CN111950234A - 基于智能医学文本处理系统的处理方法 - Google Patents

Abstract

本申请公开了一种智能医学文本处理方法，包括如下步骤：采用数据对一神经网络进行训练以获得结构化数据以及数据模型；采集所述患者数据或所述诊疗数据中的医学文本；使神经网络对所述医学文本进行处理以获取已获得所需的数据。本申请的有益之处在于提供一种对医学文本中的不规则语句进行标准化处理从而提高医患沟通效率的基于智能医学文本处理系统的处理方法。

Description

基于智能医学文本处理系统的处理方法

技术领域

本申请涉及一种基于智能医学文本处理系统的处理方法，属于智能医疗领域。

背景技术

通过对已有的医疗数据进行分析和研究，能够对医疗技术的提高起到正面帮助。近年来，随着电子信息技术的快速发展，医疗领域所产生的电子医疗数据的数据量越来越大，从电子医疗数据中提取有效信息的难度也随之增加，进而，人们开始探讨和学习如何利用文字识别技术来提高医疗行业的改进效率。

发明内容

一种基于智能医学文本处理系统的处理方法，所述智能医学文本处理系统包括：第一类终端设备，用于供患者使用以输入患者数据；第二类终端设备，用于供医生使用以输入诊疗数据；服务器，用于存储和处理发送至所述第一类终端设备或所述第二类终端设备的数据；其中，所述第一类终端设备和所述第二类终端设备分别与所述服务器构成通讯连接以使所述服务器至少能将数据发送至所述第一类终端设备和第二类终端设备；所述服务器包括：数据模块和处理模块；所述数据模块至少用于存储所述第一类终端设备或第二类终端设备所上传的数据；所述处理模块用于处理所述第一类终端设备或第二类终端设备所上传的数据；所述智能医学文本处理方法包括如下步骤：采用数据对一神经网络进行训练以获得结构化数据以及数据模型；采集所述患者数据或所述诊疗数据中的医学文本；使神经网络对所述医学文本进行处理以获取已获得所需的数据。

进一步地，将所述医学文本中的数据分为：结构化数据、半结构化数据和非结构化数据。

进一步地，所述结构化数据包括医疗结算单数据、网络医疗文本数据、医疗知识库数据、医疗文献库数据。

进一步地，所述非结构化数据包括电子病历数据和健康档案数据。

进一步地，所述半结构化数据包括由第一类终端设备、第二终端设备或服务器以及与它们构成数据交互的设备自动生成的数据。

进一步地，所述数据模型由一神经网络学习而获得。

进一步地，所述第一类终端设备、第二类终端设备或服务器用于执行所述智能医学文本处理方法。

进一步地，在处理所述第二类终端设备的数据时将所述第一类终端设备的数据经所述智能医学文本处理方法处理后得到的结构化数据或数据模型作为优先匹配的结构化数据。

进一步地，在处理相同的第一类终端设备中新的医学文本时，优先匹配第一类终端设备的历史数据中已经结构化的数据和模型。

进一步地，在处理相同的第一类终端设备中新的医学文本时，依照第一类终端设备的历史数据中已经结构化的数据和模型对应的病症优先配对对应病症的数据和模型。

本申请的有益之处在于：提供一种对医学文本中的不规则语句进行标准化处理从而提高医患沟通效率的基于智能医学文本处理系统的处理方法。

附图说明

构成本申请的一部分的附图用来提供对本申请的进一步理解，使得本申请的其它特征、目的和优点变得更明显。本申请的示意性实施例附图及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：

图1是根据本申请一种实施例的智能医学文本处理系统的示意框图；

图2是根据本申请一种实施例的智能医学文本处理系统中各个部分数据互联的示意框图；

图3是根据本申请一种实施例的第一类终端设备与其余部分交互示意图；

图4是根据本申请一种实施例的医学文本识别处理方法的流程示意图；

图5是一个文本实例进行实体标记的示意图；

图6根据本申请另一种实施例的医学文本识别处理方法的流程示意图。

图中附图标记的含义：

智能医学文本处理系统100，第一类终端设备101，第二类终端设备102，服务器103，体检设备104，治疗设备105，第二类终端设备106。

具体实施方式

为了使本技术领域的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分的实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本申请保护的范围。

需要说明的是，本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

在本申请中，术语“上”、“下”、“左”、“右”、“前”、“后”、“顶”、“底”、“内”、“外”、“中”、“竖直”、“水平”、“横向”、“纵向”等指示的方位或位置关系为基于附图所示的方位或位置关系。这些术语主要是为了更好地描述本申请及其实施例，并非用于限定所指示的装置、元件或组成部分必须具有特定方位，或以特定方位进行构造和操作。

并且，上述部分术语除了可以用于表示方位或位置关系以外，还可能用于表示其他含义，例如术语“上”在某些情况下也可能用于表示某种依附关系或连接关系。对于本领域普通技术人员而言，可以根据具体情况理解这些术语在本申请中的具体含义。

此外，术语“安装”、“设置”、“设有”、“连接”、“相连”、“套接”应做广义理解。例如，可以是固定连接，可拆卸连接，或整体式构造；可以是机械连接，或电连接；可以是直接相连，或者是通过中间媒介间接相连，又或者是两个装置、元件或组成部分之间内部的连通。对于本领域普通技术人员而言，可以根据具体情况理解上述术语在本申请中的具体含义。

需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。

参照图1所示，智能医学文本处理系统包括：第一类终端设备、第二类终端设备和服务器。

其中，第一类终端设备用于供患者使用以输入患者数据，作为具体方案，第一类终端设备可以包括：第一类人机交互装置、第一类处理器和第一类通讯模块。第一类人机交互装置用于实现人机交互，即供患者输入信息以及向患者反馈信息，作为更具体的方案，第一类人机交互装置可以包括：触摸屏、麦克风和音响；第一类处理器用于根据程序处理数据，尤其是患者通过第一类人机交互装置输入的与患者相关的数据。

这里将与患者相关的数据定义为患者数据。患者数据可以包括：患者个人数据、患者病情数据以及患者其他数据。患者个人数据包括患者的身份数据(比如性别、年龄、家庭住址、医保卡编号)、生物识别数据(人脸识别数据、指纹识别数据)等。

患者病情数据包括：主动病情数据和被动病情数据，其中，主动病情数据为患者主动输入至的数据，被动病情数据为通过第一类终端设备或额外的体检设备检测从而获取并传输至第一类终端设备的关于患者身体状况的数据。

作为一种优选方案，第一类终端设备具有检测单元，该检测单元可以检测患者的某项身体指标数据，作为进一步的优选方案，检测单元包括一个红外摄像头，该红外摄像头可以拍摄红外图片从而检测患者的体温数据。这样一来，患者在进入医院或发热门诊之前即可对自身体温进行检测，并通过第一类终端设备上传数据，服务器可以根据患者的体温数据以及体温数据的变化统一统筹患者赴诊的医院，避免大量患者集中，造成流行病传染。

作为一种扩展方案，第一类终端设备具有扩展接口，该扩展接口可以使第一类终端设备外接体检设备或治疗设备，并与它们交互数据，扩展接口可以为USB接口或Type-C接口，体检设备可以包括血压仪、血糖仪等；治疗设备可以包括氧气机、雾化机等。通过扩展接口第一类终端设备不但可以获得患者的检测数据，也可以获得患者的治疗情况，从而获得病情数据。

作为更进一步的方案，第一类终端设备具有第一类通讯模块，第一类终端设备可以通过第一类通讯模块与外界构成通讯连接，比如，与服务器构成通讯连接，或者与前述的体检设备或治疗设备构成通讯连接。作为具体方案，第一类通讯模块既包括适用于远程通讯的通讯芯片以实现长距离的无线通讯，比如通过2G、3G、4G、5G的通讯芯片实现远程通讯，也包括适用于近场通讯的通讯芯片以实现近场无线通讯，比如通过WiFi、蓝牙、LoRa、UWB的通讯芯片实现近场通讯。第一类终端设备与服务器之间采用数据传输速率较高的远程通讯，比如通过4G或5G网络；第一类终端设备与体检设备以及治疗设备构成近场通讯。

第一类终端设备可以通过第一类通讯模块中的近场通讯芯片实现与体检设备和治疗设备的无线数据交互，从而避免了设置扩展接口带来成本增加以及使用上的不便。

作为具体方案，所述第一类终端设备包括第一类处理器，第一类处理器用于预处理患者数据。第一类终端设备将经过第一类处理器预处理后的数据上传至服务器。具体而言，第一类处理器包括第一语言处理单元，第一语言处理单元用于将患者输入非结构化数据转化为结构化数据。第一类处理器可以独自完成数据的结构化处理，也可以通过与服务器的数据交互，由服务器来实现数据的转化全部程序或部分程序。另外，第一类处理器能综合执行其他程序以处理患者数据或者对用户进行反馈。

作为一种可选方案，第一类处理器包括第一AI处理单元，第一AI处理单元可以引导患者输入数据，第一AI处理单元通过查询患者的既往输入历史，进行引导式的问询，或者根据用户的性别、年龄等人群特性，问询重点疾病的特点。第一AI处理单元可以记忆用户的历史输入以及历史输入习惯从而进行智能提示或者根据接收至服务器的数据，对患者进行特异化的提问，以便对用户的病情或身体情况进行跟踪从而进一步准确的采集患者数据。

作为具体实施方案，第一类终端设备可以被构造为一个移动终端，比如一个智能手机或智能平板电脑。当然，第一类终端设备还可以为PC设备等非用于移动的计算机设备。

作为本申请的另一方面，第二类终端设备用于供医生使用以输入诊疗数据，这里所指的诊疗数据包括医生给出的用药数据、治疗数据以及其他医嘱数据。

作为具体方案，第二类终端设备可以采用与第一类终端设备相类似的配置方案，具体的，第二类终端设备可以包括：第二类人机交互装置、第二类处理器和第二类通讯模块。第二类人机交互装置用于实现人机交互，即供医生输入信息以及向患者反馈信息，作为更具体的方案，第二类人机交互装置可以包括：触摸屏、麦克风和音响；第二类处理器用于根据程序处理数据，尤其是医生通过第二类人机交互装置输入的与治疗相关的数据。

这里将与患者治疗相关的数据定义为诊疗数据。诊疗数据还可以包括：医生的个人数据以及医院的数据。

作为一种扩展方案，第二类终端设备具有扩展接口，该扩展接口可以使第二类终端设备外接体检设备或治疗设备，并与它们交互数据，扩展接口可以为USB接口或Type-C接口，体检设备可以包括血压仪、血糖仪等；治疗设备可以包括氧气机、雾化机等。通过扩展接口第二类终端设备不但可以获得患者的检测数据，也可以获得患者的治疗情况，从而获得病情数据。

作为更进一步的方案，第二类终端设备具有第二类通讯模块，第二类终端设备可以通过第二类通讯模块与外界构成通讯连接，比如，与服务器构成通讯连接，或者与前述的体检设备或治疗设备构成通讯连接。作为具体方案，第二类通讯模块既包括适用于远程通讯的通讯芯片以实现长距离的无线通讯，比如通过2G、3G、4G、5G的通讯芯片实现远程通讯，也包括适用于近场通讯的通讯芯片以实现近场无线通讯，比如通过WiFi、蓝牙、LoRa、UWB的通讯芯片实现近场通讯。第二类终端设备与服务器之间采用数据传输速率较高的远程通讯，比如通过4G或5G网络；第二类终端设备与体检设备以及治疗设备构成近场通讯。

第二类终端设备可以通过第二类通讯模块中的近场通讯芯片实现与体检设备和治疗设备的无线数据交互，从而避免了设置扩展接口带来成本增加以及使用上的不便。

作为具体方案，所述第二类终端设备包括第二类处理器，第二类处理器用于预处理患者数据。第二类终端设备将经过第二类处理器预处理后的数据上传至服务器。具体而言，第二类处理器包括第二语言处理单元，第二语言处理单元用于将患者输入非结构化数据转化为结构化数据。第二类处理器可以独自完成数据的结构化处理，也可以通过与服务器的数据交互，由服务器来实现数据的转化全部程序或部分程序。另外，第二类处理器能综合执行其他程序以处理患者数据以对医生进行反馈。

作为一种可选方案，第二类处理器包括第二AI处理单元，第二AI处理单元可以帮助医生输入数据，第二AI处理单元通过查询患者的既往输入历史，对医生的问诊进行辅助，或者根据用户的性别、年龄等人群特性，提示医生问询重点疾病的特点。第二AI处理单元可以记忆患者的既往病历从而进行智能提示或者根据接收至服务器的数据，提示医生相应数据并为医生提供相应的标准化的病历模板。

作为具体实施方案，第二类终端设备可以被构造为一个移动终端，比如一个智能手机或智能平板电脑。当然，第二类终端设备还可以为PC设备等非用于移动的计算机设备。作为一种优选方案，第二类终端为一个PC设备。

这里需要说明的是，本申请里所指的“患者”，是指最广义上的患者，即一切具有诊疗需求而使用本申请的智能复诊系统中的人员。本申请里所指的“医生”，是指最广义上的医生，即一切参与实施诊断、检查、治疗而使用本申请的智能复诊系统的人员。

作为本申请的一种扩展方案，本申请还包括第二类终端设备，第三类终端设备的配置可以参照第一类终端设备和第二类终端设备。第三类终端设备即可以部分面向患者也可以部分面向医护人员，具体而言，第二类终端设备被构造为导医台、自助查询机、缴费挂号机等装置。第三类终端设备也可与第一类终端设备、第二类终端设备以及服务器中的至少一个构成数据交互。

作为优选方案，第一类终端设备可以通过蓝牙与第二类终端设备和第三类终端设备构成数据交互，用户在通过第一类终端设备完成预诊后，通过第一类终端设备的摄像头扫描所述第二类终端设备或第三类终端设备的二维码，从而实现与它们配对并获取权限。

以与第二类终端设备配对为例，具体方案为，第一类终端设备扫码后，获取第一类终端设备的地址，并通过向服务器发送请求获取蓝牙配对的秘钥，服务器反馈给第一类终端设备指令，要求第一终端设备的用户，进行身份识别，比如密码或者人脸识别，如果识别通过，则将蓝牙配对的秘钥发送至第一类终端设备以实现蓝牙配对，同时服务器根据配对信息，将第一类终端设备中相应的信息发送给第二类终端设备。

这样患者在进行诊疗时，通过扫码即可以使医生从第二类终端设备上获取患者信息，并且获取在服务器上生成病历以及治疗方案的权限。

参照如前方案，本申请中国的体检设备以及治疗设备均可以采用类似方案实现，体检设备和治疗设备与所述第一类终端设备、第二类终端设备和服务器中的至少一个构成通讯连接以使所述体检设备将患者的身体数据发送至所述第一类终端设备、第二类终端设备和服务器中的至少一个。

作为一种可选方案，由于部分治疗无法携带手机，本申请复诊系统还包括一个供患者使用的手环，该手环包括二维码信息，也可以被构造为具有RFID标签或UWB标签以实现定位。患者在进行治疗时，体检设备和治疗设备扫描手环的二维码信息，识别当前患者，然后记录检测和治疗的数据至服务器，患者在方便时通过扫描手环上二维码信息从而获取向服务器发出数据请求，服务器根据第一类终端设备的采集密码或者其他身份认证数据判断第一类终端设备是否具有权限获取之前检测和治疗数据，如果具有权限，则将之前对应手环的全部数据同步到服务器中对应第一类终端设备的存储空间中进行数据更新。

本申请的服务器用于存储和处理发送至所述第一类终端设备或所述第二类终端设备的数据，服务器包括：数据模块和处理模块；数据模块至少用于存储第一类终端设备或第二类终端设备所上传的数据；处理模块用于处理第一类终端设备或第二类终端设备所上传的数据。可以理解数据模块为一个存储空间，并该存储空间即可以是实体的存储装置，可以是云存储空间。处理模块的作用具体在于实现诊断功能，具体而言，处理模块包括机器处理模块和医生处理模块，机器处理模块根据患者终端输(代指第一类终端设备，下同)入的症状信息通过内置诊断方法得出病症及用药，医生处理模块将患者终端输入的症状信息发送给其中一个医生终端(代指第二类终端设备，下同)，通过医生终端输出的诊断信息得出病症及用药。

服务器存储的数据包括病例数据、线上问诊数据、诊疗知识、药学辞典、科研文献。作为一种优选方案，服务器还设有一个神经网络学习模块，其能根据患者终端、医生终端以及系统中其他数据采集设备的数据，进行学习，从而实现智能判断。

服务器还包括：推送模块，推送模块至少用于向第一类终端设备或第二类终端设备推送数据。具体而言，推送的数据包括：辅诊问诊策略、辅诊检查策略、辅诊诊断策略、鉴别诊断策略、个性化治疗方案、危急重疾病提醒、医嘱处置信息。

在具体诊疗过程中，诊前，患者在系统终端输入基本信息和就诊问题，作为预问诊；诊中，医生在系统终端接收患者的就诊问题并依据病例数据、检查数据、诊疗数据，对患者的病症作出临床诊断并开处方；诊后，院方对医生的诊断结果及处方做病案质控和门诊过程内涵质控，对于慢病患者，系统时时跟踪患者病情并给出建议。

如图4所示，医学文本识别处理方法，包括如下步骤：

S1)设置医学术语库，医学术语库存储结构化数据；所述结构化数据包括医疗结算单数据、网络医疗文本数据、医疗知识库数据、医疗文献库数据。

S2)提取医学文本中的待处理语句，将待处理语句进行语句切分、句法分析，依据神经网络训练模型确定待处理语句的实体标记并形成实体标记序列；所述实体标记序列表示为(实体词1，实体词2，实体关系)，实体关系表示实体词1和实体词2之间的关系。

S3)根据预先设置的句法分析筛选规则，对待处理语句中的实体进行筛选，确定待处理语句中的候选标准化术语。句法分析筛选规则为：对待处理语句中的实体进行筛选，确定待处理语句中的候选标准化术语，并根据所述实体类型确定候选标准化术语类型，包括判断待处理语句是否满足预先设置的句法结构、在待处理语句满足预先设置的句法结构时将待处理语句中的实体舍弃。

S4)将待处理语句中的候选标准化术语与医学术语库进行匹配，若匹配成功，则将待处理语句中的候选标准化术语确定为标准化术语；若匹配不成功，则通过删减方法修正候选标准化术语，进行重新匹配。

医疗文本包括门诊处方单、体检单、病例本、住院医嘱数据、医药企业药品数据、医药企业销售数据、医疗知识库及文献库数据、药品说明书数据等。

实体的类别包括根据预先确定的药品规格数据库或包装规格数据库或药品名称数据库或体检规格数据库或病例数据库等获取的药品规格实体、包装实体、药品名称实体、身体部位实体、健康状况实体等，预先设置的实体标记规则根据不同的实体类别可以人工进行相应的设置。

在具体实施例中，以门诊处方单作为待识别的医学文本，处方单中记载“口服药阿莫西林胶囊”，则对其进行语句切分，获得如下单字序列“口”“服”“药”“阿”“莫”“西”“林”“胶”“囊”。依据CRF模型对单字序列进行识别，识别出单字序列中的医学术语。根据预先设置的医学术语库可知，“口服阿莫西林胶囊”中包括实体“阿莫西林”和实体“胶囊”，“阿莫西林”对应的实体类别为药品名称实体，“胶囊”对应的实体类别为药品形状实体，且胶囊对应在阿莫西林的后面位置，从而确定“阿莫西林胶囊”的实体标记序列，通过与医学术语库的匹配，确定形成标准化术语为“阿莫西林胶囊”。

再如图5所示，提取病历：“患者1年前体检发现尿道口肿物，色鲜红，大小约0.5*1cm，表面光滑，无肉眼血尿，无排尿困难等不适，患者未予重视，1年来尿道口肿物无明显增大，6月前患者无明显诱因下出现尿道出血，量少，无发热畏寒等不适，现患者为求进一步诊治来我院门诊，拟‘尿道肉阜’收治入院”；“自病以来，神清，精神可，胃纳可，睡眠一般，大便无殊，小便如上述，体重无明显减轻”。

将上述病历进行实体抽取，可得到包括时间、尺寸、修饰、否定的临床表现和一般情况描述，具体地，时间“1年前”、临床表现“尿道口肿物”、修饰“色鲜红”、尺寸“0.5*1cm”、修饰“表面光滑”、否定“无肉眼血尿”、否定“无排尿困难”、时间“1年来”、临床表现“尿道口肿物无明显增大”、时间“6月前”、诱因“无明显诱因”、临床表现“尿道出血”、修饰“量少”、否定“无发热畏寒”可能的疾病名称“尿道肉阜”以及其他一般情况描述等。经实体关系抽取模型的方法得到结构化数据，即实体标记序列(盐酸二甲双胍缓释片，糖尿病，治疗)。

作为具体方案，第一类终端设备、第二类终端设备或服务器用于执行智能医学文本处理方法。作为一种优选方案，可以由第一类终端设备、第二类终端设备完成文本预处理，即实体标记等步骤，而由服务器完成剩余匹配的步骤，当然也可以完全由服务器来执行本申请的方法。

在处理第二类终端设备的数据时将第一类终端设备的数据经智能医学文本处理方法处理后得到的结构化数据或模型作为优先匹配作为预设的结构化数据。这样可以降低执行程序所花的时间。

在处理相同的第一类终端设备中新的医学文本时，优先匹配第一类终端设备的历史数据中已经结构化的数据和模型。这样可以根据用户历史数据，进行快速文本处理，不仅如此，这样也可以在第一终端设备内部设置内部具有个性化的数据库，在患者进行文本输入时，优先在本机上进行医疗文本处理，当检测到未出现的文本时，再上传至服务器由服务器处理文本。

在处理相同的第一类终端设备中新的医学文本时，依照第一类终端设备的历史数据中已经结构化的数据和模型对应的病症优先配对对应病症的数据和模型。这样好处在于，医生输入数据可以快速对应到患者输入的数据已经经过筛选的标准数据上。

作为进一步的优选方案，第一终端设备可以通过之前所述与第二终端设备的蓝牙配对获得第一终端设备中的存储结构化数据和模型。数据传输既可以通过蓝牙，也可以在蓝牙配对后从服务器中调取。

作为本申请的另一实施例，本申请的智能医学文本处理方法包括：

步骤1：采用数据对一神经网络进行训练以获得结构化数据以及数据模型。

步骤2：采集所述患者数据或所述诊疗数据中的医学文本。

步骤3：使神经网络对所述医学文本进行处理以获取已获得所需的数据。

作为一种具体方案，为了实现本申请的智能医学文本处理方法，可以在服务器上，通过人工标引的方式训练神经网络已获得相应的数据、模型已经对应关系，然后通过人工神经网络智能处理医学文本。

神经网络由于其运算要求不宜布置与第一类终端和第二类终端，作为一种优选方案，可以使服务器采用神经网络对医学文本进行处理(以下简称智能匹配)，而在第一类终端和第二类终端则采用前述的匹配方法(以下简称机器匹配)，进行处理，然后在服务器中进行数据比对，如果比对结果匹配率超过第一预设值，则再次输入到神经网络中进行处理，并将结果与机器匹配结果再次匹配，如果匹配率超过预期值，且匹配率与上次匹配率相比，匹配率差值大于零，则再次进行智能匹配，直至匹配率超过第二预设值，如果匹配率差值大于零，则判断当前匹配是否还大于第一预设值，如果仍大于第一预设值，则再次进行智能匹配和匹配率差值的运算，如果小于第一预设值，则判断当前匹配率的计算次数，如果计算次数大于等于预设值，则将结果反馈至人工处理，使该数据作为神经网络处理的素材。

作为扩展方案，第一预设值为一个动态值，该动态值为一个基准值与修正值之和，其中修正值与当前匹配率计算次数相关，具体而言，修正值与匹配率的计算次数为线性关系。

作为一种优选方案，反馈人工处理可以反馈至第二类终端处，由医生进行修正，当然也可以反馈至第一类终端处进行修正。

作为另一种优选方案，在第一类终端和第二类终端处，采用主动交互的方式，主动提示和采集数据，并将数据进行结构化处理，以降低数据处理难度。作为更为具体的方案，主动提示的问题是根据用户输入而只能匹配的，主动提示语或者语音，来源于神经网络学习时，除了输出结构化数据和模型，同时输出针对这些结构化数据的提示语。

为了实现以上方案，本申请还提供了一种智能医学文本处理系统，包括：第一类终端设备，用于供患者使用以输入患者数据；第二类终端设备，用于供医生使用以输入诊疗数据；服务器，用于存储和处理发送至第一类终端设备或第二类终端设备的数据；其中，第一类终端设备和第二类终端设备分别与服务器构成通讯连接以使服务器至少能将数据发送至第一类终端设备和第二类终端设备；服务器包括：数据模块和处理模块；数据模块至少用于存储第一类终端设备或第二类终端设备所上传的数据；处理模块用于处理第一类终端设备或第二类终端设备所上传的数据；服务器的数据模块用于采集患者数据或诊疗数据中的医学文本；服务器的处理模块包括一个神经网络模块，神经网络模块采用经过人工标引训练的神经网络对医学文本进行处理以获取已获得所需的数据。

具体而言，数据模块中的医学文本中的数据分为：结构化数据、半结构化数据和非结构化数据。结构化数据包括医疗结算单数据、网络医疗文本数据、医疗知识库数据、医疗文献库数据。非结构化数据包括电子病历数据和健康档案数据。半结构化数据包括由第一类终端设备、第二终端设备或服务器以及与它们构成数据交互的设备自动生成的数据。数据模型由神经网络模块生成。第一类终端设备、第二类终端设备或服务器输入数据至服务器中的神经网络模块。服务器在处理第二类终端设备的数据时将第一类终端设备的数据经智能医学文本处理方法处理后得到的结构化数据或数据模型作为优先匹配的结构化数据。服务器在处理相同的第一类终端设备中新的医学文本时，优先匹配第一类终端设备的历史数据中已经结构化的数据和模型。服务器在处理相同的第一类终端设备中新的医学文本时，依照第一类终端设备的历史数据中已经结构化的数据和模型对应的病症优先配对对应病症的数据和模型。

作为扩展方案，患者手环设有一个UWB标签，作为可选方案，患者手环为医院配发的由高分子材料制成的一次性手环，在一次性手环内部内置UWB标签装置，当然也可以独立封装UWB标签装置之后，再将其结合至手环本体，作为另一种方案，患者手环也被构造为一个智能设备，使其具有更多的功能，比如使患者手环具有：显示屏、UWB标签装置、控制器以及通讯模块；显示屏可以用于显示二维码等图像信息，通讯模块用于实现无线通讯，控制器用于控制显示屏、UWB标签装置以及通讯模块。

对于本申请的其他装置而言，患者手环需要具有二维码和UWB标签装置的配置以实现具体控制过程。

本申请系统还包括：UWB定位基站，UWB定位基站用于定位患者手环或者第一类终端设备的位置。UWB定位基站将患者的位置数据传输至服务器，服务器可以根据患者位置，校验用户的治疗过程的停留时间。用户在进行各种治疗环节时，服务器将对应的UWB定位基站激活，如果检测到正确的UWB患者手环，则通过第二类终端设备、治疗设备和体检设备通知医护人员，患者已经就位，然后，医护人员通过第二类终端设备、治疗设备和体检设备设有的摄像头再次扫描患者手环的二维码，从而再次确认患者的身份，并且在环节进行治疗时，服务器通过UWB定位基站数据预计正在排队患者所需等待的时间，这样患者根据服务器预估的时间规划自己检查或治疗的时间。

作为扩展方案，本申请的系统包括：毫米波检测装置，毫米宝检测装置用于检测患者的身高等固有属性，并记载患者的步态数据，然后将通过毫米检测装置检测到的数据和UWB定位基站数据结合，即使在患者在某些不能佩戴患者手环的情况下，仍能通过毫米波检测装置获取患者的位置信息。

服务器将UWB定位基站的数据以及毫米波检测装置的数据作为进行文本处理的根据，因为定位基站以及毫米波检测装置在设定时，数据均为经过标准化处理的。

作为更具的方案，本申请的处理方法还包括：将患者的位置数据作为神经网络学习以及输出判断结果的一个输入项，并且在智能判断时，位置数据对应代表的检测项目或治疗项目的标准化数据或者由设备产生的数据作为文本处理的根据。

以上所述仅为本申请的优选实施例而已，并不用于限制本申请，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。

Claims (10)

1.一种基于智能医学文本处理系统的处理方法，其特征在于：

所述智能医学文本处理系统包括：

第一类终端设备，用于供患者使用以输入患者数据；

第二类终端设备，用于供医生使用以输入诊疗数据；

服务器，用于存储和处理发送至所述第一类终端设备或所述第二类终端设备的数据；

其中，所述第一类终端设备和所述第二类终端设备分别与所述服务器构成通讯连接以使所述服务器至少能将数据发送至所述第一类终端设备和第二类终端设备；

所述服务器包括：数据模块和处理模块；所述数据模块至少用于存储所述第一类终端设备或第二类终端设备所上传的数据；所述处理模块用于处理所述第一类终端设备或第二类终端设备所上传的数据；

所述智能医学文本处理方法包括如下步骤：

采用数据对一神经网络进行训练以获得结构化数据以及数据模型；

采集所述患者数据或所述诊疗数据中的医学文本；

使神经网络对所述医学文本进行处理以获取已获得所需的数据。

2.根据权利要求1所述的基于智能医学文本处理系统的处理方法，其特征在于：

将所述医学文本中的数据分为：结构化数据、半结构化数据和非结构化数据。

3.根据权利要求2所述的基于智能医学文本处理系统的处理方法，其特征在于：

所述结构化数据包括医疗结算单数据、网络医疗文本数据、医疗知识库数据、医疗文献库数据。

4.根据权利要求3所述的基于智能医学文本处理系统的处理方法，其特征在于：

所述非结构化数据包括电子病历数据和健康档案数据。

5.根据权利要求4所述的基于智能医学文本处理系统的处理方法，其特征在于：

所述半结构化数据包括由第一类终端设备、第二终端设备或服务器以及与它们构成数据交互的设备自动生成的数据。

6.根据权利要求5所述的基于智能医学文本处理系统的处理方法，其特征在于：

所述数据模型由一神经网络学习而获得。

7.根据权利要求6所述的基于智能医学文本处理系统的处理方法，其特征在于：

所述第一类终端设备、第二类终端设备或服务器用于执行所述智能医学文本处理方法。

8.根据权利要求7所述的基于智能医学文本处理系统的处理方法，其特征在于：

在处理所述第二类终端设备的数据时将所述第一类终端设备的数据经所述智能医学文本处理方法处理后得到的结构化数据或数据模型作为优先匹配的结构化数据。

9.根据权利要求8所述的基于智能医学文本处理系统的处理方法，其特征在于：

在处理相同的第一类终端设备中新的医学文本时，优先匹配第一类终端设备的历史数据中已经结构化的数据和模型。

10.根据权利要求9所述的基于智能医学文本处理系统的处理方法，其特征在于：

在处理相同的第一类终端设备中新的医学文本时，依照第一类终端设备的历史数据中已经结构化的数据和模型对应的病症优先配对对应病症的数据和模型。

Images