CN112382355A - 一种智慧医疗数据管理方法、存储介质及系统 - Google Patents
一种智慧医疗数据管理方法、存储介质及系统 Download PDFInfo
- Publication number
- CN112382355A CN112382355A CN202011229879.9A CN202011229879A CN112382355A CN 112382355 A CN112382355 A CN 112382355A CN 202011229879 A CN202011229879 A CN 202011229879A CN 112382355 A CN112382355 A CN 112382355A
- Authority
- CN
- China
- Prior art keywords
- data information
- medical record
- report card
- patient
- record report
- 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
- 238000000034 method Methods 0.000 title claims abstract description 33
- 238000013523 data management Methods 0.000 title claims abstract description 23
- 238000003745 diagnosis Methods 0.000 claims abstract description 85
- 208000035473 Communicable disease Diseases 0.000 claims abstract description 59
- 208000015181 infectious disease Diseases 0.000 claims abstract description 49
- 238000012544 monitoring process Methods 0.000 claims abstract description 10
- 238000004590 computer program Methods 0.000 claims description 12
- 208000031662 Noncommunicable disease Diseases 0.000 claims description 6
- 238000012549 training Methods 0.000 claims description 6
- 230000008569 process Effects 0.000 abstract description 7
- 201000010099 disease Diseases 0.000 description 4
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 4
- 238000007726 management method Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 241000282414 Homo sapiens Species 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000013398 bayesian method Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013036 cure process Methods 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000002458 infectious effect Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000011160 research 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
- 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
- G16H15/00—ICT specially adapted for medical reports, e.g. generation or transmission thereof
-
- 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
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Primary Health Care (AREA)
- Public Health (AREA)
- Business, Economics & Management (AREA)
- General Business, Economics & Management (AREA)
- Biomedical Technology (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明涉及一种智慧医疗数据管理方法，其包括步骤，记录每个病患的诊断数据信息，并生成对应的病历报告卡；以每份病历报告卡为唯一标签，将所有病患的诊断数据信息存入数据库中，并实时在数据库中对每份病例报告卡中的诊断数据信息进行实时更新；建立诊断数据信息的识别模型；利用识别模型对诊断数据信息中存在传染病信息的病历报告卡进行标记；将带有标记的病历报告卡提取出来，并在数据库中单独存放；实时监测带有标记的病历报告卡，并生成传染病档案库。本发明还提供一种存储介质及智慧医疗数据管理系统，本发明提供的智慧医疗数据管理方法、存储介质及系统可实现对传染病患者的全过程追溯。
Description
技术领域
本发明涉及医疗系统管理技术领域，尤其涉及一种智慧医疗数据管理方法、存储介质及系统。
背景技术
随着信息系统的普及，医疗信息化在我国发展迅速。各地的医疗机构均建立了各自的医疗信息系统实现了基础的信息化。但由于医疗机构众多，发展水平各异，导致了医疗系统仅限于各自机构的信息处理。对于整个医疗行业来说，出现了“数据无法共通，信息透明度低，医疗资源利用率低”等问题。
目前，在传统的医疗管理体系中，病人的档案、病历信息及病情报告很大程度上都依靠临床医生的主动报告，即，临床医生人为将病人的档案、病历信息及病情报告进行记录并上传至系统。
由于未建立常态化管理机制，导致在上传报告时工作量大、耗时较长，且存在漏报的情况，影响报告的准确性及实时性，特别涉及传染病例等紧急病例的情况时，由于信息的错乱，可能会导致报告流程无法追溯的问题。
发明内容
有鉴于此，本发明提供一种智慧医疗数据管理方法、存储介质及系统解决病例报告流程无法追溯的问题。
为了达到上述目的，本发明解决技术问题的技术方案是提供一种智慧医疗数据管理方法，其包括步骤：记录每个病患的诊断数据信息，并生成对应的病历报告卡；以每份病历报告卡为唯一标签，将所有病患的诊断数据信息存入数据库中，并实时在数据库中对每份病例报告卡中的诊断数据信息进行实时更新；建立诊断数据信息的识别模型，以利用别模型识别诊断数据信息中存在传染病的病历报告卡；利用识别模型以预设时间的频率遍历数据库中所有病患的诊断数据信息，对诊断数据信息中存在传染病信息的病历报告卡进行标记；每次遍历后，将带有标记的病历报告卡提取出来，并在数据库中单独存放；实时监测带有标记的病历报告卡，并生成传染病档案库，以完成对患染病病患信息的归档。
进一步，所述记录每个病患的诊断数据信息，并生成对应的病历报告卡包括步骤：登记患者的身份信息；登记患者的诊断数据信息；建立患者的病历报告卡。
进一步，所述以每份病历报告卡为唯一标签，将所有病患的诊断数据信息存入数据库中，并实时在数据库中对每份病例报告卡中的诊断数据信息进行实时更新包括步骤：以患者身份信息在数据库中建立表格；将对应患者的诊断数据信息填入表格中。
进一步，所述建立诊断数据信息的识别模型，以利用别模型识别诊断数据信息中存在传染病的病历报告卡包括步骤：采集多个医生书写的诊断结果；将多份医生书写的诊断结果为输入，以诊断结果中是传染病患者的诊断结果为输出进行训练；生成识别模型。
进一步，所述利用识别模型以预设时间的频率遍历数据库中所有病患的诊断数据信息，对诊断数据信息中存在传染病信息的病历报告卡进行标记包括步骤：遍历数据库中所有患者的诊断数据信息；将遍历的诊断数据信息作为输入放至识别模型内；利用识别模型对诊断数据信息中为传染病患者的进行标记。
进一步，所述每次遍历后，将带有标记的病历报告卡提取出来，并在数据库中单独存放包括步骤：建立传染病数据表格；将被标记的病历报告卡提取至传染病数据表格中。
进一步，所述实时监测带有标记的病历报告卡，并生成传染病档案库，以完成对患染病病患信息的归档包括步骤：实时监测被标记的病历报告卡；在被标记的病历报告卡中的诊断结果有传染病患者变化为非传染病患者后，将该病历报告卡的标记取消；生成被剔除的病例报告卡的档案库。
本发明还提供一种存储介质，所述存储介质中存储有计算机程序，其中，所述计算机程序被设置为运行时执行智慧医疗数据管理方法。
本发明还提供一种智慧医疗数据管理系统，其包括处理器和存储器,所述存储器上存储有计算机程序，所述计算机程序被所述处理器执行时，实现智慧医疗数据管理方法。
与现有技术相比，本发明所提供的智慧医疗数据管理方法、存储介质及系统具有以下有益效果：
本发明通过登记每个患者的诊断数据信息形成病历报告卡，并利用建立的识别模型识别每个病历报告卡中诊断结果中的传染病患者，最后对所有传染病患者进行实时监测，并形成归档，从而实现对所有传染病患者从治疗到治愈全过程的追溯。
以上所述本发明的具体实施方式，并不构成对本发明保护范围的限定。任何根据本发明的技术构思所做出的各种其他相应的改变与变形，均应包含在本发明的保护范围内。
附图说明
图1为本发明第一实施例提供的一种智慧医疗数据管理方法的步骤流程示意图；
图2为图1中步骤S1的子步骤流程图；
图3为图1中步骤S2的子步骤流程图；
图4为图1中步骤S3的子步骤流程图；
图5为图1中步骤S4的子步骤流程图；
图6为图1中步骤S5的子步骤流程图；
图7为图1中步骤S6的子步骤流程图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
请参阅图1，本发明提供的一种智慧医疗数据管理方法，其包括步骤：
S1，记录每个病患的诊断数据信息，并生成对应的病历报告卡；
具体的，在每个病患从入院起，以每个病患的身份信息，建立统计其诊断数据信息。诊断数据信息包括：病患的身份信息、病患的入院登记、出院登记、体检数据、诊断结果及入院登记、出院登记、体检数据、诊断结果生成的时间，即可以通过每个病患的病历报告卡，明确知悉病患治疗的全部过程，以便于对每个病患的治疗过程进行追溯。
S2，以每份病历报告卡为唯一标签，将所有病患的诊断数据信息存入数据库中，并实时在数据库中对每份病例报告卡中的诊断数据信息进行实时更新；
具体的，在生产病历报告卡后，将所有病患病例报告卡中的数据以其对应的病患身份信息为标签，存入数据库中。即，在数据库中，以病患身份信息为ID建立表格，将诊断数据信息的内容根据其对应的身份信息填入对应的表格内，从而生成具有所有病患诊断数据信息的数据库。并且，在病患的诊断数据信息发送变化时，对数据库中对应ID的表格中的诊断数据信息进行更新。
可以理解，对数据库中诊断数据信息进行更新的具体操作为，当病患的诊断数据信息发生变化时，如体检数据及诊断结果发生变化时，将变化的结果及变化的时间记录入数据库中对应ID的表格中。
S3，建立诊断数据信息的识别模型，以利用别模型识别诊断数据信息中存在传染病的病历报告卡；
具体的，判断病患是否为传染病患者的主要依据为诊断数据信息中的诊断结果，而诊断结果通常是以文字的形式进行记载，多个医生以文字记载所使用的语言可能存在差异。通过以多份医生记载的诊断结果为输入，以诊断结果为传染病患者为输出，利用机器学习的方法建立识别模型，以实现将诊断数据信息输入之别模型中后，可以识别出输入的诊断数据信息中的诊断结果是否为传染病患者，并对为传染病患者的诊断数据信息进行标记。
可以理解，机器学习为一种一门多领域交叉学科，涉及概率论、统计学、逼近轮、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。根据算法的功能和形式的类似性，可以把算法分类，如回归算法、基于实例的算法、正则化算法、决策树学习、贝叶斯方法、基于核的算法、聚类算法、关联学习、人工神经网络、降低纬度算法及集成算法等，在本实施例中，不对具体的算法作限制，只要能够生成以诊断数据新为输入，以是否为传染病患者为输出的识别模型即可。
S4，利用识别模型以预设时间的频率遍历数据库中所有病患的诊断数据信息，对诊断数据信息中存在传染病信息的病历报告卡进行标记；
具体的，在生产识别模型后，利用识别模型以预设时间的频率对数据库中所有诊断数据信息进行遍历，以识别出数据库中所有诊断信息是否为传染病患者，并对为传染病患者的诊断数据信息进行标记，也即对该患者对应的病历报告卡进行标记。
可以理解，预设时间可以根据实际需求自主设置，如每隔一小时、每个半天或每个一天等，也可以根据数据库中病例报告卡是否进行更新为判断条件，每当数据库中病例报告卡内的数据由于更新而发生变化时，利用识别模型对数据库中所有病患的诊断数据信息进行遍历。
S5，每次遍历后，将带有标记的病历报告卡提取出来，并在数据库中单独存放；
具体的，在上一步骤将数据库中所有的为传染病患者的病例报告卡都标记后，将被标记的病例报告卡提取出来，在数据库中单独存放，以便于对其进行实时监测。
可以理解，单独存放可以是在数据库中额外建立一个表格，将所有带标记的病历报告卡全部存放入该表格内。
可以理解，由于带有标记的病历报告卡的数量要少于所有的病历报告卡，单独对带有标记病历报告卡进行检测的工作量要小，也即节省了计算机的内存。
可以理解，由于数据库中的病例报告卡为实时更新的，即在每次遍历后，都可能存在新的带有标记的病例报告卡被提取出来，并单独存放。
S6，实时监测带有标记的病历报告卡，并生成传染病档案库，以完成对患染病病患信息的归档；
具体的，实时监测带有标记的病历报告卡的过程中，依然实时对被监测的病例报告卡进行更新，当病例报告卡中诊断数据信息内的诊断结果有传染病患者转变为非传染病患者时，将该病历报告卡从单独存放的序列中剔除。同时，对被剔除的病例报告卡建立档案库，以记录该患者的患病种类、患病时间、治疗方法及治愈时间，从而完成对传染病患者从入院到痊愈过程的归档，以便于后续对传染病患者治疗过程的追溯。
请参阅图2，步骤S1还包括子步骤：
S11，登记患者的身份信息；
具体的，对所有入院的患者的身份进行登记。
S12，登记患者的诊断数据信息；
具体的，分别登记每个患者的诊断数据信息。
S13，建立患者的病历报告卡；
具体的，根据每个患者的诊断数据信息建立患者的病例报告卡。
请参阅图3，步骤S2还包括子步骤：
S21，以患者身份信息在数据库中建立表格；
具体的，以患者的身份信息为ID，在数据库中建立表格。
S22，将对应患者的诊断数据信息填入表格中；
具体的，将患者身份信息对应的诊断数据信息填入表格中。
请参阅图4，步骤S3还包括子步骤：
S31，采集多个医生书写的诊断结果；
具体的，通过多个不同医生书写的诊断结果为样本，以增加样本的多样性。
可以理解，多个医生书写的诊断结果指的是多个医生写诊断结果时的描述习惯，不包括其书写的字迹。
S32，将多份医生书写的诊断结果为输入，以诊断结果中是传染病患者的诊断结果为输出进行训练；
具体的，采集到多份医生书写的诊断结果后，将其作为输入进行训练，且以多份医生书写的诊断结果中，确定为传染病患者的诊断结果作为输出，进行训练。
S33，生成识别模型；
具体的，利用上述训练结果生成可识别诊断结果是否为传染病患者的识别模型。
请参阅图5，步骤S4还包括子步骤：
S41，遍历数据库中所有患者的诊断数据信息；
具体的，对存入数据库中所有患者的诊断数据信息中的诊断结果进行遍历。
S42，将遍历的诊断数据信息作为输入放至识别模型内；
具体的，将遍历的结果作为输入，放入识别模型内进行识别。
S43，利用识别模型对诊断数据信息中为传染病患者的进行标记；
具体的，将识别模型识别出为传染病患者的诊断数据信息进行标记。
可以理解，该标记可以为任意标记方式，只要能够将传染病患者的诊断数据信息与非传染病患者的诊断数据信息进行区别即可。
请参阅图6，步骤S5包括子步骤：
S51，建立传染病数据表格；
具体的，在数据库中建立存放传染病患者的诊断数据信息的表格。
S52，将被标记的病历报告卡提取至传染病数据表格中；
具体的，将上被标记的病例报告卡中的诊断数据信息存放入步骤S51建立的传染病数据表格中。
请参阅图7，步骤S6包括子步骤：
S61，实时监测被标记的病历报告卡；
具体的，在将被标记的病历报告卡中的诊断数据信息被标记后，对被标记的诊断数据信息对应的病历报告卡进行实时监测。
S62，在被标记的病历报告卡中的诊断结果有传染病患者变化为非传染病患者后，将该病历报告卡的标记取消；
具体的，由于患者的病情并非一成不变，当被标记的病历报告卡所对应的患者被治愈后，即被标记的病历报告卡中的诊断结果有传染病患者变化为非传染病患者后，将其标记取消。
S63，生成被剔除的病例报告卡的档案库；
具体的，在有病历报告卡的标记被取消时，生成该病历报告卡对应患者的档案库，即记录该患者从入院治疗到治愈的所有信息，以便于后续进行追溯。
本发明还提供一种存储介质，该存储介质中存储有计算机程序，其中，该计算机程序被设置为运行时执行上述方法步骤。存储介质可以包括如软盘、光盘、DVD、硬盘、闪存、U盘、CF卡、SD卡、MMC卡、SM卡、记忆棒(Memory Stick)、XD卡等。
计算机软件产品存储在存储介质中，包括若干指令用以使得一台或多台计算机设备(可以是个人计算机设备、服务器或其他网络设备等)用以执行本发明方法的全部或部分步骤。
本发明还提供一种智慧医疗数据管理系统，该智慧医疗数据管理系统包括处理器和存储器,存储器上存储有计算机程序，计算机程序被处理器执行时，实现智慧医疗数据管理方法。
与现有技术相比，本发明所提供的智慧医疗数据管理方法、存储介质及系统具有以下有益效果：
本发明通过登记每个患者的诊断数据信息形成病历报告卡，并利用建立的识别模型识别每个病历报告卡中诊断结果中的传染病患者，最后对所有传染病患者进行实时监测，并形成归档，从而实现对所有传染病患者从治疗到治愈全过程的追溯。
以上所述本发明的具体实施方式，并不构成对本发明保护范围的限定。任何根据本发明的技术构思所做出的各种其他相应的改变与变形，均应包含在本发明的保护范围内。
Claims (9)
1.一种智慧医疗数据管理方法，其特征在于，包括步骤：
记录每个病患的诊断数据信息，并生成对应的病历报告卡；
以每份病历报告卡为唯一标签，将所有病患的诊断数据信息存入数据库中，并实时在数据库中对每份病例报告卡中的诊断数据信息进行实时更新；
建立诊断数据信息的识别模型，以利用别模型识别诊断数据信息中存在传染病的病历报告卡；
利用识别模型以预设时间的频率遍历数据库中所有病患的诊断数据信息，对诊断数据信息中存在传染病信息的病历报告卡进行标记；
每次遍历后，将带有标记的病历报告卡提取出来，并在数据库中单独存放；
实时监测带有标记的病历报告卡，并生成传染病档案库，以完成对患染病病患信息的归档。
2.如权利要求1所述的一种智慧医疗数据管理方法，其特征在于，所述记录每个病患的诊断数据信息，并生成对应的病历报告卡包括步骤：
登记患者的身份信息；
登记患者的诊断数据信息；
建立患者的病历报告卡。
3.如权利要求1所述的一种智慧医疗数据管理方法，其特征在于，所述以每份病历报告卡为唯一标签，将所有病患的诊断数据信息存入数据库中，并实时在数据库中对每份病例报告卡中的诊断数据信息进行实时更新包括步骤：
以患者身份信息在数据库中建立表格；
将对应患者的诊断数据信息填入表格中。
4.如权利要求1所述的一种智慧医疗数据管理方法，其特征在于，所述建立诊断数据信息的识别模型，以利用别模型识别诊断数据信息中存在传染病的病历报告卡包括步骤：
采集多个医生书写的诊断结果；
将多份医生书写的诊断结果为输入，以诊断结果中是传染病患者的诊断结果为输出进行训练；
生成识别模型。
5.如权利要求1所述的一种智慧医疗数据管理方法，其特征在于，所述利用识别模型以预设时间的频率遍历数据库中所有病患的诊断数据信息，对诊断数据信息中存在传染病信息的病历报告卡进行标记包括步骤：
遍历数据库中所有患者的诊断数据信息；
将遍历的诊断数据信息作为输入放至识别模型内；
利用识别模型对诊断数据信息中为传染病患者的进行标记。
6.如权利要求1所述的一种智慧医疗数据管理方法，其特征在于，所述每次遍历后，将带有标记的病历报告卡提取出来，并在数据库中单独存放包括步骤：
建立传染病数据表格；
将被标记的病历报告卡提取至传染病数据表格中。
7.如权利要求1所述的一种智慧医疗数据管理方法，其特征在于，所述实时监测带有标记的病历报告卡，并生成传染病档案库，以完成对患染病病患信息的归档包括步骤：
实时监测被标记的病历报告卡；
在被标记的病历报告卡中的诊断结果有传染病患者变化为非传染病患者后，将该病历报告卡的标记取消；
生成被剔除的病例报告卡的档案库。
8.一种存储介质，其特征在于：
所述存储介质中存储有计算机程序，其中，所述计算机程序被设置为运行时执行所述权利要求1-7中任一项中所述的智慧医疗数据管理方法。
9.一种智慧医疗数据管理系统，其特征在于：
所述智慧医疗数据管理系统包括处理器及存储器，所述存储器上存储有计算机程序，所述计算机程序被所述处理器执行，实现如权利要求1-7任一项所述的智慧医疗数据管理方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011229879.9A CN112382355A (zh) | 2020-11-06 | 2020-11-06 | 一种智慧医疗数据管理方法、存储介质及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011229879.9A CN112382355A (zh) | 2020-11-06 | 2020-11-06 | 一种智慧医疗数据管理方法、存储介质及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112382355A true CN112382355A (zh) | 2021-02-19 |
Family
ID=74578028
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011229879.9A Pending CN112382355A (zh) | 2020-11-06 | 2020-11-06 | 一种智慧医疗数据管理方法、存储介质及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112382355A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20210393144A1 (en) * | 2018-09-24 | 2021-12-23 | Koninklijke Philips N.V. | Medical monitoring system |
| CN114334060A (zh) * | 2021-12-29 | 2022-04-12 | 四川执象网络有限公司 | 一种医疗数据的管理方法及系统 |
| CN118136265A (zh) * | 2024-02-21 | 2024-06-04 | 中山大学肿瘤防治中心（中山大学附属肿瘤医院、中山大学肿瘤研究所） | 传染病与多重耐药菌感染智能识别与动态标记方法及系统 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104598437A (zh) * | 2013-10-31 | 2015-05-06 | 蓝网科技有限公司 | 电子病历中页眉信息的动态实现方法 |
| CN104598764A (zh) * | 2015-02-16 | 2015-05-06 | 上海市疾病预防控制中心 | 基于电子病历实现异常病例和事件数据监测的系统及方法 |
| CN106250668A (zh) * | 2016-07-06 | 2016-12-21 | 无锡市疾病预防控制中心 | 手足口病流感等法定传染病防漏报管理系统及其方法 |
| CN111627510A (zh) * | 2020-05-18 | 2020-09-04 | 赵小红 | 传染病例自动上报方法、系统、设备及可读存储介质 |
-
2020
- 2020-11-06 CN CN202011229879.9A patent/CN112382355A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104598437A (zh) * | 2013-10-31 | 2015-05-06 | 蓝网科技有限公司 | 电子病历中页眉信息的动态实现方法 |
| CN104598764A (zh) * | 2015-02-16 | 2015-05-06 | 上海市疾病预防控制中心 | 基于电子病历实现异常病例和事件数据监测的系统及方法 |
| CN106250668A (zh) * | 2016-07-06 | 2016-12-21 | 无锡市疾病预防控制中心 | 手足口病流感等法定传染病防漏报管理系统及其方法 |
| CN111627510A (zh) * | 2020-05-18 | 2020-09-04 | 赵小红 | 传染病例自动上报方法、系统、设备及可读存储介质 |
Non-Patent Citations (2)
| Title |
|---|
| 张小亮，等: "医院传染病智能直报系统的构建", 《中国卫生信息管理杂志》 * |
| 张龙飞: "面向健康中国战略的传染病电子档案建设研究", 《大众标准化》 * |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20210393144A1 (en) * | 2018-09-24 | 2021-12-23 | Koninklijke Philips N.V. | Medical monitoring system |
| CN114334060A (zh) * | 2021-12-29 | 2022-04-12 | 四川执象网络有限公司 | 一种医疗数据的管理方法及系统 |
| CN114334060B (zh) * | 2021-12-29 | 2022-11-04 | 四川执象网络有限公司 | 一种医疗数据的管理方法及系统 |
| CN118136265A (zh) * | 2024-02-21 | 2024-06-04 | 中山大学肿瘤防治中心（中山大学附属肿瘤医院、中山大学肿瘤研究所） | 传染病与多重耐药菌感染智能识别与动态标记方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Xiong et al. | Reinforced transformer for medical image captioning | |
| CN112382355A (zh) | 一种智慧医疗数据管理方法、存储介质及系统 | |
| WO2022105115A1 (zh) | 问答对匹配方法、装置、电子设备及存储介质 | |
| CN110929752B (zh) | 基于知识驱动和数据驱动的分群方法及相关设备 | |
| Che et al. | Deep learning solutions to computational phenotyping in health care | |
| CN115146865A (zh) | 基于人工智能的任务优化方法及相关设备 | |
| CN113111162A (zh) | 科室推荐方法、装置、电子设备及存储介质 | |
| CN112507095B (zh) | 基于弱监督学习的信息识别方法及相关设备 | |
| Gang et al. | Recognition of honeycomb lung in CT images based on improved MobileNet model | |
| WO2023097780A1 (zh) | 机械通气过程中人机异步现象的分类方法和分类装置 | |
| CN114756669A (zh) | 问题意图的智能分析方法、装置、电子设备及存储介质 | |
| WO2022204605A1 (en) | Interpretation of intraoperative sensor data using concept graph neural networks | |
| CN115438040A (zh) | 一种病理档案信息管理方法及系统 | |
| CN114220536A (zh) | 基于机器学习的疾病分析方法、装置、设备及存储介质 | |
| CN113722507A (zh) | 基于知识图谱的住院费用预测方法、装置及计算机设备 | |
| WO2022047043A1 (en) | Surgical phase recognition with sufficient statistical model | |
| JP2021135930A5 (zh) | ||
| Elezaj et al. | Data-driven machine learning approach for predicting missing values in large data sets: A comparison study | |
| CN115880702A (zh) | 数据处理方法、装置、设备、程序产品及存储介质 | |
| Dipto et al. | Quantifying the effect of image similarity on diabetic foot ulcer classification | |
| Anandi et al. | Descriptive and Predictive Analytics on Electronic Health Records using Machine Learning | |
| Che et al. | Time series feature learning with applications to health care | |
| CN114783557A (zh) | 肿瘤患者数据的处理方法和装置、存储介质及处理器 | |
| Hannemose et al. | Was that so hard? estimating human classification difficulty | |
| CN113628709A (zh) | 相似对象确定方法、装置、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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210219 |
|
| RJ01 | Rejection of invention patent application after publication |