CN117524405A - 一种基于云计算的妇科护理方法智能选择*** - Google Patents
一种基于云计算的妇科护理方法智能选择*** Download PDFInfo
- Publication number
- CN117524405A CN117524405A CN202410015625.9A CN202410015625A CN117524405A CN 117524405 A CN117524405 A CN 117524405A CN 202410015625 A CN202410015625 A CN 202410015625A CN 117524405 A CN117524405 A CN 117524405A
- Authority
- CN
- China
- Prior art keywords
- disease
- symptom
- gynecological
- node
- gynecological nursing
- 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
- 238000000034 method Methods 0.000 title claims abstract description 180
- 230000000474 nursing effect Effects 0.000 title claims abstract description 179
- 201000010099 disease Diseases 0.000 claims abstract description 175
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims abstract description 175
- 208000024891 symptom Diseases 0.000 claims abstract description 159
- 238000003745 diagnosis Methods 0.000 claims abstract description 86
- 238000011156 evaluation Methods 0.000 claims abstract description 34
- 238000012216 screening Methods 0.000 claims abstract description 16
- 238000004891 communication Methods 0.000 claims abstract description 5
- 238000012544 monitoring process Methods 0.000 claims description 22
- 238000013507 mapping Methods 0.000 claims description 6
- 238000012163 sequencing technique Methods 0.000 claims description 6
- 239000000284 extract Substances 0.000 claims description 4
- 230000011218 segmentation Effects 0.000 claims description 2
- 206010019233 Headaches Diseases 0.000 description 3
- 231100000869 headache Toxicity 0.000 description 3
- 208000004998 Abdominal Pain Diseases 0.000 description 2
- 206010037660 Pyrexia Diseases 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 206010016256 fatigue Diseases 0.000 description 2
- 238000012806 monitoring device Methods 0.000 description 2
- 230000035479 physiological effects, processes and functions Effects 0.000 description 2
- 206010020710 Hyperphagia Diseases 0.000 description 1
- 206010020772 Hypertension Diseases 0.000 description 1
- 208000006083 Hypokinesia Diseases 0.000 description 1
- 208000004880 Polyuria Diseases 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000008280 blood Substances 0.000 description 1
- 210000004369 blood Anatomy 0.000 description 1
- 230000036772 blood pressure Effects 0.000 description 1
- 238000003759 clinical diagnosis Methods 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 206010012601 diabetes mellitus Diseases 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 235000005911 diet Nutrition 0.000 description 1
- 230000037213 diet Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000013312 nursing technique Methods 0.000 description 1
- 206010036067 polydipsia Diseases 0.000 description 1
- 208000022530 polyphagia Diseases 0.000 description 1
- 238000004393 prognosis Methods 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 238000004092 self-diagnosis Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 230000004580 weight loss Effects 0.000 description 1
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
- 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
-
- 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
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Epidemiology (AREA)
- Biomedical Technology (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Pathology (AREA)
- Business, Economics & Management (AREA)
- General Business, Economics & Management (AREA)
- Medical Treatment And Welfare Office Work (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
一种基于云计算的妇科护理方法智能选择***,涉及妇科护理领域,包括监控中心,所述监控中心通信连接有领域语义数据库、症状诊断模块、护理方法模块和护理反馈模块;领域语义数据库基于领域专家提供的信息将症状集、疾病集和妇科护理方法集映射成多节点网络;症状诊断模块用于获取症状集的疾病诊断置信度和疾病集的症状诊断置信度,获取患者的当前症状集对应的最相关疾病节点;护理方法模块用于筛选出优选妇科护理方法节点;护理反馈模块用于构建反馈流程序列,并根据患者以及护理人员生成的实时反馈评估等级判断是否更换优选妇科护理方法节点,优化患者妇科护理过程的每一步,提升患者妇科护理质量。
Description
技术领域
本发明涉及妇科护理领域,具体是一种基于云计算的妇科护理方法智能选择***。
背景技术
妇科护理领域是一个知识密集型的领域,妇科护理的质量主要依赖于医生所掌握的健康医疗知识以及临床经验,然而,单个医生的能力仍然非常有限,所以目前妇科护理的质量并不高,疾病诊断是妇科护理中重要的环节之一,它为患者的治疗和预后提供了一个坚实的基础,妇科护理的质量主要依赖医生所掌握的医疗知识以及医疗经验,但单个医生所掌握的医疗知识以及积累的医疗经验仍然有限,如何提升医生的临床诊疗水平并减轻医生的工作负荷,是一个亟待解决的问题。
对比文件CN116453669A“一种基于大数据的妇科护理预测方法及装置”根据妇科护理病名提取妇科护理指标曲线图集,根据待匹配妇科护理指标在妇科护理指标监测数据及妇科护理指标曲线图集中分别提取初始待匹配指标数据及待匹配指标曲线图集,根据指标波动范围提取初始指标曲线图集,根据当前待匹配指标数据计算当前指标数据变化值,获取对照指标数据变化值集,计算当前指标数据变化值与对照指标数据变化值的当前指标差值集,根据当前指标差值集计算妇科护理指标曲线图与妇科护理指标监测数据的最小差异度,根据最小差异度提取目标指标曲线图集,根据目标指标曲线图集预测当前病患的病情妇科护理结果;
对比文件CN115798141A“一种基于大数据监测的监护状态报警方法及妇科护理监护***”获取与服务器通讯连接的多个临床监护设备的临床监护信息;将满足安全监护预设要求的临床监护设备的监护进程转移至阶梯监护进程中运行,在不满足安全监护预设要求时进行报警。实现临床生理以及监控的同步监护,通过同一服务器对多个临床监护设备的患者临床生理数据及临床监控数据进行分进程监护,实现了服务器资源管理的自动化调整,实现对多床位妇科护理的精确监控,以保证对多床位监护状况集中管理且保证对异常情况及时响应,保障服务器的正常运行,在出现异常的第一时间紧急预警;
现有的妇科护理方法智能选择技术是将专家的经验知识进行形式化,想以此代替专家进行诊断,从专家那里提取经验知识是一项劳动密集型的工作,由于专家的诊断往往具有“直觉性”,所以很多时候专家都无法提供这种具有直接因果关系的经验知识,且现有技术大多都针对某个单病种或者专科疾病,其得出的疾病辅助诊断模型无法为大量基层全科医生提供常见妇科疾病的辅助诊断护理服务,也无法为患者提供大量常见疾病的自诊护理服务,如何利用云计算进行大规模数据挖掘,揭示妇科护理方法与治疗效果之间的关联,提供在线疾病诊断,妇科护理方法推荐,护理反馈评分等,作为决策支持工具,帮助医生和患者更好地理解疾病状态和治疗选项,提供更符合患者和医生需求的妇科护理方法辅助服务是我们亟需解决的问题。
发明内容
为了解决上述技术问题,本发明的目的在于提供一种基于云计算的妇科护理方法智能选择***,包括监控中心,所述监控中心通信连接有领域语义数据库、症状诊断模块、护理方法模块和护理反馈模块;
领域语义数据库中包括症状集、疾病集和妇科护理方法集,用于基于领域专家提供的信息将症状集、疾病集和妇科护理方法集映射成多节点网络;
症状诊断模块用于根据多节点网络中症状集与疾病集之间的连接关系获取症状集的疾病诊断置信度和疾病集的症状诊断置信度,并根据症状集的疾病诊断置信度和疾病集的症状诊断置信度,获取患者的当前症状集对应的最相关疾病节点;
护理方法模块用于根据患者的历史妇科护理记录,从与最相关疾病节点具有领域语义连接关系的若干妇科护理方法节点中筛选出最优妇科护理方法节点;
护理反馈模块用于提取妇科护理方法中的标准化治疗步骤,根据所述标准化治疗步骤构建反馈流程序列,并根据患者以及护理人员生成的实时反馈评估等级判断是否更换最优妇科护理方法节点。
进一步的,领域语义数据库基于领域专家提供的信息将症状集、疾病集和妇科护理方法集映射成多节点网络的过程包括:
将症状集中的各个症状、疾病集中的各个疾病以及妇科护理方法集中的各个妇科护理方法作为多节点网络的节点,基于领域专家提供的信息获取各个症状、各个疾病以及各个妇科护理方法之间的领域语义连接关系,根据所述领域语义连接关系,将多节点网络中存在领域语义连接关系的各节点之间构建连接线条。
进一步的,症状诊断模块根据多节点网络中症状集与疾病集之间的连接关系获取症状集的疾病诊断置信度和疾病集的症状诊断置信度的过程包括:
获取多节点网络中属于症状集的各节点所连接的属于疾病集的节点的连接线条数量,根据所述连接线条数量获取属于症状集的各节点的疾病诊断置信度;
之后获取多节点网络中属于疾病集的各节点所连接的属于症状集的节点的连接线条数量以及所连接的属于症状集的各节点的疾病诊断置信度,根据所述所连接的属于症状集的节点的连接线条数量以及所连接的属于症状集的各节点的疾病诊断置信度获取属于疾病集的各节点的症状诊断置信度。
进一步的,症状诊断模块根据症状集的疾病诊断置信度和疾病集的症状诊断置信度,获取患者的当前症状集对应的最相关疾病节点的过程包括:
获取患者的当前症状集,从领域语义数据库中筛选出与患者的症状集具有领域语义连接关系的若干疾病节点,获取所述疾病节点所连接的患者的症状集中的若干症状节点的疾病诊断置信度,根据所述疾病节点所连接的患者的症状集中的若干症状节点的疾病诊断置信度获取疾病节点的疾病关联度;
设置疾病关联数量n,筛选出疾病关联度最大的前n个疾病节点,并获取前n个疾病节点的症状诊断置信度,根据所述症状诊断置信度由高到低的顺序对n个疾病节点进行排序,将排序最高的疾病节点标记为最相关疾病节点。
进一步的,护理方法模块根据患者的历史妇科护理记录,从与最相关疾病节点具有领域语义连接关系的若干妇科护理方法节点中筛选出最优妇科护理方法节点的过程包括:
从领域语义数据库中筛选出与最相关疾病节点具有领域语义连接关系的若干妇科护理方法节点,获取患者的历史妇科护理记录,根据所述历史妇科护理记录获取与患者的当前症状集相同的历史症状集的妇科护理方法以及所述妇科护理方法的反馈评估等级、选择频次以及属于所述妇科护理方法的节点所连接的属于疾病集的节点的连接线条数量,根据所述反馈评估等级、选择频次以及连接线条数量获取妇科护理方法的优先等级,将所述若干妇科护理方法节点按照所述优先等级由高到低的顺序进行排序,将排序最高的妇科护理方法节点标记为最优妇科护理方法节点。
进一步的,护理反馈模块提取妇科护理方法中的标准化治疗步骤,根据所述标准化治疗步骤构建反馈流程序列的过程包括:
获取最优妇科护理方法节点中的妇科护理方法,提取妇科护理方法中的标准化治疗步骤,根据妇科护理方法中的标准化治疗步骤对所述妇科护理方法进行分段;
将所述标准化治疗步骤作为妇科护理方法的分段节点,并将妇科护理方法划分为若干妇科护理流程子序列,根据各妇科护理流程子序列的结束时间戳作为妇科护理流程子序列对应的反馈时间点;
获取妇科护理流程子序列中的治疗内容,根据所述治疗内容匹配对应的反馈监测内容,根据反馈时间点和反馈监测内容构建反馈流程序列。
进一步的,护理反馈模块根据患者以及护理人员生成的实时反馈评估等级判断是否更换最优妇科护理方法节点的过程包括:
获取患者以及护理人员根据反馈流程序列生成的实时反馈评估等级,获取反馈流程序列的反馈评估等级阈值时序序列,将实时反馈评估等级与反馈评估等级阈值时序序列进行分段对比;
若实时反馈评估等级小于对应反馈时间点的反馈评估等级阈值,则更换当前的最优妇科护理方法节点。
进一步的,护理反馈模块更换最优妇科护理方法节点的过程包括:
剔除当前最优妇科护理方法节点,获取与最相关疾病节点具有领域语义连接关系的其他若干妇科护理方法节点,根据其他若干妇科护理方法节点的优先等级,筛选出优先等级最高的妇科护理方法,并将其标记为最优妇科护理方法节点。
与现有技术相比,本发明的有益效果是:
1、***应能根据患者反馈和实际治疗反应及时调整治疗方案,通过护理反馈模块提取妇科护理方法中的标准化治疗步骤,根据所述标准化治疗步骤构建反馈流程序列,并根据患者以及护理人员生成的实时反馈评估等级判断是否更换最优妇科护理方法节点;当患者的妇科护理治疗不再遵循既定的反馈评估等级时,可以迅速发现并采取措施,确保患者妇科护理治疗得到正确的重新调整,并避免可能导致住院时间延长或资源浪费的情况,优化患者妇科护理过程的每一步,确保妇科护理的连续性和协调性,提升患者妇科护理质量。
2、症状诊断模块根据症状集的疾病诊断置信度和疾病集的症状诊断置信度,获取患者的当前症状集对应的最相关疾病节点;通常某种症状对于大多数疾病会表现出共性的临床表现症状,常见一些症状有发热、头痛、疲劳、腹痛以及皮肤变化等,当一种症状关联的疾病种类越多,则通过该症状诊断出疾病的概率就越低,通过对症状集设置疾病诊断置信度,确定症状对于疾病诊断的贡献率,提高疾病诊断精确率。
附图说明
图1为本申请实施例的一种基于云计算的妇科护理方法智能选择***的原理图。
具体实施方式
下面结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整的描述,显然,所描述的实施例是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
如图1所示,一种基于云计算的妇科护理方法智能选择***,包括监控中心,所述监控中心通信连接有领域语义数据库、症状诊断模块、护理方法模块和护理反馈模块;
领域语义数据库中包括症状集、疾病集和妇科护理方法集,用于基于领域专家提供的信息将症状集、疾病集和妇科护理方法集映射成多节点网络;
症状诊断模块用于根据多节点网络中症状集与疾病集之间的连接关系获取症状集的疾病诊断置信度和疾病集的症状诊断置信度,并根据症状集的疾病诊断置信度和疾病集的症状诊断置信度,获取患者的当前症状集对应的最相关疾病节点;
护理方法模块用于根据患者的历史妇科护理记录,从与最相关疾病节点具有领域语义连接关系的若干妇科护理方法节点中筛选出最优妇科护理方法节点;
护理反馈模块用于提取妇科护理方法中的标准化治疗步骤,根据所述标准化治疗步骤构建反馈流程序列,并根据患者以及护理人员生成的实时反馈评估等级判断是否更换最优妇科护理方法节点。
需要进一步说明的是,在具体实施过程中,领域语义数据库基于领域专家提供的信息将症状集、疾病集和妇科护理方法集映射成多节点网络的过程包括:
将症状集中的各个症状、疾病集中的各个疾病以及妇科护理方法集中的各个妇科护理方法作为多节点网络的节点,基于领域专家提供的信息获取各个症状、各个疾病以及各个妇科护理方法之间的领域语义连接关系,根据所述领域语义连接关系,将多节点网络中存在领域语义连接关系的各节点之间构建连接线条。
需要进一步说明的是,基于领域专家提供的信息中描述了疾病、症状、妇科护理手法等相关概念和属性,并基于该本体定义描述了健康医疗领域的一些常识知识,即由相关概念标注的实例数据及其语义关系,例如,如果是针对高血压病患者的妇科护理,不仅需要监测和控制血压,还可能需要根据患者的症状进行妇科护理,如头痛、眼花、乏力等,而对于糖尿病患者,描述“糖尿病”的表现症状有“多饮”“多食”“多尿”“体重减轻”等,除了控制血糖水平外,还可能需要针对他们的足部保健、饮食计划和运动计划进行个性化妇科护理。
需要进一步说明的是,在具体实施过程中,症状诊断模块根据多节点网络中症状集与疾病集之间的连接关系获取症状集的疾病诊断置信度和疾病集的症状诊断置信度的过程包括:
获取多节点网络中属于症状集的各节点所连接的属于疾病集的节点的连接线条数量,根据所述连接线条数量获取属于症状集的各节点的疾病诊断置信度,获取各节点的疾病诊断置信度的公式为:
;
其中,Di为第i类症状的疾病诊断置信度,Ni为第i类症状的连接线条数量;
之后获取多节点网络中属于疾病集的各节点所连接的属于症状集的节点的连接线条数量以及所连接的属于症状集的各节点的疾病诊断置信度,根据所述所连接的属于症状集的节点的连接线条数量以及所连接的属于症状集的各节点的疾病诊断置信度获取属于疾病集的各节点的症状诊断置信度,获取各节点的症状诊断置信度的计算公式为:
;
其中,Sj为第j类疾病的症状诊断置信度,Djn为第j类疾病连接的第n个症状节点的疾病诊断置信度,Nj为第j类疾病的连接的属于症状集的节点的连接线条数量,n为第j类疾病的连接的属于症状集的节点的计数标识,a1、a2为权重因子。
获取症状集的疾病诊断置信度的意义在于:通常某种症状对于大多数疾病会表现出共性的临床表现症状,常见一些症状有发热、头痛、疲劳、腹痛以及皮肤变化等,当一种症状关联的疾病种类越多,则通过该症状诊断出疾病的概率就越低,通过对症状集设置疾病诊断置信度,确定症状对于疾病诊断的贡献率,提高疾病诊断精确率。
需要进一步说明的是,在具体实施过程中,症状诊断模块根据症状集的疾病诊断置信度和疾病集的症状诊断置信度,获取患者的当前症状集对应的最相关疾病节点的过程包括:
获取患者的当前症状集,从领域语义数据库中筛选出与患者的症状集具有领域语义连接关系的若干疾病节点,获取所述疾病节点所连接的患者的症状集中的若干症状节点的疾病诊断置信度,根据所述疾病节点所连接的患者的症状集中的若干症状节点的疾病诊断置信度获取疾病节点的疾病关联度;获取疾病节点的疾病关联度的关联公式为:
;
其中,R表示疾病节点的疾病关联度,Dq表示疾病节点所连接的患者的症状集中的第q个症状节点的疾病诊断置信度,N表示疾病节点连接的患者的症状集中的症状节点总数。
设置疾病关联数量n,筛选出疾病关联度最大的前n个疾病节点,并获取前n个疾病节点的症状诊断置信度,根据所述症状诊断置信度由高到低的顺序对n个疾病节点进行排序,将排序最高的疾病节点标记为最相关疾病节点。
需要进一步说明的是,在具体实施过程中,护理方法模块根据患者的历史妇科护理记录,从与最相关疾病节点具有领域语义连接关系的若干妇科护理方法节点中筛选出最优妇科护理方法节点的过程包括:
从领域语义数据库中筛选出与最相关疾病节点具有领域语义连接关系的若干妇科护理方法节点,获取患者的历史妇科护理记录,根据所述历史妇科护理记录获取与患者的当前症状集相同的历史症状集的妇科护理方法以及所述妇科护理方法的反馈评估等级、选择频次以及属于所述妇科护理方法的节点所连接的属于疾病集的节点的连接线条数量,根据所述反馈评估等级、选择频次以及连接线条数量获取妇科护理方法的优先等级,将所述若干妇科护理方法节点按照所述优先等级由高到低的顺序进行排序,将排序最高的妇科护理方法节点标记为最优妇科护理方法节点;
获取妇科护理方法的优先等级的计算公式为:
;
其中,Fk为第k种妇科护理方法的优先等级;Yk为第k种妇科护理方法的反馈评估等级;Uk为第k种妇科护理方法的选择频次;Zk为第k种妇科护理方法所连接的属于疾病集的节点的连接线条数量;a3、a4、a5为权重因子。
需要进一步说明的是,在具体实施过程中,护理反馈模块提取妇科护理方法中的标准化治疗步骤,根据所述标准化治疗步骤构建反馈流程序列的过程包括:
获取最优妇科护理方法节点中的妇科护理方法,提取妇科护理方法中的标准化治疗步骤,根据妇科护理方法中的标准化治疗步骤对所述妇科护理方法进行分段;
将所述标准化治疗步骤作为妇科护理方法的分段节点,并将妇科护理方法划分为若干妇科护理流程子序列,根据各妇科护理流程子序列的结束时间戳作为妇科护理流程子序列对应的反馈时间点;
获取妇科护理流程子序列中的治疗内容,根据所述治疗内容匹配对应的反馈监测内容,根据反馈时间点和反馈监测内容构建反馈流程序列。
需要进一步说明的是,在具体实施过程中,护理反馈模块根据患者以及护理人员生成的实时反馈评估等级判断是否更换最优妇科护理方法节点的过程包括:
获取患者以及护理人员根据反馈流程序列生成的实时反馈评估等级,所述实时反馈评估等级由患者的治疗效果和满意度决定,获取反馈流程序列的反馈评估等级阈值时序序列,将实时反馈评估等级与反馈评估等级阈值时序序列进行分段对比;
若实时反馈评估等级小于对应反馈时间点的反馈评估等级阈值,则更换当前的最优妇科护理方法节点。
需要进一步说明的是,在具体实施过程中,护理反馈模块更换最优妇科护理方法节点的过程包括:
剔除当前最优妇科护理方法节点,获取与最相关疾病节点具有领域语义连接关系的其他若干妇科护理方法节点,根据其他若干妇科护理方法节点的优先等级,筛选出优先等级最高的妇科护理方法,并将其标记为最优妇科护理方法节点。
需要进一步说明的是,若当前最相关疾病节点的所有妇科护理方法均不符合反馈评估等级要求,则根据疾病节点的症状诊断置信度获取替换当前最相关疾病节点,随后选取替换后的最相关疾病节点的妇科护理方法。
以上实施例仅用以说明本发明的技术方法而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方法进行修改或等同替换,而不脱离本发明技术方法的精神和范围。
Claims (7)
1.一种基于云计算的妇科护理方法智能选择***,包括监控中心,其特征在于,所述监控中心通信连接有领域语义数据库、症状诊断模块、护理方法模块和护理反馈模块;
领域语义数据库中包括症状集、疾病集和妇科护理方法集,用于基于领域专家提供的信息将症状集、疾病集和妇科护理方法集映射成多节点网络;
领域语义数据库基于领域专家提供的信息将症状集、疾病集和妇科护理方法集映射成多节点网络的过程包括:
将症状集中的各个症状、疾病集中的各个疾病以及妇科护理方法集中的各个妇科护理方法作为多节点网络的节点,基于领域专家提供的信息获取各个症状、各个疾病以及各个妇科护理方法之间的领域语义连接关系,根据所述领域语义连接关系,将多节点网络中存在领域语义连接关系的各节点之间构建连接线条;
症状诊断模块用于根据多节点网络中症状集与疾病集之间的连接关系获取症状集的疾病诊断置信度和疾病集的症状诊断置信度,并根据症状集的疾病诊断置信度和疾病集的症状诊断置信度,获取患者的当前症状集对应的最相关疾病节点;
护理方法模块用于根据患者的历史妇科护理记录,从与最相关疾病节点具有领域语义连接关系的若干妇科护理方法节点中筛选出最优妇科护理方法节点;
护理反馈模块用于提取妇科护理方法中的标准化治疗步骤,根据所述标准化治疗步骤构建反馈流程序列,并根据患者以及护理人员生成的实时反馈评估等级判断是否更换最优妇科护理方法节点。
2.根据权利要求1所述的一种基于云计算的妇科护理方法智能选择***,其特征在于,症状诊断模块根据多节点网络中症状集与疾病集之间的连接关系获取症状集的疾病诊断置信度和疾病集的症状诊断置信度的过程包括:
获取多节点网络中属于症状集的各节点所连接的属于疾病集的节点的连接线条数量,根据所述连接线条数量获取属于症状集的各节点的疾病诊断置信度;
之后获取多节点网络中属于疾病集的各节点所连接的属于症状集的节点的连接线条数量以及所连接的属于症状集的各节点的疾病诊断置信度,根据所述所连接的属于症状集的节点的连接线条数量以及所连接的属于症状集的各节点的疾病诊断置信度获取属于疾病集的各节点的症状诊断置信度。
3.根据权利要求2所述的一种基于云计算的妇科护理方法智能选择***,其特征在于,症状诊断模块根据症状集的疾病诊断置信度和疾病集的症状诊断置信度,获取患者的当前症状集对应的最相关疾病节点的过程包括:
获取患者的当前症状集,从领域语义数据库中筛选出与患者的症状集具有领域语义连接关系的若干疾病节点,获取所述疾病节点所连接的患者的症状集中的若干症状节点的疾病诊断置信度,根据所述疾病节点所连接的患者的症状集中的若干症状节点的疾病诊断置信度获取疾病节点的疾病关联度;
设置疾病关联数量n,筛选出疾病关联度最大的前n个疾病节点,并获取前n个疾病节点的症状诊断置信度,根据所述症状诊断置信度由高到低的顺序对n个疾病节点进行排序,将排序最高的疾病节点标记为最相关疾病节点。
4.根据权利要求3所述的一种基于云计算的妇科护理方法智能选择***,其特征在于,护理方法模块根据患者的历史妇科护理记录,从与最相关疾病节点具有领域语义连接关系的若干妇科护理方法节点中筛选出最优妇科护理方法节点的过程包括:
从领域语义数据库中筛选出与最相关疾病节点具有领域语义连接关系的若干妇科护理方法节点,获取患者的历史妇科护理记录,根据所述历史妇科护理记录获取与患者的当前症状集相同的历史症状集的妇科护理方法以及所述妇科护理方法的反馈评估等级、选择频次以及属于所述妇科护理方法的节点所连接的属于疾病集的节点的连接线条数量,根据所述反馈评估等级、选择频次以及连接线条数量获取妇科护理方法的优先等级,将所述若干妇科护理方法节点按照所述优先等级由高到低的顺序进行排序,将排序最高的妇科护理方法节点标记为最优妇科护理方法节点。
5.根据权利要求4所述的一种基于云计算的妇科护理方法智能选择***,其特征在于,护理反馈模块提取妇科护理方法中的标准化治疗步骤,根据所述标准化治疗步骤构建反馈流程序列的过程包括:
获取最优妇科护理方法节点中的妇科护理方法,提取妇科护理方法中的标准化治疗步骤,根据妇科护理方法中的标准化治疗步骤对所述妇科护理方法进行分段;
将所述标准化治疗步骤作为妇科护理方法的分段节点,并将妇科护理方法划分为若干妇科护理流程子序列,根据各妇科护理流程子序列的结束时间戳作为妇科护理流程子序列对应的反馈时间点;
获取妇科护理流程子序列中的治疗内容,根据所述治疗内容匹配对应的反馈监测内容,根据反馈时间点和反馈监测内容构建反馈流程序列。
6.根据权利要求5所述的一种基于云计算的妇科护理方法智能选择***,其特征在于,护理反馈模块根据患者以及护理人员生成的实时反馈评估等级判断是否更换最优妇科护理方法节点的过程包括:
获取患者以及护理人员根据反馈流程序列生成的实时反馈评估等级,获取反馈流程序列的反馈评估等级阈值时序序列,将实时反馈评估等级与反馈评估等级阈值时序序列进行分段对比;
若实时反馈评估等级小于对应反馈时间点的反馈评估等级阈值,则更换当前的最优妇科护理方法节点。
7.根据权利要求6所述的一种基于云计算的妇科护理方法智能选择***,其特征在于,护理反馈模块更换最优妇科护理方法节点的过程包括:
剔除当前最优妇科护理方法节点,获取与最相关疾病节点具有领域语义连接关系的其他若干妇科护理方法节点,根据其他若干妇科护理方法节点的优先等级,筛选出优先等级最高的妇科护理方法,并将其标记为最优妇科护理方法节点。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410015625.9A CN117524405B (zh) | 2024-01-05 | 2024-01-05 | 一种基于云计算的妇科护理方法智能选择*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410015625.9A CN117524405B (zh) | 2024-01-05 | 2024-01-05 | 一种基于云计算的妇科护理方法智能选择*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117524405A true CN117524405A (zh) | 2024-02-06 |
CN117524405B CN117524405B (zh) | 2024-03-26 |
Family
ID=89744266
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410015625.9A Active CN117524405B (zh) | 2024-01-05 | 2024-01-05 | 一种基于云计算的妇科护理方法智能选择*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117524405B (zh) |
Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008210399A (ja) * | 1997-03-14 | 2008-09-11 | First Opinion Corp | 疾患管理システム |
CN105528526A (zh) * | 2016-01-15 | 2016-04-27 | 胡广芹 | 一种基于中医药传承与大数据挖掘的生命周期动态健康管理*** |
CN107731269A (zh) * | 2017-10-25 | 2018-02-23 | 山东众阳软件有限公司 | 基于原始诊断数据和病历文件数据的疾病编码方法及*** |
CN110085307A (zh) * | 2019-04-04 | 2019-08-02 | 华东理工大学 | 一种基于多源知识图谱融合的智能导诊方法和*** |
CN110489566A (zh) * | 2019-08-22 | 2019-11-22 | 上海软中信息***咨询有限公司 | 一种智能导诊服务机器人的导诊方法 |
US20200279655A1 (en) * | 2019-02-28 | 2020-09-03 | Babylon Partners Limited | Counterfactual measure for medical diagnosis |
CN111813957A (zh) * | 2020-07-14 | 2020-10-23 | 深圳中兴网信科技有限公司 | 基于知识图谱的医疗导诊方法和可读存储介质 |
CN112905767A (zh) * | 2021-02-08 | 2021-06-04 | 舒辅(上海)信息技术有限公司 | 一种基于智能移动终端的疾病数据采集方法 |
CN113936762A (zh) * | 2021-09-21 | 2022-01-14 | 姜昶 | 基于区块链的智能医疗就诊数据存储方法及平台 |
CN114582496A (zh) * | 2022-03-03 | 2022-06-03 | 四川大学华西第二医院 | 一种常见妇科疾病预测模型构建方法和预测*** |
CN114610902A (zh) * | 2022-03-25 | 2022-06-10 | 南京市畜牧兽医站(南京市动物疫病预防控制中心) | 一种基于知识图谱的家禽疾病诊断*** |
CN114676258A (zh) * | 2022-04-06 | 2022-06-28 | 北京航空航天大学 | 一种基于患者症状描述文本的疾病分类智能服务方法 |
US20230248998A1 (en) * | 2023-04-12 | 2023-08-10 | Buvaneswari Natarajan | System and method for predicting diseases in its early phase using artificial intelligence |
WO2023202508A1 (zh) * | 2022-04-18 | 2023-10-26 | 浙江大学 | 一种基于认知图谱的全科患者个性化诊疗方案推荐*** |
CN117116497A (zh) * | 2023-10-16 | 2023-11-24 | 长春中医药大学 | 一种用于妇科疾病的临床护理管理*** |
CN117153431A (zh) * | 2023-10-26 | 2023-12-01 | 武汉盛博汇信息技术有限公司 | 基于互联网的医疗服务***及方法 |
-
2024
- 2024-01-05 CN CN202410015625.9A patent/CN117524405B/zh active Active
Patent Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008210399A (ja) * | 1997-03-14 | 2008-09-11 | First Opinion Corp | 疾患管理システム |
CN105528526A (zh) * | 2016-01-15 | 2016-04-27 | 胡广芹 | 一种基于中医药传承与大数据挖掘的生命周期动态健康管理*** |
CN107731269A (zh) * | 2017-10-25 | 2018-02-23 | 山东众阳软件有限公司 | 基于原始诊断数据和病历文件数据的疾病编码方法及*** |
US20200279655A1 (en) * | 2019-02-28 | 2020-09-03 | Babylon Partners Limited | Counterfactual measure for medical diagnosis |
CN110085307A (zh) * | 2019-04-04 | 2019-08-02 | 华东理工大学 | 一种基于多源知识图谱融合的智能导诊方法和*** |
CN110489566A (zh) * | 2019-08-22 | 2019-11-22 | 上海软中信息***咨询有限公司 | 一种智能导诊服务机器人的导诊方法 |
CN111813957A (zh) * | 2020-07-14 | 2020-10-23 | 深圳中兴网信科技有限公司 | 基于知识图谱的医疗导诊方法和可读存储介质 |
CN112905767A (zh) * | 2021-02-08 | 2021-06-04 | 舒辅(上海)信息技术有限公司 | 一种基于智能移动终端的疾病数据采集方法 |
CN113936762A (zh) * | 2021-09-21 | 2022-01-14 | 姜昶 | 基于区块链的智能医疗就诊数据存储方法及平台 |
CN114582496A (zh) * | 2022-03-03 | 2022-06-03 | 四川大学华西第二医院 | 一种常见妇科疾病预测模型构建方法和预测*** |
CN114610902A (zh) * | 2022-03-25 | 2022-06-10 | 南京市畜牧兽医站(南京市动物疫病预防控制中心) | 一种基于知识图谱的家禽疾病诊断*** |
CN114676258A (zh) * | 2022-04-06 | 2022-06-28 | 北京航空航天大学 | 一种基于患者症状描述文本的疾病分类智能服务方法 |
WO2023202508A1 (zh) * | 2022-04-18 | 2023-10-26 | 浙江大学 | 一种基于认知图谱的全科患者个性化诊疗方案推荐*** |
US20230248998A1 (en) * | 2023-04-12 | 2023-08-10 | Buvaneswari Natarajan | System and method for predicting diseases in its early phase using artificial intelligence |
CN117116497A (zh) * | 2023-10-16 | 2023-11-24 | 长春中医药大学 | 一种用于妇科疾病的临床护理管理*** |
CN117153431A (zh) * | 2023-10-26 | 2023-12-01 | 武汉盛博汇信息技术有限公司 | 基于互联网的医疗服务***及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN117524405B (zh) | 2024-03-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112365978B (zh) | 心动过速事件早期风险评估的模型的建立方法及其装置 | |
CN107680676B (zh) | 一种基于电子病历数据驱动的妊娠期糖尿病预测方法 | |
CN108415789B (zh) | 面向大规模混合异构存储***的节点故障预测***及方法 | |
CN111261282A (zh) | 一种基于机器学习的脓毒症早期预测方法 | |
TW202101480A (zh) | 用於血液透析的脫水量預測方法與使用該方法的電子裝置 | |
CN109785976A (zh) | 一种基于Soft-Voting的痛风病分期预测*** | |
CN111081379B (zh) | 一种疾病概率决策方法及其*** | |
US20090093686A1 (en) | Multi Automated Severity Scoring | |
DE112014000897T5 (de) | Lernende Gesundheitssysteme und -verfahren | |
JP2012221508A (ja) | 患者予後を予測するシステムおよびコンピュータ可読媒体 | |
CN114639479A (zh) | 一种基于医疗知识图谱的智能诊断辅助*** | |
CN113241196B (zh) | 基于云-终端协同的远程医疗与分级监控*** | |
KR101894722B1 (ko) | 언어 장애 발생 진단을 이용한 건강 이상 예측시스템 및 예측방법 | |
CN117457147A (zh) | 康复患者个性化护理计划方法及*** | |
CN113838577B (zh) | 便捷化分层老年mods早期死亡风险评估模型、装置及建立方法 | |
Wang et al. | Predictive classification of ICU readmission using weight decay random forest | |
CN117116412A (zh) | 一种基于病历数据分析的智能护理建议生成方法 | |
CN114758786A (zh) | 基于无创参数的创伤后失血性休克动态早期预警*** | |
US20210321956A1 (en) | Determination of health status of systems equipped with sensors | |
CN117524405B (zh) | 一种基于云计算的妇科护理方法智能选择*** | |
CN116246782A (zh) | 一种老年人照护服务的风险判定*** | |
US20230068453A1 (en) | Methods and systems for determining and displaying dynamic patient readmission risk and intervention recommendation | |
CN113052199A (zh) | 病情检测模型的训练方法、装置、设备及计算机存储介质 | |
CN114724701A (zh) | 基于叠加集成算法和自动编码器的无创通气疗效预测*** | |
Rajmohan et al. | G-Sep: A deep learning algorithm for detection of long-term sepsis using bidirectional gated recurrent unit |
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 |