CN116597982A - 一种医联体内社区医院房颤患者早期诊断预警系统及方法 - Google Patents
一种医联体内社区医院房颤患者早期诊断预警系统及方法 Download PDFInfo
- Publication number
- CN116597982A CN116597982A CN202310556754.4A CN202310556754A CN116597982A CN 116597982 A CN116597982 A CN 116597982A CN 202310556754 A CN202310556754 A CN 202310556754A CN 116597982 A CN116597982 A CN 116597982A
- Authority
- CN
- China
- Prior art keywords
- diagnosis
- early warning
- information
- atrial fibrillation
- 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 21
- 238000013399 early diagnosis Methods 0.000 title claims abstract description 20
- 206010061592 cardiac fibrillation Diseases 0.000 title claims description 5
- 230000002600 fibrillogenic effect Effects 0.000 title claims description 5
- 238000003745 diagnosis Methods 0.000 claims abstract description 107
- 206010003658 Atrial Fibrillation Diseases 0.000 claims abstract description 83
- 238000005516 engineering process Methods 0.000 claims abstract description 4
- 230000036541 health Effects 0.000 claims description 11
- 230000002159 abnormal effect Effects 0.000 claims description 8
- 238000012790 confirmation Methods 0.000 claims description 6
- 238000013527 convolutional neural network Methods 0.000 claims description 6
- 238000007689 inspection Methods 0.000 claims description 6
- 230000003993 interaction Effects 0.000 claims description 6
- 238000012552 review Methods 0.000 claims description 6
- 238000012549 training Methods 0.000 claims description 5
- 206010003662 Atrial flutter Diseases 0.000 claims description 3
- 230000007774 longterm Effects 0.000 claims description 3
- 239000011159 matrix material Substances 0.000 claims description 3
- 230000002861 ventricular Effects 0.000 claims description 3
- 238000012795 verification Methods 0.000 claims description 3
- 230000005856 abnormality Effects 0.000 description 3
- 238000002565 electrocardiography Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000033764 rhythmic process Effects 0.000 description 2
- 208000024172 Cardiovascular disease Diseases 0.000 description 1
- 208000007888 Sinus Tachycardia Diseases 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 206010003119 arrhythmia Diseases 0.000 description 1
- 230000006793 arrhythmia Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000747 cardiac effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000010586 diagram Methods 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
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000012216 screening Methods 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
- 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
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/316—Modalities, i.e. specific diagnostic methods
- A61B5/318—Heart-related electrical modalities, e.g. electrocardiography [ECG]
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/316—Modalities, i.e. specific diagnostic methods
- A61B5/318—Heart-related electrical modalities, e.g. electrocardiography [ECG]
- A61B5/346—Analysis of electrocardiograms
- A61B5/349—Detecting specific parameters of the electrocardiograph cycle
- A61B5/361—Detecting fibrillation
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/74—Details of notification to user or communication with user or patient ; user input means
- A61B5/746—Alarms related to a physiological condition, e.g. details of setting alarm thresholds or avoiding false alarms
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/74—Details of notification to user or communication with user or patient ; user input means
- A61B5/7465—Arrangements for interactive communication between patient and care services, e.g. by using a telephone network
-
- 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
- G16H40/20—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 management or administration of healthcare resources or facilities, e.g. managing hospital staff or surgery rooms
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H80/00—ICT specially adapted for facilitating communication between medical practitioners or patients, e.g. for collaborative diagnosis, therapy or health monitoring
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Biomedical Technology (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Pathology (AREA)
- Molecular Biology (AREA)
- Heart & Thoracic Surgery (AREA)
- Veterinary Medicine (AREA)
- Animal Behavior & Ethology (AREA)
- Surgery (AREA)
- Cardiology (AREA)
- Physics & Mathematics (AREA)
- Biophysics (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- General Business, Economics & Management (AREA)
- Business, Economics & Management (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Physiology (AREA)
- Nursing (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
本发明涉及医疗信息系统技术领域，公开了一种医联体内社区医院房颤患者早期诊断预警系统及方法，包括设置的服务器，其中服务器包括AI辅助心电诊断模块、心电房颤诊断预警模块、专科医生发颤诊断确诊模块、确诊患者就诊和随访模块和统计模块；其中，AI辅助心电诊断模块包括对心电图机原始数据采集，对心电图机工作站数据采集，对患者的信息数据采集和对获取到的数据进行AI心电智能诊断数据整合；所述的心电房颤诊断预警模块包括进行AI心电分析房颤病例的预警、房颤诊断预警短信发送和房颤预警信息推送。本发明形成患者、社区医院全科医生和上级医院专科医生之间的三方联动，提高患者的就诊率，减少医疗治疗等待时间。
Description
技术领域
本发明涉及医疗信息系统技术领域，具体为一种医联体内社区医院房颤患者早期诊断预警系统及方法。
背景技术
心房颤动(简称房颤)是临床最常见的心律失常之一，其患病率随年龄增加而增长，随着经济社会的发展，人口的老龄化问题日益凸显，使得房颤的患病率及发病率不断增长。房颤相关并发症发生率高，具有高致残率、高死亡率。随着房颤患病率逐年升高，心电检查在筛查和诊断中发挥的作用越来越重要。传统心电图报告的出具方式为心电医师和技师依靠手工测量、分析心电图，发放报告，速度慢、工作效率低，测量数据偏差较大，影响了心电图报告的可靠性和准确性，同时我国真正精通心电图的医师和技师缺乏，远远不能满足各级医院的临床需求。特别是社区卫生服务中心承担了大量社区居民的日常健康管理工作，其中相当一部分的心血管疾病患者都在社区医院就医。但由于社区卫生服务中心的心电图室医技人员缺乏，不能及时有效地筛查出心电图异常病人。有些发现了心电图异常的病人，在社区卫生服务中心因为医疗条件有限，不能进行治疗，也要转移到上级医院再次就诊。而上级医院的医生只有在这些患者真正到医院就诊时，才能够知晓患者的病情，这些时间上的延误会大大增加患者的患病风险。针对此问题就需要一种医联体内社区医院房颤患者早期诊断预警系统及方法。
发明内容
本发明的目的在于提供一种医联体内社区医院房颤患者早期诊断预警系统及方法。本发明能够让在社区医院就诊的房颤患者，得到及时有效和准确的心电图诊断。并且能够在医联体单位内，及时向上级医院的心内科专科医生提供房颤诊断异常预警，让专科医生快速了解到患者病情，从而能够及时为患者安排上级医院就诊。进而形成患者、社区医院全科医生和上级医院专科医生之间的三方联动，提高患者的就诊率，减少医疗治疗等待时间。
本发明是这样实现的：
本发明提供一种医联体内社区医院房颤患者早期诊断预警系统，包括设置的服务器，其中服务器包括AI辅助心电诊断模块、心电房颤诊断预警模块、专科医生发颤诊断确诊模块、确诊患者就诊和随访模块和统计模块；
其中，AI辅助心电诊断模块包括对心电图机原始数据采集，对心电图机工作站数据采集，对患者的信息数据采集和对获取到的数据进行AI心电智能诊断数据整合；
所述的心电房颤诊断预警模块包括进行AI心电分析房颤病例的预警、房颤诊断预警短信发送和房颤预警信息推送；
所述的专科医生房颤诊断确认模块包括对接收到的房颤预警信息进行心电图图片查阅，对查阅后的心电图图片信息进行房颤诊断信息确认或者修改房颤诊断信息；
所述的确诊患者就诊和随访模块包括将随访信息发送到患者手机，和确诊患者在互联网医院进行预约和对确诊患者随访管理；
所述的统计模块包括统计AI诊断分析病例、AI诊断预警病例的信息，以及统计患者年龄、性别分布以及各个社区的医院患者的分布信息。
所述心电图机为多个，分布在各个社区卫生服务中心，其中单个的心电图机的信息包括隶属社区卫生服务中心的名称、设备编号ID，具体将心电图机产生的原始心电数据，以心电DICOM格式数据传输到系统服务器中；
所述的患者的信息数据包括患者的检查编号、姓名、性别、年龄、联系电话和检查时间；
其中专科医生和社区服务医生在服务器中通过专科账号进行登录，并通过绑定第三方程序进行信息接收，其中第三方程序包括但不限于微信小程序。
其中房颤预警信息推送包括但不限于微信小程序进行预警信息推送、短信信息推送，其中单个的心电图机的原始心电数据具体通过有线网或无线网的方式接入互联网并与系统的服务器连接。
进一步，本发明提供一种医联体内社区医院房颤患者早期诊断预警方法，具体按以下步骤执行：
S1:通过AI辅助心电诊断模块，进行诊断从各个社区服务中心的心电图机传输到服务器的心电图的数据，通过AI进行分析后，没诊断处问题，则生成检查报告返回到相应的社区服务中心的心电图机上，社区的医生通过登录账号进行获得诊断结果；
通过AI心电智能分析诊断出异常心电图的病例，则将异常心电图的病例信息的检查报告发送给上级医院心内科专科医生，上级医院的心内科专科医生通过小程序进行接收到预警的信息；
S2:专科医生通过人机交互装置进行用户登录，查询到所有的房颤患者诊断预警信息，并查看详细的报告数据；
S3:专科医生对预警信息进行审核，并确认或者修改房颤诊断预警信息，通过微信小程序或其他人机交互终端进行房颤诊断预警信息的确认和修改；
S4:确认信息即用户对系统AI的预警内容表示认可，对该条预警信息进行确认，确认成功，即通过确诊患者和就诊和随访模块，通过短信方式发送给该检查信息对应的社区医院医生和患者本人；
专科医生修改信息即专科医生对系统AI的预警内容具有疑问，对预警信息进行修改，通过短信方式发送给该检查信息对应的社区医院医生和患者本人，并通过小程序的方式发送给对应的设备医院医生；
S5:通过确诊患者的就诊模块及随访模块，进行对确诊患者的就诊预约和确诊患者的随访管理数据整合；
对已明确房颤诊断的患者直接加入到房颤患者随访管理平台中，对该患者进行长期的跟踪提醒随访。
进一步，在专科医生进行登录前进行提交信息进行认证，系统根据专科医生的注册信息进行人工对专科医生的账号进行设置权限级别，专科医生登录账号后，根据用户的登录信息进行权限验证，允许使用心电预警模块，则系统获取并展示相应的房颤患者诊断预警信息列表，不允许使用心电房颤诊断预警模块则显示没有查看权限。其中的报告数据至少包括一个或多个房颤预警信息里的患者信息、检查时间信息以及心电图图片信息。其中心电图图片采取的格式是jpg格式。
进一步，通过AI辅助心电诊断模块，对心电图进行通过AI辅助心电诊断分析，具体采用卷积神经网络进行诊断分析；具体包括以下步骤；
S7.1:首先通过AI对心搏特征提取时，对心搏的分类进行细分，包括但不限于窦性、室性、室上性分类，并准确识别房颤、房扑和ST-T改变的心电图特征；
S7.2:将获取到的具有上述心博的心电图的图形数据，将此数据作为样本集进行训练，从样本集中取一个样本(X,Yp)，将样板输入卷积神经网络；
S7.3:计算相应的实际输出Op；
S7.4:计算实际输出Op与相应的理想输出Yp的差；按极小化误差的方法反向传播调整权矩阵；
S7.5:训练生成相应的心电图识别模型；
S7.6:通过模型对新输入的心电图进行识别；
S7.7:输出诊断结果。
与现有技术相比，本发明的有益效果是：
1、能够让在社区医院就诊的房颤患者，得到及时有效和准确的心电图诊断。并且能够在医联体单位内，及时向上级医院的心内科专科医生提供房颤诊断异常预警，让专科医生快速了解到患者病情，从而能够及时为患者安排上级医院就诊。进而形成患者、社区医院全科医生和上级医院专科医生之间的三方联动，提高患者的就诊率，减少医疗治疗等待时间。
2、通过与AI心电图辅助诊断模块的整合，能够快速对医联体内社区卫生服务中心做的心电图数据进行分析，并将有异常的病例及时通知到上级医院的专科医生，为患者的下一步治疗措施节省了宝贵时间。实现了患者、社区医院家庭医生和上级医院心内科专科医生的三方互动联系，闭环管理，患者的就诊更顺畅，更有针对性。
3、专科医生可以主动参与到患者的疾病管理中，而不是等待患者上门就诊。
附图说明
为了更清楚地说明本发明实施方式的技术方案，下面将对实施方式中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，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相关的附图。
图1是本发明的系统结构图；
图2是本发明的方法流程图；
图3是本发明的典型的第一窦性心律的心电图；
图4是本发明的典型的窦性心动过速的心电图；
图5是本发明的典型的心律起搏的心电图。
具体实施方式
为使本发明实施方式的目的、技术方案和优点更加清楚，下面将结合本发明实施方式中的附图，对本发明实施方式中的技术方案进行清楚、完整地描述，显然，所描述的实施方式是本发明一部分实施方式，而不是全部的实施方式。基于本发明中的实施方式，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施方式，都属于本发明保护的范围。因此，以下对在附图中提供的本发明的实施方式的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施方式。基于本发明中的实施方式，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施方式，都属于本发明保护的范围。
请参阅图1-5，一种医联体内社区医院房颤患者早期诊断预警系统，包括设置的服务器，其中服务器包括AI辅助心电诊断模块、心电房颤诊断预警模块、专科医生发颤诊断确诊模块、确诊患者就诊和随访模块和统计模块；
其中，AI辅助心电诊断模块包括对心电图机原始数据采集，对心电图机工作站数据采集，对患者的信息数据采集和对获取到的数据进行AI心电智能诊断数据整合；
所述的心电房颤诊断预警模块包括进行AI心电分析房颤病例的预警、房颤诊断预警短信发送和房颤预警信息推送；
所述的专科医生房颤诊断确认模块包括对接收到的房颤预警信息进行心电图图片查阅，对查阅后的心电图图片信息进行房颤诊断信息确认或者修改房颤诊断信息；
所述的确诊患者就诊和随访模块包括将随访信息发送到患者手机，和确诊患者在互联网医院进行预约和对确诊患者随访管理；
所述的统计模块包括统计AI诊断分析病例、AI诊断预警病例的信息，以及统计患者年龄、性别分布以及各个社区的医院患者的分布信息。
所述心电图机为多个，分布在各个社区卫生服务中心，其中单个的心电图机的信息包括隶属社区卫生服务中心的名称、设备编号ID，具体将心电图机产生的原始心电数据，以心电DICOM格式数据传输到系统服务器中；
所述的患者的信息数据包括患者的检查编号、姓名、性别、年龄、联系电话和检查时间；
其中专科医生和社区服务医生在服务器中通过专科账号进行登录，并通过绑定第三方程序进行信息接收，其中第三方程序包括但不限于微信小程序。
其中房颤预警信息推送包括但不限于微信小程序进行预警信息推送、短信信息推送，其中单个的心电图机的原始心电数据具体通过有线网或无线网的方式接入互联网并与系统的服务器连接。
本实施例中，本发明提供一种医联体内社区医院房颤患者早期诊断预警方法，具体按以下步骤执行：
S1:通过AI辅助心电诊断模块，进行诊断从各个社区服务中心的心电图机传输到服务器的心电图的数据，通过AI进行分析后，没诊断处问题，则生成检查报告返回到相应的社区服务中心的心电图机上，社区的医生通过登录账号进行获得诊断结果；
通过AI心电智能分析诊断出异常心电图的病例，则将异常心电图的病例信息的检查报告发送给上级医院心内科专科医生，上级医院的心内科专科医生通过小程序进行接收到预警的信息；
S2:专科医生通过人机交互装置进行用户登录，查询到所有的房颤患者诊断预警信息，并查看详细的报告数据；
S3:专科医生对预警信息进行审核，并确认或者修改房颤诊断预警信息，通过微信小程序或其他人机交互终端进行房颤诊断预警信息的确认和修改；
S4:确认信息即用户对系统AI的预警内容表示认可，对该条预警信息进行确认，确认成功，即通过确诊患者和就诊和随访模块，通过短信方式发送给该检查信息对应的社区医院医生和患者本人；
专科医生修改信息即专科医生对系统AI的预警内容具有疑问，对预警信息进行修改，通过短信方式发送给该检查信息对应的社区医院医生和患者本人，并通过小程序的方式发送给对应的设备医院医生；
S5:通过确诊患者的就诊模块及随访模块，进行对确诊患者的就诊预约和确诊患者的随访管理数据整合；
当患者通过上级医院提供的线上互联网医院平台或者线下门诊就医，对已明确房颤诊断的患者直接加入到房颤患者随访管理平台中，对该患者进行长期的跟踪提醒随访，及时了解患者的病情情况，并制定对应的治疗方案，改善患者的病情。
本实施例中，在专科医生进行登录前进行提交信息进行认证，系统根据专科医生的注册信息进行人工对专科医生的账号进行设置权限级别，专科医生登录账号后，根据用户的登录信息进行权限验证，允许使用心电预警模块，则系统获取并展示相应的房颤患者诊断预警信息列表，不允许使用心电房颤诊断预警模块则显示没有查看权限。其中的报告数据至少包括一个或多个房颤预警信息里的患者信息、检查时间信息以及心电图图片信息。其中心电图图片采取的格式是jpg格式。
本实施例中，通过AI辅助心电诊断模块，对心电图进行通过AI辅助心电诊断分析，具体采用卷积神经网络进行诊断分析；具体包括以下步骤；
S7.1:首先通过AI对心搏特征提取时，对心搏的分类进行细分，包括但不限于窦性、室性、室上性分类，并准确识别房颤、房扑和ST-T改变的心电图特征；
S7.2:将获取到的具有上述心博的心电图的图形数据，将此数据作为样本集进行训练，从样本集中取一个样本(X,Yp)，将样板输入卷积神经网络；
S7.3:计算相应的实际输出Op；
S7.4:计算实际输出Op与相应的理想输出Yp的差；按极小化误差的方法反向传播调整权矩阵；
S7.5:训练生成相应的心电图识别模型；
S7.6:通过模型对新输入的心电图进行识别；
S7.7:输出诊断结果。
以上所述仅为本发明的优选实施方式而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (8)
1.一种医联体内社区医院房颤患者早期诊断预警系统，其特征在于：包括设置的服务器，其中服务器包括AI辅助心电诊断模块、心电房颤诊断预警模块、专科医生发颤诊断确诊模块、确诊患者就诊和随访模块和统计模块；
其中，AI辅助心电诊断模块包括对心电图机原始数据采集，对心电图机工作站数据采集，对患者的信息数据采集和对获取到的数据进行AI心电智能诊断数据整合；
所述的心电房颤诊断预警模块包括进行AI心电分析房颤病例的预警、房颤诊断预警短信发送和房颤预警信息推送；
所述的专科医生房颤诊断确认模块包括对接收到的房颤预警信息进行心电图图片查阅，对查阅后的心电图图片信息进行房颤诊断信息确认或者修改房颤诊断信息；
所述的确诊患者就诊和随访模块包括将随访信息发送到患者手机，和确诊患者在互联网医院进行预约和对确诊患者随访管理；
所述的统计模块包括统计AI诊断分析病例、AI诊断预警病例的信息，以及统计患者年龄、性别分布以及各个社区的医院患者的分布信息。
2.根据权利要求1所述的一种医联体内社区医院房颤患者早期诊断预警系统，其特征在于：所述心电图机为多个，分布在各个社区卫生服务中心，其中单个的心电图机的信息包括隶属社区卫生服务中心的名称、设备编号ID，具体将心电图机产生的原始心电数据，以心电DICOM格式数据传输到系统服务器中；
所述的患者的信息数据包括患者的检查编号、姓名、性别、年龄、联系电话和检查时间；
其中专科医生和社区服务医生在服务器中通过专科账号进行登录，并通过绑定第三方程序进行信息接收，其中第三方程序包括但不限于微信小程序。
3.根据权利要求1所述的一种医联体内社区医院房颤患者早期诊断预警系统，其特征在于：其中房颤预警信息推送包括但不限于微信小程序进行预警信息推送、短信信息推送，其中单个的心电图机的原始心电数据具体通过有线网或无线网的方式接入互联网并与系统的服务器连接。
4.一种医联体内社区医院房颤患者早期诊断预警方法，其特征在于，具体按以下步骤执行：
S1:通过AI辅助心电诊断模块，进行诊断从各个社区服务中心的心电图机传输到服务器的心电图的数据，通过AI进行分析后，没诊断处问题，则生成检查报告返回到相应的社区服务中心的心电图机上，社区的医生通过登录账号进行获得诊断结果；
通过AI心电智能分析诊断出异常心电图的病例，则将异常心电图的病例信息的检查报告发送给上级医院心内科专科医生，上级医院的心内科专科医生通过小程序进行接收到预警的信息；
S2:专科医生通过人机交互装置进行用户登录，查询到所有的房颤患者诊断预警信息，并查看详细的报告数据；
S3:专科医生对预警信息进行审核，并确认或者修改房颤诊断预警信息，通过微信小程序或其他人机交互终端进行房颤诊断预警信息的确认和修改；
S4:确认信息即用户对系统AI的预警内容表示认可，对该条预警信息进行确认，确认成功，即通过确诊患者和就诊和随访模块，通过短信方式发送给该检查信息对应的社区医院医生和患者本人；
专科医生修改信息即专科医生对系统AI的预警内容具有疑问，对预警信息进行修改，通过短信方式发送给该检查信息对应的社区医院医生和患者本人，并通过小程序的方式发送给对应的设备医院医生；
S5:通过确诊患者的就诊模块及随访模块，进行对确诊患者的就诊预约和确诊患者的随访管理数据整合；
对已明确房颤诊断的患者直接加入到房颤患者随访管理平台中，对该患者进行长期的跟踪提醒随访。
5.根据权利要求4所述的一种医联体内社区医院房颤患者早期诊断预警方法，其特征在于，在专科医生进行登录前进行提交信息进行认证，系统根据专科医生的注册信息进行人工对专科医生的账号进行设置权限级别，专科医生登录账号后，根据用户的登录信息进行权限验证，允许使用心电预警模块，则系统获取并展示相应的房颤患者诊断预警信息列表，不允许使用心电房颤诊断预警模块则显示没有查看权限。
6.根据权利要求5所述的一种医联体内社区医院房颤患者早期诊断预警方法，其特征在于，其中的报告数据至少包括一个或多个房颤预警信息里的患者信息、检查时间信息以及心电图图片信息。
7.根据权利要求4所述的一种医联体内社区医院房颤患者早期诊断预警方法，其特征在于，通过AI辅助心电诊断模块，对心电图进行通过AI辅助心电诊断分析，具体采用卷积神经网络进行诊断分析；具体包括以下步骤；
S7.1:首先通过AI对心搏特征提取时，对心搏的分类进行细分，包括但不限于窦性、室性、室上性分类，并准确识别房颤、房扑和ST-T改变的心电图特征；
S7.2:将获取到的具有上述心博的心电图的图形数据，将此数据作为样本集进行训练，从样本集中取一个样本(X,Yp)，将样板输入卷积神经网络；
S7.3:计算相应的实际输出Op；
S7.4:计算实际输出Op与相应的理想输出Yp的差；按极小化误差的方法反向传播调整权矩阵；
S7.5:训练生成相应的心电图识别模型；
S7.6:通过模型对新输入的心电图进行识别；
S7.7:输出诊断结果。
8.根据权利要求4所述的一种医联体内社区医院房颤患者早期诊断预警方法，其特征在于，其中心电图图片采取的格式是jpg格式。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310556754.4A CN116597982A (zh) | 2023-05-17 | 2023-05-17 | 一种医联体内社区医院房颤患者早期诊断预警系统及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310556754.4A CN116597982A (zh) | 2023-05-17 | 2023-05-17 | 一种医联体内社区医院房颤患者早期诊断预警系统及方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116597982A true CN116597982A (zh) | 2023-08-15 |
Family
ID=87598590
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310556754.4A Pending CN116597982A (zh) | 2023-05-17 | 2023-05-17 | 一种医联体内社区医院房颤患者早期诊断预警系统及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116597982A (zh) |
-
2023
- 2023-05-17 CN CN202310556754.4A patent/CN116597982A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US5277188A (en) | Clinical information reporting system | |
| US8352018B2 (en) | Multi-tier system for cardiology and patient monitoring data analysis | |
| AU3421889A (en) | Cardiac death probability determining device | |
| JP2010512883A (ja) | 医療事例の自動優先度決定 | |
| US20050192838A1 (en) | Systems and methods for accessing and distributing medical information | |
| CN116895372B (zh) | 一种基于大规模语言模型与元学习的智能急救分级系统 | |
| CN112117002A (zh) | 结合虚拟现实技术的新型智能化心理评估干预系统、方法 | |
| CN113793684A (zh) | 基于智慧医疗的智能医疗辅助决策方法及智能云平台 | |
| Woolley et al. | Comparison of electrocardiogram interpretations by family physicians, a computer, and a cardiology service | |
| CN111613322A (zh) | 一种远程心电诊断质控方法、装置及管理系统 | |
| CN114023423A (zh) | 一种智能交班方法、装置以及设备 | |
| WO2022141925A1 (zh) | 一种智能医学服务系统、方法及存储介质 | |
| CN110957013A (zh) | 基于遗传算法的临床路径本地化的方法和装置 | |
| CN112735607A (zh) | 一种全数据化的罕见病病例库及mdt讨论平台 | |
| CN107066816B (zh) | 基于临床数据的就医指导方法、装置及服务器 | |
| CN112735579A (zh) | 一种急诊病人快速登记治疗系统 | |
| Rubel et al. | Towards intelligent and mobile systems for early detection and interpretation of cardiological syndromes | |
| CN112397166A (zh) | 一种慢性疾病医疗管理系统 | |
| CN111816272A (zh) | 一种起搏器程控数据电子化采集、存储及管理系统 | |
| CN116597982A (zh) | 一种医联体内社区医院房颤患者早期诊断预警系统及方法 | |
| Hongo et al. | Overreliance on computerized algorithms to interpret electrocardiograms | |
| Chazard et al. | One million electrocardiograms of primary care patients: a descriptive analysis. | |
| US20200185101A1 (en) | Decision support device | |
| US8155980B2 (en) | Systems and methods for managing medical data | |
| Lorence et al. | Transaction-neutral implanted data collection interface as EMR driver: A model for emerging distributed medical technologies |
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 |