-
公开(公告)号：CN118969295B
公开(公告)日：2025-02-11
申请号：CN202411458137.1
申请日：2024-10-18
Applicant: 吉林大学
Abstract: 本发明公开了一种高危孕产妇病情预警系统及方法，涉及智能健康监护技术领域，该方法包括采集孕产妇的个体化信息和生理数据，自动识别孕期阶段，生成孕产妇数据包；基于历史数据，构建多阶段分层风险预测模型，根据孕产妇数据包，预测孕产妇阶段性健康风险评分；将孕产妇阶段性健康风险评分与孕产妇的个体化信息结合，通过模糊逻辑对孕产妇阶段性健康风险评分进行优化，生成个性化孕产妇健康风险评分；根据个性化孕产妇健康风险评分，评估孕产妇当前健康风险等级；根据孕产妇当前健康风险等级，触发预警机制并提供个性化干预建议。本发明通过构建多阶段分层风险预测模型提升了高危孕产妇病情预警的准确性，确保母婴健康安全。
-
公开(公告)号：CN118969295A
公开(公告)日：2024-11-15
申请号：CN202411458137.1
申请日：2024-10-18
Applicant: 吉林大学
Abstract: 本发明公开了一种高危孕产妇病情预警系统及方法，涉及智能健康监护技术领域，该方法包括采集孕产妇的个体化信息和生理数据，自动识别孕期阶段，生成孕产妇数据包；基于历史数据，构建多阶段分层风险预测模型，根据孕产妇数据包，预测孕产妇阶段性健康风险评分；将孕产妇阶段性健康风险评分与孕产妇的个体化信息结合，通过模糊逻辑对孕产妇阶段性健康风险评分进行优化，生成个性化孕产妇健康风险评分；根据个性化孕产妇健康风险评分，评估孕产妇当前健康风险等级；根据孕产妇当前健康风险等级，触发预警机制并提供个性化干预建议。本发明通过构建多阶段分层风险预测模型提升了高危孕产妇病情预警的准确性，确保母婴健康安全。
-
公开(公告)号：CN115590696B
公开(公告)日：2023-02-28
申请号：CN202211592452.4
申请日：2022-12-13
Applicant: 吉林大学第一医院
Abstract: 本发明涉及剖腹产术后护理领域，具体为一种剖腹产术后护理体位调整肠肌蠕动功能恢复装置，包括床体，床体的上端面对称固定连接有凸板，凸板的前端面贯穿转动连接有长轴，长轴的一端外表面固定连接有扶手架，床体的下部设置有辅助侧翻机构，床体的上部设置有腿部活动机构和自动按摩机构，通过辅助侧翻机构的设置，可以根据身体感知来完成侧翻恢复肠肌蠕动功能，既保证了侧翻的舒适感还有利于侧翻动作的完成，本发明主要用于解决剖腹产手术后肠肌蠕动功能恢复较慢的问题，其结构合理，实用性较强。
-
公开(公告)号：CN115590696A
公开(公告)日：2023-01-13
申请号：CN202211592452.4
申请日：2022-12-13
Applicant: 吉林大学第一医院(CN)
Abstract: 本发明涉及剖腹产术后护理领域，具体为一种剖腹产术后护理体位调整肠肌蠕动功能恢复装置，包括床体，床体的上端面对称固定连接有凸板，凸板的前端面贯穿转动连接有长轴，长轴的一端外表面固定连接有扶手架，床体的下部设置有辅助侧翻机构，床体的上部设置有腿部活动机构和自动按摩机构，通过辅助侧翻机构的设置，可以根据身体感知来完成侧翻恢复肠肌蠕动功能，既保证了侧翻的舒适感还有利于侧翻动作的完成，本发明主要用于解决剖腹产手术后肠肌蠕动功能恢复较慢的问题，其结构合理，实用性较强。
-
公开(公告)号：CN117373689B
公开(公告)日：2024-02-13
申请号：CN202311652217.6
申请日：2023-12-05
Applicant: 吉林大学第一医院
Abstract: 本发明涉及产科医学数据处理技术领域，尤其涉及一种产程心率实时分析方法及系统。所述方法包括以下步骤：获取实时宫口图像数据；根据实时宫口图像数据进行宫口轮廓变化特征采集，生成宫口轮廓变化特征数据；获取实时产程心电图数据；根据心率信号阈值对实时产程心电图数据的心率信号进行心率信号节点实时分析处理，以获得心率信号标记节点；当识别到心率信号标记节点时，将宫口轮廓变化特征数据反馈至终端以进行产程心电图信息反馈；对赋能产程心电图数据以及宫口轮廓变化特征数据进行目标心率信号变化的关联性分析，生成目标心率信号关联分析数据。本发明实现产程心电图与相关信息的关联关系的细致分析。
-
Patent Agency Ranking
公开(公告)号：CN117373689A
公开(公告)日：2024-01-09
申请号：CN202311652217.6
申请日：2023-12-05
Applicant: 吉林大学第一医院
Abstract: 本发明涉及产科医学数据处理技术领域，尤其涉及一种产程心率实时分析方法及系统。所述方法包括以下步骤：获取实时宫口图像数据；根据实时宫口图像数据进行宫口轮廓变化特征采集，生成宫口轮廓变化特征数据；获取实时产程心电图数据；根据心率信号阈值对实时产程心电图数据的心率信号进行心率信号节点实时分析处理，以获得心率信号标记节点；当识别到心率信号标记节点时，将宫口轮廓变化特征数据反馈至终端以进行产程心电图信息反馈；对赋能产程心电图数据以及宫口轮廓变化特征数据进行目标心率信号变化的关联性分析，生成目标心率信号关联分析数据。本发明实现产程心电图与相关信息的关联关系的细致分析。
-
公开(公告)号：CN118737469B
公开(公告)日：2024-12-06
申请号：CN202411205865.1
申请日：2024-08-30
Applicant: 吉林大学
Abstract: 本申请公开一种产妇术后恢复监测方法，涉及智能监测技术领域，采集相同来源医院和医生手术的手术操作记录；采集每一手术信息的手术类型关键点权重与恢复周期关键点权重，得到每一手术信息的实际关键点权重和每一手术信息的实际手术类型；基于每一手术信息，得到每一手术信息的实际手术类型的置信度和最终关键点权重；基于每一手术信息的最终关键点权重，得到手术操作记录中的分段手术信息；基于分段手术信息，完成患者手术术后恢复监测，本发明可以充分基于医院和医生的治疗诊断情况以及产妇手术的具体需求，对不同的手术类型进行自适应的监测方案，有效提升了产妇术后的健康恢复效率。
-
公开(公告)号：CN119008016A
公开(公告)日：2024-11-22
申请号：CN202411491218.1
申请日：2024-10-24
Applicant: 吉林大学
IPC: G16H50/30 , G16H50/70 , G06F18/25 , G06F18/213 , G06V10/40 , G06N3/042 , G06N3/0464 , G06N3/0499 , G06N3/0455 , G06F123/02
Abstract: 本发明公开了一种产妇产前状态智能分析系统及方法，涉及生物医学技术领域，其中，该方法包括：实时采集产妇的多模态数据，并进行预处理；将预处理后的多模态数据进行融合，生成多模态特征向量；构建深度学习模型，进行产前状态评估，得到评估结果；根据评估结果，生成个性化的干预方案；收集产妇的实时数据和反馈信息，监测干预效果，评估干预方案的有效性。通过根据评估结果生成个性化的干预方案，实现了对产妇的精准干预，不仅提高了干预的针对性和有效性，还能够及时发现和解决潜在的风险因素，从而保障母婴的安全。
-
公开(公告)号：CN118942733A
公开(公告)日：2024-11-12
申请号：CN202411433935.9
申请日：2024-10-15
Applicant: 吉林大学
Abstract: 本申请公开一种产后妇女盆底康复的智能管理系统及方法，涉及医用信息化技术领域，获取产后患者在多个生产手术下的病灶和盆底肌肉收缩情况监控数据，得到病灶变化和盆底肌肉恢复监控数据；对产后患者进行监控，获取使用待评价药物前后病灶变化得分和盆底肌肉恢复得分并分析得出待评价药物在产后患者中的复合得分；结合产后患者在盆底肌肉收缩情况中的盆底肌肉收缩情况监控数据总时长，计算产后患者使用待评价药物后的其他人员评价，作为有效性测评验证。本发明可实现对产后患者使用待评价药物进行更科学、细致的测评，促进产后患者在病灶和实际盆底肌肉收缩情况中有效性测评技术的发展以及待评价药物的产品质量提升，助力于药物临床检测的有效性。
-
公开(公告)号：CN109646282A
公开(公告)日：2019-04-19
申请号：CN201910029431.3
申请日：2019-01-13
Applicant: 吉林大学
CPC classification number: A61H33/06 , A61H33/6005 , A61H2033/061 , A61H2201/105 , A61H2201/1626 , A61H2205/06 , A61H2205/10
Abstract: 本发明涉及一种坐卧式女性生育后熏蒸装置，包括熏蒸盆，熏蒸盆的前端设置有撑起机构，熏蒸盆的内壁后侧均匀对称的设置有插接槽，插接槽内活动插接有足底活血机构，熏蒸盆的左右两侧对称的设置有腿部按压机构，熏蒸盆的前端内壁上对称设置有手臂按摩机构。本发明可以解决现有女子生产后在熏蒸过程中存在的如下问题：一、传统人体熏蒸设备只能单纯的进行熏蒸，熏蒸时传统的设备不能对其四肢进行放松按摩；二、传统熏蒸设备无法根据使用者的身高腿长进行适应的调节，影响熏蒸的体验，且熏蒸时躺在熏蒸设备内，容易滑动；三、熏蒸需要长时间躺在熏蒸设备内，传统的熏蒸设备与人体背部存在空隙，容隐导致使用者身体不适等难题。
-
-
-
-
-
-
-
-
-
Search Results
20
records
(took 0.034 seconds)
