CN113241136A - 一种相似病例分析方法及系统 - Google Patents

一种相似病例分析方法及系统 Download PDF

Info

Publication number
CN113241136A
CN113241136A CN202110536613.7A CN202110536613A CN113241136A CN 113241136 A CN113241136 A CN 113241136A CN 202110536613 A CN202110536613 A CN 202110536613A CN 113241136 A CN113241136 A CN 113241136A
Authority
CN
China
Prior art keywords
case
historical
cases
similar
similarity
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
Application number
CN202110536613.7A
Other languages
English (en)
Inventor
徐勇
罗笑玲
陈雪
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Graduate School Harbin Institute of Technology
Original Assignee
Shenzhen Graduate School Harbin Institute of Technology
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shenzhen Graduate School Harbin Institute of Technology filed Critical Shenzhen Graduate School Harbin Institute of Technology
Priority to CN202110536613.7A priority Critical patent/CN113241136A/zh
Publication of CN113241136A publication Critical patent/CN113241136A/zh
Pending legal-status Critical Current

Links

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
    • 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
    • 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
    • G16H70/00—ICT specially adapted for the handling or processing of medical references
    • G16H70/20—ICT specially adapted for the handling or processing of medical references relating to practices or guidelines

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Epidemiology (AREA)
  • Data Mining & Analysis (AREA)
  • Bioethics (AREA)
  • Biomedical Technology (AREA)
  • Databases & Information Systems (AREA)
  • Pathology (AREA)
  • Medical Treatment And Welfare Office Work (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提供了一种相似病例分析方法及系统，该相似病例分析方包括执行以下步骤：步骤A：确认病历相似判据参数；步骤B：当前病例与历史病例的相似度计算；步骤C：对历史病例进行排序。本发明的有益效果是：1.采用本发明的相似病例分析方法的系统能将专家型医师的诊断结论、用药与治疗方案以及病人历次的检查结果、治疗后病情的发展情况都记录在系统中；2.采用本发明的相似病例分析方法的系统同时具有如下功能：医学院学生实习时，或医生诊治新病人时，系统自动地根据录入系统中的病人的病例，查找出专家型医师诊治过的若干相似病例，并给出其排序结果，以便于医生参考专家型医师的诊治方案。

Description

一种相似病例分析方法及系统
技术领域
本发明涉及医疗系统领域，尤其涉及一种相似病例分析方法及系统。
背景技术
由于疾病发生机理的复杂性与疾病表现的多样性，疾病诊断尤其是“疑难杂症”的诊断具有很大的难度。相应的误诊将造成重大的损失。专家型医师具有丰富的知识和经验，其诊断结果对医学院学生、其他医生尤其是年轻医生具有重要的参考价值。提供一种能解决。
发明内容
本发明提供了一种相似病例分析方法，包括执行以下步骤：
步骤A：确认病历相似判据参数。
步骤B：当前病例与历史病例的相似度计算。
步骤C：对历史病例进行排序。
作为本发明的进一步改进，所述步骤C包括：
步骤C1：对历史病例的相似度病例进行排序。
步骤C2：对历史病例的相似度病例的二次排序。
作为本发明的进一步改进，在所述步骤B中还包括获得对历史病例评价的得分；
所述步骤C包括：
步骤CC1：通过步骤B得到历史病例综合性评分。
步骤CC2：得到历史病例的综合性排序结果。
作为本发明的进一步改进，在所述步骤B中，当前病例与历史病例的相似度计算具体包括：
令每一个病历相似判据参数均为身体量化检测指标，假设有n个按重要性从大到小排序的病历相似判据参数为x1,...,xn，则首先对每个病历相似判据参数做0到1之间的归一化处理，然后，按照重要性越大权重就越大且总权重之和为1的原则，分别将n个相似判据参数x1,...,xn的权重分别设定为：
Figure BDA0003069868670000011
假设当前病例参数为y1,...,yn，而可对比的历史病例数为M，其中第m个历史病例的相似判据参数为
Figure BDA0003069868670000021
将第m个历史病例与当前病例的相
Figure BDA0003069868670000022
作为本发明的进一步改进，在所述步骤C1中，对历史病例的相似度病例进行排序，即为对各个simim值按照从大到小的顺序排序，1≤m≤M，同时，按照排序结果的顺序给出各个历史病例的链接，点击其中任意一个链接便显示相应病例的所有信息。
在所述步骤C2中，相似病例的二次排序结果显示中同时给出名为“原始排序”的按钮，点击后即将排序结果恢复为原始的相似病例排序结果，用户可以选择的排序选项包括治愈或者好转时间、治疗费用。
作为本发明的进一步改进，在所述步骤B中，所述身体量化检测指标包括单个的血液检查指标、血糖、血脂、结节类型及大小。
作为本发明的进一步改进，在所述步骤A中，用户可以勾选一个或多个病情相似判据参数，并给出相似判据参数重要性排序；在所述步骤A中，用户可以选择用于相似病例分析的病例范围，所述病例范围包括病情范围与专家型医师范围，所述病情范围包括病人第一次就诊的时间范围、病人的性别、病人的年龄组别，所述专家型医师范围包含专家的职级、科室、专家累计诊治的病例数、坐诊专家累计天数。
作为本发明的进一步改进，在所述步骤B中，历史病例评价的得分具体还包括：
步骤B1：初始条件下将病例参考价值优先级全部设定为1，即相当于所有病例参考价值相同。
步骤B2：用户在查看了历史病例的情况下，可以通过选择“力荐”或“建议不推荐”的按钮对历史病例进行评价。
步骤B3：将以在线更新的方式自动地统计历史病例的评价情况。
作为本发明的进一步改进，所述步骤CC1中，具体还包括：
对一个确定的历史病例，其评价得分计算公式为：
Figure BDA0003069868670000023
其中，numpos为该历史病例得到的“力荐”的次数，numneg为该历史病例得到的“建议不推荐”的次数，若“力荐”和“建议不推荐”的次数总和为0，则comment_score＝0，将第m个历史病例的评价得分记为comment_scorem，1≤m≤M；
第m个历史病例的综合性评分为：
summm＝(simim+β.comment_scorem)/(1+β)，
其中β设置为大于0小于等于1的常数，1≤m≤M。
在所述步骤CC2中，最后依据历史病例的综合性评分对所有历史病例进行排序，得到历史病例的综合性排序结果，排序方式仍然为从大到小。
本发明还公开了一种相似病例分析系统，存储器、处理器以及存储在所述存储器上的计算机程序，所述计算机程序配置为由所述处理器调用时实现本发明所述相似病例分析方法的步骤。
本发明的有益效果是：1.采用本发明的相似病例分析方法的系统能将专家型医师的诊断结论、用药与治疗方案以及病人历次的检查结果、治疗后病情的发展情况都记录在系统中；2.采用本发明的相似病例分析方法的系统同时具有如下功能：医学院学生实习时，或医生诊治新病人时，系统自动地根据录入系统中的病人的病例，查找出专家型医师诊治过的若干相似病例，并给出其排序结果，以便于医生参考专家型医师的诊治方案；3.采用本发明的相似病例分析方法的系统适宜作为医学院学生或医生上岗前的培训系统，年轻医生开展诊治工作的参考与借鉴系统；4.采用本发明的相似病例分析方法的系统适合在相关医师知情和同意的情况下在医院内部使用，也可以在签署了相关合作共享协议的不同医院之间使用。
附图说明
图1是本发明第一实施例流程图；
图2是本发明第二实施例流程图。
具体实施方式
本发明公开了一种相似病例分析方法，包括执行以下步骤：
步骤A：确认病历相似判据参数。
在所述步骤A中，用户可以勾选一个或多个病情相似判据参数，并给出相似判据参数重要性排序。应用中，按照用户勾选的顺序确定相似判据参数的重要性，即用户最先勾选的重要性最大(在界面中给出此提示)。
在所述步骤A中，用户可以选择用于相似病例分析的病例范围，所述病例范围包括病情范围与专家型医师范围，所述病情范围包括病人第一次就诊的时间范围、病人的性别、病人的年龄组别，所述专家型医师范围包含专家的职级、科室、专家累计诊治的病例数、坐诊专家累计天数等。病人的年龄组别分为20岁以下、20-45岁、45-60岁，60岁以上几个组别。
步骤B：当前病例与历史病例的相似度计算。
在所述步骤B中，当前病例与历史病例的相似度计算具体包括：
令每一个病历相似判据参数均为身体量化检测指标(如单个的血液检查指标、血糖、血脂、结节类型及大小等)，假设有n个按重要性从大到小排序的病历相似判据参数为x1,...,xn，则首先对每个病历相似判据参数做0到1之间的归一化处理，然后，按照重要性越大权重就越大且总权重之和为1的原则，分别将n个相似判据参数x1,...,xn的权重分别设定为：
Figure BDA0003069868670000041
假设当前病例参数为y1,...,yn，而可对比的历史病例数为M，其中第m个历史病例的相似判据参数为
Figure BDA0003069868670000042
将第m个历史病例与当前病例的相似度定义为：
Figure BDA0003069868670000043
对各个simim(1≤m≤M)值按照从大到小的顺排序。同时，按照排序结果的顺序给出各个历史病例的链接，点击其中任意一个链接便显示相应病例的所有信息。
步骤C：对历史病例进行排序。
如图1所示，作为本发明的第一实施例：
所述步骤C包括：
步骤C1：对历史病例的相似度病例进行排序。
历史病例的相似病例的二次排序旨在对步骤C1的历史病例的相似病例排序结果进行重排序，以利于用户看到希望优先可见的病例内容。历史病例的相似病例的二次排序结果显示中同时给出名为“原始排序”的按钮，点击后即将排序结果恢复为步骤C1的历史病例的相似病例排序结果。
步骤C2：对历史病例的相似度病例的二次排序。
根据用户的选项进行二次排序。其中，用户可以选择的排序选项包括治愈或者好转时间(治愈或者好转时间越短越优先)、治疗费用(费用越低越优先)。
如图2所示，作为本发明的第二实施例，在所述步骤B中还包括获得对历史病例评价的得分；
在所述步骤B中，历史病例评价的得分具体还包括：
步骤B1：基于用户“力荐”或“建议不推荐”评价的病例参考价值优先级设定；初始条件下将病例参考价值优先级全部设定为1，即相当于所有病例参考价值相同(也相当于初始条件下没有对病例参考价值进行设置)。
步骤B2：用户在查看了历史病例的情况下，可以通过选择“力荐”或“建议不推荐”的按钮对历史病例进行评价(用户自愿决定是否通过此方式对历史病例做出评价)。
步骤B3：将以在线更新的方式自动地统计历史病例的评价情况，即当有用户对某个历史病例做出评价后，即时地对该病例的“力荐”或“建议不推荐”的次数进行更新，当该病例被作为相似病例提供给一个用户时，需同时给出“力荐”或“建议不推荐”的次数，以供用户参考。
所述步骤C包括：
步骤CC1：通过步骤B得到历史病例综合性评分。
该算法的目标为综合历史病例与当前病例的相似性和历史病例的评价得分对历史病例进行排序，排序越靠前的历史病例对当前病例的参考价值和知识意义越大。
对一个确定的历史病例，其评价得分计算公式为：
Figure BDA0003069868670000051
其中，numpos为该历史病例得到的“力荐”的次数，numneg为该历史病例得到的“建议不推荐”的次数，若“力荐”和“建议不推荐”的次数总和为0，则comment_score＝0，将第m(1≤m≤M)个历史病例的评价得分记为comment_scorem。
第m(1≤m≤M)个历史病例的综合性评分为：
summm＝(simim+β.comment_scorem)/(1+β)，
其中β设置为大于0小于等于1的常数。
步骤CC2：得到历史病例的综合性排序结果。
依据综合性评分对所有历史病例进行排序，排序方式仍然为从大到小。
本发明公开的的相似病例分析方法通过当前病例与历史病例的相似度计算，查找出与当前病人病情相似的若干病例，并进行排序，排序越靠前的历史病例对当前病例的诊治的参考价值越大。
本发明还公开了一种相似病例分析系统，包括：存储器、处理器以及存储在所述存储器上的计算机程序，所述计算机程序配置为由所述处理器调用时本发明所述相似病例分析方法的步骤。
本发明的有益效果：1.采用本发明的相似病例分析方法的系统能将专家型医师的诊断结论、用药与治疗方案以及病人历次的检查结果、治疗后病情的发展情况都记录在系统中；2.采用本发明的相似病例分析方法的系统同时具有如下功能：医学院学生实习时，或医生诊治新病人时，系统自动地根据录入系统中的病人的病例，查找出专家型医师诊治过的若干相似病例，并给出其排序结果，以便于医生参考专家型医师的诊治方案；3.采用本发明的相似病例分析方法的系统适宜作为医学院学生或医生上岗前的培训系统，年轻医生开展诊治工作的参考与借鉴系统；4.采用本发明的相似病例分析方法的系统适合在相关医师知情和同意的情况下在医院内部使用，也可以在签署了相关合作共享协议的不同医院之间使用。
以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明，不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干简单推演或替换，都应当视为属于本发明的保护范围。

Claims (10)

1.一种相似病例分析方法，其特征在于，包括执行以下步骤：
步骤A：确认病历相似判据参数；
步骤B：当前病例与历史病例的相似度计算；
步骤C：对历史病例进行排序。
2.根据权利要求1所述的相似病例分析方法，其特征在于，所述步骤C包括：
步骤C1：对历史病例的相似度病例进行排序；
步骤C2：对历史病例的相似度病例的二次排序。
3.根据权利要求1所述的相似病例分析方法，其特征在于，在所述步骤B中还包括获得对历史病例评价的得分；
所述步骤C包括：
步骤CC1：通过步骤B得到历史病例综合性评分；
步骤CC2：得到历史病例的综合性排序结果。
4.根据权利要求2所述的相似病例分析方法，其特征在于，在所述步骤B中，当前病例与历史病例的相似度计算具体包括：
令每一个病历相似判据参数均为身体量化检测指标，假设有n个按重要性从大到小排序的病历相似判据参数为x1,...,xn，则首先对每个病历相似判据参数做0到1之间的归一化处理，然后，按照重要性越大权重就越大且总权重之和为1的原则，分别将n个相似判据参数x1,...,xn的权重分别设定为：
Figure FDA0003069868660000011
假设当前病例参数为y1,...,yn，而可对比的历史病例数为M，其中第m个历史病例的相似判据参数为
Figure FDA0003069868660000012
将第m个历史病例与当前病例的相似度定义为：
Figure FDA0003069868660000021
5.根据权利要求4所述的相似病例分析方法，其特征在于，在所述步骤C1中，对历史病例的相似度病例进行排序，即为对各个simim值按照从大到小的顺序排序，1≤m≤M，同时，按照排序结果的顺序给出各个历史病例的链接，点击其中任意一个链接便显示相应病例的所有信息；
在所述步骤C2中，相似病例的二次排序结果显示中同时给出名为“原始排序”的按钮，点击后即将排序结果恢复为原始的相似病例排序结果，用户可以选择的排序选项包括治愈或者好转时间、治疗费用。
6.根据权利要求4所述的相似病例分析方法，其特征在于，在所述步骤B中，所述身体量化检测指标包括单个的血液检查指标、血糖、血脂、结节类型及大小。
7.根据权利要求1所述的相似病例分析方法，其特征在于，在所述步骤A中，用户可以勾选一个或多个病情相似判据参数，并给出相似判据参数重要性排序；在所述步骤A中，用户可以选择用于相似病例分析的病例范围，所述病例范围包括病情范围与专家型医师范围，所述病情范围包括病人第一次就诊的时间范围、病人的性别、病人的年龄组别，所述专家型医师范围包含专家的职级、科室、专家累计诊治的病例数、坐诊专家累计天数。
8.根据权利要求3所述的相似病例分析方法，其特征在于，在所述步骤B中，历史病例评价的得分具体还包括：
步骤B1：初始条件下将病例参考价值优先级全部设定为1，即相当于所有病例参考价值相同；
步骤B2：用户在查看了历史病例的情况下，可以通过选择“力荐”或“建议不推荐”的按钮对历史病例进行评价；
步骤B3：将以在线更新的方式自动地统计历史病例的评价情况。
9.根据权利要求3所述的相似病例分析方法，其特征在于，所述步骤CC1中，具体还包括：
对一个确定的历史病例，其评价得分计算公式为：
Figure FDA0003069868660000031
其中，numpos为该历史病例得到的“力荐”的次数，numneg为该历史病例得到的“建议不推荐”的次数，若“力荐”和“建议不推荐”的次数总和为0，则comment_score＝0，将第m个历史病例的评价得分记为comment_scorem，1≤m≤M；
第m个历史病例的综合性评分为：
summm＝(simim+β.comment_scorem)/(1+β)，
其中β设置为大于0小于等于1的常数，1≤m≤M；
在所述步骤CC2中，最后依据历史病例的综合性评分对所有历史病例进行排序，得到历史病例的综合性排序结果，排序方式仍然为从大到小。
10.一种相似病例分析系统，其特征在于，包括：存储器、处理器以及存储在所述存储器上的计算机程序，所述计算机程序配置为由所述处理器调用时实现权利要求1－9中任一项所述相似病例分析方法的步骤。
CN202110536613.7A 2021-05-17 2021-05-17 一种相似病例分析方法及系统 Pending CN113241136A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110536613.7A CN113241136A (zh) 2021-05-17 2021-05-17 一种相似病例分析方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110536613.7A CN113241136A (zh) 2021-05-17 2021-05-17 一种相似病例分析方法及系统

Publications (1)

Publication Number Publication Date
CN113241136A true CN113241136A (zh) 2021-08-10

Family

ID=77134822

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110536613.7A Pending CN113241136A (zh) 2021-05-17 2021-05-17 一种相似病例分析方法及系统

Country Status (1)

Country Link
CN (1) CN113241136A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113990423A (zh) * 2021-10-28 2022-01-28 广东粤信智能科技有限公司 一种基于病情诊断结果的诊疗数据获取方法、存储介质及电子病历系统
WO2023102771A1 (en) * 2021-12-08 2023-06-15 Roche Diagnostics Gmbh Test result level based analysis
CN117373624A (zh) * 2023-09-13 2024-01-09 杭州莱文科技有限公司 一种智能医保控费方法与系统

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110517785A (zh) * 2019-08-28 2019-11-29 北京百度网讯科技有限公司 相似病例的查找方法、装置及设备
CN112635072A (zh) * 2020-12-31 2021-04-09 大连东软教育科技集团有限公司 基于相似度计算的icu相似病例检索方法、系统及存储介质

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110517785A (zh) * 2019-08-28 2019-11-29 北京百度网讯科技有限公司 相似病例的查找方法、装置及设备
CN112635072A (zh) * 2020-12-31 2021-04-09 大连东软教育科技集团有限公司 基于相似度计算的icu相似病例检索方法、系统及存储介质

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113990423A (zh) * 2021-10-28 2022-01-28 广东粤信智能科技有限公司 一种基于病情诊断结果的诊疗数据获取方法、存储介质及电子病历系统
WO2023102771A1 (en) * 2021-12-08 2023-06-15 Roche Diagnostics Gmbh Test result level based analysis
CN117373624A (zh) * 2023-09-13 2024-01-09 杭州莱文科技有限公司 一种智能医保控费方法与系统
CN117373624B (zh) * 2023-09-13 2024-08-13 杭州莱文科技有限公司 一种智能医保控费方法与系统

Similar Documents

Publication Publication Date Title
US11315688B2 (en) Methods and systems for an artificial intelligence alimentary professional support network for vibrant constitutional guidance
JP6463572B1 (ja) 対象システムの内部状態を推定する支援システム
CN113241136A (zh) 一种相似病例分析方法及系统
US11878215B2 (en) Methods and systems for an artificial intelligence fitness professional support network for vibrant constitional guidance
US20170206327A1 (en) Self-improving method of using online communities to predict health-related outcomes
US7809585B1 (en) System and method for patient-specific optimization of medical therapy by simultaneous symbolic reasoning in all clinical dimensions
CN106845147B (zh) 医学经验总结模型的建立方法、装置
CN110851725A (zh) 一种医疗资源推荐方法、系统、计算设备和存储介质
US20110022622A1 (en) Method and apparatus for refining similar case search
US20090083075A1 (en) System and method for analyzing medical data to determine diagnosis and treatment
US8589187B2 (en) Automated clustering for patient disposition
US11328819B2 (en) Methods and systems for an artificial intelligence fitness professional support network for vibrant constitutional guidance
US20190392952A1 (en) Computer-implemented methods, systems, and computer-readable media for diagnosing a condition
US11205140B2 (en) Methods and systems for self-fulfillment of an alimentary instruction set based on vibrant constitutional guidance
EP3618080B1 (en) Reinforcement learning for medical system
CN107145715B (zh) 一种基于推举算法的临床医学智能判别装置
US20150154373A1 (en) Disease risk decision support platform
CN116472591A (zh) 使用人工智能生成与脊髓性肌萎缩症相关的预测结果的技术
US20070161868A1 (en) Method and system for determining whether additional laboratory tests will yield values beyond a threshold level
US20230060794A1 (en) Diagnostic Tool
Sunjaya et al. Co-designing a primary care breathlessness decision support system: general practitioners requirements analysis, workflow assessment and prototype development
Ghosh et al. Markov logic networks in health informatics
Martirosyan Integration of Neonatal Mortality Prediction Models into a Clinical Decision Support System
JP2014164722A (ja) 健診指導支援装置および健診指導支援方法
Rohismadi et al. An Automated Strabismus Classification Using Machine Learning Algorithm for Binocular Vision Management System

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: 20210810

RJ01 Rejection of invention patent application after publication