CN112201357A - 一种基于女性激素检查信息的疾病认知系统 - Google Patents
一种基于女性激素检查信息的疾病认知系统 Download PDFInfo
- Publication number
- CN112201357A CN112201357A CN202011300939.1A CN202011300939A CN112201357A CN 112201357 A CN112201357 A CN 112201357A CN 202011300939 A CN202011300939 A CN 202011300939A CN 112201357 A CN112201357 A CN 112201357A
- Authority
- CN
- China
- Prior art keywords
- hormone
- data
- personal
- information
- recognized
- 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
- 229940088597 hormone Drugs 0.000 title claims abstract description 135
- 239000005556 hormone Substances 0.000 title claims abstract description 135
- 201000010099 disease Diseases 0.000 title claims abstract description 51
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 title claims abstract description 51
- 230000001149 cognitive effect Effects 0.000 title claims abstract description 44
- 230000019771 cognition Effects 0.000 claims abstract description 32
- 238000003745 diagnosis Methods 0.000 claims abstract description 21
- 238000012549 training Methods 0.000 claims abstract description 16
- 238000012360 testing method Methods 0.000 claims description 21
- 230000036541 health Effects 0.000 claims description 6
- 230000002159 abnormal effect Effects 0.000 claims description 5
- 238000011534 incubation Methods 0.000 claims description 4
- 238000012545 processing Methods 0.000 claims description 3
- 230000003054 hormonal effect Effects 0.000 claims 6
- 238000000034 method Methods 0.000 abstract description 5
- 230000016087 ovulation Effects 0.000 description 18
- 102000012673 Follicle Stimulating Hormone Human genes 0.000 description 15
- 108010079345 Follicle Stimulating Hormone Proteins 0.000 description 15
- 229940028334 follicle stimulating hormone Drugs 0.000 description 15
- MUMGGOZAMZWBJJ-DYKIIFRCSA-N Testostosterone Chemical compound O=C1CC[C@]2(C)[C@H]3CC[C@](C)([C@H](CC4)O)[C@@H]4[C@@H]3CCC2=C1 MUMGGOZAMZWBJJ-DYKIIFRCSA-N 0.000 description 14
- 102000009151 Luteinizing Hormone Human genes 0.000 description 11
- 108010073521 Luteinizing Hormone Proteins 0.000 description 11
- 238000010586 diagram Methods 0.000 description 11
- 229940040129 luteinizing hormone Drugs 0.000 description 11
- RJKFOVLPORLFTN-LEKSSAKUSA-N Progesterone Chemical compound C1CC2=CC(=O)CC[C@]2(C)[C@@H]2[C@@H]1[C@@H]1CC[C@H](C(=O)C)[C@@]1(C)CC2 RJKFOVLPORLFTN-LEKSSAKUSA-N 0.000 description 10
- 102000003946 Prolactin Human genes 0.000 description 9
- 108010057464 Prolactin Proteins 0.000 description 9
- 229940097325 prolactin Drugs 0.000 description 9
- 230000006870 function Effects 0.000 description 8
- 229960003604 testosterone Drugs 0.000 description 7
- VOXZDWNPVJITMN-ZBRFXRBCSA-N 17β-estradiol Chemical compound OC1=CC=C2[C@H]3CC[C@](C)([C@H](CC4)O)[C@@H]4[C@@H]3CCC2=C1 VOXZDWNPVJITMN-ZBRFXRBCSA-N 0.000 description 5
- 230000002611 ovarian Effects 0.000 description 5
- 239000000186 progesterone Substances 0.000 description 5
- 229960003387 progesterone Drugs 0.000 description 5
- 206010021067 Hypopituitarism Diseases 0.000 description 4
- 206010036297 Postpartum hypopituitarism Diseases 0.000 description 4
- 208000002500 Primary Ovarian Insufficiency Diseases 0.000 description 4
- 201000009895 Sheehan syndrome Diseases 0.000 description 4
- 229960005309 estradiol Drugs 0.000 description 4
- 229930182833 estradiol Natural products 0.000 description 4
- 206010036601 premature menopause Diseases 0.000 description 4
- 208000017942 premature ovarian failure 1 Diseases 0.000 description 4
- 210000004246 corpus luteum Anatomy 0.000 description 3
- 230000002124 endocrine Effects 0.000 description 3
- 239000000284 extract Substances 0.000 description 3
- 208000000509 infertility Diseases 0.000 description 3
- 230000036512 infertility Effects 0.000 description 3
- 231100000535 infertility Toxicity 0.000 description 3
- 201000010065 polycystic ovary syndrome Diseases 0.000 description 3
- 239000000583 progesterone congener Substances 0.000 description 3
- 230000028327 secretion Effects 0.000 description 3
- 206010013908 Dysfunctional uterine bleeding Diseases 0.000 description 2
- 102000006771 Gonadotropins Human genes 0.000 description 2
- 108010086677 Gonadotropins Proteins 0.000 description 2
- 206010027514 Metrorrhagia Diseases 0.000 description 2
- 206010036049 Polycystic ovaries Diseases 0.000 description 2
- 239000003098 androgen Substances 0.000 description 2
- 239000008280 blood Substances 0.000 description 2
- 210000004369 blood Anatomy 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 210000004696 endometrium Anatomy 0.000 description 2
- 229940011871 estrogen Drugs 0.000 description 2
- 239000000262 estrogen Substances 0.000 description 2
- 239000002622 gonadotropin Substances 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000035800 maturation Effects 0.000 description 2
- 239000008267 milk Substances 0.000 description 2
- 210000004080 milk Anatomy 0.000 description 2
- 235000013336 milk Nutrition 0.000 description 2
- 201000004535 ovarian dysfunction Diseases 0.000 description 2
- 210000001672 ovary Anatomy 0.000 description 2
- 230000035752 proliferative phase Effects 0.000 description 2
- 208000011580 syndromic disease Diseases 0.000 description 2
- 230000007704 transition Effects 0.000 description 2
- 201000000736 Amenorrhea Diseases 0.000 description 1
- 206010001928 Amenorrhoea Diseases 0.000 description 1
- 208000019838 Blood disease Diseases 0.000 description 1
- 208000017701 Endocrine disease Diseases 0.000 description 1
- 206010062767 Hypophysitis Diseases 0.000 description 1
- 241001313288 Labia Species 0.000 description 1
- 208000019255 Menstrual disease Diseases 0.000 description 1
- 208000037093 Menstruation Disturbances Diseases 0.000 description 1
- 206010027339 Menstruation irregular Diseases 0.000 description 1
- 206010033165 Ovarian failure Diseases 0.000 description 1
- 208000007913 Pituitary Neoplasms Diseases 0.000 description 1
- WAHQVRCNDCHDIB-QZYSPNBYSA-N [(3s,8r,9s,10r,13s,14s,17r)-17-acetyl-17-acetyloxy-6,10,13-trimethyl-1,2,3,8,9,11,12,14,15,16-decahydrocyclopenta[a]phenanthren-3-yl] 3-cyclopentylpropanoate Chemical compound O([C@@H]1C=C2C(C)=C[C@H]3[C@@H]4CC[C@]([C@]4(CC[C@@H]3[C@@]2(C)CC1)C)(OC(=O)C)C(C)=O)C(=O)CCC1CCCC1 WAHQVRCNDCHDIB-QZYSPNBYSA-N 0.000 description 1
- 206010000210 abortion Diseases 0.000 description 1
- 231100000176 abortion Toxicity 0.000 description 1
- 231100000540 amenorrhea Toxicity 0.000 description 1
- 229940030486 androgens Drugs 0.000 description 1
- 230000002513 anti-ovulatory effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013145 classification model Methods 0.000 description 1
- 210000003029 clitoris Anatomy 0.000 description 1
- 210000005079 cognition system Anatomy 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007368 endocrine function Effects 0.000 description 1
- 208000030172 endocrine system disease Diseases 0.000 description 1
- 230000008217 follicular development Effects 0.000 description 1
- 239000003163 gonadal steroid hormone Substances 0.000 description 1
- 208000014951 hematologic disease Diseases 0.000 description 1
- 208000018706 hematopoietic system disease Diseases 0.000 description 1
- 210000001624 hip Anatomy 0.000 description 1
- 206010020718 hyperplasia Diseases 0.000 description 1
- 210000003016 hypothalamus Anatomy 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 210000005075 mammary gland Anatomy 0.000 description 1
- 230000002175 menstrual effect Effects 0.000 description 1
- 230000005906 menstruation Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000036651 mood Effects 0.000 description 1
- 210000000056 organ Anatomy 0.000 description 1
- 231100000539 ovarian failure Toxicity 0.000 description 1
- 230000001817 pituitary effect Effects 0.000 description 1
- 210000003635 pituitary gland Anatomy 0.000 description 1
- 208000010916 pituitary tumor Diseases 0.000 description 1
- 230000035935 pregnancy Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 210000003689 pubic bone Anatomy 0.000 description 1
- 230000003248 secreting effect Effects 0.000 description 1
- 210000002966 serum Anatomy 0.000 description 1
- 230000001568 sexual effect Effects 0.000 description 1
- 230000002195 synergetic effect Effects 0.000 description 1
- 238000002560 therapeutic procedure 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
- 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
- G16H50/50—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for simulation or modelling of medical disorders
-
- 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)
- Investigating Or Analysing Biological Materials (AREA)
Abstract
本发明提出了一种基于女性激素检查信息的疾病认知系统。包括：获取模块，用于获取历史用户的个人信息以及激素检查数据，根据历史用户的个人信息以及激素检查数据生成个人数据表；训练模块，用于获取诊断标准，根据该诊断标准建立数据参考范围值，通过复相关系数算法结合个人数据表以及数据参考范围值生成认知模型；表生成模块，用于获取待认知用户的个人信息以及激素检查数据，生成待认知个人数据表；认知模块，用于通过认知模型对待认知个人数据表进行认知，并生成对应的认知报告。本发明通过复相关系数算法能够生成认知模型，将数据之间的匹配通过算法模型来实现，能够提高女性激素检查信息与疾病认知之间的精确度，提升用户体验。
Description
技术领域
本发明涉及计算机领域，尤其涉及一种基于女性激素检查信息的疾病认知系统。
背景技术
女性性激素六项通常是指促卵泡素、黄体生成素、雌、孕激素和雄激素及垂体泌乳素。女性激素六项的检查常用于临床了解女性内分泌功能和诊断与内分泌失调相关的疾病。一般是在月经第三天进行检查。主要的目的就是通过检测女性血清中的六项指标，来清楚的了解女性朋友的内分泌情况，通过查看检查指标是否正常，来判断出女性卵巢、下丘脑、脑垂体等内分泌器官是否正常。对女性内分泌疾病、不孕不育的诊断、治疗以及疗效的观察和评估，都有非常重要的意义。
由于女性的激素六项在不同的时期、不同健康状况女性是不同的，所以女性的激素六项检查数据出来后，要靠医生的经验进行分析和判定，容易出现误差，所以亟需对现有的判定方法进行改进。
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女性激素检查信息的疾病认知系统，旨在解决现有技术无法实现通过负相关数训练分类模型来提高疾病认知判断的精确度的技术问题。
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女性激素检查信息的疾病认知系统，所述基于女性激素检查信息的疾病认知系统包括：
获取模块，用于获取历史用户的个人信息以及激素检查数据，根据历史用户的个人信息以及激素检查数据生成个人数据表；
训练模块，用于获取诊断标准，根据该诊断标准建立数据参考范围值，通过复相关系数算法结合个人数据表以及数据参考范围值生成认知模型；
表生成模块，用于获取待认知用户的个人信息以及激素检查数据，根据该待认知用户的个人信息以及激素检查数据生成待认知个人数据表；
认知模块，用于通过认知模型对待认知个人数据表进行认知，并生成对应的认知报告。
在以上技术方案的基础上，优选的，获取模块包括数据处理模块，用于获取历史用户的个人信息以及激素检查数据，所述个人信息包括：姓名以及年龄，所述激素检查数据包括：不同孕育阶段的激素数据、不同健康状况下的激素数据以及不同激素数据对应的疾病信息，根据历史用户的个人信息以及激素检查数据之间的关联关系建立个人数据表。
在以上技术方案的基础上，优选的，训练模块包括标准建立模块，用于获取诊断标准，根据该诊断标准建立激素数据参考范围值，所述激素数据参考范围值包括：正常激素参考范围值以及异常激素参考范围值。
在以上技术方案的基础上，优选的，训练模块包括模型建立模块，用于建立复相关系数算法，根据该复相关系数算法，计算激素数据参考范围值与个人数据表中激素数据之间的相关系数，并根据该相关系数以及个人数据表以及数据参考范围值生成认知模型。
在以上技术方案的基础上，优选的，表生成模块包括待认知表生成模块，用于获取待认知用户的个人信息以及激素检查数据，设定关键词，根据该关键词从待认知用户的个人信息中提取待认知关键词，根据待认知关键词以及激素检查数据之间的连接关系生成待认知个人数据表。
在以上技术方案的基础上，优选的，认知模块包括认知匹配模块，用于利用复相关系数，根据认知模型对待认知个人数据表进行匹配，获取匹配信息数据。
在以上技术方案的基础上，优选的，认知模块包括报告生成模块，用于根据匹配信息数据，从认知模型中获取对应的激素参考范围以及疾病信息，结合待认知个人数据表生成认知报告。
更进一步优选的，所述基于女性激素检查信息的疾病认知设备包括：
获取单元，用于获取历史用户的个人信息以及激素检查数据，根据历史用户的个人信息以及激素检查数据生成个人数据表；
训练单元，用于获取诊断标准，根据该诊断标准建立数据参考范围值，通过复相关系数算法结合个人数据表以及数据参考范围值生成认知模型；
表生成单元，用于获取待认知用户的个人信息以及激素检查数据，根据该待认知用户的个人信息以及激素检查数据生成待认知个人数据表；
认知单元，用于通过认知模型对待认知个人数据表进行认知，并生成对应的认知报告。
本发明的一种基于女性激素检查信息的疾病认知系统相对于现有技术具有以下有益效果：
(1)通过复相关系数算法训练出认知模型，能够更好帮助系统完成对女性激素检查信息于疾病信息之间的认知，提高了整个认知过程的精确度；
(2)通过详细划分激素参考范围，能够保证激素检查信息认知的广度，提高认知范围以及精确度，提升用户体验。
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是本发明基于女性激素检查信息的疾病认知系统第一实施例的结构框图；
图2为本发明基于女性激素检查信息的疾病认知系统的第二实施例结构框图；
图3为本发明基于女性激素检查信息的疾病认知系统的第三实施例结构框图；
图4为本发明基于女性激素检查信息的疾病认知系统的第四实施例结构框图；
图5为本发明基于女性激素检查信息的疾病认知系统的第五实施例结构框图；
图6为本发明基于女性激素检查信息的疾病认知设备结构框图。
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为本发明基于女性激素检查信息的疾病认知系统第一实施例的结构框图。其中，所述基于女性激素检查信息的疾病认知系统包括：获取模块10、训练模块20、表生成模块30和认知模块40。
获取模块10，用于获取历史用户的个人信息以及激素检查数据，根据历史用户的个人信息以及激素检查数据生成个人数据表；
训练模块20，用于获取诊断标准，根据该诊断标准建立数据参考范围值，通过复相关系数算法结合个人数据表以及数据参考范围值生成认知模型；
表生成模块30，用于获取待认知用户的个人信息以及激素检查数据，根据该待认知用户的个人信息以及激素检查数据生成待认知个人数据表；
认知模块40，用于通过认知模型对待认知个人数据表进行认知，并生成对应的认知报告。
进一步地，如图2所示，基于上述各实施例提出本发明基于女性激素检查信息的疾病认知系统的第二实施例结构框图，在本实施例中，获取模块10还包括：
数据处理模块101，用于获取历史用户的个人信息以及激素检查数据，所述个人信息包括：姓名以及年龄，所述激素检查数据包括：不同孕育阶段的激素数据、不同健康状况下的激素数据以及不同激素数据对应的疾病信息，根据历史用户的个人信息以及激素检查数据之间的关联关系建立个人数据表。
应当理解的是，本实施例中会获取历史用户的个人信息以及激素检查数据，所述个人信息包括：姓名以及年龄，所述激素检查数据包括：不同孕育阶段的激素数据、不同健康状况下的激素数据以及不同激素数据对应的疾病信息，根据历史用户的个人信息以及激素检查数据之间的关联关系建立个人数据表。
应当理解的是，其中，获取女性激素六项检查包括黄体生成素(LH)、促卵泡激素(FSH)、催乳素(PRL)、雌二醇(E2)、孕酮(P)、睾酮(T)等六种激素水平的正常值数据。一般来说，女性激素6项检查的正常值为：1.睾酮正常浓度为0.7至3.1毫摩尔每升；2.雌二醇在排卵前期为48至521皮摩尔每升，排卵期为70至1835皮摩尔每升，排卵后期为272至793皮摩尔每升；3.孕酮，在排卵前为0至4.8毫摩尔每升，排卵后期为7.6至97.6毫摩尔每升；4.促黄体生成素，在排卵前为2至15最低限度单位每毫升，排卵期为30至100最低限度单位每毫升，排卵后期为4到10最低限度单位每毫升，一般在非排卵期的正常值是5至25最低限度单位每毫升；5.催乳素，正常值为0.08至0.92毫摩尔每升；6.促卵泡生成激素，在排卵前期为1.5至10最低限度单位每毫升，排卵期为8至20最低限度单位每毫升，排卵后期为2至10最低限度单位每毫升，一般以5至40最低限度单位每毫升作为正常值。
进一步地，如图3所示，基于上述各实施例提出本发明基于女性激素检查信息的疾病认知系统的第三实施例结构框图，在本实施例中，训练模块20还包括：
标准建立模块201，用于获取诊断标准，根据该诊断标准建立激素数据参考范围值，所述激素数据参考范围值包括：正常激素参考范围值以及异常激素参考范围值。
模型建立模块202，用于建立复相关系数算法，根据该复相关系数算法，计算激素数据参考范围值与个人数据表中激素数据之间的相关系数，并根据该相关系数以及个人数据表以及数据参考范围值生成认知模型。
应当理解的是，之后系统会获取诊断标准，根据该诊断标准建立激素数据参考范围值，所述激素数据参考范围值包括：正常激素参考范围值以及异常激素参考范围值即确立上述六种激素水平在女性不同的时期、不同的时间点、不同健康状况条件下的正常参考范围值数据。比如，女性促卵泡生成激素在不同的时间段是不一样的。一般来说，排卵前期为1.5-10mIU/ml，排卵期为8-20mIU/ml，排卵后期为2-10mIU/ml。
应当理解的是，在建立上述女性六种激素水平在不同的时期的异常范围值数据(包括异常偏高和异常偏低两个类别)的集合之后，系统会将这个集合与对应的疾病与解决方案进行联系。比如，1.睾酮正常值为0.7-3.1nmol/L，如果睾酮偏高可引起不孕、多囊卵巢综合征等；2.雌二醇排卵前期为48-521nmol/L，排卵期为70-1835nmol/L，排卵后期为272-793nmol/L，如果值低，表明卵巢功能低下、卵巢早衰、席汉氏综合征等；3.孕酮排卵前期为0-48nmol/ml，排卵后期为7.6-97.6nmol/ml。如果后期值低，常见于黄体功能不全、排卵型功能失调性子宫出血；4.促黄体生成素排卵前期为2-15mlU/ml，排卵期为30-100mlU/ml，排卵后期为4-10mlU/ml。如果低于5mlU/ml，提示促性腺激素功能不足、卵巢功能衰竭等；5.催乳素正常值为0.08-0.92mlU/ml，如果值高，可抑制促卵泡生成激素分泌，抑制卵巢功能、抑制排卵；6.促卵泡生成激素排卵前期为1.5-10mIU/ml，排卵期为8-20mIU/ml，排卵后期为2-10mIU/ml。如果值低，常见于席汉氏综合征；值高常见于卵巢早衰。
应当理解的是，然后系统会建立复相关系数算法，根据该复相关系数算法，计算激素数据参考范围值与个人数据表中激素数据之间的相关系数，并根据该相关系数以及个人数据表以及数据参考范围值生成认知模型。
应当理解的是，主要步骤即利用复相关系数算法，计算激素数据参考范围值与个人数据表中激素数据之间的相关系数。复相关系数是反映一个因变量与一组自变量(两个或两个以上)之间相关程度的指标。它是包含所有变量在内的相关系数。复相关系数是度量负相关程度的指标，它可利用单相关系数和偏相关系数求得。复相关系数越大，表明要素或变量之间的线性相关程度越密切。
进一步地，如图4所示，基于上述各实施例提出本发明基于女性激素检查信息的疾病认知系统的第四实施例结构框图，在本实施例中，表生成模块30包括：
待认知表生成模块301，用于获取待认知用户的个人信息以及激素检查数据，设定关键词，根据该关键词从待认知用户的个人信息中提取待认知关键词，根据待认知关键词以及激素检查数据之间的连接关系生成待认知个人数据表。
应当理解的是，之后系统会获取待认知用户的个人信息以及激素检查数据，设定关键词，根据该关键词从待认知用户的个人信息中提取待认知关键词，根据待认知关键词以及激素检查数据之间的连接关系生成待认知个人数据表，其中关键词是管理员预先进行设定，也可以是系统根据历史信息提取得到的关键词。
进一步地，如图5所示，基于上述各实施例提出本发明基于女性激素检查信息的疾病认知系统的第五实施例结构框图，在本实施例中，认知模块40包括：
认知匹配模块401，用于利用复相关系数，根据认知模型对待认知个人数据表进行匹配，获取匹配信息数据。
报告生成模块402，用于根据匹配信息数据，从认知模型中获取对应的激素参考范围以及疾病信息，结合待认知个人数据表生成认知报告。
应当理解的是，最后系统会通过利用复相关系数，根据认知模型对待认知个人数据表进行匹配，获取匹配信息数据。
应当理解的是，然后根据匹配信息数据，从认知模型中获取对应的激素参考范围以及疾病信息，结合待认知个人数据表生成认知报告，即根据女性激素六项检查的数据中待比较数据对应的属性和类别，确定待比较女性激素六项检查数据对应的疾病信息，根据疾病信息生成疾病认知报告。比如，1.促卵泡生成激素(FSH)：其主要功能是促进卵巢的卵泡发育和成熟。FSH值低见于雌孕激素治疗期间、席汉氏综合征等。FSH高见于卵巢早衰、卵巢不敏感综合征、原发性闭经等。长时间卵泡雌激素低，会引起月经量少、影响卵泡成熟；2.雌二醇(E2)：主要功能是促使子宫内膜转变为增殖期和促进女性第二性征的发育。E2低值见于卵巢功能低下、卵巢早衰、席汉氏综合征。若雌激素低可能会导致女性腰酸痛、情绪起伏大、月经不调等；3.孕酮(P)：主要功能是促使子宫内膜从增殖期转变为分泌期。见于黄体功能不全、排卵型功能失调性子宫出血等。怀孕时孕酮低容易流产；4.睾酮(T)：女性体内睾酮主要功能是促进阴蒂、阴唇和阴阜的发育。高睾酮血症，可引起不孕。患多囊卵巢综合征时，血T值也增高。女性雄激素分泌过多会导致不来月经、体毛多、内分泌失调等；5.催乳素(PRL)：主要功能是促进乳腺的增生、乳汁的生成和排乳。过多的催乳素可抑制FSH及LH的分泌，抑制卵巢功能，抑制排卵。如果女性运动剧烈或受到刺激可能会引起女性催乳素过高，从而引起垂体瘤；6.促黄体生成素(LH)：主要是促使排卵，在FSH的协同作用下，形成黄体并分泌孕激素。LH低值提示促性腺激素功能不足，见于席汉氏综合征，高FSH如再加高LH，则卵巢功能衰竭已十分肯定，不必再作其他检查。LH/FSH≥3则是诊断多囊卵巢综合征的依据之一。
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女性激素检查信息的疾病认知系统，包括：获取模块，用于获取历史用户的个人信息以及激素检查数据，根据历史用户的个人信息以及激素检查数据生成个人数据表；训练模块，用于获取诊断标准，根据该诊断标准建立数据参考范围值，通过复相关系数算法结合个人数据表以及数据参考范围值生成认知模型；表生成模块，用于获取待认知用户的个人信息以及激素检查数据，根据该待认知用户的个人信息以及激素检查数据生成待认知个人数据表；认知模块，用于通过认知模型对待认知个人数据表进行认知，并生成对应的认知报告。本实施例通过复相关系数算法能够生成认知模型，将数据之间的匹配通过算法模型来实现，能够提高女性激素检查信息与疾病认知之间的精确度，提升用户体验。
此外，本发明实施例还提出一种基于女性激素检查信息的疾病认知设备。如图6所示，该基于女性激素检查信息的疾病认知设备包括：获取单元10、训练单元20、表生成单元30以及认知单元40。
获取单元10，用于获取历史用户的个人信息以及激素检查数据，根据历史用户的个人信息以及激素检查数据生成个人数据表；
训练单元20，用于获取诊断标准，根据该诊断标准建立数据参考范围值，通过复相关系数算法结合个人数据表以及数据参考范围值生成认知模型；
表生成单元30，用于获取待认知用户的个人信息以及激素检查数据，根据该待认知用户的个人信息以及激素检查数据生成待认知个人数据表；
认知单元40，用于通过认知模型对待认知个人数据表进行认知，并生成对应的认知报告。
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女性激素检查信息的疾病认知系统，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)
1.一种基于女性激素检查信息的疾病认知系统，其特征在于，所述基于女性激素检查信息的疾病认知系统包括：
获取模块，用于获取历史用户的个人信息以及激素检查数据，根据历史用户的个人信息以及激素检查数据生成个人数据表；
训练模块，用于获取诊断标准，根据该诊断标准建立数据参考范围值，通过复相关系数算法结合个人数据表以及数据参考范围值生成认知模型；
表生成模块，用于获取待认知用户的个人信息以及激素检查数据，根据该待认知用户的个人信息以及激素检查数据生成待认知个人数据表；
认知模块，用于通过认知模型对待认知个人数据表进行认知，并生成对应的认知报告。
2.如权利要求1所述的基于女性激素检查信息的疾病认知系统，其特征在于：获取模块包括数据处理模块，用于获取历史用户的个人信息以及激素检查数据，所述个人信息包括：姓名以及年龄，所述激素检查数据包括：不同孕育阶段的激素数据、不同健康状况下的激素数据以及不同激素数据对应的疾病信息，根据历史用户的个人信息以及激素检查数据之间的关联关系建立个人数据表。
3.如权利要求2所述的基于女性激素检查信息的疾病认知系统，其特征在于：训练模块包括标准建立模块，用于获取诊断标准，根据该诊断标准建立激素数据参考范围值，所述激素数据参考范围值包括：正常激素参考范围值以及异常激素参考范围值。
4.如权利要求3所述的基于女性激素检查信息的疾病认知系统，其特征在于：训练模块包括模型建立模块，用于建立复相关系数算法，根据该复相关系数算法，计算激素数据参考范围值与个人数据表中激素数据之间的相关系数，并根据该相关系数以及个人数据表以及数据参考范围值生成认知模型。
5.如权利要求4所述的基于女性激素检查信息的疾病认知系统，其特征在于：表生成模块包括待认知表生成模块，用于获取待认知用户的个人信息以及激素检查数据，设定关键词，根据该关键词从待认知用户的个人信息中提取待认知关键词，根据待认知关键词以及激素检查数据之间的连接关系生成待认知个人数据表。
6.如权利要求5所述的基于女性激素检查信息的疾病认知系统，其特征在于：认知模块包括认知匹配模块，用于利用复相关系数，根据认知模型对待认知个人数据表进行匹配，获取匹配信息数据。
7.如权利要求6所述的基于女性激素检查信息的疾病认知系统，其特征在于：认知模块包括报告生成模块，用于根据匹配信息数据，从认知模型中获取对应的激素参考范围以及疾病信息，结合待认知个人数据表生成认知报告。
8.一种基于女性激素检查信息的疾病认知设备，其特征在于，所述基于女性激素检查信息的疾病认知设备包括：
获取单元，用于获取历史用户的个人信息以及激素检查数据，根据历史用户的个人信息以及激素检查数据生成个人数据表；
训练单元，用于获取诊断标准，根据该诊断标准建立数据参考范围值，通过复相关系数算法结合个人数据表以及数据参考范围值生成认知模型；
表生成单元，用于获取待认知用户的个人信息以及激素检查数据，根据该待认知用户的个人信息以及激素检查数据生成待认知个人数据表；
认知单元，用于通过认知模型对待认知个人数据表进行认知，并生成对应的认知报告。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011300939.1A CN112201357A (zh) | 2020-11-19 | 2020-11-19 | 一种基于女性激素检查信息的疾病认知系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011300939.1A CN112201357A (zh) | 2020-11-19 | 2020-11-19 | 一种基于女性激素检查信息的疾病认知系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112201357A true CN112201357A (zh) | 2021-01-08 |
Family
ID=74034022
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011300939.1A Pending CN112201357A (zh) | 2020-11-19 | 2020-11-19 | 一种基于女性激素检查信息的疾病认知系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112201357A (zh) |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20110066450A1 (en) * | 2009-09-17 | 2011-03-17 | Cynthia Karapanos | System for providing bio-identical hormone replacement therapy |
| US20130303401A1 (en) * | 2011-01-13 | 2013-11-14 | Warren Kruger | Systems and methods for diagnosing renal cell carcinoma |
| WO2017220734A1 (en) * | 2016-06-23 | 2017-12-28 | Isabelle Marjorie | System and methods for managing hormone levels |
| CN108389625A (zh) * | 2018-02-09 | 2018-08-10 | 元码基因科技（北京）股份有限公司 | 用于评估药物治疗后复发转移风险的计算机系统 |
| CN108550400A (zh) * | 2018-04-13 | 2018-09-18 | 成都金盘电子科大多媒体技术有限公司 | 空气污染物对呼吸道疾病病患人数影响的评估方法 |
| US20190223843A1 (en) * | 2018-01-23 | 2019-07-25 | FLO Living LLC | Female Health Tracking and Diagnosis Method |
| CN110223772A (zh) * | 2019-06-10 | 2019-09-10 | 青岛大学附属医院 | 一种内分泌疾病治疗诊断装置及数据信息处理方法 |
| CN111696667A (zh) * | 2020-06-11 | 2020-09-22 | 吾征智能技术(北京)有限公司 | 一种常见妇科疾病预测模型构建方法和预测系统 |
| 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 |
| CN111834006A (zh) * | 2020-07-08 | 2020-10-27 | 中润普达(十堰)大数据中心有限公司 | 一种基于尿酸值域范围智能疾病认知系统 |
| CN111863240A (zh) * | 2020-07-08 | 2020-10-30 | 中润普达(十堰)大数据中心有限公司 | 一种基于人体体液异常变化的疾病认知系统 |
-
2020
- 2020-11-19 CN CN202011300939.1A patent/CN112201357A/zh active Pending
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20110066450A1 (en) * | 2009-09-17 | 2011-03-17 | Cynthia Karapanos | System for providing bio-identical hormone replacement therapy |
| US20130303401A1 (en) * | 2011-01-13 | 2013-11-14 | Warren Kruger | Systems and methods for diagnosing renal cell carcinoma |
| WO2017220734A1 (en) * | 2016-06-23 | 2017-12-28 | Isabelle Marjorie | System and methods for managing hormone levels |
| US20190223843A1 (en) * | 2018-01-23 | 2019-07-25 | FLO Living LLC | Female Health Tracking and Diagnosis Method |
| CN108389625A (zh) * | 2018-02-09 | 2018-08-10 | 元码基因科技（北京）股份有限公司 | 用于评估药物治疗后复发转移风险的计算机系统 |
| CN108550400A (zh) * | 2018-04-13 | 2018-09-18 | 成都金盘电子科大多媒体技术有限公司 | 空气污染物对呼吸道疾病病患人数影响的评估方法 |
| CN110223772A (zh) * | 2019-06-10 | 2019-09-10 | 青岛大学附属医院 | 一种内分泌疾病治疗诊断装置及数据信息处理方法 |
| 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 |
| CN111696667A (zh) * | 2020-06-11 | 2020-09-22 | 吾征智能技术(北京)有限公司 | 一种常见妇科疾病预测模型构建方法和预测系统 |
| CN111834006A (zh) * | 2020-07-08 | 2020-10-27 | 中润普达(十堰)大数据中心有限公司 | 一种基于尿酸值域范围智能疾病认知系统 |
| CN111863240A (zh) * | 2020-07-08 | 2020-10-30 | 中润普达(十堰)大数据中心有限公司 | 一种基于人体体液异常变化的疾病认知系统 |
Non-Patent Citations (3)
| Title |
|---|
| 向延根: "《临床检验手册》", vol. 1, 30 April 2020, 湖南科学技术出版社, pages: 235 - 236 * |
| 王佃亮: "《当代全科医师处方》", vol. 1, 31 January 2016, 人民军医出版社, pages: 1033 - 1034 * |
| 黄骥斌，等: "性别、年龄、肾功能、代谢参数及所患疾病对患者血清胱抑素C浓度的影响", 《四川大学学报（医学版）》, vol. 43, no. 06, pages 888 - 892 * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Engel et al. | Menstrual cycle-related fluctuations in oxytocin concentrations: a systematic review and meta-analysis | |
| Hackelöer et al. | Correlation of ultrasonic and endocrinologic assessment of human follicular development | |
| Milad et al. | Stress and anxiety do not result in pregnancy wastage. | |
| Persky et al. | The relationship of plasma estradiol level to sexual behavior in young women | |
| Somani et al. | The clinical evaluation of hirsutism | |
| Tanbo et al. | Follicle-stimulating hormone as a prognostic indicator in clomiphene citrate/human menopausal gonadotrophin-stimulated cycles for in-vitro fertilization | |
| Matorras et al. | Treatment of the male with follicle-stimulating hormone in intrauterine insemination with husband's spermatozoa: a randomized study. | |
| Massey et al. | The association of physiological cortisol and IVF treatment outcomes: a systematic review | |
| Takasaki et al. | Luteal blood flow and luteal function | |
| Lal et al. | Correlation of thyroid hormones with FSH, LH and Prolactin in infertility in the Reproductive Age Group women | |
| US5091170A (en) | Fertility prediction by use of clomiphene challenge test | |
| CN112201357A (zh) | 一种基于女性激素检查信息的疾病认知系统 | |
| Hartshorne | Preovulatory follicular fluid: relationships to ovarian stimulation protocol, fertilization, and sperm penetration in vitro | |
| Grinsted et al. | Prediction of ovulation | |
| Lalani et al. | Thyroid dysfunction and infertility treatment | |
| Syrop et al. | A comparison of peritoneal fluid parameters of infertile patients and the subsequent occurrence of pregnancy | |
| Tinkanen et al. | The association between hormone levels and vascular resistance in uterine and ovarian arteries in spontaneous menstrual cycles–a Doppler ultrasound study | |
| Tao et al. | Effect of gonadotropin-releasing hormone analog on ovarian reserve in children with central precocious puberty | |
| Indhavivadhana et al. | Brief communication (Original). Hyperandrogenemia is associated with thin endometrium in reproductive-aged Thai women with polycystic ovary syndrome | |
| Yong et al. | Simple office methods to predict ovulation: The clinical usefulness of a new urine luteinizing hormone kit compared to basal body temperature, cervical mucus and ultrasound | |
| Aslam et al. | Association of Pituitary Hormones and Anthropometric Parameters in Obese Infertile Women | |
| US7318809B2 (en) | Method for monitoring a childbirth process | |
| Sarris et al. | Prolactin and luteal insufficiency | |
| RU2777475C1 (ru) | Способ диагностики органических поражений хиазмально-селлярной области у пациенток с центральным гипогонадизмом | |
| CN116798634B (zh) | 一种fsh启动剂量预测系统、电子设备及存储介质 |
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 |