基于AI的睡眠中心临床决策支持系统技术方案

本发明专利技术公开了基于AI的睡眠中心临床决策支持系统。本发明专利技术中，在互联网医学模式下，大大缩短了失眠用户首诊评估时间，减少诊间就诊时间，提高了医生的就诊效率，为失眠用户带来了更多的便利性。诊间接诊时，医生针对失眠用户已评估的情况，有针对性地行精神检查，补充必要的辅助检查，如此不仅大量节约门诊时间，同时也减少临床诊断的偏倚，进而给出准确的诊断和基于评估的优化决策，提高了治疗决策的科学性和快速性，为医生减轻劳动负担，提高了失眠用户的就医效率，同时本模式同样完成了首诊评估，但互联网医学模式下大大缩短了失眠用户首诊评估时间，减少诊间就诊时间，提高了医生的就诊效率，为失眠用户带来了更多的便利性。为失眠用户带来了更多的便利性。为失眠用户带来了更多的便利性。

【技术实现步骤摘要】
基于AI的睡眠中心临床决策支持系统


[0001]本专利技术属于睡眠医学
，具体为基于AI的睡眠中心临床决策支持系统。

技术介绍

[0002]睡眠医学是当今基础与临床医学中最具活力的研究邻域之一。作为一门新兴的学科，临床睡眠医学既有其相对独立的学科特点，同时又与传统的临床学科包括内科、神经科、心理与精神科、耳鼻咽喉头颈外科、口腔科以及儿科等学科专业存在诸多的知识交叉，因此睡眠医学领域格外重视疾病分类工作。失眠是现代人面临的一大问题。随着生活节奏的加快，竞争意识的提高，来自工作、家庭等方方面面的压力越来越大，失眠的人群也逐年增加。根据ICD
‑
10睡眠障碍国际分类，睡眠障碍主要分为失眠，睡眠相关呼吸障碍，中枢嗜睡性疾病，睡眠
‑
清醒昼夜节律障碍，异态睡眠，睡眠相关性运动障碍，神经系统疾病相关性睡眠障碍，精神疾病相关的睡眠障碍，其他系统疾病相关睡眠障碍等。一项系统性回顾报告中显示在普通成年人中，失眠症状的年发病率为35～50％，失眠障碍的发病率为12～20％。在2018年亚马逊中国发起的第三次“全国睡眠状况调查”，并根据调查结果发布全国睡眠地图显示，福建省排名第六，46％的福建受访者表示每周熬夜6天及以上。采用相对严格的诊断标准，2015在福建省进行的随机抽样调查中，普通成人失眠的患病率为12.6％；且失眠往往呈慢性化发展，失眠的持续率具有年龄差异，儿童和青少年期失眠的持续率约为15％，而中年女性和男性则分别高达42.7％和28.2％。因此人们经常需要针对睡眠问题进行就医问诊。r/>[0003]但是目前的就医流程存在几个问题：对于每个失眠用户医生都需要重复类似问题，效率非常低，传统的模式中失眠用户离开医院后与医生基本没有联系，病人的依从性很低。

技术实现思路

[0004]本专利技术的目的在于：为了解决上述提出的问题，提供基于AI的睡眠中心临床决策支持系统。
[0005]本专利技术采用的技术方案如下：基于AI的睡眠中心临床决策支持系统，所述基于AI的睡眠中心临床决策支持系统包括：分布式数据系统、数据预处理系统、全文检索系统、分布式系统挖掘系统、前端系统、备份恢复系统，所述数据预处理系统的输出端连接有全文检索系统的输入端，所述全文检索系统的输出端连接有前端系统的输入端。
[0006]在一优选的实施方式中，所述分布式数据系统设置有睡眠障碍失眠用户数据智能收集平台。
[0007]在一优选的实施方式中，所述数据预处理系统设置有数据去重复、数据过滤模块、数据分类模块。
[0008]在一优选的实施方式中，所述数据去重复模块找到数据文件集合中重复的数据并将其删除，只保存唯一的数据单元，从而消除冗余数据；数据去重包括完全去重和不完全去
重；完全去重指的是消除完全重复的数据，完全重复的数据指的是数据表记录字段值完全一样的数据；不完全去重指的是在数据清洗中，所有字段值都相等的重复值是一定要剔除的。
[0009]在一优选的实施方式中，所述数据过滤模块的内部在处理之前需要进行数据清洗，把曝光和点击数大于1的日志，统一置为1，把曝光和点击数小于0的日志，统一置为0，对出现错误数据的日志进行过滤。
[0010]在一优选的实施方式中，所述数据分类模块根据特定的距离算法将待聚类的数据集分成K簇；通过对数据进行处理分析，运用K
‑
means算法等方法分析其规律，以此指导生产部门改进参数，降低能耗，所述数据分类模块利用了睡眠障碍失眠用户的人口学信息、对情绪图片库的生物反馈信息、自主神经的生理学特性信息作为输入特征，使用决策树算法用以对生物唤起讯号分类；对比了基于规则、基于决策树、基于人工神经网络的睡眠障碍失眠用户的健康数据的模式分类方法。
[0011]在一优选的实施方式中，所述全文检索系统的内部设置有数据库支持系统、索引支持系统和分布式系统挖掘系统，且数据库支持系统使用MYSQL高性能可扩展库存储技术；索引支持系统使用基于ElasticSearch技术的全文搜索技术，分布式系统挖掘系统使用基于Hadoop/HiveMapReduce大规模数据集并行计算技术。
[0012]在一优选的实施方式中，所述前端系统包括Tomcat、redis系统和图表系统。
[0013]在一优选的实施方式中，所述备份恢复系统设置有数据库系统，数据库系统为原生同步备份机制，数据库系统是自行开发的同步备份系统支持，数据库系统支持远程同步备份及恢复。
[0014]在一优选的实施方式中，所述分布式数据系统和数据预处理系的输入端设置有睡眠障碍失眠用户量表评估模块、基本资料收集模块和医生诊断医疗方案生成模块。
[0015]综上所述，由于采用了上述技术方案，本专利技术的有益效果是：
[0016]1、本专利技术中，在互联网医学模式下，首诊的睡眠障碍失眠用户利用候诊时间在睡眠平台完成PSQI、PHQ
‑
9、GAD
‑
7、PHQ
‑
15及ESS量表的评估
→
诊间就诊。相比传统医学模式下，失眠用户等候就诊
→
诊间医生初步问诊
→
开具相关检查
→
逐项排队检查
→
等待检查结果
→
诊间再次排队就诊，两种模式同样完成了首诊评估，但互联网医学模式下大大缩短了失眠用户首诊评估时间，减少诊间就诊时间，提高了医生的就诊效率，为失眠用户带来了更多的便利性。
[0017]2、本专利技术中，诊间接诊时，医生针对失眠用户已评估的情况，有针对性地行精神检查，补充必要的辅助检查，如此不仅大量节约门诊时间，同时也减少临床诊断的偏倚，进而给出准确的诊断和基于评估的优化治疗决策，提高了治疗决策的科学性和快速性，为医生减轻劳动负担，提高了失眠用户的就医效率。
附图说明
[0018]图1为本专利技术的系统框图；
[0019]图2为本专利技术的决策平台示意图。
具体实施方式
[0020]为了使本专利技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，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。
[0021]实施例：
[0022]参照图1～2，
[0023]基于AI的睡眠中心临床决策支持系统，基于AI的睡眠中心临床决策支持系统包括：分布式数据系统、数据预处理系统、全文检索系统、分布式系统挖掘系统、前端系统、备份恢复系统，数据预处理系统的输出端连接有全文检索系统的输入端，全文检索系统的输出端连接有前端系统的输入端。
[0024]分布式数据系统设置有睡眠障碍失眠用户数据智能收集平台。
[0025]数据智能收集平台中需要使用到如下的计算机方面的技术：
[0026]大数据：收集5000例以上用户数据(评估数据，临床诊断与治疗数据、药物数据、检查与检验的数据)；对数据进行清洗与格式化处理后打上标签
[0027]自然语言处本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于AI的睡眠中心临床决策支持系统，其特征在于：所述基于AI的睡眠中心临床决策支持系统包括：分布式数据系统、数据预处理系统、全文检索系统、分布式系统挖掘系统、前端系统、备份恢复系统，所述数据预处理系统的输出端连接有全文检索系统的输入端，所述全文检索系统的输出端连接有前端系统的输入端；所述分布式数据系统设置有睡眠障碍失眠用户数据智能收集平台；所述数据预处理系统设置有数据去重复、数据过滤模块、数据分类模块；所述数据去重复模块找到数据文件集合中重复的数据并将其删除，只保存唯一的数据单元；所述分布式系统挖掘系统将数据输入到精准判断模块的内壁，所述前端系统的输出端设置有精准判断模块，精准判断模块利用标准化量表及深度学习技术，以睡眠专科临床质量为核心的智能决策支持系统和DSM
‑
5}ICSD
‑
3知识体系为临床知识库，为临床诊疗提供符合循证医学证据的决策支持；所述基于AI的睡眠中心临床决策支持系统在进行各个模块数据传输时，使用了物联网模块：物联网模块通过与可穿戴设备对接将用户的一段时间内的睡眠趋势数据展示给医生，作为复诊时的参考依据。2.如权利要求1所述的基于AI的睡眠中心临床决策支持系统，其特征在于：所述数据去重复模块包括完全去重和不完全去重；完全去重指的是消除完全重复的数据，完全重复的数据指的是数据表记录字段值完全一样的数据；不完全去重指的是在数据清洗中，所有字段值都相等的重复值要剔除。3.如权利要求1所述的基于AI的睡眠中心临床决策支持系统，其特征在于：所述数据过滤模块的内部在处理之前需要进行数据清洗，把曝光和点击数大于1的日志，统一置为1，把曝光和点击数小于0的日志，...

【专利技术属性】
技术研发人员：毛洪京，
申请(专利权)人：杭州市第七人民医院，
类型：发明
国别省市：