一種睡眠信息的處理方法及裝置制造方法及圖紙

本發明專利技術的實施例提供了一種睡眠信息的處理方法及裝置，其中該處理方法包括：獲取多個患者的睡眠監測數據；獲取對睡眠監測數據進行判讀后的第一判讀結果，并根據第一判讀結果生成患者的監測報告；根據監測報告，從多個患者的睡眠監測數據和監測報告中選擇出患有第一種疾病的第一患者的睡眠監測數據和監測報告；根據第一患者的睡眠監測數據和監測報告，得出第一種疾病的關聯因素。本發明專利技術的實施例能對疾病的關聯因素進行大范圍人群地挖掘，有助于區域人群對疾病的預防，降低疾病的發生率。

Sleep information processing method and device

The embodiment of the invention provides a method and apparatus for treating sleep information, including the processing methods: access to a number of patients with sleep monitoring data; obtaining the first interpretation of the results interpreted on sleep monitoring data, and according to the monitoring report of the first generation with interpretation of the results; according to the monitoring report, the first choice of patients with the first disease sleep monitoring data and monitoring reports from multiple patients with sleep monitoring data and monitoring report; according to the first patient's sleep monitoring data and monitoring report, the first kind of disease related factors. The embodiment of the invention can excavate the related factors of the disease in a large scale, and is helpful for the prevention of disease by the local population and the reduction of the incidence of the disease.

【技術實現步驟摘要】
一種睡眠信息的處理方法及裝置
本專利技術涉及醫療
，特別涉及一種睡眠信息的處理方法及裝置。
技術介紹
目前，睡眠障礙發生率不斷升高，根據中國醫師協會《2015年中國睡眠指數報告》顯示，31.2％的中國人存在嚴重睡眠問題。中國潛在的呼吸暫停綜合征患者約五千萬人，呼吸暫停綜合征可能導致高血壓、冠心病、中風和猝死等問題，嚴重威脅人們的健康。美國睡眠疾病學會(ASDA)將睡眠監測儀分為四種不同類型，第一種被稱之為金標準，完全在實驗室進行的多導睡眠監測(PSG)；第二種稱作復合型多導睡眠監測儀，最少7個導聯，包括腦電、眼電、下頜肌電、心電或心率、呼吸氣流、呼吸動作及血氧飽和度等，可以進行睡眠分期和呼吸暫停等的確定；第三種被稱作簡化便攜式睡眠呼吸暫停監測儀，最少4個導聯，其中至少有2個導聯監測呼吸，包括呼吸氣流和呼吸運動，還有心率或心電和血氧飽和度；第四種為持續性單個或兩個參數的監測儀，如血氧飽和度或呼吸氣流。還有一部分監測儀夠不上第三種的簡化便攜式睡眠呼吸暫停監測儀的標準，有2～3個導聯者也被確定為第四種。其中，PSG能客觀記錄睡眠結構、呼吸事件、血氧飽和度、微覺醒等信息，并對睡眠呼吸暫停綜合征(OSAHS)進行客觀定量研究，20世紀80年代應用于臨床以來，一直是國際公認的診斷OSAHS的“金標準”，是診斷睡眠呼吸疾病的必要客觀依據之一。隨著可穿戴設備技術的發展，雖然市場上出現通過便攜式或可穿戴設備實現基礎體征數據的采集，再經智能手機的處理和傳輸，及平臺的智能分析，已能夠為用戶提供呼吸暫停檢測及睡眠質量評估結果，但是為了準確地評估睡眠狀況、進行睡眠障礙診療，整夜的PSG監測需求依然很高。患者入住醫院睡眠監測室，通過多導睡眠儀以及紅外攝像整夜同步監測腦電、眼電、肌電、呼吸、心電、血氧及二氧化碳、肢體運動等多項生理參數，需要經過人工花費數小時進行睡眠圖判讀，從而獲得監測結果。目前中國醫療行業面臨的現狀之一，是由于人口老齡化，亞健康、慢病人群激增，對健康醫療服務行業需求的擴大，而醫療資源配置不合理以及醫療服務資源(例如醫護人員等)匱乏，造成了一旦有較大的疾病，大批農村和小城市的居民蜂擁至大城市的大醫院就醫，加劇了醫療資源的緊張，也帶來了個人就醫成本的大幅上升，遠程醫療與分級診療服務應運而生。為了鼓勵和規范遠程醫療、分級診療的發展，國家在2014年8月推出了.《關于推進醫療機構遠程醫療服務的意見》，明確了遠程醫療服務范圍，包括一方醫療機構邀請其他醫療機構，運用信息化技術為本醫療機構診療患者提供技術支持。國務院辦公廳于2015年9月印發《關于推進分級診療制度建設的指導意見》，文件提出“構建醫療衛生機構分工協作機制”，分級診療制度將在兩年內逐步完善，到2020年，基層首診，雙向轉診、急慢分診、上下聯動的分級診療模式全面確立。分級診療方法主要是按照疾病的輕、重、緩、急及治療的難易程度進行分級，不同級別的醫療機構承擔不同疾病的治療，實現基層首診和雙向轉診。主要包括下級醫療衛生機構向上級醫療機構轉診(不能明確診斷的疑難復雜病例等)、上級醫療機構向下級醫療衛生機構轉診(治療后病情穩定、進入恢復期等情況)。一般的實現方法多采用直接轉診方式，通過電子病歷互認，患者從基層醫院轉向上級醫院診治，或轉向基層醫院康復；也有通過遠程音頻和視頻的方式進行遠程會診。上述分級診療或遠程診療方法對于多導睡眠監測的困境情況不完全適用。目前多導睡眠監測儀進行睡眠監測面臨的困境主要包括如下三種：第一種：伴有睡眠障礙的患者多向大醫院集中，導致醫療成本增高，大醫院人滿為患，而三甲醫院床位有限，需要排隊等候，用戶排隊時間約數周至數月，同時社區等基層醫院有空余床位，使得資源利用率低。第二種：PSG的硬件和軟件價格相對較高，更為困難地是PSG睡眠圖判讀尚未實現自動判讀，需要專業的技師，而培養PSG專業判讀技師成本較高，很多基層醫院無法支撐，因而導致PSG監測無法服務更廣泛的睡眠障礙人群。第三種：PSG監測數據在各個醫院之間獨立存儲，數據格式不統一，數據孤島嚴重，無法進行數據的協同分析，進而難以對疾病的關聯因素進行大范圍人群地挖掘。目前，大部分患者的癥狀都較為典型，但因目前沒有能分析出疾病的關聯因素的方法，不能有效地提醒區域人群對疾病進行預防，導致疾病的發生率不斷升高。
技術實現思路
本專利技術實施例的目的在于提供一種睡眠信息的處理方法及裝置，能對疾病的關聯因素進行大范圍人群地挖掘，有助于區域人群對疾病的預防，降低疾病的發生率。為了達到上述目的，本專利技術的實施例提供了一種睡眠信息的處理方法，包括：獲取多個患者的睡眠監測數據；獲取對睡眠監測數據進行判讀后的第一判讀結果，并根據第一判讀結果生成患者的監測報告；根據監測報告，從多個患者的睡眠監測數據和監測報告中選擇出患有第一種疾病的第一患者的睡眠監測數據和監測報告；根據第一患者的睡眠監測數據和監測報告，得出第一種疾病的關聯因素。其中，獲取多個患者的睡眠監測數據的步驟，包括：通過多導睡眠監測儀，獲取多個患者的睡眠監測數據。其中，獲取對睡眠監測數據進行判讀后的第一判讀結果讀的步驟，包括：根據預先存儲的醫學判讀規則，對睡眠監測數據進行判讀，得到第一判讀結果；或者獲取具備判讀睡眠監測數據能力的第一用戶，在對睡眠監測數據進行判讀后輸入的第一判讀結果。其中，根據監測報告，從多個患者的睡眠監測數據和監測報告中選擇出患有第一種疾病的第一患者的睡眠監測數據和監測報告的步驟，包括：獲取第二用戶根據監測報告，輸入的診斷信息；根據監測報告和診斷信息，從多個患者的睡眠監測數據和監測報告中選擇出患有第一種疾病的第一患者的睡眠監測數據和監測報告。其中，根據第一患者的睡眠監測數據和監測報告，得出第一種疾病的關聯因素的步驟，包括：獲取第一患者的主述信息；根據第一患者的主述信息、睡眠監測數據和監測報告中的信息，生成第一特征向量；對第一特征向量進行歸一化和降維處理；對經過歸一化和降維處理后的第一特征向量進行聚類分析，將聚類中心對應的特征值作為第一種疾病的關聯因素。其中，在獲取對睡眠監測數據進行判讀的第一判讀結果，并根據第一判讀結果生成患者的監測報告的步驟之后，處理方法還包括：接收第三用戶輸入的下載請求，將監測報告發送給第三用戶所使用的終端。其中，在獲取對睡眠監測數據進行判讀的第一判讀結果，并根據第一判讀結果生成患者的監測報告的步驟之后，處理方法還包括：根據多個患者的監測報告，從多個患者的睡眠監測數據中篩選出典型患者的睡眠監測數據；根據典型患者的睡眠監測數據，生成第二特征向量；根據第二特征向量，判斷預先存儲的教學案例庫中的多個典型案例中是否存在，與由第二特征向量對應的典型患者的監測報告、睡眠監測數據、第一判讀結果所構成的第一案例相似的典型案例；當多個典型案例中不存在與第一案例相似的典型案例時，獲取多個第四用戶對第一案例中的第一判讀結果進行審核后，輸入的審核評分；根據多個審核評分，將第一案例作為新的典型案例加入至教學案例庫中。其中，根據多個審核評分，將第一案例作為新的典型案例加入至教學案例庫中的步驟，包括：計算多個審核評分的平均評分；判斷平均評分是否大于預設評分；當平均評分大于預設評分時，將第一案例作為新的典型案例加入至教學案例庫中。其中，根據多本文檔來自技高網...

【技術保護點】
一種睡眠信息的處理方法，其特征在于，包括：獲取多個患者的睡眠監測數據；獲取對所述睡眠監測數據進行判讀后的第一判讀結果，并根據所述第一判讀結果生成所述患者的監測報告；根據所述監測報告，從多個所述患者的睡眠監測數據和監測報告中選擇出患有第一種疾病的第一患者的睡眠監測數據和監測報告；根據所述第一患者的睡眠監測數據和監測報告，得出所述第一種疾病的關聯因素。

【技術特征摘要】
1.一種睡眠信息的處理方法，其特征在于，包括：獲取多個患者的睡眠監測數據；獲取對所述睡眠監測數據進行判讀后的第一判讀結果，并根據所述第一判讀結果生成所述患者的監測報告；根據所述監測報告，從多個所述患者的睡眠監測數據和監測報告中選擇出患有第一種疾病的第一患者的睡眠監測數據和監測報告；根據所述第一患者的睡眠監測數據和監測報告，得出所述第一種疾病的關聯因素。2.如權利要求1所述的處理方法，其特征在于，所述獲取多個患者的睡眠監測數據的步驟，包括：通過多導睡眠監測儀，獲取多個患者的睡眠監測數據。3.如權利要求1所述的處理方法，其特征在于，所述獲取對所述睡眠監測數據進行判讀后的第一判讀結果讀的步驟，包括：根據預先存儲的醫學判讀規則，對所述睡眠監測數據進行判讀，得到所述第一判讀結果；或者獲取具備判讀所述睡眠監測數據能力的第一用戶，在對所述睡眠監測數據進行判讀后輸入的第一判讀結果。4.如權利要求1所述的處理方法，其特征在于，所述根據所述監測報告，從多個所述患者的睡眠監測數據和監測報告中選擇出患有第一種疾病的第一患者的睡眠監測數據和監測報告的步驟，包括：獲取第二用戶根據所述監測報告，輸入的診斷信息；根據所述監測報告和所述診斷信息，從多個所述患者的睡眠監測數據和監測報告中選擇出患有第一種疾病的第一患者的睡眠監測數據和監測報告。5.如權利要求1所述的處理方法，其特征在于，所述根據所述第一患者的睡眠監測數據和監測報告，得出所述第一種疾病的關聯因素的步驟，包括：獲取所述第一患者的主述信息；根據所述第一患者的主述信息、睡眠監測數據和監測報告中的信息，生成第一特征向量；對所述第一特征向量進行歸一化和降維處理；對經過歸一化和降維處理后的第一特征向量進行聚類分析，將聚類中心對應的特征值作為所述第一種疾病的關聯因素。6.如權利要求1所述的處理方法，其特征在于，在所述獲取對所述睡眠監測數據進行判讀的第一判讀結果，并根據第一判讀結果生成所述患者的監測報告的步驟之后，所述處理方法還包括：接收第三用戶輸入的下載請求，將所述監測報告發送給所述第三用戶所使用的終端。7.如權利要求1所述的處理方法，其特征在于，在所述獲取對所述睡眠監測數據進行判讀的第一判讀結果，并根據第一判讀結果生成所述患者的監測報告的步驟之后，所述處理方法還包括：根據多個所述患者的監測報告，從多個所述患者的睡眠監測數據中篩選出典型患者的睡眠監測數據；根據所述典型患者的睡眠監測數據，生成第二特征向量；根據所述第二特征向量，判斷預先存儲的教學案例庫中的多個典型案例中是否存在，與由所述第二特征向量對應的典型患者的監測報告、睡眠監測數據、第一判讀結果所構成的第一案例相似的典型案例；當多個所述典型案例中不存在與所述第一案例相似的典型案例時，獲取多個第四用戶對所述第一案例中的第一判讀結果進行審核后，輸入的審核評分；根據多個所述審核評分，將所述第一案例作為新的典型案例加入至所述教學案例庫中。8.如權利要求7所述的處理方法，其特征在于，所述根據多個所述審核評分，將所述第一案例作為新的典型案例加入至所述教學案例庫中的步驟，包括：計算多個所述審核評分的平均評分；判斷所述平均評分是否大于預設評分；當所述平均評分大于所述預設評分時，將所述第一案例作為新的典型案例加入至所述教學案例庫中。9.如權利要求7所述的處理方法，其特征在于，所述根據多個所述患者的監測報告，從多個所述患者的睡眠監測數據中篩選出典型患者的睡眠監測數據的步驟，包括：判斷預先存儲的多個疾病名稱中是否存在與所述監測報告所表征所述患者所患疾病的名稱相匹配的疾病名稱；當多個所述疾病名稱中存在與所述監測報告所表征所述患者所患疾病的名稱相匹配的疾病名稱時，將所述患者的睡眠監測數據作為典型患者的睡眠監測數據。10.如權利要求7所述的處理方法，其特征在于，所述根據所述第二特征向量，判斷預先存儲的教學案例庫中的多個典型案例中是否存在，與由所述第二特征向量對應的典型患者的監測報告、睡眠監測數據、第一判讀結果所構成的第一案例相似的典型案例的步驟，包括：對所述第二特征向量進行歸一化處理；通過公式分別計算經過歸一化處理后的第二特征向量與預先存儲的教學案例庫中多個典型案例的第三特征向量的歐氏距離，其中，D表示經過歸一化處理后的第二特征向量與第三特征向量的歐氏距離，di表示經過歸一化處理后的第二特征向量，dj表示所述第三特征向量，k表示第二特征向量的維度，n表示第二特征向量的維度的數量，wk(di)表示經過歸一化處理后的第二特征向量的第k個維度的權重值，wk(dj)表示所述第三特征向量的第二特征向量的第k個維度的權重值；從計算得到的多個所述歐氏距離中篩選出最小的歐氏距離，并比較所述最小的歐氏距離與預設距離的大小；當所述最小的歐氏距離大于所述預設距離時，確定預先存儲的教學案例庫中的多個典型案例中不存在與所述第一案例相似的典型案例；當所述最小的歐氏距離小于或等于所述預設距離時，確定預先存儲的教學案例庫中的多個典型案例中存在與所述第一案例相似的典型案例。11.如權利要求7所述的處理方法，其特征在于，在所述根據多個所述審核評分，將所述第一案例作為新的典型案例加入至所述教學案例庫中的步驟之后，所述處理方法還包括：獲取第五用戶在學習所述教學案例庫中的典型案例之后，對所述患者的睡眠監測數據進行判讀后，輸入的第二判讀結果；將所述第二判讀結果與所述第一判讀結果...

【專利技術屬性】
技術研發人員：吳娜，徐青青，常耀斌，方若潔，張志鵬，許利群，
申請(專利權)人：中國移動通信集團公司，
類型：發明
國別省市：北京,11