CN116112634B - 一种基于人工智能会议平台的多端视频会议处理系统 - Google Patents

一种基于人工智能会议平台的多端视频会议处理系统 Download PDF

Info

Publication number
CN116112634B
CN116112634B CN202310352670.9A CN202310352670A CN116112634B CN 116112634 B CN116112634 B CN 116112634B CN 202310352670 A CN202310352670 A CN 202310352670A CN 116112634 B CN116112634 B CN 116112634B
Authority
CN
China
Prior art keywords
target patient
target
time period
doctor
patient
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.)
Active
Application number
CN202310352670.9A
Other languages
English (en)
Other versions
CN116112634A (zh
Inventor
钱静
魏玉涛
杜壮
万碧玉
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.)
Hkust Qianyan Technology Co ltd
Original Assignee
Hkust Qianyan Technology Co ltd
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 Hkust Qianyan Technology Co ltd filed Critical Hkust Qianyan Technology Co ltd
Priority to CN202310352670.9A priority Critical patent/CN116112634B/zh
Publication of CN116112634A publication Critical patent/CN116112634A/zh
Application granted granted Critical
Publication of CN116112634B publication Critical patent/CN116112634B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N7/00—Television systems
    • H04N7/14—Systems for two-way working
    • H04N7/15—Conference systems
    • 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
    • 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
    • G16H80/00—ICT specially adapted for facilitating communication between medical practitioners or patients, e.g. for collaborative diagnosis, therapy or health monitoring
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • Biomedical Technology (AREA)
  • Pathology (AREA)
  • Epidemiology (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Signal Processing (AREA)
  • Multimedia (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Two-Way Televisions, Distribution Of Moving Picture Or The Like (AREA)
  • Medical Treatment And Welfare Office Work (AREA)

Abstract

本发明涉及多端视频会议处理分析技术领域，具体公开一种基于人工智能会议平台的多端视频会议处理系统，该系统包括患者登陆申请模块、终端平台分配模块、患者信息分析模块、治疗方案确定模块、运动辅助分析模块、数据反馈终端和数据库，通过对患者进行智能先行决策治疗方案同时还进行后续运动辅助方案的提出，在一定程度上提高了线上会诊的工作效率，简化了问诊流程，避免使得专家疲劳度加剧，利于后续患者的病情诊断，同时还有助于增强疾病诊治水平、共享优质医疗资源和降低医疗开支，在一定程度上有利于患者更有效的身体康复，增强了患者的体质，同时还保障了患者的身体素质能够有效地提高，同时还降低了慢性疾病的复发风险。

Description

一种基于人工智能会议平台的多端视频会议处理系统
技术领域
本发明属于多端视频会议处理分析技术领域，涉及到一种基于人工智能会议平台的多端视频会议处理系统。
背景技术
偏远地区由于特殊原因，医疗卫生水平不高，地域交通不便，大部分慢性病患者看病难问题十分突出，严重影响患者的生存质量，由此凸显了医疗线上多端会诊的智能化管理的重要性。
目前对于医疗线上慢性病多端会诊大多是预约专家、咨询问诊和人为诊断这一流程，具有一定的不足性，很显然，当前对于医疗线上慢性病多端会诊管理还存在以下几点不足：
1、当前医疗线上慢性病会诊不论病情严重度都要通过专家人为诊断，在一定程度上降低了线上会诊的工作效率，无法简化流程，无法提高诊断水平及效率，同时容易使得专家疲劳度加剧，不利于后续患者的病情诊断，无法提高疾病诊治水平、无法共享优质医疗资源和无法降低医疗开支。
2、当前慢性病主要是通过线下会诊的方式进行病情诊断，不利于合理利用医疗资源，更无法打破医疗资源区域的局限性，同时还加剧了偏远地区群众因长途转诊带来的大量车旅费、生活费等额外经济负担，无法让偏远地区群众得到更优质医疗服务，不利于助推民生幸福工程的实施。
3、当前没有针对慢性病患者的治疗方案进行后续运动辅助方案的提出，在一定程度上不利于患者更有效的身体康复，无法增强患者的体质，同时还无法保障患者的身体素质能够有效地提高，不利于患者养成良好的运动习惯，不利于降低慢性疾病的风险。
发明内容
鉴于以上现有技术存在的问题，本发明提供一种基于人工智能会议平台的多端视频会议处理系统，用于解决据上述技术问题。
为了实现上述目的及其他目的，本发明采用的技术方案如下：本发明提供了一种基于人工智能会议平台的多端视频会议处理系统，该系统包括患者登陆申请模块、终端平台分配模块、患者信息分析模块、治疗方案确定模块、运动辅助分析模块、数据反馈终端和数据库。
所述患者登陆申请模块，用于目标患者登陆多端会议平台，注册填写目标患者个人信息和用药信息并提交远程多端视频会诊请求。
所述终端平台分配模块，用于接收目标患者对应的远程多端视频会诊请求，并根据目标患者对应的个人信息，进而确定目标医院对应目标患者的视频会诊医生和视频会诊时间。
所述患者信息分析模块，用于根据目标患者对应的用药信息，进而分析得出目标患者对应的患病程度评估系数。
所述治疗方案确定模块，用于根据目标患者对应的患病程度评估系数，进而对目标患者进行治疗方案确定。
所述运动辅助分析模块，用于根据目标患者对应的患病程度评估系数，进而对目标患者进行运动辅助方案确定。
所述数据反馈终端，用于将目标患者对应的治疗方案和运动辅助方案反馈至目标医院对应目标患者的视频会诊医生进行辅助决策。
所述数据库，用于存储医生排班时间段内对应的最大接待病患人数、各所属科室对应的各疾病名称和各运动辅助方案对应的身体素质评估系数，还用于存储目标医院对应各科室中各医生的设定时间段内各天的排班信息和各年龄段人群对应的参考血压值、参考心率值、参考肺活量值和参考体脂量。
需要进一步说明的是，所述目标患者个人信息包括姓名、年龄、性别、疾病名称和各项健康指标信息，目标患者用药信息包括患病时间和药物服用信息，其中，各项健康指标信息包括血压值、心率值、肺活量值和体脂量，药物服用信息包括服用药物名称、各名称药物起始服用时间、各名称药物截止服用时间、各名称药物单位时间服用次数和各名称药物各次服用克数。
需要进一步说明的是，所述确定目标医院对应目标患者的视频会诊医生和视频会诊时间，具体确定过程如下：L1、从目标患者用药信息中提取出目标患者对应的患病时间，根据计算公式
Figure SMS_1
，计算得出目标患者对应的会诊预估时长/>
Figure SMS_2
，其中，e表示为自然常数，/>
Figure SMS_3
表示为目标患者对应的患病时间，/>
Figure SMS_4
表示为设定的单位患病时间对应参考会诊预估时长。
L2、从目标患者个人信息中提取出目标患者对应的疾病名称，将目标患者对应的疾病名称与数据库存储的各所属科室对应的各疾病名称进行比对，进而得到目标患者对应的所属科室。
L3、从数据库获取得出目标医院对应各科室中各医生的设定时间段内各天的排班信息，进而提取出目标医院对应目标患者所属科室中各医生的设定时间段内各天的排班信息，其中，排班信息包括排班时间段和各排班时间段对应的接待病患数目，进而利用计算公式
Figure SMS_5
，计算得出目标医院对应目标患者所属科室中各医生的设定时间段内各天中各排班时间段对应的空闲率/>
Figure SMS_6
，其中，y表示为各医生对应的编号，/>
Figure SMS_7
，t表示为设定时间段内各天对应的编号，/>
Figure SMS_8
，p表示为各排班时间段对应的编号，
Figure SMS_9
，R表示为数据库存储的医生排班时间段内对应的最大接待病患人数，/>
Figure SMS_10
表示为目标医院对应目标患者所属科室中第y个医生的设定时间段内第t天第p个排班时间段对应的接待病患数目。
需要进一步说明的是，所述确定目标医院对应目标患者的视频会诊医生和视频会诊时间，具体确定过程还包括以下步骤：Q1、根据目标医院对应目标患者所属科室中各医生的设定时间段内各天中各排班时间段，从中提取出目标医院对应目标患者所属科室中各医生的设定时间段内各天中各排班时间段对应的时长，并将其记为参考排班时长，将其与目标患者对应的会诊预估时长进行比对，若参考排班时长大于或等于目标患者对应的会诊预估时长，则将目标医院对应目标患者所属科室中各医生的设定时间段内各天中各排班时间段对应的空闲率进行互相比对，筛选空闲率排列靠前的目标患者所属科室中的时间段作为目标医院对应目标患者的视频会诊时间，并根据目标医院对应目标患者的视频会诊时间提取出对应医生作为目标医院对应目标患者的视频会诊医生。
Q2、若参考排班时长小于目标患者对应的会诊预估时长，利用计算公式
Figure SMS_11
，计算得出会诊需要参考排班时长/>
Figure SMS_12
，其中，/>
Figure SMS_13
表示为参考排班时长，并将目标医院对应目标患者所属科室中各医生的设定时间段内各天以会诊需要参考排班时长为间隔进行划分，进而划分为目标医院对应目标患者所属科室中各医生的设定时间段内各天中各会诊需要参考排班时间段，依据目标医院对应目标患者所属科室中各医生的设定时间段内各天中各排班时间段对应的空闲率的计算方式同理计算得出目标医院对应目标患者所属科室中各医生的设定时间段内各天中各会诊需要参考排班时间段对应的空闲率，并将其进行相互比对，筛选出空闲率排列靠前的目标患者所属科室中的会诊需要参考排班时间段作为目标医院对应目标患者的视频会诊时间，并根据目标医院对应目标患者的视频会诊时间提取出对应医生作为目标医院对应目标患者的视频会诊医生。
需要进一步说明的是，所述分析得出目标患者对应的患病程度评估系数，具体分析过程如下：根据目标患者对应的用药信息，进而利用计算公式
Figure SMS_15
，计算得出目标患者对应的患病程度评估系数/>
Figure SMS_19
，其中，a1、a2和a3分别表示为设定的药物服用时间、服用克数和患病时间对应的影响因子，g表示为各名称药物对应的编号，/>
Figure SMS_22
，j表示为各服用次数对应的编号，
Figure SMS_16
，/>
Figure SMS_17
分别表示为第g种药物的起始服用时间、截止服用时间，/>
Figure SMS_20
分别表示为设定的服用药物许可期限和参考患病年限，/>
Figure SMS_23
表示为设定的单位时间许可服用药物克数，/>
Figure SMS_14
表示为第g种药物的单位时间服用次数，/>
Figure SMS_18
表示为第g种药物第j次服用对应的克数，q表示为药物名称总数目，/>
Figure SMS_21
表示为目标患者对应的患病时间。
需要进一步说明的是，所述治疗方案确定模块包括药物治疗单元和物理治疗单元。
需要进一步说明的是，所述药物治疗单元中对目标患者进行治疗方案确定，具体确定过程包括以下步骤：将目标患者对应的患病程度评估系数与设定的药物治疗参考评估指数进行比对，若目标患者对应的患病程度评估系数小于或等于设定的药物治疗参考评估指数，则对目标患者执行药物治疗方案。
需要进一步说明的是，所述物理治疗单元中对目标患者进行治疗方案确定，具体确定过程包括以下步骤：将目标患者对应的患病程度评估系数与设定的药物治疗参考评估指数进行比对，若目标患者对应的患病程度评估系数大于设定的药物治疗参考评估指数，则对目标患者采取物理治疗方案，其中，物理治疗方案包括注射治疗方案和手术治疗方案。
根据目标患者个人信息，从中提取出目标患者对应的年龄，若目标患者对应的年龄小于设定的标准年龄且目标患者对应的患病程度评估系数大于设定的手术疗参考评估指数，则判定目标患者需要接受手术治疗方案。
若目标患者对应的年龄大于设定的标准年龄，则判定目标患者需要接受手术治疗方案，反之则判定目标患者需要接受注射治疗方案。
需要进一步说明的是，所述对目标患者进行运动辅助方案确定，具体确定过程包括以下步骤：B1、若目标患者判定为药物治疗方案或注射治疗方案，则从目标患者个人信息中定位出目标患者所处的年龄段，并从数据库中提取出各年龄段人群对应的参考血压值、参考心率值、参考肺活量值和参考体脂量，进而得到目标患者对应的参考血压值、参考心率值、参考肺活量值和参考体脂量，并依次将其记为
Figure SMS_24
。
B2、根据目标患者的个人信息，提取出目标患者对应的血压值、心率值、肺活量值和体脂量，利用计算公式
Figure SMS_27
，计算得出目标患者对应的身体素质评估系数/>
Figure SMS_29
,其中，h1的计算公式为/>
Figure SMS_31
，h2的计算公式为
Figure SMS_26
，h3的计算公式为/>
Figure SMS_28
，h4的计算公式为/>
Figure SMS_30
，/>
Figure SMS_32
分别表示为目标患者对应的血压值、心率值、肺活量值、体脂量，/>
Figure SMS_25
分别表示为设定的参考血压差值、参考心率差值、参考肺活量差值、参考体脂量差值，b1、b2、b3和b4分别表示为预定义的血压值、心率值、肺活量值和体脂量对应的权重因子。
B3、将目标患者对应的身体素质评估系数与数据库中存储的各运动辅助方案对应的身体素质评估系数进行对比，进而生成目标患者对应的运动辅助方案。
如上所述，本发明提供的一种基于人工智能会议平台的多端视频会议处理系统，至少具有以下有益效果：（1）本发明提供的一种基于人工智能会议平台的多端视频会议处理系统，通过对患者进行智能先行决策治疗方案，在一定程度上提高了线上会诊的工作效率，简化了问诊流程，避免使得专家疲劳度加剧，利于后续患者的病情诊断，同时还有助于增强疾病诊治水平、共享优质医疗资源和降低医疗开支。
（2）本发明实施例通过针对慢性病患者的治疗方案进行后续运动辅助方案的提出，在一定程度上有利于患者更有效的身体康复，增强了患者的体质，同时还保障了患者的身体素质能够有效地提高，有利于患者养成良好的运动习惯，同时还降低了慢性疾病的复发风险。
（3）本发明实施例通过对偏远地区线上会诊的方式进行病情诊断，合理的利用了医疗资源，打破了医疗资源区域的局限性，同时还有效降低了偏远地区群众因长途转诊带来的大量车旅费、生活费等额外经济负担，让偏远地区群众得到更优质医疗服务，更加助推民生幸福工程的实施。
（4）本发明实施例提高了边远地区医疗服务质量，进一步推进了分级诊疗及双向转诊工作的实施，一定程度缓解了区域间医疗资源分布不均的现实矛盾，为广大患者带来了福音。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明系统各模块连接示意图。
具体实施方式
下面将结合本发明实施以上内容仅仅是对本发明的构思所作的举例和说明，所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，只要不偏离发明的构思所定义的范围，均应属于本发明的保护范围。
请参阅图1所示，一种基于人工智能会议平台的多端视频会议处理系统，该系统包括患者登陆申请模块、终端平台分配模块、患者信息分析模块、治疗方案确定模块、运动辅助分析模块、数据反馈终端和数据库。
所述患者登陆申请模块与终端平台分配模块和患者信息分析模块连接，患者信息分析模块与治疗方案确定模块和运动辅助分析模块连接，数据反馈终端与治疗方案确定模块和运动辅助分析模块连接，数据库与患者信息分析模块、治疗方案确定模块和运动辅助分析模块连接。
在一个具体的实施例中，本发明实施例主要针对于膝骨关节炎病例进行医疗线上会诊。
所述患者登陆申请模块，用于目标患者登陆多端会议平台，注册填写目标患者个人信息和用药信息并提交远程多端视频会诊请求。
在一个可能的设计中，所述目标患者个人信息包括姓名、年龄、性别、疾病名称和各项健康指标信息，目标患者用药信息包括患病时间和药物服用信息，其中，各项健康指标信息包括血压值、心率值、肺活量值和体脂量，药物服用信息包括服用药物名称、各名称药物起始服用时间、各名称药物截止服用时间、各名称药物单位时间服用次数和各名称药物各次服用克数。
所述终端平台分配模块，用于接收目标患者对应的远程多端视频会诊请求，并根据目标患者对应的个人信息，进而确定目标医院对应目标患者的视频会诊医生和视频会诊时间。
在一个可能的设计中，所述确定目标医院对应目标患者的视频会诊医生和视频会诊时间，具体确定过程如下：L1、从目标患者用药信息中提取出目标患者对应的患病时间，根据计算公式
Figure SMS_33
，计算得出目标患者对应的会诊预估时长/>
Figure SMS_34
，其中，e表示为自然常数，/>
Figure SMS_35
表示为目标患者对应的患病时间，/>
Figure SMS_36
表示为设定的单位患病时间对应参考会诊预估时长。
L2、从目标患者个人信息中提取出目标患者对应的疾病名称，将目标患者对应的疾病名称与数据库存储的各所属科室对应的各疾病名称进行比对，进而得到目标患者对应的所属科室。
L3、从数据库获取得出目标医院对应各科室中各医生的设定时间段内各天的排班信息，进而提取出目标医院对应目标患者所属科室中各医生的设定时间段内各天的排班信息，其中，排班信息包括排班时间段和各排班时间段对应的接待病患数目，进而利用计算公式
Figure SMS_37
，计算得出目标医院对应目标患者所属科室中各医生的设定时间段内各天中各排班时间段对应的空闲率/>
Figure SMS_38
，其中，y表示为各医生对应的编号，/>
Figure SMS_39
，t表示为设定时间段内各天对应的编号，/>
Figure SMS_40
，p表示为各排班时间段对应的编号，/>
Figure SMS_41
，R表示为数据库存储的医生排班时间段内对应的最大接待病患人数，/>
Figure SMS_42
表示为目标医院对应目标患者所属科室中第y个医生的设定时间段内第t天第p个排班时间段对应的接待病患数目。
在一个可能的设计中，所述确定目标医院对应目标患者的视频会诊医生和视频会诊时间，具体确定过程还包括以下步骤：Q1、根据目标医院对应目标患者所属科室中各医生的设定时间段内各天中各排班时间段，从中提取出目标医院对应目标患者所属科室中各医生的设定时间段内各天中各排班时间段对应的时长，并将其记为参考排班时长，将其与目标患者对应的会诊预估时长进行比对，若参考排班时长大于或等于目标患者对应的会诊预估时长，则将目标医院对应目标患者所属科室中各医生的设定时间段内各天中各排班时间段对应的空闲率进行互相比对，筛选空闲率排列靠前的目标患者所属科室中的时间段作为目标医院对应目标患者的视频会诊时间，并根据目标医院对应目标患者的视频会诊时间提取出对应医生作为目标医院对应目标患者的视频会诊医生。
Q2、若参考排班时长小于目标患者对应的会诊预估时长，利用计算公式
Figure SMS_43
，计算得出会诊需要参考排班时长/>
Figure SMS_44
，其中，/>
Figure SMS_45
表示为参考排班时长，并将目标医院对应目标患者所属科室中各医生的设定时间段内各天以会诊需要参考排班时长为间隔进行划分，进而划分为目标医院对应目标患者所属科室中各医生的设定时间段内各天中各会诊需要参考排班时间段，依据目标医院对应目标患者所属科室中各医生的设定时间段内各天中各排班时间段对应的空闲率的计算方式同理计算得出目标医院对应目标患者所属科室中各医生的设定时间段内各天中各会诊需要参考排班时间段对应的空闲率，并将其进行相互比对，筛选出空闲率排列靠前的目标患者所属科室中的会诊需要参考排班时间段作为目标医院对应目标患者的视频会诊时间，并根据目标医院对应目标患者的视频会诊时间提取出对应医生作为目标医院对应目标患者的视频会诊医生。
所述患者信息分析模块，用于根据目标患者对应的用药信息，进而分析得出目标患者对应的患病程度评估系数。
在一个可能的设计中，所述分析得出目标患者对应的患病程度评估系数，具体分析过程如下：根据目标患者对应的用药信息，进而利用计算公式
Figure SMS_48
，计算得出目标患者对应的患病程度评估系数
Figure SMS_50
，其中，a1、a2和a3分别表示为设定的药物服用时间、服用克数和患病时间对应的影响因子，g表示为各名称药物对应的编号，/>
Figure SMS_53
，j表示为各服用次数对应的编号，
Figure SMS_47
，/>
Figure SMS_49
分别表示为第g种药物的起始服用时间、截止服用时间，/>
Figure SMS_52
分别表示为设定的服用药物许可期限和参考患病年限，/>
Figure SMS_55
表示为设定的单位时间许可服用药物克数，/>
Figure SMS_46
表示为第g种药物的单位时间服用次数，/>
Figure SMS_51
表示为第g种药物第j次服用对应的克数，q表示为药物名称总数目，/>
Figure SMS_54
表示为目标患者对应的患病时间。
在一个具体的实施例中，单位时间表示为一天。
所述治疗方案确定模块，用于根据目标患者对应的患病程度评估系数，进而对目标患者进行治疗方案确定。
在一个可能的设计中，所述治疗方案确定模块包括药物治疗单元和物理治疗单元。
在一个可能的设计中，所述药物治疗单元中对目标患者进行治疗方案确定，具体确定过程包括以下步骤：将目标患者对应的患病程度评估系数与设定的药物治疗参考评估指数进行比对，若目标患者对应的患病程度评估系数小于或等于设定的药物治疗参考评估指数，则对目标患者执行药物治疗方案。
在一个可能的设计中，所述物理治疗单元中对目标患者进行治疗方案确定，具体确定过程包括以下步骤：将目标患者对应的患病程度评估系数与设定的药物治疗参考评估指数进行比对，若目标患者对应的患病程度评估系数大于设定的药物治疗参考评估指数，则对目标患者采取物理治疗方案，其中，物理治疗方案包括注射治疗方案和手术治疗方案。
根据目标患者个人信息，从中提取出目标患者对应的年龄，若目标患者对应的年龄小于设定的标准年龄且目标患者对应的患病程度评估系数大于设定的手术疗参考评估指数，则判定目标患者需要接受手术治疗方案。
若目标患者对应的年龄大于设定的标准年龄，则判定目标患者需要接受手术治疗方案，反之则判定目标患者需要接受注射治疗方案。
本发明实施例通过对偏远地区线上会诊的方式进行病情诊断，合理的利用了医疗资源，打破了医疗资源区域的局限性，同时还有效降低了偏远地区群众因长途转诊带来的大量车旅费、生活费等额外经济负担，让偏远地区群众得到更优质医疗服务，更加助推民生幸福工程的实施。
所述运动辅助分析模块，用于根据目标患者对应的患病程度评估系数，进而对目标患者进行运动辅助方案确定。
在一个可能的设计中，所述对目标患者进行运动辅助方案确定，具体确定过程包括以下步骤：B1、若目标患者判定为药物治疗方案或注射治疗方案，则从目标患者个人信息中定位出目标患者所处的年龄段，并从数据库中提取出各年龄段人群对应的参考血压值、参考心率值、参考肺活量值和参考体脂量，进而得到目标患者对应的参考血压值、参考心率值、参考肺活量值和参考体脂量，并依次将其记为
Figure SMS_56
。
B2、根据目标患者的个人信息，提取出目标患者对应的血压值、心率值、肺活量值和体脂量，利用计算公式
Figure SMS_57
，计算得出目标患者对应的身体素质评估系数/>
Figure SMS_58
,其中，h1的计算公式为/>
Figure SMS_59
，h2的计算公式为/>
Figure SMS_60
，h3的计算公式为/>
Figure SMS_61
，h4的计算公式为/>
Figure SMS_62
，/>
Figure SMS_63
分别表示为目标患者对应的血压值、心率值、肺活量值、体脂量，分别表示为设定的参考血压差值、参考心率差值、参考肺活量差值、参考体脂量差值，b1、b2、b3和b4分别表示为预定义的血压值、心率值、肺活量值和体脂量对应的权重因子。
B3、将目标患者对应的身体素质评估系数与数据库中存储的各运动辅助方案对应的身体素质评估系数进行对比，进而生成目标患者对应的运动辅助方案。
本发明实施例通过针对慢性病患者的治疗方案进行后续运动辅助方案的提出，在一定程度上有利于患者更有效的身体康复，增强了患者的体质，同时还保障了患者的身体素质能够有效地提高，有利于患者养成良好的运动习惯，同时还降低了慢性疾病的复发风险。
所述数据反馈终端，用于将目标患者对应的治疗方案和运动辅助方案反馈至目标医院对应目标患者的视频会诊医生进行辅助决策。
本发明实施例通过对患者进行智能先行决策治疗方案，在一定程度上提高了线上会诊的工作效率，简化了问诊流程，避免使得专家疲劳度加剧，利于后续患者的病情诊断，同时还有助于增强疾病诊治水平、共享优质医疗资源和降低医疗开支。
所述数据库，用于存储医生排班时间段内对应的最大接待病患人数、各所属科室对应的各疾病名称和各运动辅助方案对应的身体素质评估系数，还用于存储目标医院对应各科室中各医生的设定时间段内各天的排班信息和各年龄段人群对应的参考血压值、参考心率值、参考肺活量值和参考体脂量。
本发明实施例提高了边远地区医疗服务质量，进一步推进了分级诊疗及双向转诊工作的实施，一定程度缓解了区域间医疗资源分布不均的现实矛盾，为广大患者带来了福音。
以上内容仅仅是对本发明的构思所作的举例和说明，所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，只要不偏离发明的构思所定义的范围，均应属于本发明的保护范围。

Claims (7)

1.一种基于人工智能会议平台的多端视频会议处理系统，其特征在于：该系统包括患者登陆申请模块、终端平台分配模块、患者信息分析模块、治疗方案确定模块、运动辅助分析模块、数据反馈终端和数据库；
所述患者登陆申请模块，用于目标患者登陆多端会议平台，注册填写目标患者个人信息和用药信息并提交远程多端视频会诊请求；
所述终端平台分配模块，用于接收目标患者对应的远程多端视频会诊请求，并根据目标患者对应的个人信息，进而确定目标医院对应目标患者的视频会诊医生和视频会诊时间，具体确定过程如下：
L1、从目标患者用药信息中提取出目标患者对应的患病时长，根据计算公式
Figure QLYQS_1
，计算得出目标患者对应的会诊预估时长/>
Figure QLYQS_2
，其中，e表示为自然常数，
Figure QLYQS_3
表示为目标患者对应的患病时长，/>
Figure QLYQS_4
表示为设定的单位患病时长对应参考会诊预估时长；
L2、从目标患者个人信息中提取出目标患者对应的疾病名称，将目标患者对应的疾病名称与数据库存储的各所属科室对应的各疾病名称进行比对，进而得到目标患者对应的所属科室；
L3、从数据库获取得出目标医院对应各科室中各医生的设定时间段内各天的排班信息，进而提取出目标医院对应目标患者所属科室中各医生的设定时间段内各天的排班信息，其中，排班信息包括排班时间段和各排班时间段对应的接待病患数目，进而利用计算公式
Figure QLYQS_5
，计算得出目标医院对应目标患者所属科室中各医生的设定时间段内各天中各排班时间段对应的空闲率/>
Figure QLYQS_6
，其中，y表示为各医生对应的编号，/>
Figure QLYQS_7
，t表示为设定时间段内各天对应的编号，/>
Figure QLYQS_8
，p表示为各排班时间段对应的编号，
Figure QLYQS_9
，R表示为数据库存储的医生排班时间段内对应的最大接待病患人数，/>
Figure QLYQS_10
表示为目标医院对应目标患者所属科室中第y个医生的设定时间段内第t天第p个排班时间段对应的接待病患数目；
确定目标医院对应目标患者的视频会诊医生和视频会诊时间，具体确定过程还包括以下步骤：
Q1、根据目标医院对应目标患者所属科室中各医生的设定时间段内各天中各排班时间段，从中提取出目标医院对应目标患者所属科室中各医生的设定时间段内各天中各排班时间段对应的时长，并将其记为参考排班时长，将其与目标患者对应的会诊预估时长进行比对，若参考排班时长大于或等于目标患者对应的会诊预估时长，则将目标医院对应目标患者所属科室中各医生的设定时间段内各天中各排班时间段对应的空闲率进行互相比对，筛选空闲率排列靠前的目标患者所属科室中的时间段作为目标医院对应目标患者的视频会诊时间，并根据目标医院对应目标患者的视频会诊时间提取出对应医生作为目标医院对应目标患者的视频会诊医生；
Q2、若参考排班时长小于目标患者对应的会诊预估时长，利用计算公式
Figure QLYQS_11
，计算得出会诊需要参考排班时长/>
Figure QLYQS_12
，其中，/>
Figure QLYQS_13
表示为参考排班时长，并将目标医院对应目标患者所属科室中各医生的设定时间段内各天以会诊需要参考排班时长为间隔进行划分，进而划分为目标医院对应目标患者所属科室中各医生的设定时间段内各天中各会诊需要参考排班时间段，依据目标医院对应目标患者所属科室中各医生的设定时间段内各天中各排班时间段对应的空闲率的计算方式同理计算得出目标医院对应目标患者所属科室中各医生的设定时间段内各天中各会诊需要参考排班时间段对应的空闲率，并将其进行相互比对，筛选出空闲率排列靠前的目标患者所属科室中的会诊需要参考排班时间段作为目标医院对应目标患者的视频会诊时间，并根据目标医院对应目标患者的视频会诊时间提取出对应医生作为目标医院对应目标患者的视频会诊医生；
所述患者信息分析模块，用于根据目标患者对应的用药信息，进而分析得出目标患者对应的患病程度评估系数；
所述治疗方案确定模块，用于根据目标患者对应的患病程度评估系数，进而对目标患者进行治疗方案确定；
所述运动辅助分析模块，用于根据目标患者对应的患病程度评估系数，进而对目标患者进行运动辅助方案确定；
所述数据反馈终端，用于将目标患者对应的治疗方案和运动辅助方案反馈至目标医院对应目标患者的视频会诊医生进行辅助决策；
所述数据库，用于存储医生排班时间段内对应的最大接待病患人数、各所属科室对应的各疾病名称和各运动辅助方案对应的身体素质评估系数，还用于存储目标医院对应各科室中各医生的设定时间段内各天的排班信息和各年龄段人群对应的参考血压值、参考心率值、参考肺活量值和参考体脂量。
2.根据权利要求1所述的一种基于人工智能会议平台的多端视频会议处理系统，其特征在于：所述目标患者个人信息包括姓名、年龄、性别、疾病名称和各项健康指标信息，目标患者用药信息包括患病时长和药物服用信息，其中，各项健康指标信息包括血压值、心率值、肺活量值和体脂量，药物服用信息包括服用药物名称、各名称药物起始服用时间、各名称药物截止服用时间、各名称药物单位时间服用次数和各名称药物各次服用克数。
3.根据权利要求1所述的一种基于人工智能会议平台的多端视频会议处理系统，其特征在于：所述分析得出目标患者对应的患病程度评估系数，具体分析过程如下：
根据目标患者对应的用药信息，进而利用计算公式
Figure QLYQS_16
，计算得出目标患者对应的患病程度评估系数/>
Figure QLYQS_18
，其中，a1、a2和a3分别表示为设定的药物服用时间、服用克数和患病时长对应的影响因子，g表示为各名称药物对应的编号，/>
Figure QLYQS_21
，j表示为各服用次数对应的编号，/>
Figure QLYQS_15
，i表示为服用药物总次数，/>
Figure QLYQS_17
分别表示为第g种药物的起始服用时间、截止服用时间，/>
Figure QLYQS_20
分别表示为设定的服用药物许可期限和参考患病年限，/>
Figure QLYQS_22
表示为设定的单位时间许可服用药物克数，/>
Figure QLYQS_14
表示为第g种药物的单位时间服用次数，/>
Figure QLYQS_19
表示为第g种药物第j次服用对应的克数，q表示为药物名称总数目。
4.根据权利要求1所述的一种基于人工智能会议平台的多端视频会议处理系统，其特征在于：所述治疗方案确定模块包括药物治疗单元和物理治疗单元。
5.根据权利要求4所述的一种基于人工智能会议平台的多端视频会议处理系统，其特征在于：所述药物治疗单元中对目标患者进行治疗方案确定，具体确定过程包括以下步骤：
将目标患者对应的患病程度评估系数与设定的药物治疗参考评估指数进行比对，若目标患者对应的患病程度评估系数小于或等于设定的药物治疗参考评估指数，则对目标患者执行药物治疗方案。
6.根据权利要求4所述的一种基于人工智能会议平台的多端视频会议处理系统，其特征在于：所述物理治疗单元中对目标患者进行治疗方案确定，具体确定过程包括以下步骤：
将目标患者对应的患病程度评估系数与设定的药物治疗参考评估指数进行比对，若目标患者对应的患病程度评估系数大于设定的药物治疗参考评估指数，则对目标患者采取物理治疗方案，其中，物理治疗方案包括注射治疗方案和手术治疗方案；
根据目标患者个人信息，从中提取出目标患者对应的年龄，若目标患者对应的年龄小于设定的标准年龄且目标患者对应的患病程度评估系数大于设定的手术治疗参考评估指数，则判定目标患者需要接受手术治疗方案；
若目标患者对应的年龄大于设定的标准年龄，则判定目标患者需要接受手术治疗方案，反之则判定目标患者需要接受注射治疗方案。
7.根据权利要求1所述的一种基于人工智能会议平台的多端视频会议处理系统，其特征在于：所述对目标患者进行运动辅助方案确定，具体确定过程包括以下步骤：
B1、若目标患者判定为药物治疗方案或注射治疗方案，则从目标患者个人信息中定位出目标患者所处的年龄段，并从数据库中提取出各年龄段人群对应的参考血压值、参考心率值、参考肺活量值和参考体脂量，进而得到目标患者对应的参考血压值、参考心率值、参考肺活量值和参考体脂量，并依次将其记为
Figure QLYQS_23
；
B2、根据目标患者的个人信息，提取出目标患者对应的血压值、心率值、肺活量值和体脂量，利用计算公式
Figure QLYQS_25
，计算得出目标患者对应的身体素质评估系数/>
Figure QLYQS_28
,其中，h1的计算公式为/>
Figure QLYQS_30
，h2的计算公式为
Figure QLYQS_26
，h3的计算公式为/>
Figure QLYQS_27
，h4的计算公式为
Figure QLYQS_29
，/>
Figure QLYQS_31
分别表示为目标患者对应的血压值、心率值、肺活量值、体脂量，/>
Figure QLYQS_24
分别表示为设定的参考血压差值、参考心率差值、参考肺活量差值、参考体脂量差值，b1、b2、b3和b4分别表示为预定义的血压值、心率值、肺活量值和体脂量对应的权重因子；
B3、将目标患者对应的身体素质评估系数与数据库中存储的各运动辅助方案对应的身体素质评估系数进行对比，进而生成目标患者对应的运动辅助方案。
CN202310352670.9A 2023-04-04 2023-04-04 一种基于人工智能会议平台的多端视频会议处理系统 Active CN116112634B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310352670.9A CN116112634B (zh) 2023-04-04 2023-04-04 一种基于人工智能会议平台的多端视频会议处理系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310352670.9A CN116112634B (zh) 2023-04-04 2023-04-04 一种基于人工智能会议平台的多端视频会议处理系统

Publications (2)

Publication Number Publication Date
CN116112634A CN116112634A (zh) 2023-05-12
CN116112634B true CN116112634B (zh) 2023-07-14

Family

ID=86265800

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310352670.9A Active CN116112634B (zh) 2023-04-04 2023-04-04 一种基于人工智能会议平台的多端视频会议处理系统

Country Status (1)

Country Link
CN (1) CN116112634B (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006293637A (ja) * 2005-04-08 2006-10-26 Nippon Telegr & Teleph Corp <Ntt> 健康相談サービスプラットフォーム、健康相談サービスシステム、及び健康相談サービス方法
CN102244760A (zh) * 2011-04-28 2011-11-16 大连亿创天地科技发展有限公司 一种基于互联网的远程视频会诊系统
WO2017045329A1 (zh) * 2015-09-18 2017-03-23 中兴通讯股份有限公司 挂号方法和系统
CN114500494A (zh) * 2021-11-02 2022-05-13 重庆凯桥信息技术有限公司 一种基于视频通话系统与互联网医院平台解决多医院联合门诊的方法

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101039001B1 (ko) * 2010-03-04 2011-06-07 가톨릭대학교 산학협력단 협의 진료 시스템 및 그 방법
US20130060576A1 (en) * 2011-08-29 2013-03-07 Kevin Hamm Systems and Methods For Enabling Telemedicine Consultations and Patient Referrals
US20190333649A1 (en) * 2018-04-25 2019-10-31 Covidien Lp Doctor-patient video chat storyboarding
CN110164564A (zh) * 2019-05-31 2019-08-23 贵州精准健康数据有限公司 Mdt多学科会诊平台
CN113362942A (zh) * 2021-07-09 2021-09-07 重庆医科大学附属儿童医院 基于区域医联体模式的儿科危急重症医疗云平台
CN113724849A (zh) * 2021-08-31 2021-11-30 平安国际智慧城市科技股份有限公司 基于人工智能的医疗资源配置方法、装置、设备及介质
CN115662587A (zh) * 2022-10-15 2023-01-31 郑州大轩电子科技有限公司 一种远程会诊管理系统
CN115862819B (zh) * 2023-02-21 2023-05-05 山东第一医科大学第二附属医院 一种基于图像处理的医学图像管理方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006293637A (ja) * 2005-04-08 2006-10-26 Nippon Telegr & Teleph Corp <Ntt> 健康相談サービスプラットフォーム、健康相談サービスシステム、及び健康相談サービス方法
CN102244760A (zh) * 2011-04-28 2011-11-16 大连亿创天地科技发展有限公司 一种基于互联网的远程视频会诊系统
WO2017045329A1 (zh) * 2015-09-18 2017-03-23 中兴通讯股份有限公司 挂号方法和系统
CN114500494A (zh) * 2021-11-02 2022-05-13 重庆凯桥信息技术有限公司 一种基于视频通话系统与互联网医院平台解决多医院联合门诊的方法

Also Published As

Publication number Publication date
CN116112634A (zh) 2023-05-12

Similar Documents

Publication Publication Date Title
CN106874699A (zh) 一种基于iOS平台的健康管理系统
CN110111889A (zh) 急诊院前登记系统及方法
JP6262200B2 (ja) 信号ベースモニタリングからリスクベースモニタリングへ患者ケアを移行させるシステム及び方法
CN105678058A (zh) 中医辅助诊疗装置和系统
US20140039907A1 (en) Computer program, method, and system for collecting patient data with a portable electronic device
Lovell et al. Information technology in primary health care
CN110827950B (zh) 麻醉药物用量的确定方法、模型的训练方法以及模型
US20140156297A1 (en) Computer program, method, and system for pharmacist-assisted treatment of patients
CN111933278A (zh) 一种基于人工智能的慢性病管理系统
CN112420141A (zh) 一种中医健康评估系统及其应用
CN111916213A (zh) 一种基于云计算的医疗服务方法和装置
CN116112634B (zh) 一种基于人工智能会议平台的多端视频会议处理系统
CN108399950A (zh) 原发性头痛的人工智能诊断与鉴别诊断系统
JP6954568B2 (ja) 健康管理支援システム、健康管理支援方法、及びプログラム
CN111435612B (zh) 一种移动医疗个性化健康服务的方法和系统
CN112509670B (zh) 用于糖尿病的智能健康管理系统
CN113693584B (zh) 抑郁症症状预测变量的选择方法、计算机设备及存储介质
Du et al. Decision Support System for Orthgnathic diagnosis and treatment planning based on machine learning
Stead et al. Bundled Payments and Hidden Costs.
CN110223744A (zh) 糖尿病互联网院外远程强化干预方法及系统
CN111261257A (zh) 一种基于大数据的糖尿病推荐用药方法、存储介质及系统
CN112037871A (zh) 一种基于灰色关联的血透患者云医嘱服务系统
CN111524564A (zh) 一种肺炎临床辅助监测方法及系统
CN116344073B (zh) 一种慢性患者终身跟踪随访管理方法和系统
CN116403735B (zh) 一种云健康服务平台的数据交互系统及方法

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