CN113178239A - 一种牙龈萎缩患者日常保健的指导方法及*** - Google Patents
一种牙龈萎缩患者日常保健的指导方法及*** Download PDFInfo
- Publication number
- CN113178239A CN113178239A CN202110505672.8A CN202110505672A CN113178239A CN 113178239 A CN113178239 A CN 113178239A CN 202110505672 A CN202110505672 A CN 202110505672A CN 113178239 A CN113178239 A CN 113178239A
- Authority
- CN
- China
- Prior art keywords
- atrophy
- guidance
- obtaining
- user
- 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.)
- Withdrawn
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
- G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H30/00—ICT specially adapted for the handling or processing of medical images
- G16H30/20—ICT specially adapted for the handling or processing of medical images for handling medical images, e.g. DICOM, HL7 or PACS
-
- 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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30036—Dental; Teeth
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Biomedical Technology (AREA)
- Public Health (AREA)
- Artificial Intelligence (AREA)
- Primary Health Care (AREA)
- Evolutionary Computation (AREA)
- Epidemiology (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computing Systems (AREA)
- Biophysics (AREA)
- Radiology & Medical Imaging (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Software Systems (AREA)
- Computational Linguistics (AREA)
- Molecular Biology (AREA)
- Mathematical Physics (AREA)
- Evolutionary Biology (AREA)
- Pathology (AREA)
- Databases & Information Systems (AREA)
- Multimedia (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Quality & Reliability (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明公开了一种牙龈萎缩患者日常保健的指导方法及***,所述方法包括:根据摄像头获得第一用户的第一牙龈图像信息;通过对所述第一牙龈图像信息进行卷积特征变换提取,获得第一卷积特征和第二卷积特征;将所述第一卷积特征和所述第二卷积特征输入第一萎缩等级分析模型,获得第一牙龈萎缩等级;若所述第一用户为第一关联病症用户基于增量学习获得第一指导特征;根据获得的第一牙龈萎缩保健知识库和第一指导推理规则库,获得第一指导内容;基于所述第一指导内容对所述第一指导框架进行填充,生成第一指导方案。解决了现有技术中存在由于牙龈萎缩患者知识储备不够,使得日常保健执行的专业性较弱,影响患者恢复效果的技术问题。
Description
技术领域
本发明涉及人工智能技术领域,尤其涉及一种牙龈萎缩患者日常保健的指导方法及***。
背景技术
随着口腔保健知识的普及,人们的健康意识也不断的增强,牙龈萎缩分为生理性萎缩和病理性萎缩两类,随着年龄的增长也会或多或少发生萎缩,使牙根暴露,由于牙龈萎缩情况的发生,不仅会对患者的健康造成危害,还会使患者痛苦不堪,严重的影响了日常生活中的工作和学习,从而需要通过日常保健进行延缓。
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:
现有技术中存在由于牙龈萎缩患者知识储备不够,使得日常保健执行的专业性较弱,影响患者恢复效果的技术问题。
发明内容
本申请实施例通过提供一种牙龈萎缩患者日常保健的指导方法及***,解决了现有技术中存在由于牙龈萎缩患者知识储备不够,使得日常保健执行的专业性较弱,影响患者恢复效果的技术问题,达到了基于保健知识库和推理规则的结合,对患者的牙龈萎缩特征进行针对性的专业指导,从而提高患者恢复质量的技术效果。
鉴于上述问题,提出了本申请实施例提供一种牙龈萎缩患者日常保健的指导方法及***。
第一方面,本申请实施例提供了一种牙龈萎缩患者日常保健的指导方法,其中,所述方法应用于一种牙龈萎缩患者日常保健的指导***,所述***与一摄像头智能连接,所述方法包括:根据所述摄像头,获得第一用户的第一牙龈图像信息;通过对所述第一牙龈图像信息进行卷积特征变换提取,获得第一卷积特征和第二卷积特征;将所述第一卷积特征和所述第二卷积特征输入第一萎缩等级分析模型,获得第一牙龈萎缩等级;判断所述第一用户是否为第一关联病症用户;若所述第一用户为第一关联病症用户,根据所述第一牙龈萎缩等级,获得第一指导特征;根据所述第一指导特征,构建第一指导框架;获得第一牙龈萎缩保健知识库;通过所述第一用户的第一就诊医师,获得第一指导推理规则库;根据所述第一牙龈萎缩保健知识库和所述第一指导推理规则库,获得第一指导内容;基于所述第一指导内容对所述第一指导框架进行填充,生成第一指导方案。
另一方面,本申请还提供了一种牙龈萎缩患者日常保健的指导***,所述***包括:第一获得单元,所述第一获得单元用于根据摄像头,获得第一用户的第一牙龈图像信息;第二获得单元,所述第二获得单元用于通过对所述第一牙龈图像信息进行卷积特征变换提取,获得第一卷积特征和第二卷积特征;第一输入单元,所述第一输入单元用于将所述第一卷积特征和所述第二卷积特征输入第一萎缩等级分析模型,获得第一牙龈萎缩等级;第一判断单元,所述第一判断单元用于判断所述第一用户是否为第一关联病症用户;第三获得单元,所述第三获得单元用于若所述第一用户为第一关联病症用户,根据所述第一牙龈萎缩等级,获得第一指导特征;第一构建单元,所述第一构建单元用于根据所述第一指导特征,构建第一指导框架;第四获得单元,所述第四获得单元用于获得第一牙龈萎缩保健知识库;第五获得单元,所述第五获得单元用于通过所述第一用户的第一就诊医师,获得第一指导推理规则库;第六获得单元,所述第六获得单元用于根据所述第一牙龈萎缩保健知识库和所述第一指导推理规则库,获得第一指导内容;第一生成单元,所述第一生成单元用于基于所述第一指导内容对所述第一指导框架进行填充,生成第一指导方案。
第三方面,本发明提供了一种牙龈萎缩患者日常保健的指导***,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:
由于采用了通过摄像头对患有牙龈萎缩的患者进行牙龈图像的采集,从而基于采集到的第一牙龈图像信息进行卷积特征的分析和提取,其中,提取到的特征包括第一卷积特征和第二卷积特征,再将所述第一卷积特征和所述第二卷积特征输入第一萎缩等级分析模型,获得对应的牙龈萎缩等级。进一步的,通过判断所述第一用户是否患有其他相关病症,对于患有的关联病症信息进行增量学习后,获得更新后的相关指导特征,进而基于所述第一指导特征构建第一指导框架,再通过获得的第一牙龈萎缩保健知识库和医师的指导推理规则库形成指导内容,最后根据指导内容和指导框架生成第一指导方案的方式对所述第一用户进行日常保健的专业性指导,达到了基于保健知识库和推理规则的结合,对患者的牙龈萎缩特征进行针对性的专业指导,从而提高患者恢复质量的技术效果。
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牙龈萎缩患者日常保健的指导方法的流程示意图;
图2为本申请实施例一种牙龈萎缩患者日常保健的指导***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,第一输入单元13,第一判断单元14,第三获得单元15,第一构建单元16,第四获得单元17,第五获得单元18,第六获得单元19,第一生成单元20,总线300,接收器301,处理器302,发送器303,存储器304,总线接口305。
具体实施方式
本申请实施例通过提供一种牙龈萎缩患者日常保健的指导方法及***,解决了现有技术中存在由于牙龈萎缩患者知识储备不够,使得日常保健执行的专业性较弱,影响患者恢复效果的技术问题,达到了基于保健知识库和推理规则的结合,对患者的牙龈萎缩特征进行针对性的专业指导,从而提高患者恢复质量的技术效果。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
随着口腔保健知识的普及,人们的健康意识也不断的增强,牙龈萎缩分为生理性萎缩和病理性萎缩两类,随着年龄的增长也会或多或少发生萎缩,使牙根暴露,由于牙龈萎缩情况的发生,不仅会对患者的健康造成危害,还会使患者痛苦不堪,严重的影响了日常生活中的工作和学习,从而需要通过日常保健进行延缓。但现有技术中存在由于牙龈萎缩患者知识储备不够,使得日常保健执行的专业性较弱,影响患者恢复效果的技术问题。
针对上述技术问题,本申请提供的技术方案总体思路如下:
本申请实施例提供了一种牙龈萎缩患者日常保健的指导方法,其中,所述方法应用于一种牙龈萎缩患者日常保健的指导***,所述***与一摄像头智能连接,所述方法包括:根据所述摄像头,获得第一用户的第一牙龈图像信息;通过对所述第一牙龈图像信息进行卷积特征变换提取,获得第一卷积特征和第二卷积特征;将所述第一卷积特征和所述第二卷积特征输入第一萎缩等级分析模型,获得第一牙龈萎缩等级;判断所述第一用户是否为第一关联病症用户;若所述第一用户为第一关联病症用户,根据所述第一牙龈萎缩等级,获得第一指导特征;根据所述第一指导特征,构建第一指导框架;获得第一牙龈萎缩保健知识库;通过所述第一用户的第一就诊医师,获得第一指导推理规则库;根据所述第一牙龈萎缩保健知识库和所述第一指导推理规则库,获得第一指导内容;基于所述第一指导内容对所述第一指导框架进行填充,生成第一指导方案。
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
如图1所示,本申请实施例提供了一种牙龈萎缩患者日常保健的指导方法,其中,所述方法应用于一种牙龈萎缩患者日常保健的指导***,所述***与一摄像头智能连接,所述方法包括:
步骤S100:根据所述摄像头,获得第一用户的第一牙龈图像信息;
具体而言,所述摄像头为微型智能摄像头,能够探入所述第一用户的口腔进行牙龈的多角度、多距离进行图像的智能采集,进一步的,由于通过摄像头采集到的多个图像信息是对所述第一用户口腔图像的综合反应,因此,需要进一步通过对采集到的所有图像信息进行质量筛选和处理,从而获得所述第一牙龈图像信息,其中,由于所述摄像头与所述第一种牙龈萎缩患者日常保健的指导***通信连接,从而能够完成数据采集的存储和传输,进而对用户的牙龈进行智能化图像采集,提供指导识别的基础数据。
步骤S200:通过对所述第一牙龈图像信息进行卷积特征变换提取,获得第一卷积特征和第二卷积特征;
具体而言,所述第一牙龈图像信息是通过微型智能摄像头完成的对应图像信息,从而进一步对质量达到一定预设标准的图像进行进一步的分析,其中,所述第一卷积特征和所述第二卷积特征是通过对所述第一牙龈图像中的两个主要特征进行卷积计算后识别获得的,详细来说,通过获得所述第一卷积特征和所述第二卷积特征对应的对应卷积层,其中所述卷积层中包含多个不同卷积核信息,进而完成对所述第一牙龈图像信息的卷积计算,进而获得对应的卷积特征再进行之后的进一步细化分析,其中,对所有的卷积特征进行分类后需要将其中标识的两个主要特征进行提取,比如牙龈萎缩的患者牙缝距离和牙根暴露度。
步骤S300:将所述第一卷积特征和所述第二卷积特征输入第一萎缩等级分析模型,获得第一牙龈萎缩等级;
具体而言,获得所述第一牙龈萎缩等级是通过对所述第一用户牙龈进行卷积特征的提取并完成神经网络的训练获得的训练输出结果,其中,所述训练过程是进行细化的数据监督学***台进行相关数据的处理,进而达到了获得具有数学特性和逻辑性的输出数据,进一步达到了智能化数据学习的技术效果。
步骤S400:判断所述第一用户是否为第一关联病症用户;
步骤S500:若所述第一用户为第一关联病症用户,根据所述第一牙龈萎缩等级,获得第一指导特征;
具体而言,通过获得所述第一用户的具体身体状况信息,可以通过体检报告以及病历信息完成进一步的获取,从而获得用户实时患有的病情信息,再对这些所有病情进行判断,将实时病情信息与标识的关联病症进行对比判断,其中,所述第一关联病症信息为与牙龈萎缩具有一定关联性的相关病症信息,比如糖尿病。若所述第一用户患有加重牙龈萎缩的疾病,从而根据对应的疾病信息再次对用户的牙龈萎缩严重程度进行数据训练学习,再次进行病情训练的的过程为增量学习的过程,再根据具体的关联病症完成等级的进一步细化确定,根据所述第一牙龈萎缩等级获得对应等级中的保健特征,由于目标牙龈萎缩等级是提前设定的多层级等级,进而通过确定处于的实时等级获得对应的特征,将对应的特征作为之后进行指导的主要特征,达到了获得主要指导特征,为之后的指导提供准有效信息。
步骤S600:根据所述第一指导特征,构建第一指导框架;
具体而言,通过对所述第一指导特征进行分类别或多层级的划分,并且其中的多类别和多层级具有一定的延展性,所述第一指导框架是基于所述第一指导特征构建的主要框架,它规定了所有指导特征的体系结构,阐明了整个特征内容、层级关系之间的依赖关系、内容分配和内容跳转流程,并且所述第一指导框架可以基于所述第一指导特征的不断修正进行框架的功能设定,从而达到了通过构建第一指导框架对所有信息完成***拟合,提高信息总管理水平和流程管理质量的技术效果。
步骤S700:获得第一牙龈萎缩保健知识库;
具体而言,所述第一牙龈萎缩保健知识库是基于大数据和数据采集装置获得的关于牙龈萎缩保健知识的存储库,进一步的,保健知识的获取途径可以基于对专业交流平台,或者多个专家的经验知识进行整合,进而将采集到的所有数据进行云端的存储,以减少由于过大的数据量造成的存储紧张,基于云端的数据处理器从而对所有的信息进行预处理过程,从而获得准确的专业保健知识。
步骤S800:通过所述第一用户的第一就诊医师,获得第一指导推理规则库;
具体而言,所述第一就诊医师为所述第一用户进行牙龈萎缩就诊的医院中的科室医生,由于相关就诊医师对于相对应的萎缩具有一定的诊疗过程,同时可以结合病历以及病人自身的状态信息,提出较好的对应保健措施,因此,所述第一指导推理规则是基于所述第一就诊医师的***指导经验获得的,从而将具体的经验进行规则的整合,即通过输入信息从而完成逻辑判断的规则设定,进而获得具体的指导推理规则。达到了通过基于专属的就诊医师对用户进行个性化的指导,提高指导方法的专业度和贴合性。
步骤S900:根据所述第一牙龈萎缩保健知识库和所述第一指导推理规则库,获得第一指导内容;
步骤S1000:基于所述第一指导内容对所述第一指导框架进行填充,生成第一指导方案。
具体而言,获得所述第一指导内容的过程是将所述第一牙龈萎缩保健知识库作为总知识库,所述第一指导推理规则库作为推理机进行推理的规则集合,进而基于所述第一用户的对应特征信息,输出相对应的所有指导内容,所述第一指导推理规则库能够基于推理机对用户的信息进行推理,从而获得对应的指导内容信息,所述第一指导内容存储在对应的数据库中,进而基于这些推理获得的信息完成相应框架的填充,换句话说,获得所述第一指导内容的过程就是通过***,输入用户的牙龈萎缩基本信息,并输出推理内容结果及相关的解释,基于模拟人类专家的推理思维过程,提高输出内容的专业性,而框架填充的过程能够将指导信息***化、流程化,完成对所述第一用户进行有效指导,达到了基于保健知识库和推理规则的结合,对患者的牙龈萎缩特征进行针对性的专业指导,从而提高患者恢复质量的技术效果。
进一步而言,所述基于所述第一卷积特征和所述第二卷积特征,获得第一牙龈萎缩等级之后,本申请实施例步骤S200还包括:
步骤S210:根据所述第一牙龈图像信息,判断所述第一用户是否具有第一佩戴用具;
步骤S220:当所述第一用户具有第一佩戴用具,获得所述第一佩戴用具的第一机械损伤信息;
步骤S230:基于所述第一机械损伤信息,获得第一修正系数,其中,所述第一修正系数为基于第一影响因子的修正数据;
步骤S240:根据所述第一修正系数对所述第一牙龈萎缩等级进行修正,获得第二牙龈萎缩等级。
具体而言,所述第一用户是否佩戴对应的牙具,由于一些佩戴器具会对用户的牙龈造成损伤,比如老年人牙周组织长期受到佩戴假牙和炎症刺激容易持续加重牙龈萎缩,或者牙齿错位和不恰当的牙具矫正治疗导致部分牙槽骨变薄容易使得牙龈长期刺激加重牙龈萎缩。所述第一机械损伤信息为基于目前所述第一用户受到的主要牙龈损伤状况信息,比如牙具造成的出血、红肿、菌斑、破损等信息,进而通过对这些相关影响因子进行进一步的分析对应完成具体的等级修正,从而达到了基于用户主要的特征状态进行进一步的等级修订,以获得准确、可靠的萎缩等级信息。
进一步而言,所述若所述第一用户为第一关联病症用户,根据所述第一牙龈萎缩等级,获得第一指导特征,本申请实施例步骤S500还包括:
步骤S510:若所述第一用户为第一关联病症用户,获得第一病症特征,其中,所述第一病症特征为所述第一用户患有的糖尿病特征信息,所述第一病症特征包括多个病症特征;
步骤S520:根据所述第一病症特征对所述第一萎缩等级分析模型进行增量学习,获得第二萎缩等级分析模型;
步骤S530:基于所述第二萎缩等级分析模型,获得第二牙龈萎缩等级;
步骤S540:根据所述第二牙龈萎缩等级,获得所述第一指导特征。
具体而言,所述第一病症特征是通过对用户的关联病情信息进行特征提取后获得的对应病症特征,比如关联病情属性特征、用户诊疗过程特征等,所述第二萎缩等级分析模型是基于所述第一病症特征进行机器学习获得的对应更新的等级分析模型,由于第二萎缩等级分析模型需要结合所述第一病历纠错模型的旧训练数据以及新增的第一病症特征数据以完成综合的增量学习,因此,将所述第一病症特征进行增量学习后能够保留所述第一萎缩等级分析模型的基础性能并进行模型性能的更新,进而获得所述第二牙龈萎缩等级,其中,所述第二牙龈萎缩等级是基于新训练后的模型获得的萎缩等级信息,从而基于第一病症特征对用户牙龈萎缩的等级进行二次修正,达到了基于新增特征不断进行增量学习,以提高模型的等级分析准确性性能的技术效果。
进一步而言,本申请实施例步骤S520还包括:
步骤S521:根据第一添加指令将所述第一病症特征添加至第一增量特征库;
步骤S522:将所述第一增量特征库中的数据输入所述第一萎缩等级分析模型中,获得第一预测萎缩等级;
步骤S523:通过对所述第一预测萎缩等级进行数据损失分析,获得第一损失数据;
步骤S524:将所述第一损失数据输入第一萎缩等级分析模型进行训练,生成所述第二萎缩等级分析模型。
具体而言,所述第一预测萎缩等级是基于所述第一增量特征库中的第一病症特征在所述第一萎缩等级分析模型中进行等级预测的特征信息,由于所述第二萎缩等级分析模型是基于引入损失函数完成新病症数据损失的分析进而获得新模型,其中,所述第一损失数据是代表第一萎缩等级分析模型对于所述第一病症特征的相关知识的损失数据,再基于所述第一损失数据完成对所述第一萎缩等级分析模型的增量学习,其中,增量学习是指一个学习***能不断地从新样本中学习新的知识,并能保存大部分以前已经学习到的知识。增量学习非常类似于人类自身的学习模式,随着用户身体信息或对应的口腔特征信息不断改变,***可以不断对新增的特征进行学习。进一步的,萎缩等级分析模型是多个神经元相互连接组成构成神经网络获得的,因此,通过损失数据的训练使使得第二萎缩等级分析模型保留了所述第一萎缩等级分析模型基础功能的同时,并从而提高了等级分析准确性,达到智能更新学习的技术效果。
进一步而言,所述基于所述第一机械损伤信息,获得第一修正系数,本申请实施例S230还包括:
步骤S231:基于所述第一机械损伤信息,获得关联因子信息;
步骤S232:根据所述关联因子信息,获得第一相关性信息;
步骤S233:基于所述第一相关性信息,构建第一相关性拟合曲线;
步骤S234:通过对所述第一相关性拟合曲线进行主成分因子分析,获得所述第一影响因子,其中,所述第一影响因子为影响机械损伤的第一主成分因子;
步骤S235:根据所述第一影响因子,生成所述第一修正系数。
具体而言,根据用户佩戴的用具损伤进行牙龈萎缩等级调整时主要是通过主成分分析统计的方法进行主要影响成分的确定,进而完成对应修正系数的确定,其中,获得所述第一机械损伤信息中的所有损伤刺激影响因子,比如佩戴用具的类别、用具材料、用具矫正年限等各个因子,进而从这些影响因子中确定出最主要的第一影响因子作为主要分析因子对萎缩等级进行纠正,进一步来说,其中每一个影响因子又存在较多对应的指标,比如用具类别中又包括用具的佩戴方法,滋生菌斑的严重程度等,从而产生较多的数据。因此,基于指标分析并完成对应降维处理的方式使得消减了数据处理量的同时又能保证数据分析准确性,增加了数据分析效率。
进一步而言,所述基于所述第一指导内容对所述第一指导框架进行填充,生成第一指导方案,本申请实施例步骤S1000还包括:
步骤S1010:根据所述第一用户的基本信息,获得第一更新信息;
步骤S1020:判断所述第一指导内容中是否存在第一重合信息,其中,所述第一重合信息为在所述第一指导内容中与所述第一更新信息重合率高的信息;
步骤S1030:若存在所述第一指导内容中存在所述第一重合信息,获得第一替代指令;
步骤S1040:根据所述第一替代指令,根据所述第一更新信息对所述第一重合信息进行替代,获得第二指导内容;
步骤S1050:根据所述第二指导内容和所述第一指导框架,生成第二指导方案。
具体而言,当所述第一用户的基本信息发生一定更新的情况时,对应的指导内容也需要进行一定更新,即需要对知识库和规则库完成更新处理,比如,当提出某个新的研究内容时,从而根据所述第一用户的基本信息能够采取更好的指导内容进行辅助指导,进而需要对原来的指导内容进行替换处理,其中,进行匹配查询的过程是通过对比信息之间匹配度的方式完成遍历,因此,根据第一替代指令对之前对应的内容完成替代,实现信息库的及时更新,进而提高用户使用满意度和指导效果的技术效果。
进一步而言,所述将所述第一卷积特征和所述第二卷积特征输入第一萎缩等级分析模型,获得第一牙龈萎缩等级,本申请实施例步骤S300还包括:
步骤S310:将所述第一卷积特征和所述第二卷积特征作为输入信息构建所述第一萎缩等级分析模型;
步骤S320:通过多组训练数据训练获得所述第一萎缩等级分析模型,其中,所述多组训练数据中的每组均包括:所述第一卷积特征、所述第二卷积特征和标识第一输出结果的标识信息;
步骤S330:获得所述第一萎缩等级分析模型的第一输出结果,所述第一输出结果为所述第一牙龈萎缩等级。
具体而言,将所述第一牙龈萎缩等级作为监督数据输入每一组训练数据中进行监督学习,所述第一萎缩等级分析模型是以神经网络模型为基础建立的模型,而神经网络是大量的神经元之间相互连接构成的一种运算模型,网络的输出则依照网络的连接方式的一种逻辑策略表达。进一步而言,所述训练的过程实质为监督学习的过程,所述多组训练数据中的每组均包括所述第一卷积特征、所述第二卷积特征和标识第一输出结果的标识信息,所述第一萎缩等级分析模型进行不断的自我修正、调整,直至获得的输出结果与所述标识信息一致,结束本组数据监督学习,进行下一组数据监督学习。当所述第一萎缩等级分析模型的输出信息达到预定的准确率/达到收敛状态时,则监督学习过程结束,达到了通过所述第一萎缩等级分析模型的训练使得输出所述第一牙龈萎缩等级更加准确,达到了数据智能化分析的技术效果。
综上所述,本申请实施例所提供的一种牙龈萎缩患者日常保健的指导方法及***具有如下技术效果:
1、由于采用了通过摄像头对患有牙龈萎缩的患者进行牙龈图像的采集,从而基于采集到的第一牙龈图像信息进行卷积特征的分析和提取,并将提取到的特征输入第一萎缩等级分析模型中,获得对应的牙龈萎缩等级,并基于用户信息进行萎缩等级的修正,进而基于获得的所述第一指导特征构建第一指导框架,对患者的牙龈萎缩特征进行针对性的专业指导,从而提高患者恢复质量的技术效果。
2、由于采用了进一步的通过判断所述第一用户是否患有其他相关病症,对于患有的关联病症信息进行特征提取,再基于旧模型的基础上进行增量学习,获得更新后萎缩等级的方式,进而达到了提高等级分析准确性,实现智能更新学习的技术效果。
3、由于采用了通过构建第一牙龈萎缩保健知识库和医师的指导推理规则库形成指导内容,使得在基于专家经验的知识库中完成推理机的逻辑推理的方式,达到了基于保健知识库和推理规则的结合的方式,提高保健指导质量的技术效果。
实施例二
基于与前述实施例中一种牙龈萎缩患者日常保健的指导方法同样发明构思,本发明还提供了一种牙龈萎缩患者日常保健的指导***,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用于根据摄像头,获得第一用户的第一牙龈图像信息;
第二获得单元12,所述第二获得单元12用于通过对所述第一牙龈图像信息进行卷积特征变换提取,获得第一卷积特征和第二卷积特征;
第一输入单元13,所述第一输入单元13用于将所述第一卷积特征和所述第二卷积特征输入第一萎缩等级分析模型,获得第一牙龈萎缩等级;
第一判断单元14,所述第一判断单元14用于判断所述第一用户是否为第一关联病症用户;
第三获得单元15,所述第三获得单元15用于若所述第一用户为第一关联病症用户,根据所述第一牙龈萎缩等级,获得第一指导特征;
第一构建单元16,所述第一构建单元16用于根据所述第一指导特征,构建第一指导框架;
第四获得单元17,所述第四获得单元17用于获得第一牙龈萎缩保健知识库;
第五获得单元18,所述第五获得单元18用于通过所述第一用户的第一就诊医师,获得第一指导推理规则库;
第六获得单元19,所述第六获得单元19用于根据所述第一牙龈萎缩保健知识库和所述第一指导推理规则库,获得第一指导内容;
第一生成单元20,所述第一生成单元20用于基于所述第一指导内容对所述第一指导框架进行填充,生成第一指导方案。
进一步的,所述***还包括:
第一判断单元,所述第一判断单元用于根据所述第一牙龈图像信息,判断所述第一用户是否具有第一佩戴用具;
第七获得单元,所述第七获得单元用于当所述第一用户具有第一佩戴用具,获得所述第一佩戴用具的第一机械损伤信息;
第八获得单元,所述第八获得单元用于基于所述第一机械损伤信息,获得第一修正系数,其中,所述第一修正系数为基于第一影响因子的修正数据;
第九获得单元,所述第九获得单元用于根据所述第一修正系数对所述第一牙龈萎缩等级进行修正,获得第二牙龈萎缩等级。
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若所述第一用户为第一关联病症用户,获得第一病症特征,其中,所述第一病症特征为所述第一用户患有的糖尿病特征信息,所述第一病症特征包括多个病症特征;
第十一获得单元,所述第十一获得单元用于根据所述第一病症特征对所述第一萎缩等级分析模型进行增量学习,获得第二萎缩等级分析模型;
第十二获得单元,所述第十二获得单元用于基于所述第二萎缩等级分析模型,获得第二牙龈萎缩等级;
第十三获得单元,所述第十三获得单元用于根据所述第二牙龈萎缩等级,获得所述第一指导特征。
第一添加单元,所述第一添加单元用于根据第一添加指令将所述第一病症特征添加至第一增量特征库;
第十四获得单元,所述第十四获得单元用于将所述第一增量特征库中的数据输入所述第一萎缩等级分析模型中,获得第一预测萎缩等级;
第十五获得单元,所述第十五获得单元用于通过对所述第一预测萎缩等级进行数据损失分析,获得第一损失数据;
第二生成单元,所述第二生成单元用于将所述第一损失数据输入第一萎缩等级分析模型进行训练,生成所述第二萎缩等级分析模型。
进一步的,所述***还包括:
第十六获得单元,所述第十六获得单元用于基于所述第一机械损伤信息,获得关联因子信息;
第十七获得单元,所述第十七获得单元用于根据所述关联因子信息,获得第一相关性信息;
第二构建单元,所述第二构建单元用于基于所述第一相关性信息,构建第一相关性拟合曲线;
第十八获得单元,所述第十八获得单元用于通过对所述第一相关性拟合曲线进行主成分因子分析,获得所述第一影响因子,其中,所述第一影响因子为影响机械损伤的第一主成分因子;
第三生成单元,所述第三生成单元用于根据所述第一影响因子,生成所述第一修正系数。
进一步的,所述***还包括:
第十九获得单元,所述第十九获得单元用于根据所述第一用户的基本信息,获得第一更新信息;
第二判断单元,所述第二判断单元用于判断所述第一指导内容中是否存在第一重合信息,其中,所述第一重合信息为在所述第一指导内容中与所述第一更新信息重合率高的信息;
第二十获得单元,所述第二十获得单元用于若存在所述第一指导内容中存在所述第一重合信息,获得第一替代指令;
第二十一获得单元,所述第二十一获得单元用于根据所述第一替代指令,根据所述第一更新信息对所述第一重合信息进行替代,获得第二指导内容;
第四生成单元,所述第四生成单元用于根据所述第二指导内容和所述第一指导框架,生成第二指导方案。
进一步的,所述***还包括:
第三构建单元,所述第三构建单元用于将所述第一卷积特征和所述第二卷积特征作为输入信息构建所述第一萎缩等级分析模型;
第二十二获得单元,所述第二十二获得单元用于通过多组训练数据训练获得所述第一萎缩等级分析模型,其中,所述多组训练数据中的每组均包括:所述第一卷积特征、所述第二卷积特征和标识第一输出结果的标识信息;
第二十三获得单元,所述第二十三获得单元用于获得所述第一萎缩等级分析模型的第一输出结果,所述第一输出结果为所述第一牙龈萎缩等级。
前述图1实施例一中的一种牙龈萎缩患者日常保健的指导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牙龈萎缩患者日常保健的指导***,通过前述对一种牙龈萎缩患者日常保健的指导方法的详细描述,本领域技术人员可以清楚的知道本实施例中一种牙龈萎缩患者日常保健的指导***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牙龈萎缩患者日常保健的指导方法的发明构思,本发明还提供一种牙龈萎缩患者日常保健的指导***,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第一种牙龈萎缩患者日常保健的指导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305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。
本发明实施例提供的一种牙龈萎缩患者日常保健的指导方法,其中,所述方法应用于一种牙龈萎缩患者日常保健的指导***,所述***与一摄像头智能连接,所述方法包括:根据所述摄像头,获得第一用户的第一牙龈图像信息;通过对所述第一牙龈图像信息进行卷积特征变换提取,获得第一卷积特征和第二卷积特征;将所述第一卷积特征和所述第二卷积特征输入第一萎缩等级分析模型,获得第一牙龈萎缩等级;判断所述第一用户是否为第一关联病症用户;若所述第一用户为第一关联病症用户,根据所述第一牙龈萎缩等级,获得第一指导特征;根据所述第一指导特征,构建第一指导框架;获得第一牙龈萎缩保健知识库;通过所述第一用户的第一就诊医师,获得第一指导推理规则库;根据所述第一牙龈萎缩保健知识库和所述第一指导推理规则库,获得第一指导内容;基于所述第一指导内容对所述第一指导框架进行填充,生成第一指导方案。解决了现有技术中存在由于牙龈萎缩患者知识储备不够,使得日常保健执行的专业性较弱,影响患者恢复效果的技术问题,达到了基于保健知识库和推理规则的结合,对患者的牙龈萎缩特征进行针对性的专业指导,从而提高患者恢复质量的技术效果。
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***的制造品,该指令***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 (9)
1.一种牙龈萎缩患者日常保健的指导方法,其中,所述方法应用于一种牙龈萎缩患者日常保健的指导***,所述***与一摄像头智能连接,所述方法包括:
根据所述摄像头,获得第一用户的第一牙龈图像信息;
通过对所述第一牙龈图像信息进行卷积特征变换提取,获得第一卷积特征和第二卷积特征;
将所述第一卷积特征和所述第二卷积特征输入第一萎缩等级分析模型,获得第一牙龈萎缩等级;
判断所述第一用户是否为第一关联病症用户;
若所述第一用户为第一关联病症用户,根据所述第一牙龈萎缩等级,获得第一指导特征;
根据所述第一指导特征,构建第一指导框架;
获得第一牙龈萎缩保健知识库;
通过所述第一用户的第一就诊医师,获得第一指导推理规则库;
根据所述第一牙龈萎缩保健知识库和所述第一指导推理规则库,获得第一指导内容;
基于所述第一指导内容对所述第一指导框架进行填充,生成第一指导方案。
2.如权利要求1所述的方法,所述基于所述第一卷积特征和所述第二卷积特征,获得第一牙龈萎缩等级之后,所述方法还包括:
根据所述第一牙龈图像信息,判断所述第一用户是否具有第一佩戴用具;
当所述第一用户具有第一佩戴用具,获得所述第一佩戴用具的第一机械损伤信息;
基于所述第一机械损伤信息,获得第一修正系数,其中,所述第一修正系数为基于第一影响因子的修正数据;
根据所述第一修正系数对所述第一牙龈萎缩等级进行修正,获得第二牙龈萎缩等级。
3.如权利要求1所述的方法,所述若所述第一用户为第一关联病症用户,根据所述第一牙龈萎缩等级,获得第一指导特征,所述方法还包括:
若所述第一用户为第一关联病症用户,获得第一病症特征,其中,所述第一病症特征为所述第一用户患有的糖尿病特征信息,所述第一病症特征包括多个病症特征;
根据所述第一病症特征对所述第一萎缩等级分析模型进行增量学习,获得第二萎缩等级分析模型;
基于所述第二萎缩等级分析模型,获得第二牙龈萎缩等级;
根据所述第二牙龈萎缩等级,获得所述第一指导特征。
4.如权利要求3所述的方法,所述方法还包括:
根据第一添加指令将所述第一病症特征添加至第一增量特征库;
将所述第一增量特征库中的数据输入所述第一萎缩等级分析模型中,获得第一预测萎缩等级;
通过对所述第一预测萎缩等级进行数据损失分析,获得第一损失数据;
将所述第一损失数据输入第一萎缩等级分析模型进行训练,生成所述第二萎缩等级分析模型。
5.如权利要求2所述的方法,所述基于所述第一机械损伤信息,获得第一修正系数,所述方法还包括:
基于所述第一机械损伤信息,获得关联因子信息;
根据所述关联因子信息,获得第一相关性信息;
基于所述第一相关性信息,构建第一相关性拟合曲线;
通过对所述第一相关性拟合曲线进行主成分因子分析,获得所述第一影响因子,其中,所述第一影响因子为影响机械损伤的第一主成分因子;
根据所述第一影响因子,生成所述第一修正系数。
6.如权利要求1所述的方法,所述基于所述第一指导内容对所述第一指导框架进行填充,生成第一指导方案,所述方法还包括:
根据所述第一用户的基本信息,获得第一更新信息;
判断所述第一指导内容中是否存在第一重合信息,其中,所述第一重合信息为在所述第一指导内容中与所述第一更新信息重合率高的信息;
若存在所述第一指导内容中存在所述第一重合信息,获得第一替代指令;
根据所述第一替代指令,根据所述第一更新信息对所述第一重合信息进行替代,获得第二指导内容;
根据所述第二指导内容和所述第一指导框架,生成第二指导方案。
7.如权利要求1所述的方法,所述将所述第一卷积特征和所述第二卷积特征输入第一萎缩等级分析模型,获得第一牙龈萎缩等级,所述方法还包括:
将所述第一卷积特征和所述第二卷积特征作为输入信息构建所述第一萎缩等级分析模型;
通过多组训练数据训练获得所述第一萎缩等级分析模型,其中,所述多组训练数据中的每组均包括:所述第一卷积特征、所述第二卷积特征和标识第一输出结果的标识信息;
获得所述第一萎缩等级分析模型的第一输出结果,所述第一输出结果为所述第一牙龈萎缩等级。
8.一种牙龈萎缩患者日常保健的指导***,其中,所述***包括:
第一获得单元,所述第一获得单元用于根据摄像头,获得第一用户的第一牙龈图像信息;
第二获得单元,所述第二获得单元用于通过对所述第一牙龈图像信息进行卷积特征变换提取,获得第一卷积特征和第二卷积特征;
第一输入单元,所述第一输入单元用于将所述第一卷积特征和所述第二卷积特征输入第一萎缩等级分析模型,获得第一牙龈萎缩等级;
第一判断单元,所述第一判断单元用于判断所述第一用户是否为第一关联病症用户;
第三获得单元,所述第三获得单元用于若所述第一用户为第一关联病症用户,根据所述第一牙龈萎缩等级,获得第一指导特征;
第一构建单元,所述第一构建单元用于根据所述第一指导特征,构建第一指导框架;
第四获得单元,所述第四获得单元用于获得第一牙龈萎缩保健知识库;
第五获得单元,所述第五获得单元用于通过所述第一用户的第一就诊医师,获得第一指导推理规则库;
第六获得单元,所述第六获得单元用于根据所述第一牙龈萎缩保健知识库和所述第一指导推理规则库,获得第一指导内容;
第一生成单元,所述第一生成单元用于基于所述第一指导内容对所述第一指导框架进行填充,生成第一指导方案。
9.一种牙龈萎缩患者日常保健的指导***,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1-7任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110505672.8A CN113178239A (zh) | 2021-05-10 | 2021-05-10 | 一种牙龈萎缩患者日常保健的指导方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110505672.8A CN113178239A (zh) | 2021-05-10 | 2021-05-10 | 一种牙龈萎缩患者日常保健的指导方法及*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113178239A true CN113178239A (zh) | 2021-07-27 |
Family
ID=76928582
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110505672.8A Withdrawn CN113178239A (zh) | 2021-05-10 | 2021-05-10 | 一种牙龈萎缩患者日常保健的指导方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113178239A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114496254A (zh) * | 2022-01-25 | 2022-05-13 | 首都医科大学附属北京同仁医院 | 一种牙龈炎评估***的构建方法、牙评估***及评估方法 |
-
2021
- 2021-05-10 CN CN202110505672.8A patent/CN113178239A/zh not_active Withdrawn
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114496254A (zh) * | 2022-01-25 | 2022-05-13 | 首都医科大学附属北京同仁医院 | 一种牙龈炎评估***的构建方法、牙评估***及评估方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109087706B (zh) | 基于睡眠大数据的人体健康评估方法及评估*** | |
US20200203020A1 (en) | Digital twin of a person | |
US20200330046A1 (en) | Digital twin updating | |
CN116910172B (zh) | 基于人工智能的随访量表生成方法及*** | |
CN112967819A (zh) | 一种神经外科手术的术前评估方法及*** | |
CN113178239A (zh) | 一种牙龈萎缩患者日常保健的指导方法及*** | |
CN112542242A (zh) | 数据转换/症状评分 | |
CN116453706A (zh) | 一种基于强化学习的血液透析方案制定方法及*** | |
CN117352175A (zh) | 一种用于骨科护理的骨折智能辅助监测*** | |
CN112836873A (zh) | 一种矫治器配戴舒适度的预测方法及预测模型的构建方法 | |
Sidik et al. | Development of expert system for dental and oral diseases diagnose in certainty condition | |
CN112992312B (zh) | 一种脊髓损伤康复训练合格监测方法及*** | |
Xu et al. | Predicting patient experience of Invisalign treatment: An analysis using artificial neural network | |
Mikołajczyk et al. | Evaluation of a smartphone application for diagnosis of skin diseases | |
CN113053482B (zh) | 一种肾内科患者的体征监测分析***及方法 | |
CN115691747A (zh) | 一种mdt多学科诊疗方法及*** | |
CN113113124A (zh) | 一种神经外科多患者的整合护理方法及*** | |
CN112509685A (zh) | 一种筛选手术方式的标准化的方法及*** | |
CN117409984B (zh) | 一种糖尿病随访管理***、装置、电子设备和存储介质 | |
EP4336514A1 (en) | Medical data management using digital twins | |
CN114512241B (zh) | 一种基于频次分析的食管静脉瘤信息智能搜寻方法及*** | |
CN113223703B (zh) | 一种基于大数据评估中医理疗的方法及装置 | |
CN116564464B (zh) | 一种基于人工智能的运动训练过程控制方法及*** | |
CN114693479A (zh) | 一种基于vr技术的医疗学习方法及*** | |
CN115186113B (zh) | 一种筛选指南文本的方法、装置、设备及存储介质 |
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 | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20210727 |
|
WW01 | Invention patent application withdrawn after publication |