用于促进生理信息的数据处理的系统和方法与流程

1.本发明涉及一种用于促进生理信息的数据处理的系统和方法。


背景技术：

2.以下对本发明的背景技术的讨论仅旨在促进对本发明的理解。可以理解的是，该讨论不是意味着或承认所提及的任何材料在本发明的优先权日之前在任何管辖范围内是公开的、已知的或本领域技术人员的公知常识的一部分。
3.心脏病，例如心血管疾病，是许多国家的主要死亡原因之一。心脏病的发生取决于各种因素，如衰老、生活方式、不良饮食习惯和/或压力。心脏病不仅可能发生在贫困人群中，而且还可能发生在城市和经济条件好的人群中。
4.尽管医院具有足够的设施和专业的知识来治疗心脏病，但是心脏病的及时诊断仍然是一个难题。由于这种心脏病通常可能发生紧急事件，需要在黄金时段内进行治疗的，并且如果不在黄金时段内进行治疗，则会导致死亡或对人体造成不可挽回的损伤。
5.通过心电图(ecg)机及时诊断心脏病，可能是解决上述难题的第一步。然而，尽管ecg机已经变得相对常见，但是仍然需要具有专业知识的医生(例如心脏专家)进行准确的ecg分析。
6.通常，为了解决上述问题，一些人使用ecg机进行ecg测试，并将ecg记录发送给医生进行诊断。然而，由于在无法随时在现场找到这样的医生，因此诊断经常被延迟，例如推迟数天。
7.还有人使用ecg机进行ecg测试，并通过电子邮件或消息将ecg记录的图像发送给医生，以便尽早诊断。然而，由于医生可能正在进行手术或没有时间，诊断仍然有例如数小时的延迟。另外，由于图像的质量问题，诊断可能会不准确。
8.有些人使用具有内置ecg分析算法的高端ecg机。除了这种ecg机比较昂贵之外，内置的ecg分析算法的准确度也很有限。例如，这种ecg机在临床使用中可能不全面。此外，这种ecg机通常需要专门的医务人员(例如受过训练的医生或护士)来操作。
9.鉴于上述情况，需要一种系统方法，以及时提供与身体状况相关联的准确数据处理。还需要提供一种解决方案，以满足上述需求或者至少部分地减轻挑战。
10.发明目的
11.本发明的主要目的是提供一种用于促进生理信息的数据处理的系统。
12.本发明的另一个目的是提供一种用于将生理状况分类为身体状况的初始组别的系统。
13.本发明的又一个目的是提供一种用于验证将生理信息准确分类为身体状况的初始组别的验证系统。
附图说明
14.现在将参照附图，仅通过示例的方式描述本发明，在附图中：
15.图1示出了根据本发明的一些实施例的框图。
16.图2示出了根据本发明的一些实施例的流程图。
17.图3示出了根据本发明的一些实施例的另一框图。
18.图4至图6示出了根据本发明的一些实施例的由服务器提供的信息显示的示例。
19.图7示出了根据本发明的一些实施例的消息的示例。
20.本发明可能具有其他布置，因此，附图不应被理解为取代本发明的前述描述的一般性。


技术实现要素：

21.本发明旨在提供一种至少部分地解决上述需求的系统和方法。
22.在整个说明书中，除非上下文另有要求，否则词语“包括(comprise)”或其变形例如“comprises”或“comprising”将被理解为暗示包括所述整数或整数组，但不排除任何其他整数或整数组。
23.此外，在整个说明书中，除非上下文另有要求，否则词语“包括(include)”或其变形例如“includes”或“including”的将被理解为暗示包括所述整数或整数组，但不排除任何其他整数或整数组。
24.设想了一种及时提供准确诊断的系统方法。
25.所述技术方案可以是一种用于促进生理信息的数据处理的系统和方法的形式。特别地，设备可以从个人收集与身体状况相关联的数据集，例如一组ecg数据。服务器可以从设备接收数据集，将数据集分类为至少一个身体状况的初始组别，并将初始组别发送到第三方设备，例如医生的设备，诸如心脏专家的设备，用于验证。然后，服务器可以从第三方设备接收验证组别，并且基于验证组别来修改与分类相关联的算法的至少一部分。修改的算法可以用于将来的分类。
26.通过这种方式，服务器可以使用基于第三方的先前验证的经修改的算法来提供准确的分类。此外，由于服务器可以实时或接近实时地接收该组ecg数据，因此服务器可以及时地提供分类。
27.在一个方面，存在一种用于促进生理信息的数据处理的系统，其包括：设备，可操作为收集来自个人的所述生理信息的数据集；以及服务器，可操作为从所述设备接收所述数据集，并将所述数据集分类为至少一个身体状况的初始组别，所述服务器被布置为进行数据通信以将所述初始组别发送到第三方设备以进行验证，其中，所述服务器可操作为从所述第三方设备接收验证组别，并且基于所述验证组别来修改与所述分类相关联的算法的至少一部分。
28.在一些实施例中，所述算法可操作为基于作为输入的所述数据集和作为输出的所述验证组别进行学习或调整，以修改所述算法的至少一部分。
29.在一些实施例中，所述算法的至少一部分包括以下中的至少一个：与所述算法相关联的权重、链接、函数和参数。
30.在一些实施例中，所述数据集的分类包括所述数据集与所述参数之间的比较。
31.在一些实施方案中，所述数据集的分类包括基于所述数据集和所述参数之间的比较来决定所述身体状况的初始组别。
32.在一些实施例中，如果所述初始组别与所述验证组别不同，则所述服务器可操作为修改与所述分类相关联的所述参数。
33.在一些实施例中，所述服务器可操作为确定所述初始组别的决定的置信水平，并将所述置信水平发送到所述第三方设备。
34.在一些实施例中，如果所述置信水平低于预定置信水平，则所述服务器可操作为突出显示所述置信水平。
35.在一些实施例中，所述数据集的分类包括基于所述初始组别提取预定条件，并且所述服务器将提取的预定条件发送到所述第三方设备。
36.在一些实施例中，所述服务器可操作为突出显示所述提取的预定条件。
37.在一些实施例中，所述服务器可操作为提醒所述第三方设备注意所述提取的预定条件。
38.在一些实施例中，所述服务器将带有注释的所述数据集发送到所述第三方设备，该注释包括决定所述身体状况的初始组别的基本原理。
39.在一些实施例中，所述服务器可操作为生成所述注释的语音信号，并且所述服务器将所述注释的语音信号发送到所述第三方设备。
40.在一些实施例中，所述服务器可操作为基于以下中的至少一个在多个第三方设备中选择所述第三方设备：可用第三方的数量、第三方的能力、个人信息或所述初始组别。
41.在一些实施例中，所述服务器可操作为先将所述数据集发送到所述第三方设备，然后在预定时间之后将所述初始组别发送到所述第三方设备。
42.在一些实施例中，所述预定时间是基于以下中的至少一个确定的：所选择的第三方设备的能力、所述个人信息或所述初始组别。
43.在一些实施例中，所述服务器可操作为基于所述初始组别和所述验证组别生成报告，并且经由消息和/或推送通知将所述报告发送给所述个人和另一第三方设备中的至少一个。
44.在一些实施例中，所述服务器可操作为压缩和加密所述数据集，并将所述压缩和加密的数据集发送到所述第三方设备。
45.在一些实施例中，所述服务器还可操作为基于个人信息来修改所述算法的至少一部分。
46.在一些实施例中，所述服务器是云服务器。
47.在一些实施例中，所述第三方包括医生。
48.在另一方面，存在一种用于促进生理信息的数据处理的方法，其包括：在设备处收集来自个人的所述生理信息的数据集；在服务器处接收来自所述设备的所述数据集；在所述服务器处将所述数据集分类为至少一个身体状况的初始组别；在所述服务器处将所述初始组别发送到第三方设备以进行验证；在所述服务器处从所述第三方设备接收验证组别；以及在所述服务器处基于所述验证组别来修改与所述分类相关联的算法的至少一部分。
49.在另一方面，存在一种促进生理信息的数据处理的，其包括：设备，可操作为收集来自个人的所述生理信息的数据集；以及服务器，可操作为从所述设备接收所述数据集，并将所述数据集分类为至少一个身体状况的初始组别，所述服务器被布置为进行数据通信以将所述初始组别发送到第三方设备以进行验证，其中，所述服务器可操作为从所述第三方
设备接收验证组别，并且基于所述验证组别来修改与所述分类相关联的至少一个参数。
50.在另一方面，存在一种用于促进生理信息的数据处理的方法，其包括：在设备处收集来自个人的所述生理信息的数据集；在服务器处接收来自所述设备的所述数据集；在所述服务器处将所述数据集分类为至少一个身体状况的初始组别；在所述服务器处将所述初始组别发送到第三方设备以进行验证；在所述服务器处接收来自所述第三方设备的验证组别；以及在所述服务器处基于所述验证组别来修改与所述分类相关联的至少一个参数。
51.在另一方面，存在一种用于辅助患者进行诊断的系统，其包括：设备，可操作为收集来自患者的所述生理信息的数据；以及服务器，可操作为从所述设备接收所述数据，使用至少一种算法分析所述数据以生成与身体状况相关联的信息，并将所述信息提供给第三方以确定所述诊断，其中，所述服务器可操作为从所述第三方接收所述诊断的确定，并基于所述诊断的确定修改所述算法。
52.在另一方面，存在一种用于辅助患者进行诊断的方法，其包括：在设备处从患者收集与身体状况相关联的数据；在服务器处接收来自所述设备的所述数据；在所述服务器处使用至少一种算法分析所述数据以生成与所述身体状况相关联的信息；在所述服务器处将所述信息提供给第三方以确定所述诊断；在所述服务器处从所述第三方接收对所述诊断的确定；以及在服务器处诊断的确定来修改算法。
53.在结合附图阅读本发明的具体实施例的以下描述时，本发明的其他方面对于本领域普通技术人员而言可以是易于理解的。
具体实施方式
54.参照在附图中示出和/或在以下描述中详述的非限制性实施例，更全面地解释本技术的实施例、其各种特征和有利的细节。省略了对公知部件和处理技术的描述，以免不必要地模糊本文的实施例。本文使用的示例仅旨在便于理解可以实践本文的实施例的方式，并且进一步使本领域技术人员能够实施本文的实施例。因此，示例不应被解释为限制本文的实施例或发明的范围。
55.在整个说明书中，通信设备可以包括但不限于智能电话、台式电脑、笔记本电脑、平板电脑和可穿戴设备，特别是智能可穿戴设备，例如智能手表、智能眼镜或移动虚拟现实耳机。
56.图1示出了根据本发明的一些实施例的框图。系统100可以包括设备110和服务器120。
57.设备110可以包括，但不限于，适合于住宅使用(即，供家庭或其它住宅设施中的个人使用)的家用医疗设备。家用医疗设备可以包括但不限于心电图(ecg)机，该心电图机测量人的心脏的电活动以显示心脏是否正常工作。
58.ecg机可以收集与人的心脏节律和活动相关联的数据集，并将该数据集发送到服务器120。人或个体可以包括人类和/或哺乳动物。例如，数据集可以是一组数据，例如ecg数据。在一些实施例中，ecg机可以在屏幕和/或纸上输出所收集的数据集。在一些实施例中，收集的数据可以包括但不限于spo2测量值、体重、血压(bp)、血糖水平等。
59.值得注意的是，在一些实施例中，设备110可以适于临床和/或医院使用。
60.在一些实施例中，设备110可以包括通信设备，例如人的通信设备。作为设备110的
通信设备可以从ecg机收集与人的心脏节律和活动相关联的数据集，并将该数据集发送到服务器120。
61.服务器120可以包括通信模块121、处理器122和数据库123。可以理解的是，在一些其他实施例中，可以一体化通信模块121和处理器122。一些实施例可以在云网络基础设施中实现或由云网络基础设施支持。服务器120可以是通过通信网络(例如互联网)上的云计算平台构建、托管和交付的云服务器。可以从包括个人和医生的多个用户远程访问云服务器。
62.通信模块121可以包括一个或更多个模块或单元，使得其能够与设备110和/或其它通信设备，例如下面将要描述的第一和/或第二通信设备130、140进行有线通信和/或无线通信。例如，通信模块121从设备110接收ecg数据，并将由处理器122生成的信息发送到第一通信设备130和/或第二通信设备140。该信息可以包括由将在下面描述的处理器122确定的至少一个身体状况的初始组别。该信息可以是以下形式：音频信号、视频信号、文本信号、多媒体信号或它们的组合。该信息还可以包括各种格式的数据。
63.处理器122可操作为使用算法分析所接收的数据集，以确定身体状况的初始组别，并产生包括初始组别的信息。
64.系统100还可以包括由第三方使用的至少一个第一通信设备130，第三方例如是诸如心脏专家的医生。医生可以由系统100雇用或与系统100签约，以向服务器120提供身体状况的验证组别。
65.在经由通信模块121接收到来自医生的验证之后，处理器122还可操作为基于医生的验证来修改算法的至少一部分。
66.系统100还可以包括由另一方(例如个人、监护人或家庭医生)使用的至少一个第二通信设备140。个人、监护人或家庭医生可以从服务器120接收由医生确定的身体状况验证组别。
67.数据库123可操作为存储以下信息中的至少一个：从个人收集的数据集、由处理器122生成的信息、由医生验证的信息和基于验证的最终报告。
68.图2示出了根据本发明的一些实施例的流程图。
69.首先，设备110可以从人收集生理信息的数据集(s210)。在一些实施例中，设备110可以检测人体并生成人的生理信息的数据集。此后，设备110可以将数据集发送到服务器120。
70.在一些实施例中，设备110可以连续地收集来自个人的生理信息的数据集，并且实时或接近实时地将数据集发送到服务器120。
71.然后，服务器120可以从设备110接收数据集(s220)。在一些实施例中，服务器120可实时或接近实时地从设备110接收数据集。
72.服务器120可以将数据集分类为至少一个身体状况的初始组别(s230)。
73.在一些实施例中，服务器120可以使用至少一种算法，例如预定算法，并且使用预定算法在所接收的数据集和至少一个预定参数之间进行比较。服务器120可以基于数据集和预定参数之间的比较来确定身体状况的初始组别，以生成信息。该信息可以包含身体状况的初始组别。
74.服务器120可以基于数据集和预定参数之间的差值来确定初始组别的决定的置信
水平。该信息还可以包含置信水平。如果置信水平低于预定置信水平，则服务器120可以突出显示信息中的置信水平。
75.数据集的分类可以包括基于初始组别的预定条件的提取。该信息还可以包含预定条件。服务器120可以在信息中突出显示所提取的预定条件。服务器120可以经由与第三方设备的数据通信，提醒第三方注意提取的预定条件，该第三方是例如由系统100雇用或与系统100签约的心脏专家的医生。
76.例如，如果服务器120确定初始组别显示可能发生紧急事件，则服务器120可以用警报实时或接近实时地通知医生。
77.在一些实施例中，当服务器120生成信息时，服务器120可以在信息中包括数据集的注释，该注释涉及决定身体状况的初始组别的基本原理。因此，医生能够容易地理解或解释关于数据集的初始组别。
78.在一些实施例中，服务器120可以生成注释的语音信号，并且将该注释的语音信号包括在信息中。可以理解的是，语音信号可以包括初始组别的概要。
79.在一些实施例中，服务器120可以从由系统100雇佣或与系统100签约的多个医生中选择至少一个医生。例如，服务器120可以基于以下中的至少一个来选择医生：人员信息、医生的能力、初始组别或可用医生的数量。个人信息可以包括但不限于年龄、性别、体重、身高、住所、病史等。医生的能力可以包括但不限于确定或验证身体状况所花费的平均处理时间和经验。
80.例如，如果个人的身体状况已经由特定医生验证，则服务器120可以选择该特定医生进行身体状况的后续验证。作为另一示例，如果该个人是婴儿，则服务器120可以在医生中选择儿科医生。如果服务器120确定初始组别显示可能发生紧急事件，则服务器120可以在医生中选择经验丰富的医生。
81.虽然未示出，但是服务器120可以在多个医生中选择两个或更多个医生，使得服务器120可以从两个或更多个医生获得身体状况的验证。
82.例如，如果存在大量可用医生，则服务器120可以选择两个或更多个医生。作为另一示例，如果服务器120确定初始组别显示可能发生紧急事件，则服务器120可以选择两个或更多个医生，以从医生处获得该组别的验证，以提高准确性。作为另一示例，如果置信水平低于预定置信水平，则服务器120可以选择两个或更多个医生，以从医生处获得身体状况的验证，以提高准确性。
83.在选择医生之后，服务器120可以将初始组别发送到第三方设备进行验证(s240)，然后从第三方设备接收验证组别(s250)。可以理解的是，服务器120可以压缩和/或加密数据集，并将压缩和/或加密的数据集提供给医生使用的第一通信设备130。如前所述，该信息可以包含由服务器120确定的初始组别。
84.当信息被提供给医生时，服务器120可以控制医生的第一通信设备130以期望的方式显示信息，例如初始组别。例如，服务器120可以先将数据集提供给第一通信设备130，然后在预定时间后将信息提供给第一通信设备130。因此，第一通信设备130可以先显示数据集，然后在预定时间后显示信息。
85.作为另一示例，服务器120可以将数据集和信息一起提供给第一通信设备130，但是指示第一通信设备130先显示数据集，并且随后在预定时间后显示信息。在一些实施例
中，预定时间可以基于以下中的至少一个来确定：人员信息、所选医生的能力或初始组别。
86.例如，如果需要关注特定的人，则可以增加预定时间，使得医生可以基于数据集对身体状况的组别进行分类，而不会有偏见。作为另一示例，如果所选中的医生没有工作经验，则可以增加预定时间，使得医生可以基于数据集对身体状况的组别进行分类，而不依赖于初始组别。作为另一示例，如果服务器120确定初始组别显示可能发生紧急事件，则可以增加预定时间，使得医生可以基于数据集对身体状况的组别进行分类，而不会有偏见。
87.尽管未示出，但是服务器120可以基于包括初始组别和验证组别的信息来生成报告。在一些实施例中，报告可以包括信息和/或验证组别。在一些实施例中，可以基于接收者的偏好或兴趣来配置报告。例如，如果接收者是个人，则可以基于身体状况的验证组别突出显示的当前身体状况。作为另一示例，如果接收者是监护人，则可以突出显示与当前身体状况相关联的家庭治疗的解释。作为另一示例，如果接收者是家庭医生，则可以突出显示数据集和身体状况的验证组别的概要。
88.然后，服务器120可以通过消息、电子邮件和/或推送通知将报告发送到个人、监护人或家庭医生使用的至少一个第二通信设备140。可以理解的是，服务器120可以压缩和/或加密该报告，并将压缩和/或加密的报告提供给第二通信设备140。
89.此后，服务器120可以基于验证组别修改和分类相关联的算法的至少一部分，例如预定算法至少一部分(s260)。在神经网络中，在连续迭代中，算法可操作为基于作为输入的数据集和作为输出的验证组别来学习或调整。在一些实施例中，可以相应地修改算法的至少一部分，例如与算法相关联的权重、链接、函数和/或参数。在一些其他实施例中，可以修改、改变或替换整个算法。
90.在一些实施例中，在从医生接收到身体状况的验证组别之后，服务器120可以通过将数据集作为输入并将验证组别作为输出来操作机器学习算法，从而使机器学习算法修改预定算法以使用数据集作为输入来输出验证组别。可以修改至少一部分预定算法，以便输出验证组别作为新的输出。以这种方式，可以在没有用户输入的情况下自动训练用于分类的算法的至少一部分。
91.可以理解的是，在一些实施例中，可以基于验证组别来修改一种算法。在一些其他实施例中，可以基于验证组别来修改两个或更多个算法。如果存在多个可能的修改，则服务器120可以选择至少一个修改。例如，服务器120可以通过将另一数据集作为输入并将另一验证组别作为输出来模拟修改，并且选择可以输出另一验证组别的至少一个修改。
92.在一些实施例中，服务器120可以基于验证组别来修改参数，该参数作为算法的一部分被用于与数据集进行比较以确定初始组别。在一些实施例中，如果初始组别与验证组别不同，则服务器120可以修改与分类相关联的参数。
93.例如，如果基于数据集与参数的比较，初始组别已经被确定为“恶性”，但是验证组别已经被确定为“良性”，则服务器120可以根据医生的验证来修改要增加的参数。以这种方式，服务器120将能够将新数据集与修改的参数进行比较，以确定新数据集的初始组别。
94.在另一示例中，如果初始组别已经被确定为低置信水平的“良性”，并且验证组别已经被确定为“良性”，则服务器120可以相应地修改参数。以这种方式，服务器120将能够在将来以高置信水平将相同数据集的初始组别确定为“良性”。
95.在一些实施例中，服务器120还可以基于个人的信息来修改和分类相关联的算法
的至少一部分。例如，如果人的体重已经增加，则作为算法的一部分，服务器120可以修改参数以与增加的体重一致。
96.图3示出了根据本发明的一些实施例的另一框图。
97.设备110可以包括ecg机110。ecg机110可以包括通信模块(未示出)，其允许将ecg数据集无缝传输到服务器120，例如云服务器。
98.在一些实施方式中，通信模块可以被预先配置为经由通信网络(例如2g、3g或wi
‑
fi)将原始ecg数据集(例如，与扫描对照的电压点)推送到服务器120。以这种方式，可以保持较低的传输要求，同时如果需要，可以在稍后的任何时间创建高保真图像。
99.在一些实施例中，通信模块可以被设计为将ecg数据集发送到服务器120，而无需显式工作流程的任何改变。每当个人或用户请求时，可以传输ecg数据。例如，当个人选择“打印ecg”或“采集ecg”的按钮时，ecg数据可以被发送到服务器120。作为另一示例，当ecg采集由辅助该个人的受过训练的人员验证时，ecg数据可以被发送到服务器120。可以经由视觉检查或图像采集设备来执行验证，该图像采集设备操作为采集ecg数据的图像以用于分析。
100.在一些实施例中，通信模块可以被设计为自动报告操作问题，从而使得能够远程诊断或评估设备110的功能和/或设备110与服务器120之间的通信链路。
101.这种远程诊断的示例包括安排设备110在每个预定的间隔向服务器120发送多重信号(也称为“心跳”)，以便向前传送到分析这些信号的计算设备(未示出)。在一些实施例中，多个信号中的一个或多个可以包括用于由服务器120进一步分析的有用信息。例如，有用信息可以嵌入在一个或多个多重信号中。这种嵌入信息可以包括关于关键系统参数的信息，如蜂窝信号的强度、剩余电池电量和有助于远程调试的其他信息。如果电池电量在心跳完全停止前显示出下降趋势，则可以得出结论，设备110需要充电。如果蜂窝信号强度不断波动，则可以得出结论，在远程位置存在网络问题。基于在心跳中接收的调试信息，可以检测设备110的故障。通过这种方式，用户(例如个人)可以注意到设备110的故障，并正确地修理设备110。
102.在一些实施例中，预定间隔是1分钟。
103.在一些实施例中，计算设备可以位于通信模块或服务器120内。在其他实施例中，计算设备可以在另一通信设备(未示出)中远离服务器120位置。在又一实施例中，计算设备可以位于第一通信设备130或第二通信设备140中。
104.在一些实施例中，通信模块可以实施压缩和/或加密技术，以便安全地传输ecg数据，即使在低带宽协议下，例如2g。
105.如上所述，服务器120可以包括通信模块121、处理器122和数据库123。处理器122可以包括引擎122a、分类器122b和学习引擎122c。
106.一些实施例可以在云网络基础设施中实现或由云网络基础设施支持。服务器120可以是通过通信网络上的云计算平台构建、托管和交付的云服务器。云网络基础设施可以由一组远程诊所或医院共享。
107.在一些实施例中，基于接收ecg数据的远程地点，服务器120可以选择医生所属的组织，并将ecg数据按特定路线发送到该组织。
108.在一些实施例中，在该组织内，ecg数据可以被安排为基于一组规则被自动推送给
一组医生。该规则使得能够安排合适的医生来快速处理ecg数据。该规则可以包括但不限于以下内容：
109.当时可用医生的数量、他们未决ecg诊断的列表、他们的平均处理时间等。
110.接收ecg数据的时间(例如，例如，较早收到的ecg数据可能会提前处理)
111.个人要求的质量服务水平(例如，响应时间)(例如，诊断中心可能比个体诊所能够容忍更大的诊断延迟)
112.基于初始组别的ecg数据的危急程度(例如，危急情况可以被安排在正常情况之前)。
113.在一些实施例中，可以使用两步验证。例如，在医生验证由服务器120确定的初始组别之后，可以将医生的验证提供给另一个医生，例如个人指定的医生，用于进一步验证。如果该指定的医生没有在预定时间内确认医生的验证，则可以将未确认的验证(即，医生的验证)发送到接收者的设备140。此后，当验证完成后，可以提供指定医生的确认验证。
114.当个人的数据集与参数进行比较时，分类器122b可以使用该算法来确定初始组别时。该算法可使得引擎122a能够针对ecg数据中明显的至少一部分身体状况(例如心脏状况)确定初始组别。为了加速验证，每个初始组别可以链接到原始ecg数据上的一系列测量结果和/或证据以及每个导联的平均分量搏动。以这种方式，算法可以拾取可理解的特征，以证明初始组别的合理性。
115.在一些实施例中，该算法可使得引擎122a能够基于数据集与参数之间的差值来确定初始组别的置信水平，使得医生可以专注于对具有低置信水平的数据集的验证。可以理解的是，置信水平可以经由其他算法得出，例如，但不限于，机器学习算法。
116.引擎122a可以使用参数和/或算法将收集的数据集分类为至少一个身体状况的初始组别，并生成诸如初始组别的信息，从而提高医生的效率。当初始组别不正确并且因此需要更新或修改参数和/或算法时，医生可以在将报告发送到接收者的设备140，例如个人、监护人或家庭医生的设备，之前提供验证组别。
117.因此，接收者的设备140可以及时获得准确和经验证的报告。同时，通过学习引擎122c从验证组别中学习参数和/或算法，并进行相应改进。这种良性循环使得参数和/或算法能够持续改进并且能够减少医生的认知负荷和资源需求。图4至图6示出了根据本发明的一些实施例的由服务器提供的信息显示的示例。
118.第一通信设备130，例如医生的通信设备130，可以包括至少一个屏幕，例如单显示器或双显示器。在一些实施例中，屏幕的显示可以由医生的通信设备130控制。在一些实施例中，屏幕的显示可以由服务器120控制。
119.在一些实施例中，如图4所示，在显示初始组别和/或测量之前，屏幕可以显示预定时间延迟的原始ecg数据，例如原始ecg波形。有意地包括预定延迟，以便最小化由初始组别(当显示在屏幕上时)引起的一个或多个认知偏差影响医生的验证组别。
120.在一些实施例中，服务器120可以在屏幕中突出显示某个初始组别。例如，如图5所示，如果服务器120确定初始组别显示的紧急事件可能发生，则服务器120可以用警报131通知初始组别的医生。
121.在一些实施例中，服务器120可以被配置为从一个或多个第三方医生接收输入信号。一个或多个第三方医生可以经由至少一个输入设备(包括但不限于键盘、鼠标和生物识
别设备)提供显式或隐式输入信号。这种显式和隐式输入包括键盘敲击、鼠标移动、眼睛移动(经由相机)、生物特征输入等，以提高验证的整体质量和/或验证的速度。在一些实施例中，由第三方医生输入的输入可以被馈送到算法以识别一个或多个输入模式，该一个或多个输入模式随后用于呈现根据医生的偏好定制的结果的更好视图。
122.作为示例，诸如医生的键盘敲击、鼠标移动、眼睛移动(通过相机)的输入信号可以被发送到服务器120或由服务器120(通过处理器122)获得，以收集关于ecg分析的哪些方面花费医生最多的时间，以及医生在特定时间试图找出哪些方面或特征的信息。该信息可用于开发方法，以向医生呈现根据其需要定制的相关信息。在一些实施例中，可以经由学习引擎122c来训练服务器120，以理解医生已经专注于ecg的哪些方面，从而实现验证。可以理解的是，学习引擎122c、分类器122b可以包括另一种学习算法，以将输入信号与一个或多个输入模式相关联。
123.在另一示例中，医生可以校正注释(如心跳形状、位置等)，用户可以使用该注释来进一步修改算法。
124.在一些实施例中，如图6所示，医生的通信设备130的用户界面示出了可能的结论的列表。医生可以通过选择显示在屏幕上的至少一个可能结论形式来提供显式或隐式输入信号。可以理解的是，医生可以校正列表的任何条目或创建新的条目/列表。
125.在又一示例中，参数和/或算法可以使用医生提供的反馈来以各种方式进行改进。
126.在又一示例中，ecg
‑
医生的验证可用于改进分类器模型。
127.在又一示例中，ecg
‑
注释对(如每个ecg的搏动形状、波形等)可用于改进分类器模型。
128.在又一示例中，ecg
‑
注释
‑
医生的验证组合可用于调整参数设置并改进决策规则。
129.总之，诸如击键、鼠标移动和眼睛移动的输入信号可用于改善查看器。例如，提供心前导联的r波振幅图可以帮助医生快速看到r波进展，这是一个关键的ecg参数。这将为他们省去依次查看六个心前导联中的每一个并在头脑中比较振幅的麻烦。
130.在一些实施例中，屏幕可以显示链接到潜在证据(例如，原始ecg波形和平均分量搏动两者的较低水平特征和测量)的初始组别。这使得医生能够快速且容易地验证初始组别。
131.在一些实施例中，医生的通信设备130可以添加基于语音的自动概要，该概要解释得出初始组别而采取的关键步骤(例如，速率、节奏、波形形态、st形态等)。这使得医生能够快速理解初始组别。
132.在一些实施例中，如果服务器120确定此人的数据集与危急情况有关，则医生的通信设备130可以向医生提供触觉反馈。
133.在一些实施例中，医生的通信设备130可以提供链接到相关联的扩展解释的分级心脏状况(例如，以首字母缩略词和/或同义词的形式)的内置支持，以使得医生能够以最少的键入或不键入快速完成验证。可以理解的是，首字母缩略词和/或同义词可以用于自动完成或辅助完成验证。
134.在一些实施例中，医生的通信设备130可以提供查看器内支持的，用于清除噪声(例如，用于消除基线漂移、肌肉震颤的滤波器)、识别每个导联的平均分量搏动、识别每个导联的基线等的工具。
135.在一些实施例中，医生的通信设备130可以提供基于应用(“app”)的ecg审查系统，该审查系统具有用于审查ecg数据和验证初始组别的工具，以及用于加速下一步治疗的相关工具，如下面的图7所示。
136.图7示出了根据本发明的一些实施例的消息的示例。
137.基于接收者的偏好和使用情况，ecg验证可以通过消息、电子邮件和/或应用程序发送给接收者。除了首次登记病例的远程诊所或医院之外，这些消息传递平台可以扩展到包括救护车和附近的医院，以便减少进入气囊的时间并加速治疗。
138.本领域技术人员可以理解，可以组合上述特征的变化和组合，而不是替代或取代，以形成落入本发明的预期范围内的另外的实施例。
139.具体实施例的前述描述将充分地揭示本文中的实施例的一般性质，使得其他人可以通过应用当前知识，在不脱离一般概念的情况下，容易地修改和/或调整这些具体实施例以用于各种应用，因此，这些调整和修改应当并且旨在被理解为在所公开的实施例的等同物的含义和范围内。应当理解的是，本文采用的措辞或术语是为了描述而不是限制。因此，虽然已经根据优选实施例描述了本文的实施例，但是本领域技术人员将认识到，可以在如本文所述的实施例的范围内通过修改来实施本文的实施例。