CN113689942A - 产检监测方法、装置及相关设备 - Google Patents
产检监测方法、装置及相关设备 Download PDFInfo
- Publication number
- CN113689942A CN113689942A CN202110977368.3A CN202110977368A CN113689942A CN 113689942 A CN113689942 A CN 113689942A CN 202110977368 A CN202110977368 A CN 202110977368A CN 113689942 A CN113689942 A CN 113689942A
- Authority
- CN
- China
- Prior art keywords
- target
- pregnancy
- pregnant woman
- monitoring
- clinic
- 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.)
- Granted
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
- 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
-
- 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)
- Business, Economics & Management (AREA)
- General Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Pathology (AREA)
- Medical Treatment And Welfare Office Work (AREA)
- Investigating Or Analysing Biological Materials (AREA)
Abstract
本申请涉及人工智能技术及数字医疗技术,提供一种产检监测方法、装置、计算机设备与存储介质,包括:根据基本信息确定孕检时间表;获取与目标孕妇的孕周最接近的目标孕检时间节点,确定与目标孕检时间节点对应的目标孕检项目集;监测目标孕妇是否开始执行目标孕检项目集;当监测结果为是时,获取每一目标孕检项目的执行顺序与排队人数,输入至优先级计算模型中,得到各个目标孕检项目的优先级顺序;获取每一目标孕检项目的孕检结果,调用异常监测模型处理孕检结果,得到异常指标;判断异常指标是否符合产前诊断要求;当判断结果为是时,预约产前诊断对应的科室,输出提示目标孕妇就诊。本申请能够提高产检监测的效率,促进智慧医疗的快速发展。
Description
技术领域
本申请涉及人工智能技术领域,尤其涉及一种产检监测方法、装置、计算机设备及介质。
背景技术
随着大数据技术的兴起,产前检查平台是指为妊娠期妇女提供一系列的医疗和护理建议和措施的平台,目的是通过对于孕妇和胎儿的监护及早预防和发现并发症,减少其不良影响,在此期间提供正确的检查手段和医学建议是降低孕产妇死亡率和围产儿死亡率的关键。产检包含的检查项目众多,其通常基于孕妇怀孕周数的不同而不同,产科门诊具有不同于其他科室门诊的独有特点,具体检查内容既包括全身检查也包括产科检查,还包括一些针对性的其他辅助检查。
在实现本申请的过程中,申请人发现现有技术存在以下技术问题:很多产检检查并不是当天就能出检查结果,需要隔天,甚至几天后才出检查结果。一般医生看诊时都会交待孕妇,等下次产检一起看结果。但是对于某些重要的、需要产前诊断及时介入的异常指标,是需要孕妇拿到结果后及早前往产前诊断听取建议和进一步诊疗的,例如早唐检查结果异常等。很多医院还没有开设“产前诊断”科室,这类情况下的孕妇可能到了普通产检医院就诊后才会得到产检医生的“转诊”建议,需要重新到其他医院新挂号,导致孕妇产检效率极低。
因此,有必要提供一种基于孕妇检查结果的产检监测方法,能够提高产检监测的效率。
发明内容
鉴于以上内容,有必要提出一种产检监测方法、产检监测装置、计算机设备及介质,能够提高产检监测的效率。
本申请实施例第一方面提供一种产检监测方法,所述产检监测方法包括:
采集目标孕妇的基本信息,并根据所述基本信息确定孕检时间表,所述孕检时间表中包含若干孕检时间节点;
获取与所述目标孕妇的孕周最接近的目标孕检时间节点,并根据所述基本信息确定与所述目标孕检时间节点对应的目标孕检项目集;
监测所述目标孕妇是否开始执行所述目标孕检项目集;
当监测到所述目标孕妇开始执行所述目标孕检项目集时,获取所述目标孕检项目集中每一目标孕检项目的执行顺序与排队人数,并将所述执行顺序与所述排队人数输入至预先训练好的优先级计算模型中,得到各个所述目标孕检项目的优先级顺序;
获取所述目标孕检项目集中每一所述目标孕检项目的孕检结果,并调用预先训练好的异常监测模型处理所述孕检结果,得到异常指标;
判断所述异常指标是否符合产前诊断要求;
当判断结果为异常指标符合所述产前诊断要求时,预约所述产前诊断要求对应的科室,并输出提示所述目标孕妇就诊。
进一步地,在本申请实施例提供的上述产检监测方法中,所述根据所述基本信息确定与所述目标孕检时间节点对应的目标孕检项目集包括:
确定所述目标孕检时间节点对应的初始孕检项目集;
获取预先设置的异常项以及所述异常项对应的体检项目;
解析所述基本信息,得到所述目标孕妇对应的目标异常项,并获取所述目标异常项对应的目标体检项目;
新增所述目标体检项目至所述初始孕检项目集中,得到目标孕检项目集。
进一步地,在本申请实施例提供的上述产检监测方法中,在所述根据所述基本信息确定与所述目标孕检时间节点对应的目标孕检项目集之后,所述方法还包括:
获取所述目标孕妇对就诊医院与医生的选择偏好;
根据所述选择偏好确定包含所述目标孕检项目集中的目标就诊医院与目标医生;
检测是否接收到确认指令,当检测结果为接收到所述确认指令时,预约所述目标就诊医院中的目标医生,并输出所述目标就诊医院的就诊地址。
进一步地,在本申请实施例提供的上述产检监测方法中,所述获取所述目标孕妇对就诊医院与医生的选择偏好包括:
采集所述目标孕妇的历史就诊信息,所述历史就诊信息包括所述目标孕妇的历史就诊医院与医生;
获取所述历史就诊信息中满足预设条件的关键就诊记录集;
确定所述关键就诊记录集中每一关键就诊记录对应的代价以及所述代价对应的权重;
选取所述权重高于预设权重阈值的目标代价,并组合所述目标代价,得到所述目标孕妇对所述就诊医院与医生的选择偏好。
进一步地,在本申请实施例提供的上述产检监测方法中,所述监测所述目标孕妇是否开始执行所述目标孕检项目集包括:
获取所述目标孕妇的定位信息以及预约就诊医院的位置信息;
监测所述定位信息与所述位置信息是否一致;
当监测结果为所述定位信息与所述位置信息一致时,确定所述目标孕妇开始执行所述目标孕检项目集。
进一步地,在本申请实施例提供的上述产检监测方法中,所述调用预先训练好的异常监测模型处理所述孕检结果,得到异常指标包括:
调用预先训练好的异常监测模型处理所述孕检结果,得到每一指标对应的实际值与正常指标区间;
监测所述实际值是否在所述正常指标区间中;
当监测结果为所述实际值在所述正常指标区间中时,确定该项指标正常;
当监测结果为所述实际值在所述正常指标区间外时,确定该项指标异常。
进一步地,在本申请实施例提供的上述产检监测方法中,所述预约所述产前诊断要求对应的科室包括:
检测所述目标孕妇所选的就诊医院是否包含所述产前诊断要求对应的科室;
当检测结果为所述目标孕妇所选的就诊医院不包含所述产前诊断要求对应的科室时,获取包含所述科室的初始就诊医院;
根据所述目标孕妇的选择偏好从所述初始就诊医院中选择目标就诊医院,并预约所述目标就诊医院中的科室。
本申请实施例第二方面还提供一种产检监测装置,所述产检监测装置包括:
信息采集模块,用于采集目标孕妇的基本信息,并根据所述基本信息确定孕检时间表,所述孕检时间表中包含若干孕检时间节点;
项目获取模块,用于获取与所述目标孕妇的孕周最接近的目标孕检时间节点,并根据所述基本信息确定与所述目标孕检时间节点对应的目标孕检项目集;
项目监测模块,用于监测所述目标孕妇是否开始执行所述目标孕检项目集;
顺序获取模块,用于当监测到所述目标孕妇开始执行所述目标孕检项目集时,获取所述目标孕检项目集中每一目标孕检项目的执行顺序与排队人数,并将所述执行顺序与所述排队人数输入至预先训练好的优先级计算模型中,得到各个所述目标孕检项目的优先级顺序;
异常获取模块,用于获取所述目标孕检项目集中每一所述目标孕检项目的孕检结果,并调用预先训练好的异常监测模型处理所述孕检结果,得到异常指标;
指标判断模块,用于判断所述异常指标是否符合产前诊断要求;
诊室预约模块,用于当判断结果为异常指标符合所述产前诊断要求时,预约所述产前诊断要求对应的科室,并输出提示所述目标孕妇就诊。
本申请实施例第三方面还提供一种计算机设备,所述计算机设备包括处理器,所述处理器用于执行存储器中存储的计算机程序时实现如上述任意一项所述产检监测方法。
本申请实施例第四方面还提供一种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程序,所述计算机程序被处理器执行时实现上述任意一项所述产检监测方法。
本申请实施例提供的上述产检监测方法、产检监测装置、计算机设备以及计算机可读存储介质,根据目标孕妇的基本信息,制定产检时间表,并在目标孕检时间节点根据目标孕妇的选择偏好推选就诊医院和医生信息供孕妇进行选择,在产检时间自动挂号,避免孕妇错过产检最佳时间,提高孕检的效率;此外,本申请针对孕妇异常检查结果,结合分析,对于判断属于需要产前诊断提前介入的,及时通知到孕妇,并为孕妇预约目标就诊医院进行产前诊断就诊号,避免孕妇错过产前诊断介入的时间,提高产检监测的效率。本申请可应用于智慧就医、智慧挂号等智慧医疗的各个功能模块中,比如智慧就诊的产检监测方法等,能够促进智慧医疗的快速发展。
附图说明
图1是本申请实施例一提供的产检监测方法的流程图。
图2是本申请实施例二提供的产检监测装置的结构图。
图3是本申请实施例三提供的计算机设备的结构示意图。
如下具体实施方式将结合上述附图进一步说明本申请。
具体实施方式
为了能够更清楚地理解本申请的上述目的、特征和优点,下面结合附图和具体实施例对本申请进行详细描述。需要说明的是,在不冲突的情况下,本申请的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本申请,所描述的实施例是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,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,都属于本申请保护的范围。
除非另有定义,本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同。本文中在本申请的说明书中所使用的术语只是为了描述具体的实施例的目的,不是旨在于限制本申请。
本申请实施例可以基于人工智能技术对相关的数据进行获取和处理。其中,人工智能(Artificial Intelligence,AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能,感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。
人工智能基础技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理技术、操作/交互系统、机电一体化等技术。人工智能软件技术主要包括计算机视觉技术、机器人技术、生物识别技术、语音处理技术、自然语言处理技术以及机器学习/深度学习等几大方向。
本发明实施例提供的产检监测方法由计算机设备执行,相应地,产检监测装置运行于计算机设备中。
图1是本申请第一实施方式的产检监测方法的流程图。如图1所示,所述产检监测方法可以包括如下步骤,根据不同的需求,该流程图中步骤的顺序可以改变,某些可以省略:
S11,采集目标孕妇的基本信息,并根据所述基本信息确定孕检时间表,所述孕检时间表中包含若干孕检时间节点。
在本申请的至少一实施例中,所述基本信息可以是医疗数据,例如,所述基本信息可以包括但不限于目标孕妇的年龄、孕周、身高、体重、联系方式、家庭地址以及孕检结果等信息。所述孕检时间表包括若干孕检时间节点,在不同的孕检时间节点,孕妇需要安排相应的孕检项目。例如,在早孕时期,需要安排优生检查、B超以及常规检查(例如,血常规、尿常规)等项目;在孕12周左右,需要安排NT检查等项目;在孕16周左右,需要安排唐筛检查等项目。所述孕检时间表预先存储于预设数据库中,考虑到数据存储的隐私性与可靠性,所述预设数据库可以为区块链中的目标节点。
S12,获取与所述目标孕妇的孕周最接近的目标孕检时间节点,并根据所述基本信息确定与所述目标孕检时间节点对应的目标孕检项目集。
在本申请的至少一实施例中,获取与所述目标孕妇的孕周最接近的目标孕检时间节点,能够确定所述目标孕妇即将安排哪些孕检项目。所述孕检时间节点与孕检项目间存在映射关系,通过遍历所述映射关系,能够得到所述孕检时间节点对应的孕检项目集。
由于不同孕妇的前一次孕检结果存在差异,若使用统一的映射关系,会导致有些孕检结果存在异常的孕妇忽视对异常项的复查,继而发生流产等危险。在一实施例中,本申请从每位孕妇的基本信息出发,确定与所述目标孕检时间节点对应的目标孕检项目集,能够针对不同孕妇安排对应的孕检项目,能够提高孕检的准确性。
可选地,所述根据所述基本信息确定与所述目标孕检时间节点对应的目标孕检项目集包括:
确定所述目标孕检时间节点对应的初始孕检项目集;
获取预先设置的异常项以及所述异常项对应的体检项目;
解析所述基本信息,得到所述目标孕妇对应的目标异常项,并获取所述目标异常项对应的目标体检项目;
新增所述目标体检项目至所述初始孕检项目集中,得到目标孕检项目集。
其中,所述异常项可以是指孕妇的身体指标高于或低于正常区间的项目,例如,孕妇的年龄高于35岁,所述异常项可以为高龄项;或者,孕妇的含铁量低于正确含铁量区间,所述异常项可以为缺铁项,在此不做限制。对于每一个异常项,都有对应的体检项目进行检查。所述解析所述基本信息,得到目标异常项也即通过将所述基本信息中的每一条信息与正常区间进行比较,超出所述正常区间的项目为异常项。
在一实施例中,孕妇可能对就诊医院以及医生有特殊要求,在所述根据所述基本信息确定与所述目标孕检时间节点对应的目标孕检项目集之后,所述方法还包括:
获取所述目标孕妇对就诊医院与医生的选择偏好;
根据所述选择偏好确定包含所述目标孕检项目集中的目标就诊医院与目标医生;
检测是否接收到确认指令,当检测结果为接收到所述确认指令时,预约所述目标就诊医院中的目标医生,并输出所述目标就诊医院的就诊地址。
在一实施例中,所述获取所述目标孕妇对就诊医院与医生的选择偏好包括:
采集所述目标孕妇的历史就诊信息,所述历史就诊信息包括所述目标孕妇的历史就诊医院与医生;
获取所述历史就诊信息中满足预设条件的关键就诊记录集;
确定所述关键就诊记录集中每一关键就诊记录对应的代价以及所述代价对应的权重;
选取所述权重高于预设权重阈值的目标代价,并组合所述目标代价,得到所述目标孕妇对所述就诊医院与医生的选择偏好。
其中,所述历史就诊信息是指所述目标孕妇此前就诊时选择的就诊医院以及就诊医生等信息。所述关键就诊记录是指满足预设条件的记录,所述预设条件可以为出现频率高于特定阈值。所述代价可以是指目标孕妇在就诊时考虑的不同因素,考虑的因素可以包括但不限于:就诊医院距离目标孕妇的距离、就诊医院的资质等级、就诊医院的营业时间以及就诊医院的医生资质等。
其中,所述关键就诊记录集中可以包含多个关键就诊记录,对于每一关键就诊记录,均存在相应的代价,所述代价可以为就诊医院距离目标孕妇的距离、就诊医院的资质等级、就诊医院的营业时间以及就诊医院的医生资质等。可以通过计算多个关键就诊记录对应的代价中相同或相近的代价的数量来确定所述代价对应的权重。例如,对于关键就诊记录A、B与C,代价1为选择的就诊医院距离孕妇的距离分别为0.9km、1.5km以及3.2km,代价2为选择的就诊医院均为三级甲等资质,代价3选择的就诊医院为普通门诊、专家问诊以及普通门诊。通过分析可知,目标孕妇对就诊医院的资质的要求较高,选择偏好为三级甲等资质;对于其他代价的要求较低,选择偏好无具体限制。
在一实施例中,在预约所述目标就诊医院中的目标医生时,所述方法还包括:检测所述目标孕检项目集中是否存在需要空腹检查的孕检项目;当检测结果为所述目标孕检项目集中存在需要空腹检查的孕检项目时,自动挂号早上就诊,避免孕妇错过检查或影响检查结果。
S13,监测所述目标孕妇是否开始执行所述目标孕检项目集,当监测到所述目标孕妇开始执行所述目标孕检项目集时,执行步骤S14。
在本申请的至少一实施例中,监测所述目标孕妇是否开始执行所述目标孕检项目集也即监测所述目标孕妇是否到达预约好的目标就诊医院,当所述目标孕妇到达预约好的目标就诊医院时,可以确定目标孕妇开始执行所述目标孕检项目集。
可选地,所述监测所述目标孕妇是否开始执行所述目标孕检项目集包括:
获取所述目标孕妇的定位信息以及预约就诊医院的位置信息;
监测所述定位信息与所述位置信息是否一致;
当监测结果为所述定位信息与所述位置信息一致时,确定所述目标孕妇开始执行所述目标孕检项目集。
其中,可以通过定位所述目标孕妇的移动终端(例如手机)的位置得到所述目标孕妇的定位信息。
S14,获取所述目标孕检项目集中每一目标孕检项目的执行顺序与排队人数,并将所述执行顺序与所述排队人数输入至预先训练好的优先级计算模型中,得到各个所述目标孕检项目的优先级顺序。
在本申请的至少一实施例中,所述目标孕检项目集中包含不同的目标孕检项目,不同的孕检项目之间可能存在关联关系,比如,对于目标孕检项目A、B、C,其中,目标孕检项目A与B可以在一个诊室完成。且不同的孕检项目之间需要等待的排队人数也不相同,通过对所述执行顺序与所述排队人数进行综合考量,得到各个目标孕检项目的优先级顺序,能够提高产检的效率。
其中,所述优先级计算模型的输入向量为执行顺序与排队人数,输出向量为各个目标孕检项目的优先级顺序。所述优先级计算模型可以为神经网络模型,该模型的训练过程为现有技术,在此不做赘述。
S15,获取所述目标孕检项目集中每一所述目标孕检项目的孕检结果,并调用预先训练好的异常监测模型处理所述孕检结果,得到异常指标。
在本申请的至少一实施例中,当所述目标孕检项目集中的每一所述目标孕检项目生成孕检结果时,采集所述孕检结果。对于每一所述孕检结果,均存在实际值与对应的正常指标区间,将所述实际值与所述正常指标区间进行比较,当所述实际值在所述正常指标区间时,确定该项指标正常;当所述实际值在所述正常指标区间之外时,确定该项指标异常。
可选地,所述调用预先训练好的异常监测模型处理所述孕检结果,得到异常指标包括:
调用预先训练好的异常监测模型处理所述孕检结果,得到每一指标对应的实际值与正常指标区间;
监测所述实际值是否在所述正常指标区间中;
当监测结果为所述实际值在所述正常指标区间中时,确定该项指标正常;
当监测结果为所述实际值在所述正常指标区间外时,确定该项指标异常。
S16,判断所述异常指标是否符合产前诊断要求,当判断结果为异常指标符合所述产前诊断要求时,执行步骤S17。
在本申请的至少一实施例中,所述产前诊断要求是指当前异常指标需要及时前往产前诊断对应的科室听取建议和进一步诊疗的要求。所述产前诊断要求中包含若干个需要执行产前诊断的目标异常指标。所述判断所述异常指标是否符合产前诊断要求也即判断所述异常指标是否与所述目标异常指标相同,当判断结果为所述异常指标与所述目标异常指标相同时,确定所述异常指标符合产前诊断要求;当判断结果为所述异常指标与所述目标异常指标不相同时,确定所述异常指标不符合产前诊断要求。
可选地,所述判断所述异常指标是否符合产前诊断要求包括:
获取所述产前诊断要求对应的目标异常指标;
判断所述异常指标与所述目标异常指标是否一致;
当判断结果为所述异常指标与所述目标异常指标相同时,确定所述异常指标符合产前诊断要求;
当判断结果为所述异常指标与所述目标异常指标不相同时,确定所述异常指标不符合产前诊断要求。
S17,预约所述产前诊断要求对应的科室,并输出提示所述目标孕妇就诊。
在本申请的至少一实施例中,当判断结果为异常指标符合所述产前诊断要求时,获取所述产前诊断对应的科室,并及时为目标孕妇预约该科室,以便目标孕妇及早听取建议和进一步诊疗的要求。
可选地,所述预约所述产前诊断要求对应的科室包括:
检测所述目标孕妇所选的就诊医院是否包含所述产前诊断要求对应的科室;
当检测结果为所述目标孕妇所选的就诊医院不包含所述产前诊断对应的科室时,获取包含所述科室的初始就诊医院;
根据所述目标孕妇的选择偏好从所述初始就诊医院中选择目标就诊医院,并预约所述目标就诊医院中的科室。
其中,提示所述目标孕妇就诊可以包括提示目标孕妇的就诊时间、就诊医院地址、就诊医院的医生以及就诊时注意事项,在此不做限制。
本申请实施例提供的上述产检监测方法,根据目标孕妇的基本信息,制定产检时间表,并在目标孕检时间节点根据目标孕妇的选择偏好推选就诊医院和医生信息供孕妇进行选择,在产检时间自动挂号,避免孕妇错过产检最佳时间,提高孕检的效率;此外,本申请针对孕妇异常检查结果,结合分析,对于判断属于需要产前诊断提前介入的,及时通知到孕妇,并为孕妇预约目标就诊医院进行产前诊断就诊号,避免孕妇错过产前诊断介入的时间,提高产检监测的效率。本申请可应用于智慧就医、智慧挂号等智慧医疗的各个功能模块中,比如智慧就诊的产检监测方法等,能够促进智慧医疗的快速发展。
图2是本申请实施例二提供的产检监测装置的结构图。
在一些实施例中,所述产检监测装置20可以包括多个由计算机程序段所组成的功能模块。所述产检监测装置20中的各个程序段的计算机程序可以存储于计算机设备的存储器中,并由至少一个处理器所执行,以执行(详见图1描述)产检监测的功能。
本实施例中,所述产检监测装置20根据其所执行的功能,可以被划分为多个功能模块。所述功能模块可以包括:信息采集模块201、项目获取模块202、项目监测模块203、顺序获取模块204、异常获取模块205、指标判断模块206以及诊室预约模块207。本申请所称的模块是指一种能够被至少一个处理器所执行并且能够完成固定功能的一系列计算机程序段,其存储在存储器中。在本实施例中,关于各模块的功能将在后续的实施例中详述。
所述信息采集模块201可用于采集目标孕妇的基本信息,并根据所述基本信息确定孕检时间表,所述孕检时间表中包含若干孕检时间节点。
在本申请的至少一实施例中,所述基本信息可以包括但不限于目标孕妇的年龄、孕周、身高、体重、联系方式、家庭地址以及孕检结果等信息。所述孕检时间表包括若干孕检时间节点,在不同的孕检时间节点,孕妇需要安排相应的孕检项目。例如,在早孕时期,需要安排优生检查、B超以及常规检查(例如,血常规、尿常规)等项目;在孕12周左右,需要安排NT检查等项目;在孕16周左右,需要安排唐筛检查等项目。所述孕检时间表预先存储于预设数据库中,考虑到数据存储的隐私性与可靠性,所述预设数据库可以为区块链中的目标节点。
所述项目获取模块202可用于获取与所述目标孕妇的孕周最接近的目标孕检时间节点,并根据所述基本信息确定与所述目标孕检时间节点对应的目标孕检项目集。
在本申请的至少一实施例中,获取与所述目标孕妇的孕周最接近的目标孕检时间节点,能够确定所述目标孕妇即将安排哪些孕检项目。所述孕检时间节点与孕检项目间存在映射关系,通过遍历所述映射关系,能够得到所述孕检时间节点对应的孕检项目集。
由于不同孕妇的前一次孕检结果存在差异,若使用统一的映射关系,会导致有些孕检结果存在异常的孕妇忽视对异常项的复查,继而发生流产等危险。在一实施例中,本申请从每位孕妇的基本信息出发,确定与所述目标孕检时间节点对应的目标孕检项目集,能够针对不同孕妇安排对应的孕检项目,能够提高孕检的准确性。
可选地,所述根据所述基本信息确定与所述目标孕检时间节点对应的目标孕检项目集包括:
确定所述目标孕检时间节点对应的初始孕检项目集;
获取预先设置的异常项以及所述异常项对应的体检项目;
解析所述基本信息,得到所述目标孕妇对应的目标异常项,并获取所述目标异常项对应的目标体检项目;
新增所述目标体检项目至所述初始孕检项目集中,得到目标孕检项目集。
其中,所述异常项可以是指孕妇的身体指标高于或低于正常区间的项目,例如,孕妇的年龄高于35岁,所述异常项可以为高龄项;或者,孕妇的含铁量低于正确含铁量区间,所述异常项可以为缺铁项,在此不做限制。对于每一个异常项,都有对应的体检项目进行检查。所述解析所述基本信息,得到目标异常项也即通过将所述基本信息中的每一条信息与正常区间进行比较,超出所述正常区间的项目为异常项。
在一实施例中,孕妇可能对就诊医院以及医生有特殊要求,在所述根据所述基本信息确定与所述目标孕检时间节点对应的目标孕检项目集之后,所述方法还包括:
获取所述目标孕妇对就诊医院与医生的选择偏好;
根据所述选择偏好确定包含所述目标孕检项目集中的目标就诊医院与目标医生;
检测是否接收到确认指令,当检测结果为接收到所述确认指令时,预约所述目标就诊医院中的目标医生,并输出所述目标就诊医院的就诊地址。
在一实施例中,所述获取所述目标孕妇对就诊医院与医生的选择偏好包括:
采集所述目标孕妇的历史就诊信息,所述历史就诊信息包括所述目标孕妇的历史就诊医院与医生;
获取所述历史就诊信息中满足预设条件的关键就诊记录集;
确定所述关键就诊记录集中每一关键就诊记录对应的代价以及所述代价对应的权重;
选取所述权重高于预设权重阈值的目标代价,并组合所述目标代价,得到所述目标孕妇对所述就诊医院与医生的选择偏好。
其中,所述历史就诊信息是指所述目标孕妇此前就诊时选择的就诊医院以及就诊医生等信息。所述关键就诊记录是指满足预设条件的记录,所述预设条件可以为出现频率高于特定阈值。所述代价可以是指目标孕妇在就诊时考虑的不同因素,考虑的因素可以包括但不限于:就诊医院距离目标孕妇的距离、就诊医院的资质等级、就诊医院的营业时间以及就诊医院的医生资质等。
其中,所述关键就诊记录集中可以包含多个关键就诊记录,对于每一关键就诊记录,均存在相应的代价,所述代价可以为就诊医院距离目标孕妇的距离、就诊医院的资质等级、就诊医院的营业时间以及就诊医院的医生资质等。可以通过计算多个关键就诊记录对应的代价中相同或相近的代价的数量来确定所述代价对应的权重。例如,对于关键就诊记录A、B与C,代价1为选择的就诊医院距离孕妇的距离分别为0.9km、1.5km以及3.2km,代价2为选择的就诊医院均为三级甲等资质,代价3选择的就诊医院为普通门诊、专家问诊以及普通门诊。通过分析可知,目标孕妇对就诊医院的资质的要求较高,选择偏好为三级甲等资质;对于其他代价的要求较低,选择偏好无具体限制。
在一实施例中,在预约所述目标就诊医院中的目标医生时,需要考虑所述目标孕检项目集中是否存在需要空腹检查的孕检项目,当所述目标孕检项目集中存在需要空腹检查的孕检项目时,自动挂号早上就诊,避免孕妇错过检查或影响检查结果。
所述项目监测模块203可用于监测所述目标孕妇是否开始执行所述目标孕检项目集。
在本申请的至少一实施例中,监测所述目标孕妇是否开始执行所述目标孕检项目集也即监测所述目标孕妇是否到达预约好的目标就诊医院,当所述目标孕妇到达预约好的目标就诊医院时,可以确定目标孕妇开始执行所述目标孕检项目集。
可选地,所述监测所述目标孕妇是否开始执行所述目标孕检项目集包括:
获取所述目标孕妇的定位信息以及预约就诊医院的位置信息;
监测所述定位信息与所述位置信息是否一致;
当监测结果为所述定位信息与所述位置信息一致时,确定所述目标孕妇开始执行所述目标孕检项目集。
其中,可以通过定位所述目标孕妇的移动终端(例如手机)的位置得到所述目标孕妇的定位信息。
所述顺序获取模块204可用于当监测到所述目标孕妇开始执行所述目标孕检项目集时,获取所述目标孕检项目集中每一目标孕检项目的执行顺序与排队人数,并将所述执行顺序与所述排队人数输入至预先训练好的优先级计算模型中,得到各个所述目标孕检项目的优先级顺序。
在本申请的至少一实施例中,所述目标孕检项目集中包含不同的目标孕检项目,不同的孕检项目之间可能存在关联关系,比如,对于目标孕检项目A、B、C,其中,目标孕检项目A与B可以在一个诊室完成。且不同的孕检项目之间需要等待的排队人数也不相同,通过对所述执行顺序与所述排队人数进行综合考量,得到各个目标孕检项目的优先级顺序,能够提高产检的效率。
其中,所述优先级计算模型的输入向量为执行顺序与排队人数,输出向量为各个目标孕检项目的优先级顺序。所述优先级计算模型可以为神经网络模型,该模型的训练过程为现有技术,在此不做赘述。
所述异常获取模块205可用于获取所述目标孕检项目集中每一所述目标孕检项目的孕检结果,并调用预先训练好的异常监测模型处理所述孕检结果,得到异常指标。
在本申请的至少一实施例中,当所述目标孕检项目集中的每一所述目标孕检项目生成孕检结果时,采集所述孕检结果。对于每一所述孕检结果,均存在实际值与对应的正常指标区间,将所述实际值与所述正常指标区间进行比较,当所述实际值在所述正常指标区间时,确定该项指标正常;当所述实际值在所述正常指标区间之外时,确定该项指标异常。
可选地,所述调用预先训练好的异常监测模型处理所述孕检结果,得到异常指标包括:
调用预先训练好的异常监测模型处理所述孕检结果,得到每一指标对应的实际值与正常指标区间;
监测所述实际值是否在所述正常指标区间中;
当监测结果为所述实际值在所述正常指标区间中时,确定该项指标正常;
当监测结果为所述实际值在所述正常指标区间外时,确定该项指标异常。
所述指标判断模块206可用于判断所述异常指标是否符合产前诊断要求。
在本申请的至少一实施例中,所述产前诊断要求是指当前异常指标需要及时前往产前诊断对应的科室听取建议和进一步诊疗的要求。所述产前诊断要求中包含若干个需要执行产前诊断的目标异常指标。所述判断所述异常指标是否符合产前诊断要求也即判断所述异常指标是否与所述目标异常指标相同,当判断结果为所述异常指标与所述目标异常指标相同时,确定所述异常指标符合产前诊断要求;当判断结果为所述异常指标与所述目标异常指标不相同时,确定所述异常指标不符合产前诊断要求。
可选地,所述判断所述异常指标是否符合产前诊断要求包括:
获取所述产前诊断要求对应的目标异常指标;
判断所述异常指标与所述目标异常指标是否一致;
当判断结果为所述异常指标与所述目标异常指标相同时,确定所述异常指标符合产前诊断要求;
当判断结果为所述异常指标与所述目标异常指标不相同时,确定所述异常指标不符合产前诊断要求。
所述诊室预约模块207可用于当判断结果为异常指标符合所述产前诊断要求时,预约所述产前诊断要求对应的科室,并输出提示所述目标孕妇就诊。
在本申请的至少一实施例中,当判断结果为异常指标符合所述产前诊断要求时,获取所述产前诊断对应的科室,并及时为目标孕妇预约该科室,以便目标孕妇及早听取建议和进一步诊疗的要求。
可选地,所述预约所述产前诊断要求对应的科室包括:
检测所述目标孕妇所选的就诊医院是否包含所述产前诊断要求对应的科室;
当检测结果为所述目标孕妇所选的就诊医院不包含所述产前诊断对应的科室时,获取包含所述科室的初始就诊医院;
根据所述目标孕妇的选择偏好从所述初始就诊医院中选择目标就诊医院,并预约所述目标就诊医院中的科室。
其中,提示所述目标孕妇就诊可以包括提示目标孕妇的就诊时间、就诊医院地址、就诊医院的医生以及就诊时注意事项,在此不做限制。
参阅图3所示,为本申请实施例三提供的计算机设备的结构示意图。在本申请较佳实施例中,所述计算机设备3包括存储器31、至少一个处理器32、至少一条通信总线33及收发器34。
本领域技术人员应该了解,图3示出的计算机设备的结构并不构成本申请实施例的限定,既可以是总线型结构,也可以是星形结构,所述计算机设备3还可以包括比图示更多或更少的其他硬件或者软件,或者不同的部件布置。
在一些实施例中,所述计算机设备3是一种能够按照事先设定或存储的指令,自动进行数值计算和/或信息处理的设备,其硬件包括但不限于微处理器、专用集成电路、可编程门阵列、数字处理器及嵌入式设备等。所述计算机设备3还可包括客户设备,所述客户设备包括但不限于任何一种可与客户通过键盘、鼠标、遥控器、触摸板或声控设备等方式进行人机交互的电子产品,例如,个人计算机、平板电脑、智能手机、数码相机等。
需要说明的是,所述计算机设备3仅为举例,其他现有的或今后可能出现的电子产品如可适应于本申请,也应包含在本申请的保护范围以内,并以引用方式包含于此。
在一些实施例中,所述存储器31中存储有计算机程序,所述计算机程序被所述至少一个处理器32执行时实现如所述的产检监测方法中的全部或者部分步骤。所述存储器31包括只读存储器(Read-Only Memory,ROM)、可编程只读存储器(Programmable Read-OnlyMemory,PROM)、可擦除可编程只读存储器(Erasable Programmable Read-Only Memory,EPROM)、一次可编程只读存储器(One-time Programmable Read-Only Memory,OTPROM)、电子擦除式可复写只读存储器(Electrically-Erasable Programmable Read-Only Memory,EEPROM)、只读光盘(Compact Disc Read-Only Memory,CD-ROM)或其他光盘存储器、磁盘存储器、磁带存储器、或者能够用于携带或存储数据的计算机可读的任何其他介质。
进一步地,所述计算机可读存储介质可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序等;存储数据区可存储根据区块链节点的使用所创建的数据等。
本申请所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain),本质上是一个去中心化的数据库,是一串使用密码学方法相关联产生的数据块,每一个数据块中包含了一批次网络交易的信息,用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
在一些实施例中,所述至少一个处理器32是所述计算机设备3的控制核心(Control Unit),利用各种接口和线路连接整个计算机设备3的各个部件,通过运行或执行存储在所述存储器31内的程序或者模块,以及调用存储在所述存储器31内的数据,以执行计算机设备3的各种功能和处理数据。例如,所述至少一个处理器32执行所述存储器中存储的计算机程序时实现本申请实施例中所述的产检监测方法的全部或者部分步骤;或者实现产检监测装置的全部或者部分功能。所述至少一个处理器32可以由集成电路组成,例如可以由单个封装的集成电路所组成,也可以是由多个相同功能或不同功能封装的集成电路所组成,包括一个或者多个中央处理器(Central Processing unit,CPU)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。
在一些实施例中,所述至少一条通信总线33被设置为实现所述存储器31以及所述至少一个处理器32等之间的连接通信。
尽管未示出,所述计算机设备3还可以包括给各个部件供电的电源(比如电池),优选的,电源可以通过电源管理装置与所述至少一个处理器32逻辑相连,从而通过电源管理装置实现管理充电、放电、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述计算机设备3还可以包括多种传感器、蓝牙模块、Wi-Fi模块等,在此不再赘述。
上述以软件功能模块的形式实现的集成的单元,可以存储在一个计算机可读取存储介质中。上述软件功能模块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(可以是个人计算机,计算机设备,或者网络设备等)或处理器(processor)执行本申请各个实施例所述方法的部分。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置和方法,可以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。
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单元,既可以位于一个地方,或者也可以分布到多个网络单元上。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,在本申请各个实施例中的各功能模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能模块的形式实现。
对于本领域技术人员而言,显然本申请不限于上述示范性实施例的细节,而且在不背离本申请的精神或基本特征的情况下,能够以其他的具体形式实现本申请。因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本申请的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本申请内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。此外,显然“包括”一词不排除其他单元或,单数不排除复数。说明书中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第一,第二等词语用来表示名称,而并不表示任何特定的顺序。
最后应说明的是,以上实施例仅用以说明本申请的技术方案而非限制,尽管参照较佳实施例对本申请进行了详细说明,本领域的普通技术人员应当理解,可以对本申请的技术方案进行修改或等同替换,而不脱离本申请技术方案的精神和范围。
Claims (10)
1.一种产检监测方法,其特征在于,所述产检监测方法包括:
采集目标孕妇的基本信息,并根据所述基本信息确定孕检时间表,所述孕检时间表中包含若干孕检时间节点;
获取与所述目标孕妇的孕周最接近的目标孕检时间节点,并根据所述基本信息确定与所述目标孕检时间节点对应的目标孕检项目集;
监测所述目标孕妇是否开始执行所述目标孕检项目集;
当监测到所述目标孕妇开始执行所述目标孕检项目集时,获取所述目标孕检项目集中每一目标孕检项目的执行顺序与排队人数,并将所述执行顺序与所述排队人数输入至预先训练好的优先级计算模型中,得到各个所述目标孕检项目的优先级顺序;
获取所述目标孕检项目集中每一所述目标孕检项目的孕检结果,并调用预先训练好的异常监测模型处理所述孕检结果,得到异常指标;
判断所述异常指标是否符合产前诊断要求;
当判断结果为异常指标符合所述产前诊断要求时,预约所述产前诊断要求对应的科室,并输出提示所述目标孕妇就诊。
2.根据权利要求1所述的产检监测方法,其特征在于,所述根据所述基本信息确定与所述目标孕检时间节点对应的目标孕检项目集包括:
确定所述目标孕检时间节点对应的初始孕检项目集;
获取预先设置的异常项以及所述异常项对应的体检项目;
解析所述基本信息,得到所述目标孕妇对应的目标异常项,并获取所述目标异常项对应的目标体检项目;
新增所述目标体检项目至所述初始孕检项目集中,得到目标孕检项目集。
3.根据权利要求1所述的产检监测方法,其特征在于,在所述根据所述基本信息确定与所述目标孕检时间节点对应的目标孕检项目集之后,所述方法还包括:
获取所述目标孕妇对就诊医院与医生的选择偏好;
根据所述选择偏好确定包含所述目标孕检项目集中的目标就诊医院与目标医生;
检测是否接收到确认指令,当检测结果为接收到所述确认指令时,预约所述目标就诊医院中的目标医生,并输出所述目标就诊医院的就诊地址。
4.根据权利要求3所述的产检监测方法,其特征在于,所述获取所述目标孕妇对就诊医院与医生的选择偏好包括:
采集所述目标孕妇的历史就诊信息,所述历史就诊信息包括所述目标孕妇的历史就诊医院与医生;
获取所述历史就诊信息中满足预设条件的关键就诊记录集;
确定所述关键就诊记录集中每一关键就诊记录对应的代价以及所述代价对应的权重;
选取所述权重高于预设权重阈值的目标代价,并组合所述目标代价,得到所述目标孕妇对所述就诊医院与医生的选择偏好。
5.根据权利要求1所述的产检监测方法,其特征在于,所述监测所述目标孕妇是否开始执行所述目标孕检项目集包括:
获取所述目标孕妇的定位信息以及预约就诊医院的位置信息;
监测所述定位信息与所述位置信息是否一致;
当监测结果为所述定位信息与所述位置信息一致时,确定所述目标孕妇开始执行所述目标孕检项目集。
6.根据权利要求1所述的产检监测方法,其特征在于,所述调用预先训练好的异常监测模型处理所述孕检结果,得到异常指标包括:
调用预先训练好的异常监测模型处理所述孕检结果,得到每一指标对应的实际值与正常指标区间;
监测所述实际值是否在所述正常指标区间中;
当监测结果为所述实际值在所述正常指标区间中时,确定该项指标正常;
当监测结果为所述实际值在所述正常指标区间外时,确定该项指标异常。
7.根据权利要求1所述的产检监测方法,其特征在于,所述预约所述产前诊断要求对应的科室包括:
检测所述目标孕妇所选的就诊医院是否包含所述产前诊断要求对应的科室;
当检测结果为所述目标孕妇所选的就诊医院不包含所述产前诊断要求对应的科室时,获取包含所述科室的初始就诊医院;
根据所述目标孕妇的选择偏好从所述初始就诊医院中选择目标就诊医院,并预约所述目标就诊医院中的科室。
8.一种产检监测装置,其特征在于,所述产检监测装置包括:
信息采集模块,用于采集目标孕妇的基本信息,并根据所述基本信息确定孕检时间表,所述孕检时间表中包含若干孕检时间节点;
项目获取模块,用于获取与所述目标孕妇的孕周最接近的目标孕检时间节点,并根据所述基本信息确定与所述目标孕检时间节点对应的目标孕检项目集;
项目监测模块,用于监测所述目标孕妇是否开始执行所述目标孕检项目集;
顺序获取模块,用于当监测到所述目标孕妇开始执行所述目标孕检项目集时,获取所述目标孕检项目集中每一目标孕检项目的执行顺序与排队人数,并将所述执行顺序与所述排队人数输入至预先训练好的优先级计算模型中,得到各个所述目标孕检项目的优先级顺序;
异常获取模块,用于获取所述目标孕检项目集中每一所述目标孕检项目的孕检结果,并调用预先训练好的异常监测模型处理所述孕检结果,得到异常指标;
指标判断模块,用于判断所述异常指标是否符合产前诊断要求;
诊室预约模块,用于当判断结果为异常指标符合所述产前诊断要求时,预约所述产前诊断要求对应的科室,并输出提示所述目标孕妇就诊。
9.一种计算机设备,其特征在于,所述计算机设备包括处理器,所述处理器用于执行存储器中存储的计算机程序时实现如权利要求1至7中任意一项所述产检监测方法。
10.一种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程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至7中任意一项所述产检监测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110977368.3A CN113689942B (zh) | 2021-08-24 | 2021-08-24 | 产检监测方法、装置及相关设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110977368.3A CN113689942B (zh) | 2021-08-24 | 2021-08-24 | 产检监测方法、装置及相关设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113689942A true CN113689942A (zh) | 2021-11-23 |
CN113689942B CN113689942B (zh) | 2023-08-18 |
Family
ID=78582093
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110977368.3A Active CN113689942B (zh) | 2021-08-24 | 2021-08-24 | 产检监测方法、装置及相关设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113689942B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116230192A (zh) * | 2023-05-09 | 2023-06-06 | 菏泽医学专科学校 | 一种医疗信息处理系统及方法 |
CN117789953A (zh) * | 2024-02-26 | 2024-03-29 | 济南鲁瑞生物科技有限公司 | 一种健康数据管理方法及系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104361542A (zh) * | 2014-11-26 | 2015-02-18 | 王常松 | 一种智能个人医疗档案系统 |
CN110473617A (zh) * | 2019-08-16 | 2019-11-19 | 重庆跃医通科技有限公司 | 智能化产科管理平台及方法 |
CN111354448A (zh) * | 2020-02-27 | 2020-06-30 | 平安国际智慧城市科技股份有限公司 | 孕检项目处理方法、装置、计算机设备和存储介质 |
CN112002391A (zh) * | 2020-08-25 | 2020-11-27 | 北京三快在线科技有限公司 | 检查顺序的确定方法、装置、电子设备及存储介质 |
CN112562836A (zh) * | 2020-12-18 | 2021-03-26 | 深圳赛安特技术服务有限公司 | 医生推荐方法、装置、电子设备及存储介质 |
-
2021
- 2021-08-24 CN CN202110977368.3A patent/CN113689942B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104361542A (zh) * | 2014-11-26 | 2015-02-18 | 王常松 | 一种智能个人医疗档案系统 |
CN110473617A (zh) * | 2019-08-16 | 2019-11-19 | 重庆跃医通科技有限公司 | 智能化产科管理平台及方法 |
CN111354448A (zh) * | 2020-02-27 | 2020-06-30 | 平安国际智慧城市科技股份有限公司 | 孕检项目处理方法、装置、计算机设备和存储介质 |
CN112002391A (zh) * | 2020-08-25 | 2020-11-27 | 北京三快在线科技有限公司 | 检查顺序的确定方法、装置、电子设备及存储介质 |
CN112562836A (zh) * | 2020-12-18 | 2021-03-26 | 深圳赛安特技术服务有限公司 | 医生推荐方法、装置、电子设备及存储介质 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116230192A (zh) * | 2023-05-09 | 2023-06-06 | 菏泽医学专科学校 | 一种医疗信息处理系统及方法 |
CN117789953A (zh) * | 2024-02-26 | 2024-03-29 | 济南鲁瑞生物科技有限公司 | 一种健康数据管理方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN113689942B (zh) | 2023-08-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20170235898A1 (en) | System and Method of Patient Flow and Treatment Management | |
US20070282476A1 (en) | Dynamic Workflow Scheduling | |
US20180358122A1 (en) | System, device and method for guiding a patient in a hospital setup | |
CN113689942B (zh) | 产检监测方法、装置及相关设备 | |
CN112216361A (zh) | 基于人工智能的随访计划单生成方法、装置、终端及介质 | |
US9510791B2 (en) | Diagnostic efficiency | |
CN114420278A (zh) | 一种基于规则算法的智能检查预约方法及系统 | |
CN110675942A (zh) | 医学影像图像诊断分配方法、装置、终端及存储介质 | |
CN113744845A (zh) | 基于人工智能的医学影像处理方法、装置、设备及介质 | |
CN113284632A (zh) | 糖尿病患者的随访方法、装置、电子设备及存储介质 | |
CN112598135A (zh) | 模型训练处理方法、装置、计算机设备及介质 | |
US10937545B2 (en) | Method and system for centralized patient monitoring management | |
CN108090597A (zh) | 医疗预约排队优化方法及装置 | |
CN114220541A (zh) | 疾病预测方法、装置、电子设备及存储介质 | |
CN111933246B (zh) | 医疗处方分析方法、系统、电子设备及存储介质 | |
Jin et al. | Path dependency in physician decisions | |
CN113744866A (zh) | 慢性肝病住院病患短期风险动态监测系统 | |
US20170140104A1 (en) | Apparatus and method for generating a patient health data profile | |
CN116779117A (zh) | 应用于医疗服务的数据管理系统及方法 | |
CN104205105A (zh) | 用于将计算机可解读指南引擎的状态与患者护理的状态同步的方法 | |
CN112489746B (zh) | 数据管理的任务推送方法、装置、电子设备及存储介质 | |
CN116936071A (zh) | 预诊系统 | |
CN113782206A (zh) | 健康管理方法、装置、电子设备及计算机可读存储介质 | |
US11386995B2 (en) | Method and system for centralized patient monitoring management | |
CN113724891A (zh) | 医院疫情监测方法、装置及相关设备 |
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 | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20220920 Address after: Room 2601 (Unit 07), Qianhai Free Trade Building, No. 3048, Xinghai Avenue, Nanshan Street, Qianhai Shenzhen-Hong Kong Cooperation Zone, Shenzhen, Guangdong 518000 Applicant after: Shenzhen Ping An Smart Healthcare Technology Co.,Ltd. Address before: 1-34 / F, Qianhai free trade building, 3048 Xinghai Avenue, Mawan, Qianhai Shenzhen Hong Kong cooperation zone, Shenzhen, Guangdong 518000 Applicant before: Ping An International Smart City Technology Co.,Ltd. |
|
TA01 | Transfer of patent application right | ||
GR01 | Patent grant | ||
GR01 | Patent grant |