复评价方法、装置及电子设备 | |
| CN113838018A (zh) | 基于Cnn-former的肝纤维化病变检测模型训练方法与系统 | |
| CN107913075B (zh) | 一种基于多参数的精神压力评估装置及其评估方法 | |
| CN116530943A (zh) | 基于血气数据的麻醉深度检测装置 | |
| CN112259244B (zh) | 一种基于血氧饱和度的疾病信息匹配系统 | |
| CN113743345B (zh) | 一种基于ceemdan-sae的矿工疑似职业病识别方法 | |
| CN114372143A (zh) | 用于电子病历的分级预测方法、系统以及计算机设备 | |
| CN113796873A (zh) | 穿戴式动态心电信号分类方法及系统 | |
| CN114878510A (zh) | 一种基于便携式近红外光谱仪的体质判别系统及方法 | |
| CN106599530B (zh) | 一种检测数据的处理方法和装置 | |
| CN113069093B (zh) | 一种基于可穿戴设备的无感知饮酒验证方法及系统 | |
| CN111098709A (zh) | 一种安全驾驶系统解锁启动方法和系统 | |
| CN118177806B (zh) | 基于图像编码的心电信号精神压力检测方法及装置 |
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 |