CN116403735A - 一种云健康服务平台的数据交互系统及方法 - Google Patents
一种云健康服务平台的数据交互系统及方法 Download PDFInfo
- Publication number
- CN116403735A CN116403735A CN202310651046.9A CN202310651046A CN116403735A CN 116403735 A CN116403735 A CN 116403735A CN 202310651046 A CN202310651046 A CN 202310651046A CN 116403735 A CN116403735 A CN 116403735A
- Authority
- CN
- China
- Prior art keywords
- symptom
- symptoms
- disease
- module
- verification
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 37
- 230000036541 health Effects 0.000 title claims abstract description 29
- 230000003993 interaction Effects 0.000 title claims abstract description 25
- 208000024891 symptom Diseases 0.000 claims abstract description 491
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims abstract description 147
- 201000010099 disease Diseases 0.000 claims abstract description 144
- 238000012795 verification Methods 0.000 claims abstract description 123
- 238000004458 analytical method Methods 0.000 claims abstract description 71
- 238000003745 diagnosis Methods 0.000 claims abstract description 49
- 230000010354 integration Effects 0.000 claims description 21
- 230000008569 process Effects 0.000 claims description 21
- 239000000284 extract Substances 0.000 claims description 4
- 238000012545 processing Methods 0.000 claims description 2
- 238000011282 treatment Methods 0.000 description 8
- 230000006872 improvement Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 4
- 238000012351 Integrated analysis Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000013399 early diagnosis Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 238000007726 management method Methods 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
- 238000011369 optimal treatment Methods 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 208000011580 syndromic disease Diseases 0.000 description 1
- 238000012360 testing method 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
- G16H80/00—ICT specially adapted for facilitating communication between medical practitioners or patients, e.g. for collaborative diagnosis, therapy or health monitoring
-
- 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
- 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
- G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
-
- 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)
- General Health & Medical Sciences (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Biomedical Technology (AREA)
- Pathology (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Medical Treatment And Welfare Office Work (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
本发明涉及云健康数据交互技术领域，具体地说，涉及一种云健康服务平台的数据交互系统及方法。其包括共同症状标记模块、特殊症状标记模块以及病症分析验证模块。本发明通过设置的共同症状标记模块确定患有相同新型疾病的患者所伴随的共同症状，特殊症状标记模块确定共同症状患者数目阈值，将低于共同症状患者数目阈值的伴随症状标记为特殊症状，病症分析验证模块接收伴随共同症状信息以及伴随特殊症状信息，病症分析验证模块通过医师对新型疾病最终诊断结果，实现云健康数据交互，对患有新型疾病的病患提供参考标准，提高新型疾病提前确诊准确率。
Description
技术领域
本发明涉及云健康数据交互技术领域，具体地说，涉及一种云健康服务平台的数据交互系统及方法。
背景技术
云健康，又称健康云，指通过云计算、云存储、云服务、物联网、移动互联网等技术手段，通过医疗机构、专家、医疗研究机构、医疗厂商等相关部门的联合、互动、交流、合作，为医疗患者、健康需求人士提供在线、实时、最新的健康管理、疾病治疗、疾病诊断、人体功能数据采集等服务与衍生产品开发云健康是一个系统工程，也是跨电子、通信、医疗、生物、软件等等不同行业的复杂巨系统。
在进行治疗过程中，由于前期防治措施不够完善，新型疾病的伴随症状无法整合，导致一些确诊患者无法参考到有效数据进行自检，很容易错过最佳治疗时间，虽然在进行治疗过程中，治疗数据会实时更新发布，但新型疾病患者并非症状统一，大多数患者会出现特殊伴随症状，这就会导致咨询者难以第一时间预测自身是否确诊。
为了应对上述问题，现亟需一种云健康服务平台的数据交互系统及方法。
发明内容
本发明的目的在于提供一种云健康服务平台的数据交互系统及方法，以解决上述背景技术中提出的问题。
为实现上述目的，本发明目的之一在于，提供了一种云健康服务平台的数据交互系统，包括确诊患者数据采集模块，所述确诊患者数据采集模块用于采集新型疾病确诊患者症状信息以及确诊患者其余病症信息，所述确诊患者数据采集模块输出端连接有伴随症状识别模块，所述伴随症状识别模块根据新型疾病确诊患者症状信息，确定确诊患者确诊新型疾病后产生的伴随症状；
所述伴随症状识别模块输出端连接有共同症状标记模块以及特殊症状标记模块，所述共同症状标记模块确定患有相同新型疾病的患者所伴随的共同症状，所述特殊症状标记模块确定共同症状患者数目阈值，将低于共同症状患者数目阈值的伴随症状标记为特殊症状；
所述特殊症状标记模块输出端连接有病症分析验证模块，所述病症分析验证模块输入端与所述共同症状标记模块输出端连接，所述病症分析验证模块通过医师对新型疾病最终诊断结果，判定共同症状是否由新型疾病引起，并根据判定结果将共同症状归类为验证共同症状以及未验证共同症状，同时，所述病症分析验证模块判定特殊症状是否由新型疾病引起，并根据判定结果将特殊症状归类为验证特殊症状以及未验证特殊症状；
所述病症分析验证模块输出端连接有验证病症标记模块，所述验证病症标记模块用于对相同新型疾病的验证共同症状、未验证共同症状、验证特殊症状以及未验证特殊症状进行标记，并将标记结果进行公布；
所述病症分析验证模块输出端还连接有体质整合分析模块，所述体质整合分析模块根据确诊患者其余病症信息，对未验证共同症状以及未验证特殊症状进行整合分析，确定出相同确诊患者是否存在相同其余症状，并结合确定结果对未验证共同症状以及未验证特殊症状进行二次验证。
作为本技术方案的进一步改进，所述伴随症状识别模块包括症状时间段确定单元，所述症状时间段确定单元用于对确诊患者确诊过程中存在的症状进行时间段追踪，所述症状时间段确定单元输出端连接有无关症状剔除单元，所述无关症状剔除单元根据确诊患者确诊过程中存在的症状的时间段追踪，对无关部位症状以及脱离确诊时间段的症状标记为无关症状，并对无关症状进行剔除，所述无关症状剔除单元输出端连接有伴随症状选取单元。
作为本技术方案的进一步改进，所述特殊症状标记模块包括汇总病例样本确定单元，所述汇总病例样本确定单元用于确定选取的病例样本量以及该样本中存在相同症状的病例人数，所述汇总病例样本确定单元输出端连接有相同症状数阈值制定单元，所述相同症状数阈值制定单元用于制定共同症状患者数目阈值，所述相同症状数阈值制定单元输出端连接有特殊症状提取单元，所述特殊症状提取单元将低于共同症状患者数目阈值的症状标记为特殊症状，并对特殊症状进行提取。
作为本技术方案的进一步改进，所述特殊症状标记模块采用比较算法，其算法公式如下：
其中
为确诊新型疾病后的患者中各种存在相同伴随症状的人数集合，/>
至/>
为确诊新型疾病后的患者中各种存在相同伴随症状的人数，n为确诊新型疾病后的患者中存在的伴随症状种类数，/>
为当前伴随症状所占比例，/>
为选取的病例样本量，c为当前选取的伴随症状人数，/>
为伴随症状所占比例阈值，/>
为所占比例阈值函数，当当前伴随症状所占比例/>
小于伴随症状所占比例阈值/>
时，所占比例阈值函数/>
输出为0，将当前伴随症状标记为特殊症状，当当前伴随症状所占比例/>
不小于伴随症状所占比例阈值/>
时，所占比例阈值函数/>
输出为1，将当前伴随症状标记为共同症状。
作为本技术方案的进一步改进，所述病症分析验证模块输出端连接有验证流程规划单元，所述验证流程规划单元用于对伴随症状验证流程进行规划，所述验证流程规划单元输出端连接有症状分析原因公布单元，所述症状分析原因公布单元根据规划的伴随症状验证流程，对伴随症状产生的原因进行公布，所述症状分析原因公布单元输出端连接有症状原因绑定单元。
作为本技术方案的进一步改进，所述验证病症标记模块包括验证率标记单元，所述验证率标记单元用于对各个伴随症状的验证率进行计算，所述验证率标记单元输出端连接有症状验证更新单元，所述症状验证更新单元用于实时更新各个伴随症状的验证率。
作为本技术方案的进一步改进，所述症状验证更新单元输出端连接有标记信息实时更新单元，所述标记信息实时更新单元用于对各个伴随症状标记信息进行实时更新处理。
作为本技术方案的进一步改进，所述验证病症标记模块输入端与所述体质整合分析模块输出端连接。
本发明目的之二在于，提供了一种使用云健康服务平台的数据交互系统的方法，包括如下方法步骤：
S1、确诊患者数据采集模块采集新型疾病确诊患者症状信息以及确诊患者其余病症信息；
S2、伴随症状识别模块根据新型疾病确诊患者症状信息，确定确诊患者确诊新型疾病后产生的伴随症状；
S3、共同症状标记模块确定患有相同新型疾病的患者所伴随的共同症状；
S4、特殊症状标记模块确定共同症状患者数目阈值，将低于共同症状患者数目阈值的伴随症状标记为特殊症状；
S5、病症分析验证模块通过医师对新型疾病最终诊断结果，判定共同症状是否由新型疾病引起，并根据判定结果将共同症状归类为验证共同症状以及未验证共同症状；
S6、验证病症标记模块对相同新型疾病的验证共同症状、未验证共同症状、验证特殊症状以及未验证特殊症状进行标记；
S7、体质整合分析模块根据确诊患者其余病症信息，对未验证共同症状以及未验证特殊症状进行整合分析，确定出相同确诊患者是否存在相同其余症状，并结合确定结果对未验证共同症状以及未验证特殊症状进行二次验证。
与现有技术相比，本发明的有益效果：
该云健康服务平台的数据交互系统及方法中，通过设置的共同症状标记模块确定患有相同新型疾病的患者所伴随的共同症状，特殊症状标记模块确定共同症状患者数目阈值，将低于共同症状患者数目阈值的伴随症状标记为特殊症状，病症分析验证模块接收伴随共同症状信息以及伴随特殊症状信息，病症分析验证模块通过医师对新型疾病最终诊断结果，实现云健康数据交互，对患有新型疾病的病患提供参考标准，提高新型疾病提前确诊准确率。
附图说明
图1为本发明实施例1的整体结构示意图；
图2为本发明实施例1的伴随症状识别模块结构示意图；
图3为本发明实施例1的特殊症状标记模块结构示意图；
图4为本发明实施例1的病症分析验证模块结构示意图；
图5为本发明实施例1的验证病症标记模块结构示意图。
图中各个标号意义为：
10、确诊患者数据采集模块；
20、伴随症状识别模块；210、症状时间段确定单元；220、无关症状剔除单元；230、伴随症状选取单元；
30、共同症状标记模块；
40、特殊症状标记模块；410、汇总病例样本确定单元；420、相同症状数阈值制定单元；430、特殊症状提取单元；
50、病症分析验证模块；510、验证流程规划单元；520、症状分析原因公布单元；530、症状原因绑定单元；
60、验证病症标记模块；610、验证率标记单元；620、症状验证更新单元；630、标记信息实时更新单元；
70、体质整合分析模块。
具体实施方式
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。
在本发明的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”、“顺时针”、“逆时针”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的设备或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。
实施例1：请参阅图1-图5所示，本实施例目的之一在于，提供了一种云健康服务平台的数据交互系统，包括确诊患者数据采集模块10，确诊患者数据采集模块10用于采集新型疾病确诊患者症状信息以及确诊患者其余病症信息，确诊患者数据采集模块10输出端连接有伴随症状识别模块20，伴随症状识别模块20根据新型疾病确诊患者症状信息，确定确诊患者确诊新型疾病后产生的伴随症状；
伴随症状识别模块20输出端连接有共同症状标记模块30以及特殊症状标记模块40，共同症状标记模块30确定患有相同新型疾病的患者所伴随的共同症状，特殊症状标记模块40确定共同症状患者数目阈值，将低于共同症状患者数目阈值的伴随症状标记为特殊症状；
特殊症状标记模块40输出端连接有病症分析验证模块50，病症分析验证模块50输入端与共同症状标记模块30输出端连接，病症分析验证模块50通过医师对新型疾病最终诊断结果，判定共同症状是否由新型疾病引起，并根据判定结果将共同症状归类为验证共同症状以及未验证共同症状，同时，病症分析验证模块50判定特殊症状是否由新型疾病引起，并根据判定结果将特殊症状归类为验证特殊症状以及未验证特殊症状；
病症分析验证模块50输出端连接有验证病症标记模块60，验证病症标记模块60用于对相同新型疾病的验证共同症状、未验证共同症状、验证特殊症状以及未验证特殊症状进行标记，并将标记结果进行公布；
病症分析验证模块50输出端还连接有体质整合分析模块70，体质整合分析模块70根据确诊患者其余病症信息，对未验证共同症状以及未验证特殊症状进行整合分析，确定出相同确诊患者是否存在相同其余症状，并结合确定结果对未验证共同症状以及未验证特殊症状进行二次验证。
具体使用时，确诊患者数据采集模块10采集新型疾病确诊患者症状信息以及确诊患者其余病症信息，整合患有相同新型疾病的各类患者症状信息以及确诊患者其余病症信息，并进行存储，伴随症状识别模块20根据新型疾病确诊患者症状信息，确定确诊患者确诊新型疾病后产生的伴随症状，生成伴随症状信息，并将伴随症状信息传输至共同症状标记模块30以及特殊症状标记模块40，共同症状标记模块30确定患有相同新型疾病的患者所伴随的共同症状，生成伴随共同症状信息，特殊症状标记模块40确定共同症状患者数目阈值，将低于共同症状患者数目阈值的伴随症状标记为特殊症状，生成伴随特殊症状信息；
病症分析验证模块50接收伴随共同症状信息以及伴随特殊症状信息，病症分析验证模块50通过医师对新型疾病最终诊断结果，判定共同症状是否由新型疾病引起，并根据判定结果将共同症状归类为验证共同症状以及未验证共同症状，同时，病症分析验证模块50判定特殊症状是否由新型疾病引起，并根据判定结果将特殊症状归类为验证特殊症状以及未验证特殊症状，验证病症标记模块60对相同新型疾病的验证共同症状、未验证共同症状、验证特殊症状以及未验证特殊症状进行标记，并将标记结果进行公布，标记为验证共同症状以及验证特殊症状即可作为患有该新型疾病的参考标准，而未验证共同症状以及未验证特殊症状不同作为患有该新型疾病的参考标准；
随后，病症分析验证模块50将未验证共同症状以及未验证特殊症状传输至体质整合分析模块70，体质整合分析模块70根据确诊患者其余病症信息，对未验证共同症状以及未验证特殊症状进行整合分析，确定出相同确诊患者是否存在相同其余症状，并结合确定结果对未验证共同症状以及未验证特殊症状进行二次验证，并将二次验证成功后的未验证共同症状或者未验证特殊症状绑定对应的其余症状，以供后期进行二次对照参考，例如，该新型疾病为A，未验证共同症状为A1，未验证特殊症状为A2，两个相同确诊患者均患有B疾病，同时这两个患者均患有未验证共同症状A1，则表明共同症状A1为B疾病与A疾病共同作用结果，当后期咨询者出现验证共同症状以及未验证共同症状A1，咨询者无法确定自身是否患有该新型疾病，此时即可通过判断自身是否患有B疾病进行二次验证，提高新型疾病提前确诊准确率。
进一步的，伴随症状识别模块20包括症状时间段确定单元210，症状时间段确定单元210用于对确诊患者确诊过程中存在的症状进行时间段追踪，症状时间段确定单元210输出端连接有无关症状剔除单元220，无关症状剔除单元220根据确诊患者确诊过程中存在的症状的时间段追踪，对无关部位症状以及脱离确诊时间段的症状标记为无关症状，并对无关症状进行剔除，无关症状剔除单元220输出端连接有伴随症状选取单元230。具体使用时，症状时间段确定单元210对确诊患者确诊过程中存在的症状进行时间段追踪，由于确诊患者在确诊过程中还可能存在其余疾病，而其余疾病也会存在一定症状，而确诊患者是先并不知道自身存在的各种症状是否都和该新型疾病有关，所以需要通过，无关症状剔除单元220根据确诊患者确诊过程中存在的症状的时间段追踪，对无关部位症状以及脱离确诊时间段的症状标记为无关症状，并对无关症状进行剔除，例如患者确诊新型疾病之前存在就存在症状M，该症状M并没有随着新型疾病而发生变化，则说明该症状M与新型疾病无关，不属于新型疾病的伴随症状，标记为无关症状，从而确诊患者确诊过程中存在的症状中的无关症状，剩余症状通过伴随症状选取单元230进行选取，并标记为伴随症状，从而能够对确诊患者确诊过程中存在的症状进行过滤处理，减少后期对病症分析验证的影响。
再进一步的，特殊症状标记模块40包括汇总病例样本确定单元410，汇总病例样本确定单元410用于确定选取的病例样本量以及该样本中存在相同症状的病例人数，汇总病例样本确定单元410输出端连接有相同症状数阈值制定单元420，相同症状数阈值制定单元420用于制定共同症状患者数目阈值，相同症状数阈值制定单元420输出端连接有特殊症状提取单元430，特殊症状提取单元430将低于共同症状患者数目阈值的症状标记为特殊症状，并对特殊症状进行提取。具体使用时，汇总病例样本确定单元410确定选取的病例样本量以及该样本中存在相同症状的病例人数，相同症状数阈值制定单元420制定共同症状患者数目阈值，随后将相同症状的病例人数与共同症状患者数目阈值进行比较，特殊症状提取单元430将低于共同症状患者数目阈值的症状标记为特殊症状，并对特殊症状进行提取，以便后期进行医师诊断或者二次验证。
具体的，特殊症状标记模块40采用比较算法，其算法公式如下：
其中
为确诊新型疾病后的患者中各种存在相同伴随症状的人数集合，/>
至/>
为确诊新型疾病后的患者中各种存在相同伴随症状的人数，n为确诊新型疾病后的患者中存在的伴随症状种类数，/>
为当前伴随症状所占比例，/>
为选取的病例样本量，c为当前选取的伴随症状人数，/>
为伴随症状所占比例阈值，/>
为所占比例阈值函数，当当前伴随症状所占比例/>
小于伴随症状所占比例阈值/>
时，所占比例阈值函数/>
输出为0，将当前伴随症状标记为特殊症状，当当前伴随症状所占比例/>
不小于伴随症状所占比例阈值/>
时，所占比例阈值函数/>
输出为1，将当前伴随症状标记为共同症状。
此外，病症分析验证模块50输出端连接有验证流程规划单元510，验证流程规划单元510用于对伴随症状验证流程进行规划，验证流程规划单元510输出端连接有症状分析原因公布单元520，症状分析原因公布单元520根据规划的伴随症状验证流程，对伴随症状产生的原因进行公布，症状分析原因公布单元520输出端连接有症状原因绑定单元530。具体使用时，验证流程规划单元510对伴随症状验证流程进行规划，症状分析原因公布单元520根据规划的伴随症状验证流程，对伴随症状产生的原因进行公布，确定各个伴随症状产生原因以及伴随症状产生的流程，随后通过症状原因绑定单元530绑定伴随症状以及伴随症状产生原因，后期咨询者可通过伴随症状产生原因推算出自身是否出现相同伴随症状，从而提高新型疾病预存效率。
除此之外，验证病症标记模块60包括验证率标记单元610，验证率标记单元610用于对各个伴随症状的验证率进行计算，验证率标记单元610输出端连接有症状验证更新单元620，症状验证更新单元620用于实时更新各个伴随症状的验证率。具体使用时，验证率标记单元610对各个伴随症状的验证率进行计算，例如100个确诊患者中有96个患者存在T伴随症状，T伴随症状的验证率即为96%，而这些确诊患者中确诊时间不同，一些患者的伴随症状未来得及显现，另外4个患者中后期还可能出现T伴随症状，随后就通过症状验证更新单元620实时更新各个伴随症状的验证率，进一步提高新型症状的预测准确度，为咨询者提供实时验证数据。
进一步的，症状验证更新单元620输出端连接有标记信息实时更新单元630，标记信息实时更新单元630用于对各个伴随症状标记信息进行实时更新处理。由于各种新型疾病的伴随症状很容易随着时间或者治疗过程中伴随症状很容易发生改变，甚至消失，此时对新型疾病的伴随症状改变流程进行实时更新，记录其改变过程，从而为后期患有相同新型疾病的患者提供参考，确定诊疗方向是否正确。
再进一步的，验证病症标记模块60输入端与体质整合分析模块70输出端连接。体质整合分析模块70根据确诊患者其余病症信息，对未验证共同症状以及未验证特殊症状进行整合分析，确定出相同确诊患者是否存在相同其余症状，并结合确定结果对未验证共同症状以及未验证特殊症状进行二次验证，并将二次验证结果传输至验证病症标记模块60，通过验证病症标记模块60对未验证共同症状以及未验证特殊症状进行信息标记，即使咨询者所伴随症状不一，也能够逐一进行分析参考。
本实施例目的之二在于，提供了一种使用云健康服务平台的数据交互系统的方法，包括如下方法步骤：
S1、确诊患者数据采集模块10采集新型疾病确诊患者症状信息以及确诊患者其余病症信息；
S2、伴随症状识别模块20根据新型疾病确诊患者症状信息，确定确诊患者确诊新型疾病后产生的伴随症状；
S3、共同症状标记模块30确定患有相同新型疾病的患者所伴随的共同症状；
S4、特殊症状标记模块40确定共同症状患者数目阈值，将低于共同症状患者数目阈值的伴随症状标记为特殊症状；
S5、病症分析验证模块50通过医师对新型疾病最终诊断结果，判定共同症状是否由新型疾病引起，并根据判定结果将共同症状归类为验证共同症状以及未验证共同症状；
S6、验证病症标记模块60对相同新型疾病的验证共同症状、未验证共同症状、验证特殊症状以及未验证特殊症状进行标记；
S7、体质整合分析模块70根据确诊患者其余病症信息，对未验证共同症状以及未验证特殊症状进行整合分析，确定出相同确诊患者是否存在相同其余症状，并结合确定结果对未验证共同症状以及未验证特殊症状进行二次验证。
以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的仅为本发明的优选例，并不用来限制本发明，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。
Claims (9)
1.一种云健康服务平台的数据交互系统，包括确诊患者数据采集模块（10），所述确诊患者数据采集模块（10）用于采集新型疾病确诊患者症状信息以及确诊患者其余病症信息，其特征在于：所述确诊患者数据采集模块（10）输出端连接有伴随症状识别模块（20），所述伴随症状识别模块（20）根据新型疾病确诊患者症状信息，确定确诊患者确诊新型疾病后产生的伴随症状；
所述伴随症状识别模块（20）输出端连接有共同症状标记模块（30）以及特殊症状标记模块（40），所述共同症状标记模块（30）确定患有相同新型疾病的患者所伴随的共同症状，所述特殊症状标记模块（40）确定共同症状患者数目阈值，将低于共同症状患者数目阈值的伴随症状标记为特殊症状；
所述特殊症状标记模块（40）输出端连接有病症分析验证模块（50），所述病症分析验证模块（50）输入端与所述共同症状标记模块（30）输出端连接，所述病症分析验证模块（50）通过医师对新型疾病最终诊断结果，判定共同症状是否由新型疾病引起，并根据判定结果将共同症状归类为验证共同症状以及未验证共同症状，同时，所述病症分析验证模块（50）判定特殊症状是否由新型疾病引起，并根据判定结果将特殊症状归类为验证特殊症状以及未验证特殊症状；
所述病症分析验证模块（50）输出端连接有验证病症标记模块（60），所述验证病症标记模块（60）用于对相同新型疾病的验证共同症状、未验证共同症状、验证特殊症状以及未验证特殊症状进行标记，并将标记结果进行公布；
所述病症分析验证模块（50）输出端还连接有体质整合分析模块（70），所述体质整合分析模块（70）根据确诊患者其余病症信息，对未验证共同症状以及未验证特殊症状进行整合分析，确定出相同确诊患者是否存在相同其余症状，并结合确定结果对未验证共同症状以及未验证特殊症状进行二次验证。
2.根据权利要求1所述的云健康服务平台的数据交互系统，其特征在于：所述伴随症状识别模块（20）包括症状时间段确定单元（210），所述症状时间段确定单元（210）用于对确诊患者确诊过程中存在的症状进行时间段追踪，所述症状时间段确定单元（210）输出端连接有无关症状剔除单元（220），所述无关症状剔除单元（220）根据确诊患者确诊过程中存在的症状的时间段追踪，对无关部位症状以及脱离确诊时间段的症状标记为无关症状，并对无关症状进行剔除，所述无关症状剔除单元（220）输出端连接有伴随症状选取单元（230）。
3.根据权利要求1所述的云健康服务平台的数据交互系统，其特征在于：所述特殊症状标记模块（40）包括汇总病例样本确定单元（410），所述汇总病例样本确定单元（410）用于确定选取的病例样本量以及该样本中存在相同症状的病例人数，所述汇总病例样本确定单元（410）输出端连接有相同症状数阈值制定单元（420），所述相同症状数阈值制定单元（420）用于制定共同症状患者数目阈值，所述相同症状数阈值制定单元（420）输出端连接有特殊症状提取单元（430），所述特殊症状提取单元（430）将低于共同症状患者数目阈值的症状标记为特殊症状，并对特殊症状进行提取。
4.根据权利要求3所述的云健康服务平台的数据交互系统，其特征在于：所述特殊症状标记模块（40）采用比较算法，其算法公式如下：
其中
为确诊新型疾病后的患者中各种存在相同伴随症状的人数集合，/>
至/>
为确诊新型疾病后的患者中各种存在相同伴随症状的人数，n为确诊新型疾病后的患者中存在的伴随症状种类数，/>
为当前伴随症状所占比例，/>
为选取的病例样本量，c为当前选取的伴随症状人数，/>
为伴随症状所占比例阈值，/>
为所占比例阈值函数，当当前伴随症状所占比例
小于伴随症状所占比例阈值/>
时，所占比例阈值函数/>
输出为0，将当前伴随症状标记为特殊症状，当当前伴随症状所占比例/>
不小于伴随症状所占比例阈值/>
时，所占比例阈值函数/>
输出为1，将当前伴随症状标记为共同症状。
5.根据权利要求1所述的云健康服务平台的数据交互系统，其特征在于：所述病症分析验证模块（50）输出端连接有验证流程规划单元（510），所述验证流程规划单元（510）用于对伴随症状验证流程进行规划，所述验证流程规划单元（510）输出端连接有症状分析原因公布单元（520），所述症状分析原因公布单元（520）根据规划的伴随症状验证流程，对伴随症状产生的原因进行公布，所述症状分析原因公布单元（520）输出端连接有症状原因绑定单元（530）。
6.根据权利要求1所述的云健康服务平台的数据交互系统，其特征在于：所述验证病症标记模块（60）包括验证率标记单元（610），所述验证率标记单元（610）用于对各个伴随症状的验证率进行计算，所述验证率标记单元（610）输出端连接有症状验证更新单元（620），所述症状验证更新单元（620）用于实时更新各个伴随症状的验证率。
7.根据权利要求6所述的云健康服务平台的数据交互系统，其特征在于：所述症状验证更新单元（620）输出端连接有标记信息实时更新单元（630），所述标记信息实时更新单元（630）用于对各个伴随症状标记信息进行实时更新处理。
8.根据权利要求6所述的云健康服务平台的数据交互系统，其特征在于：所述验证病症标记模块（60）输入端与所述体质整合分析模块（70）输出端连接。
9.一种使用包括权利要求1-8中任意一项所述云健康服务平台的数据交互系统的方法，其特征在于：包括如下方法步骤：
S1、确诊患者数据采集模块（10）采集新型疾病确诊患者症状信息以及确诊患者其余病症信息；
S2、伴随症状识别模块（20）根据新型疾病确诊患者症状信息，确定确诊患者确诊新型疾病后产生的伴随症状；
S3、共同症状标记模块（30）确定患有相同新型疾病的患者所伴随的共同症状；
S4、特殊症状标记模块（40）确定共同症状患者数目阈值，将低于共同症状患者数目阈值的伴随症状标记为特殊症状；
S5、病症分析验证模块（50）通过医师对新型疾病最终诊断结果，判定共同症状是否由新型疾病引起，并根据判定结果将共同症状归类为验证共同症状以及未验证共同症状；
S6、验证病症标记模块（60）对相同新型疾病的验证共同症状、未验证共同症状、验证特殊症状以及未验证特殊症状进行标记；
S7、体质整合分析模块（70）根据确诊患者其余病症信息，对未验证共同症状以及未验证特殊症状进行整合分析，确定出相同确诊患者是否存在相同其余症状，并结合确定结果对未验证共同症状以及未验证特殊症状进行二次验证。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310651046.9A CN116403735B (zh) | 2023-06-05 | 2023-06-05 | 一种云健康服务平台的数据交互系统及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310651046.9A CN116403735B (zh) | 2023-06-05 | 2023-06-05 | 一种云健康服务平台的数据交互系统及方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116403735A true CN116403735A (zh) | 2023-07-07 |
| CN116403735B CN116403735B (zh) | 2023-08-11 |
Family
ID=87010838
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310651046.9A Active CN116403735B (zh) | 2023-06-05 | 2023-06-05 | 一种云健康服务平台的数据交互系统及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116403735B (zh) |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1423789A (zh) * | 2000-02-14 | 2003-06-11 | 第一咨询公司 | 自动诊断系统和方法 |
| WO2015031542A1 (en) * | 2013-08-27 | 2015-03-05 | Bioneur, Llc | Systems and methods for rare disease prediction |
| CN107205671A (zh) * | 2014-08-22 | 2017-09-26 | 普尔斯地质构造有限责任公司 | 至少部分基于脉搏波形的自动诊断 |
| CN111291163A (zh) * | 2020-03-09 | 2020-06-16 | 西南交通大学 | 一种基于症状特征的疾病知识图谱检索方法 |
| CN112700861A (zh) * | 2020-12-25 | 2021-04-23 | 北京左医科技有限公司 | 伴随症状交互方法及伴随症状交互系统 |
| CN113053543A (zh) * | 2021-04-28 | 2021-06-29 | 叶富华 | 一种自助疾病诊断平台 |
| CN113436717A (zh) * | 2021-06-05 | 2021-09-24 | 四川数字链享科技有限公司 | 一种基于大数据的智慧医疗病情监控管理系统 |
| CN114388125A (zh) * | 2022-01-14 | 2022-04-22 | 平安科技（深圳）有限公司 | 基于人机交互的体质辨识方法、系统及存储介质 |
| CN116189878A (zh) * | 2022-12-30 | 2023-05-30 | 华中科技大学同济医学院附属同济医院 | 疾病早期预测方法及相关设备 |
-
2023
- 2023-06-05 CN CN202310651046.9A patent/CN116403735B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1423789A (zh) * | 2000-02-14 | 2003-06-11 | 第一咨询公司 | 自动诊断系统和方法 |
| WO2015031542A1 (en) * | 2013-08-27 | 2015-03-05 | Bioneur, Llc | Systems and methods for rare disease prediction |
| CN107205671A (zh) * | 2014-08-22 | 2017-09-26 | 普尔斯地质构造有限责任公司 | 至少部分基于脉搏波形的自动诊断 |
| CN111291163A (zh) * | 2020-03-09 | 2020-06-16 | 西南交通大学 | 一种基于症状特征的疾病知识图谱检索方法 |
| CN112700861A (zh) * | 2020-12-25 | 2021-04-23 | 北京左医科技有限公司 | 伴随症状交互方法及伴随症状交互系统 |
| CN113053543A (zh) * | 2021-04-28 | 2021-06-29 | 叶富华 | 一种自助疾病诊断平台 |
| CN113436717A (zh) * | 2021-06-05 | 2021-09-24 | 四川数字链享科技有限公司 | 一种基于大数据的智慧医疗病情监控管理系统 |
| CN114388125A (zh) * | 2022-01-14 | 2022-04-22 | 平安科技（深圳）有限公司 | 基于人机交互的体质辨识方法、系统及存储介质 |
| CN116189878A (zh) * | 2022-12-30 | 2023-05-30 | 华中科技大学同济医学院附属同济医院 | 疾病早期预测方法及相关设备 |
Non-Patent Citations (1)
| Title |
|---|
| 申静;: "基于案例推理的疾病诊断专家系统的研究", 计算机与现代化, no. 02 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116403735B (zh) | 2023-08-11 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Marsico et al. | Estimating the incidence and prevalence of juvenile-onset recurrent respiratory papillomatosis in publicly and privately insured claims databases in the United States | |
| CN101766484B (zh) | 用于心电图识别与分类的方法和设备 | |
| CN108133476B (zh) | 一种肺结节自动检测方法及系统 | |
| CN110246577B (zh) | 一种基于人工智能辅助妊娠期糖尿病遗传风险预测的方法 | |
| CN110111905B (zh) | 一种医疗知识图谱的构建系统和构建方法 | |
| CN111475713A (zh) | 医生信息推荐方法、装置、电子设备、系统及存储介质 | |
| CN109524069A (zh) | 医疗数据处理方法、装置、电子设备和存储介质 | |
| CN112216402A (zh) | 基于人工智能的疫情预测方法、装置、计算机设备及介质 | |
| CN110021414A (zh) | 互联网医疗服务的智能挂号系统 | |
| WO2021208091A1 (zh) | 一种基于神经网络的病毒筛查与防疫系统及方法 | |
| CN114220514B (zh) | 互联网医院病人诊疗数据分析处理方法、设备及存储介质 | |
| CN109299085A (zh) | 一种数据处理方法、电子设备及存储介质 | |
| CN108245161A (zh) | 肺部常见疾病的辅助诊断系统 | |
| CN109117871A (zh) | 一种通过深度学习获取肺部病灶恶性概率的系统和方法 | |
| CN115760210A (zh) | 一种基于ipso-lstm模型的医药销售预测系统及方法 | |
| Baskaran et al. | Predicting breast screening attendance using machine learning techniques | |
| CN107480419A (zh) | 胎儿出生缺陷智能化诊断系统 | |
| CN109919784A (zh) | 保单处理方法、装置、计算机设备及计算机可读存储介质 | |
| CN116403735B (zh) | 一种云健康服务平台的数据交互系统及方法 | |
| CN116543916A (zh) | 基于病历整合自动预测当前病因的儿童内科分析系统 | |
| CN113470825B (zh) | 一种静脉血栓栓塞预测系统、方法、设备及介质 | |
| CN110223743A (zh) | 一种针对肺癌诊断记录的结构化处理方法和系统 | |
| CN110223760B (zh) | 一种医疗影像信息采集与融合方法及系统 | |
| WO2022141929A1 (zh) | 一种健康自测系统、服务器及健康检测系统 | |
| CN114822813A (zh) | 一种甲状腺疾病的智能诊断系统及方法 |
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 |