CN112489806A - 一种糖尿病足患者病状信息智能化管理方法及*** - Google Patents
一种糖尿病足患者病状信息智能化管理方法及*** Download PDFInfo
- Publication number
- CN112489806A CN112489806A CN202011358240.0A CN202011358240A CN112489806A CN 112489806 A CN112489806 A CN 112489806A CN 202011358240 A CN202011358240 A CN 202011358240A CN 112489806 A CN112489806 A CN 112489806A
- Authority
- CN
- China
- Prior art keywords
- information
- foot
- patient
- obtaining
- disease
- 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
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 title claims abstract description 96
- 201000010099 disease Diseases 0.000 title claims abstract description 95
- 208000008960 Diabetic foot Diseases 0.000 title claims abstract description 52
- 238000007726 management method Methods 0.000 title claims abstract description 26
- 208000014770 Foot disease Diseases 0.000 claims abstract description 95
- 239000008280 blood Substances 0.000 claims abstract description 62
- 210000004369 blood Anatomy 0.000 claims abstract description 62
- 238000011161 development Methods 0.000 claims abstract description 26
- WQZGKKKJIJFFOK-GASJEMHNSA-N Glucose Natural products OC[C@H]1OC(O)[C@H](O)[C@@H](O)[C@@H]1O WQZGKKKJIJFFOK-GASJEMHNSA-N 0.000 claims abstract description 20
- 239000008103 glucose Substances 0.000 claims abstract description 20
- 230000007170 pathology Effects 0.000 claims abstract description 20
- 238000000034 method Methods 0.000 claims description 40
- 238000003062 neural network model Methods 0.000 claims description 29
- 238000012549 training Methods 0.000 claims description 26
- 230000008859 change Effects 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 11
- 238000012544 monitoring process Methods 0.000 abstract description 23
- 206010012601 diabetes mellitus Diseases 0.000 abstract description 17
- 230000000694 effects Effects 0.000 abstract description 12
- 208000027418 Wounds and injury Diseases 0.000 description 42
- 238000004458 analytical method Methods 0.000 description 15
- 208000024891 symptom Diseases 0.000 description 14
- 238000010586 diagram Methods 0.000 description 11
- 230000008569 process Effects 0.000 description 10
- 230000006866 deterioration Effects 0.000 description 9
- 238000012545 processing Methods 0.000 description 9
- 238000013528 artificial neural network Methods 0.000 description 8
- 238000011160 research Methods 0.000 description 7
- 238000002636 symptomatic treatment Methods 0.000 description 7
- 238000011156 evaluation Methods 0.000 description 6
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 230000001575 pathological effect Effects 0.000 description 4
- 208000002193 Pain Diseases 0.000 description 3
- 208000025865 Ulcer Diseases 0.000 description 3
- 238000002266 amputation Methods 0.000 description 3
- 231100000397 ulcer Toxicity 0.000 description 3
- 206010028851 Necrosis Diseases 0.000 description 2
- 208000003251 Pruritus Diseases 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000012790 confirmation Methods 0.000 description 2
- 230000006378 damage Effects 0.000 description 2
- 230000003111 delayed effect Effects 0.000 description 2
- 230000005484 gravity Effects 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 238000013178 mathematical model Methods 0.000 description 2
- 210000003205 muscle Anatomy 0.000 description 2
- 230000017074 necrotic cell death Effects 0.000 description 2
- 210000002569 neuron Anatomy 0.000 description 2
- 201000001119 neuropathy Diseases 0.000 description 2
- 230000007823 neuropathy Effects 0.000 description 2
- 230000008447 perception Effects 0.000 description 2
- 208000033808 peripheral neuropathy Diseases 0.000 description 2
- 230000000291 postprandial effect Effects 0.000 description 2
- 230000002265 prevention Effects 0.000 description 2
- 206010014080 Ecchymosis Diseases 0.000 description 1
- 206010028289 Muscle atrophy Diseases 0.000 description 1
- 206010030113 Oedema Diseases 0.000 description 1
- 206010033799 Paralysis Diseases 0.000 description 1
- 206010034568 Peripheral coldness Diseases 0.000 description 1
- 206010037549 Purpura Diseases 0.000 description 1
- 230000003187 abdominal effect Effects 0.000 description 1
- 238000001467 acupuncture Methods 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000017531 blood circulation Effects 0.000 description 1
- 210000000988 bone and bone Anatomy 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 230000003925 brain function Effects 0.000 description 1
- 230000004087 circulation Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000035876 healing Effects 0.000 description 1
- 201000001421 hyperglycemia Diseases 0.000 description 1
- 208000015181 infectious disease Diseases 0.000 description 1
- 230000003902 lesion Effects 0.000 description 1
- 210000003141 lower extremity Anatomy 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000020763 muscle atrophy Effects 0.000 description 1
- 201000000585 muscular atrophy Diseases 0.000 description 1
- 210000000653 nervous system Anatomy 0.000 description 1
- 231100000862 numbness Toxicity 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000001717 pathogenic effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 206010034754 petechiae Diseases 0.000 description 1
- 230000019612 pigmentation Effects 0.000 description 1
- 239000002243 precursor Substances 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
- G16H50/70—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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
-
- 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
- G16H30/00—ICT specially adapted for the handling or processing of medical images
- G16H30/40—ICT specially adapted for the handling or processing of medical images for processing medical images, e.g. editing
-
- 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
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Physics & Mathematics (AREA)
- Primary Health Care (AREA)
- Epidemiology (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Biomedical Technology (AREA)
- General Physics & Mathematics (AREA)
- Pathology (AREA)
- Molecular Biology (AREA)
- Biophysics (AREA)
- Artificial Intelligence (AREA)
- Software Systems (AREA)
- Evolutionary Computation (AREA)
- Databases & Information Systems (AREA)
- Computational Linguistics (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Treatment And Welfare Office Work (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
本发明公开了一种糖尿病足患者病状信息智能化管理方法及***,采集患者足部第一图像信息,根据第一图像信息,获得第一足病等级信息;获得第一患者的第一血糖信息;判断第一血糖信息是否满足第一预定阈值;当第一血糖信息不满足所述第一预定阈值时,对所述第一足病等级信息进行调整获得第二足病等级信息,根据第二足病等级信息,获得第一指令,所述第一指令为向患者发送病状信息,并将信息存储于所述智能终端中。解决了现有技术中缺乏针对糖尿病足患者的病状监测方式,存在发现不及时而造成病情恶化的严重后果的技术问题。达到了对糖尿病足患者病情发展进行及时监控分析,及时了解足病病状避免耽误病情而影响治疗,或造成严重后果的技术效果。
Description
技术领域
本发明涉及患者护理技术领域,尤其涉及一种糖尿病足患者病状信息智能化管理方法及***。
背景技术
糖尿病足是糖尿病引起的一种常见并发症,由于足部微血管和神经病变导致的溃疡和坏死,对健康危害较大,需及时采取防治措施。通常有几种表现:由于足部血流不畅和血管病变,足部和腿部皮肤出现散在性瘀斑、瘀点、水泡、色素沉着,通常为***或黑色,这些都是糖尿病足的前兆。皮肤出现瘙痒症状、肢端发凉、持续麻木、水肿,患处存在针刺、灼烧疼痛等症状。由于下肢循环差,一旦出现小伤口便难以愈合,容易招致病菌感染,使溃疡加重长期不愈合。足部神经***病变导致肌肉和骨骼都会发生变化,最终出现关节变形。由于糖尿病患者血糖高,伤口不易愈合,若不及时发现处理,随着伤口的恶化严重时会导致截肢,同时糖尿病患者的感知能力也减弱,存在感受不到伤口或者足部异常的状况,而耽误治疗,因而对糖尿病进行及时的足病状监护是十分有必要的。
但本申请发明人在实现本申请实施例中发明技术方案的过程中,发现上述技术至少存在如下技术问题:
现有技术中缺乏针对糖尿病足患者的病状监测方式,存在发现不及时而造成病情恶化的严重后果的技术问题。
发明内容
本申请实施例通过提供一种糖尿病足患者病状信息智能化管理方法及***,解决了现有技术中缺乏针对糖尿病足患者的病状监测方式,存在发现不及时而造成病情恶化的严重后果的技术问题。达到了对糖尿病足患者病情发展进行及时监控分析,对于病状进行分析按照足病的等级给出对应提醒指导,及时让患者了解足病病状避免耽误病情而影响治疗,或造成严重后果,同时利用存储的病情发展数据库既有利于对患者病情的分析,帮助对症处理,又有利于临床研究的技术效果。
鉴于上述问题,提出了本申请实施例提供一种糖尿病足患者病状信息智能化管理方法及***。
第一方面,本申请实施例提供了一种糖尿病足患者病状信息智能化管理方法,应用于一智能终端,所述智能终端具有一图像采集设备,所述方法包括:获得第一图像信息,所述第一图像信息为通过所述图像采集设备采集到的第一患者足部图像;根据所述第一图像信息,获得第一足病等级信息;获得所述第一患者的第一血糖信息;判断所述第一血糖信息是否满足第一预定阈值;当所述第一血糖信息不满足所述第一预定阈值时,获得第一调整指令,所述第一调整指令用于根据所述第一血糖信息对所述第一足病等级信息进行调整;获得第二足病等级信息,所述第二足病等级信息为所述第一足病等级信息调整后的足病等级;根据所述第二足病等级信息,获得第一指令,所述第一指令为向患者发送病状信息,并将信息存储于所述智能终端中。
另一方面,本申请还提供了一种糖尿病足患者病状信息智能化管理***,所述***包括:
第一获得单元,所述第一获得单元用于获得第一图像信息,所述第一图像信息为通过所述图像采集设备采集到的第一患者足部图像;
第二获得单元,所述第二获得单元用于根据所述第一图像信息,获得第一足病等级信息;
第三获得单元,所述第三获得单元用于获得所述第一患者的第一血糖信息;
第一判断单元,所述第一判断单元用于判断所述第一血糖信息是否满足第一预定阈值;
第四获得单元,所述第四获得单元用于当所述第一血糖信息不满足所述第一预定阈值时,获得第一调整指令,所述第一调整指令用于根据所述第一血糖信息对所述第一足病等级信息进行调整;
第五获得单元,所述第五获得单元用于获得第二足病等级信息,所述第二足病等级信息为所述第一足病等级信息调整后的足病等级;
第六获得单元,所述第六获得单元用于根据所述第二足病等级信息,获得第一指令,所述第一指令为向患者发送病状信息,并将信息存储于所述智能终端中。
第三方面,本发明提供了一种糖尿病足患者病状信息智能化管理方法***,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其中,所述处理器执行所述程序时实现第一方面任一项所述方法的步骤。
本申请实施例中提供的一个或多个技术方案,至少具有如下技术效果或优点:
本申请实施例提供了一种糖尿病足患者病状信息智能化管理方法及***,应用于一智能终端,所述智能终端具有一图像采集设备,所述方法包括:获得第一图像信息,所述第一图像信息为通过所述图像采集设备采集到的第一患者足部图像;根据所述第一图像信息,获得第一足病等级信息;获得所述第一患者的第一血糖信息;判断所述第一血糖信息是否满足第一预定阈值;当所述第一血糖信息不满足所述第一预定阈值时,获得第一调整指令,所述第一调整指令用于根据所述第一血糖信息对所述第一足病等级信息进行调整;获得第二足病等级信息,所述第二足病等级信息为所述第一足病等级信息调整后的足病等级;根据所述第二足病等级信息,获得第一指令,所述第一指令为向患者发送病状信息,并将信息存储于所述智能终端中。达到了对糖尿病足患者病情发展进行及时监控分析,对于病状进行分析按照足病的等级给出对应提醒指导,及时让患者了解足病病状避免耽误病情而影响治疗,或造成严重后果,同时利用存储的病情发展数据库既有利于对患者病情的分析,帮助对症处理,又有利于临床研究的技术效果。从而解决了现有技术中缺乏针对糖尿病足患者的病状监测方式,存在发现不及时而造成病情恶化的严重后果的技术问题。
上述说明仅是本申请技术方案的概述,为了能够更清楚了解本申请的技术手段,而可依照说明书的内容予以实施,并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂,以下特举本申请的具体实施方式。
附图说明
图1为本申请实施例一种糖尿病足患者病状信息智能化管理方法的流程示意图;
图2为本申请实施例一种糖尿病足患者病状信息智能化管理***的结构示意图;
图3为本申请实施例示例性电子设备的结构示意图。
附图标记说明:第一获得单元11,第二获得单元12,第三获得单元13,第一判断单元14,第四获得单元15,第五获得单元16,第六获得单元17,总线300,接收器301,处理器302,发送器303,存储器304,总线接口306。
具体实施方式
本申请实施例通过提供一种糖尿病足患者病状信息智能化管理方法及***,解决了现有技术中缺乏针对糖尿病足患者的病状监测方式,存在发现不及时而造成病情恶化的严重后果的技术问题。达到了对糖尿病足患者病情发展进行及时监控分析,对于病状进行分析按照足病的等级给出对应提醒指导,及时让患者了解足病病状避免耽误病情而影响治疗,或造成严重后果,同时利用存储的病情发展数据库既有利于对患者病情的分析,帮助对症处理,又有利于临床研究的技术效果。
下面,将参考附图详细的描述根据本申请的示例实施例。显然,所描述的实施例仅是本申请的一部分实施例,而不是本申请的全部实施例,应理解,本申请不受这里描述的示例实施例的限制。
申请概述
糖尿病足是糖尿病引起的一种常见并发症,由于足部微血管和神经病变导致的溃疡和坏死,对健康危害较大,需及时采取防治措施。由于糖尿病患者血糖高,伤口不易愈合,若不及时发现处理,随着伤口的恶化严重时会导致截肢,同时糖尿病患者的感知能力也减弱,存在感受不到伤口或者足部异常的状况,而耽误治疗,因而对糖尿病进行及时的足病状监护是十分有必要的。但现有技术中缺乏针对糖尿病足患者的病状监测方式,存在发现不及时而造成病情恶化的严重后果的技术问题。
针对上述技术问题,本申请提供的技术方案总体思路如下:
获得第一图像信息,所述第一图像信息为通过所述图像采集设备采集到的第一患者足部图像;根据所述第一图像信息,获得第一足病等级信息;获得所述第一患者的第一血糖信息;判断所述第一血糖信息是否满足第一预定阈值;当所述第一血糖信息不满足所述第一预定阈值时,获得第一调整指令,所述第一调整指令用于根据所述第一血糖信息对所述第一足病等级信息进行调整;获得第二足病等级信息,所述第二足病等级信息为所述第一足病等级信息调整后的足病等级;根据所述第二足病等级信息,获得第一指令,所述第一指令为向患者发送病状信息,并将信息存储于所述智能终端中。达到了对糖尿病足患者病情发展进行及时监控分析,对于病状进行分析按照足病的等级给出对应提醒指导,及时让患者了解足病病状避免耽误病情而影响治疗,或造成严重后果,同时利用存储的病情发展数据库既有利于对患者病情的分析,帮助对症处理,又有利于临床研究的技术效果。
在介绍了本申请基本原理后,下面将结合说明书附图来具体介绍本申请的各种非限制性的实施方式。
实施例一
图1为本申请实施例一种糖尿病足患者病状信息智能化管理方法的流程示意图,如图1所示,本申请实施例提供了一种糖尿病足患者病状信息智能化管理方法,应用于一智能终端,所述智能终端具有一图像采集设备,所述方法包括:
步骤100:获得第一图像信息,所述第一图像信息为通过所述图像采集设备采集到的第一患者足部图像;
具体而言,利用患者佩戴的智能终端或者在患者居住地方特定位置上安装的智能终端,对患者的足部进行图像信息采集,获得患者的足部图像信息即所述第一图像信息。
步骤200:根据所述第一图像信息,获得第一足病等级信息;
进一步而言,为了提高数据分析的准确性,本申请实施例步骤200包括:
步骤210:将所述第一图像信息作为第一输入信息;
步骤220:将所述第一输入信息输入第一神经网络模型中,所述模型使用多组训练数据训练出来的,所述多组中的训练数据中的每一组训练数据包括:所述第一输入信息和标识足病等级信息的标识信息;
步骤230:获得所述第一神经网络模型的第一输出信息,其中,所述第一输出信息包括第一结果,所述第一结果表示所述第一患者的足部病症等级信息。
具体而言,根据患者足部采集到的第一图像信息进行分析,确定患者足部当前的病状,根据病状来评估患病等级,本申请实施例对糖尿病足患者的病状按照轻重程度分为多等级,以便于进行对症管理,对于轻症的观察频率和重症的观察频率存在区别,轻症的管理重心和重症的管理重心也不同,在根据图像信息分析患者的病症等级时,为了提高分析结果的准确性,利用了神经网络模型进行处理,将第一图像信息作为第一输入信息,利用这数据进行统计计算,评估出第一患者的足病等级信息,提高评估的准确性。第一神经网络模型是将多组第一图像信息和标识足病等级信息的标识信息为训练数据,进行模型训练,构建的训练模型,并通过大量数据训练和校正以确保神经网络模型的准确性。这样通过输入信息输入训练模型中,可以获得与标识匹配的足病等级信息输出结果。
进一步来说,所述神经网络模型即机器学习中的神经网络模型,神经网络(NeuralNetworks,NN)是由大量的、简单的处理单元(称为神经元)广泛地互相连接而形成的复杂神经网络***,它反映了人脑功能的许多基本特征,是一个高度复杂的非线性动力学习***。神经网络模型是以神经元的数学模型为基础来描述的。人工神经网络(Artificial NeuralNetworks),是对人类大脑***的一阶特性的一种描述。简单地讲,它是一个数学模型。在本申请实施例中,通过大量的所述第一图像信息和标识足病等级信息的标识信息对所述神经网络模型进行训练。
更进一步来说,所述训练过程实质为监督学习的过程。所述多组训练数据的每一组训练数据均包括:第一图像信息和标识足病等级信息的标识信息。通过输入所述第一图像信息和标识足病等级信息的标识信息,将输出的足病等级信息与用来标识足病等级信息的标识信息进行对比,如果所述输出的足病等级信息与用来标识足病等级信息的标识信息相一致,则本组数据监督学习完成,进行下一组数据的监督学习;如果所述足病等级信息与用来标识足病等级信息的标识信息不一致,则神经网络学习模型自身进行调整、修正,直到神经网络学习模型输出的足病等级信息与用来标识足病等级信息的标识信息相一致时,进行下一组数据的监督学习,直至所述神经网络模型达到预期的准确率后,监督学习过程结束。通过训练数据使神经网络模型自身不断地修正、优化,通过监督学习的过程来提高神经网络模型处理所述信息的准确性,从而获得准确的输出足病等级信息,达到了提高足病等级信息评估的准确性,通过对患者足部状况的及时确认和准确评估,实现对足病患者状况的及时了解和管理的技术效果。
步骤300:获得所述第一患者的第一血糖信息;
步骤400:判断所述第一血糖信息是否满足第一预定阈值;
步骤500:当所述第一血糖信息不满足所述第一预定阈值时,获得第一调整指令,所述第一调整指令用于根据所述第一血糖信息对所述第一足病等级信息进行调整;
步骤600:获得第二足病等级信息,所述第二足病等级信息为所述第一足病等级信息调整后的足病等级;
步骤700:根据所述第二足病等级信息,获得第一指令,所述第一指令为向患者发送病状信息,并将信息存储于所述智能终端中。
进一步而言,本申请实施例中步骤700所述根据所述第二足病等级信息,获得第一指令,所述第一指令为向患者发送病状信息,并将信息存储于所述智能终端中,包括:
步骤710:判断所述第二足病等级信息是否满足第三预定阈值;
步骤720:当满足时,发送第二预警信息,所述第二预警信息用于向患者发送报警信息;
步骤730:当不满足时,获得第一提示信息,所述第一提示信息包括了提示用户当前足病等级信息和病情处理意见。
具体而言,由于糖尿病患者的血糖高是影响足病的主要原因,血糖的高低也影响着足病的治愈速度,为了准确的进行糖尿病足病患者进行病程管理和控制,应当结合血糖浓度进行处理,当患者的血糖浓度高于设定阈值时,则表明患者当前的血糖控制情况不好,影响足病的治疗同时会加快足病的发展加重病情,举例而言,设定的血糖数值可以分为空腹血糖数值或者饭后血糖数值,按照不同的设置内容,提示患者采集相应的血糖数值,两种类型也可以进行切换,如当患者采集的时空腹血糖数值,则选择空腹血糖的选项,反之亦然,按照不同的血糖类型设定不同的预定阈值,当为空腹血糖时阈值设置为9,当为饭后血糖时阈值设定为13,当然不限于此根据具体的情况进行对应设置调整。当患者的血糖数值超过了设定的阈值时,则不能仅仅按照足部的图像进行处理,还要结合血糖进行综合判断,血糖浓度高时会严重影响足病的治疗,还会加重加快病情的发展,因而在进行等级确认时参考血糖数据进行评估,更加准确可靠,根据确定的病情等级为患者提供指导,若足病等级过高超出阈值时,给患者发送提醒信息,或等级不高,则发送提示信息,当前的足病状况应该对应处理,以及时让患者了解足病病状避免耽误病情而影响治疗,或造成严重后果,同时利用确定的患者足病等级信息进行数据存储,便于掌握患者病情,通过存储数据进行患者病程管理,能够从病状发展的情况进行针对性指导,还可以利用存储数据进行分析研究把握糖尿病足病患者的治疗进程,对于医学临床指导也具有重要意义。解决了现有技术中缺乏针对糖尿病足患者的病状监测方式,存在发现不及时而造成病情恶化的严重后果的技术问题。达到了对糖尿病足患者病情发展进行及时监控分析,对于病状进行分析按照足病的等级给出对应指导,及时让患者了解足病病状避免耽误病情而影响治疗,或造成严重后果的技术效果。
进一步而言,本申请实施例所述步骤200所述根据所述第一图像信息,获得第一足病等级信息,还包括:步骤240:根据所述第一图像信息判断是否存在伤口;步骤250:当存在伤口时,获得所述伤口尺寸;步骤260:根据所述伤口尺寸,获得所述第一足病等级信息。
进一步而言,本申请实施例所述步骤240所述根据所述第一图像信息判断是否存在伤口之后,包括:步骤270:当不存在伤口时,获得第一病历信息;步骤280:根据所述第一图像信息,获得第一足部信息;步骤290:根据所述第一病历信息、所述第一足部信息,确定所述第一足病等级信息。
进一步而言,本申请实施例所述步骤240所述根据所述第一图像信息判断是否存在伤口,包括:步骤241:将所述第一图像信息输入第二神经网络模型中,所述第二神经网络模型为使用多组训练数据训练出来的,所述多组中的训练数据中的每一组训练数据包括:所述第一图像信息和标识伤口信息的标识信息;步骤242:获得所述第二神经网络模型的第二输出信息,其中,所述第二输出信息包括第二结果,所述第二结果表示所述第一图像信息中是否存在伤口的信息。
具体而言,在进行足病等级评定时,本申请实施例针对足部的伤口进行了针对性的分析,根据采集到的图像信息分析处理,确认是否存在伤口,当存在伤口时则对应的足病等级会相对高,由于糖尿病患者足病一旦出现伤口会很难愈合,血糖浓度会直接影响伤口的治愈,甚至加重伤口,严重时会使其坏死导致截肢,所以必须重视,但由于糖尿病患者疼痛感减弱,有时很难发现自己的病症,所以需要给出监控和及时反馈,在分析患者的伤口时,为了提高分析结果的准确性,同样采用的神经网络模型,将第一图像信息作为输入信息,利用这数据进行统计计算,确定出足部是否存在伤口的信息,提高分析处理的准确性。第二神经网络模型是将多组第一图像信息和标识是否存在伤口信息的标识信息为训练数据,进行模型训练,构建的训练模型,并通过大量数据训练和校正以确保神经网络模型的准确性。这样通过输入信息输入训练模型中,可以获得与标识匹配的是否存在伤口信息输出结果,当图像中存在标识信息,则输出结果为存在伤口,当图像信息中未出现标识信息,则输出结果为不存在伤口。第二神经网络模型为通过大量的数据进行训练,并利用大量的监督学习而创建的,因而其输出结果更为准确。当确定患者存在伤口时,要对伤口进行进一步的分析,得到伤口的尺寸大小,深度大小,并对尺寸进行对应判断,若大小超出了设定的范围,即过大时,此时要给患者发送报警信息,尽快进行处理以免耽误造成严重后果。当不满足时,给患者发送当前评估诊断的结果,和对应的治疗指导,使患者了解自己的病状及时做出正确的治疗和维护,以确保足病得到有效控制,避免发展恶化。当未出现伤口时,则应该结合图片和病人的病历进行具体情况分析,如患者数据库中多时期的图片对比,看足部的肌肉、肤色是否发生变化,是否有肌肉萎缩、皮肤红肿或者发紫发黑的状况,病历中是否有瘙痒、疼痛、麻痹等记录,针对病历对足病的等级进行分析,再将分析结果和对应的治疗建议发送给患者,并同步将所有信息进行存储,以便于后期分析。达到对糖尿病足患者病情发展进行及时监控分析,对于病状进行分析按照足病的等级给出对应提醒指导,及时让患者了解足病病状避免耽误病情而影响治疗,或造成严重后果,同时利用存储的病情发展数据库既有利于对患者病情的分析,帮助对症处理,又有利于临床研究的技术效果。进一步的解决了现有技术中缺乏针对糖尿病足患者的病状监测方式,存在发现不及时而造成病情恶化的严重后果的技术问题。
进一步而言,本申请实施例包括:步骤810:获得所述第一图像信息的第一时间,所述第一时间为所述第一图像信息的采集时间;步骤820:通过所述图像采集设备,获得第二图像信息,所述第二图像信息的采集时间为第二时间,其中,所述第二时间早于所述第一时间;步骤830:根据所述第一图像信息、所述第二图像信息,获得第一变化信息;步骤840:根据所述第一时间,获得第二病历信息;步骤850:根据所述第二时间,获得第三病历信息;步骤860:根据所述第二病历信息、所述第三病历信息,获得第二变化信息;步骤870:根据所述第一变化信息、所述第二变化信息,获得第一病情发展数据。
进一步而言,本申请实施例还包括:步骤910:判断所述第一病情发展数据是否满足第二预定阈值;步骤920:当满足时,获得第一预警信息,所述第一预警信息用于向患者发送报警信息。
具体而言,本申请实施例在进行糖尿病足患者的信息监控和管理中还结合了前后的数据进行了对比,以确保病状信息管理过程中的全面、准确。将当前采集到的图像信息和最近一次采集到的图像信息进行对比,发现两者之间的差距,判断是好转还是恶化,在判断过程中为了提高其准确性还需要结合两个时间点的病历信息进行综合分析,得出发展情况和发展速度,当病情的发展过快超过了***设定的阈值时,要及时向患者反馈,对应采取措施,避免耽误。达到了对糖尿病足患者病情发展进行及时监控分析,对于病状进行分析按照足病的等级给出对应提醒指导,及时让患者了解足病病状避免耽误病情而影响治疗,或造成严重后果,同时利用存储的病情发展数据库既有利于对患者病情的分析,帮助对症处理,又有利于临床研究的技术效果。从而解决了现有技术中缺乏针对糖尿病足患者的病状监测方式,存在发现不及时而造成病情恶化的严重后果的技术问题。
实施例二
基于与前述实施例中一种糖尿病足患者病状信息智能化管理方法同样发明构思,本发明还提供了一种糖尿病足患者病状信息智能化管理***,如图2所示,所述***包括:
第一获得单元11,所述第一获得单元11用于获得第一图像信息,所述第一图像信息为通过所述图像采集设备采集到的第一患者足部图像;
第二获得单元12,所述第二获得单元12用于根据所述第一图像信息,获得第一足病等级信息;
第三获得单元13,所述第三获得单元13用于获得所述第一患者的第一血糖信息;
第一判断单元14,所述第一判断单元14用于判断所述第一血糖信息是否满足第一预定阈值;
第四获得单元15,所述第四获得单元15用于当所述第一血糖信息不满足所述第一预定阈值时,获得第一调整指令,所述第一调整指令用于根据所述第一血糖信息对所述第一足病等级信息进行调整;
第五获得单元16,所述第五获得单元16用于获得第二足病等级信息,所述第二足病等级信息为所述第一足病等级信息调整后的足病等级;
第六获得单元17,所述第六获得单元17用于根据所述第二足病等级信息,获得第一指令,所述第一指令为向患者发送病状信息,并将信息存储于所述智能终端中。
进一步的,所述***还包括:
第一执行单元,所述第一执行单元用于将所述第一图像信息作为第一输入信息;
第一输入单元,所述第一输入单元用于将所述第一输入信息输入第一神经网络模型中,所述模型使用多组训练数据训练出来的,所述多组中的训练数据中的每一组训练数据包括:所述第一输入信息和标识足病等级信息的标识信息;
第七获得单元,所述第七获得单元用于获得所述第一神经网络模型的第一输出信息,其中,所述第一输出信息包括第一结果,所述第一结果表示所述第一患者的足部病症等级信息。
进一步的,所述***还包括:
第二判断单元,所述第二判断单元用于根据所述第一图像信息判断是否存在伤口;
第八获得单元,所述第八获得单元用于当存在伤口时,获得所述伤口尺寸;
第九获得单元,所述第九获得单元用于根据所述伤口尺寸,获得所述第一足病等级信息。
进一步的,所述***还包括:
第十获得单元,所述第十获得单元用于当不存在伤口时,获得第一病历信息;
第十一获得单元,所述第十一获得单元用于根据所述第一图像信息,获得第一足部信息;
第一确定单元,所述第一确定单元用于根据所述第一病历信息、所述第一足部信息,确定所述第一足病等级信息。
进一步的,所述***还包括:
第二输入单元,所述第二输入单元用于将所述第一图像信息输入第二神经网络模型中,所述第二神经网络模型为使用多组训练数据训练出来的,所述多组中的训练数据中的每一组训练数据包括:所述第一图像信息和标识伤口信息的标识信息;
第十二获得单元,所述第十二获得单元用于获得所述第二神经网络模型的第二输出信息,其中,所述第二输出信息包括第二结果,所述第二结果表示所述第一图像信息中是否存在伤口的信息。
进一步的,所述***还包括:
第十三获得单元,所述第十三获得单元用于获得所述第一图像信息的第一时间,所述第一时间为所述第一图像信息的采集时间;
第十四获得单元,所述第十四获得单元用于通过所述图像采集设备,获得第二图像信息,所述第二图像信息的采集时间为第二时间,其中,所述第二时间早于所述第一时间;
第十五获得单元,所述第十五获得单元用于根据所述第一图像信息、所述第二图像信息,获得第一变化信息;
第十六获得单元,所述第十六获得单元用于根据所述第一时间,获得第二病历信息;
第十七获得单元,所述第十七获得单元用于根据所述第二时间,获得第三病历信息;
第十八获得单元,所述第十八获得单元用于根据所述第二病历信息、所述第三病历信息,获得第二变化信息;
第十九获得单元,所述第十九获得单元用于根据所述第一变化信息、所述第二变化信息,获得第一病情发展数据。
进一步的,所述***还包括:
第三判断单元,所述第三判断单元用于判断所述第一病情发展数据是否满足第二预定阈值;
第二十获得单元,所述第二十获得单元用于当满足时,获得第一预警信息,所述第一预警信息用于向患者发送报警信息。
进一步的,所述***还包括:
第四判断单元,所述第四判断单元用于判断所述第二足病等级信息是否满足第三预定阈值;
第一发送单元,所述第一发送单元用于当满足时,发送第二预警信息,所述第二预警信息用于向患者发送报警信息;
第二十一获得单元,所述第二十一获得单元用于当不满足时,获得第一提示信息,所述第一提示信息包括了提示用户当前足病等级信息和病情处理意见。
前述图1实施例一中的一种糖尿病足患者病状信息智能化管理方法的各种变化方式和具体实例同样适用于本实施例的一种糖尿病足患者病状信息智能化管理***,通过前述对一种糖尿病足患者病状信息智能化管理方法的详细描述,本领域技术人员可以清楚的知道本实施例中一种糖尿病足患者病状信息智能化管理***的实施方法,所以为了说明书的简洁,在此不再详述。
示例性电子设备
下面参考图3来描述本申请实施例的电子设备。
图3图示了根据本申请实施例的电子设备的结构示意图。
基于与前述实施例中一种糖尿病足患者病状信息智能化管理方法的发明构思,本发明还提供一种糖尿病足患者病状信息智能化管理***,其上存储有计算机程序,该程序被处理器执行时实现前文所述一种糖尿病足患者病状信息智能化管理方法的任一方法的步骤。
其中,在图3中,总线架构(用总线300来代表),总线300可以包括任意数量的互联的总线和桥,总线300将包括由处理器302代表的一个或多个处理器和存储器304代表的存储器的各种电路链接在一起。总线300还可以将诸如***设备、稳压器和功率管理电路等之类的各种其他电路链接在一起,这些都是本领域所公知的,因此,本文不再对其进行进一步描述。总线接口306在总线300和接收器301和发送器303之间提供接口。接收器301和发送器303可以是同一个元件,即收发机,提供用于在传输介质上与各种其他***通信的单元。
处理器302负责管理总线300和通常的处理,而存储器304可以被用于存储处理器302在执行操作时所使用的数据。
本申请实施例中的上述一个或多个技术方案,至少具有如下一种或多种技术效果:
本申请实施例提供了一种糖尿病足患者病状信息智能化管理方法及***,应用于一智能终端,所述智能终端具有一图像采集设备,所述方法包括:获得第一图像信息,所述第一图像信息为通过所述图像采集设备采集到的第一患者足部图像;根据所述第一图像信息,获得第一足病等级信息;获得所述第一患者的第一血糖信息;判断所述第一血糖信息是否满足第一预定阈值;当所述第一血糖信息不满足所述第一预定阈值时,获得第一调整指令,所述第一调整指令用于根据所述第一血糖信息对所述第一足病等级信息进行调整;获得第二足病等级信息,所述第二足病等级信息为所述第一足病等级信息调整后的足病等级;根据所述第二足病等级信息,获得第一指令,所述第一指令为向患者发送病状信息,并将信息存储于所述智能终端中。达到了对糖尿病足患者病情发展进行及时监控分析,对于病状进行分析按照足病的等级给出对应提醒指导,及时让患者了解足病病状避免耽误病情而影响治疗,或造成严重后果,同时利用存储的病情发展数据库既有利于对患者病情的分析,帮助对症处理,又有利于临床研究的技术效果。从而解决了现有技术中缺乏针对糖尿病足患者的病状监测方式,存在发现不及时而造成病情恶化的严重后果的技术问题。
本领域内的技术人员应明白,本发明的实施例可提供为方法、***、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的***。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。尽管已描述了本发明的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例做出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (10)
1.一种糖尿病足患者病状信息智能化管理方法,应用于一智能终端,所述智能终端具有一图像采集设备,其中,所述方法包括:
获得第一图像信息,所述第一图像信息为通过所述图像采集设备采集到的第一患者足部图像;
根据所述第一图像信息,获得第一足病等级信息;
获得所述第一患者的第一血糖信息;
判断所述第一血糖信息是否满足第一预定阈值;
当所述第一血糖信息不满足所述第一预定阈值时,获得第一调整指令,所述第一调整指令用于根据所述第一血糖信息对所述第一足病等级信息进行调整;
获得第二足病等级信息,所述第二足病等级信息为所述第一足病等级信息调整后的足病等级;
根据所述第二足病等级信息,获得第一指令,所述第一指令为向患者发送病状信息,并将信息存储于所述智能终端中。
2.如权利要求1所述的方法,其中,所述根据所述第一图像信息,获得第一足病等级信息,包括:
将所述第一图像信息作为第一输入信息;
将所述第一输入信息输入第一神经网络模型中,所述模型使用多组训练数据训练出来的,所述多组中的训练数据中的每一组训练数据包括:所述第一输入信息和标识足病等级信息的标识信息;
获得所述第一神经网络模型的第一输出信息,其中,所述第一输出信息包括第一结果,所述第一结果表示所述第一患者的足部病症等级信息。
3.如权利要求1所述的方法,其中,所述根据所述第一图像信息,获得第一足病等级信息,包括:
根据所述第一图像信息判断是否存在伤口;
当存在伤口时,获得所述伤口尺寸;
根据所述伤口尺寸,获得所述第一足病等级信息。
4.如权利要求3所述的方法,其中,所述根据所述第一图像信息判断是否存在伤口之后,包括:
当不存在伤口时,获得第一病历信息;
根据所述第一图像信息,获得第一足部信息;
根据所述第一病历信息、所述第一足部信息,确定所述第一足病等级信息。
5.如权利要求3所述的方法,其中,所述根据所述第一图像信息判断是否存在伤口,包括:
将所述第一图像信息输入第二神经网络模型中,所述第二神经网络模型为使用多组训练数据训练出来的,所述多组中的训练数据中的每一组训练数据包括:所述第一图像信息和标识伤口信息的标识信息;
获得所述第二神经网络模型的第二输出信息,其中,所述第二输出信息包括第二结果,所述第二结果表示所述第一图像信息中是否存在伤口的信息。
6.如权利要求1所述的方法,其中,所述方法包括:
获得所述第一图像信息的第一时间,所述第一时间为所述第一图像信息的采集时间;
通过所述图像采集设备,获得第二图像信息,所述第二图像信息的采集时间为第二时间,其中,所述第二时间早于所述第一时间;
根据所述第一图像信息、所述第二图像信息,获得第一变化信息;
根据所述第一时间,获得第二病历信息;
根据所述第二时间,获得第三病历信息;
根据所述第二病历信息、所述第三病历信息,获得第二变化信息;
根据所述第一变化信息、所述第二变化信息,获得第一病情发展数据。
7.如权利要求6所述的方法,其中,所述方法包括:
判断所述第一病情发展数据是否满足第二预定阈值;
当满足时,获得第一预警信息,所述第一预警信息用于向患者发送报警信息。
8.如权利要求1所述的方法,其中,所述根据所述第二足病等级信息,获得第一指令,所述第一指令为向患者发送病状信息,并将信息存储于所述智能终端中,包括:
判断所述第二足病等级信息是否满足第三预定阈值;
当满足时,发送第二预警信息,所述第二预警信息用于向患者发送报警信息;
当不满足时,获得第一提示信息,所述第一提示信息包括了提示用户当前足病等级信息和病情处理意见。
9.一种糖尿病足患者病状信息智能化管理***,其中,所述***包括:
第一获得单元,所述第一获得单元用于获得第一图像信息,所述第一图像信息为通过所述图像采集设备采集到的第一患者足部图像;
第二获得单元,所述第二获得单元用于根据所述第一图像信息,获得第一足病等级信息;
第三获得单元,所述第三获得单元用于获得所述第一患者的第一血糖信息;
第一判断单元,所述第一判断单元用于判断所述第一血糖信息是否满足第一预定阈值;
第四获得单元,所述第四获得单元用于当所述第一血糖信息不满足所述第一预定阈值时,获得第一调整指令,所述第一调整指令用于根据所述第一血糖信息对所述第一足病等级信息进行调整;
第五获得单元,所述第五获得单元用于获得第二足病等级信息,所述第二足病等级信息为所述第一足病等级信息调整后的足病等级;
第六获得单元,所述第六获得单元用于根据所述第二足病等级信息,获得第一指令,所述第一指令为向患者发送病状信息,并将信息存储于所述智能终端中。
10.一种糖尿病足患者病状信息智能化管理***,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其中,所述处理器执行所述程序时实现权利要求1-8任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011358240.0A CN112489806B (zh) | 2020-11-27 | 2020-11-27 | 一种糖尿病足患者病状信息智能化管理方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011358240.0A CN112489806B (zh) | 2020-11-27 | 2020-11-27 | 一种糖尿病足患者病状信息智能化管理方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112489806A true CN112489806A (zh) | 2021-03-12 |
CN112489806B CN112489806B (zh) | 2022-02-15 |
Family
ID=74936227
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011358240.0A Active CN112489806B (zh) | 2020-11-27 | 2020-11-27 | 一种糖尿病足患者病状信息智能化管理方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112489806B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113096811A (zh) * | 2021-04-29 | 2021-07-09 | 中国科学院合肥物质科学研究院 | 一种基于红外热成像的糖尿病足图像处理和风险预警设备 |
CN117174274A (zh) * | 2023-11-03 | 2023-12-05 | 四川省医学科学院·四川省人民医院 | 一种糖尿病足介入手术后患者智能访问*** |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2626704A1 (en) * | 2012-02-08 | 2013-08-14 | Mehmet Ali Soylemez | Diagnosis and complication risk assessment of pancreatic diabetes within normal value ranges of leucocytes using procalcitonin |
CN104899816A (zh) * | 2015-05-23 | 2015-09-09 | 深圳市前海安测信息技术有限公司 | 基层医疗平台以及基于基层医疗平台的糖尿病人监控方法 |
CN106108857A (zh) * | 2016-08-23 | 2016-11-16 | 王伏声 | 糖尿病足严重程度分级评价*** |
CN108108757A (zh) * | 2017-12-18 | 2018-06-01 | 深圳市唯特视科技有限公司 | 一种基于卷积神经网络的糖尿病足部溃疡分类方法 |
CN110600126A (zh) * | 2019-09-19 | 2019-12-20 | 江苏大学附属医院 | 一种糖尿病足下肢动脉钙化斑块图像的辅助评价方法 |
CN210203559U (zh) * | 2019-05-09 | 2020-03-31 | 中国科学院福建物质结构研究所 | 用于糖尿病足的图像采集组件及糖尿病足测量装置 |
CN111028232A (zh) * | 2019-12-31 | 2020-04-17 | 上海鹰瞳医疗科技有限公司 | 基于眼底图像的糖尿病分类方法及设备 |
CN111265188A (zh) * | 2020-01-21 | 2020-06-12 | 温州医科大学 | 一种基于局部微循环的糖尿病足风险评估装置及方法 |
CN111667467A (zh) * | 2020-05-28 | 2020-09-15 | 江苏大学附属医院 | 基于聚类算法的下肢血管钙化指数多参数累积计算方法 |
WO2020190839A1 (en) * | 2019-03-21 | 2020-09-24 | Drexel University | Methods, computer-readable media, and systems for assessing wounds and candidate treatments |
-
2020
- 2020-11-27 CN CN202011358240.0A patent/CN112489806B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2626704A1 (en) * | 2012-02-08 | 2013-08-14 | Mehmet Ali Soylemez | Diagnosis and complication risk assessment of pancreatic diabetes within normal value ranges of leucocytes using procalcitonin |
CN104899816A (zh) * | 2015-05-23 | 2015-09-09 | 深圳市前海安测信息技术有限公司 | 基层医疗平台以及基于基层医疗平台的糖尿病人监控方法 |
CN106108857A (zh) * | 2016-08-23 | 2016-11-16 | 王伏声 | 糖尿病足严重程度分级评价*** |
CN108108757A (zh) * | 2017-12-18 | 2018-06-01 | 深圳市唯特视科技有限公司 | 一种基于卷积神经网络的糖尿病足部溃疡分类方法 |
WO2020190839A1 (en) * | 2019-03-21 | 2020-09-24 | Drexel University | Methods, computer-readable media, and systems for assessing wounds and candidate treatments |
CN210203559U (zh) * | 2019-05-09 | 2020-03-31 | 中国科学院福建物质结构研究所 | 用于糖尿病足的图像采集组件及糖尿病足测量装置 |
CN110600126A (zh) * | 2019-09-19 | 2019-12-20 | 江苏大学附属医院 | 一种糖尿病足下肢动脉钙化斑块图像的辅助评价方法 |
CN111028232A (zh) * | 2019-12-31 | 2020-04-17 | 上海鹰瞳医疗科技有限公司 | 基于眼底图像的糖尿病分类方法及设备 |
CN111265188A (zh) * | 2020-01-21 | 2020-06-12 | 温州医科大学 | 一种基于局部微循环的糖尿病足风险评估装置及方法 |
CN111667467A (zh) * | 2020-05-28 | 2020-09-15 | 江苏大学附属医院 | 基于聚类算法的下肢血管钙化指数多参数累积计算方法 |
Non-Patent Citations (2)
Title |
---|
SHARMA, A 等: "Impaired Insulin Action Is Associated With Increased Glucagon Concentrations in Nondiabetic Humans", 《JOURNAL OF CLINICAL ENDOCRINOLOGY & METABOLISM》 * |
王占国: "社区管理糖尿病患者糖尿病足病知信行状况及其影响因素研究", 《中国优秀博硕士学位论文全文数据库(硕士) 医药卫生科技辑》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113096811A (zh) * | 2021-04-29 | 2021-07-09 | 中国科学院合肥物质科学研究院 | 一种基于红外热成像的糖尿病足图像处理和风险预警设备 |
CN113096811B (zh) * | 2021-04-29 | 2024-06-07 | 中国科学院合肥物质科学研究院 | 一种基于红外热成像的糖尿病足图像处理和风险预警设备 |
CN117174274A (zh) * | 2023-11-03 | 2023-12-05 | 四川省医学科学院·四川省人民医院 | 一种糖尿病足介入手术后患者智能访问*** |
CN117174274B (zh) * | 2023-11-03 | 2024-02-02 | 四川省医学科学院·四川省人民医院 | 一种糖尿病足介入手术后患者智能访问*** |
Also Published As
Publication number | Publication date |
---|---|
CN112489806B (zh) | 2022-02-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Dunton et al. | Nurse staffing and patient falls on acute care hospital units | |
CN112489806B (zh) | 一种糖尿病足患者病状信息智能化管理方法及*** | |
CN112117008A (zh) | 一种基于大数据的健康监测方法及*** | |
CN115985523B (zh) | 一种数字化慢病随访管理*** | |
CN112734746A (zh) | 一种基于图像识别的骨科伤病谱匹配***及方法 | |
CN112712882A (zh) | 一种提高重症护理管理水平的方法和*** | |
CN111916213A (zh) | 一种基于云计算的医疗服务方法和装置 | |
CN112102940A (zh) | 一种屈光检测方法、装置、计算机设备及存储介质 | |
CN113384241B (zh) | 一种可穿戴设备辅助的慢性病患者临床监测平台与方法 | |
CN112992355A (zh) | 一种食管癌患者的术前评估方法及*** | |
CN112168188B (zh) | 一种用于压力检测数据的处理方法和装置 | |
CN117352175A (zh) | 一种用于骨科护理的骨折智能辅助监测*** | |
CN108122232B (zh) | 一种医用夹板患处不同动作的智能识别方法 | |
CN113053482B (zh) | 一种肾内科患者的体征监测分析***及方法 | |
CN112992312B (zh) | 一种脊髓损伤康复训练合格监测方法及*** | |
CN112908472B (zh) | 一种慢性溃疡感染风险评估方法及*** | |
JP2018519983A (ja) | 慢性閉塞性ブロンコニューマティを患う患者の症状悪化が迫っていることを検出及び早期予測するシステム | |
CN112951422A (zh) | 一种骨科患者康复自检方法及*** | |
CN112420208B (zh) | 一种医护人员疫情防护监测方法及*** | |
CN112509685A (zh) | 一种筛选手术方式的标准化的方法及*** | |
CN113192603A (zh) | 一种基于大数据的精神状态评估方法和*** | |
WO2021012203A1 (zh) | 基于围术期危险预警的多模型互补增强机器学习平台 | |
CN110890157A (zh) | 一种分析模型建立方法、辅助诊断装置及设备、介质 | |
CN113130070B (zh) | 一种颅脑疾患的综合诊断方法及*** | |
CN112951408B (zh) | 一种预防呼吸道感染的***及方法 |
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 | ||
TR01 | Transfer of patent right | ||
TR01 | Transfer of patent right |
Effective date of registration: 20240301 Address after: 222000 No. 38, Huanghe Road, Lianyungang Economic and Technological Development Zone, Lianyungang City, Jiangsu Province Patentee after: JIANGSU HENGRUI MEDICINE Co.,Ltd. Country or region after: China Address before: 226001 Jiangsu city of Nantong province Haier Lane Road, No. 6 Patentee before: Nantong First People's Hospital Country or region before: China |