CN115131294A - 基于ai的鼻咽喉疾病智能识别方法及系统 - Google Patents
基于ai的鼻咽喉疾病智能识别方法及系统 Download PDFInfo
- Publication number
- CN115131294A CN115131294A CN202210613990.0A CN202210613990A CN115131294A CN 115131294 A CN115131294 A CN 115131294A CN 202210613990 A CN202210613990 A CN 202210613990A CN 115131294 A CN115131294 A CN 115131294A
- Authority
- CN
- China
- Prior art keywords
- diagnosis
- treatment
- patient
- diseases
- opinions
- 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- Withdrawn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
- 208000029951 Laryngeal disease Diseases 0.000 title claims abstract description 33
- 238000000034 method Methods 0.000 title claims abstract description 28
- 208000015386 nasopharyngeal disease Diseases 0.000 title claims abstract description 27
- 210000001989 nasopharynx Anatomy 0.000 title claims abstract description 22
- 238000003745 diagnosis Methods 0.000 claims abstract description 128
- 238000004891 communication Methods 0.000 claims abstract description 14
- 238000012545 processing Methods 0.000 claims abstract description 13
- 238000001514 detection method Methods 0.000 claims abstract description 11
- 201000010099 disease Diseases 0.000 claims description 47
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims description 47
- 238000004458 analytical method Methods 0.000 claims description 4
- 208000035977 Rare disease Diseases 0.000 claims description 3
- 238000010276 construction Methods 0.000 claims description 3
- 208000027866 inflammatory disease Diseases 0.000 claims description 2
- 238000011156 evaluation Methods 0.000 abstract description 3
- 206010022000 influenza Diseases 0.000 description 15
- 230000002265 prevention Effects 0.000 description 12
- 208000028571 Occupational disease Diseases 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 7
- 238000011161 development Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 5
- 229960003971 influenza vaccine Drugs 0.000 description 5
- 230000036651 mood Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 239000000463 material Substances 0.000 description 3
- 241000700605 Viruses Species 0.000 description 2
- 239000013566 allergen Substances 0.000 description 2
- 210000000467 autonomic pathway Anatomy 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 230000036772 blood pressure Effects 0.000 description 2
- 230000019771 cognition Effects 0.000 description 2
- 239000003086 colorant Substances 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 210000003928 nasal cavity Anatomy 0.000 description 2
- 208000024891 symptom Diseases 0.000 description 2
- 238000002255 vaccination Methods 0.000 description 2
- 210000001260 vocal cord Anatomy 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 208000035285 Allergic Seasonal Rhinitis Diseases 0.000 description 1
- 206010002953 Aphonia Diseases 0.000 description 1
- 206010011878 Deafness Diseases 0.000 description 1
- 208000027219 Deficiency disease Diseases 0.000 description 1
- 206010013952 Dysphonia Diseases 0.000 description 1
- 208000010473 Hoarseness Diseases 0.000 description 1
- 206010020880 Hypertrophy Diseases 0.000 description 1
- 206010061218 Inflammation Diseases 0.000 description 1
- 206010030113 Oedema Diseases 0.000 description 1
- 206010048908 Seasonal allergy Diseases 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 208000038016 acute inflammation Diseases 0.000 description 1
- 230000006022 acute inflammation Effects 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 230000000172 allergic effect Effects 0.000 description 1
- 208000010668 atopic eczema Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000002648 combination therapy Methods 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 208000027744 congestion Diseases 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 231100000895 deafness Toxicity 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 235000005911 diet Nutrition 0.000 description 1
- 230000037213 diet Effects 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 238000001839 endoscopy Methods 0.000 description 1
- 230000003628 erosive effect Effects 0.000 description 1
- 230000004438 eyesight Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 235000012055 fruits and vegetables Nutrition 0.000 description 1
- 208000016354 hearing loss disease Diseases 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000036039 immunity Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000002757 inflammatory effect Effects 0.000 description 1
- 230000004054 inflammatory process Effects 0.000 description 1
- 238000011081 inoculation Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000002955 isolation Methods 0.000 description 1
- 230000003902 lesion Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000017074 necrotic cell death Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 231100000915 pathological change Toxicity 0.000 description 1
- 230000036285 pathological change Effects 0.000 description 1
- 201000004338 pollen allergy Diseases 0.000 description 1
- 230000003449 preventive effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 230000028327 secretion Effects 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 238000005728 strengthening Methods 0.000 description 1
- 230000001502 supplementing effect Effects 0.000 description 1
- 238000002636 symptomatic treatment Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000001225 therapeutic effect Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 229960005486 vaccine Drugs 0.000 description 1
- 238000009423 ventilation Methods 0.000 description 1
- 230000000007 visual effect 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/53—Querying
- G06F16/535—Filtering based on additional data, e.g. user or group profiles
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
- G06T7/0014—Biomedical image inspection using an image reference approach
-
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10068—Endoscopic image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Public Health (AREA)
- Biomedical Technology (AREA)
- Databases & Information Systems (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Pathology (AREA)
- Radiology & Medical Imaging (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- General Engineering & Computer Science (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明涉及医用技术领域，特别涉及基于AI的鼻咽喉疾病智能识别方法及系统。包括内窥镜模块、数据库模块、数据处理模块和通讯终端，所述内窥镜模块用于获取患者患病位置的图像信息，所述数据库模块用于储存既往鼻咽喉疾病已康复的诊疗意见，所述数据处理模块用于对既往鼻咽喉疾病的检测图像进行特征识别，所述通讯终端用于接收患者诊疗意见。基于AI的鼻咽喉疾病智能识别方法，包括S1:获取患者患病位置的图像信息；S2:对图像信息进行分析；S3:利用预设的数据库比对特征数据，如相似度达到阈值便出对应特征的具诊疗意见；S4:诊疗意见发送至医生终端，临床医生对诊疗意见进行判断确认，生成诊疗方案；S5:确认后的诊疗方案发送至患者终端。能够实现对鼻咽喉疾病的检测图像进行专业化的评定，快速给出诊疗意见。
Description
技术领域
本发明涉及医用技术领域，特别涉及基于AI的鼻咽喉疾病智能识别方法及系统。
背景技术
众所周知，权威的科室、专业的医疗团队和精湛的医疗技术是取信于患者的基础，而精湛的医疗技术又是权威科室和专业医疗团队的奠基石。近年来，随着微创诊疗技术的发展，快速而准确地诊断和治愈各类耳鼻咽喉疾病成为耳鼻咽喉科的新趋势。美国低温等离子、德国STORZ鼻内窥镜、CZT8F声频共振耳聋治疗仪、日本奥林巴斯纤维喉镜、德国蔡司手术显微镜等尖端设备的出现和相应技术的推广，使耳鼻咽喉科学科发展迅速跻身业界前列，标杆战略收获累累硕果。
申请号为202110943622.8的发明专利公布了一种便携式带吸引系统的耳鼻咽喉内窥镜，所述便携式带吸引系统的耳鼻咽喉内窥镜包括手柄、显示屏和管道本体；所述手柄内部设有储电池、负压泵，手柄表面设有电源开关、负压泵开关、压力调节按键和充电口；所述显示屏设于手柄上方；所述管道本体连接于手柄上方侧边，内部设有主通道、物镜通道和光源通道；所述主通道与手柄内部设有的负压泵之间连接；所述物镜通道和光源通道分别与储电池和显示屏之间互相串接；所述手柄底部还设有排出管；所述排出管顶端与负压泵连接，末端外接一次性吸引管。其优点表现在：能够按照实际患者耐受情况及操作需要，调节达到更好地显示视野、清除分泌物、清理鼻腔，从而方便进行诊断及治疗干预。上述技术是专业医务人员利用内窥镜对患者进行检查和治疗的过程中，通过知识积累和经验判断设计的专业优化诊疗技术，给到患者很好的诊疗体验。
实际临床工作中，鼻咽喉镜诊疗技术的发展的确极大推动了对鼻咽喉部疾病的认知。鼻咽喉镜诊疗技术至今经过半个多世纪的发展，已经成为鼻咽喉部疾病最常用诊疗措施，诊疗数量呈现"井喷"式增加。然而，目前临床上鼻咽喉镜必须依靠临床医生的经验和人为判断来识别图片才能进行鼻咽喉部疾病的诊疗。而因为临床医生诊疗水平参差不齐，导致不同级别医院或不同医生对同一疾病的诊疗方案差异较大，鼻咽喉镜诊疗质量不容乐观，这样的现状严重制约了鼻咽喉镜精准诊疗的发展。现急需一种技术，能够实现对鼻咽喉疾病的检测图像进行专业化的精准评定，快速给出诊疗意见。
发明内容
本发明提供了基于AI的鼻咽喉疾病智能识别方法及系统，能够实现对鼻咽喉疾病的检测图像进行专业化的评定，快速给出诊疗意见。
为了解决上述技术问题，本申请提供如下技术方案：
基于AI的鼻咽喉疾病智能识别系统，包括：
内窥镜模块，所述内窥镜模块用于获取患者患病位置的图像信息；
数据库模块，所述数据库模块用于储存既往鼻咽喉疾病已康复的诊疗意见；
数据处理模块，所述数据处理模块用于对既往鼻咽喉疾病的检测图像进行特征识别，并完成三维模型的构建，得到既往病史的三维模型，然后对既往病史的三维模型的特征数据进行采集，将既往病史的三维模型的特征数据储存在数据库模块中；
数据处理模块根据图像信息进行特征点的识别，在患者患病位置的检测位置构建参考系，对患者患病位置的实况进行三维模型的构建，然后进行实况数据采集；比对实况数据与既往病史的三维模型的特征数据，若相似度达到阈值，则依据既往病例的诊疗意见输出对应的患者诊疗意见；
通讯终端：所述通讯终端用于接收患者诊疗意见。
基础方案原理及有益效果如下：对患者的检测图像进行特征点识别与提取，得到患者患病位置的三维模型和病灶的特征数据。针对既往病史建立的数据库模块里储存既往病例的病灶特征数据和既往病例的三维模型；通过比对患者病灶的特征数据与既往病例的病灶特征数据进行对比，若达到阈值，则可沿用既往病例的诊疗意见，输出到医生和患者诊疗意见的通讯终端上。
相同疾病具有共通性，针对已经诊治过的既往病例的特征值，如今患者的检测数据里又呈现了相似特征，相似特征比例达到了阈值，则可沿用既往病例的诊断结果，首先对患者的病情进行了判定，然后沿用既往相似病例的诊断方法，得出患者的诊疗意见。相对于现今医院的诊断流程，患者进行内窥镜检查后，由专业医生进行结果认定，然后撰写检查结论，再打印后由患者拿到主治医生处做后续的诊疗意见。此举由多个科室和部门联动，处理时间过长，无形中降低了诊疗效率，耽误了患者的诊疗时间。本方案省去了中间环节，在患者做完检查后，直接通过他的检测图像，分析出检测数据，对比既往病例，得出精确判定，再生成诊疗意见，响应快速。
本方案采用数据处理模块进行判定，判定结果精确且稳定，避免了人为判定的主观误差和因为工作时间过长、精力不够导致判断效率降低；针对临床医生诊疗水平参差不齐，导致不同级别医院或不同医生对同一疾病的诊疗方案差异较大，本方案中数据库模块里存储的都是康复效果较好的病例，根据成功病例的诊疗意见，进行新病例的诊断，且都为统一模式，可平衡和保持高水平的诊疗，可快速提高低医疗水平地区的医疗水平，同时也给予当地医生的实操学习机会，可近距离的感受、学习并进步。
本方案的数据库模块是实时更新且同步的，在病例不断补充的过程中可以丰富数据库模块，增大以后患者疾病的匹配项，使出具的诊疗意见更为精确；三维模型作为教具，亦可以让学生可直观的了解患者的疾病样貌，且同病不同症状的三维模型也会有差别，针对多素材的差异化学习，更直观的理解相关专业知识，并积累实例基础，极大的推动医疗和教学水平的提升。
进一步，所述数据库模块还用于储存既往病例的个人基本数据。通过收集正常人群的个人基本数据，如年龄、身高、性别、体重和血压等；在对特征数据进行比对完成后，再对患者的身体状况进行比对，分析各项数据是否在阈值范围内，可依据正常人群的数据给出关于生长发育及一般生命体征等的诊疗意见。
进一步，所述内窥镜模块还输出患者患病位置的彩色图片信息。多元化评判患者的患病情况，在异于正常颜色的患患病位置，由颜色的差异可以判断出多种病情的严重程度，如发炎，糜烂，坏死等，再结合患患病位置的三维模型，可以得到更为精确的诊疗判断结果。
进一步，数据库模块内还保存有耳鼻喉疾病的常见病、多发病和罕见病的专家诊疗意见，在患者的病情特征未在数据库模块中检测出时，调用专家诊疗意见输出至通讯终端。补足了数据库里缺失病症的情况，确保了各种疾病的及时诊疗。
进一步，所述通讯终端包括医生终端和患者终端，所述诊疗意见首先发送至医生终端，临床医生复核无误后便确认诊疗方案，确认后的诊疗方案发送至患者终端。多设立一个医生确认环节，多一道专业判定，进一步保证患者诊断的准确和治疗的疗效。
进一步，还包括康复模块，在临床医生确认诊疗方案后，便会生成诊治前后的注意事项，发送至患者终端。患者可以通过患者终端了解到自身情况和医治方案，同时也知晓了治疗各个阶段的注意事项，相比较于传统的看病过程，仅能通过医生、护士或医院特定位置的告示栏才知道的注意事项，节省了医务人员的人力和时间成本，提高了诊疗效率，而且也能使患者更加全面的了解到所有注意事项，且能快速反复查看，节省了患者的人力和时间成本。
基于AI的鼻咽喉疾病智能识别方法，包括以下步骤：
S1:获取患者患病位置的图像信息；
S2:对图像信息进行分析，找出异于健康状态下的突出特征，并得出特征数据；
S3:利用预设的数据库比对特征数据，如相似度达到阈值便出对应特征的具诊疗意见；
S4:诊疗意见发送至医生终端，临床医生对诊疗意见进行判断确认，生成诊疗方案；
S5:确认后的诊疗方案发送至患者终端；
通过识别患者的患病位置特征，然后进行分析，找出和健康状态下的差异，然后针对差异提取数据库里的既往病例的特征，然后依据既往病例的诊疗意见出具新病例的诊疗意见，发给临床医生确定诊疗方案，再发送给患者。省去了多数环节，快速出具专业性结果，保证了患者能够及时了解自身状况，也为后续就医节省了时间。整套流程简便，操作简易，而且极大的节省了临床医生人工出具报告的时间，提升了他们的工作效率，也能够为更多患者提供更为专业化的诊断。
进一步，所述步骤S4，在生成诊疗方案后，还会生成诊疗前后的注意事项，一并发送至患者终端。提示注意事项，节省了医务人员的人力和时间成本，提高了诊疗效率，而且也能使患者更加全面的了解到所有注意事项，且能快速反复查看，节省了患者的人力和时间成本。
进一步，步骤S2中所述的突出特征包括患者患病位置的颜色差异特征和三维形状差异特征。从多元化的评判患者的实际情况，更为精确的为其提供诊疗意见。
附图说明
图1为基于AI的鼻咽喉疾病智能识别系统实施例的逻辑图；
图2为基于AI的鼻咽喉疾病智能识别方法实施例的逻辑图。
具体实施方式
下面通过具体实施方式进一步详细说明：
实施例一
基于AI的鼻咽喉疾病智能识别系统，包括内窥镜模块，所述内窥镜模块用于获取患者患病位置的彩色图像信息，内窥镜图像是利用光学信号对鼻腔鼻咽部及喉部组织进行成像，蕴含着大量的色彩及纹理等信息，在耳鼻喉科疾病诊断中起到至关重要的作用。
还包括：数据库模块，所述数据库模块用于储存既往鼻咽喉疾病已康复的诊疗意见，数据库模块可以是医院自己组建的服务器，也可使用云服务器存储相关数据，方便医院及时读存就诊信息，构建方便快捷便利的服务平台，实现患者方便，医院管理方便，提升医疗效率，且通过互联网可以进行交互，中和全网数据，提高数据库样本容量，同时进行数据共享，各医疗水平不同的地方都能使用同一数据库，可以消除信息差，使得医疗水平低的地区也能接触到医疗水平高的地区的实例病例，学习他们的诊疗方法，然后依据他们的诊疗方法出具诊疗意见，确定诊疗方案，可提升低医疗水平地区医生的诊疗水平，同时为他们提供了更多的学习素材，也给他们增加了高水平的医疗指导和帮助。
数据处理模块，所述数据处理模块用于对既往鼻咽喉疾病的检测图像进行特征识别，并完成三维模型的构建，得到既往病史的三维模型，然后对既往病史的三维模型的特征数据进行采集，将既往病史的三维模型的特征数据储存在数据库模块中；数据处理模块沿用医院自建的服务器或者云服务器，对既往病例进行数据化分析，并将分析结果保存在数据库中，方便后续对应检索，以及快速响应出对应的诊疗意见和方案。本实施例主要采用卷积神经网络，在海量的数据库的既往病例中，利用算法使得机器从海量数据中学习规律，继而对未知样本进行预测。与传统的算法相比，机器学习可从冗杂的变量中发现其潜在关系并进行识别与建模，大大提升了工作效率。将数据库内的1/3的病例列为样本集，另1/3的病例列为训练集，最后1/3的病例作为测试集，从而完成对既往病例的分析处理并以特征数据作为检索标准，同时采集患者的身高、年龄、体重和性别等基本数据，再结合患者患病位置的特征数据，快速得出精确的诊疗意见。
数据处理模块根据图像信息进行特征点的识别，在患者患病位置的检测位置构建参考系，对患者患病位置的实况进行三维模型的构建，然后进行实况数据采集；比对实况数据与既往病史的三维模型的特征数据，若相似度达到阈值，则依据既往病例的诊疗意见输出对应的患者诊疗意见；构建三维模型选用Pix4D、ContextCapture或PhotoScan，可以针对内窥镜的图形信息，构建出对应的三维模型，供医生直观了解患者患病位置状态，同时也有效避免了医生漏看导致某些特征没有观测到的情况，三维模型的建立，方便全局复看，同时也能作为教学素材供学生以及供其他地区的医生学习。数据处理模块通过识别患者患病位置彩色图片信息，与正常位置做色差分析，若色差超过阈值，则可输出炎症疾病的诊疗意见，如最常见的急性炎症，炎症部位的颜色要比正常部位更红更深，通过颜色的差异范围和扩散程度范围，可以判断出患者的患病程度以及病变范围，然后给予对应的诊疗意见。
所述数据库模块内还保存有耳鼻喉疾病的常见病、多发病和罕见病的专家诊疗意见，当患者的病情特征未在数据库模块中检测出时，可调用专家诊疗意见输出至通讯终端。数据库中还储存了常见病例的治疗方案，以及专家意见等，可针对患者的患病详情快速出具诊疗方案。
通讯终端：所述通讯终端用于接收患者诊疗意见。所述通讯终端包括医生终端和患者终端,，所述诊疗意见首先发送至医生终端，临床医生检测无误后便确认诊疗方案，确认后的诊疗方案发送至患者终端。还包括康复模块，在临床医生确认诊疗方案后，便会生成诊治前后的注意事项，发送至患者终端。医生终端为连上医院服务器的电脑端，患者终端为手机端。医生终端可以接收诊疗方案，医生通过对诊疗方案进行确认，如有修改部分，医生可在医生终端上进行定向修改，最终确认诊疗方案以及诊疗时间等详细信息安排，再出具诊疗前后的注意事项一并发送至患者的手机终端，患者通过手机端可以了解到注意事项和诊疗方案详情，并且能够随时查看，减少了患者因无法及时了解自己患病信息和不知道接下来的诊疗计划，以及不知道该准备什么的恐慌，能极大程度的安抚患者。
还包括基于AI的鼻咽喉疾病智能识别方法，包括以下步骤：
S1:获取患者患病位置的图像信息；
S2:对图像信息进行分析，找出异于健康状态下的突出特征，并得出特征数据；
S3:利用预设的数据库比对特征数据，如相似度达到阈值便出对应特征的具诊疗意见；
S4:诊疗意见发送至医生终端，临床医生对诊疗意见进行判断确认，生成诊疗方案；
S5:确认后的诊疗方案发送至患者终端。
所述步骤S4，在生成诊疗方案后，还会生成诊疗前后的注意事项，一并发送至患者终端。
步骤S2中所述的突出特征包括患者患病位置的颜色差异特征和三维模型形状差异特征。
实施例二
实施例二为实施例一的进一步改进，相同之处不在赘述，不同之处在于：所述数据库模块还用于储存既往病例的个人基本数据，个人基本数据包括但不仅限于身体素质类（如年龄、身高、性别、体重、血压等）和自身特性信息以及患病前后患者的生活场景类（如旅居史、患病季节和接触过敏源等）。所述患者终端还用于在临床医生得出诊疗意见后，结合患者自身特性信息为其病因做出判断；所述自身特性信息包括依据患者的职业及工作环境信息，根据诊疗意见和预先保存有病症成因的数据库判断病症是否为职业及恶劣工作环境引起的职业病；
若为职业病，则在预先设置的数据中匹配对应职业病的预防方式；然后再次访问患者自身特性信息，根据自身特性信息中患者的受教育程度、年龄综合评价患者理解能力，若理解能力为低，则提取该职业病的预防方式信息中的关键信息，生成简化信息，并转化为语音信息和图片信息，所述关键信息为动词和动词后的名词，所述图片信息为查找关键信息中的名词，然后再查找动词所对应名词，并结合至同一图片中展示。
若为非职业病，则全网搜索近期该患者的患病特征为多发性的疾病（多发性即相似案例存在多起，具体以该领域的技术人员利用患病人数与人口总数的占比为评判标准）或偶发性的疾病（即同区域，同时间段无相似病例），根据多发性和偶发性结果结合医生的诊疗意见，判断该疾病的传染性，根据传染性等级不同设置不同的隔离时间及预防措施。依据患者自身特性信息中患者的受教育程度、年龄综合评价患者理解能力，若判断理解能力为高，则提取该职业病的预防方式信息中的关键词，并在预设的数据库中提取该疾病的相关信息生成详细信息，并转化为文字信息和图片信息，所述关键词包括数词及名词，所述图片信息为预防手段以及预防手段的实施频次（即该预防手段的数词），然后以表格的方式呈现在图片中，并将相关的疾病详细信息附在表格后。
在判断为职业病时，数据处理模块还将此判定信息传输回医生终端，医生针对职业病给患者做出针对性建议，再反馈至患者终端。
为了能够使患者能够清楚明白临床医生出具的诊疗方案和注意事项以及预防方式，特针对不同年龄和不同理解能力的患者终端提供对应的优先提醒方式。
B1:以老年人为例，思考效率变慢，同时可能视力弱化，难以识别理解文字类信息，理解能力“低”，优先给予他们患者终端的信息输出方式为简短的语音，简要阐述清楚诊疗时间、地点、注意事项和预防方式等基本信息。例如，花粉过敏症中的建议为：“花粉是难以避免的变应原，最好在发病季节居于室内，关闭门窗以减少室外致敏花粉的进入。”其中关键信息为“居”“室内”，“关闭”“门窗”。这样能够有效的减少向理解能力较弱的人群输送较为复杂的信息。同理，图片的话，就是“居”和“室内”，“关闭”“门窗”相关的图片，这样的方式，本身的运算量会非常小，而且能够极大的提升用户体验。
B2:以理解能力为“高”的中青年人为例，内容以文字和图片为主，文字内容涵盖诊疗时间、地点、注意事项和预防方式等基本信息。优先发送内容为，附有患病信息的详细说明，以及所患疾病的详细解说。保证患者在了解基本信息的基础上，同时对所患疾病的病源、治疗方案和康复指南等进行罗列，让患者能够增加对疾病的认识，知晓本源。例如，预防流行性感冒最直接有效的建议为：“每年定期注射最新的流感疫苗，能够在一定程度上起到预防流感的作用。另外，注意室内勤开窗通风，外出注意保暖，多加强体育锻炼，加强个人卫生，多吃瓜果蔬菜，多喝水，早起早睡，保持开朗的心情，也能起到有效预防感冒的作用。”其中关键词信息为“流感疫苗”“每年”，“勤”“通风”，“多”“锻炼”，“加强”“卫生”，“多”“水果”“水”，“早”“起”“睡”等，以表格的形式罗列出。然后针对每一项具体解释，例如“流感疫苗”后附述“流感疫苗是一种用来预防流行性感冒的疫苗，而接种流感疫苗是预防和控制流感的主要方法之一。接种流感疫苗的最好时间是在每年流感高发时间之前。婴儿的身体免疫力比较低，患流感的几率非常的高，所以6个月以上的婴幼儿是流感疫苗的主要接种对象。每年的12月至次年的3月都是流行感冒的高发时期，这个时候通过流感疫苗接种，可以产生抗体，减少患流行性感冒的几率。”最后在图片下方附上该患者所患流感病的描述“流行性感冒(流感)是一种由病毒引致的疾病，传染性极高。流感由不同类型的病毒引起，已知的流感有三种类型：甲型、乙型及丙型，其中以甲型较为常见。”通过此方式极大的提升了患者对疾病的认识，也潜移默化的加深了患者的预防意识，提升了患者的体验。
B3:以理解能力为“高”的中青年人为例，内容以文字和图片为主，文字内容涵盖诊疗时间、地点、注意事项和预防方式等基本信息。优先发送内容为：患病信息的精简说明。例如，职业性喉病的治疗方案为“应强调心身综合治疗。（1）消除不良心理一社会因素，诱导发音。（2）调整植物神经机能。（3）保持心情舒畅，乐观豁达的良好情绪。（4）纠正不正确发音方法。（5）避免刺激性饮食。（6）上感时或过劳时禁声。（7）暗示治疗、对症治疗以减轻咽喉部的不适症状。”提取关键数词“（1）”“（2）”“（3）”......和治疗建议“消除不良心理一社会因素，诱导发音”、“调整植物神经机能”、“保持心情舒畅，乐观豁达的良好情绪”......依此罗列出治疗的对应表格，然后针对每项进行说明。最后在表格后附职业性喉病的相关介绍：“职业性喉病是指用嗓音为主要职业的演员、教师、讲解员和经常在噪声环境中工作被迫大声讲话者易发生的喉病，以失音、声音嘶哑为主要症状。 检查：可见声带边缘不整、肥厚、充血、水肿或声带小结和息肉等。长期以来一直认为本病为过度发音与发声方法不当所致，经深入研究发现本病除喉部存在不同程度的病理变化外，同时与心理、社会因素有明显关系。”然后再将上述信息发送至医生终端，医生结合患者的诊疗意见，对该职业病的患病程度做出评判并以经验提出医疗建议，一并发送至患者终端。提升患者的就医体验。
上述的所有信息均以附件形式发至患者终端，优先展示患者对应的理解能力的内容，患者后续也可通过附件了解所有内容。
以上的仅是本发明的实施例，该发明不限于此实施案例涉及的领域，方案中公知的具体结构及特性等常识在此未作过多描述，所属领域普通技术人员知晓申请日或者优先权日之前发明所属技术领域所有的普通技术知识，能够获知该领域中所有的现有技术，并且具有应用该日期之前常规实验手段的能力，所属领域普通技术人员可以在本申请给出的启示下，结合自身能力完善并实施本方案，一些典型的公知结构或者公知方法不应当成为所属领域普通技术人员实施本申请的障碍。应当指出，对于本领域的技术人员来说，在不脱离本发明结构的前提下，还可以作出若干变形和改进，这些也应该视为本发明的保护范围，这些都不会影响本发明实施的效果和专利的实用性。本申请要求的保护范围应当以其权利要求的内容为准，说明书中的具体实施方式等记载可以用于解释权利要求的内容。
Claims (10)
1.基于AI的鼻咽喉疾病智能识别系统，包括：内窥镜模块，所述内窥镜模块用于获取患者患病位置的图像信息；其特征在于，还包括：
数据库模块，所述数据库模块用于储存既往鼻咽喉疾病已康复的诊疗意见；
数据处理模块，所述数据处理模块用于对既往鼻咽喉疾病的检测图像进行特征识别，并完成三维模型的构建，得到既往病史的三维模型，然后对既往病史的三维模型的特征数据进行采集，将既往病史的三维模型的特征数据储存在数据库模块中；
数据处理模块根据图像信息进行特征点的识别，在患者患病部位的检测位置构建参考系，对患者患病部位的实况进行三维模型的构建，然后进行实况数据采集；比对实况数据与既往病史的三维模型的特征数据，若相似度达到阈值，则依据既往病例的诊疗意见输出对应的患者诊疗意见；
通讯终端：所述通讯终端用于接收患者诊疗意见。
2.根据权利要求1所述的基于AI的鼻咽喉疾病智能识别系统，其特征在于：所述数据库模块还用于储存既往病例的个人基本数据。
3.根据权利要求1所述的基于AI的鼻咽喉疾病智能识别系统，其特征在于：所述内窥镜模块还输出患者患病部位的彩色图片信息。
4.根据权利要求3所述的基于AI的鼻咽喉疾病智能识别系统，其特征在于：数据处理模块通过识别患者彩色图片信息，与正常位置做色差分析，若色差超过阈值，则可输出炎症疾病的诊疗意见。
5.根据权利要求1所述的基于AI的鼻咽喉疾病智能识别系统，其特征在于：所述数据库模块内还保存有耳鼻喉疾病中常见病、多发病、罕见病的专家诊疗意见，在患者的病情特征未在数据库模块中检测出时，调用专家诊疗意见输出至通讯终端。
6.根据权利要求1-5所述的任一基于AI的鼻咽喉疾病智能识别系统，其特征在于：所述通讯终端包括医生终端和患者终端,，所述诊疗意见首先发送至医生终端，临床医生复核无误后便确认诊疗方案，确认后的诊疗方案发送至患者终端。
7.根据权利要求6所述的基于AI的鼻咽喉疾病智能识别系统，其特征在于：还包括康复模块，在临床医生确认诊疗方案后，便会生成诊治前后的注意事项，发送至患者终端。
8.基于AI的鼻咽喉疾病智能识别方法，其特征在于，包括以下步骤：
S1:获取患者患病位置的图像信息；
S2:对图像信息进行分析，找出异于健康状态下的突出特征，并得出特征数据；
S3:利用预设的数据库比对特征数据，如相似度达到阈值便出对应特征的具体诊疗意见；
S4:诊疗意见发送至医生终端，临床医生对诊疗意见进行判断确认，生成诊疗方案；
S5:确认后的诊疗方案发送至患者终端。
9.根据权利要求8所述的基于AI的鼻咽喉疾病智能识别方法,其特征在于：所述步骤S4，在生成诊疗方案后，还会生成诊疗前后的注意事项，一并发送至患者终端。
10.根据权利要求8所述的基于AI的鼻咽喉疾病智能识别方法，其特征在于：步骤S2中所述的突出特征包括患者患病位置的颜色差异特征和三维形状差异特征。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210613990.0A CN115131294A (zh) | 2022-05-31 | 2022-05-31 | 基于ai的鼻咽喉疾病智能识别方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210613990.0A CN115131294A (zh) | 2022-05-31 | 2022-05-31 | 基于ai的鼻咽喉疾病智能识别方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115131294A true CN115131294A (zh) | 2022-09-30 |
Family
ID=83378673
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210613990.0A Withdrawn CN115131294A (zh) | 2022-05-31 | 2022-05-31 | 基于ai的鼻咽喉疾病智能识别方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115131294A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116580803A (zh) * | 2023-04-10 | 2023-08-11 | 南京荣昆中医药科技有限公司 | 一种医学图像数据处理实时传输系统 |
-
2022
- 2022-05-31 CN CN202210613990.0A patent/CN115131294A/zh not_active Withdrawn
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116580803A (zh) * | 2023-04-10 | 2023-08-11 | 南京荣昆中医药科技有限公司 | 一种医学图像数据处理实时传输系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Rangarathnam et al. | Telepractice versus in-person delivery of voice therapy for primary muscle tension dysphonia | |
| Gundogdu et al. | Implementation of a respiratory rehabilitation protocol: weaning from the ventilator and tracheostomy in difficult-to-wean patients with spinal cord injury | |
| Feinstein et al. | Behavioral treatment for benign vocal fold lesions in children: A systematic review | |
| Harun | Management of upper airway leech infestations | |
| CN115131294A (zh) | 基于ai的鼻咽喉疾病智能识别方法及系统 | |
| CN115376648A (zh) | 一种智能处方生成装置和智能处方生成系统 | |
| Gale et al. | A public health approach to the challenges of rural mental health service integration. | |
| Alcántara et al. | Suicide in Native American communities: A transactional-ecological formulation of the problem | |
| Fujiki et al. | Pediatric voice therapy: how many sessions to discharge? | |
| Sinor | Oral health assessment among elderly staying in shelter (Rumah Seri Kenangan), Kelantan, Malaysia | |
| Almeida et al. | Screening tool for oropharyngeal dysphagia in stroke–Part I: evidence of validity based on the content and response processes | |
| Kaplan | Implications of quality of life assessment in public policy for adolescent health | |
| Taylor et al. | Emergency department assessment of abdominal pain: clinical indicator tests for detecting peritonism | |
| Parry | The nature of the association between male violent offending and alexithymia | |
| Barker et al. | The development and implementation of an evidence-based risk reduction algorithm for post extubation dysphagia in intensive care | |
| CN106919775B (zh) | 一种睡眠信息的处理方法及装置 | |
| Langlois | Making a diagnosis | |
| Cavalli | Voice assessment and intervention | |
| Tao et al. | Automatic Recognition of Concealed Fish Bones under Laryngoscopy: A Practical AI Model Based on YOLO‐V5 | |
| Manderson et al. | More than a breath of difference: Competing paradigms of asthma | |
| Hulse et al. | Digital health in head and neck cancer: a systematic review | |
| O’Neill | ‘It must be because…’: Non-biological care and mental health: Part II. The pattern of referrals to Alfred Child and Adolescent Mental Health Service | |
| Arumugam | EVALUATION AND MANAGEMENT OF VOICE DISORDERS: A SYSTEMATIC REVIEW | |
| Sandage et al. | When inspiratory stridor is not paradoxical vocal fold motion/inducible laryngeal obstruction: A case study of diaphragm flutter | |
| McClintock et al. | Communication in critical care tracheostomy patients dependent upon cuff inflation: A scoping review |
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: 20220930 |
|
| WW01 | Invention patent application withdrawn after publication |