[發(fā)明專(zhuān)利]一種基于人工智能的云端大數(shù)據(jù)診斷系統(tǒng)

在審

• 申請(qǐng)?zhí)枺?/td>: 202110825115.4
• 申請(qǐng)日: 2021-07-21
• 公開(kāi)（公告）號(hào): CN113409940A
• 公開(kāi)（公告）日: 2021-09-17
• 發(fā)明（設(shè)計(jì)）人: 王飛
• 申請(qǐng)（專(zhuān)利權(quán)）人: 成都奇門(mén)科技有限公司
• 主分類(lèi)號(hào): G16H50/20
• 分類(lèi)號(hào): G16H50/20;G16H50/70;A61B5/0205
• 代理公司: 成都領(lǐng)航高智知識(shí)產(chǎn)權(quán)代理有限公司 51285
• 代理人: 王斌

本發(fā)明涉及診斷系統(tǒng)的技術(shù)領(lǐng)域，且公開(kāi)了一種基于人工智能的云端大數(shù)據(jù)診斷系統(tǒng)，包括云端數(shù)據(jù)庫(kù)模塊、個(gè)人生命體征數(shù)據(jù)流模塊、AI深度學(xué)習(xí)和診斷模塊；所述個(gè)人生命體征數(shù)據(jù)流模塊獲取用戶(hù)的生命體征的數(shù)據(jù)并將數(shù)據(jù)傳輸至所述云端數(shù)據(jù)庫(kù)模塊；所述AI深度學(xué)習(xí)模塊將處理后的數(shù)據(jù)傳輸至所述云端數(shù)據(jù)庫(kù)模塊內(nèi)；所述AI深度學(xué)習(xí)模塊收集大量用戶(hù)病歷與生命體征數(shù)據(jù)并學(xué)習(xí)匹配，并經(jīng)過(guò)數(shù)據(jù)積累可進(jìn)行用戶(hù)健康狀態(tài)追蹤、診斷、甚至提前預(yù)判用戶(hù)的健康與患各種疾病的風(fēng)險(xiǎn)與概率；同時(shí)，通過(guò)基于大量用戶(hù)生命體征數(shù)據(jù)流和病歷數(shù)據(jù)流的樣本采集與算法匹配，進(jìn)而不斷提高AI診斷、預(yù)判的準(zhǔn)確度。

技術(shù)領(lǐng)域

本發(fā)明涉及診斷系統(tǒng)的技術(shù)領(lǐng)域，具體為一種基于人工智能的云端大數(shù)據(jù)診斷系統(tǒng)。

背景技術(shù)

醫(yī)療診斷過(guò)程是診人、診病、診型、診證和辯人、辯病、辯型、辯證結(jié)成的鏈條，以構(gòu)成一個(gè)統(tǒng)一的整體。這就要求在痍病診斷中醫(yī)生應(yīng)全面地把握疾病，盡可能地揭示疾病的本質(zhì)，研究它的一切聯(lián)系和“媒介”；其二，要揭示疾病的發(fā)展和運(yùn)動(dòng)，用歷史的態(tài)度去分析疾病的本質(zhì)，把握由一種人、病、型、證向另一種人、病、型、證的轉(zhuǎn)化和過(guò)渡的規(guī)律；其三，必須揭示疾病的矛盾性質(zhì)，因?yàn)橹挥邪盐樟思膊〉拿苄再|(zhì)，才是一種真正的診斷；其四，診斷必新包括防治計(jì)劃和醫(yī)療實(shí)踐，這也是診斷正確與否的判斷標(biāo)準(zhǔn)，一切診斷的基礎(chǔ)，都是臨床實(shí)踐；大數(shù)據(jù)作為互聯(lián)網(wǎng)發(fā)展成熟的表現(xiàn)已經(jīng)得到越來(lái)越多的數(shù)據(jù)資源和運(yùn)行的保障，互聯(lián)網(wǎng)的發(fā)展讓我們?cè)诰W(wǎng)絡(luò)上可以獲得很多方面的知識(shí)，包括醫(yī)療和病癥的信息，與自身進(jìn)行比對(duì)，認(rèn)識(shí)到某種病癥的嚴(yán)重程度，另外不透明的醫(yī)療方式和用藥方式，讓醫(yī)患關(guān)系一步步緊張，造成傷害時(shí)間的頻繁發(fā)生，醫(yī)療體系需要一個(gè)完整的管理系統(tǒng)，對(duì)藥品和費(fèi)用都可以嚴(yán)格監(jiān)管和把控，患者可以預(yù)先了解到所患病癥的嚴(yán)重程度，在接受醫(yī)療資源的治療時(shí)不會(huì)因?yàn)閷?duì)病癥的無(wú)知對(duì)醫(yī)務(wù)人員造成傷害，也避免確實(shí)使醫(yī)療事故的事件被醫(yī)務(wù)工作者推卸責(zé)任和逃避懲罰。

目前一般采用醫(yī)院就診信息的收集和更新，使患者可在網(wǎng)上預(yù)約掛號(hào)，選擇有實(shí)力的醫(yī)院和醫(yī)生進(jìn)行會(huì)診，但這些只是方便操作，避免了排隊(duì)的時(shí)間，并沒(méi)有達(dá)到智慧醫(yī)療的目的，并且提高了醫(yī)療診斷的成本。

發(fā)明內(nèi)容

(一)解決的技術(shù)問(wèn)題

針對(duì)現(xiàn)有技術(shù)的不足，本發(fā)明提供了一種基于人工智能的云端大數(shù)據(jù)診斷系統(tǒng)，具備基于大數(shù)據(jù)和AI學(xué)習(xí)對(duì)患者診斷的優(yōu)點(diǎn)，部分解決了醫(yī)療診斷復(fù)雜和成本高的問(wèn)題。

(二)技術(shù)方案

為實(shí)現(xiàn)上述目的，本發(fā)明提供如下技術(shù)方案：一種基于人工智能的云端大數(shù)據(jù)診斷系統(tǒng)，包括云端數(shù)據(jù)庫(kù)模塊、個(gè)人生命體征數(shù)據(jù)流模塊、AI深度學(xué)習(xí)模塊和診斷模塊；

所述個(gè)人生命體征數(shù)據(jù)流模塊獲取患者或個(gè)人的生命體征的數(shù)據(jù)并將數(shù)據(jù)傳輸至所述云端數(shù)據(jù)庫(kù)模塊，所述AI深度學(xué)習(xí)模塊收集大量病歷數(shù)據(jù)并學(xué)習(xí)，所述AI深度學(xué)習(xí)模塊將處理后的數(shù)據(jù)傳輸至所述云端數(shù)據(jù)庫(kù)模塊內(nèi)，所述云端數(shù)據(jù)庫(kù)模塊將所述個(gè)人生命體征數(shù)據(jù)流模塊和AI深度學(xué)習(xí)模塊數(shù)據(jù)存儲(chǔ)，并可將數(shù)據(jù)傳輸至所述診斷模塊，所述診斷模塊可根據(jù)用戶(hù)生命體征數(shù)據(jù)流遠(yuǎn)程判斷患者或個(gè)人身體狀態(tài)并預(yù)測(cè)疾病。

優(yōu)選的，所述個(gè)人生命體征數(shù)據(jù)流模塊包括電子血壓儀、脈相傳感器和數(shù)字心電圖儀中的一種或多種，所述電子血壓儀用于測(cè)量用戶(hù)的血壓狀態(tài)或者不同腕部壓強(qiáng)條件下的脈相波形圖(參照中醫(yī)的切脈)，所述脈相傳感器用于檢測(cè)用戶(hù)的不同腕壓條件下的脈相波形圖，所述心電圖儀用于用戶(hù)心電圖測(cè)量并獲取心電波形圖形，為AI提供學(xué)習(xí)匹配的基礎(chǔ)數(shù)據(jù)。