基于人工智能的健康状况医学诊断系统

技术领域

本发明涉及智慧医疗领域，尤其涉及一种基于人工智能的健康状况医学诊断系统。

背景技术

随着科技的发展，人们对医疗服务的需求不断提高。为了更好地满足患者的需求，医疗行业也在不断地进行技术创新。智慧医疗就是医疗行业的一种创新形式，它能够将大数据、云计算和人工智能等科技手段应用在医疗行业中，实现对患者的全方位监测和全面管理。在智慧医疗体系中，大数据、云计算和人工智能是核心技术，也是实现智慧医疗的关键。这三个技术相互配合，能够让医疗服务更加高效、便捷、精准和智能化。

相关应用例如：申请公布号为CN116403691A的发明公开了一种医疗信息管理系统和管理方法，通过向各医疗终端发送广播信息，各医疗终端基于广播信息返回的医疗信息在云端内汇总、分类、处理，实现了各个医疗终端的信息的实时共享传输，有效避免了医疗信息孤岛的情况；通过对医疗终端内的医疗信息进行筛选过滤，选择与关键字信息匹配的数据进行筛选，可以更为精确地选择医疗终端内的医疗数据作为关联医疗数据，进而基于分类模型进行医疗信息分类，提高了医疗信息分类的准确率，便于对医疗数据进行管理、查询与调用，提高医疗信息管理效率。

申请公布号为CN116069904A的发明公开了一种电子病历搜索方法、系统、装置、存储介质及产品，其中，该电子病历搜索方法包括：获取病历数据并对所述病历数据进行预处理，所述病历数据至少包括字段数据和时间数据；对所述预处理后的字段数据进行分类统计，同时对所述病历数据中的医疗数据进行聚类统计，基于所述字段数据分类统计结果和所述医疗数据进行聚类统计结果生成与所述病历数据对应的第一特征；获取组合信息、实体信息、搜索信息，基于所述组合信息、实体信息、搜索信息生成第二特征；根据搜索语句、所述时间数据、所述病历数据对应的第一特征和所述实体对应的第二特征，对搜索到的电子病历进行排序。该方法可以提高搜索结果的相关性和数据质量。

然而，由于智慧医疗属于一项新的技术，仍旧在具体的细分领域中存在空白，例如无法根据心脏病患者的各项生理数据以及各项个体数据直接给出心脏病患者的发病时间区间，导致心脏病患者的治疗时机容易被耽误，也存在误判的可能。

发明内容

为了解决相关领域的技术问题，本发明提供了一种基于人工智能的健康状况医学诊断系统，能够在针对性数据筛选的基础上，引入定制设计的人工智能模型基于筛选出的各项数据完成对心脏病患者的后续时间分段是否发病的智能化判断，从而为心脏病患者的诊断和救护提供时间，也避免对心脏病患者进行不必要的频繁抢救。

本发明提供的一种基于人工智能的健康状况医学诊断系统包括：

分段检测器件，用于检测心脏病患者在当前时间分段之前的预设数目的多个过往时间分段分别对应的多份生理检测数据，每一个过往时间分段对应的生理检测数据为在所述过往时间分段内心脏病患者的平均喘气频率、最快心率、最低心率、平均体温以及平均血氧浓度；

个体分析器件，用于获取心脏病患者的各项个体数据，所述心脏病患者的各项个体数据包括所述心脏病患者的身高、体重、年龄以及患病时长；

模型构建器件，用于对BP神经网络执行固定数量的多次训练操作以获得完成多次训练操作后的BP神经网络，并作为AI诊断模型输出，所述固定数量的取值与所述心脏病患者的患病时长正向关联；

诊断处理机构，分别与所述分段检测器件、所述个体分析器件以及所述模型构建器件连接，用于采用所述AI诊断模型基于心脏病患者在当前时间分段之前的预设数目的多个过往时间分段分别对应的多份生理检测数据以及心脏病患者的各项个体数据智能诊断心脏病患者在当前时间分段内的发病标识；

显示驱动机构，与所述诊断处理机构连接，用于接收心脏病患者在当前时间分段内的发病标识，并驱动显示执行机构进行心脏病患者在当前时间分段内的发病标识的显示动作；

其中，对BP神经网络执行固定数量的多次训练操作以获得完成多次训练操作后的BP神经网络，并作为AI诊断模型输出，所述固定数量的取值与所述心脏病患者的患病时长正向关联包括：在对BP神经网络执行的每一次训练操作中，将已知的心脏病患者在某一历史时间分段内的发病标识作为BP神经网络的输出内容，将心脏病患者在所述某一历史时间分段之前的预设数目的多个过往时间分段分别对应的多份生理检测数据以及心脏病患者的各项个体数据作为BP神经网络的逐项输入内容，以完成对BP神经网络执行的本次训练操作中。

本发明的基于人工智能的健康状况医学诊断系统结构紧凑、运行智能。由于能够在针对性数据筛选的基础上，引入定制设计的人工智能模型基于筛选出的各项数据完成对心脏病患者的后续时间分段是否发病的智能化判断，从而为心脏病患者的诊断提供有价值的参考信息。

附图说明

以下将结合附图对本发明的实施例进行描述。

图1为根据本发明第一实施例示出的基于人工智能的健康状况医学诊断系统的内部结构示意图。

图2为根据本发明第二实施例示出的基于人工智能的健康状况医学诊断系统的内部结构示意图。

图3为根据本发明第三实施例示出的基于人工智能的健康状况医学诊断系统的内部结构示意图。

具体实施方式

下面将参照附图对本发明的基于人工智能的健康状况医学诊断系统的实施例进行详细说明。

第一实施例

图1为根据本发明第一实施例示出的基于人工智能的健康状况医学诊断系统的内部结构示意图，所述系统包括：

分段检测器件，用于检测心脏病患者在当前时间分段之前的预设数目的多个过往时间分段分别对应的多份生理检测数据，每一个过往时间分段对应的生理检测数据为在所述过往时间分段内心脏病患者的平均喘气频率、最快心率、最低心率、平均体温以及平均血氧浓度；

示例地，可以采用多种不同的生理检测器件用于分别实现每一个过往时间分段心脏病患者的平均喘气频率、最快心率、最低心率、平均体温以及平均血氧浓度的分别检测；

个体分析器件，用于获取心脏病患者的各项个体数据，所述心脏病患者的各项个体数据包括所述心脏病患者的身高、体重、年龄以及患病时长；

模型构建器件，用于对BP神经网络执行固定数量的多次训练操作以获得完成多次训练操作后的BP神经网络，并作为AI诊断模型输出，所述固定数量的取值与所述心脏病患者的患病时长正向关联；

例如，可以选择使用GAL器件、FPGA器件或者CPLD器件实现所述模型构建器件；

诊断处理机构，分别与所述分段检测器件、所述个体分析器件以及所述模型构建器件连接，用于采用所述AI诊断模型基于心脏病患者在当前时间分段之前的预设数目的多个过往时间分段分别对应的多份生理检测数据以及心脏病患者的各项个体数据智能诊断心脏病患者在当前时间分段内的发病标识；

示例地，可以采用同步控制机构实现诊断处理机构、分段检测器件、个体分析器件以及模型构建器件的两两同步控制；

显示驱动机构，与所述诊断处理机构连接，用于接收心脏病患者在当前时间分段内的发病标识，并驱动显示执行机构进行心脏病患者在当前时间分段内的发病标识的显示动作；

其中，对BP神经网络执行固定数量的多次训练操作以获得完成多次训练操作后的BP神经网络，并作为AI诊断模型输出，所述固定数量的取值与所述心脏病患者的患病时长正向关联包括：在对BP神经网络执行的每一次训练操作中，将已知的心脏病患者在某一历史时间分段内的发病标识作为BP神经网络的输出内容，将心脏病患者在所述某一历史时间分段之前的预设数目的多个过往时间分段分别对应的多份生理检测数据以及心脏病患者的各项个体数据作为BP神经网络的逐项输入内容，以完成对BP神经网络执行的本次训练操作中。

第二实施例

图2为根据本发明第二实施例示出的基于人工智能的健康状况医学诊断系统的内部结构示意图。

图2中的基于人工智能的健康状况医学诊断系统可以包括：

分段检测器件，用于检测心脏病患者在当前时间分段之前的预设数目的多个过往时间分段分别对应的多份生理检测数据，每一个过往时间分段对应的生理检测数据为在所述过往时间分段内心脏病患者的平均喘气频率、最快心率、最低心率、平均体温以及平均血氧浓度；

个体分析器件，用于获取心脏病患者的各项个体数据，所述心脏病患者的各项个体数据包括所述心脏病患者的身高、体重、年龄以及患病时长；

模型构建器件，用于对BP神经网络执行固定数量的多次训练操作以获得完成多次训练操作后的BP神经网络，并作为AI诊断模型输出，所述固定数量的取值与所述心脏病患者的患病时长正向关联；

诊断处理机构，分别与所述分段检测器件、所述个体分析器件以及所述模型构建器件连接，用于采用所述AI诊断模型基于心脏病患者在当前时间分段之前的预设数目的多个过往时间分段分别对应的多份生理检测数据以及心脏病患者的各项个体数据智能诊断心脏病患者在当前时间分段内的发病标识；

显示驱动机构，与所述诊断处理机构连接，用于接收心脏病患者在当前时间分段内的发病标识，并驱动显示执行机构进行心脏病患者在当前时间分段内的发病标识的显示动作；

模型存储器件，与所述模型构建器件连接，用于存储所述AI诊断模型的各项模型参数；

示例地，可以选择使用动态存储器件、TF存储器件或者MMC存储器件来实现所述模型存储器件。

第三实施例

图3为根据本发明第三实施例示出的基于人工智能的健康状况医学诊断系统的内部结构示意图。

图3中的基于人工智能的健康状况医学诊断系统可以包括：

分段检测器件，用于检测心脏病患者在当前时间分段之前的预设数目的多个过往时间分段分别对应的多份生理检测数据，每一个过往时间分段对应的生理检测数据为在所述过往时间分段内心脏病患者的平均喘气频率、最快心率、最低心率、平均体温以及平均血氧浓度；

个体分析器件，用于获取心脏病患者的各项个体数据，所述心脏病患者的各项个体数据包括所述心脏病患者的身高、体重、年龄以及患病时长；

模型构建器件，用于对BP神经网络执行固定数量的多次训练操作以获得完成多次训练操作后的BP神经网络，并作为AI诊断模型输出，所述固定数量的取值与所述心脏病患者的患病时长正向关联；

诊断处理机构，分别与所述分段检测器件、所述个体分析器件以及所述模型构建器件连接，用于采用所述AI诊断模型基于心脏病患者在当前时间分段之前的预设数目的多个过往时间分段分别对应的多份生理检测数据以及心脏病患者的各项个体数据智能诊断心脏病患者在当前时间分段内的发病标识；

显示驱动机构，与所述诊断处理机构连接，用于接收心脏病患者在当前时间分段内的发病标识，并驱动显示执行机构进行心脏病患者在当前时间分段内的发病标识的显示动作；

显示执行机构，与所述显示驱动机构连接，用于在所述显示驱动机构的驱动下进行心脏病患者在当前时间分段内的发病标识的显示动作。

接着，继续对本发明的基于人工智能的健康状况医学诊断系统的具体结构进行进一步的说明。

在根据本发明的任一实施例的基于人工智能的健康状况医学诊断系统中：

采用所述AI诊断模型基于心脏病患者在当前时间分段之前的预设数目的多个过往时间分段分别对应的多份生理检测数据以及心脏病患者的各项个体数据智能诊断心脏病患者在当前时间分段内的发病标识包括：在智能诊断的心脏病患者在当前时间分段内的发病标识为0X01时，预测心脏病患者在当前时间分段内发病；

其中，采用所述AI诊断模型基于心脏病患者在当前时间分段之前的预设数目的多个过往时间分段分别对应的多份生理检测数据以及心脏病患者的各项个体数据智能诊断心脏病患者在当前时间分段内的发病标识还包括：在智能诊断的心脏病患者在当前时间分段内的发病标识为0X00时，预测心脏病患者在当前时间分段内未发病。

在根据本发明的任一实施例的基于人工智能的健康状况医学诊断系统中：

采用所述AI诊断模型基于心脏病患者在当前时间分段之前的预设数目的多个过往时间分段分别对应的多份生理检测数据以及心脏病患者的各项个体数据智能诊断心脏病患者在当前时间分段内的发病标识还包括：将心脏病患者在当前时间分段之前的预设数目的多个过往时间分段分别对应的多份生理检测数据以及心脏病患者的各项个体数据作为所述AI诊断模型的逐项输入内容；

其中，采用所述AI诊断模型基于心脏病患者在当前时间分段之前的预设数目的多个过往时间分段分别对应的多份生理检测数据以及心脏病患者的各项个体数据智能诊断心脏病患者在当前时间分段内的发病标识还包括：运行所述AI诊断模型以获得其输出的心脏病患者在当前时间分段内的发病标识。

在根据本发明的任一实施例的基于人工智能的健康状况医学诊断系统中：

检测心脏病患者在当前时间分段之前的预设数目的多个过往时间分段分别对应的多份生理检测数据包括：当前时间分段之前的预设数目的多个过往时间分段与当前时间分组构成一个完整的时间区间；

其中，当前时间分段之前的预设数目的多个过往时间分段与当前时间分组构成一个完整的时间区间包括：当前时间分段之前的预设数目的多个过往时间分段与当前时间分组中每一个时间分段的持续时长相同。

在根据本发明的任一实施例的基于人工智能的健康状况医学诊断系统中：

检测心脏病患者在当前时间分段之前的预设数目的多个过往时间分段分别对应的多份生理检测数据还包括：所述预设数目的取值与所述心脏病患者的患病时长成正比；

其中，所述心脏病患者的患病时长为所述心脏病患者的初次发病到当前时刻的持续月份总数。

以及在根据本发明的任一实施例的基于人工智能的健康状况医学诊断系统中：

每一个过往时间分段对应的生理检测数据为在所述过往时间分段内心脏病患者的平均喘气频率、最快心率、最低心率、平均体温以及平均血氧浓度包括：所述过往时间分段内心脏病患者的平均喘气频率为所述过往时间分段内均匀间隔的各个时刻所述心脏病患者分别对应的各份喘气频率去除最值后的平均值；

其中，所述过往时间分段内心脏病患者的平均喘气频率为所述过往时间分段内均匀间隔的各个时刻所述心脏病患者分别对应的各份喘气频率去除最值后的平均值包括：所述过往时间分段内均匀间隔的各个时刻所述心脏病患者分别对应的各份喘气频率去除最值后的平均值为对所述各份喘气频率去除最大数值频率和最小数值频率后剩余的多份喘气频率的平均值；

其中，每一个过往时间分段对应的生理检测数据为在所述过往时间分段内心脏病患者的平均喘气频率、最快心率、最低心率、平均体温以及平均血氧浓度还包括：所述过往时间分段内心脏病患者的平均体温为所述过往时间分段内均匀间隔的各个时刻所述心脏病患者分别对应的各份实时体温去除最值后的平均值；

其中，所述过往时间分段内心脏病患者的平均体温为所述过往时间分段内均匀间隔的各个时刻所述心脏病患者分别对应的各份实时体温去除最值后的平均值包括：所述过往时间分段内均匀间隔的各个时刻所述心脏病患者分别对应的各份实时体温去除最值后的平均值为各份实时体温去除最大数值体温和最小数值体温后剩余的多份实时体温的平均值。

另外，在所述基于人工智能的健康状况医学诊断系统中，每一个过往时间分段对应的生理检测数据为在所述过往时间分段内心脏病患者的平均喘气频率、最快心率、最低心率、平均体温以及平均血氧浓度还包括：所述过往时间分段内心脏病患者的平均血氧浓度为所述过往时间分段内均匀间隔的各个时刻所述心脏病患者分别对应的各份实时血氧浓度去除最值后的平均值；

其中，所述过往时间分段内心脏病患者的平均血氧浓度为所述过往时间分段内均匀间隔的各个时刻所述心脏病患者分别对应的各份实时血氧浓度去除最值后的平均值包括：所述过往时间分段内均匀间隔的各个时刻所述心脏病患者分别对应的各份实时血氧浓度去除最值后的平均值为各份实时血氧浓度去除最大数值血氧浓度和最小数值血氧浓度后剩余的多份实时血氧浓度的平均值。

因此，本发明至少具备以下三处有益的技术效果：

第一处：为心脏病患者的发病时机的智能诊断筛选针对性的逐项基础数据，所述逐项基础数据包括心脏病患者在当前时间分段之前的预设数目的多个过往时间分段分别对应的多份生理检测数据以及心脏病患者的各项个体数据；

第二处：采用定制设计的AI诊断模型基于逐项基础数据完成心脏病患者的发病时机的智能诊断，其中，对BP神经网络执行固定数量的多次训练操作以获得完成多次训练操作后的BP神经网络，并作为AI诊断模型输出，所述固定数量的取值与所述心脏病患者的患病时长正向关联；

第三处：在对BP神经网络执行的每一次训练操作中，将已知的心脏病患者在某一历史时间分段内的发病标识作为BP神经网络的输出内容，将心脏病患者在所述某一历史时间分段之前的预设数目的多个过往时间分段分别对应的多份生理检测数据以及心脏病患者的各项个体数据作为BP神经网络的逐项输入内容，以完成对BP神经网络执行的本次训练操作中，从而提升了每一次训练操作的训练效果。

尽管结合附图的较佳实施例描述了本发明，然而可以理解，可以使用其它类似的实施例，或对所描述的实施例做出修改和添加，以执行本发明的相同的功能，而不脱离本发明。例如，尽管在仿真个人计算机的功能的数字设备的环境中描述了本发明的示例性实施例，然而本领域的技术人员将认识到，本发明不限于这类数字设备，如本申请中所描述的，本发明可应用于任意数量的现有或新兴计算设备或环境。因此，本发明不应当限于任何单个实施例，而是相反，应当依照所附权利要求书的广度和范围来解释。