【技术实现步骤摘要】
本专利技术涉及远程医疗，更具体地说，本专利技术涉及基于云计算的多维度远程听诊与诊断智能系统。
技术介绍
1、现有技术中，例如申请公开号为cn112530574a的专利公开了一种基于云计算的医疗物联网远程服务系统，包括显示屏、听诊器、可动摄像头和麦克风，通过云计算进行病患与医生的匹配，当医生需要具体观察患者病情时，将活动臂调整至合适的角度，从储藏筒内拉出所述听筒，听筒接收到的跳动频率变为电信号，再通过网络传递至医生一端的音频接口，可对患者进行听诊，通过听诊与所述镜头观察，实现云计算，及时将医疗资源转移，救助更多患者；再例如申请公开号为cn112309561a的专利公开了标准远程诊断系统，包括柔性灯光系统、听诊马甲、叩诊锤、小型超声探头和云计算系统构成，能够将病人与上级医院进行面对面的实时的远程诊断，能够极大的保证诊断结果的及时性、标准性和准确性，有利于数据留存、比对和标准化解读，为医院大数据提供支撑；
2、但上述技术仅考虑听诊和镜头观察，无法提供全面的患者医疗数据；并且需要医生对患者进行实时远程诊断，由于医生时间有限，因此无法高效的处理大量远程诊断请求；系统仅用于数据存储和传输，无法对数据进行处理，从而无法起到辅助诊断的作用，诊断结果仅依赖于医生的医疗经验，容易受主观因素影响，存在误诊和漏诊的风险；
3、鉴于此，本专利技术提出基于云计算的多维度远程听诊与诊断智能系统以解决上述问题。
技术实现思路
1、为了克服现有技术的上述缺陷，为实现上述目的，本专利技术提供如
2、连接模块，将患者端与医生端通过云平台进行连接；
3、数据采集模块，患者端采集m组历史患者医疗数据并发送至云平台；历史患者医疗数据包括听诊数字信号、患者病状图像、患者声音和电子病历；
4、数据处理模块，云平台对听诊数字信号和患者声音进行处理，获取训练数据；
5、病状采集模块，患者端采集训练数据对应的第一病状数据、患者病状图像对应的第二病状数据和电子病历对应的第一疾病数据，并发送至云平台；
6、第一模型训练模块，云平台基于训练数据，训练出预测第一病状数据的辅助分析模型；
7、第二模型训练模块，云平台基于患者病状图像，训练出识别第二病状数据的辅助识别模型；
8、第三模型训练模块，云平台基于电子病历，训练出提取第一疾病数据的病史提取模型；
9、数据分析模块，患者端将实时采集的患者医疗数据发送至平台端，平台端将实时患者医疗数据分别输入辅助分析模型、辅助识别模型和病史提取模型，获取对应的第一病状数据、第二病状数据和第一疾病数据，判断是否生成分析指令和相似指令。
10、进一步地，所述听诊数字信号包括心音信号、呼吸音信号以及肠鸣音信号。
11、进一步地，所述训练数据包括听诊数字信号特征参数和患者声音特征参数；所述患者声音特征参数包括音量、音调和语速。
12、进一步地，所述对听诊数字信号进行处理的方法包括：
13、s101：对采集到的听诊数字信号进行预处理，预处理包括滤波和去噪；
14、s102：采用快速傅里叶变换对预处理后的听诊数字信号进行时频分析，分析听诊数字信号在时间和频率上的变化；
15、快速傅里叶变换为，其中表示频域上第个频率分量，表示时域上第个听诊数字信号，表示听诊数字信号的总数，为自然对数常数，为虚数单位，为圆周率，；
16、s103：从时频分析的结果中提取听诊数字信号特征参数；
17、听诊数字信号特征参数包括听诊周期、听诊平均值和听诊标准差；
18、根据时频分析结果获取听诊数字信号的峰值、峰值对应的时间以及总时间，将两个相邻峰值的时间差作为听诊周期，获取听诊数字信号中的a个听诊周期；将a除以总时间获取听诊平均值；听诊标准差为；其中为第j个听诊周期，。
19、进一步地，所述对患者声音进行处理的方法包括：
20、s201：将采集到的患者声音转为数字形式，获取声音信号；
21、s202：对声音信号进行预处理，预处理包括滤波和去噪；
22、s203：从预处理后的声音信号中获取音调和音量，音调为基本频率，音量为振幅；
23、s204：使用窗口函数将预处理后的声音信号进行分帧，获取多个时间窗口内的信号片段；
24、s205：对每个时间窗口内的信号进行快速傅里叶变换，得到频域信息；
25、s206：从频域信息中提取语速；语速为过零率。
26、进一步地，所述辅助分析模型的训练过程包括：
27、将训练数据与第一病状数据转换为对应的一组特征向量；
28、将每组特征向量作为辅助分析模型的输入，所述辅助分析模型以每组训练数据对应的一组预测第一病状数据作为输出，以每组训练数据对应的实际第一病状数据作为预测目标，实际第一病状数据即为上述采集的与训练数据对应的第一病状数据；以最小化所有训练数据的预测误差之和作为训练目标；对辅助分析模型进行训练，直至预测误差之和达到收敛时停止训练；所述辅助分析模型为深度神经网络模型。
29、进一步地，所述辅助识别模型的训练过程包括：
30、s301：构建辅助识别模型；
31、确定辅助识别模型的模型结构，包括输入层、卷积层、池化层、全连接层和输出层；定义输入层的格式和大小；在辅助识别模型中添加卷积层，用于提取输入数据的特征，卷积层包括卷积运算、激活函数和归一化操作；在卷积层后添加池化层；池化层后添加全连接层；在辅助识别模型最后添加输出层；
32、s302：基于患者病状图像，对辅助识别模型进行训练；
33、将患者病状图像标记为训练图像，对每张训练图像进行标注，标注包括患者病状图像对应的第二病状数据，将每个第二病状数据分别转换为数字标注；将标注后的训练图像分为训练集和测试集；使用训练集对辅助识别模型进行训练，使用测试集对辅助识别模型进行测试，预设误差阈值，当预测误差小于预设误差阈值时，输出满足预测误差的辅助识别模型；所述辅助识别模型为卷积神经网络模型。
34、进一步地，所述判断是否生成分析指令的方法包括：
35、a.构建医疗知识图谱；
36、b.将第一病状数据与第二病状数据转换为医疗知识图谱表示；
37、c.计算第一病状数据与第二病状数据的最短路径长度；
38、使用广度优先搜索算法，从第一病状数据所处节点开始搜索到第二病状数据所处节点的最短路径，在搜索过程中，记录所经过的节点数，节点数为第一病状数据所处节点到第二病状数据所处节点的最短路径长度；
39、d.计算第一病状数据与第二病状数据的关联度得分，并标记为第一关联度；将计算出的最短路径长度进行归一化操作，获取第一病状数据与第二病状数据的关联度得分，即，其中为关联度得分，为最短路径长度；...
【技术保护点】
1.基于云计算的多维度远程听诊与诊断智能系统，其特征在于，包括：
2.根据权利要求1所述的基于云计算的多维度远程听诊与诊断智能系统，其特征在于，所述听诊数字信号包括心音信号、呼吸音信号以及肠鸣音信号。
3.根据权利要求2所述的基于云计算的多维度远程听诊与诊断智能系统，其特征在于，所述训练数据包括听诊数字信号特征参数和患者声音特征参数；所述患者声音特征参数包括音量、音调和语速。
4.根据权利要求3所述的基于云计算的多维度远程听诊与诊断智能系统，其特征在于，所述对听诊数字信号进行处理的方法包括：
5.根据权利要求4所述的基于云计算的多维度远程听诊与诊断智能系统，其特征在于，所述对患者声音进行处理的方法包括：
6.根据权利要求5所述的基于云计算的多维度远程听诊与诊断智能系统，其特征在于，所述辅助分析模型的训练过程包括：
7.根据权利要求6所述的基于云计算的多维度远程听诊与诊断智能系统，其特征在于，所述辅助识别模型的训练过程包括：
8.根据权利要求7所述的基于云计算的多维度远程听诊与诊断智能系统，其特征在
9.根据权利要求8所述的基于云计算的多维度远程听诊与诊断智能系统，其特征在于，所述判断是否生成相似指令的方法包括：
10.根据权利要求9所述的基于云计算的多维度远程听诊与诊断智能系统，其特征在于，若不生成分析指令，则将第一病状数据、第二病状数据以及第一疾病数据发送至医生端；
11.基于云计算的多维度远程听诊与诊断智能方法，其特征在于，基于权利要求1-10任一项所述的基于云计算的多维度远程听诊与诊断智能系统实现，所述方法包括：
12.一种电子设备，包括存储器、处理器以及存储在存储器上并在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求11所述基于云计算的多维度远程听诊与诊断智能方法。
13.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被执行时实现权利要求11所述基于云计算的多维度远程听诊与诊断智能方法。
...【技术特征摘要】
1.基于云计算的多维度远程听诊与诊断智能系统，其特征在于，包括：
2.根据权利要求1所述的基于云计算的多维度远程听诊与诊断智能系统，其特征在于，所述听诊数字信号包括心音信号、呼吸音信号以及肠鸣音信号。
3.根据权利要求2所述的基于云计算的多维度远程听诊与诊断智能系统，其特征在于，所述训练数据包括听诊数字信号特征参数和患者声音特征参数；所述患者声音特征参数包括音量、音调和语速。
4.根据权利要求3所述的基于云计算的多维度远程听诊与诊断智能系统，其特征在于，所述对听诊数字信号进行处理的方法包括：
5.根据权利要求4所述的基于云计算的多维度远程听诊与诊断智能系统，其特征在于，所述对患者声音进行处理的方法包括：
6.根据权利要求5所述的基于云计算的多维度远程听诊与诊断智能系统，其特征在于，所述辅助分析模型的训练过程包括：
7.根据权利要求6所述的基于云计算的多维度远程听诊与诊断智能系统，其特征在于，所述辅助识别模型的训练过程包括：
8.根据权利要求7所述的...
【专利技术属性】
技术研发人员：张帅军，
申请(专利权)人：珠海灏睿科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。