CN116665889A - 一种应用于妇科门诊的智能辅助诊疗系统 - Google Patents
一种应用于妇科门诊的智能辅助诊疗系统 Download PDFInfo
- Publication number
- CN116665889A CN116665889A CN202310934086.4A CN202310934086A CN116665889A CN 116665889 A CN116665889 A CN 116665889A CN 202310934086 A CN202310934086 A CN 202310934086A CN 116665889 A CN116665889 A CN 116665889A
- Authority
- CN
- China
- Prior art keywords
- patient
- diagnosis
- intelligent
- module
- flow
- 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
- 238000003745 diagnosis Methods 0.000 title claims abstract description 119
- 238000004458 analytical method Methods 0.000 claims abstract description 32
- 238000007405 data analysis Methods 0.000 claims abstract description 23
- 238000005457 optimization Methods 0.000 claims abstract description 7
- 238000013500 data storage Methods 0.000 claims abstract description 5
- 230000008859 change Effects 0.000 claims abstract description 4
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims description 52
- 201000010099 disease Diseases 0.000 claims description 51
- 230000006870 function Effects 0.000 claims description 33
- 238000000034 method Methods 0.000 claims description 31
- 208000011580 syndromic disease Diseases 0.000 claims description 19
- 238000004891 communication Methods 0.000 claims description 11
- 206010001928 Amenorrhoea Diseases 0.000 claims description 9
- 201000000736 Amenorrhea Diseases 0.000 claims description 8
- 231100000540 amenorrhea Toxicity 0.000 claims description 8
- 238000004422 calculation algorithm Methods 0.000 claims description 8
- 201000010065 polycystic ovary syndrome Diseases 0.000 claims description 8
- 208000002500 Primary Ovarian Insufficiency Diseases 0.000 claims description 7
- 238000013461 design Methods 0.000 claims description 7
- 210000004696 endometrium Anatomy 0.000 claims description 7
- 208000025661 ovarian cyst Diseases 0.000 claims description 7
- 206010036601 premature menopause Diseases 0.000 claims description 7
- 208000017942 premature ovarian failure 1 Diseases 0.000 claims description 7
- 210000004291 uterus Anatomy 0.000 claims description 7
- 206010028980 Neoplasm Diseases 0.000 claims description 6
- 210000005000 reproductive tract Anatomy 0.000 claims description 6
- 206010008342 Cervix carcinoma Diseases 0.000 claims description 5
- 201000009273 Endometriosis Diseases 0.000 claims description 5
- 208000029082 Pelvic Inflammatory Disease Diseases 0.000 claims description 5
- 208000007913 Pituitary Neoplasms Diseases 0.000 claims description 5
- 208000006105 Uterine Cervical Neoplasms Diseases 0.000 claims description 5
- 206010046798 Uterine leiomyoma Diseases 0.000 claims description 5
- 201000010881 cervical cancer Diseases 0.000 claims description 5
- 238000001514 detection method Methods 0.000 claims description 5
- 238000007689 inspection Methods 0.000 claims description 5
- 230000002611 ovarian Effects 0.000 claims description 5
- 230000000737 periodic effect Effects 0.000 claims description 5
- 208000010916 pituitary tumor Diseases 0.000 claims description 5
- 230000001568 sexual effect Effects 0.000 claims description 5
- 206010000084 Abdominal pain lower Diseases 0.000 claims description 4
- 208000032843 Hemorrhage Diseases 0.000 claims description 4
- 208000002193 Pain Diseases 0.000 claims description 4
- 150000001875 compounds Chemical class 0.000 claims description 4
- 230000003325 follicular Effects 0.000 claims description 4
- 201000010260 leiomyoma Diseases 0.000 claims description 4
- 206010020772 Hypertension Diseases 0.000 claims description 3
- 206010020880 Hypertrophy Diseases 0.000 claims description 3
- 210000000038 chest Anatomy 0.000 claims description 3
- 206010012601 diabetes mellitus Diseases 0.000 claims description 3
- 230000000694 effects Effects 0.000 claims description 3
- 230000006651 lactation Effects 0.000 claims description 3
- 230000001817 pituitary effect Effects 0.000 claims description 3
- 231100000241 scar Toxicity 0.000 claims description 3
- 230000028327 secretion Effects 0.000 claims description 3
- 208000031404 Chromosome Aberrations Diseases 0.000 claims description 2
- 208000032544 Cicatrix Diseases 0.000 claims description 2
- 208000001287 Galactorrhea Diseases 0.000 claims description 2
- 206010017600 Galactorrhoea Diseases 0.000 claims description 2
- 208000033787 Rare developmental defect during embryogenesis Diseases 0.000 claims description 2
- 230000001174 ascending effect Effects 0.000 claims description 2
- 230000008195 breast development Effects 0.000 claims description 2
- 230000007547 defect Effects 0.000 claims description 2
- 208000022734 developmental defect during embryogenesis Diseases 0.000 claims description 2
- 230000002357 endometrial effect Effects 0.000 claims description 2
- 230000002068 genetic effect Effects 0.000 claims description 2
- 208000035853 malformation syndrome Diseases 0.000 claims description 2
- 230000037387 scars Effects 0.000 claims description 2
- 239000000126 substance Substances 0.000 claims description 2
- 208000037093 Menstruation Disturbances Diseases 0.000 claims 2
- 206010021033 Hypomenorrhoea Diseases 0.000 claims 1
- 206010027339 Menstruation irregular Diseases 0.000 claims 1
- 206010046788 Uterine haemorrhage Diseases 0.000 claims 1
- 206010046910 Vaginal haemorrhage Diseases 0.000 claims 1
- 230000000740 bleeding effect Effects 0.000 claims 1
- 239000012530 fluid Substances 0.000 claims 1
- 230000007775 late Effects 0.000 claims 1
- 230000008774 maternal effect Effects 0.000 claims 1
- 208000007106 menorrhagia Diseases 0.000 claims 1
- 230000008569 process Effects 0.000 description 16
- 238000010586 diagram Methods 0.000 description 8
- 210000000349 chromosome Anatomy 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- VOXZDWNPVJITMN-ZBRFXRBCSA-N 17β-estradiol Chemical compound OC1=CC=C2[C@H]3CC[C@](C)([C@H](CC4)O)[C@@H]4[C@@H]3CCC2=C1 VOXZDWNPVJITMN-ZBRFXRBCSA-N 0.000 description 3
- 208000007571 Ovarian Epithelial Carcinoma Diseases 0.000 description 3
- 206010033128 Ovarian cancer Diseases 0.000 description 3
- 230000003993 interaction Effects 0.000 description 3
- 230000002175 menstrual effect Effects 0.000 description 3
- 208000024891 symptom Diseases 0.000 description 3
- 206010046827 Uterine tenderness Diseases 0.000 description 2
- FFBHFFJDDLITSX-UHFFFAOYSA-N benzyl N-[2-hydroxy-4-(3-oxomorpholin-4-yl)phenyl]carbamate Chemical compound OC1=C(NC(=O)OCC2=CC=CC=C2)C=CC(=C1)N1CCOCC1=O FFBHFFJDDLITSX-UHFFFAOYSA-N 0.000 description 2
- 239000008280 blood Substances 0.000 description 2
- 210000004369 blood Anatomy 0.000 description 2
- 210000004556 brain Anatomy 0.000 description 2
- 230000002950 deficient Effects 0.000 description 2
- 229960005309 estradiol Drugs 0.000 description 2
- 229930182833 estradiol Natural products 0.000 description 2
- 229940088597 hormone Drugs 0.000 description 2
- 239000005556 hormone Substances 0.000 description 2
- 230000002452 interceptive effect Effects 0.000 description 2
- 210000003041 ligament Anatomy 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 230000016087 ovulation Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 206010068051 Chimerism Diseases 0.000 description 1
- 206010008805 Chromosomal abnormalities Diseases 0.000 description 1
- 208000004145 Endometritis Diseases 0.000 description 1
- 108090000790 Enzymes Proteins 0.000 description 1
- 102000004190 Enzymes Human genes 0.000 description 1
- 208000021309 Germ cell tumor Diseases 0.000 description 1
- 206010018833 Haematocoele Diseases 0.000 description 1
- 208000005873 Hematocele Diseases 0.000 description 1
- 206010020601 Hyperchlorhydria Diseases 0.000 description 1
- JVTAAEKCZFNVCJ-UHFFFAOYSA-M Lactate Chemical compound CC(O)C([O-])=O JVTAAEKCZFNVCJ-UHFFFAOYSA-M 0.000 description 1
- 208000034176 Neoplasms, Germ Cell and Embryonal Diseases 0.000 description 1
- 206010061535 Ovarian neoplasm Diseases 0.000 description 1
- 208000002669 Sex Cord-Gonadal Stromal Tumors Diseases 0.000 description 1
- 208000016599 Uterine disease Diseases 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 238000007792 addition Methods 0.000 description 1
- 238000000889 atomisation Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000001574 biopsy Methods 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 238000007635 classification algorithm Methods 0.000 description 1
- 210000003029 clitoris Anatomy 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 208000035475 disorder Diseases 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 230000002124 endocrine Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 210000004996 female reproductive system Anatomy 0.000 description 1
- 210000004392 genitalia Anatomy 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 201000004920 hematocele of tunica vaginalis testis Diseases 0.000 description 1
- 210000001144 hymen Anatomy 0.000 description 1
- 230000002989 hypothyroidism Effects 0.000 description 1
- 208000003532 hypothyroidism Diseases 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 230000003902 lesion Effects 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 210000005075 mammary gland Anatomy 0.000 description 1
- 239000008267 milk Substances 0.000 description 1
- 210000004080 milk Anatomy 0.000 description 1
- 235000013336 milk Nutrition 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000002980 postoperative effect Effects 0.000 description 1
- 108090000623 proteins and genes Proteins 0.000 description 1
- 208000017443 reproductive system disease Diseases 0.000 description 1
- 208000028467 sex cord-stromal tumor Diseases 0.000 description 1
- 210000001550 testis Anatomy 0.000 description 1
- 208000010579 uterine corpus leiomyoma Diseases 0.000 description 1
- 201000007954 uterine fibroid Diseases 0.000 description 1
- 210000001215 vagina Anatomy 0.000 description 1
- 208000013464 vaginal disease Diseases 0.000 description 1
- 210000003905 vulva Anatomy 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/901—Indexing; Data structures therefor; Storage structures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/906—Clustering; Classification
-
- 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
- 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
- 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)
- Public Health (AREA)
- Biomedical Technology (AREA)
- Databases & Information Systems (AREA)
- Medical Informatics (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Business, Economics & Management (AREA)
- General Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Pathology (AREA)
- Software Systems (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明涉及一种应用于妇科门诊的智能辅助诊疗系统,属于辅助诊断技术领域,该系统包括:智能辅助诊疗模块用于对每一个门诊患者启动独立线程以及启动询问病史、体格检查、设备检查、实验室检查、综合判断流程,最终输出患者诊断报告;智能数据分析模块用于遍历周期内的数据库数据,输出趋势变化、流程优化、诊断优化的模型分析报告;智能迭代模块用于在系统的运行周期内对系统本身进行自主迭代以及对智能辅助诊疗模块和数据库模块进行自动优化;数据库模块用于为各个模块提供数据存储和各个模块正常运行时所需的数据源。本发明将传统意义上的给门诊使用的数据库系统转变成了具有真实诊疗分析能力的诊疗系统,将医院完整资源形成统一诊疗体系。
Description
技术领域
本发明涉及辅助诊断技术领域,特别是涉及一种应用于妇科门诊的智能辅助诊疗系统。
背景技术
现有的妇科门诊诊疗系统都是一种数据库系统,主要功能是由医生对患者的信息进行录入登记,将门诊过程中与患者交互的信息以输入或者复选框选择的方式进行数据库的填充操作。这种诊疗系统的优点在于将患者的诊疗信息进行数字化转化,可以更好的用于医院以及卫生部门的信息统计、病例回溯、高效管理等方面;缺点则是现有的诊疗系统都只停留在管理平台的层面,与其说是诊疗系统不如说成是“登记簿”系统,与诊疗本身并没有多大的关系。
目前,现有技术主要采用两种诊疗系统,一种是基于本地局域网环境的独立诊疗系统,该系统基于单一的标的门诊科室为使用范围,应用轻量级数据库体系,在科室的局域网配置场景中运行;另一种是基于广域网环境的交互诊疗系统,该系统基于拓扑式模型结构,应用中量级主从数据库体系,在广域网环境中进行系统部署,除了医院本身的科室使用场景外,基于该系统的框架下,不同医院的相同科室可以进行信息交互与联通。
现有技术的缺点主要有两个方面:
第一、现有的妇科门诊诊疗系统重点突出的技术核心都是数据库体系,这种体系的侧重点更多在于对于数据层面的增、删、改、查的操作,而完全无视了与诊疗有关的实质操作;
第二、现有的妇科门诊诊疗系统无论是独立式还是交互式,其本质核心都是被动式,即从技术架构的设计初衷开始,它都是作为一种“存储式”的结构,无非是把传统的“纸质病历本”变成了现在的“电子病历本”。在诊疗系统积累了大量的患者数据后,无法在大数据层面上提供智能的诊疗分析。
此外,现有妇科门诊系统还存在以下问题:因不同妇科医生从业经验的差异化导致的误诊率较高,因为缺乏标准化检测流程而导致的医疗资源过度消耗以及妇科患者的实际医疗负担较高,实际医院环境中由于妇科门诊医疗资源的紧缺性导致的初、复诊医生不同所带来的诊断陌生感。
发明内容
基于此,为从根本上解决现有技术中存在的上述问题,本发明提供一种应用于妇科门诊的智能辅助诊疗系统。
一种应用于妇科门诊的智能辅助诊疗系统,包括:
智能辅助诊疗模块,以socket通信插件的方式与实验室常用设备建立S-C模型的通讯联系,用于对每一个门诊患者启动独立线程并加载消息队列,然后启动信息录入流程,包括询问病史流程、体格检查流程、设备检查流程、实验室检查流程以及综合判断流程,其中体格检查流程、设备检查流程、实验室检查流程为可选流程,执行完综合判断流程之后,输出包括病种、详细亚种、病情程度、复合病种字段在内的患者诊断报告,且患者诊断报告中的字段可手动编辑修改;
智能数据分析模块,用于在设定的运行周期到期后,遍历周期内的数据库数据,在趋势变化、流程优化、诊断优化方面分别输出模型分析报告;
智能迭代模块,用于在系统的运行周期内,根据更新的系统模型系统本身进行自主迭代以及对智能辅助诊疗模块和数据库模块进行自动优化;
数据库模块,采用XML语言作为设计架构,用于对患者的就诊情况设立一套独立的数据结构体系,并在每个患者进行就诊登记时自动生成与之匹配的数据结构变量,以及为智能辅助诊疗模块、智能数据分析模块和智能迭代模块提供数据存储和各个模块正常运行时所需的数据源。
与现有技术相比,本发明具有以下有益效果:
(1)填补了目前市场上诊疗系统的空白,从传统意义上的给门诊使用的数据库系统转变成了具有真实诊疗分析能力的诊疗系统;
(2)传统的诊疗系统仅仅只负责门诊终端信息的录入,与本院其他检测设备并没有直接的交互,本系统以第三方插件通信的方式,将模块插件移植到各类医疗设备中,真正将医院的完整资源形成统一的诊疗体系。
附图说明
图1为本发明实施例所述的一种应用于妇科门诊的智能辅助诊疗系统的各模块组成示意图;
图2为询问病史流程对应的预设初值概率函数;
图3为体格检查流程对应的预设初值概率函数;
图4为多囊卵巢综合征的判断函数流程图;
图5为子宫腔粘连综合征的判断函数流程图;
图6为卵巢早衰的判断函数的逻辑图;
图7为上皮性卵巢癌亚种概率关联图;
图8为流程模型逻辑图;
图9为趋势模型示例图;
图10为诊断模型示例图。
具体实施方式
下面将结合附图及较佳实施例对本发明的技术方案进行详细描述。
下面首先给出本发明中涉及的几个术语及其含义:
XML:XML指可扩展标记语言(EXtensible Markup Language),它是一种标记语言,很类似 HTML。XML的设计宗旨是传输数据,而非显示数据,XML标签没有被预定义,需要自行定义标签。XML被设计为具有自我描述性。XML是W3C的推荐标准;
妇科:妇科是以诊疗女性妇科病为主的专业科室。女性生殖系统的疾病即为妇科疾病,包括外阴疾病、阴道疾病、子宫疾病等可用预外法治疗。医学中以妇女病为研究对象的科目,如:妇科学;
门诊:门诊通常接诊病情表症较轻的病人,经过门诊医生一整套的诊断手段、辅助检查,给病人得出初步诊断,门诊医生能够对症治疗即给予病人进行治疗,如果门诊医生对病人病情有疑问或诊断为病情较重较急,则将病人收入住院病房,在医院作进一步检查或进行手术或相关的治疗等医疗措施。
在其中一个实施例中,如图1所示,本实施例公开了一种应用于妇科门诊的智能辅助诊疗系统,整个系统主要包括四个重要模块,分别是数据库模块、智能辅助诊疗模块、智能数据分析模块以及智能迭代模块。其中数据库模块是整个系统的基础,它作为一个数据存储的模块,为智能辅助诊疗模块、智能数据分析模块和智能迭代模块提供数据存储,同时其数据流是其他模块正常运行的数据来源,数据库模块包括系统功能体系数据结构、流程模型数据结构、趋势模型数据结构、诊断模型数据结构、病种库数据结构(含亚种病种)、智能辅助诊疗模块流程1至流程4的专属数据结构以及患者基础数据结构;智能辅助诊疗模块是整个系统的核心,该模块从妇科患者见到坐诊医生开始时便启动工作,随着模块的标准化流程的进行,医生可以在最短的时间内得到最准确的病情分析报告,具体地,在开始运行后,患者进入妇科门诊,智能辅助诊疗模块启动独立线程并加载消息队列,患者基础信息开始录入到数据库模块,医生执行流程1,模块开始第一阶段分析,分析结果传递至数据库模块,接下来医生执行流程2,模块开始做第二阶段分析,分析结果传递至数据库模块,医生可选执行流程3、流程4,模块病种库函数进行规则运算,结果传递至数据库模块医生执行流程5,模块运算出终值,与医生手动操作交互后,患者独立线程结束;智能数据分析模块是整个系统的精华,它作为本系统的“智能大脑”,在设定的运行周期到期后,模块会遍历周期内的数据库数据,在趋势变化、流程优化、技术更新等方面输出智能的分析报告,其具体过程是:遍历周期开始计时,遍历周期到期,更新诊疗模型并同步数据库模块,更新趋势模型并同步数据库模块,更新流程模型并同步数据库模块;智能迭代模块则是整个系统的特色,它根据智能数据分析模块的周期分析报告,对系统本身进行自主迭代,包括更新智能辅助诊疗模块流程函数以及更行数据库模块的数据结构。
1、数据库模块。
1.1 模块描述:
数据库模块采用XML语言作为轻量级数据库的设计架构,对于患者的就诊情况设立一套独立的数据结构体系,每个患者进行就诊登记时,则自动生成与之匹配的数据结构变量,包括患者信息(患者流水号、患者优先级等)和多囊卵巢综合征、子宫腔粘连综合征等,具体参见如下的数据结构。
数据结构如下:
typedef struct patient_info
{
unsigned int patient_index; //患者流水号;
unsigned char patient_priority; //患者优先级;
unsigned int patient_nationality; //患者国籍;
char patient_ID[64]; //患者身份证号;
char patient_passport_ID[64]; //患者护照号码;
char patient_medicare_ID[64]; //患者医保号码;
char patient_name[64]; //患者姓名;
char patient_address[64]; //患者地址;
char patient_birthday[64]; //患者出生日期;
char patient_hospitalize_stime[64]; //患者就诊开始时间;
char patient_hospitalize_etime[64]; //患者就诊结束时间;
unsigned char patient_age; //患者年龄;
unsigned char patient_gender; //患者性别;
unsigned char patient_medicare_type; //患者医保种类;
unsigned char is_need_be_hospitalized; //是否需要住院;
unsigned char is_hospitalized_finished; //是否就诊完成;
char patient_process1_doctor_name[64]; //患者智能诊疗流程1医生;
char patient_process2_doctor_name[64]; //患者智能诊疗流程2医生;
char patient_process3_doctor_name[64]; //患者智能诊疗流程3医生;
char patient_process4_doctor_name[64]; //患者智能诊疗流程4医生;
char patient_process5_doctor_name[64]; //患者智能诊疗流程5医生;
unsigned int patient_disease_type; //患者得病种类;
char patient_report[1024]; //患者诊断报告;
}patient_info_t;
#define DISEASE_PCOS 0 //多囊卵巢综合征;
#define DISEASE_ASHERMAN 1 //子宫腔粘连综合征;
#define DISEASE_POF 2 //卵巢早衰;
#define DISEASE_HPRL 3 //高泌乳素血症;
#define DISEASE_PITUITARY_TUMOR 4 //垂体肿瘤;
#define DISEASE_MRKH 5 //生殖道畸形综合征;
#define DISEASE_ENDOMETRIOSIS 6 //子宫内膜异位症;
#define DISEASE_MOU 7 //子宫肌瘤;
#define DISEASE_PID 8 //盆腔炎性疾病;
#define DISEASE_HPV 9 //宫颈癌;
#define DISEASE_OVARIAN_CYST 10 //卵巢囊肿;
#define DISEASE_CLIS 11 //更年期综合征。
1.2 重要流程解释:
数据库模块重要的是针对患者的数据结构,结构越完整,数字化信息便越成体系。这种完整的结构是数据分析以及智能辅助诊疗的关键,将每个关键的环节都拆分到最小的单元点,并将原子单元数字化,这就是数字医疗分析的核心。
2、智能辅助诊疗模块。
2.1 模块描述:
智能辅助诊疗涉及了本系统的核心——即主动干预性判断,该模块分为五个流程,分别由询问病史流程、体格检查流程、设备检查流程、实验室检查流程、综合判断流程,上述五个流程分别记作流程1、流程2、流程3、流程4、流程5其中由门诊医生负责的信息录入有流程1、流程2以及流程5的部分,5个流程除了流程1与流程5为必选流程,流程2、流程3、流程4都只作为可选流程。
2.2 模块实现的逻辑:
对于智能辅助诊疗模块而言,重点在于辅助与智能两个定位上,辅助说明本系统只提供分析意见,并不能取代医生的最终诊断权,设备给出的分析哪怕表示该患者与某种病症吻合度达到99.99%,也只能作为辅助参考判断,最终是否采用结论还是由医生自己来判断;而智能则体现于系统高效率的运算能力以及庞大的数据库模型所展现出来的程式分析能力。
智能辅助诊疗模块以socket通信插件的方式与实验室常用设备建立S-C模型的通讯联系。智能辅助诊疗模块采用线程队列与消息队列的工作模式,对每一个门诊患者启动一个独立线程并将该线程的运行进度信息加入到消息队列中。然后启动信息录入流程,包括询问病史流程、体格检查流程、设备检查流程、实验室检查流程以及综合判断流程,执行完综合判断流程之后,输出包括病种、详细亚种、病情程度、复合病种字段在内的患者诊断报告,并且患者诊断报告中的字段可手动编辑修改。
流程1—询问病史,其数据结构变量如下:
typedef struct patient_process1_info
{
unsigned char is_menorrhagia; //是否月经过多;
unsigned char is_hypomenorrhea; //是否月经过少;
unsigned char is_irregular_menstruation; //是否月经不规则;
unsigned char is_diabetes; //是否糖尿病;
unsigned char is_high_blood_pressure; //是否高血压;
char other_disease_name[256]; //其他既往病;
unsigned char is_amenorrhea; //是否闭经;
unsigned char is_periodic_lower_abdominal_pain //是否周期性下腹痛;
unsigned char is_depressive_disorder //是否压力较大、患有抑郁;
unsigned char is_milk_secretion //是否泌乳;
unsigned char is_sexual_life //是否有过性生活;
unsigned char is_high_foi //是否高性交频率;
unsigned char is_low_foi //是否低性交频率;
unsigned char is_m_or_s_late_menstruation //是否母亲及姐妹初潮晚;
unsigned char is_g&c_abnormalities //是否基因或染色体异常;
……
}patient_process1_info_t。
根据录入的询问病史信息以及患者信息的基础组合,智能辅助诊疗模块根据验算规则可以在流程1中给出一个初判病概率提示。验算规则函数如图2所示,图中第一列包括多囊卵巢综合征、子宫腔粘连综合征、卵巢早衰、高泌乳素血症、垂体肿瘤、生殖道畸形综合征、子宫内膜异位症、子宫肌瘤、盆腔炎性疾病、宫颈癌、卵巢囊肿、更年期综合征,第一行依次为年龄阈值18-24、年龄阈值25-34、年龄阈值35-39、年龄阈值40-44、年龄阈值45-50、年龄阈值>50、存在闭经症状、存在周期性下腹痛、存在压力较大及患有抑郁、存在泌乳症状、存在姐妹或母亲初潮晚症状、基因或染色体异常。
流程2—体格检查,其数据结构变量如下:
typedef struct patient_process2_info
{
unsigned int patient_height; //患者身高;
unsigned int patient_weight; //患者体重;
unsigned int patient_BMI; //患者体质指数;
unsigned char is_pubes_high; //是否阴毛增多;
unsigned char is_glandebalae_high; //是否腋毛增多;
unsigned char is_clitoris_fat; //是否阴蒂肥大;
unsigned char is_lactation; //是否溢乳;
unsigned char is_mammary_gland_normal; //是否乳腺发育正常;
unsigned char is_webbed_neck; //是否蹼状颈;
unsigned char is_shield-like_chest; //是否盾状胸;
unsigned char is_hematocolpos; //是否阴道积血;
unsigned char is_swill_leucorrhea; //是否水泔样白带;
unsigned char is_contact_bleeding; //是否接触性出血;
unsigned char is_dense_secretion; //是否浓性分泌物;
unsigned char is_postoperative_scar; //是否存在术后疤痕;
unsigned char is_fixation_of_uterus; //是否子宫固定,活动度小;
unsigned char is_toftusl; //是否宫骶韧带处结节,触痛;
unsigned char is_uterine_tenderness; //是否子宫压痛;
unsigned char is_uterine_adnexal_tenderness; //是否附件压痛;
unsigned char is_cervical_lifting_pain; //是否宫颈举痛;
……
}patient_process2_info_t。
体格检查流程会进一步修正流程1输出结论,但在没有经过流程3与流程4的情况下,流程2的判断概率阈值上限为50%。流程2的预设初值验算规则函数如图3所示:内置符合项概率为两个处理函数,分别为DISEASE_Internal_Function_ Dgree_Judgment()以及DISEASE_External_Function_ Probability_Judgment(),即分别处理患者的多病症符合性判断以及同一病种的严重程度。智能辅助诊疗模块根据录入的体格检查信息以及体格检查流程对应的预设初值概率函数对初判病概率进行修正,其中体格检查流程对应的预设初值概率函数如图3所示,图中第一列包括阴毛增多、腋毛增多、阴蒂肥大、溢乳、乳腺发育正常、蹼状颈、盾状胸、阴道积血、水泔样白带、接触性出血、浓性分泌物、存在术后疤痕、子宫固定及活动度小、宫骶韧带处结节及触痛、子宫压痛、附件压痛、宫颈举痛,第一行依次为多囊卵巢综合征、子宫腔粘连综合征、卵巢早衰、高泌乳素血症、垂体肿瘤、生殖道畸形综合征、子宫内膜异位症、子宫肌瘤、盆腔炎性疾病、宫颈癌、卵巢囊肿、更年期综合征。
流程3—设备检查流程:
智能辅助诊疗模块以socket通信插件的方式,为实验室常用设备如超声、MRI、CT、腹腔镜、HSG等设备建立S-C模型的通讯联系,设备厂商可以接入该系统并开放数据获取接口,如果设备厂商未接入该系统,该系统通信插件可以独立作用于应用层,对原发设备生成的技术信息进行二次封装,以此达到符合系统使用的数据条件标准。设备检查流程的数据结构变量如下:
typedef struct patient_process3_info
{
unsigned int patient_index; //患者流水号;
char patient_name[64]; //患者姓名;
unsigned char is_liquid_dark_area; //是否存在液性暗区
unsigned char echonodule; //回声结节程度;
unsigned char is_swirl_of_chaotic_echoes; //是否存在旋涡状杂乱回声;
char mass_site[64]; //肿块位置;
unsigned int mass size; //肿块大小;
unsigned char mass property; //肿块性质;
unsigned int follicles_number; //卵泡数量;
unsigned int follicular_volume; //卵泡体积;
unsigned int endometrial_thickness; //子宫内膜厚度;
unsigned int mean_follicle_diameter; //卵泡平均直径;
unsigned int pituitary_density; //垂体密度;
unsigned char is_absence_of_uterus; //是否子宫缺如;
unsigned char is_endometrium_basal_uterus; //是否有内膜始基子宫;
unsigned int ovarian_volume; //卵巢体积;
unsigned int ldouc; //宫腔长径;
……
}patient_process3_info_t。
流程3作为设备检查环节,其属性为可选项,由医生决定是否进行此流程的行进状态,该流程的权重判断比例为35%,即经过此流程,判断概率的阈值上限扩增至85%。
针对妇科病种库,该系统拥有详细的特质化函数进行诊疗运算。智能辅助诊疗模块根据录入的设备检查信息以及从函数库中调取的判断函数增加判断概率,图4和图5分别为从函数库中节选的判断函数流程规则示意图。对于多囊卵巢综合征(DISEASE_PCOS),如图4所示,判断函数首先判断卵泡平均直径(mean_follicle_diameter)是否大于等于2mm且小于等于9mm并且卵泡数量(follicles_number)大于等于12,若是,则输出最大概率阈值(Maximum output probability),否则继续判断卵巢体积(ovarian_volume)是否大于等于10,若是则输出最大概率阈值,否则输出基准概率值减去最大概率阈值(Minus themaximum probability threshold)。对于子宫腔粘连综合征(DISEASE_ASHERMAN),如图5所示,当判断函数判断子宫内膜厚度(ndometrial_thickness)大于等于5mm且存在旋涡状杂乱回声(is_swirl_of_chaotic_echoes==Y)且长度(length)小于等于患者实际宫颈长度(ldouc)的25%时,输出子宫腔粘连综合征为低程度(LOW);当判断函数判断子宫内膜厚度大于等于2mm、小于等于5mm且存在旋涡状杂乱回声且长度大于等于患者实际宫颈长度的25%、小于患者实际宫颈长度的75%时,输出子宫腔粘连综合征为中等程度(MEDIUM);当判断函数判断子宫内膜厚度小于等于2mm且存在旋涡状杂乱回声且长度大于等于患者实际宫颈长度的75%时,输出子宫腔粘连综合征为严重程度(SEVERE)。
流程4—实验室检查流程:
流程4作为可选流程,与流程3并不是线性结构顺序,即流程4并不单纯作为流程3的补充必要条件,而是受选择于妇科病种库的诊断逻辑序列,即按照数据分析单元的数据处理过后,某种妇科病的诊断结论需要的最少检测单元是什么,则根据逻辑序列进行流程选择,流程4可以作为流程2直接的下一级流程,也可以作为流程3的补充流程。
该流程涉及的妇科实验室检查范围有激素、血常规、活检以及肿瘤标志物等。由于实验室检查的仪器设备99.99%都支持直接的数据结果输出,所以智能辅助诊疗模块可以直接采取妇科实验室检查对应的理化检测指标作为数据结构的基本构型。
该流程的权重判断比例为<15%,即经过此流程,判断概率的阈值上限扩增至无限接近100%,但在系统实现中,百分比数值精度一般采用小数点后三位,即阈值上限的最高输出结果为99.999%。流程4中病种库部分判断函数的逻辑如图6所示,对于卵巢早衰(DISEASE_POF),判断函数首先判断卵泡生成激素(FSH)是否大于40IU/L,若否,则流程4不输出任何概率加成(Process4 has no probability of output);若是,则继续判断雌二醇(E2)是否小于50pmol且在排卵期(is_ovulation_period==Y)或者雌二醇是否小于70pmol且不在排卵期,若是,则输出基准概率值减去最大概率阈值(Minus the maximumprobability threshold),否则输出10%概率加成(Output=>10%)。
流程4中病种库部分病种详细亚种定义以及概率关联图如下:
#define DISEASE_OC_Epithelial_ovarian_cancer DISEASE_OVARIAN_CYST<<16+1 //上皮性卵巢癌;
#define DISEASE_OC_Germ_Cell_Tumors DISEASE_OVARIAN_CYST<<16+2 //生殖细胞肿瘤;
#define DISEASE_OC_Sex_Cord-stromal_Tumors DISEASE_OVARIAN_CYST<<16+3 //性索间质瘤;
#define DISEASE_OC_Granulosa_Cell_Tumors DISEASE_OVARIAN_CYST<<16+4//颗粒细胞瘤;
#define DISEASE_OC_Undefine DISEASE_OVARIAN_CYST<<16+5 //未分类卵巢肿瘤。
上皮性卵巢癌亚种概率关联图如图7所示。
流程5—综合判断流程:
流程5是整个智能辅助诊疗模块进行最终解析输出以及人工校订的环节,在这个环节,根据各流程的分析判断函数,流程5的Process5_analysis_by_synthesis_output()函数,将会对初始数据结构体中的是否需要住院、是否就诊完成、患者得病种类等值做出一个建议性结果输出,包括病种、详细亚种、病情程度、复合病种等。
门诊医生可以采纳系统给出的分析意见,以手动修改的形式将病种概率修改至100%,一旦该值检测为100%,则整个智能辅助诊疗模块运行完毕,并自动生成患者诊断报告填充至初始结构体空间,如果医生并不采纳系统给出的分析意见,则需要手动编辑填写患者诊断报告字段,智能辅助诊疗模块会根据字段内容进行智能分析,保留系统分析结论的同时,将终值修改成门诊医生的结论,系统保留的结论数据并不会出现在患者拿到的病例书中,此数据仅供医疗纠纷或者事故调查时作为监控诊疗流程的辅助判断依据而存在。
3、智能数据分析模块。
3.1 模块描述:
该模块是整个系统的精华所在,相当于整个系统的大脑,负责输出优化后的流程模型、趋势模型以及诊断模型。
3.2 模块结构与实现逻辑:
对于智能数据分析模块而言,重点在于分析的算法,本系统采用的算法规则有聚类算法、分类算法、关联规则挖掘算法、回归算法等,每种算法并不是独立负责单一的模型,而是通过组合分析最后得到完整的模型。
流程模型的主要内容是以病种库为主要分类索引,原子单位要精确到亚种项,然后遍历患者数据库进行数据分类,在同类病患者的数据分析后,输出以严重度、诊疗关联项为参考坐标系的模型报告。流程模型逻辑如图8所示。
趋势模型的主要内容是以患者库为主要分类索引,然后遍历患者数据库,以病种库主线作为参考坐标系的规则头,模型的颗粒度为中等。趋势模型主要用于统计遍历周期内的患者、病种的占比情况,并通过拆分遍历周期的区间度,利用回归算法预测那些病种在未来会成为上升趋势,哪些病种在未来会成为下降趋势,并以此结合社会面的情况来预测患者的人群分布段。图9为趋势模型示例图。
诊断模型的主要内容是以病种库为唯一索引,依靠遍历患者库的患者数据,在流程模型的基础上,进一步对每个病种进行细化分析,该分析结果作为本系统诊断概率的唯一依据。诊断模型的颗粒度为极细,即存在单一患者数据的情况下,也不接受同类项合并,只增加差异性内容并入到模型中,该模型同时接收权威医生的手动修改,如何判定权威医生不在本系统的讨论之列,但手动修改的模型与系统自动生成的模型都会保留,但在诊疗判断中如果某个病种存在手动修改后的模型则以该模型为唯一诊断标准,但系统模型作为对照保留。图10为诊断模型示例图,以原发性闭经为例,判断第二性征是否存在,若无第二性征,则测血FSH、LH、PRL、TSH,如果TSH升高,则判断为甲状腺功能减退,如果TSH正常但PRL≥1.365nmol/L但<4.55nmol/L,或者TSH正常但PRL≥4.55nmol/L,则酌情进行颅脑及鞍区MRI检查,排除器质性病变后,判断为高PRL血症,如果PRL正常但LH<5U/L或者FSH正常、LH正常,则判断为下丘脑-垂体性闭经,如果PRL正常但FSH>40U/L,则判断为卵巢性闭经,进一步进行酶缺陷和染色体核型分析,染色体核型分析的结果为“46,XY”或者“46,XX”时为单纯性性腺发育不全,“45,XO”时为45,XO及其嵌合体;若有第二性征,则进行妇科检查和盆腔B超检查有无子宫及子宫内膜情况,如果检查结果为子宫缺如或伴内外生殖器其他畸形,则进行染色体核型分析,分析结果为“46,XY”时,表示AIS或睾丸发育不全等,分析结果为“46,XX”时,表示苗勒管发育不全;判断生殖道是否阻塞,若是,则表示处女膜闭锁或阴道横隔等,若否,则子宫正常,考虑其他内分泌病因。
4、智能迭代模块。
4.1 模块描述:
智能迭代模块是本系统的特色,也突出了智能诊疗中智能的关键地方。传统的系统受制于规则的不可变性,导致系统除非是遇见问题或者增加需求,否则基本不会进行迭代,即使迭代也都是手动迭代。而基于智能数据分析模块的能力,我们的系统在周期性的区间内,会自动更新系统的版本,而智能迭代模块会根据更新的系统模型对系统本身进行自主迭代,以及对数据库模块以及智能辅助诊疗模块进行自动优化。
4.2 模块结构与实现逻辑:
由于系统从架构设计开始便采用了轻量级的数据库设计,所以对于数据节点的细化上,本系统做到了入微级,超细化的数据节点注定了整个系统的精细化尺度。
首先在患者数据库的结构上,根据智能数据分析模块的定期自更新,我们会增加新的库节点(即原子操作变量单元),新增加的库节点会自动生成对应的UI接口,方便门诊医生的数据录入。运行至下一个周期时间时,根据智能数据分析模块的新一轮更新,本模块又会对数据结构进行新一轮的增、删、改、查,如此循环往复,保证患者数据库结构的健壮性与实时性。
其次智能辅助诊疗模块关于诊疗流程2、3、4的环节中,本模块会根据智能数据分析模块定期更新的流程模型以及诊断模型,对现有的功能函数进行自动优化,优化的内容包括病种库的诊断体征、实验室检查项、设备检查项,保证系统的诊疗流程的原子化属性和完美适配属性。
本实施例所提出的应用于妇科门诊的智能辅助诊疗系统可以安装进各医院妇科门诊的终端设备中,其对于医院现有的设备可移植性良好,系统不必受制于设备驱动层限制;同时本系统填补了市场上主流诊疗系统的空白,从真正意义上将传统的单一数据库系统变成了诊疗系统。
以上所述实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
Claims (7)
1.一种应用于妇科门诊的智能辅助诊疗系统,其特征在于,包括:
智能辅助诊疗模块,以socket通信插件的方式与实验室常用设备建立S-C模型的通讯联系,用于对每一个门诊患者启动独立线程并加载消息队列,然后启动信息录入流程,包括询问病史流程、体格检查流程、设备检查流程、实验室检查流程以及综合判断流程,其中体格检查流程、设备检查流程、实验室检查流程为可选流程,执行完综合判断流程之后,输出包括病种、详细亚种、病情程度、复合病种字段在内的患者诊断报告,且患者诊断报告中的字段可手动编辑修改;
智能数据分析模块,用于在设定的运行周期到期后,遍历周期内的数据库数据,在趋势变化、流程优化、诊断优化方面分别输出模型分析报告;
智能迭代模块,用于在系统的运行周期内,根据更新的系统模型对系统本身进行自主迭代以及对智能辅助诊疗模块和数据库模块进行自动优化;
数据库模块,采用XML语言作为设计架构,用于对患者的就诊情况设立一套独立的数据结构体系,并在每个患者进行就诊登记时自动生成与之匹配的数据结构变量,以及为智能辅助诊疗模块、智能数据分析模块和智能迭代模块提供数据存储和各个模块正常运行时所需的数据源。
2.根据权利要求1所述的一种应用于妇科门诊的智能辅助诊疗系统,其特征在于,数据库模块定义的数据结构变量包括患者信息、多囊卵巢综合征、子宫腔粘连综合征、卵巢早衰、高泌乳素血症、垂体肿瘤、生殖道畸形综合征、子宫内膜异位症、子宫肌瘤、盆腔炎性疾病、宫颈癌、卵巢囊肿、更年期综合征,其中患者信息变量包括患者流水号、患者优先级、患者国籍、患者身份证号、患者护照号码、患者医保号码、患者姓名、患者地址、患者出生日期、患者就诊开始时间、患者就诊结束时间、患者年龄、患者性别、患者医保种类、是否需要住院、是否就诊完成、患者智能诊疗流程1医生、患者智能诊疗流程2医生、患者智能诊疗流程3医生、患者智能诊疗流程4医生、患者智能诊疗流程5医生、患者得病种类、患者诊断报告。
3.根据权利要求1所述的一种应用于妇科门诊的智能辅助诊疗系统,其特征在于,询问病史流程的数据结构变量包括是否月经过多、是否月经过少、是否月经不规则、是否糖尿病、是否高血压、其他既往病、是否闭经、是否周期性下腹痛、是否压力较大及患有抑郁、是否泌乳、是否有过性生活、是否高性交频率、是否低性交频率、是否母亲及姐妹初潮晚、是否基因或染色体异常;
智能辅助诊疗模块根据录入的询问病史信息以及患者信息的基础组合,根据询问病史流程对应的预设初值概率函数生成初判病概率,其中预设初值概率函数的第一列包括多囊卵巢综合征、子宫腔粘连综合征、卵巢早衰、高泌乳素血症、垂体肿瘤、生殖道畸形综合征、子宫内膜异位症、子宫肌瘤、盆腔炎性疾病、宫颈癌、卵巢囊肿、更年期综合征。
4.根据权利要求1所述的一种应用于妇科门诊的智能辅助诊疗系统,其特征在于,体格检查流程的数据结构变量包括患者身高、患者体重、患者体质指数、是否阴毛增多、是否腋毛增多、是否阴蒂肥大、是否溢乳、是否乳腺发育正常、是否蹼状颈、是否盾状胸、是否阴道积血、是否水泔样白带、是否接触性出血、是否浓性分泌物、是否存在术后疤痕、是否子宫固定及活动度小、是否宫骶韧带处结节及触痛、是否子宫压痛、是否附件压痛、是否宫颈举;
智能辅助诊疗模块根据录入的体格检查信息以及体格检查流程对应的预设初值概率函数对初判病概率进行修正。
5.根据权利要求1所述的一种应用于妇科门诊的智能辅助诊疗系统,其特征在于,设备检查流程的数据结构变量包括患者流水号、患者姓名、是否存在液性暗区、回声结节程度、是否存在旋涡状杂乱回声、肿块位置、肿块大小、肿块性质、卵泡数量、卵泡体积、子宫内膜厚度、卵泡平均直径、垂体密度、是否子宫缺如、是否有内膜始基子宫、卵巢体积、宫腔长径;
智能辅助诊疗模块根据录入的设备检查信息以及从函数库中调取的判断函数增加判断概率,且增加后的判断概率的阈值上限为85%。
6.根据权利要求1所述的一种应用于妇科门诊的智能辅助诊疗系统,其特征在于,实验室检查流程的数据结构变量采用妇科实验室检查对应的理化检测指标,且实验室检查流程的权重判断比例为小于15%。
7.根据权利要求1所述的一种应用于妇科门诊的智能辅助诊疗系统,其特征在于,智能数据分析模块包括流程模型、趋势模型和诊断模型,其中流程模型用于以病种库为主要分类索引,原子单位要精确到亚种项,然后遍历患者数据库进行数据分类,在同类病患者的数据分析后,输出以严重度、诊疗关联项为参考坐标系的模型报告;趋势模型用于统计遍历周期内的患者、病种的占比情况,并通过拆分遍历周期的区间度,利用回归算法预测病种的上升下降趋势,并以此结合社会面的情况来预测患者的人群分布段;诊断模型用于以病种库为唯一索引,依靠遍历患者库的患者数据,在流程模型的基础上,进一步对每个病种进行细化分析。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310934086.4A CN116665889A (zh) | 2023-07-28 | 2023-07-28 | 一种应用于妇科门诊的智能辅助诊疗系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310934086.4A CN116665889A (zh) | 2023-07-28 | 2023-07-28 | 一种应用于妇科门诊的智能辅助诊疗系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116665889A true CN116665889A (zh) | 2023-08-29 |
Family
ID=87715710
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310934086.4A Pending CN116665889A (zh) | 2023-07-28 | 2023-07-28 | 一种应用于妇科门诊的智能辅助诊疗系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116665889A (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104484845A (zh) * | 2014-12-30 | 2015-04-01 | 天津迈沃医药技术有限公司 | 基于医学信息本体数据库的疾病自我分析方法 |
CN104835095A (zh) * | 2015-04-24 | 2015-08-12 | 贺星 | 一种云计算健康医疗公共服务平台 |
CN109887561A (zh) * | 2019-02-12 | 2019-06-14 | 北京倍肯恒业科技发展股份有限公司 | 一种人工智能宫颈癌筛查确定方法和装置 |
CN111696667A (zh) * | 2020-06-11 | 2020-09-22 | 吾征智能技术(北京)有限公司 | 一种常见妇科疾病预测模型构建方法和预测系统 |
CN111933279A (zh) * | 2020-09-14 | 2020-11-13 | 江苏瑞康成医疗科技有限公司 | 智能化疾病诊疗系统 |
CN113934895A (zh) * | 2021-09-29 | 2022-01-14 | 浪潮云信息技术股份公司 | 一种辅助建立患者主索引的方法 |
CN115587915A (zh) * | 2022-09-16 | 2023-01-10 | 郑州大学 | 基于康复医联网和医联体的智慧网络平台及使用方法 |
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
- 2023-07-28 CN CN202310934086.4A patent/CN116665889A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104484845A (zh) * | 2014-12-30 | 2015-04-01 | 天津迈沃医药技术有限公司 | 基于医学信息本体数据库的疾病自我分析方法 |
CN104835095A (zh) * | 2015-04-24 | 2015-08-12 | 贺星 | 一种云计算健康医疗公共服务平台 |
CN109887561A (zh) * | 2019-02-12 | 2019-06-14 | 北京倍肯恒业科技发展股份有限公司 | 一种人工智能宫颈癌筛查确定方法和装置 |
CN111696667A (zh) * | 2020-06-11 | 2020-09-22 | 吾征智能技术(北京)有限公司 | 一种常见妇科疾病预测模型构建方法和预测系统 |
CN111933279A (zh) * | 2020-09-14 | 2020-11-13 | 江苏瑞康成医疗科技有限公司 | 智能化疾病诊疗系统 |
CN113934895A (zh) * | 2021-09-29 | 2022-01-14 | 浪潮云信息技术股份公司 | 一种辅助建立患者主索引的方法 |
CN115587915A (zh) * | 2022-09-16 | 2023-01-10 | 郑州大学 | 基于康复医联网和医联体的智慧网络平台及使用方法 |
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 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Jackson et al. | Outcomes, safety, and resource utilization in a collaborative care birth center program compared with traditional physician-based perinatal care | |
Liu et al. | Machine learning algorithms to predict early pregnancy loss after in vitro fertilization-embryo transfer with fetal heart rate as a strong predictor | |
Uddin et al. | Rates and success rates of trial of labor after cesarean delivery in the United States, 1990–2009 | |
WO2014135699A2 (en) | Method of calculating a score of a medical suggestion as a support in medical decision making | |
Perinatal and Maternal Mortality Review Committee | Seventh annual report of the perinatal and maternal mortality review committee: reporting mortality 2011 | |
CN113380392A (zh) | 一种基于妇科检查安全评估的就诊管理方法及系统 | |
CN111445967A (zh) | 基于人工智能的产科临床辅助顺产信息处理系统及方法 | |
Zhu et al. | Decision tree analysis: a retrospective analysis of postoperative recurrence of adhesions in patients with moderate‐to‐severe intrauterine | |
JP6833947B2 (ja) | サーバ装置 | |
Mavrelos et al. | β-hCG resolution times during expectant management of tubal ectopic pregnancies | |
Yiğit et al. | Comparison of machine learning classification techniques to predict implantation success in an IVF treatment cycle | |
Kaur et al. | A research study on the cervical cerclage to deal with cervical insufficiency using machine learning | |
JP6788943B2 (ja) | サーバ装置 | |
CN116665889A (zh) | 一种应用于妇科门诊的智能辅助诊疗系统 | |
RU2596050C2 (ru) | Система и способ передачи, приема и анализа партографической информации | |
Lepore et al. | A situation-aware DSS to support assisted reproductive technology outcome prediction | |
Trinh et al. | Caesarean sections before and during the COVID-19 pandemic in western Sydney, Australia | |
Adam et al. | An evaluation of the indications for caesarean sections at Chris Hani Baragwanath Academic Hospital | |
KR20120010872A (ko) | 조산예측방법 | |
Xiao | Towards evidence-based argumentation graph for clinical decision support | |
Guliani | Mix of maternity care providers in Canada | |
He et al. | [Retracted] B‐Ultrasound Image Analysis of Intrauterine Pregnancy Residues after Mid‐Term Pregnancy Based on Smart Medical Big Data | |
Lu | [Retracted] The Effect of Nursing Intervention Model Using Mobile Nursing System on Pregnancy Outcome of Pregnant Women | |
CN107578815A (zh) | 一种远程胎心监护云平台 | |
Li et al. | Multimodal Learning system integrating electronic medical records and hysteroscopic images for reproductive outcome prediction and risk stratification of endometrial injury: A multicenter diagnostic study |
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 |