CN116543870B - 一种高血压患者药物依从性分析方法、系统、设备和介质 - Google Patents
一种高血压患者药物依从性分析方法、系统、设备和介质 Download PDFInfo
- Publication number
- CN116543870B CN116543870B CN202310822377.4A CN202310822377A CN116543870B CN 116543870 B CN116543870 B CN 116543870B CN 202310822377 A CN202310822377 A CN 202310822377A CN 116543870 B CN116543870 B CN 116543870B
- Authority
- CN
- China
- Prior art keywords
- medicine
- hypertension
- patient
- module
- information
- 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
- 239000003814 drug Substances 0.000 title claims abstract description 399
- 229940079593 drug Drugs 0.000 title claims abstract description 142
- 206010020772 Hypertension Diseases 0.000 title claims abstract description 123
- 238000000034 method Methods 0.000 title claims abstract description 22
- 238000004458 analytical method Methods 0.000 claims abstract description 36
- 238000012544 monitoring process Methods 0.000 claims abstract description 5
- 230000001631 hypertensive effect Effects 0.000 claims description 16
- 238000013527 convolutional neural network Methods 0.000 claims description 11
- 238000012545 processing Methods 0.000 claims description 8
- 230000004927 fusion Effects 0.000 claims description 3
- 238000011282 treatment Methods 0.000 abstract description 14
- 230000000694 effects Effects 0.000 abstract description 8
- 238000011176 pooling Methods 0.000 description 9
- 238000004891 communication Methods 0.000 description 6
- 238000004806 packaging method and process Methods 0.000 description 5
- 230000008901 benefit Effects 0.000 description 4
- 238000004590 computer program Methods 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 230000002776 aggregation Effects 0.000 description 2
- 238000004220 aggregation Methods 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 239000002552 dosage form Substances 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 208000030453 Drug-Related Side Effects and Adverse reaction Diseases 0.000 description 1
- 206010066901 Treatment failure Diseases 0.000 description 1
- 230000003276 anti-hypertensive effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000001684 chronic effect Effects 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000001627 detrimental effect Effects 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001225 therapeutic effect Effects 0.000 description 1
- 238000011269 treatment regimen Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
- G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
- G16H20/10—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to drugs or medications, e.g. for ensuring correct administration to patients
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
-
- 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
- G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
- G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
- G16H40/67—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for remote operation
-
- 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)
- General Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- Medical Informatics (AREA)
- Multimedia (AREA)
- Epidemiology (AREA)
- Physics & Mathematics (AREA)
- Primary Health Care (AREA)
- Public Health (AREA)
- Biomedical Technology (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- General Business, Economics & Management (AREA)
- Business, Economics & Management (AREA)
- Medicinal Chemistry (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Chemical & Material Sciences (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明涉及一种高血压患者药物依从性分析方法、系统、设备和介质，包括：服药信息建立模块、用药监督模块和服药依从性分析模块；服药信息建立模块用于根据预先建立的药品库对获取的医嘱信息进行自动匹配，得到高血压患者服药信息；用药监督模块用于根据获取的智能药盒的图像信息判断高血压患者是否按时服药，并根据高血压患者服药信息进行服药提醒；服药依从性分析模块用于对高血压患者服药情况进行记录，并对高血压患者服药依从性进行分析。本发明可以自动识别智能药盒内是否有药物，并将相关数据传输到服务器，通过分析高血压患者的服药记录，提高高血压患者的服药依从性，从而提高治疗效果。因此，本发明可以广泛应用于医疗保健技术领域。
Description
技术领域
本发明涉及一种高血压患者药物依从性分析方法、系统、设备和介质，属于医疗保健技术领域。
背景技术
药物依从性是指患者用药与医嘱的一致性。药物能否发挥作用除治疗方案是否合理外，还与用药时间、用药次数、间隔时间等一系列要求有关。如果患者偏离了治疗方案的用药要求，会导致不同程度的不依从性，导致疗效减弱，或者药物不良反应（例如服用药物间隔时间过短），对患者造成危害。
在各种用药途径中，口服给药对于患者来说更简单、更舒适、无创且成本更低。然而，即使是口服给药，慢性药物的平均依从性也只有约50%，严重影响了药物治疗效果。以常见疾病高血压为例，目前我国高血压的治疗率和控制率分别只有38.1%和11.1%，农村居民高血压知晓率、治疗率和控制率均低于城市居民。患者不遵循医嘱用药，甚至拒绝服用降压药物是我国高血压控制率较低的重要原因。
近年来，一些智能药盒应运而生，可以通过互联网或手机应用等方式提醒患者按时服药。然而，这些智能药盒通常需要患者手动输入药物信息和服药时间等数据，存在使用复杂、数据准确性差的问题。利用人工智能全面掌握患者的用药情况，有助于明确药物与治疗效果之间的关系（是否因为不遵循医嘱引起），而且可以分析不遵循用药的原因，帮助完善治疗方案，改善治疗效果。
公开号为CN107332882A的中国专利公开了一种安全用药提醒系统及方法，其系统包括信息采集模块、药品识别模块、医嘱封装模块和提醒反馈模块；医嘱封装模块的第一端与信息采集模块相连，第二端与药品识别模块的第一端相连，第三端作为第一通讯接口用于连接提醒反馈模块的一端，药品识别模块的第二端作为第二通讯接口用于连接提醒反馈模块的另一端；信息采集模块采集医嘱信息，药品识别模块用于识别药品；医嘱封装模块用于将医嘱信息按照预设的数据结构映射并存储，并用于将药品识别模块所识别到的药品信息与医嘱信息进行比对，判定识别结果是否准确；提醒反馈模块用于进行用药提醒，该系统及方法实现了通过智能移动终端向患者提供可视化医嘱，起到安全用药提醒作用。
现有技术中类似于上述的安全用药提醒系统及方法，其用于药品识别和用药提醒，但是无法判断患者是否用药，可能导致患者收到提醒后未服药的情况，不利于患者药物依从性分析。
发明内容
针对上述问题，本发明的目的是提供一种高血压患者药物依从性分析方法、系统、设备和介质，通过采集智能药盒的影像，自动识别智能药盒内是否有药物，并将相关数据传输到服务器，通过分析高血压患者的服药记录，提高高血压患者的服药依从性，从而提高治疗效果。
为实现上述目的，本发明采取以下技术方案：
第一方面，本发明提供一种高血压患者药物依从性分析系统，包括：
服药信息建立模块、用药监督模块和服药依从性分析模块；
所述服药信息建立模块用于根据预先建立的药品库对获取的医嘱信息进行自动匹配，得到高血压患者服药信息；
所述用药监督模块用于根据获取的智能药盒的图像信息判断高血压患者是否按时服药，并根据高血压患者服药信息进行服药提醒；
所述服药依从性分析模块用于对高血压患者服药情况进行记录，并对高血压患者服药依从性进行分析。
进一步，所述服药信息建立模块包括药品名称获取模块、自动匹配模块、服药信息生成模块和药品库；
所述药品名称获取模块用于获取高血压患者上传的药品名称；
所述自动匹配模块用于基于高血压患者上传的药品名称自动从药品库中进行匹配，得到相关药品的推荐服用信息，同时提供接口供高血压患者根据医嘱对服用信息进行对应修改；
所述服药信息生成模块用于根据高血压患者上传的所有药品名称，生成对应的高血压患者服药信息；
所述药品库用于存储预设种类的高血压药品名称及各种高血压药品的推荐服用信息，并根据预设周期进行药品库更新。
进一步，所述药品名称获取模块包括文本输入模块和图像识别模块，所述文本输入模块用于高血压患者直接输入相应药品名称；所述图像识别模块用于采集药品的药盒图片，并自动提取对应的高血压药品名称。
进一步，所述用药监督模块包括服药情况判断模块和服药提醒模块；
所述服药情况判断模块用于按照预设周期采集智能药盒的图像信息，并对智能药盒的图像信息进行识别，判断高血压患者是否根据高血压患者服药信息按时服药；
所述服药提醒模块用于在定点服药时间或患者没有按时服药时，通过智能药盒或移动终端对高血压患者进行服药提醒。
进一步，所述服药情况判断模块包括图像获取模块、模型识别模块和对比分析模块；
所述图像获取模块用于在定点服药时间前后预设时段内，按照预设周期采集智能药盒所有药仓的图像信息；
所述模型识别模块用于利用内置的卷积神经网络模型对采集的图像信息进行识别，得到当前周期智能药盒各药仓内是否有药的识别结果；
所述对比分析模块用于对两次定点服药时间下得到的智能药盒各药仓内是否有药的识别结果进行对比分析，判断当前定点服药时间下高血压患者是否服药，并发送判断结果到服药提醒模块。
进一步，所述卷积神经网络模型包括卷积层、SPP层、PAN层和全连接层；
所述卷积层用于对输入的图像信息进行特征提取，得到图像特征图；
所述SPP层用于对不同尺度的图像特征数据进行处理，得到预设大小的特征数据发送给所述PAN层；
所述PAN层用于对SPP层输出的特征信息进行融合；
所述全连接层用于根据PAN层输出的特征信息融合结果得到预测结果。
进一步，所述服药依从性分析模块包括服药记录获取模块和依从性分析模块；
所述服药记录获取模块用于获取高血压患者在预设时间段内的服药情况，包括服药时间、是否按时服药以及服药类型；
所述依从性分析模块用于将服药情况与医嘱信息进行对比分析，得到高血压患者的服药依从性分析结果。
第二方面，本发明提供一种高血压患者药物依从性分析方法，包括：
根据预先建立的药品库对获取的医嘱信息进行自动匹配，得到高血压患者服药信息；
根据获取的智能药盒的图像信息判断高血压患者是否按时服药，并进行服药提醒；
基于采集的高血压患者的服药情况和医嘱信息，对高血压患者服药依从性进行分析。
第三方面，本发明提供一种存储一个或多个程序的计算机可读存储介质，所述一个或多个程序包括指令，所述指令当由计算设备执行时，使得所述计算设备执行所述方法。
第四方面，本发明提供一种计算设备，包括：一个或多个处理器、存储器及一个或多个程序，其中一个或多个程序存储在所述存储器中并被配置为所述一个或多个处理器执行，所述一个或多个程序包括用于执行所述方法的指令。
本发明由于采取以上技术方案，其具有以下优点：
1、准确性高。本发明通过影像识别技术，可以准确识别智能药盒内各药仓是否有药物，并以此判别患者是否按时服药，提高了数据的准确性和稳定性。
2、自动化程度高。本发明通过对不同时间智能药盒内药物的留存情况，能够自动记录患者服药情况，相较于传统的药盒需要患者手动记录服药情况，降低了人为错误的风险。
3、可远程监控。通过云端服务器和移动应用程序，医生或照顾者可以远程访问患者的服药记录，并提醒患者按时服药，提高了患者服药的依从性和治疗效果。
本发明能够提高患者服药的依从性，降低治疗失败的风险，同时也为医生提供更加准确的治疗数据，有利于医疗质量的提高，可以广泛应用于医院、社区医疗机构、家庭等领域。
附图说明
通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。在整个附图中，用相同的附图标记表示相同的部件。在附图中：
图1是本发明实施例提供的高血压患者药物依从性分析系统结构图；
图2是本发明实施例提供的卷积神经网络模型结构图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例的附图，对本发明实施例的技术方案进行清楚、完整地描述。显然，所描述的实施例是本发明的一部分实施例，而不是全部的实施例。基于所描述的本发明的实施例，本领域普通技术人员所获得的所有其他实施例，都属于本发明保护的范围。
需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本申请的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
影响药物依从性的原因有多种，包括：
（1）药物因素，如药物剂型、用药次数等；
（2）患者因素，如知识水平、对医生信任度等；
（3）医生因素，例如沟通不畅等。
本发明旨在利用人工智能全面掌握高血压患者的用药情况，有助于明确高血压药物与治疗效果之间的关系（是否因为不遵循医嘱引起），而且可以分析不遵循用药的原因，帮助完善治疗方案，改善治疗效果。
具体地，本发明的一些实施例中，提供一种高血压患者药物依从性分析系统，以具备图像采集及数据传输功能的家庭智能药盒为基础，从药品添加、用药提醒、人工智能用药监督和用药记录四个方面，通过判断智能药盒内药物是否减少，分析高血压患者的服药记录，提高高血压患者的服药依从性，从而提高治疗效果。
与之相对应地，本发明的另一些实施例中，提供一种高血压患者药物依从性分析方法、设备和存储介质。
实施例1
如图1所示，本发明提供了一种高血压患者药物依从性分析系统，具体地，包括服药信息建立模块、用药监督模块和服药依从性分析模块。其中，服药信息建立模块，用于根据预先建立的药品库对获取的医嘱信息进行自动匹配，得到高血压患者服药信息；用药监督模块用于根据获取的智能药盒的图像信息判断患者是否按时服药，并根据高血压患者服药信息进行服药提醒；服药依从性分析模块用于对高血压患者服药情况进行记录，并对高血压患者服药依从性进行分析。
优选地，服药信息建立模块包括药品名称获取模块、自动匹配模块、服药信息生成模块和药品库。其中，药品名称获取模块用于获取高血压患者上传的药品名称；自动匹配模块用于基于高血压患者上传的药品名称自动从药品库中进行匹配，得到相关药品的推荐服用信息，同时提供接口供高血压患者根据医嘱对药品服用信息进行对应修改；服药信息生成模块用于根据高血压患者上传的所有药品名称，生成对应的高血压患者服药信息，包括不同药品的用药频次、用药时间、注意事项等；药品库用于存储常用高血压药品名称及各种药品的推荐服用信息，并可根据预设周期进行药品库更新。
优选地，药品名称获取模块包括文本输入模块和图像识别模块，其中，文本输入模块用于患者直接输入相应药品名称；图像识别模块用于采集药品的药盒，并提取对应的药品名称。
优选地，用药监督模块包括服药情况判断模块和服药提醒模块，其中，服药情况判断模块用于按照预设周期采集智能药盒的图像信息，并对智能药盒的图像信息进行识别，以判断高血压患者是否根据高血压患者服药信息按时服药；服药提醒模块用于在定点服药时间或患者没有按时服药时，通过智能药盒或移动终端对高血压患者进行提醒，提醒信息包括服用药品的名称、外形、数量和/或注意事项等。
优选地，服药情况判断模块包括图像获取模块、模型识别模块和对比分析模块，其中，图像获取模块用于在定点服药时间前后预设时段内，按照预设周期采集智能药盒所有药仓的图像信息；模型识别模块用于利用内置的卷积神经网络模型对采集的图像信息进行识别，得到当前周期智能药盒各药仓内是否有药的识别结果；对比分析模块用于对两次定点服药时间下得到的智能药盒各药仓内是否有药的识别结果进行对比分析，判断当前定点服药时间下高血压患者是否服药，并发送判断结果到服药提醒模块。
优选地，如图2所示，模型识别模块内置的卷积神经网络模型包括卷积层、SPP（Spatial Pyramid Pooling，空间金字塔池化）层、PAN（Path Aggregation Network，像素聚合网络）层和全连接层。其中，卷积层用于对输入的图像信息进行特征提取，得到图像特征图；SPP层用于对不同尺度的图像特征数据进行处理，得到预设大小的特征数据发送给PAN层；PAN层用于对SPP层输出的特征信息进行融合；全连接层用于根据PAN层输出的特征信息融合结果得到预测结果。
具体地，卷积层包括图像输入模块、第一～第五卷积模块和第一～第二池化模块。其中，图像输入模块用于获取训练样本数据；第一卷积模块的输入端与图像输入模块的输出端相连，第一卷积模块的输出端依次与第二卷积模块、第三卷积模块、第四卷积模块和第五卷积模块相连，且第一卷积模块和第二卷积模块之间设置第一池化模块，第二卷积模块和第三卷积模块之间设置第二池化模块，各卷积模块和池化模块用于对输入的训练样本数据进行不同维度的特征提取，得到图像特征图。
本实施例中，第一卷积模块采用5x5的卷积核，其包括32个输出通道，步长为1；第二卷积模块采用3x3的卷积核，其包括64个输出通道，步长为2；第三卷积模块采用3x3的卷积核，其包括128个输出通道，步长为1；第四卷积模块采用3x3的卷积核，其包括256个输出通道，步长为1；第五卷积模块采用3x3的卷积核，其包括512个输出通道，步长为1。
第一池化模块采样3x3的池化核，步长为2；第二池化模块采样2x2的池化核，步长为2。
优选地，本实施例中，在对卷积神经网络进行训练时，采用的是交叉熵损失函数，采用基于动量的随机梯度下降优化器进行优化。
优选地，图像获取模块采集智能药盒内包含所有药仓的图像信息时，可以在定点用药时间前5分钟开始进行采集，每5分钟采集一次，在定点用药时间后30分钟截止。
优选地，服药依从性分析模块包括服药记录获取模块和依从性分析模块。其中，服药记录获取模块用于获取高血压患者在预设时间段内的服药情况，包括服药时间、是否按时服药以及服药类型等；依从性分析模块用于将服药情况与医嘱信息进行对比分析，得到高血压患者的服药依从性分析结果。
优选地，该系统还包括咨询反馈模块。若患者有疑问，则可以通过患者智能移动终端在线进行咨询，向医生寻求帮助；若患者在服药后有反馈意见，也可以通过智能移动终端输入反馈信息，将反馈信息发送到服务器，专业医生或药师可从服务端上获取反馈信息。
综上，本发明提供的药物依从性分析系统，基于信息化软件和数据库支撑，可由患者自行添加药品及用药时间、剂型、剂量信息后，通过患者所使用的智能移动终端的交互来建立提醒任务；有效实现了通过手机等智能移动终端向患者提供准确的用药信息，起到用药提醒作用，并及时获得用药反馈，提升高血压患者用药的依从性。
在实施本发明时，影像识别模块可以采用深度学习技术，如卷积神经网络（CNN），以提高药物识别的准确性和稳定性。同时，云端服务器还可以分析患者的服药记录，根据患者的服药情况和历史数据，分析患者用药依从性及用药习惯，为医生或照顾者提供更加准确的服务。
实施例2
基于实施例1提供的高血压患者药物依从性分析系统，本实施例提供一种高血压患者药物依从性分析方法，其包括：
1）根据预先建立的药品库对高血压患者输入的医嘱信息进行自动匹配，得到高血压患者服药信息；
2）根据获取的智能药盒的图像信息判断高血压患者是否按时服药，并进行服药提醒；
3）基于采集的高血压患者的服药情况和医嘱信息，对高血压患者服药依从性进行分析。
实施例3
本实施例提供一种与本实施例2所提供的高血压患者药物依从性分析方法对应的处理设备，处理设备可以是用于客户端的处理设备，例如手机、笔记本电脑、平板电脑、台式机电脑等，以执行实施例1的方法。
所述处理设备包括处理器、存储器、通信接口和总线，处理器、存储器和通信接口通过总线连接，以完成相互间的通信。存储器中存储有可在所述处理器上运行的计算机程序，所述处理器运行所述计算机程序时执行本实施例1所提供的高血压患者药物依从性分析方法。
在一些实施例中，存储器可以是高速随机存取存储器(RAM：Random AccessMemory)，也可能还包括非不稳定的存储器(non-volatile memory)，例如至少一个磁盘存储器。
在另一些实施例中，处理器可以为中央处理器（CPU）、数字信号处理器（DSP）等各种类型通用处理器，在此不做限定。
实施例4
本实施例1的高血压患者药物依从性分析方法可被具体实现为一种计算机程序产品，计算机程序产品可以包括计算机可读存储介质，其上载有用于执行本实施例1所述的高血压患者药物依从性分析方法的计算机可读程序指令。
计算机可读存储介质可以是保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是但不限于电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意组合。
最后应当说明的是：以上实施例仅用以说明本发明的技术方案而非对其限制，尽管参照上述实施例对本发明进行了详细的说明，所属领域的普通技术人员应当理解：依然可以对本发明的具体实施方式进行修改或者等同替换，而未脱离本发明精神和范围的任何修改或者等同替换，其均应涵盖在本发明的权利要求保护范围之内。
Claims (7)
1.一种高血压患者药物依从性分析系统，其特征在于，包括：
服药信息建立模块、用药监督模块和服药依从性分析模块；
所述服药信息建立模块用于根据预先建立的药品库对获取的医嘱信息进行自动匹配，得到高血压患者服药信息；
所述用药监督模块用于根据获取的智能药盒的图像信息判断高血压患者是否按时服药，并根据高血压患者服药信息进行服药提醒；
所述服药依从性分析模块用于对高血压患者服药情况进行记录，并对高血压患者服药依从性进行分析；
所述服药信息建立模块包括药品名称获取模块、自动匹配模块、服药信息生成模块和药品库；所述药品名称获取模块用于获取高血压患者上传的药品名称；所述自动匹配模块用于基于高血压患者上传的药品名称自动从药品库中进行匹配，得到相关药品的推荐服用信息，同时提供接口供高血压患者根据医嘱对服用信息进行对应修改；所述服药信息生成模块用于根据高血压患者上传的所有药品名称，生成对应的高血压患者服药信息；所述药品库用于存储预设种类的高血压药品名称及各种高血压药品的推荐服用信息，并根据预设周期进行药品库更新；
所述用药监督模块包括服药情况判断模块和服药提醒模块；所述服药情况判断模块用于按照预设周期采集智能药盒的图像信息，并对智能药盒的图像信息进行识别，判断高血压患者是否根据高血压患者服药信息按时服药；所述服药提醒模块用于在定点服药时间或患者没有按时服药时，通过智能药盒或移动终端对高血压患者进行服药提醒；
所述服药情况判断模块包括图像获取模块、模型识别模块和对比分析模块；所述图像获取模块用于在定点服药时间前后预设时段内，按照预设周期采集智能药盒所有药仓的图像信息；所述模型识别模块用于利用内置的卷积神经网络模型对采集的图像信息进行识别，得到当前周期智能药盒各药仓内是否有药的识别结果；所述对比分析模块用于对两次定点服药时间下得到的智能药盒各药仓内是否有药的识别结果进行对比分析，判断当前定点服药时间下高血压患者是否服药，并发送判断结果到服药提醒模块。
2.如权利要求1所述的一种高血压患者药物依从性分析系统，其特征在于，所述药品名称获取模块包括文本输入模块和图像识别模块，所述文本输入模块用于高血压患者直接输入相应药品名称；所述图像识别模块用于采集药品的药盒图片，并自动提取对应的高血压药品名称。
3.如权利要求1所述的一种高血压患者药物依从性分析系统，其特征在于，所述卷积神经网络模型包括卷积层、SPP层、PAN层和全连接层；
所述卷积层用于对输入的图像信息进行特征提取，得到图像特征图；
所述SPP层用于对不同尺度的图像特征数据进行处理，得到预设大小的特征数据发送给所述PAN层；
所述PAN层用于对SPP层输出的特征信息进行融合；
所述全连接层用于根据PAN层输出的特征信息融合结果得到预测结果。
4.如权利要求1所述的一种高血压患者药物依从性分析系统，其特征在于，所述服药依从性分析模块包括服药记录获取模块和依从性分析模块；
所述服药记录获取模块用于获取高血压患者在预设时间段内的服药情况，包括服药时间、是否按时服药以及服药类型；
所述依从性分析模块用于将服药情况与医嘱信息进行对比分析，得到高血压患者的服药依从性分析结果。
5.一种高血压患者药物依从性分析方法，其特征在于，包括：
根据预先建立的药品库对获取的医嘱信息进行自动匹配，得到高血压患者服药信息；
根据获取的智能药盒的图像信息判断高血压患者是否按时服药，并进行服药提醒；
基于采集的高血压患者的服药情况和医嘱信息，对高血压患者服药依从性进行分析；
所述根据预先建立的药品库对获取的医嘱信息进行自动匹配，得到高血压患者服药信息，包括：获取高血压患者上传的药品名称；基于高血压患者上传的药品名称自动从药品库中进行匹配，得到相关药品的推荐服用信息，同时提供接口供高血压患者根据医嘱对服用信息进行对应修改；根据高血压患者上传的所有药品名称，生成对应的高血压患者服药信息；
所述根据获取的智能药盒的图像信息判断高血压患者是否按时服药，并进行服药提醒，包括：按照预设周期采集智能药盒的图像信息，并对智能药盒的图像信息进行识别，判断高血压患者是否根据高血压患者服药信息按时服药；在定点服药时间或患者没有按时服药时，通过智能药盒或移动终端对高血压患者进行服药提醒；
所述按照预设周期采集智能药盒的图像信息，并对智能药盒的图像信息进行识别，判断高血压患者是否根据高血压患者服药信息按时服药，包括：在定点服药时间前后预设时段内，按照预设周期采集智能药盒所有药仓的图像信息；利用卷积神经网络模型对采集的图像信息进行识别，得到当前周期智能药盒各药仓内是否有药的识别结果；对两次定点服药时间下得到的智能药盒各药仓内是否有药的识别结果进行对比分析，判断当前定点服药时间下高血压患者是否服药。
6.一种存储一个或多个程序的计算机可读存储介质，其特征在于，所述一个或多个程序包括指令，所述指令当由计算设备执行时，使得所述计算设备执行如权利要求5所述方法。
7.一种计算设备，其特征在于，包括：一个或多个处理器、存储器及一个或多个程序，其中一个或多个程序存储在所述存储器中并被配置为所述一个或多个处理器执行，所述一个或多个程序包括用于执行如权利要求5所述方法的指令。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310822377.4A CN116543870B (zh) | 2023-07-06 | 2023-07-06 | 一种高血压患者药物依从性分析方法、系统、设备和介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310822377.4A CN116543870B (zh) | 2023-07-06 | 2023-07-06 | 一种高血压患者药物依从性分析方法、系统、设备和介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116543870A CN116543870A (zh) | 2023-08-04 |
| CN116543870B true CN116543870B (zh) | 2023-10-03 |
Family
ID=87454648
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310822377.4A Active CN116543870B (zh) | 2023-07-06 | 2023-07-06 | 一种高血压患者药物依从性分析方法、系统、设备和介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116543870B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117672449B (zh) * | 2023-12-04 | 2024-05-17 | 启康保(北京)健康科技有限公司 | 一种基于物联网的药品管理系统 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106420347A (zh) * | 2016-11-15 | 2017-02-22 | 新疆医科大学第附属医院 | 一种提高患者服药依从性的方法和智能药盒系统 |
| CN107693375A (zh) * | 2017-08-18 | 2018-02-16 | 陈文聪 | 智能药盒及服药管理的方法 |
| CN110353988A (zh) * | 2019-08-17 | 2019-10-22 | 深圳市启蒙智慧医疗科技有限公司 | 智能药盒 |
| CN111816278A (zh) * | 2020-06-17 | 2020-10-23 | 成都慢乐科技有限公司 | 一种通过增强现实模拟治疗过程并分析依从性的系统及方法 |
| CN113724828A (zh) * | 2021-08-18 | 2021-11-30 | 深圳中科强华低成本健康科技有限公司 | 一种慢病服药依从性管理方法 |
| CN115177524A (zh) * | 2022-02-22 | 2022-10-14 | 深圳拓邦股份有限公司 | 一种智能药盒 |
| CN115363959A (zh) * | 2022-08-12 | 2022-11-22 | 阿里健康科技(杭州)有限公司 | 一种用药提醒方法和装置、显示方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20110119073A1 (en) * | 2009-11-18 | 2011-05-19 | Al Cure Technologies LLC | Method and Apparatus for Verification of Medication Administration Adherence |
-
2023
- 2023-07-06 CN CN202310822377.4A patent/CN116543870B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106420347A (zh) * | 2016-11-15 | 2017-02-22 | 新疆医科大学第附属医院 | 一种提高患者服药依从性的方法和智能药盒系统 |
| CN107693375A (zh) * | 2017-08-18 | 2018-02-16 | 陈文聪 | 智能药盒及服药管理的方法 |
| CN110353988A (zh) * | 2019-08-17 | 2019-10-22 | 深圳市启蒙智慧医疗科技有限公司 | 智能药盒 |
| CN111816278A (zh) * | 2020-06-17 | 2020-10-23 | 成都慢乐科技有限公司 | 一种通过增强现实模拟治疗过程并分析依从性的系统及方法 |
| CN113724828A (zh) * | 2021-08-18 | 2021-11-30 | 深圳中科强华低成本健康科技有限公司 | 一种慢病服药依从性管理方法 |
| CN115177524A (zh) * | 2022-02-22 | 2022-10-14 | 深圳拓邦股份有限公司 | 一种智能药盒 |
| CN115363959A (zh) * | 2022-08-12 | 2022-11-22 | 阿里健康科技(杭州)有限公司 | 一种用药提醒方法和装置、显示方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116543870A (zh) | 2023-08-04 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US20200211706A1 (en) | Intelligent traditional chinese medicine diagnosis method, system and traditional chinese medicine system | |
| CN116543870B (zh) | 一种高血压患者药物依从性分析方法、系统、设备和介质 | |
| CN105069730A (zh) | 基于云计算的健康管理系统与方法 | |
| WO2021147290A1 (zh) | 一种医学术语系统的构建方法、装置、设备及存储介质 | |
| CN106997421A (zh) | 个性化医疗信息采集和健康监测的智能系统和方法 | |
| US20230051436A1 (en) | Systems and methods for evaluating health outcomes | |
| CN116246768B (zh) | 一种基于人工智能的mri影像检查智能分析管理系统 | |
| CN112365976B (zh) | 一种基于迁移学习的复合病种临床路径构建方法及系统 | |
| KR102598101B1 (ko) | 딥 뉴럴 네트워크 기반 실시간 중환자실 환자 상태 분석 시스템 및 방법 | |
| CN115762771A (zh) | 一种老年人健康风险预警系统和操作方法 | |
| CN113707253A (zh) | 医疗方案推荐方法、装置、设备及介质 | |
| CN112102956A (zh) | 一种糖尿病患者提高依从性的方法和系统 | |
| JP2016018224A (ja) | 健康状態予測診断利用サービスシステム | |
| CN112712882A (zh) | 一种提高重症护理管理水平的方法和系统 | |
| CN115862819A (zh) | 一种基于图像处理的医学图像管理方法 | |
| CN112259243B (zh) | 一种基于双向GRUs的单病种临床路径构建方法及系统 | |
| TWI668664B (zh) | Method for dynamically analyzing blood sugar level, system thereof and computer program product | |
| CN111402975A (zh) | 一种基于智慧云平台的院外药学监护系统及方法 | |
| CN115578054A (zh) | 一种基于人工智能的智能处方审核系统及方法 | |
| CN113782146B (zh) | 基于人工智能的全科用药推荐方法、装置、设备及介质 | |
| CN112309519B (zh) | 基于多模型的电子病历用药结构化处理系统 | |
| CN115083561A (zh) | 基于患者实际需求为导向的用药教育推送方法及系统 | |
| CN113488172A (zh) | 全息数字人模型生成方法、装置、电子设备及存储介质 | |
| Son et al. | Korean Pharmacovigilance System Based on EHR-CDM. | |
| CN117831731B (zh) | 基于人工智能的医院线上智能推进系统 |
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 |