一种医疗系统

1.一种医疗系统，其特征在于，包括：
手持设备中的家庭医生模块，用于接收患者的生命体征信息；
电子健康档案系统，用于提供病人信息和医院电子病历信息；
医生终端，用于与手持设备中的家庭医生模块通信，提供家庭医生与家庭医生助理、家庭医生与支撑团队、家庭医生与专家的沟通信息；
医疗诊断辅助系统，用于与电子健康档案系统和手持设备中的家庭医生模块进行通信；根据手持设备中的家庭医生模块接收的患者的生命特征信息和/或医生终端的沟通信息，从电子健康档案系统获取病人信息或医院电子病历信息；根据患者的生命体征信息、医生终端的沟通信息和病人信息，或者根据患者的生命体征信息、医生终端的沟通信息和医院电子病历信息进行数据挖掘，并将所述数据挖掘获取的医疗诊断辅助结果传送给手持设备中的家庭医生模块；
其中，所述医疗诊断辅助系统包括知识库模块和智能辅助引擎模块。
2.根据权利要求1所述的系统，其特征在于，还包括：
数据库服务器，用于存储患者的生命体征信息、病人信息、医生终端的沟通信息和医院电子病历信息；
医院无线通讯设备，用于提供医生终端与手持设备中的家庭医生模块、手持设备中的家庭医生模块与医疗诊断辅助系统、医疗诊断辅助系统与电子健康档案系统的通信；
媒体服务器，用于存储医生终端与手持设备中的家庭医生模块通信的音频和视频；
中心管理服务器，用于提供数据库服务器或媒体服务器分别与手持设备中的家庭医生模块、电子健康档案系统、医生终端的通信；
前置接口服务器，用于存储医生终端的接口数据。
3.根据权利要求2所述的系统，其特征在于，所述医院无线通讯设备包括卫生专网、
3G/4G无线网络、医院服务中心WIFI局域网和社区卫生服务中心WIFI局域网。
4.根据权利要求1所述的系统，其特征在于，所述知识库模块包括：
业务理解子模块，用于定义医疗项目的目标和医疗的需求；
收集信息子模块，用于收集所述需求的患者的生命体征信息、病人信息、医院电子病历信息和医生终端的沟通信息；
关联知识子模块，用于将所述收集信息子模块的所述需求的患者的生命体征信息、病人信息、医院电子病历信息和医生终端的沟通信息进行关联；
分析和预测知识子模块，用于分析所述关联知识子模块关联的病人信息、医生终端的沟通信息、医院电子病历信息和患者的生命体征信息，推测关联趋势。
5.根据权利要求1所述的系统，其特征在于，所述智能辅助引擎模块包括：
核心算法子模块，用于提供核心算法，包括关联规则算法、判定树分类算法、聚簇分析算法、人工神经网络算法和遗传算法；
智能选择子模块，用于抽取知识库模块中的数据，根据所述数据的特点选择合适的核心算法，输出核心算法计算的数据；
输入输出子模块，用于将知识库模块中的数据传送给智能选择子模块；
中央控制子模块，用于核心算法子模块、智能选择子模块、输入输出子模块之间的通信与控制；
元知识库，用于存储核心算法子模块的核心算法和智能选择子模块中核心算法计算的数据。
6.根据权利要求1所述的系统，其特征在于，所述医生终端包括电脑和移动终端。

一种医疗系统\n技术领域\n[0001] 本申请涉及医疗领域，特别是涉及一种医疗系统。\n背景技术\n[0002] 随着人们生活水平和生活质量的提高，人们对健康的要求也越来越高。过去，人们为了看病，，或者为了进行医疗咨询，不论病情大小都要到医院去排长队挂号，找大夫看病或咨询，既耗时间，又费精力，特别是对于一些老年人和行动不便的患者，更是增加了很多麻烦。所以人们亟待希望通过有效的方法在家里就可获得快捷、及时、准确、优质的医疗服务。\n[0003] 目前，以家庭为单位，以家庭医生为主融合疾病管理和创新管理的新的医疗模式已越来越得到人们重视，在此模式下，家庭医生会坐班或者定期随访患者。但是，目前家庭医生的工作主要以人工为主，在诊疗过程中，家庭医生通过询问病人姓名、地址、病史等，手动记录相关信息，并根据病人的口述内容和自己的个人经验给出诊断结果，可以发现，在此模式下，家庭医生不能够全面的掌握病人信息，对于病人以往的就医经历和病情信息不能够做到全面的掌握，从而不能针对患者的病情采取更有效、更准确的诊疗手段。\n发明内容\n[0004] 本申请提供一种医疗系统，以解决家庭医生为就医对象进行病情诊断与咨询时提供辅助诊断结果，帮助家庭医生决策的问题。\n[0005] 为了解决上述问题，本申请公开了一种医疗系统，包括：\n[0006] 手持设备中的家庭医生模块，用于接收患者的生命体征信息；\n[0007] 电子健康档案系统，用于提供病人信息和医院电子病历信息；\n[0008] 医生终端，用于与手持设备中的家庭医生模块通信，提供家庭医生与家庭医生助理、家庭医生与支撑团队、家庭医生与专家的沟通信息；\n[0009] 医疗诊断辅助系统，用于与电子健康档案系统和手持设备中的家庭医生模块进行通信；根据手持设备中的家庭医生模块接收的患者的生命特征信息和/或医生终端的沟通信息，从电子健康档案系统获取病人信息或医院电子病历信息；根据患者的生命体征信息、医生终端的沟通信息和病人信息，或者根据患者的生命体征信息、医生终端的沟通信息和医院电子病历信息进行数据挖掘，并将所述数据挖掘获取的医疗诊断辅助结果传送给手持设备中的家庭医生模块。\n[0010] 优选的，所述医疗系统，还包括：\n[0011] 数据库服务器，用于存储患者的生命体征信息、病人信息、医生终端的沟通信息和医院电子病历信息；\n[0012] 医院无线通讯设备，用于提供医生终端与手持设备中的家庭医生模块、手持设备中的家庭医生模块与医疗诊断辅助系统、医疗诊断辅助系统与电子健康档案系统的通信；\n[0013] 媒体服务器，用于存储医生终端与手持设备中的家庭医生模块通信的音频和视频；\n[0014] 中心管理服务器，用于提供数据库服务器或媒体服务器分别与手持设备中的家庭医生模块、电子健康档案系统、医生终端的通信；\n[0015] 前置接口服务器，用于存储医生终端的接口数据。\n[0016] 优选的，所述医院无线通讯设备包括卫生专网、3G/4G无线网络、医院服务中心WIFI局域网和社区卫生服务中心WIFI局域网。\n[0017] 优选的，所述医疗诊断辅助系统包括知识库模块和智能辅助引擎模块。\n[0018] 优选的，所述知识库模块包括：\n[0019] 业务理解子模块，用于定义医疗项目的目标和医疗的需求；\n[0020] 收集信息子模块，用于收集所述需求的患者的生命体征信息、病人信息、医院电子病历信息和医生终端的沟通信息；\n[0021] 关联知识子模块，用于将所述收集信息子模块的所述需求的患者的生命体征信息、病人信息、医院电子病历信息和医生终端的沟通信息进行关联；\n[0022] 分析和预测知识子模块，用于分析所述关联知识子模块关联的病人信息、医生终端的沟通信息、医院电子病历信息和患者的生命体征信息，推测关联趋势。\n[0023] 优选的，所述智能辅助引擎模块包括：\n[0024] 核心算法子模块，用于提供核心算法，包括关联规则算法、判定树分类算法、聚簇分析算法、人工神经网络算法和遗传算法；\n[0025] 智能选择子模块，用于抽取知识库模块中的数据，根据所述数据的特点选择合适的核心算法，输出核心算法计算的数据；\n[0026] 输入输出子模块，用于将知识库模块中的数据传送给智能选择子模块；\n[0027] 中央控制子模块，用于核心算法子模块、智能选择子模块、输入输出子模块之间的通信与控制；\n[0028] 元知识库，用于存储核心算法子模块的核心算法和智能选择子模块中核心算法计算的数据。\n[0029] 优选的，所述医生终端包括电脑和移动终端。\n[0030] 与现有技术相比，本申请包括以下优点：\n[0031] 本申请提出一种医疗系统，主要针对医疗系统的整体流程和医疗诊断辅助系统的管理，“从接收患者的生命体征信息和医生终端的沟通信息到医疗诊断辅助系统给出医疗诊断辅助结果的整个过程”，实现提供患者的生命体征信息、医生终端的沟通信息、电子健康档案系统访问等一系列功能。\n[0032] 本申请中的医疗诊断辅助系统根据患者的生命体征信息和/或医生终端的沟通信息从电子健康档案系统调出患者以往的病人信息和/或医院电子病历信息，根据患者的生命特征信息、医生终端的沟通信息和病人信息，或者根据患者的生命特征信息、医生终端的沟通信息和医院电子病历信息，在知识库和智能辅助引擎中进行数据挖掘，生成医疗诊断辅助结果，辅助家庭医生诊断患者病情，从而帮助家庭医生针对患者的病情采取有效、准确的诊疗。\n附图说明\n[0033] 图1是本申请实施例所述一种医疗系统的结构图；\n[0034] 图2是本申请另一实施例所述一种医疗系统的结构图；\n[0035] 图3是本申请实施例所述医疗诊断辅助系统的结构图；\n[0036] 图4是本申请实施例所述医疗诊断辅助系统显示界面。\n具体实施方式\n[0037] 为使本申请的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本申请作进一步详细的说明。\n[0038] 本申请提出一种医疗系统，所述医疗系统主要由手持设备中的家庭医生模块、医生终端和电子健康档案系统组成，其核心内容是医疗诊断辅助系统分别与电子健康档案系统、手持设备中的家庭医生模块进行通信，根据手持设备中的家庭医生模块接收的患者的生命特征信息和/或医生终端的沟通信息，从电子健康档案系统获取病人信息或医院电子病历信息；根据患者的生命体征信息、医生终端的沟通信息和病人信息，或者根据患者的生命体征信息、医生终端的沟通信息和医院电子病历信息进行数据挖掘。\n[0039] 参照图1，示出了本申请实施例所述一种医疗系统的结构图，具体包括：\n[0040] 手持设备中的家庭医生模块14，用于接收患者的生命体征信息；\n[0041] 手持设备可以包括体征监护仪、血压计、血糖仪、平板电脑等。\n[0042] 所述患者的生命体征信息可以包括患者的心率、患者的脉搏、患者的瞳孔、患者的体温、患者的呼吸和患者的血压等。\n[0043] 电子健康档案系统18，用于提供病人信息和医院电子病历信息；\n[0044] 电子健康档案系统（Electronic Health Record，简称HER），用于提供病人信息，包括病人基本信息、病史、就诊记录和医嘱等信息；所述病人基本信息如姓名、性别、年龄、住址等。\n[0045] 电子健康档案系统（Electronic Health Record，简称HER），用于提供医院电子病历信息，包括病人基本信息、病史、医嘱、病程记录、检查检验结果、手术记录和护理记录等。\n[0046] 所述病程记录是指继入院记录之后，对患者病情和诊疗过程所进行的连续性记录。内容包括患者的病情变化情况、重要的辅助检查结果及临床意义、上级医师查房意见、会诊意见、医师分析讨论意见、所采取的诊疗措施及效果、医嘱更改及理由、向患者及其亲属告知的重要事项等。\n[0047] 医生终端12，用于与手持设备中的家庭医生模块通信，提供家庭医生与家庭医生助理、家庭医生与支撑团队、家庭医生与专家的沟通信息；\n[0048] 所述专家包括区域中心医院的专家和三甲医院的专家。\n[0049] 医生终端可以包括电脑和移动终端，所述移动终端可以包括手机、平板电脑等。\n[0050] 所述医生终端主要由家庭医生助理、支撑团队和专家使用；所述手持设备中的家庭医生模块主要由家庭医生使用，其中，家庭医生也可以称做全科医生。\n[0051] 医疗诊断辅助系统16，用于与电子健康档案系统和手持设备中的家庭医生模块进行通信；根据手持设备中的家庭医生模块接收的患者的生命特征信息和/或医生终端的沟通信息，从电子健康档案系统获取病人信息或医院电子病历信息；根据患者的生命体征信息、医生终端的沟通信息和病人信息，或者根据患者的生命体征信息、医生终端的沟通信息和医院电子病历信息进行数据挖掘，并将所述数据挖掘获取的医疗诊断辅助结果传送给手持设备中的家庭医生模块。\n[0052] 所述医生终端用于与手持设备中的家庭医生模块通信，获取家庭医生与家庭医生助理、家庭医生与支撑团队、家庭医生与专家的沟通信息，将所述医生终端的沟通信息传送给手持设备中的家庭医生模块，所述医生终端的沟通信息主要由音频和视频组成。\n[0053] 所述根据手持设备中的家庭医生模块接收的患者的生命特征信息和/或医生终端的沟通信息中的和/或可以包括以下几种情况：\n[0054] 第一，根据手持设备中的家庭医生模块接收的患者的生命特征信息，从电子健康系统获取病人信息或医院电子病历信息。\n[0055] 第二，根据手持设备中的家庭医生模块的医生终端的沟通信息，从电子健康系统获取病人信息或医院电子病历信息。\n[0056] 第三，根据手持设备中的家庭医生模块接收的患者的生命特征信息和医生终端的沟通信息，从电子健康系统获取病人信息或医院电子病历信息。\n[0057] 所述从电子健康档案系统获取病人信息或医院电子病历信息，如果电子健康档案系统仅有病人信息，就从电子健康系统获取病人信息；如果电子健康系统仅有医院电子病历信息，就从电子健康系统获取医院电子病历信息；如果电子健康档案系统既有病人信息又有医院电子病历信息，那此时就从电子健康档案系统既获取病人信息也获取医院电子病历信息。\n[0058] 所述医疗诊断辅助系统可以应用在基本诊疗管理、诊断管理、处方录入、收费管理、数据采集、会诊、慢性病管理、慢性病档案、随访、评估、指导、老年人体检、辅助检查等方面，也可以运行在医生手持设备端和数据中心，还可以独立运行。\n[0059] 综上所述，本申请实施例所述的一种医疗系统主要包括以下优点：\n[0060] 本申请中的医疗诊断辅助系统根据患者的生命体征信息和/或医生终端的沟通信息从电子健康档案系统调出患者以往的病人信息或医院电子病历信息，根据患者的生命特征信息、医生终端的沟通信息和病人信息，或者根据患者的生命特征信息、医生终端的沟通信息和医院电子病历信息，在知识库和智能辅助引擎中进行数据挖掘，生成医疗诊断辅助结果，辅助家庭医生诊断患者病情，从而帮助家庭医生针对患者的病情采取有效、准确的诊疗手段。\n[0061] 基于以上内容，为使本领域技术人员更好地理解本申请，下面以一种医疗系统的结构图为例对本申请进一步说明，参照图2，其示出了本申请另一实施例所述一种医疗系统的结构图，具体包括：\n[0062] 数据库服务器20，用于存储患者的生命体征信息、病人信息、医生终端的沟通信息和医院电子病历信息；\n[0063] 医院无线通讯设备28，用于提供医生终端与手持设备中的家庭医生模块、手持设备中的家庭医生模块与医疗诊断辅助系统、医疗诊断辅助系统与电子健康档案系统的通信；\n[0064] 媒体服务器26，用于存储医生终端与手持设备中的家庭医生模块通信的音频和视频；\n[0065] 中心管理服务器24，用于提供数据库服务器或媒体服务器分别与手持设备中的家庭医生模块、电子健康档案系统、医生终端的通信；\n[0066] 前置接口服务器22，用于存储医生终端的接口数据。\n[0067] 优选的，所述医院无线通讯设备包括卫生专网、3G/4G无线网络、医院服务中心WIFI局域网和社区卫生服务中心WIFI局域网。\n[0068] 另一优选实施例，本申请中所述医疗诊断辅助系统包括知识库模块和智能辅助引擎模块，家庭医生利用手持设备中的家庭医生模块，将接收到的患者生命体征信息和医生终端的沟通信息，传送到医疗诊断辅助系统，同时医疗诊断辅助系统可以从EHR调出患者以往的病人信息和医院电子病历信息，在知识库模块和智能辅助引擎模块中进行数据挖掘，知识库模块会把患者的综合数据添置在数据模型中，生成医疗诊断辅助结果，辅助家庭医生诊断患者病情，参照图3，其示出了本申请实施例所述医疗诊断辅助系统的结构图，具体包括：\n[0069] 所述知识库模块34包括：\n[0070] （1）业务理解子模块，用于定义医疗项目的目标和医疗的需求。\n[0071] 项目开发最初的阶段集中在理解医疗项目的目标和从业务的角度理解医疗的需求，同时将医疗项目的目标和医疗的需求转化为完成目标的初步计划。\n[0072] （2）收集信息子模块，用于收集所述需求的患者的生命体征信息、病人信息、医院电子病历信息和医生终端的沟通信息。\n[0073] 从医疗卫生系统收集大量的所述需求的患者的生命体征信息、病人信息、医院电子病历信息和医生终端的沟通信息，进行预处理，所述的预处理包括数据清理、信息集成和数据归纳，数据清理主要是空缺值处理、平滑噪声数据、识别删除孤立点。\n[0074] 空缺值处理，目前最常用的方法是使用最可能的值填充空缺值。例如回归法，回归法是依靠现有的数据信息来推测空缺值，使空缺值有更大的机会保持与其他属性之间的联系。如果空缺值很多，则可能误导挖掘结果。\n[0075] 平滑噪声数据，是测量噪声数据变量中的随机错误或偏差，包括错误值或偏离期望的孤立点，可以用数据平滑技术来平滑噪声数据，识别和删除孤立点。\n[0076] 信息集成主要是把收集的所述需求的患者的生命体征信息、病人信息、医院电子病历信息和医生终端的沟通信息进行集成，存放在知识库模块中。\n[0077] 数据归约技术可以用来得到数据集的归约表示，它接近于保持数据的完整性，但数据量比原数据小得多。与非归约数据相比，在归约的数据上进行挖掘，所需的时间和内存资源更少，挖掘更有效，并产生相同或几乎相同的分析结果，其中数据归约的方法有：\n[0078] 1、维归约通过删除不相关的属性(或维)减少数据量。\n[0079] 2、数据压缩应用数据编码或变换，得到源数据的归约或压缩表示。数据压缩分为无损压缩和有损压缩，比较流行和有效的有损数据压缩方法是小波变换和主成分分析。\n[0080] 3、数值归约通过选择替代的、较小的数据表示形式来减少数据量。\n[0081] （3）关联知识子模块，用于将所述收集信息子模块的所述需求的患者的生命体征信息、病人信息、医院电子病历信息和医生终端的沟通信息进行关联。\n[0082] （4）分析和预测知识子模块，用于分析所述关联知识子模块关联的病人信息、医生终端的沟通信息、医院电子病历信息和患者的生命体征信息，推测关联趋势。\n[0083] 在医学科研中，反应变量大多呈现为两个或有限多个不同反应结局的定性变量(又称为属性变量)，而影响疾病发生、发展的危险因素可能是定量的(如暴露时间、年龄等)，也可能是定性的(如暴露与否、性别、种族等)，也有可能是等级的。对于这类问题比较常用的是logistic回归分析，估算一个事件发生的概率。\n[0084] 关于Logit变换及Logistic回归方程：\n[0085] 如果在自变量（通常也称为协变量）X1，X2，…,Xm作用下，因变量Y为疾病发生的概率P，则不发病的概率为1-P；P/1-P是发病概率与不发病概率之比，记作odds。若定义：\n[0086] Logit(p)=ln(odds)=ln(p/1-p) (1)\n[0087] 上式（1）称为p的logit变换。这里的ln是自然对数。则logistic回归方程为：\n[0088] Logit(p)=ln(p/1-p)=a+b1x1+b2x2+....bmxm (2)\n[0089] 上式（2）中，a为常数项；bj(j=l，…，m)为logistic回归系数。(2)式表明当p从0→1／2→l变化时，对应的Logit(p)从-∞→0→∞变化，这样X1，X2，…,Xm可在任何取值范围内变化。即无论危险因素Xf是定量还是定性的或是等级的(后者只要转成定量的话)，p的变化范围从O到l时，Logit(p)在-∞到+∞内变化，logistic回归方程都有意义。\n[0090] 在Logistic回归模型中，是采用最大似然度法估计出模型的系数，这种系数最接近于观察结果，而且，由于这种Logistic回归是非线性的，因此估算系数是需要采用迭代计算。\n[0091] 如果Xf（j=1,2,….m）都为0，即各个危险因素不存在时，将p记住p0,则上式（2）式有a=ln(p0/1-p0)即p0/1-p0=exp(a),其意义是在各危险因素不存在时，a为发病概率与不发病的概率的比数的自然对数(即In(odds))，将这个比数称为基准风险。上式（2）中Logistic回归系数bm(j=1，…，m)是表示在其他危险因素取定值时，危险因素Xf变化一个单位时，Logit(p)的改变量。\n[0092] 所述智能辅助引擎模块32包括：\n[0093] （1）核心算法子模块，用于提供核心算法，包括关联规则算法、判定树分类算法、聚簇分析算法、人工神经网络算法和遗传算法。\n[0094] 所述核心算法子模块是完成智能辅助引擎最基本的处理功能，是智能辅助引擎中最重要的部分，核心算法子模块主要由关联规则算法、判定树分类算法、聚簇分析算法、人工神经网络算法和遗传算法组成，这些核心算法各自有各自的优点和适用范围，下面主要介绍关联规则和神经网络算法的原理：\n[0095] 关联规则算法的原理：关联规则算法识别原因和结果的关系，同时以“支持度”和“置信度”等概率因子来支持数据挖掘理论。关联规则的形式为“if(conditions),then(conclusion)”,用来做出预测或者估计未知属性值，该算法能够自动抽取出现概率较高的关系。\n[0096] 关联规则算法表示知识库模块中一组对象之间某种关联关系的规则，例如“同时发生”或“从一个对象可以推出另一个对象”。关联规则算法就是通过关联分析找出知识库模块中隐藏的关联，利用这些关联规则可以根据已知情况对未知属性值进行推测。\n[0097] 关联规则算法的发现过程可以分为两个步骤：第一步，发现所有的大项集，也就是支持度大于给定最小支持度的项集；第二步，从大项集中产生相关规则。数据挖掘的性能主要由第一步决定，当确定了大项集后，关联规则很容易直观得到。\n[0098] 人工神经网络算法的原理：人工神经网络是由大量类似于人脑神经元的处理单元相互联接而成的非线性复杂网络系统，应用一组输入变量、数学活化函数和输入权重来预测目标变量的值；通过一个反复的学习过程，神经网络不断地调整权重直到预测的输出与实际的数据相一致；一旦学习完成后，该网络就作为用于预测新数据值的模型。由于人工神经网络能够应用其概括能力在学习数据中插入新的值，因此比较适合于连续值数据挖掘的问题。\n[0099] 人工神经网络算法是一种通过训练来学习的非线性预测模型，人工神经网络用于解决数据挖掘的优点是：首先，分类精确、稳定性好；其次，人工神经网络可利用各种算法进行规制提取，它可以完成分类、聚类、特征挖掘等多种数据挖掘任务。目前主要有前馈式神经网络模型、反馈式神经网络模型和自组织神经网络模型\n[0100] （2）智能选择子模块，用于抽取知识库模块中的数据，根据所述数据的特点选择合适的核心算法，输出核心算法计算的数据。\n[0101] 智能选择模块负责根据知识库模块中的数据的特点和进行抽取所得出数据的使用方式来选择合适的核心算法，进行数据挖掘，以达到最优的挖掘效果；智能选择子模块是智能辅助引擎模块核心智能模块，直接决定了智能辅助引擎模块的工作效率和高效性。\n[0102] （3）输入输出子模块，用于将知识库模块中的数据传送给智能选择子模块。\n[0103] 输入输出子模块负责接收从知识库模块中传输来的数据，并将所述数据通过智能辅助引擎模块中的中央控制子模块传送给智能选择子模块，使得智能选择子模块可以利用所述数据进行工作，同时，输入输出子模块还负责将智能辅助引擎模块中的核心算法模块的处理结果传送给数据挖掘系统控制器。\n[0104] （4）中央控制子模块，用于核心算法子模块、智能选择子模块、输入输出子模块之间的通信与控制。\n[0105] 中央控制子模块是智能辅助引擎模块核心控制单元，负责核心算法子模块、智能选择子模块、输入输出子模块之间的通信与控制，中央控制子模块通过控制输入输出子模块，来控制智能辅助引擎模块的交互工作，进而实现智能辅助引擎模块的完整性和独立性。\n[0106] （5）元知识库，用于存储核心算法子模块的核心算法和智能选择子模块中核心算法计算的数据。\n[0107] 元知识库用于存储核心算法子模块的核心算法和智能选择子模块中核心算法计算的数据，中央控制子模块负责对元知识库进行更新和控制，元知识库是实现智能辅助引擎模块的基础单元。\n[0108] 下面介绍，在MATLAB下实现Logistic回归方程与人工神经网络算法结合使用建立预测模型的过程，所述建立预测模型的过程包括人工神经网络的建立、人工神经网络训练和人工神经网络预测。\n[0109] 所述人工神经网络的建立包括以下步骤：\n[0110] 1、基于知识库模块建立MATLAB数据集；\n[0111] 2、将数据集读入工作空间并进行规范化处理；\n[0112] 3、将数据集分成两部分，分别用于训练和测试；\n[0113] 4、建立网络并绘出初始权重向量；\n[0114] 5、训练网络并再次绘出权重向量；\n[0115] 6、对测试集数据进行网络仿真测试并分析预测结果。\n[0116] 所述人工神经网络训练的建立包括以下步骤：\n[0117] 1、导入训练集数据集；\n[0118] 2、建立Logistic回归方程；\n[0119] 3、根据Logistic回归方程计算各种并发症预测概率p；\n[0120] 4、如果p大于0.5，并发症为1,；如果p小于0.5，并发症为0；根据并发症分析预测结果。\n[0121] 所述人工神经网络预测的建立包括以下步骤：\n[0122] 1、导入训练集数据集；\n[0123] 2、建立Logistic回归方程；\n[0124] 3、根据不同并发症回归方程在MATLAB中建立相应的数据集；\n[0125] 4、将数据读入工作空间并进行规范化处理；\n[0126] 5、建立网络并绘出初始权重向量；\n[0127] 6、训练网络并再次绘出权重向量；\n[0128] 7、对测试集数据进行网络仿真测试并分析测试结果。\n[0129] 综上所述，本申请实施例所述的一种医疗系统主要包括以下优点：\n[0130] 本申请中所述医疗诊断辅助系统包括知识库模块和智能辅助引擎模块，家庭医生利用手持设备中的家庭医生模块，将接收到的患者生命体征信息和医生终端的沟通信息，传送到医疗诊断辅助系统，同时医疗诊断辅助系统可以从EHR调出患者以往的病人信息和医院电子病历信息，在知识库模块和智能辅助引擎模块中进行数据挖掘，知识库模块会把患者的综合数据添置在数据模型中，生成医疗诊断辅助结果，辅助家庭医生诊断患者病情。\n[0131] 基于以上内容，为使本领域技术人员更好地理解本申请，下面通过实例介绍医疗诊断辅助系统进行数据挖掘的流程。\n[0132] 1、例如：病人A咳嗽不止；\n[0133] 2、家庭医生首先通过监护仪取到病人A的脉搏、血压、心跳等生命体征信息，并传输到平板电脑中的家庭医生模块；\n[0134] 3、家庭医生和肺病专家进行视频，将专家的沟通信息输入到平板电脑中的家庭医生模块；\n[0135] 4、家庭医生通过平板电脑的家庭医生模块将患者的生命体征信息和专家的沟通信息传输到医疗诊断辅助系统；\n[0136] 5、医疗诊断辅助系统和EHR系统连接，将病人A以往的病历调出；\n[0137] 6、医疗诊断辅助系统根据平板电脑中的家庭医生模块和EHR系统得到的全部信息进行数据挖掘，得出医疗诊断辅助结果：80%肺炎，排除肺结核，并给出治疗建议和用药建议；\n[0138] 7、医疗诊断辅助系统将以上结果传输到家庭医生平板电脑中的家庭医生模块，家庭医生给出最终的治疗方法。\n[0139] 具体的医疗诊断辅助系统显示界面如图4所示：医疗诊断辅助系统处理过的信息会显示在家庭医生的手持平板电脑的家庭医生模块界面中，医疗诊断辅助系统会提示诊断建议，例如该病人得某病的几率，排除得某病，提示治疗建议，例如提供用药参考，保健事项等，提示用药建议等，医疗诊断辅助系统可以给家庭医生提供诊断参考。综上所述，本申请实施例所述的一种医疗系统主要包括以下优点：\n[0140] 本申请中的医疗诊断辅助系统根据患者的生命体征信息、医生终端的沟通信息和病人信息，或者根据患者的生命体征信息、医生终端的沟通信息和医院电子病历信息进行数据挖掘，并将所述数据挖掘获取的医疗诊断辅助结果传送给手持设备中的家庭医生模块，为家庭医生提供辅助诊断结果，从而帮助家庭医生针对患者的病情采取有效、准确的诊疗手段。\n[0141] 本说明书中的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。\n[0142] 以上对本申请所提供的一种医疗系统，进行了详细介绍，本文中应用了具体个例对本申请的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本申请的方法及其核心思想；同时，对于本领域的一般技术人员，依据本申请的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本申请的限制。