CN113658651B - 尿失禁自动诊断方法、装置及存储介质 - Google Patents

尿失禁自动诊断方法、装置及存储介质 Download PDF

Info

Publication number
CN113658651B
CN113658651B CN202110942416.5A CN202110942416A CN113658651B CN 113658651 B CN113658651 B CN 113658651B CN 202110942416 A CN202110942416 A CN 202110942416A CN 113658651 B CN113658651 B CN 113658651B
Authority
CN
China
Prior art keywords
medical record
electronic medical
target electronic
diagnosis
condition
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.)
Active
Application number
CN202110942416.5A
Other languages
English (en)
Other versions
CN113658651A (zh
Inventor
邓柯
孙智晶
朱兰
王掣
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.)
Tsinghua University
Peking Union Medical College Hospital Chinese Academy of Medical Sciences
Original Assignee
Tsinghua University
Peking Union Medical College Hospital Chinese Academy of Medical Sciences
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 Tsinghua University, Peking Union Medical College Hospital Chinese Academy of Medical Sciences filed Critical Tsinghua University
Priority to CN202110942416.5A priority Critical patent/CN113658651B/zh
Publication of CN113658651A publication Critical patent/CN113658651A/zh
Application granted granted Critical
Publication of CN113658651B publication Critical patent/CN113658651B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G16H50/20—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
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

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)
  • Biomedical Technology (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Pathology (AREA)
  • Medical Treatment And Welfare Office Work (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)

Abstract

一种尿失禁自动诊断方法、装置及存储介质，所述方法包括基于正样本数据集以及负样本数据集构建尿失禁检测模型并接收待诊断电子病历；提取具有指定症状且第一检查项目的结果为阴性的待诊断电子病历作为目标电子病历；判断指定症状在第一条件和第二条件下产生的情况的不同组合输出第一至第三诊断结果；在目标电子病历仅处于第二条件下产生指定症状时，进一步分析目标电子病历中盆腔异常症状以及第二检查项目的结果，并根据分析结果输出第四或第二诊断结果，实现尿失禁疾病的自动诊断，针对不同类型的病历定制不同的诊断方案，优化了诊断路径。

Description

尿失禁自动诊断方法、装置及存储介质
技术领域
本发明涉及一种用于尿失禁自动诊断方法、装置及存储介质。
背景技术
女性盆底功能障碍性疾病(PFD)是盆底支持组织缺陷和损伤性疾病，包括盆腔器官脱垂(POP)、尿失禁(UI)、粪失禁、慢性盆腔疼痛、性功能障碍等。盆底功能障碍性疾病对女性造成了严重的生理及心理负担，患者不能负重、参加运动，甚至不能大声笑，因为这些行为都将加重盆底疾病的症状。
准确的诊断和早期干预是减少女性盆底疾病对健康和经济的负面影响的关键。但明确诊断女性盆底疾病是一个复杂的过程，涉及多个决策步骤。根据患者的主诉、病史，医生需要选择合适的检查，并对检查结果做出正确解读，从而得出准确的诊断。然而，在大多数国家，专业的妇科泌尿专家都非常稀缺。基层医生缺乏专业培训和诊治经验，在医疗实践中很难制定正确的诊断策略，包括基于盆腔器官脱垂评估系统(POP-Q)的正确查体、根据现有病史选择进一步的辅助检查等。尽管国际上已有多个诊断指南，但这些指南的意见并不一致，如对尿垫试验诊断价值的判断及边界值的选择。这使得基层医生在指定诊断策略时，没有充分的理论及实践指导。而医疗资源有限、地区发展不平衡使得对基层医生的专业培训难以得到广泛开展，进而导致盆底功能障碍性疾病无法得到准确的诊断。
发明内容
本发明的主要目的是提供一种尿失禁自动诊断方法、装置及存储介质，旨在解决现有技术中尿失禁无法自动且准确诊断的问题。
一种尿失禁自动诊断方法，包括：
基于正样本数据集以及负样本数据集构建尿失禁检测模型并接收待诊断电子病历；
提取具有指定症状且第一检查项目的结果为阴性的所述待诊断电子病历作为目标电子病历；
判断所述目标电子病历是否处于第一条件和第二条件下均产生所述指定症状；
在所述目标电子病历处于所述第一条件和所述第二条件下均产生所述指定症状时，输出第一诊断结果；
在所述目标电子病历处于所述第一条件和所述第二条件下中至少一者未产生所述指定症状时，进一步判断是否所述目标电子病历仅处于所述第一条件下产生所述指定症状；
在所述目标电子病历仅处于所述第一条件下产生所述指定症状时，输出第二诊断结果；
在所述目标电子病历处于所述第一条件下未产生所述指定症状时，判断是否所述目标电子病历仅处于所述第二条件下产生所述指定症状；
在所述目标电子病历处于所述第一条件和所述第二条件下均未产生所述指定症状时，输出第三诊断结果；
在所述目标电子病历仅处于所述第二条件下产生所述指定症状时，进一步判断目标电子病历中是否存在盆腔异常症状；
在所述目标电子病历存在所述盆腔异常症状时，进一步判断所述目标电子病历中第二检查项目的结果是否存在异常；
在所述目标电子病历中第二检查项目的结果不存在异常时，输出第四诊断结果；以及
在所述目标电子病历中第二检查项目的结果存在异常时，输出所述第二诊断结果。
此外，为了实现上述目的，本发明还提出一种尿失禁自动诊断装置，所述尿失禁自动诊断装置包括处理器和存储器，所述存储器内存储有至少一个指令，所述至少一个指令可被所述至少一个处理器执行实现对应的功能，所述存储器还包括：
构建模块，用于基于正样本数据集以及负样本数据集构建尿失禁检测模型并接收待诊断电子病历；
病历提取模块，用于提取具有指定症状且第一检查项目的结果为阴性的所述待诊断电子病历作为目标电子病历；
智能诊断模块，用于判断所述目标电子病历是否处于第一条件和第二条件下均产生所述指定症状；在所述目标电子病历处于所述第一条件和所述第二条件下均产生所述指定症状时，所述智能诊断模块输出第一诊断结果；在所述目标电子病历处于所述第一条件和所述第二条件下中至少一者未产生所述指定症状时，所述智能诊断模块进一步判断是否所述目标电子病历仅处于所述第一条件下产生所述指定症状；在所述目标电子病历仅处于所述第一条件下产生所述指定症状时，所述智能诊断模块输出第二诊断结果；在所述目标电子病历处于所述第一条件下未产生所述指定症状时，所述智能诊断模块判断是否所述目标电子病历仅处于所述第二条件下产生所述指定症状；在所述目标电子病历处于所述第一条件和所述第二条件下均未产生所述指定症状时，所述智能诊断模块输出第三诊断结果；在所述目标电子病历仅处于所述第二条件下产生所述指定症状时，所述智能诊断模块进一步判断目标电子病历中是否存在盆腔异常症状；在所述目标电子病历存在所述盆腔异常症状时，所述智能诊断模块进一步判断所述目标电子病历中第二检查项目的结果是否存在异常；在所述目标电子病历中第二检查项目的结果不存在异常时，所述智能诊断模块输出第四诊断结果；在所述目标电子病历中第二检查项目的结果存在异常时，所述智能诊断模块输出所述第二诊断结果。
此外，为了实现上述目的，本发明还提出一种存储介质，所述存储介质为计算机可读存储介质，存储有至少一个指令，所述至少一个指令被处理器执行时实现如下步骤：
基于正样本数据集以及负样本数据集构建尿失禁检测模型并接收待诊断电子病历；
提取具有指定症状且第一检查项目的结果为阴性的所述待诊断电子病历作为目标电子病历；
判断所述目标电子病历是否处于第一条件和第二条件下均产生所述指定症状；
在所述目标电子病历处于所述第一条件和所述第二条件下均产生所述指定症状时，输出第一诊断结果；
在所述目标电子病历处于所述第一条件和所述第二条件下中至少一者未产生所述指定症状时，进一步判断是否所述目标电子病历仅处于所述第一条件下产生所述指定症状；
在所述目标电子病历仅处于所述第一条件下产生所述指定症状时，输出第二诊断结果；
在所述目标电子病历处于所述第一条件下未产生所述指定症状时，判断是否所述目标电子病历仅处于所述第二条件下产生所述指定症状；
在所述目标电子病历处于所述第一条件和所述第二条件下均未产生所述指定症状时，输出第三诊断结果；
在所述目标电子病历仅处于所述第二条件下产生所述指定症状时，进一步判断目标电子病历中是否存在盆腔异常症状；
在所述目标电子病历存在所述盆腔异常症状时，进一步判断所述目标电子病历中第二检查项目的结果是否存在异常；
在所述目标电子病历中第二检查项目的结果不存在异常时，输出第四诊断结果；以及
在所述目标电子病历中第二检查项目的结果存在异常时，输出所述第二诊断结果。
上述尿失禁自动诊断方法、装置及存储介质，基于正样本数据和负样本数据建立尿失禁检测模型，通过电子病历中的症状以及检查数据自动实现尿失禁疾病的诊断，并针对不同类型的病历定制了不同的诊断方案，优化了诊断路径，同时采用较少的特征对尿失禁疾病进行精准诊断，降低了尿失禁疾病在临床诊断上的就医成本。
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，还可以根据提供的附图获得其他的附图。
图1为本发明尿失禁自动诊断方法的示意图。
图2为图1中步骤S 109的细化流程示意图。
图3为图1中步骤S 112的细化流程示意图。
图4为本发明尿失禁自动诊断装置的功能模块图。
主要元件符号说明
尿失禁自动诊断装置 100
存储器 102
通信总线 104
处理器 103
通信设备 108
服务器 300
尿失禁自动诊断系统 1
构建模块 10
病历提取模块 20
智能诊断模块 40
步骤 S 101-S 112
如下具体实施方式将结合上述附图进一步说明本发明。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，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例，都应当属于本发明保护的范围。
本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”和“第三”等是用于区别不同对象，而非用于描述特定顺序。此外，术语“包括”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或模块的过程、方法、系统、产品或设备没有限定于已列出的步骤或模块，而是可选地还包括没有列出的步骤或模块，或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或模块。
下面结合附图对本发明尿失禁自动诊断方法的具体实施方式进行说明。
本发明的至少一个实施例中，所述尿失禁自动诊断方法应用于至少一个尿失禁自动诊断装置100(如图4所示)中。所述尿失禁自动诊断装置100可提供一可视化界面(图未示)。所述可视化界面用于向用户提供人机交互接口。所述尿失禁自动诊断装置100可与服务器300(如图4所示)之间根据预设协议进行数据传输。优选地，所述预设协议包括，但不限于以下任意一种：HTTP协议(Hyper Text Transfer Protocol，超文本传输协议)、HTTPS协议(Hyper Text Transfer Protocol over Secure Socket Layer，以安全为目标的HTTP协议)等。本发明的至少一个实施例中，所述服务器300可以是单一的服务器，也可以为由几个功能服务器共同组成的服务器群。所述尿失禁自动诊断装置100可以是任意具有网络连接功能的终端，例如，所述尿失禁自动诊断装置100可以为个人计算机、平板电脑、智能手机、个人数字助理(Personal Digital Assistant，PDA)、游戏机、交互式网络电视(InternetProtocol Television,IPTV)、智能式穿戴式设备、导航装置等等的可移动设备，或者台式电脑、数字TV等等固定设备。所述尿失禁自动诊断装置100具有数据存储器102(如图4所示)。所述数据存储器可用于存储正样本数据集、负样本数据集以及待诊断电子病历。所述尿失禁自动诊断方法用于根据电子病历自动诊断尿失禁疾病。
请参阅图1，其为本发明至少一个实施例的所述尿失禁自动诊断方法的流程图。
S101、基于正样本数据集以及负样本数据集构建尿失禁检测模型并接收待诊断电子病历。
本发明的至少一个实施例中，所述尿失禁检测模型为采用机器学习方法，例如，朴素贝叶斯分类器(Naive Bayes Classification，NBC)、随机森林(Random Forest，RF)以及分类回归树(Classification and Regression Trees,CART)，或者采用深度学习方法，例如卷积神经网络(Convolutional Neural Network)等方法建立。其中，所述正样本数据集为患有尿失禁患者对应电子病历的集合，所述负样本数据集为健康女性对应的电子病历的集合。所述电子病历中可包括基本信息、症状描述数据以及检查数据。其中，所述基本信息包括患者识别识别码、性别、年龄以及既往病史。所述既往病史还可包括生产史、手术史、治疗史、家族史以及过敏史，但并不局限于此。所述症状描述数据可以通过问卷调查的方式获取，但并不局限于此。
S102、提取具有指定症状且第一检查项目的结果为阴性的所述待诊断电子病历作为目标电子病历。
在本发明的至少一个实施例中，所述指定症状为不自主漏尿症状；所述第一检查项目的结果为尿液检查结果。其中，在所述尿液检查结果为阳性时，识别所述待诊断电子病历为尿路感染。在本发明的至少一个实施例中，所述目标疾病检测模型可以通过关键字检索方式确认所述待诊断电子病历中提取具有所述指定症状的所述待诊断电子病历。所述指定症状对应的关键字可以为漏尿或阴道出血，但并不局限于此。在其他实施方式中，所述关键字也可根据不同的疾病症状进行调整。其中，所述混合异常病历可以为尿失禁(Urinaryincontinence)病历以及盆腔器官脱垂(Pelvic organ prolapse，POP)病历，所述单纯异常病历为尿失禁病历。
S103、判断所述目标电子病历是否处于第一条件和第二条件下均产生所述指定症状。
在本发明的至少一个实施例中，所述第一条件为尿急；所述第二条件为腹压增加。在其他实施方式中，所述第一条件和所述第二条件还可根据目标疾病进行调整。
S104、在所述目标电子病历处于所述第一条件和所述第二条件下均产生所述指定症状时，输出第一诊断结果。
在本发明的至少一个实施例中，所述第一诊断结果为混合性尿失禁(MixedUrinary Incontinence，MUI)。
S105、在所述目标电子病历处于所述第一条件和所述第二条件下中至少一者未产生所述指定症状时，进一步判断是否所述目标电子病历仅处于所述第一条件下产生所述指定症状。
S106、在所述目标电子病历仅处于所述第一条件下产生所述指定症状时，输出第二诊断结果。
在本发明的至少一个实施例中，所述第二诊断结果为急迫性尿失禁(UrgeUrinary Incontinence，UUI)。
S107、在所述目标电子病历处于所述第一条件下未产生所述指定症状时，进一步判断是否所述目标电子病历仅处于所述第二条件下产生所述指定症状。
S108、在所述目标电子病历处于所述第一条件和所述第二条件下均未产生所述指定症状时，输出第三诊断结果。
在本发明的至少一个实施例中，所述第三诊断结果为其他类型的尿失禁。
S109、在所述目标电子病历仅处于所述第二条件下产生所述指定症状时，进一步判断目标电子病历中是否存在盆腔异常症状。
在本发明的至少一个实施例中，所述盆腔异常症状为盆腔脱垂症状(Pelvicorgan prolapse，POP)。
请一并参阅图2，在本发明的至少一个实施例中，所述判断目标电子病历是否存在盆腔异常症状的步骤包括：
S1091、判断所述目标电子病历是否存在阴道异常症状；
S1092、在所述目标电子病历存在阴道异常症状时，进一步判断所述目标电子病历中是否存在子宫阴道肿物；
S1093、在所述目标电子病历中存在所述子宫阴道肿物时，则所述目标电子病历存在所述盆腔异常症状；
S1094、在所述目标电子病历中不存在所述子宫阴道肿物或所述目标电子病历中不存在所述阴道异常症状时，则所述目标电子病历不存在所述盆腔异常症状。
在本发明的至少一个实施例中，所述阴道异常症状为阴道膨出症状。
S110、在所述目标电子病历存在所述盆腔异常症状时，进一步判断所述目标电子病历中第二检查项目的结果是否存在异常。
在所述目标电子病历中第二检查项目的结果存在异常时，则进入步骤S 104。
S111、在所述目标电子病历中第二检查项目的结果不存在异常时，输出第四诊断结果。
在本发明的至少一个实施例中，所述第二检查项目为尿动力学检查(Urodynamics，UDS)所述第四诊断结果为压力性尿失禁(Stress Urinary Incontinence，SUI)。
S112、根据第三检查项目的检测数据对所述第四诊断结果进行等级划分。
请一并参阅图3，所述根据第三检查项目的检测数据对对所述第四诊断结果进行等级划分的步骤包括：S1121、获取所述第三检查项目的检测数据；
S1122、判断所述检测数据是否小于等于第一阈值；
S1123、在所述检测数据小于等于所述第一阈值时，则所述第四诊断结果处于第一等级；
S1124、在所述检测数据大于所述第一阈值时，进一步判断所述检测数据是否小于第二阈值；
S1125、在所述检测数据小于所述第二阈值时，则所述第四诊断结果处于第二等级；
S1126、在所述检测数据大于等于所述第二阈值时，则所述第四诊断结果处于第三等级。
在本发明的至少一个实施例中，所述第三检测项目为1小时尿垫检测；所述第二阈值大于所述第一阈值；所述第一阈值为2克；所述第二阈值为10克。在其他实施方式中，所述第三检测项目、所述第一阈值以及第二阈值可根据需求进行调整。所述第一等级、所述第二等级以及所述第三等级分别表示所述第四诊断结果的严重程度，且对应的严重程度逐步递增。在本发明的至少一个实施例中，所述第一等级为轻度，所述第二等级为中度，所述第三等级为重度。
所述尿失禁自动诊断方法，基于正样本数据和负样本数据建立深度学习模型，通过电子病历中的症状以及检查数据自动实现尿失禁疾病的诊断，并针对不同类型的病历定制了不同的诊断方案，优化了诊断路径，同时采用较少的特征对尿失禁疾病进行精准诊断，降低了尿失禁疾病在临床诊断上的就医成本。
请参照图4，本发明提供一种尿失禁自动诊断装置100，应用于一个或多个设备中。在本发明的一个实施例中，所述尿失禁自动诊断装置100包括存储器102、处理器103、通信总线104以及通信设备108。
所述存储器102用于存储程序代码。所述存储器102可以是集成电路中没有实物形式的具有存储功能的电路，或者，所述存储器102也可以是具有实物形式的存储器，如内存条、TF卡(Trans-flash Card)、智能媒体卡(smart media card)、安全数字卡(securedigital card)、快闪存储器卡(flash card)等储存设备。所述存储器102可通过通信总线104与处理器103进行数据通信。所述存储器102中可以包括尿失禁自动诊断系统1。
所述处理器103可以包括一个或者多个微处理器、数字处理器。所述处理器103可调用所述存储器102中存储的程序代码以执行相关的功能。所述尿失禁自动诊断系统1中所述的各个模块10/20/40是存储在所述存储器102中的程序代码，并由所述处理器103所执行，以实现一种尿失禁自动诊断方法。所述处理器103又称中央处理器(CPU，CentralProcessing Unit)，是一块超大规模的集成电路，是运算核心(Core)和控制核心(ControlUnit)。
所述通信总线104与所述存储器102与所述处理器103进行数据通信。
所述通信设备108用于实现所述尿失禁自动诊断装置100与所述服务器300之间的通信。
所述尿失禁自动诊断系统1包括：
构建模块10，基于正样本数据集以及负样本数据集构建尿失禁检测模型并接收待诊断电子病历。
本发明的至少一个实施例中，所述尿失禁检测模型为采用机器学习方法，例如，朴素贝叶斯分类器(Naive Bayes Classification，NBC)、随机森林(Random Forest，RF)以及分类回归树(Classification and Regression Trees,CART)，或者采用深度学习方法，例如卷积神经网络(Convolutional Neural Network)等方法建立。其中，所述正样本数据集为患有尿失禁患者对应电子病历的集合，所述负样本数据集为健康女性对应的电子病历的集合。所述电子病历中可包括基本信息、症状描述数据以及检查数据。其中，所述基本信息包括患者识别识别码、性别、年龄以及既往病史。所述既往病史还可包括生产史、手术史、治疗史、家族史以及过敏史，但并不局限于此。所述症状描述数据可以通过问卷调查的方式获取，但并不局限于此。
病历提取模块20，用于提取具有指定症状且第一检查项目的结果为阴性的所述待诊断电子病历作为目标电子病历。
在本发明的至少一个实施例中，所述指定症状为不自主漏尿症状；所述第一检查项目的结果为尿液检查结果。其中，在所述尿液检查结果为阳性时，识别所述待诊断电子病历为尿路感染。在本发明的至少一个实施例中，所述目标疾病检测模型可以通过关键字检索方式确认所述待诊断电子病历中提取具有所述指定症状的所述待诊断电子病历。所述指定症状对应的关键字可以为漏尿或阴道出血，但并不局限于此。在其他实施方式中，所述关键字也可根据不同的疾病症状进行调整。其中，所述混合异常病历可以为尿失禁(Urinaryincontinence)病历以及盆腔器官脱垂(Pelvic organ prolapse，POP)病历，所述单纯异常病历为尿失禁病历。
智能诊断模块40，用于判断所述目标电子病历是否处于第一条件和第二条件下均产生所述指定症状。在所述目标电子病历处于所述第一条件和所述第二条件下均产生所述指定症状时，所述智能诊断模块40输出第一诊断结果。在所述目标电子病历处于所述第一条件和所述第二条件下中至少一者未产生所述指定症状时，所述智能诊断模块40进一步判断是否所述目标电子病历仅处于所述第一条件下产生所述指定症状。在所述目标电子病历仅处于所述第一条件下产生所述指定症状时，所述智能诊断模块40输出第二诊断结果。在所述目标电子病历处于所述第一条件下未产生所述指定症状时，所述智能诊断模块40判断是否所述目标电子病历仅处于所述第二条件下产生所述指定症状。在所述目标电子病历处于所述第一条件和所述第二条件下均未产生所述指定症状时，所述智能诊断模块40输出第三诊断结果。在所述目标电子病历仅处于所述第二条件下产生所述指定症状时，所述智能诊断模块40进一步判断目标电子病历中是否存在盆腔异常症状。在所述目标电子病历存在所述盆腔异常症状时，所述智能诊断模块40进一步判断所述目标电子病历中第二检查项目的结果是否存在异常。在所述目标电子病历中第二检查项目的结果不存在异常时，所述智能诊断模块40输出第四诊断结果；在所述目标电子病历中第二检查项目的结果存在异常时，所述智能诊断模块40输出所述第二诊断结果。
在本发明的至少一个实施例中，所述第一诊断结果为混合性尿失禁(MixedUrinary Incontinence，MUI)；所述第二诊断结果为急迫性尿失禁(Urge UrinaryIncontinence，UUI)；所述第三诊断结果为其他尿失禁；所述第二检查项目为尿动力学检查(Urodynamics，UDS)所述第四诊断结果为压力性尿失禁(Stress Urinary Incontinence，SUI)。
在所述判断目标电子病历是否存在盆腔异常症状时，所述智能诊断模块40先判断所述目标电子病历是否存在阴道异常症状。在所述目标电子病历存在阴道异常症状时，所述智能诊断模块40进一步判断所述目标电子病历中是否存在子宫阴道肿物。在所述目标电子病历中存在所述子宫阴道肿物时，所述智能诊断模块40识别所述目标电子病历存在所述盆腔异常症状。在所述目标电子病历中不存在所述子宫阴道肿物或所述目标电子病历中不存在所述阴道异常症状时，所述智能诊断模块40识别所述目标电子病历不存在所述盆腔异常症状。
在本发明的至少一个实施例中，所述盆腔异常症状为盆腔脱垂症状(Pelvicorgan prolapse，POP)；所述阴道异常症状为阴道膨出症状。
所述智能诊断模块40进一步根据第三检查项目的检测数据对对所述第四诊断结果进行等级划分。在本发明的至少一个实施例中，所述第三检查项目的检测数据为一小时尿垫实验数据。具体地，所述智能诊断模块40获取所述第三检查项目的检测数据，并判断所述检测数据是否小于等于第一阈值。在所述检测数据小于等于所述第一阈值时，所述智能诊断模块40识别所述第四诊断结果处于第一等级。在所述检测数据大于所述第一阈值时，所述智能诊断模块40进一步判断所述检测数据是否小于第二阈值。其中，所述第二阈值大于所述第一阈值。在所述检测数据小于所述第二阈值时，所述智能诊断模块40识别所述第四诊断结果处于第二等级。在所述检测数据大于等于所述第二阈值时，所述智能诊断模块40所述第四诊断结果处于第三等级。
在本发明的至少一个实施例中，所述第三检测项目为1小时尿垫检测；所述第二阈值大于所述第一阈值；所述第一阈值为2克；所述第二阈值为10克。在其他实施方式中，所述第三检测项目、所述第一阈值以及第二阈值可根据需求进行调整。所述第一等级、所述第二等级以及所述第三等级分别表示所述第四诊断结果的严重程度，且对应的严重程度逐步递增。在本发明的至少一个实施例中，所述第一等级为轻度，所述第二等级为中度，所述第三等级为重度。
所述尿失禁自动诊断装置100基于正样本数据和负样本数据建立深度学习模型，通过电子病历中的症状以及检查数据自动实现尿失禁疾病的诊断，并针对不同类型的病历定制了不同的诊断方案，优化了诊断路径，同时采用较少的特征对尿失禁疾病进行精准诊断，降低了尿失禁疾病在临床诊断上的就医成本。
本发明还提供一种存储介质。所述存储介质为计算机可读存储介质。所述计算机可读存储介质上存储有计算机指令。所述计算机指令可被存储于存储器102上，且当被一个或多个处理器103执行时，从而实现如上文方法实施例所述的尿失禁自动诊断方法，在此不再赘述。
需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明并不受所描述的动作顺序的限制，因为依据本发明，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本发明所必须的。
在本申请所提供的几个实施例中，应该理解到，所揭露的装置，可通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个模块或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或模块的间接耦合或通信连接，可以是电性或其它的形式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理模块，即可以位于一个地方，或者也可以分布到多个网络模块上。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。
另外，在本发明的各个实施例中的各功能模块可以集成在一个处理器中，也可以是各个模块单独物理存在，也可以两个或两个以上模块集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。
所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。
还需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
以上所述，以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。

Claims (10)

1.一种尿失禁自动诊断方法，其特征在于，所述尿失禁自动诊断方法包括：
基于正样本数据集以及负样本数据集构建尿失禁检测模型并接收待诊断电子病历；
提取具有指定症状且第一检查项目的结果为阴性的所述待诊断电子病历作为目标电子病历；其中，所述指定症状为不自主漏尿症状；所述第一检查项目的结果为尿液检查结果；
判断所述目标电子病历是否处于第一条件和第二条件下均产生所述指定症状；其中，所述第一条件为尿急；所述第二条件为腹压增加；
在所述目标电子病历处于所述第一条件和所述第二条件下均产生所述指定症状时，输出第一诊断结果；其中，所述第一诊断结果为混合性尿失禁；
在所述目标电子病历处于所述第一条件和所述第二条件下中至少一者未产生所述指定症状时，进一步判断是否所述目标电子病历仅处于所述第一条件下产生所述指定症状；
在所述目标电子病历仅处于所述第一条件下产生所述指定症状时，输出第二诊断结果；其中，所述第二诊断结果为急迫性尿失禁；
在所述目标电子病历处于所述第一条件下未产生所述指定症状时，判断是否所述目标电子病历仅处于所述第二条件下产生所述指定症状；
在所述目标电子病历处于所述第一条件和所述第二条件下均未产生所述指定症状时，输出第三诊断结果；其中，所述第三诊断结果为其他类型的尿失禁；
在所述目标电子病历仅处于所述第二条件下产生所述指定症状时，进一步判断目标电子病历中是否存在盆腔异常症状；
在所述目标电子病历存在所述盆腔异常症状时，进一步判断所述目标电子病历中第二检查项目的结果是否存在异常；其中，所述第二检查项目为尿动力学检查；
在所述目标电子病历中第二检查项目的结果不存在异常时，输出第四诊断结果；其中，所述第四诊断结果为压力性尿失禁；以及
在所述目标电子病历中第二检查项目的结果存在异常时，输出所述第二诊断结果。
2.如权利要求1所述的尿失禁自动诊断方法，其特征在于，所述判断目标电子病历是否存在盆腔异常症状的步骤包括：
判断所述目标电子病历是否存在阴道异常症状；
在所述目标电子病历存在阴道异常症状时，进一步判断所述目标电子病历中是否存在子宫阴道肿物；
在所述目标电子病历中存在所述子宫阴道肿物时，则所述目标电子病历存在所述盆腔异常症状；以及
在所述目标电子病历中不存在所述子宫阴道肿物或所述目标电子病历中不存在所述阴道异常症状时，则所述目标电子病历不存在所述盆腔异常症状。
3.如权利要求1所述的尿失禁自动诊断方法，其特征在于，所述尿失禁自动诊断方法还包括：
根据第三检查项目的检测数据对所述第四诊断结果进行等级划分。
4.如权利要求3所述的尿失禁自动诊断方法，其特征在于，所述第三检查项目的检测数据为一小时尿垫实验数据。
5.如权利要求3所述的尿失禁自动诊断方法，其特征在于，所述根据第三检查项目的检测数据对所述第四诊断结果进行等级划分的步骤包括：
获取所述第三检查项目的检测数据；
判断所述检测数据是否小于等于第一阈值；
在所述检测数据小于等于所述第一阈值时，则所述第四诊断结果处于第一等级；
在所述检测数据大于所述第一阈值时，进一步判断所述检测数据是否小于第二阈值；其中，所述第二阈值大于所述第一阈值；
在所述检测数据小于所述第二阈值时，则所述第四诊断结果处于第二等级；
在所述检测数据大于等于所述第二阈值时，则所述第四诊断结果处于第三等级；其中，所述第一等级、所述第二等级以及所述第三等级对应的严重程度逐步递增。
6.一种尿失禁自动诊断装置，其特征在于，所述尿失禁自动诊断装置包括处理器和存储器，所述存储器内存储有至少一个指令，所述至少一个指令可被所述至少一个处理器执行实现对应的功能，所述存储器还包括：
构建模块，用于基于正样本数据集以及负样本数据集构建尿失禁检测模型并接收待诊断电子病历；
病历提取模块，用于提取具有指定症状且第一检查项目的结果为阴性的所述待诊断电子病历作为目标电子病历；其中，所述指定症状为不自主漏尿症状；所述第一检查项目的结果为尿液检查结果；
智能诊断模块，用于判断所述目标电子病历是否处于第一条件和第二条件下均产生所述指定症状；其中，所述第一条件为尿急；所述第二条件为腹压增加；在所述目标电子病历处于所述第一条件和所述第二条件下均产生所述指定症状时，所述智能诊断模块输出第一诊断结果；其中，所述第一诊断结果为混合性尿失禁；在所述目标电子病历处于所述第一条件和所述第二条件下中至少一者未产生所述指定症状时，所述智能诊断模块进一步判断是否所述目标电子病历仅处于所述第一条件下产生所述指定症状；在所述目标电子病历仅处于所述第一条件下产生所述指定症状时，所述智能诊断模块输出第二诊断结果；其中，所述第二诊断结果为急迫性尿失禁；在所述目标电子病历处于所述第一条件下未产生所述指定症状时，所述智能诊断模块判断是否所述目标电子病历仅处于所述第二条件下产生所述指定症状；在所述目标电子病历处于所述第一条件和所述第二条件下均未产生所述指定症状时，所述智能诊断模块输出第三诊断结果；其中，所述第三诊断结果为其他类型的尿失禁；在所述目标电子病历仅处于所述第二条件下产生所述指定症状时，所述智能诊断模块进一步判断目标电子病历中是否存在盆腔异常症状；在所述目标电子病历存在所述盆腔异常症状时，所述智能诊断模块进一步判断所述目标电子病历中第二检查项目的结果是否存在异常；其中，所述第二检查项目为尿动力学检查；在所述目标电子病历中第二检查项目的结果不存在异常时，所述智能诊断模块输出第四诊断结果；其中，所述第四诊断结果为压力性尿失禁；在所述目标电子病历中第二检查项目的结果存在异常时，所述智能诊断模块输出所述第二诊断结果。
7.如权利要求6所述的尿失禁自动诊断装置，其特征在于：在所述判断目标电子病历是否存在盆腔异常症状时，所述智能诊断模块先判断所述目标电子病历是否存在阴道异常症状；在所述目标电子病历存在阴道异常症状时，所述智能诊断模块进一步判断所述目标电子病历中是否存在子宫阴道肿物；在所述目标电子病历中存在所述子宫阴道肿物时，则所述智能诊断模块识别所述目标电子病历存在所述盆腔异常症状；在所述目标电子病历中不存在所述子宫阴道肿物或所述目标电子病历中不存在所述阴道异常症状时，所述智能诊断模块识别所述目标电子病历不存在所述盆腔异常症状。
8.如权利要求6所述的尿失禁自动诊断装置，其特征在于：所述智能诊断模块根据第三检查项目的检测数据对所述第四诊断结果进行等级划分；所述第三检查项目的检测数据为一小时尿垫实验数据。
9.如权利要求8所述的尿失禁自动诊断装置，其特征在于：所述智能诊断模块获取所述第三检查项目的检测数据，并判断所述检测数据是否小于等于第一阈值；在所述检测数据小于等于所述第一阈值时，所述智能诊断模块识别所述第四诊断结果处于第一等级；在所述检测数据大于所述第一阈值时，所述智能诊断模块进一步判断所述检测数据是否小于第二阈值；其中，所述第二阈值大于所述第一阈值；在所述检测数据小于所述第二阈值时，所述智能诊断模块识别所述第四诊断结果处于第二等级；在所述检测数据大于等于所述第二阈值时，所述智能诊断模块所述第四诊断结果处于第三等级；所述第一等级、所述第二等级以及所述第三等级对应的严重程度逐步递增。
10.一种存储介质，其特征在于，所述存储介质为计算机可读存储介质，存储有至少一个指令，所述至少一个指令被处理器执行时实现如权利要求1至5中任意一项所述尿失禁自动诊断方法。
CN202110942416.5A 2021-08-17 2021-08-17 尿失禁自动诊断方法、装置及存储介质 Active CN113658651B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110942416.5A CN113658651B (zh) 2021-08-17 2021-08-17 尿失禁自动诊断方法、装置及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110942416.5A CN113658651B (zh) 2021-08-17 2021-08-17 尿失禁自动诊断方法、装置及存储介质

Publications (2)

Publication Number Publication Date
CN113658651A CN113658651A (zh) 2021-11-16
CN113658651B true CN113658651B (zh) 2023-07-25

Family

ID=78479945

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110942416.5A Active CN113658651B (zh) 2021-08-17 2021-08-17 尿失禁自动诊断方法、装置及存储介质

Country Status (1)

Country Link
CN (1) CN113658651B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20090048118A (ko) * 2007-11-09 2009-05-13 인제대학교 산학협력단 요실금 진단 시스템
CN103622710A (zh) * 2013-11-15 2014-03-12 北京君仪凯医疗科技有限公司 一种阴道收缩康复治疗设备
CN104398931A (zh) * 2014-11-29 2015-03-11 高春娟 一种治疗尿失禁的药物及其制备方法
CN106951719A (zh) * 2017-04-10 2017-07-14 荣科科技股份有限公司 临床诊断模型的构建方法及构建系统、临床诊断系统
CN107045591A (zh) * 2017-03-23 2017-08-15 广州辉博信息技术有限公司 一种女性盆底功能障碍性疾病的电子病历系统
CN110177504A (zh) * 2017-01-16 2019-08-27 深圳迈瑞生物医疗电子股份有限公司 超声图像中参数测量的方法和超声成像系统

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20090048118A (ko) * 2007-11-09 2009-05-13 인제대학교 산학협력단 요실금 진단 시스템
CN103622710A (zh) * 2013-11-15 2014-03-12 北京君仪凯医疗科技有限公司 一种阴道收缩康复治疗设备
CN104398931A (zh) * 2014-11-29 2015-03-11 高春娟 一种治疗尿失禁的药物及其制备方法
CN110177504A (zh) * 2017-01-16 2019-08-27 深圳迈瑞生物医疗电子股份有限公司 超声图像中参数测量的方法和超声成像系统
CN107045591A (zh) * 2017-03-23 2017-08-15 广州辉博信息技术有限公司 一种女性盆底功能障碍性疾病的电子病历系统
CN106951719A (zh) * 2017-04-10 2017-07-14 荣科科技股份有限公司 临床诊断模型的构建方法及构建系统、临床诊断系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
女性尿失禁的分类及诊断标准;杜彦芳 等;《实用妇产科杂志》;第34卷(第03期);第164-167页 *
女性尿失禁的诊断与鉴别诊断;罗德毅 等;《中国实用妇科与产科杂志》;第33卷(第10期);第1002-1005页 *

Also Published As

Publication number Publication date
CN113658651A (zh) 2021-11-16

Similar Documents

Publication Publication Date Title
Akbulut et al. Fetal health status prediction based on maternal clinical history using machine learning techniques
Ghassemi et al. Unfolding physiological state: Mortality modelling in intensive care units
KR102237449B1 (ko) 환자 진단 학습 방법, 서버 및 프로그램
KR20170061222A (ko) 건강데이터 패턴의 일반화를 통한 건강수치 예측 방법 및 그 장치
JP5038671B2 (ja) 検査項目選定装置、検査項目選定方法、及び検査項目選定プログラム
KR102455469B1 (ko) 하부요로증상 진단보조 방법
US8099244B2 (en) Method, a computer program and a computer system for determination whether a subject has an increased risk for acquiring a disease
WO2022141927A1 (zh) 一种健康干预系统、服务器及健康管理系统
US20110046972A1 (en) Method and system for health-centered medicine
CN114121266A (zh) 一种智能化的辅助诊断方法和系统
CN115376648A (zh) 一种智能处方生成装置和智能处方生成系统
Jiang et al. An aided diagnosis model of sub-health based on rough set and fuzzy mathematics: A case of TCM
Kadah et al. Is there a difference in pelvic floor muscle tone between women with and without pelvic pain? A systematic review and meta-analysis
CA2580486A1 (en) Computer installation for establishing a diagnosis
CN116682565B (zh) 一种数字化医疗信息在线监测方法、终端及介质
CN113658651B (zh) 尿失禁自动诊断方法、装置及存储介质
KR101274431B1 (ko) 설문 정보를 이용한 건강 상태 판단 장치 및 방법, 건강 분류 함수 생성 장치 및 그 방법
Prichard et al. Retrospective evaluation of operator bias in the performance of high‐resolution anorectal manometry
US20230309931A1 (en) Deep learning-based simple urine flow test result learning method and lower urinary tract symptom diagnosis method
Thangarasu et al. Prediction of hidden knowledge from clinical database using data mining techniques
KR102503609B1 (ko) 머신 러닝을 이용한 가상 환자 정보 생성 시스템 및 방법
CN113140315B (zh) 一种健康自测系统、服务器及健康检测系统
CN113658687B (zh) 盆腔器官脱垂自动诊断方法、装置及存储介质
KR20170143047A (ko) 한방건강증진 서비스를 위한 진단설문 평가 방법
Della et al. Psychometric properties of a prediabetes instrument to assess perceived susceptibility and perceived severity in Appalachians

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
GR01 Patent grant
GR01 Patent grant