CN114566282A - 一种基于超声心动图检测报告的治疗决策*** - Google Patents
一种基于超声心动图检测报告的治疗决策*** Download PDFInfo
- Publication number
- CN114566282A CN114566282A CN202210232472.4A CN202210232472A CN114566282A CN 114566282 A CN114566282 A CN 114566282A CN 202210232472 A CN202210232472 A CN 202210232472A CN 114566282 A CN114566282 A CN 114566282A
- Authority
- CN
- China
- Prior art keywords
- analysis
- patient
- disease
- coefficient
- grade
- 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
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
- G16H50/30—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
- G16H50/20—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
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- Biomedical Technology (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Pathology (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明涉及心动图检测分析技术领域,用于解决现有的超声心动图治疗决策***无法针对患者病症的治疗康复进度为患者进行病症发展趋势匹配的问题,具体为一种基于超声心动图检测报告的治疗决策***,包括治疗平台,治疗平台通信连接有报告分析模块、趋势分析模块、治疗推荐模块以及综合分析模块,报告分析模块用于通过超声心动图检测数据对患者的病症进行分析得到患者的病患系数,趋势分析模块用于对患者进行病情趋势分析并筛选得到匹配对象,趋势分析模型对匹配对象进行匹配分析得到趋势对象;本发明是通过报告分析模块结合心动图检测报告对患者的诊断结果进行分析并进行评级,通过趋势对象的治疗曲线及时做出应对方案防止病症恶化。
Description
技术领域
本发明涉及心动图检测分析技术领域,具体为一种基于超声心动图检测报告的治疗决策***。
背景技术
超声心动图是指应用超声短波测距原理脉冲超声波透过胸壁、软组织测量其下各心壁、心室及瓣膜等结构的周期性活动,在显示器上显示为各结构相应的活动和时间之间的关系曲线,用记录仪记录这些曲线,即为超声心动图;
而现有的超声心动图进能够根据图像检测结果对病症进行分析,但不具备结合历史检测结果对病症治疗趋势以及治疗方案推荐的功能,因此现有的超声心动图治疗决策***无法针对患者病症的治疗康复进度为患者进行病症发展趋势匹配,为患者提供最合适的治疗方案;
针对此方面的技术缺陷,现提出一种解决方案。
发明内容
本发明的目的就在于为了解决现有的超声心动图治疗决策***无法针对患者病症的治疗康复进度为患者进行病症发展趋势匹配的问题,而提出一种基于超声心动图检测报告的治疗决策***。
本发明的目的可以通过以下技术方案实现:
一种基于超声心动图检测报告的治疗决策***,包括治疗平台,所述治疗平台通信连接有报告分析模块、趋势分析模块、治疗推荐模块以及综合分析模块;
所述报告分析模块用于通过超声心动图检测数据对患者的病症进行分析得到患者的病患系数,超声心动图检测数据包括肺动脉内径、左室内径以及右室内径;
趋势分析模块用于对患者进行病情趋势分析并筛选得到匹配对象,趋势分析模型对匹配对象进行匹配分析得到趋势对象;
所述治疗推荐模块用于对患者进行治疗方案推荐;
所述综合分析模块用于对患者的治疗进度进行综合分析,所述综合分析模块包括一级分析单元、二级分析单元以及三级分析单元,若分析对象的病患等级为三级,采用三级分析单元对分析对象进行综合分析;若分析对象的病患等级为二级,采用二级分析单元对分析对象进行综合分析;若分析对象的病患等级为二级,采用二级分析单元对分析对象进行综合分析。
作为本发明的一种优选实施方式,通过超声心动图检测报告获取到患者的肺动脉内径、左室内径以及右室内径并分别标记为FD、ZS以及YS,若满足12≤FD≤26、35<ZS<50且7<YS<23,则判定患者的心动图检测结果为正常;若不满足,则对患者的病症进行深度分析;
深度分析过程包括:对肺动脉内径、左室内径以及右室内径进行计算得到病患系数BH,将病患系数BH与病患阈值BHmin、BHmax进行比较,通过病患系数与病患阈值的比较结果对患者的病患等级进行判定。
作为本发明的一种优选实施方式,病患系数与病患阈值的比较过程包括:若BH≤BHmin,则判定患者的病患等级为三级,报告分析模块向治疗平台发送三级病患信号;
若BHmin<BH<BHmax,则判定患者的病患等级为二级,报告分析模块向治疗平台发送二级病患信号;
若BH≥BHmax,则判定患者的病患等级为一级,报告分析模块向治疗平台发送一级病患信号。
作为本发明的一种优选实施方式,匹配对象的获取过程包括:将进行病情趋势分析的患者标记为分析对象,获取分析对象的病患等级,若分析对象的病患等级为二级,获取分析对象的性别与年龄,将与分析对象的性别相同、年龄差在三岁之内的所有病患等级为二级的患者标记为参考对象;获取参考对象的病患等级由三级进化成二级的时间并标记为JSc,将分析对象的病患等级由三级进化成二级的时间并标记为JSf,通过公式JHp=|JSc-JSf|得到参考对象的进化匹配值JSp,将进化匹配值JSp最小的十个参考对象标记为匹配对象。
作为本发明的一种优选实施方式,趋势分析模型对匹配对象进行匹配分析的具体过程包括:获取匹配对象进行心动图检测的历史检测报告并将匹配对象的历史病患系数标记为PHt,t=1,2,…,m,m为匹配对象进行心动图检测的次数,获取分析对象进行心动图检测的历史检测报告并将分析对象的历史病患系数标记为FHq,q=1,2,…,u,u为分析对象进行心动图检测的次数,将m与u进行比较,若m>u,则在PHt中随机删除m-u个病患系数,将删除后的PHt标记为PHq,对FHq与PHq进行计算得到匹配对象的偏离系数PS;若u>m,则在FHq中随机删除u-m个病患系数,将删除后的FHq标记为FHt,对FHt与PHt进行计算得到匹配对象的偏离系数PS;
将偏离系数PS数值最小的匹配对象标记为趋势对象,趋势分析模块将趋势对象发送至治疗平台。
作为本发明的一种优选实施方式,治疗方案推荐的具体过程包括:获取匹配对象进行心动图检测的历史病患系数PHt,将PHt+1与PHt的差值标记为恢复值HZ,将数值为正的恢复值HZ的数量标记为y,将数值为负的恢复值HZ的数量标记为v,将y与v的比值标记为恢复比HB,将匹配对象最后一次进行心动图检测的病患系数并标记为BHz,对BHz与恢复比HB进行计算得到匹配对象的恢复系数HX;将恢复系数HX数值最大的匹配对象标记为推荐对象,获取推荐对象的治疗数据并将推荐对象的治疗数据发送至治疗平台;推荐对象的治疗数据包括推荐对象的治疗医师、治疗方案、首次确诊的时间以及历史病患系数。
作为本发明的一种优选实施方式,三级分析单元对分析对象进行综合分析的过程包括:获取分析对象首次确诊的时间与当前***时间的时差并标记为SC3,将分析对象历史病患系数的平均值标记为BH3,将分析对象最近一次进行心动图检测的病患系数标记为BX3,通过对SC3、BH3以及BX3进行计算得到三级病患的综合系数ZH3。
作为本发明的一种优选实施方式,二级分析单元对分析对象进行综合分析的具体过程包括:将分析对象的病患等级由三级进化成二级的时间标记为恶化时间,获取分析对象首次确诊的时间与恶化时间的时差并标记为SC2,获取分析对象的恶化时间与当前***时间的时差并标记为EH2,获取分析对象的病患等级为三级时的平均病患系数BH2,获取分析对象的病患等级为二级时的平均病患系数BE2,将分析对象最近一次进行心动图检测的病患系数标记为BX2,通过对SC2、EH2、Bh2、BE2以及BX2进行计算得到二级病患的综合系数ZH2。
作为本发明的一种优选实施方式,一级分析模块对分析对象进行综合分析的具体过程包括:将分析对象的病患等级由三级进化成二级的时间标记为恶化时间,获取分析对象首次确诊的时间与恶化时间的时差并标记为SC1,将分析对象的病患等级由二级进化成一级的时间标记为进化时间,获取恶化时间与进化时间的时差并标记为JH1,获取进化时间与当前***时间的时差并标记为XT1,获取分析对象的病患等级为三级时的平均病患系数并标记为BH1,获取分析对象的病患等级为二级时的平均病患系数并标记为BE1,获取分析对象的病患系数为一级时的平均病患系数并标记为BY1,获取分析对象最近一次进行心动图检测的病患系数BX1,通过对SC1、JH1、XT1、BH1、BE1以及BX1进行计算得到一级病患的综合系数ZH1。
作为本发明的一种优选实施方式,治疗决策***的工作方法包括以下步骤:
步骤一:报告分析模块通过心动图检测数据对患者的病症进行分析并得到病患系数,通过病患系数与病患阈值的比较结果对患者的病患等级进行判定;
步骤二:趋势分析模块通过年龄、性别以及病患等级为分析对象筛选出匹配对象,通过趋势分析模型对匹配对象进行匹配分析得到趋势对象;
步骤三:治疗推荐模块通过恢复值的正值数量与负值数量的比值得到恢复比,通过恢复比计算得到恢复系数,将恢复系数数值最大的匹配对象标记为推荐对象;
步骤四:通过综合分析模块对分析病患的治疗进度进行综合分析得到一级、二级、三级病患的综合系数,将分析对象的综合系数发送至治疗平台。
与现有技术相比,本发明的有益效果是:
1、报告分析模块结合心动图检测报告对患者的诊断结果进行分析并进行评级,趋势分析模块结合其他患者的治疗曲线对分析对象进行趋势分析并筛选得到与分析对象治疗曲线最为接近的患者作为趋势对象,从而根据趋势对象的治疗效果对分析对象做出治疗效果预测,从而通过趋势对象的治疗曲线及时做出应对方案防止病症恶化;
2、治疗推荐模块对匹配对象进行治疗效果分析,结合历史心动图检测报告与病患系数曲线筛选得到匹配对象中治疗效果最好的患者作为推荐对象,结合推荐对象的治疗方案与治疗效果为分析对象提供最为合适的治疗方案,同时结合综合分析模块对不同等级的病患进行治疗效果分析,通过治疗效果分析反馈推荐对象的筛选精准度,保证为分析对象筛选得到最优化的治疗方案。
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为本发明实施例一的原理框图;
图2为本发明实施例二的方法流程图。
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作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。
实施例一
请参阅图1所示,一种基于超声心动图检测报告的治疗决策***,包括治疗平台,治疗平台通信连接有报告分析模块、趋势分析模块、治疗推荐模块以及综合分析模块;
报告分析模块用于通过超声心动图检测数据对患者的病症进行分析,超声心动图检测数据包括肺动脉内径、左室内径以及右室内径,病症分析的具体过程包括:通过超声心动图检测报告获取到患者的肺动脉内径、左室内径以及右室内径并分别标记为FD、ZS以及YS,若满足12≤FD≤26、35<ZS<50且7<YS<23,则判定患者的心动图检测结果为正常;若不满足,则对患者的病症进行深度分析:
通过BH=α1×|FD-19|+α2×|BOp-42.5|+α3×|BOs-15|得到病患系数BH,其中α1、α2以及α3均为比例系数,且α3>α2>α1>0;需要说明的是,病患系数是一个反映患者病症严重程度的数值,病患系数的数值越大则表示对应患者的病症越严重,将病患系数BH与病患阈值BHmin、BHmax进行比较:
若BH≤BHmin,则判定患者的病患等级为三级,报告分析模块向治疗平台发送三级病患信号;
若BHmin<BH<BHmax,则判定患者的病患等级为二级,报告分析模块向治疗平台发送二级病患信号;
若BH≥BHmax,则判定患者的病患等级为一级,报告分析模块向治疗平台发送一级病患信号。
趋势分析模块用于对患者进行病情趋势分析,具体的病情趋势分析过程包括:将进行病情趋势分析的患者标记为分析对象,获取分析对象的病患等级,若分析对象的病患等级为二级,获取分析对象的性别与年龄,将与分析对象的性别相同、年龄差在三岁之内的所有病患等级为二级的患者标记为参考对象,参考对象为筛选得到的与分析对象在性别、年龄等方面最为接近的患者,参考对象与分析对象的体质最为接近;获取参考对象的病患等级由三级进化成二级的时间并标记为JSc,将分析对象的病患等级由三级进化成二级的时间并标记为JSf,通过公式JHp=|JSc-JSf|得到参考对象的进化匹配值JSp,进化匹配值表示参考对象病情恶化过程与分析对象的病情恶化过程接近程度,将进化匹配值JSp最小的十个参考对象标记为匹配对象,将匹配对象发送至趋势分析模型进行匹配分析;
趋势分析模型对匹配对象进行匹配分析的具体过程包括:获取匹配对象进行心动图检测的历史检测报告并将匹配对象的历史病患系数标记为PHt,t=1,2,…,m,m为匹配对象进行心动图检测的次数,获取分析对象进行心动图检测的历史检测报告并将分析对象的历史病患系数标记为FHq,q=1,2,…,u,u为分析对象进行心动图检测的次数,将m与u进行比较,若m>u,则在PHt中随机删除m-u个病患系数,将删除后的PHt标记为PHq,通过公式得到匹配对象的偏离系数PS,将匹配对象与分析对象的历史病患系数进行匹配,并通过匹配后的病患系数得到匹配对象的偏离系数,偏离系数表示匹配对象治疗曲线与分析对象治疗曲线的接近程度;若u>m,则在FHq中随机删除u-m个病患系数,将删除后的FHq标记为FHt,通过公式得到匹配对象的偏离系数PS,将匹配对象与分析对象的历史病患系数进行匹配,并通过匹配后的病患系数得到匹配对象的偏离系数,偏离系数表示匹配对象治疗曲线与分析对象治疗曲线的接近程度;将偏离系数PS数值最小的匹配对象标记为趋势对象,偏离系数数值最小的匹配对象的治疗情况与分析对象最为接近,从而根据趋势对象的后续治疗情况对分析对象进行治疗趋势预测,趋势分析模块将趋势对象发送至治疗平台。
治疗推荐模块用于对患者进行治疗方案推荐,具体的治疗方案推荐过程包括:获取匹配对象进行心动图检测的历史病患系数PHt,将PHt+1与PHt的差值标记为恢复值HZ,将数值为正的恢复值HZ的数量标记为y,将数值为负的恢复值HZ的数量标记为v,将y与v的比值标记为恢复比HB,将匹配对象最后一次进行心动图检测的病患系数并标记为BHz,通过公式HX=(β1×HB)/(β2×BHz)得到匹配对象的恢复系数HX,恢复系数是反映匹配对象治疗效果的数值,恢复系数的数值越大则表示对应的匹配对象治疗效果越好,其中β1与β2均为比例系数,且β1>β2;将恢复系数HX数值最大的匹配对象标记为推荐对象,获取推荐对象的治疗数据并将推荐对象的治疗数据发送至治疗平台;推荐对象的治疗数据包括推荐对象的治疗医师、治疗方案、首次确诊的时间以及历史病患系数,结合推荐对象的治疗数据为分析对象制定最为合适的治疗方案。
综合分析模块用于对患者的治疗进度进行综合分析,综合分析模块包括一级分析单元、二级分析单元以及三级分析单元,具体的综合分析过程包括:获取分析对象的病患等级;
当分析对象的病患等级为三级时,采用三级分析单元对分析对象进行综合分析:获取分析对象首次确诊的时间与当前***时间的时差并标记为SC3,将分析对象历史病患系数的平均值标记为BH3,将分析对象最近一次进行心动图检测的病患系数标记为BX3,通过公式得到三级病患的综合系数ZH3,其中γ3为比例系数;
当分析对象的病患等级为二级时,采用二级分析单元对分析对象进行综合分析:将分析对象的病患等级由三级进化成二级的时间标记为恶化时间,获取分析对象首次确诊的时间与恶化时间的时差并标记为SC2,获取分析对象的恶化时间与当前***时间的时差并标记为EH2,获取分析对象的病患等级为三级时的平均病患系数BH2,获取分析对象的病患等级为二级时的平均病患系数BE2,将分析对象最近一次进行心动图检测的病患系数标记为BX2,通过公式得到二级病患的综合系数ZH2,其中γ2为比例系数;
当分析对象的病患等级为一级时,采用一级分析模块对分析对象进行综合分析:将分析对象的病患等级由三级进化成二级的时间标记为恶化时间,获取分析对象首次确诊的时间与恶化时间的时差并标记为SC1,将分析对象的病患等级由二级进化成一级的时间标记为进化时间,获取恶化时间与进化时间的时差并标记为JH1,获取进化时间与当前***时间的时差并标记为XT1,获取分析对象的病患等级为三级时的平均病患系数并标记为BH1,获取分析对象的病患等级为二级时的平均病患系数并标记为BE1,获取分析对象的病患系数为一级时的平均病患系数并标记为BY1,获取分析对象最近一次进行心动图检测的病患系数BX1,通过公式得到一级病患的综合系数ZH1,其中γ1为比例系数;
综合分析模块将分析得到的一级、二级以及三级病患的综合系数ZH1、ZH2以及ZH3发送至治疗平台。
实施例二
请参阅图2所示,一种基于超声心动图检测报告的治疗决策方法,包括以下步骤:
步骤一:报告分析模块通过心动图检测数据对患者的病症进行分析并得到病患系数,通过病患系数与病患阈值的比较结果对患者的病患等级进行判定;
步骤二:趋势分析模块通过年龄、性别以及病患等级为分析对象筛选出匹配对象,通过趋势分析模型对匹配对象进行匹配分析得到趋势对象;
步骤三:治疗推荐模块通过恢复值的正值数量与负值数量的比值得到恢复比,通过恢复比计算得到恢复系数,将恢复系数数值最大的匹配对象标记为推荐对象;
步骤四:通过综合分析模块对分析病患的治疗进度进行综合分析得到一级、二级、三级病患的综合系数,将分析对象的综合系数发送至治疗平台。
本发明在使用时,报告分析模块通过心动图检测数据对患者的病症进行分析并得到病患系数与病患等级;趋势分析模块通过趋势分析模型对匹配对象进行匹配分析得到趋势对象;治疗推荐模块通过恢复值的正值数量与负值数量的比值得到恢复比,通过恢复比计算得到恢复系数,将恢复系数数值最大的匹配对象标记为推荐对象;通过综合分析模块对分析病患的治疗进度进行综合分析得到一级、二级、三级病患的综合系数。
上述公式均是采集大量数据进行软件模拟得出且选取与真实值接近的一个公式,公式中的系数是由本领域技术人员根据实际情况进行设置;如:公式HX=(β1×HB)/(β2×BHz);由本领域技术人员采集多组样本数据并对每一组样本数据设定对应的恢复系数;将设定的恢复系数和采集的样本数据代入公式,任意两个公式构成二元一次方程组,将计算得到的系数进行筛选并取均值,得到β1与β2的取值分别为2.54和1.23;
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,关于系数的大小,取决于样本数据的多少及本领域技术人员对每一组样本数据初步设定对应的恢复系数;只要不影响参数与量化后数值的比例关系即可,如恢复系数与恢复比的数值成正比。
在本说明书的描述中,参考术语“一个实施例”、“示例”、“具体示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
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 (10)
1.一种基于超声心动图检测报告的治疗决策***,其特征在于,包括治疗平台,所述治疗平台通信连接有报告分析模块、趋势分析模块、治疗推荐模块以及综合分析模块;
所述报告分析模块用于通过超声心动图检测数据对患者的病症进行分析得到患者的病患系数,超声心动图检测数据包括肺动脉内径、左室内径以及右室内径;
趋势分析模块用于对患者进行病情趋势分析并筛选得到匹配对象,趋势分析模型对匹配对象进行匹配分析得到趋势对象;
所述治疗推荐模块用于对患者进行治疗方案推荐;
所述综合分析模块用于对患者的治疗进度进行综合分析,所述综合分析模块包括一级分析单元、二级分析单元以及三级分析单元,若分析对象的病患等级为三级,采用三级分析单元对分析对象进行综合分析;若分析对象的病患等级为二级,采用二级分析单元对分析对象进行综合分析;若分析对象的病患等级为二级,采用二级分析单元对分析对象进行综合分析。
2.根据权利要求1所述的一种基于超声心动图检测报告的治疗决策***,其特征在于,病症分析的具体过程包括:通过超声心动图检测报告获取到患者的肺动脉内径、左室内径以及右室内径并分别标记为FD、ZS以及YS,若满足12≤FD≤26、35<ZS<50且7<YS<23,则判定患者的心动图检测结果为正常;若不满足,则对患者的病症进行深度分析;
深度分析过程包括:对肺动脉内径、左室内径以及右室内径进行计算得到病患系数BH,将病患系数BH与病患阈值BHmin、BHmax进行比较,通过病患系数与病患阈值的比较结果对患者的病患等级进行判定。
3.根据权利要求2所述的一种基于超声心动图检测报告的治疗决策***,其特征在于,病患系数与病患阈值的比较过程包括:若BH≤BHmin,则判定患者的病患等级为三级,报告分析模块向治疗平台发送三级病患信号;
若BHmin<BH<BHmax,则判定患者的病患等级为二级,报告分析模块向治疗平台发送二级病患信号;
若BH≥BHmax,则判定患者的病患等级为一级,报告分析模块向治疗平台发送一级病患信号。
4.根据权利要求3所述的一种基于超声心动图检测报告的治疗决策***,其特征在于,匹配对象的获取过程包括:将进行病情趋势分析的患者标记为分析对象,获取分析对象的病患等级,若分析对象的病患等级为二级,获取分析对象的性别与年龄,将与分析对象的性别相同、年龄差在三岁之内的所有病患等级为二级的患者标记为参考对象;获取参考对象的病患等级由三级进化成二级的时间并标记为JSc,将分析对象的病患等级由三级进化成二级的时间并标记为JSf,通过公式JHp=|JSc-JSf|得到参考对象的进化匹配值JSp,将进化匹配值JSp最小的十个参考对象标记为匹配对象。
5.根据权利要求4所述的一种基于超声心动图检测报告的治疗决策***,其特征在于,趋势分析模型对匹配对象进行匹配分析的具体过程包括:获取匹配对象进行心动图检测的历史检测报告并将匹配对象的历史病患系数标记为PHt,t=1,2,…,m,m为匹配对象进行心动图检测的次数,获取分析对象进行心动图检测的历史检测报告并将分析对象的历史病患系数标记为FHq,q=1,2,…,u,u为分析对象进行心动图检测的次数,将m与u进行比较,若m>u,则在PHt中随机删除m-u个病患系数,将删除后的PHt标记为PHq,对FHq与PHq进行计算得到匹配对象的偏离系数PS;若u>m,则在FHq中随机删除u-m个病患系数,将删除后的FHq标记为FHt,对FHt与PHt进行计算得到匹配对象的偏离系数PS;
将偏离系数PS数值最小的匹配对象标记为趋势对象,趋势分析模块将趋势对象发送至治疗平台。
6.根据权利要求5所述的一种基于超声心动图检测报告的治疗决策***,其特征在于,治疗方案推荐的具体过程包括:获取匹配对象进行心动图检测的历史病患系数PHt,将PHt+1与PHt的差值标记为恢复值HZ,将数值为正的恢复值HZ的数量标记为y,将数值为负的恢复值HZ的数量标记为v,将y与v的比值标记为恢复比HB,将匹配对象最后一次进行心动图检测的病患系数并标记为BHz,对BHz与恢复比HB进行计算得到匹配对象的恢复系数HX;将恢复系数HX数值最大的匹配对象标记为推荐对象,获取推荐对象的治疗数据并将推荐对象的治疗数据发送至治疗平台;推荐对象的治疗数据包括推荐对象的治疗医师、治疗方案、首次确诊的时间以及历史病患系数。
7.根据权利要求1所述的一种基于超声心动图检测报告的治疗决策***,其特征在于,三级分析单元对分析对象进行综合分析的过程包括:获取分析对象首次确诊的时间与当前***时间的时差并标记为SC3,将分析对象历史病患系数的平均值标记为BH3,将分析对象最近一次进行心动图检测的病患系数标记为BX3,通过对SC3、BH3以及BX3进行计算得到三级病患的综合系数ZH3。
8.根据权利要求1所述的一种基于超声心动图检测报告的治疗决策***,其特征在于,二级分析单元对分析对象进行综合分析的具体过程包括:将分析对象的病患等级由三级进化成二级的时间标记为恶化时间,获取分析对象首次确诊的时间与恶化时间的时差并标记为SC2,获取分析对象的恶化时间与当前***时间的时差并标记为EH2,获取分析对象的病患等级为三级时的平均病患系数BH2,获取分析对象的病患等级为二级时的平均病患系数BE2,将分析对象最近一次进行心动图检测的病患系数标记为BX2,通过对SC2、EH2、Bh2、BE2以及BX2进行计算得到二级病患的综合系数ZH2。
9.根据权利要求1所述的一种基于超声心动图检测报告的治疗决策***,其特征在于,一级分析模块对分析对象进行综合分析的具体过程包括:将分析对象的病患等级由三级进化成二级的时间标记为恶化时间,获取分析对象首次确诊的时间与恶化时间的时差并标记为SC1,将分析对象的病患等级由二级进化成一级的时间标记为进化时间,获取恶化时间与进化时间的时差并标记为JH1,获取进化时间与当前***时间的时差并标记为XT1,获取分析对象的病患等级为三级时的平均病患系数并标记为BH1,获取分析对象的病患等级为二级时的平均病患系数并标记为BE1,获取分析对象的病患系数为一级时的平均病患系数并标记为BY1,获取分析对象最近一次进行心动图检测的病患系数BX1,通过对SC1、JH1、XT1、BH1、BE1以及BX1进行计算得到一级病患的综合系数ZH1。
10.根据权利要求1-9任一项所述的一种基于超声心动图检测报告的治疗决策***,其特征在于,治疗决策***的工作方法包括以下步骤:
步骤一:报告分析模块通过心动图检测数据对患者的病症进行分析并得到病患系数,通过病患系数与病患阈值的比较结果对患者的病患等级进行判定;
步骤二:趋势分析模块通过年龄、性别以及病患等级为分析对象筛选出匹配对象,通过趋势分析模型对匹配对象进行匹配分析得到趋势对象;
步骤三:治疗推荐模块通过恢复值的正值数量与负值数量的比值得到恢复比,通过恢复比计算得到恢复系数,将恢复系数数值最大的匹配对象标记为推荐对象;
步骤四:通过综合分析模块对分析病患的治疗进度进行综合分析得到一级、二级、三级病患的综合系数,将分析对象的综合系数发送至治疗平台。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210232472.4A CN114566282B (zh) | 2022-03-09 | 2022-03-09 | 一种基于超声心动图检测报告的治疗决策*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210232472.4A CN114566282B (zh) | 2022-03-09 | 2022-03-09 | 一种基于超声心动图检测报告的治疗决策*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114566282A true CN114566282A (zh) | 2022-05-31 |
CN114566282B CN114566282B (zh) | 2022-10-04 |
Family
ID=81718645
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210232472.4A Active CN114566282B (zh) | 2022-03-09 | 2022-03-09 | 一种基于超声心动图检测报告的治疗决策*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114566282B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114974576A (zh) * | 2022-07-12 | 2022-08-30 | 曜立科技(北京)有限公司 | 一种基于元数据的心脑血管数疾病诊断管理*** |
CN115620872A (zh) * | 2022-12-20 | 2023-01-17 | 安徽猫头鹰科技有限公司 | 一种照明发光的光谱调制处理***及方法 |
US11966374B2 (en) | 2022-07-12 | 2024-04-23 | Serv Medical Pte. Ltd. | Medical clinical data quality analysis system based on big data |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20190125298A1 (en) * | 2016-04-21 | 2019-05-02 | The University Of British Columbia | Echocardiographic image analysis |
CN110010218A (zh) * | 2019-05-13 | 2019-07-12 | 聂文红 | 一种心内科患者病例及患病种类管理统计*** |
US20200185084A1 (en) * | 2018-12-11 | 2020-06-11 | International Business Machines Corporation | Automated Normality Scoring of Echocardiograms |
CN112256754A (zh) * | 2020-10-19 | 2021-01-22 | 柳州市妇幼保健院 | 基于标准模型的超声检测分析***及方法 |
WO2021242097A1 (en) * | 2020-05-25 | 2021-12-02 | Ecg Excellence B.V. | Ecg based method providing acquired cardiac disease detection |
-
2022
- 2022-03-09 CN CN202210232472.4A patent/CN114566282B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20190125298A1 (en) * | 2016-04-21 | 2019-05-02 | The University Of British Columbia | Echocardiographic image analysis |
US20200185084A1 (en) * | 2018-12-11 | 2020-06-11 | International Business Machines Corporation | Automated Normality Scoring of Echocardiograms |
CN110010218A (zh) * | 2019-05-13 | 2019-07-12 | 聂文红 | 一种心内科患者病例及患病种类管理统计*** |
WO2021242097A1 (en) * | 2020-05-25 | 2021-12-02 | Ecg Excellence B.V. | Ecg based method providing acquired cardiac disease detection |
CN112256754A (zh) * | 2020-10-19 | 2021-01-22 | 柳州市妇幼保健院 | 基于标准模型的超声检测分析***及方法 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114974576A (zh) * | 2022-07-12 | 2022-08-30 | 曜立科技(北京)有限公司 | 一种基于元数据的心脑血管数疾病诊断管理*** |
US11966374B2 (en) | 2022-07-12 | 2024-04-23 | Serv Medical Pte. Ltd. | Medical clinical data quality analysis system based on big data |
CN115620872A (zh) * | 2022-12-20 | 2023-01-17 | 安徽猫头鹰科技有限公司 | 一种照明发光的光谱调制处理***及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN114566282B (zh) | 2022-10-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114566282B (zh) | 一种基于超声心动图检测报告的治疗决策*** | |
CN107027023B (zh) | 基于神经网络的VoIP无参考视频通信质量客观评价方法 | |
CN110584605B (zh) | 一种相似度匹配的诊断监控综合医疗***及其匹配方法 | |
US20220300809A1 (en) | Data generation system, learning apparatus, data generation apparatus, data generation method, and computer-readable storage medium storing a data generation program | |
TW202004776A (zh) | 骨齡評估與身高預測模型之建立方法、骨齡評估與身高預測系統及骨齡評估與身高預測方法 | |
CN110600109B (zh) | 一种彩色图像融合的诊断监控综合医疗***及其融合方法 | |
CN114359629B (zh) | 一种基于深度迁移学习的肺炎x胸片分类识别方法 | |
CN111223564A (zh) | 一种基于卷积神经网络的噪声性听力损失预测*** | |
CN109788275A (zh) | 自然性、结构和双目不对称无参考立体图像质量评价方法 | |
CN111598868B (zh) | 一种肺部超声图像识别方法和*** | |
CN110782990B (zh) | 用于基层公卫服务脑卒中风险评估的方法、***及移动平台 | |
US20190008417A1 (en) | Method and system for postural stability assessment | |
KR101603308B1 (ko) | 생체 나이 연산 모델 생성 방법 및 시스템과, 그 생체 나이 연산 방법 및 시스템 | |
CN110427987A (zh) | 一种关节炎患者的足底压力特征识别方法和*** | |
CN101596125A (zh) | 一种具备直观显示的健康信息显示***、方法及其接口 | |
CN117338234A (zh) | 一种屈光度与视力联合检测方法 | |
CN110580951B (zh) | 一种通信加密的诊断监控综合医疗***及其通信加密方法 | |
JP2024061599A (ja) | 階層図ニューラルネットワークに基づく疾患診療過程異常識別システム | |
CN113887335B (zh) | 基于多尺度时空层级网络的跌倒风险实时评估***和方法 | |
CN114240934A (zh) | 一种基于肢端肥大症的图像数据分析方法及*** | |
CN116230198A (zh) | 一种多维度藏医ai智能辅助决策装置和*** | |
CN114913585A (zh) | 融合面部表情的居家老人摔倒检测方法 | |
CN107256544A (zh) | 一种基于vcg16的***癌图像诊断方法及*** | |
CN118044813B (zh) | 基于多任务学习的心理健康状况评估方法及*** | |
CN117379009B (zh) | 一种社区老年人群心脑血管急危重症预警监测*** |
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 |