CN117524465B - 基于人工智能的脊柱外科手术方案决策判定系统及方法 - Google Patents
基于人工智能的脊柱外科手术方案决策判定系统及方法 Download PDFInfo
- Publication number
- CN117524465B CN117524465B CN202410017083.9A CN202410017083A CN117524465B CN 117524465 B CN117524465 B CN 117524465B CN 202410017083 A CN202410017083 A CN 202410017083A CN 117524465 B CN117524465 B CN 117524465B
- Authority
- CN
- China
- Prior art keywords
- patient
- spine
- operation type
- historical
- history
- 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
- 238000000034 method Methods 0.000 title claims abstract description 36
- 238000013473 artificial intelligence Methods 0.000 title claims abstract description 17
- 238000001356 surgical procedure Methods 0.000 title claims description 36
- 230000000875 corresponding effect Effects 0.000 claims description 140
- 238000011084 recovery Methods 0.000 claims description 50
- 238000012163 sequencing technique Methods 0.000 claims description 41
- 230000000694 effects Effects 0.000 claims description 35
- 238000011282 treatment Methods 0.000 claims description 32
- 230000003902 lesion Effects 0.000 claims description 27
- 230000036285 pathological change Effects 0.000 claims description 23
- 231100000915 pathological change Toxicity 0.000 claims description 23
- 238000012216 screening Methods 0.000 claims description 20
- 206010039722 scoliosis Diseases 0.000 claims description 19
- 238000004364 calculation method Methods 0.000 claims description 15
- 201000010099 disease Diseases 0.000 claims description 15
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims description 15
- 208000024891 symptom Diseases 0.000 claims description 14
- 230000000740 bleeding effect Effects 0.000 claims description 7
- 230000006978 adaptation Effects 0.000 claims description 6
- 230000007170 pathology Effects 0.000 claims description 6
- 238000000605 extraction Methods 0.000 claims description 5
- 208000020307 Spinal disease Diseases 0.000 claims description 3
- 238000011156 evaluation Methods 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000001186 cumulative effect Effects 0.000 description 2
- 230000004927 fusion Effects 0.000 description 2
- 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 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000007792 addition Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 239000008280 blood Substances 0.000 description 1
- 210000004369 blood Anatomy 0.000 description 1
- 230000036772 blood pressure Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000002059 diagnostic imaging Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000008103 glucose Substances 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000036039 immunity Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 230000004060 metabolic process Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 210000000653 nervous system Anatomy 0.000 description 1
- 230000035479 physiological effects, processes and functions Effects 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 230000036544 posture Effects 0.000 description 1
- 238000012797 qualification Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Library & Information Science (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- General Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- Pathology (AREA)
- Multimedia (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明属于手术决策判定技术领域，具体涉及基于人工智能的脊柱外科手术方案决策判定系统及方法，本发明基于大数据和AI技术建立手术类型智能决策系统，通过向系统输入目标患者的病例单和术前脊柱影像，将其结合历史脊柱病变患者库提供的历史患者数据，由此进行手术类型自动化决策，在这过程中由于大大减少了医生的介入，一方面使得手术类型决策效率和客观性在一定程度上得到提升，另一方面有效避免出现手术类型最优解存在争议现象，不仅减少了医生的工作量，还实现了目标患者脊柱外科手术类型的果断准确决策，体现了脊柱外科手术类型的智能化、透明化决策，具有较高的实用性价值。
Description
技术领域
本发明属于手术决策判定技术领域，具体涉及基于人工智能的脊柱外科手术方案决策判定系统及方法。
背景技术
随着现代生活节奏地加快，长时间的坐姿、过度使用电子设备，缺乏足够的运动和体育锻炼，使得人们存在脊柱问题的发生率越来越高，而在一些情况下，脊柱问题可能无法通过保守治疗有效缓解，手术成为治疗脊柱问题的必要手段。
鉴于脊柱结构复杂、与神经系统密切相关，这使得脊柱外科手术与其他手术相比比较复杂，需要在术前制定准确可靠的手术方案，特别是手术类型决策，因不同的手术类型对于患者的康复、手术风险、手术效果等方面都会产生重大影响，使得手术类型决策成为手术方案制定的重点。
随着医学影像技术发展，目前脊柱外科手术类型决策主要依赖于医生对脊柱影像学检查结果的分析和对患者身体状况的掌握，一方面存在一定的主观性，另一方面这些都需要一定的时间来完成，在一定程度上降低了决策效率，且手术类型的选择往往需要多个高资历医生共同商议，但由于医生经验的异质性、医学学科手术特点和复杂的病例情况，这种方式存在一定的局限性，使得手术类型的最优解往往存在争议，不利于手术类型的果断可靠决策。
发明内容
为此，本申请实施例的一个目的在于提供基于人工智能的脊柱外科手术方案决策判定系统及方法，有效解决了背景技术提到的问题。
本发明的目的可以通过以下技术方案来实现：本发明的第一方面提供一种基于人工智能的脊柱外科手术方案决策判定系统，包括以下模块：基本信息获取模块，用于调取目标患者的病例单，从中提取目标患者的基本信息。
脊柱特征提取模块，用于获取目标患者的术前脊柱图像，并从中提取脊柱特征，具体包括脊柱轮廓和脊柱病变特征。
参考历史患者筛选模块，用于从历史脊柱病变患者库中提取历史患者的基本信息和术前脊柱图像，并结合目标患者的基本信息和脊柱特征从历史患者中筛选出参考历史患者。
手术类型历史参考排序模块，用于获取脊柱病变能够采用的手术类型，并从历史脊柱病变患者库中获取参考历史患者的手术类型和恢复状态指征，由此对手术类型进行历史参考排序，得到手术类型对应的历史参考排序结果。
手术类型指标影响排序模块，用于获取各手术类型影响的身体指标，作为作用指标，并从目标患者的病例单中提取目标患者在各手术类型对应作用指标的术前值，由此对手术类型进行指标影响排序，得到手术类型对应的指标影响排序结果。
手术类型医生操作排序模块，用于获取目标医院中各手术类型对应的主治医生，并调取相应主治医生的关联手术记录，由此对手术类型进行医生操作排序，得到手术类型对应的医生操作排序结果。
云管理库，用于存储各性别对应各年龄段人群中各手术类型对应作用指标的正常值。
优选手术类型决策模块，用于基于手术类型对应的历史参考排序结果、指标影响排序结果和医生操作排序结果进行优选手术类型决策，并进行输出显示。
根据本发明第一方面的一种能够实现的方式，所述基本信息包括年龄、性别、脊柱患病时长和既往病症，脊柱病变特征包括脊柱侧弯角度、椎体旋转角度和椎体垂直高度差。
根据本发明第一方面的一种能够实现的方式，所述从历史患者中筛选出参考历史患者参见如下过程：将各历史患者按照初始患病时间由先到后的顺序进行编号。
将各历史患者的基本信息分别与目标患者的基本信息进行对比，计算各历史患者对应的信息相似度，具体计算公式为,式中/>表示为历史患者的编号，/>，/>、/>分别表示为第/>历史患者的性别一致度、既往病症一致度，/>、/>分别表示为第/>历史患者的年龄、脊柱患病时长，/>、/>分别表示为目标患者的年龄、脊柱患病时长。
将各历史患者对应的信息相似度与设置的有效信息相似度对比，从中筛选出大于或等于有效信息相似度的历史患者作为备选历史患者。
从备选历史患者的术前脊柱病变影像中提取脊柱特征，进而将各备选历史患者对应的脊柱轮廓与目标患者的脊柱轮廓进行重合对比，得到各备选历史患者的脊柱轮廓重合面积，并将其结合各备选历史患者的脊柱病变特征与目标患者的脊柱病变特征的对比结果通过表达式/>计算各备选历史患者的术前脊柱相似度/>，式中/>表示为备选历史患者的编号，/>，/>表示为目标患者的脊柱轮廓面积，/>、/>、/>分别表示为第/>备选历史患者的术前脊柱侧弯角度、术前椎体旋转角度、术前椎体垂直高度差，/>、/>、/>分别表示为目标患者的术前脊柱侧弯角度、术前椎体旋转角度、术前椎体垂直高度差。
将各备选历史患者的信息相似度和术前脊柱相似度导入表达式，计算出各备选历史患者的参考价值度/>，式中/>表示为自然常数。
将各备选历史患者的参考价值度与设定阈值进行对比，从中选取参考价值度大于设定阈值的备选历史患者，作为参考历史患者。
根据本发明第一方面的一种能够实现的方式，所述和/>的计算过程如下：将各历史患者的性别与目标患者的性别进行对比，通过公式/>，得到/>。
将各历史患者的既往病症与目标患者的既往病症进行对比，通过公式，得到/>。
根据本发明第一方面的一种能够实现的方式，所述恢复状态指征包括恢复时长和恢复度，其中恢复度的获取过程如下：从参考历史患者的术前脊柱图像中提取病变区域，由此在参考历史患者恢复后的脊柱图像中标记病变区域，并提取恢复后的脊柱病变特征，将其与术前脊柱病变特征进行对比，通过表达式，得到各参考历史患者的恢复度/>，/>、/>、/>分别表示为第/>参考历史患者的术前脊柱侧弯角度、术前椎体旋转角度、术前椎体垂直高度差，/>表示为参考历史患者的编号，/>，/>、/>、/>分别表示为第/>参考历史患者恢复后的脊柱侧弯角度、术前椎体旋转角度、术前椎体垂直高度差，/>。
根据本发明第一方面的一种能够实现的方式，所述对手术类型进行历史参考排序参见下述过程：将参考历史患者的手术类型进行对比，进而将相同手术类型对应的参考历史患者进行归类，得到各手术类型对应的若干参考历史患者。
将各手术类型对应各参考历史患者的恢复状态指征导入公式，得到各手术类型对应各参考历史患者的恢复效果系数，式中总恢复时长为各手术类型对应各参考历史患者的恢复时长累加和。
将各手术类型对应各参考历史患者的恢复效果系数进行均值计算，得到各手术类型对应的参考历史患者平均恢复效果系数。
将各手术类型按照参考历史患者平均恢复效果系数由大到小的顺序进行排列，得到手术类型对应的历史参考排序结果。
根据本发明第一方面的一种能够实现的方式，所述对手术类型进行指标影响排序参见下述过程：基于目标患者的性别和年龄从云管理库中获取目标患者在各手术类型对应作用指标的正常值。
将目标患者在各手术类型对应作用指标的术前值与目标患者在各手术类型对应作用指标的正常值进行对比，计算目标患者在各手术类型下的身体适配度，具体计算公式为/>，式中/>表示为手术类型编号，，/>表示为目标患者在第/>手术类型对应第/>作用指标的术前值，/>表示为作用指标编号，/>，/>表示为手术类型对应的的作用指标数量，/>表示为目标患者在第/>手术类型对应第/>作用指标的正常值。
将各手术类型按照目标患者在各手术类型下的身体适配度由大到小的顺序进行排列，得到手术类型对应的指标影响排序结果。
根据本发明第一方面的一种能够实现的方式，所述对手术类型进行医生操作排序参见下述过程：从各手术类型对应主治医生的关联手术记录中提取救治结果参数，具体包括手术持续时长、出血量和并发症数量，并将其导入评估公式,计算出各手术类型对应主治医生的救治效果系数/>，式中/>表示为手术类型对应的的主治医生编号，/>，/>、/>、/>分别表示为第/>手术类型对应第/>主治医生的关联手术记录中手术持续时长、出血量、并发症数量，/>示为预设常量，且/>。
从各手术类型对应主治医生的救治效果系数中选取最大救治效果系数作为各手术类型对应的优异救治效果系数。
将各手术类型按照优异救治效果系数由大到小的顺序进行排列，得到手术类型对应的医生操作排序结果。
根据本发明第一方面的一种能够实现的方式，所述优选手术类型决策过程如下：分别从排序结果中提取各手术类型对应的历史参考排序号、指标影响排序号/>、医生操作排序号/>；
将、/>和/>导入/>计算出各手术类型对应的实施价值度/>，/>、/>、/>分别表示为预配的历史参考、指标影响、医生操作对应的权衡因子，/>。
将各手术类型对应的实施价值度进行对比，从中选取最高实施价值度对应的各手术类型作为优选手术类型。
本发明的第二方面提出一种基于人工智能的脊柱外科手术方案决策判定方法，包括以下步骤：S1、调取目标患者的病例单，从中提取目标患者的基本信息，并获取目标患者的术前脊柱图像，从中提取脊柱特征，具体包括脊柱轮廓和脊柱病变特征。
S2、从历史脊柱病变患者库中提取历史患者的基本信息和术前脊柱图像，并结合目标患者的基本信息和脊柱特征从历史患者中筛选出参考历史患者。
S3、获取脊柱病变能够采用的手术类型，并从历史脊柱病变患者库中获取参考历史患者的手术类型和恢复状态指征，由此对手术类型进行历史参考排序，得到手术类型对应的历史参考排序结果。
S4、获取各手术类型影响的身体指标，作为作用指标，并从目标患者的病例单中提取目标患者在各手术类型对应作用指标的术前值，由此对手术类型进行指标影响排序，得到手术类型对应的指标影响排序结果。
S5、获取目标医院中各手术类型对应的主治医生，并调取相应主治医生的关联手术记录，由此对手术类型进行医生操作排序，得到手术类型对应的医生操作排序结果。
S6、基于手术类型对应的历史参考排序结果、指标影响排序结果和医生操作排序结果决策优选手术类型，并进行输出显示。
结合上述的所有技术方案，本发明所具备的积极效果为：1、本发明基于大数据和AI技术建立手术类型智能决策系统，通过向系统输入目标患者的病例单和术前脊柱影像，将其结合历史脊柱病变患者库提供的历史患者数据，由此进行手术类型自动化决策，在这过程中由于大大减少了医生的介入，一方面使得手术类型决策效率和客观性在一定程度上得到提升，另一方面有效避免出现手术类型最优解存在争议现象，不仅减少了医生的工作量，还实现了目标患者脊柱外科手术类型的果断准确决策，体现了脊柱外科手术类型的智能化、透明化决策，具有较高的实用性价值。
2、本发明在利用手术类型智能决策系统进行目标患者脊柱外科手术类型决策时不仅考虑到脊柱影像中显现的脊柱病变，还考虑到了手术类型对身体指标的影响和医生的历史关联手术治疗效果，由此从历史参考、指标影响和医生操作三个方面综合进行手术类型决策，实现了手术类型的多维度全方面智能化决策，使得决策结果更加准确、合理，最大限度提高决策结果与目标患者的适配度，有利于保障手术治疗效果。
附图说明
利用附图对本发明作进一步说明，但附图中的实施例不构成对本发明的任何限制，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可以根据以下附图获得其它的附图。
图1为本发明的系统模块连接示意图。
图2为本发明的方法实施步骤流程图。
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。
实施例1：参见图1所示，本发明提供一种基于人工智能的脊柱外科手术方案决策判定系统，包括基本信息获取模块、脊柱特征提取模块、参考历史患者筛选模块、手术类型历史参考排序模块、手术类型指标影响排序模块、手术类型医生操作排序模块、云管理库和优选手术类型决策模块。
上述中基本信息获取模块和脊柱特征提取模块均与参考历史患者筛选模块连接，参考历史患者筛选模块与手术类型历史参考排序模块连接，手术类型历史参考排序模块、手术类型指标影响排序模块和手术类型医生操作排序模块均与优选手术类型决策模块连接，云管理库与手术类型指标影响排序模块连接。
所述基本信息获取模块用于调取目标患者的病例单，从中提取目标患者的基本信息，其中基本信息包括年龄、性别、脊柱患病时长和既往病症。
需要理解的是，既往病症是指曾经患有或者有过的疾病。
所述脊柱特征提取模块用于获取目标患者的术前脊柱图像，并从中提取脊柱特征，具体包括脊柱轮廓和脊柱病变特征，其中脊柱病变特征包括脊柱侧弯角度、椎体旋转角度和椎体垂直高度差。
所述参考历史患者筛选模块用于从历史脊柱病变患者库中提取历史患者的基本信息和术前脊柱图像，并结合目标患者的基本信息和脊柱特征从历史患者中筛选出参考历史患者，具体筛选过程如下：将各历史患者按照初始患病时间由先到后的顺序进行编号，其中各历史患者的初始患病时间可以从病例单中获取。
将各历史患者的基本信息分别与目标患者的基本信息进行对比，计算各历史患者对应的信息相似度，具体计算公式为,式中/>表示为历史患者的编号，/>，/>、/>分别表示为第/>历史患者的性别一致度、既往病症一致度，/>、/>分别表示为第/>历史患者的年龄、脊柱患病时长，/>、/>分别表示为目标患者的年龄、脊柱患病时长，其中历史患者的性别一致度越大，既往病症一致度越大，年龄越接近目标患者的年龄，脊柱患病时长越接近目标患者的脊柱患病时长，历史患者对应的信息相似度越大。
特别地，和/>的计算过程如下：将各历史患者的性别与目标患者的性别进行对比，通过公式/>，得到/>。
将各历史患者的既往病症与目标患者的既往病症进行对比，通过公式，得到/>。
将各历史患者对应的信息相似度与设置的有效信息相似度对比，在本发明的示例下，有效信息相似度可以设置为0.8，从中筛选出大于或等于有效信息相似度的历史患者作为备选历史患者。
从备选历史患者的术前脊柱病变影像中提取脊柱特征，进而将各备选历史患者对应的脊柱轮廓与目标患者的脊柱轮廓进行重合对比，得到各备选历史患者的脊柱轮廓重合面积，并将其结合各备选历史患者的脊柱病变特征与目标患者的脊柱病变特征的对比结果通过表达式/>计算各备选历史患者的术前脊柱相似度/>，式中/>表示为备选历史患者的编号，/>，/>表示为目标患者的脊柱轮廓面积，/>、/>、/>分别表示为第/>备选历史患者的术前脊柱侧弯角度、术前椎体旋转角度、术前椎体垂直高度差，/>、/>、/>分别表示为目标患者的术前脊柱侧弯角度、术前椎体旋转角度、术前椎体垂直高度差。
将各备选历史患者的信息相似度和术前脊柱相似度导入表达式，计算出各备选历史患者的参考价值度/>，式中/>表示为自然常数。
将各备选历史患者的参考价值度与设定阈值进行对比，从中选取参考价值度大于设定阈值的备选历史患者，作为参考历史患者。
本发明在基于脊柱影像从历史患者中选取参考历史患者时不仅考虑到脊柱病变状态，还考虑到了脊柱轮廓代表的脊柱结构，使得参考历史患者的选取更加准确、合理、适配，能够为依据参考历史患者进行手术类型排序提供可靠的数据支撑。
所述手术类型历史参考排序模块，用于获取脊柱病变能够采用的手术类型，并从历史脊柱病变患者库中获取参考历史患者的手术类型和恢复状态指征，由此对手术类型进行历史参考排序，得到手术类型对应的历史参考排序结果。
示例性地，手术类型包括但不限于融合手术、椎弓根融合、椎体置换、椎间盘切除等。
应用于上述实施例，所述恢复状态指征包括恢复时长和恢复度，其中恢复度的获取过程如下：从参考历史患者的术前脊柱影像中提取病变区域，由此在参考历史患者恢复后的脊柱影像中标记病变区域，并提取恢复后的脊柱病变特征，将其与术前脊柱病变特征进行对比，通过表达式，得到各参考历史患者的恢复度/>，/>、/>、/>分别表示为第/>参考历史患者的术前脊柱侧弯角度、术前椎体旋转角度、术前椎体垂直高度差，/>表示为参考历史患者的编号，/>，/>、/>、/>分别表示为第/>参考历史患者恢复后的脊柱侧弯角度、术前椎体旋转角度、术前椎体垂直高度差，/>。
在上述恢复度计算公式中，由于术前脊柱侧弯角度、术前椎体旋转角度、术前椎体垂直高度差要比恢复后脊柱侧弯角度、恢复后椎体旋转角度、恢复后椎体垂直高度差要大，因而通过对比术前脊柱病变特征与恢复后脊柱病变特征之间的差距，即可量化得到恢复度。
进一步地，对手术类型进行历史参考排序参见下述过程：将参考历史患者的手术类型进行对比，进而将相同手术类型对应的参考历史患者进行归类，得到各手术类型对应的若干参考历史患者。
将各手术类型对应各参考历史患者的恢复状态指征导入公式，得到各手术类型对应各参考历史患者的恢复效果系数，式中总恢复时长为各手术类型对应各参考历史患者的恢复时长累加和，其中恢复时长越长，恢复度越大，恢复效果系数越大。
将各手术类型对应各参考历史患者的恢复效果系数进行均值计算，得到各手术类型对应的参考历史患者平均恢复效果系数。
将各手术类型按照参考历史患者平均恢复效果系数由大到小的顺序进行排列，得到手术类型对应的历史参考排序结果。
本发明基于大数据和AI技术建立手术类型智能决策系统，通过向系统输入目标患者的病例单和术前脊柱影像，将其结合历史脊柱病变患者库提供的历史患者数据，由此进行手术类型自动化决策，在这过程中由于大大减少了医生的介入，一方面使得手术类型决策效率和客观性在一定程度上得到提升，另一方面有效避免出现手术类型最优解存在争议现象，不仅减少了医生的工作量，还实现了目标患者脊柱外科手术类型的果断准确决策，体现了脊柱外科手术类型的智能化、透明化决策，具有较高的实用性价值。
所述手术类型指标影响排序模块用于获取各手术类型影响的身体指标，作为作用指标，并从目标患者的病例单中提取目标患者在各手术类型对应作用指标的术前值，由此对手术类型进行指标影响排序，得到手术类型对应的指标影响排序结果，具体排序过程如下：基于目标患者的性别和年龄从云管理库中获取目标患者在各手术类型对应作用指标的正常值，具体地将目标患者的性别和年龄与云管理库中存储的各性别对应各年龄段人群中各手术类型对应作用指标的正常值进行匹配，从中获取目标患者所处年龄段，进而提取该年龄段人群中各手术类型对应作用指标的正常值作为目标患者在各手术类型对应作用指标的正常值。
需要知道的是，不同手术进行中或多或少地会对其他身体指标可以产生影响，这可能涉及生理、代谢和免疫等多个方面，例如心率、血压、血糖等。
将目标患者在各手术类型对应作用指标的术前值与目标患者在各手术类型对应作用指标的正常值进行对比，计算目标患者在各手术类型下的身体适配度，具体计算公式为/>，式中/>表示为手术类型编号，，/>表示为目标患者在第/>手术类型对应第/>作用指标的术前值，/>表示为作用指标编号，/>，/>表示为手术类型对应的的作用指标数量，/>表示为目标患者在第/>手术类型对应第/>作用指标的正常值，其中目标患者在某手术类型对应作用指标的术前值与正常值越接近，目标患者在该手术类型下的身体适配度越大。
将各手术类型按照目标患者在各手术类型下的身体适配度由大到小的顺序进行排列，得到手术类型对应的指标影响排序结果。
所述手术类型医生操作排序模块用于获取目标医院中各手术类型对应的主治医生，并调取相应主治医生的关联手术记录，其中关联手术记录是指脊柱手术记录，由此对手术类型进行医生操作排序，得到手术类型对应的医生操作排序结果，具体排序过程如下：从各手术类型对应主治医生的关联手术记录中提取救治结果参数，具体包括手术持续时长、出血量和并发症数量，并将其导入评估公式,计算出各手术类型对应主治医生的救治效果系数/>，式中/>表示为手术类型对应的的主治医生编号，/>，/>、、/>分别表示为第/>手术类型对应第/>主治医生的关联手术记录中手术持续时长、出血量、并发症数量，/>表示为预设常量，且/>，示例性地，/>，其中手术持续时长越长，出血量越大，并发症数量越多，救治效果系数越小，表明救治效果越不佳。
从各手术类型对应主治医生的救治效果系数中选取最大救治效果系数作为各手术类型对应的优异救治效果系数。
将各手术类型按照优异救治效果系数由大到小的顺序进行排列，得到手术类型对应的医生操作排序结果。
所述云管理库用于存储各性别对应各年龄段人群中各手术类型对应作用指标的正常值。
所述优选手术类型决策模块用于基于手术类型对应的历史参考排序结果、指标影响排序结果和医生操作排序结果进行优选手术类型决策，并进行输出显示。
优选地，优选手术类型决策过程如下：分别从排序结果中提取各手术类型对应的历史参考排序号、指标影响排序号/>、医生操作排序号/>。
将、/>和/>导入/>计算出各手术类型对应的实施价值度/>，其中某手术类型对应的历史参考排序号、指标影响排序号、医生操作排序号越小，该手术类型对应的实施价值度越大，/>、/>、/>分别表示为预配的历史参考、指标影响、医生操作对应的权衡因子，/>，具体地，/>，/>，。
将各手术类型对应的实施价值度进行对比，从中选取最高实施价值度对应的各手术类型作为优选手术类型。
本发明在利用手术类型智能决策系统进行目标患者脊柱外科手术类型决策时不仅考虑到脊柱影像中显现的脊柱病变，还考虑到了手术类型对身体指标的影响和医生的历史关联手术治疗效果，由此从历史参考、指标影响和医生操作三个方面综合进行手术类型决策，实现了手术类型的多维度全方面智能化决策，使得决策结果更加准确、合理，最大限度提高决策结果与目标患者的适配度，有利于保障手术治疗效果。
实施例2：参照图2所示，本发明提出一种基于人工智能的脊柱外科手术方案决策判定方法，包括以下步骤：S1、调取目标患者的病例单，从中提取目标患者的基本信息，并获取目标患者的术前脊柱影像，从中提取脊柱特征，具体包括脊柱轮廓和脊柱病变特征。
S2、从历史脊柱病变患者库中提取历史患者的基本信息和术前脊柱影像，并结合目标患者的基本信息和脊柱特征从历史患者中筛选出参考历史患者。
S3、获取脊柱病变能够采用的手术类型，并从历史脊柱病变患者库中获取参考历史患者的手术类型和恢复状态指征，由此对手术类型进行历史参考排序，得到手术类型对应的历史参考排序结果。
S4、获取各手术类型影响的身体指标，作为作用指标，并从目标患者的病例单中提取目标患者在各手术类型对应作用指标的术前值，由此对手术类型进行指标影响排序，得到手术类型对应的指标影响排序结果。
S5、获取目标医院中各手术类型对应的主治医生，并调取相应主治医生的关联手术记录，由此对手术类型进行医生操作排序，得到手术类型对应的医生操作排序结果。
S6、基于手术类型对应的历史参考排序结果、指标影响排序结果和医生操作排序结果决策优选手术类型，并进行输出显示。
以上内容仅仅是对本发明结构所作的举例和说明，所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，只要不偏离发明的结构或者超越本发明所定义的范围，均应属于本发明的保护范围。
Claims (8)
1.基于人工智能的脊柱外科手术方案决策判定系统，其特征在于，包括以下模块：
基本信息获取模块，用于调取目标患者的病例单，从中提取目标患者的基本信息；
脊柱特征提取模块，用于获取目标患者的术前脊柱影像，并从中提取脊柱特征，具体包括脊柱轮廓和脊柱病变特征；
参考历史患者筛选模块，用于从历史脊柱病变患者库中提取历史患者的基本信息和术前脊柱影像，并结合目标患者的基本信息和脊柱特征从历史患者中筛选出参考历史患者；
手术类型历史参考排序模块，用于获取脊柱病变能够采用的手术类型，并从历史脊柱病变患者库中获取参考历史患者的手术类型和恢复状态指征，由此对手术类型进行历史参考排序，得到手术类型对应的历史参考排序结果；
手术类型指标影响排序模块，用于获取各手术类型影响的身体指标，作为作用指标，并从目标患者的病例单中提取目标患者在各手术类型对应作用指标的术前值，由此对手术类型进行指标影响排序，得到手术类型对应的指标影响排序结果；
手术类型医生操作排序模块，用于获取目标医院中各手术类型对应的主治医生，并调取相应主治医生的关联手术记录，由此对手术类型进行医生操作排序，得到手术类型对应的医生操作排序结果；
云管理库，用于存储各性别对应各年龄段人群中各手术类型对应作用指标的正常值；
优选手术类型决策模块，用于基于手术类型对应的历史参考排序结果、指标影响排序结果和医生操作排序结果进行优选手术类型决策，并进行输出显示；
所述从历史患者中筛选出参考历史患者参见如下过程：
将各历史患者按照初始患病时间由先到后的顺序进行编号；
将各历史患者的基本信息分别与目标患者的基本信息进行对比，计算各历史患者对应的信息相似度，具体计算公式为,式中/>表示历史患者的编号，/>，/>、/>分别表示第/>历史患者的性别一致度、既往病症一致度，/>、/>分别表示第/>历史患者的年龄、脊柱患病时长，/>、/>分别表示目标患者的年龄、脊柱患病时长；
将各历史患者对应的信息相似度与设置的有效信息相似度对比，从中筛选出大于或等于有效信息相似度的历史患者作为备选历史患者；
从备选历史患者的术前脊柱病变影像中提取脊柱特征，进而将各备选历史患者对应的脊柱轮廓与目标患者的脊柱轮廓进行重合对比，得到各备选历史患者的脊柱轮廓重合面积，并将其结合各备选历史患者的脊柱病变特征与目标患者的脊柱病变特征的对比结果通过表达式/>计算各备选历史患者的术前脊柱相似度/>，式中/>表示备选历史患者的编号，/>，/>表示目标患者的脊柱轮廓面积，/>、/>、/>分别表示第/>备选历史患者的术前脊柱侧弯角度、术前椎体旋转角度、术前椎体垂直高度差，/>、/>、/>分别表示目标患者的术前脊柱侧弯角度、术前椎体旋转角度、术前椎体垂直高度差；
将各备选历史患者的信息相似度和术前脊柱相似度导入表达式，计算出各备选历史患者的参考价值度/>，式中表示自然常数；
将各备选历史患者的参考价值度与设定阈值进行对比，从中选取参考价值度大于设定阈值的备选历史患者，作为参考历史患者；
所述和/>计算过程如下：
将各历史患者的性别与目标患者的性别进行对比，通过公式，得到/>；
将各历史患者的既往病症与目标患者的既往病症进行对比，通过公式，得到/>。
2.如权利要求1所述的基于人工智能的脊柱外科手术方案决策判定系统，其特征在于：所述基本信息包括年龄、性别、脊柱患病时长和既往病症，脊柱病变特征包括脊柱侧弯角度、椎体旋转角度和椎体垂直高度差。
3.如权利要求2所述的基于人工智能的脊柱外科手术方案决策判定系统，其特征在于：所述恢复状态指征包括恢复时长和恢复度，其中恢复度的获取过程如下：
从参考历史患者的术前脊柱影像中提取病变区域，由此在参考历史患者恢复后的脊柱影像中标记病变区域，并提取恢复后的脊柱病变特征，将其与术前脊柱病变特征进行对比，通过表达式，得到各参考历史患者的恢复度/>，/>、/>、/>分别表示第/>参考历史患者的术前脊柱侧弯角度、术前椎体旋转角度、术前椎体垂直高度差，/>表示参考历史患者的编号，/>，/>、/>、/>分别表示第/>参考历史患者恢复后的脊柱侧弯角度、术前椎体旋转角度、术前椎体垂直高度差，/>。
4.如权利要求3所述的基于人工智能的脊柱外科手术方案决策判定系统，其特征在于：所述对手术类型进行历史参考排序参见下述过程：
将参考历史患者的手术类型进行对比，进而将相同手术类型对应的参考历史患者进行归类，得到各手术类型对应的若干参考历史患者；
将各手术类型对应各参考历史患者的恢复状态指征导入公式，得到各手术类型对应各参考历史患者的恢复效果系数，式中总恢复时长为各手术类型对应各参考历史患者的恢复时长累加和；
将各手术类型对应各参考历史患者的恢复效果系数进行均值计算，得到各手术类型对应的参考历史患者平均恢复效果系数；
将各手术类型按照参考历史患者平均恢复效果系数由大到小的顺序进行排列，得到手术类型对应的历史参考排序结果。
5.如权利要求4所述的基于人工智能的脊柱外科手术方案决策判定系统，其特征在于：所述对手术类型进行指标影响排序参见下述过程：
基于目标患者的性别和年龄从云管理库中获取目标患者在各手术类型对应作用指标的正常值；
将目标患者在各手术类型对应作用指标的术前值与目标患者在各手术类型对应作用指标的正常值进行对比，计算目标患者在各手术类型下的身体适配度，具体计算公式为，式中/>表示手术类型编号，/>，/>表示目标患者在第/>手术类型对应第/>作用指标的术前值，/>表示作用指标编号，，/>表示手术类型对应的的作用指标数量，/>表示目标患者在第/>手术类型对应第/>用指标的正常值；
将各手术类型按照目标患者在各手术类型下的身体适配度由大到小的顺序进行排列，得到手术类型对应的指标影响排序结果。
6.如权利要求5所述的基于人工智能的脊柱外科手术方案决策判定系统，其特征在于：所述对手术类型进行医生操作排序参见下述过程：
从各手术类型对应主治医生的关联手术记录中提取救治结果参数，具体包括手术持续时长、出血量和并发症数量，并将其导入评估公式,计算出各手术类型对应主治医生的救治效果系数/>，式中/>表示手术类型对应的的主治医生编号，/>，、/>、/>分别表示第/>手术类型对应第/>主治医生的关联手术记录中手术持续时长、出血量、并发症数量，/>表示预设常量，且/>；
从各手术类型对应主治医生的救治效果系数中选取最大救治效果系数作为各手术类型对应的优异救治效果系数；
将各手术类型按照优异救治效果系数由大到小的顺序进行排列，得到手术类型对应的医生操作排序结果。
7.如权利要求6所述的基于人工智能的脊柱外科手术方案决策判定系统，其特征在于：所述优选手术类型决策过程如下：
分别从排序结果中提取各手术类型对应的历史参考排序号、指标影响排序号、医生操作排序号/>；
将、/>和/>导入/>计算出各手术类型对应的实施价值度/>，/>、/>、/>分别表示预配的历史参考、指标影响、医生操作对应的权衡因子，/>；
将各手术类型对应的实施价值度进行对比，从中选取最高实施价值度对应的各手术类型作为优选手术类型。
8.基于人工智能的脊柱外科手术方案决策判定方法，其特征在于，包括以下步骤：
S1、调取目标患者的病例单，从中提取目标患者的基本信息，并获取目标患者的术前脊柱影像，从中提取脊柱特征，具体包括脊柱轮廓和脊柱病变特征；
S2、从历史脊柱病变患者库中提取历史患者的基本信息和术前脊柱影像，并结合目标患者的基本信息和脊柱特征从历史患者中筛选出参考历史患者；
所述从历史患者中筛选出参考历史患者参见如下过程：
将各历史患者按照初始患病时间由先到后的顺序进行编号；
将各历史患者的基本信息分别与目标患者的基本信息进行对比，计算各历史患者对应的信息相似度，具体计算公式为,式中/>表示历史患者的编号，/>，/>、/>分别表示第/>历史患者的性别一致度、既往病症一致度，/>、/>分别表示第/>历史患者的年龄、脊柱患病时长，/>、/>分别表示目标患者的年龄、脊柱患病时长；
将各历史患者对应的信息相似度与设置的有效信息相似度对比，从中筛选出大于或等于有效信息相似度的历史患者作为备选历史患者；
从备选历史患者的术前脊柱病变影像中提取脊柱特征，进而将各备选历史患者对应的脊柱轮廓与目标患者的脊柱轮廓进行重合对比，得到各备选历史患者的脊柱轮廓重合面积，并将其结合各备选历史患者的脊柱病变特征与目标患者的脊柱病变特征的对比结果通过表达式/>计算各备选历史患者的术前脊柱相似度/>，式中/>表示备选历史患者的编号，/>，/>表示目标患者的脊柱轮廓面积，/>、/>、/>分别表示第/>备选历史患者的术前脊柱侧弯角度、术前椎体旋转角度、术前椎体垂直高度差，/>、/>、/>分别表示目标患者的术前脊柱侧弯角度、术前椎体旋转角度、术前椎体垂直高度差；
将各备选历史患者的信息相似度和术前脊柱相似度导入表达式，计算出各备选历史患者的参考价值度/>，式中表示自然常数；
将各备选历史患者的参考价值度与设定阈值进行对比，从中选取参考价值度大于设定阈值的备选历史患者，作为参考历史患者；
所述和/>的计算过程如下：
将各历史患者的性别与目标患者的性别进行对比，通过公式，得到/>；
将各历史患者的既往病症与目标患者的既往病症进行对比，通过，得到/>；
S3、获取脊柱病变能够采用的手术类型，并从历史脊柱病变患者库中获取参考历史患者的手术类型和恢复状态指征，由此对手术类型进行历史参考排序，得到手术类型对应的历史参考排序结果；
S4、获取各手术类型影响的身体指标，作为作用指标，并从目标患者的病例单中提取目标患者在各手术类型对应作用指标的术前值，由此对手术类型进行指标影响排序，得到手术类型对应的指标影响排序结果；
S5、获取目标医院中各手术类型对应的主治医生，并调取相应主治医生的关联手术记录，由此对手术类型进行医生操作排序，得到手术类型对应的医生操作排序结果；
S6、基于手术类型对应的历史参考排序结果、指标影响排序结果和医生操作排序结果决策优选手术类型，并进行输出显示。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410017083.9A CN117524465B (zh) | 2024-01-05 | 2024-01-05 | 基于人工智能的脊柱外科手术方案决策判定系统及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410017083.9A CN117524465B (zh) | 2024-01-05 | 2024-01-05 | 基于人工智能的脊柱外科手术方案决策判定系统及方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117524465A CN117524465A (zh) | 2024-02-06 |
| CN117524465B true CN117524465B (zh) | 2024-03-08 |
Family
ID=89757070
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410017083.9A Active CN117524465B (zh) | 2024-01-05 | 2024-01-05 | 基于人工智能的脊柱外科手术方案决策判定系统及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117524465B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117747092A (zh) * | 2024-02-20 | 2024-03-22 | 天津医科大学总医院 | 基于数据分析的骨科影像辅助检测系统及方法 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109979590A (zh) * | 2019-03-04 | 2019-07-05 | 北京大学人民医院(北京大学第二临床医学院) | 膝关节周围骨折临床智能决策支持系统 |
| CN110289095A (zh) * | 2019-06-28 | 2019-09-27 | 青岛百洋智能科技股份有限公司 | 一种股骨颈骨折临床智能辅助决策方法及系统 |
| CN110573106A (zh) * | 2017-01-12 | 2019-12-13 | 马佐尔机器人有限公司 | 使用人工智能的基于图像的病理预测 |
| WO2020037454A1 (zh) * | 2018-08-20 | 2020-02-27 | 深圳市全息医疗科技有限公司 | 智能辅助诊疗系统及方法 |
| US10902944B1 (en) * | 2020-01-06 | 2021-01-26 | Carlsmed, Inc. | Patient-specific medical procedures and devices, and associated systems and methods |
| CN113749769A (zh) * | 2020-06-03 | 2021-12-07 | 格罗伯斯医疗有限公司 | 外科手术引导系统 |
| CN115346660A (zh) * | 2022-08-17 | 2022-11-15 | 广东工业大学 | 基于马尔可夫毯模型的脊柱疾病辅助诊断方法 |
| CN116747017A (zh) * | 2023-06-26 | 2023-09-15 | 上海微创医疗机器人（集团）股份有限公司 | 脑出血手术规划系统及方法 |
| CN117012356A (zh) * | 2023-10-07 | 2023-11-07 | 四川省医学科学院·四川省人民医院 | 一种基于运筹学的手术分配方法和系统 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20130132029A1 (en) * | 2011-11-21 | 2013-05-23 | Pulsar Informatics, Inc. | Systems and methods for applying data mapping techniques to assessment and diagnostic test results |
| WO2022192222A1 (en) * | 2021-03-08 | 2022-09-15 | Agada Medical Ltd. | Planning spinal surgery using patient-specific biomechanical parameters |
-
2024
- 2024-01-05 CN CN202410017083.9A patent/CN117524465B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110573106A (zh) * | 2017-01-12 | 2019-12-13 | 马佐尔机器人有限公司 | 使用人工智能的基于图像的病理预测 |
| WO2020037454A1 (zh) * | 2018-08-20 | 2020-02-27 | 深圳市全息医疗科技有限公司 | 智能辅助诊疗系统及方法 |
| CN109979590A (zh) * | 2019-03-04 | 2019-07-05 | 北京大学人民医院(北京大学第二临床医学院) | 膝关节周围骨折临床智能决策支持系统 |
| CN110289095A (zh) * | 2019-06-28 | 2019-09-27 | 青岛百洋智能科技股份有限公司 | 一种股骨颈骨折临床智能辅助决策方法及系统 |
| US10902944B1 (en) * | 2020-01-06 | 2021-01-26 | Carlsmed, Inc. | Patient-specific medical procedures and devices, and associated systems and methods |
| CN113749769A (zh) * | 2020-06-03 | 2021-12-07 | 格罗伯斯医疗有限公司 | 外科手术引导系统 |
| CN115346660A (zh) * | 2022-08-17 | 2022-11-15 | 广东工业大学 | 基于马尔可夫毯模型的脊柱疾病辅助诊断方法 |
| CN116747017A (zh) * | 2023-06-26 | 2023-09-15 | 上海微创医疗机器人（集团）股份有限公司 | 脑出血手术规划系统及方法 |
| CN117012356A (zh) * | 2023-10-07 | 2023-11-07 | 四川省医学科学院·四川省人民医院 | 一种基于运筹学的手术分配方法和系统 |
Non-Patent Citations (6)
| Title |
|---|
| Cui Haowen等.Correlation study of radiographic characteristics and operative difficulty in lateral-anterior lumbar interbody fusion (LaLIF) at the L4-5 level.European Spine Journal.2020,30(1),97-107. * |
| Cui Haowen等.Painful intervertebral disc degeneration and inflammation:from laboratory evidence to clinical interventions.Bone Research.2021,9(01),1-14. * |
| Yanqiu Chen 等.Surgical navigation system design for MISS.2009 4th International Conference on Computer Science & Education.2009,1170-1173. * |
| 丁凡.颈椎前路Hybrid手术治疗多节段颈椎病的临床研究.中国博士学位论文全文数据库医药卫生科技辑.2017,(02),E066-207. * |
| 刘安邦.考虑手术不相容的双目标手术室调度问题研究.中国优秀硕士学位论文全文数据库医药卫生科技辑.2020,(01),E053-253. * |
| 秦祖恩 等.老年股骨转子间骨折手术方法选择.职业卫生与病伤.2008,(02),77-79. * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117524465A (zh) | 2024-02-06 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN117524465B (zh) | 基于人工智能的脊柱外科手术方案决策判定系统及方法 | |
| Rajini et al. | Computer aided detection of ischemic stroke using segmentation and texture features | |
| EP3769315A1 (en) | Surgical video retrieval based on preoperative images | |
| JP2022523741A (ja) | 描写および分類のための心電図処理システム | |
| CN112734757B (zh) | 一种脊柱X光图像cobb角测量方法 | |
| CN108648827A (zh) | 心脑血管疾病风险预测方法及装置 | |
| CN115131642B (zh) | 一种基于多视子空间聚类的多模态医学数据融合系统 | |
| CN116386795A (zh) | 一种产科康复数据管理方法及系统 | |
| CN114947756B (zh) | 基于皮肤图像的特应性皮炎严重程度的智能评估决策系统 | |
| CN111048210A (zh) | 基于眼底图像评估疾病风险的方法及设备 | |
| CN114266729A (zh) | 一种基于机器学习的胸部肿瘤放疗后放射性肺炎预测方法和系统 | |
| CN114283947A (zh) | 一种适用于手术患者的健康管理方法及系统 | |
| CN116012568A (zh) | 一种通过拍照心电图获取心电节律信息的系统 | |
| CN111261283B (zh) | 基于金字塔型卷积层的心电信号深度神经网络建模方法 | |
| CN111951219A (zh) | 基于眼眶ct图像的甲状腺眼病筛查方法、系统及设备 | |
| CN111613321A (zh) | 一种基于密集卷积神经网络的心电图卒中辅助诊断方法 | |
| CN116864104A (zh) | 基于人工智能的慢性血栓栓塞性肺动脉高压风险分级系统 | |
| CN116564458A (zh) | 一种基于电子病历的数据处理方法、系统、设备及介质 | |
| CN114926396A (zh) | 一种精神障碍类磁共振图像初步筛查模型构建方法 | |
| Memari et al. | Computer-assisted diagnosis (CAD) system for Diabetic Retinopathy screening using color fundus images using Deep learning | |
| CN113077893A (zh) | 一种智能辅具适配决策系统及方法 | |
| CN112364924A (zh) | 一种基于深度学习的口腔医疗图像识别方法 | |
| CN111209945A (zh) | 基于ai的影像科医疗影像辅助识别方法及系统 | |
| CN115482914B (zh) | 一种医疗影像数据处理方法，设备及存储介质 | |
| CN108172265A (zh) | 临床诊断术语集更新方法及其系统 |
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 |