System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及慢性病信息管理领域,涉及到一种基于人工智能的慢性病信息管理系统。
技术介绍
1、慢阻肺是一种具有气流阻塞特征的慢性支气管炎或肺气肿,是一种慢性气道高反应性、炎症性疾病,是常见的呼吸道疾病。
2、通过对慢阻肺患者的信息进行统计分析和挖掘,有助于帮助医生和管理者了解慢阻肺患者病情发展趋势,进而能够评估慢阻肺患者治疗方案的效果,从而为慢阻肺患者治疗方案的优化提供相应的决策支持。
3、现有的慢阻肺患者信息管理方法存在一些不足:一方面,现有方法在评估慢阻肺患者的病情严重程度时,以慢阻肺患者某一项或某几项的检查结果作为依据,缺乏整体性,没有综合考虑慢阻肺患者的各项检查信息,如医学影像、临床症状、肺功能检查、血气检查和血常规检查等,进而使得慢阻肺患者病情严重程度评估结果的可靠性不足,且各项检查信息的准确度和可参考性存在差异,若选择作为病情严重程度评估依据的检查信息的可参考性不足,进而使得慢阻肺患者的病情诊断结果存在较大误差,容易误判,严重时可能会影响慢阻肺患者的治疗和康复。
4、一方面,现有方法在判断慢阻肺患者各项检查信息是否存在异常时,将慢阻肺患者各项检查信息与设定的固定值进行比对,没有考虑到慢阻肺患者个体之间的差异,如不同性别不同年龄段慢阻肺患者检查信息的参考标准不同,进而使得慢阻肺患者检查信息分析结果的准确性不足。
5、另一方面,现有方法在分析慢阻肺患者的病情发展趋势时,没有考虑到外界环境可能对慢阻肺患者病情的影响,如气温和空气湿度的较大变化会增大慢阻肺患者呼吸道感染的几率,
技术实现思路
1、针对上述问题,本专利技术提出了一种基于人工智能的慢性病信息管理系统,实现对慢性病信息管理的功能。
2、本专利技术解决其技术问题采用的技术方案是:本专利技术提供一种基于人工智能的慢性病信息管理系统,包括:患者医学影像信息分析模块:用于获取监测周期内各采样时间段目标医院疗养区中各慢阻肺患者的医学影像信息,将其记为监测周期内各采样时间段各患者的医学影像信息,分析监测周期内各采样时间段各患者基于医学影像的病情严重系数。
3、患者临床症状信息分析模块:用于获取监测周期内各采样时间段各患者的临床症状信息,分析监测周期内各采样时间段各患者基于临床症状的病情严重系数。
4、患者肺功能检查信息分析模块:用于获取监测周期内各采样时间段各患者的肺功能检查信息,分析监测周期内各采样时间段各患者基于肺功能检查的病情严重系数。
5、患者血气检查信息分析模块:用于获取监测周期内各采样时间段各患者的血气检查信息,分析监测周期内各采样时间段各患者基于血气检查的病情严重系数。
6、患者血常规检查信息分析模块:用于获取监测周期内各采样时间段各患者的血常规检查信息,分析监测周期内各采样时间段各患者基于血常规检查的病情严重系数。
7、患者病情发展趋势分析模块:用于根据监测周期内各采样时间段各患者基于医学影像、临床症状、肺功能检查、血气检查和血常规检查的病情严重系数,分析各患者的病情发展趋势类型,并进行反馈。
8、数据库:用于存储目标医院疗养区慢阻肺患者的病历信息。
9、在上述实施例的基础上,所述患者医学影像信息分析模块的具体分析过程包括:设定监测周期的时长,按照预设的等时长原则对监测周期进行划分,得到监测周期内各采样时间段。
10、获取监测周期内各采样时间段各患者的医学影像信息,得到监测周期内各采样时间段各患者的支气管轮廓,提取数据库中存储的目标医院疗养区慢阻肺患者的病历信息,得到各患者的性别和年龄,将其与预设的各性别各年龄段对应的参考支气管轮廓进行比对,筛选得到各患者的参考支气管轮廓。
11、将监测周期内各采样时间段各患者的支气管轮廓与其对应的参考支气管轮廓进行比对,得到监测周期内各采样时间段各患者的支气管轮廓与其对应参考支气管轮廓的重合度,将其记为,表示第个采样时间段的编号,,表示第个患者的编号,。
12、通过分析公式得到监测周期内各采样时间段各患者的支气管形变系数,其中表示预设的支气管轮廓重合度阈值。
13、在上述实施例的基础上,所述患者医学影像信息分析模块的具体分析过程还包括:根据监测周期内各采样时间段各患者的医学影像信息,得到监测周期内各采样时间段各患者支气管各处黏液区域的面积,将其记为,表示第处黏液区域的编号,。
14、按照预设的原则对支气管区域进行划分,得到支气管各子区域,获取监测周期内各采样时间段各患者支气管各处黏液区域的位置,将其与预设的支气管各子区域的影响因子进行比对,筛选得到监测周期内各采样时间段各患者支气管各处黏液区域的影响因子,将其记为。
15、通过分析公式得到监测周期内各采样时间段各患者的支气管黏液积聚系数,其中表示预设的支气管单位黏液面积对应的影响因子。
16、按照预设的原则在各患者的支气管布设各检测点,根据监测周期内各采样时间段各患者的医学影像信息,得到监测周期内各采样时间段各患者支气管上各检测点的支气管壁厚度和支气管内腔直径。
17、获取各患者的支气管壁厚度与支气管内腔直径的参考比值,将其记为。
18、通过分析公式得到监测周期内各采样时间段各患者的支气管壁增厚系数,其中分别表示监测周期内第个采样时间段第个患者支气管上第个检测点的支气管壁厚度和支气管内腔直径,。
19、在上述实施例的基础上,所述患者医学影像信息分析模块的具体分析过程还包括:通过分析公式得到监测周期内各采样时间段各患者基于医学影像的病情严重系数,其中分别表示预设的支气管形变系数、支气管黏液积聚系数和支气管壁增厚系数的阈值,分别表示预设的支气管形变系数、支气管黏液积聚系数和支气管壁增厚系数的权重因子。
20、在上述实施例的基础上,所述患者临床症状信息分析模块的具体分析过程为:获取监测周期内各采样时间段各患者的临床症状信息,得到监测周期内各采样时间段各患者的呼吸频率、脉搏和排痰量,将其分别记为,并获取监测周期内各采样时间段各患者的排痰颜色,将其与预设的各排痰颜色对应的影响因子进行比对,筛选得到监测周期内各采样时间段各患者排痰颜色对应的影响因子,并表示为。
21、获取各患者的参考呼吸频率和参考脉搏,将其分别记为。
22、通过分析公式得到监测周期内各采样时间段各患者基于临床症状的病情严重系数,其中表示自然常数,表示预设的单位排痰量对应的影响因子,分别表示预设的呼吸频率、脉搏和排痰量的权值。
23、在上述实施例的基础上,所述患者肺功能检查信息分析模块的具体分析过程为:获取监测周期内各采样时间段各患者的肺功能检查信息,得到监测周期内各采样时间段各患者的本文档来自技高网...
【技术保护点】
1.一种基于人工智能的慢性病信息管理系统,其特征在于,包括:
2.根据权利要求1所述的一种基于人工智能的慢性病信息管理系统,其特征在于:所述患者医学影像信息分析模块的具体分析过程包括:
3.根据权利要求2所述的一种基于人工智能的慢性病信息管理系统,其特征在于:所述患者医学影像信息分析模块的具体分析过程还包括:
4.根据权利要求3所述的一种基于人工智能的慢性病信息管理系统,其特征在于:所述患者医学影像信息分析模块的具体分析过程还包括:
5.根据权利要求2所述的一种基于人工智能的慢性病信息管理系统,其特征在于:所述患者临床症状信息分析模块的具体分析过程为:
6.根据权利要求2所述的一种基于人工智能的慢性病信息管理系统,其特征在于:所述患者肺功能检查信息分析模块的具体分析过程为:
7.根据权利要求2所述的一种基于人工智能的慢性病信息管理系统,其特征在于:所述患者血气检查信息分析模块的具体分析过程为:
8.根据权利要求2所述的一种基于人工智能的慢性病信息管理系统,其特征在于:所述患者血常规检查信息分析模块
9.根据权利要求1所述的一种基于人工智能的慢性病信息管理系统,其特征在于:所述患者病情发展趋势分析模块的具体分析过程包括:
10.根据权利要求9所述的一种基于人工智能的慢性病信息管理系统,其特征在于:所述患者病情发展趋势分析模块的具体分析过程还包括:
...【技术特征摘要】
1.一种基于人工智能的慢性病信息管理系统,其特征在于,包括:
2.根据权利要求1所述的一种基于人工智能的慢性病信息管理系统,其特征在于:所述患者医学影像信息分析模块的具体分析过程包括:
3.根据权利要求2所述的一种基于人工智能的慢性病信息管理系统,其特征在于:所述患者医学影像信息分析模块的具体分析过程还包括:
4.根据权利要求3所述的一种基于人工智能的慢性病信息管理系统,其特征在于:所述患者医学影像信息分析模块的具体分析过程还包括:
5.根据权利要求2所述的一种基于人工智能的慢性病信息管理系统,其特征在于:所述患者临床症状信息分析模块的具体分析过程为:
6.根据权利要求2所述的...
【专利技术属性】
技术研发人员:赵晓赟,赵芳,焦丽娜,张丹,汤先保,霍瑞鹏,
申请(专利权)人:天津市胸科医院,
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。