CN117316367B - 一种基于ai的智能化诊断系统 - Google Patents
一种基于ai的智能化诊断系统 Download PDFInfo
- Publication number
- CN117316367B CN117316367B CN202311587339.1A CN202311587339A CN117316367B CN 117316367 B CN117316367 B CN 117316367B CN 202311587339 A CN202311587339 A CN 202311587339A CN 117316367 B CN117316367 B CN 117316367B
- Authority
- CN
- China
- Prior art keywords
- user
- module
- user health
- change coefficient
- ith
- 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
- 238000003745 diagnosis Methods 0.000 title claims abstract description 40
- 230000036541 health Effects 0.000 claims abstract description 151
- 238000012544 monitoring process Methods 0.000 claims abstract description 48
- 238000000034 method Methods 0.000 claims abstract description 19
- 230000008859 change Effects 0.000 claims description 84
- 238000004364 calculation method Methods 0.000 claims description 59
- 239000008280 blood Substances 0.000 claims description 46
- 210000004369 blood Anatomy 0.000 claims description 46
- 238000011156 evaluation Methods 0.000 claims description 37
- WQZGKKKJIJFFOK-GASJEMHNSA-N Glucose Natural products OC[C@H]1OC(O)[C@H](O)[C@@H](O)[C@@H]1O WQZGKKKJIJFFOK-GASJEMHNSA-N 0.000 claims description 35
- 239000008103 glucose Substances 0.000 claims description 35
- 230000036772 blood pressure Effects 0.000 claims description 28
- 238000007405 data analysis Methods 0.000 claims description 27
- 238000013178 mathematical model Methods 0.000 claims description 23
- 230000003862 health status Effects 0.000 claims description 15
- 238000004458 analytical method Methods 0.000 claims description 9
- 235000005911 diet Nutrition 0.000 claims description 7
- 230000037213 diet Effects 0.000 claims description 7
- 229940079593 drug Drugs 0.000 claims description 7
- 239000003814 drug Substances 0.000 claims description 7
- 230000035487 diastolic blood pressure Effects 0.000 claims description 6
- 201000010099 disease Diseases 0.000 claims description 6
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims description 6
- 230000000291 postprandial effect Effects 0.000 claims description 6
- 230000035488 systolic blood pressure Effects 0.000 claims description 6
- 230000000007 visual effect Effects 0.000 claims description 5
- 238000001514 detection method Methods 0.000 claims description 3
- 239000002243 precursor Substances 0.000 claims description 3
- 230000000284 resting effect Effects 0.000 claims description 3
- 238000013473 artificial intelligence Methods 0.000 abstract description 3
- 238000004891 communication Methods 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000002372 labelling Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000019771 cognition Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000003902 lesion Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000001575 pathological effect Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 208000024891 symptom Diseases 0.000 description 1
- 238000012549 training 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
- 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
- G16H15/00—ICT specially adapted for medical reports, e.g. generation or transmission thereof
-
- 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
- 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
- G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
-
- 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
- G16H50/50—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for simulation or modelling of medical disorders
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Biomedical Technology (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Pathology (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
本发明公开了一种基于AI的智能化诊断系统及方法，具体涉及人工智能领域，包括监测时间划分模块、用户数据采集模块、用户数据分析模块、用户健康指数计算模块、用户健康状态评估模块以及个性化诊断模块。本发明通过监测时间划分模块将目标用户的身体状态数据划分为各监测子区域并编号，通过用户数据采集模块采集各监测子区域的用户身体状态数据，通过用户数据分析模块对用户数据采集模块传输的数据进行分析，通过用户健康指数计算模块计算得出用户健康指数，通过用户健康状态评估模块将用户健康指数与用户健康指数预设值进行比较并评估，通过个性化诊断模块根据用户健康状态和用户身体状态数据提供个性化诊断。
Description
技术领域
本发明涉及人工智能技术领域，更具体地说，本发明涉及一种基于AI的智能化诊断系统。
背景技术
在传统医疗体系中，健康诊断是医生根据患者的症状、体征以及病史等个人信息进行综合分析，从而做出诊断的过程。这种诊断方式需要医生具备丰富的专业知识和临床经验，同时还需要对患者的信息进行全面和准确的评估。然而，由于人类认知的局限性和个体差异，人工诊断有时会出现误诊或漏诊的情况，这在一定程度上影响了医疗质量和效率。
随着人工智能技术的不断发展，智能化诊断系统逐渐应用于医疗领域。这些系统利用机器学习以及深度学习等算法对大量的医疗数据进行自动分析，辅助医生进行快速和准确的诊断。例如，系统可以通过对医学影像、病理切片等数据进行深度学习，自动识别病变部位和病灶特征，提高诊断的准确性。此外，智能化健康诊断系统还可以对患者的生命体征以及病史等数据进行实时监测和分析，及时发现异常情况并发出预警信号，为医生提供更加全面和及时的诊断支持。
但是其在实际使用时，仍旧存在一些缺点，如数据质量和标注精度对模型的训练和性能影响较大，由于医疗数据的多样性和复杂性，数据预处理和标注工作需要耗费大量时间和人力，而且难以保证完全准确。
发明内容
为了克服现有技术的上述缺陷，本发明的实施例提供一种基于AI的智能化诊断系统，通过以下方案，以解决上述背景技术中提出的问题。
为实现上述目的，本发明提供如下技术方案：一种基于AI的智能化诊断系统，包括：
监测时间划分模块：用于获取目标用户的身体状态数据，通过等时间划分的方式将目标用户的身体状态数据划分为各监测子区域，并将各监测子区域依次标记为1、2……n。
用户数据采集模块：用于采集各监测子区域的用户身体状态数据，通过智能传感器和用户随身携带的数据源对用户身体状态数据进行采集，并将采集到的数据传输到用户数据分析模块。
用户数据分析模块：包括血压变化系数计算单元、血糖变化系数计算单元、心率变化系数计算单元以及运动量变化系数计算单元，通过计算单元对应的数学模型对用户数据采集模块传输的数据进行分析，并将分析得到的数据传输到用户健康指数计算模块。
用户健康指数计算模块：用于接收用户数据分析模块传输的血压变化系数、血糖变化系数、心率变化系数以及运动量变化系数，并通过用户健康指数计算单元将用户数据分析模块传输的数据进行整合，计算得出用户健康指数，并传输到用户健康状态评估模块。
用户健康状态评估模块：用于接收用户健康指数计算模块传输的用户健康指数，通过用户健康状态评估单元将用户健康指数与用户健康指数预设值进行比较，根据比较结果对用户身体健康状态进行评估，并将评估结果和用户身体状态数据传输到个性化诊断模块。
个性化诊断模块：用于接收用户健康评估模块传输的用户健康状态和用户身体健康数据，并根据用户健康状态和用户身体状态数据提供个性化诊断。
优选的，所述用户数据采集模块用于采集各监测子区域内用户的收缩压、舒张压、空腹血糖值、口服葡萄糖后血糖值、餐后血糖值、静息心率、最大心率、运动时间、运动频率、平均心率以及用户的BMI指数和年龄，分别标记为、/>、/>、/>、/>、/>、/>、/>、、/>以及/>和/>，其中i=1、2……n，i表示第i个检测子区域。
优选的，所述血压变化系数计算单元使用的数学模型为：，/>表示第i个监测子区域的血压变化系数，表示第i个监测子区域的收缩压,/>表示第i个监测子区域的舒张压,/>表示第i个监测子区域用户的BMI指数，/>表示血压变化系数的其他影响因子，且/>，/>表示血压变化系数最小安全值，/>表示血压变化系数最大安全值，其中/>和/>均为常数；
所述血糖变化系数计算单元使用的数学模型为：，/>表示第i个监测子区域的血糖变化系数，/>表示第i个监测子区域的空腹血糖值，/>表示第i个监测子区域的口服葡萄糖后血糖值，/>表示第i个监测子区域的餐后血糖值，/>表示血糖变化系数的其他影响因子，且，/>表示血糖变化系数最小安全值，/>表示血糖变化系数最大安全值，其中/>和/>均为常数。
优选的，所述心率变化系数计算单元使用的数学模型为：，/>表示第i个监测子区域的心率变化系数，/>表示第i个监测子区域的静息心率，/>表示第i个监测子区域的最大心率，/>表示用户年龄，表示心率的年龄增长系数，/>表示心率变化系数的其他影响因子，且/>，表示心率变化系数最小安全值，/>表示心率变化系数最大安全值，其中/>和/>均为常数；
所述运动量变化系数计算单元使用的数学模型为：，/>表示第i个监测子区域的运动量变化系数，/>表示第i个监测子区域的运动时间，/>表示第i个监测子区域的运动频率，/>表示第i个监测子区域的平均心率，/>表示运动量变化系数的其他影响因子，且，/>表示运动量变化系数最小安全值，/>表示运动量变化系数最大安全值，其中/>和/>均为常数。
优选的，所述用户健康指数计算单元使用的数学模型为：，表示第i个监测子区域的用户健康指数，/>表示第i个监测子区域的血压变化系数，/>表示第i个监测子区域的血糖变化系数，/>表示第i个监测子区域的心率变化系数，/>表示第i个监测子区域的运动量变化系数，/>表示用户健康指数的其他影响因子。
优选的，所述用户健康状态评估单元使用的数学模型为：，/>表示第i个监测子区域的用户健康指数，/>表示用户健康指数预设值，当/>时，说明用户的健康状态为健康状态，当/>时，说明用户的健康状态为亚健康状态，当时，说明用户的健康状态为疾病的前驱状态，当/>时，说明用户的健康状态为疾病状态。
优选的，所述个性化诊断模块根据用户健康状态提供个性化的健康建议和治疗方案，根据用户身体状态数据的具体情况进行定制建议，包括饮食调整、运动计划以及药物治疗，并将用户健康评估结果和个性化建议以可视化报告的形式展示给用户和医生，同时提供相应的建议和治疗方案。
优选的，一种基于AI的智能化诊断方法，包括下列步骤：
步骤S01：监测时间划分：具体为获取目标用户的身体状态数据，通过等时间划分的方式将目标用户的身体状态数据划分为各监测子区域，并将各监测子区域编号；
步骤S02：用户数据采集：具体为采集各监测子区域的用户身体状态数据，通过智能传感器和用户随身携带的数据源对用户身体状态数据进行采集，并将采集到的数据传输到用户数据分析步骤；
步骤S03：用户数据分析：具体为包括血压变化系数计算单元、血糖变化系数计算单元、心率变化系数计算单元以及运动量变化系数计算单元，通过计算单元对应的数学模型对用户数据采集步骤传输的数据进行分析，并将分析得到的数据传输到用户健康指数计算步骤；
步骤S04：用户健康指数计算：具体为接收用户数据分析步骤传输的血压变化系数、血糖变化系数、心率变化系数以及运动量变化系数，并通过用户健康指数计算单元将用户数据分析步骤传输的数据进行整合，计算得出用户健康指数，并传输到用户健康状态评估步骤；
步骤S05：用户健康状态评估：具体为接收用户健康指数计算步骤传输的用户健康指数，通过用户健康状态评估单元将用户健康指数与用户健康指数预设值进行比较，根据比较结果对用户身体健康状态进行评估，并将评估结果和用户身体状态数据传输到个性化诊断步骤；
步骤S06：个性化诊断：具体为根据用户健康状态提供个性化的健康建议和治疗方案，根据用户身体状态数据的具体情况进行定制建议，包括饮食调整、运动计划以及药物治疗，并将用户健康评估结果和个性化建议以可视化报告的形式展示给用户和医生，同时提供相应的建议和治疗方案。
本发明的技术效果和优点：
本发明通过大量数据的分析和对比，可以辅助医生识别用户的身体状态数据和规律，能够发现医生可能忽略的细微特征，从而避免或减少诊断的错误和误诊的发生，本发明能快速采集、整合和分析数据，从而大大减少医生的工作量和时间成本，同时有利于促进不同科室之间的合作和交流，提高诊断的全面性和准确性，用户可以获取自己的健康评估结果和健康建议，方便快捷的管理自己的健康状况，有助于优化医疗资源的配置，提高整体医疗服务的效率和质量，根据用户身体状态数据的具体情况进行定制建议，包括饮食调整、运动计划以及药物治疗，以提高治疗结果和用户满意度，提高用户生活质量。
附图说明
图1为本发明的整体结构示意图。
图2为本发明的完整方法示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明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发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
参考图1所示的一种基于AI的智能化诊断系统，包括监测时间划分模块、用户数据采集模块、用户数据分析模块、用户健康指数计算模块、用户健康状态评估模块以及个性化诊断模块。
所述监测时间划分模块用于获取目标用户的身体状态数据，通过等时间划分的方式将目标用户的身体状态数据划分为各监测子区域，并将各监测子区域依次标记为1、2……n。
所述用户数据采集模块用于采集各监测子区域的用户身体状态数据，通过智能传感器和用户随身携带的数据源对用户身体状态数据进行采集，并将采集到的数据传输到用户数据分析模块。
所述用户数据采集模块用于采集各监测子区域内用户的收缩压、舒张压、空腹血糖值、口服葡萄糖后血糖值、餐后血糖值、静息心率、最大心率、运动时间、运动频率、平均心率以及用户的BMI指数和年龄，分别标记为、/>、/>、/>、/>、/>、/>、/>、/>、以及/>和/>，其中i=1、2……n，i表示第i个检测子区域。
所述用户数据分析模块包括血压变化系数计算单元、血糖变化系数计算单元、心率变化系数计算单元以及运动量变化系数计算单元，通过计算单元对应的数学模型对用户数据采集模块传输的数据进行分析，并将分析得到的数据传输到用户健康指数计算模块。
所述血压变化系数计算单元使用的数学模型为：，表示第i个监测子区域的血压变化系数，/>表示第i个监测子区域的收缩压,/>表示第i个监测子区域的舒张压,/>表示第i个监测子区域用户的BMI指数，/>表示血压变化系数的其他影响因子。
本实施例需要具体说明的是，/>表示血压变化系数最小安全值，表示血压变化系数最大安全值，其中/>和/>均为常数。
所述血糖变化系数计算单元使用的数学模型为：，表示第i个监测子区域的血糖变化系数，/>表示第i个监测子区域的空腹血糖值，/>表示第i个监测子区域的口服葡萄糖后血糖值，/>表示第i个监测子区域的餐后血糖值，/>表示血糖变化系数的其他影响因子。
本实施例需要具体说明的是，/>表示血糖变化系数最小安全值，表示血糖变化系数最大安全值，其中/>和/>均为常数。
所述心率变化系数计算单元使用的数学模型为：，表示第i个监测子区域的心率变化系数，/>表示第i个监测子区域的静息心率，/>表示第i个监测子区域的最大心率，/>表示用户年龄，/>表示心率的年龄增长系数，/>表示心率变化系数的其他影响因子。
本实施例需要具体说明的是，/>表示心率变化系数最小安全值，表示心率变化系数最大安全值，其中/>和/>均为常数。
所述运动量变化系数计算单元使用的数学模型为：，/>表示第i个监测子区域的运动量变化系数，/>表示第i个监测子区域的运动时间，/>表示第i个监测子区域的运动频率，/>表示第i个监测子区域的平均心率，/>表示运动量变化系数的其他影响因子。
本实施例需要具体说明的是，/>表示运动量变化系数最小安全值，/>表示运动量变化系数最大安全值，其中/>和/>均为常数。
所述用户健康指数计算模块用于接收用户数据分析模块传输的血压变化系数、血糖变化系数、心率变化系数以及运动量变化系数，并通过用户健康指数计算单元将用户数据分析模块传输的数据进行整合，计算得出用户健康指数，并传输到用户健康状态评估模块。
所述用户健康指数计算单元使用的数学模型为：，/>表示第i个监测子区域的用户健康指数，/>表示第i个监测子区域的血压变化系数，/>表示第i个监测子区域的血糖变化系数，/>表示第i个监测子区域的心率变化系数，/>表示第i个监测子区域的运动量变化系数，/>表示用户健康指数的其他影响因子。
所述用户健康状态评估模块用于接收用户健康指数计算模块传输的用户健康指数，通过用户健康状态评估单元将用户健康指数与用户健康指数预设值进行比较，根据比较结果对用户身体健康状态进行评估，并将评估结果和用户身体状态数据传输到个性化诊断模块。
所述用户健康状态评估单元使用的数学模型为：，/>表示第i个监测子区域的用户健康指数，/>表示用户健康指数预设值，当/>时，说明用户的健康状态为健康状态，当/>时，说明用户的健康状态为亚健康状态，当时，说明用户的健康状态为疾病的前驱状态，当/>时，说明用户的健康状态为疾病状态。
所述个性化诊断模块用于接收用户健康评估模块传输的用户健康状态和用户身体健康数据，并根据用户健康状态和用户身体状态数据提供个性化诊断。
所述个性化诊断模块根据用户健康状态提供个性化的健康建议和治疗方案，根据用户身体状态数据的具体情况进行定制建议，包括饮食调整、运动计划以及药物治疗，并将用户健康评估结果和个性化建议以可视化报告的形式展示给用户和医生，同时提供相应的建议和治疗方案。
在本实施例中，需要具体说明的是，本发明提供一种基于AI的智能化诊断方法，包括下列步骤：
步骤S01：监测时间划分：具体为获取目标用户的身体状态数据，通过等时间划分的方式将目标用户的身体状态数据划分为各监测子区域，并将各监测子区域编号；
步骤S02：用户数据采集：具体为采集各监测子区域的用户身体状态数据，通过智能传感器和用户随身携带的数据源对用户身体状态数据进行采集，并将采集到的数据传输到用户数据分析步骤；
步骤S03：用户数据分析：具体为包括血压变化系数计算单元、血糖变化系数计算单元、心率变化系数计算单元以及运动量变化系数计算单元，通过计算单元对应的数学模型对用户数据采集步骤传输的数据进行分析，并将分析得到的数据传输到用户健康指数计算步骤；
步骤S04：用户健康指数计算：具体为接收用户数据分析步骤传输的血压变化系数、血糖变化系数、心率变化系数以及运动量变化系数，并通过用户健康指数计算单元将用户数据分析步骤传输的数据进行整合，计算得出用户健康指数，并传输到用户健康状态评估步骤；
步骤S05：用户健康状态评估：具体为接收用户健康指数计算步骤传输的用户健康指数，通过用户健康状态评估单元将用户健康指数与用户健康指数预设值进行比较，根据比较结果对用户身体健康状态进行评估，并将评估结果和用户身体状态数据传输到个性化诊断步骤；
步骤S06：个性化诊断：具体为根据用户健康状态提供个性化的健康建议和治疗方案，根据用户身体状态数据的具体情况进行定制建议，包括饮食调整、运动计划以及药物治疗，并将用户健康评估结果和个性化建议以可视化报告的形式展示给用户和医生，同时提供相应的建议和治疗方案。
本发明通过监测时间划分模块将目标用户的身体状态数据划分为各监测子区域并编号，通过用户数据采集模块采集各监测子区域的用户身体状态数据，通过用户数据分析模块对用户数据采集模块传输的数据进行分析，通过用户健康指数计算模块将用户数据分析模块传输的数据进行整合，计算得出用户健康指数，通过用户健康状态评估模块将用户健康指数与用户健康指数预设值进行比较，并根据比较结果对用户身体健康状态进行评估，通过个性化诊断模块根据用户健康状态和用户身体状态数据提供个性化诊断。
本发明通过大量数据的分析和对比，可以辅助医生识别用户的身体状态数据和规律，能够发现医生可能忽略的细微特征，从而避免或减少诊断的错误和误诊的发生，本发明能快速采集、整合和分析数据，从而大大减少医生的工作量和时间成本，同时有利于促进不同科室之间的合作和交流，提高诊断的全面性和准确性，用户可以获取自己的健康评估结果和健康建议，方便快捷的管理自己的健康状况，有助于优化医疗资源的配置，提高整体医疗服务的效率和质量，根据用户身体状态数据的具体情况进行定制建议，包括饮食调整、运动计划以及药物治疗，以提高治疗结果和用户满意度，提高用户生活质量。
其次：本发明公开实施例附图中，只涉及到与本公开实施例涉及到的结构，其他结构可参考通常设计，在不冲突情况下，本发明同一实施例及不同实施例可以相互组合；
最后：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，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 (2)
1.一种基于AI的智能化诊断系统，包括，其特征在于：
监测时间划分模块：用于获取目标用户的身体状态数据，通过等时间划分的方式将目标用户的身体状态数据划分为各监测子区域，并将各监测子区域依次标记为1、2……n；
用户数据采集模块：用于采集各监测子区域的用户身体状态数据，通过智能传感器和用户随身携带的数据源对用户身体状态数据进行采集，并将采集到的数据传输到用户数据分析模块；
用户数据分析模块：包括血压变化系数计算单元、血糖变化系数计算单元、心率变化系数计算单元以及运动量变化系数计算单元，通过计算单元对应的数学模型对用户数据采集模块传输的数据进行分析，并将分析得到的数据传输到用户健康指数计算模块；
用户健康指数计算模块：用于接收用户数据分析模块传输的血压变化系数、血糖变化系数、心率变化系数以及运动量变化系数，并通过用户健康指数计算单元将用户数据分析模块传输的数据进行整合，计算得出用户健康指数，并传输到用户健康状态评估模块；
用户健康状态评估模块：用于接收用户健康指数计算模块传输的用户健康指数，通过用户健康状态评估单元将用户健康指数与用户健康指数预设值进行比较，根据比较结果对用户身体健康状态进行评估，并将评估结果和用户身体状态数据传输到个性化诊断模块；
个性化诊断模块：用于接收用户健康评估模块传输的用户健康状态和用户身体健康数据，并根据用户健康状态和用户身体状态数据提供个性化诊断；
所述用户数据采集模块用于采集各监测子区域内用户的收缩压、舒张压、空腹血糖值、口服葡萄糖后血糖值、餐后血糖值、静息心率、最大心率、运动时间、运动频率、平均心率以及用户的BMI指数和年龄，分别标记为、/>、/>、/>、/>、/>、/>、/>、/>、/>以及/>和/>，其中i=1、2……n，i表示第i个检测子区域；
所述血压变化系数计算单元使用的数学模型为：，表示第i个监测子区域的血压变化系数，/>表示第i个监测子区域的收缩压，/>表示第i个监测子区域的舒张压，/>表示第i个监测子区域用户的BMI指数，/>表示血压变化系数的其他影响因子，且/>，/>表示血压变化系数最小安全值，/>表示血压变化系数最大安全值，其中/>和/>均为常数；
所述血糖变化系数计算单元使用的数学模型为：，表示第i个监测子区域的血糖变化系数，/>表示第i个监测子区域的空腹血糖值，/>表示第i个监测子区域的口服葡萄糖后血糖值，/>表示第i个监测子区域的餐后血糖值，/>表示血糖变化系数的其他影响因子，且/>，/>表示血糖变化系数最小安全值，/>表示血糖变化系数最大安全值，其中/>和/>均为常数；
所述心率变化系数计算单元使用的数学模型为：，/>表示第i个监测子区域的心率变化系数，/>表示第i个监测子区域的静息心率，/>表示第i个监测子区域的最大心率，/>表示用户年龄，/>表示心率的年龄增长系数，/>表示心率变化系数的其他影响因子，且/>，/>表示心率变化系数最小安全值，/>表示心率变化系数最大安全值，其中/>和/>均为常数；
所述运动量变化系数计算单元使用的数学模型为：，/>表示第i个监测子区域的运动量变化系数，/>表示第i个监测子区域的运动时间，/>表示第i个监测子区域的运动频率，/>表示第i个监测子区域的平均心率，/>表示运动量变化系数的其他影响因子，且，/>表示运动量变化系数最小安全值，/>表示运动量变化系数最大安全值，其中/>和/>均为常数；
所述用户健康指数计算单元使用的数学模型为：，/>表示第i个监测子区域的用户健康指数，/>表示第i个监测子区域的血压变化系数，/>表示第i个监测子区域的血糖变化系数，/>表示第i个监测子区域的心率变化系数，/>表示第i个监测子区域的运动量变化系数，/>表示用户健康指数的其他影响因子；
所述用户健康状态评估单元使用的数学模型为：，/>表示第i个监测子区域的用户健康指数，/>表示用户健康指数预设值，当/>时，说明用户的健康状态为健康状态，当/>时，说明用户的健康状态为亚健康状态，当/>时，说明用户的健康状态为疾病的前驱状态，当/>时，说明用户的健康状态为疾病状态。
2.根据权利要求1所述的一种基于AI的智能化诊断系统，其特征在于：所述个性化诊断模块根据用户健康状态提供个性化的健康建议和治疗方案，根据用户身体状态数据的具体情况进行定制建议，包括饮食调整、运动计划以及药物治疗，并将用户健康评估结果和个性化建议以可视化报告的形式展示给用户和医生，同时提供相应的建议和治疗方案。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311587339.1A CN117316367B (zh) | 2023-11-27 | 2023-11-27 | 一种基于ai的智能化诊断系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311587339.1A CN117316367B (zh) | 2023-11-27 | 2023-11-27 | 一种基于ai的智能化诊断系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117316367A CN117316367A (zh) | 2023-12-29 |
| CN117316367B true CN117316367B (zh) | 2024-03-19 |
Family
ID=89273885
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311587339.1A Active CN117316367B (zh) | 2023-11-27 | 2023-11-27 | 一种基于ai的智能化诊断系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117316367B (zh) |
Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106874699A (zh) * | 2017-03-31 | 2017-06-20 | 重庆邮电大学 | 一种基于iOS平台的健康管理系统 |
| CN110459325A (zh) * | 2019-07-01 | 2019-11-15 | 江苏环亚医用科技集团股份有限公司 | 一种健康管理的方法和装置 |
| CN110856653A (zh) * | 2018-08-22 | 2020-03-03 | 北京医佳护健康医疗科技有限公司 | 基于生命体征数据的健康监测预警系统 |
| CN111613335A (zh) * | 2020-06-24 | 2020-09-01 | 广州文殊科技有限公司 | 一种健康预警系统及方法 |
| CN115444385A (zh) * | 2022-10-12 | 2022-12-09 | 东南大学 | 基于血压测量脉搏震荡波特征分析的房颤检测方法和装置 |
| CN116250834A (zh) * | 2022-09-08 | 2023-06-13 | 湖北智奥物联网科技有限公司 | 无创个性化动态血糖趋势监测及预警方法、装置 |
| KR102552221B1 (ko) * | 2023-04-20 | 2023-07-06 | 주식회사 비엔비랩스 | 매일매일 여러개의 디바이스별 신체데이터 및 진단데이터를 동시에 시각화 및 분석 활용하여 사용자의 신체상태 파악과 함께 개선하는 맞춤형 테라피 제공 시스템 |
| CN116543901A (zh) * | 2023-04-25 | 2023-08-04 | 普迪特(泰州)生物科技有限公司 | 一种基于互联网的人体健康在线咨询系统 |
| CN116612621A (zh) * | 2023-05-31 | 2023-08-18 | 深圳市嘀嘟科技有限公司 | 一种手表健康监测系统及监测方法 |
| CN116642564A (zh) * | 2023-04-18 | 2023-08-25 | 华能南京金陵发电有限公司 | 一种无人值守智能称重系统 |
| CN116649940A (zh) * | 2023-07-12 | 2023-08-29 | 深圳市经纬科技有限公司 | 一种用于可穿戴设备的远程监测系统及方法 |
| CN116672678A (zh) * | 2023-06-05 | 2023-09-01 | 郑州幼儿师范高等专科学校 | 一种可记录舞者身体数据的穿戴式智能监测系统 |
| CN117055446A (zh) * | 2023-09-26 | 2023-11-14 | 扬州研凯电气自动化科技有限公司 | 一种模拟信号的电气信号设备监控系统及方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20060183980A1 (en) * | 2005-02-14 | 2006-08-17 | Chang-Ming Yang | Mental and physical health status monitoring, analyze and automatic follow up methods and its application on clothing |
-
2023
- 2023-11-27 CN CN202311587339.1A patent/CN117316367B/zh active Active
Patent Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106874699A (zh) * | 2017-03-31 | 2017-06-20 | 重庆邮电大学 | 一种基于iOS平台的健康管理系统 |
| CN110856653A (zh) * | 2018-08-22 | 2020-03-03 | 北京医佳护健康医疗科技有限公司 | 基于生命体征数据的健康监测预警系统 |
| CN110459325A (zh) * | 2019-07-01 | 2019-11-15 | 江苏环亚医用科技集团股份有限公司 | 一种健康管理的方法和装置 |
| CN111613335A (zh) * | 2020-06-24 | 2020-09-01 | 广州文殊科技有限公司 | 一种健康预警系统及方法 |
| CN116250834A (zh) * | 2022-09-08 | 2023-06-13 | 湖北智奥物联网科技有限公司 | 无创个性化动态血糖趋势监测及预警方法、装置 |
| CN115444385A (zh) * | 2022-10-12 | 2022-12-09 | 东南大学 | 基于血压测量脉搏震荡波特征分析的房颤检测方法和装置 |
| CN116642564A (zh) * | 2023-04-18 | 2023-08-25 | 华能南京金陵发电有限公司 | 一种无人值守智能称重系统 |
| KR102552221B1 (ko) * | 2023-04-20 | 2023-07-06 | 주식회사 비엔비랩스 | 매일매일 여러개의 디바이스별 신체데이터 및 진단데이터를 동시에 시각화 및 분석 활용하여 사용자의 신체상태 파악과 함께 개선하는 맞춤형 테라피 제공 시스템 |
| CN116543901A (zh) * | 2023-04-25 | 2023-08-04 | 普迪特(泰州)生物科技有限公司 | 一种基于互联网的人体健康在线咨询系统 |
| CN116612621A (zh) * | 2023-05-31 | 2023-08-18 | 深圳市嘀嘟科技有限公司 | 一种手表健康监测系统及监测方法 |
| CN116672678A (zh) * | 2023-06-05 | 2023-09-01 | 郑州幼儿师范高等专科学校 | 一种可记录舞者身体数据的穿戴式智能监测系统 |
| CN116649940A (zh) * | 2023-07-12 | 2023-08-29 | 深圳市经纬科技有限公司 | 一种用于可穿戴设备的远程监测系统及方法 |
| CN117055446A (zh) * | 2023-09-26 | 2023-11-14 | 扬州研凯电气自动化科技有限公司 | 一种模拟信号的电气信号设备监控系统及方法 |
Non-Patent Citations (1)
| Title |
|---|
| 可穿戴装置在老年跌倒防护中的应用现状;房鹏飞;张庆来;;广州体育学院学报(第02期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117316367A (zh) | 2023-12-29 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP5841196B2 (ja) | ヒトの健康に関する残差ベースの管理 | |
| CN106618481A (zh) | 中医智能诊断专家系统 | |
| JP2001221803A (ja) | 糖代謝能力判定装置 | |
| CN109124655A (zh) | 精神状态分析方法、装置、设备、计算机介质及多功能椅 | |
| CN116013514A (zh) | 一种基于多参数融合的一体化糖尿病足预测系统 | |
| CN116019429B (zh) | 基于生理指标的健康监测方法、装置、设备及存储介质 | |
| CN117316367B (zh) | 一种基于ai的智能化诊断系统 | |
| CN117079807A (zh) | 一种针对中老年常见疾病的智能诊断支持系统和方法 | |
| US20230230693A1 (en) | Artificial intelligence-based system and method for remote treatment of patients | |
| WO2023164122A2 (en) | Systems, method, and apparatus for providing personalized medical data | |
| EP4124287A1 (en) | Regularized multiple-input pain assessment and trend | |
| US20220254502A1 (en) | System, method and apparatus for non-invasive & non-contact monitoring of health racterstics using artificial intelligence (ai) | |
| CN114999647A (zh) | 一种基于大数据的智慧健康监测方法及系统 | |
| CN114093450A (zh) | 一种基于可穿戴设备的慢病管理系统及方法 | |
| CN113876302A (zh) | 一种基于智能机器人的中医调治系统 | |
| Hasman | My journey through the field of medical informatics | |
| Tung et al. | Point of care TECHNOLOGIES | |
| US20240339222A1 (en) | Data processing system for converting meridian parameters into biomedical data | |
| WO2023053176A1 (ja) | 学習装置、行動推薦装置、学習方法、行動推薦方法及び記憶媒体 | |
| US20230263482A1 (en) | Systems, method, and apparatus for providing personalized medical data | |
| Liu et al. | Intelligent assessment and prediction system for somatic fitness and healthcare using machine learning | |
| WO2021181634A1 (ja) | 教師データ収集依頼装置および教師データ収集方法 | |
| Lauznis et al. | Mobile Telemedicine Screening Complex | |
| CN118507014A (zh) | 基于院外监控辅助医生掌握患者健康指标的医疗服务方式 | |
| Ghosh et al. | PulseSync BP: A Neural Network Framework for Non-Contact Blood Pressure Estimation |
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 |