CN115410688A - 以正念为基础的失眠认知行为治疗方案生成方法及装置 - Google Patents
以正念为基础的失眠认知行为治疗方案生成方法及装置 Download PDFInfo
- Publication number
- CN115410688A CN115410688A CN202211021870.8A CN202211021870A CN115410688A CN 115410688 A CN115410688 A CN 115410688A CN 202211021870 A CN202211021870 A CN 202211021870A CN 115410688 A CN115410688 A CN 115410688A
- Authority
- CN
- China
- Prior art keywords
- information
- diagnosis
- patient
- sleep disorder
- type
- 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
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
- G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
- G16H20/70—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to mental therapies, e.g. psychological therapy or autogenous training
-
- 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
- G16H20/10—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to drugs or medications, e.g. for ensuring correct administration to 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
- G16H50/20—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
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- Primary Health Care (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Medicinal Chemistry (AREA)
- Data Mining & Analysis (AREA)
- Pathology (AREA)
- Chemical & Material Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Databases & Information Systems (AREA)
- Child & Adolescent Psychology (AREA)
- Developmental Disabilities (AREA)
- Hospice & Palliative Care (AREA)
- Psychiatry (AREA)
- Psychology (AREA)
- Social Psychology (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本公开提供一种以正念为基础的失眠认知行为治疗方案生成方法及装置。所述方法包括:获取患者身份信息;获取与患者的评估信息;根据评估信息,获得睡眠障碍的诊断信息;根据诊断信息,确定睡眠障碍类型;根据睡眠障碍类型和诊断信息,生成数字诊疗处方。根据本公开,能够提供有循证医学的数字诊疗方案生成方法,为广大患者和医生提供良好的睡眠障碍治疗与信息管理工具,实现线上精准诊断、认知行为治疗、康复训练等一站式服务的全病程管理,使得服务标准化、可复制,大大提高医疗机构的服务能力、节约医疗资源、缓解精神医学专业资源服务稀缺的现状。
Description
技术领域
本公开涉及计算机技术领域,尤其涉及一种以正念为基础的失眠认知行为治疗方案生成方法及装置。
背景技术
睡眠障碍是严重损害国民健康的疾病之一,诊断识别率及治疗率均不足,复发率很高。近年来有越来越多的人正在饱受睡眠问题的困扰,中国睡眠研究会等机构联合发布的《2021运动与睡眠白皮书》显示:目前中国有超3亿人存在睡眠障碍。此前调查显示,中国成年人有失眠困扰的约占38%;而据世界卫生组织调查,全世界有27%的人存在睡眠质量问题。约25%的成年人对睡眠感到不满意,10%-15%的人有失眠症状并影响日间功能,6%-10%的人符合失眠症的诊断标准。
失眠是基层医疗机构患者最常见的主诉之一,随着年龄的增加而主诉失眠人数上升,女性比男性多一倍。慢性失眠显著增加个体患焦虑症、抑郁症、物质滥用等疾病风险,认知和社会功能受损;同时也会增加高血压、冠心病、脑卒中等心脑血管疾病的风险;并增加交通事故发生率,消耗大量医疗资源。
公立医疗机构是诊断治疗睡眠障碍的主要阵地,面对现代社会高竞争、快节奏的生活方式,越来越多的人们遭受睡眠问题困扰,将进一步导致人们睡眠质量降低和社会功能受到损害。长期睡眠障碍还会引起免疫功能下降、大脑功能减退、心血管疾病等重大健康问题。我国睡眠障碍诊疗服务情况不容乐观、形势严峻。主要体现为以下几个突出问题:
首先,我国精神卫生服务资源匮乏。据《2019中国抑郁症领域蓝皮书》数据显示,平均每10万人口仅有2-3名,主要服务于精神专科医院治疗重型精神病病人,远低于俄罗斯和美国每10万人有11-12名精神科医生的配置。国内目前仍有80%的综合医院没有精神科,然而抑郁症患者门诊量却每年至少增长20%,现有的精神卫生医疗资源难以满足极速增长的精神卫生医疗服务需求,特别基层医疗机构的精神卫生服务资源更加稀缺,具备精神或心理疾病诊治条件的初级医疗机构也十分有限。
其次,综合医院非精神专科医生对睡眠障碍诊疗效率低。由于失眠症更易表现为躯体症状,而情绪症状并不突出,患者往往以各种躯体不适就诊于综合性医院,非精神专科医生普遍对睡眠障碍缺乏专业知识了解,把有关症状误判为本科室疾病的症状,以致躯体疾病的疗效不佳,甚至在出现本科室难以解释的情况时,也未请精神专科医生会诊。数据显示,门诊中有52.07%就诊者存在不同类型的睡眠障碍,发病高峰年龄段分别为26-35岁,36-45岁、56-65岁,占18.8%、18.7%、18.3%。教师、干部、经商者睡眠障碍发生率最高,分别占各自就诊者的72.91%、67.94%、60.38%。国内三级综合性医疗机构门诊就诊者睡眠障碍发生率较高,而非心理、精神医师对患者精神疾病的认识、规范性干预普遍低。世界卫生组织(WHO)早在1993年,进行了一次有14个国家和地区参加的全球性的合作研究调查,针对综合性医院就诊患者的心理障碍的调查,发现抑郁症的识别率全球平均为55.6%,而国内医师对抑郁症的识别率仅为21%。
第三,基层医生诊疗水平不规范,误诊漏诊率高,治疗依从性差。目前睡眠障碍临床诊断多是基于精神科医师的专业判断和量表评估,评估依据主要依赖于临床表现和病程特点的症状学层面的观察,这对医生诊疗水平和专业能力提出了较高的要求。作为基层医疗机构公共卫生服务内容之一,我国精神心理卫生服务由全科医生承担,而基层全科医生对睡眠障碍的认知相对不足,对疾病的理解片面,常常导致误诊,甚至影响患者的最佳治疗时机。
综上所述,失眠是指以睡眠起始或维持困难为主诉的一类疾病,症状体现在对睡眠质量不满和对日间功能不满,在任何年龄均可发生。曾有国外调查显示有近三成成年人存在睡眠障碍,而在我国占比近45.5%。有研究发现慢性失眠患者出现焦虑、抑郁概率达80%。失眠常增加焦虑等疾病的发生风险,而焦虑等情况又会加重失眠程度,两者相互影响、互为因果,具有很高的共病率。失眠障碍作为目前社会常见疾病,发病率日益增长,不仅让患者饱受痛苦和折磨,也给家庭和社会造成沉重的经济负担和社会压力。如何提高睡眠障碍的早期识别和诊断率,减少误诊漏诊,并为患者提供有效的治疗,基于现有的医疗资源与技术,提高睡眠障碍的防治意识,解决患者来回奔波医院参加认知行为训练,线下一对一治疗效率低下等问题。探寻更加客观、高效的诊疗方法,扩大睡眠障碍筛查诊断治疗的覆盖面,规范问诊、诊断、康复治疗,制定最佳治疗方案是目前迫切需要解决的问题。
公开于本申请背景技术部分的信息仅仅旨在加深对本申请的一般背景技术的理解,而不应当被视为承认或以任何形式暗示该信息构成已为本领域技术人员所公知的现有技术。
发明内容
本公开实施例提供一种以正念为基础的失眠认知行为治疗方案生成方法及装置,能够提供有循证医学的数字诊疗方案生成方法,为广大患者和医生提供良好的睡眠障碍治疗与信息管理工具,实现线上精准诊断、认知行为治疗、康复训练等一站式服务的全病程管理,使得服务标准化、可复制,大大提高医疗机构的服务能力、节约医疗资源、缓解精神医学专业资源服务稀缺的现状。
本公开实施例的第一方面,提供一种以正念为基础的失眠认知行为治疗方案生成方法,包括:获取患者身份信息;获取与所述患者身份信息对应的睡眠障碍的评估信息;根据所述评估信息,获得睡眠障碍的诊断信息;根据所述诊断信息,确定所述患者的睡眠障碍类型;根据所述睡眠障碍类型和所述诊断信息,生成数字诊疗处方。
根据本公开的实施例,所述睡眠障碍的评估信息包括:PSQI评估量表、GAD-7评估量表、PHQ-9评估量表、PHQ-15评估量表、ESS评估量表中的至少一种。
根据本公开的实施例,所述方法还包括:获取所述患者的历史病历信息;其中,根据所述评估信息,获得睡眠障碍的诊断信息,包括:通过自然语言处理模型NLP,对所述历史病历信息进行处理,获得历史病历信息的语义信息;根据所述语义信息,获得历史诊断信息;根据所述评估信息,获得当前诊断信息;根据所述历史诊断信息和所述当前诊断信息,获得所述睡眠障碍的诊断信息。
根据本公开的实施例,所述睡眠障碍类型包括中轻度类型和中重度类型。
根据本公开的实施例,根据所述睡眠障碍类型和所述诊断信息,生成数字诊疗处方,包括:在所述睡眠障碍类型为中轻度类型的情况下,根据所述诊断信息,确定认知行为障碍类型,并根据所述认知行为障碍类型,通过知识图谱模型获得认知行为障碍数字诊疗处方;或者在所述睡眠障碍类型为中重度类型的情况下,根据所述诊断信息,确定认知行为障碍类型,并根据所述认知行为障碍类型,通过知识图谱模型获得认知行为障碍数字诊疗及药物处方。
根据本公开的实施例,所述方法还包括:通过患者的移动终端采集患者的恢复状况信息;根据恢复状况信息,获取调整后的数字诊疗处方;通过患者的移动终端提供所述调整后的数字诊疗处方。
根据本公开的实施例,所述方法还包括:将所述评估信息、所述数字诊疗处方、患者的历史病历信息以及患者的恢复状况上传至数据库。
根据本公开的第二方面,提供一种以正念为基础的失眠认知行为治疗方案生成装置,包括:身份信息模块,用于获取患者身份信息;评估信息模块,用于获取与所述患者身份信息对应的睡眠障碍的评估信息;诊断信息模块,用于根据所述评估信息,获得睡眠障碍的诊断信息;类型模块,用于根据所述诊断信息,确定所述患者的睡眠障碍类型;处方模块,用于根据所述睡眠障碍类型和所述诊断信息,生成数字诊疗处方。
根据本公开的实施例,所述睡眠障碍的评估信息包括:PSQI评估量表、GAD-7评估量表、PHQ-9评估量表、PHQ-15评估量表、ESS评估量表中的至少一种。
根据本公开的实施例,所述装置还包括:病历模块,用于获取所述患者的历史病历信息;其中,所述诊断信息模块进一步用于,通过自然语言处理模型NLP,对所述历史病历信息进行处理,获得历史病历信息的语义信息;根据所述语义信息,获得历史诊断信息;根据所述评估信息,获得当前诊断信息;根据所述历史诊断信息和所述当前诊断信息,获得所述睡眠障碍的诊断信息。
根据本公开的实施例,所述睡眠障碍类型包括中轻度类型和中重度类型。
根据本公开的实施例,所述处方模块进一步用于,在所述睡眠障碍类型为中轻度类型的情况下,根据所述诊断信息,确定认知行为障碍类型,并根据所述认知行为障碍类型,通过知识图谱模型获得认知行为障碍数字诊疗处方;或者在所述睡眠障碍类型为中重度类型的情况下,根据所述诊断信息,确定认知行为障碍类型,并根据所述认知行为障碍类型,通过知识图谱模型获得认知行为障碍数字诊疗及药物处方。
根据本公开的实施例,所述装置还包括:随访模块,用于通过患者的移动终端采集患者的恢复状况信息;根据恢复状况信息,获取调整后的数字诊疗处方;通过患者的移动终端提供所述调整后的数字诊疗处方。
根据本公开的实施例,所述装置还包括:数据库模块,用于将所述评估信息、所述数字诊疗处方、患者的历史病历信息以及患者的恢复状况上传至数据库。
本公开实施例的第三方面,提供一种以正念为基础的失眠认知行为治疗方案生成设备,包括:处理器;用于存储处理器可执行指令的存储器;其中,所述处理器被配置为调用所述存储器存储的指令,以执行上述方法。
本公开实施例的第四方面,提供一种计算机可读存储介质,其上存储有计算机程序指令,其特征在于,所述计算机程序指令被处理器执行时实现上述方法。
附图说明
图1示例性地示出本公开实施例的以正念为基础的失眠认知行为治疗方案生成方法的流程图;
图2示例性地示出本公开实施例的以正念为基础的失眠认知行为治疗平台的示意图;
图3示例性地示出本公开实施例的以正念为基础的失眠认知行为治疗平台的终端的示意图;
图4示例性地示出本公开实施例的患者预约门诊的示意图;
图5示例性地示出本公开实施例的专家问诊的示意图;
图6示例性地示出本公开实施例的填写评估信息的示意图;
图7示例性地示出本公开实施例的填写历史病历信息的示意图;
图8示例性地示出本公开实施例的认知行为障碍数字诊疗处方的示意图;
图9示例性地示出本公开实施例的随访的示意图;
图10示例性地示出本公开实施例的数据库的示意图;
图11示例性地示出本公开实施例的医生端的患者列表示意图;
图12示例性地示出本公开实施例的医生端开具处方的示意图;
图13示例性地示出本公开实施例的医生端对患者的数据统计的示意图;
图14示例性地示出本公开实施例的医生端的号源管理示意图;
图15示例性地示出本公开实施例的医生端的排班管理示意图;
图16示例性地示出本公开实施例的医生端的预约记录示意图;
图17示例性地示出本公开实施例的医生端的休假管理示意图;
图18示例性地示出本公开实施例的医生端的操作指南的示意图;
图19示例性地示出本公开实施例的评估考核的示意图;
图20示例性地示出本公开实施例的医生信息管理的示意图;
图21示例性地示出本公开实施例的图文咨询的示意图;
图22示例性地示出本公开实施例的管理端的评估分析的示意图;
图23示例性地示出本公开实施例的管理端的排班管理的示意图;
图24示例性地示出本公开实施例的管理端对患者信息的管理的示意图;
图25示例性地示出本公开实施例的管理端对医生的工作量统计的示意图;
图26示例性地示出本公开实施例的管理端对医生的信息进行管理的示意图;
图27示例性地示出本公开实施例的管理端对认知行为训练的管理示意图;
图28示例性地示出本公开实施例的管理端的基础配置示意图;
图29示例性地示出本公开实施例的管理端的对随访的管理示意图;
图30示例性地示出本公开实施例的管理端对门诊数据的管理示意图;
图31示例性地示出本公开实施例的管理端的系统管理的示意图;
图32示例性地示出本公开实施例的以正念为基础的失眠认知行为治疗方案生成装置;
图33是根据一示例性实施例示出的一种以正念为基础的失眠认知行为治疗方案生成设备的框图。
具体实施方式
为使本公开实施例的目的、技术方案和优点更加清楚,下面将结合本公开实施例中的附图,对本公开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公开一部分实施例,而不是全部的实施例。基于本公开中的实施例,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,都属于本公开保护的范围。
本公开的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”“第四”等(如果存在)是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本公开的实施例能够以除了在这里图示或描述的那些以外的顺序实施。
应当理解,在本公开的各种实施例中,各过程的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本公开实施例的实施过程构成任何限定。
应当理解,在本公开中,“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
应当理解,在本公开中,“多个”是指两个或两个以上。“和/或”仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。“包含A、B和C”、“包含A、B、C”是指A、B、C三者都包含,“包含A、B或C”是指包含A、B、C三者之一,“包含A、B和/或C”是指包含A、B、C三者中任1个或任2个或3个。
应当理解,在本公开中,“与A对应的B”、“与A相对应的B”、“A与B相对应”或者“B与A相对应”,表示B与A相关联,根据A可以确定B。根据A确定B并不意味着仅仅根据A确定B,还可以根据A和/或其他信息确定B。A与B的匹配,是A与B的相似度大于或等于预设的阈值。
取决于语境,如在此所使用的“若”可以被解释成为“在……时”或“当……时”或“响应于确定”或“响应于检测”。
下面以具体地实施例对本公开的技术方案进行详细说明。下面这几个具体的实施例可以相互结合,对于相同或相似的概念或过程可能在某些实施例不再赘述。
图1示例性地示出本公开实施例的以正念为基础的失眠认知行为治疗方案生成方法的流程图,如图1所示,所述方法包括:
步骤S101,获取患者身份信息;
步骤S102,获取与所述患者身份信息对应的睡眠障碍的评估信息;
步骤S103,根据所述评估信息,获得睡眠障碍的诊断信息;
步骤S104,根据所述诊断信息,确定所述患者的睡眠障碍类型;
步骤S105,根据所述睡眠障碍类型和所述诊断信息,生成数字诊疗处方。
本公开针对睡眠障碍,基于数字技术构建以正念为基础的失眠认知行为治疗平台,以执行上述步骤。开发基于睡眠障碍的远程认知行为训练系统(CBT-I),收集睡眠障碍患者临床特征数据,进而利用大数据、人工智能、深度学习等技术进行分析分类,归纳临床特征,完成临床亚群分类。在此基础上,建立针对睡眠障碍的临床特征分类系统及基于临床特征的精准治疗方案,实现精准医疗探索。依托睡眠障碍数字疗法平台可实现睡眠障碍远程诊断、线上训练与指导、远程复诊与随访,提高睡眠障碍诊断、治疗疗效,减少疾病导致的相关社会经济负担。
图2示例性地示出本公开实施例的以正念为基础的失眠认知行为治疗平台的示意图。
根据本公开的实施例,所述平台可包括后台服务器,和终端设备中的应用,例如,手机终端或PC终端中的应用软件。其中,终端设备中的应用可包括患者端、医生端和管理端。
图3示例性地示出本公开实施例的以正念为基础的失眠认知行为治疗平台的终端的示意图。在示例中,患者端可包括手机终端中的APP,医生端和管理端可包括PC终端中的应用软件。
根据本公开的实施例,患者可通过患者端方便地预约门诊。
图4示例性地示出本公开实施例的患者预约门诊的示意图。如图4所示,患者可打开APP首页,并选择门诊预约,进而通过分诊助手功能来进行分诊,即,根据自己的情况选择合适的病种与科室,并确认预约。生成预约记录。
图5示例性地示出本公开实施例的专家问诊的示意图,如图5所示,患者还可预约专家进行问诊,例如,患者还可选择专家问诊功能,并根据自身情况检索专家库中的专家,并进行在线咨询。
根据本公开的实施例,在选择科室和医生后,可建立患者和医生之间的医患关系,例如,患者在移动终端(例如,手机终端的APP)中扫描医生的二维码,来选择医生。
根据本公开的实施例,在步骤S101中,患者还可通过手机终端的APP注册登入,并调谐个人信息,例如,身份信息。
根据本公开的实施例,在步骤S102中,可获取患者的睡眠障碍的评估信息。其中,所述睡眠障碍的评估信息包括:PSQI评估量表、GAD-7评估量表、PHQ-9评估量表、PHQ-15评估量表、ESS评估量表中的至少一种。
图6示例性地示出本公开实施例的填写评估信息的示意图。如图6所示,患者可在手机终端的APP中选择心里评估功能,并选择评估套餐,例如,如上评估量表中的至少一种,并在评估页面中进行作答,从而填写评估量表,在填写完成后,可获得评估报告。
根据本公开的实施例,所述方法还包括:获取所述患者的历史病历信息。
图7示例性地示出本公开实施例的填写历史病历信息的示意图。如图7所示,为了便于医生进行进一步地判断,也便于所述平台通过人工智能模型获取更准确的诊断信息,还可获取患者的历史病历信息。在示例中,患者可填写病史信息,例如,将过去的病历导入,或者手动填写历史病历。
根据本公开的实施例,步骤S103可包括:通过自然语言处理模型NLP,对所述历史病历信息进行处理,获得历史病历信息的语义信息;根据所述语义信息,获得历史诊断信息;根据所述评估信息,获得当前诊断信息;根据所述历史诊断信息和所述当前诊断信息,获得所述睡眠障碍的诊断信息。
根据本公开的实施例,采用自然语言处理模型对大量的历史病历信息进行结构化,抓取有效的数据进行入库与处理。自然语言处理模型不但能对数据进行识别、切词、拆分以及同义词扩充等应用,同时可根据上下文实现语义的关联和语法的理解。自然语言处理模型既能保障自然语言文本的高识别率,提高推理的准确性,又能不断优化和更新术语,对于自动诊断和对后续知识图谱扩充和推理引擎优化都具有重要作用。
根据本公开的实施例,在训练自然语言处理模型时,可构建基于主动学习的标注平台,并将自然语言处理模型,信息抽取模型,术语映射模型集成为医学自然语言处理模型,形成完整的处理流程。搭建医学文本主动学习标注平台,实现医学分词、实体、属性、关系、事件等标注任务;研发基于海量医学文本的预训练语言模型,以此构建医学信息自动提取系统,实现医学实体提取、关系提取、属性提取、医学事件提取等功能。
根据本公开的实施例,在基于上述标注平台的训练后,可利用自然语言处理模型NLP获取历史病历信息中的语义信息,从而获得历史诊断信息,为当前智能诊断提供依据。
根据本公开的实施例,可根据以上填写的评估信息获得当前诊断信息,并基于历史诊断信息和当前诊断信息两者共同获得睡眠障碍的诊断信息。例如,当前诊断信息相对于历史诊断信息中的病况是如何发展的,应当判定为何种病况等。该智能诊断功能获得的诊断信息为人工智能模型获得的诊断信息,可为医生提供参考,大幅减少医生的工作量,有助于为更多睡眠障碍患者提供诊断。
根据本公开的实施例,在步骤S104中,所述睡眠障碍类型包括中轻度类型和中重度类型。可基于以上诊断信息判断具体类型。
根据本公开的实施例,在步骤S105中,可基于睡眠障碍类型和诊断信息,由知识图谱模型生成数字诊疗处方。步骤S105可包括:在所述睡眠障碍类型为中轻度类型的情况下,根据所述诊断信息,确定认知行为障碍类型,并根据所述认知行为障碍类型,通过知识图谱模型获得认知行为障碍数字诊疗处方;或者在所述睡眠障碍类型为中重度类型的情况下,根据所述诊断信息,确定认知行为障碍类型,并根据所述认知行为障碍类型,通过知识图谱模型获得认知行为障碍数字诊疗及药物处方。
图8示例性地示出本公开实施例的认知行为障碍数字诊疗处方的示意图。如图8所示,认知行为障碍数字诊疗处方可包括多种认知行为训练的方法,例如,CBT-I训练,CBT-A训练,CBT-D训练等。可根据睡眠障碍的具体诊断信息来确定认知行为障碍数字诊疗处方。并根据病情的严重程度,即,中轻度类型和中重度类型来确定具体处方。
根据本公开的实施例,如果患者的严重程度为中轻度类型,则可仅通过知识图谱模型开具认知行为训练方法的处方,如果患者的严重程度为中重度类型,则可通过知识图谱模型开具认知行为训练方法的处方以及药物处方。该处方为知识图谱模型自动开具的处方,可供医生参考,可在实际诊疗过程中大幅降低医生的工作量,有利于为更多睡眠障碍患者提供诊疗服务。
根据本公开的实施例,可对知识图谱模型进行训练。诊疗路径是否合理,诊断依据是否充分,这些问题的判断都需要丰富的医学知识和临床经验支撑。知识图谱模型的训练主要有两种方式:第一,无监督的方式进行信息提取,主要利用机器学习技术并结合人工校验。第二,采用有监督的方式,该方式主要分为以下的步骤,医学数据的收集、整理和清洗;知识图谱框架的构建;数据标注指南的制定;筛选训练集和测试集,由医学专业人员进行数据标注,标注一致性校验;信息抽取模型的构建,训练模型,模型改进;利用模型进行数据处理,抽取医学实体三元组;构建术语映射系统进行,医学实体到标准术语的映射;最终形成标准的医学实体三元组,并将三元组数据导入到知识图谱。采用有监督的支持向量机算法对数据进行分析与处理,训练睡眠临床诊断知识图谱模型。构建基于主动学习的标注系统,利用机器学习和深度学习的方法识别医学命名实体、实体链接和抽取语义关系,减少人工标注的工作量;同时在现有知识图谱基础上,采用远程监督的方式进行信息抽取,自动化构建更新医学知识图谱,同时利用图嵌入技术,实现医学知识图谱的自动补全和更新,大大提升了知识图谱构建更新的效率,降低维护更新成本。
根据本公开的实施例,在医生基于以上知识图谱模型生成的数字诊疗处方,开具最终的处方后,还可定期随访患者,例如,通过手机终端的APP随访患者。所述方法还包括:通过患者的移动终端采集患者的恢复状况信息;根据恢复状况信息,获取调整后的数字诊疗处方;通过患者的移动终端提供所述调整后的数字诊疗处方。
图9示例性地示出本公开实施例的随访的示意图。如图9所示,可通过音频、视频、文章等方式指导患者进行认知行为训练,还可提醒患者按时服药。并且,还可监控患者的治疗过程,采集患者恢复状况,并根据恢复状况随时调整数字诊疗处方,并提供给患者。
根据本公开的实施例,所述方法还包括:将所述评估信息、所述数字诊疗处方、患者的历史病历信息以及患者的恢复状况上传至数据库。已用于临床研究、数据验证以及持续改进与输出,还可用于为上述自然语言处理模型和知识图谱模型的训练提供数据。
图10示例性地示出本公开实施例的数据库的示意图。如图10所示,上述数据库可包括数据源层,数据源可来自医院、手机终端的APP等,并通过文件推送、拉去、web访问上传、IT数据库直连等方式上传。
根据本公开的实施例,所述数据库可包括采集层,可通过文件离线采集、流式数据采集、web上传收集、JDBC等方式采集数据。
根据本公开的实施例,所述数据库可包括数据存储层,可通过HIVE、HBASE、HADOOP等大数据库,或者关系型数据库和/或内存数据库对采集的数据进行存储。
根据本公开的实施例,还可提供消息服务总线、实时交互查询、数据预处理、流处理等数据处理服务,进而可在网页或web服务器中展现数据处理结果。
根据本公开的实施例,除了患者端,上述平台还可包括医生端和管理端,例如,医生端可为医生提供信息,管理端可提供对于医生和患者的管理,模型的训练等服务。
图11示例性地示出本公开实施例的医生端的患者列表示意图。如图11所示,一个医生可对应多个患者,医生可在医生端查看患者列表,还可查看患者的具体信息,例如,患者的身份信息、评估信息、自然语言模型获得的诊断信息,知识图谱模型获得的数字诊疗处方等。
图12示例性地示出本公开实施例的医生端开具处方的示意图。如图12所示,医生可参考上述模型的诊断信息以及数字诊疗处方,并基于评估信息和历史病历信息开具处方,例如,开具医嘱和认知行为训练处方。
图13示例性地示出本公开实施例的医生端对患者的数据统计的示意图,如图13所示,所述平台还可生成患者的病情的数据统计示意图,共医生查看,从而便于医生进行判断,减少医生工作量。
图14示例性地示出本公开实施例的医生端的号源管理示意图。即,以上端可显示共患者挂号的号源,并可显示已经被患者预约的号以及剩余的号等,供医生参考,医生可据此进行排班。
图15示例性地示出本公开实施例的医生端的排班管理示意图。如上所述,医生可根据已经被患者预约的号的数量和时间等信息进行排班,从而为每个挂号的患者进行诊疗。
图16示例性地示出本公开实施例的医生端的预约记录示意图。医生还可查看患者的预约记录,进一步为排班提供依据。
图17示例性地示出本公开实施例的医生端的休假管理示意图。在没有患者预约的时间段,医生还可利用空余时间休假,通过医生端则可查看空余时间。
图18示例性地示出本公开实施例的医生端的操作指南的示意图。医生端还可通过手册、视频讲解等方式为医生提供操作指南,教会医生操作所述平台的医生端。
图19示例性地示出本公开实施例的评估考核的示意图,如图19所示,管理端可提供对于每个医生的评估考核,例如,管理端可统计每个医生的医治患者的数量,以及患者的恢复状况等,并基于此对医生进行考核。
图20示例性地示出本公开实施例的医生信息管理的示意图,如图20所示,医生端可登记医生的个人信息,管理端则可将医生的信息记录在数据库中,例如,医院聘用新医生时可录入新医生的信息。或者,还可修改医生的资料,例如,医生在职称晋级时,可修改医生的个人简介,例如,由普通医生修改为专家等。又或者,在医生离职时,管理端可在数据库中删除该医生的信息。
图21示例性地示出本公开实施例的图文咨询的示意图,例如,医生可经由管理端联系其他医生或专家,在遇到难以治疗的情况时,可咨询其他专家或联合多位医生进行会诊等。
图22示例性地示出本公开实施例的管理端的评估分析的示意图,如图22所示,管理端可管理所有患者的信息,并对患者信息进行整理,以便于查询、筛选和导出等。
图23示例性地示出本公开实施例的管理端的排班管理的示意图,各个医生可在医生端填写自己的排班信息,管理端则可综合各个医生的排班信息,汇总获得所有医生的排班信息。
图24示例性地示出本公开实施例的管理端对患者信息的管理的示意图,如图24所示,管理端可记录每个患者的信息,例如,个人信息、就诊时间以及模型获得的诊断信息和数字诊疗处方等信息。从而便于对患者进行管理,使得患者的情况更加清晰,便于了解患者的康复情况。
图25示例性地示出本公开实施例的管理端对医生的工作量统计的示意图,如图25所示,管理端可统计医生的工作量,例如,在一个月内治疗的患者的数量等,从而为考核医生提供依据。
图26示例性地示出本公开实施例的管理端对医生的信息进行管理的示意图,如图26所示,管理端可查看或导出各个医生的相关资料,例如,姓名、年龄、科室、职称等信息。
图27示例性地示出本公开实施例的管理端对认知行为训练的管理示意图,如图27所示,管理端可存储对每个患者的认知行为训练的处方,并监测各患者的训练情况及康复状况。
图28示例性地示出本公开实施例的管理端的基础配置示意图,如图28所示,可设置管理端的基础配置,例如,对医生的考核的方式、对患者挂号的方式等配置的设置。
图29示例性地示出本公开实施例的管理端的对随访的管理示意图,如图29所示,管理端可记录每个患者的随访过程,例如,提供训练教程,记录患者康复状况等。
图30示例性地示出本公开实施例的管理端对门诊数据的管理示意图,如图30所示,管理端可统计每个患者的诊断过程、处方、以及康复状况等信息,从而可为医学研究和模型训练提供数据。
图31示例性地示出本公开实施例的管理端的系统管理的示意图,如图31所示,管理端可对患者和医生的账号进行管理,并设置医生和患者的权限,例如,查看病历等权限。还可进行字典管理,例如,对疾病名称、药物名称等进行管理,以统一各种名词,便于医学研究和模型训练。
本公开围绕传统的睡眠疾病诊疗存在治疗和管理患者的效率均不足且患者的依从性差、诊断识别率低、睡眠监测效率差、病人来回奔波医院参加认知行为训练,线下一对一的治疗效率低下等问题。提供有循证医学的数字诊疗方案生成方法,为广大患者和医生提供良好的睡眠障碍治疗与信息管理工具。
基于数字技术构建以正念为基础的失眠认知行为治疗平台,开发基于睡眠障碍的远程认知行为训练系统,收集睡眠障碍患者临床数据,进而利用大数据、人工智能、深度学习等技术进行分析分类,归纳临床特征,完成临床亚群分类。在此基础上,建立针对睡眠障碍的临床特征分类系统及基于临床特征的精准治疗方案,实现精准医疗探索。缓解睡眠障碍诊疗专业人员资源紧张困境,提高医疗服务效率。实现线上精准诊断、认知行为治疗、康复训练等一站式服务的全病程管理,使得服务标准化、可复制,大大提高医疗机构的服务能力、节约医疗资源、缓解精神医学专业资源服务稀缺的现状。
发挥数字技术支撑作用,促进信息技术与医疗技术融合。充分发挥大数据、深度学习、自然语言处理等先进人工智能技术在医疗卫生领域的优势,通过临床病历数据挖掘,归纳临床特征,完成临床亚群分类,建立针对睡眠障碍的临床特征分类系统及基于临床特征的精准治疗方案,实现精准探索。
图32示例性地示出本公开实施例的以正念为基础的失眠认知行为治疗方案生成装置,所述装置包括:身份信息模块,用于获取患者身份信息;评估信息模块,用于获取与所述患者身份信息对应的睡眠障碍的评估信息;诊断信息模块,用于根据所述评估信息,获得睡眠障碍的诊断信息;类型模块,用于根据所述诊断信息,确定所述患者的睡眠障碍类型;处方模块,用于根据所述睡眠障碍类型和所述诊断信息,生成数字诊疗处方。
根据本公开的实施例,所述睡眠障碍的评估信息包括:PSQI评估量表、GAD-7评估量表、PHQ-9评估量表、PHQ-15评估量表、ESS评估量表中的至少一种。
根据本公开的实施例,所述装置还包括:病历模块,用于获取所述患者的历史病历信息;其中,所述诊断信息模块进一步用于,通过自然语言处理模型NLP,对所述历史病历信息进行处理,获得历史病历信息的语义信息;根据所述语义信息,获得历史诊断信息;根据所述评估信息,获得当前诊断信息;根据所述历史诊断信息和所述当前诊断信息,获得所述睡眠障碍的诊断信息。
根据本公开的实施例,所述睡眠障碍类型包括中轻度类型和中重度类型。
根据本公开的实施例,所述处方模块进一步用于,在所述睡眠障碍类型为中轻度类型的情况下,根据所述诊断信息,确定认知行为障碍类型,并根据所述认知行为障碍类型,通过知识图谱模型获得认知行为障碍数字诊疗处方;或者在所述睡眠障碍类型为中重度类型的情况下,根据所述诊断信息,确定认知行为障碍类型,并根据所述认知行为障碍类型,通过知识图谱模型获得认知行为障碍数字诊疗及药物处方。
根据本公开的实施例,所述装置还包括:随访模块,用于通过患者的移动终端采集患者的恢复状况信息;根据恢复状况信息,获取调整后的数字诊疗处方;通过患者的移动终端提供所述调整后的数字诊疗处方。
根据本公开的实施例,所述装置还包括:数据库模块,用于将所述评估信息、所述数字诊疗处方、患者的历史病历信息以及患者的恢复状况上传至数据库。
图33是根据一示例性实施例示出的一种以正念为基础的失眠认知行为治疗方案生成设备的框图。例如,所述设备1600可以被提供为一终端或服务器。设备1600包括处理组件1602,以及由存储器1603所代表的存储器资源,用于存储可由处理组件1602的执行的指令,例如应用程序。存储器1603中存储的应用程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外,处理组件1602被配置为执行指令,以执行上述方法。
设备1600还可以包括一个电源组件1606被配置为执行设备1600的电源管理,一个有线或无线网络接口1605被配置为将设备1600连接到网络,和一个输入输出(I/O)接口1608。设备1600可以操作基于存储在存储器1603的操作系统,例如Windows ServerTM,MacOS XTM,UnixTM,LinuxTM,FreeBSDTM或类似。
本发明可以是方法、装置、系统和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质,其上载有用于执行本发明的各个方面的计算机可读程序指令。
计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是――但不限于――电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身,诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如,通过光纤电缆的光脉冲)、或者通过电线传输的电信号。
这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备,或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令,并转发该计算机可读程序指令,以供存储在各个计算/处理设备中的计算机可读存储介质中。
用于执行本发明操作的计算机程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码,所述编程语言包括面向对象的编程语言—诸如Smalltalk、C++等,以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络—包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。在一些实施例中,通过利用计算机可读程序指令的状态信息来个性化定制电子电路,例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA),该电子电路可以执行计算机可读程序指令,从而实现本发明的各个方面。
这里参照根据本发明实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本发明的各个方面。应当理解,流程图和/或框图的每个方框以及流程图和/或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单元,从而生产出一种机器,使得这些指令在通过计算机或其他可编程数据处理装置的处理单元执行时,产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中,这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作,从而,存储有指令的计算机可读介质则包括一个制造品,其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。
也可以把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、其他可编程数据处理装置、或其他设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。
附图中的流程图和框图显示了根据本发明的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或指令的一部分,所述模块、程序段或指令的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
注意,除非另有直接说明,否则本说明书(包含任何所附权利要求、摘要和附图)中所揭示的所有特征皆可由用于达到相同、等效或类似目的的可替代特征来替换。因此,除非另有明确说明,否则所公开的每一个特征仅是一组等效或类似特征的一个示例。在使用到的情况下,进一步地、较优地、更进一步地和更优地是在前述实施例基础上进行另一实施例阐述的简单起头,该进一步地、较优地、更进一步地或更优地后带的内容与前述实施例的结合作为另一实施例的完整构成。在同一实施例后带的若干个进一步地、较优地、更进一步地或更优地设置之间可任意组合的组成又一实施例。
本领域的技术人员应理解,上述描述及附图中所示的本发明的实施例只作为举例而并不限制本发明。本发明的目的已经完整并有效地实现。本发明的功能及结构原理已在实施例中展示和说明,在没有背离所述原理下,本发明的实施方式可以有任何变形或修改。
最后应说明的是:以上各实施例仅用以说明本公开的技术方案,而非对其限制;尽管参照前述各实施例对本公开进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本公开各实施例技术方案的范围。
Claims (10)
1.一种以正念为基础的失眠认知行为治疗方案生成方法,其特征在于,包括:
获取患者身份信息;
获取与所述患者身份信息对应的睡眠障碍的评估信息;
根据所述评估信息,获得睡眠障碍的诊断信息;
根据所述诊断信息,确定所述患者的睡眠障碍类型;
根据所述睡眠障碍类型和所述诊断信息,生成数字诊疗处方。
2.根据权利要求1所述的方法,其特征在于,所述睡眠障碍的评估信息包括:PSQI评估量表、GAD-7评估量表、PHQ-9评估量表、PHQ-15评估量表、ESS评估量表中的至少一种。
3.根据权利要求1所述的方法,其特征在于,所述方法还包括:
获取所述患者的历史病历信息;
其中,根据所述评估信息,获得睡眠障碍的诊断信息,包括:
通过自然语言处理模型NLP,对所述历史病历信息进行处理,获得历史病历信息的语义信息;
根据所述语义信息,获得历史诊断信息;
根据所述评估信息,获得当前诊断信息;
根据所述历史诊断信息和所述当前诊断信息,获得所述睡眠障碍的诊断信息。
4.根据权利要求1所述的方法,其特征在于,所述睡眠障碍类型包括中轻度类型和中重度类型。
5.根据权利要求1所述的方法,其特征在于,根据所述睡眠障碍类型和所述诊断信息,生成数字诊疗处方,包括:
在所述睡眠障碍类型为中轻度类型的情况下,根据所述诊断信息,确定认知行为障碍类型,并根据所述认知行为障碍类型,通过知识图谱模型获得认知行为障碍数字诊疗处方;或者
在所述睡眠障碍类型为中重度类型的情况下,根据所述诊断信息,确定认知行为障碍类型,并根据所述认知行为障碍类型,通过知识图谱模型获得认知行为障碍数字诊疗及药物处方。
6.根据权利要求1所述的方法,其特征在于,所述方法还包括:
通过患者的移动终端采集患者的恢复状况信息;
根据恢复状况信息,获取调整后的数字诊疗处方;
通过患者的移动终端提供所述调整后的数字诊疗处方。
7.根据权利要求1所述的方法,其特征在于,所述方法还包括:将所述评估信息、所述数字诊疗处方、患者的历史病历信息以及患者的恢复状况上传至数据库。
8.一种以正念为基础的失眠认知行为治疗方案生成装置,其特征在于,包括:
身份信息模块,用于获取患者身份信息;
评估信息模块,用于获取与所述患者身份信息对应的睡眠障碍的评估信息;
诊断信息模块,用于根据所述评估信息,获得睡眠障碍的诊断信息;
类型模块,用于根据所述诊断信息,确定所述患者的睡眠障碍类型;
处方模块,用于根据所述睡眠障碍类型和所述诊断信息,生成数字诊疗处方。
9.一种以正念为基础的失眠认知行为治疗方案生成设备,其特征在于,包括:
处理器;
用于存储处理器可执行指令的存储器;
其中,所述处理器被配置为调用所述存储器存储的指令,以执行权利要求1至7中任意一项所述的方法。
10.一种计算机可读存储介质,其上存储有计算机程序指令,其特征在于,所述计算机程序指令被处理器执行时实现权利要求1至7中任意一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211021870.8A CN115410688A (zh) | 2022-08-24 | 2022-08-24 | 以正念为基础的失眠认知行为治疗方案生成方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211021870.8A CN115410688A (zh) | 2022-08-24 | 2022-08-24 | 以正念为基础的失眠认知行为治疗方案生成方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115410688A true CN115410688A (zh) | 2022-11-29 |
Family
ID=84161423
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211021870.8A Pending CN115410688A (zh) | 2022-08-24 | 2022-08-24 | 以正念为基础的失眠认知行为治疗方案生成方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115410688A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116936036A (zh) * | 2023-07-28 | 2023-10-24 | 北京又见一心网络文化有限公司 | 一种失眠正念治疗任务训练方案生成方法及系统 |
-
2022
- 2022-08-24 CN CN202211021870.8A patent/CN115410688A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116936036A (zh) * | 2023-07-28 | 2023-10-24 | 北京又见一心网络文化有限公司 | 一种失眠正念治疗任务训练方案生成方法及系统 |
CN116936036B (zh) * | 2023-07-28 | 2024-03-15 | 北京又见一心网络文化有限公司 | 一种失眠正念治疗任务训练方案生成方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20180137250A1 (en) | Mobile health intelligent medical guide system and method thereof | |
Panda et al. | Big data in health care: A mobile based solution | |
Zhang et al. | Using artificial intelligence to improve pain assessment and pain management: a scoping review | |
Newman-Griffis et al. | Broadening horizons: the case for capturing function and the role of health informatics in its use | |
CN111292815A (zh) | 基于云的社区大数据健康服务系统 | |
Anderson et al. | Understanding the role of the family physician in early psychosis intervention | |
CN110473631B (zh) | 基于真实世界研究的智能睡眠监测方法和系统 | |
Zhou et al. | TAMFN: time-aware attention multimodal fusion network for depression detection | |
CN115410688A (zh) | 以正念为基础的失眠认知行为治疗方案生成方法及装置 | |
CN116434899A (zh) | 一种基于多源数据的健康档案信息平台建立方法 | |
Kaklauskas et al. | Diurnal emotions, valence and the coronavirus lockdown analysis in public spaces | |
CN116189878A (zh) | 疾病早期预测方法及相关设备 | |
Vilpert et al. | Social, cultural and experiential patterning of attitudes and behaviour towards assisted suicide in Switzerland: evidence from a national population-based study | |
Xu et al. | Awareness, utilization and health outcomes of national essential public health service among migrants in China | |
Gao et al. | Construction of TCM health management model for patients with convalescence of coronavirus disease based on artificial intelligence | |
Naismith et al. | Suicidal ideation in dementia: associations with neuropsychiatric symptoms and subtype diagnosis | |
CN112382388A (zh) | 一种压疮不良事件的预警方法 | |
Turner et al. | The# longcovid revolution: A reflexive thematic analysis | |
Duvvuri et al. | Predicting depression symptoms from discord chat messaging using ai medical chatbots | |
Latif et al. | Understanding depression detection using social media | |
Hao et al. | Depression prediction amongst Chinese older adults with neurodegenerative diseases: A performance comparison between decision tree model and logistic regression analysis | |
Mclean et al. | Reliability of reporting of HIV status and antiretroviral therapy usage during verbal autopsies: a large prospective study in rural Malawi | |
CN113470773A (zh) | 一种基于大数据的心血管疾病评估管理系统 | |
CN112233753A (zh) | 基于多源异质数据的临床用药推荐方法 | |
CN113360847B (zh) | 一种心血管疾病预测系统以及包括该预测系统的心血管疾病管理系统 |
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 |