CN114512235A - 一种骨折创伤信息处理方法及系统 - Google Patents
一种骨折创伤信息处理方法及系统 Download PDFInfo
- Publication number
- CN114512235A CN114512235A CN202210160092.4A CN202210160092A CN114512235A CN 114512235 A CN114512235 A CN 114512235A CN 202210160092 A CN202210160092 A CN 202210160092A CN 114512235 A CN114512235 A CN 114512235A
- Authority
- CN
- China
- Prior art keywords
- diagnosis
- treatment
- fracture
- information
- wound
- 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.)
- Withdrawn
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
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/044—Recurrent networks, e.g. Hopfield networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- 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
- G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
-
- 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
Abstract
本发明公开了一种骨折创伤信息处理方法及系统,其中,所述方法包括:对历史骨科诊疗方案库进行诊疗特征分析,获得第一诊疗特征信息;根据第一诊疗特征信息对循环神经网络进行训练,构建第一骨折创伤分析模型;将第二诊疗特征信息输入循环神经网络进行训练,获得第二骨折创伤分析模型;对所述第一骨折创伤分析模型和所述第二骨折创伤分析模型进行参数提取,根据第一模型参数信息和第二模型参数信息,构建第三骨折创伤分析模型;根据第三骨折创伤分析模型,获得患者骨折创伤分析结果,并基于患者骨折创伤分析结果对历史骨科诊疗方案库进行扩充更新。解决了现有技术存在对骨折患者创伤处理不够及时准确,导致影响患者康复效果的技术问题。
Description
技术领域
本发明涉及人工智能领域,尤其涉及一种骨折创伤信息处理方法及系统。
背景技术
骨折创伤是指骨结构的连续性完全或部分断裂,造成的主要原因可能是直接暴力、间接暴力和积累性劳损,为防止严重损伤,根据临床表现及影像学检查确诊或排除诊断,及时对骨折患者的创伤进行准确处理,以保证患者后续健康恢复。
然而,现有技术存在对骨折患者创伤处理不够及时准确,导致影响患者康复效果的技术问题。
发明内容
本申请通过提供一种骨折创伤信息处理方法及系统,解决了现有技术存在对骨折患者创伤处理不够及时准确,导致影响患者康复效果的技术问题,达到通过对多个医院骨科科室的诊疗历史方案进行整合分析,以此构建骨折创伤分析模型对骨折创伤信息进行及时处理,提高分析结果的准确性和分析效率,进而保证患者康复效果的技术效果。
鉴于上述问题,本发明提供了一种骨折创伤信息处理方法及系统。
第一方面,本申请提供了一种骨折创伤信息处理方法,所述方法包括:通过医院信息管理平台构建历史骨科诊疗方案库;对所述历史骨科诊疗方案库进行诊疗特征分析,获得第一诊疗特征信息;根据所述第一诊疗特征信息对循环神经网络进行训练,构建第一骨折创伤分析模型;获得第二诊疗特征信息,将所述第二诊疗特征信息输入所述循环神经网络进行训练,获得第二骨折创伤分析模型;对所述第一骨折创伤分析模型和所述第二骨折创伤分析模型进行参数提取,分别获得第一模型参数信息和第二模型参数信息;根据所述第一模型参数信息和所述第二模型参数信息对所述循环神经网络进行参数更新,构建第三骨折创伤分析模型;根据所述第三骨折创伤分析模型,获得患者骨折创伤分析结果,并基于所述患者骨折创伤分析结果对所述历史骨科诊疗方案库进行扩充更新。
另一方面,本申请还提供了一种骨折创伤信息处理系统,所述系统包括:第一构建单元,所述第一构建单元用于通过医院信息管理平台构建历史骨科诊疗方案库;第一获得单元,所述第一获得单元用于对所述历史骨科诊疗方案库进行诊疗特征分析,获得第一诊疗特征信息;第二构建单元,所述第二构建单元用于根据所述第一诊疗特征信息对循环神经网络进行训练,构建第一骨折创伤分析模型;第二获得单元,所述第二获得单元用于获得第二诊疗特征信息,将所述第二诊疗特征信息输入所述循环神经网络进行训练,获得第二骨折创伤分析模型;第三获得单元,所述第三获得单元用于对所述第一骨折创伤分析模型和所述第二骨折创伤分析模型进行参数提取,分别获得第一模型参数信息和第二模型参数信息;第三构建单元,所述第三构建单元用于根据所述第一模型参数信息和所述第二模型参数信息对所述循环神经网络进行参数更新,构建第三骨折创伤分析模型;第一处理单元,所述第一处理单元用于根据所述第三骨折创伤分析模型,获得患者骨折创伤分析结果,并基于所述患者骨折创伤分析结果对所述历史骨科诊疗方案库进行扩充更新。
第三方面,本申请提供了一种电子设备,包括总线、收发器、存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述收发器、所述存储器和所述处理器通过所述总线相连,所述计算机程序被所述处理器执行时实现上述任意一项所述方法中的步骤。
第四方面,本申请还提供了一种计算机可读存储介质,其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方法中的步骤。
本申请中提供的一个或多个技术方案,至少具有如下技术效果或优点:
由于采用了通过医院信息管理平台构建历史骨科诊疗方案库,并对历史骨科诊疗方案库进行诊疗特征分析,获得对应的第一诊疗特征信息,再根据第一诊疗特征信息对循环神经网络进行训练,构建第一骨折创伤分析模型,同理通过联邦学习获得第二骨折创伤分析模型,然后对第一骨折创伤分析模型和第二骨折创伤分析模型进行参数提取,再根据所提取的第一模型参数信息和第二模型参数信息对所述循环神经网络进行参数更新,构建第三骨折创伤分析模型,并基于第三骨折创伤分析模型的输出结果即患者骨折创伤分析结果对历史骨科诊疗方案库进行扩充更新的技术方案。进而达到通过对多个医院骨科科室的诊疗历史方案进行整合分析,以此构建骨折创伤分析模型对骨折创伤信息进行及时处理,提高分析结果的准确性和分析效率,进而保证患者康复效果的技术效果。
上述说明仅是本申请技术方案的概述,为了能够更清楚了解本申请的技术手段,而可依照说明书的内容予以实施,并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂,以下特举本申请的具体实施方式。
附图说明
图1为本申请一种骨折创伤信息处理方法的流程示意图;
图2为本申请一种骨折创伤信息处理方法中获得第一诊疗特征信息的流程示意图;
图3为本申请一种骨折创伤信息处理方法中获得骨科诊疗标签信息的流程示意图;
图4为本申请一种骨折创伤信息处理方法中对第一诊疗特征信息进行补充修正的流程示意图;
图5为本申请一种骨折创伤信息处理系统的结构示意图;
图6为本申请示例性电子设备的结构示意图。
附图标记说明:第一构建单元11,第一获得单元12,第二构建单元13,第二获得单元14,第三获得单元15,第三构建单元16,第一处理单元17,总线1110,处理器1120,收发器1130,总线接口1140,存储器1150,操作系统1151,应用程序1152和用户接口1160。
具体实施方式
在本申请的描述中,所属技术领域的技术人员应当知道,本申请可以实现为方法、装置、电子设备及计算机可读存储介质。因此,本申请可以具体实现为以下形式:完全的硬件、完全的软件(包括固件、驻留软件、微代码等)、硬件和软件结合的形式。此外,在一些实施例中,本申请还可以实现为在一个或多个计算机可读存储介质中的计算机程序产品的形式,该计算机可读存储介质中包含计算机程序代码。
上述计算机可读存储介质可以采用一个或多个计算机可读存储介质的任意组合。计算机可读存储介质包括:电、磁、光、电磁、红外或半导体的系统、装置或器件,或者以上任意的组合。计算机可读存储介质更具体的例子包括:便携式计算机磁盘、硬盘、随机存取存储器、只读存储器、可擦除可编程只读存储器、闪存、光纤、光盘只读存储器、光存储器件、磁存储器件或以上任意组合。在本申请中,计算机可读存储介质可以是任意包含或存储程序的有形介质,该程序可以被指令执行系统、装置、器件使用或与其结合使用。
本申请技术方案中对数据的获取、存储、使用、处理等均符合国家法律的相关规定。
本申请通过流程图和/或方框图描述所提供的方法、装置、电子设备。
应当理解,流程图和/或方框图的每个方框以及流程图和/或方框图中各方框的组合,都可以由计算机可读程序指令实现。这些计算机可读程序指令可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器,从而生产出一种机器,这些计算机可读程序指令通过计算机或其他可编程数据处理装置执行,产生了实现流程图和/或方框图中的方框规定的功能/操作的装置。
也可以将这些计算机可读程序指令存储在能使得计算机或其他可编程数据处理装置以特定方式工作的计算机可读存储介质中。这样,存储在计算机可读存储介质中的指令就产生出一个包括实现流程图和/或方框图中的方框规定的功能/操作的指令装置产品。
也可以将计算机可读程序指令加载到计算机、其他可编程数据处理装置或其他设备上,使得在计算机、其他可编程数据处理装置或其他设备上执行一系列操作步骤,以产生计算机实现的过程,从而使得在计算机或其他可编程数据处理装置上执行的指令能够提供实现流程图和/或方框图中的方框规定的功能/操作的过程。
下面结合本申请中的附图对本申请进行描述。
实施例一
如图1所示,本申请提供了一种骨折创伤信息处理方法,所述方法包括:
步骤S100:通过医院信息管理平台构建历史骨科诊疗方案库;
具体而言,骨折创伤是指骨结构的连续性完全或部分断裂,造成的主要原因可能是直接暴力、间接暴力和积累性劳损,为防止严重损伤,根据临床表现及影像学检查确诊或排除诊断,及时对骨折患者的创伤进行准确处理,以保证患者后续健康恢复。所述医院信息管理平台是医院对患者信息进行管理的平台,包含住院登记、病房护理、治疗医生、药库管理、患者病历等模块,实现医院信息管理更加信息化、科学化、规范化,进而提高医院的工作效率,改进医疗质量。通过医院信息管理平台构建历史骨科诊疗方案库,所述历史骨科诊疗方案库是医院的历史骨科创伤诊疗病例,包括患者入院身体体征、骨折类型、骨折程度、发生原因、用药管理、治疗方案、治疗效果等,为治疗骨折创伤提供医疗参考。
步骤S200:对所述历史骨科诊疗方案库进行诊疗特征分析,获得第一诊疗特征信息;
如图2所示,进一步而言,所述对所述历史骨科诊疗方案库进行诊疗特征分析,获得第一诊疗特征信息,本申请步骤S200还包括:
步骤S210:按照预设信息格式对所述历史骨科诊疗方案库进行标准化处理,获得标准骨科诊疗方案库;
步骤S220:获得骨科诊疗标签库,基于所述骨科诊疗标签库对所述标准骨科诊疗方案库进行分类标记,获得各历史案例对应的骨科诊疗标签信息;
步骤S230:将所述骨科诊疗标签信息进行特征融合,获得第一特征融合信息;
步骤S240:将所述第一特征融合信息输入诊疗特征分析模型,获得第一输出结果,所述第一输出结果包括所述第一诊疗特征信息。
具体而言,对所述历史骨科诊疗方案库进行诊疗特征分析,首先按照预设信息格式对所述历史骨科诊疗方案库进行标准化处理,所述预设信息格式是诊疗数据格式,例如文字、图像、视频等格式。获得格式标准化处理后的标准骨科诊疗方案库,使得所述历史骨科诊疗方案库中的数据按照相同格式进行分类,保证数据一致性,以便后续诊疗数据的分类处理。所述骨科诊疗标签库包括诊疗特征和特征等级标签,包括骨折程度、诊疗类型、诊疗用药、诊疗时间等,基于所述骨科诊疗标签库对所述标准骨科诊疗方案库进行分类标记,例如对案例进行骨折程度标签分类,可按实际情况进行轻型骨折标签、中型骨折标签、重型骨折标签进行标记。
以此进行所述骨科诊疗标签库中各标签的标记,以次获得所述历史骨科诊疗方案库中各历史案例对应的骨科诊疗标签信息。将所述骨科诊疗标签信息进行特征融合,获得第一特征融合信息,所述第一特征融合信息是所述历史骨科诊疗方案库中各历史案例对应的各诊疗特征集合。将所述第一特征融合信息输入诊疗特征分析模型,所述诊疗特征分析模型为神经网络模型,用于对各骨折创伤案例进行诊疗特征分析,获得所述模型的第一输出结果即所述第一诊疗特征信息,所述第一诊疗特征信息表明对骨折创伤案例进行诊疗的医疗特征信息。通过骨折诊疗标签的分类标记对诊疗案例特征进行分析,使得获得的诊疗特征更加合理准确,以用于后续骨折创伤分析模型的准确构建。
步骤S300:根据所述第一诊疗特征信息对循环神经网络进行训练,构建第一骨折创伤分析模型;
进一步而言,所述构建第一骨折创伤分析模型,本申请步骤S300还包括:
步骤S310:获得所述循环神经网络的初始隐藏层值,基于所述初始隐藏层值获得第一输入权重矩阵;
步骤S320:将所述第一诊疗特征信息作为输入层信息,根据所述输入层信息和所述第一输入权重矩阵对所述循环神经网络进行训练;
步骤S330:将所述输入层信息和所述初始隐藏层值作为下一次隐藏层值,依次迭代训练,构建所述第一骨折创伤分析模型。
具体而言,根据所述第一诊疗特征信息对循环神经网络进行训练,循环神经网络是一类以序列数据为输入,在序列的演进方向进行递归且所有节点(循环单元)按链式连接的递归神经网络,包括输入层,隐藏层和输出层。循环神经网络内处理层处理输入信息的过程中,其除了根据当前输入信息进行处理以外,还会保存上一时序的输出信息,将该输出信息作为当前时序的输入信息一同进行处理,进而得到输出,而随着时序的推进,处理层是不断更新的。循环神经网络通过使用带自反馈的神经元,使得网络的输出不仅和当前的输入有关,还和上一时刻的输出相关,于是在处理任意长度的时序数据时,就具有短期记忆能力。
所述初始隐藏层值可通过自定义的方式进行获得,基于所述初始隐藏层值获得第一输入权重矩阵,在处理的过程中,当前输入信息和上个时序的输出信息按照一定权重比值进行输出信息的预测,即为上述的权重矩阵,且在处理层更新的过程中,该权重矩阵内的权重值是稳定不变的。将所述第一诊疗特征信息作为输入层信息,根据所述输入层信息和所述第一输入权重矩阵对所述循环神经网络进行训练,将每次的输入层和上一次的隐藏层作为每次的隐藏层,此处的每次的隐藏层即为所述下一次隐藏层值,通过依次迭代训练,当循环神经网络的输出结果达到一定的准确率或收敛时,完成监督训练,构建所述第一骨折创伤分析模型。所述第一骨折创伤分析模型用于对骨折创伤信息进行诊疗处理,使得输出的骨折创伤分析结果更加准确合理,从而保证提高骨折患者诊疗的准确性和诊疗效率。
步骤S400:获得第二诊疗特征信息,将所述第二诊疗特征信息输入所述循环神经网络进行训练,获得第二骨折创伤分析模型;
具体而言,为使得骨折创伤诊疗方案分析更加全面准确,需要对多个医院骨科科室案例进行数据采集和模型构建,具体步骤同上述第一诊疗特征信息,获得其他医院骨科科室的所述第二诊疗特征信息。同理将所述第二诊疗特征信息输入所述循环神经网络进行训练,具体步骤如上述构建第一骨折创伤分析模型,获得对应的所述第二骨折创伤分析模型。所述第二骨折创伤分析模型用于其他医院骨科科室的骨折创伤信息处理,使得骨折创伤分析结果更加准确全面。
步骤S500:对所述第一骨折创伤分析模型和所述第二骨折创伤分析模型进行参数提取,分别获得第一模型参数信息和第二模型参数信息;
步骤S600:根据所述第一模型参数信息和所述第二模型参数信息对所述循环神经网络进行参数更新,构建第三骨折创伤分析模型;
具体而言,为能够对骨折创伤进行更加准确全面的分析,基于前述循环神经网络的训练结果,对所述第一骨折创伤分析模型和所述第二骨折创伤分析模型进行参数提取,如骨折类型参数、治疗方式参数以及相应权重等。根据所述第一模型参数信息和所述第二模型参数信息对所述循环神经网络进行参数更新,构建模型结合后的第三骨折创伤分析模型,使得进行参数联邦学习后的第三骨折创伤分析模型的输出结果更加合理准确。
步骤S700:根据所述第三骨折创伤分析模型,获得患者骨折创伤分析结果,并基于所述患者骨折创伤分析结果对所述历史骨科诊疗方案库进行扩充更新。
具体而言,根据上述构建的第三骨折创伤分析模型,对需要进行骨折创伤治疗的患者进行分析,获取该患者骨折创伤数据,例如骨折类型、骨折成因、严重程度等作为输入信息输入第三骨折创伤分析模型,获得所述模型的输出结果即患者骨折创伤分析结果,并展示给医生作为医疗参考,根据该分析结果可进一步进行骨折医疗方案的制定。并基于所述患者骨折创伤分析结果对所述历史骨科诊疗方案库进行治疗数据的扩充更新,保证医院骨折创伤医疗方案的全面准确性,提高分析结果的准确性和分析效率,进而保证患者康复效果。
如图3所示,进一步而言,本申请步骤S220还包括:
步骤S221:构建骨科诊疗特征坐标系,所述骨科诊疗特征坐标系为多维坐标系;
步骤S222:对所述骨科诊疗特征坐标系进行区域标签化分类,获得坐标标签分类结果;
步骤S223:将所述标准骨科诊疗方案库中的各历史案例信息分别输入所述骨科诊疗特征坐标系,获得各骨科诊疗特征向量;
步骤S224:根据所述坐标标签分类结果和所述各骨科诊疗特征向量进行映射匹配,获得所述骨科诊疗标签信息。
具体而言,构建骨科诊疗特征坐标系,所述骨科诊疗特征坐标系为多维坐标系,用于对各骨科诊疗特征进行坐标体现。对所述骨科诊疗特征坐标系进行区域标签化分类,不同的诊疗特征区域对应不同的特征标签,例如骨折程度、诊疗类型、诊疗用药等特征及其等级标签,获得对应的坐标标签分类结果,所述坐标标签分类结果是骨科诊疗特征的标签分类结果。
将所述标准骨科诊疗方案库中的各历史案例信息分别输入所述骨科诊疗特征坐标系,获得各历史案例信息分别对应的各骨科诊疗特征向量,通过向量用以表示各骨科诊疗特征。根据所述坐标标签分类结果和所述各骨科诊疗特征向量进行映射匹配,获得匹配得到的所述骨科诊疗标签信息。通过骨折诊疗标签的分类标记对诊疗案例特征进行分析,使得获得的诊疗特征更加合理准确,以用于后续骨折创伤分析模型的准确构建。
如图4所示,进一步而言,本申请步骤还包括:
步骤S241:构建康复评估属性,所述康复评估属性包括康复时间、治疗系数、康复程度、活动意识;
步骤S242:根据所述康复评估属性对所述各历史案例进行康复效果评估,获得康复效果评分矩阵;
步骤S243:基于所述康复效果评分矩阵的乘积值,获得第一康复效果;
步骤S244:根据所述第一康复效果对所述第一诊疗特征信息进行补充修正。
具体而言,构建康复评估属性,所述康复评估属性是对骨折创伤患者进行治疗效果评估的指标,包括康复时间,是患者的治疗康复时间;治疗系数,是对患者进行骨科治疗的治疗等级,治疗系数越大,表明对患者的治疗程度等级越大;康复程度,是患者的最终康复愈合程度,例如骨折复位、自主活动、留有后遗症等;活动意识,是患者的康复活动能力,例如活动正常、部分活动、畸形截肢等。根据所述康复评估属性对所述各历史案例进行康复效果评估,获得各案例分别对应的康复效果评分矩阵。基于所述康复效果评分矩阵中各评估数值的乘积值,来表示患者的康复效果,并根据所述第一康复效果对所述第一诊疗特征信息进行补充修正。通过结合康复效果对诊疗特征进行补充,使得骨折创伤分析更加准确合理,从而提高患者康复效果。
进一步而言,本申请步骤S244还包括:
步骤S2441:对所述康复评估属性中各属性进行权重分析,获得各属性的关键度系数;
步骤S2442:根据所述各属性的关键度系数,生成关键度评估修正矩阵;
步骤S2443:根据所述关键度评估修正矩阵对所述康复效果评分矩阵进行计算修正,获得康复效果修正矩阵;
步骤S2444:基于所述康复效果修正矩阵,获得第二康复效果。
具体而言,对所述康复评估属性中各属性进行权重分析,即进行各评估属性的重要程度分析,例如通过主观权重分析、因子分析、层次法、熵值法等对各评估属性进行权重分配,获得各属性的关键度系数,即各属性对应的分配权重值,权重值越大,表明该评估属性的重要程度越大。
根据所述各属性的关键度系数,生成对应的关键度评估修正矩阵,用于对治疗效果进行修正,根据所述关键度评估修正矩阵对所述康复效果评分矩阵进行相乘计算,并根据计算后的结果对评分矩阵进行修正,获得修正后的康复效果修正矩阵。并基于所述康复效果修正矩阵,获得对所述第一康复效果进行修正后的第二康复效果,使得对康复效果的评估更加准确合理,从而提高骨折创伤分析结果的准确性,以保证患者康复效果。
进一步而言,本申请步骤还包括:
步骤S810:对所述患者骨折创伤分析结果进行治疗效果评估,获得第一治疗评估效果;
步骤S820:如果所述第一治疗评估效果未达到预设治疗效果,基于所述第一治疗评估效果和所述预设治疗效果的差值,获得骨折创伤分析偏差度;
步骤S830:基于PSO算法和所述骨折创伤分析偏差度,对所述第三骨折创伤分析模型进行优化训练,获得第三骨折创伤优化分析模型。
具体而言,对所述患者骨折创伤分析结果进行治疗效果评估,包括分析准确率,治疗专业性等,获得对应的第一治疗评估效果,所述第一治疗评估效果表明了所述第三骨折创伤分析模型进行骨折创伤医疗分析的准确性。如果所述第一治疗评估效果未达到预设治疗效果,所述预设治疗效果可根据实际治疗情况自行设定,即骨折创伤分析模型的训练输出准确度未达标,基于所述第一治疗评估效果和所述预设治疗效果的差值,获得骨折创伤分析偏差度,即需要进行优化的准确度,偏差度越大,模型的骨折创伤分析结果准确度越低。
由于所述第三骨折创伤分析模型的拟合度较低,无法适应于当前患者的治疗分析,基于PSO算法和所述骨折创伤分析偏差度,对所述第三骨折创伤分析模型进行优化训练。PSO算法(Particle swarm optimization,粒子群优化算法),是一种基于种群的随机优化算法,可以模拟并不断迭代最终直到平衡或最优状态,保存平衡或最优状,获得PSO算法优化后的第三骨折创伤优化分析模型,所述第三骨折创伤优化分析模型准确性和输出效率更高。通过PSO算法优化模型,使得骨折创伤优化分析模型输出偏差度减小,提高模型输出结果的精准度和效率,进而提高骨折创伤分析结果的准确性,以保证患者康复效果。
综上所述,本申请所提供的一种骨折创伤信息处理方法及系统具有如下技术效果:
由于采用了通过医院信息管理平台构建历史骨科诊疗方案库,并对历史骨科诊疗方案库进行诊疗特征分析,获得对应的第一诊疗特征信息,再根据第一诊疗特征信息对循环神经网络进行训练,构建第一骨折创伤分析模型,同理通过联邦学习获得第二骨折创伤分析模型,然后对第一骨折创伤分析模型和第二骨折创伤分析模型进行参数提取,再根据所提取的第一模型参数信息和第二模型参数信息对所述循环神经网络进行参数更新,构建第三骨折创伤分析模型,并基于第三骨折创伤分析模型的输出结果即患者骨折创伤分析结果对历史骨科诊疗方案库进行扩充更新的技术方案。进而达到通过对多个医院骨科科室的诊疗历史方案进行整合分析,以此构建骨折创伤分析模型对骨折创伤信息进行及时处理,提高分析结果的准确性和分析效率,进而保证患者康复效果的技术效果。
实施例二
基于与前述实施例中一种骨折创伤信息处理方法同样发明构思,本发明还提供了一种骨折创伤信息处理系统,如图5所示,所述系统包括:
第一构建单元11,所述第一构建单元11用于通过医院信息管理平台构建历史骨科诊疗方案库;
第一获得单元12,所述第一获得单元12用于对所述历史骨科诊疗方案库进行诊疗特征分析,获得第一诊疗特征信息;
第二构建单元13,所述第二构建单元13用于根据所述第一诊疗特征信息对循环神经网络进行训练,构建第一骨折创伤分析模型;
第二获得单元14,所述第二获得单元14用于获得第二诊疗特征信息,将所述第二诊疗特征信息输入所述循环神经网络进行训练,获得第二骨折创伤分析模型;
第三获得单元15,所述第三获得单元15用于对所述第一骨折创伤分析模型和所述第二骨折创伤分析模型进行参数提取,分别获得第一模型参数信息和第二模型参数信息;
第三构建单元16,所述第三构建单元16用于根据所述第一模型参数信息和所述第二模型参数信息对所述循环神经网络进行参数更新,构建第三骨折创伤分析模型;
第一处理单元17,所述第一处理单元17用于根据所述第三骨折创伤分析模型,获得患者骨折创伤分析结果,并基于所述患者骨折创伤分析结果对所述历史骨科诊疗方案库进行扩充更新。
进一步的,所述系统还包括:
第四获得单元,所述第四获得单元用于按照预设信息格式对所述历史骨科诊疗方案库进行标准化处理,获得标准骨科诊疗方案库;
第五获得单元,所述第五获得单元用于获得骨科诊疗标签库,基于所述骨科诊疗标签库对所述标准骨科诊疗方案库进行分类标记,获得各历史案例对应的骨科诊疗标签信息;
第六获得单元,所述第六获得单元用于将所述骨科诊疗标签信息进行特征融合,获得第一特征融合信息;
第七获得单元,所述第七获得单元用于将所述第一特征融合信息输入诊疗特征分析模型,获得第一输出结果,所述第一输出结果包括所述第一诊疗特征信息。
进一步的,所述系统还包括:
第四构建单元,所述第四构建单元用于构建骨科诊疗特征坐标系,所述骨科诊疗特征坐标系为多维坐标系;
第八获得单元,所述第八获得单元用于对所述骨科诊疗特征坐标系进行区域标签化分类,获得坐标标签分类结果;
第九获得单元,所述第九获得单元用于将所述标准骨科诊疗方案库中的各历史案例信息分别输入所述骨科诊疗特征坐标系,获得各骨科诊疗特征向量;
第十获得单元,所述第十获得单元用于根据所述坐标标签分类结果和所述各骨科诊疗特征向量进行映射匹配,获得所述骨科诊疗标签信息。
进一步的,所述系统还包括:
第五构建单元,所述第五构建单元用于构建康复评估属性,所述康复评估属性包括康复时间、治疗系数、康复程度、活动意识;
第十一获得单元,所述第十一获得单元用于根据所述康复评估属性对所述各历史案例进行康复效果评估,获得康复效果评分矩阵;
第十二获得单元,所述第十二获得单元用于基于所述康复效果评分矩阵的乘积值,获得第一康复效果;
第一修正单元,所述第一修正单元用于根据所述第一康复效果对所述第一诊疗特征信息进行补充修正。
进一步的,所述系统还包括:
第十三获得单元,所述第十三获得单元用于对所述康复评估属性中各属性进行权重分析,获得各属性的关键度系数;
第一生成单元,所述第一生成单元用于根据所述各属性的关键度系数,生成关键度评估修正矩阵;
第十四获得单元,所述第十四获得单元用于根据所述关键度评估修正矩阵对所述康复效果评分矩阵进行计算修正,获得康复效果修正矩阵;
第十五获得单元,所述第十五获得单元用于基于所述康复效果修正矩阵,获得第二康复效果。
进一步的,所述系统还包括:
第十六获得单元,所述第十六获得单元用于对所述患者骨折创伤分析结果进行治疗效果评估,获得第一治疗评估效果;
第十七获得单元,所述第十七获得单元用于如果所述第一治疗评估效果未达到预设治疗效果,基于所述第一治疗评估效果和所述预设治疗效果的差值,获得骨折创伤分析偏差度;
第十八获得单元,所述第十八获得单元用于基于PSO算法和所述骨折创伤分析偏差度,对所述第三骨折创伤分析模型进行优化训练,获得第三骨折创伤优化分析模型。
进一步的,所述系统还包括:
第十九获得单元,所述第十九获得单元用于获得所述循环神经网络的初始隐藏层值,基于所述初始隐藏层值获得第一输入权重矩阵;
第一训练单元,所述第一训练单元用于将所述第一诊疗特征信息作为输入层信息,根据所述输入层信息和所述第一输入权重矩阵对所述循环神经网络进行训练;
第六构建单元,所述第六构建单元用于将所述输入层信息和所述初始隐藏层值作为下一次隐藏层值,依次迭代训练,构建所述第一骨折创伤分析模型。
前述图1实施例一中的一种骨折创伤信息处理方法的各种变化方式和具体实例同样适用于本实施例的一种骨折创伤信息处理系统,通过前述对一种骨折创伤信息处理方法的详细描述,本领域技术人员可以清楚的知道本实施例中一种骨折创伤信息处理系统的实施方法,所以为了说明书的简洁,在此不再详述。
此外,本申请还提供了一种电子设备,包括总线、收发器、存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,该收发器、该存储器和处理器分别通过总线相连,计算机程序被处理器执行时实现上述控制输出数据的方法实施例的各个过程,且能达到相同的技术效果,为避免重复,这里不再赘述。
示例性电子设备
具体的,参见图6所示,本申请还提供了一种电子设备,该电子设备包括总线1110、处理器1120、收发器1130、总线接口1140、存储器1150和用户接口1160。
在本申请中,该电子设备还包括:存储在存储器1150上并可在处理器1120上运行的计算机程序,计算机程序被处理器1120执行时实现上述控制输出数据的方法实施例的各个过程。
收发器1130,用于在处理器1120的控制下接收和发送数据。
本申请中,总线架构(用总线1110来代表),总线1110可以包括任意数量互联的总线和桥,总线1110将包括由处理器1120代表的一个或多个处理器与存储器1150代表的存储器的各种电路连接在一起。
总线1110表示若干类型的总线结构中的任何一种总线结构中的一个或多个,包括存储器总线和存储器控制器、外围总线、加速图形端口、处理器或使用各种总线体系结构中的任意总线结构的局域总线。作为示例而非限制,这样的体系结构包括:工业标准体系结构总线、微通道体系结构总线、扩展总线、视频电子标准协会、外围部件互连总线。
处理器1120可以是一种集成电路芯片,具有信号处理能力。在实现过程中,上述方法实施例的各步骤可以通过处理器中硬件的集成逻辑电路或软件形式的指令完成。上述的处理器包括:通用处理器、中央处理器、网络处理器、数字信号处理器、专用集成电路、现场可编程门阵列、复杂可编程逻辑器件、可编程逻辑阵列、微控制单元或其他可编程逻辑器件、分立门、晶体管逻辑器件、分立硬件组件。可以实现或执行本申请中公开的各方法、步骤和逻辑框图。例如,处理器可以是单核处理器或多核处理器,处理器可以集成于单颗芯片或位于多颗不同的芯片。
处理器1120可以是微处理器或任何常规的处理器。结合本申请所公开的方法步骤可以直接由硬件译码处理器执行完成,或者由译码处理器中的硬件和软件模块组合执行完成。软件模块可以位于随机存取存储器、闪存、只读存储器、可编程只读存储器、可擦除可编程只读存储器、寄存器等本领域公知的可读存储介质中。所述可读存储介质位于存储器中,处理器读取存储器中的信息,结合其硬件完成上述方法的步骤。
总线1110还可以将,例如外围设备、稳压器或功率管理电路等各种其他电路连接在一起,总线接口1140在总线1110和收发器1130之间提供接口,这些都是本领域所公知的。因此,本申请不再对其进行进一步描述。
收发器1130可以是一个元件,也可以是多个元件,例如多个接收器和发送器,提供用于在传输介质上与各种其他装置通信的单元。例如:收发器1130从其他设备接收外部数据,收发器1130用于将处理器1120处理后的数据发送给其他设备。取决于计算机装置的性质,还可以提供用户接口1160,例如:触摸屏、物理键盘、显示器、鼠标、扬声器、麦克风、轨迹球、操纵杆、触控笔。
应理解,在本申请中,存储器1150可进一步包括相对于处理器1120远程设置的存储器,这些远程设置的存储器可以通过网络连接至服务器。上述网络的一个或多个部分可以是自组织网络、内联网、外联网、虚拟专用网、局域网、无线局域网、广域网、无线广域网、城域网、互联网、公共交换电话网、普通老式电话业务网、蜂窝电话网、无线网络、无线保真网络以和两个或更多个上述网络的组合。例如,蜂窝电话网和无线网络可以是全球移动通信装置、码分多址装置、全球微波互联接入装置、通用分组无线业务装置、宽带码分多址装置、长期演进装置、LTE频分双工装置、LTE时分双工装置、先进长期演进装置、通用移动通信装置、增强移动宽带装置、海量机器类通信装置、超可靠低时延通信装置等。
应理解,本申请中的存储器1150可以是易失性存储器或非易失性存储器,或可包括易失性存储器和非易失性存储器两者。其中,非易失性存储器包括:只读存储器、可编程只读存储器、可擦除可编程只读存储器、电可擦除可编程只读存储器,或闪存。
易失性存储器包括:随机存取存储器,其用作外部高速缓存。通过示例性但不是限制性说明,许多形式的RAM可用,例如:静态随机存取存储器、动态随机存取存储器、同步动态随机存取存储器、双倍数据速率同步动态随机存取存储器、增强型同步动态随机存取存储器、同步连接动态随机存取存储器和直接内存总线随机存取存储器。本申请描述的电子设备的存储器1150包括但不限于上述和任意其他适合类型的存储器。
在本申请中,存储器1150存储了操作系统1151和应用程序1152的如下元素:可执行模块、数据结构,或者其子集,或者其扩展集。
具体而言,操作系统1151包含各种装置程序,例如:框架层、核心库层、驱动层等,用于实现各种基础业务和处理基于硬件的任务。应用程序1152包含各种应用程序,例如:媒体播放器、浏览器,用于实现各种应用业务。实现本申请方法的程序可以包含在应用程序1152中。应用程序1152包括:小程序、对象、组件、逻辑、数据结构和其他执行特定任务或实现特定抽象数据类型的计算机装置可执行指令。
此外,本申请还提供了一种计算机可读存储介质,其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控制输出数据的方法实施例的各个过程,且能达到相同的技术效果,为避免重复,这里不再赘述。
以上所述,仅为本申请的具体实施方式,但本申请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申请披露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以权利要求的保护范围为准。
Claims (10)
1.一种骨折创伤信息处理方法,其特征在于,所述方法包括:
通过医院信息管理平台构建历史骨科诊疗方案库;
对所述历史骨科诊疗方案库进行诊疗特征分析,获得第一诊疗特征信息;
根据所述第一诊疗特征信息对循环神经网络进行训练,构建第一骨折创伤分析模型;
获得第二诊疗特征信息,将所述第二诊疗特征信息输入所述循环神经网络进行训练,获得第二骨折创伤分析模型;
对所述第一骨折创伤分析模型和所述第二骨折创伤分析模型进行参数提取,分别获得第一模型参数信息和第二模型参数信息;
根据所述第一模型参数信息和所述第二模型参数信息对所述循环神经网络进行参数更新,构建第三骨折创伤分析模型;
根据所述第三骨折创伤分析模型,获得患者骨折创伤分析结果,并基于所述患者骨折创伤分析结果对所述历史骨科诊疗方案库进行扩充更新。
2.如权利要求1所述的方法,其特征在于,所述对所述历史骨科诊疗方案库进行诊疗特征分析,获得第一诊疗特征信息,包括:
按照预设信息格式对所述历史骨科诊疗方案库进行标准化处理,获得标准骨科诊疗方案库;
获得骨科诊疗标签库,基于所述骨科诊疗标签库对所述标准骨科诊疗方案库进行分类标记,获得各历史案例对应的骨科诊疗标签信息;
将所述骨科诊疗标签信息进行特征融合,获得第一特征融合信息;
将所述第一特征融合信息输入诊疗特征分析模型,获得第一输出结果,所述第一输出结果包括所述第一诊疗特征信息。
3.如权利要求2所述的方法,其特征在于,所述方法包括:
构建骨科诊疗特征坐标系,所述骨科诊疗特征坐标系为多维坐标系;
对所述骨科诊疗特征坐标系进行区域标签化分类,获得坐标标签分类结果;
将所述标准骨科诊疗方案库中的各历史案例信息分别输入所述骨科诊疗特征坐标系,获得各骨科诊疗特征向量;
根据所述坐标标签分类结果和所述各骨科诊疗特征向量进行映射匹配,获得所述骨科诊疗标签信息。
4.如权利要求2所述的方法,其特征在于,所述方法包括:
构建康复评估属性,所述康复评估属性包括康复时间、治疗系数、康复程度、活动意识;
根据所述康复评估属性对所述各历史案例进行康复效果评估,获得康复效果评分矩阵;
基于所述康复效果评分矩阵的乘积值,获得第一康复效果;
根据所述第一康复效果对所述第一诊疗特征信息进行补充修正。
5.如权利要求4所述的方法,其特征在于,所述方法包括:
对所述康复评估属性中各属性进行权重分析,获得各属性的关键度系数;
根据所述各属性的关键度系数,生成关键度评估修正矩阵;
根据所述关键度评估修正矩阵对所述康复效果评分矩阵进行计算修正,获得康复效果修正矩阵;
基于所述康复效果修正矩阵,获得第二康复效果。
6.如权利要求1所述的方法,其特征在于,所述方法包括:
对所述患者骨折创伤分析结果进行治疗效果评估,获得第一治疗评估效果;
如果所述第一治疗评估效果未达到预设治疗效果,基于所述第一治疗评估效果和所述预设治疗效果的差值,获得骨折创伤分析偏差度;
基于PSO算法和所述骨折创伤分析偏差度,对所述第三骨折创伤分析模型进行优化训练,获得第三骨折创伤优化分析模型。
7.如权利要求1所述的方法,其特征在于,所述构建第一骨折创伤分析模型,包括:
获得所述循环神经网络的初始隐藏层值,基于所述初始隐藏层值获得第一输入权重矩阵;
将所述第一诊疗特征信息作为输入层信息,根据所述输入层信息和所述第一输入权重矩阵对所述循环神经网络进行训练;
将所述输入层信息和所述初始隐藏层值作为下一次隐藏层值,依次迭代训练,构建所述第一骨折创伤分析模型。
8.一种骨折创伤信息处理系统,其特征在于,所述系统包括:
第一构建单元,所述第一构建单元用于通过医院信息管理平台构建历史骨科诊疗方案库;
第一获得单元,所述第一获得单元用于对所述历史骨科诊疗方案库进行诊疗特征分析,获得第一诊疗特征信息;
第二构建单元,所述第二构建单元用于根据所述第一诊疗特征信息对循环神经网络进行训练,构建第一骨折创伤分析模型;
第二获得单元,所述第二获得单元用于获得第二诊疗特征信息,将所述第二诊疗特征信息输入所述循环神经网络进行训练,获得第二骨折创伤分析模型;
第三获得单元,所述第三获得单元用于对所述第一骨折创伤分析模型和所述第二骨折创伤分析模型进行参数提取,分别获得第一模型参数信息和第二模型参数信息;
第三构建单元,所述第三构建单元用于根据所述第一模型参数信息和所述第二模型参数信息对所述循环神经网络进行参数更新,构建第三骨折创伤分析模型;
第一处理单元,所述第一处理单元用于根据所述第三骨折创伤分析模型,获得患者骨折创伤分析结果,并基于所述患者骨折创伤分析结果对所述历史骨科诊疗方案库进行扩充更新。
9.一种骨折创伤信息处理电子设备,包括总线、收发器、存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述收发器、所述存储器和所述处理器通过所述总线相连,其特征在于,所述计算机程序被所述处理器执行时实现如权利要求1-7中任一项所述方法中的步骤。
10.一种计算机可读存储介质,其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1-7中任一项所述方法中的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210160092.4A CN114512235A (zh) | 2022-02-22 | 2022-02-22 | 一种骨折创伤信息处理方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210160092.4A CN114512235A (zh) | 2022-02-22 | 2022-02-22 | 一种骨折创伤信息处理方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114512235A true CN114512235A (zh) | 2022-05-17 |
Family
ID=81553237
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210160092.4A Withdrawn CN114512235A (zh) | 2022-02-22 | 2022-02-22 | 一种骨折创伤信息处理方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114512235A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116864133A (zh) * | 2023-09-05 | 2023-10-10 | 中国医学科学院北京协和医院 | 一种个性化骨科康复计划推荐系统 |
-
2022
- 2022-02-22 CN CN202210160092.4A patent/CN114512235A/zh not_active Withdrawn
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116864133A (zh) * | 2023-09-05 | 2023-10-10 | 中国医学科学院北京协和医院 | 一种个性化骨科康复计划推荐系统 |
CN116864133B (zh) * | 2023-09-05 | 2023-11-24 | 中国医学科学院北京协和医院 | 一种个性化骨科康复计划推荐系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113380392A (zh) | 一种基于妇科检查安全评估的就诊管理方法及系统 | |
CN114512235A (zh) | 一种骨折创伤信息处理方法及系统 | |
CN114141349A (zh) | 一种icu护理人员的智能调配方法及系统 | |
JP2006163465A (ja) | 医療情報分析装置、方法及びプログラム | |
CN111640093A (zh) | 医学图像的质控方法和计算机可读存储介质 | |
Cho et al. | Understanding artificial intelligence and predictive analytics: A clinically focused review of machine learning techniques | |
CN111481208B (zh) | 一种应用于关节康复的辅助系统、方法及存储介质 | |
CN111081325B (zh) | 医疗数据处理方法与装置 | |
Hutyra et al. | Assessing the effectiveness of evidence-based medicine in practice: a case study of first-time anterior shoulder dislocations | |
Wang et al. | Neural networks for clinical order decision support | |
CN112102934A (zh) | 一种护士规范化培训考核评分方法和系统 | |
CN113053482B (zh) | 一种肾内科患者的体征监测分析系统及方法 | |
CN113299361A (zh) | 一种基于病人临床表现的档案构建方法及系统 | |
US20230053474A1 (en) | Medical care system for assisting multi-diseases decision-making and real-time information feedback with artificial intelligence technology | |
CN115841863A (zh) | 康复训练计划生成和康复训练系统 | |
US11636350B1 (en) | Systems and methods for automated scribes based on knowledge graphs of clinical information | |
CN113113124A (zh) | 一种神经外科多患者的整合护理方法及系统 | |
CN114627993A (zh) | 信息预测方法、装置、存储介质及计算机设备 | |
Permanasari et al. | A web-based decision support system of patient time prediction using iterative dichotomiser 3 algorithm | |
Feng et al. | Can Attention Be Used to Explain EHR-Based Mortality Prediction Tasks: A Case Study on Hemorrhagic Stroke | |
TWM614191U (zh) | 用於預測癌症之計算裝置 | |
Conroy et al. | Rapid multi‐professional training for COVID‐19 in rural hospitals | |
Jones et al. | North Carolina COVID-19 agent-based model framework for hospitalization forecasting overview, design concepts, and details protocol | |
Chalhoub et al. | Will ChatGPT be Able to Replace a Spine Surgeon in the Clinical Setting? | |
Santos et al. | SiSPED 2.0: an extension of a system to monitor diabetic patients |
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 | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20220517 |
|
WW01 | Invention patent application withdrawn after publication |