CN116763268B - 一种人体多指标检测方法及装置 - Google Patents
一种人体多指标检测方法及装置 Download PDFInfo
- Publication number
- CN116763268B CN116763268B CN202310528195.6A CN202310528195A CN116763268B CN 116763268 B CN116763268 B CN 116763268B CN 202310528195 A CN202310528195 A CN 202310528195A CN 116763268 B CN116763268 B CN 116763268B
- Authority
- CN
- China
- Prior art keywords
- detection
- index
- data
- sequence
- detection data
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 211
- 230000005856 abnormality Effects 0.000 claims abstract description 15
- 238000000034 method Methods 0.000 claims abstract description 8
- 201000010099 disease Diseases 0.000 claims description 18
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims description 18
- 238000012098 association analyses Methods 0.000 claims description 6
- 238000010276 construction Methods 0.000 claims description 6
- 238000010219 correlation analysis Methods 0.000 claims description 5
- 230000002159 abnormal effect Effects 0.000 claims description 4
- 238000012360 testing method Methods 0.000 claims description 4
- 238000009825 accumulation Methods 0.000 claims description 3
- 238000004458 analytical method Methods 0.000 claims description 3
- 230000000875 corresponding effect Effects 0.000 description 21
- 230000006870 function Effects 0.000 description 6
- 238000007689 inspection Methods 0.000 description 3
- 239000008280 blood Substances 0.000 description 2
- 210000004369 blood Anatomy 0.000 description 2
- 230000002596 correlated effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 210000002249 digestive system Anatomy 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 210000003491 skin Anatomy 0.000 description 1
- 210000001835 viscera Anatomy 0.000 description 1
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/0205—Simultaneously evaluating both cardiovascular conditions and different types of body conditions, e.g. heart and respiratory condition
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/145—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue
- A61B5/14542—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue for measuring blood gases
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
- A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
- A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
- A61B5/7267—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems involving training the classification device
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/243—Classification techniques relating to the number of classes
- G06F18/2433—Single-class perspective, e.g. one-against-all classification; Novelty detection; Outlier detection
-
- 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
Abstract
本发明提供了一种人体多指标检测方法及装置,其中,所述方法包括:获取终端检测设备发来的多项检测数据,各项所述检测数据具备各自的数据标识;识别各个所述数据标识表征的检测主体,并构建由各个所述检测主体构成的有向图;将所述多项检测数据按照所述有向图指示的排列顺序处理为多指标检测序列,并基于所述多指标检测序列判断当前的检测数据是否存在异常。本发明提供的技术方案,能够更加准确地检测人体多指标。
Description
技术领域
本发明涉及数据处理技术领域,特别涉及一种人体多指标检测方法及装置。
背景技术
目前,在检测人体指标时,通常是以指标罗列的方式,将各个检查项的检测数值分别展示。针对不同的检查项,会具备不同的正常区间,后续可以根据实际的检测数值,标注当前的检查项是否正常。
然而,多个检查项之间可能存在关联,只有把多个关联的检查项的检测数值关联起来看待,才能准确地判定指标是否异常。
因此,目前需要一种更加准确的人体多指标检测方法。
发明内容
本发明提供一种人体多指标检测方法及装置,能够更加准确地检测人体多指标。
鉴于此,本发明一方面提供一种人体多指标检测方法,所述方法包括:
获取终端检测设备发来的多项检测数据,各项所述检测数据具备各自的数据标识;
识别各个所述数据标识表征的检测主体,并构建由各个所述检测主体构成的有向图;
将所述多项检测数据按照所述有向图指示的排列顺序处理为多指标检测序列,并基于所述多指标检测序列判断当前的检测数据是否存在异常。
在一个实施方式中,构建由各个所述检测主体构成的有向图包括:
确定各个所述检测主体之间的运作关系,所述运作关系用于表征不同检测主体的先后运作顺序;
将各个所述检测主体作为图节点,将不同检测主体之间的运作关系作为有向边,并以所述图节点和所述有向边为依据构建有向图。
在一个实施方式中,将所述多项检测数据按照所述有向图指示的排列顺序处理为多指标检测序列包括:
提取各项检测数据中的指标值,并按照所述有向图指示的排列顺序,将提取的各个指标值作为向量中的元素,构建指标向量,并将所述指标向量作为处理得到的多指标检测序列。
在一个实施方式中,基于所述多指标检测序列判断当前的检测数据是否存在异常包括:
将所述多指标检测序列输入完成训练的预测模型,并根据所述预测模型输出的判定结果,判断当前的检测数据是否存在异常。
在一个实施方式中,所述预测模型按照以下方式训练:
获取多指标检测序列样本,所述多指标检测序列样本具备类型标签,所述类型标签用于表征多指标检测序列样本是否异常;
将所述多指标检测序列样本输入所述预测模型中,并获取所述预测模型输出的预测结果;
基于所述预测结果和所述类型标签生成误差信息,并基于所述误差信息对所述预测模型进行校正。
在一个实施例中,将提取的各个指标值作为向量中的元素,构建指标向量,包括:
对各个指标值进行标准化处理;
其中,X1表示对应指标值的标准化处理值;X表示对应指标值;Xmin表示对应指标值所属标准范围的最小值;Xmax表示对应指标值所属标准范围的最大值;
将各项检测数据依次与每个常规疾病的疾病数据进行检测关联分析;
其中,yi表示第i项检测数据;[u1i,j,u2i,j]表示第i项检测数据基于第j个常规疾病的标准范围;Y(yi)表示第i项检测数据与第j个常规疾病的第i项标准数据的关联分析函数;当Y(yi)取值为0时,判定第i项检测数据无检测关联;
根据检测关联分析结果,构建同项检测数据的待调整向量J;
其中,Y11表示对应项检测数据1与对对应项常规疾病1的匹配标准范围的关联分析值;Y1n表示对应项检测数据1与对对应项常规疾病n的匹配标准范围的关联分析值;
基于待调整向量J,确定对应项检测数据的待调系数D1;
其中,sum表示累加函数;max表示最大值函数;
基于所述待调系数,对相应项标准化处理值得到最后值Z;
Z=X1+D1
将所有最后值进行按照顺序进行组合,构建得到指标向量。
本发明另一方面提供一种人体多指标检测装置,所述装置包括:
数据获取单元,用于获取终端检测设备发来的多项检测数据,各项所述检测数据具备各自的数据标识;
有向图构建单元,用于识别各个所述数据标识表征的检测主体,并构建由各个所述检测主体构成的有向图;
判断单元,用于将所述多项检测数据按照所述有向图指示的排列顺序处理为多指标检测序列,并基于所述多指标检测序列判断当前的检测数据是否存在异常。
在一个实施方式中,所述有向图构建单元具体还用于,确定各个所述检测主体之间的运作关系,所述运作关系用于表征不同检测主体的先后运作顺序;将各个所述检测主体作为图节点,将不同检测主体之间的运作关系作为有向边,并以所述图节点和所述有向边为依据构建有向图。
在一个实施方式中,所述判断单元具体还用于,提取各项检测数据中的指标值,并按照所述有向图指示的排列顺序,将提取的各个指标值作为向量中的元素,构建指标向量,并将所述指标向量作为处理得到的多指标检测序列。
由上可见,本发明提供的技术方案,针对多项检测数据,可以根据检测主体之间的运作关系,构建检测主体的有向图。后续,可以根据有向图构建检测数据之间的指标检测序列,从而综合多个数据来准确地判定检测数据是否存在异常。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。在附图中:
图1为本发明实施例中一种人体多指标检测方法的步骤示意图;
图2为本发明实施例中一种人体多指标检测装置的功能模块示意图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明,应当理解,此处所描述的优选实施例仅用于说明和解释本发明,并不用于限定本发明。
本发明一个实施方式提供一种人体多指标检测方法,请参阅图1,所述方法包括以下多个步骤。
S1:获取终端检测设备发来的多项检测数据,各项所述检测数据具备各自的数据标识。
S2:识别各个所述数据标识表征的检测主体,并构建由各个所述检测主体构成的有向图。
S3:将所述多项检测数据按照所述有向图指示的排列顺序处理为多指标检测序列,并基于所述多指标检测序列判断当前的检测数据是否存在异常。
在本实施方式中,终端检测设备可以是佩戴在人体上的血氧仪、血压计等小型检测设备。在接收到终端检测设备发来的多项检测数据后,可以识别各项检测数据表征的检测主体。其中,检测主体可以是人体中与检测数据相关的组织,例如,检测主体可以是血液、内脏、皮肤等。
在实际应用中,不同的检测主体在运行时可能具备一定的排序关系。例如,人体的消化系统,通常具备自上而下的排序关系。又例如人体的血液系统,通常是以心脏为起始点,基于人体结构先后达到人体的各个部位。终端检测设备发来的检测数据,可以具备数据标识,该数据标识就可以表明当前的检测数据对应的检测主体。这样,根据检测主体在运行时的排序关系,可以构建由各个检测主体构成的有向图。
其中,在构建由各个所述检测主体构成的有向图时,可以确定各个所述检测主体之间的运作关系,所述运作关系用于表征不同检测主体的先后运作顺序。然后,可以将各个所述检测主体作为图节点,将不同检测主体之间的运作关系作为有向边,并以所述图节点和所述有向边为依据构建有向图。
在构建得到有向图后,便可以将所述多项检测数据按照所述有向图指示的排列顺序处理为多指标检测序列,并基于所述多指标检测序列判断当前的检测数据是否存在异常。
具体地,可以提取各项检测数据中的指标值,并按照所述有向图指示的排列顺序,将提取的各个指标值作为向量中的元素,构建指标向量,并将所述指标向量作为处理得到的多指标检测序列。对于不同的用户,多指标检测序列也通常不同,通过对多指标检测序列进行大数据分析,便可以获知当前的检测数据是否存在异常。
在实际应用中,可以通过机器学习的方式来判断检测数据是否存在异常。具体地,可以将所述多指标检测序列输入完成训练的预测模型,并根据所述预测模型输出的判定结果,判断当前的检测数据是否存在异常。
其中,所述预测模型按照以下方式训练:
获取多指标检测序列样本,所述多指标检测序列样本具备类型标签,所述类型标签用于表征多指标检测序列样本是否异常;
将所述多指标检测序列样本输入所述预测模型中,并获取所述预测模型输出的预测结果;
基于所述预测结果和所述类型标签生成误差信息,并基于所述误差信息对所述预测模型进行校正。
这样,通过大量的多指标检测序列样本对预测模型进行训练,使得完成训练的预测模型,能够基于输入的多指标检测序列,输出判定结果。
具体地,将提取的各个指标值作为向量中的元素,构建指标向量,包括:
对各个指标值进行标准化处理;
其中,X1表示对应指标值的标准化处理值;X表示对应指标值;Xmin表示对应指标值所属标准范围的最小值;Xmax表示对应指标值所属标准范围的最大值;
将各项检测数据依次与每个常规疾病的疾病数据进行检测关联分析;
其中,yi表示第i项检测数据;[u1i,j,u2i,j]表示第i项检测数据基于第j个常规疾病的标准范围;Y(yi)表示第i项检测数据与第j个常规疾病的第i项标准数据的关联分析函数;当Y(yi)取值为0时,判定第i项检测数据无检测关联;
根据检测关联分析结果,构建同项检测数据的待调整向量J;
其中,Y11表示对应项检测数据1与对对应项常规疾病1的匹配标准范围的关联分析值;Y1n表示对应项检测数据1与对对应项常规疾病n的匹配标准范围的关联分析值;
基于待调整向量J,确定对应项检测数据的待调系数D1;
其中,sum表示累加函数;max表示最大值函数;
基于所述待调系数,对相应项标准化处理值得到最后值Z;
Z=X1+D1
将所有最后值进行按照顺序进行组合,构建得到指标向量。
其中,从检测数据中提取指标值通常会具备一个固定的顺序,该固定的顺序可以作为最后值组合的依据,这样,所有最后值可以按照指标值的提取顺序进行组合,从而构成指标向量。
上述技术方案的工作原理及有益效果是:通过按照极大标准处理来对各项指标值进行标准化处理,便于标准化分析,且通过将检测数据与每个常规疾病进行关联分析,便于筛选不同常规疾病下的关联指标,为后续同个人体检测提供参考基础,进而通过构建待调整向量确定调整系数,来对标准化处理值进行调整,得到最后值,进而方便构建指标向量。
请参阅图2,本发明还提供一种人体多指标检测装置,所述装置包括:
数据获取单元,用于获取终端检测设备发来的多项检测数据,各项所述检测数据具备各自的数据标识;
有向图构建单元,用于识别各个所述数据标识表征的检测主体,并构建由各个所述检测主体构成的有向图;
判断单元,用于将所述多项检测数据按照所述有向图指示的排列顺序处理为多指标检测序列,并基于所述多指标检测序列判断当前的检测数据是否存在异常。
在一个实施方式中,所述有向图构建单元具体还用于,确定各个所述检测主体之间的运作关系,所述运作关系用于表征不同检测主体的先后运作顺序;将各个所述检测主体作为图节点,将不同检测主体之间的运作关系作为有向边,并以所述图节点和所述有向边为依据构建有向图。
在一个实施方式中,所述判断单元具体还用于,提取各项检测数据中的指标值,并按照所述有向图指示的排列顺序,将提取的各个指标值作为向量中的元素,构建指标向量,并将所述指标向量作为处理得到的多指标检测序列。
由上可见,本发明提供的技术方案,针对多项检测数据,可以根据检测主体之间的运作关系,构建检测主体的有向图。后续,可以根据有向图构建检测数据之间的指标检测序列,从而综合多个数据来准确地判定检测数据是否存在异常。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (5)
1.一种人体多指标检测方法,其特征在于,所述方法包括:
获取终端检测设备发来的多项检测数据,各项所述检测数据具备各自的数据标识;
识别各个所述数据标识表征的检测主体,并构建由各个所述检测主体构成的有向图;
将所述多项检测数据按照所述有向图指示的排列顺序处理为多指标检测序列,并基于所述多指标检测序列判断当前的检测数据是否存在异常;
构建由各个所述检测主体构成的有向图包括:
确定各个所述检测主体之间的运作关系,所述运作关系用于表征不同检测主体的先后运作顺序;
将各个所述检测主体作为图节点,将不同检测主体之间的运作关系作为有向边,并以所述图节点和所述有向边为依据构建有向图;
将所述多项检测数据按照所述有向图指示的排列顺序处理为多指标检测序列包括:
提取各项检测数据中的指标值,并按照所述有向图指示的排列顺序,将提取的各个指标值作为向量中的元素,构建指标向量,并将所述指标向量作为处理得到的多指标检测序列。
2.根据权利要求1所述的方法,其特征在于,基于所述多指标检测序列判断当前的检测数据是否存在异常包括:
将所述多指标检测序列输入完成训练的预测模型,并根据所述预测模型输出的判定结果,判断当前的检测数据是否存在异常。
3.根据权利要求2所述的方法,其特征在于,所述预测模型按照以下方式训练:
获取多指标检测序列样本,所述多指标检测序列样本具备类型标签,所述类型标签用于表征多指标检测序列样本是否异常;
将所述多指标检测序列样本输入所述预测模型中,并获取所述预测模型输出的预测结果;
基于所述预测结果和所述类型标签生成误差信息,并基于所述误差信息对所述预测模型进行校正。
4.根据权利要求1所述的方法,其特征在于,将提取的各个指标值作为向量中的元素,构建指标向量,包括:
对各个指标值进行标准化处理;
其中,X1表示对应指标值的标准化处理值;X表示对应指标值;Xmin表示对应指标值所属标准范围的最小值;Xmax表示对应指标值所属标准范围的最大值;
将各项检测数据依次与每个常规疾病的疾病数据进行检测关联分析;
其中,yi表示第i项检测数据;[u1i,j,u2i,j]表示第i项检测数据基于第j个常规疾病的标准范围;Y(yi)表示第i项检测数据与第j个常规疾病的第i项标准数据的关联分析函数;当Y(yi)取值为0时,判定第i项检测数据无检测关联;
根据检测关联分析结果,构建同项检测数据的待调整向量J;
其中,Y11表示对应项检测数据1与对对应项常规疾病1的匹配标准范围的关联分析值;Y1n表示对应项检测数据1与对对应项常规疾病n的匹配标准范围的关联分析值;
基于待调整向量J,确定对应项检测数据的待调系数D1;
其中,sum表示累加函数;max表示最大值函数;
基于所述待调系数,对相应项标准化处理值得到最后值Z;
Z=X1+D1
将所有最后值进行按照顺序进行组合,构建得到指标向量。
5.一种人体多指标检测装置,其特征在于,所述装置包括:
数据获取单元,用于获取终端检测设备发来的多项检测数据,各项所述检测数据具备各自的数据标识;
有向图构建单元,用于识别各个所述数据标识表征的检测主体,并构建由各个所述检测主体构成的有向图;
判断单元,用于将所述多项检测数据按照所述有向图指示的排列顺序处理为多指标检测序列,并基于所述多指标检测序列判断当前的检测数据是否存在异常;
所述有向图构建单元具体还用于,确定各个所述检测主体之间的运作关系,所述运作关系用于表征不同检测主体的先后运作顺序;将各个所述检测主体作为图节点,将不同检测主体之间的运作关系作为有向边,并以所述图节点和所述有向边为依据构建有向图;
所述判断单元具体还用于,提取各项检测数据中的指标值,并按照所述有向图指示的排列顺序,将提取的各个指标值作为向量中的元素,构建指标向量,并将所述指标向量作为处理得到的多指标检测序列。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310528195.6A CN116763268B (zh) | 2023-05-10 | 2023-05-10 | 一种人体多指标检测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310528195.6A CN116763268B (zh) | 2023-05-10 | 2023-05-10 | 一种人体多指标检测方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116763268A CN116763268A (zh) | 2023-09-19 |
CN116763268B true CN116763268B (zh) | 2024-01-26 |
Family
ID=87988587
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310528195.6A Active CN116763268B (zh) | 2023-05-10 | 2023-05-10 | 一种人体多指标检测方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116763268B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105808923A (zh) * | 2016-02-29 | 2016-07-27 | 北京航空航天大学 | 一种数据序列的异常检测方法和装置 |
CN108685577A (zh) * | 2018-06-12 | 2018-10-23 | 国家康复辅具研究中心 | 一种脑功能康复效果评估装置及方法 |
CN110262937A (zh) * | 2019-05-06 | 2019-09-20 | 阿里巴巴集团控股有限公司 | 一种指标异常原因的识别方法及装置 |
CN110974170A (zh) * | 2019-12-13 | 2020-04-10 | 中国人民解放军63919部队 | 一种生理参数检测系统 |
CN110974197A (zh) * | 2019-12-13 | 2020-04-10 | 中国人民解放军63919部队 | 一种无创血液动力学多参数测量装置 |
CN112241820A (zh) * | 2019-07-16 | 2021-01-19 | 中国移动通信集团浙江有限公司 | 资金流动中关键节点的风险识别方法、装置及计算设备 |
CN112987693A (zh) * | 2021-03-03 | 2021-06-18 | 上海天旦网络科技发展有限公司 | 智能故障诊断系统及方法 |
CN113476032A (zh) * | 2021-08-13 | 2021-10-08 | 电子科技大学 | 一种基于有向图谐波分析的脑结构与功能耦合的方法 |
CN115336977A (zh) * | 2022-08-03 | 2022-11-15 | 中南大学湘雅医院 | 一种精准icu警报分级评估方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
RU2695888C2 (ru) * | 2017-03-24 | 2019-07-29 | Общество С Ограниченной Ответственностью "Многопрофильное Предприятие "Элсис" | Способ оценки психофизиологического состояния человека |
EP3718120B1 (en) * | 2017-11-29 | 2024-01-10 | Universiteit Gent | Detection of rotational activity in cardiac electrophysiology |
-
2023
- 2023-05-10 CN CN202310528195.6A patent/CN116763268B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105808923A (zh) * | 2016-02-29 | 2016-07-27 | 北京航空航天大学 | 一种数据序列的异常检测方法和装置 |
CN108685577A (zh) * | 2018-06-12 | 2018-10-23 | 国家康复辅具研究中心 | 一种脑功能康复效果评估装置及方法 |
CN110262937A (zh) * | 2019-05-06 | 2019-09-20 | 阿里巴巴集团控股有限公司 | 一种指标异常原因的识别方法及装置 |
CN112241820A (zh) * | 2019-07-16 | 2021-01-19 | 中国移动通信集团浙江有限公司 | 资金流动中关键节点的风险识别方法、装置及计算设备 |
CN110974170A (zh) * | 2019-12-13 | 2020-04-10 | 中国人民解放军63919部队 | 一种生理参数检测系统 |
CN110974197A (zh) * | 2019-12-13 | 2020-04-10 | 中国人民解放军63919部队 | 一种无创血液动力学多参数测量装置 |
CN112987693A (zh) * | 2021-03-03 | 2021-06-18 | 上海天旦网络科技发展有限公司 | 智能故障诊断系统及方法 |
CN113476032A (zh) * | 2021-08-13 | 2021-10-08 | 电子科技大学 | 一种基于有向图谐波分析的脑结构与功能耦合的方法 |
CN115336977A (zh) * | 2022-08-03 | 2022-11-15 | 中南大学湘雅医院 | 一种精准icu警报分级评估方法 |
Also Published As
Publication number | Publication date |
---|---|
CN116763268A (zh) | 2023-09-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110141220B (zh) | 基于多模态融合神经网络的心肌梗死自动检测系统 | |
CN110991536B (zh) | 原发性肝癌的早期预警模型的训练方法 | |
JP5446383B2 (ja) | 利用支援プログラム、該装置、及び該方法 | |
CN112022141B (zh) | 一种心电信号类别检测方法、装置及存储介质 | |
CN110473615A (zh) | 一种信息处理方法及装置 | |
CN114639478B (zh) | 一种基于心脏瓣膜病的超声监测系统 | |
CN110456050B (zh) | 便携式智能数字化寄生虫体外诊断仪 | |
CN114707608A (zh) | 医疗质控数据处理方法、装置、设备、介质及程序产品 | |
CN116763268B (zh) | 一种人体多指标检测方法及装置 | |
Mneimneh et al. | A rule-based approach for the prediction of acute hypotensive episodes | |
CN112991343A (zh) | 眼底图像黄斑区域的识别检测方法和装置及设备 | |
Africa et al. | Development of a urine strip analyzer using artificial neural network using an android phone | |
CN117352164A (zh) | 基于人工智能的多模态肿瘤检测诊断平台及其处理方法 | |
KR102187344B1 (ko) | 결정 트리를 이용한 반려동물 진단 방법 및 장치 | |
CN117152152A (zh) | 检测试剂盒的生产管理系统及方法 | |
KR102033484B1 (ko) | 적대적 인공지능 생성망 (gan)을 활용한 반려동물 검사의 정상범위 기준치 설정 방법 및 장치 | |
CN115274091A (zh) | 一种医疗信息分析方法及系统 | |
CN113066549B (zh) | 基于人工智能的医疗器械的临床有效性评估方法及系统 | |
CN113707254A (zh) | 体检数据处理方法、装置、设备及存储介质 | |
CN111345815B (zh) | 一种心电信号中qrs波的检测方法、装置、设备和存储介质 | |
CN105455796A (zh) | 一种智能化生理参数确定方法 | |
CN113130050A (zh) | 一种医学信息显示方法及显示系统 | |
Gahiwad et al. | Brain Stroke Detection Using CNN Algorithm | |
CN111724347A (zh) | 一种基于深度学习的胸片图像异常检测方法及系统 | |
CN113537407B (zh) | 基于机器学习的图像数据评价处理方法及装置 |
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 |