[go: up one dir, main page]

CN113870996A - 一种足部疾病健康分析方法 - Google Patents

一种足部疾病健康分析方法 Download PDF

Info

Publication number
CN113870996A
CN113870996A CN202110987238.8A CN202110987238A CN113870996A CN 113870996 A CN113870996 A CN 113870996A CN 202110987238 A CN202110987238 A CN 202110987238A CN 113870996 A CN113870996 A CN 113870996A
Authority
CN
China
Prior art keywords
foot
disease
data
health
prediction model
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
CN202110987238.8A
Other languages
English (en)
Inventor
刘永红
陈清霞
吴凡
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.)
Institute Of Industrial Design And Machine Intelligence Innovation Quanzhou Hunan University
Original Assignee
Institute Of Industrial Design And Machine Intelligence Innovation Quanzhou Hunan University
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 Institute Of Industrial Design And Machine Intelligence Innovation Quanzhou Hunan University filed Critical Institute Of Industrial Design And Machine Intelligence Innovation Quanzhou Hunan University
Priority to CN202110987238.8A priority Critical patent/CN113870996A/zh
Publication of CN113870996A publication Critical patent/CN113870996A/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
    • G16H50/20—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
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/25—Fusion techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G06F40/279—Recognition of textual entities
    • G06F40/289—Phrasal analysis, e.g. finite state techniques or chunking
    • 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
    • G16H15/00—ICT specially adapted for medical reports, e.g. generation or transmission thereof
    • 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
    • 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
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20081—Training; Learning
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20084—Artificial neural networks [ANN]
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Medical Informatics (AREA)
  • Theoretical Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • General Physics & Mathematics (AREA)
  • Primary Health Care (AREA)
  • Epidemiology (AREA)
  • Physics & Mathematics (AREA)
  • Biomedical Technology (AREA)
  • Artificial Intelligence (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Evolutionary Biology (AREA)
  • Pathology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Computation (AREA)
  • Databases & Information Systems (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Computational Linguistics (AREA)
  • Quality & Reliability (AREA)
  • Medical Treatment And Welfare Office Work (AREA)

Abstract

本发明提供一种足部疾病健康分析方法,包括如下步骤:A、采集足部压力数据、足部图像数据以及足部管理状况自查数据；B、将病历数据按照疾病类型进行分类；C、针对每一类疾病类型，获取该疾病类型所具有的文字关键特征；D、针对每一类疾病类型，得到该疾病类型所具有的图像关键特征；E、对各文件关键特征和各图像关键特征进行加权融合，得到足部疾病预测模型；F、得到整体预测模型；G、选择风险位于前n位的疾病类型作为整体预测模型输出结果；H、给出健康报告；I、建立个人足部数据库。本发明将足部数据与医院数据库相结合，实现对大众足部健康的分析，提供定制鞋垫服务，并建立个人足部数据库。

Description

一种足部疾病健康分析方法
技术领域
本发明涉及一种足部疾病健康分析方法。
背景技术
足部健康问题由于发病缓慢、隐秘，很少引起人们的重视，针对用户足部健康的分析也很少，一般情况下，对于足部疾病，均是感觉到不适去医院后，医生通过望诊、运动检查、触诊、特殊检查等手段才能确定是否患病以及患病类型，但此时病情或许已经不轻，因此，如果能够做到早预防、早发现、早治疗，既可以减轻患者的不适，又能缩短治愈过程。
现有技术中，利用压力传感技术采集足部数据，并由医疗人员或者技术人员利用自己的经验对足部数据进行分析，从而判断足部疾病，并依据其判断进行治疗，但此过程过于依赖医疗人员或者技术人员的经验，使得最终结果受其专业水平限制，且无法满足不想去医院却又想了解自己足部健康人群的需求。
发明内容
本发明提出一种足部疾病健康分析方法，将足部数据与医院数据库相结合，实现对大众足部健康的分析，提供定制鞋垫服务，并建立个人足部数据库。
本发明通过以下技术方案实现：
一种足部疾病健康分析方法,包括如下步骤:
A、采集用户的足部压力数据、足部图像数据以及足部管理状况自查数据，并根据足部图像数据得到足部基础数据；
B、从医院数据库调取大量与足部疾病相关的病历数据，将病历数据按照疾病类型进行分类，其中，病历数据包括诊断结果、文字信息和图像信息；
C、针对每一类疾病类型所对应的病历数据，通过这些病历数据的文字信息获取该疾病类型所具有的文字关键特征；
D、针对每一类疾病类型所对应的病历数据，对这些病历数据的图像信息采用CNN卷积神经网络学习处理，以得到该疾病类型所具有的图像关键特征；
E、对各文件关键特征和各图像关键特征进行加权融合，将融合后的结果与诊断结果进行比对，若两者相似率大于设定值，则确定当下加权系数为各文字关键特征和各图像关键特征的权重，得到足部疾病预测模型，否则，修改加权系数再次进行融合；
F、将各疾病类型所对应的足部疾病预测模型组合为整体预测模型；
G、根据所采集的足部压力数据得到足底压力云图，将该足底压力云图和足部图像数据作为图像信息、将足部管理状况自查数据作为文字信息输入整体预测模型，整体预测模型内的各足部疾病预测模型将计算各类疾病类型的患病风险，选择风险位于前n位的疾病类型作为整体预测模型输出结果；
H、根据整体预测模型输出结果以及足部基础数据，给出健康报告，在健康报告中推荐合适的鞋垫，并根据用户的选择定制对应的鞋垫；
I、建立个人足部数据库，用以存储足部压力数据、足部图像数据以及足部管理状况自查数据、预测模型输出结果、用户反馈的鞋垫使用体验以及对于足部疾病的咨询，以供其后续进行鞋垫定制时再次进行分析。
进一步的，所述步骤C中，所述文字信息包括医学特征描述，对该医学特征描述采用分词处理，并采用统计学工具计算所有病例数据经分词处理后所得到的各语句的出现频率，将出现频率位于前n位的语句作为该疾病类型的文字关键特征。
进一步的，所述步骤D中，采用CNN卷积神经网络学习过程中，识别出图像信息中的特征后，需与所述病例信息中的影响特征描述相比较，若差别大于设定值，则需重新进行识别并比较，直至差别小于设定值，识别出各特征后，统计各特征的出现频率，将出现频率位于前m位的特征作为该疾病类型的图像关键特征。
进一步的，将各文字关键特征的出现频率作为该文字关键特征对应于该疾病类型的概率，将各图像关键特征的出现概率作为该图像关键特征对应于该疾病类型的概率。
进一步的，所述步骤E中，将乘以加权系数的各文字关键特征的概率和乘以加权系数的各图像关键特征相加，即是对各文件关键特征和各图像关键特征进行加权融合。
进一步的，所述足部压力数据足部数据采集仪得到。
进一步的，所述足部管理状况自查数据通过问卷得到。
进一步的，所述足部管理状况自查数据包括用户个人基本信息，所述步骤J中，根据个人基本信息设置所述个人足部数据库。
进一步的，所述步骤A中，通过设置在足部数据采集仪上的深度相机采集多组足部图像数据，并根据该多组足部图像数据得到足部三维模型。
进一步的，所述步骤G中，n的取值范围为2-5。
本发明具有如下有益效果：
1、本发明对从医院数据库中调取的大量与足部疾病相关的病历数据按照疾病类型进行分类，针对每一类疾病类型所对应的病历数据，分别获取该疾病类型所具有的所有文字关键特征和图像关键特征，并对各文件关键特征和各图像关键特征进行加权融合，以得到足部疾病预测模型，再将各疾病类型所对应的足部疾病预测模型整合为整体预测模型，有了该整体预测模型后，用户需要进行足部健康分析时，采集的用户足部压力数据、足部图像数据以及足部管理状况自查数据，并根据足部压力数据得到足底压力云图，将该足底压力云图和足部图像数据作为图像信息、将足部管理状况自查数据作为文字信息输入整体预测模型，整体预测模型将给出若干疾病类型的风险值作为输出结果，再根据该输出结果和足部基础数据给出健康报告，在健康报告中推荐合适的鞋垫，并根据用户的选择定制对应的鞋垫，最后建立个人足部数据库，用以存储足部压力数据、足部图像数据以及足部管理状况自查数据、预测模型输出结果、用户反馈的鞋垫使用体验以及对于足部疾病的咨询，以供其后续进行鞋垫定制时再次进行分析，从而实现对大众足部健康的分析，因分析过程中结合了医院数据库，且整个分析过程均由计算机器完成，不依赖于个人经验，因此分析结果准确度高，满足了不想去医院却又想了解自己足部健康人群的需求。
附图说明
下面结合附图对本发明做进一步详细说明。
图1为本发明的流程图。
具体实施方式
足部疾病健康分析方法包括如下步骤:
A、通过足部数据采集仪采集用户的足部压力数据、通过设置在足部数据采集仪上的深度相机采集多组足部图像数据以及通过问卷得到足部管理状况自查数据，足部数据采集仪为现有技术，可将其安装在健身场所、足疗场所以及药店等场所，在采集过程中，足部数据采集仪可提示用户调整身体动作，以采集足够全面的数据；数据采集后，根据足部图像数据得到足部基础数据；问卷基于自我管理足部健康评估(S-FHAI)与昆士兰足病表(QFDF)设计，包括用户个人基本信息、足部皮肤状况、足部是否不适、足部不适描述；足部数据采集仪和深度相机均与计算机器(如计算机)连接，已向其反馈采集的数据，问卷则由人机交互屏幕显示，用户所填写的内容也将反馈至计算机器；数据反馈至计算机器的过程为现有技术；
B、计算机器从医院数据库调取大量与足部疾病相关的病历数据，将病历数据按照疾病类型进行分类，其中，病历数据包括诊断结果、文字信息和图像信息；
C、计算机器针对每一类疾病类型所对应的病历数据，通过这些病历数据的文字信息获取该疾病类型所具有的文字关键特征；其中，文字信息包括医学特征描述，对该医学特征描述采用分词处理，并采用统计学工具计算所有病例数据经分词处理后所得到的各语句的出现频率，将出现频率位于前n位的语句作为该疾病类型的文字关键特征，并将各文字关键特征的出现频率作为该文字关键特征对应于该疾病类型的概率，n的取值范围为2-5；其中，分词处理过程为现有技术；
D、计算机器针对每一类疾病类型所对应的病历数据，对这些病历数据的图像信息采用CNN卷积神经网络学习处理，以得到该疾病类型所具有的图像关键特征；其中，采用CNN卷积神经网络学习过程中，识别出图像信息中的特征后，需与所述病例信息中的影响特征描述相比较，若差别大于设定值，则需重新进行识别并比较，直至差别小于设定值，识别出各特征后，统计各特征的出现频率，将出现频率位于前m位的特征作为该疾病类型的图像关键特征，并将各图像关键特征的出现概率作为该图像关键特征对应于该疾病类型的概率，m的取值范围为2-5；其中，CNN卷积神经网络学习过程为现有技术；
E、对各文件关键特征和各图像关键特征进行加权融合，即将乘以加权系数的各文字关键特征的概率和乘以加权系数的各图像关键特征相加，将融合后的结果与诊断结果进行比对，若两者相似率大于设定值，则确定当下加权系数为各文字关键特征和各图像关键特征的权重，得到足部疾病预测模型，否则，修改加权系数再次进行融合；
F、将各疾病类型所对应的足部疾病预测模型组合为整体预测模型；
G、根据所采集的足部压力数据得到足底压力云图，将该足底压力云图和足部图像数据作为图像信息、将足部管理状况自查数据作为文字信息输入整体预测模型，整体预测模型内的各足部疾病预测模型将计算各类疾病类型的患病风险，选择风险位于前n位的疾病类型作为整体预测模型输出结果；
H、根据整体预测模型输出结果以及足部基础数据，给出健康报告，健康报告也在人机交互屏幕显示，在健康报告中推荐合适的鞋垫，并根据用户的选择定制对应的鞋垫；对于鞋垫的推荐，首先根据多组足部图像数据得到足部三维模型，以从现有的鞋垫数据库内找到与该足部三维模型匹配的鞋垫，用户选择对应的鞋垫后，将用户的选择以及整体预测模型输出的结果一并发送至智慧工厂进行鞋垫的加工，鞋垫的加工过程为现有技术；
I、根据用户个人基本信息在云端建立个人足部数据库，用以存储足部压力数据、足部图像数据以及足部管理状况自查数据、预测模型输出结果、用户反馈的鞋垫使用体验以及对于足部疾病的咨询，以供其后续进行鞋垫定制时再次进行分析。在云端建立数据库的过程为现有技术。
以上所述，仅为本发明的较佳实施例而已，故不能以此限定本发明实施的范围，即依本发明申请专利范围及说明书内容所作的等效变化与修饰，皆应仍属本发明专利涵盖的范围内。

Claims (10)

1.一种足部疾病健康分析方法,其特征在于:包括如下步骤:
A、采集用户的足部压力数据、足部图像数据以及足部管理状况自查数据，并根据足部图像数据得到足部基础数据；
B、从医院数据库调取大量与足部疾病相关的病历数据，将病历数据按照疾病类型进行分类，其中，病历数据包括诊断结果、文字信息和图像信息；
C、针对每一类疾病类型所对应的病历数据，通过这些病历数据的文字信息获取该疾病类型所具有的文字关键特征；
D、针对每一类疾病类型所对应的病历数据，对这些病历数据的图像信息采用CNN卷积神经网络学习处理，以得到该疾病类型所具有的图像关键特征；
E、对各文件关键特征和各图像关键特征进行加权融合，将融合后的结果与诊断结果进行比对，若两者相似率大于设定值，则确定当下加权系数为各文字关键特征和各图像关键特征的权重，得到足部疾病预测模型，否则，修改加权系数再次进行融合；
F、将各疾病类型所对应的足部疾病预测模型组合为整体预测模型；
G、根据所采集的足部压力数据得到足底压力云图，将该足底压力云图和足部图像数据作为图像信息、将足部管理状况自查数据作为文字信息输入整体预测模型，整体预测模型内的各足部疾病预测模型将计算各类疾病类型的患病风险，选择风险位于前n位的疾病类型作为整体预测模型输出结果；
H、根据整体预测模型输出结果以及足部基础数据，给出健康报告，在健康报告中推荐合适的鞋垫，并根据用户的选择定制对应的鞋垫；
I、建立个人足部数据库，用以存储足部压力数据、足部图像数据以及足部管理状况自查数据、预测模型输出结果、用户反馈的鞋垫使用体验以及对于足部疾病的咨询，以供其后续进行鞋垫定制时再次进行分析。
2.根据权利要求1所述的一种足部疾病健康分析方法,其特征在于:所述步骤C中，所述文字信息包括医学特征描述，对该医学特征描述采用分词处理，并采用统计学工具计算所有病例数据经分词处理后所得到的各语句的出现频率，将出现频率位于前n位的语句作为该疾病类型的文字关键特征。
3.根据权利要求2所述的一种足部疾病健康分析方法,其特征在于:所述步骤D中，采用CNN卷积神经网络学习过程中，识别出图像信息中的特征后，需与所述病例信息中的影响特征描述相比较，若差别大于设定值，则需重新进行识别并比较，直至差别小于设定值，识别出各特征后，统计各特征的出现频率，将出现频率位于前m位的特征作为该疾病类型的图像关键特征。
4.根据权利要求3所述的一种足部疾病健康分析方法,其特征在于:将各文字关键特征的出现频率作为该文字关键特征对应于该疾病类型的概率，将各图像关键特征的出现概率作为该图像关键特征对应于该疾病类型的概率。
5.根据权利要求4所述的一种足部疾病健康分析方法,其特征在于:所述步骤E中，将乘以加权系数的各文字关键特征的概率和乘以加权系数的各图像关键特征相加，即是对各文件关键特征和各图像关键特征进行加权融合。
6.根据权利要求1至5任一所述的一种足部疾病健康分析方法,其特征在于:所述足部压力数据足部数据采集仪得到。
7.根据权利要求1至5任一所述的一种足部疾病健康分析方法,其特征在于:所述足部管理状况自查数据通过问卷得到。
8.根据权利要求1至5任一所述的一种足部疾病健康分析方法,其特征在于:所述足部管理状况自查数据包括用户个人基本信息，所述步骤J中，根据个人基本信息设置所述个人足部数据库。
9.根据权利要求6任一所述的一种足部疾病健康分析方法,其特征在于:所述步骤A中，通过设置在足部数据采集仪上的深度相机采集多组足部图像数据，并根据该多组足部图像数据得到足部三维模型。
10.根据权利要求3至5任一所述的一种足部疾病健康分析方法,其特征在于:所述步骤G中，n的取值范围为2-5。
CN202110987238.8A 2021-08-26 2021-08-26 一种足部疾病健康分析方法 Pending CN113870996A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110987238.8A CN113870996A (zh) 2021-08-26 2021-08-26 一种足部疾病健康分析方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110987238.8A CN113870996A (zh) 2021-08-26 2021-08-26 一种足部疾病健康分析方法

Publications (1)

Publication Number Publication Date
CN113870996A true CN113870996A (zh) 2021-12-31

Family

ID=78988553

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110987238.8A Pending CN113870996A (zh) 2021-08-26 2021-08-26 一种足部疾病健康分析方法

Country Status (1)

Country Link
CN (1) CN113870996A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115762698A (zh) * 2022-12-01 2023-03-07 武汉博科国泰信息技术有限公司 一种医疗慢病检查报告数据提取方法及系统

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115762698A (zh) * 2022-12-01 2023-03-07 武汉博科国泰信息技术有限公司 一种医疗慢病检查报告数据提取方法及系统
CN115762698B (zh) * 2022-12-01 2024-02-13 武汉博科国泰信息技术有限公司 一种医疗慢病检查报告数据提取方法及系统

Similar Documents

Publication Publication Date Title
WO2022267678A1 (zh) 视频问诊方法、装置、设备及存储介质
US7805385B2 (en) Prognosis modeling from literature and other sources
US7617078B2 (en) Patient data mining
CN1977283B (zh) 用于医疗诊断的智能定性和定量分析的系统
CN105260588A (zh) 一种健康守护机器人系统及其数据处理方法
CN115579104B (zh) 一种基于人工智能的肝癌全病程数字化管理方法及系统
KR20180002234A (ko) 치매 조기 진단을 위한 스마트 검사장치 및 그 방법
KR102342770B1 (ko) 질병 예측치의 분포를 이용한 건강관리 상담 시스템
CN113345587B (zh) 基于慢病大数据的人机协同健康案例匹配方法及系统
CN113707253A (zh) 医疗方案推荐方法、装置、设备及介质
CN114416967A (zh) 智能推荐医生的方法、装置、设备及存储介质
CN112420141A (zh) 一种中医健康评估系统及其应用
CN116189866A (zh) 一种基于数据分析的远程医用护理分析系统
CN105096227A (zh) 一种健康数据的可视化处理方法
CN115268531B (zh) 一种智能浴缸的水流调温控制方法、装置、设备及存储介质
JP7238705B2 (ja) 診療支援方法、診療支援システム、学習モデルの生成方法、および、診療支援プログラム
CN113870996A (zh) 一种足部疾病健康分析方法
CN110176283A (zh) 时空大数据关联的慢病管理方法、存储介质和终端
Dhanalakshmi et al. Convolutional Neural Network Model based Deep Learning Approach for Osteoporosis Fracture Detection
CN114694852A (zh) 一种慢性疾病分析方法及系统
CN118213083A (zh) 一种导诊画像生成方法、系统、电子设备及存储介质
CN118507042A (zh) 基于多源异构数据的脊柱侧弯风险预警识别方法及系统
KR20180002229A (ko) 치매 정보 데이터베이스 구축을 위한 에이전트 장치 및 그 운영방법
CN110164520A (zh) 时空大数据关联的慢病管理装置
CN115662557A (zh) 一种疼痛数据可视化方法、装置、存储介质及终端

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