基于人工智能的主动120系统技术方案

本发明专利技术公开了一种基于人工智能的主动120系统，该系统包括：用户健康数据采集模块，用于通过智能健康穿戴设备采集用户的日常健康数据，并关联用户的体检数据和诊疗过程中的医疗数据；人工智能辅助诊断模块，用于对用户数据进行异常数据的分析筛选；主动120对接模块，用于根据人工智能辅助诊断模块的诊断结果，进行120呼叫主动干预。本发明专利技术提供了一种人工智能辅助分析模型，将异常数据推送给医生再进行诊断或干预，不仅极大减轻了医生的工作量，同时也能快速地发现异常病人，及时预警，及时提示医疗干预。

Active 120 system based on Artificial Intelligence

【技术实现步骤摘要】
基于人工智能的主动120系统
本专利技术涉及医疗健康服务信息化技术，尤其涉及一种基于人工智能的主动120系统。
技术介绍
根据相关报告显示，我国心血管病患者达2.9亿，高血压、肿瘤、脑卒中、心血管等慢性疾病患病率与死亡率呈逐年上升趋势。其主要原因为患者早期对疾病知晓度和干预比例不高，且大部分医疗机构还停留在疾病诊疗的被动服务模式。如何缩短患者症状发作到接受有效医疗救治的时间，对降低心梗患者死亡率具有重要意义。基于人工智能技术与可穿戴设备结合，利用物联网、移动互联网、大数据等信息化技术，研究开发心血管疾病主动120健康监控系统，提高慢病患者依从性和慢病控制率，缩短慢病患者从症状发作到医疗救治实施的时间，改变被动医疗服务模式，实现“未病先防、慢病准治、重病早治、急病快治”的新型医疗健康服务模式具有重要意义。
技术实现思路
本专利技术要解决的技术问题在于针对现有技术中的缺陷，提供一种基于人工智能的主动120系统。本专利技术解决其技术问题所采用的技术方案是：一种基于人工智能的主动120系统，包括：用户健康数据采集模块，用于通过智能健康穿戴设备采集用户的日常健康数据，并关联用户的体检数据和诊疗过程中的医疗数据；并将上述用户数据上传至云端；人工智能辅助诊断模块，用于对用户数据进行异常数据的分析筛选，所述分析筛选采用心电人工智能分析模型；主动120对接模块，用于根据人工智能辅助诊断模块的诊断结果，进行120呼叫主动干预，具体如下：若诊断结果评估为正常，将诊断结果发送给用户；若诊断结果评估为轻度异常，将诊断结果发送给用户和医生，根据医生二次确认判读的结果确定是否触发120呼叫中心；若诊断结果评估为危急重症，将诊断结果发送给用户，并触发120呼叫中心。按上述方案，所述用户健康数据采集模块中智能健康穿戴设备包括单导联或十二导联心电穿戴设备。按上述方案，所述心电人工智能分析模型的建立方法如下：1)建立数据集，所述数据集为海量的心电信号数据的原始值；2)数据处理：对采集的数据进行数据预处理，所述数据预处理包括：数据脱敏、数据清洗、降噪、标准化和归一化；3)使用医学数据标注工具对异常生理信号数据进行标签标注，所述标注类型为临床诊断统计的18个分类；4)将数据分为训练集和验证集，基于训练集进行深度神经网络模型的训练，神经网络模型为用于生理电信号分析的卷积神经网络模型，对于单导联心电数据采用四分类的方法，对于十二导联心电数据采用二分类的方法，并在18种心血管疾病分类的基础上对模型进行迁移学习；按上述方案，所述步骤2)中数据预处理具体如下：数据脱敏：从数据集中去掉病人相关的敏感信息；数据清洗：根据医生的诊断信息，判断采集到的数据是否是正常采集数据，去除掉异常采集的数据；降噪：通过带通滤波过滤掉对训练结果造成干扰的信息；标准化：将数据按照规定标准进行转换，按照统一格式进行存储；归一化：将数据的值限制在一定范围并满足指定的分布条件，用于加速模型的训练，提高模型精度。按上述方案，所述步骤2)中数据预处理还包括数据切片，所述数据切片，包括根据数据的类型按时间对数据直接进行划分或根据数据的临床意义对数据进行划分。本专利技术产生的有益效果是：1、面对采集的大量心电监测数据，无法逐一进行诊断，本专利技术提供了一种人工智能辅助分析模型，将异常数据推送给医生再进行诊断或干预，不仅极大减轻了医生的工作量，同时也能快速地发现异常病人，及时预警，及时提示医疗干预；2、通过人工智能辅助与主动120的结合，对于患者异常健康数据，医生能够及时知晓，并给予科学准确的诊断，对于危急重诊患者，能够及时的触发120呼叫中心，同时患者的基础数据信息和医生的诊断情况也为院前急救提供依据，从而建立患者+医院+急救120联动的全流程闭环应用服务，实现从被动救援到主动干预的医疗服务模式的转变。附图说明下面将结合附图及实施例对本专利技术作进一步说明，附图中：图1是本专利技术实施例的结构示意图。具体实施方式为了使本专利技术的目的、技术方案及优点更加清楚明白，以下结合实施例，对本专利技术进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本专利技术，并不用于限定本专利技术。如图1所示，一种基于人工智能的心血管疾病主动120系统，包括：用户健康数据采集模块，用于通过智能健康穿戴设备采集用户的日常健康数据，并关联用户的体检数据和诊疗过程中的医疗数据；并将上述用户数据上传至云端；数据采集主要通过智能穿戴设备和医疗级采集设备完成对大众用户日常心电数据、体检数据、门诊、住院等诊疗过程的医疗数据的采集，按照要求采集到有效数据后，患者结束采集，数据自动上传至云端。人工智能辅助诊断模块，用于对用户数据进行异常数据的分析筛选，所述分析筛选采用心电人工智能分析模型；对上传至云端的有效数据，通过人工智能辅助诊断模块进行异常数据的分析筛选，并且对异常数据进行预警并及时推送至用户的手机APP中和管理后台，医生通过管理后台进行二次确认判读，人工智能的预判读，不仅极大减轻了医生的工作量，同时也能快速地发现异常病人，及时预警，及时提示医疗干预。有效数据经过人工智能辅助诊断系统进行预判，判读后患者可通过手机APP的监测记录查看评估结果。若AI评估结果异常的，患者可申请医生诊断，该条监测记录传输至管理后台，医生根据监测数据信息进行二次判读；AI预判结果为高危异常的，AI智能呼叫自动连线管理医生，触发120呼叫中心。人工智能辅助决策相关模型采用心电人工智能分析模型，该模型配合百万量级的标注数据库，对生命信号进行深度神经网络的建模，实现较高准确率的相关疾病自动化辅助诊断，同时配合临床相关疾病的诊疗规范。具体如下：1)数据采集：收集海量医学数据，采集生理信号原始值。生理信号包括单导联心电数据和十二导联心电数据等相关临床医学数据；目前数据来源是基于三甲医院心功能室累积的经过清洗的临床医学数据。2)数据处理：对采集的数据进行预处理操作，其中包括：脱敏：从采集到的数据中去掉病人相关的敏感信息。清洗：根据医生的诊断信息，判断采集到的数据是否是正常采集的(可能有设备脱落，受到干扰等情况)，去除掉异常采集的数据。降噪：通过带通滤波过滤掉可能会对训练结果造成干扰的信息。归一化：归一化是一个统计的概念，和降噪一样，是数据预处理的一部分，通过归一化，将数据的值限制在一定范围并满足某些指定的分布条件，可以加速模型的训练，提高模型精度。通过以上一系列的处理，使数据符合深度神经网络建模的需求。由于深度神经网络模型需要固定长度的输入数据，因此我们将数据切片，包括按时间对数据直接进行划分和根据数据的临床意义对数据进行的划分，比如，心电数据也会按照心动周期来进行划分，后续训练可以根据对应疾病的特征和数据源的特征，选择两种尺度之一进行模型训练本文档来自技高网...

【技术保护点】
1.一种基于人工智能的主动120系统，其特征在于，包括：/n用户生命体征健康数据采集模块，用于通过智能健康穿戴设备采集用户的日常健康数据，并关联用户的体检数据和诊疗过程中的医疗数据；并将上述用户数据上传至云端；/n人工智能辅助诊断模块，用于对用户健康数据进行分析筛选，所述分析筛选采用人工智能分析模型；/n主动120对接模块，用于根据人工智能辅助诊断模块的诊断结果，进行120呼叫主动干预，具体如下：/n若诊断结果评估为正常，将诊断结果发送给用户；/n若诊断结果评估为轻度异常，将诊断结果发送给用户和医生，根据医生二次确认判读的结果确定是否触发120呼叫中心；/n若诊断结果评估为危急重症，将诊断结果发送给用户，并触发120呼叫中心。/n

【技术特征摘要】
1.一种基于人工智能的主动120系统，其特征在于，包括：
用户生命体征健康数据采集模块，用于通过智能健康穿戴设备采集用户的日常健康数据，并关联用户的体检数据和诊疗过程中的医疗数据；并将上述用户数据上传至云端；
人工智能辅助诊断模块，用于对用户健康数据进行分析筛选，所述分析筛选采用人工智能分析模型；
主动120对接模块，用于根据人工智能辅助诊断模块的诊断结果，进行120呼叫主动干预，具体如下：
若诊断结果评估为正常，将诊断结果发送给用户；
若诊断结果评估为轻度异常，将诊断结果发送给用户和医生，根据医生二次确认判读的结果确定是否触发120呼叫中心；
若诊断结果评估为危急重症，将诊断结果发送给用户，并触发120呼叫中心。


2.根据权利要求1所述的基于人工智能的主动120系统，其特征在于，所述用户心血管健康数据采集模块中智能健康穿戴设备包括单导联心电穿戴设备、多导联心电穿戴设备。


3.根据权利要求1所述的基于人工智能的心血管疾病主动120系统，其特征在于，所述人工智能辅助诊断模块的建立方法如下：
1)构建数据集，所述数据集为海量的单导联或十二导联心电数据；
2)数据处理：对采集的数据进行数据预处理，所述数据预处理过程包括：数据脱敏、数据清洗、降噪、标准化和归一化；
3)标注数据：使用医学数据标注工具对异常生理信号数据进行标签标注，所述标注类型为临床诊断统计的18个分类；
4)模型构建：将数据分为训练集和验证集，基于训练集进行深度神经网络模型的训练，深度神经网络模型为用于心电信号分析的卷积神经网络模型，对于单导联心电数据采用四分类的方法，主要诊断房颤，对于十二导联心电数据采用十八分类的方法，主要诊断临床统计的正常和其他17种心血管疾病。


4.根据权利要求1所述的基于人工智能的主动120系统，其特征在于，所述步骤2)中数据处理具体如下：
数据脱敏：从数据集中去掉病人相关的敏感信息；
数据清洗：根据医生的诊断信息，判断采集到的数据是否是正常采集数据，去除掉异常采集的数据；
降噪：通过带通滤波过滤掉对训练结果造成干扰的信息；
标准化：将数据按照规定标准进行转换，按照统一格式进行存储；
归一化：将数据的值限制在一定范围并满足指定的分布条件，用于加速模型的训练，提高模型精度。


5.根据权利要求4所述的基于人工智能的主动120系统，其特征在于，所述步骤2)中数据处理还包括数据切片，所述数据切片，包括根据数据的类型按时间对数据直接进行划分或根据数据的临床意义对数据进行划分。


6.根据权利要求3所...

【专利技术属性】
技术研发人员：万军，孙璇，刘娟，贺华，王莹颖，柯凯，
申请(专利权)人：武汉大学，
类型：发明
国别省市：湖北;42