[发明专利]基于人工智能的主动120系统在审
申请号: | 201911359440.5 | 申请日: | 2019-12-25 |
公开(公告)号: | CN111128381A | 公开(公告)日: | 2020-05-08 |
发明(设计)人: | 万军;孙璇;刘娟;贺华;王莹颖;柯凯 | 申请(专利权)人: | 武汉大学 |
主分类号: | G16H50/30 | 分类号: | G16H50/30;G16H80/00 |
代理公司: | 湖北武汉永嘉专利代理有限公司 42102 | 代理人: | 李丹 |
地址: | 430072 湖*** | 国省代码: | 湖北;42 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 基于 人工智能 主动 120 系统 | ||
1.一种基于人工智能的主动120系统,其特征在于,包括:
用户生命体征健康数据采集模块,用于通过智能健康穿戴设备采集用户的日常健康数据,并关联用户的体检数据和诊疗过程中的医疗数据;并将上述用户数据上传至云端;
人工智能辅助诊断模块,用于对用户健康数据进行分析筛选,所述分析筛选采用人工智能分析模型;
主动120对接模块,用于根据人工智能辅助诊断模块的诊断结果,进行120呼叫主动干预,具体如下:
若诊断结果评估为正常,将诊断结果发送给用户;
若诊断结果评估为轻度异常,将诊断结果发送给用户和医生,根据医生二次确认判读的结果确定是否触发120呼叫中心;
若诊断结果评估为危急重症,将诊断结果发送给用户,并触发120呼叫中心。
2.根据权利要求1所述的基于人工智能的主动120系统,其特征在于,所述用户心血管健康数据采集模块中智能健康穿戴设备包括单导联心电穿戴设备、多导联心电穿戴设备。
3.根据权利要求1所述的基于人工智能的心血管疾病主动120系统,其特征在于,所述人工智能辅助诊断模块的建立方法如下:
1)构建数据集,所述数据集为海量的单导联或十二导联心电数据;
2)数据处理:对采集的数据进行数据预处理,所述数据预处理过程包括:数据脱敏、数据清洗、降噪、标准化和归一化;
3)标注数据:使用医学数据标注工具对异常生理信号数据进行标签标注,所述标注类型为临床诊断统计的18个分类;
4)模型构建:将数据分为训练集和验证集,基于训练集进行深度神经网络模型的训练,深度神经网络模型为用于心电信号分析的卷积神经网络模型,对于单导联心电数据采用四分类的方法,主要诊断房颤,对于十二导联心电数据采用十八分类的方法,主要诊断临床统计的正常和其他17种心血管疾病。
4.根据权利要求1所述的基于人工智能的主动120系统,其特征在于,所述步骤2)中数据处理具体如下:
数据脱敏:从数据集中去掉病人相关的敏感信息;
数据清洗:根据医生的诊断信息,判断采集到的数据是否是正常采集数据,去除掉异常采集的数据;
降噪:通过带通滤波过滤掉对训练结果造成干扰的信息;
标准化:将数据按照规定标准进行转换,按照统一格式进行存储;
归一化:将数据的值限制在一定范围并满足指定的分布条件,用于加速模型的训练,提高模型精度。
5.根据权利要求4所述的基于人工智能的主动120系统,其特征在于,所述步骤2)中数据处理还包括数据切片,所述数据切片,包括根据数据的类型按时间对数据直接进行划分或根据数据的临床意义对数据进行划分。
6.根据权利要求3所述的基于人工智能的主动120系统,其特征在于,所述步骤4)中模型构建包括四分类模型构建,具体采用88层深度神经网络模型,依次为输入层、一维卷积层、一维卷积层、最大池化层、一维卷积层、串联层、一维卷积层、串联层、一维卷积层、串联层、一维卷积层、最大池化层、平均池化层、串联层、一维卷积层、串联层、一维卷积层、串联层、一维卷积层、串联层、一维卷积层、最大池化层、平均池化层、串联层、一维卷积层、一维卷积层、串联层、一维卷积层、串联层、一维卷积层、串联层、一维卷积层、最大池化层、平均池化层、串联层、一维卷积层、串联层、一维卷积层、串联层、一维卷积层、串联层、一维卷积层、最大池化层、平均池化层、串联层、一维卷积层、一维卷积层、串联层、一维卷积层、串联层、一维卷积层、串联层、一维卷积层、最大池化层、平均池化层、串联层、一维卷积层、串联层、一维卷积层、串联层、一维卷积层、串联层、一维卷积层、最大池化层、平均池化层、串联层、一维卷积层、一维卷积层、串联层、一维卷积层、串联层、一维卷积层、最大池化层、平均池化层、串联层、一维卷积层、串联层、一维卷积层、串联层、一维卷积层、最大池化层、平均池化层、串联层、一维卷积层、全局平均池化层、全连接dense层、全连接dense层、输出层。
7.根据权利要求3所述的基于人工智能的主动120系统,其特征在于,所述步骤4)中模型构建包括的十八分类模型构建,具体采用对十八种类别的每一类进行真假二分类,所述二分类模型在十八种分类上进行迁移学习获得最终十八分类模型,所述二分类模型为88层深度神经网络模型,依次为输入层、一维卷积层、一维卷积层、最大池化层、一维卷积层、串联层、一维卷积层、串联层、一维卷积层、串联层、一维卷积层、最大池化层、平均池化层、串联层、一维卷积层、串联层、一维卷积层、串联层、一维卷积层、串联层、一维卷积层、最大池化层、平均池化层、串联层、一维卷积层、一维卷积层、串联层、一维卷积层、串联层、一维卷积层、串联层、一维卷积层、最大池化层、平均池化层、串联层、一维卷积层、串联层、一维卷积层、串联层、一维卷积层、串联层、一维卷积层、最大池化层、平均池化层、串联层、一维卷积层、一维卷积层、串联层、一维卷积层、串联层、一维卷积层、串联层、一维卷积层、最大池化层、平均池化层、串联层、一维卷积层、串联层、一维卷积层、串联层、一维卷积层、串联层、一维卷积层、最大池化层、平均池化层、串联层、一维卷积层、一维卷积层、串联层、一维卷积层、串联层、一维卷积层、最大池化层、平均池化层、串联层、一维卷积层、串联层、一维卷积层、串联层、一维卷积层、最大池化层、平均池化层、串联层、一维卷积层、全局平均池化层、全连接dense层、全连接dense层、输出层。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于武汉大学,未经武汉大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201911359440.5/1.html,转载请声明来源钻瓜专利网。
- 上一篇:一种游戏存档的处理方法、装置及系统
- 下一篇:网络私接识别方法和装置