[go: up one dir, main page]

CN114974576A - 一种基于元数据的心脑血管数疾病诊断管理系统 - Google Patents

一种基于元数据的心脑血管数疾病诊断管理系统 Download PDF

Info

Publication number
CN114974576A
CN114974576A CN202210815840.8A CN202210815840A CN114974576A CN 114974576 A CN114974576 A CN 114974576A CN 202210815840 A CN202210815840 A CN 202210815840A CN 114974576 A CN114974576 A CN 114974576A
Authority
CN
China
Prior art keywords
deviation
diagnosis
electrocardiogram
diagnostician
posture
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.)
Pending
Application number
CN202210815840.8A
Other languages
English (en)
Inventor
不公告发明人
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Yaoli Technology Beijing Co ltd
Original Assignee
Yaoli Technology Beijing Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Yaoli Technology Beijing Co ltd filed Critical Yaoli Technology Beijing Co ltd
Priority to CN202210815840.8A priority Critical patent/CN114974576A/zh
Publication of CN114974576A publication Critical patent/CN114974576A/zh
Priority to US18/350,726 priority patent/US20240021311A1/en
Pending legal-status Critical Current

Links

Images

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
    • 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
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A61B5/316—Modalities, i.e. specific diagnostic methods
    • A61B5/318—Heart-related electrical modalities, e.g. electrocardiography [ECG]
    • 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
    • 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
    • G16H40/63—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 local operation
    • 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
    • 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
    • G16H70/00—ICT specially adapted for the handling or processing of medical references
    • G16H70/60—ICT specially adapted for the handling or processing of medical references relating to pathologies
    • 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
    • G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
    • 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

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • Biomedical Technology (AREA)
  • General Health & Medical Sciences (AREA)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)
  • Data Mining & Analysis (AREA)
  • Pathology (AREA)
  • Databases & Information Systems (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Business, Economics & Management (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Veterinary Medicine (AREA)
  • Biophysics (AREA)
  • Cardiology (AREA)
  • Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
  • Medical Treatment And Welfare Office Work (AREA)

Abstract

本发明公开了一种基于元数据的心脑血管数疾病诊断管理系统，属于心脑血管领域，用于解决医疗设施有限的社区医院、诊所等场所无法对心脑血管数等疾病快速诊断和初步诊断的问题，包括体态监测模块、初步诊断模块、心电比对模块和模型构建模块，模型构建模块结合心脑血管医疗卫生数据用于构建疾病诊断模型，心电比对模块用于对诊断人员心脑血管的心电图进行比对，体态监测模块用于对诊断人员的体态状态进行监测，初步诊断模块用于对诊断人员的心脑血管疾病进行初步诊断，本发明在医疗设施有限的场所实现心脑血管数疾病的快速诊断和初步诊断。

Description

一种基于元数据的心脑血管数疾病诊断管理系统
技术领域
本发明属于心脑血管领域，涉及疾病诊断管理技术，具体是一种基于元数据的心脑血管数疾病诊断管理系统。
背景技术
心脑血管意外是一种严重威胁人类，特别是50岁以上中老年人健康的常见病，即使应用最先进、完善的治疗手段，仍可有50％以上的脑血管意外幸存者生活不能完全自理；
现有技术中，心脑血管疾病诊断多数依靠医院中专业的医疗设备检测得到，而医疗设施有限的社区医院、诊所等没有相应的检测诊断能力，从而无法有效实现心脑血管数疾病的快速诊断和初步诊断；
为此，我们提出一种基于元数据的心脑血管数疾病诊断管理系统。
发明内容
针对现有技术存在的不足，本发明目的是提供一种基于元数据的心脑血管数疾病诊断管理系统。
本发明所要解决的技术问题为：
如何在医疗设施有限的场所实现心脑血管数疾病的快速诊断和初步诊断。
本发明的目的可以通过以下技术方案实现：
一种基于元数据的心脑血管数疾病诊断管理系统，包括数据采集模块、体态监测模块、初步诊断模块、心电比对模块、模型构建模块、大数据模块以及服务器，所述大数据模块用于获取大量的心脑血管医疗卫生数据并发送至模型构建模块，模型构建模块结合心脑血管医疗卫生数据用于构建疾病诊断模型并反馈至服务器进行存储；所述数据采集模块用于采集诊断人员的心电数据和体态数据并发送至服务器，所述服务器将心电数据发送至心电比对模块、将体态数据发送至体态监测模块；
所述心电比对模块用于对诊断人员心脑血管的心电图进行比对，得到心电偏差等级和对应的心电偏差系数反馈至服务器，所述服务器将心电偏差等级和对应的心电偏差系数发送至初步诊断模块；所述体态监测模块用于对诊断人员的体态状态进行监测，得到体态偏差等级和对应的体态偏差系数反馈至服务器，所述服务器将体态偏差等级和对应的体态偏差系数发送至初步诊断模块；
所述初步诊断模块用于对诊断人员的心脑血管疾病进行初步诊断，生成身体正常信号、身体复查信号或身体诊断信号反馈至服务器；若服务器接收到身体正常信号，则不进行任何操作；若服务器接收到身体复查信号，则再次对诊断人员的身体状况进行监测诊断；若服务器接收到身体疾病信号，则生成疾病查询指令加载至数据采集模块；
所述数据采集模块再次采取疾病诊断模型所需的诊断人员的各项身体特征值，并将各项身体特征值发送至服务器，所述服务器将诊断人员的各项身体特征值输入疾病诊断模型，通过疾病诊断模型得到诊断人员的诊断报告。
进一步地，所述模型构建模块的构建过程具体如下：
心脑血管医疗卫生数据中筛选出患者身体的各项身体特征值，各项身体特征值构成心脑血管疾病的样本数据；
对样本数据进行再次筛选得到心脑血管疾病评估量；
根据心脑血管疾病评估量，同时采用大数据信息分析及挖掘算法，构建得到心脑血管疾病情况的疾病诊断模型。
进一步地，心电数据为诊断人员的诊断心电图、动态心电图、超声心动图；
体态数据为诊断人员的血糖浓度值、糖基化血红蛋白、糖基化血红蛋白值、糖化血清蛋白值。
进一步地，所述心电比对模块的比对过程具体如下：
步骤一：将诊断人员标记为u，u＝1，2，……，z，z为正整数；获取诊断人员对应的诊断心电图；
步骤二：获取诊断人员的年龄、性别和查询疾病，依据年龄、性别和查询疾病得到服务器中对应存储的预设心电图；
步骤三：诊断心电图与预设心电图进行比对，得到诊断人员对应诊断心电图的心电偏差值XPu，比对过程具体如下：
将诊断心电图与预设心电图堆叠放置；
统计诊断心电图与预设心电图堆叠时的交叉数JCu；
依据交叉数得到诊断心电图与预设心电图的交叉区域，计算交叉区域的面积得到交叉面积JMu；
通过公式XPu＝JCu×a1+JMu×a2计算得到诊断人员对应诊断心电图的心电偏差值XPu；式中，a1和a2均为固定数值的权重系数，且a1和a2的取值均大于零；
步骤四：若XPu＜X1，则诊断人员的心电偏差等级为心电第一偏差等级，并设定对应的心电偏差系数；
若X1≤XPu＜X2，则诊断人员的心电偏差等级为心电第二偏差等级，并设定对应的心电偏差系数；
若X2≤XPu，则诊断人员的心电偏差等级为心电第三偏差等级，并设定对应的心电偏差系数；其中，X1和X2均为固定数值的心电偏差阈值，且X1＜X2。
进一步地，心电第一偏差等级的心电偏差系数小于心电第二偏差等级的心电偏差系数，心电第二偏差等级的心电偏差系数小于心电第三偏差等级的心电偏差系数。
进一步地，所述体态监测模块的监测过程具体如下：
步骤S1：获取诊断人员的血糖浓度值、糖基化血红蛋白值和糖化血清蛋白值；
步骤S2：依据年龄、性别和查询疾病得到服务器中对应存储的血糖浓度值、糖基化血红蛋白值和糖化血清蛋白值的区间范围；
步骤S3：若血糖浓度值、糖基化血红蛋白值和糖化血清蛋白值均在对应区间范围之内，则不进行任何操作；
若血糖浓度值、糖基化血红蛋白值和糖化血清蛋白值任一项在对应区间范围之外，则计算血糖浓度值、糖基化血红蛋白值、糖化血清蛋白值与对应区间范围的偏差值，并将各项偏差值标记为XNCu、THCu和TJCu；
步骤S4：通过公式TPu＝XNCu×b1+THCu×b2+TJCu×b3计算得到诊断人员的体态偏差值TPu；式中，b1、b2和b3均为固定数值的权重系数，且b1、b2和b3的取值均大于零；
步骤S5：若TPu＜Y1，则诊断人员的体态偏差等级为体态第一偏差等级，并设定对应的体态偏差系数；
若Y1≤TPu＜Y2，则诊断人员的体态偏差等级为体态第二偏差等级，并设定对应的体态偏差系数；
若Y2≤TPu，则诊断人员的体态偏差等级为体态第三偏差等级，并设定对应的体态偏差系数；其中，Y1和Y2均为固定数值的体态偏差阈值，且Y1＜Y2。
进一步地，体态第一偏差等级的体态偏差系数小于体态第二偏差等级的体态偏差系数，体态第二偏差等级的体态偏差系数小于体态第三偏差等级的体态偏差系数。
进一步地，所述初步诊断模块的初步诊断过程具体如下：
步骤SS1：将诊断人员的体态偏差系数、心电偏差系数分别标记为TPXu、XPXu；
步骤SS2：通过公式
Figure BDA0003742246710000051
计算得到诊断人员的诊断值ZDuSPu；式中，c1、c2和c3均为固定数值的比例系数，且c1、c2和c3的取值均大于零；
步骤SS3：获取服务器中存储的诊断区间，诊断人员的诊断值与诊断区间进行比对得到对应的诊断区间；
步骤SS4：不同诊断区间对应不同初诊信号，依据诊断区间得到诊断人员的初诊信号。
进一步地，诊断区间包括第一诊断区间、第二诊断区间和第三诊断区间，第一诊断区间的上限值小于第二诊断区间的下限值，第二诊断区间的上限值小于第三诊断区间的下限值；
第一诊断区间对应的身体正常信号，第二诊断区间对应的身体复查信号，第三诊断区间对应身体诊断信号。
与现有技术相比，本发明的有益效果是：
本发明是通过模型构建模块构建疾病诊断模型，并将疾病诊断模型反馈至服务器进行存储，同时通过心电比对模块对诊断人员心脑血管的心电图进行比对，得到诊断人员诊断心电图的心电偏差等级和对应的心电偏差系数，再通过体态监测模块对诊断人员的体态状态进行监测，得到诊断人员的体态偏差等级和对应的体态偏差系数，最后通过初步诊断模块对诊断人员的心脑血管疾病进行初步诊断，生成身体正常信号、身体复查信号或身体诊断信号反馈至服务器，服务器接收到身体诊断信号时，数据采集模块再次采取疾病诊断模型所需的诊断人员的各项身体特征值输入疾病诊断模型，通过疾病诊断模型得到诊断人员的诊断报告，本发明在医疗设施有限的场所实现心脑血管数疾病的快速诊断和初步诊断。
附图说明
为了便于本领域技术人员理解，下面结合附图对本发明作进一步的说明。
图1为本发明的整体系统框图。
具体实施方式
下面将结合实施例对本发明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它实施例，都属于本发明保护的范围。
请参阅图1所示，一种基于元数据的心脑血管数疾病诊断管理系统，包括数据采集模块、体态监测模块、初步诊断模块、心电比对模块、模型构建模块、大数据模块以及服务器；
模型构建模块数据连接有大数据模块，大数据模块通过互联网技术获取大量的心脑血管医疗卫生数据，并将心脑血管医疗卫生数据发送至模型构建模块，模型构建模块结合心脑血管医疗卫生数据用于构建疾病诊断模型，构建过程具体如下：
心脑血管医疗卫生数据中筛选出患者身体的各项身体特征值，各项身体特征值构成心脑血管疾病的样本数据；对样本数据进行再次筛选得到心脑血管疾病评估量；根据心脑血管疾病评估量，同时采用先进的大数据信息分析及挖掘算法，构建得到心脑血管疾病情况的疾病诊断模型，在具体实施时，疾病诊断模型可以采用Cox回归模型等；
模型构建模块将疾病诊断模型反馈至服务器进行存储；
数据采集模块用于采集诊断人员的心电数据和体态数据，并将心电数据和体态数据发送至服务器；
需要具体说明的是，心电数据为诊断人员的诊断心电图、动态心电图、超声心动图等；体态数据为诊断人员的血糖浓度值、糖基化血红蛋白、糖基化血红蛋白值、糖化血清蛋白值等；
在具体实施时，心电数据和体态数据均可以根据疾病诊断需求进行对应采集，并局限于此，同时，数据采集模块也是对应的心脑血管诊断用医疗器械；
服务器将心电数据发送至心电比对模块，服务器将体态数据发送至体态监测模块；
心电比对模块用于对诊断人员心脑血管的心电图进行比对，比对过程具体如下：
步骤一：将诊断人员标记为u，u＝1，2，……，z，z为正整数；获取诊断人员对应的诊断心电图；
步骤二：获取诊断人员的年龄、性别和查询疾病，依据年龄、性别和查询疾病得到服务器中对应存储的预设心电图；
步骤三：诊断心电图与预设心电图进行比对，得到诊断人员对应诊断心电图的心电偏差值XPu，比对过程具体如下：
将诊断心电图与预设心电图堆叠放置；
统计诊断心电图与预设心电图堆叠时的交叉数JCu；
依据交叉数得到诊断心电图与预设心电图的交叉区域，计算交叉区域的面积得到交叉面积JMu；
通过公式XPu＝JCu×a1+JMu×a2计算得到诊断人员对应诊断心电图的心电偏差值XPu；式中，a1和a2均为固定数值的权重系数，且a1和a2的取值均大于零；
步骤四：若XPu＜X1，则诊断人员的心电偏差等级为心电第一偏差等级，并设定对应的心电偏差系数；
若X1≤XPu＜X2，则诊断人员的心电偏差等级为心电第二偏差等级，并设定对应的心电偏差系数；
若X2≤XPu，则诊断人员的心电偏差等级为心电第三偏差等级，并设定对应的心电偏差系数；其中，X1和X2均为固定数值的心电偏差阈值，且X1＜X2；
需要具体说明的是，心电第一偏差等级的心电偏差系数小于心电第二偏差等级的心电偏差系数，心电第二偏差等级的心电偏差系数小于心电第三偏差等级的心电偏差系数；
在具体实施时，不仅仅可以采用心电图，也可以采用动态心电图、超声心动图并计算对应的偏差值，偏差值不仅可以是心电图的偏差值，也可以是心电图、动态心电图、超声心动图等的偏差值加以权重系数共同计算得到，具体可以根据疾病需要采集对应数据；
心电比对模块将诊断人员诊断心电图的心电偏差等级和对应的心电偏差系数反馈至服务器，服务器将诊断人员诊断心电图的心电偏差等级和对应的心电偏差系数发送至初步诊断模块；
体态监测模块用于对诊断人员的体态状态进行监测，监测过程具体如下：
步骤S1：获取诊断人员的血糖浓度值、糖基化血红蛋白值和糖化血清蛋白值；
步骤S2：依据年龄、性别和查询疾病得到服务器中对应存储的血糖浓度值、糖基化血红蛋白值和糖化血清蛋白值的区间范围；
步骤S3：若血糖浓度值、糖基化血红蛋白值和糖化血清蛋白值均在对应区间范围之内，则不进行任何操作；
若血糖浓度值、糖基化血红蛋白值和糖化血清蛋白值任一项在对应区间范围之外，则计算血糖浓度值、糖基化血红蛋白值、糖化血清蛋白值与对应区间范围的偏差值，并将各项偏差值标记为XNCu、THCu和TJCu；
步骤S4：通过公式TPu＝XNCu×b1+THCu×b2+TJCu×b3计算得到诊断人员的体态偏差值TPu；式中，b1、b2和b3均为固定数值的权重系数，且b1、b2和b3的取值均大于零；
步骤S5：若TPu＜Y1，则诊断人员的体态偏差等级为体态第一偏差等级，并设定对应的体态偏差系数；
若Y1≤TPu＜Y2，则诊断人员的体态偏差等级为体态第二偏差等级，并设定对应的体态偏差系数；
若Y2≤TPu，则诊断人员的体态偏差等级为体态第三偏差等级，并设定对应的体态偏差系数；其中，Y1和Y2均为固定数值的体态偏差阈值，且Y1＜Y2；
需要具体说明的是，体态第一偏差等级的体态偏差系数小于体态第二偏差等级的体态偏差系数，体态第二偏差等级的体态偏差系数小于体态第三偏差等级的体态偏差系数；
体态监测模块将诊断人员的体态偏差等级和对应的体态偏差系数反馈至服务器，服务器将诊断人员的体态偏差等级和对应的体态偏差系数发送至初步诊断模块；
初步诊断模块用于对诊断人员的心脑血管疾病进行初步诊断，初步诊断过程具体如下：
步骤SS1：将诊断人员的体态偏差系数、心电偏差系数分别标记为TPXu、XPXu；
步骤SS2：通过公式
Figure BDA0003742246710000101
计算得到诊断人员的诊断值ZDuSPu；式中，c1、c2和c3均为固定数值的比例系数，且c1、c2和c3的取值均大于零，在具体实施时，只要保证比例系数的取值不影响参数与结果值的正反比关系即可；
步骤SS3：获取服务器中存储的诊断区间，诊断人员的诊断值与诊断区间进行比对得到对应的诊断区间；
诊断区间包括第一诊断区间、第二诊断区间和第三诊断区间，第一诊断区间的上限值小于第二诊断区间的下限值，第二诊断区间的上限值小于第三诊断区间的下限值；
步骤SS4：不同诊断区间对应不同初诊信号，依据诊断区间得到诊断人员的初诊信号；
需要具体说明的是，第一诊断区间对应的身体正常信号，第二诊断区间对应的身体复查信号，第三诊断区间对应身体诊断信号；
初步诊断模块将身体正常信号、身体复查信号或身体诊断信号反馈至服务器；
具体的，若服务器接收到身体正常信号，则不进行任何操作；
若服务器接收到身体复查信号，则通过体态监测模块、心电比对模块和初步诊断模块再次对诊断人员的身体状况进行监测诊断；
若服务器接收到身体疾病信号，则生成疾病查询指令加载至数据采集模块；
数据采集模块再次采取疾病诊断模型所需的诊断人员的各项身体特征值，并将各项身体特征值发送至服务器，服务器将诊断人员的各项身体特征值输入疾病诊断模型，通过疾病诊断模型得到诊断人员的诊断报告。
一种基于元数据的心脑血管数疾病诊断管理系统，工作时，大数据模块通过互联网技术获取大量的心脑血管医疗卫生数据，并将心脑血管医疗卫生数据发送至模型构建模块，模型构建模块结合心脑血管医疗卫生数据用于构建疾病诊断模型，构建得到心脑血管疾病情况的疾病诊断模型，模型构建模块将疾病诊断模块反馈至服务器进行存储；
通过数据采集模块采集诊断人员的心电数据和体态数据，并将心电数据和体态数据发送至服务器，服务器将心电数据发送至心电比对模块，服务器将体态数据发送至体态监测模块；
通过心电比对模块对诊断人员心脑血管的心电图进行比对，将诊断人员标记为u，而后获取诊断人员对应的诊断心电图，结合诊断人员的年龄、性别和查询疾病得到服务器中对应存储的预设心电图，诊断心电图与预设心电图进行比对，得到诊断人员对应诊断心电图的心电偏差值XPu，若XPu＜X1，则诊断人员的心电偏差等级为心电第一偏差等级，并设定对应的心电偏差系数，若X1≤XPu＜X2，则诊断人员的心电偏差等级为心电第二偏差等级，并设定对应的心电偏差系数，若X2≤XPu，则诊断人员的心电偏差等级为心电第三偏差等级，并设定对应的心电偏差系数，心电比对模块将诊断人员诊断心电图的心电偏差等级和对应的心电偏差系数反馈至服务器，服务器将诊断人员诊断心电图的心电偏差等级和对应的心电偏差系数发送至初步诊断模块；
通过体态监测模块对诊断人员的体态状态进行监测，获取诊断人员的血糖浓度值、糖基化血红蛋白值和糖化血清蛋白值，依据年龄、性别和查询疾病得到服务器中对应存储的血糖浓度值、糖基化血红蛋白值和糖化血清蛋白值的区间范围，若血糖浓度值、糖基化血红蛋白值和糖化血清蛋白值均在对应区间范围之内，则不进行任何操作，若血糖浓度值、糖基化血红蛋白值和糖化血清蛋白值任一项在对应区间范围之外，则计算血糖浓度值、糖基化血红蛋白值、糖化血清蛋白值与对应区间范围的偏差值，并将各项偏差值标记为XNCu、THCu和TJCu，通过公式TPu＝XNCu×b1+THCu×b2+TJCu×b3计算得到诊断人员的体态偏差值TPu，若TPu＜Y1，则诊断人员的体态偏差等级为体态第一偏差等级，并设定对应的体态偏差系数，若Y1≤TPu＜Y2，则诊断人员的体态偏差等级为体态第二偏差等级，并设定对应的体态偏差系数，若Y2≤TPu，则诊断人员的体态偏差等级为体态第三偏差等级，并设定对应的体态偏差系数，体态监测模块将诊断人员的体态偏差等级和对应的体态偏差系数反馈至服务器，服务器将诊断人员的体态偏差等级和对应的体态偏差系数发送至初步诊断模块；
通过初步诊断模块对诊断人员的心脑血管疾病进行初步诊断，将诊断人员的体态偏差系数、心电偏差系数分别标记为TPXu、XPXu，通过公式
Figure BDA0003742246710000121
计算得到诊断人员的诊断值ZDuSPu，获取服务器中存储的诊断区间，诊断人员的诊断值与诊断区间进行比对得到对应的诊断区间，不同诊断区间对应不同初诊信号，依据诊断区间得到诊断人员的初诊信号，初步诊断模块将身体正常信号、身体复查信号或身体诊断信号反馈至服务器，若服务器接收到身体正常信号，则不进行任何操作，若服务器接收到身体复查信号，则通过体态监测模块、心电比对模块和初步诊断模块再次对诊断人员的身体状况进行监测诊断，若服务器接收到身体疾病信号，则生成疾病查询指令加载至数据采集模块；
同时，据采集模块再次采取疾病诊断模型所需的诊断人员的各项身体特征值，并将各项身体特征值发送至服务器，服务器将诊断人员的各项身体特征值输入疾病诊断模型，通过疾病诊断模型得到诊断人员的诊断报告。
上述公式均是去量纲取其数值计算，公式是由采集大量数据进行软件模拟得到最近真实情况的一个公式，公式中的预设参数由本领域的技术人员根据实际情况进行设置，权重系数和比例系数的大小是为了将各个参数进行量化得到的一个具体的数值，便于后续比较，关于权重系数和比例系数的大小，只要不影响参数与量化后数值的比例关系即可。
以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节，也不限制该发明仅为的具体实施方式。显然，根据本说明书的内容，可作很多的修改和变化。本说明书选取并具体描述这些实施例，是为了更好地解释本发明的原理和实际应用，从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。

Claims (9)

1.一种基于元数据的心脑血管数疾病诊断管理系统，其特征在于，包括数据采集模块、体态监测模块、初步诊断模块、心电比对模块、模型构建模块、大数据模块以及服务器，所述大数据模块用于获取大量的心脑血管医疗卫生数据并发送至模型构建模块，模型构建模块结合心脑血管医疗卫生数据用于构建疾病诊断模型并反馈至服务器进行存储；所述数据采集模块用于采集诊断人员的心电数据和体态数据并发送至服务器，所述服务器将心电数据发送至心电比对模块、将体态数据发送至体态监测模块；
所述心电比对模块用于对诊断人员心脑血管的心电图进行比对，得到心电偏差等级和对应的心电偏差系数反馈至服务器，所述服务器将心电偏差等级和对应的心电偏差系数发送至初步诊断模块；所述体态监测模块用于对诊断人员的体态状态进行监测，得到体态偏差等级和对应的体态偏差系数反馈至服务器，所述服务器将体态偏差等级和对应的体态偏差系数发送至初步诊断模块；
所述初步诊断模块用于对诊断人员的心脑血管疾病进行初步诊断，生成身体正常信号、身体复查信号或身体诊断信号反馈至服务器；若服务器接收到身体正常信号，则不进行任何操作；若服务器接收到身体复查信号，则再次对诊断人员的身体状况进行监测诊断；若服务器接收到身体疾病信号，则生成疾病查询指令加载至数据采集模块；
所述数据采集模块再次采取疾病诊断模型所需的诊断人员的各项身体特征值，并将各项身体特征值发送至服务器，所述服务器将诊断人员的各项身体特征值输入疾病诊断模型，通过疾病诊断模型得到诊断人员的诊断报告。
2.根据权利要求1所述的一种基于元数据的心脑血管数疾病诊断管理系统，其特征在于，所述模型构建模块的构建过程具体如下：
心脑血管医疗卫生数据中筛选出患者身体的各项身体特征值，各项身体特征值构成心脑血管疾病的样本数据；
对样本数据进行再次筛选得到心脑血管疾病评估量；
根据心脑血管疾病评估量，同时采用大数据信息分析及挖掘算法，构建得到心脑血管疾病情况的疾病诊断模型。
3.根据权利要求1所述的一种基于元数据的心脑血管数疾病诊断管理系统，其特征在于，心电数据为诊断人员的诊断心电图、动态心电图、超声心动图；
体态数据为诊断人员的血糖浓度值、糖基化血红蛋白、糖基化血红蛋白值、糖化血清蛋白值。
4.根据权利要求3所述的一种基于元数据的心脑血管数疾病诊断管理系统，其特征在于，所述心电比对模块的比对过程具体如下：
步骤一：将诊断人员标记为u，u＝1，2，……，z，z为正整数；获取诊断人员对应的诊断心电图；
步骤二：获取诊断人员的年龄、性别和查询疾病，依据年龄、性别和查询疾病得到服务器中对应存储的预设心电图；
步骤三：诊断心电图与预设心电图进行比对，得到诊断人员对应诊断心电图的心电偏差值XPu，比对过程具体如下：
将诊断心电图与预设心电图堆叠放置；
统计诊断心电图与预设心电图堆叠时的交叉数JCu；
依据交叉数得到诊断心电图与预设心电图的交叉区域，计算交叉区域的面积得到交叉面积JMu；
通过公式XPu＝JCu×a1+JMu×a2计算得到诊断人员对应诊断心电图的心电偏差值XPu；式中，a1和a2均为固定数值的权重系数，且a1和a2的取值均大于零；
步骤四：若XPu＜X1，则诊断人员的心电偏差等级为心电第一偏差等级，并设定对应的心电偏差系数；
若X1≤XPu＜X2，则诊断人员的心电偏差等级为心电第二偏差等级，并设定对应的心电偏差系数；
若X2≤XPu，则诊断人员的心电偏差等级为心电第三偏差等级，并设定对应的心电偏差系数；其中，X1和X2均为固定数值的心电偏差阈值，且X1＜X2。
5.根据权利要求4所述的一种基于元数据的心脑血管数疾病诊断管理系统，其特征在于，心电第一偏差等级的心电偏差系数小于心电第二偏差等级的心电偏差系数，心电第二偏差等级的心电偏差系数小于心电第三偏差等级的心电偏差系数。
6.根据权利要求4所述的一种基于元数据的心脑血管数疾病诊断管理系统，其特征在于，所述体态监测模块的监测过程具体如下：
步骤S1：获取诊断人员的血糖浓度值、糖基化血红蛋白值和糖化血清蛋白值；
步骤S2：依据年龄、性别和查询疾病得到服务器中对应存储的血糖浓度值、糖基化血红蛋白值和糖化血清蛋白值的区间范围；
步骤S3：若血糖浓度值、糖基化血红蛋白值和糖化血清蛋白值均在对应区间范围之内，则不进行任何操作；
若血糖浓度值、糖基化血红蛋白值和糖化血清蛋白值任一项在对应区间范围之外，则计算血糖浓度值、糖基化血红蛋白值、糖化血清蛋白值与对应区间范围的偏差值，并将各项偏差值标记为XNCu、THCu和TJCu；
步骤S4：通过公式TPu＝XNCu×b1+THCu×b2+TJCu×b3计算得到诊断人员的体态偏差值TPu；式中，b1、b2和b3均为固定数值的权重系数，且b1、b2和b3的取值均大于零；
步骤S5：若TPu＜Y1，则诊断人员的体态偏差等级为体态第一偏差等级，并设定对应的体态偏差系数；
若Y1≤TPu＜Y2，则诊断人员的体态偏差等级为体态第二偏差等级，并设定对应的体态偏差系数；
若Y2≤TPu，则诊断人员的体态偏差等级为体态第三偏差等级，并设定对应的体态偏差系数；其中，Y1和Y2均为固定数值的体态偏差阈值，且Y1＜Y2。
7.根据权利要求6所述的一种基于元数据的心脑血管数疾病诊断管理系统，其特征在于，体态第一偏差等级的体态偏差系数小于体态第二偏差等级的体态偏差系数，体态第二偏差等级的体态偏差系数小于体态第三偏差等级的体态偏差系数。
8.根据权利要求6所述的一种基于元数据的心脑血管数疾病诊断管理系统，其特征在于，所述初步诊断模块的初步诊断过程具体如下：
步骤SS1：将诊断人员的体态偏差系数、心电偏差系数分别标记为TPXu、XPXu；
步骤SS2：通过公式
Figure FDA0003742246700000041
计算得到诊断人员的诊断值ZDuSPu；式中，c1、c2和c3均为固定数值的比例系数，且c1、c2和c3的取值均大于零；
步骤SS3：获取服务器中存储的诊断区间，诊断人员的诊断值与诊断区间进行比对得到对应的诊断区间；
步骤SS4：不同诊断区间对应不同初诊信号，依据诊断区间得到诊断人员的初诊信号。
9.根据权利要求8所述的一种基于元数据的心脑血管数疾病诊断管理系统，其特征在于，诊断区间包括第一诊断区间、第二诊断区间和第三诊断区间，第一诊断区间的上限值小于第二诊断区间的下限值，第二诊断区间的上限值小于第三诊断区间的下限值；
第一诊断区间对应的身体正常信号，第二诊断区间对应的身体复查信号，第三诊断区间对应身体诊断信号。
CN202210815840.8A 2022-07-12 2022-07-12 一种基于元数据的心脑血管数疾病诊断管理系统 Pending CN114974576A (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202210815840.8A CN114974576A (zh) 2022-07-12 2022-07-12 一种基于元数据的心脑血管数疾病诊断管理系统
US18/350,726 US20240021311A1 (en) 2022-07-12 2023-07-11 Metadata-Based Diagnosis and Management System for Cardiovascular and Cerebrovascular Diseases

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210815840.8A CN114974576A (zh) 2022-07-12 2022-07-12 一种基于元数据的心脑血管数疾病诊断管理系统

Publications (1)

Publication Number Publication Date
CN114974576A true CN114974576A (zh) 2022-08-30

Family

ID=82970304

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210815840.8A Pending CN114974576A (zh) 2022-07-12 2022-07-12 一种基于元数据的心脑血管数疾病诊断管理系统

Country Status (2)

Country Link
US (1) US20240021311A1 (zh)
CN (1) CN114974576A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN118571469A (zh) * 2024-08-01 2024-08-30 长春中医药大学 一种基于元数据的心脑血管疾病辅助检测系统

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN119851976A (zh) * 2025-01-09 2025-04-18 阿尔麦德智慧医疗(湖州)有限公司 一种基于人工智能的智慧医疗远程诊疗系统

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107680680A (zh) * 2017-09-07 2018-02-09 广州九九加健康管理有限公司 基于精准健康管理的心脑血管疾病风险预警方法及系统
CN110223782A (zh) * 2019-05-27 2019-09-10 中山大学孙逸仙纪念医院 移动医疗服务系统
US20190369120A1 (en) * 2016-02-01 2019-12-05 Prevencio, Inc. Diagnostic and prognostic methods for cardiovascular diseases and events
CN110584618A (zh) * 2019-08-15 2019-12-20 济南市疾病预防控制中心 基于人工智能的传染病机器识别系统
CN112992343A (zh) * 2021-03-10 2021-06-18 重庆医科大学 一种对2型糖尿病患者的冠心病辅助诊断系统
CN113331800A (zh) * 2021-05-14 2021-09-03 江西有为生物技术有限公司 一种基于用户生理指标的监控报警系统及方法
CN114566282A (zh) * 2022-03-09 2022-05-31 曜立科技(北京)有限公司 一种基于超声心动图检测报告的治疗决策系统
CN114639478A (zh) * 2022-03-09 2022-06-17 曜立科技(北京)有限公司 一种基于心脏瓣膜病的超声监测系统

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20190369120A1 (en) * 2016-02-01 2019-12-05 Prevencio, Inc. Diagnostic and prognostic methods for cardiovascular diseases and events
CN107680680A (zh) * 2017-09-07 2018-02-09 广州九九加健康管理有限公司 基于精准健康管理的心脑血管疾病风险预警方法及系统
CN110223782A (zh) * 2019-05-27 2019-09-10 中山大学孙逸仙纪念医院 移动医疗服务系统
CN110584618A (zh) * 2019-08-15 2019-12-20 济南市疾病预防控制中心 基于人工智能的传染病机器识别系统
CN112992343A (zh) * 2021-03-10 2021-06-18 重庆医科大学 一种对2型糖尿病患者的冠心病辅助诊断系统
CN113331800A (zh) * 2021-05-14 2021-09-03 江西有为生物技术有限公司 一种基于用户生理指标的监控报警系统及方法
CN114566282A (zh) * 2022-03-09 2022-05-31 曜立科技(北京)有限公司 一种基于超声心动图检测报告的治疗决策系统
CN114639478A (zh) * 2022-03-09 2022-06-17 曜立科技(北京)有限公司 一种基于心脏瓣膜病的超声监测系统

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN118571469A (zh) * 2024-08-01 2024-08-30 长春中医药大学 一种基于元数据的心脑血管疾病辅助检测系统

Also Published As

Publication number Publication date
US20240021311A1 (en) 2024-01-18

Similar Documents

Publication Publication Date Title
EP0370085B1 (en) Cardiac death probability determining device
EP0591439B1 (en) A clinical information reporting system and method therefor
CN112365978A (zh) 心动过速事件早期风险评估的模型的建立方法及其装置
CA2927807C (en) System and method for providing multi-organ variability decision support for extubation management
CN105956372B (zh) 一种远程多传感器监护的医疗系统
CN102670190A (zh) 基于心率变异性非线性特性的充盈性心衰自动诊断方法
CN107145715B (zh) 一种基于推举算法的临床医学智能判别装置
CN117017310A (zh) 基于知识蒸馏的声电双模先天性心脏病预测装置
CN106919804A (zh) 基于临床数据的药物推荐方法、推荐装置及服务器
CN114974576A (zh) 一种基于元数据的心脑血管数疾病诊断管理系统
CN111383728A (zh) 用于新冠肺炎隔离管理的医学症状信息处理装置及隔离管理系统
CN109846474A (zh) 心电图的处理方法及装置、心电图的远程处理方法及系统
CN116965776A (zh) 基于pews分级的儿童重症监控系统及其方法
CN110200619A (zh) 一种建立重大心血管疾病风险预警模型方法及装置
CN113012823A (zh) 一种用于心电图机的云平台系统
Nursalim et al. Classification of electrocardiogram signal using deep learning models
Manullang et al. Implementation of ad8232 ecg signal classification using peak detection method for determining rst point
Kenneth et al. Data fusion of multimodal cardiovascular signals
TWI688371B (zh) 心房顫動信號型態擷取及輔助診斷智能裝置
CN118280563A (zh) 一种辅助脓毒症患者的治疗的评估系统及方法
CN111276218A (zh) 一种精准诊疗系统、设备及方法
CN117292829A (zh) 一种冠心病分级诊疗信息系统
Chazard et al. One million electrocardiograms of primary care patients: a descriptive analysis.
CN115054268A (zh) 心电图智能诊断系统
CN105748049B (zh) 一种带有毯式远程生理监护的医疗系统

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20220830