CN114121263A - 人工智能辅助早期胃癌、肺癌筛查系统 - Google Patents
人工智能辅助早期胃癌、肺癌筛查系统 Download PDFInfo
- Publication number
- CN114121263A CN114121263A CN202111314843.5A CN202111314843A CN114121263A CN 114121263 A CN114121263 A CN 114121263A CN 202111314843 A CN202111314843 A CN 202111314843A CN 114121263 A CN114121263 A CN 114121263A
- Authority
- CN
- China
- Prior art keywords
- items
- risk
- screening
- doctor
- user
- 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
- 238000012216 screening Methods 0.000 title claims abstract description 58
- 206010058467 Lung neoplasm malignant Diseases 0.000 title claims abstract description 26
- 201000005202 lung cancer Diseases 0.000 title claims abstract description 26
- 208000020816 lung neoplasm Diseases 0.000 title claims abstract description 26
- 201000011591 microinvasive gastric cancer Diseases 0.000 title claims abstract description 12
- 238000013473 artificial intelligence Methods 0.000 title claims abstract description 11
- 238000004891 communication Methods 0.000 claims abstract description 8
- 208000005718 Stomach Neoplasms Diseases 0.000 claims description 23
- 206010017758 gastric cancer Diseases 0.000 claims description 23
- 201000011549 stomach cancer Diseases 0.000 claims description 23
- 238000001514 detection method Methods 0.000 claims description 12
- 210000004072 lung Anatomy 0.000 claims description 11
- 238000012360 testing method Methods 0.000 claims description 10
- 238000011156 evaluation Methods 0.000 claims description 7
- 206010028980 Neoplasm Diseases 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 6
- 230000000391 smoking effect Effects 0.000 claims description 6
- 210000002784 stomach Anatomy 0.000 claims description 6
- 238000000034 method Methods 0.000 claims description 5
- 208000019693 Lung disease Diseases 0.000 claims description 4
- 208000004300 Atrophic Gastritis Diseases 0.000 claims description 3
- 102400000921 Gastrin Human genes 0.000 claims description 3
- 208000007882 Gastritis Diseases 0.000 claims description 3
- 208000036495 Gastritis atrophic Diseases 0.000 claims description 3
- 206010019375 Helicobacter infections Diseases 0.000 claims description 3
- 241000590002 Helicobacter pylori Species 0.000 claims description 3
- 206010054949 Metaplasia Diseases 0.000 claims description 3
- 108010047320 Pepsinogen A Proteins 0.000 claims description 3
- 208000007502 anemia Diseases 0.000 claims description 3
- 230000000711 cancerogenic effect Effects 0.000 claims description 3
- 231100000357 carcinogen Toxicity 0.000 claims description 3
- 239000003183 carcinogenic agent Substances 0.000 claims description 3
- 208000016644 chronic atrophic gastritis Diseases 0.000 claims description 3
- 208000023652 chronic gastritis Diseases 0.000 claims description 3
- 230000002596 correlated effect Effects 0.000 claims description 3
- 230000000875 corresponding effect Effects 0.000 claims description 3
- 238000011161 development Methods 0.000 claims description 3
- 230000035622 drinking Effects 0.000 claims description 3
- 210000001156 gastric mucosa Anatomy 0.000 claims description 3
- 108010066264 gastrin 17 Proteins 0.000 claims description 3
- GKDWRERMBNGKCZ-RNXBIMIWSA-N gastrin-17 Chemical compound C([C@@H](C(=O)NCC(=O)N[C@@H](CC=1C2=CC=CC=C2NC=1)C(=O)N[C@@H](CCSC)C(=O)N[C@@H](CC(O)=O)C(=O)N[C@@H](CC=1C=CC=CC=1)C(N)=O)NC(=O)[C@H](C)NC(=O)[C@H](CCC(O)=O)NC(=O)[C@H](CCC(O)=O)NC(=O)[C@H](CCC(O)=O)NC(=O)[C@H](CCC(O)=O)NC(=O)[C@H](CCC(O)=O)NC(=O)[C@H](CC(C)C)NC(=O)[C@H](CC=1C2=CC=CC=C2NC=1)NC(=O)[C@H]1N(CCC1)C(=O)CNC(=O)[C@H]1NC(=O)CC1)C1=CC=C(O)C=C1 GKDWRERMBNGKCZ-RNXBIMIWSA-N 0.000 claims description 3
- 229940037467 helicobacter pylori Drugs 0.000 claims description 3
- 230000002452 interceptive effect Effects 0.000 claims description 3
- 230000007774 longterm Effects 0.000 claims description 3
- 230000003211 malignant effect Effects 0.000 claims description 3
- 239000003550 marker Substances 0.000 claims description 3
- 239000000779 smoke Substances 0.000 claims description 3
- 208000023984 stomach polyp Diseases 0.000 claims description 3
- 230000002496 gastric effect Effects 0.000 claims description 2
- 208000018556 stomach disease Diseases 0.000 claims description 2
- 238000005259 measurement Methods 0.000 claims 1
- 238000012545 processing Methods 0.000 abstract description 5
- 238000002591 computed tomography Methods 0.000 description 4
- 201000011510 cancer Diseases 0.000 description 3
- 238000012937 correction Methods 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 208000012895 Gastric disease Diseases 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 238000013399 early diagnosis Methods 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 230000002265 prevention Effects 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
- 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
-
- 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
- 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
- G16H50/80—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for detecting, monitoring or modelling epidemics or pandemics, e.g. flu
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Public Health (AREA)
- Medical Informatics (AREA)
- Biomedical Technology (AREA)
- Data Mining & Analysis (AREA)
- Pathology (AREA)
- Databases & Information Systems (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明涉及数据处理领域，提供人工智能辅助早期胃癌、肺癌筛查系统，包括移动终端的微信小程序、云平台、高危因素计量模块、通信模块；所述高危因素计量模块包含有多个风险项目和筛查项目，风险项目经由用户填写，通过计算各个风险项目的得分确定筛查项目，筛查项目与医院科室关联，所述高危因素计量模块通过通信模块将包含有筛查项目的报告发送至云平台，医生通过登录云平台，对用户的报告进行查看和建议，所述微信小程序用于通过高危因素计量模块发送相关报告至用户界面和医生界面，用户界面和医生界面驱动报告的打印和建议。
Description
技术领域
本发明涉及大数据处理技术领域，具体涉及人工智能辅助早期胃癌、肺癌筛查系统。
背景技术
自世界卫生组织明确提出了癌症的早发现、早诊断、早治疗的“三早”策略以来，癌症的筛查和早诊早治，已被公认为癌症防控最有效的途径。
尤其是关于胃癌和肺癌的筛查，由于胃和肺在人体内部，难以直接显形，因此本申请专门针对胃癌和肺癌的早起筛查进行研究，旨在得到更为便捷、更智能化的筛查系统。
发明内容
本发明目的在于提供人工智能辅助早期胃癌、肺癌筛查系统，通过线上程序，得到一个综合平台，既能提供给用户进行自筛查的题目测试，又能辅助医生快速的得到用户的综合数据，包括身份信息、病史信息、已做项目信息、影像结果等。
为实现上述目的，本发明所采用的技术方案是：人工智能辅助早期胃癌、肺癌筛查系统，包括移动终端的微信小程序、云平台、高危因素计量模块、通信模块；
所述高危因素计量模块包含有多个风险项目和筛查项目，风险项目经由用户填写，通过计算各个风险项目的得分确定筛查项目，筛查项目与医院科室关联，所述高危因素计量模块通过通信模块将包含有筛查项目的报告发送至云平台，医生通过登录云平台，对用户的报告进行查看和建议，
所述微信小程序用于通过高危因素计量模块发送相关报告至用户界面和医生界面，用户界面和医生界面驱动报告的打印和修正；
所述微信小程序为医生与用户之间的交互窗口，用户通过移动终端进入微信小程序，通过输入胃癌风险项目明细和肺癌风险项目明细，高危因素计量模块统计上述自筛查明细进行计算；所述微信小程序包括用户操作与医生操作两个端口，用户操作包括用户信息查询和绑定、风险项目明细的输入和调整以及报告的打印和反馈，医生操作包括报告的查看和建议；
所述微信小程序通过微信开发者工具进行开发，开发过程中，填写APPID创建项目文件夹，利用JavaScript语言编写，包括逻辑层、视图层以及基础层，操作人员可以通过微信在微信搜索栏中搜索微信小程序的名称进入微信小程序，操作人员根据不同身份可以在微信小程序界面进行信息注册，注册完毕后操作人员在微信小程序中根据自己身份进行登录即可操作。
优选的，所述胃癌风险项目明细包括有年龄是否大于60岁、胃部状态自检、吸烟史、饮酒史、胃部疾病家族史，通过用户窗口进行胃癌风险项目明细的填充。
优选的，所述胃部状态自检包括是否勾选以下选项，具体为中重度萎缩性胃炎、慢行胃炎、胃息肉、胃黏膜巨大皱褶症、幽门螺旋杆菌感染症、恶性贫血症、肠化生。
优选的，所述肺癌风险项目明细包括有年龄是否大于40岁、肺部状态自检、吸烟史，通过用户窗口进行肺癌风险项目明细的填充。
优选的，所述肺部状态自检包括是否勾选以下选项，具体为个人肿瘤史、职业致癌物质暴露史、直系亲属肺癌家族史、长期二手烟暴露史、肺部疾病史，当用户年龄年龄是大于40岁且勾选了至少任一项的肺部状态自检选项，窗口弹出的所述筛查项目为低剂量CT检查。
优选的，所述筛查项目包括有胃泌素17检测项目、胃蛋白酶原比值PGR检测项目、幽门螺杆菌Hp检测项目。
优选的，报告根据筛查项目的分值，自动划分为胃癌高危人群、胃癌中危人群和胃癌低危人群，其中胃癌高危人群的报告中筛查项目会增加胃镜检测项目。
优选的，高危因素计量模块对风险项目的打分包括下列计算步骤：
步骤81：根据用户的身份信息匹配对应的题库，用户填写题库中的风险项目，执行步骤82；
步骤82：统计每个风险项目的结果进行打分，再提取筛查项目中的影像图片，通过影像学标签库匹配影像图片中标记区；
步骤83：用户窗口通过点击标记区得到该区域的注释。
优选的，所述高危因素计量模块通过统计标记区域与医生反馈该标记区域的时间，对医生在微信小程序上的服务进行评价。
优选的，对医生在微信小程序上的服务评价包括下列步骤：
步骤11：高危因素计量模块收集医生提供的风险项目和筛查项目进行专业值打分，收集用户对题库的打分定时更新不同年龄段的用户的测评题库，同一套题库的打分均值作为完善值，完善值为专业值的权重；
步骤12：高危因素计量模块收集医生的登录云平台的次数、医生查看用户报告的次数、医生填写报告的份数得到医生的效率值，针对不同的题库，医生的效率值权重不同，效率值的权重与专业值呈正相关；
步骤13：排布各个医生的专业值和效率值，根据最终排名，排名越靠前，推送给医生的用户自筛查明细越多。
综上所述，本发明的有益效果为：
1、能够将纸质的筛查项目转换到线上，为不同年龄段的人群匹配不同的题库；
2、医生能够在线上根据用户答题结果定位用户需要检查的项目，提高医患之间的接洽效率，针对胃部、肺部的影象，均可在线上进行查阅，并撰写意见；
3、针对现有的线上医生处理端，本申请特定能够对医生的工作进行评价，便于医生的考评，针对善于线上处理的医生优先派单。
附图说明
图1为本发明的人工智能辅助早期胃癌、肺癌筛查系统的示意图。
具体实施方式
下面结合本发明的附图1，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，都属于本发明保护的范围。
实施例1：
人工智能辅助早期胃癌、肺癌筛查系统，包括移动终端的微信小程序、云平台、高危因素计量模块、通信模块；
所述高危因素计量模块包含有多个风险项目和筛查项目，风险项目经由用户填写，通过计算各个风险项目的得分确定筛查项目，筛查项目与医院科室关联，所述高危因素计量模块通过通信模块将包含有筛查项目的报告发送至云平台，医生通过登录云平台，对用户的报告进行查看和建议，
所述微信小程序用于通过高危因素计量模块发送相关报告至用户界面和医生界面，用户界面和医生界面驱动报告的打印和修正；
所述微信小程序为医生与用户之间的交互窗口，用户通过移动终端进入微信小程序，通过输入胃癌风险项目明细和肺癌风险项目明细，高危因素计量模块统计上述自筛查明细进行计算；所述微信小程序包括用户操作与医生操作两个端口，用户操作包括用户信息查询和绑定、风险项目明细的输入和调整以及报告的打印和反馈，医生操作包括报告的查看和建议；
所述微信小程序通过微信开发者工具进行开发，开发过程中，填写APPID创建项目文件夹，利用JavaScript语言编写，包括逻辑层、视图层以及基础层，操作人员可以通过微信在微信搜索栏中搜索微信小程序的名称进入微信小程序，操作人员根据不同身份可以在微信小程序界面进行信息注册，注册完毕后操作人员在微信小程序中根据自己身份进行登录即可操作。
所述胃癌风险项目明细包括有年龄是否大于60岁、胃部状态自检、吸烟史、饮酒史、胃部疾病家族史，通过用户窗口进行胃癌风险项目明细的填充。
所述胃部状态自检包括是否勾选以下选项，具体为中重度萎缩性胃炎、慢行胃炎、胃息肉、胃黏膜巨大皱褶症、幽门螺旋杆菌感染症、恶性贫血症、肠化生。
所述肺癌风险项目明细包括年龄是否大于40岁、肺部状态自检、吸烟史、肺部疾病家族史，通过用户窗口进行肺癌风险项目明细的填充。
所述肺部状态自检包括是否勾选以下选项，具体为个人肿瘤史、职业致癌物质暴露史、直系亲属肺癌家族史、长期二手烟暴露史、肺部疾病史，当用户年龄年龄是大于40岁且勾选了至少任一项的肺部状态自检选项，窗口弹出的所述筛查项目为低剂量CT检查。
所述筛查项目包括有胃泌素17检测项目、胃蛋白酶原比值PGR检测项目、幽门螺杆菌Hp检测项目。报告根据筛查项目的分值，自动划分为胃癌高危人群、胃癌中危人群和胃癌低危人群，其中胃癌高危人群的报告中筛查项目会增加胃镜检测项目。高危因素计量模块对风险项目的打分包括下列计算步骤：
步骤81：根据用户的身份信息匹配对应的题库，用户填写题库中的风险项目，执行步骤82；
步骤82：统计每个风险项目的结果进行打分，再提取筛查项目中的影像图片，通过影像学标签库匹配影像图片中标记区；
步骤83：用户窗口通过点击标记区得到该区域的注释。
实施例2,：
在实施例1的基础上，所述高危因素计量模块通过统计标记区域与医生反馈该标记区域的时间，对医生在微信小程序上的服务进行评价。
对医生在微信小程序上的服务评价包括下列步骤：
步骤11：高危因素计量模块收集医生提供的风险项目和筛查项目进行专业值打分，收集用户对题库的打分定时更新不同年龄段的用户的测评题库，同一套题库的打分均值作为完善值，完善值为专业值的权重，；
步骤12：高危因素计量模块收集医生的登录云平台的次数、医生查看用户报告的次数、医生填写报告的份数得到医生的效率值，针对不同的题库，医生的效率值权重不同，效率值的权重与专业值呈正相关；
步骤13：排布各个医生的专业值和效率值，根据最终排名，排名越靠前，推送给医生的用户自筛查明细越多。
值得说明的是，通过效率值评估各个医生在线上处理用户的效率，并根据小程序的接单量，分配更多单量给效率值高的医生。
在本发明的描述中，需要理解的是，术语“逆时针”、“顺时针”“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”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，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。
Claims (10)
1.人工智能辅助早期胃癌、肺癌筛查系统，其特征在于，包括移动终端的微信小程序、云平台、高危因素计量模块、通信模块；
所述高危因素计量模块包含有多个风险项目和筛查项目，风险项目经由用户填写，通过计算各个风险项目的得分确定筛查项目，筛查项目与医院科室关联，所述高危因素计量模块通过通信模块将包含有筛查项目的报告发送至云平台，医生通过登录云平台，对用户的报告进行查看和建议，
所述微信小程序用于通过高危因素计量模块发送相关报告至用户界面和医生界面，用户界面和医生界面驱动报告的打印和建议；
所述微信小程序为医生与用户之间的交互窗口，用户通过移动终端进入微信小程序，通过输入胃癌风险项目明细和肺癌风险项目明细，高危因素计量模块统计上述自筛查明细进行计算；所述微信小程序包括用户操作与医生操作两个端口，用户操作包括用户信息查询和绑定、风险项目明细的输入和调整以及报告的打印和反馈，医生操作包括报告的查看和建议；
所述微信小程序通过微信开发者工具进行开发，开发过程中，填写APPID创建项目文件夹，利用JavaScript语言编写，包括逻辑层、视图层以及基础层，操作人员可以通过微信在微信搜索栏中搜索微信小程序的名称进入微信小程序，操作人员根据不同身份可以在微信小程序界面进行信息注册，注册完毕后操作人员在微信小程序中根据自己身份进行登录即可操作。
2.根据权利要求1所述的人工智能辅助早期胃癌、肺癌筛查系统，其特征在于，所述胃癌风险项目明细包括有年龄是否大于60岁、胃部状态自检、吸烟史、饮酒史、胃部疾病家族史，通过用户窗口进行胃癌风险项目明细的填充。
3.根据权利要求2所述的人工智能辅助早期胃癌、肺癌筛查系统，其特征在于，所述胃部状态自检包括是否勾选以下选项，具体为中重度萎缩性胃炎、慢行胃炎、胃息肉、胃黏膜巨大皱褶症、幽门螺旋杆菌感染症、恶性贫血症、肠化生。
4.根据权利要求3所述的人工智能辅助早期胃癌、肺癌筛查系统，其特征在于，所述肺癌风险项目明细包括有肺部状态自检、吸烟史，通过用户窗口进行肺癌风险项目明细的填充。
5.根据权利要求2所述的人工智能辅助早期胃癌、肺癌筛查系统，其特征在于，所述肺部状态自检包括是否勾选以下选项，具体为个人肿瘤史、职业致癌物质暴露史、直系亲属肺癌家族史、长期二手烟暴露史、肺部疾病史，当用户年龄年龄是大于40岁且勾选了至少任一项的肺部状态自检选项，窗口弹出的所述筛查项目为低剂量CT检查。
6.根据权利要求5所述的人工智能辅助早期胃癌、肺癌筛查系统，其特征在于，所述筛查项目包括有胃泌素17检测项目、胃蛋白酶原比值PGR检测项目、幽门螺杆菌Hp检测项目。
7.根据权利要求6所述的人工智能辅助早期胃癌、肺癌筛查系统，其特征在于，报告根据筛查项目的分值，自动划分为胃癌高危人群、胃癌中危人群和胃癌低危人群，其中胃癌高危人群的报告中筛查项目会增加胃镜检测项目。
8.根据权利要求6所述的人工智能辅助早期胃癌、肺癌筛查系统，其特征在于，高危因素计量模块对风险项目的打分包括下列计算步骤：
步骤81：根据用户的身份信息匹配对应的题库，用户填写题库中的风险项目，执行步骤82；
步骤82：统计每个风险项目的结果进行打分，再提取筛查项目中的影像图片，通过影像学标签库匹配影像图片中标记区；
步骤83：用户窗口通过点击标记区得到该区域的注释。
9.根据权利要求8所述的人工智能辅助早期胃癌、肺癌筛查系统，其特征在于，所述高危因素计量模块通过统计标记区域与医生反馈该标记区域的时间，对医生在微信小程序上的服务进行评价。
10.根据权利要求9所述的人工智能辅助早期胃癌、肺癌筛查系统，其特征在于，对医生在微信小程序上的服务评价包括下列步骤：
步骤11：高危因素计量模块收集医生提供的风险项目和筛查项目进行专业值打分，收集用户对题库的打分定时更新不同年龄段的用户的测评题库，同一套题库的打分均值作为完善值，完善值为专业值的权重；
步骤12：高危因素计量模块收集医生的登录云平台的次数、医生查看用户报告的次数、医生填写报告的份数得到医生的效率值，针对不同的题库，医生的效率值权重不同，效率值的权重与专业值呈正相关；
步骤13：排布各个医生的专业值和效率值，根据最终排名，排名越靠前，推送给医生的用户自筛查明细越多。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111314843.5A CN114121263A (zh) | 2021-11-08 | 2021-11-08 | 人工智能辅助早期胃癌、肺癌筛查系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111314843.5A CN114121263A (zh) | 2021-11-08 | 2021-11-08 | 人工智能辅助早期胃癌、肺癌筛查系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114121263A true CN114121263A (zh) | 2022-03-01 |
Family
ID=80381376
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111314843.5A Pending CN114121263A (zh) | 2021-11-08 | 2021-11-08 | 人工智能辅助早期胃癌、肺癌筛查系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114121263A (zh) |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20160110516A1 (en) * | 2014-10-20 | 2016-04-21 | Liwei Ma | Dynamic monitoring early cancer risk |
| CN106228006A (zh) * | 2016-07-20 | 2016-12-14 | 广东药科大学 | 一种早期胃癌筛查系统及方法 |
| CN108461148A (zh) * | 2018-03-30 | 2018-08-28 | 张淼 | 一种筛查癌症的小程序 |
| CN111048201A (zh) * | 2019-12-02 | 2020-04-21 | 布谷鸟吉因健康科技(北京)有限公司 | 一种智能化癌症风险预测方法及系统 |
| CN111312405A (zh) * | 2020-02-12 | 2020-06-19 | 宁德市闽东医院 | 一种健康体检胃癌筛查评估及管理系统 |
| CN111489824A (zh) * | 2020-04-09 | 2020-08-04 | 杭州电子科技大学 | 基于物联网的osahs预测系统 |
| CN112133427A (zh) * | 2020-09-24 | 2020-12-25 | 江苏天瑞精准医疗科技有限公司 | 一种基于人工智能的胃癌辅助诊断系统 |
| CN113192625A (zh) * | 2021-03-08 | 2021-07-30 | 北京航空航天大学 | 一种基于深度学习的肺部疾病辅助诊断云平台 |
-
2021
- 2021-11-08 CN CN202111314843.5A patent/CN114121263A/zh active Pending
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20160110516A1 (en) * | 2014-10-20 | 2016-04-21 | Liwei Ma | Dynamic monitoring early cancer risk |
| CN106228006A (zh) * | 2016-07-20 | 2016-12-14 | 广东药科大学 | 一种早期胃癌筛查系统及方法 |
| CN108461148A (zh) * | 2018-03-30 | 2018-08-28 | 张淼 | 一种筛查癌症的小程序 |
| CN111048201A (zh) * | 2019-12-02 | 2020-04-21 | 布谷鸟吉因健康科技(北京)有限公司 | 一种智能化癌症风险预测方法及系统 |
| CN111312405A (zh) * | 2020-02-12 | 2020-06-19 | 宁德市闽东医院 | 一种健康体检胃癌筛查评估及管理系统 |
| CN111489824A (zh) * | 2020-04-09 | 2020-08-04 | 杭州电子科技大学 | 基于物联网的osahs预测系统 |
| CN112133427A (zh) * | 2020-09-24 | 2020-12-25 | 江苏天瑞精准医疗科技有限公司 | 一种基于人工智能的胃癌辅助诊断系统 |
| CN113192625A (zh) * | 2021-03-08 | 2021-07-30 | 北京航空航天大学 | 一种基于深度学习的肺部疾病辅助诊断云平台 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11462309B2 (en) | Automated electrocardiogram interpretation system and methods for use therewith | |
| Kustoyo et al. | RADIOGRAPHY TECHNIQUE OF OSSA MANUS WITH SUSPECTED FRACTURE OF PROXIMAL PHALANG DIGITI 4 AND 5 SINISTRA IN RADIOLOGY INSTALLATION OF EFARINA HOSPITAL Pangkalan KERINCI, 2020 | |
| Everitt et al. | Statistical aspects of the design and analysis of clinical trials | |
| Bach et al. | Computed tomography screening and lung cancer outcomes | |
| US8073713B2 (en) | Method and system for managing medical professionals | |
| CN111292839B (zh) | 图像处理方法、装置、计算机设备和存储介质 | |
| JP2002516135A (ja) | 遠隔地で喘息の重症度をモニタリングするシステム及びその方法 | |
| Murphy et al. | Reliability and validity of the Vanderbilt Head and Neck Symptom Survey: a tool to assess symptom burden in patients treated with chemoradiation | |
| Lee et al. | Lung cancer screening | |
| Bjoersum-Meyer et al. | Efficacy of bowel preparation regimens for colon capsule endoscopy: a systematic review and meta-analysis | |
| CN107239722A (zh) | 用于从医疗文档中提取诊断对象的方法和装置 | |
| Koo et al. | Extravalidation and reproducibility results of a commercial deep learning‐based automatic detection algorithm for pulmonary nodules on chest radiographs at tertiary hospital | |
| CN114121263A (zh) | 人工智能辅助早期胃癌、肺癌筛查系统 | |
| Balasubramanian et al. | Practice-level approaches for behavioral counseling and patient health behaviors | |
| Tian et al. | The efficacy of senna bowel preparation for colonoscopy: a systematic review and meta-analysis | |
| CN114742836B (zh) | 医学图像的处理方法、装置及计算机设备 | |
| Taplin et al. | Specialty differences and the ordering of screening mammography by primary care physicians | |
| Szende et al. | Accuracy of admission and pre-autopsy clinical diagnoses in the light of autopsy findings: a study conducted in Budapest | |
| Santos | Tackling Lung Cancer: Advanced Image Analysis and Deep Learning for Early Detection | |
| JP7097794B2 (ja) | 情報処理システム及び情報処理方法 | |
| Wonodi et al. | Evaluation of reasons for non-complete filling of investigation request forms by medical doctors in Rivers State, Nigeria | |
| Kim et al. | Cancer prevalence among physicians in Korea: a single center study | |
| McGettigan et al. | Physical activity and exercise interventions for disease‐related physical and mental health during and following treatment in people with non‐advanced colorectal cancer | |
| CN108170828A (zh) | 结构化临床诊断术语集构建方法及其系统 | |
| JP2020144827A (ja) | 栄養指導支援装置、栄養指導支援方法および栄養指導支援プログラム |
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: 20220301 |