CN116246778B - 一种肺功能检测智能诊断平台 - Google Patents
一种肺功能检测智能诊断平台 Download PDFInfo
- Publication number
- CN116246778B CN116246778B CN202310476513.9A CN202310476513A CN116246778B CN 116246778 B CN116246778 B CN 116246778B CN 202310476513 A CN202310476513 A CN 202310476513A CN 116246778 B CN116246778 B CN 116246778B
- Authority
- CN
- China
- Prior art keywords
- lung
- patient
- target
- target lung
- sub
- 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
Links
- 238000003745 diagnosis Methods 0.000 title claims abstract description 63
- 230000004199 lung function Effects 0.000 title claims abstract description 60
- 238000001514 detection method Methods 0.000 title claims abstract description 52
- 210000004072 lung Anatomy 0.000 claims abstract description 508
- 208000019693 Lung disease Diseases 0.000 claims description 76
- 230000002685 pulmonary effect Effects 0.000 claims description 58
- 238000011156 evaluation Methods 0.000 claims description 43
- 201000010099 disease Diseases 0.000 claims description 40
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims description 40
- 238000000034 method Methods 0.000 claims description 23
- 230000008569 process Effects 0.000 claims description 23
- 230000036541 health Effects 0.000 claims description 21
- 230000000241 respiratory effect Effects 0.000 claims description 14
- 230000009325 pulmonary function Effects 0.000 claims description 8
- 230000002159 abnormal effect Effects 0.000 claims description 6
- 230000029058 respiratory gaseous exchange Effects 0.000 claims description 4
- 230000006870 function Effects 0.000 claims description 2
- 238000011272 standard treatment Methods 0.000 claims 1
- 230000000694 effects Effects 0.000 abstract description 8
- 238000012216 screening Methods 0.000 abstract description 6
- 230000007547 defect Effects 0.000 abstract description 3
- 210000000038 chest Anatomy 0.000 description 6
- 230000009471 action Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000002405 diagnostic procedure Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 206010025482 malaise Diseases 0.000 description 1
- 239000000843 powder Substances 0.000 description 1
- 208000024891 symptom Diseases 0.000 description 1
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/08—Detecting, measuring or recording devices for evaluating the respiratory organs
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/0205—Simultaneously evaluating both cardiovascular conditions and different types of body conditions, e.g. heart and respiratory condition
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/50—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
-
- 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
- G16H30/00—ICT specially adapted for the handling or processing of medical images
- G16H30/20—ICT specially adapted for the handling or processing of medical images for handling medical images, e.g. DICOM, HL7 or PACS
-
- 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
- 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
- G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10072—Tomographic images
- G06T2207/10081—Computed x-ray tomography [CT]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30061—Lung
-
- 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
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Pathology (AREA)
- Physics & Mathematics (AREA)
- Veterinary Medicine (AREA)
- Heart & Thoracic Surgery (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Biophysics (AREA)
- Radiology & Medical Imaging (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Primary Health Care (AREA)
- Physiology (AREA)
- Epidemiology (AREA)
- High Energy & Nuclear Physics (AREA)
- Optics & Photonics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Cardiology (AREA)
- Pulmonology (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Dentistry (AREA)
- Quality & Reliability (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本发明公开了一种肺功能检测智能诊断平台,涉及肺功能检测技术领域;而本发明通过对目标肺部患者的肺功能进行检测,进而对目标肺部患者的肺部进行初步诊断和筛选,根据初步诊断结果提示目标肺部患者进行肺部CT拍摄,从而根据肺部CT分析目标肺部患者的肺病类型和病情等级,并分析目标肺部患者对应推荐的门诊医生,解决了当前技术中存在的不足,实现了肺部患者的智能化的初步诊断和挂号推荐,提高了肺部患者的检测速度,优化了肺部患者的就医流程,同时也降低了医护人员的工作负担,保障了肺部患者的就医效果和医护人员的工作效率,减少了医患纠纷,在一定程度上也保障了病情严重患者就诊的及时性。
Description
技术领域
本发明涉及肺功能检测技术领域,具体为一种肺功能检测智能诊断平台。
背景技术
肺功能与人们的呼吸息息相关,所以对肺功能进行检测,可以更好的预防与发现肺部的异常,但患者的医学知识储备参差不齐,部分患者可能无法判断肺部情况,从而去医院盲目挂号,因此,为了避免肺部患者盲目挂号,需要对肺部患者的肺功能进行初步诊断和筛查,从而根据初步诊断结果对肺部患者的就诊情况进行安排。
当前技术中肺部患者的肺功能检测方式主要通过医护人员使用医疗设备对患者的肺功能进行检测,很显然这种检测方式至少存在以下方面问题:
1、 医护人员进行肺功能检测前需要进行挂号,而医院中患者较多,大大增加了挂号时长,从而影响后续患者进行肺功能检测的结果,同时也无法提高患者的粉功能检测速度和就医体验感,在另一方面,也无法降低医护人员的工作负担,从而影响医生后续就诊的效果,在一定程度上也无法及时的发现病情严重患者,导致病情严重患者的就医效果降低。
2、当前患者挂号时,大多根据医院挂号区医护人员的推荐进行挂号,而患者缺乏对医院中门诊医生的了解,无法准确的根据自身本身的症状选择适合的门诊医生,不仅无法降低挂号区医护人员的工作量,也无法降低后续患者因就诊效果不佳而造成的医患纠纷,从而影响医院中其他患者的就诊时间和就诊体验感,同时也给医护人员的工作带来极大的影响和不便。
发明内容
为了解决上述问题;本发明的目的在于提供一种肺功能检测智能诊断平台。
为解决上述技术问题,本发明采用如下技术方案:一种肺功能检测智能诊断平台包括:患者信息获取与检测模块,用于获取使用指定医院中目标肺病诊断仪器对应目标肺部患者的基本信息。
患者肺功能检测模块,用于根据指定医院中目标肺病诊断仪器对应的提示,对目标肺部患者的肺功能和脉搏频率进行检测,进而采集目标肺部患者对应的检测信息和脉搏频率,同时采集目标肺部患者对应的图像。
患者初步诊断分析模块,用于根据目标肺部患者对应的检测信息、脉搏频率和图像,分析目标肺部患者对应的肺部健康评估系数,并对目标肺部患者的肺部进行初步诊断,若目标肺部患者对应肺部的初步诊断结果为异常,则提示目标肺部患者进行肺部CT图像拍摄。
患者CT图像采集与分析模块,用于获取目标肺部患者对应的肺部CT图像,进而分析目标肺部患者对应的各肺病类型和各肺病类型的病情等级。
门诊医生挂号分析模块,用于根据目标肺部患者对应的各肺病类型和各肺病类型的病情等级,分析目标肺部患者对应推荐挂号的门诊医生。
患者病例获取与存储模块,用于当目标肺部患者完成就诊后,获取目标肺部患者对应的病例信息,并将目标肺部患者对应的病例信息和肺部CT图像存储至云数据库中,其中病例信息包括各肺部患病子区域、肺部各患病子区域的肺病类型和病情等级。
云数据库,用于存储各肺部患者对应的病例信息和肺部CT图像,存储各肺部子区域的标准CT图像。
可选地,所述目标肺部患者的基本信息包括年龄、身高、体重、性别和职业。
所述目标肺部患者对应的检测信息包括用力肺活量和最大呼气流速。
可选地,所述分析目标肺部患者对应的肺部健康评估系数,具体分析过程如下:根据目标肺部患者对应的用力肺活量和最大呼气流速,分析得到目标肺部患者对应的肺功能正常评估系数,记为。
根据目标肺部患者对应的脉搏频率和图像,分析得到目标肺部患者对应的呼吸正常评估系数,记为。
通过计算公式,得到目标肺部患者对应的肺部健康评估系数/>,其中/>、/>分别为设定的肺功能正常评估系数、呼吸正常评估系数对应的权重因子。
可选地,所述分析得到目标肺部患者对应的肺功能正常评估系数,具体分析过程如下:根据目标肺部患者对应的年龄、身高、体重、性别和职业,分析得到目标肺部患者对应的标准用力肺活量、标准最大呼气流速、许可用力肺活量差和许可最大呼气流速差,分别记为、/>、/>和/>。
通过计算公式,得到目标肺部患者对应的肺功能正常评估系数/>,其中/>、/>分别表示目标肺部患者对应的用力肺活量、最大呼气流速,/>、/>分别为设定的用力肺活量、最大呼气流速对应的权重因子。
可选地,所述分析得到目标肺部患者对应的呼吸正常评估系数,具体分析过程如下:基于目标肺部患者对应的年龄、身高、体重、性别和职业,分析得到目标肺部患者对应的标准脉搏频率和许可脉搏频率差,分别记为和/>。
基于目标肺部患者的图像,建立目标肺部患者对应的3D模型,进而从目标肺部患者对应的3D模型中获取目标肺部患者胸廓前后径长度和左右径宽度,并分别记为、/>。
根据计算公式,得到目标肺部患者对应的呼吸正常评估系数/>,其中/>表示目标肺部患者对应的脉搏频率,/>为设定的胸廓前后径长度与左右径宽度的标准比值,/>、/>分别为设定的脉搏频率、胸廓前后径长度与左右径宽度比值对应的权重因子。
可选地,所述对目标肺部患者的肺部进行初步诊断,具体诊断过程如下:将目标肺部患者对应的肺部健康评估系数与设定的肺部健康评估系数阈值进行对比,若目标肺部患者对应的肺部健康评估系数大于或者等于肺部健康评估系数阈值,则判定目标肺部患者对应肺部的初步诊断结果为正常,反之则判定目标肺部患者对应肺部的初步诊断结果为异常。
可选地,所述分析目标肺部患者对应的各肺病类型和各肺病类型的病情等级,具体分析步骤如下:S1、根据目标肺部患者对应的肺部CT图像,将目标肺部患者的肺部按照肺部结构划分为各肺部子区域,由此得到目标肺部患者对应各肺部子区域的CT图像。
S2、将目标肺部患者对应各肺部子区域的CT图像与云数据库中存储的各肺部子区域的标准CT图像进行对比,若目标肺部患者对应某肺部子区域的CT图像与云数据库中存储的对应肺部子区域的标准CT图像不相同,则将目标肺部患者的该肺部子区域记为目标肺部子区域,以此方式得到目标肺部患者对应的各目标肺部子区域。
S3、基于云数据库中存储的各肺部患者对应的肺部CT图像,获取各肺部患者对应各肺部患病子区域的CT图像,进而将目标肺部患者对应各目标肺部子区域的位置与各肺部患者对应各肺部患病子区域的位置进行对比,若目标肺部患者对应某目标肺部子区域的位置与某肺部患者对应某肺部患病子区域的位置相同,则将该肺部患者对应的该肺部患病子区域作为目标肺部患者对应该目标肺部子区域的参考肺部患病子区域,以此方式得到目标肺部患者对应各目标肺部子区域的各参考肺部患病子区域CT图像。
S4、将目标肺部患者对应各目标肺部子区域的CT图像与其对应各参考肺部患病子区域CT图像进行对比,计算得到目标肺部患者对应各目标肺部子区域的CT图像与其对应各参考肺部患病子区域CT图像之间的相似度。
S5、将目标肺部患者对应各目标肺部子区域的CT图像与其对应各参考肺部患病子区域CT图像之间的相似度按照降序排序,并将排序第一的参考肺部患病子区域作为各目标肺部子区域对应的目标参考肺部患病子区域,由此得到目标肺部患者对应各目标肺部子区域的目标参考肺部患病子区域。
S6、获取目标肺部患者中各目标肺部子区域对应目标参考肺部患病子区域的肺病类型和肺病类型对应的病情等级,并作为目标肺部患者中各目标肺部子区域对应的肺病类型和肺病类型的病情等级,由此统计得到目标肺部患者对应的各肺病类型和各肺病类型的病情等级。
可选地,所述分析目标肺部患者对应推荐挂号的门诊医生,具体分析过程如下:获取指定医院中呼吸内科对应各门诊医生的医治信息,进而对各门诊医生进行编号,其中医治信息包括各擅长医治类型、医治等级和剩余挂号数。
将目标肺部患者对应的各肺病类型与各门诊医生对应的各擅长医治类型进行对比,若目标肺部患者对应的某肺病类型与某门诊医生对应的某擅长医治类型相同,则将该门诊医生对应的该擅长医治类型记为目标医治类型,由此统计各门诊医生对应的目标医治类型数量,记为,i表示各门诊医生对应的编号,/>。
将目标肺部患者对应各肺病类型的病情等级与设定的各肺病类型病情等级对应的参考医治等级进行对比,得到目标肺部患者对应各肺病类型病情等级的参考医治等级,进而选取最大参考医治等级作为目标肺部患者对应的目标参考医治等级,记为。
通过计算得到目标肺部患者与各门诊医生对应的治疗匹配系数,进而将目标肺部患者与各门诊医生对应的治疗匹配系数进行相互对应,并选取最大治疗匹配系数对应的门诊医生作为目标肺部患者对应推荐挂号的门诊医生。
可选地,所述计算得到目标肺部患者与各门诊医生对应的治疗匹配系数,具体计算过程如下:通过计算公式,得到目标肺部患者与各门诊医生对应的治疗匹配系数/>,其中/>、/>分别表示第i个门诊医生对应的医治等级、剩余挂号数,/>、/>、/>分别为设定的目标医治类型数量、医治等级、剩余挂号数对应的权重因子。
与现有技术相比,本发明的有益效果在于:
1、本发明提供的一种肺功能检测智能诊断平台,通过对目标肺部患者的肺功能进行检测,进而对目标肺部患者的肺部进行初步诊断和筛选,根据初步诊断结果提示目标肺部患者进行肺部CT拍摄,从而根据肺部CT分析目标肺部患者的肺病类型和病情等级,并分析目标肺部患者对应推荐的门诊医生,解决了当前技术中存在的不足,实现了肺部患者的智能化的初步诊断、筛选和挂号推荐,提高了肺部患者的检测速度,优化了肺部患者的就医流程,同时也降低了医护人员的工作负担,保障了肺部患者的就医效果和医护人员的工作效率,在一定程度上也保障了病情严重患者就诊的及时性。
2、本发明在患者初步诊断分析模块中通过根据目标肺部患者的检测信息、脉搏频率和胸廓前后径长度与左右径宽度比值,对目标肺部患者的肺部进行初步诊断,大大的提高了诊断结果的可靠性,降低了门诊医生繁琐的工作量,同时也实现了对肺部患者的筛选,提高了医院的工作效率。
3、本发明在患者CT图像采集与分析中通过对目标肺部患者的肺部CT图像进行采集与分析,为后续目标肺部患者挂号推荐分析提供了参考,同时也优化了肺部患者的就医流程,进一步提高肺部患者的看病效率。
4、本发明在门诊医生挂号分析模块中通过根据目标肺部病患的各肺病类型和各肺病类型的病情等级,分析目标肺部患者对应推荐挂号的门诊医生,保障了患者挂号的准确性和适配性,降低了肺部患者就诊等待时间,同时也大大的降低挂号区医护人员的工作量,有效减少了后续患者因就诊效果不佳而造成的医患纠纷,保障了医院中患者的就诊环境的秩序性和舒适性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中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为本发明系统模块结构连接示意图。
实施方式
下面将结合本发明实施例中的附图,对本发明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发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,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,都属于本发明保护的范围。
请参阅图1所示,本发明提供了一种肺功能检测智能诊断平台,包括患者信息获取与检测模块、患者肺功能检测模块、患者初步诊断分析模块、患者CT图像采集与分析模块、门诊医生挂号分析模块、患者病例获取与存储模块和云数据库。
所述患者肺功能检测模块分别与患者信息获取与检测模块和患者初步诊断分析模块连接,所述患者CT图像采集与分析模块分别与患者初步诊断分析模块、门诊医生挂号分析模块和云数据库连接,所述患者病例获取与存储模块还与门诊医生挂号分析模块和云数据库连接。
患者信息获取与检测模块,用于获取使用指定医院中目标肺病诊断仪器对应目标肺部患者的基本信息。
上述中,所述目标肺部患者的基本信息包括年龄、身高、体重、性别和职业。
上述中,获取使用指定医院中目标肺病诊断仪器对应目标肺部患者的基本信息,具体获取过程如下:目标肺部患者在使用目标肺病诊断仪器之前,根据目标肺病诊断仪器的提示,完成目标肺部患者的基本信息填写,从而得到目标肺部患者的基本信息。
患者肺功能检测模块,用于根据指定医院中目标肺病诊断仪器对应的提示,对目标肺部患者的肺功能和脉搏频率进行检测,进而采集目标肺部患者对应的检测信息和脉搏频率,同时采集目标肺部患者对应的图像。
需要说明的是,目标肺部患者在使用目标肺病诊断仪器进行肺功能检测时,目标肺病诊断仪器显示器自动显示肺功能检测的各步骤以及各步骤的教学视频,目标肺部患者根据各步骤的教学视频通过肺功能检测的仪器自行检测,在检测过程中,目标肺病诊断仪器开启摄像头,监测目标肺部患者肺功能检测时动作的标准性,若目标肺部患者在肺功能检测时的动作不标准,则目标肺病诊断仪器发出预警提示,直至目标肺部患者完成肺功能检测;当目标肺部患者完成肺功能检测后,目标肺病诊断仪器显示器自动显示脉搏频率的检测各步骤和各步骤的教学视频,并按照目标肺部患者肺功能检测过程对目标肺部患者的脉搏频率进行检测,通过目标肺病诊断仪器中的摄像头采集目标肺部患者的图像。
还需要说明的是,肺功能检测的仪器为肺功能测试仪,脉搏频率检测的仪器为脉搏测量仪。
上述中,所述目标肺部患者对应的检测信息包括用力肺活量和最大呼气流速。
患者初步诊断分析模块,用于根据目标肺部患者对应的检测信息、脉搏频率和图像,分析目标肺部患者对应的肺部健康评估系数,并对目标肺部患者的肺部进行初步诊断,若目标肺部患者对应肺部的初步诊断结果为异常,则提示目标肺部患者进行肺部CT图像拍摄。
在一个具体的实施例中,分析目标肺部患者对应的肺部健康评估系数,具体分析过程如下:根据目标肺部患者对应的用力肺活量和最大呼气流速,分析得到目标肺部患者对应的肺功能正常评估系数,记为。
根据目标肺部患者对应的脉搏频率和图像,分析得到目标肺部患者对应的呼吸正常评估系数,记为。
通过计算公式,得到目标肺部患者对应的肺部健康评估系数/>,其中/>、/>分别为设定的肺功能正常评估系数、呼吸正常评估系数对应的权重因子。
在另一个具体的实施例中,分析得到目标肺部患者对应的肺功能正常评估系数,具体分析过程如下:根据目标肺部患者对应的年龄、身高、体重、性别和职业,分析得到目标肺部患者对应的标准用力肺活量、标准最大呼气流速、许可用力肺活量差和许可最大呼气流速差,分别记为、/>、/>和/>。
上述中,分析得到目标肺部患者对应的标准用力肺活量、标准最大呼气流速、许可用力肺活量差和许可最大呼气流速差,具体分析过程如下:将目标肺部患者对应的性别与设定的各性别对应的肺功能影响系数进行对比,得到目标肺部患者对应性别的肺功能影响系数,记为。
将目标肺部患者对应的职业与设定的各职业对应的肺功能影响系数进行对比,得到目标肺部患者对应职业的肺功能影响系数,记为。将目标肺部患者对应的年龄与设定的各年龄区间对应的肺功能影响系数进行对比,得到目标肺部患者对应年龄的肺功能影响系数,记为/>,同理分析得到目标肺部患者对应身高和体重的肺功能影响系数,分别记为和/>。
根据计算公式,得到目标肺部患者对应的综合肺功能影响系数/>,其中/>、/>、/>、/>、/>分别为设定的性别、职业、年龄身高、体重的肺功能影响系数对应的权重因子。将目标肺部患者对应的综合肺功能影响系数与设定的各综合肺功能影响系数对应的标准用力肺活量、标准最大呼气流速、许可用力肺活量差和许可最大呼气流速差进行对比,得到目标肺部患者对应的标准用力肺活量、标准最大呼气流速、许可用力肺活量差和许可最大呼气流速差。
通过计算公式,得到目标肺部患者对应的肺功能正常评估系数/>,其中/>、/>分别表示目标肺部患者对应的用力肺活量、最大呼气流速,/>、/>分别为设定的用力肺活量、最大呼气流速对应的权重因子。
在又一个具体的实施例中,分析得到目标肺部患者对应的呼吸正常评估系数,具体分析过程如下:基于目标肺部患者对应的年龄、身高、体重、性别和职业,分析得到目标肺部患者对应的标准脉搏频率和许可脉搏频率差,分别记为和/>。
上述中,分析得到目标肺部患者对应的标准脉搏频率和许可脉搏频率差,具体分析过程如下:将目标肺部患者对应的综合肺功能影响系数与设定的各综合肺功能影响系数对应的标准脉搏频率和许可脉搏频率差进行对比,得到目标肺部患者对应的标准脉搏频率和许可脉搏频率差。
基于目标肺部患者的图像,建立目标肺部患者对应的3D模型,进而从目标肺部患者对应的3D模型中获取目标肺部患者胸廓前后径长度和左右径宽度,并分别记为、/>。
根据计算公式,得到目标肺部患者对应的呼吸正常评估系数/>,其中/>表示目标肺部患者对应的脉搏频率,/>为设定的胸廓前后径长度与左右径宽度的标准比值,/>、/>分别为设定的脉搏频率、胸廓前后径长度与左右径宽度比值对应的权重因子。
在再一个具体的实施例中,对目标肺部患者的肺部进行初步诊断,具体诊断过程如下:将目标肺部患者对应的肺部健康评估系数与设定的肺部健康评估系数阈值进行对比,若目标肺部患者对应的肺部健康评估系数大于或者等于肺部健康评估系数阈值,则判定目标肺部患者对应肺部的初步诊断结果为正常,反之则判定目标肺部患者对应肺部的初步诊断结果为异常。
本发明在患者初步诊断分析模块中通过根据目标肺部患者的检测信息、脉搏频率和胸廓前后径长度与左右径宽度比值,对目标肺部患者的肺部进行初步诊断,大大的提高了诊断结果的可靠性,降低了门诊医生繁琐的工作量,同时也实现了对肺部患者的筛选,提高了医院的工作效率。
患者CT图像采集与分析模块,用于获取目标肺部患者对应的肺部CT图像,进而分析目标肺部患者对应的各肺病类型和各肺病类型的病情等级。
需要说明的是,当目标肺部患者完成肺部CT图像拍摄时,目标肺病诊断仪器从指定医院的管理中心提取目标肺部患者对应的肺部CT图像。
若目标肺部患者自带肺部CT图像时,通过扫描仪对目标肺部患者的肺部CT图像进行扫描。
在一个具体的实施例中,分析目标肺部患者对应的各肺病类型和各肺病类型的病情等级,具体分析步骤如下:S1、根据目标肺部患者对应的肺部CT图像,将目标肺部患者的肺部按照肺部结构划分为各肺部子区域,由此得到目标肺部患者对应各肺部子区域的CT图像。
S2、将目标肺部患者对应各肺部子区域的CT图像与云数据库中存储的各肺部子区域的标准CT图像进行对比,若目标肺部患者对应某肺部子区域的CT图像与云数据库中存储的对应肺部子区域的标准CT图像不相同,则将目标肺部患者的该肺部子区域记为目标肺部子区域,以此方式得到目标肺部患者对应的各目标肺部子区域。
S3、基于云数据库中存储的各肺部患者对应的肺部CT图像,获取各肺部患者对应各肺部患病子区域的CT图像,进而将目标肺部患者对应各目标肺部子区域的位置与各肺部患者对应各肺部患病子区域的位置进行对比,若目标肺部患者对应某目标肺部子区域的位置与某肺部患者对应某肺部患病子区域的位置相同,则将该肺部患者对应的该肺部患病子区域作为目标肺部患者对应该目标肺部子区域的参考肺部患病子区域,以此方式得到目标肺部患者对应各目标肺部子区域的各参考肺部患病子区域CT图像。
S4、将目标肺部患者对应各目标肺部子区域的CT图像与其对应各参考肺部患病子区域CT图像进行对比,计算得到目标肺部患者对应各目标肺部子区域的CT图像与其对应各参考肺部患病子区域CT图像之间的相似度。
上述中,计算得到目标肺部患者对应各目标肺部子区域的CT图像与其对应各参考肺部患病子区域CT图像之间的相似度,具体计算过程如下:从目标肺部患者对应各目标肺部子区域的CT图像中获取各目标肺部子区域的纹理,从目标肺部患者中各目标肺部子区域对应各参考肺部患病子区域CT图像中获取各目标肺部子区域对应各参考肺部患病子区域的纹理,进而将目标肺部患者对应各目标肺部子区域的纹理与其对应各参考肺部患病子区域的纹理进行对比,得到目标肺部患者对应的各目标肺部子区域与其对应各参考肺部患病子区域的相同纹理面积,记为,j表示各目标肺部子区域对应的编号,/>,r表示各参考肺部患病子区域对应的编号,/>。
在目标肺部患者对应各目标肺部子区域中按照预设位置布设各检测点,由此从目标肺部患者对应各目标肺部子区域的CT图像中获取各目标肺部子区域中各检测点的灰度值,记为,g表示各检测点对应的编号,/>。
同理,获取目标肺部患者中各目标肺部子区域对应各参考肺部患病子区域内各检测点的灰度值,记为,进而根据计算公式/>,计算得到目标肺部患者对应各目标肺部子区域的CT图像与其对应各参考肺部患病子区域CT图像之间的相似度/>,其中/>、/>分别为设定的相同纹理面积、灰度值对应的权重因子,/>表示目标肺部患者中第j个目标肺部子区域对应的面积。
S5、将目标肺部患者对应各目标肺部子区域的CT图像与其对应各参考肺部患病子区域CT图像之间的相似度按照降序排序,并将排序第一的参考肺部患病子区域作为各目标肺部子区域对应的目标参考肺部患病子区域,由此得到目标肺部患者对应各目标肺部子区域的目标参考肺部患病子区域。
S6、获取目标肺部患者中各目标肺部子区域对应目标参考肺部患病子区域的肺病类型和肺病类型对应的病情等级,并作为目标肺部患者中各目标肺部子区域对应的肺病类型和肺病类型的病情等级,由此统计得到目标肺部患者对应的各肺病类型和各肺病类型的病情等级。
本发明在患者CT图像采集与分析中通过对目标肺部患者的肺部CT图像进行采集与分析,为后续目标肺部患者挂号推荐分析提供了参考,同时也优化了肺部患者的就医流程,进一步提高肺部患者的看病效率。
门诊医生挂号分析模块,用于根据目标肺部患者对应的各肺病类型和各肺病类型的病情等级,分析目标肺部患者对应推荐挂号的门诊医生。
上述中,分析目标肺部患者对应推荐挂号的门诊医生,具体分析过程如下:获取指定医院中呼吸内科对应各门诊医生的医治信息,进而对各门诊医生进行编号,其中医治信息包括各擅长医治类型、医治等级和剩余挂号数。
需要说明的是,指定医院中呼吸内科对应各门诊医生的医治信息从指定医院的管理中心获取。
将目标肺部患者对应的各肺病类型与各门诊医生对应的各擅长医治类型进行对比,若目标肺部患者对应的某肺病类型与某门诊医生对应的某擅长医治类型相同,则将该门诊医生对应的该擅长医治类型记为目标医治类型,由此统计各门诊医生对应的目标医治类型数量,记为,i表示各门诊医生对应的编号,/>。
将目标肺部患者对应各肺病类型的病情等级与设定的各肺病类型病情等级对应的参考医治等级进行对比,得到目标肺部患者对应各肺病类型病情等级的参考医治等级,进而选取最大参考医治等级作为目标肺部患者对应的目标参考医治等级,记为。
通过计算得到目标肺部患者与各门诊医生对应的治疗匹配系数,进而将目标肺部患者与各门诊医生对应的治疗匹配系数进行相互对应,并选取最大治疗匹配系数对应的门诊医生作为目标肺部患者对应推荐挂号的门诊医生。
在另一个具体的实施例中,计算得到目标肺部患者与各门诊医生对应的治疗匹配系数,具体计算过程如下:通过计算公式,得到目标肺部患者与各门诊医生对应的治疗匹配系数/>,其中/>、/>分别表示第i个门诊医生对应的医治等级、剩余挂号数,/>、/>、/>分别为设定的目标医治类型数量、医治等级、剩余挂号数对应的权重因子。
本发明在门诊医生挂号分析模块中通过根据目标肺部病患的各肺病类型和各肺病类型的病情等级,分析目标肺部患者对应推荐挂号的门诊医生,保障了患者挂号的准确性和适配性,降低了肺部患者就诊等待时间,同时也大大的降低挂号区医护人员的工作量,有效减少了后续患者因就诊效果不佳而造成的医患纠纷,保障了医院中患者的就诊环境的秩序性和舒适性。
患者病例获取与存储模块,用于当目标肺部患者完成就诊后,获取目标肺部患者对应的病例信息,并将目标肺部患者对应的病例信息和肺部CT图像存储至云数据库中,其中病例信息包括各肺部患病子区域、肺部各患病子区域的肺病类型和病情等级。
需要说明的是,当目标肺部患者完成就诊后,目标肺病诊断仪器从医院管理中心获取目标肺部患者的病例信息。
云数据库,用于存储各肺部患者对应的病例信息和肺部CT图像,存储各肺部子区域的标准CT图像。
本发明实施例通过对目标肺部患者的肺功能进行检测,进而对目标肺部患者的肺部进行初步诊断和筛选,根据初步诊断结果提示目标肺部患者进行肺部CT拍摄,从而根据肺部CT分析目标肺部患者的肺病类型和病情等级,并分析目标肺部患者对应推荐的门诊医生,解决了当前技术中存在的不足,实现了肺部患者的智能化的初步诊断和挂号推荐,提高了肺部患者的检测速度,优化了肺部患者的就医流程,同时也降低了医护人员的工作负担,保障了肺部患者的就医效果和医护人员的工作效率,在一定程度上也保障了病情严重患者就诊的及时性。
显然,本领域的技术人员可以对本发明进行各种改动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,则本发明也意图包含这些改动和变型在内。
Claims (3)
1.一种肺功能检测智能诊断平台,其特征在于,包括:
患者信息获取与检测模块,用于获取指定医院中目标肺病诊断仪器对应目标肺部患者的基本信息;所述目标肺部患者的基本信息包括年龄、身高、体重、性别和职业;
患者肺功能检测模块,用于根据指定医院中目标肺病诊断仪器对应的提示,对目标肺部患者的肺功能和脉搏频率进行检测,进而采集目标肺部患者对应的检测信息和脉搏频率,同时采集目标肺部患者对应的图像;所述目标肺部患者对应的检测信息包括用力肺活量和最大呼气流速;
患者初步诊断分析模块,用于根据目标肺部患者对应的检测信息、脉搏频率和图像,分析目标肺部患者对应的肺部健康评估系数,并对目标肺部患者的肺部进行初步诊断,若目标肺部患者对应肺部的初步诊断结果为异常,则提示目标肺部患者进行肺部CT图像拍摄;所述分析目标肺部患者对应的肺部健康评估系数,具体分析过程如下:根据目标肺部患者对应的用力肺活量和最大呼气流速,分析得到目标肺部患者对应的肺功能正常评估系数,记为
根据目标肺部患者对应的脉搏频率和图像,分析得到目标肺部患者对应的呼吸正常评估系数,记为
通过计算公式得到目标肺部患者对应的肺部健康评估系数其中ε1、ε2分别为设定的肺功能正常评估系数、呼吸正常评估系数对应的权重因子;
所述分析得到目标肺部患者对应的肺功能正常评估系数,具体分析过程如下:根据目标肺部患者对应的年龄、身高、体重、性别和职业,分析得到目标肺部患者对应的标准用力肺活量、标准最大呼气流速、许可用力肺活量差和许可最大呼气流速差,分别记为VC、PEF、ΔVC和ΔPEF;
通过计算公式得到目标肺部患者对应的肺功能正常评估系数/>其中VC′、PEF′分别表示目标肺部患者对应的用力肺活量、最大呼气流速,γ1、γ2分别为设定的用力肺活量、最大呼气流速对应的权重因子;
所述分析得到目标肺部患者对应的呼吸正常评估系数,具体分析过程如下:
基于目标肺部患者对应的年龄、身高、体重、性别和职业,分析得到目标肺部患者对应的标准脉搏频率和许可脉搏频率差,分别记为f和Δf;
基于目标肺部患者的图像,建立目标肺部患者对应的3D模型,进而从目标肺部患者对应的3D模型中获取目标肺部患者胸廓前后径长度和左右径宽度,并分别记为a、b;
根据计算公式得到目标肺部患者对应的呼吸正常评估系数/>其中f′表示目标肺部患者对应的脉搏频率,κ为设定的胸廓前后径长度与左右径宽度的标准比值,η1、η2分别为设定的脉搏频率、胸廓前后径长度与左右径宽度比值对应的权重因子;
患者CT图像采集与分析模块,用于获取目标肺部患者对应的肺部CT图像,进而分析目标肺部患者对应的各肺病类型和各肺病类型的病情等级;
门诊医生挂号分析模块,用于根据目标肺部患者对应的各肺病类型和各肺病类型的病情等级,分析目标肺部患者对应推荐挂号的门诊医生;所述分析目标肺部患者对应推荐挂号的门诊医生,具体分析过程如下:获取指定医院中呼吸内科对应各门诊医生的医治信息,进而对各门诊医生进行编号,其中医治信息包括各擅长医治类型、医治等级和剩余挂号数;
将目标肺部患者对应的各肺病类型与各门诊医生对应的各擅长医治类型进行对比,若目标肺部患者对应的某肺病类型与某门诊医生对应的某擅长医治类型相同,则将该门诊医生对应的该擅长医治类型记为目标医治类型,由此统计各门诊医生对应的目标医治类型数量,记为Qi,i表示各门诊医生对应的编号,i=1,2......n;
将目标肺部患者对应各肺病类型的病情等级与设定的各肺病类型病情等级对应的参考医治等级进行对比,得到目标肺部患者对应各肺病类型病情等级的参考医治等级,进而选取最大参考医治等级作为目标肺部患者对应的目标参考医治等级,记为W;
通过计算得到目标肺部患者与各门诊医生对应的治疗匹配系数,进而将目标肺部患者与各门诊医生对应的治疗匹配系数进行相互对比,并选取最大治疗匹配系数对应的门诊医生作为目标肺部患者对应推荐挂号的门诊医生;
所述计算得到目标肺部患者与各门诊医生对应的治疗匹配系数,具体计算过程如下:通过计算公式得到目标肺部患者与各门诊医生对应的治疗匹配系数βi,其中Wi、Ri分别表示第i个门诊医生对应的医治等级、剩余挂号数,μ1、μ2、μ3分别为设定的目标医治类型数量、医治等级、剩余挂号数对应的权重因子;
患者病例获取与存储模块,用于当目标肺部患者完成就诊后,获取目标肺部患者对应的病例信息,并将目标肺部患者对应的病例信息和肺部CT图像存储至云数据库中,其中病例信息包括各肺部患病子区域、肺部各患病子区域的肺病类型和病情等级;
云数据库,用于存储各肺部患者对应的病例信息和肺部CT图像,存储各肺部子区域的标准CT图像。
2.如权利要求1所述的一种肺功能检测智能诊断平台,其特征在于,所述对目标肺部患者的肺部进行初步诊断,具体诊断过程如下:将目标肺部患者对应的肺部健康评估系数与设定的肺部健康评估系数阈值进行对比,若目标肺部患者对应的肺部健康评估系数大于或者等于肺部健康评估系数阈值,则判定目标肺部患者对应肺部的初步诊断结果为正常,反之则判定目标肺部患者对应肺部的初步诊断结果为异常。
3.如权利要求1所述的一种肺功能检测智能诊断平台,其特征在于,所述分析目标肺部患者对应的各肺病类型和各肺病类型的病情等级,具体分析步骤如下:
S1、根据目标肺部患者对应的肺部CT图像,将目标肺部患者的肺部按照肺部结构划分为各肺部子区域,由此得到目标肺部患者对应各肺部子区域的CT图像;
S2、将目标肺部患者对应各肺部子区域的CT图像与云数据库中存储的各肺部子区域的标准CT图像进行对比,若目标肺部患者对应某肺部子区域的CT图像与云数据库中存储的对应肺部子区域的标准CT图像不相同,则将目标肺部患者的该肺部子区域记为目标肺部子区域,以此方式得到目标肺部患者对应的各目标肺部子区域;
S3、基于云数据库中存储的各肺部患者对应的肺部CT图像,获取各肺部患者对应各肺部患病子区域的CT图像,进而将目标肺部患者对应各目标肺部子区域的位置与各肺部患者对应各肺部患病子区域的位置进行对比,若目标肺部患者对应某目标肺部子区域的位置与某肺部患者对应某肺部患病子区域的位置相同,则将该肺部患者对应的该肺部患病子区域作为目标肺部患者对应该目标肺部子区域的参考肺部患病子区域,以此方式得到目标肺部患者对应各目标肺部子区域的各参考肺部患病子区域CT图像;
S4、将目标肺部患者对应各目标肺部子区域的CT图像与其对应各参考肺部患病子区域CT图像进行对比,计算得到目标肺部患者对应各目标肺部子区域的CT图像与其对应各参考肺部患病子区域CT图像之间的相似度;
S5、将目标肺部患者对应各目标肺部子区域的CT图像与其对应各参考肺部患病子区域CT图像之间的相似度按照降序排序,并将排序第一的参考肺部患病子区域作为各目标肺部子区域对应的目标参考肺部患病子区域,由此得到目标肺部患者对应各目标肺部子区域的目标参考肺部患病子区域;
S6、获取目标肺部患者中各目标肺部子区域对应目标参考肺部患病子区域的肺病类型和肺病类型对应的病情等级,并作为目标肺部患者中各目标肺部子区域对应的肺病类型和肺病类型的病情等级,由此统计得到目标肺部患者对应的各肺病类型和各肺病类型的病情等级。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310476513.9A CN116246778B (zh) | 2023-04-28 | 2023-04-28 | 一种肺功能检测智能诊断平台 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310476513.9A CN116246778B (zh) | 2023-04-28 | 2023-04-28 | 一种肺功能检测智能诊断平台 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116246778A CN116246778A (zh) | 2023-06-09 |
CN116246778B true CN116246778B (zh) | 2023-08-15 |
Family
ID=86624514
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310476513.9A Active CN116246778B (zh) | 2023-04-28 | 2023-04-28 | 一种肺功能检测智能诊断平台 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116246778B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117196077A (zh) * | 2023-09-21 | 2023-12-08 | 深圳市环阳通信息技术有限公司 | 一种基于互联网的协助挂号诊断系统 |
CN117497181B (zh) * | 2023-12-27 | 2024-03-26 | 天津市胸科医院 | 一种基于人工智能的慢性病信息管理系统 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2003003274A1 (en) * | 2001-06-28 | 2003-01-09 | Boehringer Ingelheim International Gmbh | System and method for assisting in diagnosis, therapy and/or monitoring of a functional lung disease |
CN104200418A (zh) * | 2014-09-29 | 2014-12-10 | 北京中美联医学科学研究院有限公司 | 基于移动互联网的智能居家诊疗系统和方法 |
CN108109686A (zh) * | 2017-12-29 | 2018-06-01 | 青岛未来移动医疗科技有限公司 | 一种全功能呼吸疾病智能诊疗室系统及工作方法 |
CN109859835A (zh) * | 2019-01-09 | 2019-06-07 | 惠州市中心人民医院 | 一种医疗诊疗方法及系统 |
CN110384501A (zh) * | 2019-07-16 | 2019-10-29 | 广州红象医疗科技有限公司 | 肺功能监控系统 |
CN110504010A (zh) * | 2018-05-18 | 2019-11-26 | 南京埃利莎生物技术有限公司 | 智能诊疗管理方法、系统及应用其的智能诊所 |
CN111564210A (zh) * | 2020-04-01 | 2020-08-21 | 心医国际数字医疗系统(大连)有限公司 | 智能导诊方法、装置、电子设备及存储介质 |
CN114171176A (zh) * | 2021-12-15 | 2022-03-11 | 华中科技大学同济医学院附属协和医院 | 一种基于互联网的医院分诊数据处理方法及系统 |
CN114220537A (zh) * | 2022-02-18 | 2022-03-22 | 橙意家人科技(天津)有限公司 | 一种基于互联网医院的ai智能在线诊断方法及云系统 |
CN115798715A (zh) * | 2023-02-09 | 2023-03-14 | 山东沐华医疗科技有限公司 | 基于数据分析的慢性呼吸疾病防治信息管理系统 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7575553B2 (en) * | 2003-09-18 | 2009-08-18 | Cardiac Pacemakers, Inc. | Methods and systems for assessing pulmonary disease |
US20140213925A1 (en) * | 2011-09-20 | 2014-07-31 | Isonea Limited | Systems, methods and kits for measuring respiratory rate and dynamically predicting respiratory episodes |
EP3531912B1 (en) * | 2016-12-05 | 2020-11-11 | Medipines Corporation | Method and device for respiratory measurements using breathing gas samples |
US20200069219A1 (en) * | 2018-09-04 | 2020-03-05 | University Of South Carolina | Combining Pulmonary Function Test Data with Other Clinical Data |
-
2023
- 2023-04-28 CN CN202310476513.9A patent/CN116246778B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2003003274A1 (en) * | 2001-06-28 | 2003-01-09 | Boehringer Ingelheim International Gmbh | System and method for assisting in diagnosis, therapy and/or monitoring of a functional lung disease |
CN104200418A (zh) * | 2014-09-29 | 2014-12-10 | 北京中美联医学科学研究院有限公司 | 基于移动互联网的智能居家诊疗系统和方法 |
CN108109686A (zh) * | 2017-12-29 | 2018-06-01 | 青岛未来移动医疗科技有限公司 | 一种全功能呼吸疾病智能诊疗室系统及工作方法 |
CN110504010A (zh) * | 2018-05-18 | 2019-11-26 | 南京埃利莎生物技术有限公司 | 智能诊疗管理方法、系统及应用其的智能诊所 |
CN109859835A (zh) * | 2019-01-09 | 2019-06-07 | 惠州市中心人民医院 | 一种医疗诊疗方法及系统 |
CN110384501A (zh) * | 2019-07-16 | 2019-10-29 | 广州红象医疗科技有限公司 | 肺功能监控系统 |
CN111564210A (zh) * | 2020-04-01 | 2020-08-21 | 心医国际数字医疗系统(大连)有限公司 | 智能导诊方法、装置、电子设备及存储介质 |
CN114171176A (zh) * | 2021-12-15 | 2022-03-11 | 华中科技大学同济医学院附属协和医院 | 一种基于互联网的医院分诊数据处理方法及系统 |
CN114220537A (zh) * | 2022-02-18 | 2022-03-22 | 橙意家人科技(天津)有限公司 | 一种基于互联网医院的ai智能在线诊断方法及云系统 |
CN115798715A (zh) * | 2023-02-09 | 2023-03-14 | 山东沐华医疗科技有限公司 | 基于数据分析的慢性呼吸疾病防治信息管理系统 |
Non-Patent Citations (1)
Title |
---|
Vahid Soleimani 等.Remote, Depth-Based Lung Function Assessment. IEEE Transactions on Biomedical Engineering.2016,第64卷(第08期),第1943-1958页. * |
Also Published As
Publication number | Publication date |
---|---|
CN116246778A (zh) | 2023-06-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116246778B (zh) | 一种肺功能检测智能诊断平台 | |
US11694809B2 (en) | Patient monitoring systems and methods | |
CN104424385B (zh) | 一种医学影像的评价方法和装置 | |
CN111310851A (zh) | 一种人工智能超声辅助系统及其应用 | |
JP5919717B2 (ja) | 動態医用画像生成システム | |
JP6418091B2 (ja) | 胸部画像表示システム及び画像処理装置 | |
CN104188676A (zh) | 胸部诊断辅助信息生成系统 | |
CN108348208A (zh) | X射线图像吸入质量监测 | |
CN111292378A (zh) | 一种ct扫描辅助方法、装置及计算机可读存储介质 | |
JP2009153678A (ja) | 動態画像処理システム | |
JP2017176202A (ja) | 動態解析システム | |
CN109036500A (zh) | 一种临床预警方法、装置、设备及存储介质 | |
CN115862819B (zh) | 一种基于图像处理的医学图像管理方法 | |
CN108245161A (zh) | 肺部常见疾病的辅助诊断系统 | |
CN106419938A (zh) | 一种基于运动能量释放估算的注意缺陷多动障碍(adhd)检测方法及其检测系统 | |
CN107092809A (zh) | 一种强直性脊柱炎远程会诊共享平台及其使用方法 | |
CN108694999A (zh) | 临床决策支持系统的灵活使用 | |
US11941811B2 (en) | Method for assessing cardiothoracic ratio and cardiothoracic ratio assessment system | |
CN114375461A (zh) | 针对胸部x射线图像的吸气度量标准 | |
US20240090795A1 (en) | Methods for Pulmonary Function Testing With Machine Learning Analysis and Systems for Same | |
CN108596877A (zh) | 肋骨ct数据分析系统 | |
US20150359500A1 (en) | Synchronous physiological measurements for cardiac acquisitions | |
TW201911210A (zh) | 快速評估中重度睡眠呼吸中止之方法 | |
JP2022110425A (ja) | 医療情報管理装置及び医療情報管理プログラム | |
JP7038370B2 (ja) | 画像処理方法、画像処理装置、およびプログラム |
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 |