CN116386795A - 一种产科康复数据管理方法及系统 - Google Patents
一种产科康复数据管理方法及系统 Download PDFInfo
- Publication number
- CN116386795A CN116386795A CN202310194417.5A CN202310194417A CN116386795A CN 116386795 A CN116386795 A CN 116386795A CN 202310194417 A CN202310194417 A CN 202310194417A CN 116386795 A CN116386795 A CN 116386795A
- Authority
- CN
- China
- Prior art keywords
- rehabilitation
- data
- strategy
- parameter
- target 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 31
- 238000013523 data management Methods 0.000 title claims abstract description 25
- 238000011084 recovery Methods 0.000 claims abstract description 31
- 238000007726 management method Methods 0.000 claims abstract description 17
- 238000005192 partition Methods 0.000 claims description 63
- 238000004458 analytical method Methods 0.000 claims description 22
- 238000012216 screening Methods 0.000 claims description 19
- 230000036541 health Effects 0.000 claims description 17
- 230000000694 effects Effects 0.000 claims description 16
- 238000013500 data storage Methods 0.000 claims description 14
- 230000037147 athletic performance Effects 0.000 claims description 13
- 230000036772 blood pressure Effects 0.000 claims description 11
- 238000013506 data mapping Methods 0.000 claims description 9
- 238000011156 evaluation Methods 0.000 claims description 8
- 238000012545 processing Methods 0.000 claims description 7
- 238000007405 data analysis Methods 0.000 claims description 6
- 230000008569 process Effects 0.000 claims description 5
- 208000014674 injury Diseases 0.000 claims description 4
- 210000004197 pelvis Anatomy 0.000 claims description 4
- 230000008733 trauma Effects 0.000 claims description 4
- 230000003044 adaptive effect Effects 0.000 abstract description 2
- 230000009286 beneficial effect Effects 0.000 description 10
- 238000012549 training Methods 0.000 description 10
- 238000011161 development Methods 0.000 description 6
- 230000018109 developmental process Effects 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000012384 transportation and delivery Methods 0.000 description 4
- 208000017667 Chronic Disease Diseases 0.000 description 2
- 206010020772 Hypertension Diseases 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 2
- 230000032683 aging Effects 0.000 description 2
- 230000035606 childbirth Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 230000006996 mental state Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000035935 pregnancy Effects 0.000 description 2
- 238000003908 quality control method Methods 0.000 description 2
- 208000024891 symptom Diseases 0.000 description 2
- 238000002255 vaccination Methods 0.000 description 2
- 208000008035 Back Pain Diseases 0.000 description 1
- 206010010774 Constipation Diseases 0.000 description 1
- 208000008930 Low Back Pain Diseases 0.000 description 1
- 206010046543 Urinary incontinence Diseases 0.000 description 1
- 208000027418 Wounds and injury Diseases 0.000 description 1
- 239000002220 antihypertensive agent Substances 0.000 description 1
- 229940127088 antihypertensive drug Drugs 0.000 description 1
- 230000036528 appetite Effects 0.000 description 1
- 235000019789 appetite Nutrition 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 238000004820 blood count Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000005314 correlation function Methods 0.000 description 1
- 230000037213 diet Effects 0.000 description 1
- 235000005911 diet Nutrition 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 230000002496 gastric effect Effects 0.000 description 1
- 210000000265 leukocyte Anatomy 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000007958 sleep Effects 0.000 description 1
- 230000004617 sleep duration Effects 0.000 description 1
- 230000003860 sleep quality Effects 0.000 description 1
- 230000004622 sleep time Effects 0.000 description 1
- 230000001502 supplementing effect Effects 0.000 description 1
- 238000002560 therapeutic procedure Methods 0.000 description 1
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
- G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
- G16H20/30—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to physical therapies or activities, e.g. physiotherapy, acupressure or exercising
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Primary Health Care (AREA)
- Public Health (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biophysics (AREA)
- Physical Education & Sports Medicine (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明公开了一种产科康复数据管理方法及系统,其方法包括:获取目标患者的原始亚健康数据,根据原始亚健康数据确定目标患者的期望产后康复数据,基于所述期望产后康复数据生成目标患者制定的康复策略,基于所述康复策略确定目标患者在各个康复阶段的采集数据指标并实时获取指标数据进行存储管理。通过根据目标患者的亚健康数据来确定其理想的产后康复数据进而生成对其适配的康复策略来进行数据采集和管理可以由服务器智能地结合患者的实际身体情况来为其制定康复策略,提高了康复计划的适配性,同时也避免了人为主观的影响,提高了客观性。
Description
技术领域
本发明涉及数据管理技术领域,尤其涉及一种产科康复数据管理方法及系统。
背景技术
海量医学信息的数字化和就诊流程的电子化,适应了现代人口迅速增多、老龄化趋势加快、慢性病患者群体增长的社会现状。与此同时,各种医疗数据迅猛增长,产科康复数据就是其中之一。随着大数据的发展,数据应用对康复训练变得越来越有价值,利用电子康复训练数据,对其进行较为有效的管理,并且能够对其进行全面的分析和挖掘有用的价值信息来促进医疗康复训练水平的进步,这是未来康复训练数据发展的必然趋势。
妊娠与分娩是人类特殊的生理阶段,涉及妇女与婴儿两者的健康,需要家庭与社会的特殊关注。产科医疗质量控制事关国家人民未来的健康,不仅是各家医院的重要责任,更是国家监控医疗质量的重要环节。随着医疗信息技术的发展,医院各项业务的效率得到巨大提高。产科的住院与护理压力越来越大,每月都会产生大量的分娩与预防接种相关数据。因此对该类数据的管理与分析,是医院产科医疗质量管理的重要工作。孕妇人员在生育后身体会很虚弱,因此需要制定详细的康复策略来对孕妇身体进行恢复,目前的主流方法都是通过医护人员根据经验来为孕妇人员制定康复策略,其存在严重的主观影响,并且没有根据孕妇人员的自身健康数据来为其制定合身的康复计划,使得最终的康复策略与孕妇人员不适配从而功亏一篑甚至产生负面影响,严重地降低了患者的体验感。
发明内容
针对上述所显示出来的问题,本发明提供了一种产科康复数据管理方法及系统用于解决背景技术提到的当前人为制定康复策略存在严重的主观影响,并且没有根据孕妇人员的自身健康数据来为其制定合身的康复计划,使得最终的康复策略与孕妇人员不适配从而功亏一篑甚至产生负面影响,严重地降低了患者的体验感的问题。
一种产科康复数据管理方法,包括以下步骤:
获取目标患者的原始亚健康数据;
根据所述原始亚健康数据确定目标患者的期望产后康复数据;
基于所述期望产后康复数据生成目标患者制定的康复策略;
基于所述康复策略确定目标患者在各个康复阶段的采集数据指标并实时获取指标数据进行存储管理。
优选的,获取目标患者的原始亚健康数据,包括:
获取所述目标患者的基于图片格式的病例数据;
从所述基于图片格式的病例数据中提取出目标病例数据;
获取所述目标患者的日常生理数据,其中,所述日常生理数据为所述目标患者的脉搏波数据、心电数据、血压数据;
获取所述目标患者的身体体征数据,其中,所述身体体征数据为所述目标患者的子宫创伤数据、口腔健康数据及骨盆健康数据;
确定所述目标病例数据、日常生理数据及身体体征数据为所述原始亚健康数据。
优选的,从所述基于图片格式的病例数据中提取出目标病例数据,包括:
将所述图片格式的病例数据调整成预设大小的图片形式,得到调整格式后的图片格式的病例数据;
对所述调整格式后的图片格式的病例数据进行扫描,得到包含文字的第一区域和无文字的第二区域,并将所述第二区域进行剔除处理;
对所述第一区域进行搜寻,根据搜寻结果确定是否存在模糊区域,若是,根据模糊区域前后的文字信息判断所述模糊区域中的文字是否有用,若有用,则将正确的文字图片替换至所述模糊区域,得到更正后的文字区域,若无用,则将模糊区域进行删除,得到所述更正后的文字区域;
对所述更正后的文字区域进行文字提取,得到所述目标病例数据。
优选的,对所述调整格式后的图片格式的病例数据进行扫描,得到包含文字的第一区域和无文字的第二区域,并将所述第二区域进行剔除处理,包括:
对所述调整格式后的图片格式的病例数据进行色彩信息的扫描,得到其对应的色彩信息;
根据所述色彩信息对所述调整格式后的图片格式的病例数据进行二值化处理,得到二值化处理后的图片数据;
将所述二值化处理后的图片数据按照顺序划分为若干个互不重叠的像素块,并计算每个像素块的像素值;
当像素块的像素值小于预设阈值时,则确定所述像素块中具有文字,大于所述预设阈值时,则所述像素块无文字;
根据所有具有文字的像素块生成包含文字的第一区域,根据所有无文字的像素块生成无文字的第二区域,并将所述无第二区域进行剔除处理。
优选的,根据所述原始亚健康数据确定目标患者的期望产后康复数据,包括:
对所述原始亚健康数据进行分类,得到分类后的亚健康数据;
根据所述分类后的亚健康数据对所述目标患者的身体状况进行分析,获取身体状况分析结果;
基于所述身体状况分析结果确定康复治疗条件,以根据所述康复治疗条件对所述分类后的亚健康数据进行筛选,得到预康复数据;
对所述预康复数据进行重要程度分析,并根据分析结果确定预康复数据的恢复权重值;
根据所述恢复权重值确定所述目标患者的期望产后康复数据。
优选的,基于所述期望产后康复数据生成目标患者制定的康复策略,包括:
获取初始康复计划;
将所述期望产后康复数据与所述原始亚健康数据进行匹配,匹配完成后进行对比,得到对比结果;
基于所述对比结果对所述初始康复计划进行筛选,以根据筛选结果生成原始康复策略;
判断所述原始康复策略是否合理,若合理则确定所述原始康复策略为目标患者制定的康复策略,若不合理,则根据专业人员建议对所述原始康复策略进行调整,得到所述目标患者指定的康复策略。
优选的,基于所述康复策略确定目标患者在各个康复阶段的采集数据指标并实时获取指标数据进行存储管理,包括:
基于所述康复策略确定目标患者在各康复阶段的采集数据指标,并确定所述采集数据指标的类别个数;
根据所述各康复阶段的采集数据指标实时获取指标数据,并基于所述采集数据指标的类别个数对所述实时获取的指标数据进行分类,得到分类后的指标数据;
根据所述类别个数将所述分类后的指标数据划分为所述类别个数的数据块;
创建所述类别个数的数据存储空间,并将所述数据块分别存储至所述数据存储空间;
创建策略存储空间,并将所述康复策略存储至所述策略存储空间;
当需要对所述数据存储空间和/或所述策略存储空间进行调整时,接收管理者发送的调整指令,并对所述更新指令进行解析,得到解析结果,以根据所述解析结果对所述数据存储空间和/或所述策略存储空间进行调整。
优选的,在获取为目标患者制定的康复策略后,还包括:
将制定的康复策略确认为第一康复策略;
在所述第一康复策略中获取多个康复运动表现指标以及每个康复运动表现指标的标准指标值;
根据多个康复运动表现指标以及每个康复运动表现指标的标准指标值构建第一康复策略对应的评价函数;
基于所述评价函数获取康复策略对应的多个关联康复超参数;
确定每个关联康复超参数对应的自然领域,基于每个关联康复超参数和其对应的自然领域中划分属性的关联度筛选出多项参考划分属性;
根据所述康复策略的期望康复指标对每个关联康复超参数的多项参考划分属性设定预设矢量信息;
获取目标患者的当前身体状态参数,根据每个关联康复超参数的多项参考划分属性设定的预设矢量信息和目标患者的当前身体状态参数评估出第一康复策略对于目标患者的治疗效果;
确定所述治疗效果是否严重高于预设效果,若是,对每个关联康复超参数的每项参考划分属性设定的预设矢量信息进行适应性调整;
根据调整后的预设矢量信息生成第二康复策略,将所述第二康复策略作为目标患者的最终康复策略。
优选的,基于每个关联康复超参数和其对应的自然领域中划分属性的关联度筛选出多项参考划分属性,包括:
提取每个关联康复超参数对应的自然领域中每个划分属性的数据映射分数和客观影响因素;
根据每个关联康复超参数对应的自然领域中每个划分属性的数据映射分数和客观影响因素计算出每个划分属性相对于该关联康复超参数的数据参考贡献率:
其中,Fij表示为第i个关联康复超参数对应的自然领域中的第j个划分属性相对于该关联康复超参数的数据参考贡献率,d表示为关联康复超参数与关联划分属性之间的稳态因子,a表示为分数调节系数,取值为0.8,fij表示为第i个关联康复超参数对应的自然领域中的第j个划分属性的数据映射分数,Mj表示为第j个划分属性的客观影响因素的数量,k表示为第k个客观影响因素,Qk表示为第k个客观影响因素的出现概率,e表示为自然常数,取值为2.72,Xk表示为第k个客观影响因素对于数据分析的影响系数,pk表示为第k个客观影响因素对于数据分析的误导系数,μij表示为第i个关联康复超参数对应的自然领域中的第j个划分属性的采集数据平均严谨度;
将每个关联康复超参数对应的自然领域中数据参考贡献率大于等于预设分值的第一划分属性保留,将数据参考贡献率小于预设分值的第二划分属性剔除;
获取每个关联康复超参数对应的自然领域中的每个第一划分属性对应的高参特征项和低参特征项,确定每个高参特征项和低参特征项分别与该个关联康复超参数的关联指数;
根据所述关联指数计算出每个关联康复超参数对应的自然领域中的每个第一划分属性的关联度:
其中,Dig第i个关联康复超参数对应的自然领域中的第g个第一划分属性之间的关联度,θ1表示为第一关联权重值,取值为0.7,Ng表示为第g个第一划分属性对应的高参特征下的数量,b表示为第b个高参特征项,Rb表示为第b个高参特征项与第i个关联康复超参数的关联指数,θ2表示为第二关联权重值,取值为0.3,Ug表示为第g个第一划分属性对应的低参特征下的数量,x表示为第x个低参特征项,Ax表示为第x个低参特征项与第i个关联康复超参数的关联指数,
根据每个关联康复超参数对应的自然领域中的每个第一划分属性的关联度筛选出关联度大于等于预设阈值的第二划分属性作为多项参考划分属性。
一种产科康复数据管理系统,该系统包括:
获取模块,用于获取目标患者的原始亚健康数据;
确定模块,用于根据所述原始亚健康数据确定目标患者的期望产后康复数据;
生成模块,用于基于所述期望产后康复数据生成目标患者制定的康复策略;
存储模块,用于基于所述康复策略确定目标患者在各个康复阶段的采集数据指标并实时获取指标数据进行存储管理。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。
图1为本发明所提供的一种产科康复数据管理方法的工作流程图;
图2为本发明所提供的一种产科康复数据管理方法的另一工作流程图;
图3为本发明所提供的一种产科康复数据管理方法的又一工作流程图;
图4为本发明所提供的一种产科康复数据管理系统的结构示意图。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
海量医学信息的数字化和就诊流程的电子化,适应了现代人口迅速增多、老龄化趋势加快、慢性病患者群体增长的社会现状。与此同时,各种医疗数据迅猛增长,产科康复数据就是其中之一。随着大数据的发展,数据应用对康复训练变得越来越有价值,利用电子康复训练数据,对其进行较为有效的管理,并且能够对其进行全面的分析和挖掘有用的价值信息来促进医疗康复训练水平的进步,这是未来康复训练数据发展的必然趋势。
妊娠与分娩是人类特殊的生理阶段,涉及妇女与婴儿两者的健康,需要家庭与社会的特殊关注。产科医疗质量控制事关国家人民未来的健康,不仅是各家医院的重要责任,更是国家监控医疗质量的重要环节。随着医疗信息技术的发展,医院各项业务的效率得到巨大提高。产科的住院与护理压力越来越大,每月都会产生大量的分娩与预防接种相关数据。因此对该类数据的管理与分析,是医院产科医疗质量管理的重要工作。孕妇人员在生育后身体会很虚弱,因此需要制定详细的康复策略来对孕妇身体进行恢复,目前的主流方法都是通过医护人员根据经验来为孕妇人员制定康复策略,其存在严重的主观影响,并且没有根据孕妇人员的自身健康数据来为其制定合身的康复计划,使得最终的康复策略与孕妇人员不适配从而功亏一篑甚至产生负面影响,严重地降低了患者的体验感。为了解决上述问题,本实施例公开了一种产科康复数据管理方法。
一种产科康复数据管理方法,如图1所示,包括以下步骤:
步骤S101、获取目标患者的原始亚健康数据;
步骤S102、根据原始亚健康数据确定目标患者的期望产后康复数据;
步骤S103、基于期望产后康复数据生成目标患者制定的康复策略;
步骤S104、基于康复策略确定目标患者在各个康复阶段的采集数据指标并实时获取指标数据进行存储管理。
在本实施例中,原始亚健康数据为患者进行分娩后身体健康数据,包括生理信号数据,如血压,身体特征数据,如子宫创伤数据、便秘情况数据、腰痛、尿失禁等数据,期望产后康复数据是相对于原始亚健康数据恢复到正常的数据,例如原始血压BP在140/90mmHg,而期望恢复到正常的数据为100/70mmHg,康复策略是指针对目标患者恢复到期望产后康复数据所指定的行为策略,例如目标患者有高血压的情况,期望产后康复数据中包含有正常血压值,那康复策略中就有降压策略,例如控制饮食、适量运动等策略,各个康复阶段的采集数据指标是指,目标患者的康复并不是一蹴而就的,而是需要几周甚至十几周的康复过程,以一周为一个康复阶段,每个阶段采集患者身体的数据指标,包括血压、心率等。
上述技术方案的工作原理为:获取目标患者的原始亚健康数据,根据原始亚健康数据确定目标患者的期望产后康复数据,基于期望产后康复数据生成目标患者制定的康复策略,基于康复策略确定目标患者在各个康复阶段的采集数据指标并实时获取指标数据进行存储管理。
上述技术方案的有益效果为:通过根据目标患者的亚健康数据来确定其理想的产后康复数据进而生成对其适配的康复策略来进行数据采集和管理可以由服务器智能地结合患者的实际身体情况来为其制定康复策略,提高了康复计划的适配性,同时也避免了人为主观的影响,提高了客观性,解决了现有技术中当前人为制定康复策略存在严重的主观影响,并且没有根据孕妇人员的自身健康数据来为其制定合身的康复计划,使得最终的康复策略与孕妇人员不适配从而功亏一篑甚至产生负面影响,严重地降低了患者的体验感的问题。
在一个实施例中,如图2所示,获取目标患者的原始亚健康数据,包括:
步骤S201、获取目标患者的基于图片格式的病例数据;
步骤S202、从基于图片格式的病例数据中提取出目标病例数据;
步骤S203、获取目标患者的日常生理数据,其中,日常生理数据为目标患者的脉搏波数据、心电数据、血压数据;
步骤S204、获取所述目标患者的身体体征数据,其中,所述身体体征数据为所述目标患者的子宫创伤数据、口腔健康数据及骨盆健康数据;
步骤S205、确定目标病例数据、日常生理数据及身体体征数据为原始亚健康数据。
在本实施例中,基于图片格式的病例数据为纸质病例的图片形式,其格式可以为jpg格式,其中包含的信息比较多,除了患者病史、症状、基本信息等,可能还包含有一些无用的数据,而目标病例数据包括有患者的病史、患者的临床症状及患者的身体状况等,目标病例数据是基于图片格式的病例数据的子集。
上述技术方案的有益效果为:首先从图片格式的病例数据中提取目标病例数据,能够得到反应目标患者自身情况最真实的数据,进而获取目标患者的日常生理数据,能够为观察目标患者的康复效果提供参考,之后获取所述目标患者的身体体征数据,其中,所述身体体征数据为所述目标患者的子宫创伤数据、口腔健康数据及骨盆健康数据,最后确定目标病例数据、日常生理数据及身体体征数据为原始产科康复数据,得到较为完整的目标患者的原始亚健康数据。
在一个实施例中,从所述基于图片格式的病例数据中提取出目标病例数据,包括:
将所述图片格式的病例数据调整成预设大小的图片形式,得到调整格式后的图片格式的病例数据;
对所述调整格式后的图片格式的病例数据进行扫描,得到包含文字的第一区域和无文字的第二区域,并将所述第二区域进行剔除处理;
对所述第一区域进行搜寻,根据搜寻结果确定是否存在模糊区域,若是,根据模糊区域前后的文字信息判断所述模糊区域中的文字是否有用,若有用,则将正确的文字图片替换至所述模糊区域,得到更正后的文字区域,若无用,则将模糊区域进行删除,得到所述更正后的文字区域;
对所述更正后的文字区域进行文字提取,得到所述目标病例数据。
在本实施例中,图片格式的病例数据可能各个大小不一致,那就首先需要调整成预设大小的格式,这里预设大小可以指分辨率为1024×1024,图片格式为jpg格式,模糊区域指的是图片格式的病例数据在转换为图片格式之前就存在模糊,由于一些人为或者非人为的原因,比如由于笔色变浅等原因,而根据模糊区域前后的文字信息关系可以判断出模糊区域的文字是否有用,例如,目标患者进行了剖腹产,而病例数据中“缝”属于模糊区域,那根据后边的字“合”可以判断出其是否有用且进行替换。
上述技术方案的有益效果为:将图片格式的病例数据调整成预设大小的图片形式,得到调整格式后的图片形式的病例数据,然后对其进行扫描,舍去其中的无文字区域,提高文字提取的效率,搜寻具有文字的区域,并查找模糊区域,然后判断其中文字是否有用后进行补充,用以防止关键数据的丢失,最后对更正过后的文字区域进行文字提取,得到目标病例数据。
在一个实施例中,如图3所示,对所述调整格式后的图片格式的病例数据进行扫描,得到包含文字的第一区域和无文字的第二区域,并将所述第二区域进行剔除处理,包括:
步骤S301、对调整格式后的图片格式的病例数据进行色彩信息的扫描,得到其对应的色彩信息;
步骤S302、根据色彩信息对所述调整格式后的图片格式的病例数据进行二值化处理,得到二值化处理后的图片数据;
步骤S303、将二值化处理后的图片数据按照顺序划分为若干个互不重叠的像素块,并计算每个像素块的像素值;
步骤S304、当像素块的像素值小于预设阈值时,则确定所述像素块中具有文字,大于预设阈值时,则像素块无文字;
步骤S305、根据所有具有文字的像素块生成包含文字的第一区域,根据所有无文字的像素块生成无文字的第二区域,并将第二区域进行剔除处理。
在本实施例中,色彩信息的扫描是指对图片格式的数据将其各像素点的色彩值扫描得到,二值化处理是指将病例数据中各色彩值转化为0或255,在将二值化处理后的图片数据按照顺序进行划分时,该顺序依照从左到右,从上到下的顺序,白色的像素值为255,黑色的像素值为0,而病例图片的背影一般为白色,文字一般为黑色,所以预设阈值设置为150。
上述技术方案的有益效果为:首先进行色彩信息的扫描,便于进行二值化处理,之后按照顺序进行像素块的划分便于后续按照顺序进行具有文字的区域的生成,计算每个像素块的像素值便于与预设阈值进行比较,以获取其中具有文字的像素块,最后准确的生成包含文字的第一区域,并舍弃掉无字的第二区域,便于后续处理。
在一个实施例中,根据所述原始亚健康数据确定目标患者的期望产后康复数据,包括:
对所述原始亚健康数据进行分类,得到分类后的亚健康数据;
根据所述分类后的亚健康数据对所述目标患者的身体状况进行分析,获取身体状况分析结果;
基于所述身体状况分析结果确定康复治疗条件,以根据所述康复治疗条件对所述分类后的亚健康数据进行筛选,得到预康复数据;
对所述预康复数据进行重要程度分析,并根据分析结果确定预康复数据的恢复权重值;
根据所述恢复权重值确定所述目标患者的期望产后康复数据。
在本实施例中,分类后的亚健康数据中可能包含有一些不需要进行康复的数据,而康复治疗条件中就指明了进行康复治疗的标准,例如亚健康数据中包含有正常的心率数据,那么康故治疗条件中就设定有滤除这类数据的标准,而重要程度分析是指,在康复过程中,有些迫切需要康复、有些并不是那么迫切,例如目标患者出现了血压高和口腔环境差的情况,相对于口腔环境差,降低血压则更为迫切,在进行分类时依据数据本身的特性进行分类,若数据为生理信号数据则分为一类,若为体征数据则分为一类。
上述技术方案的有益效果为:通过身体状况分析结果可以知道目标患者需要对哪些部分进行康复,因此确定了康复治疗条件,然后基于这个条件对分类后的亚健康数据进行康复数据的筛选,得到需要进行康复的预康复数据,进而由于进行康复时,有迫切需要进行的,有可以延缓进行的,因此进行重要程度的分析,并根据分析结果确定恢复权重值,最后再基于恢复权重值来生成期望产后康复数据。
在一个实施例中,基于所述期望产后康复数据生成目标患者制定的康复策略,包括:
获取初始康复计划;
将所述期望产后康复数据与所述原始亚健康数据进行匹配,匹配完成后进行对比,得到对比结果;
基于所述对比结果对所述初始康复计划进行筛选,以根据筛选结果生成原始康复策略;
判断所述原始康复策略是否合理,若合理则确定所述原始康复策略为目标患者制定的康复策略,若不合理,则根据专业人员建议对所述原始康复策略进行调整,得到所述目标患者指定的康复策略。
在本实施例中,初始康复计划中包含有大量的产后康复计划,可应对不同的康复情况,期望产后康复数据与所述原始亚健康数据进行匹配是指将期望产后数据与原始亚健康数据一一对应上,例如期望数据中的血压数据和原始亚健康数据中的血压数据进行对应,对比结果包括但不限于期望产后康复数据与亚健康数据之间的差值,通过差值的大小可以选择不同程度的康复计划,原始康复策略是指初始的生成一些康复的策略,例如降低血压给出一些吃降压药的策略,而这个策略具体是否合理,还需要进行进一步的判断。
上述技术方案的有益效果为:通过对比结果能够反映出原始亚健康数据与期望产后康复数据之间的关系,进而根据对比结果筛选康复计划,之后再对原始康复策略进行合理性的判断,以保证目标患者的康复效果。
在一个实施例中,基于所述康复策略确定目标患者在各个康复阶段的采集数据指标并实时获取指标数据进行存储管理,包括:
基于所述康复策略确定目标患者在各康复阶段的采集数据指标,并确定所述采集数据指标的类别个数;
根据所述各康复阶段的采集数据指标实时获取指标数据,并基于所述采集数据指标的类别个数对所述实时获取的指标数据进行分类,得到分类后的指标数据;
根据所述类别个数将所述分类后的指标数据划分为所述类别个数的数据块;
创建所述类别个数的数据存储空间,并将所述数据块分别存储至所述数据存储空间;
创建策略存储空间,并将所述康复策略存储至所述策略存储空间;
当需要对所述数据存储空间和/或所述策略存储空间进行调整时,接收管理者发送的调整指令,并对所述更新指令进行解析,得到解析结果,以根据所述解析结果对所述数据存储空间和/或所述策略存储空间进行调整。
在本实施例中,创建策略存储空间是指创建出一块指定字节大小的内存空间,用于存储康复策略。
上述技术方案的有益效果为:创立各类别对应的数据存储空间和康复策略对应的策略存储空间,便于数据的管理,而接受管理者发送的调整指令,可以有依据,准确的对数据存储空间和/或策略存储空间进行调整。
在一个实施例中,在获取为目标患者制定的康复策略后,还包括:
将制定的康复策略确认为第一康复策略;
在所述第一康复策略中获取多个康复运动表现指标以及每个康复运动表现指标的标准指标值;
根据多个康复运动表现指标以及每个康复运动表现指标的标准指标值构建第一康复策略对应的评价函数;
基于所述评价函数获取康复策略对应的多个关联康复超参数;
确定每个关联康复超参数对应的自然领域,基于每个关联康复超参数和其对应的自然领域中划分属性的关联度筛选出多项参考划分属性;
根据所述康复策略的期望康复指标对每个关联康复超参数的多项参考划分属性设定预设矢量信息;
获取目标患者的当前身体状态参数,根据每个关联康复超参数的多项参考划分属性设定的预设矢量信息和目标患者的当前身体状态参数评估出第一康复策略对于目标患者的治疗效果;
确定所述治疗效果是否严重高于预设效果,若是,对每个关联康复超参数的每项参考划分属性设定的预设矢量信息进行适应性调整;
根据调整后的预设矢量信息生成第二康复策略,将所述第二康复策略作为目标患者的最终康复策略。
在本实施例中,康复运动表现指标表示为康复策略中对于治疗后的人员的外形体征参数指标和内侧体征参数指标以及心理参数指标;
在本实施例中,标准指标值表示为每个类型的参数指标对应的具体数值,例如:外形体征参数指标的具体数值为100斤,内侧体征参数指标中白细胞计数为4.0~10.0)×109/L,心理参数指标中心理健康分数大于等于90分等;
在本实施例中,评价函数表示为对于目标患者的康复效果进行评价的相关函数;
在本实施例中,关联康复超参数表示为对于目标患者进行康复效果评估的深度考量参数,例如:精神状态、胃口状态等;
在本实施例中,自然领域表示为每个关联康复超参数所表现的生活领域,例如:精神状态的自然领域可以为睡眠领域和运动领域,胃口状态的自然领域可以为饮食领域等;
在本实施例中,划分属性表示为自然领域的表现属性形式,例如:睡眠领域的表现属性形式可以为睡眠质量和睡眠时长,饮食领域的表现属性形式可以为饮食频率和饮食强度以及单次饮食量等;
在本实施例中,预设矢量信息表示为每个参考划分属性在康复治疗期间内的标准矢量值,例如:睡眠时长保证在10个小时以上等。
上述技术方案的有益效果为:通过对制定策略进行详细的指标分析来保证对于目标患者的康复治疗效果既可以避免对目标患者造成额外的身体负荷同时还可以保证最佳的康复治疗效果,提高了实用性和用户的体验感。
在一个实施例中,基于每个关联康复超参数和其对应的自然领域中划分属性的关联度筛选出多项参考划分属性,包括:
提取每个关联康复超参数对应的自然领域中每个划分属性的数据映射分数和客观影响因素;
根据每个关联康复超参数对应的自然领域中每个划分属性的数据映射分数和客观影响因素计算出每个划分属性相对于该关联康复超参数的数据参考贡献率:
其中,Fij表示为第i个关联康复超参数对应的自然领域中的第j个划分属性相对于该关联康复超参数的数据参考贡献率,d表示为关联康复超参数与关联划分属性之间的稳态因子,a表示为分数调节系数,取值为0.8,fij表示为第i个关联康复超参数对应的自然领域中的第j个划分属性的数据映射分数,Mj表示为第j个划分属性的客观影响因素的数量,k表示为第k个客观影响因素,Qk表示为第k个客观影响因素的出现概率,e表示为自然常数,取值为2.72,Xk表示为第k个客观影响因素对于数据分析的影响系数,pk表示为第k个客观影响因素对于数据分析的误导系数,μij表示为第i个关联康复超参数对应的自然领域中的第j个划分属性的采集数据平均严谨度;
将每个关联康复超参数对应的自然领域中数据参考贡献率大于等于预设分值的第一划分属性保留,将数据参考贡献率小于预设分值的第二划分属性剔除;
获取每个关联康复超参数对应的自然领域中的每个第一划分属性对应的高参特征项和低参特征项,确定每个高参特征项和低参特征项分别与该个关联康复超参数的关联指数;
根据所述关联指数计算出每个关联康复超参数对应的自然领域中的每个第一划分属性的关联度:
其中,Dig第i个关联康复超参数对应的自然领域中的第g个第一划分属性之间的关联度,θ1表示为第一关联权重值,取值为0.7,Ng表示为第g个第一划分属性对应的高参特征下的数量,b表示为第b个高参特征项,Rb表示为第b个高参特征项与第i个关联康复超参数的关联指数,θ2表示为第二关联权重值,取值为0.3,Ug表示为第g个第一划分属性对应的低参特征下的数量,x表示为第x个低参特征项,Ax表示为第x个低参特征项与第i个关联康复超参数的关联指数,
根据每个关联康复超参数对应的自然领域中的每个第一划分属性的关联度筛选出关联度大于等于预设阈值的第二划分属性作为多项参考划分属性。
上述技术方案的有益效果为:通过计算出每个划分属性相对于该关联康复超参数的数据参考贡献率可以快速地剔除掉无参考意义的划分属性,为后续筛选降低了样本条件,提高了实用性和筛选效率,进一步地,通过计算出每个关联康复超参数对应的自然领域中的每个第一划分属性的关联度可以根据每个第一划分属性与关联康复超参数之间的数据参考关联指数来直观地计算出二者的关联度,使得计算结果更加客观和精确,提高了稳定性。
本实施例还公开了一种产科康复数据管理系统,如图4所示该系统包括:
获取模块401,用于获取目标患者的原始亚健康数据;
确定模块402,用于根据所述原始亚健康数据确定目标患者的期望产后康复数据;
生成模块403,用于基于所述期望产后康复数据生成目标患者制定的康复策略;
存储模块404,用于基于所述康复策略确定目标患者在各个康复阶段的采集数据指标并实时获取指标数据进行存储管理。
上述技术方案的工作原理及有益效果在方法权利要求中已经说明,此处不再赘述。
本领域技术人员应当理解的是,本发明中的第一、第二指的是不同应用阶段而已。
本领域技术用户员在考虑说明书及实践这里公开的公开后,将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本公开的真正范围和精神由下面的权利要求指出。
应当理解的是,本公开并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。
Claims (10)
1.一种产科康复数据管理方法,其特征在于,包括以下步骤:
获取目标患者的原始亚健康数据;
根据所述原始亚健康数据确定目标患者的期望产后康复数据;
基于所述期望产后康复数据生成目标患者制定的康复策略;
基于所述康复策略确定目标患者在各个康复阶段的采集数据指标并实时获取指标数据进行存储管理。
2.根据权利要求1所述产科康复数据管理方法,其特征在于,获取目标患者的原始亚健康数据,包括:
获取所述目标患者的基于图片格式的病例数据;
从所述基于图片格式的病例数据中提取出目标病例数据;
获取所述目标患者的日常生理数据,其中,所述日常生理数据为所述目标患者的脉搏波数据、心电数据、血压数据;
获取所述目标患者的身体体征数据,其中,所述身体体征数据为所述目标患者的子宫创伤数据、口腔健康数据及骨盆健康数据;
确定所述目标病例数据、日常生理数据及身体体征数据为所述原始亚健康数据。
3.根据权利要求2所述产科康复数据管理方法,其特征在于,从所述基于图片格式的病例数据中提取出目标病例数据,包括:
将所述图片格式的病例数据调整成预设大小的图片形式,得到调整格式后的图片格式的病例数据;
对所述调整格式后的图片格式的病例数据进行扫描,得到包含文字的第一区域和无文字的第二区域,并将所述第二区域进行剔除处理;
对所述第一区域进行搜寻,根据搜寻结果确定是否存在模糊区域,若是,根据模糊区域前后的文字信息判断所述模糊区域中的文字是否有用,若有用,则将正确的文字图片替换至所述模糊区域,得到更正后的文字区域,若无用,则将模糊区域进行删除,得到所述更正后的文字区域;
对所述更正后的文字区域进行文字提取,得到所述目标病例数据。
4.根据权利要求3所述产科康复数据管理方法,其特征在于,对所述调整格式后的图片格式的病例数据进行扫描,得到包含文字的第一区域和无文字的第二区域,并将所述第二区域进行剔除处理,包括:
对所述调整格式后的图片格式的病例数据进行色彩信息的扫描,得到其对应的色彩信息;
根据所述色彩信息对所述调整格式后的图片格式的病例数据进行二值化处理,得到二值化处理后的图片数据;
将所述二值化处理后的图片数据按照顺序划分为若干个互不重叠的像素块,并计算每个像素块的像素值;
当像素块的像素值小于预设阈值时,则确定所述像素块中具有文字,大于所述预设阈值时,则所述像素块无文字;
根据所有具有文字的像素块生成包含文字的第一区域,根据所有无文字的像素块生成无文字的第二区域,并将所述第二区域进行剔除处理。
5.根据权利要求1所述产科康复数据管理方法,其特征在于,根据所述原始亚健康数据确定目标患者的期望产后康复数据,包括:
对所述原始亚健康数据进行分类,得到分类后的亚健康数据;
根据所述分类后的亚健康数据对所述目标患者的身体状况进行分析,获取身体状况分析结果;
基于所述身体状况分析结果确定康复治疗条件,以根据所述康复治疗条件对所述分类后的亚健康数据进行筛选,得到预康复数据;
对所述预康复数据进行重要程度分析,并根据分析结果确定预康复数据的恢复权重值;
根据所述恢复权重值确定所述目标患者的期望产后康复数据。
6.根据权利要求1所述产科康复数据管理方法,其特征在于,基于所述期望产后康复数据生成目标患者制定的康复策略,包括:
获取初始康复计划;
将所述期望产后康复数据与所述原始亚健康数据进行匹配,匹配完成后进行对比,得到对比结果;
基于所述对比结果对所述初始康复计划进行筛选,以根据筛选结果生成原始康复策略;
判断所述原始康复策略是否合理,若合理则确定所述原始康复策略为目标患者制定的康复策略,若不合理,则根据专业人员建议对所述原始康复策略进行调整,得到所述目标患者指定的康复策略。
7.根据权利要求1所述产科康复数据管理方法,其特征在于,基于所述康复策略确定目标患者在各个康复阶段的采集数据指标并实时获取指标数据进行存储管理,包括:
基于所述康复策略确定目标患者在各康复阶段的采集数据指标,并确定所述采集数据指标的类别个数;
根据所述各康复阶段的采集数据指标实时获取指标数据,并基于所述采集数据指标的类别个数对所述实时获取的指标数据进行分类,得到分类后的指标数据;
根据所述类别个数将所述分类后的指标数据划分为所述类别个数的数据块;
创建所述类别个数的数据存储空间,并将所述数据块分别存储至所述数据存储空间;
创建策略存储空间,并将所述康复策略存储至所述策略存储空间;
当需要对所述数据存储空间和/或所述策略存储空间进行调整时,接收管理者发送的调整指令,并对所述更新指令进行解析,得到解析结果,以根据所述解析结果对所述数据存储空间和/或所述策略存储空间进行调整。
8.根据权利要求1所述产科康复数据管理方法,其特征在于,在获取为目标患者制定的康复策略后,还包括:
将制定的康复策略确认为第一康复策略;
在所述第一康复策略中获取多个康复运动表现指标以及每个康复运动表现指标的标准指标值;
根据多个康复运动表现指标以及每个康复运动表现指标的标准指标值构建第一康复策略对应的评价函数;
基于所述评价函数获取康复策略对应的多个关联康复超参数;
确定每个关联康复超参数对应的自然领域,基于每个关联康复超参数和其对应的自然领域中划分属性的关联度筛选出多项参考划分属性;
根据所述康复策略的期望康复指标对每个关联康复超参数的多项参考划分属性设定预设矢量信息;
获取目标患者的当前身体状态参数,根据每个关联康复超参数的多项参考划分属性设定的预设矢量信息和目标患者的当前身体状态参数评估出第一康复策略对于目标患者的治疗效果;
确定所述治疗效果是否严重高于预设效果,若是,对每个关联康复超参数的每项参考划分属性设定的预设矢量信息进行适应性调整;
根据调整后的预设矢量信息生成第二康复策略,将所述第二康复策略作为目标患者的最终康复策略。
9.根据权利要求8所述产科康复数据管理方法,其特征在于,基于每个关联康复超参数和其对应的自然领域中划分属性的关联度筛选出多项参考划分属性,包括:
提取每个关联康复超参数对应的自然领域中每个划分属性的数据映射分数和客观影响因素;
根据每个关联康复超参数对应的自然领域中每个划分属性的数据映射分数和客观影响因素计算出每个划分属性相对于该关联康复超参数的数据参考贡献率:
其中,Fij表示为第i个关联康复超参数对应的自然领域中的第j个划分属性相对于该关联康复超参数的数据参考贡献率,d表示为关联康复超参数与关联划分属性之间的稳态因子,a表示为分数调节系数,取值为0.8,fij表示为第i个关联康复超参数对应的自然领域中的第j个划分属性的数据映射分数,Mj表示为第j个划分属性的客观影响因素的数量,k表示为第k个客观影响因素,Qk表示为第k个客观影响因素的出现概率,e表示为自然常数,取值为2.72,Xk表示为第k个客观影响因素对于数据分析的影响系数,pk表示为第k个客观影响因素对于数据分析的误导系数,μij表示为第i个关联康复超参数对应的自然领域中的第j个划分属性的采集数据平均严谨度;
将每个关联康复超参数对应的自然领域中数据参考贡献率大于等于预设分值的第一划分属性保留,将数据参考贡献率小于预设分值的第二划分属性剔除;
获取每个关联康复超参数对应的自然领域中的每个第一划分属性对应的高参特征项和低参特征项,确定每个高参特征项和低参特征项分别与该个关联康复超参数的关联指数;
根据所述关联指数计算出每个关联康复超参数对应的自然领域中的每个第一划分属性的关联度:
其中,Dig第i个关联康复超参数对应的自然领域中的第g个第一划分属性之间的关联度,θ1表示为第一关联权重值,取值为0.7,Ng表示为第g个第一划分属性对应的高参特征下的数量,b表示为第b个高参特征项,Rb表示为第b个高参特征项与第i个关联康复超参数的关联指数,θ2表示为第二关联权重值,取值为0.3,Ug表示为第g个第一划分属性对应的低参特征下的数量,x表示为第x个低参特征项,Ax表示为第x个低参特征项与第i个关联康复超参数的关联指数,
根据每个关联康复超参数对应的自然领域中的每个第一划分属性的关联度筛选出关联度大于等于预设阈值的第二划分属性作为多项参考划分属性。
10.一种产科康复数据管理系统,其特征在于,该系统包括:
获取模块,用于获取目标患者的原始亚健康数据;
确定模块,用于根据所述原始亚健康数据确定目标患者的期望产后康复数据;
生成模块,用于基于所述期望产后康复数据生成目标患者制定的康复策略;
存储模块,用于基于所述康复策略确定目标患者在各个康复阶段的采集数据指标并实时获取指标数据进行存储管理。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310194417.5A CN116386795A (zh) | 2023-03-02 | 2023-03-02 | 一种产科康复数据管理方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310194417.5A CN116386795A (zh) | 2023-03-02 | 2023-03-02 | 一种产科康复数据管理方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116386795A true CN116386795A (zh) | 2023-07-04 |
Family
ID=86979689
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310194417.5A Pending CN116386795A (zh) | 2023-03-02 | 2023-03-02 | 一种产科康复数据管理方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116386795A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116564460A (zh) * | 2023-07-06 | 2023-08-08 | 四川省医学科学院·四川省人民医院 | 一种针对白血病患儿的健康行为监控方法和系统 |
CN117133402A (zh) * | 2023-08-30 | 2023-11-28 | 广东省中医院(广州中医药大学第二附属医院、广州中医药大学第二临床医学院、广东省中医药科学院) | 动态监管患者康复的方法、装置、设备及可读存储介质 |
CN117542536A (zh) * | 2024-01-10 | 2024-02-09 | 中国人民解放军海军青岛特勤疗养中心 | 一种基于体检数据的智能护理方法及系统 |
-
2023
- 2023-03-02 CN CN202310194417.5A patent/CN116386795A/zh active Pending
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116564460A (zh) * | 2023-07-06 | 2023-08-08 | 四川省医学科学院·四川省人民医院 | 一种针对白血病患儿的健康行为监控方法和系统 |
CN116564460B (zh) * | 2023-07-06 | 2023-09-12 | 四川省医学科学院·四川省人民医院 | 一种针对白血病患儿的健康行为监控方法和系统 |
CN117133402A (zh) * | 2023-08-30 | 2023-11-28 | 广东省中医院(广州中医药大学第二附属医院、广州中医药大学第二临床医学院、广东省中医药科学院) | 动态监管患者康复的方法、装置、设备及可读存储介质 |
CN117542536A (zh) * | 2024-01-10 | 2024-02-09 | 中国人民解放军海军青岛特勤疗养中心 | 一种基于体检数据的智能护理方法及系统 |
CN117542536B (zh) * | 2024-01-10 | 2024-04-12 | 中国人民解放军海军青岛特勤疗养中心 | 一种基于体检数据的智能护理方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116386795A (zh) | 一种产科康复数据管理方法及系统 | |
CN110232383B (zh) | 一种基于深度学习模型的病灶图像识别方法及病灶图像识别系统 | |
CN106846317B (zh) | 一种基于特征提取和相似匹配的医学影像检索方法 | |
CN108257135A (zh) | 基于深度学习方法解读医学图像特征的辅助诊断系统 | |
CN109615633A (zh) | 一种基于深度学习的肠镜下克罗恩病辅助诊断系统及方法 | |
CN112070119A (zh) | 超声切面图像质量控制方法、装置和计算机设备 | |
KR20190132290A (ko) | 환자 진단 학습 방법, 서버 및 프로그램 | |
CN111986177A (zh) | 一种基于注意力卷积神经网络的胸部肋骨骨折检测方法 | |
CN111430025B (zh) | 一种基于医疗影像数据扩增的疾病诊断模型训练方法 | |
CN107292103A (zh) | 一种预测图像生成方法及装置 | |
Long et al. | Biomedical information from a national collection of spine x-rays: film to content-based retrieval | |
CN113743463A (zh) | 一种基于影像数据和深度学习的肿瘤良恶性识别方法和系统 | |
CN114240874A (zh) | 基于深度卷积神经网络和特征融合的骨龄评定方法、设备及计算机可读存储介质 | |
CN115005768A (zh) | 皮肤病图片分类方法、装置、产品及存储介质 | |
CN117524465B (zh) | 基于人工智能的脊柱外科手术方案决策判定系统及方法 | |
CN114937502A (zh) | 基于深度学习的骨质疏松性椎体压缩性骨折评估方法及系统 | |
CN111951219B (zh) | 基于眼眶ct图像的甲状腺眼病筛查方法、系统及设备 | |
CN113257410A (zh) | 一种基于中医临床医疗知识库和深度学习模型的问诊方法 | |
CN116631558B (zh) | 一种基于互联网的医学检测项目的构建方法 | |
CN114999638B (zh) | 基于人工智能医疗诊断用的大数据可视化处理方法及系统 | |
CN107705829B (zh) | 一种基于智能识别的医学影像传输方法 | |
CN110827275A (zh) | 基于树莓派和深度学习的肝脏核磁动脉期影像质量分级方法 | |
CN113569985B (zh) | 一种烙铁头蛇或竹叶青蛇咬伤的智能识别系统 | |
CN115910300A (zh) | 一种基于人工智能医学虚拟平台系统及信息处理方法 | |
CN109480842B (zh) | 用于诊断功能性消化不良的系统及设备 |
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 |