申请/专利权人：潍坊医学院附属医院

申请日：2024-03-07

公开（公告）日：2024-04-09

公开（公告）号：CN117854749A

主分类号：G16H80/00

分类号：G16H80/00;G16H50/70;G16H10/60;G06N3/0464;G06N3/08;G06N20/00

优先权：

专利状态码：在审-公开

法律状态：2024.04.09#公开

摘要：本发明涉及人工智能领域，具体是指基于人工智能的内分泌代谢病远程监测与预警系统，包括数据采集模块、数据传输与处理模块、数据分析模块、个性化预警模块、远程医疗服务模块，本方案采用XGBoost模型进行学习训练，构建内分泌代谢疾病智能识别体系，并使用增强的PSO算法对XGBoost模型的超参数进行优化，使其能够更高效、精确地识别出引发内分泌代谢疾病发病的关键因素，并具备实时跟踪及评估患者体内代谢状况周期性变化的能力；本方案采用DolNet模型对每位患者的多维度个性化数据进行深度学习训练，生成针对个体患者的专属监测模型，实现对内分泌代谢疾病的高度精确预警，提升诊疗效率与准确性。

主权项：1.基于人工智能的内分泌代谢病远程监测与预警系统，其特征在于：包括数据采集模块、数据传输与处理模块、数据分析模块、个性化预警模块、远程医疗服务模块；所述数据采集模块患者佩戴或使用各种可穿戴设备，用于实时监测患者的个体数据，包括血糖水平、血压、心率、体重变化、运动量及睡眠质量的关键指标数据，并将个体数据传输至数据传输与处理模块；所述数据传输与处理模块将接收到的个体数据进行收集、整合，将个体数据的正常数据信息生成个体数据集，并将不同设备与远程服务器进行互联互通，将所需的不同数据传输到不同的模块或设备中进行存储和处理；所述数据分析模块对内分泌代谢病的发病情况和原理使用XGBoost模型进行学习训练，构建内分泌代谢疾病智能识别体系，并使用增强的PSO算法对XGBoost模型的超参数进行优化；所述个性化预警模块根据个人体质差异，使用DolNet模型针对每个个体数据集进行深度挖掘与自适应学习训练，构建一套专属于个人的监测算法模型，在检测到个体数据出现潜在异常趋势或明确偏离正常范围时，预警机制会即时启动，迅速发出预警信号；所述远程医疗服务模块在个性化预警模块发出预警时，医生通过实时查看患者的个体数据，为患者提供远程指导、调整用药方案，当患者情况严重时及时向附近的医院发出急救信息，对患者进行及时救助。

全文数据：

权利要求：

百度查询： 潍坊医学院附属医院 基于人工智能的内分泌代谢病远程监测与预警系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD