CN117809850B - 基于ai的心血管慢病数据管理方法、系统和介质 - Google Patents
基于ai的心血管慢病数据管理方法、系统和介质 Download PDFInfo
- Publication number
- CN117809850B CN117809850B CN202410231910.4A CN202410231910A CN117809850B CN 117809850 B CN117809850 B CN 117809850B CN 202410231910 A CN202410231910 A CN 202410231910A CN 117809850 B CN117809850 B CN 117809850B
- Authority
- CN
- China
- Prior art keywords
- data
- user
- diagnosis
- cardiovascular
- basic information
- 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
- 230000002526 effect on cardiovascular system Effects 0.000 title claims abstract description 269
- 208000017667 Chronic Disease Diseases 0.000 title claims abstract description 212
- 238000000034 method Methods 0.000 title claims abstract description 46
- 238000013523 data management Methods 0.000 title claims abstract description 42
- 238000003745 diagnosis Methods 0.000 claims abstract description 255
- 238000000605 extraction Methods 0.000 claims abstract description 62
- 230000036541 health Effects 0.000 claims abstract description 55
- 230000036996 cardiovascular health Effects 0.000 claims abstract description 53
- 238000013058 risk prediction model Methods 0.000 claims abstract description 53
- 238000007726 management method Methods 0.000 claims abstract description 47
- 238000012549 training Methods 0.000 claims abstract description 39
- 238000012545 processing Methods 0.000 claims abstract description 29
- 201000010099 disease Diseases 0.000 claims description 31
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims description 31
- 230000001684 chronic effect Effects 0.000 claims description 26
- 238000011156 evaluation Methods 0.000 claims description 22
- 208000024891 symptom Diseases 0.000 claims description 17
- 230000000694 effects Effects 0.000 claims description 12
- 238000010276 construction Methods 0.000 claims description 10
- 238000012795 verification Methods 0.000 claims description 10
- 238000013210 evaluation model Methods 0.000 claims description 8
- 238000007689 inspection Methods 0.000 claims description 5
- 230000004931 aggregating effect Effects 0.000 claims 1
- 238000013506 data mapping Methods 0.000 description 3
- 238000013145 classification model Methods 0.000 description 2
- 208000019622 heart disease Diseases 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 210000002249 digestive system Anatomy 0.000 description 1
- 208000010643 digestive system disease Diseases 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Measuring And Recording Apparatus For Diagnosis (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本申请提供了基于AI的心血管慢病数据管理方法、系统和介质。该方法包括：获取患者基本信息数据及其在不同层级、不同地域医院的诊疗记录数据，并存储至健康风险管理系统数据库中，将心血管慢病用户的基本信息数据输入健康风险管理系统数据库中进行匹配识别，选取符合预设匹配识别要求的诊疗记录数据作为用户诊疗记录数据并索引到查询结果展示页面进行展示，并根据心血管慢病诊疗记录数据的特征提取结果进行模型训练，获得心血管健康风险预测模型，将用户基本信息数据和用户当前诊疗数据的特征提取结果输入不同类别的心血管健康风险预测模型分别进行处理，获得用户心血管慢病风险预测数据索引到查询结果展示页面进行展示。
Description
技术领域
本申请涉及医疗保健信息技术领域，具体而言，涉及基于AI的心血管慢病数据管理方法、系统和介质。
背景技术
随着慢病共病患者越来越多，患者在专科就诊时，往往只携带专科资料，而未能提供整体诊疗情况，如心脏病合并消化系统疾病，在心内科门诊就诊时仅携带心脏检查资料，而未携带消化系统检查资料，而且医生工作量大，门诊患者多，每个患者的就诊时间有限，患者如不能快速准备齐全就诊资料，可能会影响患者本次就诊质量，因此目前尚缺乏一种可以快速获取患者在不同层级不同地域医院的历史就诊记录并根据历史就诊记录对患者进行心血管慢病健康风险预测的技术。
针对上述问题，目前亟待有效的技术解决方案。
发明内容
本申请的目的在于提供基于AI的心血管慢病数据管理方法、系统和介质，首先获取患者基本信息数据及其在不同层级、不同地域医院的诊疗记录数据，并存储至健康风险管理系统数据库中，再将心血管慢病用户的基本信息数据输入健康风险管理系统数据库中进行匹配识别，选取符合预设匹配识别要求的诊疗记录数据作为用户诊疗记录数据并索引到查询结果展示页面进行展示，并根据心血管慢病诊疗记录数据的特征提取结果进行模型训练，获得心血管健康风险预测模型，将用户基本信息数据和用户当前诊疗数据的特征提取结果输入不同类别的心血管健康风险预测模型分别进行处理，获得用户心血管慢病风险预测数据索引到查询结果展示页面进行展示。本申请可实现患者就诊时快速获取患者在不同层级不同地域医院的历史就诊记录并根据历史就诊记录生成的健康风险预测模型对患者进行心血管慢病健康风险预测的目的。
本申请还提供了基于AI的心血管慢病数据管理方法，包括以下步骤：
获取患者基本信息数据及其在不同层级、不同地域医院的诊疗记录数据，并存储至健康风险管理系统数据库中；
将所有患者基本信息数据集合生成患者基本信息数据簇，并对所述诊疗记录数据进行分类生成不同类别的诊疗记录数据簇；
获取心血管慢病用户的用户基本信息数据和用户当前诊疗数据，将用户基本信息数据输入所述健康风险管理系统数据库中进行匹配识别，选取符合预设匹配识别要求的所述患者基本信息数据映射的所述诊疗记录数据作为用户诊疗记录数据；
将所述用户诊疗记录数据索引到查询结果展示页面进行展示；
从不同类别的所述诊疗记录数据簇中提取心血管慢病诊疗记录数据簇，并根据心血管慢病诊疗记录数据的特征提取结果进行模型训练，获得心血管健康风险预测模型；
将所述用户基本信息数据和用户当前诊疗数据进行特征提取，将特征提取结果输入不同类别的所述心血管健康风险预测模型分别进行处理，获得用户心血管慢病风险预测数据，并索引至查询结果展示页面进行展示。
可选地，在本申请所述的基于AI的心血管慢病数据管理方法中，所述将所有患者基本信息数据集合生成患者基本信息数据簇，并对所述诊疗记录数据进行分类生成不同类别的诊疗记录数据簇，包括：
对所述诊疗记录数据按照预设疾病种类进行分类，获得不同类别的诊疗记录数据簇；
在所述患者基本信息数据及其所述诊疗记录数据之间创建数据映射。
可选地，在本申请所述的基于AI的心血管慢病数据管理方法中，所述获取心血管慢病用户的用户基本信息数据和用户当前诊疗数据，将用户基本信息数据输入所述健康风险管理系统数据库中进行匹配识别，选取符合预设匹配识别要求的所述患者基本信息数据映射的所述诊疗记录数据作为用户诊疗记录数据，包括：
获取心血管慢病用户的用户基本信息数据和用户当前诊疗数据，用户当前诊疗数据包括用户当前症状数据和用户当前检查结果数据；
所述心血管慢病用户向所述健康风险管理系统数据库发送查询申请，健康风险管理系统数据库接收查询申请后对用户进行身份验证；
若身份验证通过，则所述健康风险管理系统数据库将所述用户基本信息数据输入所述患者基本信息数据簇中进行匹配识别；
将符合预设匹配识别要求的患者基本信息数据作为目标基本信息数据，并将目标基本信息数据映射的所述诊疗记录数据作为用户诊疗记录数据。
可选地，在本申请所述的基于AI的心血管慢病数据管理方法中，所述将所述用户诊疗记录数据索引到查询结果展示页面进行展示，包括：
利用预设索引构建模型完成从所述健康风险管理系统数据库到查询结果展示页面的索引构建；
将所述用户诊疗记录数据索引到所述查询结果展示页面进行数据展示。
可选地，在本申请所述的基于AI的心血管慢病数据管理方法中，所述从不同类别的所述诊疗记录数据簇中提取心血管慢病诊疗记录数据簇，并根据心血管慢病诊疗记录数据的特征提取结果进行模型训练，获得心血管健康风险预测模型，包括：
从不同类别的所述诊疗记录数据簇当中提取心血管慢病诊疗记录数据簇，并根据心血管慢病诊疗记录数据提取心血管慢病症状数据、心血管慢病检查结果数据和心血管慢病类型数据；
从所述患者基本信息数据簇中提取心血管慢病患者基本信息数据簇；
根据所述心血管慢病类型数据对所述心血管慢病患者基本信息数据簇及其对应的所述心血管慢病诊疗记录数据簇进行数据划分，获得不同类别的心血管慢病患者基本信息数据簇及其对应的心血管慢病诊疗记录数据簇；
分别对不同类别的所述心血管慢病患者基本信息数据簇进行特征提取，获得不同类别的患者基本信息特征提取数据；
分别对不同类别的所述心血管慢病诊疗记录数据簇中所有心血管慢病症状数据和心血管慢病检查结果数据进行特征提取，生成不同类别的心血管慢病特征数据；
将所述患者基本信息特征提取数据及其对应的所述心血管慢病特征数据和心血管慢病类型数据集合生成心血管慢病训练集；
利用预设模型训练算法分别对不同类别的所述心血管慢病训练集进行模型训练，获得不同类别的心血管健康风险预测模型。
可选地，在本申请所述的基于AI的心血管慢病数据管理方法中，所述将所述用户基本信息数据和用户当前诊疗数据进行特征提取，将特征提取结果输入不同类别的所述心血管健康风险预测模型分别进行处理，获得用户心血管慢病风险预测数据，并索引至查询结果展示页面进行展示，包括：
对所述用户基本信息数据进行特征提取，获得用户基本信息特征提取数据；
对所述用户当前症状数据和用户当前检查结果数据进行特征提取，获得用户当前诊疗特征数据；
将所述用户基本信息特征提取数据以及所述用户当前诊疗特征数据输入不同类别的所述心血管健康风险预测模型中进行处理，获得用户心血管慢病风险预测数据；
将所述用户心血管慢病风险预测数据索引到所述查询结果展示页面进行数据展示。
可选地，在本申请所述的基于AI的心血管慢病数据管理方法中，还包括：
从所述用户诊疗记录数据中提取用户心血管慢病治疗方案数据；
利用预设疗效评价模型对所述用户心血管慢病风险预测数据以及所述用户心血管慢病治疗方案数据进行处理，获得疗效评价指数；
将所述疗效评价指数与预设疗效评价指数阈值进行阈值对比，获得阈值对比结果；
若所述阈值对比结果符合预设阈值对比结果要求，则对所述心血管慢病用户进行治疗有效提醒，否则，进行疗效不佳提醒。
第二方面，本申请提供了基于AI的心血管慢病数据管理系统，该系统包括：存储器及处理器，所述存储器中包括基于AI的心血管慢病数据管理方法的程序，所述基于AI的心血管慢病数据管理方法的程序被所述处理器执行时实现以下步骤：
获取患者基本信息数据及其在不同层级、不同地域医院的诊疗记录数据，并存储至健康风险管理系统数据库中；
将所有患者基本信息数据集合生成患者基本信息数据簇，并对所述诊疗记录数据进行分类生成不同类别的诊疗记录数据簇；
获取心血管慢病用户的用户基本信息数据和用户当前诊疗数据，将用户基本信息数据输入所述健康风险管理系统数据库中进行匹配识别，选取符合预设匹配识别要求的所述患者基本信息数据映射的所述诊疗记录数据作为用户诊疗记录数据；
将所述用户诊疗记录数据索引到查询结果展示页面进行展示；
从不同类别的所述诊疗记录数据簇中提取心血管慢病诊疗记录数据簇，并根据心血管慢病诊疗记录数据的特征提取结果进行模型训练，获得心血管健康风险预测模型；
将所述用户基本信息数据和用户当前诊疗数据进行特征提取，将特征提取结果输入不同类别的所述心血管健康风险预测模型分别进行处理，获得用户心血管慢病风险预测数据，并索引至查询结果展示页面进行展示。
可选地，在本申请所述的基于AI的心血管慢病数据管理系统中，还包括：
从所述用户诊疗记录数据中提取用户心血管慢病治疗方案数据；
利用预设疗效评价模型对所述用户心血管慢病风险预测数据以及所述用户心血管慢病治疗方案数据进行处理，获得疗效评价指数；
将所述疗效评价指数与预设疗效评价指数阈值进行阈值对比，获得阈值对比结果；
若所述阈值对比结果符合预设阈值对比结果要求，则对所述心血管慢病用户进行治疗有效提醒，否则，进行疗效不佳提醒。
第三方面，本申请还提供了一种计算机可读存储介质，所述计算机可读存储介质中包括基于AI的心血管慢病数据管理方法程序，所述基于AI的心血管慢病数据管理方法程序被处理器执行时，实现如上述任一项所述的基于AI的心血管慢病数据管理方法的步骤。
由上可知，本申请提供的基于AI的心血管慢病数据管理方法、系统和介质，首先获取患者基本信息数据及其在不同层级、不同地域医院的诊疗记录数据，并存储至健康风险管理系统数据库中，再将心血管慢病用户的基本信息数据输入健康风险管理系统数据库中进行匹配识别，选取符合预设匹配识别要求的诊疗记录数据作为用户诊疗记录数据并索引到查询结果展示页面进行展示，并根据心血管慢病诊疗记录数据的特征提取结果进行模型训练，获得心血管健康风险预测模型，将用户基本信息数据和用户当前诊疗数据的特征提取结果输入不同类别的心血管健康风险预测模型分别进行处理，获得用户心血管慢病风险预测数据索引到查询结果展示页面进行展示。本申请可实现患者就诊时快速获取患者在不同层级不同地域医院的历史就诊记录并根据历史就诊记录生成的健康风险预测模型对患者进行心血管慢病健康风险预测的目的。
本申请的其他特征和优点将在随后的说明书阐述，并且，部分地从说明书中变得显而易见，或者通过实施本申请实施例了解。本申请的目的和其他优点可通过在所写的说明书以及附图中所特别指出的结构来实现和获得。
附图说明
为了更清楚地说明本申请实施例的技术方案，下面将对本申请实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
图1为本申请实施例提供的基于AI的心血管慢病数据管理方法的流程图；
图2为本申请实施例提供的基于AI的心血管慢病数据管理方法的生成不同类别的诊疗记录数据簇的流程图；
图3为本申请实施例提供的基于AI的心血管慢病数据管理方法的获得用户诊疗记录数据的流程图；
图4为本申请实施例提供的基于AI的心血管慢病数据管理方法的获得心血管健康风险预测模型的流程图。
具体实施方式
下面将结合本申请实施例中附图，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。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。
应注意到，相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。同时，在本申请的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
请参照图1，图1是本申请一些实施例中的基于AI的心血管慢病数据管理方法的流程图。该基于AI的心血管慢病数据管理方法用于终端设备中，例如电脑、手机终端等。该基于AI的心血管慢病数据管理方法，包括以下步骤：
S11、获取患者基本信息数据及其在不同层级、不同地域医院的诊疗记录数据，并存储至健康风险管理系统数据库中；
S12、将所有患者基本信息数据集合生成患者基本信息数据簇，并对所述诊疗记录数据进行分类生成不同类别的诊疗记录数据簇；
S13、获取心血管慢病用户的用户基本信息数据和用户当前诊疗数据，将用户基本信息数据输入所述健康风险管理系统数据库中进行匹配识别，选取符合预设匹配识别要求的所述患者基本信息数据映射的所述诊疗记录数据作为用户诊疗记录数据；
S14、将所述用户诊疗记录数据索引到查询结果展示页面进行展示；
S15、从不同类别的所述诊疗记录数据簇中提取心血管慢病诊疗记录数据簇，并根据心血管慢病诊疗记录数据的特征提取结果进行模型训练，获得心血管健康风险预测模型；
S16、将所述用户基本信息数据和用户当前诊疗数据进行特征提取，将特征提取结果输入不同类别的所述心血管健康风险预测模型分别进行处理，获得用户心血管慢病风险预测数据，并索引至查询结果展示页面进行展示。
需要说明的是，将患者基本信息数据及其在不同层级、不同地域医院的诊疗记录数据，存储至健康风险管理系统数据库中，当心血管慢病用户需要查询时，将基本信息数据输入健康风险管理系统数据库中进行匹配识别，选取符合预设匹配识别要求的诊疗记录数据作为用户诊疗记录数据，并将用户基本信息数据和用户当前诊疗数据的特征提取结果输入不同类别的心血管健康风险预测模型分别进行处理，获得用户心血管慢病风险预测数据，将用户诊疗记录数据以及用户心血管慢病风险预测数据索引到查询结果展示页面，可实现患者就诊时快速获取患者在不同层级不同地域医院的历史就诊记录并根据历史就诊记录生成的健康风险预测模型对患者进行心血管慢病健康风险预测的目的。
请参照图2，图2是本申请一些实施例中的基于AI的心血管慢病数据管理方法的生成不同类别的诊疗记录数据簇的流程图。根据本发明实施例，所述将所有患者基本信息数据集合生成患者基本信息数据簇，并对所述诊疗记录数据进行分类生成不同类别的诊疗记录数据簇，包括：
S21、对所述诊疗记录数据按照预设疾病种类进行分类，获得不同类别的诊疗记录数据簇；
S22、在所述患者基本信息数据及其所述诊疗记录数据之间创建数据映射。
需要说明的是，对历史诊疗记录数据按照预设疾病种类进行分类，获得不同类别的诊疗记录数据簇，为了可以根据患者基本数据快速定位到患者的诊疗记录，需要在患者基本信息数据及其诊疗记录数据之间创建数据映射。
请参照图3，图3是本申请一些实施例中的基于AI的心血管慢病数据管理方法的获得用户诊疗记录数据的流程图。根据本发明实施例，所述获取心血管慢病用户的用户基本信息数据和用户当前诊疗数据，将用户基本信息数据输入所述健康风险管理系统数据库中进行匹配识别，选取符合预设匹配识别要求的所述患者基本信息数据映射的所述诊疗记录数据作为用户诊疗记录数据，包括：
S31、获取心血管慢病用户的用户基本信息数据和用户当前诊疗数据，用户当前诊疗数据包括用户当前症状数据和用户当前检查结果数据；
S32、所述心血管慢病用户向所述健康风险管理系统数据库发送查询申请，健康风险管理系统数据库接收查询申请后对用户进行身份验证；
S33、若身份验证通过，则所述健康风险管理系统数据库将所述用户基本信息数据输入所述患者基本信息数据簇中进行匹配识别；
S34、将符合预设匹配识别要求的患者基本信息数据作为目标基本信息数据，并将目标基本信息数据映射的所述诊疗记录数据作为用户诊疗记录数据。
需要说明的是，当心血管慢病用户去医院就诊时，通过查询历史诊疗记录数据可以获得用户所有疾病种类的就诊记录，无需再携带多种历史就诊的检查资料。
根据本发明实施例，所述将所述用户诊疗记录数据索引到查询结果展示页面进行展示，包括：
利用预设索引构建模型完成从所述健康风险管理系统数据库到查询结果展示页面的索引构建；
将所述用户诊疗记录数据索引到所述查询结果展示页面进行数据展示。
需要说明的是，通过构建数据索引将用户诊疗记录数据发送至查询结果展示页面进行数据展示。
请参照图4，图4是本申请一些实施例中的基于AI的心血管慢病数据管理方法的获得心血管健康风险预测模型的流程图。根据本发明实施例，所述从不同类别的所述诊疗记录数据簇中提取心血管慢病诊疗记录数据簇，并根据心血管慢病诊疗记录数据的特征提取结果进行模型训练，获得心血管健康风险预测模型，包括：
S41、从不同类别的所述诊疗记录数据簇当中提取心血管慢病诊疗记录数据簇，并根据心血管慢病诊疗记录数据提取心血管慢病症状数据、心血管慢病检查结果数据和心血管慢病类型数据；
S42、从所述患者基本信息数据簇中提取心血管慢病患者基本信息数据簇；
S43、根据所述心血管慢病类型数据对所述心血管慢病患者基本信息数据簇及其对应的所述心血管慢病诊疗记录数据簇进行数据划分，获得不同类别的心血管慢病患者基本信息数据簇及其对应的心血管慢病诊疗记录数据簇；
S44、分别对不同类别的所述心血管慢病患者基本信息数据簇进行特征提取，获得不同类别的患者基本信息特征提取数据；
S45、分别对不同类别的所述心血管慢病诊疗记录数据簇中所有心血管慢病症状数据和心血管慢病检查结果数据进行特征提取，生成不同类别的心血管慢病特征数据；
S46、将所述患者基本信息特征提取数据及其对应的所述心血管慢病特征数据和心血管慢病类型数据集合生成心血管慢病训练集；
S47、利用预设模型训练算法分别对不同类别的所述心血管慢病训练集进行模型训练，获得不同类别的心血管健康风险预测模型。
需要说明的是，为了对心血管慢病患者进行心血管健康风险的精准预测，根据心血管慢病类型对心血管慢病患者的历史心血管慢病诊疗记录和基本信息进行分类模型训练，获得不同类别的心血管健康风险预测模型。
根据本发明实施例，所述将所述用户基本信息数据和用户当前诊疗数据进行特征提取，将特征提取结果输入不同类别的所述心血管健康风险预测模型分别进行处理，获得用户心血管慢病风险预测数据，并索引至查询结果展示页面进行展示，包括：
对所述用户基本信息数据进行特征提取，获得用户基本信息特征提取数据；
对所述用户当前症状数据和用户当前检查结果数据进行特征提取，获得用户当前诊疗特征数据；
将所述用户基本信息特征提取数据以及所述用户当前诊疗特征数据输入不同类别的所述心血管健康风险预测模型中进行处理，获得用户心血管慢病风险预测数据；
将所述用户心血管慢病风险预测数据索引到所述查询结果展示页面进行数据展示。
需要说明的是，当出来检查结果后，将用户基本信息、当前的症状和检查结果输入心血管健康风险预测模型中，获得用户心血管慢病风险预测结果，用户在医生做出诊断前提前知晓结果，也可以为医生根据检查结果做出诊断结果时提供一个参考。
根据本发明实施例，还包括：
从所述用户诊疗记录数据中提取用户心血管慢病治疗方案数据；
利用预设疗效评价模型对所述用户心血管慢病风险预测数据以及所述用户心血管慢病治疗方案数据进行处理，获得疗效评价指数；
将所述疗效评价指数与预设疗效评价指数阈值进行阈值对比，获得阈值对比结果；
若所述阈值对比结果符合预设阈值对比结果要求，则对所述心血管慢病用户进行治疗有效提醒，否则，进行疗效不佳提醒。
需要说明的是，利用预设疗效评价模型对用户心血管慢病风险预测数据以及用户心血管慢病治疗方案数据进行处理，获得疗效评价指数，该预设疗效评价模型是通过获取大量历史样本的用户心血管慢病风险预测数据、用户心血管慢病治疗方案数据和疗效评价指数进行训练获得的模型，可通过输入相关信息进行处理获得对应输出的疗效评价指数。
本发明还公开了基于AI的心血管慢病数据管理系统，包括存储器和处理器，所述存储器中包括基于AI的心血管慢病数据管理方法程序，所述基于AI的心血管慢病数据管理方法程序被所述处理器执行时实现如下步骤：
获取患者基本信息数据及其在不同层级、不同地域医院的诊疗记录数据，并存储至健康风险管理系统数据库中；
将所有患者基本信息数据集合生成患者基本信息数据簇，并对所述诊疗记录数据进行分类生成不同类别的诊疗记录数据簇；
获取心血管慢病用户的用户基本信息数据和用户当前诊疗数据，将用户基本信息数据输入所述健康风险管理系统数据库中进行匹配识别，选取符合预设匹配识别要求的所述患者基本信息数据映射的所述诊疗记录数据作为用户诊疗记录数据；
将所述用户诊疗记录数据索引到查询结果展示页面进行展示；
从不同类别的所述诊疗记录数据簇中提取心血管慢病诊疗记录数据簇，并根据心血管慢病诊疗记录数据的特征提取结果进行模型训练，获得心血管健康风险预测模型；
将所述用户基本信息数据和用户当前诊疗数据进行特征提取，将特征提取结果输入不同类别的所述心血管健康风险预测模型分别进行处理，获得用户心血管慢病风险预测数据，并索引至查询结果展示页面进行展示。
需要说明的是，将患者基本信息数据及其在不同层级、不同地域医院的诊疗记录数据，存储至健康风险管理系统数据库中，当心血管慢病用户需要查询时，将基本信息数据输入健康风险管理系统数据库中进行匹配识别，选取符合预设匹配识别要求的诊疗记录数据作为用户诊疗记录数据，并将用户基本信息数据和用户当前诊疗数据的特征提取结果输入不同类别的心血管健康风险预测模型分别进行处理，获得用户心血管慢病风险预测数据，将用户诊疗记录数据以及用户心血管慢病风险预测数据索引到查询结果展示页面，可实现患者就诊时快速获取患者在不同层级不同地域医院的历史就诊记录并根据历史就诊记录生成的健康风险预测模型对患者进行心血管慢病健康风险预测的目的。
根据本发明实施例，所述将所有患者基本信息数据集合生成患者基本信息数据簇，并对所述诊疗记录数据进行分类生成不同类别的诊疗记录数据簇，包括：
对所述诊疗记录数据按照预设疾病种类进行分类，获得不同类别的诊疗记录数据簇；
在所述患者基本信息数据及其所述诊疗记录数据之间创建数据映射。
需要说明的是，对历史诊疗记录数据按照预设疾病种类进行分类，获得不同类别的诊疗记录数据簇，为了可以根据患者基本数据快速定位到患者的诊疗记录，需要在患者基本信息数据及其诊疗记录数据之间创建数据映射。
根据本发明实施例，所述获取心血管慢病用户的用户基本信息数据和用户当前诊疗数据，将用户基本信息数据输入所述健康风险管理系统数据库中进行匹配识别，选取符合预设匹配识别要求的所述患者基本信息数据映射的所述诊疗记录数据作为用户诊疗记录数据，包括：
获取心血管慢病用户的用户基本信息数据和用户当前诊疗数据，用户当前诊疗数据包括用户当前症状数据和用户当前检查结果数据；
所述心血管慢病用户向所述健康风险管理系统数据库发送查询申请，健康风险管理系统数据库接收查询申请后对用户进行身份验证；
若身份验证通过，则所述健康风险管理系统数据库将所述用户基本信息数据输入所述患者基本信息数据簇中进行匹配识别；
将符合预设匹配识别要求的患者基本信息数据作为目标基本信息数据，并将目标基本信息数据映射的所述诊疗记录数据作为用户诊疗记录数据。
需要说明的是，当心血管慢病用户去医院就诊时，通过查询历史诊疗记录数据可以获得用户所有疾病种类的就诊记录，无需再携带多种历史就诊的检查资料。
根据本发明实施例，所述将所述用户诊疗记录数据索引到查询结果展示页面进行展示，包括：
利用预设索引构建模型完成从所述健康风险管理系统数据库到查询结果展示页面的索引构建；
将所述用户诊疗记录数据索引到所述查询结果展示页面进行数据展示。
需要说明的是，通过构建数据索引将用户诊疗记录数据发送至查询结果展示页面进行数据展示。
根据本发明实施例，所述从不同类别的所述诊疗记录数据簇中提取心血管慢病诊疗记录数据簇，并根据心血管慢病诊疗记录数据的特征提取结果进行模型训练，获得心血管健康风险预测模型，包括：
从不同类别的所述诊疗记录数据簇当中提取心血管慢病诊疗记录数据簇，并根据心血管慢病诊疗记录数据提取心血管慢病症状数据、心血管慢病检查结果数据和心血管慢病类型数据；
从所述患者基本信息数据簇中提取心血管慢病患者基本信息数据簇；
根据所述心血管慢病类型数据对所述心血管慢病患者基本信息数据簇及其对应的所述心血管慢病诊疗记录数据簇进行数据划分，获得不同类别的心血管慢病患者基本信息数据簇及其对应的心血管慢病诊疗记录数据簇；
分别对不同类别的所述心血管慢病患者基本信息数据簇进行特征提取，获得不同类别的患者基本信息特征提取数据；
分别对不同类别的所述心血管慢病诊疗记录数据簇中所有心血管慢病症状数据和心血管慢病检查结果数据进行特征提取，生成不同类别的心血管慢病特征数据；
将所述患者基本信息特征提取数据及其对应的所述心血管慢病特征数据和心血管慢病类型数据集合生成心血管慢病训练集；
利用预设模型训练算法分别对不同类别的所述心血管慢病训练集进行模型训练，获得不同类别的心血管健康风险预测模型。
需要说明的是，为了对心血管慢病患者进行心血管健康风险的精准预测，根据心血管慢病类型对心血管慢病患者的历史心血管慢病诊疗记录和基本信息进行分类模型训练，获得不同类别的心血管健康风险预测模型。
根据本发明实施例，所述将所述用户基本信息数据和用户当前诊疗数据进行特征提取，将特征提取结果输入不同类别的所述心血管健康风险预测模型分别进行处理，获得用户心血管慢病风险预测数据，并索引至查询结果展示页面进行展示，包括：
对所述用户基本信息数据进行特征提取，获得用户基本信息特征提取数据；
对所述用户当前症状数据和用户当前检查结果数据进行特征提取，获得用户当前诊疗特征数据；
将所述用户基本信息特征提取数据以及所述用户当前诊疗特征数据输入不同类别的所述心血管健康风险预测模型中进行处理，获得用户心血管慢病风险预测数据；
将所述用户心血管慢病风险预测数据索引到所述查询结果展示页面进行数据展示。
需要说明的是，当出来检查结果后，将用户基本信息、当前的症状和检查结果输入心血管健康风险预测模型中，获得用户心血管慢病风险预测结果，用户在医生做出诊断前提前知晓结果，也可以为医生根据检查结果做出诊断结果时提供一个参考。
根据本发明实施例，还包括：
从所述用户诊疗记录数据中提取用户心血管慢病治疗方案数据；
利用预设疗效评价模型对所述用户心血管慢病风险预测数据以及所述用户心血管慢病治疗方案数据进行处理，获得疗效评价指数；
将所述疗效评价指数与预设疗效评价指数阈值进行阈值对比，获得阈值对比结果；
若所述阈值对比结果符合预设阈值对比结果要求，则对所述心血管慢病用户进行治疗有效提醒，否则，进行疗效不佳提醒。
需要说明的是，利用预设疗效评价模型对用户心血管慢病风险预测数据以及用户心血管慢病治疗方案数据进行处理，获得疗效评价指数，该预设疗效评价模型是通过获取大量历史样本的用户心血管慢病风险预测数据、用户心血管慢病治疗方案数据和疗效评价指数进行训练获得的模型，可通过输入相关信息进行处理获得对应输出的疗效评价指数。
本发明第三方面提供了一种可读存储介质，所述可读存储介质中包括基于AI的心血管慢病数据管理方法程序，所述基于AI的心血管慢病数据管理方法程序被处理器执行时，实现如上述任一项所述的基于AI的心血管慢病数据管理方法的步骤。
本发明公开的基于AI的心血管慢病数据管理方法、系统和介质，首先获取患者基本信息数据及其在不同层级、不同地域医院的诊疗记录数据，并存储至健康风险管理系统数据库中，再将心血管慢病用户的基本信息数据输入健康风险管理系统数据库中进行匹配识别，选取符合预设匹配识别要求的诊疗记录数据作为用户诊疗记录数据并索引到查询结果展示页面进行展示，并根据心血管慢病诊疗记录数据的特征提取结果进行模型训练，获得心血管健康风险预测模型，将用户基本信息数据和用户当前诊疗数据的特征提取结果输入不同类别的心血管健康风险预测模型分别进行处理，获得用户心血管慢病风险预测数据索引到查询结果展示页面进行展示。本申请可实现患者就诊时快速获取患者在不同层级不同地域医院的历史就诊记录并根据历史就诊记录生成的健康风险预测模型对患者进行心血管慢病健康风险预测的目的。
在本申请所提供的几个实施例中，应该理解到，所揭露的设备和方法，可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，如：多个单元或组件可以结合，或可以集成到另一个系统，或一些特征可以忽略，或不执行。另外，所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口，设备或单元的间接耦合或通信连接，可以是电性的、机械的或其它形式的。
上述作为分离部件说明的单元可以是、或也可以不是物理上分开的，作为单元显示的部件可以是、或也可以不是物理单元；既可以位于一个地方，也可以分布到多个网络单元上；可以根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。
另外，在本发明各实施例中的各功能单元可以全部集成在一个处理单元中，也可以是各单元分别单独作为一个单元，也可以两个或两个以上单元集成在一个单元中；上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。
本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：移动存储设备、只读存储器（ROM，Read-Only Memory）、随机存取存储器（RAM，Random Access Memory）、磁碟或者光盘等各种可以存储程序代码的介质。
或者，本发明上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个可读取存储介质中。基于这样的理解，本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机、服务器、或者网络设备等）执行本发明各个实施例所述方法的全部或部分。而前述的存储介质包括：移动存储设备、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
Claims (5)
1.基于AI的心血管慢病数据管理方法，其特征在于，包括以下步骤：
获取患者基本信息数据及其在不同层级、不同地域医院的诊疗记录数据，并存储至健康风险管理系统数据库中；
将所有患者基本信息数据集合生成患者基本信息数据簇，并对所述诊疗记录数据进行分类生成不同类别的诊疗记录数据簇；
获取心血管慢病用户的用户基本信息数据和用户当前诊疗数据，将用户基本信息数据输入所述健康风险管理系统数据库中进行匹配识别，选取符合预设匹配识别要求的所述患者基本信息数据映射的所述诊疗记录数据作为用户诊疗记录数据；
将所述用户诊疗记录数据索引到查询结果展示页面进行展示；
从不同类别的所述诊疗记录数据簇中提取心血管慢病诊疗记录数据簇，并根据心血管慢病诊疗记录数据的特征提取结果进行模型训练，获得心血管健康风险预测模型；
将所述用户基本信息数据和用户当前诊疗数据进行特征提取，将特征提取结果输入不同类别的所述心血管健康风险预测模型分别进行处理，获得用户心血管慢病风险预测数据，并索引至查询结果展示页面进行展示；
所述获取心血管慢病用户的用户基本信息数据和用户当前诊疗数据，将用户基本信息数据输入所述健康风险管理系统数据库中进行匹配识别，选取符合预设匹配识别要求的所述患者基本信息数据映射的所述诊疗记录数据作为用户诊疗记录数据，包括：
获取心血管慢病用户的用户基本信息数据和用户当前诊疗数据，用户当前诊疗数据包括用户当前症状数据和用户当前检查结果数据；
所述心血管慢病用户向所述健康风险管理系统数据库发送查询申请，健康风险管理系统数据库接收查询申请后对用户进行身份验证；
若身份验证通过，则所述健康风险管理系统数据库将所述用户基本信息数据输入所述患者基本信息数据簇中进行匹配识别；
将符合预设匹配识别要求的患者基本信息数据作为目标基本信息数据，并将目标基本信息数据映射的所述诊疗记录数据作为用户诊疗记录数据；
所述将所述用户诊疗记录数据索引到查询结果展示页面进行展示，包括：
利用预设索引构建模型完成从所述健康风险管理系统数据库到查询结果展示页面的索引构建；
将所述用户诊疗记录数据索引到所述查询结果展示页面进行数据展示；
所述从不同类别的所述诊疗记录数据簇中提取心血管慢病诊疗记录数据簇，并根据心血管慢病诊疗记录数据的特征提取结果进行模型训练，获得心血管健康风险预测模型，包括：
从不同类别的所述诊疗记录数据簇当中提取心血管慢病诊疗记录数据簇，并根据心血管慢病诊疗记录数据提取心血管慢病症状数据、心血管慢病检查结果数据和心血管慢病类型数据；
从所述患者基本信息数据簇中提取心血管慢病患者基本信息数据簇；
根据所述心血管慢病类型数据对所述心血管慢病患者基本信息数据簇及其对应的所述心血管慢病诊疗记录数据簇进行数据划分，获得不同类别的心血管慢病患者基本信息数据簇及其对应的心血管慢病诊疗记录数据簇；
分别对不同类别的所述心血管慢病患者基本信息数据簇进行特征提取，获得不同类别的患者基本信息特征提取数据；
分别对不同类别的所述心血管慢病诊疗记录数据簇中所有心血管慢病症状数据和心血管慢病检查结果数据进行特征提取，生成不同类别的心血管慢病特征数据；
将所述患者基本信息特征提取数据及其对应的所述心血管慢病特征数据和心血管慢病类型数据集合生成心血管慢病训练集；
利用预设模型训练算法分别对不同类别的所述心血管慢病训练集进行模型训练，获得不同类别的心血管健康风险预测模型；
所述将所述用户基本信息数据和用户当前诊疗数据进行特征提取，将特征提取结果输入不同类别的所述心血管健康风险预测模型分别进行处理，获得用户心血管慢病风险预测数据，并索引至查询结果展示页面进行展示，包括：
对所述用户基本信息数据进行特征提取，获得用户基本信息特征提取数据；
对所述用户当前症状数据和用户当前检查结果数据进行特征提取，获得用户当前诊疗特征数据；
将所述用户基本信息特征提取数据以及所述用户当前诊疗特征数据输入不同类别的所述心血管健康风险预测模型中进行处理，获得用户心血管慢病风险预测数据；
将所述用户心血管慢病风险预测数据索引到所述查询结果展示页面进行数据展示；
还包括：
从所述用户诊疗记录数据中提取用户心血管慢病治疗方案数据；
利用预设疗效评价模型对所述用户心血管慢病风险预测数据以及所述用户心血管慢病治疗方案数据进行处理，获得疗效评价指数；
将所述疗效评价指数与预设疗效评价指数阈值进行阈值对比，获得阈值对比结果；
若所述阈值对比结果符合预设阈值对比结果要求，则对所述心血管慢病用户进行治疗有效提醒，否则，进行疗效不佳提醒。
2.根据权利要求1所述的基于AI的心血管慢病数据管理方法，其特征在于，所述将所有患者基本信息数据集合生成患者基本信息数据簇，并对所述诊疗记录数据进行分类生成不同类别的诊疗记录数据簇，包括：
对所述诊疗记录数据按照预设疾病种类进行分类，获得不同类别的诊疗记录数据簇；
在所述患者基本信息数据及其所述诊疗记录数据之间创建数据映射。
3.一种基于AI的心血管慢病数据管理系统，其特征在于，包括存储器和处理器，所述存储器中包括基于AI的心血管慢病数据管理方法的程序，所述基于AI的心血管慢病数据管理的方法程序被所述处理器执行时实现如下步骤：
获取患者基本信息数据及其在不同层级、不同地域医院的诊疗记录数据，并存储至健康风险管理系统数据库中；
将所有患者基本信息数据集合生成患者基本信息数据簇，并对所述诊疗记录数据进行分类生成不同类别的诊疗记录数据簇；
获取心血管慢病用户的用户基本信息数据和用户当前诊疗数据，将用户基本信息数据输入所述健康风险管理系统数据库中进行匹配识别，选取符合预设匹配识别要求的所述患者基本信息数据映射的所述诊疗记录数据作为用户诊疗记录数据；
将所述用户诊疗记录数据索引到查询结果展示页面进行展示；
从不同类别的所述诊疗记录数据簇中提取心血管慢病诊疗记录数据簇，并根据心血管慢病诊疗记录数据的特征提取结果进行模型训练，获得心血管健康风险预测模型；
将所述用户基本信息数据和用户当前诊疗数据进行特征提取，将特征提取结果输入不同类别的所述心血管健康风险预测模型分别进行处理，获得用户心血管慢病风险预测数据，并索引至查询结果展示页面进行展示；
所述获取心血管慢病用户的用户基本信息数据和用户当前诊疗数据，将用户基本信息数据输入所述健康风险管理系统数据库中进行匹配识别，选取符合预设匹配识别要求的所述患者基本信息数据映射的所述诊疗记录数据作为用户诊疗记录数据，包括：
获取心血管慢病用户的用户基本信息数据和用户当前诊疗数据，用户当前诊疗数据包括用户当前症状数据和用户当前检查结果数据；
所述心血管慢病用户向所述健康风险管理系统数据库发送查询申请，健康风险管理系统数据库接收查询申请后对用户进行身份验证；
若身份验证通过，则所述健康风险管理系统数据库将所述用户基本信息数据输入所述患者基本信息数据簇中进行匹配识别；
将符合预设匹配识别要求的患者基本信息数据作为目标基本信息数据，并将目标基本信息数据映射的所述诊疗记录数据作为用户诊疗记录数据；
所述将所述用户诊疗记录数据索引到查询结果展示页面进行展示，包括：
利用预设索引构建模型完成从所述健康风险管理系统数据库到查询结果展示页面的索引构建；
将所述用户诊疗记录数据索引到所述查询结果展示页面进行数据展示；
所述从不同类别的所述诊疗记录数据簇中提取心血管慢病诊疗记录数据簇，并根据心血管慢病诊疗记录数据的特征提取结果进行模型训练，获得心血管健康风险预测模型，包括：
从不同类别的所述诊疗记录数据簇当中提取心血管慢病诊疗记录数据簇，并根据心血管慢病诊疗记录数据提取心血管慢病症状数据、心血管慢病检查结果数据和心血管慢病类型数据；
从所述患者基本信息数据簇中提取心血管慢病患者基本信息数据簇；
根据所述心血管慢病类型数据对所述心血管慢病患者基本信息数据簇及其对应的所述心血管慢病诊疗记录数据簇进行数据划分，获得不同类别的心血管慢病患者基本信息数据簇及其对应的心血管慢病诊疗记录数据簇；
分别对不同类别的所述心血管慢病患者基本信息数据簇进行特征提取，获得不同类别的患者基本信息特征提取数据；
分别对不同类别的所述心血管慢病诊疗记录数据簇中所有心血管慢病症状数据和心血管慢病检查结果数据进行特征提取，生成不同类别的心血管慢病特征数据；
将所述患者基本信息特征提取数据及其对应的所述心血管慢病特征数据和心血管慢病类型数据集合生成心血管慢病训练集；
利用预设模型训练算法分别对不同类别的所述心血管慢病训练集进行模型训练，获得不同类别的心血管健康风险预测模型；
所述将所述用户基本信息数据和用户当前诊疗数据进行特征提取，将特征提取结果输入不同类别的所述心血管健康风险预测模型分别进行处理，获得用户心血管慢病风险预测数据，并索引至查询结果展示页面进行展示，包括：
对所述用户基本信息数据进行特征提取，获得用户基本信息特征提取数据；
对所述用户当前症状数据和用户当前检查结果数据进行特征提取，获得用户当前诊疗特征数据；
将所述用户基本信息特征提取数据以及所述用户当前诊疗特征数据输入不同类别的所述心血管健康风险预测模型中进行处理，获得用户心血管慢病风险预测数据；
将所述用户心血管慢病风险预测数据索引到所述查询结果展示页面进行数据展示；
还包括：
从所述用户诊疗记录数据中提取用户心血管慢病治疗方案数据；
利用预设疗效评价模型对所述用户心血管慢病风险预测数据以及所述用户心血管慢病治疗方案数据进行处理，获得疗效评价指数；
将所述疗效评价指数与预设疗效评价指数阈值进行阈值对比，获得阈值对比结果；
若所述阈值对比结果符合预设阈值对比结果要求，则对所述心血管慢病用户进行治疗有效提醒，否则，进行疗效不佳提醒。
4.根据权利要求3所述的基于AI的心血管慢病数据管理系统，其特征在于，所述将所有患者基本信息数据集合生成患者基本信息数据簇，并对所述诊疗记录数据进行分类生成不同类别的诊疗记录数据簇，包括：
对所述诊疗记录数据按照预设疾病种类进行分类，获得不同类别的诊疗记录数据簇；
在所述患者基本信息数据及其所述诊疗记录数据之间创建数据映射。
5.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中包括基于AI的心血管慢病数据管理程序，所述基于AI的心血管慢病数据管理程序被处理器执行时，实现如权利要求1至2中任一项所述的基于AI的心血管慢病数据管理方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410231910.4A CN117809850B (zh) | 2024-03-01 | 2024-03-01 | 基于ai的心血管慢病数据管理方法、系统和介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410231910.4A CN117809850B (zh) | 2024-03-01 | 2024-03-01 | 基于ai的心血管慢病数据管理方法、系统和介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117809850A CN117809850A (zh) | 2024-04-02 |
| CN117809850B true CN117809850B (zh) | 2024-05-28 |
Family
ID=90421957
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410231910.4A Active CN117809850B (zh) | 2024-03-01 | 2024-03-01 | 基于ai的心血管慢病数据管理方法、系统和介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117809850B (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111383770A (zh) * | 2020-03-09 | 2020-07-07 | 北京大学 | 一种临床研究与随访融合系统和方法 |
| CN113436743A (zh) * | 2021-06-30 | 2021-09-24 | 平安科技（深圳）有限公司 | 基于表示学习的多结局疗效预测方法、装置及存储介质 |
| CN114360674A (zh) * | 2021-12-22 | 2022-04-15 | 深圳安泰创新科技股份有限公司 | 基于医疗健康大数据的慢性病诊疗方案预测方法 |
| CN114649095A (zh) * | 2022-04-02 | 2022-06-21 | 山东第一医科大学附属省立医院(山东省立医院) | 一种医院门诊慢病检测数据处理方法及系统 |
| WO2023128780A1 (ru) * | 2021-12-27 | 2023-07-06 | Общество с ограниченной ответственностью "К-Скай" | Способ ранней диагностики хронических заболеваний пациента |
-
2024
- 2024-03-01 CN CN202410231910.4A patent/CN117809850B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111383770A (zh) * | 2020-03-09 | 2020-07-07 | 北京大学 | 一种临床研究与随访融合系统和方法 |
| CN113436743A (zh) * | 2021-06-30 | 2021-09-24 | 平安科技（深圳）有限公司 | 基于表示学习的多结局疗效预测方法、装置及存储介质 |
| CN114360674A (zh) * | 2021-12-22 | 2022-04-15 | 深圳安泰创新科技股份有限公司 | 基于医疗健康大数据的慢性病诊疗方案预测方法 |
| WO2023128780A1 (ru) * | 2021-12-27 | 2023-07-06 | Общество с ограниченной ответственностью "К-Скай" | Способ ранней диагностики хронических заболеваний пациента |
| CN114649095A (zh) * | 2022-04-02 | 2022-06-21 | 山东第一医科大学附属省立医院(山东省立医院) | 一种医院门诊慢病检测数据处理方法及系统 |
Non-Patent Citations (1)
| Title |
|---|
| 基于数据挖掘理论的心血管疾病预警方法建模;白贺伊;;信息技术;20200220(第02期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117809850A (zh) | 2024-04-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP6066825B2 (ja) | データ分析装置及び保健事業支援方法 | |
| CN111883228B (zh) | 基于知识图谱的健康信息推荐方法、装置、设备及介质 | |
| KR101903522B1 (ko) | 다차원 건강데이터에 대한 유사사례 검색 방법 및 그 장치 | |
| CN107194158A (zh) | 一种基于图像识别的疾病辅助诊断方法 | |
| CN111710429A (zh) | 信息的推送方法及装置、计算机设备、存储介质 | |
| CN110993103A (zh) | 疾病风险预测模型的建立方法和疾病保险产品的推荐方法 | |
| CN112017789B (zh) | 分诊数据处理方法、装置、设备及介质 | |
| CN116386869B (zh) | 一种基于多变量的病情危重程度评估方法 | |
| CN113934895A (zh) | 一种辅助建立患者主索引的方法 | |
| CN111415760B (zh) | 医生推荐方法、系统、计算机设备及存储介质 | |
| CN110752027A (zh) | 电子病历数据推送方法、装置、计算机设备和存储介质 | |
| CN114328968A (zh) | 医学知识图谱的构建方法、装置、电子设备和介质 | |
| CN113793667A (zh) | 基于聚类分析的疾病预测方法、装置及计算机设备 | |
| CN117809850B (zh) | 基于ai的心血管慢病数据管理方法、系统和介质 | |
| CN114550930A (zh) | 疾病预测方法、装置、设备及存储介质 | |
| CN114373541A (zh) | 基于分布式的智能中医诊断方法、系统及存储介质 | |
| JP2023500511A (ja) | モデル出力と結合済モデル出力との結合 | |
| Vest et al. | Contribution of different data sources to the prediction of emergency department revisits in a safety-net population | |
| CN114610921B (zh) | 对象集群画像确定方法、装置、计算机设备和存储介质 | |
| Waris et al. | Prediction of heart conditions by consensus K-nearest neighbor algorithm and convolution neural network | |
| CN112967809B (zh) | 一种随访用户的确定方法、装置、设备及存储介质 | |
| CN113948210A (zh) | 数据评估方法、装置、计算机设备及存储介质 | |
| CN117059217A (zh) | 随访方法、装置、终端设备及存储介质 | |
| CN116860944A (zh) | 对话生成方法、装置、电子设备及介质 | |
| CN115966311A (zh) | 对象的纳排方法、装置、存储介质以及电子设备 |
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 |