[发明专利]基于智能决策支持的高血压患者心血管危险分层评估方法有效

专利信息
申请号: 201910197108.7 申请日: 2019-03-15
公开(公告)号: CN109935327B 公开(公告)日: 2023-08-08
发明(设计)人: 黄裕立;陈莹;梁小燕;吕伟标;杜振江;胡允兆;朱海兰;刘心悦;郑好孝 申请(专利权)人: 南方医科大学顺德医院(佛山市顺德区第一人民医院)
主分类号: G16H50/30 分类号: G16H50/30;G16H50/20;A61B5/00;A61B5/02;A61B5/021
代理公司: 重庆市信立达专利代理事务所(普通合伙) 50230 代理人: 包晓静
地址: 528300 广*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要: 发明属于高血压患者心血管危险分层评估技术领域,公开了一种基于智能决策支持的高血压患者心血管危险分层评估方法,所述基于智能决策支持技术的高血压患者心血管危险分层评估系统包括:血管参数采集模块、脉搏检测模块、心率检测模块、主控模块、患者档案创建模块、分层模型构建模块、高血压风险预测模块、检测数据存储模块、显示模块。本发明通过分层模型构建模块利用有创属性和无创属性的结合,得出的针对心血管病患者的健康分层模型,其准确性更高,效率也更高,克服了以往模型建立的缺点;同时,通过高血压风险预测模块预测准确,针对每个用户量身定做神经网络模型。
搜索关键词: 基于 智能 决策 支持 高血压患者 心血管 危险 分层 评估 方法
【主权项】:
1.一种基于智能决策支持的高血压患者心血管危险分层评估方法,其特征在于,所述基于智能决策支持的高血压患者心血管危险分层评估方法包括:第一步,利用血管检测设备采取GM(1,N)模型对患者血管血压、血管硬化指数、血管阻力指数等参数进行检测;第二步,利用脉搏计检测患者脉搏数据;利用心率检测设备检测患者心率数据;第三步,利用心血管疾病管理智能决策技术支持程序创建患者健康档案;第四步,利用计算机通过数据处理程序构建心血管病患者的健康分层模型;第五步,利用预测程序根据检测的参数对高血压患者的心血管风险进行预测;具体包括:(1)、获取医院高血压治病病因病理数据源与病人日常监控数据,从而建立高血压日常数据数据库;(2)、根据步骤(1)建立的高血压日常数据数据库以离线的方式对神经网络模型进行训练,以得到训练好的高血压病理神经网络模型;(3)、通过智能监控设备对用户的日常生活数据进行采集,并将采集的日常生活数据发送至服务器,服务器将用户的日常生活数据保存至用户日常数据记录表中;(4)、从用户日常数据记录表中提取当日数据,形成n维向量,并对n维向量做归一化处理后输入步骤(2)中训练好的高血压病理神经网络模型中进行高血压危险程度概率预测,得到高血压概率结果数组P,服务器将数组P中最高概率对应的高血压危险程度值W传送给智能家庭高血压护理设备;(5)、智能家庭高血压护理设备接收服务器传送的高血压危险程度值W后,判断高血压危险程度值W是否大于等于3,如果大于等于3,则警示器警示以提醒用户,如果小于3,则警示器不警示;(6)、当用户接收到警示器警示时,用户自行去医院检查,并将检查结果通过智能家庭高血压护理设备传送回服务器,服务器判断检查结果是否正确,如果检查结果错误,则说明高血压病理神经网络模型预测不准确,如果检查结果正确,则说明高血压病理神经网络模型预测准确;(7)、当检查结果错误时,从用户日常数据记录表中抽取m天内的记录保存至增量数据表中,当增量数据表中的记录数量大于h条时,执行增量式算法,对高血压病理神经网络模型进行动态修正;(8)、重复步骤(3)~(7);第六步,利用存储器采用神经网络方法对检测的患者血管参数、脉搏、心率数据进行存储;第七步,通过显示器通过时域高通滤波非均匀性校正算法显示高血压患者心血管危险分层评估系统界面及检测的数据。
下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

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南方医科大学顺德医院(佛山市顺德区第一人民医院),未经南方医科大学顺德医院(佛山市顺德区第一人民医院)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/patent/201910197108.7/,转载请声明来源钻瓜专利网。

同类专利
专利分类
×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top