CN115631820A - 一种乳腺肿瘤患者随访数据的快捷式处理方法 - Google Patents

一种乳腺肿瘤患者随访数据的快捷式处理方法 Download PDF

Info

Publication number
CN115631820A
CN115631820A CN202211242479.0A CN202211242479A CN115631820A CN 115631820 A CN115631820 A CN 115631820A CN 202211242479 A CN202211242479 A CN 202211242479A CN 115631820 A CN115631820 A CN 115631820A
Authority
CN
China
Prior art keywords
data
follow
symptom
detection item
breast tumor
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202211242479.0A
Other languages
English (en)
Other versions
CN115631820B (zh
Inventor
何瀛
张晴霞
鲍晓仙
严林娟
谢探
曹一佳
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhejiang University ZJU
Original Assignee
Zhejiang University ZJU
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Zhejiang University ZJU filed Critical Zhejiang University ZJU
Priority to CN202211242479.0A priority Critical patent/CN115631820B/zh
Publication of CN115631820A publication Critical patent/CN115631820A/zh
Application granted granted Critical
Publication of CN115631820B publication Critical patent/CN115631820B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
    • 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)
  • Epidemiology (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Biomedical Technology (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Pathology (AREA)
  • Medical Treatment And Welfare Office Work (AREA)

Abstract

本发明涉及一种乳腺肿瘤患者随访数据的快捷式处理方法，包括：S1、获取乳腺肿瘤患者的本次随访数据；S2、根据乳腺肿瘤患者的本次随访数据和/或乳腺肿瘤患者上次随访数据，预测与本次随访数据所对应的乳腺肿瘤患者可能出现的第一症状情况；S3、在乳腺肿瘤患者的本次随访数据中，确定与第一症状情况对应的第一检测项目数据；S4、确定与所述第一症状情况对应的第二症状情况；第二症状情况与第一症状情况不同；S5、在乳腺肿瘤患者的本次随访数据中，确定与第二症状情况相关的第二检测项目数据；S6、根据所述第二检测项目数据和所述第一检测项目数据，确定本次随访数据中的重点检测项目的数据，并将所述重点检测项目的数据展示。

Description

一种乳腺肿瘤患者随访数据的快捷式处理方法
技术领域
本发明涉及数据处理技术领域，尤其涉及一种乳腺肿瘤患者随访数据的快捷式处理方法。
背景技术
乳腺癌是全球女性发病率最高的恶性肿瘤，随着诊断技术及治疗手段的不断提高，乳腺癌患者接受系统治疗后生存期明显延长。乳腺癌患者需要长时间的随访以便及早监测到局部复发和远处转移。此外，激素敏感性乳腺癌患者还需要给予5～10年的内分泌治疗，针对其副作用的全程管理也需要随访，进而提高患者的生活质量，减轻患者疾病负担。因此，乳腺肿瘤患者的随访非常重要，随访检查的项目有很多，比如说血常规、肝肾功能、乳腺、妇科超声、乳腺X线、胸部CT、乳腺MRI、骨密度等等。
但是，在医生拿到乳腺肿瘤患者的随访的众多的数据中，需要一一的阅读，然后才能初步了解乳腺肿瘤患者的情况，对于医生来说，面对随访的众多数据中并没有一个根据不同乳腺肿瘤患者而呈现出随访数据中不同的重要的检测项目数据，这样的话，会使的医生面对随访的众多数据，注意力不能集中在重要的检测项目数据上，分析起来效率并不高。
发明内容
(一)要解决的技术问题
鉴于现有技术的上述缺点、不足，本发明提供一种乳腺肿瘤患者随访数据的快捷式处理方法，其解决了现有技术中不能为医生展示随访数据中重要的检测项目数据，使得医生面对随访的众多数据，注意力不能集中在重要的检测项目数据上，分析起来效率并不高的技术问题。
(二)技术方案
为了达到上述目的，本发明采用的主要技术方案包括：
本发明实施例提供一种乳腺肿瘤患者随访数据的快捷式处理方法，包括：
S1、获取乳腺肿瘤患者的本次随访数据；
S2、根据乳腺肿瘤患者的本次随访数据和/或乳腺肿瘤患者上次随访数据，预测与所述本次随访数据所对应的乳腺肿瘤患者可能出现的第一症状情况；
S3、在乳腺肿瘤患者的本次随访数据中，确定与所述第一症状情况对应的第一检测项目数据；
S4、确定与所述第一症状情况对应的第二症状情况；
所述第二症状情况与所述第一症状情况不同；
S5、在乳腺肿瘤患者的本次随访数据中，确定与所述第二症状情况相关的第二检测项目数据；
S6、根据所述第二检测项目数据和所述第一检测项目数据，确定本次随访数据中的重点检测项目的数据，并将所述重点检测项目的数据展示。
优选地，所述S2具体包括：
按照公式(1)确定本次随访数据中每一检测项目数据的异常度值；
所述公式(1)为：
Figure BDA0003885227780000021
其中，ai为本次随访数据中第i个检测项目数据的异常度值；
Ai为本次随访数据中第i个检测项目数据的实际值；
Bi为本次随访数据中第i个检测项目数据所对应的理论上的健康状态下的数值；
按照异常度值从大到小，将所述本次随访数据中所有的检测项目数据进行排序；
根据排序靠前的3项检测项目数据，确定所述本次随访数据所对应的乳腺肿瘤患者可能出现的症状为第一症状情况。
优选地，所述根据排序靠前的3项检测项目数据，确定所述本次随访数据所对应的乳腺肿瘤患者可能出现的症状为第一症状情况，具体包括：
在排序靠前的3项检测项目数据中，分别确定排序靠前的第一位的检测项目数据所对应的相关性最大的症状情况、排序靠前的第二位的检测项目数据所对应的相关性最大的症状情况、排序靠前的第三位的检测项目数据所对应的相关性最大的症状情况；
其中，若在排序靠前的3项检测项目数据分别所对应的相关性最大的症状情况相同，则将相同的症状情况作为第一症状情况；
若在排序靠前的3项检测项目数据分别所对应的相关性最大的症状情况中有2个症状情况相同，则将2个相同的症状情况作为第一症状情况；
若在排序靠前的3项检测项目数据分别所对应的相关性最大的症状情况中有3个症状情况分别不同，则将排序靠前的第一位的检测项目数据所对应的相关性最大的症状情况作为第一症状情况。
优选地，所述S2具体包括：
根据乳腺肿瘤患者的本次随访数据和乳腺肿瘤患者上次随访数据，采用公式(2)确定本次随访数据中的每一检测项目数值和上次随访数据相比检测项目数据变化幅度最大的前3个检测项目数据；
所述公式(2)为：
Figure BDA0003885227780000041
bi为本次随访数据中第i个检测项目数据的变化幅度；
Figure BDA0003885227780000042
为上次随访数据中第i个检测项目数据的实际值；
Ai为本次随访数据中第i个检测项目数据的实际值；
根据本次随访数据中的每一检测项目数据和上次随访数据中相同的检测项目数据变化幅度最大的前3个检测项目数据，确定所述本次随访数据所对应的乳腺肿瘤患者可能出现的症状为第一症状情况；
在本次随访数据中的每一检测项目数据和上次随访数据中相同的检测项目数据变化幅度最大的前3个检测项目数据中，分别确定变化幅度最大的检测项目数据所对应的相关性最大的症状情况、变化幅度第二大的检测项目数据所对应的相关性最大的症状情况、变化幅度第三的检测项目数据所对应的相关性最大的症状情况；
其中，变化幅度最大的前3个检测项目数据分别所对应的相关性最大的症状情况相同，则将相同的症状情况作为第一症状情况；
若在变化幅度最大的前3个检测项目数据分别所对应的相关性最大的症状情况中有2个症状情况相同，则将2个相同的症状情况作为第一症状情况；
若在变化幅度最大的前3个检测项目数据分别所对应的相关性最大的症状情况中有3个症状情况分别不同，则将变化幅度最大的检测项目数据所对应的相关性最大的症状情况作为第一症状情况。
优选地，
在所述S3中与所述第一症状情况相关的第一检测项目为与所述第一症状情况具有相关性的检测项目；或，与所述第一症状情况相关的第一检测项目为预先指定的与所述第一症状情况对应的检测项目。
优选地，
所述第二症状情况为预先在K个乳腺肿瘤患者的随访数据中所统计出来的具有与本次随访数据相同的数据的乳腺肿瘤患者所可能出现的概率前两种症状情况中的一种；
其中，K大于等于1000；
其中，若第一症状情况与统计出来的具有与本次随访数据相同的数据的乳腺肿瘤患者所可能出现的概率前两种症状情况中的一种相同，则第二症状情况为统计出来的具有与本次随访数据相同的数据的乳腺肿瘤患者所可能出现的概率前两种症状情况中的另一种症状情况；
若第一症状情况与统计出来的具有与本次随访数据相同的数据的乳腺肿瘤患者所可能出现的概率前两种症状情况均相同，则第二症状情况为统计出来的具有与本次随访数据相同的数据的乳腺肿瘤患者所可能出现的概率前两种症状情况中概率最大的一种症状情况。
优选地，
在所述S5中，所述第二检测项目数据为与为与所述第二症状情况具有相关性的检测项目。
优选地，所述S6具体包括：
S61、基于第一检测项目数据中每一检测项目数据的异常度值，采用公式(3)获取第一数值Q1；
所述公式(3)为：
Q1＝w1(x1+x2+...xm)；
其中，xm为所述第一检测项目数据中第m个检测项目数据的异常度值；
w1为预先设定的第一权重值；
S62、基于第二检测项目数据中每一检测项目数据的异常度值，采用公式(4)获取第二数据值Q2；
所述公式(4)为：
Q2＝w2(y1+y2+...yn)；
其中，yn为所述第二检测项目数据中第n个检测项目数据的异常度值；
w2为预先设定的第二权重值；
S63、判断所述第一数值Q1和第二数值Q2的大小，得到判断结果；
S64、基于所述判断结果，确定本次随访数据中的重点检测项目数据。
优选地，
所述预先设定的第一权重值w1，为预先采用公式(5)得到的；
所述公式(5)为：
Figure BDA0003885227780000061
其中，p1为预先在K个乳腺肿瘤患者的随访数据中所统计出来的具有与本次随访数据相同的数据的乳腺肿瘤患者所可能出现的第一症状情况的概率；
TA为预先在K个乳腺肿瘤患者的随访数据中所统计出来的乳腺肿瘤患者从开始患病到因乳腺肿瘤死亡或者痊愈的平均时间；
T1为预先在K个乳腺肿瘤患者的随访数据中所统计出来的乳腺肿瘤患者从开始出现第一症状情况的时间到因乳腺肿瘤死亡或者痊愈的平均时间；
s1为预先在K个乳腺肿瘤患者的随访数据中所统计出来的乳腺肿瘤患者出现第一症状情况后死亡的概率；
所述预先设定的第二权重值w2，为预先采用公式(6)得到的；
所述公式(6)为：
Figure BDA0003885227780000071
其中，p2为预先在K个乳腺肿瘤患者的随访数据中所统计出来的具有与本次随访数据相同的数据的乳腺肿瘤患者所可能出现的第二症状情况的概率；
T2为预先在K个乳腺肿瘤患者的随访数据中所统计出来的乳腺肿瘤患者从开始出现第二症状情况的时间到因乳腺肿瘤死亡或者痊愈的平均时间；
s2为预先在K个乳腺肿瘤患者的随访数据中所统计出来的乳腺肿瘤患者出现第二症状情况后死亡的概率。
优选地，所述S64具体包括：
若所述判断结果为第一数值Q1的数值大于第二数值Q2的数值，则将所述第一检测项目数据作为本次随访数据中的重点检测项目数据；
若所述判断结果为第一数值Q1的数值小于等于第二数值Q2的数值，则将所述第一检测项目数据和所述第二检测项目数据作为本次随访数据中的重点检测项目数据。
(三)有益效果
本发明的有益效果是：本发明的一种乳腺肿瘤患者随访数据的快捷式处理方法，由于采用根据乳腺肿瘤患者的本次随访数据和/或乳腺肿瘤患者上次随访数据，预测与所述本次随访数据所对应的乳腺肿瘤患者可能出现的第一症状情况，并进一步确定与所述第一症状情况对应的第一检测项目数据；以及在乳腺肿瘤患者的本次随访数据中，确定与所述第二症状情况相关的第二检测项目数据，根据所述第二检测项目数据和所述第一检测项目数据，确定本次随访数据中的重点检测项目的数据，并将所述重点检测项目的数据展示。相对于现有技术而言，其可以为医生展示随访数据中重要的检测项目数据，使得医生面对随访的众多数据，注意力集中在重要的检测项目数据上，让医生分析起来效率提高。
附图说明
图1为本发明的一种乳腺肿瘤患者随访数据的快捷式处理方法流程图；
图2为在本发明实施例的一种实施方式中所述S2的具体流程图；
图3为为在本发明实施例的另一种实施方式中所述S2的具体流程图。
具体实施方式
为了更好的解释本发明，以便于理解，下面结合附图，通过具体实施方式，对本发明作详细描述。
为了更好的理解上述技术方案，下面将参照附图更详细地描述本发明的示例性实施例。虽然附图中显示了本发明的示例性实施例，然而应当理解，可以以各种形式实现本发明而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更清楚、透彻地理解本发明，并且能够将本发明的范围完整的传达给本领域的技术人员。
参见图1，本实施例提供一种乳腺肿瘤患者随访数据的快捷式处理方法，包括：
S1、获取乳腺肿瘤患者的本次随访数据。
S2、根据乳腺肿瘤患者的本次随访数据和/或乳腺肿瘤患者上次随访数据，预测与所述本次随访数据所对应的乳腺肿瘤患者可能出现的第一症状情况。
实际上，乳腺肿瘤患者不仅存在手术侧胸壁复发的危险，而且对侧乳腺癌的发生率也比健康妇女高很多。大部分胸壁和乳房肿块可以自己体检检查出来，但仍然需要医生的检查和仪器的诊断。随访过程也是复发检测过程，直接关系到乳腺肿瘤患者的健康。
参见图2，在本实施例的一种实施方式中，所述S2具体包括：
按照公式(1)确定本次随访数据中每一检测项目数据的异常度值。
所述公式(1)为：
Figure BDA0003885227780000091
其中，ai为本次随访数据中第i个检测项目数据的异常度值。
Ai为本次随访数据中第i个检测项目数据的实际值。
Bi为本次随访数据中第i个检测项目数据所对应的理论上的健康状态下的数值。
按照异常度值从大到小，将所述本次随访数据中所有的检测项目数据进行排序。
根据排序靠前的3项检测项目数据，确定所述本次随访数据所对应的乳腺肿瘤患者可能出现的症状为第一症状情况。
其中，所述根据排序靠前的3项检测项目数据，确定所述本次随访数据所对应的乳腺肿瘤患者可能出现的症状为第一症状情况，具体包括：
在排序靠前的3项检测项目数据中，分别确定排序靠前的第一位的检测项目数据所对应的相关性最大的症状情况、排序靠前的第二位的检测项目数据所对应的相关性最大的症状情况、排序靠前的第三位的检测项目数据所对应的相关性最大的症状情况。
其中，若在排序靠前的3项检测项目数据分别所对应的相关性最大的症状情况相同，则将相同的症状情况作为第一症状情况。
若在排序靠前的3项检测项目数据分别所对应的相关性最大的症状情况中有2个症状情况相同，则将2个相同的症状情况作为第一症状情况。
若在排序靠前的3项检测项目数据分别所对应的相关性最大的症状情况中有3个症状情况分别不同，则将排序靠前的第一位的检测项目数据所对应的相关性最大的症状情况作为第一症状情况。
参见图3，在本实施例的另一种实施方式中，所述S2具体包括：
根据乳腺肿瘤患者的本次随访数据和乳腺肿瘤患者上次随访数据，采用公式(2)确定本次随访数据中的每一检测项目数值和上次随访数据相比检测项目数据变化幅度最大的前3个检测项目数据。
所述公式(2)为：
Figure BDA0003885227780000101
bi为本次随访数据中第i个检测项目数据的变化幅度。
Figure BDA0003885227780000102
为上次随访数据中第i个检测项目数据的实际值。
Ai为本次随访数据中第i个检测项目数据的实际值。
本实施例中，上次随访数据中第i个检测项目与本次随访数据中第i个检测项目相同。
根据本次随访数据中的每一检测项目数据和上次随访数据中相同的检测项目数据变化幅度最大的前3个检测项目数据，确定所述本次随访数据所对应的乳腺肿瘤患者可能出现的症状为第一症状情况。
在本次随访数据中的每一检测项目数据和上次随访数据中相同的检测项目数据变化幅度最大的前3个检测项目数据中，分别确定变化幅度最大的检测项目数据所对应的相关性最大的症状情况、变化幅度第二大的检测项目数据所对应的相关性最大的症状情况、变化幅度第三的检测项目数据所对应的相关性最大的症状情况。
其中，变化幅度最大的前3个检测项目数据分别所对应的相关性最大的症状情况相同，则将相同的症状情况作为第一症状情况。
若在变化幅度最大的前3个检测项目数据分别所对应的相关性最大的症状情况中有2个症状情况相同，则将2个相同的症状情况作为第一症状情况。
若在变化幅度最大的前3个检测项目数据分别所对应的相关性最大的症状情况中有3个症状情况分别不同，则将变化幅度最大的检测项目数据所对应的相关性最大的症状情况作为第一症状情况。
S3、在乳腺肿瘤患者的本次随访数据中，确定与所述第一症状情况对应的第一检测项目数据。
具体的，在所述S3中与所述第一症状情况相关的第一检测项目为与所述第一症状情况具有相关性的检测项目；或，与所述第一症状情况相关的第一检测项目为预先指定的与所述第一症状情况对应的检测项目。
S4、确定与所述第一症状情况对应的第二症状情况。
所述第二症状情况与所述第一症状情况不同。
在本实施例的实际应用中，所述第二症状情况为预先在K个乳腺肿瘤患者的随访数据中所统计出来的具有与本次随访数据相同的数据的乳腺肿瘤患者所可能出现的概率前两种症状情况中的一种。
其中，K大于等于1000。
其中，若第一症状情况与统计出来的具有与本次随访数据相同的数据的乳腺肿瘤患者所可能出现的概率前两种症状情况中的一种相同，则第二症状情况为统计出来的具有与本次随访数据相同的数据的乳腺肿瘤患者所可能出现的概率前两种症状情况中的另一种症状情况。
若第一症状情况与统计出来的具有与本次随访数据相同的数据的乳腺肿瘤患者所可能出现的概率前两种症状情况均相同，则第二症状情况为统计出来的具有与本次随访数据相同的数据的乳腺肿瘤患者所可能出现的概率前两种症状情况中概率最大的一种症状情况。
S5、在乳腺肿瘤患者的本次随访数据中，确定与所述第二症状情况相关的第二检测项目数据。
其中，在所述S5中，所述第二检测项目数据为与为与所述第二症状情况具有相关性的检测项目数据。
S6、根据所述第二检测项目数据和所述第一检测项目数据，确定本次随访数据中的重点检测项目的数据，并将所述重点检测项目的数据展示。
在本实施例的具体实施方式中，所述S6具体包括：
S61、基于第一检测项目数据中每一检测项目数据的异常度值，采用公式(3)获取第一数值Q1。
在本实施例中第一检测项目数据中每一检测项目数据的异常度值可会预先得到的。
所述公式(3)为：
Q1＝w1(x1+x2+...xm)。
其中，xm为所述第一检测项目数据中第m个检测项目数据的异常度值。
w1为预先设定的第一权重值。
其中，所述预先设定的第一权重值w1，为预先采用公式(5)得到的。
所述公式(5)为：
Figure BDA0003885227780000121
其中，p1为预先在K个乳腺肿瘤患者的随访数据中所统计出来的具有与本次随访数据相同的数据的乳腺肿瘤患者所可能出现的第一症状情况的概率。
TA为预先在K个乳腺肿瘤患者的随访数据中所统计出来的乳腺肿瘤患者从开始患病到因乳腺肿瘤死亡或者痊愈的平均时间。
T1为预先在K个乳腺肿瘤患者的随访数据中所统计出来的乳腺肿瘤患者从开始出现第一症状情况的时间到因乳腺肿瘤死亡或者痊愈的平均时间。
s1为预先在K个乳腺肿瘤患者的随访数据中所统计出来的乳腺肿瘤患者出现第一症状情况后死亡的概率。
S62、基于第二检测项目数据中每一检测项目数据的异常度值，采用公式(4)获取第二数据值Q2。
在本实施例中第二检测项目数据中每一检测项目数据的异常度值可会预先得到的。
所述公式(4)为：
Q2＝w2(y1+y2+...yn)；
其中，yn为所述第二检测项目数据中第n个检测项目数据的异常度值。
w2为预先设定的第二权重值。
其中，所述预先设定的第二权重值w2，为预先采用公式(6)得到的。
所述公式(6)为：
Figure BDA0003885227780000131
其中，p2为预先在K个乳腺肿瘤患者的随访数据中所统计出来的具有与本次随访数据相同的数据的乳腺肿瘤患者所可能出现的第二症状情况的概率。
T2为预先在K个乳腺肿瘤患者的随访数据中所统计出来的乳腺肿瘤患者从开始出现第二症状情况的时间到因乳腺肿瘤死亡或者痊愈的平均时间。
S2为预先在K个乳腺肿瘤患者的随访数据中所统计出来的乳腺肿瘤患者出现第二症状情况后死亡的概率。
S63、判断所述第一数值Q1和第二数值Q2的大小，得到判断结果。
S64、基于所述判断结果，确定本次随访数据中的重点检测项目数据。
在本实施例的实际应用中，所述S64具体包括：
若所述判断结果为第一数值Q1的数值大于第二数值Q2的数值，则将所述第一检测项目数据作为本次随访数据中的重点检测项目数据。
若所述判断结果为第一数值Q1的数值小于等于第二数值Q2的数值，则将所述第一检测项目数据和所述第二检测项目数据作为本次随访数据中的重点检测项目数据。
本本实施例中的一种乳腺肿瘤患者随访数据的快捷式处理方法，由于采用根据乳腺肿瘤患者的本次随访数据和/或乳腺肿瘤患者上次随访数据，预测与所述本次随访数据所对应的乳腺肿瘤患者可能出现的第一症状情况，并进一步确定与所述第一症状情况对应的第一检测项目数据；以及在乳腺肿瘤患者的本次随访数据中，确定与所述第二症状情况相关的第二检测项目数据，根据所述第二检测项目数据和所述第一检测项目数据，确定本次随访数据中的重点检测项目的数据，并将所述重点检测项目的数据展示。相对于现有技术而言，其可以为医生展示随访数据中重要的检测项目数据，使得医生面对随访的众多数据，注意力集中在重要的检测项目数据上，让医生分析起来效率提高。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例，或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。
应当注意的是，在权利要求中，不应将位于括号之间的任何附图标记理解成对权利要求的限制。词语“包含”不排除存在未列在权利要求中的部件或步骤。位于部件之前的词语“一”或“一个”不排除存在多个这样的部件。本发明可以借助于包括有若干不同部件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的权利要求中，这些装置中的若干个可以是通过同一个硬件来具体体现。词语第一、第二、第三等的使用，仅是为了表述方便，而不表示任何顺序。可将这些词语理解为部件名称的一部分。
此外，需要说明的是，在本说明书的描述中，术语“一个实施例”、“一些实施例”、“实施例”、“示例”、“具体示例”或“一些示例”等的描述，是指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
尽管已描述了本发明的优选实施例，但本领域的技术人员在得知了基本创造性概念后，则可对这些实施例作出另外的变更和修改。所以，权利要求应该解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然，本领域的技术人员可以对本发明进行各种修改和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也应该包含这些修改和变型在内。

Claims (10)

1.一种乳腺肿瘤患者随访数据的快捷式处理方法，其特征在于，包括：
S1、获取乳腺肿瘤患者的本次随访数据；
S2、根据乳腺肿瘤患者的本次随访数据和/或乳腺肿瘤患者上次随访数据，预测与所述本次随访数据所对应的乳腺肿瘤患者可能出现的第一症状情况；
S3、在乳腺肿瘤患者的本次随访数据中，确定与所述第一症状情况对应的第一检测项目数据；
S4、确定与所述第一症状情况对应的第二症状情况；
所述第二症状情况与所述第一症状情况不同；
S5、在乳腺肿瘤患者的本次随访数据中，确定与所述第二症状情况相关的第二检测项目数据；
S6、根据所述第二检测项目数据和所述第一检测项目数据，确定本次随访数据中的重点检测项目的数据，并将所述重点检测项目的数据展示。
2.根据权利要求1所述的方法，其特征在于，所述S2具体包括：
按照公式(1)确定本次随访数据中每一检测项目数据的异常度值；
所述公式(1)为：
Figure FDA0003885227770000011
其中，ai为本次随访数据中第i个检测项目数据的异常度值；
Ai为本次随访数据中第i个检测项目数据的实际值；
Bi为本次随访数据中第i个检测项目数据所对应的理论上的健康状态下的数值；
按照异常度值从大到小，将所述本次随访数据中所有的检测项目数据进行排序；
根据排序靠前的3项检测项目数据，确定所述本次随访数据所对应的乳腺肿瘤患者可能出现的症状为第一症状情况。
3.根据权利要求2所述的方法，其特征在于，所述根据排序靠前的3项检测项目数据，确定所述本次随访数据所对应的乳腺肿瘤患者可能出现的症状为第一症状情况，具体包括：
在排序靠前的3项检测项目数据中，分别确定排序靠前的第一位的检测项目数据所对应的相关性最大的症状情况、排序靠前的第二位的检测项目数据所对应的相关性最大的症状情况、排序靠前的第三位的检测项目数据所对应的相关性最大的症状情况；
其中，若在排序靠前的3项检测项目数据分别所对应的相关性最大的症状情况相同，则将相同的症状情况作为第一症状情况；
若在排序靠前的3项检测项目数据分别所对应的相关性最大的症状情况中有2个症状情况相同，则将2个相同的症状情况作为第一症状情况；
若在排序靠前的3项检测项目数据分别所对应的相关性最大的症状情况中有3个症状情况分别不同，则将排序靠前的第一位的检测项目数据所对应的相关性最大的症状情况作为第一症状情况。
4.根据权利要求1所述的方法，其特征在于，所述S2具体包括：
根据乳腺肿瘤患者的本次随访数据和乳腺肿瘤患者上次随访数据，采用公式(2)确定本次随访数据中的每一检测项目数值和上次随访数据相比检测项目数据变化幅度最大的前3个检测项目数据；
所述公式(2)为：
Figure FDA0003885227770000021
bi为本次随访数据中第i个检测项目数据的变化幅度；
Figure FDA0003885227770000031
为上次随访数据中第i个检测项目数据的实际值；
Ai为本次随访数据中第i个检测项目数据的实际值；
根据本次随访数据中的每一检测项目数据和上次随访数据中相同的检测项目数据变化幅度最大的前3个检测项目数据，确定所述本次随访数据所对应的乳腺肿瘤患者可能出现的症状为第一症状情况；
在本次随访数据中的每一检测项目数据和上次随访数据中相同的检测项目数据变化幅度最大的前3个检测项目数据中，分别确定变化幅度最大的检测项目数据所对应的相关性最大的症状情况、变化幅度第二大的检测项目数据所对应的相关性最大的症状情况、变化幅度第三的检测项目数据所对应的相关性最大的症状情况；
其中，变化幅度最大的前3个检测项目数据分别所对应的相关性最大的症状情况相同，则将相同的症状情况作为第一症状情况；
若在变化幅度最大的前3个检测项目数据分别所对应的相关性最大的症状情况中有2个症状情况相同，则将2个相同的症状情况作为第一症状情况；
若在变化幅度最大的前3个检测项目数据分别所对应的相关性最大的症状情况中有3个症状情况分别不同，则将变化幅度最大的检测项目数据所对应的相关性最大的症状情况作为第一症状情况。
5.根据权利要求3或4所述的方法，其特征在于，
在所述S3中与所述第一症状情况相关的第一检测项目为与所述第一症状情况具有相关性的检测项目；或，与所述第一症状情况相关的第一检测项目为预先指定的与所述第一症状情况对应的检测项目。
6.根据权利要求5所述的方法，其特征在于，
所述第二症状情况为预先在K个乳腺肿瘤患者的随访数据中所统计出来的具有与本次随访数据相同的数据的乳腺肿瘤患者所可能出现的概率前两种症状情况中的一种；
其中，K大于等于1000；
其中，若第一症状情况与统计出来的具有与本次随访数据相同的数据的乳腺肿瘤患者所可能出现的概率前两种症状情况中的一种相同，则第二症状情况为统计出来的具有与本次随访数据相同的数据的乳腺肿瘤患者所可能出现的概率前两种症状情况中的另一种症状情况；
若第一症状情况与统计出来的具有与本次随访数据相同的数据的乳腺肿瘤患者所可能出现的概率前两种症状情况均相同，则第二症状情况为统计出来的具有与本次随访数据相同的数据的乳腺肿瘤患者所可能出现的概率前两种症状情况中概率最大的一种症状情况。
7.根据权利要求6所述的方法，其特征在于，
在所述S5中，所述第二检测项目数据为与为与所述第二症状情况具有相关性的检测项目。
8.根据权利要求7所述的方法，其特征在于，所述S6具体包括：
S61、基于第一检测项目数据中每一检测项目数据的异常度值，采用公式(3)获取第一数值Q1；
所述公式(3)为：
Q1＝w1(x1+x2+…xm)；
其中，xm为所述第一检测项目数据中第m个检测项目数据的异常度值；
w1为预先设定的第一权重值；
S62、基于第二检测项目数据中每一检测项目数据的异常度值，采用公式(4)获取第二数据值Q2；
所述公式(4)为：
Q2＝w2(y1+y2+...yn)；
其中，yn为所述第二检测项目数据中第n个检测项目数据的异常度值；
w2为预先设定的第二权重值；
S63、判断所述第一数值Q1和第二数值Q2的大小，得到判断结果；
S64、基于所述判断结果，确定本次随访数据中的重点检测项目数据。
9.根据权利要求8所述的方法，其特征在于，
所述预先设定的第一权重值w1，为预先采用公式(5)得到的；
所述公式(5)为：
Figure FDA0003885227770000051
其中，p1为预先在K个乳腺肿瘤患者的随访数据中所统计出来的具有与本次随访数据相同的数据的乳腺肿瘤患者所可能出现的第一症状情况的概率；
TA为预先在K个乳腺肿瘤患者的随访数据中所统计出来的乳腺肿瘤患者从开始患病到因乳腺肿瘤死亡或者痊愈的平均时间；
T1为预先在K个乳腺肿瘤患者的随访数据中所统计出来的乳腺肿瘤患者从开始出现第一症状情况的时间到因乳腺肿瘤死亡或者痊愈的平均时间；
s1为预先在K个乳腺肿瘤患者的随访数据中所统计出来的乳腺肿瘤患者出现第一症状情况后死亡的概率；
所述预先设定的第二权重值w2，为预先采用公式(6)得到的；
所述公式(6)为：
Figure FDA0003885227770000052
其中，p2为预先在K个乳腺肿瘤患者的随访数据中所统计出来的具有与本次随访数据相同的数据的乳腺肿瘤患者所可能出现的第二症状情况的概率；
T2为预先在K个乳腺肿瘤患者的随访数据中所统计出来的乳腺肿瘤患者从开始出现第二症状情况的时间到因乳腺肿瘤死亡或者痊愈的平均时间；
S2为预先在K个乳腺肿瘤患者的随访数据中所统计出来的乳腺肿瘤患者出现第二症状情况后死亡的概率。
10.根据权利要求9所述的方法，其特征在于，所述S64具体包括：
若所述判断结果为第一数值Q1的数值大于第二数值Q2的数值，则将所述第一检测项目数据作为本次随访数据中的重点检测项目数据；
若所述判断结果为第一数值Q1的数值小于等于第二数值Q2的数值，则将所述第一检测项目数据和所述第二检测项目数据作为本次随访数据中的重点检测项目数据。
CN202211242479.0A 2022-10-11 2022-10-11 一种乳腺肿瘤患者随访数据的快捷式处理方法 Active CN115631820B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211242479.0A CN115631820B (zh) 2022-10-11 2022-10-11 一种乳腺肿瘤患者随访数据的快捷式处理方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211242479.0A CN115631820B (zh) 2022-10-11 2022-10-11 一种乳腺肿瘤患者随访数据的快捷式处理方法

Publications (2)

Publication Number Publication Date
CN115631820A true CN115631820A (zh) 2023-01-20
CN115631820B CN115631820B (zh) 2023-09-26

Family

ID=84905047

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211242479.0A Active CN115631820B (zh) 2022-10-11 2022-10-11 一种乳腺肿瘤患者随访数据的快捷式处理方法

Country Status (1)

Country Link
CN (1) CN115631820B (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112002410A (zh) * 2020-08-20 2020-11-27 医渡云（北京）技术有限公司 传染病疾病状态预测方法及装置、存储介质、电子设备
CN112256754A (zh) * 2020-10-19 2021-01-22 柳州市妇幼保健院 基于标准模型的超声检测分析系统及方法
CN113990422A (zh) * 2021-10-21 2022-01-28 泰康保险集团股份有限公司 一种随访数据的采集方法和装置
CN115019958A (zh) * 2022-06-13 2022-09-06 徐泽宽 一种病例异常检测方法及设备

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112002410A (zh) * 2020-08-20 2020-11-27 医渡云（北京）技术有限公司 传染病疾病状态预测方法及装置、存储介质、电子设备
CN112256754A (zh) * 2020-10-19 2021-01-22 柳州市妇幼保健院 基于标准模型的超声检测分析系统及方法
CN113990422A (zh) * 2021-10-21 2022-01-28 泰康保险集团股份有限公司 一种随访数据的采集方法和装置
CN115019958A (zh) * 2022-06-13 2022-09-06 徐泽宽 一种病例异常检测方法及设备

Also Published As

Publication number Publication date
CN115631820B (zh) 2023-09-26

Similar Documents

Publication Publication Date Title
Okuda et al. Background and current status of postmortem imaging in Japan: short history of “Autopsy imaging (Ai)”
Karassa et al. Meta-analysis: test performance of ultrasonography for giant-cell arteritis
Xirouchaki et al. Lung ultrasound in critically ill patients: comparison with bedside chest radiography
Agrawal et al. Comparison of two techniques to measure optic nerve sheath diameter in patients at risk for increased intracranial pressure
Fruscalzo et al. Reliability of cervix elastography in the late first and second trimester of pregnancy
JP6671322B2 (ja) 医療情報提供装置および医療情報提供装置の作動方法並びに医療情報提供プログラム
US20060153434A1 (en) Thick-slice display of medical images
Santorelli et al. Not so FAST—chest ultrasound underdiagnoses traumatic pneumothorax
Singh et al. Deep learning for explainable estimation of mortality risk from myocardial positron emission tomography images
Sirlin et al. Screening US for blunt abdominal trauma: objective predictors of false-negative findings and missed injuries
Jiang et al. The value of ultrasound in diagnosis of pneumoperitoneum in emergent or critical conditions: a meta-analysis
Rava et al. Enhancing performance of a computed tomography perfusion software for improved prediction of final infarct volume in acute ischemic stroke patients
Peng et al. Deep learning-based computed tomography image segmentation and volume measurement of intracerebral hemorrhage
Oshinsky et al. The usefullness of subclavian artery ultrasound assessment in giant cell arteritis evaluation
EP3362925B1 (en) Systems and methods for generating correct radiological recommendations
JP7330744B2 (ja) 医用情報処理装置、オーダリングシステム及びプログラム
Geyer et al. The role of follow-up ultrasound and clinical parameters after abdominal MDCT in patients with multiple trauma
CN115631820A (zh) 一种乳腺肿瘤患者随访数据的快捷式处理方法
GB2573193A (en) System and method for using imaging quality metric ranking
Hattori et al. The relationship between three signs of fetal magnetic resonance imaging and severity of congenital diaphragmatic hernia
JP6128383B2 (ja) ３次元画像解析表示制御装置および方法並びにプログラム
D'Ardenne et al. Oculomotor behavior of radiologists reading digital breast tomosynthesis (DBT)
Trieu et al. Variations of image interpretations of radiologists from different populations in mammography and tomosynthesis with different levels of breast density
JP2010097476A (ja) 画像検索装置及びその方法
Stigall-Weikle et al. Sonographic cardiovascular assessment of the aorta: pilot of a modified image grading system

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
GR01 Patent grant
GR01 Patent grant