CN116779134B - 一种儿童远程医疗决策系统 - Google Patents
一种儿童远程医疗决策系统 Download PDFInfo
- Publication number
- CN116779134B CN116779134B CN202311071889.8A CN202311071889A CN116779134B CN 116779134 B CN116779134 B CN 116779134B CN 202311071889 A CN202311071889 A CN 202311071889A CN 116779134 B CN116779134 B CN 116779134B
- Authority
- CN
- China
- Prior art keywords
- condition
- recurring
- target
- alternative
- updated
- 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
- 238000012544 monitoring process Methods 0.000 claims abstract description 17
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims description 184
- 208000024891 symptom Diseases 0.000 claims description 132
- 238000003745 diagnosis Methods 0.000 claims description 35
- 238000004171 remote diagnosis Methods 0.000 abstract description 2
- 201000010099 disease Diseases 0.000 description 64
- 238000000034 method Methods 0.000 description 18
- 230000008569 process Effects 0.000 description 12
- 230000003252 repetitive effect Effects 0.000 description 10
- 238000010586 diagram Methods 0.000 description 7
- 238000012545 processing Methods 0.000 description 6
- 230000003068 static effect Effects 0.000 description 6
- 238000013500 data storage Methods 0.000 description 5
- 238000012806 monitoring device Methods 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 238000010606 normalization Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 230000001364 causal effect Effects 0.000 description 3
- 230000002888 effect on disease Effects 0.000 description 3
- 230000010354 integration Effects 0.000 description 3
- 238000005065 mining Methods 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 238000013475 authorization Methods 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 210000000214 mouth Anatomy 0.000 description 2
- 210000003800 pharynx Anatomy 0.000 description 2
- 208000035473 Communicable disease Diseases 0.000 description 1
- 208000026350 Inborn Genetic disease Diseases 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 210000001367 artery Anatomy 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000009412 basement excavation Methods 0.000 description 1
- 230000000747 cardiac effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 208000016361 genetic disease Diseases 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 210000004072 lung Anatomy 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
- 239000013307 optical fiber Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000005236 sound signal Effects 0.000 description 1
- 210000003437 trachea Anatomy 0.000 description 1
- 210000003462 vein Anatomy 0.000 description 1
- 210000001835 viscera 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
- 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
-
- 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
- G06F16/907—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H80/00—ICT specially adapted for facilitating communication between medical practitioners or patients, e.g. for collaborative diagnosis, therapy or health monitoring
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- Databases & Information Systems (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Pathology (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- General Business, Economics & Management (AREA)
- Business, Economics & Management (AREA)
- Library & Information Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本申请实施例提供了一种儿童远程医疗决策系统，涉及医疗器械技术领域，上述系统包括：儿童端、医生端、服务器，儿童端，用于通过服务器与所述医生端建立连接，并获取医疗监测器械所采集的目标儿童患者的多媒体医疗数据，基于所建立的连接向医生端发送多媒体医疗数据；服务器，用于获取多媒体医疗数据，并获取目标儿童患者的目标数据，基于多媒体医疗数据以及目标数据，确定目标儿童患者的备选医疗决策，并向医生端发送备选医疗决策、目标数据；医生端，用于获取并显示多媒体医疗数据、目标数据以及备选医疗决策，以供医生参考并确定最终医疗决策。应用本实施例提供的系统，以实现儿童患者与医生远程诊疗。
Description
技术领域
本申请涉及医疗器械技术领域，特别是涉及一种儿童远程医疗决策系统。
背景技术
传统的儿科诊疗需要儿童患者与医生面对面沟通交流，医生基于儿童患者当前情况为儿童患者诊断病情、开具治疗处方等。但是，这种传统的儿科诊疗方式需要儿童患者先赶到医院，然后进行挂号、排队等等一系列操作，耗费大量时间精力。因此，急需一种儿童远程医疗决策系统，以实现儿童患者与医生远程诊疗。
发明内容
本申请实施例的目的在于提供一种儿童远程医疗决策系统及方法，以实现儿童患者与医生远程诊疗。具体技术方案如下：
本申请实施例提供了一种儿童远程医疗决策系统，一种儿童远程医疗决策系统，其特征在于，所述系统包括：儿童端、医生端、服务器，所述儿童端、医生端通过所述服务器连接，所述儿童端运行于儿科诊疗设备，所述儿科诊疗设备集成医疗监测器械，所述医疗监测器械用于采集患者的多媒体医疗数据，其中：
所述儿童端，用于通过所述服务器与所述医生端建立连接，并获取所述医疗监测器械所采集的目标儿童患者的多媒体医疗数据，基于所建立的连接向所述医生端发送所述多媒体医疗数据；
所述服务器，用于获取所述多媒体医疗数据，并获取所述目标儿童患者的目标数据，基于所述多媒体医疗数据以及所述目标数据，确定所述目标儿童患者的备选医疗决策，并向所述医生端发送所述备选医疗决策、目标数据，其中，所述目标数据包括：所述目标儿童患者的目标属性信息、当前时间相关联的地理空间实时信息；
所述医生端，用于获取并显示所述多媒体医疗数据、目标数据以及备选医疗决策，以供医生参考并确定最终医疗决策。
本申请的一个实施例中，上述服务器，包括：
第一病症确定模块，用于基于所述多媒体医疗数据，确定第一备选病症；
第二病症确定模块，用于基于地理空间实时信息以及第一备选病症，确定第二备选病症；
第三病症确定模块，用于基于目标属性信息以及第一备选病症，确定第三备选病症；
最终病症确定模块，用于基于所述第二备选病症、第三备选病症，对所述第一备选病症进行更新，将更新后的第一备选病症作为所述目标儿童患者的最终病症；
决策确定模块，用于基于所述最终病症，确定所述目标儿童患者的备选医疗决策。
本申请的一个实施例中，上述最终病症确定模块，包括：
第一病症确定子模块，用于确定所述第二备选病症与第三备选病症中发生重复的第一重复病症、与未发生重复的第一非重复病症；
病症更新子模块，用于基于所述第一非重复病症，更新第一重复病症，并基于更新后的第一重复病症，更新所述第一非重复病症，将更新后的第一重复病症、更新后的第一非重复病症作为目标病症；
第二病症确定子模块，用于基于所述目标病症，对所述第一备选病症进行更新。
本申请的一个实施例中，上述病症更新子模块，具体用于针对每一第一重复病症，确定该第一重复病症与每一第一非重复病症之间的关联度，基于所计算的该第一重复病症的关联度，确定该第一重复病症的权重；基于每一第一重复病症的权重，对第一重复病症进行更新，并基于更新后的第一重复病症，更新所述第一非重复病症，将更新后的第一重复病症、更新后的第一非重复病症作为目标病症。
本申请的一个实施例中，上述病症更新子模块，具体用于基于所述第一非重复病症，更新第一重复病症，并针对每一第一非重复病症，确定该第一非重复病症与每一更新后的第一重复病症之间的关联度，基于所计算的该第一非重复病症的关联度，确定该第一非重复病症的权重；基于每一第一非重复病症的权重，对第一非重复病症进行更新，将更新后的第一重复病症、更新后的第一非重复病症作为目标病症。
本申请的一个实施例中，上述第二病症确定子模块，具体用于截取预设的图网络中包含目标病症所对应节点的目标网络，将所述目标网络中表征每一第一目标病症的节点作为目标节点，按照所述目标网络所表征的关联关系，对目标节点进行迭代更新，将满足收敛条件的目标节点所表征的病症确定为更新后的第一备选病症，其中，所述图网络中包含各个节点以及各个节点之间的连接关系，每一节点对应每一预设病症，节点之间的连接关系表征病症与病症之间的关联关系。
本申请的一个实施例中，上述第二病症确定模块，具体用于以地理空间实时信息为检索条件，确定预设病症库中与检索条件相匹配的第一检索病症；确定第一检索病症与第一备选病症中发生重复的第二重复病症、与未发生重复的第二非重复病症；基于所述第二非重复病症，更新所述第二重复病症，并基于更新后的第二重复病症，更新第二非重复病症；将更新后的第二重复病症与更新后的第二非重复病症，确定为第二备选病症。
本申请的一个实施例中，上述第三病症确定模块，具体用于以目标属性信息为检索条件，确定预设病症库中与检索条件相匹配的第二检索病症；确定第二检索病症与第一备选病症中发生重复的第三重复病症、与未发生重复的第三非重复病症；基于所述第三非重复病症，更新所述第三重复病症，并基于更新后的第三重复病症，更新所述第三非重复病症；将更新后的第三重复病症与更新后的第三非重复病症，确定为第三备选病症。
本申请的一个实施例中，上述医疗监测器械包括数字听诊器、压舌板，所述数字听诊器集成音频采集组件，所述压舌板集成图像采集组件。
由以上可见，应用本申请实施例提供的系统，由于多媒体医疗数据表征目标儿童患者当前病症信息，目标属性信息是从目标儿童患者自身出发描述目标儿童患者的信息，地理空间实时信息是从目标儿童患者的实时地理空间角度描述目标儿童患者的信息，综合上述三个方面，融合各个角度，使得所得到的备选医疗决策的准确度较高，从而为医生提供更有参考价值的辅助信息，以提高远程医疗决策的效率和精确性。
并且，儿童端运行于儿科诊疗设备，儿科诊疗设备集成医疗监测器械，医疗监测器械用于采集患者的多媒体医疗数据。采用医疗监测器械采集儿童患者数据的过程能够尽可能模拟线下诊疗时医生为儿童患者做初步检查的过程，医生端通过显示上述多媒体医疗数据，能够使得医生可以实时了解儿童用户当前情况。这样，通过本实施例提供的儿童远程医疗决策系统，在尽可能还原线下诊疗初步检查过程的基础上，提高诊疗效率。
当然，实施本申请的任一产品或方法并不一定需要同时达到以上所述的所有优点。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，还可以根据这些附图获得其他的实施例。
图1a为本申请实施例提供的一种儿童远程医疗决策系统的框架图；
图1b为本申请实施例提供的一种儿童远程医疗决策系统的结构示意图；
图2为本申请实施例提供的第一种服务器的结构示意图；
图3为本申请实施例提供的第二种服务器的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员基于本申请所获得的所有其他实施例，都属于本申请保护的范围。
本申请实施例提供的一种儿童远程医疗决策系统，上述系统的框架如图1a所示。图1a所示的系统中，左侧设备为儿科诊疗设备，儿童端运行于儿科诊疗设备，儿科诊疗设备可以放置于家中、学校；中侧设备为服务器，上述服务器可以为云服务器；右侧设备为医生端所运行的电子设备，上述电子设备置于医院。
儿童端提供多种功能，如用户注册、用户管理、医护预约、实时视频通话等功能。服务器，用于对儿童端、医生端所发送的请求进行响应。医生端提供多种功能，如医生注册、医生信息管理、实时视频通话、病史调取、药房接入等功能。
儿童端与医生端之间通过服务器建立连接。儿童用户可以通过儿童远程医疗决策系统，实时向医生告知自己的情况；医生可以通过儿童远程医疗决策系统，实时获取儿童用户的情况，做出病情诊断，开具处方。服务器可以对儿童端、医生端的请求进行响应，为医生、儿童提供医疗决策参考信息。
儿科诊疗设备，包括箱体，箱体上嵌设有控制面板。儿科诊疗设备还集成医疗监测器械。
医疗监测器械可以包括摄像头、麦克风；摄像头、麦克风可以实现与医生端实时视频/语音通话。
医疗监测器械还可以包括数字听诊器、压舌板。其中，数字听诊器集成音频采集组件，压舌板集成图像采集组件。音频采集组件用于采集心脏、肺部、动脉、静脉和其他内脏器官处的音频信号，图像采集组件用于采集口腔、喉部、咽部、气管等区域的图像。
儿童用户在使用上述数字听诊器、压舌板时，可以将上述器械放置于相应位置。通过集成各类组件的数字听诊器、压舌板，能够有效获取儿童用户的当前实际情况。
本申请实施例提供的系统可以应用于家庭、学校等场景中。以家庭场景为例，儿科诊疗设备放置于家庭中，在儿童身体出现异常情况时，家长可以操作儿科诊疗设备，与医生端建立通话连接。在与医生端实时通话过程中，家长可以按照医生的操作指示，操作儿科诊疗设备所集成的医疗诊断器械，以使得儿童端获取所采集的医疗数据；医生基于所采集的医疗数据以及其他信息，对儿童进行诊断，并向儿科诊疗设备发送医疗决策结果。这样，针对儿童患者，实现医疗器械和病情诊断一体化。
以下对儿童端、医生端、服务器的功能进行说明：
参见图1b，图1b为本申请实施例提供的第一种儿童远程医疗决策系统的结构示意图，图1b所示的系统中，包括101-103。
儿童端101，用于通过服务器与医生端建立连接，并获取医疗监测器械所采集的目标儿童患者的多媒体医疗数据，基于所建立的连接向医生端发送多媒体医疗数据。
上述连接可以是长连接。具体建立连接的方式可以参见现有技术中任意一种方式，如可以基于预设的通信协议建立长连接，使得数据通过长连接进行交互。
多媒体医疗数据用于表征目标儿童患者当前病症信息。上述多媒体医疗数据的类型可以包括：医疗图像数据类型、医疗音频数据类型、医疗文本数据类型。
本申请的一个实施例中，目标儿童患者可以按照操作规范和医生指导意见，操作医疗监测器械，医疗监测器械采集目标儿童患者的多媒体医疗数据，如口腔图像数据、心动音频数据，儿童端获取医疗监测器械所采集的多媒体医疗数据，对上述数据进行预处理。
服务器102，用于获取多媒体医疗数据，并获取目标儿童患者的目标数据，基于多媒体医疗数据以及目标数据，确定目标儿童患者的备选医疗决策，并向医生端发送备选医疗决策、目标数据。
上述多媒体医疗数据可以是儿童端向医生端传输过程中，服务器作为中介设备获取的。
上述目标数据包括：目标儿童患者的目标属性信息、当前时间相关联的地理空间实时信息。
上述目标属性信息用于描述目标儿童患者的患者身份信息。目标属性信息可以包括目标儿童患者的性别、年龄、身高、体重、既往病史、体检结果、遗传病信息等。
本申请的一个实施例中，目标属性信息可以是用户在注册账号时经过用户授权获取的信息，这种情况下，上述信息存储于数据存储系统中，服务器可以读取数据存储系统中目标儿童患者的目标属性信息；本申请的另一个实施例中，还可以是通过视频通话，实时问询得到的语音信息。服务器可以对上述语音信息进行识别，确定目标属性信息；本申请的另一个实施例中，还可以是结合上述两种方式获取的目标属性信息。
当前时间可以为儿科诊疗设备的启动时间、登录时间、或连接建立时间等。
地理空间实时信息用于表征当前时间关联的目标儿童患者所在地理空间的信息。地理空间实时信息可以包括用户所在的地理空间区域信息、地理空间内所发生的疾病信息、地理空间的受污染信息等。
在获取上述地理空间实时信息时，本申请的一个实施例中，地理空间实时信息基于信息变化情况，分为地理空间静态信息和地理空间动态信息。其中，地理空间静态信息包括：用户所在地理空间名称、位置等；地理空间动态信息包括：用户所在地理空间的传染病、急性病出现情况、受污染情况等。对于地理空间静态信息，可以是用户在注册账号时经过用户授权获取的信息，地理空间静态信息存储于数据存储系统中，服务器可以读取数据存储系统中目标儿童患者的地理空间静态信息；对于地理空间动态信息，可以是服务器基于地理空间静态信息基于大数据信息查找得到的动态信息，服务器可以对查找得到的动态信息进行整合，作为地理空间动态信息。
上述备选医疗决策用于为医生进行医疗决策时提供辅助参考信息。备选医疗决策可以包括患者的病情初步诊断结果、病情处方初步结果等。
由于多媒体医疗数据表征目标儿童患者当前病症信息，目标属性信息是从目标儿童患者自身出发描述目标儿童患者的信息，地理空间实时信息是从目标儿童患者的实时地理空间角度描述目标儿童患者的信息，综合上述三个方面，融合各个角度，使得所得到的备选医疗决策的准确度较高。
服务器在确定备选医疗决策时，一种实施方式中，可以对多媒体医疗数据、目标数据进行结构化处理，得到整合为统一格式的数据，将上述数据输入预先训练的医疗决策模型，得到医疗决策模型输出的医疗决策，作为备选医疗决策。
上述医疗决策模型为：以样本儿童患者的样本多媒体医疗数据、样本目标数据作为训练样本、以样本儿童患者的实际医疗决策作为训练基准，对初始神经网络训练得到的，用于确定医疗决策的模型。样本目标数据包括：样本儿童患者的属性信息、样本儿童患者关联的地理空间信息。
服务器还可以采用其他方式确定备选医疗决策，参见后续图2对应的实施例，在此不进行详述。
医生端103，用于获取并显示多媒体医疗数据、目标数据以及备选医疗决策，以供医生参考并确定最终医疗决策。
医生端所显示的上述信息用于辅助医生进行医疗决策。医生可以基于医生端所提供的数据上传功能，上传医疗决策结果；医生端可以将上述医疗决策结果向儿童端发送，以实现针对目标儿童患者的病情诊疗。
由以上可见，应用本实施例提供的系统，由于多媒体医疗数据表征目标儿童患者当前病症信息，目标属性信息是从目标儿童患者自身出发描述目标儿童患者的信息，地理空间实时信息是从目标儿童患者的实时地理空间角度描述目标儿童患者的信息，综合上述三个方面，融合各个角度，使得所得到的备选医疗决策的准确度较高，从而为医生提供更有参考价值的辅助信息，以提高远程医疗决策的效率和精确性。
并且，儿童端运行于儿科诊疗设备，儿科诊疗设备集成医疗监测器械，医疗监测器械用于采集患者的多媒体医疗数据。采用医疗监测器械采集儿童患者数据的过程能够尽可能模拟线下诊疗时医生为儿童患者做初步检查的过程，医生端通过显示上述多媒体医疗数据，能够使得医生可以实时了解儿童用户当前情况。这样，通过本实施例提供的儿童远程医疗决策系统，在尽可能还原线下诊疗初步检查过程的基础上，提高诊疗效率。
在前述图1b对应的实施例中，服务器除了可以采用所提及的方式确定备选医疗决策之外，还可以包括下述功能模块。基于此，本申请的一个实施例中，参见图2，图2为本申请实施例提供的第一种服务器的结构示意图。图2包括201-205。
第一病症确定模块201，用于基于多媒体医疗数据，确定第一备选病症。
在确定第一备选病症时，可以对多媒体医疗数据进行病症特征提取，基于提取的病症特征进行病症分类，得到第一备选病症。
第二病症确定模块202，用于基于地理空间实时信息以及第一备选病症，确定第二备选病症。
上述地理空间实时信息是综合时间维度、地理空间维度描述目标儿童患者的信息。由于是基于地理空间实时信息以及第一备选病症确定第二备选病症，第二备选病症既融合了时间维度、地理空间维度的目标儿童患者的信息，又融合了目标儿童患者的当前病症信息。因此，基于地理空间实时信息、第一备选病症，能够确定更加全面、丰富的备选病症。
在确定第二备选病症时，第二病症确定模块可以具体用于以地理空间实时信息为检索条件，确定预设病症库中与检索条件相匹配的第一检索病症，将包含第一检索病症、第一备选病症的病症确定为第二备选病症。
确定第二备选病症的其他方式可以参见后续实施例，在此不进行详述。
第三病症确定模块203，用于基于目标属性信息以及第一备选病症，确定第三备选病症。
上述目标属性信息是从目标儿童患者自身出发描述目标儿童患者的信息，由于第三备选病症是基于目标属性信息以及第一备选病症确定得到的，第三备选病症既融合了目标儿童患者的自身属性信息，又融合了目标儿童患者的当前病症信息。因此，基于目标属性信息、第一备选病症，能够确定更加全面、丰富的备选病症。
在确定第三备选病症时，第三病症确定模块可以具体用于以目标属性信息为检索条件，确定预设病症库中与检索条件相匹配的第二检索病症，将包含第二检索病症与第一备选病症的病症确定为第三备选病症。
确定第三备选病症的其他方式可以参见后续实施例，在此不进行详述。
最终病症确定模块204，用于基于第二备选病症、第三备选病症，对第一备选病症进行更新，将更新后的第一备选病症作为目标儿童患者的最终病症。
由于是基于第二备选病症、第三备选病症更新第一备选病症，第二备选病症、第三备选病症均融合了第一备选病症，并且，第二备选病症是从时间维度、地理空间维度全面、丰富反映目标儿童患者可能出现的病症信息，第三备选病症是从目标儿童患者的自身属性信息。这样，从多个不同维度，能够更为准确地更新第一备选病症。
在更新第一备选病症时，一种实施方式中，最终病症确定模块，可以具体用于判断第一备选病症、第二备选病症以及第三备选病症中是否存在由同一源病症引起的多个分支病症，若为是，将多个分支病症的源病症作为更新后的第一备选病症；若为否，确定第一备选病症、第二备选病症以及第三病症中的相同病症，将相同病症作为更新后的第一备选病症。
源病症与分支病症之间的关系是：源病症引发分支病症。由于本实施例将源病症确定为目标儿童患者的最终病症，这样，通过源病症进行疾病诊断，能够提高疾病的准确度。
在判断是否存在多个分支病症时，可以预先基于医学知识经验，构建表征病症与病症之间因果关系的链网络，确定链网络中第一备选病症、第二备选病症以及第三备选病症对应的网络节点，基于链网络所表征的病症间的因果关系，基于源病症节点的搜寻，基于搜索结果确定是否存在源病症。
对第一备选病症更新的其他方式可以参见后续图3对应的实施例，在此不进行详述。
决策确定模块205，用于基于最终病症，确定目标儿童患者的备选医疗决策。
在确定备选医疗决策时，一种实施方式中，可以提取最终病症的病症特征，将所提取的病症特征与预设疾病的病症特征进行匹配，基于匹配结果确定最终病症对应的疾病类型，并确定疾病类型的典型症状、并发疾病等，将所确定的结果确定为备选医疗决策。
由以上可见，在本实施例中，由于是基于第二备选病症、第三备选病症更新第一备选病症，又由于第二备选病症、第三备选病症均融合了第一备选病症，并且，第二备选病症是从时间维度、地理空间维度全面、丰富反映目标儿童患者可能出现的病症信息，第三备选病症是从目标儿童患者的自身属性信息。这样，从多个不同维度，能够更为准确地更新第一备选病症，进而基于更新后的第一备选病症，也即最终病症，能够预测得到较为准确的辅助诊断结果。
另外，第二备选病症、第三备选病症均是融合了第一备选病症确定得到的，由于第一备选病症能够较为准确地反映目标儿童患者当前的症状信息，这样，所确定的第二备选病症、第三备选病症，是在准确反映目标儿童患者当前的症状的基础上，分别融合不同维度的信息，使得所确定的第二备选病症、第三备选病症在准确反映目标儿童患者当前的症状集成上，提供不同维度下目标儿童患者可能出现的其他病症信息，从而使得第二备选病症、第三备选病症更加全面，减少漏检、错检情况出现。
前述图2对应的实施例中，服务器所包括的最终病症确定模块，除了可以采用所提及的实施方式确定最终病症，还可以包括下述304-306，按照下述304-306确定最终病症。基于此，本申请的一个实施例中，参见图3，图3为本申请实施例提供的第二种服务器的结构示意图。
第一病症确定模块301，用于基于多媒体医疗数据，确定第一备选病症。
第二病症确定模块302，用于基于地理空间实时信息以及第一备选病症，确定第二备选病症。
第三病症确定模块303，用于基于目标属性信息以及第一备选病症，确定第三备选病症。
上述301-303与前述图2对应的实施例的201-203相同。
第一病症确定子模块304，用于确定第二备选病症与第三备选病症中发生重复的第一重复病症、与未发生重复的第一非重复病症。
第一重复病症表征第二备选病症与第三备选病症中发生重复的病症，第一非重复病症表征第二备选病症与第三备选病症中未发生重复的病症。
在确定第一重复病症、第一非重复病症时，可以提取第二备选病症中每一病症的特征，并提取第三备选病症中每一病症的特征，对所提取的特征进行匹配，将匹配度大于第一预设匹配度阈值的特征对应的病症确定为第一重复病症，将匹配度小于第二预设匹配度阈值的特征对应的病症确定为第一非重复病症。上述第一预设匹配度阈值大于第二预设匹配度阈值，例如：上述第一预设匹配度阈值可以为95%，第二预设匹配度阈值可以为5%。
病症更新子模块305，用于基于第一非重复病症，更新第一重复病症，并基于更新后的第一重复病症，更新第一非重复病症，将更新后的第一重复病症、更新后的第一非重复病症作为目标病症。
在得到第一重复病症、第一非重复病症后，病症更新子模块对上述两类病症进行深入挖掘，以得到更为准确的病症。由于第一重复病症，尽管是重复病症，为用户实际病症的可能性高，但该病症也有可能是常见病症，而不是疾病的典型病症，常见病症可以理解为大多数疾病均有的病症，常见病症对于疾病诊断所起的作用小，典型症状对于疾病诊断所起的作用大；第一非重复病症，尽管作为非重复病症，为用户实际病症的可能性不高，但仍有可能存在对于疾病诊断作用大的典型病症。所以，对第一重复病症、第一非重复病症进行深入挖掘，能够获取上述两类病症中的实际有效信息，排除干扰信息，从而使得更新后的两类病症在涵盖目标儿童患者的可能病症情况下提高了精准度。
在更新第一重复病症时，病症更新子模块，可以具体用于针对每一第一重复病症，确定该第一重复病症与每一第一非重复病症之间的关联度，基于所计算的该第一重复病症的关联度，确定该第一重复病症的权重；基于每一第一重复病症的权重，对第一重复病症进行更新。
在计算关联度时，可以基于预设的病症知识图谱，确定第一重复病症与第一非重复病症之间的关联度，病症知识图谱中包含各个预设病症、以及各个预设病症之间的关联度。
第一重复病症的权重反映第一重复病症的重要程度。在确定第一重复病症的权重时，可以计算第一重复病症所对应的各关联度的平均值，对上述平均值进行归一化处理，并计算1与归一化处理值之间的差值，作为权重。
在对第一重复病症进行更新时，可以选取预设数量个权重最高的第一重复病症，作为更新后的第一重复病症。
这样，由于对第一重复病症进行更新，能够深度挖掘第一重复病症中的有效信息，剔除干扰、无效信息；并且，在进行更新时，首先是基于第一非重复病症更新第一重复病症，然后基于更新后的第一重复病症更新第一非重复病症，按照这样的顺序，能够进一步准确挖掘有效信息。因此，提高了第二备选病症的有效性。
在得到更新后的第一重复病症后，基于更新后的第一重复病症，再对第一非重复病症进行更新。由于更新后的第一重复病症的准确度较高，采用准确度较高的更新后的第一重复病症更新第一非重复病症，能够更加深入挖掘第一非重复病症中的有效信息、干扰信息等，从而使得更新后的第一非重复病症同样能够更为准取地反映目标儿童患者的实际病症情况。
在更新第一非重复病症时，病症更新子模块，可以具体用于针对每一第一非重复病症，确定该第一非重复病症与每一更新后的第一重复病症之间的关联度，基于所计算的该第一非重复病症的关联度，确定该第一非重复病症的权重；基于每一第一非重复病症的权重，对第一非重复病症进行更新。
在更新第一非重复病症时，可以采用更新第一重复病症的更新方式，更新第一非重复病症。在此不再赘述。
这样，由于更新后的第一重复病症的准确度较高，采用准确度较高的更新后的第一重复病症更新第一非重复病症，能够更加深入挖掘第一非重复病症中的有效信息、干扰信息等，从而使得更新后的第一非重复病症同样能够更为准取地反映目标儿童患者的实际病症情况。
第二病症确定子模块306，用于基于目标病症，对第一备选病症进行更新，将更新后的第一备选病症作为目标儿童患者的最终病症。
由于目标病症均是更新后的第一重复病症、第一非重复病症，更新后的第一重复病症、第一非重复病症在涵盖目标儿童患者可能所患病症的基础上，能够更为精确地反映目标儿童患者所患的病症。这样，更新第一备选病症的更新条件较为全面且精确度较高，提高了第一备选病症更新的准确度。
在更新第一备选病症时，第二病症确定子模块，可以具体用于截取预设的图网络中包含目标病症所对应节点的目标网络，将目标网络中表征每一目标病症的节点作为目标节点，按照目标网络所表征的关联关系，对目标节点进行迭代更新，将满足收敛条件的目标节点所表征的病症确定为更新后的第一备选病症。
图网络中包含各个节点以及各个节点之间的连接关系，节点对应病症，节点之间的连接关系表征病症与病症之间的关联关系。上述图网络的结构形式可以是树形，按照“疾病-典型症状-子症状-…”的顺序，对各疾病所包含的各症状进行排列组合得到。上述关联关系可以包含病症与病症之间的因果关系、同源关系、互斥关系等。
在截取目标网络时，可以确定图网络中仅包含目标病症所对应的节点，以及各节点之间的连接关系的第一网络，确定第一网络向外拓展具有连接关系的预设数量个节点的网络确定为目标网络。
确定目标网络后，确定目标网络中表征每一目标病症的节点作为目标节点，按照目标网络所表征的关联关系，对目标节点进行迭代更新。在每一次更新时，可以针对每一目标节点，计算该目标节点与所连接每一节点之间的关联度，将关联度最大的节点确定为当前迭代更新后的目标节点。
上述收敛条件可以是迭代更新次数。在满足收敛条件后，得到满足收敛条件的目标节点，将满足收敛条件的目标节点确定为更新后的第一备选病症。
可以看到，目标网络表征目标病症间的关联关系，基于目标网络所表征的关联关系，通过迭代更新方式，能够较为准确地更新第一备选病症。
在更新第一备选病症时，除了可以采用上述图网络的节点更新方式外，还可以确定目标病症与第一备选病症之间的重复病症与非重复病症，按照前述对重复病症、非重复病症进行深入挖掘，实现对第一备选病症进行更新。具体挖掘过程不再赘述。
本申请的一个实施例中，为了能够更加贴合目标儿童患者的实际情况，服务器还可以向儿科诊疗设备发送最终病症，儿科诊疗设备可以显示所接收的最终病症，以供目标儿童患者选择贴合自身情况的病症，儿科诊疗设备可以将目标儿童患者所选择的病症发送至服务器，服务器从而获得目标儿童患者所选择的病症，作为处理结果。
决策确定模块307，用于基于最终病症，确定目标儿童患者的备选医疗决策。
上述307与前述图2对应的实施例的205相同，在此不再赘述。
由以上可见，在本实施例中，由于目标病症均是更新后的第一重复病症、第一非重复病症，更新后的第一重复病症、第一非重复病症在涵盖目标儿童患者可能所患病症的基础上，能够更为精确地反映目标儿童患者所患的病症。这样，更新第一备选病症的更新条件较为全面且精确度较高，提高了第一备选病症更新的准确度。
前述图2/图3对应的实施例中，均涉及第二病症确定模块，为了更加准确地确定第一备选病症，本申请的一个实施例中，第二病症确定模块可以具体用于以地理空间实时信息为检索条件，确定预设病症库中与检索条件相匹配的第一检索病症；确定第一检索病症与第一备选病症中发生重复的第二重复病症、与未发生重复的第二非重复病症；基于第二非重复病症，更新第二重复病症，并基于更新后的第二重复病症，更新第二非重复病症；将更新后的第二重复病症与更新后的第二非重复病症，确定为第一备选病症。
第一检索病症是从地理空间的实时信息的角度反映目标儿童患者可能出现的病症，第一备选病症是从目标儿童患者当前的医疗数据反映目标儿童患者可能出现的病症。第二重复病症、第二非重复病症则是对第一检索病症、第一备选病症挖掘得到的病症，能够反映第一检索病症与第一备选病症之间的关联关系。
在得到第二重复病症、第二非重复病症后，本实施例还进一步对上述病症进行挖掘。在基于第二非重复病症更新第二重复病症时，一种实施方式中，可以针对每一第二重复病症，确定该第二重复病症与每一第二非重复病症之间的关联度，上述关联度反映病症之间的关联程度，基于所计算的关联度，确定该第二重复病症的权重，基于各第二重复病症的权重，对第二重复病症进行更新。
在计算关联度时，可以基于预设的病症知识图谱，确定第二重复病症与第二非重复病症之间的关联度，病症知识图谱中包含各个预设病症、以及各个预设病症之间的关联度。
第二重复病症的权重反映第二重复病症的重要程度。在确定第二重复病症的权重时，可以计算第二重复重复所对应各关联度的平均值，对上述平均值进行归一化处理，并计算1与归一化处理值之间的差值，作为权重。
在对第二重复病症进行更新时，可以选取预设数量个权重最高的第二重复病症，作为更新后的第二重复病症。
在得到更新后的第二重复病症后，基于更新后的第二重复病症，对第二非重复病症进行更新。由于是采用更新后的第二重复病症进行更新，更新后的第二重复病症的准确度更高，这样，对第二非重复病症的更新准确度更高，能准确地提取出第二非重复病症中的有效信息。
在对第二非重复病症进行更新时，一种实施方式中，可以针对每一第二非重复病症，确定该第二非重复病症与每一更新后的第二重复病症之间的关联度，上述关联度反映病症之间的关联程度，基于所计算的关联度，确定该第二非重复病症的权重，基于各第二非重复病症的权重，对第二非重复病症进行更新。
这样，由于对第二重复病症、第二非重复病症进行更新，能够深度挖掘第二重复病症、第二非重复病症中的有效信息，剔除干扰、无效信息；并且，在进行更新时，首先是基于第二非重复病症更新第二重复病症，然后基于更新后的第二重复病症更新第二非重复病症，按照这样的顺序，能够进一步准确挖掘有效信息。因此，提高了第一备选病症的有效性。
前述图2/图3对应的实施例中，还均涉及第三病症确定模块，为了更加准确地确定第二备选病症，本申请的一个实施例中，第三病症确定模块可以具体用于以目标属性信息为检索条件，确定预设病症库中与检索条件相匹配的第二检索病症；确定第二检索病症与第一备选病症中发生重复的第三重复病症、与未发生重复的第三非重复病症；基于第三非重复病症，更新第三重复病症，并基于更新后的第三重复病症，更新第三非重复病症；将更新后的第三重复病症与更新后的第三非重复病症，确定为第三备选病症。
上述预设病症库中包括多类对应关系，如疾病与病症之间的对应关系，儿童年龄、典型疾病与病症之间的对应关系。第二检索病症反映目标儿童患者可能发生的病症。在确定第二检索病症时，一种实施方式中，确定上述目标属性信息中的关键词，作为检索条件，从上述预设病症库所包含的各类映射关系中检索上述关键词对应的病症，作为第二检索病症。
第二检索病症是从用户自身身份的实时信息的角度反映目标儿童患者可能出现的病症，第一备选病症是从目标儿童患者当前的医疗数据反映目标儿童患者可能出现的病症。第三重复病症、第三非重复病症则是对第二检索病症、第一备选病症挖掘得到的病症，能够反映第二检索病症与第一备选病症之间的关联关系。
在得到第三重复病症、第三非重复病症后，本实施例还进一步对上述病症进行深入挖掘，从而保证尽可能得到目标儿童患者实际疾病的典型病症。
在基于第三非重复病症更新第三重复病症时，一种实施方式中，可以针对每一第三重复病症，确定该第三重复病症与每一第三非重复病症之间的关联度，上述关联度反映病症之间的关联程度，基于所计算的关联度，确定该第三重复病症的权重，基于各第三重复病症的权重，对第三重复病症进行更新。
在计算关联度时，可以基于预设的病症知识图谱，确定第三重复病症与第三非重复病症之间的关联度，病症知识图谱中包含各个预设病症、以及各个预设病症之间的关联度。
第三重复病症的权重反映第三重复病症的重要程度。在确定第三重复病症的权重时，可以计算第三重复病症所对应各关联度的平均值，对上述平均值进行归一化处理，并计算1与归一化处理值之间的差值，作为权重。
在对第三重复病症进行更新时，可以选取预设数量个权重最高的第三重复病症，作为更新后的第三重复病症。
在得到更新后的第三重复病症后，基于更新后的第三重复病症，对第三非重复病症进行更新，能更加准确地提取出第三非重复病症中的有效信息。
在对第三非重复病症进行更新时，一种实施方式中，可以针对每一第三非重复病症，确定该第三非重复病症与每一更新后的第三重复病症之间的关联度，上述关联度反映病症之间的关联程度，基于所计算的关联度，确定该第三非重复病症的权重，基于各第三非重复病症的权重，对第一非重复病症进行更新。
这样，由于对第三重复病症、第三非重复病症进行更新，能够深度挖掘第三重复病症、第三非重复病症中的有效信息，剔除干扰无效信息；并且，在进行更新时，首先是基于第三非重复病症更新第三重复病症，然后基于更新后的第三重复病症更新第三非重复病症，按照这样的顺序，能够进一步准确挖掘有效信息，从而提高了第三备选病症的有效性。
在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时，全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线（例如同轴电缆、光纤、数字用户线（DSL））或无线（例如红外、无线、微波等）方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，DVD)、或者半导体介质（例如固态硬盘Solid State Disk (SSD)）等。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
本说明书中的各个实施例均采用相关的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。以上所述仅为本申请的较佳实施例而已，并非用于限定本申请的保护范围。凡在本申请的精神和原则之内所作的任何修改、等同替换、改进等，均包含在本申请的保护范围内。
Claims (7)
1.一种儿童远程医疗决策系统，其特征在于，所述系统包括：儿童端、医生端、服务器，所述儿童端、医生端通过所述服务器连接，所述儿童端运行于儿科诊疗设备，所述儿科诊疗设备集成医疗监测器械，所述医疗监测器械用于采集患者的多媒体医疗数据，其中：
所述儿童端，用于通过所述服务器与所述医生端建立连接，并获取所述医疗监测器械所采集的目标儿童患者的多媒体医疗数据，基于所建立的连接向所述医生端发送所述多媒体医疗数据；
所述服务器，用于获取所述多媒体医疗数据，并获取所述目标儿童患者的目标数据，基于所述多媒体医疗数据以及所述目标数据，确定所述目标儿童患者的备选医疗决策，并向所述医生端发送所述备选医疗决策、目标数据，其中，所述目标数据包括：所述目标儿童患者的目标属性信息、当前时间相关联的地理空间实时信息；
所述医生端，用于获取并显示所述多媒体医疗数据、目标数据以及备选医疗决策，以供医生参考并确定最终医疗决策；
所述服务器，包括：
第一病症确定模块，用于基于所述多媒体医疗数据，确定第一备选病症；
第二病症确定模块，用于基于地理空间实时信息以及第一备选病症，确定第二备选病症，其中，所述第二备选病症包含第一检索病症以及第一备选病症，所述第一检索病症为以地理空间实时信息为检索条件检索得到的病症；
第三病症确定模块，用于基于目标属性信息以及第一备选病症，确定第三备选病症，其中，所述第三备选病症包含第二检索病症以及第一备选病症，所述第二检索病症为以目标属性信息为检索条件检索得到的病症；
最终病症确定模块，用于基于所述第二备选病症、第三备选病症，对所述第一备选病症进行更新，将更新后的第一备选病症作为所述目标儿童患者的最终病症；
决策确定模块，用于基于所述最终病症，确定所述目标儿童患者的备选医疗决策；
所述最终病症确定模块，包括：
第一病症确定子模块，用于确定所述第二备选病症与第三备选病症中发生重复的第一重复病症、与未发生重复的第一非重复病症；
病症更新子模块，用于基于所述第一非重复病症，更新第一重复病症，并基于更新后的第一重复病症，更新所述第一非重复病症，将更新后的第一重复病症、更新后的第一非重复病症作为目标病症；
第二病症确定子模块，用于基于所述目标病症，对所述第一备选病症进行更新。
2.根据权利要求1所述的系统，其特征在于，所述病症更新子模块，具体用于针对每一第一重复病症，确定该第一重复病症与每一第一非重复病症之间的关联度，基于所计算的该第一重复病症的关联度，确定该第一重复病症的权重；基于每一第一重复病症的权重，对第一重复病症进行更新，并基于更新后的第一重复病症，更新所述第一非重复病症，将更新后的第一重复病症、更新后的第一非重复病症作为目标病症。
3.根据权利要求1或2所述的系统，其特征在于，所述病症更新子模块，具体用于基于所述第一非重复病症，更新第一重复病症，并针对每一第一非重复病症，确定该第一非重复病症与每一更新后的第一重复病症之间的关联度，基于所计算的该第一非重复病症的关联度，确定该第一非重复病症的权重；基于每一第一非重复病症的权重，对第一非重复病症进行更新，将更新后的第一重复病症、更新后的第一非重复病症作为目标病症。
4.根据权利要求1或2所述的系统，其特征在于，所述第二病症确定子模块，具体用于截取预设的图网络中包含目标病症所对应节点的目标网络，将所述目标网络中表征每一第一目标病症的节点作为目标节点，按照所述目标网络所表征的关联关系，对目标节点进行迭代更新，将满足收敛条件的目标节点所表征的病症确定为更新后的第一备选病症，其中，所述图网络中包含各个节点以及各个节点之间的连接关系，每一节点对应每一预设病症，节点之间的连接关系表征病症与病症之间的关联关系。
5.根据权利要求1或2所述的系统，其特征在于，所述第二病症确定模块，具体用于以地理空间实时信息为检索条件，确定预设病症库中与检索条件相匹配的第一检索病症；确定第一检索病症与第一备选病症中发生重复的第二重复病症、与未发生重复的第二非重复病症；基于所述第二非重复病症，更新所述第二重复病症，并基于更新后的第二重复病症，更新第二非重复病症；将更新后的第二重复病症与更新后的第二非重复病症，确定为第二备选病症。
6.根据权利要求1或2所述的系统，其特征在于，所述第三病症确定模块，具体用于以目标属性信息为检索条件，确定预设病症库中与检索条件相匹配的第二检索病症；确定第二检索病症与第一备选病症中发生重复的第三重复病症、与未发生重复的第三非重复病症；基于所述第三非重复病症，更新所述第三重复病症，并基于更新后的第三重复病症，更新所述第三非重复病症；将更新后的第三重复病症与更新后的第三非重复病症，确定为第三备选病症。
7.根据权利要求1或2所述的系统，其特征在于，所述医疗监测器械包括数字听诊器、压舌板，所述数字听诊器集成音频采集组件，所述压舌板集成图像采集组件。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311071889.8A CN116779134B (zh) | 2023-08-24 | 2023-08-24 | 一种儿童远程医疗决策系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311071889.8A CN116779134B (zh) | 2023-08-24 | 2023-08-24 | 一种儿童远程医疗决策系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116779134A CN116779134A (zh) | 2023-09-19 |
| CN116779134B true CN116779134B (zh) | 2023-12-01 |
Family
ID=87994901
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311071889.8A Active CN116779134B (zh) | 2023-08-24 | 2023-08-24 | 一种儿童远程医疗决策系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116779134B (zh) |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104200418A (zh) * | 2014-09-29 | 2014-12-10 | 北京中美联医学科学研究院有限公司 | 基于移动互联网的智能居家诊疗系统和方法 |
| CN106021910A (zh) * | 2016-05-17 | 2016-10-12 | 重庆医科大学附属永川医院 | 基于智慧医疗服务的远程疾病诊断系统 |
| CN106951691A (zh) * | 2017-03-06 | 2017-07-14 | 宁波大学 | 基于云平台的远程移动医疗管理方法 |
| CN108511054A (zh) * | 2017-02-23 | 2018-09-07 | 仁智(苏州)医学研究有限公司 | 一种辅助诊疗的方法和诊疗辅助系统 |
| CN109102900A (zh) * | 2017-06-20 | 2018-12-28 | 深圳大森智能科技有限公司 | 一种远程医疗方法 |
| CN112331334A (zh) * | 2020-11-03 | 2021-02-05 | 南京佰奥泰生物科技有限公司 | 基于智能终端的大数据精准医疗系统和方法 |
| CN115512817A (zh) * | 2022-10-11 | 2022-12-23 | 安徽通灵仿生科技有限公司 | 一种基于儿童远程医疗的医生推荐方法及装置 |
| CN219331940U (zh) * | 2022-10-07 | 2023-07-14 | 安徽通灵仿生科技有限公司 | 便携式儿科远程诊疗箱 |
| CN116580830A (zh) * | 2023-07-11 | 2023-08-11 | 云天智能信息(深圳)有限公司 | 一种基于云平台的远程智能医疗服务系统 |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20110208530A1 (en) * | 2010-02-19 | 2011-08-25 | Telemedicine International, L.L.C. | Portable storage medium for medical diagnosis |
| US20130123646A1 (en) * | 2010-07-30 | 2013-05-16 | Lg Electronics Inc. | Method and electronic device for remote diagnosis |
| US20170323071A1 (en) * | 2016-05-05 | 2017-11-09 | James Stewart Bates | Systems and methods for generating medical diagnosis |
| JP2022071523A (ja) * | 2020-10-28 | 2022-05-16 | キヤノンメディカルシステムズ株式会社 | 健康管理装置および健康管理システム |
-
2023
- 2023-08-24 CN CN202311071889.8A patent/CN116779134B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104200418A (zh) * | 2014-09-29 | 2014-12-10 | 北京中美联医学科学研究院有限公司 | 基于移动互联网的智能居家诊疗系统和方法 |
| CN106021910A (zh) * | 2016-05-17 | 2016-10-12 | 重庆医科大学附属永川医院 | 基于智慧医疗服务的远程疾病诊断系统 |
| CN108511054A (zh) * | 2017-02-23 | 2018-09-07 | 仁智(苏州)医学研究有限公司 | 一种辅助诊疗的方法和诊疗辅助系统 |
| CN106951691A (zh) * | 2017-03-06 | 2017-07-14 | 宁波大学 | 基于云平台的远程移动医疗管理方法 |
| CN109102900A (zh) * | 2017-06-20 | 2018-12-28 | 深圳大森智能科技有限公司 | 一种远程医疗方法 |
| CN112331334A (zh) * | 2020-11-03 | 2021-02-05 | 南京佰奥泰生物科技有限公司 | 基于智能终端的大数据精准医疗系统和方法 |
| CN219331940U (zh) * | 2022-10-07 | 2023-07-14 | 安徽通灵仿生科技有限公司 | 便携式儿科远程诊疗箱 |
| CN115512817A (zh) * | 2022-10-11 | 2022-12-23 | 安徽通灵仿生科技有限公司 | 一种基于儿童远程医疗的医生推荐方法及装置 |
| CN116580830A (zh) * | 2023-07-11 | 2023-08-11 | 云天智能信息(深圳)有限公司 | 一种基于云平台的远程智能医疗服务系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116779134A (zh) | 2023-09-19 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US20220114794A1 (en) | Augmented reality medical diagnostic projection | |
| US11275757B2 (en) | Systems and methods for capturing data, creating billable information and outputting billable information | |
| EP3776586A1 (en) | Managing respiratory conditions based on sounds of the respiratory system | |
| WO2005092176A1 (en) | Real-time remote diagnosis of in vivo images | |
| CN112365974A (zh) | 一种临床辅助决策支持系统的学习实现方法和系统 | |
| WO2021032055A1 (zh) | 临床试验报告自动录入方法及装置、电子设备、存储介质 | |
| CN110489577B (zh) | 医疗影像管理方法及装置、眼底影像处理方法、电子设备 | |
| KR102479692B1 (ko) | 빅데이터 및 클라우드 시스템 기반 인공지능 응급의료 의사결정 및 응급환자 이송 시스템과 그 방법 | |
| CN112115240B (zh) | 分类处理方法、装置、服务器和存储介质 | |
| US20240087694A1 (en) | Methods and systems for analyzing accessing of medical data | |
| CN115497616A (zh) | 一种感染性疾病辅助决策的方法、系统、设备及存储介质 | |
| CN111227789A (zh) | 人体健康监护方法和装置 | |
| CN114882983B (zh) | 一种智慧病房交互方法、系统及储存介质 | |
| CN112397195B (zh) | 用于生成体格检查模型的方法、装置、电子设备和介质 | |
| CN109192312B (zh) | 一种心力衰竭患者不良事件智能管理系统及方法 | |
| CN117393156B (zh) | 基于云计算的多维度远程听诊与诊断智能系统 | |
| CN114678117A (zh) | 用于规范手术室人员操作行为的管理方法及装置 | |
| US20230172425A1 (en) | Information processing method, electronic device, and computer storage medium | |
| CN116779134B (zh) | 一种儿童远程医疗决策系统 | |
| CN113518581B (zh) | 用于医疗诊断支持的系统和方法 | |
| CN113223734A (zh) | 基于算法、医学影像和大数据的疾病诊断和大健康管理平台 | |
| CN109671508B (zh) | 一种基于数据挖掘算法的临床护理管理系统及方法 | |
| WO2022014472A1 (en) | Method, apparatus and non-transitory computer readable medium | |
| CN116805531B (zh) | 一种儿科远程医疗系统 | |
| Strøm et al. | Machine learning performance metrics and diagnostic context in radiology |
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 |