CN116096290A - 疾病预测诊断方法及装置 - Google Patents
疾病预测诊断方法及装置 Download PDFInfo
- Publication number
- CN116096290A CN116096290A CN202180062280.7A CN202180062280A CN116096290A CN 116096290 A CN116096290 A CN 116096290A CN 202180062280 A CN202180062280 A CN 202180062280A CN 116096290 A CN116096290 A CN 116096290A
- Authority
- CN
- China
- Prior art keywords
- spine
- spinal
- electronic device
- curvature
- pain
- 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
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 title claims abstract description 96
- 201000010099 disease Diseases 0.000 title claims abstract description 95
- 238000003745 diagnosis Methods 0.000 title claims abstract description 87
- 238000000034 method Methods 0.000 title claims abstract description 80
- 208000002193 Pain Diseases 0.000 claims abstract description 104
- 231100000430 skin reaction Toxicity 0.000 claims abstract description 72
- 230000002996 emotional effect Effects 0.000 claims abstract description 41
- 210000000578 peripheral nerve Anatomy 0.000 claims abstract description 20
- 210000005036 nerve Anatomy 0.000 claims description 58
- 210000000056 organ Anatomy 0.000 claims description 57
- 206010039722 scoliosis Diseases 0.000 claims description 54
- 238000013135 deep learning Methods 0.000 claims description 46
- 230000036541 health Effects 0.000 claims description 35
- 210000001032 spinal nerve Anatomy 0.000 claims description 30
- 239000004020 conductor Substances 0.000 claims description 27
- 208000024891 symptom Diseases 0.000 claims description 27
- 230000008859 change Effects 0.000 claims description 25
- 238000005452 bending Methods 0.000 claims description 14
- 238000012544 monitoring process Methods 0.000 claims description 14
- 210000000115 thoracic cavity Anatomy 0.000 claims description 14
- 230000008451 emotion Effects 0.000 claims description 11
- 208000000875 Spinal Curvatures Diseases 0.000 claims description 9
- 238000013480 data collection Methods 0.000 claims description 9
- 230000003287 optical effect Effects 0.000 claims description 8
- 230000005856 abnormality Effects 0.000 claims description 7
- 230000035479 physiological effects, processes and functions Effects 0.000 claims description 7
- 230000002265 prevention Effects 0.000 claims description 7
- 206010072005 Spinal pain Diseases 0.000 claims description 6
- 230000036651 mood Effects 0.000 claims description 2
- 206010027940 Mood altered Diseases 0.000 abstract description 4
- 230000007510 mood change Effects 0.000 abstract description 4
- 238000004891 communication Methods 0.000 description 34
- 238000012545 processing Methods 0.000 description 15
- 238000010586 diagram Methods 0.000 description 14
- 238000001514 detection method Methods 0.000 description 11
- 238000012546 transfer Methods 0.000 description 9
- 230000002159 abnormal effect Effects 0.000 description 4
- 238000002591 computed tomography Methods 0.000 description 4
- 238000002595 magnetic resonance imaging Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 210000000988 bone and bone Anatomy 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000003862 health status Effects 0.000 description 2
- 230000005180 public health Effects 0.000 description 2
- 230000005855 radiation Effects 0.000 description 2
- 210000000278 spinal cord Anatomy 0.000 description 2
- 208000005198 spinal stenosis Diseases 0.000 description 2
- 206010073306 Exposure to radiation Diseases 0.000 description 1
- 206010021118 Hypotonia Diseases 0.000 description 1
- 206010058907 Spinal deformity Diseases 0.000 description 1
- 208000020307 Spinal disease Diseases 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 239000008280 blood Substances 0.000 description 1
- 210000004369 blood Anatomy 0.000 description 1
- 230000036772 blood pressure Effects 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 210000001217 buttock Anatomy 0.000 description 1
- 210000000845 cartilage Anatomy 0.000 description 1
- 210000001175 cerebrospinal fluid Anatomy 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 208000035475 disorder Diseases 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000005713 exacerbation Effects 0.000 description 1
- 238000002347 injection Methods 0.000 description 1
- 239000007924 injection Substances 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000036640 muscle relaxation Effects 0.000 description 1
- 230000008035 nerve activity Effects 0.000 description 1
- 230000000926 neurological effect Effects 0.000 description 1
- 239000000843 powder Substances 0.000 description 1
- 238000007665 sagging Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 239000000243 solution Substances 0.000 description 1
- 210000000106 sweat gland Anatomy 0.000 description 1
- 230000035900 sweating Effects 0.000 description 1
- 230000002889 sympathetic effect Effects 0.000 description 1
- 210000002820 sympathetic nervous system Anatomy 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 210000001519 tissue Anatomy 0.000 description 1
- 238000002604 ultrasonography Methods 0.000 description 1
- 210000001835 viscera Anatomy 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/45—For evaluating or diagnosing the musculoskeletal system or teeth
- A61B5/4538—Evaluating a particular part of the muscoloskeletal system or a particular medical condition
- A61B5/4561—Evaluating static posture, e.g. undesirable back curvature
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/0048—Detecting, measuring or recording by applying mechanical forces or stimuli
- A61B5/0057—Detecting, measuring or recording by applying mechanical forces or stimuli by applying motion other than vibrations, e.g. rolling, rubbing, applying a torque, tribometry
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/05—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves
- A61B5/053—Measuring electrical impedance or conductance of a portion of the body
- A61B5/0531—Measuring skin impedance
- A61B5/0533—Measuring galvanic skin response
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
- A61B5/107—Measuring physical dimensions, e.g. size of the entire body or parts thereof
- A61B5/1077—Measuring of profiles
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/16—Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state
- A61B5/165—Evaluating the state of mind, e.g. depression, anxiety
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/40—Detecting, measuring or recording for evaluating the nervous system
- A61B5/4029—Detecting, measuring or recording for evaluating the nervous system for evaluating the peripheral nervous systems
- A61B5/4041—Evaluating nerves condition
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/45—For evaluating or diagnosing the musculoskeletal system or teeth
- A61B5/4538—Evaluating a particular part of the muscoloskeletal system or a particular medical condition
- A61B5/4566—Evaluating the spine
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/48—Other medical applications
- A61B5/4824—Touch or pain perception evaluation
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
- A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
- A61B5/7267—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems involving training the classification device
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61H—PHYSICAL THERAPY APPARATUS, e.g. DEVICES FOR LOCATING OR STIMULATING REFLEX POINTS IN THE BODY; ARTIFICIAL RESPIRATION; MASSAGE; BATHING DEVICES FOR SPECIAL THERAPEUTIC OR HYGIENIC PURPOSES OR SPECIFIC PARTS OF THE BODY
- A61H1/00—Apparatus for passive exercising; Vibrating apparatus ; Chiropractic devices, e.g. body impacting devices, external devices for briefly extending or aligning unbroken bones
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61H—PHYSICAL THERAPY APPARATUS, e.g. DEVICES FOR LOCATING OR STIMULATING REFLEX POINTS IN THE BODY; ARTIFICIAL RESPIRATION; MASSAGE; BATHING DEVICES FOR SPECIAL THERAPEUTIC OR HYGIENIC PURPOSES OR SPECIFIC PARTS OF THE BODY
- A61H7/00—Devices for suction-kneading massage; Devices for massaging the skin by rubbing or brushing not otherwise provided for
- A61H7/007—Kneading
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B2562/00—Details of sensors; Constructional details of sensor housings or probes; Accessories for sensors
- A61B2562/02—Details of sensors specially adapted for in-vivo measurements
- A61B2562/0219—Inertial sensors, e.g. accelerometers, gyroscopes, tilt switches
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B2562/00—Details of sensors; Constructional details of sensor housings or probes; Accessories for sensors
- A61B2562/02—Details of sensors specially adapted for in-vivo measurements
- A61B2562/0233—Special features of optical sensors or probes classified in A61B5/00
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B2562/00—Details of sensors; Constructional details of sensor housings or probes; Accessories for sensors
- A61B2562/02—Details of sensors specially adapted for in-vivo measurements
- A61B2562/0247—Pressure sensors
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/70—Means for positioning the patient in relation to the detecting, measuring or recording means
- A61B5/702—Posture restraints
Abstract
本发明公开疾病预测诊断方法及装置。本发明一实施例的利用电子装置的疾病预测诊断方法可包括如下步骤:基于皮肤电反应(Galvanic Skin Response)对情绪变化或生理变化进行跟踪;基于利用传感部的脊椎扫描(Spinal Column Scanning)对脊柱等级(vertebral level)或末梢神经(peripheral nerve)进行跟踪;以及基于上述皮肤电反应及脊椎扫描的组合自动确定与情绪现象或生理现象相关的脊柱等级(vertebral level)来确定疼痛部位,可基于所确定的上述疼痛部位预测并诊断疾病。
Description
技术领域
以下实施例涉及疾病预测诊断方法及装置,详细地,涉及基于深度学习预测诊断疾病的电子装置及其工作方法。并且,以下实施例涉及用于预测诊断脊柱侧凸的电子装置及其工作方法,更详细地,涉及基于脊柱左右两侧的压力或倾斜度掌握脊柱弯曲程度来预测诊断脊柱侧凸的电子装置及其工作方法。
背景技术
脊椎是指用于维持人体的颈、背、腰、臀、尾部分等主要骨骼的骨骼。为了实现装置对这种脊椎疾病或有关脊椎的疾病的诊断,在利用X射线(X-ray)、电子计算机断层扫描(CT)或核磁共振成像(MRI)拍摄脊椎照片后,需根据专业人员对上述脊椎照片的判断来预测诊断疾病。然而,在利用X射线(X-ray)、电子计算机断层扫描(CT)或核磁共振成像(MRI)的情况下,每次获取数据不仅花费过多的成本,而且,存在为了诊断及康复治疗而需要持续暴露在辐射下拍照的问题。
脊柱侧凸(scoliosis)作为一种代表性的脊椎变形,在通常情况下,人体脊椎存在表示“曲折状态”或“弯曲状态”的“曲线(curve)”,而脊椎弯曲分为出现在正常人的正常曲线和难以出现在正常人的非正常弯曲。
虽然需要根据侧弯程度采取不同措施,但由于,大多情况为无法识别病症或仅采取简单观察措施,因此,频繁发生恶化的事例。
韩国公开专利10-2019-0106018号涉及椎管狭窄症诊断方法及装置,所记载的技术为利用脑脊液相位差磁共振成像诊断腰椎管狭窄症的方法。
韩国授权专利10-2236820号涉及脊椎检查装置,所记载的技术为脊柱侧弯度检查装置,由于受检人员无需脱去上衣并暴露在辐射,因此,可准确轻易执行脊柱侧弯度检查。
发明内容
技术问题
本发明的实施例提供疾病预测诊断方法及装置,更详细地,提供基于深度学习通过皮肤电反应及脊椎扫描的组合自动确定与情绪现象或生理现象相关的脊柱等级(vertebral level)来确定疼痛部位的技术。
本发明的实施例提供如下的疾病预测诊断方法及装置,即,在基于脊柱等级(vertebral level)扫描脊柱(scanning)的过程中,将持续跟踪脊柱等级,当出现包括脊柱特定部位的等级中的疼痛在内的情绪现象或生理现象时,通过监测皮肤电反应并基于皮肤电反应及脊椎扫描的组合自动确定与情绪现象或生理现象相关的脊柱等级(vertebrallevel)来确定疼痛部位。
并且,本发明的实施例提供用于预测诊断脊柱侧凸的电子装置及其工作方法,更具体地,提供基于脊柱左右的压力或倾斜度掌握脊柱弯曲程度的技术。
本发明的实施例提供如下的用于预测诊断脊柱侧凸的电子装置及其工作方法,即,基于脊柱左右的压力或倾斜度测定脊柱弯曲程度来预测或诊断脊柱侧凸,可对压力差异或倾斜度差异相对较大的部分或疼痛部位进行按摩来预防脊柱侧凸。
技术方案
本发明一实施例的电子装置的工作方法可包括如下步骤:上述电子装置的皮肤电反应部基于皮肤电反应(Galvanic Skin Response)对情绪变化或生理变化进行跟踪;上述电子装置的脊椎扫描部基于利用传感部的脊椎扫描(Spinal Column Scanning)对脊柱等级(vertebral level)或末梢神经(peripheral nerve)进行跟踪;以及上述电子装置的疼痛部位确定部基于上述皮肤电反应及脊椎扫描的组合自动确定与情绪现象或生理现象相关的脊柱等级(vertebral level)来确定疼痛部位。
在基于利用上述传感部的脊椎扫描对脊柱等级或末梢神经进行跟踪的步骤中,上述电子装置的脊椎扫描部可利用光学传感器、压力传感器及超声波传感器中的一种以上传感器测定脊柱(vertebral column)长度来跟踪确定脊柱等级。
在基于上述皮肤电反应及脊椎扫描的组合自动确定与情绪现象或生理现象相关的脊柱等级来确定疼痛部位的步骤中,当出现包括脊柱特定部位的等级中的疼痛在内的情绪现象或生理现象时,上述电子装置的疼痛部位确定部可通过监测上述皮肤电反应并基于上述皮肤电反应及脊椎扫描的组合自动确定与情绪现象或生理现象相关的脊柱等级(vertebral level)来确定疼痛部位。
上述电子装置的工作方法还可包括如下步骤,在上述皮肤电反应之前,上述电子装置的神经检查病史采集部基于神经检查病史采集对疾病及症状进行跟踪。
上述电子装置的工作方法还可包括如下步骤:上述电子装置的器官相关神经连接部基于所确定的上述疼痛部位推测与情绪现象或生理现象相关的脊髓神经(spinalnerve),随着掌握上述脊髓神经(spinal nerve)支配的器官并连接器官相关神经,对上述器官的疾病状态相关症状和生理变化进行跟踪。
上述电子装置的工作方法还可包括如下步骤:上述电子装置的数据收集部基于上述疼痛部位的确定结果及连接器官相关神经来对上述器官的疾病状态相关症状和生理变化进行跟踪的结果收集对象之间所需的数据;以及上述电子装置的深度学习部利用所收集的上述数据并基于深度学习(Deep learning)预测对象的当前健康状态及未来健康状态。
上述电子装置的工作方法还可包括如下步骤,上述电子装置的疾病预测模型建模部利用基于上述深度学习(Deep learning)预测对象的当前健康状态及未来健康状态的结果来完成疾病预测模型。
上述电子装置的工作方法还可包括如下步骤,上述电子装置的个人用诊断结果收集部通过个人用诊断设备收集个人用诊断结果,可利用上述疼痛部位的确定结果、连接器官相关神经来对上述器官的疾病状态相关症状和生理变化进行跟踪的结果及所收集的上述个人用诊断结果并基于上述深度学习(Deep learning)预测对象的当前健康状态及未来健康状态。
本发明再一实施例的疾病预测诊断装置可包括:皮肤电反应部(Galvanic SkinResponse),基于皮肤电反应对情绪变化或生理变化进行跟踪;脊椎扫描部,基于利用传感部的脊椎扫描(Spinal Column Scanning)对脊柱等级(vertebral level)或末梢神经(peripheral nerve)进行跟踪;以及疼痛部位确定部,基于上述皮肤电反应及脊椎扫描的组合自动确定与情绪现象或生理现象相关的脊柱等级(vertebral level)来确定疼痛部位。
上述疾病预测诊断装置还可包括器官相关神经连接部,基于所确定的上述疼痛部位推测与情绪现象或生理现象相关的脊髓神经(spinal nerve),随着掌握上述脊髓神经(spinal nerve)支配的器官并连接器官相关神经,对上述器官的疾病状态相关症状和生理变化进行跟踪。
上述疾病预测诊断装置还可包括:数据收集部,基于上述疼痛部位的确定结果及连接器官相关神经来对上述器官的疾病状态相关症状和生理变化进行跟踪的结果收集对象之间所需的数据;以及深度学习部,利用所收集的上述数据并基于深度学习(Deeplearning)预测对象的当前健康状态及未来健康状态。
上述疾病预测诊断装置还可包括疾病预测模型建模部,利用基于上述深度学习(Deep learning)预测对象的当前健康状态及未来健康状态的结果来完成疾病预测模型。
本发明一实施例的电子装置的工作方法用于预测诊断脊柱侧凸,其可包括如下步骤:利用传感器检测脊柱左右的压力或倾斜度来测定脊柱弯曲程度;基于上述脊柱弯曲程度预测有可能出现在上述脊柱的疼痛或前后对比监测每次测定的上述脊柱弯曲程度;以及基于按照监测结果表示上述脊柱弯曲程度的曲线的增减预测诊断,对上述压力差异或倾斜度差异相对较大的部分或疼痛部位进行按摩来预防脊柱侧凸。
上述电子装置的工作方法还可包括如下步骤,在掌握上述脊柱弯曲程度之前,收集脊柱疼痛、胸椎弯曲、神经异常发现及X射线研究中的一种以上信息,可基于所收集的上述信息测定上述脊柱弯曲程度来预测疼痛或监测上述脊柱弯曲程度。
上述电子装置的工作方法还可包括如下步骤,基于皮肤电反应(Galvanic SkinResponse)对情绪变化或生理变化进行跟踪,可基于所跟踪的上述情绪变化或生理变化进行按摩来预防脊柱侧凸。
上述电子装置的工作方法还可包括如下步骤,对上述压力差异或倾斜度差异相对较大的部分或疼痛部位进行按摩来预防脊柱侧凸后,通过反馈再次选择之前的步骤进行工作,在通过上述反馈再次选择之前的步骤进行工作的步骤中,可再次测定上述脊柱弯曲程度并前后对比监测上述脊柱弯曲程度。
在测定上述脊柱弯曲程度的步骤中,可利用沿着脊柱移动的导体扫描脊柱并利用与上述导体相连接的传感器检测脊柱左右的压力或倾斜度来测定上述脊柱弯曲程度。
在测定上述脊柱弯曲程度的步骤中,可利用沿着脊柱按压的推杆(Pushing Rod)扫描脊柱并利用与上述推杆相连接的传感器检测脊柱左右的压力或倾斜度来测定上述脊柱弯曲程度
本发明再一实施例的电子装置用于预测诊断脊柱侧凸,其可包括:脊柱扫描部,利用传感器检测脊柱左右的压力或倾斜度来测定脊柱弯曲程度;侧弯预测诊断部,基于上述脊柱弯曲程度预测有可能出现在上述脊柱的疼痛或前后对比监测每次测定的上述脊柱弯曲程度;以及侧弯预防部,基于按照监测结果表示上述脊柱弯曲程度的曲线的增减预测诊断,对上述压力差异或倾斜度差异相对较大的部分或疼痛部位进行按摩来预防脊柱侧凸。
上述电子装置还可包括信息收集部,用于收集脊柱疼痛、胸椎弯曲、神经异常发现及X射线(x-ray)研究中的一种以上信息,上述侧弯预测诊断部可基于所收集的上述信息测定上述脊柱弯曲程度来预测疼痛或监测上述脊柱弯曲程度。
上述电子装置还可包括皮肤电反应部,基于皮肤电反应(Galvanic SkinResponse)对情绪变化或生理变化进行跟踪,上述侧弯预防部可基于所跟踪的上述情绪变化或生理变化进行按摩来预防脊柱侧凸。
上述电子装置还可包括反馈部,对上述压力差异或倾斜度差异相对较大的部分或疼痛部位进行按摩来预防脊柱侧凸后,通过反馈再次选择之前的步骤进行工作,上述反馈部可再次测定上述脊柱弯曲程度并前后对比监测上述脊柱弯曲程度。
发明的效果
本发明实施例提供的疾病预测诊断方法及装置具有如下效果,即,在基于脊柱等级(vertebral level)扫描脊柱(scanning)期间持续跟踪脊柱等级,当出现包括脊柱特定部位的等级中的疼痛在内的情绪现象或生理现象时,可通过监测皮肤电反应并基于皮肤电反应及脊椎扫描的组合自动确定与情绪现象或生理现象相关的脊柱等级(vertebrallevel)来确定疼痛部位。
并且,本发明实施例提供的电子装置可用于预测诊断脊柱侧凸,基于脊柱左右的压力或倾斜度测定脊柱弯曲程度来预测或诊断脊柱侧凸,可对压力差异或倾斜度差异相对较大的部分或疼痛部位进行按摩来预防脊柱侧凸。
附图说明
图1为用于说明本发明一实施例的脊椎扫描装置的图。
图2为用于说明本发明一实施例的脊椎扫描装置的工作的图。
图3为示出本发明一实施例的电子装置的图。
图4为示出本发明一实施例的疾病预测诊断装置的框图。
图5为用于说明本发明一实施例的疾病预测诊断装置的工作的图。
图6为示出本发明一实施例的疾病预测诊断方法的流程图。
图7为用于说明本发明一实施例的胸椎(Thoracic)横截面及利用传感器测定压力及倾斜度的图。
图8为示出本发明一实施例的脊柱扫描装置的例示图。
图9为示出本发明一实施例的脊柱扫描装置的工作的例示图。
图10为示出本发明一实施例的脊柱扫描装置的另一例示图。
图11为用于说明本发明一实施例的脊柱扫描装置的工作的例示图。
图12为示出本发明一实施例的电子装置的图。
图13为示出本发明一实施例的用于预测诊断脊柱侧凸的电子装置的框图。
图14为示出本发明一实施例的用于预测诊断脊柱侧凸的电子装置的工作方法的图。
具体实施方式
以下,参照附图说明实施例。但是,所说明的实施例可变形成多种实施方式,本发明的范围并不限定于以下说明的实施例。并且,在此提供的多个实施例仅用于本发明所属技术领域的普通技术人员能够完全理解本发明。为了参照附图进一步明确说明本发明,结构要素的形状及尺寸等可被放大示出。
图1为用于说明本发明一实施例的脊椎扫描装置的图。
参照图1,本发明一实施例的脊椎扫描装置100可包括辊110、传感部120及导轨130。
随着辊110与使用人员的身体部位相接触并沿着脊椎移动,可实现脊椎扫描。辊110可以为一种以上的球形状或圆筒形状,例如,可以为类似于哑铃的形状,但是,辊110的形状并不局限于此。
当辊110沿着脊椎移动时,传感部120可确定脊椎等级。例如,传感部120由压力传感器、超声波传感器、光学传感器等组成,当辊110沿着脊椎移动时,可确定脊椎等级。在此情况下,传感部120设置在辊110的下侧,可以与辊110一并移动,但是,传感部120的位置并不局限于此。
导轨130可引导辊110从一侧朝向另一侧方向移动。即,随着辊110沿着导轨130从一侧移动到另一侧,可扫描使用人员的脊椎。
此时,使用人员可躺在导轨130的上侧或躺在由导轨130组成的板或床上,在辊110沿着导轨130进行移动的情况下,可通过与导轨110一并移动的传感部120扫描脊椎并确定脊椎等级。以上,虽作为示例说明了使用人员躺着进行脊椎扫描的方式,但是,也可在直立状态下进行脊椎扫描。
图2为用于说明本发明一实施例的脊椎扫描装置的工作的图。
参照图2,本发明一实施例的脊椎扫描装置200可包括驱动模块210、移送马达220、传感部230及控制部240,根据实施例,还可包括通信部250。
驱动模块210可使得辊通过旋转与使用人员的身体部位相接触并沿着脊椎移动。这种驱动模块210可通过移送马达220从一侧移动到另一侧。并且,根据实施例,驱动模块210可按照预设强度调节身体接触部位的高度。
移送马达220可使得驱动模块210从一侧移动到另一侧。在此情况下,随着使得驱动模块210在导轨内从一侧移动到另一侧,驱动模块210可沿着使用人员的脊椎进行移动。
传感部230由压力传感器、超声波传感器、光学传感器等组成,当驱动模块210沿着脊椎进行移动时,可确定脊椎等级。
而且,控制部240可控制驱动模块210、移送马达220及传感部230的工作,可收集从传感部230获取的传感数据或通过通信部250向外部终端传输。
图3为示出本发明一实施例的电子装置的图。
参照图3,本发明一实施例的电子装置300可包括输入模块310、输出模块320、存储器330或处理器340中的一种以上。
输入模块310可从电子装置300的外部接收用于电子装置300的结构要素的指令或数据。输入模块310可包括使得用户直接向电子装置300输入指令或数据的输入装置及通过与外部电子装置进行有线通信或无线通信来接收指令或数据的通信装置中的至少一种。例如,输入装置可包括麦克风(microphone)、鼠标(mouse)、键盘(keyboard)或摄像头(camera)中的至少一种。例如,通信装置可包括有线通信装置或无线通信装置中的至少一种,无线通信装置可包括近距离通信装置或远距离通信装置中的至少一种。
输出模块320可向电子装置300的外部提供信息。输出模块320可包括以音频方式输出信息的音频输出装置、以视频方式输出信息的显示装置及通过与外部电子装置进行有线通信或无线通信来传输信息的通信装置中的至少一种。例如,通信装置可包括有线通信装置或无线通信装置中的至少一种,无线通信装置可包括近距离通信装置或远距离通信装置中的至少一种。
存储器330可存储用于电子装置300的结构要素的数据。数据可包括程序、与程序相关指令有关的输入数据或输出数据。例如,存储器330可包括易失性存储器和非易失性存储器中的至少一种。
处理器340可通过执行存储在存储器330的程序来控制电子装置300的结构要素,可执行数据处理或运算。在此情况下,处理器340可包括皮肤电反应部、脊椎扫描部及疼痛部位确定部,还可包括神经检查病史采集部、器官相关神经连接部、数据收集部、深度学习部及疾病预测模型建模部。
图4为示出本发明一实施例的疾病预测诊断装置的框图。
参照图4,本发明一实施例的疾病预测诊断装置400可包括皮肤电反应部420、脊椎扫描部430及疼痛部位确定部440。根据实施例,疾病预测诊断装置400还可包括神经检查病史采集部410、器官相关神经连接部450、数据收集部460、深度学习部470及疾病预测模型建模部480。其中,疾病预测诊断装置400可设置在图3的处理器340。
首先,神经检查病史采集部410执行普通的问诊过程,可通过这种过程记录对象的出生日期、性别、主要症状疾病及OPQRST(Onset(发病情况)、Provokes/Palliates(加剧/缓解因素)、Quality(性质)、Radiates(放射痛)、Severity(严重程度)、Time(持续时间))等。此时,可通过医生等管理人员向输入装置输入对象的信息或通过对象向输入装置输入信息来接收神经检查病史采集信息。
皮肤电反应部420可基于皮肤电反应(Galvanic Skin Response)对情绪变化或生理变化进行跟踪。
并且,脊椎扫描部430可基于利用传感部的脊椎扫描(Spinal Column Scanning)对脊柱等级(vertebral level)或末梢神经(peripheral nerve)进行跟踪。
疼痛部位确定部440可基于皮肤电反应及脊椎扫描的组合自动确定与情绪现象或生理现象相关的脊柱等级(vertebral level)来确定疼痛部位。
器官相关神经连接部450可基于所确定的疼痛部位推测与情绪现象或生理现象相关的脊髓神经(spinal nerve),随着掌握脊髓神经(spinal nerve)支配的器官并连接器官相关神经,对器官的疾病状态相关症状和生理变化进行跟踪。
数据收集部460可基于疼痛部位的确定结果及连接器官相关神经来对上述器官的疾病状态相关症状和生理变化进行跟踪的结果收集对象之间所需的数据。
深度学习部470可利用所收集的数据并基于深度学习(Deep learning)预测对象的当前健康状态及未来健康状态。
疾病预测模型建模部480可利用基于深度学习(Deep learning)预测对象的当前健康状态及未来健康状态的结果来完成疾病预测模型。可利用这种疾病预测模型预测并诊断疾病或用作新数据。
以下示例说明疾病预测诊断装置的工作及结构。
图5为用于说明本发明一实施例的疾病预测诊断装置的工作的图。
参照图5,图5简要示出电子装置包括的疾病预测诊断装置500的工作。神经检查病史采集(History taking)501为普通的问诊过程,可通过这种过程记录对象的出生日期、性别、主要症状疾病及OPQRST等。可基于这种神经检查病史采集对疾病及症状进行跟踪。
皮肤电反应(GSR,Galvanic Skin Response)502传感器可对疼痛引起的情绪和压力进行跟踪。当受到外部刺激时,由于通过皮肤电电阻或皮肤电电位不受意识控制的皮肤电导可随着交感神经活动的展开而变化,因此,可跟踪观察情绪变化、生理变化。
例如,皮肤电反应传感器可使用内部阻抗非常高的差分运算放大器将皮肤电阻及电导率的微小变化转换为可测定的电压。这种电压可由传感器的控制器采样。若检测到刺激,则因交感神经系统做出反应而引起汗腺出汗等多种生理变化,这种皮肤水分的微小变化可导致传感器测定的皮肤电导率及组织电导率产生变化。
可基于脊椎扫描(Spinal Column Scanning)503对脊柱等级(vertebral level)及末梢神经(peripheral nerve)进行跟踪,例如,可利用光学传感器、压力传感器、超声波传感器等扫描脊椎。
脊椎扫描503可应用光学、压力、超声波等测定脊柱(vertebral column)长度来跟踪确定脊柱等级(level)。并且,可基于脊椎扫描503对脊柱等级进行跟踪,因此,也可对相邻的脊髓神经(spinal nerve)进行跟踪。其中,脊柱是指椎骨(脊椎)与脊椎之间的椎间盘(椎间软骨、椎间盘)沿着身体的纵轴聚集成柱状的状态。
由此,可确定疼痛部位504。在基于脊柱等级(vertebral level)应用上述的脊椎扫描503技术对脊柱进行扫描(scanning)的过程中,将持续对脊柱等级进行跟踪,当出现包括脊柱特定部位的等级中的疼痛在内的情绪(心理)现象或生理现象时,可应用上述的皮肤电反应502技术进行监测。因此,除疼痛外,可基于皮肤电反应502技术及脊椎扫描503技术的组合自动确定与情绪(心理)现象或生理现象相关的脊柱等级(vertebral level)。
可通过连接器官相关神经(Possible nerve connection to viscera)505来跟踪观察相应器官的疾病状态相关症状和生理变化等。可基于疼痛部位的确定结果推测有可能对人体产生影响(例如,情绪(心理)影响或生理影响)的脊髓神经(spinal nerve)。并且,可通过掌握脊髓神经(spinal nerve)支配的主要器官来设定能够跟踪观察相应器官的疾病状态相关症状和生理变化等的目标。
而且,可收集所需数据(Data collection)506。可通过神经检查病史采集501、确定疼痛部位504及连接器官相关神经505的技术来收集对象之间临时需要的数据。
其中,可应用深度学习(Deep learning)507技术。可通过神经检查病史采集501、确定疼痛部位504及连接器官相关神经505的技术来实现深度学习(Deep learning)507,由此,不仅能够预测对象的当前健康状况,而且可预测对象的未来健康状况。
相应数据可通过区块链(blockchain)508技术来防止损坏或变形成非正常数据。
由此,可完成疾病预测模型509。
疾病预测模型509的结果可被再次反馈(feedback)510并用作重复数据或新信息。例如,当通过疾病预测模型509接收与疾病或症状有关的信息时,可基于使用人员的皮肤电反应轻易预测或诊断疾病。并且,随着疾病预测模型509完成度的提高,疾病预测模型509可应用于医疗保健产业(Health care industry)、公共保健(Public health care)领域。
并且,相应技术可用作疾病预测变数,可向确定疼痛部位504的技术与连接器官相关神经505的技术之间应用心率、心搏图、脑电波、血压、心电图、血糖检测盒等家庭个人用诊断设备结果511来提高深度学习(Deep learning)507结果值的可靠度。
图6为示出本发明一实施例的疾病预测诊断方法的流程图。
参照图6,本发明一实施例的利用电子装置的疾病预测诊断方法包括:步骤S120,基于皮肤电反应(Galvanic Skin Response)对情绪变化或生理变化进行跟踪;步骤S130,基于利用传感部的脊椎扫描(Spinal Column Scanning)对脊柱等级(vertebral level)或末梢神经(peripheral nerve)进行跟踪;以及步骤S140,基于上述皮肤电反应及脊椎扫描的组合自动确定与情绪现象或生理现象相关的脊柱等级(vertebral level)来确定疼痛部位。可基于所确定的上述疼痛部位预测并诊断疾病。
根据实施例,上述疾病预测诊断方法还可包括步骤S110,在上述皮肤电反应之前,基于神经检查病史采集对疾病及症状进行跟踪。
并且,上述疾病预测诊断方法还可包括步骤S150,基于所确定的疼痛部位推测与情绪现象或生理现象相关的脊髓神经(spinal nerve),随着掌握脊髓神经(spinal nerve)支配的器官并连接器官相关神经,对器官的疾病状态相关症状和生理变化进行跟踪。
并且,上述疾病预测诊断方法还可包括:步骤S160,基于疼痛部位的确定结果及连接器官相关神经对器官的疾病状态相关症状和生理变化进行跟踪的结果收集对象之间所需的数据;以及步骤S170,利用所收集的数据并基于深度学习(Deep learning)预测对象的当前健康状态及未来健康状态。
并且,上述疾病预测诊断方法还可包括步骤S180,利用基于深度学习(Deeplearning)预测对象的当前健康状态及未来健康状态的结果来完成疾病预测模型。
并且,上述疾病预测诊断方法还可包括步骤S190,通过个人用诊断设备收集个人用诊断结果。
以下,进一步详细说明本发明一实施例的疾病预测诊断方法中的各个步骤。
可以图4所示的电子装置所包括的疾病预测诊断装置为例,对本发明一实施例的疾病预测诊断方法进行更详细的说明。本发明一实施例的疾病预测诊断装置400可包括皮肤电反应部420、脊椎扫描部430及疼痛部位确定部440。根据实施例,疾病预测诊断装置400还可包括神经检查病史采集部410、器官相关神经连接部450、数据收集部460、深度学习部470及疾病预测模型建模部480。
在步骤S110中,神经检查病史采集部410可在皮肤电反应之前,基于神经检查病史采集对疾病及症状进行跟踪。这作为普通问诊过程,可通过这种过程记录对象的出生日期、性别、主要症状疾病及OPQRST等。其中,神经检查病史采集部410可通过医生等管理人员向输入装置输入对象的信息或通过对象向输入装置输入对象的信息来接收神经检查病史采集信息。
在步骤S120中,皮肤电反应部420可基于皮肤电反应(Galvanic Skin Response)对情绪变化或生理变化进行跟踪。皮肤电反应部420可对疼痛引起的情绪和压力进行跟踪。当脊椎扫描部430执行脊椎扫描时,可通过确定皮肤电反应来对情绪变化或生理变化进行跟踪。
在步骤S130中,脊椎扫描部430可基于利用传感部的脊椎扫描(Spinal ColumnScanning)对脊柱等级(vertebral level)或末梢神经(peripheral nerve)进行跟踪。其中,脊椎扫描部430可利用光学传感器、压力传感器及超声波传感器中的一种以上传感器测定脊柱(vertebral column)长度来跟踪确定脊柱等级(level)。
例如,超声波传感器可以为精密的万能型超声波传感器。万能型超声波传感器不仅能够实现位置检测间隔测定,而且可精密检测固体、粉末或液体等所有介质。这种万能型超声波传感器可通过非接触方式测定注入等级高度或垂度并对物体进行计数和监测。可随时随地用于工作,无需考虑颜色或表面材质,而且,无论对透明物体还是反光物体都可以,也可在雾霾或污染环境中使用。
在步骤S140中,疼痛部位确定部440可基于皮肤电反应及脊椎扫描的组合自动确定与情绪现象或生理现象相关的脊柱等级(vertebral level)来确定疼痛部位。
尤其,在基于脊柱等级(vertebral level)扫描脊柱(scanning)的过程中,疼痛部位确定部440将持续跟踪脊柱等级,当出现包括脊柱特定部位的等级中的疼痛在内的情绪现象或生理现象时,可通过监测皮肤电反应并基于皮肤电反应及脊椎扫描的组合自动确定与情绪现象或生理现象相关的脊柱等级(vertebral level)来确定疼痛部位。
在步骤S150中,器官相关神经连接部450基于所确定的疼痛部位推测与情绪现象或生理现象相关的脊髓神经(spinal nerve),随着掌握脊髓神经(spinal nerve)支配的器官并连接器官相关神经,可对器官的疾病状态相关症状和生理变化进行跟踪。
在步骤S160中,数据收集部460可基于上述疼痛部位的确定结果及连接器官相关神经来对上述器官的疾病状态相关症状和生理变化进行跟踪的结果收集对象之间所需的数据。
在步骤S170中,深度学习部470可利用所收集的数据并基于深度学习(Deeplearning)预测对象的当前健康状态及未来健康状态。例如,可接收皮肤电反应信息和脊柱等级(vertebral level)并基于深度学习预测诊断疾病,并且,可判断脊柱等级(vertebrallevel)是否与神经检查病史采集部410当前接收的信息相匹配。在接收到这种数据的情况下,若接收到不同脊柱等级(vertebral level),则可轻易预测诊断疾病。
在步骤S180中,疾病预测模型建模部480可利用基于深度学习(Deep learning)预测对象的当前健康状态及未来健康状态的结果来完成疾病预测模型。这种疾病预测模型可用于预测诊断疾病或用作新数据。
在步骤S190中,个人用诊断结果收集部可通过个人用诊断设备收集个人用诊断结果。由此,可利用疼痛部位的确定结果、连接器官相关神经对器官的疾病状态相关症状和生理变化进行跟踪的结果及收集的个人用诊断结果基于深度学习(Deep learning)预测对象的当前健康状态及未来健康状态来提高深度学习(Deep learning)结果值的可靠度。
图7为用于说明本发明一实施例的胸椎(Thoracic)横截面及利用传感器测定压力及倾斜度的图。
参照图7,在本发明一实施例的用于预测诊断脊柱侧凸的电子装置的工作方法中,可利用传感器测定脊柱左右的压力或倾斜度来掌握脊柱弯曲程度。
为此,以与胸椎(Thoracic)相接触或相连接的方式设置压力检测传感器和/或倾斜度传感器后,可基于脊椎左右的压力或倾斜度测定脊柱弯曲程度来预测诊断脊柱侧凸。并且,可针对压力差异或倾斜度差异相对较大的部分或疼痛部位进行按摩来预防脊柱侧凸。
以下,进一步详细说明本发明一实施例的用于预测诊断脊柱侧凸的电子装置的工作方法。
图8为示出本发明一实施例的脊柱扫描装置的例示图,图9为示出本发明一实施例的脊柱扫描装置的工作的例示图。
参照图8及图9,可利用沿着脊柱移动的导体扫描脊柱并利用与导体相连接的传感器检测脊柱左右的压力或倾斜度来测定脊柱弯曲程度。
例如,本发明一实施例的脊柱扫描装置800可包括导体810、传感器820及导轨830。
随着导体810与使用人员的身体部位相接触并沿着脊柱801移动,可实现脊椎扫描。导体810可以为一种以上的球形状或圆筒形状,例如,可以为类似于哑铃的形状,但是,导体810的形状并不局限于此。
当导体810沿着脊柱移动时,传感器820可确定脊柱等级。例如,传感器820由压力检测传感器、倾斜度传感器等组成,当导体810沿着脊柱移动时,可确定脊柱等级。并且,除压力检测传感器、倾斜度传感器外,可利用光学传感器、加速度传感器、角度传感器等确定脊柱等级。在此情况下,传感器820设置在导体810的下侧,可以与导体810一并移动,但是,传感器820的位置并不局限于此。
导轨830可引导导体810从一侧朝向另一侧方向移动。即,随着导体810沿着导轨830从一侧移动到另一侧,可扫描使用人员的脊柱。
此时,使用人员可躺在导轨830的上侧或躺在由导轨830组成的板或床上,在导体810沿着导轨830进行移动的情况下,可通过与导轨一并移动的传感器820扫描脊柱并确定脊柱等级。以上,虽作为示例说明了使用人员躺着进行脊柱扫描的方式,但是,也可在直立状态下进行脊柱扫描。
图10为示出本发明一实施例的脊柱扫描装置的另一例示图。
参照图10,利用被脊柱1001挤压的推杆(Pushing Rod)1010扫描脊柱,可利用与推杆1010相连接的传感器检测脊柱左右的压力或倾斜度来测定脊柱弯曲程度。其中,推杆1010被脊柱挤压的程度可随着使用人员的躺卧状态或直立状态而产生变化,在此情况下,可通过传感器测定脊柱弯曲程度。
图11为用于说明本发明一实施例的脊柱扫描装置的工作的例示图。
参照图11,本发明一实施例的脊柱扫描装置1100可包括驱动模块1110、移送马达1120、传感器1130及控制部1140,根据实施例,还可包括通信部1150。
驱动模块1110可使得导体通过旋转与使用人员的身体部位相接触并沿着脊柱移动。这种驱动模块1110可通过移送马达1120从一侧移动到另一侧。并且,根据实施例,驱动模块1110可按照预设强度调节与身体接触的部位的高度。另一方面,当使用人员躺下或直立时,驱动模块1110可改变推杆被脊柱挤压的程度。
移送马达1120可使得驱动模块1110从一侧移动到另一侧。在此情况下,随着在导轨内从一侧移动到另一侧,可使得驱动模块1110沿着使用人员的脊柱进行移动。另一方面,在利用推杆的情况下,也可省略移送马达1120。
传感器1130由压力检测传感器、倾斜度传感器等组成,因此,当驱动模块1110沿着脊柱移动时,可确定脊柱等级。
而且,控制部1140可控制驱动模块1110、移送马达1120及传感器1130的工作,可收集从传感器1130获取的传感数据或通过通信部1150向外部终端传输。
图12为示出本发明一实施例的电子装置的图。
参照图12,本发明一实施例的电子装置1200可包括输入模块1210、输出模块1220、存储器1230或处理器1240中的一种以上。
输入模块1210可从电子装置1200的外部接收用于电子装置1200的结构要素的指令或数据。输入模块1210可包括使得用户直接向电子装置1200输入指令或数据的输入装置及通过与外部电子装置进行有线通信或无线通信来接收指令或数据的通信装置中的至少一种。例如,输入装置可包括麦克风(microphone)、鼠标(mouse)、键盘(keyboard)或摄像头(camera)中的至少一种。例如,通信装置可包括有线通信装置或无线通信装置中的至少一种,无线通信装置可包括近距离通信装置或远距离通信装置中的至少一种。
输出模块1220可向电子装置1200的外部提供信息。输出模块1220可包括以音频方式输出信息的音频输出装置、以视频方式输出信息的显示装置及通过与外部电子装置进行有线通信或无线通信来传输信息的通信装置中的至少一种。例如,通信装置可包括有线通信装置或无线通信装置中的至少一种,无线通信装置可包括近距离通信装置或远距离通信装置中的至少一种。
存储器1230可存储用于电子装置1200的结构要素的数据。数据可包括程序、与程序相关指令有关的输入数据或输出数据。例如,存储器1230可包括易失性存储器和非易失性存储器中的至少一种。
处理器1240可通过执行存储在存储器1230的程序来控制电子装置1200的结构要素,可执行数据处理或运算。在此情况下,处理器1240可包括脊柱扫描部、侧弯预测诊断部及侧弯预防部,还可包括信息收集部、皮肤电反应部及反馈部。由此,处理器1240可预测诊断脊柱侧凸。
图13为示出本发明一实施例的用于预测诊断脊柱侧凸的电子装置的框图。
参照图13,本发明一实施例的用于预测诊断脊柱侧凸的电子装置1300可包括脊柱扫描部1320、侧弯预测诊断部1340及侧弯预防部1350,根据实施例,还可包括信息收集部1310、皮肤电反应部1330及反馈部1360。其中,用于预测诊断脊柱侧凸的电子装置1300可设置在图12所示的处理器1240或包括处理器1240。
首先,信息收集部1310可收集脊柱疼痛、胸椎弯曲、神经异常发现及X射线(x-ray)研究中的一种以上信息。
例如,信息收集部1310可通过医生等管理人员向输入装置输入对象的信息或通过对象向输入装置输入对象的信息来接收神经检查病史采集信息。并且,信息收集部1310可收集脊柱的严重疼痛、胸椎弯曲或非正常神经异常发现或X射线(x-ray)研究病史(history)。在基于通过侧弯预测诊断部1340收集的信息测定脊柱弯曲程度的过程中,上述信息可用于预测疼痛或监测脊柱弯曲程度。
脊柱扫描部1320可利用传感器检测脊柱左右的压力或倾斜度来测定脊柱弯曲程度。脊柱扫描部1320可基于利用传感器的脊柱扫描对脊柱等级(vertebral level)或末梢神经(peripheral nerve)进行跟踪。在此情况下,可使用作为脊柱扫描装置的导体或推杆,导体或推杆可以与压力检测传感器和/或倾斜度传感器相连接。若利用这种球形导体或杆型(rod type)物体沿着脊柱经过周围,则可扫描(scan)P到A(从背面到正面)或A到P(从正面到背面)的压力或扫描(scan)倾斜度。其中,除球形导体或杆型(rod type)物体外,也可利用其他形状的物体测定脊柱弯曲程度。
另一方面,皮肤电反应部1330可基于皮肤电反应对情绪变化或生理变化进行跟踪。由此,侧弯预防部1350可基于所跟踪的情绪变化或生理变化进行按摩来预防脊柱侧凸。
侧弯预测诊断部1340可基于脊柱弯曲程度预测有可能出现在脊柱的疼痛或前后对比监测每次测定的脊柱弯曲程度。
更具体地,侧弯预测诊断部1340可基于脊柱扫描部1320的结果监测脊柱弯曲程度,可自动确定通过皮肤电反应部1330跟踪的与情绪现象或生理现象相关的脊柱等级来确定疼痛部位。在此情况下,为了确保与情绪现象或生理现象相关的脊柱等级与疼痛部位的关联性,信息收集部1310可预先收集脊椎疼痛部位的疼痛类型或感受等信息。
侧弯预防部1350可基于按照监测结果表示脊柱弯曲程度的曲线的增减预测诊断,对压力差异或倾斜度差异相对较大的部分或疼痛部位进行按摩来预防脊柱侧凸。
在对压力差异或倾斜度差异相对较大的部分或疼痛部位进行按摩来预防脊柱侧凸后,反馈部1360可通过反馈再次选择之前的步骤进行工作。即,反馈部1360可再次测定脊柱弯曲程度并前后对比监测脊柱弯曲程度。
图14为示出本发明一实施例的用于预测诊断脊柱侧凸的电子装置的工作方法的图。
参照图14,本发明一实施例的用于预测诊断脊柱侧凸的电子装置的工作方法可包括:步骤S220,利用传感器检测脊柱左右的压力或倾斜度来测定脊柱弯曲程度;步骤S240,基于脊柱弯曲程度预测有可能出现在脊柱的疼痛或前后对比监测每次测定的脊柱弯曲程度;以及步骤S250,基于按照监测结果表示脊柱弯曲程度的曲线的增减预测诊断,对压力差异或倾斜度差异相对较大的部分或疼痛部位进行按摩来预防脊柱侧凸。
其中,上述电子装置的工作方法还可包括步骤S210,在掌握脊柱弯曲程度之前,收集脊柱疼痛、胸椎弯曲、神经异常发现及X射线(x-ray)研究中的一种以上信息。
并且,上述电子装置的工作方法还可包括步骤S230,基于皮肤电反应对情绪变化或生理变化进行跟踪。
并且,上述电子装置的工作方法还可包括步骤S260,对压力差异或倾斜度差异相对较大的部分或疼痛部位进行按摩来预防脊柱侧凸后,通过反馈再次选择之前的步骤进行工作。
以下,进一步详细说明本发明一实施例的用于预测诊断脊柱侧凸的电子装置的工作方法中的各个步骤。
可以图13所示的用于预测诊断脊柱侧凸的电子装置为例,对本发明一实施例的用于预测诊断脊柱侧凸的电子装置的工作方法进行更详细的说明。本发明一实施例的用于预测诊断脊柱侧凸的电子装置1300可包括扫描部1320、侧弯预测诊断部1340及侧弯预防部1350,根据实施例,还可包括信息收集部1310、皮肤电反应部1330及反馈部1360。
在步骤S210中,信息收集部1310可收集脊柱疼痛、胸椎弯曲、神经异常发现及X射线(x-ray)研究中的一种以上信息。在基于通过侧弯预测诊断部1340收集的信息测定脊柱弯曲程度的过程中,上述信息可用于预测疼痛或监测脊柱弯曲程度。
在步骤S220中,脊柱扫描部1320可利用传感器检测脊柱左右的压力或倾斜度来测定脊柱弯曲程度。
其中,脊柱扫描部1320可利用导体扫描脊柱或利用推杆扫描脊柱。
作为一例,脊柱扫描部1320可利用沿着脊柱移动的导体扫描脊柱并利用与导体相连接的传感器检测脊柱左右的压力或倾斜度来测定脊柱弯曲程度。
作为再一例,脊柱扫描部1320可利用被脊柱挤压的推杆扫描脊柱并利用与推杆相连接的传感器检测脊柱左右的压力或倾斜度来测定脊柱弯曲程度。
为了使得这种脊柱扫描部1320基于脊柱左右的压力或倾斜度测定脊柱弯曲程度,上述脊柱扫描部1320可使用传感器,例如,可使用压力检测传感器及倾斜度传感器。
作为一例,脊柱扫描部1320可通过与导体或推杆相连接的一个以上压力检测传感器测定脊柱左右的压力,由此,可测定脊柱弯曲程度。例如,可在脊柱的左右两侧使用两个压力检测传感器。
作为再一例,脊柱扫描部1320可通过与导体或推杆相连接的一个以上倾斜度传感器测定脊柱左右的倾斜度,由此,可测定脊柱弯曲程度。
作为另一例,脊柱扫描部1320可通过与导体或推杆相连接的压力检测传感器及倾斜度传感器均测定脊柱左右的压力及倾斜度。在此情况下,如图1所示,在脊柱左右设置有多个压力检测传感器,在多个压力检测传感器的中心设置有倾斜度传感器。
在步骤S230中,皮肤电反应部13330可基于皮肤电反应对情绪变化或生理变化进行跟踪。由此,侧弯预防部1350可基于所跟踪的情绪变化或生理变化进行按摩来预防脊柱侧凸。即,皮肤电反应部1330不仅可监测有可能出现在脊柱的严重疼痛,而且可在对基于疼痛的感受及压力进行跟踪后,应用于预防所需的按摩。
在步骤S240中,侧弯预测诊断部1340可基于脊柱弯曲程度预测有可能出现在脊柱的疼痛或前后对比监测每次测定的脊柱弯曲程度。
在步骤S250中,侧弯预防部1350基于按照监测结果表示脊柱弯曲程度的曲线的增减预测诊断,对压力差异或倾斜度差异相对较大的部分或疼痛部位进行按摩,由此,可通过维持肌肉松弛及关节的活动范围来预防脊柱侧弯。例如,侧弯预防部1350可参照表1所示的信息针对压力差异或倾斜度差异相对较大的部分或疼痛部位进行按摩。
表1示出脊柱侧凸患者的治疗及委托标准。
表1
在步骤260中,在对压力差异或倾斜度差异相对较大的部分或疼痛部位进行按摩来预防脊柱侧凸后,反馈部1360可通过反馈再次选择之前的步骤进行工作。即,反馈部1360可再次测定脊柱弯曲程度并前后对比监测脊柱弯曲程度。
如上所述,本发明实施例基于脊柱左右的压力或倾斜度测定脊柱弯曲程度来预测诊断脊柱侧凸,可对压力差异或倾斜度差异相对较大的部分或疼痛部位进行按摩来预防脊柱侧凸。
以上说明的装置可以为硬件结构要素、软件结构要素和/或硬件结构要素与软件结构要素的组合。例如,在实施例说明的装置及结构要素可利用处理器、控制器、算术逻辑单元(ALU,arithmetic logic unit)、数字信号处理器(digital signal processor)、微型计算机、现场可编程阵列(FPA,field programmable array)、可编程逻辑单元(PLU,programmable logic unit)、微型处理器或可执行响应指令(instruction)的其他任何装置的一个以上通用计算机或专用计算机来实现。处理装置可执行操作系统(OS)和在上述操作系统上运行的一个以上软件应用程序。并且,处理装置还可响应软件的执行来访问、存储、操作、处理、生成数据。为了便于理解,可将处理装置说明为使用一个元件,但本领域普通技术人员可以理解,处理装置包括多个处理元件(processing element)和/或各种类型的处理元件。例如,处理装置可以包括多个处理器或包括一个处理器和一个控制器。并且,也可以为并行处理器(parallel processor)等其他处理结构(processingconfiguration)。
软件可包括计算机程序(computer program)、代码(code)、指令(instruction)或它们中的一个以上组合,并且,可配置处理装置以根据需要进行操作,或独立地或共同地(collectively)命令处理装置。软件和/或数据可以具体表现(embody)为任何类型的机器、组件(component)、物理装置、虚拟装置(virtual equipment)、计算机存储介质或装置。软件可以分布在联网的计算机系统上,并以分布的方式存储或执行。软件和数据可以存储在一个以上的计算机可读记录介质中。
实施例的方法可由能够通过各种计算机装置执行的程序指令来实现并记录在计算机可读介质。上述计算机可读介质可包括单个或多个程序指令、数据文件、数据结构等。记录在上述介质上的程序指令可以是针对本实施例专门设计和配置的,或者,可以是计算机软件领域的技术人员已知和可用的。计算机可读介质的示例包括硬盘、软盘及磁带等磁性介质(magnetic media)、CD-ROM及DVD等光学记录介质(optical media)、软式光盘(floptical disk)等磁光介质(magneto-optical medium)及只读存储器(ROM)、随机存取存储器(RAM)、闪存等专门用于存储和执行程序指令的硬件装置。程序指令的示例不仅包括如由编译器生成的机器语言代码,而且还包括可使用解释器等通过计算机执行的高级语言代码。
以上,虽然参考限定的实施例和附图说明了实施例,但是,本发明所属技术领域的普通技术人员可基于以上内容进行多种修改及变形。例如,以不同于所述方法的顺序执行所述技术和/或以不同于所述方法的形式结合或组合的所述系统、结构、装置、电路等的组件,或者,即使被其他结构或等同技术方案代替或替换也能够实现适当结果。
因此,其他实施方式、其他实施例及等同于发明要求保护范围的内容也属于本发明的保护范围内。
Claims (22)
1.一种电子装置的工作方法,其特征在于,包括如下步骤:
上述电子装置的皮肤电反应部基于皮肤电反应对情绪变化或生理变化进行跟踪;
上述电子装置的脊椎扫描部基于利用传感部的脊椎扫描对脊柱等级或末梢神经进行跟踪;以及
上述电子装置的疼痛部位确定部基于上述皮肤电反应及脊椎扫描的组合自动确定与情绪现象或生理现象相关的脊柱等级来确定疼痛部位。
2.根据权利要求1所述的电子装置的工作方法,其特征在于,在基于利用上述传感部的脊椎扫描对脊柱等级或末梢神经进行跟踪的步骤中,上述电子装置的脊椎扫描部利用光学传感器、压力传感器及超声波传感器中的一种以上传感器测定脊柱长度来跟踪确定脊柱等级。
3.根据权利要求1所述的电子装置的工作方法,其特征在于,在基于上述皮肤电反应及脊椎扫描的组合自动确定与情绪现象或生理现象相关的脊柱等级来确定疼痛部位的步骤中,当出现包括脊柱特定部位的等级中的疼痛在内的情绪现象或生理现象时,上述电子装置的疼痛部位确定部通过监测上述皮肤电反应并基于上述皮肤电反应及脊椎扫描的组合自动确定与情绪现象或生理现象相关的脊柱等级来确定疼痛部位。
4.根据权利要求1所述的电子装置的工作方法,其特征在于,还包括如下步骤,在上述皮肤电反应之前,上述电子装置的神经检查病史采集部基于神经检查病史采集对疾病及症状进行跟踪。
5.根据权利要求1所述的电子装置的工作方法,其特征在于,还包括如下步骤,上述电子装置的器官相关神经连接部基于所确定的上述疼痛部位推测与情绪现象或生理现象相关的脊髓神经,随着掌握上述脊髓神经支配的器官并连接器官相关神经,对上述器官的疾病状态相关症状和生理变化进行跟踪。
6.根据权利要求1所述的电子装置的工作方法,其特征在于,还包括如下步骤:
上述电子装置的数据收集部基于上述疼痛部位的确定结果及连接器官相关神经来对上述器官的疾病状态相关症状和生理变化进行跟踪的结果收集对象之间所需的数据;以及
上述电子装置的深度学习部利用所收集的上述数据并基于深度学习预测对象的当前健康状态及未来健康状态。
7.根据权利要求6所述的电子装置的工作方法,其特征在于,还包括如下步骤,上述电子装置的疾病预测模型建模部利用基于上述深度学习预测对象的当前健康状态及未来健康状态的结果来完成疾病预测模型。
8.根据权利要求6所述的电子装置的工作方法,其特征在于,
还包括如下步骤,上述电子装置的个人用诊断结果收集部通过个人用诊断设备收集个人用诊断结果,
利用上述疼痛部位的确定结果、连接器官相关神经来对上述器官的疾病状态相关症状和生理变化进行跟踪的结果及所收集的上述个人用诊断结果并基于上述深度学习预测对象的当前健康状态及未来健康状态。
9.一种电子装置,其特征在于,包括:
皮肤电反应部,基于皮肤电反应对情绪变化或生理变化进行跟踪;
脊椎扫描部,基于利用传感部的脊椎扫描对脊柱等级或末梢神经进行跟踪;以及
疼痛部位确定部,基于上述皮肤电反应及脊椎扫描的组合自动确定与情绪现象或生理现象相关的脊柱等级来确定疼痛部位。
10.根据权利要求9所述的电子装置,其特征在于,还包括器官相关神经连接部,基于所确定的上述疼痛部位推测与情绪现象或生理现象相关的脊髓神经,随着掌握上述脊髓神经支配的器官并连接器官相关神经,对上述器官的疾病状态相关症状和生理变化进行跟踪。
11.根据权利要求9所述的电子装置,其特征在于,还包括:
数据收集部,基于上述疼痛部位的确定结果及连接器官相关神经来对上述器官的疾病状态相关症状和生理变化进行跟踪的结果收集对象之间所需的数据;以及
深度学习部,利用所收集的上述数据并基于深度学习预测对象的当前健康状态及未来健康状态。
12.根据权利要求11所述的电子装置,其特征在于,还包括疾病预测模型建模部,利用基于上述深度学习预测对象的当前健康状态及未来健康状态的结果来完成疾病预测模型。
13.一种电子装置的工作方法,用于预测诊断脊柱侧凸,其特征在于,包括如下步骤:
利用传感器检测脊柱左右的压力或倾斜度来测定脊柱弯曲程度;
基于上述脊柱弯曲程度预测有可能出现在上述脊柱的疼痛或前后对比监测每次测定的上述脊柱弯曲程度;以及
基于按照监测结果表示上述脊柱弯曲程度的曲线的增减预测诊断,对上述压力差异或倾斜度差异相对较大的部分或疼痛部位进行按摩来预防脊柱侧凸。
14.根据权利要求13所述的电子装置的工作方法,其特征在于,
还包括如下步骤,在掌握上述脊柱弯曲程度之前,收集脊柱疼痛、胸椎弯曲、神经异常发现及X射线研究中的一种以上信息,
基于所收集的上述信息测定上述脊柱弯曲程度来预测疼痛或监测上述脊柱弯曲程度。
15.根据权利要求13所述的电子装置的工作方法,其特征在于,
还包括如下步骤,基于皮肤电反应对情绪变化或生理变化进行跟踪,
基于所跟踪的上述情绪变化或生理变化进行按摩来预防脊柱侧凸。
16.根据权利要求13所述的电子装置的工作方法,其特征在于,
还包括如下步骤,对上述压力差异或倾斜度差异相对较大的部分或疼痛部位进行按摩来预防脊柱侧凸后,通过反馈再次选择之前的步骤进行工作,
在通过上述反馈再次选择之前的步骤进行工作的步骤中,再次测定上述脊柱弯曲程度并前后对比监测上述脊柱弯曲程度。
17.根据权利要求13所述的电子装置的工作方法,其特征在于,在测定上述脊柱弯曲程度的步骤中,利用沿着脊柱移动的导体扫描脊柱并利用与上述导体相连接的传感器检测脊柱左右的压力或倾斜度来测定上述脊柱弯曲程度。
18.根据权利要求13所述的电子装置的工作方法,其特征在于,在测定上述脊柱弯曲程度的步骤中,利用沿着脊柱按压的推杆扫描脊柱并利用与上述推杆相连接的传感器检测脊柱左右的压力或倾斜度来测定上述脊柱弯曲程度。
19.一种电子装置,用于预测诊断脊柱侧凸,其特征在于,包括:
脊柱扫描部,利用传感器检测脊柱左右的压力或倾斜度来测定脊柱弯曲程度;
侧弯预测诊断部,基于上述脊柱弯曲程度预测有可能出现在上述脊柱的疼痛或前后对比监测每次测定的上述脊柱弯曲程度;以及
侧弯预防部,基于按照监测结果表示上述脊柱弯曲程度的曲线的增减预测诊断,对上述压力差异或倾斜度差异相对较大的部分或疼痛部位进行按摩来预防脊柱侧凸。
20.根据权利要求19所述的电子装置,其特征在于,
还包括信息收集部,用于收集脊柱疼痛、胸椎弯曲、神经异常发现及X射线研究中的一种以上信息,
上述侧弯预测诊断部基于所收集的上述信息测定上述脊柱弯曲程度来预测疼痛或监测上述脊柱弯曲程度。
21.根据权利要求19所述的电子装置,其特征在于,
还包括皮肤电反应部,基于皮肤电反应对情绪变化或生理变化进行跟踪,
上述侧弯预防部基于所跟踪的上述情绪变化或生理变化进行按摩来预防脊柱侧凸。
22.根据权利要求19所述的电子装置,其特征在于,
还包括反馈部,对上述压力差异或倾斜度差异相对较大的部分或疼痛部位进行按摩来预防脊柱侧凸后,通过反馈再次选择之前的步骤进行工作,
上述反馈部再次测定上述脊柱弯曲程度并前后对比监测上述脊柱弯曲程度。
Applications Claiming Priority (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR10-2020-0085995 | 2020-07-13 | ||
KR1020200085995A KR102228817B1 (ko) | 2020-07-13 | 2020-07-13 | 질병 예측 및 진단을 위한 전자 장치 및 그 동작 방법 |
KR1020210048299A KR102302646B1 (ko) | 2021-04-14 | 2021-04-14 | 척추측만증을 예측 및 진단하기 위한 전자 장치 및 그 동작 방법 |
KR10-2021-0048299 | 2021-04-14 | ||
PCT/KR2021/008847 WO2022014977A1 (ko) | 2020-07-13 | 2021-07-09 | 질병 예측 및 진단 방법 및 장치 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116096290A true CN116096290A (zh) | 2023-05-09 |
Family
ID=79555608
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202180062280.7A Pending CN116096290A (zh) | 2020-07-13 | 2021-07-09 | 疾病预测诊断方法及装置 |
Country Status (3)
Country | Link |
---|---|
US (1) | US20230233141A1 (zh) |
CN (1) | CN116096290A (zh) |
WO (1) | WO2022014977A1 (zh) |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003225271A (ja) * | 2002-01-31 | 2003-08-12 | Sanyo Electric Co Ltd | マッサージ機 |
KR101185100B1 (ko) * | 2011-12-12 | 2012-09-21 | 주식회사 세라젬 | 온열치료기용 신체체형 판단 방법 |
EP3340876A2 (en) * | 2015-08-26 | 2018-07-04 | ResMed Sensor Technologies Limited | Systems and methods for monitoring and management of chronic disease |
KR101969986B1 (ko) * | 2017-12-08 | 2019-04-17 | 김선영 | 척추의 굴곡 검사장치 |
KR20200001328A (ko) * | 2018-06-27 | 2020-01-06 | 이재현 | 자세 교정도움 시스템 |
KR102056545B1 (ko) * | 2018-08-24 | 2019-12-17 | 주식회사 바디프랜드 | 척추 견인 마사지 제공 방법 및 장치 |
KR102228817B1 (ko) * | 2020-07-13 | 2021-03-18 | 지미경 | 질병 예측 및 진단을 위한 전자 장치 및 그 동작 방법 |
-
2021
- 2021-07-09 WO PCT/KR2021/008847 patent/WO2022014977A1/ko active Application Filing
- 2021-07-09 CN CN202180062280.7A patent/CN116096290A/zh active Pending
-
2023
- 2023-01-13 US US18/154,108 patent/US20230233141A1/en active Pending
Also Published As
Publication number | Publication date |
---|---|
WO2022014977A1 (ko) | 2022-01-20 |
US20230233141A1 (en) | 2023-07-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Adam et al. | Computer aided diagnosis of diabetic foot using infrared thermography: A review | |
Adam et al. | Automated characterization of diabetic foot using nonlinear features extracted from thermograms | |
US8965497B2 (en) | Electrophysiological analysis system and method | |
CN104321011B (zh) | 用于断层摄影成像的方法和系统 | |
JP5473327B2 (ja) | 脳内神経電気発生源を位置特定および弁別することによって脳の動的機能画像を表現するための電子装置の作動方法および装置、ならびにコンピュータプログラム製品 | |
US5755675A (en) | Method for measuring the function of joints and associated muscles | |
AU2017323663B2 (en) | System and method for generating electromagnetic treatment protocols | |
US9433363B1 (en) | Method and system for high throughput evaluation of functional cardiac electrophysiology | |
US9872622B2 (en) | Magnetic resonance thermography: high resolution imaging for thermal abnormalities | |
US20140066739A1 (en) | System and method for quantifying or imaging pain using electrophysiological measurements | |
AU2022202574B2 (en) | Body state classification | |
CN107705848B (zh) | 一种根据用户健康状况推荐调理方案的方法及系统 | |
CN115376694B (zh) | 一种肢体功能障碍的多模态自适应评估系统及方法 | |
KR102228817B1 (ko) | 질병 예측 및 진단을 위한 전자 장치 및 그 동작 방법 | |
KR101640310B1 (ko) | 뇌파 분석을 통한 조현병 환자 또는 정신질환 환자의 증상 심각도를 예측하는 방법 및 장치 | |
JP2008507325A (ja) | 治療の決定に電気的読みを使用するシステム及び方法 | |
US20230218902A1 (en) | Bioimpedance measurement method and apparatus with electrical stimulation performance | |
CN116096290A (zh) | 疾病预测诊断方法及装置 | |
KR102302646B1 (ko) | 척추측만증을 예측 및 진단하기 위한 전자 장치 및 그 동작 방법 | |
Cheshmedzhiev et al. | Electronic sensor system for registering ECG and PPG signals | |
Mohiyuddin et al. | Rheumatoid arthritis detection using thermal imaging and fuzzy-c-means algorithm | |
Tomasz et al. | Architecture of a mobile system for the analysis of biomedical signals based on electrical tomography | |
Lashkar et al. | A motion-based waveform for the detection of breathing difficulties during sleep | |
Holder | EIT Imaging of Brain and Nerves | |
KR20100096470A (ko) | 씨티 이미지를 이동한 3차원 심장 모델링 방법 |
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 |