[go: up one dir, main page]

CN113764103A - 一种基于互联网的女性生殖健康管理系统和方法 - Google Patents

一种基于互联网的女性生殖健康管理系统和方法 Download PDF

Info

Publication number
CN113764103A
CN113764103A CN202110957142.7A CN202110957142A CN113764103A CN 113764103 A CN113764103 A CN 113764103A CN 202110957142 A CN202110957142 A CN 202110957142A CN 113764103 A CN113764103 A CN 113764103A
Authority
CN
China
Prior art keywords
user
item
health management
items
reproductive health
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.)
Pending
Application number
CN202110957142.7A
Other languages
English (en)
Inventor
张洁林
孙梦瑶
金马
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Haizikele Medical Technology Shanghai Co ltd
Original Assignee
Haizikele Medical Technology Shanghai Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Haizikele Medical Technology Shanghai Co ltd filed Critical Haizikele Medical Technology Shanghai Co ltd
Priority to CN202110957142.7A priority Critical patent/CN113764103A/zh
Publication of CN113764103A publication Critical patent/CN113764103A/zh
Pending legal-status Critical Current

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
    • 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

Landscapes

  • Public Health (AREA)
  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Primary Health Care (AREA)
  • General Health & Medical Sciences (AREA)
  • Epidemiology (AREA)
  • Data Mining & Analysis (AREA)
  • Pathology (AREA)
  • Databases & Information Systems (AREA)
  • Biomedical Technology (AREA)
  • Medical Treatment And Welfare Office Work (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)

Abstract

一种基于互联网的女性生殖健康管理系统，包括数据采集模块、档案存储模块、特征抽取模块、分类模块、管理模块；数据采集模块采集用户数据并将数据存储至档案存储模块，特征抽取模块对用户数据进行特征抽取并形成用户对应的特征信息，分类模块根据用户的特征信息对用户进行分类标记，管理模块根据用户的分类标记给出相应的生殖健康管理建议并通过客户端呈递给客户。这样，用户在数据录入基于互联网的女性生殖健康管理系统后，系统可根据用户的情况，对用户进行分类标记，并根据分类标记，区别给出相应的生殖健康管理建议，方便用户对生殖健康行有效追踪与管理。

Description

一种基于互联网的女性生殖健康管理系统和方法
技术领域
本发明涉及健康管理技术领域，尤其涉及女性生殖健康管理。
背景技术
不孕不育是人类21世纪的三大疾病之一。在我国，不孕症的发生率大约在 12.5％左右，CN111957585A也提到育龄妇女不孕症发病率为10％～17％。而不孕症往往会关系到一个家庭的幸福。在不孕症居高不下的情形下，如何对生殖健康进行管理，从而降低自身不孕症发病率成为一个十分现实的问题。
现今的女性生殖健康管理系统，通常主要集中在对经期的监控，这对降低不孕症发病率并无显著效果，其主要作用在于提醒用户及时就医，并调整经期。现今亟需能对生殖健康产生有效管理的系统。
发明内容
本发明的目的在于提供一种基于互联网的女性生殖健康管理系统及方法。
第一方面，一种基于互联网的女性生殖健康管理系统，包括数据采集模块、档案存储模块、特征抽取模块、分类模块、管理模块；数据采集模块采集用户数据并将数据存储至档案存储模块，特征抽取模块对用户数据进行特征抽取并形成用户对应的特征信息，分类模块根据用户的特征信息对用户进行分类标记，管理模块根据用户的分类标记给出相应的生殖健康管理建议并通过客户端呈递给客户。这样，用户在数据录入基于互联网的女性生殖健康管理系统后，系统可根据用户的情况，对用户进行分类标记，并根据分类标记，区别给出相应的生殖健康管理建议，方便用户对生殖健康行有效追踪与管理。
结合第一方面，在第一方面的第一种可能的实施例中，特征信息包括月经规律状况项、卵巢功能状况项、家族早发卵巢功能不全史项。在此实施例中，将月经规律状况和卵巢功能状况、家族早发卵巢功能不全史均作为女性生育健康的关键指标，作为分类标记的基础，有利于对女性生育健康的管理，较单纯从月经来检测生育健康更为科学。
结合第一方面的第一种实施例，在第一方面的第二种可能的实施例中，卵巢功能状况项包括功能正常项、功能不全项，功能不全项包括诊断阶段项、药物治疗情况项、辅助生育治疗状况项。在此实施例中，将卵巢功能状况项进一步细化，从而使于对女性生育健康的管理更为科学。
结合第一方面的第二种实施例，在第一方面的第三种可能的实施例中，分类标记包括低危、中危、高危；特征信息包括月经规律状况项为月经异常、卵巢功能项为功能正常的用户被标记为低危，特征信息包括家族早发卵巢功能不全史项为有、卵巢功能项为功能正常的用户被标记为低危；特征信息包括卵巢功能状况项为初次确诊为原发性卵巢功能不全、需药物治疗的用户被标记为中危，特征信息包括卵巢功能状况项为确诊为原发性卵巢功能不全，药物治疗效果理想的用户被标记为中危；特征信息包括卵巢功能状况项确诊为原发性卵巢功能不全，且药物治疗效果欠佳，需辅助生育治疗的用户被标记为高危。在此实施例中，将用户分为低危、中危、高危，并通过月经规律状况项、卵巢功能状况项、家族早发卵巢功能不全史项及其子项的内容确定用户类型，可以达到对症健康管理的目的。
结合第一方面，在第一方面的第四种可能的实施例中，特征信息包括睡眠状况项、饮食习惯项、运动状况项、情绪状况项。在此实施例中，特征信息引入习惯及情绪类项，将其他可能影响女性生殖健康的因素纳入生殖健康管理，使生殖健康管理更为全面、科学、有效。
结合第一方面的第四种实施例，在第一方面的第五种可能的实施例中，卵巢功能状况项包括功能正常项、功能不全项，功能不全项包括诊断阶段项、药物治疗情况项、辅助生育治疗状况项；分类标记包括低危、中危、高危、其他；特征信息包括月经规律状况项为月经异常、卵巢功能项为功能正常的用户被标记为低危，特征信息包括家族早发卵巢功能不全史项为有、卵巢功能项为功能正常的用户被标记为低危；特征信息包括卵巢功能状况项为初次确诊为原发性卵巢功能不全、需药物治疗的用户被标记为中危，特征信息包括卵巢功能状况项为确诊为原发性卵巢功能不全，药物治疗效果理想的用户被标记为中危；特征信息包括卵巢功能状况项确诊为原发性卵巢功能不全，且药物治疗效果欠佳，需辅助生育治疗的用户被标记为高危；特征信息包括月经规律状况项为月经正常、卵巢功能项为功能正常、家族早发卵巢功能不全史项为无的用户标记为其他。在此实施例中，将用户分为低危、中危、高危、其他，使生殖健康管理更为全面、科学。
结合第一方面或第一方面的第一种至第五种任一种实施例，在第一方面的第六种可能的实施例中，包括AI训练模型，AI训练模型可以根据系统内部真实数据反馈不断通过AI训练完善模型，根据用户个体数据调整参数阈值。在此实施例中，基于互联网的女性生殖健康管理系统通过增加AI训练完善模型，调整参数阈值，通常，医学具有一般性，难以顾及到个人，因此无法顾及个体的特殊性，难免有效性及针对性较差，而此实施通过用户个体数据调整参数阈值有效兼顾了个体的特殊性，生殖健康管理效果更佳。
结合第一方面或第一方面的第一种至第五种任一种实施例，在第一方面的第七种可能的实施例中，用户数据可以反复录入，并以时间轴形式存储，并根据新录入的信息即时调整分类标记。在此实施例中，数据可增补并以时间轴形式存储，有利于对用户的生殖健康情况以时间维度进行有效分析，更有利于对生殖健康管理手段或者治疗手段效果的有效监督，针对性规划女性生殖健康管理的改进方案。
第二方面，一种女性生殖健康管理方法，采用如第一方面或第一方面任一实施例所述的基于互联网的女性生殖健康管理系统，包括如下步骤：S1:采集用户数据；S2:对用户数据进行特征抽取；S3:根据抽取的特征信息对用户进行分类标记；S4:根据用户的分类标记，给出相应的生殖健康管理建议。这样，用户在采用此种方法进行健康管理时，可得到根据用户的情况，区别的生殖健康管理建议，方便用户对生殖健康行有效追踪与管理。
结合第二方面，在第二方面的第一种实施例中，对用户数据进行特征抽取之前，还包括如下步骤：对采集的用户数据进行信息结构化。在此实施例中，对采集的用户数据进行信息结构化，可以使女性生殖健康管理更为体系化，管理逻辑更为清晰。
附图说明
图1是本发明一种基于互联网的女性生殖健康管理系统的实施方式系统构成图。
具体实施方式
现在参考附图详细描述具体实施例。
图1示意了一种基于互联网的女性生殖健康管理系统的系统构成图。
图1所示的基于互联网的女性生殖健康管理系统包括数据采集模块、档案存储模块、特征抽取模块、分类模块、管理模块、AI训练模型；
数据采集模块采集用户数据并将数据存储至档案存储模块，特征抽取模块对用户数据进行特征抽取并形成用户对应的特征信息，分类模块根据用户的特征信息对用户进行分类标记，管理模块根据用户的分类标记给出相应的生殖健康管理建议并通过客户端呈递给客户。这样，用户在数据录入基于互联网的女性生殖健康管理系统后，系统可根据用户的情况，对用户进行分类标记，并根据分类标记，区别给出相应的生殖健康管理建议，方便用户对生殖健康行有效追踪与管理。
特征信息包括月经规律状况项、卵巢功能状况项、家族早发卵巢功能不全史项、睡眠状况项、饮食习惯项、运动状况项、情绪状况项。卵巢功能状况项包括功能正常项、功能不全项，功能不全项包括诊断阶段项、药物治疗情况项、辅助生育治疗状况项。在对生殖健康管理进行研究后发现，月经规律状况、卵巢功能状况以及家族早发卵巢功能不全史往往是生殖健康的关键指标，另外，研究中也发现，睡眠状况、饮食习惯、运动状况、情绪状况等往往也会对生殖健康造成影响，在对生殖健康进行管理的过程中，也有必要对睡眠状况、饮食习惯、运动状况、情绪状况进行管理，在用户未出现病理性指标出现时，生殖健康受损的原因往往难以找到，但通过对睡眠状况、饮食习惯、运动状况、情绪状况进行管理，往往可以取得较好的效果。
分类标记包括低危、中危、高危、其他；特征信息包括月经规律状况项为月经异常、卵巢功能项为功能正常的用户被标记为低危，特征信息包括家族早发卵巢功能不全史项为有、卵巢功能项为功能正常的用户被标记为低危；特征信息包括卵巢功能状况项为初次确诊为原发性卵巢功能不全、需药物治疗的用户被标记为中危，特征信息包括卵巢功能状况项为确诊为原发性卵巢功能不全，药物治疗效果理想的用户被标记为中危；特征信息包括卵巢功能状况项确诊为原发性卵巢功能不全，且药物治疗效果欠佳，需辅助生育治疗的用户被标记为高危；特征信息包括月经规律状况项为月经正常、卵巢功能项为功能正常、家族早发卵巢功能不全史项为无的用户标记为其他。将用户分为低危、中危、高危、其他等类型，可以针对用户的能存在的生殖健康风险的程度不同，给出更具有正对性的意见和建议。
AI训练模型可以根据系统内部真实数据反馈不断通过AI训练完善模型，根据用户个体数据调整参数阈值。以月经规律状况为例，一般而言，女性的月经周期平均为28天左右，因个体差异，可以在21天-35天均为正常，但对于同一个个体而言，其一般具有一个稳定的值，比如Z女士正常周期26天-29天，此时，若根据单纯的判断条件21天-35天均为正常，那么若Z女士异常情况出现时(比如22天出现了月经)，则仍会判断为正常，但是对于Z女士而言，其月经周期显然已经异常，而AI训练模型则可以根据用户的个人参数进行训练完善，调整参数阈值。同时，月经周期随季节年龄都会发生一定的变化，AI训练模型与可以根据各个用户的数据对这些变化进行学习完善，调整参数阈值。
用户数据可以反复录入，并以时间轴形式存储，并根据新录入的信息即时调整分类标记。数据可增补并以时间轴形式存储，有利于对用户的生殖健康情况以时间维度进行有效分析，更有利于对生殖健康管理手段或者治疗手段效果的有效监督，针对性规划女性生殖健康管理的改进方案。
采用图1所示的基于互联网的女性生殖健康管理系统，可以实现一种女性生殖健康管理方法，包括如下步骤：
S1:采集用户数据；
S2:对用户数据进行特征抽取；
S3:根据抽取的特征信息对用户进行分类标记；
S4:根据用户的分类标记，给出相应的生殖健康管理建议。
为了方便使系统对女性生殖健康管理更为体系化、管理逻辑更为清晰，对用户数据进行特征抽取之前，还包括如下步骤：
对采集的用户数据进行信息结构化。

Claims (10)

1.一种基于互联网的女性生殖健康管理系统，其特征在于，包括数据采集模块、档案存储模块、特征抽取模块、分类模块、管理模块；数据采集模块采集用户数据并将数据存储至档案存储模块，特征抽取模块对用户数据进行特征抽取并形成用户对应的特征信息，分类模块根据用户的特征信息对用户进行分类标记，管理模块根据用户的分类标记给出相应的生殖健康管理建议并通过客户端呈递给客户。
2.根据权利要求1所述的基于互联网的女性生殖健康管理系统，其特征在于，特征信息包括月经规律状况项、卵巢功能状况项、家族早发卵巢功能不全史项。
3.根据权利要求2所述的基于互联网的女性生殖健康管理系统，其特征在于，卵巢功能状况项包括功能正常项、功能不全项，功能不全项包括诊断阶段项、药物治疗情况项、辅助生育治疗状况项。
4.根据权利要求3所述的基于互联网的女性生殖健康管理系统，其特征在于，分类标记包括低危、中危、高危；特征信息包括月经规律状况项为月经异常、卵巢功能项为功能正常的用户被标记为低危，特征信息包括家族早发卵巢功能不全史项为有、卵巢功能项为功能正常的用户被标记为低危；特征信息包括卵巢功能状况项为初次确诊为原发性卵巢功能不全、需药物治疗的用户被标记为中危，特征信息包括卵巢功能状况项为确诊为原发性卵巢功能不全，药物治疗效果理想的用户被标记为中危；特征信息包括卵巢功能状况项确诊为原发性卵巢功能不全，且药物治疗效果欠佳，需辅助生育治疗的用户被标记为高危。
5.根据权利要求2所述的基于互联网的女性生殖健康管理系统，其特征在于，特征信息包括睡眠状况项、饮食习惯项、运动状况项、情绪状况项。
6.根据权利要求5所述的基于互联网的女性生殖健康管理系统，其特征在于，卵巢功能状况项包括功能正常项、功能不全项，功能不全项包括诊断阶段项、药物治疗情况项、辅助生育治疗状况项；分类标记包括低危、中危、高危、其他；特征信息包括月经规律状况项为月经异常、卵巢功能项为功能正常的用户被标记为低危，特征信息包括家族早发卵巢功能不全史项为有、卵巢功能项为功能正常的用户被标记为低危；特征信息包括卵巢功能状况项为初次确诊为原发性卵巢功能不全、需药物治疗的用户被标记为中危，特征信息包括卵巢功能状况项为确诊为原发性卵巢功能不全，药物治疗效果理想的用户被标记为中危；特征信息包括卵巢功能状况项确诊为原发性卵巢功能不全，且药物治疗效果欠佳，需辅助生育治疗的用户被标记为高危；特征信息包括月经规律状况项为月经正常、卵巢功能项为功能正常、家族早发卵巢功能不全史项为无的用户标记为其他。
7.根据权利要求1-6任一项所述的基于互联网的女性生殖健康管理系统，其特征在于，包括AI训练模型，AI训练模型可以根据系统内部真实数据反馈不断通过AI训练完善模型，根据用户个体数据调整参数阈值。
8.根据权利要求1-6任一项所述的基于互联网的女性生殖健康管理系统，其特征在于，所述用户数据可以反复录入，并以时间轴形式存储，并根据新录入的信息即时调整分类标记。
9.一种女性生殖健康管理方法，其特征在于，采用如权利要求1-8任一项所述的基于互联网的女性生殖健康管理系统，包括如下步骤：
S1:采集用户数据；
S2:对用户数据进行特征抽取；
S3:根据抽取的特征信息对用户进行分类标记；
S4:根据用户的分类标记，给出相应的生殖健康管理建议。
10.根据权利要求9所述的女性生殖健康管理方法，其特征在于，对用户数据进行特征抽取之前，还包括如下步骤：
对采集的用户数据进行信息结构化。
CN202110957142.7A 2021-08-19 2021-08-19 一种基于互联网的女性生殖健康管理系统和方法 Pending CN113764103A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110957142.7A CN113764103A (zh) 2021-08-19 2021-08-19 一种基于互联网的女性生殖健康管理系统和方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110957142.7A CN113764103A (zh) 2021-08-19 2021-08-19 一种基于互联网的女性生殖健康管理系统和方法

Publications (1)

Publication Number Publication Date
CN113764103A true CN113764103A (zh) 2021-12-07

Family

ID=78790601

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110957142.7A Pending CN113764103A (zh) 2021-08-19 2021-08-19 一种基于互联网的女性生殖健康管理系统和方法

Country Status (1)

Country Link
CN (1) CN113764103A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115223675A (zh) * 2022-09-20 2022-10-21 深圳市健怡康医疗器械科技有限公司 基于汇总式分级的肺功能检测数据处理系统
CN116759059A (zh) * 2023-08-15 2023-09-15 广州盛安医学检验有限公司 一种基于互联网女性生殖监控智能管理系统
CN117894476A (zh) * 2024-03-12 2024-04-16 西南医科大学附属医院 一种基于云数据的生殖健康管理系统

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20020076376A (ko) * 2001-03-28 2002-10-11 박현철 인터넷을 이용한 임신관련 토탈서비스 방법
WO2016197451A1 (zh) * 2015-06-06 2016-12-15 深圳市华科安测信息技术有限公司 基于互联网的健康管理方法、数据终端和服务器
US20170319184A1 (en) * 2015-01-28 2017-11-09 Nomura Research Institute, Ltd. Health care system
CN108766569A (zh) * 2018-05-07 2018-11-06 苏州超云生命智能产业研究院有限公司 健康数据处理方法及健康数据处理系统
CN111471753A (zh) * 2020-04-22 2020-07-31 优生贝(北京)生物技术有限公司 一种基于风险评估模型的女性生育遗传风险基因检测方法
EP3758026A1 (en) * 2019-06-28 2020-12-30 Hill-Rom Services, Inc. Patient risk assessment based on data from multiple sources in a healthcare facility
CN112927794A (zh) * 2021-02-23 2021-06-08 成都市妇女儿童中心医院 基于互联网+技术的孕妇风险评估系统及方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20020076376A (ko) * 2001-03-28 2002-10-11 박현철 인터넷을 이용한 임신관련 토탈서비스 방법
US20170319184A1 (en) * 2015-01-28 2017-11-09 Nomura Research Institute, Ltd. Health care system
WO2016197451A1 (zh) * 2015-06-06 2016-12-15 深圳市华科安测信息技术有限公司 基于互联网的健康管理方法、数据终端和服务器
CN108766569A (zh) * 2018-05-07 2018-11-06 苏州超云生命智能产业研究院有限公司 健康数据处理方法及健康数据处理系统
EP3758026A1 (en) * 2019-06-28 2020-12-30 Hill-Rom Services, Inc. Patient risk assessment based on data from multiple sources in a healthcare facility
CN111471753A (zh) * 2020-04-22 2020-07-31 优生贝(北京)生物技术有限公司 一种基于风险评估模型的女性生育遗传风险基因检测方法
CN112927794A (zh) * 2021-02-23 2021-06-08 成都市妇女儿童中心医院 基于互联网+技术的孕妇风险评估系统及方法

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115223675A (zh) * 2022-09-20 2022-10-21 深圳市健怡康医疗器械科技有限公司 基于汇总式分级的肺功能检测数据处理系统
CN116759059A (zh) * 2023-08-15 2023-09-15 广州盛安医学检验有限公司 一种基于互联网女性生殖监控智能管理系统
CN116759059B (zh) * 2023-08-15 2023-12-01 广州盛安医学检验有限公司 一种基于互联网女性生殖监控智能管理系统
CN117894476A (zh) * 2024-03-12 2024-04-16 西南医科大学附属医院 一种基于云数据的生殖健康管理系统
CN117894476B (zh) * 2024-03-12 2024-05-14 西南医科大学附属医院 一种基于云数据的生殖健康管理系统

Similar Documents

Publication Publication Date Title
CN113764103A (zh) 一种基于互联网的女性生殖健康管理系统和方法
Cheng et al. ECG signal classification based on deep CNN and BiLSTM
CN108597609A (zh) 一种基于lstm网络的医养结合健康监测方法
CN112641451B (zh) 基于单通道脑电信号多尺度残差网络睡眠分期方法及系统
DE112014000897T5 (de) Lernende Gesundheitssysteme und -verfahren
Angelova et al. Automated method for detecting acute insomnia using multi-night actigraphy data
CN111540471A (zh) 一种基于用户健康数据的健康状态跟踪及预警方法和系统
CN112992370A (zh) 一种无监督的基于电子病历的医疗行为合规性评估方法
CN111248859A (zh) 基于卷积神经网络的睡眠呼吸暂停自动检测方法
CN110415821A (zh) 一种基于人体生理数据的健康知识推荐系统及其运行方法
CN110706822B (zh) 基于逻辑回归模型和决策树模型的健康管理方法
CN111568445A (zh) 一种基于谵妄动态预测模型的谵妄风险监测方法及系统
CN117334340A (zh) 基于睡眠阶段特征的发作性睡病预测模型构建方法
Sharanyaa et al. Hybrid machine learning techniques for heart disease prediction
Gulati et al. Classification of migraine disease using supervised machine learning
Liu et al. The application of the machine learning method in electromyographic data
CN110473631B (zh) 基于真实世界研究的智能睡眠监测方法和系统
Blessie et al. Novel approach for psychiatric patient detection and prediction using data mining techniques
Singh et al. Design and implementation of a machine learning-based technique to detect unipolar and bipolar depression using motor activity data
Gupta et al. Leveraging unsupervised machine learning to discover patterns in linguistic health summaries for eldercare
Yang et al. A Lightweight Model for Physiological Signals-based Sleep Staging with Multi-Class CAM for Model Explainability
Sudarmaa et al. Detecting excessive daytime sleepiness with CNN and commercial grade EEG
Soltanzadeh et al. A hybrid fuzzy clustering approach for fertile and unfertile analysis
Pugazharasi et al. Machine learning algorithms for predicting depression, anxiety and stress in modern life
CN111738335A (zh) 一种基于神经网络的时间序列数据异常检测方法

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20211207