CN113229793A - 一种糖尿病风险早期检测管理系统 - Google Patents
一种糖尿病风险早期检测管理系统 Download PDFInfo
- Publication number
- CN113229793A CN113229793A CN202110699964.XA CN202110699964A CN113229793A CN 113229793 A CN113229793 A CN 113229793A CN 202110699964 A CN202110699964 A CN 202110699964A CN 113229793 A CN113229793 A CN 113229793A
- Authority
- CN
- China
- Prior art keywords
- module
- data
- patient
- cloud storage
- blood
- 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
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/0205—Simultaneously evaluating both cardiovascular conditions and different types of body conditions, e.g. heart and respiratory condition
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
- A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
- A61B5/7267—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems involving training the classification device
-
- 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
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/10—Protocols in which an application is distributed across nodes in the network
- H04L67/1097—Protocols in which an application is distributed across nodes in the network for distributed storage of data in networks, e.g. transport arrangements for network file system [NFS], storage area networks [SAN] or network attached storage [NAS]
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/0048—Detecting, measuring or recording by applying mechanical forces or stimuli
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/08—Detecting, measuring or recording devices for evaluating the respiratory organs
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/45—For evaluating or diagnosing the musculoskeletal system or teeth
- A61B5/4519—Muscles
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biomedical Technology (AREA)
- General Health & Medical Sciences (AREA)
- Pathology (AREA)
- Artificial Intelligence (AREA)
- Physiology (AREA)
- Physics & Mathematics (AREA)
- Animal Behavior & Ethology (AREA)
- Signal Processing (AREA)
- Surgery (AREA)
- Heart & Thoracic Surgery (AREA)
- Biophysics (AREA)
- Molecular Biology (AREA)
- Veterinary Medicine (AREA)
- Cardiology (AREA)
- Primary Health Care (AREA)
- Epidemiology (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Pulmonology (AREA)
- Psychiatry (AREA)
- Computer Networks & Wireless Communication (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Mathematical Physics (AREA)
- Fuzzy Systems (AREA)
- Evolutionary Computation (AREA)
- Investigating Or Analysing Biological Materials (AREA)
Abstract
本发明属于糖尿病早期检测技术领域,公开了一种糖尿病风险早期检测管理系统,所述早期检测管理系统包括监测器模块、信号处理模块、血液检测模块、中央处理模块、云存储模块、评估模块;所述监测器模块、信号处理模块、血液检测模块、云存储模块、评估模块与中央处理模块相连接,所传输的数据均经过中央处理器向各模块传送;本发明设置了监测模块利用相应的传感器,采集病人的身体各项信号,结合病人身体数据进行糖尿病风险的判断,提高了医生判断准确率,发现潜在的异常;本发明设置有信号处理模块,对信号进行降噪处理,有助于病情的发现;本系统设置有云存储模块,对病人的各项指标进行针对性的存储,且数据的存储有利于技术整体行业的发展。
Description
技术领域
本发明属于糖尿病早期检测技术领域,尤其涉及一种糖尿病风险早期检测管理系统。
背景技术
目前:糖尿病是一组以高血糖为特征的代谢性疾病。高血糖则是由于胰岛素分泌缺陷或其生物作用受损,或两者兼有引起。长期存在的高血糖,导致各种组织,特别是眼、肾、心脏、血管、神经的慢性损害、功能障碍,且1型或2型糖尿病均存在明显的遗传异质性。糖尿病存在家族发病倾向,1/4~1/2患者有糖尿病家族史。临床上至少有60种以上的遗传综合征可伴有糖尿病。1型糖尿病有多个DNA位点参与发病,其中以HLA抗原基因中DQ位点多态性关系最为密切。在2型糖尿病已发现多种明确的基因突变,如胰岛素基因、胰岛素受体基因、葡萄糖激酶基因、线粒体基因等,因此对糖尿病风险进行早期检测是非常有意义的,现有的发明中没有相关的糖尿病风险早期检测系统,只有对糖尿病并发症的早期检测,是已经患有糖尿病的病人可能出现的并发症问题,因此建立一个糖尿病早期检测非常有必要。
通过上述分析,现有技术存在的问题及缺陷为:
(1)现有并不存在相关的糖尿病风险早期检测的系统。
(2)现有的为对糖尿病并发症进行检测的方法,但是对于未确诊糖尿病的人来说没有意义。
发明内容
针对现有技术存在的问题,本发明提供了一种糖尿病风险早期检测管理系统。
本发明是这样实现的,一种糖尿病风险早期检测管理系统,所述早期检测管理系统包括监测器模块、信号处理模块、血液检测模块、中央处理模块、云存储模块、评估模块;所述监测器模块、信号处理模块、血液检测模块、云存储模块、评估模块与中央处理模块相连接,所传输的数据均经过中央处理器向各模块传送。
进一步,所述监测器模块与中央处理模块相连接,由脑电信号监测器、心电信号监测器、脉搏信号监测器、呼吸信号监测器、肌肉信号监测器、感知刺激器构成,用于采集病患的实时状态信号。
进一步,所述信号处理模块,与中央处理模块相连接,用于对采集的身体信号进行信号处理,由信号采集器,放大电路构成,信号采集器采集监测器传来的信号,经由放大电路,对信号进行放大,放大后使用小波包去噪对信号进行去噪,小波包去噪会对信号在传输过程中产生的噪声进行处理,且保证信号的完整性。
进一步,所述血液检测模块与中央处理模块相连接,用于对采集的血液进行动态检测,首先对病人的信息进行搜寻,查看病人是否来查看过,得到病人的历史病情况,若没有,建立病人的信息,再对病人的血液进行检测分析,其检测的血液包括病人的空腹状态的血液,病人三餐后两小时后的血液,分别在特定的时间点进行血液中的血清C-反应蛋白、糖化血红蛋白、血糖含量、尿微量白蛋白的生化指标检测。
进一步,所述云存储模块与中央处理模块相连接,用于存储实时采集的病患数据,使用云存储服务,首先要在本地服务器部署数据中心中创建云存储平台,通过第三方网关来实现存储协议,此存储协议可以实现从NFS到SMB的转换,用户将本地数据通过网线写入云存储网关中,云存储网关将数据传输至边界路由,边界路由通过专线公网将数据传入至云平台,在云平台中发起对象存储的请求,将数据传送至云平台内的云存储网关,云存储网关通过vSwitch将数据发送到云存储可用区中,完成数据云存储。
进一步,所述评估模块,与中央处理模块相连接,由服务器和评估程序构成,由评估程序向中央处理器发送索要数据的请求,该请求信息到达交换机,交换机发送至路由器,路由器发送至DNS服务器到达主控器的服务器,服务器接收到索要数据的请求,将所要统计的数据进行封装打包,原路返回至评估模块,对数据进行解码,评估程序使用训练过的深度卷积神经网络对数据进行计算评估。用于通过评估程序分析病人的血液中的糖分含量。
结合上述的所有技术方案,本发明所具备的优点及积极效果为:本发明设置了监测模块利用相应的传感器,采集病人的身体各项信号,结合病人身体数据进行糖尿病风险的判断,提高了医生判断准确率,发现潜在的异常;本发明设置有信号处理模块,对信号进行降噪处理,保证了信号的有效信息的呈现,有助于病情的发现;本系统设置了评估模块,利用大数据分析对病人的身体指数进行相应的评估,大大提高发现病情的准确率;本系统设置有云存储模块,对病人的各项指标进行针对性的存储,保证在病人第二次来检查的时候快速准确的找出检查者的各项指标信息,且数据的存储有利于技术整体行业的发展,在大数据时代,任何技术的发展都离不开大量的真实的数据。
附图说明
图1是本发明实施例提供的糖尿病风险早期检测管理系统结构示意图;
图2是本发明实施例提供的评估程序核心模型的建立步骤流程图;
图3是本发明实施例提供的云存储原理示意图;
图中,1、监测器模块;2、信号处理模块;3、血液检测模块;4、中央处理模块;5、云存储模块;6、评估模块。
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。
针对现有技术存在的问题,本发明提供了一种糖尿病风险早期检测管理系统,下面结合附图对本发明作详细的描述。
本发明提供血液检测步骤业内的普通技术人员还可以采用其他的步骤实施,图1的本发明提供的糖尿病风险早期检测管理系统示意图仅仅是一个具体实施例而已。
主要方案和效果描述部分:
如图1所示,所述早期检测管理系统包括监测器模块1、信号处理模块2、血液检测模块3、中央处理模块4、云存储模块5、评估模块6;所述监测器模块1、信号处理模块2、血液检测模块3、云存储模块5、评估模块6与中央处理模块4相连接,所传输的数据均经过中央处理器向各模块传送。
进一步,所述监测器模块1与中央处理模块相连接,由脑电信号监测器、心电信号监测器、脉搏信号监测器、呼吸信号监测器、肌肉信号监测器、感知刺激器构成,用于采集病患的实时状态信号。
进一步,所述信号处理模块2,与中央处理模块相连接,用于对采集的身体信号进行信号处理,由信号采集器,放大电路构成,信号采集器采集监测器传来的信号,经由放大电路,对信号进行放大,放大后使用小波包去噪对信号进行去噪,小波包去噪会对信号在传输过程中产生的噪声进行处理,且保证信号的完整性。
进一步,所述血液检测模块3与中央处理模块相连接,用于对采集的血液进行动态检测,首先对病人的信息进行搜寻,查看病人是否来查看过,得到病人的历史病情况,若没有,建立病人的信息,再对病人的血液进行检测分析,其检测的血液包括病人的空腹状态的血液,病人三餐后两小时后的血液,分别在特定的时间点进行血液中的血清C-反应蛋白、糖化血红蛋白、血糖含量、尿微量白蛋白的生化指标检测。
进一步,所述云存储模块5与中央处理模块相连接,用于存储实时采集的病患数据,使用云存储服务,首先要在本地服务器部署数据中心中创建云存储平台,通过第三方网关来实现存储协议,此存储协议可以实现从NFS到SMB的转换,用户将本地数据通过网线写入云存储网关中,云存储网关将数据传输至边界路由,边界路由通过专线公网将数据传入至云平台,在云平台中发起对象存储的请求,将数据传送至云平台内的云存储网关,云存储网关通过vSwitch将数据发送到云存储可用区中,完成数据云存储。
进一步,所述评估模块6,与中央处理模块相连接,由服务器和评估程序构成,由评估程序向中央处理器发送索要数据的请求,该请求信息到达交换机,交换机发送至路由器,路由器发送至DNS服务器到达主控器的服务器,服务器接收到索要数据的请求,将所要统计的数据进行封装打包,原路返回至评估模块,对数据进行解码,评估程序使用训练过的深度卷积神经网络对数据进行计算评估。用于通过评估程序分析病人的血液中的糖分含量。
如图2所示,评估程序核心模型的建立步骤流程为:
S1:对网络上的糖尿病早期病人数据进行采集;
S2:建立初始模型,骨架为卷积神经网络,将模型的参数初始化,初始化方式为随机取值;
S3:将采集的数据输入初始模型中进行训练,通过数据的不断训练对参数不断优化,直至参数变化不明显,稳定;
S4:选取在训练样本之外的病人血液指标数据输入模型中验证其准确性,若准确则训练结束,若不准确,则重复S3。
工作原理部分:
如图3所示,使用早期检测系统中的云存储服务,首先要在本地服务器部署数据中心中创建云存储平台,通过第三方网关来实现存储协议,用户将本地数据通过网线写入云存储网关中,云存储网关将数据传输至边界路由,边界路由通过专线公网将数据传入至云平台,在云平台中发起对象存储的请求,将数据传送至云平台内的云存储网关,云存储网关通过vSwitch将数据发送到云存储可用区中,完成数据云存储。所述VSwitch指虚拟交换机或虚拟网络交换机,工作在二层数据网络,通过软件方式实现物理交换机的二层(和部分三层)网络功能。与传统物理交换机相比,虚拟交换机具备配置灵活、扩展性强的优点。一台普通的服务器可以配置几十台甚至上百台虚拟交换机,且端口数目可以灵活选择。
本系统在检测血液的同时检测病人身体各项的指标,保证病人的每一项身体数据均被观察到,提高了风险检测的准确性。
在本发明的描述中,除非另有说明,“多个”的含义是两个或两个以上;术语“上”、“下”、“左”、“右”、“内”、“外”、“前端”、“后端”、“头部”、“尾部”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。此外,术语“第一”、“第二”、“第三”等仅用于描述目的,而不能理解为指示或暗示相对重要性。
应当注意,本发明的实施方式可以通过硬件、软件或者软件和硬件的结合来实现。硬件部分可以利用专用逻辑来实现;软件部分可以存储在存储器中,由适当的指令执行系统,例如微处理器或者专用设计硬件来执行。本领域的普通技术人员可以理解上述的设备和方法可以使用计算机可执行指令和/或包含在处理器控制代码中来实现,例如在诸如磁盘、CD或DVD-ROM的载体介质、诸如只读存储器(固件)的可编程的存储器或者诸如光学或电子信号载体的数据载体上提供了这样的代码。本发明的设备及其模块可以由诸如超大规模集成电路或门阵列、诸如逻辑芯片、晶体管等的半导体、或者诸如现场可编程门阵列、可编程逻辑设备等的可编程硬件设备的硬件电路实现,也可以用由各种类型的处理器执行的软件实现,也可以由上述硬件电路和软件的结合例如固件来实现。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,都应涵盖在本发明的保护范围之内。
Claims (6)
1.一种糖尿病风险早期检测管理系统,其特征在于,所述早期检测管理系统包括监测器模块、信号处理模块、血液检测模块、中央处理模块、云存储模块、评估模块;所述监测器模块、信号处理模块、血液检测模块、云存储模块、评估模块与中央处理模块相连接,所传输的数据均经过中央处理器向各模块传送。
2.如权利要求1所述的糖尿病风险早期检测管理系统,其特征在于,所述监测器模块与中央处理模块相连接,由脑电信号监测器、心电信号监测器、脉搏信号监测器、呼吸信号监测器、肌肉信号监测器、感知刺激器构成,用于采集病患的实时状态信号。
3.如权利要求1所述的糖尿病风险早期检测管理系统,其特征在于,所述信号处理模块,与中央处理模块相连接,用于对采集的身体信号进行信号处理,由信号采集器,放大电路构成,信号采集器采集监测器传来的信号,经由放大电路,对信号进行放大,放大后使用小波包去噪对信号进行去噪,小波包去噪会对信号在传输过程中产生的噪声进行处理,且保证信号的完整性。
4.如权利要求1所述的糖尿病风险早期检测管理系统,其特征在于,所述血液检测模块与中央处理模块相连接,用于对采集的血液进行动态检测,首先对病人的信息进行搜寻,查看病人是否来查看过,得到病人的历史病情况,若没有,建立病人的信息,再对病人的血液进行检测分析,其检测的血液包括病人的空腹状态的血液,病人三餐后两小时后的血液,分别在特定的时间点进行血液中的血清C-反应蛋白、糖化血红蛋白、血糖含量、尿微量白蛋白的生化指标检测。
5.如权利要求1所述的糖尿病风险早期检测管理系统,其特征在于,所述云存储模块与中央处理模块相连接,用于存储实时采集的病患数据,使用云存储服务,首先要在本地服务器部署数据中心中创建云存储平台,通过第三方网关来实现存储协议,此存储协议可以实现从NFS到SMB的转换,用户将本地数据通过网线写入云存储网关中,云存储网关将数据传输至边界路由,边界路由通过专线公网将数据传入至云平台,在云平台中发起对象存储的请求,将数据传送至云平台内的云存储网关,云存储网关通过vSwitch将数据发送到云存储可用区中,完成数据云存储。
6.如权利要求1所述的糖尿病风险早期检测管理系统,其特征在于,所述评估模块,与中央处理模块相连接,由服务器和评估程序构成,由评估程序向中央处理器发送索要数据的请求,该请求信息到达交换机,交换机发送至路由器,路由器发送至DNS服务器到达主控器的服务器,服务器接收到索要数据的请求,将所要统计的数据进行封装打包,原路返回至评估模块,对数据进行解码,评估程序使用训练过的深度卷积神经网络对数据进行计算评估。用于通过评估程序分析病人的血液中的糖分含量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110699964.XA CN113229793A (zh) | 2021-06-23 | 2021-06-23 | 一种糖尿病风险早期检测管理系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110699964.XA CN113229793A (zh) | 2021-06-23 | 2021-06-23 | 一种糖尿病风险早期检测管理系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113229793A true CN113229793A (zh) | 2021-08-10 |
Family
ID=77140586
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110699964.XA Pending CN113229793A (zh) | 2021-06-23 | 2021-06-23 | 一种糖尿病风险早期检测管理系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113229793A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115359916A (zh) * | 2022-10-19 | 2022-11-18 | 四川大学华西医院 | 糖尿病风险评估方法及系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106529163A (zh) * | 2016-11-04 | 2017-03-22 | 南京端云信息科技有限公司 | 一种糖尿病可视化定位系统 |
CN109171756A (zh) * | 2018-06-18 | 2019-01-11 | 广州普麦健康咨询有限公司 | 基于深度置信网络模型的糖尿病指标预测方法及其系统 |
CN112799897A (zh) * | 2021-02-23 | 2021-05-14 | 青岛海科虚拟现实研究院 | 一种基于大数据的信息管理方法、管理系统、存储介质 |
-
2021
- 2021-06-23 CN CN202110699964.XA patent/CN113229793A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106529163A (zh) * | 2016-11-04 | 2017-03-22 | 南京端云信息科技有限公司 | 一种糖尿病可视化定位系统 |
CN109171756A (zh) * | 2018-06-18 | 2019-01-11 | 广州普麦健康咨询有限公司 | 基于深度置信网络模型的糖尿病指标预测方法及其系统 |
CN112799897A (zh) * | 2021-02-23 | 2021-05-14 | 青岛海科虚拟现实研究院 | 一种基于大数据的信息管理方法、管理系统、存储介质 |
Non-Patent Citations (1)
Title |
---|
曾垂省: "《远程心电监护技术及其应用》", 30 November 2016, 重庆大学出版社 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115359916A (zh) * | 2022-10-19 | 2022-11-18 | 四川大学华西医院 | 糖尿病风险评估方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Piccinni et al. | Prospective multicenter study on epidemiology of acute kidney injury in the ICU: a critical care nephrology Italian collaborative effort (NEFROINT) | |
Choudhary et al. | Frequency of biochemical hypoglycaemia in adults with type 1 diabetes with and without impaired awareness of hypoglycaemia: no identifiable differences using continuous glucose monitoring | |
EP0962878B1 (en) | Reflex algorithm for early and cost effective diagnosis of myocardial infarctions suitable for automated diagnostic platforms | |
CN1961320A (zh) | 用于实现测量仪连接的自动检测和数据传输的方法和设备 | |
JP2022540157A (ja) | 感染に対する免疫応答を評価するためのシステムおよび方法 | |
Lehner et al. | Oliguria and biomarkers of acute kidney injury: star struck lovers or strangers in the night? | |
JP2022540158A (ja) | 感染に対する免疫応答を評価するためのシステムおよび方法 | |
JP2002022748A (ja) | 臨床検査システム | |
Temilola et al. | Salivary creatinine as a diagnostic tool for evaluating patients with chronic kidney disease | |
Devarajan | NGAL for the detection of acute kidney injury in the emergency room | |
JP6199880B2 (ja) | 脳卒中の診断を補助するためのバイオマーカーに基づく方法およびバイオチップ | |
CN105705652A (zh) | 协助鉴别诊断中风的方法 | |
TWI755108B (zh) | 急性腎損傷評估方法及急性腎損傷評估系統 | |
CN113229793A (zh) | 一种糖尿病风险早期检测管理系统 | |
US20180085008A1 (en) | Health Metric Validation System | |
Tannor et al. | Early detection of kidney disease in Ghana-A situational survey of secondary hospitals in the Ashanti Region of Ghana | |
Wang et al. | High-sensitivity cardiac troponin T is a risk factor for major adverse cardiovascular events and all-cause mortality: A 9.5-year follow-up study | |
CA3176542A1 (en) | Electrochemical-sensing apparatus and method therefor | |
CN111341452A (zh) | 多系统萎缩失能预测方法、模型建立方法、装置及设备 | |
EP0962186B1 (en) | Automated diagnostic system implementing immunoassays and clinical chemistry assays according to a reflex algorithm | |
CN110706803A (zh) | 一种确定心肌纤维化的方法、装置、可读介质及电子设备 | |
Raut et al. | Navigating the Frontier: Emerging Techniques for Detecting Microvascular Complications in Type 2 Diabetes Mellitus: A Comprehensive Review | |
EP3404665B1 (en) | Systems and methods for aggregation of automatically generated laboratory test results | |
WO2022113124A1 (en) | A diagnostic device and method of diagnosis thereof for kidney functioning | |
CN117976214A (zh) | 一种老年脓毒症28天死亡风险预测方法、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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210810 |