CN111445994A - 一种病毒性肺炎辅助诊断装置及方法 - Google Patents
一种病毒性肺炎辅助诊断装置及方法 Download PDFInfo
- Publication number
- CN111445994A CN111445994A CN202010227258.0A CN202010227258A CN111445994A CN 111445994 A CN111445994 A CN 111445994A CN 202010227258 A CN202010227258 A CN 202010227258A CN 111445994 A CN111445994 A CN 111445994A
- Authority
- CN
- China
- Prior art keywords
- viral pneumonia
- auxiliary diagnosis
- diagnosis system
- characteristic value
- personnel
- 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.)
- Granted
Links
- 206010035737 Pneumonia viral Diseases 0.000 title claims abstract description 128
- 208000009421 viral pneumonia Diseases 0.000 title claims abstract description 128
- 238000003745 diagnosis Methods 0.000 title claims abstract description 126
- 238000000034 method Methods 0.000 title claims abstract description 16
- 238000007689 inspection Methods 0.000 claims abstract description 37
- 206010037660 Pyrexia Diseases 0.000 claims abstract description 16
- 238000001514 detection method Methods 0.000 claims abstract description 14
- 238000001931 thermography Methods 0.000 claims abstract description 14
- 210000004698 lymphocyte Anatomy 0.000 claims description 21
- 210000000265 leukocyte Anatomy 0.000 claims description 17
- 238000012360 testing method Methods 0.000 claims description 12
- 210000004369 blood Anatomy 0.000 claims description 9
- 239000008280 blood Substances 0.000 claims description 9
- 230000036760 body temperature Effects 0.000 claims description 8
- 150000007523 nucleic acids Chemical class 0.000 claims description 8
- 102000039446 nucleic acids Human genes 0.000 claims description 8
- 108020004707 nucleic acids Proteins 0.000 claims description 8
- 238000002955 isolation Methods 0.000 claims description 6
- 238000009666 routine test Methods 0.000 claims description 6
- 238000004159 blood analysis Methods 0.000 claims description 5
- 238000004820 blood count Methods 0.000 claims description 5
- 201000010099 disease Diseases 0.000 claims description 2
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims description 2
- 238000010438 heat treatment Methods 0.000 claims description 2
- 230000003612 virological effect Effects 0.000 claims description 2
- 206010042635 Suspiciousness Diseases 0.000 claims 1
- 206010035664 Pneumonia Diseases 0.000 description 5
- 241000700605 Viruses Species 0.000 description 3
- 241000711573 Coronaviridae Species 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 208000025721 COVID-19 Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000002059 diagnostic imaging Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 210000002345 respiratory system Anatomy 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009385 viral infection Effects 0.000 description 1
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
- 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
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/172—Classification, e.g. identification
-
- 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
- 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
- G16H40/20—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 management or administration of healthcare resources or facilities, e.g. managing hospital staff or surgery rooms
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Primary Health Care (AREA)
- Biomedical Technology (AREA)
- Epidemiology (AREA)
- General Business, Economics & Management (AREA)
- Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- Pathology (AREA)
- Databases & Information Systems (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
本发明提供了一种病毒性肺炎辅助诊断装置及方法，所述装置包括病毒性肺炎辅助诊断***，病毒性肺炎辅助诊断***分别与热成像摄像机、安检门、人脸识别***、检验信息***、医学影像信息***连接，整合人员身份信息、人脸温度数值、检验数值、影像诊断数据，计算各类特征值，获取病毒性肺炎疑似度，通过病毒性肺炎疑似度来精确判断患者进入发热门诊还是普通门诊。本发明实现病毒性肺炎的全流程管理，减少漏检和工作疏忽。
Description
技术领域
本发明属于智能辅助诊断技术领域，具体涉及一种病毒性肺炎辅助诊断装置及方法。
背景技术
病毒性肺炎是由上呼吸道病毒感染、向下蔓延所致的肺部炎症，多发生于冬春季节，可散发流行或暴发，病毒性肺炎感染性极强，引起的并发症和死亡现象非常严重，对医院的预检分诊、多科室诊疗、院感控制等工作带来极大的挑战。针对病毒性肺炎的诊断标准，医院需要协同多科室，对患者流行病学史、预检分诊的发热表现、检验科的血常规指标、医学影像科的影像学诊断提供的所有数据进行多学科诊疗，但是目前没有专用的设备用于对诊断标准涉及的数据进行统一管理和进一步分析，不能提供给相关涉及部门及科室辅助诊断建议。
发明内容
针对现有技术中存在不足，本发明提供了一种病毒性肺炎辅助诊断装置及方法，通过信息化手段和硬件设备的设计，实现病毒性肺炎辅助诊断。
本发明是通过以下技术手段实现上述技术目的。
一种病毒性肺炎辅助诊断装置，包括病毒性肺炎辅助诊断***，所述病毒性肺炎辅助诊断***分别与热成像摄像机、安检门、人脸识别***、检验信息***、医学影像信息***连接；所述病毒性肺炎辅助诊断***接收人员身份信息、人脸温度数值、检验数值和影像诊断数据，由各类特征值，获取病毒性肺炎疑似度。
上述技术方案中，所述热成像摄像机同时采集人员的人脸图像信息及人脸温度数值；所述人脸识别***由人脸图像信息检索出人员身份；所述检验信息***获取人员检验数值，所述人员检验数值包括白细胞总数和淋巴细胞计数；所述特征值包括流行病学史特征值sd1、人脸温度特征值sd2、白细胞总数特征值sd3、淋巴细胞计数特征值sd4以及影像诊断特征值sd5；所述病毒性肺炎疑似度
其中swn为疑似度权值，由特征值的具体病症中的相关程度设定。
一种病毒性肺炎辅助诊断方法，包括以下步骤：
S1，人脸识别***判断是否识别采集的人脸信息，如果是转入S4，否则转入S2；
S2，安检门报警，人员登记身份信息并记录人脸特征；
S3，病毒性肺炎辅助诊断***建立人员健康档案数据表，登记个人信息，记录人脸特征，录入流行病学史特征值sd1；
S4，病毒性肺炎辅助诊断***计算人脸温度特征值sd2，并将所述sd2存入该人员健康档案数据表；
S5，病毒性肺炎辅助诊断***判断sd2是否等于1，如果是转入S6；否则安检门正常放行；
S6，安检门报警，将人员分流至发热门诊；
S7，发热门诊开具血常规检验申请报告及胸部CT检查申请报告，并录入病毒性肺炎辅助诊断***；
S8，病毒性肺炎辅助诊断***将血常规检验申请报告发送至检验信息***，检验科进行血常规检测，由白细胞总数wbc，计算白细胞总数特征值sd3；由淋巴细胞计数lym，计算淋巴细胞计数特征值sd4；检验信息***将所述sd3、sd4传输至病毒性肺炎辅助诊断***；
S9，病毒性肺炎辅助诊断***将胸部CT检查申请报告发送至医学影像信息***，医学影像科进行胸部CT检查，医学影像信息***生成胸部影像特征值sd5，并将所述sd5传输至病毒性肺炎辅助诊断***；
S10，病毒性肺炎辅助诊断***计算病毒性肺炎疑似度ViralPneuSus，判断ViralPneuSus是否大于阈值VPSMax，如果是转入S11；否则转入S13；
S11，引导人员入住发热门诊单人间，提交核酸检测，检测结果录入病毒性肺炎辅助诊断***；
S12，病毒性肺炎辅助诊断***判断核酸检测是否为阳性，如果是入住隔离病房进行治疗，否转入S13；
S13，专家组根据人员健康档案数据表中的数据进行临床综合诊断人员是否疑似病毒性肺炎，如果是人员入住隔离病房进行治疗，否则进入普通门诊正常就诊。
进一步，所述
所述
其中TMax为体温阈值；所述
其中WBCMax为白细胞总数阈值；所述
其中LYMMax为淋巴细胞计数阈值；所述
本发明具有有益效果为：本发明的病毒性肺炎辅助诊断***分别与热成像摄像机、安检门、人脸识别***、检验信息***、医学影像信息***连接，整合人员身份信息、人脸温度数值、检验数值、影像诊断数据，计算各类特征值，获取病毒性肺炎疑似度，通过病毒性肺炎疑似度来精确判断患者进入发热门诊还是普通门诊。本发明实现各科室的数据共享，减少了医院的人工记录工作量，完成患者的全流程管理，进一步规范操作，减少漏检和工作疏忽。
附图说明
图1为本发明所述病毒性肺炎辅助诊断装置的总体结构示意图；
图2为本发明所述病毒性肺炎辅助诊断方法流程图；
其中：1-病毒性肺炎辅助诊断***，2-热成像摄像设备，3-安检门，4-人脸识别***，5-检验信息***，6-医学影像信息***。
具体实施方式
下面结合附图以及具体实施例对本发明作进一步的说明，但本发明的保护范围并不限于此。
如图1所示，一种病毒性肺炎辅助诊断装置，包括病毒性肺炎辅助诊断***1、热成像摄像机2、安检门3、人脸识别***4、检验信息***5以及医学影像信息***6。病毒性肺炎辅助诊断***1分别与热成像摄像机2、安检门3、人脸识别***4、检验信息***(Laboratory Information System，LIS)5、医学影像信息***(Picture Archiving andCommunication Systems，PACS)6通过医院LAN连接。
热成像摄像机2用于同时采集人员的人脸图像信息及人脸温度数值，并传输给病毒性肺炎辅助诊断***1；安检门3接收病毒性肺炎辅助诊断***1的指令，用于报警，控制人员通过；人脸识别***4通过病毒性肺炎辅助诊断***1接收发送的人脸图像信息，检索出人员身份信息，并传输给病毒性肺炎辅助诊断***1；检验信息***5通过病毒性肺炎辅助诊断***1接收人员分类信息，并将获取的人员检验数值特征值传输给病毒性肺炎辅助诊断***1；医学影像信息***6用于接收人员分类信息，并将胸部影像特征值传输给病毒性肺炎辅助诊断***1；病毒性肺炎辅助诊断***1接收人员身份信息、人脸温度数值、检验数值、影像诊断数据，由各类特征值，获取病毒性肺炎疑似度。病毒性肺炎疑似度计算方法如下：
设流行病学史特征值为sd1，人脸温度特征值为sd2，白细胞总数特征值为sd3，淋巴细胞计数特征值为sd4，影像诊断特征值为sd5；设疑似度权值swn，1≤n≤5，集合为{sw1,sw2,sw3,sw4,sw5}，swn由特征值的具体病症中的相关程度设定；病毒性肺炎疑似度
如图2所示，一种病毒性肺炎辅助诊断方法，具体包括以下步骤：
S1，病毒性肺炎辅助诊断***1获取热成像摄像机2采集的人脸图像信息、人脸温度数值tem；
S2，病毒性肺炎辅助诊断***1将人脸图像信息传输给人脸识别***4，判断是否识别该人脸信息，如果是转入S5，否则转入S3；
S3，病毒性肺炎辅助诊断***1通过安检门3报警，需要该人员登记身份信息并记录人脸特征；
S4，病毒性肺炎辅助诊断***1建立人员健康档案数据表，登记个人信息，记录人脸特征，录入流行病学史特征值sd1，
S5，病毒性肺炎辅助诊断***1计算人脸温度特征值sd2，
其中TMax为体温阈值(设置在病毒性肺炎辅助诊断***1)，并将sd2存入该人员健康档案数据表；
S6，病毒性肺炎辅助诊断***1判断sd2是否等于1，如果是转入S7；否则转入S16；
S7，病毒性肺炎辅助诊断***1通过安检门3报警，需要将人员分流至发热门诊；
S8，发热门诊开具血常规检验申请报告及胸部CT检查申请报告，并录入病毒性肺炎辅助诊断***1；
S9，病毒性肺炎辅助诊断***1将血常规检验申请报告发送至检验信息***5，检验科进行血常规检测，检验信息***5由白细胞总数wbc，计算白细胞总数特征值sd3，
其中WBCMax为白细胞总数阈值(设置在检验信息***5)；检验信息***5由淋巴细胞计数lym，计算淋巴细胞计数特征值sd4，
其中LYMMax为淋巴细胞计数阈值(设置在检验信息***5)；检验信息***5将白细胞总数特征值sd3、淋巴细胞计数特征值sd4传输至病毒性肺炎辅助诊断***1；
S10，病毒性肺炎辅助诊断***1将胸部CT检查申请报告发送至医学影像信息***6，医学影像科进行胸部CT检查，医学影像信息***6生成胸部影像特征值sd5，
医学影像信息***6将胸部影像特征值sd5传输至病毒性肺炎辅助诊断***1；
S11，病毒性肺炎辅助诊断***1计算病毒性肺炎疑似度ViralPneuSus，判断ViralPneuSus是否大于阈值VPSMax(设置在病毒性肺炎辅助诊断***1中)，如果是转入S12；否则转入S14；
S12，引导人员入住发热门诊单人间，提交核酸检测，检测结果录入病毒性肺炎辅助诊断***1；
S13，病毒性肺炎辅助诊断***1判断核酸检测是否为阳性，如果是转入S15，否转入S14；
S14，专家组根据病毒性肺炎辅助诊断***1提供的人员健康档案数据表中的数据进行临床综合诊断人员是否疑似病毒性肺炎，如果是转入S15，否则转入S17；
S15，人员入住隔离病房进行治疗；
S16，病毒性肺炎辅助诊断***1通过安检门3正常放行；
S17，人员进入普通门诊正常就诊。
本实施例针对COVID-19冠状病毒性肺炎进行辅助诊断，设定疑似度权值集合为{sw1＝1,sw2＝1.5,sw3＝0.5,sw4＝0.5,sw5＝1}；阈值VPSMax＝2.5，体温阈值TMax＝37.5，白细胞总数阈值WBCMax＝10，淋巴细胞计数阈值LYMMax＝0.2。
实施例1：无流行病学史体温正常复诊人员
S1，病毒性肺炎辅助诊断***1获取热成像摄像机2采集人员的人脸图像信息、人脸温度数值tem＝36.5；
S2，病毒性肺炎辅助诊断***1将人脸图像信息传输给人脸识别***4，识别人脸信息为已登记人员；
S3，病毒性肺炎辅助诊断***1计算人脸温度特征值sd2＝0，将sd2存入该人员健康档案数据表；
S4，病毒性肺炎辅助诊断***1判断人脸温度数值tem＝36.5小于体温阈值TMax＝37.5；
S5，病毒性肺炎辅助诊断***1控制安检门3正常放行；
S6，人员进入普通门诊正常就诊。
实施例2：无流行病学史普通发热人员
S1，病毒性肺炎辅助诊断***1获取热成像摄像机2采集人员的人脸图像信息、人脸温度数值tem＝38.3；
S2，病毒性肺炎辅助诊断***1将人脸图像信息传输给人脸识别***4，识别人脸信息为已登记人员；
S3，病毒性肺炎辅助诊断***1计算人脸温度特征值sd2＝1，将sd2存入该人员健康档案数据表；
S4，病毒性肺炎辅助诊断***1判断人脸温度数值tem＝38.3大于体温阈值TMax；
S5，病毒性肺炎辅助诊断***1控制安检门3报警，需要将人员分流至发热门诊；
S6，发热门诊开具血常规检验申请报告及胸部CT检查申请报告；
S7，检验科进行血常规检测，获取白细胞总数wbc＝4，又WBCMax＝10，计算白细胞总数特征值sd3＝1；获取淋巴细胞计数lym＝0.3，又LYMMax＝0.2，计算淋巴细胞计数特征值sd4＝0，检验信息***5将白细胞总数特征值sd3、淋巴细胞计数特征值sd4传输至病毒性肺炎辅助诊断***1；
S8，医学影像科进行胸部CT检查，医学影像信息***6生成胸部影像特征值sd5＝0，并传输至病毒性肺炎辅助诊断***1；
S9，病毒性肺炎辅助诊断***1计算病毒性肺炎疑似度ViralPneuSus，由于sd1＝0、sd2＝1、sd3＝1、sd4＝0、sd5＝0，所以
且ViralPneuSus小于阈值VPSMax＝2.5；
S10，专家组根据病毒性肺炎辅助诊断***1提供的人员健康档案数据表中的数据进行临床综合诊断人员非疑似病毒性肺炎；
S11，人员进入普通门诊正常就诊。
实施例3：疑似满足流行病学史的发热病毒性肺炎人员
S1，病毒性肺炎辅助诊断***1连接热成像摄像机2采集人员的人脸图像信息、人脸温度数值tem＝39.1；
S2，病毒性肺炎辅助诊断***1将人脸图像信息传输给人脸识别***4进行计算，未识别该人脸信息；
S3，病毒性肺炎辅助诊断***1控制安检门3报警，需要该人员登记身份信息并记录人脸特征；
S4，病毒性肺炎辅助诊断***1建立人员健康档案数据表，登记个人信息，记录人脸特征，录入流行病学史特征值sd1＝1，满足流行病学史；
S5，病毒性肺炎辅助诊断***1计算人脸温度特征值sd2＝1，将sd2存入该人员健康档案数据表；
S6，病毒性肺炎辅助诊断***1判断人脸温度数值tem＝39.1大于体温阈值TMax＝37.5；
S7，病毒性肺炎辅助诊断***1通过安检门3报警，需要将人员分流至发热门诊；
S8，发热门诊开具血常规检验申请报告及胸部CT检查申请报告；
S9，检验科进行血常规检测，获取白细胞总数wbc＝3，又WBCMax＝10，计算白细胞总数特征值sd3＝1；淋巴细胞计数lym＝0.15，又LYMMax＝0.2，计算淋巴细胞计数特征值sd4＝1，检验信息***5将白细胞总数特征值sd3、淋巴细胞计数特征值sd4传输至病毒性肺炎辅助诊断***1；
S10，医学影像科进行胸部CT检查，医学影像信息***6生成胸部影像特征值sd5＝1，具有新冠病毒肺炎影像学特征，提交数据至病毒性肺炎辅助诊断***1；
S11，病毒性肺炎辅助诊断***1计算病毒性肺炎疑似度ViralPneuSus，由于sd1＝1、sd2＝1、sd3＝1、sd4＝1、sd5＝1，所以
ViralPneuSus大于阈值VPSMax＝2.5；
S12，人员入住发热门诊单人间，提交核酸检测，检测结果录入病毒性肺炎辅助诊断***1；
S13，病毒性肺炎辅助诊断***1判断核酸检测是为阳性；
S14，人员入住隔离病房进行治疗。
所述实施例为本发明的优选的实施方式，但本发明并不限于上述实施方式，在不背离本发明的实质内容的情况下，本领域技术人员能够做出的任何显而易见的改进、替换或变型均属于本发明的保护范围。
Claims (8)
1.一种病毒性肺炎辅助诊断装置，其特征在于，包括病毒性肺炎辅助诊断***(1)，所述病毒性肺炎辅助诊断***(1)分别与热成像摄像机(2)、安检门(3)、人脸识别***(4)、检验信息***(5)、医学影像信息***(6)连接；所述病毒性肺炎辅助诊断***(1)接收人员身份信息、人脸温度数值、检验数值和影像诊断数据，由各类特征值，获取病毒性肺炎疑似度。
2.根据权利要求1所述的病毒性肺炎辅助诊断装置，其特征在于，所述热成像摄像机(2)同时采集人员的人脸图像信息及人脸温度数值。
3.根据权利要求2所述的病毒性肺炎辅助诊断装置，其特征在于，所述人脸识别***(4)由人脸图像信息检索出人员身份。
4.根据权利要求1所述的病毒性肺炎辅助诊断装置，其特征在于，所述检验信息***(5)获取人员检验数值，所述人员检验数值包括白细胞总数和淋巴细胞计数。
5.根据权利要求1所述的病毒性肺炎辅助诊断装置，其特征在于，所述特征值包括流行病学史特征值sd1、人脸温度特征值sd2、白细胞总数特征值sd3、淋巴细胞计数特征值sd4以及影像诊断特征值sd5。
6.根据权利要求5所述的病毒性肺炎辅助诊断装置，其特征在于，所述病毒性肺炎疑似度
其中swn为疑似度权值，由特征值的具体病症中的相关程度设定。
7.一种根据权利要求1-6任意所述的病毒性肺炎辅助诊断方法，其特征在于，包括以下步骤：
S1，人脸识别***(4)判断是否识别采集的人脸信息，如果是转入S4，否则转入S2；
S2，安检门(3)报警，人员登记身份信息并记录人脸特征；
S3，病毒性肺炎辅助诊断***(1)建立人员健康档案数据表，登记个人信息，记录人脸特征，录入流行病学史特征值sd1；
S4，病毒性肺炎辅助诊断***(1)计算人脸温度特征值sd2，并将所述sd2存入该人员健康档案数据表；
S5，病毒性肺炎辅助诊断***(1)判断sd2是否等于1，如果是转入S6；否则安检门(3)正常放行；
S6，安检门(3)报警，将人员分流至发热门诊；
S7，发热门诊开具血常规检验申请报告及胸部CT检查申请报告，并录入病毒性肺炎辅助诊断***(1)；
S8，病毒性肺炎辅助诊断***(1)将血常规检验申请报告发送至检验信息***(5)，检验科进行血常规检测，由白细胞总数wbc，计算白细胞总数特征值sd3；由淋巴细胞计数lym，计算淋巴细胞计数特征值sd4；检验信息***(5)将所述sd3、sd4传输至病毒性肺炎辅助诊断***(1)；
S9，病毒性肺炎辅助诊断***(1)将胸部CT检查申请报告发送至医学影像信息***(6)，医学影像科进行胸部CT检查，医学影像信息***(6)生成胸部影像特征值sd5，并将所述sd5传输至病毒性肺炎辅助诊断***(1)；
S10，病毒性肺炎辅助诊断***(1)计算病毒性肺炎疑似度ViralPneuSus，判断ViralPneuS是否大于阈值VPSMax，如果是转入S11；否则转入S13；
S11，引导人员入住发热门诊单人间，提交核酸检测，检测结果录入病毒性肺炎辅助诊断***(1)；
S12，病毒性肺炎辅助诊断***(1)判断核酸检测是否为阳性，如果是入住隔离病房进行治疗，否转入S13；
S13，专家组根据人员健康档案数据表中的数据进行临床综合诊断人员是否疑似病毒性肺炎，如果是入住隔离病房进行治疗，否则进入普通门诊正常就诊。
8.根据权利要求7所述的病毒性肺炎辅助诊断方法，其特征在于，所述
所述
其中TMax为体温阈值；所述
其中WBCMax为白细胞总数阈值；所述
其中LYMMax为淋巴细胞计数阈值；所述
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010227258.0A CN111445994B (zh) | 2020-03-27 | 2020-03-27 | 一种病毒性肺炎辅助诊断装置及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010227258.0A CN111445994B (zh) | 2020-03-27 | 2020-03-27 | 一种病毒性肺炎辅助诊断装置及方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111445994A true CN111445994A (zh) | 2020-07-24 |
| CN111445994B CN111445994B (zh) | 2024-01-30 |
Family
ID=71650837
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010227258.0A Active CN111445994B (zh) | 2020-03-27 | 2020-03-27 | 一种病毒性肺炎辅助诊断装置及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111445994B (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111915783A (zh) * | 2020-07-31 | 2020-11-10 | 北京睿家科技有限公司 | 信息登记查验方法及装置 |
| CN112530578A (zh) * | 2020-12-02 | 2021-03-19 | 中国科学院大学宁波华美医院 | 基于多模态信息融合的病毒性肺炎智能诊断*** |
| CN113034434A (zh) * | 2021-02-03 | 2021-06-25 | 深圳市第三人民医院(深圳市肝病研究所) | 一种预测covid-19严重程度的多因素人工智能分析方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103970977A (zh) * | 2013-02-06 | 2014-08-06 | 翦宜军 | 疫情监控的方法 |
| CN106031630A (zh) * | 2015-03-12 | 2016-10-19 | 沈渊瑶 | 用于体温检测的手持行动通讯装置及其体温检测方法 |
| CN109378079A (zh) * | 2018-09-27 | 2019-02-22 | 同济大学 | 一种基于发热症状监测传染病的***及方法 |
| CN110797125A (zh) * | 2018-08-01 | 2020-02-14 | 深圳云天励飞技术有限公司 | 人体健康检测*** |
-
2020
- 2020-03-27 CN CN202010227258.0A patent/CN111445994B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103970977A (zh) * | 2013-02-06 | 2014-08-06 | 翦宜军 | 疫情监控的方法 |
| CN106031630A (zh) * | 2015-03-12 | 2016-10-19 | 沈渊瑶 | 用于体温检测的手持行动通讯装置及其体温检测方法 |
| CN110797125A (zh) * | 2018-08-01 | 2020-02-14 | 深圳云天励飞技术有限公司 | 人体健康检测*** |
| CN109378079A (zh) * | 2018-09-27 | 2019-02-22 | 同济大学 | 一种基于发热症状监测传染病的***及方法 |
Non-Patent Citations (1)
| Title |
|---|
| 詹菁 等: "新型冠状病毒2019-nCoV的一些初步认识" * |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111915783A (zh) * | 2020-07-31 | 2020-11-10 | 北京睿家科技有限公司 | 信息登记查验方法及装置 |
| CN112530578A (zh) * | 2020-12-02 | 2021-03-19 | 中国科学院大学宁波华美医院 | 基于多模态信息融合的病毒性肺炎智能诊断*** |
| CN113034434A (zh) * | 2021-02-03 | 2021-06-25 | 深圳市第三人民医院(深圳市肝病研究所) | 一种预测covid-19严重程度的多因素人工智能分析方法 |
| CN113034434B (zh) * | 2021-02-03 | 2022-09-02 | 深圳市第三人民医院(深圳市肝病研究所) | 一种预测covid-19严重程度的多因素人工智能分析方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111445994B (zh) | 2024-01-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111445994A (zh) | 一种病毒性肺炎辅助诊断装置及方法 | |
| US12023178B2 (en) | Method of detecting sepsis using vital signs, including systolic blood pressure, hematology parameters, and combinations thereof | |
| Asaari | Value of shock index in prognosticating the short term outcome of death for patients presenting with severe sepsis and septic shock in the emergency department | |
| Klompas et al. | Development of an algorithm for surveillance of ventilator-associated pneumonia with electronic data and comparison of algorithm results with clinician diagnoses | |
| Cook et al. | Evaluation of new diagnostic technologies: bronchoalveolar lavage and the diagnosis of ventilator-associated pneumonia | |
| Escobar et al. | Early discontinuation of antibiotic treatment in newborn admitted to rule out sepsis: a decision rule | |
| An et al. | Risk prediction using the National Early Warning Score and the Worthing Physiological Scoring System in patients who were transported to the Intensive Care Unit from the Emergency Department: A cohort study | |
| Aboughazala | Automated detection of COVID-19 coronavirus cases using deep neural networks with X-ray images | |
| Berman et al. | Comparison of thoracic ultrasonography and thoracic radiography to detect active infectious bronchopneumonia in hospitalized dairy calves | |
| Bergrath et al. | Characteristics and Unexpected COVID‐19 Diagnoses in Resuscitation Room Patients during the COVID‐19 Outbreak—A Retrospective Case Series | |
| Koyano et al. | Retrospective diagnosis of congenital cytomegalovirus infection using dried umbilical cords | |
| Markarian et al. | Early assessment of patients with COVID-19 and dyspnea using lung ultrasound scoring | |
| Dean | National early warning score update | |
| Ryu et al. | Preterm twins from the mother with miliary tuberculosis: Importance of early recognition and prompt response in infection control to manage congenital tuberculosis exposure in a neonatal intensive care unit | |
| EP4127212A1 (en) | Methods and apparatuses for early diagnosis of lung infection acuity | |
| 曾莉茵 et al. | Factors associated with length of hospital stay in children with respiratory disease | |
| Woźniak-Kosek et al. | ORGANISATION OF ANANALYTICAL AND MICROBIOLOGY LABORATORY IN A POLISH MULTISPECIALITY HOSPITAL IN THE ERA OF THE COVID-19 PANDEMIC–OWN EXPERIENCE | |
| WO2016200244A1 (ko) | 호흡가스 분석에 기반하여 미병 분류를 보조하는 컴퓨팅 시스템 및 방법 | |
| Kitt et al. | The utility of paired upper and lower respiratory tract sampling for severe acute respiratory syndrome coronavirus 2 (SARS-CoV-2) testing in patients with artificial airways | |
| Chaudhari et al. | Influenza Diagnosis Deep Learning: Machine Learning Approach for Pharyngeal Image Infection | |
| Malarvili et al. | Assessment and Diagnostic Methods for Coronavirus Disease 2019 (COVID-19) | |
| Stricker et al. | Complex febrile seizures associated with influenza A | |
| Lan et al. | Epidemiologic Features, Radiological Findings andClinical Outcomes of 19 Patients with COVID-19in a Single Center in Beijing, China | |
| Wald | Aseptic meningitis and urinary infection | |
| Jiang et al. | Clinical Strategies of Obstetric Emergency and Changes of Delivery Under COVID-19 Epidemic Situation: A Retrospective Study |
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 |