CN102549589B - 便于向信息系统输入数据的方法及系统 - Google Patents
便于向信息系统输入数据的方法及系统 Download PDFInfo
- Publication number
- CN102549589B CN102549589B CN201080046188.3A CN201080046188A CN102549589B CN 102549589 B CN102549589 B CN 102549589B CN 201080046188 A CN201080046188 A CN 201080046188A CN 102549589 B CN102549589 B CN 102549589B
- Authority
- CN
- China
- Prior art keywords
- input
- user interface
- user
- sequence table
- parameters
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
- G16H10/20—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for electronic clinical trials or questionnaires
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/332—Query formulation
- G06F16/3325—Reformulation based on results of preceding query
- G06F16/3326—Reformulation based on results of preceding query using relevance feedback from the user, e.g. relevance feedback on documents, documents sets, document terms or passages
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Medical Informatics (AREA)
- Databases & Information Systems (AREA)
- Public Health (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Primary Health Care (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Epidemiology (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- User Interface Of Digital Computer (AREA)
- Medical Treatment And Welfare Office Work (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提出了便于向包括知识库的信息系统输入数据的方法及系统。根据该方法,首先,借助于第一用户接口接收由用户输入的一些第一类参数的第一输入。其次,基于第一输入和知识库,产生多个第二类参数的第一排序列表,并借助于第二用户接口将第一排序列表显示给用户。然后,借助于第二用户接口接收包括由用户选择的一些第二类参数的第二输入。最后,基于第二输入和知识库,产生多个第一类参数的第二排序列表,并借助于第一接口将第二排序列表显示给用户。通过这种方式,用户能够正确地确定信息系统的输入数据,以便获得更准确的输出。并且,用户能够在任意给定的次末阶段和最后阶段获得多方面观察的更多信息。
Description
技术领域
本申请涉及用于便于向信息系统输入数据的方法及系统,尤其涉及用于便于向包括知识库的临床决策支持系统输入数据的方法及系统。
背景技术
临床决策支持系统将健康状态观察与健康状态知识相连接,从而影响临床医生的选择以改善健康护理。临床决策支持系统具有显著改善临床决策的制定及疾病管理的潜质。此外,临床决策系统提供标准化的诊断及治疗,并且允许迅速地将最新的临床知识应用到临床实践中。
US7552104B2提供了用于两个或更多个预定义的标准以及两个或者更多个概括信息(profile)的决策支持方法。每个标准包括两个或更多个预定义并且按顺序排列的类别。每个概括信息包括一组两个或更多个标准。组中的每个标准与该标准的类别中的一个类别相关联。该方法对概括信息进行比较估计,该概括信息包括用于获得每个标准的每个类别的一个点值的一个按顺序的成对排列的概括信息对,和/或对所有可能概括信息的排序,和/或对所有可能概括信息的一个子集的排序。
发明内容
在现有的信息系统中,例如决策支持系统,用户可以通过输入一些数据来获得输出结果。本发明的发明人意识到错误的输入可能会产生错误的输出,并且在某些情况下,用户即使在多次修改输入数据后,仍然不知道如何校正输入以得到正确的输出。以临床决策系统为例,如果患者没有将所有的必要症状输入,而是忘记了输入重要的症状,则患者所得到的输出可能会是一种有负作用的药物。并且,患者几乎不可能发现其忘记输入了重要的症状。此外,医生每天可能会分析很多临床病例,对于他们而言,信息系统的数据输入也是比较麻烦的。US7552104B2所提出的方法不能帮助用户来选择输入数据。
此外,用户从信息系统获得信息的方式是有其固有顺序的。以临床决策支持系统为例,用户描述临床事件的不同方面的方式,无论是记录症状,进行症状分析或者建议治疗方案,是有固有顺序的。除了最后一个阶段,用户捕获的信息只是一个完整情景的一个局部快照。US7552104B2所提出的方法不能帮助用户获得任意给定的次末(penultimate)阶段的各方面观察的信息。
基于对现有技术以及数据输入问题的理解,能够使得信息系统的用户正确地确定输入数据将是非常有益的。能够使得信息系统的用户获得任意给定的次末阶段的各方面观察的信息也是所期待的。
为了更好地解决上述一个或者多个考量,根据本发明的第一个方面的实施例,提出了一种便于向包括知识库的信息系统输入数据的方法。该方法包括步骤:
借助于第一用户接口从用户接收第一输入,该第一输入包括感兴趣对象的至少一个第一类参数;
基于第一输入和知识库,产生感兴趣对象的多个第二类参数的第一排序(ranked)列表;
借助于第二用户接口将第一排序列表显示给用户;
借助于第二用户接口接收第二输入,该第二输入包括感兴趣对象的至少一个第二类参数,该至少一个第二类参数由用户从第一排序列表中选择;
基于第二输入和知识库,产生感兴趣对象的多个第一类参数的第二排序列表;以及
借助于第一用户接口将第二排序列表显示给用户。
该方法的核心思想是根据用户在候选输出中的选择通过提供候选输入数据的排序列表,而使得用户能够确定输入,并且用户可以来回反复于不同类别的参数。该方法克服了输入数据和输出数据是泾渭分明这一技术偏见,还克服了用户只能通过自己确定输入来获得更准确的输出这一技术偏见。通过接收由用户从第一排序列表中选择的第二输入以及基于第二输入提供第一类参数的第二排序列表,可以向用户提供有价值的参考以帮助用户确定第一类参数的输入。通过这种方式,用户可以正确地确定信息系统的输入数据,以便获得更准确的输出。此外,由于用户可以来回反复于不同种类的参数,用户能够来回反复于多个部分情景,直到用户对输入和输出的整体一致性满意为止。因此,用户能够在最后一个阶段以及除了最后阶段的任一阶段获得多方面的观察信息。
根据本发明的第二方面的实施例,提出了一种便于向包括知识库的信息系统输入数据的系统。该系统包括:
第一用户接口,其被配置为从用户接收第一输入,该第一输入包括感兴趣对象的至少一个第一类参数;
处理器,其被配置为基于第一输入和知识库,产生感兴趣对象的多个第二类参数的第一排序列表;以及
第二用户接口,其被配置为将第一排序列表显示给用户;
其中
第二用户接口还被配置为从用户接收第二输入,该第二输入包括感兴趣对象的至少一个第二类参数,该至少一个第二类参数由用户从第一排序列表中选择;
处理器还被配置为基于第二输入和知识库,产生感兴趣对象的多个第一类参数的第二排序列表;以及
第一用户接口还被配置为将第二排序列表显示给用户。
通过参考下文中描述的实施例,本发明的各个方面将显而易见并且得到阐明。
附图说明
通过结合附图考虑以下详细描述,本发明的上述及其他特征将会更加清晰:
图1(a)图示了根据本发明的方法的实施例的流程图的示意图;
图1(b)至图1(e)图示了第一用户接口和第二用户接口的实施例的示意图;
图2图示了根据本发明的方法的又一实施例的流程图的示意图;
图3图示了根据本发明的方法的另一实施例的流程图的示意图;以及
图4图示了根据本发明的系统的实施例的示意框图。
附图中相同的附图标记用于表示相似的部件。
具体实施方式
图1(a)图示了根据本发明的方法的实施例的流程图的示意图。
根据本发明的第一方面的实施例,提出了一种便于向包括知识库的信息系统输入数据的方法。信息系统是用于提供信息给用户的系统,信息系统可以以多种方式实现,例如决策支持系统或搜索系统等。知识库包括信息系统所使用的存储信息。在知识库的基础上,信息系统能够提供信息给用户。
参照图1(a),在实施例中,该方法包括借助于第一用户接口从用户接收第一输入的步骤110,第一输入包括感兴趣对象的至少一个第一类参数。用户可以根据其经验或者观察来确定第一输入。第一用户接口可以通过多种方式实现;例如,第一用户接口包括屏幕上的文本窗口,用户通过计算机输入数据。第一用户接口还可包括在屏幕上显示的下拉式菜单,用户可以容易地从下拉式菜单中选择参数。感兴趣对象是信息系统将要处理的对象。例如,在临床决策支持系统中,感兴趣对象为感兴趣的临床病例;或者在法律信息搜索系统中,感兴趣对象为感兴趣的法律案例。
该方法还包括基于第一输入和知识库产生感兴趣对象的多个第二类参数的第一排序列表的步骤120。第一排序列表可以通过多种方式产生。例如,知识库包括多个发生概率,多个发生概率包括当多个第一类参数中的每个发生时,多个第二类参数中每个的发生概率。对于第二类参数,根据对在第一输入中的每个发生时第二类参数的发生概率求和来计算相应的最终发生概率。然后,根据多个第二类参数的多个最终发生概率的降序,就可以产生第一排序列表。
该方法还包括借助于第二用户接口将第一排序列表显示给用户的步骤130。第二用户接口可以通过多种方式实现,例如以包括屏幕上的文本窗口的方式或者包括屏幕上显示的下拉式菜单的方式。
该方法还包括借助于第二用户接口从用户接收第二输入的步骤140,该第二输入包括感兴趣对象的至少一个第二类参数,该至少一个第二类参数由用户从第一排序列表中选择。用户可以根据排序列表来确定第二输入的一部分或者全部,例如从第一排序列表选择排名前三的第二类参数。用户还可以根据其经验和观察确定第二输入的一部分,例如手动输入不在第一排序列表中的至少一个第二类参数。
该方法还包括基于第二输入和知识库产生感兴趣对象的多个第一类参数的第二排序列表的步骤150。第二排序列表可以通过多种方式产生。例如,知识库包括多个发生概率,多个发生概率包括当多个第二类参数中的每个发生时,多个第一类参数中每个的发生概率。对于一个第一类参数,根据对在第二输入中的每个发生时第一类参数的发生概率求和来计算相应的最终发生概率。然后,根据多个第一类参数的多个最终发生概率的降序,就可以产生第二排序列表。
该方法还包括借助于第一用户接口将第二排序列表显示给用户的步骤160。
通过这种方式,用户能够通过根据第二排序列表修改第一输入,来获得第一类参数的新的输入列表。如果用户能够在第二排序列表的前列中找到一些被其忘记的重要参数,或者确定任何错误的输入参数,用户就可以获得更准确的输入列表,从而获得更准确的输出结果。此外,用户所要做的只是选择,所以整个过程对用户而言易于操作。
此外,由于用户可以来回反复于不同种类的参数,用户能够来回反复于多个部分情景,直到用户对输入和输出的整体一致性满意为止。因此,用户能够在任意给定的次末阶段和最后阶段获得多方面观察的更多信息。
当信息系统为临床决策支持系统时,第一类参数和第二类参数属于不同的类别,并且分别为下列参数类别中的任一项:症状、检验、评估以及处置。症状可以为高烧、眼睛红肿或者严重的身体疼痛等。检验可以揭露较高的白血球、低血压或者高血脂等。评估结果可以为伤寒、丘疹或者尿毒症等。处置可以为奎宁、阿司匹林或者盘尼西林等。
当信息系统为法律信息搜索系统时,第一类参数和第二类参数属于不同的类别,并且分别为下列参数类别中的任一项:被告特征、事实、条款以及判决。被告特征可以为年龄小于18岁、精神疾病或者法人代表等。事实可以为非法拷贝、五千美元的非法收入或者受害者死亡等。条款可以为民法、刑法第10条或者专利法等。判决可以为终身监禁、三年监禁或者一千美元罚款等。
以临床决策支持系统为例,包括步骤110至步骤160的实施例的描述如下。
假设高烧患者想要知道更多的关于自己身体的情况。他打开了临床决策支持系统,但是却不知道是否已经发现了自己全部的重要症状。
首先,对应于步骤110,第一类参数为症状。患者将他所观察到的两个症状输入到第一文本窗中。一个症状为“高烧”,另外一个症状为“每天两次峰值的发烧”。
其次,对应于步骤120,第二类参数为评估。知识库包括多个症状和多个评估。此外,知识库还包括多个发生概率,多个发生概率包括当多个症状的每个发生时,多个评估中的每个的发生概率,见表1。对于一个评估,根据对在由患者输入的症状中的每个发生时评估的发生概率求和来计算相应的最终的发生概率。例如,评估“登革热”的最终发生概率为79%,即43%与36%之和;评估“疟疾”的最终发生概率为67%,即32%与35%之和。然后,由于“登革热”和“疟疾”的最终发生概率较高,它们被列在多个评估的第一排序列表的前列,并且“登革热”排在“疟疾”的前面。
表1
第三,对应于步骤130,多个评估的第一排序列表借助于第二文本窗显示给患者。由于“登革热”和“疟疾”排在多个评估的第一排序列表的前列,患者注意到了这两个评估。
第四,对应于步骤140,患者将其选择的“登革热”和“疟疾”输入到第二文本窗。
第五,对应于步骤150,知识库还包括多个发生概率,该发生概率包括当多个评估中的每个发生时,多个症状中的每个的发生概率,见表2。对于一个症状,根据对在由患者输入的评估的每个发生时症状的发生概率求和来计算相应的最终发生概率。例如,症状“高烧”的最终发生概率为200%,即100%与100%之和;症状“每天两次峰值的发烧”的最终发生概率为97%,即65%与32%之和;症状“肝脾肿大”的最终发生概率为100%,即100%与0%之和;症状“眼球红肿”的最终发生概率为100%,即0%与100%之和。然后,在多个症状的第二排序列表中,症状“高烧”列在第一位,症状“肝脾肿大”和“眼球红肿”均列在第二位,症状“每天两次峰值的发烧”列在第三位。
表2
最后,对应于步骤160,多个症状的第二排序列表借助于第一文本窗显示给患者。通过这种方式,患者注意到症状“肝脾肿大”和“眼球红肿”。然后,他可以检查自己的眼睛是否红肿以及自己的肝脾是否感觉良好,以便进一步确定自己的症状。
值得注意的,上述症状、概率以及评估只用于示例性地描述本发明的工作方式(非真实情况),发明人无意误导本领域的技术人员。
图1(b)至图1(e)为第一用户接口和第二用户接口的实施例的示意图。
如图1(b)和图1(c)所示,第一用户接口170和第二用户接口180均为屏幕190上的下拉式菜单。参照图1(b),A1至A8是排列在第一用户接口170右部分的第一类参数,B1至B10是排列在第二用户接口180右部分的第二类参数。参照图1(c),用户从第一类参数中选择A2和A5,然后在第二用户接口180的右部分中的第二类参数的排序列表相应地发生了变化。由于B6和B3是排在前面两个的第二类参数,参照图1(d),用户选择B6和B3,然后在第一用户接口170的右部分中的第一类参数的排序列表相应地发生了变化。基于第一类参数的新的排序列表,用户意识到A1与其想找到的信息的情况相匹配,然后用户在其所选择的第一类参数中添加A1。参照图1(e),对于用户而言,排在更新后的排序列表的第一位的B3是一个更准确的结果。
图2图示了根据本发明的方法的又一实施例的流程图的示意图。
参照图2,在另一实施例中,该方法还包括基于知识库以及第一和/或第二输入产生感兴趣对象的多个第三类参数的第三排序列表的步骤210。因此,可以基于一个种类的输入产生一个排序列表或者基于两个种类的输入产生一个排序列表。
第三排序列表可以通过多种方式产生。例如,知识库包括多个发生概率,该发生概率包括当多个第一类参数和/或多个第二类参数中的每个发生时,多个第三类参数中的每个的发生概率。对于一个第三类参数,根据对在第一和/或第二输入中的每个发生时第三类参数的发生概率求和来计算相应的最终发生概率。然后,根据多个第三类参数的多个最终发生概率的降序,就可以产生第三排序列表。
该方法还包括借助于第三用户接口将第三排序列表显示给用户的步骤220。第三用户接口可以通过多种方式实现,其中例如包括屏幕上的文本窗口或者包括屏幕上显示的下拉式菜单。
由于上述实施例所提供的获得排序列表的灵活方式,用户可以从信息系统中获得更多的信息。
当信息系统为临床决策支持系统时,第一类参数、第二类参数以及第三类参数属于不同的类别,并且分别为下列参数类别中的任一项:症状、检验、评估以及处置。
当信息系统为法律信息搜索系统时,第一类参数、第二类参数以及第三类参数属于不同的参数类别,并且分别为下列参数类别中的任一项:被告特征、事实、条款以及判决。
图3图示了根据本发明的方法的另一实施例的流程图的示意图。
参照图3,在另一实施例中,该方法还包括基于第一输入和知识库产生感兴趣对象的多个第一类参数的第四排序列表的步骤310。第四排序列表可以通过多种方式产生。例如,知识库包括多个发生概率,该多个发生概率包括当多个第一类参数中的每个发生时,多个第一类参数中的每个的发生概率。在第一类参数发生时其发生概率为1。对于一个第一类参数,根据对在第一输入中的每个发生时第一类参数的发生概率求和来计算相应的最终发生概率。然后,根据多个第一类参数的多个最终发生概率的降序,就可以产生第一排序列表。
该方法还包括借助于第一用户接口将第四排序列表显示给用户的步骤320。
通过这种方式,用户可以有更多参考来校正用户的输入。
该方法的实施例中,知识库包括与多个对象有关的多个样本。样本可以为多种类型,例如,信息系统为临床决策支持系统时,多个样本为多个临床病例,或者信息系统为法律信息搜索系统时,多个样本为多个法律案例。
临床病例可以从已有的真实患者记录的数据库中通过有选择地包括所有诊断和处置的整体结果均令人满意的病例提取;或者通过对一组合适的临床指导中指定的各种令人满意的诊断和处置过程做详尽的仿真来产生。
当样本为真实案例时,可以基于样本获得更令人信服的输出。
在步骤120的实施例中,步骤120还包括:计算对应于多个第二类参数的多个排序系数的子步骤,每个排序系数为一个第二类参数相对于多个样本的多个分类条件概率的加权和,一个分类条件概率的权重为第一输入与多个样本中的一个的相似性系数;以及将多个第二类参数按照多个排序系数的降序排序的子步骤。
参照公式1,在实施例中,为第二类参数相对于多个样本中的一个的分类条件概率,并且进一步通过公式2来计算;S(A,Ck)为第一输入和多个样本中的一个的相似性系数,并且进一步通过公式3来计算。
在公式1到3中,R(ei)为多个排序系数之一,ei为多个第二类参数之一,Ck为多个样本之一,A为第一输入。
公式3从集合A和Ck的Jaccard相似性的包含形式推导而得,并且可以按照公式4或公式5来计算。在公式4到公式7中,ej为em或者en;Ck为多个样本中的一个;A为第一输入;N为多个样本的总数;公式7中用于计算条件概率的D为A或者Ck;公式6中是对多个样本中的每个样本进行求和;以及eps为一个非常小的正数,例如0.0000001,以避免公式6中的常用对数中出现零。
(4)
φD(ej)=P(ej|D)(7)
在步骤150的实施例中,步骤150包括:计算对应于多个第一类参数的多个排序系数的子步骤,每个排序系数为一个第一类参数相对于多个样本的多个分类条件概率的加权和,一个分类条件概率的权重为第二输入与多个样本中的一个的相似性系数;以及将多个第一类参数按照多个排序系数的降序排序的子步骤。
在步骤210的实施例中,步骤210包括:计算对应于多个第三类参数的多个排序系数的子步骤,每个排序系数为一个第三类参数相对于多个样本的多个分类条件概率的加权和,一个分类条件概率的权重为第一和/或第二输入与多个样本中的一个的相似性系数;以及将多个第三类参数按照多个排序系数的降序排序的子步骤。
在步骤310的实施例中,步骤310包括:计算对应于多个第一类参数的多个排序系数的子步骤,每个排序系数为一个第一类参数相对于多个样本的多个分类条件概率的加权和,一个分类条件概率的权重为第一输入与多个样本中的一个的相似性系数;以及将多个第一类参数按照多个排序系数的降序排序的子步骤。
在上述步骤150、210以及310的实施例中,多个排序系数也可以使用公式1至7并通过相应地替换公式1至7中的变量来执行。例如,对于步骤150的实施例,用第二输入替换第一输入,用第一类参数替换第二类参数。
在该方法的实施例中,该方法还包括根据预设阈值以及多个相似性系数将多个样本聚类成多个群集的步骤,每个相似性系数分别对应于多个样本中的每两个样本。
多个样本中两个样本的相似性系数可以根据公式8或者公式9计算。在公式8至公式11中,ej为ek或者el,Ck为多个样本中的一个;A和B为多个样本中的两个样本;N为多个样本的总数;在公式10中用于计算条件概率的D为A或者B;公式10是对多个样本中的每个样本进行求和;以及eps为一个非常小的正数,例如0.0000001,以避免公式10中的常用对数中出现零。
φD(ej)=P(ej|D)(11)
通过将多个相似性系数中的每一个与预设阈值相比较,可以确定每两个样本是否属于同一个群集。例如,如果两个样本之间的相似性系数比预设阈值高,两个样本就属于一个群集;否则,两个样本就属于两个不同的群集。
把多个样本聚类成多个群集后,通过公式1至7所计算的排序系数可以基于多个群集而不是基于多个样本来进行计算。在这种情况下,公式2和公式7不是实时地计算,而是事先计算好,并存储在信息系统中;Ck为多个群集中的一个;N为群集的总数;其他变量的含义不变。由于群集的数目小于样本的数目,产生排序系数所需的时间更短。
图4图示了根据本发明的系统的实施例的示意框图。
根据本发明的第二方面的实施例,提出了一种便于向包括知识库的信息系统输入数据的系统400。
参照图4,该系统400包括第一用户接口170,其被配置为从用户接收第一输入,该第一输入包括感兴趣对象的至少一个第一类参数。
系统400还包括处理器410,其被配置为基于第一输入和知识库,产生感兴趣对象的多个第二类参数的一个第一排序列表。
系统400还包括第二用户接口180,其被配置为将第一排序列表显示给用户。
第二用户接口180还被配置为从用户接收第二输入,该第二输入包括感兴趣对象的至少一个第二类参数,该至少一个第二类参数由用户从第一排序列表中选择。
处理器410还被配置为基于第二输入和知识库,产生感兴趣对象的多个第一类参数的第二排序列表。
第一用户接口170还被配置为将第二排序列表显示给用户。
当信息系统为临床决策支持系统时,第一类参数和第二类参数属于不同的类别,并且分别为下列参数类别中的任一项:症状、检验、评估以及处置。
当信息系统为法律信息搜索系统时,第一类参数和第二类参数属于不同的类别,并且分别为下列参数类别中的任一项:被告特征、事实、条款以及判决。
在系统400的又一实施例中,处理器410还被配置为基于知识库以及第一和/或第二输入,产生感兴趣对象的多个第三类参数的第三排序列表;并且系统还包括第三用户接口(未示出),其被配置为将第三排序列表显示给用户。
当信息系统为临床决策支持系统时,第一类参数、第二类参数以及第三类参数属于不同的类别,并且分别为下列参数类别中的任一项:症状、检验、评估以及处置。
当信息系统为法律信息搜索系统时,第一类参数、第二类参数以及第三类参数属于不同的参数类别,并且分别为下列参数类别中的任一项:被告特征、事实、条款以及判决。
在该系统的另一实施例中,处理器410还被配置为基于第一输入和知识库,产生感兴趣对象的多个第一类参数的第四排序列表;并且第一用户接口170还被配置为将第四排序列表显示给用户。
在上述系统的实施例中,知识库包括与多个对象有关的多个样本。样本可以为多种类型,例如,信息系统为临床决策支持系统时,多个样本为多个临床病例,或者信息系统为法律信息搜索系统时,多个样本为多个法律案例。
在处理器410的实施例中,当处理器410被配置为产生多个第二类参数的第一排序列表时,处理器410适于:计算对应于多个第二类参数的多个排序系数,每个排序系数为一个第二类参数相对于多个样本的多个分类条件概率的加权和,一个分类条件概率的权重为第一输入与多个样本中的一个的相似性系数;以及将多个第二类参数按照多个排序系数的降序排序。
在处理器410的又一实施例中,当处理器410被配置为产生多个第一类参数的第二排序列表时,处理器410适于:计算对应于多个第一类参数的多个排序系数,每个排序系数为第一类参数相对于多个样本的多个分类条件概率的加权和,一个分类条件概率的权重为第二输入与多个样本中的一个样本的相似性系数;以及将多个第一类参数按照多个排序系数的降序排序。
在处理器410的另一实施例中,当处理器410被配置为产生多个第三类参数的第三排序列表时,处理器410适于:计算对应于多个第三类参数的多个排序系数,每个排序系数为一个第三类参数相对于多个样本的多个分类条件概率的加权和,一个分类条件概率的权重为第一和/或第二输入与多个样本中的一个的相似性系数;以及将多个第三类参数按照多个排序系数的降序排序。
在处理器410的又一实施例中,当处理器410被配置为产生多个第一类参数的第四排序列表时,处理器410适于:计算对应于多个第一类参数的多个排序系数,每个排序系数为一个第四类参数相对于多个样本的多个分类条件概率的加权和,一个分类条件概率的权重为第一输入与多个样本中的一个的相似性系数;以及将多个第一类参数按照多个排序系数的降序排序。
在该系统的实施例中,处理器410还被配置为基于预设阈值以及多个相似性系数将多个样本聚类为多个群集,每个相似性系数分别对应于所述多个样本中的每两个样本。
本发明涉及便于向包括知识库的信息系统输入数据的方法。虽然出于示例性目的而使用了一些与临床信息系统相关的例子,但发明人无意提供任何诊断方法。此外,本发明的目的不是获得疾病或者健康状况的诊断结果,而是提供数据输入的方法来改善用户在使用信息系统时的用户体验,例如帮助用户确定信息系统的输入或者帮助用户理解由信息系统输出的不同种类的参数之间的关系。
应该注意到上述实施例说明而非限制本发明,并且本领域技术人员在不背离权利要求的范围的情况下,能够设计出许多备选实施例。在权利要求中,不应将括号间的任何附图标记解释为限制权利要求。“包括”一词不排除未在权利要求或说明书中列出的元件或步骤的存在。元件前的“一”一词不排除多个这种元件的存在。在阐明若干单元的系统权利要求中,这些单元中的若干可以体现为一件且同一件硬件或软件。第一、第二和第三等词语并不表示任何特定的顺序。将这些词解释为名称。
Claims (17)
1.一种便于向包括知识库的信息系统输入数据的方法,所述方法包括步骤:
借助于第一用户接口(170)从用户接收(110)第一输入,所述第一输入包括感兴趣对象的至少一个第一类参数;
基于所述第一输入和所述知识库,产生(120)所述感兴趣对象的多个第二类参数的第一排序列表;
借助于第二用户接口(180)将所述第一排序列表显示(130)给所述用户;
借助于所述第二用户接口(180)接收(140)第二输入,所述第二输入包括所述感兴趣对象的至少一个第二类参数,所述至少一个第二类参数由所述用户从所述第一排序列表中选择;
基于所述第二输入和所述知识库,产生(150)所述感兴趣对象的多个第一类参数的第二排序列表;以及
借助于所述第一用户接口(170)将所述第二排序列表显示(160)给所述用户,
其中,所述第一用户接口包括显示屏的第一部分,所述第二用户接口包括所述显示屏的第二部分,
其中,所述第一用户接口和所述第二用户接口是所述显示屏的不同部分,并且
其中,所述第一用户接口和所述第二用户接口同时出现在所述显示屏上。
2.根据权利要求1所述的方法,还包括步骤:
基于所述知识库以及所述第一和/或所述第二输入,产生(210)所述感兴趣对象的多个第三类参数的第三排序列表;以及
借助于第三用户接口将所述第三排序列表显示(220)给所述用户。
3.根据权利要求1所述的方法,还包括步骤:
基于所述第一输入和所述知识库,产生(310)所述感兴趣对象的多个第一类参数的第四排序列表;以及
借助于所述第一用户接口(170)将所述第四排序列表显示(320)给所述用户。
4.根据权利要求2所述的方法,其中,所述信息系统为临床决策支持系统,并且所述第一类参数、所述第二类参数以及所述第三类参数属于不同的类别,并且为下列参数类别中的任一项:症状、检验、评估以及处置。
5.根据权利要求2所述的方法,其中,所述信息系统为法律信息搜索系统,并且所述第一类参数、所述第二类参数以及所述第三类参数属于不同的参数类别,并且分别为下列参数类别中的任一项:被告特征、事实、条款以及判决。
6.根据权利要求1至3中任一项所述的方法,其中,所述知识库包括与多个对象有关的多个样本。
7.根据权利要求6所述的方法,其中,所述信息系统为临床决策支持系统,并且所述多个样本为多个临床病例,或者所述信息系统为法律信息搜索系统,并且所述多个样本为多个法律案例。
8.根据权利要求6所述的方法,还包括在产生(120)所述第一排序列表的步骤之前执行的步骤,所述步骤为:
根据预设阈值以及多个相似性系数将所述多个样本聚类为多个群集,每个相似性系数分别对应于所述多个样本中的每两个样本。
9.根据权利要求1所述的方法,其中,所述知识库包括与多个对象有关的多个样本,并且
其中,每个产生(120,150)步骤包括子步骤:
计算对应于多个待排序参数的多个排序系数,每个排序系数为一个待排序参数分别相对于所述多个样本的多个分类条件概率的加权和,一个分类条件概率的权重为输入与所述多个样本中的一个的相似性系数;以及
将所述多个待排序参数按照所述多个排序系数的降序排序,其中,分别对应于每个产生(120,150)步骤:
对于产生(120)所述第一排序列表的步骤,所述多个待排序参数和所述输入分别为所述多个第二类参数和所述第一输入;以及
对于产生(150)所述第二排序列表的步骤,所述多个待排序参数和所述输入分别为所述多个第一类参数和所述第二输入。
10.根据权利要求2所述的方法,其中,所述知识库包括与多个对象有关的多个样本,并且
其中,每个产生(120,150,210)步骤包括子步骤:
计算对应于多个待排序参数的多个排序系数,每个排序系数为一个待排序参数分别相对于所述多个样本的多个分类条件概率的加权和,一个分类条件概率的权重为输入与所述多个样本中的一个的相似性系数;以及
将所述多个待排序参数按照所述多个排序系数的降序排序,其中,分别对应于每个产生(120,150,210)步骤:
对于产生(120)所述第一排序列表的步骤,所述多个待排序参数和所述输入分别为所述多个第二类参数和所述第一输入;
对于产生(150)所述第二排序列表的步骤,所述多个待排序参数和所述输入分别为所述多个第一类参数和所述第二输入;以及
对于产生(210)所述第三排序列表的步骤,所述多个待排序参数和所述输入分别为所述多个第三类参数以及所述第一和/或所述第二输入。
11.根据权利要求3所述的方法,其中,所述知识库包括与多个对象有关的多个样本,并且
其中,每个产生(120,150,310)步骤包括子步骤:
计算对应于多个待排序参数的多个排序系数,每个排序系数为一个待排序参数分别相对于所述多个样本的多个分类条件概率的加权和,一个分类条件概率的权重为输入与所述多个样本中的一个的相似性系数;以及
将所述多个待排序参数按照所述多个排序系数的降序排序,其中,分别对应于每个产生(120,150,310)步骤:
对于产生(120)所述第一排序列表的步骤,所述多个待排序参数和所述输入分别为所述多个第二类参数和所述第一输入;
对于产生(150)所述第二排序列表的步骤,所述多个待排序参数和所述输入分别为所述多个第一类参数和所述第二输入;以及
对于产生(310)所述第四排序列表的步骤,所述多个待排序参数和所述输入分别为所述多个第一类参数和所述第一输入。
12.一种用于便于向具有知识库的信息系统输入数据的系统,其包括:
第一用户接口(170),其被配置为从用户接收第一输入,所述第一输入包括感兴趣对象的至少一个第一类参数;
处理器(410),其被配置为基于所述第一输入和所述知识库,产生所述感兴趣对象的多个第二类参数的第一排序列表;以及
第二用户接口(180),其被配置为将所述第一排序列表显示给所述用户;
其中
所述第二用户接口(170)还被配置为从所述用户接收第二输入,所述第二输入包括所述感兴趣对象的至少一个第二类参数,所述至少一个第二类参数由所述用户从所述第一排序列表中选择;
所述处理器(410)还被配置为基于所述第二输入和所述知识库,产生所述感兴趣对象的多个第一类参数的第二排序列表;并且
所述第一用户接口(180)还被配置为将所述第二排序列表显示给所述用户,
其中,所述第一用户接口包括显示屏的第一部分,所述第二用户接口包括所述显示屏的第二部分,
其中,所述第一用户接口和所述第二用户接口是所述显示屏的不同部分,并且
其中,所述第一用户接口和所述第二用户接口同时出现在所述显示屏上。
13.根据权利要求12所述的系统,其中,所述处理器(410)还被配置为基于所述知识库以及所述第一和/或所述第二输入,产生所述感兴趣对象的多个第三类参数的第三排序列表;并且
所述系统还包括第三用户接口,其被配置为将所述第三排序列表显示给所述用户。
14.根据权利要求12所述的系统,其中,所述处理器(410)还被配置为基于所述第一输入和所述知识库,产生所述感兴趣对象的多个第一类参数的第四排序列表;并且所述第一用户接口(170)还被配置为将所述第四排序列表显示给所述用户。
15.根据权利要求13所述的系统,其中,所述信息系统为临床决策支持系统,并且所述第一类参数、所述第二类参数以及所述第三类参数属于不同的类别,并且分别为下列参数类别中的任一项:症状、检验、评估以及处置。
16.根据权利要求12至14中任一项所述的系统,其中,所述知识库包括多个样本。
17.根据权利要求16所述的系统,其中,所述处理器(410)还被配置为基于预设阈值以及多个相似性系数将所述多个样本聚类为多个群集,每个相似性系数分别对应于所述多个样本中的每两个样本。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201080046188.3A CN102549589B (zh) | 2009-10-14 | 2010-09-30 | 便于向信息系统输入数据的方法及系统 |
Applications Claiming Priority (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2009102047355 | 2009-10-14 | ||
CN200910204735.5 | 2009-10-14 | ||
CN200910204735 | 2009-10-14 | ||
PCT/IB2010/054413 WO2011045699A1 (en) | 2009-10-14 | 2010-09-30 | Method and system for facilitating data entry for an information system |
CN201080046188.3A CN102549589B (zh) | 2009-10-14 | 2010-09-30 | 便于向信息系统输入数据的方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102549589A CN102549589A (zh) | 2012-07-04 |
CN102549589B true CN102549589B (zh) | 2016-03-30 |
Family
ID=43455069
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201080046188.3A Expired - Fee Related CN102549589B (zh) | 2009-10-14 | 2010-09-30 | 便于向信息系统输入数据的方法及系统 |
Country Status (7)
Country | Link |
---|---|
US (1) | US20120221351A1 (zh) |
EP (1) | EP2488979A1 (zh) |
JP (1) | JP5782039B2 (zh) |
CN (1) | CN102549589B (zh) |
BR (1) | BR112012008604A2 (zh) |
RU (2) | RU2016117399A (zh) |
WO (1) | WO2011045699A1 (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111309428B (zh) * | 2020-02-26 | 2023-07-18 | 网易(杭州)网络有限公司 | 信息显示方法、信息显示装置、电子设备及存储介质 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6477524B1 (en) * | 1999-08-18 | 2002-11-05 | Sharp Laboratories Of America, Incorporated | Method for statistical text analysis |
Family Cites Families (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6226620B1 (en) * | 1996-06-11 | 2001-05-01 | Yeong Kuang Oon | Iterative problem solving technique |
AUPP577298A0 (en) * | 1998-09-09 | 1998-10-01 | Oon, Yeong Kuang Dr | Automation oriented health care delivery system based on medical scripting language |
US6149585A (en) * | 1998-10-28 | 2000-11-21 | Sage Health Management Solutions, Inc. | Diagnostic enhancement method and apparatus |
JP2001331581A (ja) * | 2000-05-22 | 2001-11-30 | Yusuke Tsukamoto | 自動診断システム、自動診断方法、治療法自動決定システム、治療法自動決定方法及び記録媒体 |
AU2001276991A1 (en) * | 2000-07-20 | 2002-02-05 | J. Alexander Marchosky | Patient-controlled automated medical record, diagnosis, and treatment system andmethod |
US7185001B1 (en) * | 2000-10-04 | 2007-02-27 | Torch Concepts | Systems and methods for document searching and organizing |
US7493315B2 (en) * | 2000-11-15 | 2009-02-17 | Kooltorch, L.L.C. | Apparatus and methods for organizing and/or presenting data |
AU2002220172A1 (en) * | 2000-11-15 | 2002-05-27 | David M. Holbrook | Apparatus and method for organizing and/or presenting data |
JP2003108665A (ja) * | 2001-09-28 | 2003-04-11 | Srl Inc | 診療支援システム |
JP3823192B2 (ja) * | 2002-04-19 | 2006-09-20 | 学校法人慶應義塾 | 診療支援装置、診療支援方法、及び診療支援プログラム |
US7287025B2 (en) * | 2003-02-12 | 2007-10-23 | Microsoft Corporation | Systems and methods for query expansion |
CA2529271A1 (en) | 2003-06-13 | 2004-12-23 | Paul Hansen | Decision support system and method |
US7124148B2 (en) * | 2003-07-31 | 2006-10-17 | Sap Aktiengesellschaft | User-friendly search results display system, method, and computer program product |
US20050261941A1 (en) * | 2004-05-21 | 2005-11-24 | Alexander Scarlat | Method and system for providing medical decision support |
US7386542B2 (en) * | 2004-08-30 | 2008-06-10 | The Mitre Corporation | Personalized broadcast news navigator |
JP5038671B2 (ja) * | 2006-09-25 | 2012-10-03 | 株式会社東芝 | 検査項目選定装置、検査項目選定方法、及び検査項目選定プログラム |
US8380709B1 (en) * | 2008-10-14 | 2013-02-19 | Elance, Inc. | Method and system for ranking users |
-
2010
- 2010-09-30 BR BR112012008604A patent/BR112012008604A2/pt not_active IP Right Cessation
- 2010-09-30 RU RU2016117399A patent/RU2016117399A/ru not_active Application Discontinuation
- 2010-09-30 CN CN201080046188.3A patent/CN102549589B/zh not_active Expired - Fee Related
- 2010-09-30 US US13/501,757 patent/US20120221351A1/en not_active Abandoned
- 2010-09-30 JP JP2012533714A patent/JP5782039B2/ja not_active Expired - Fee Related
- 2010-09-30 EP EP10775896A patent/EP2488979A1/en not_active Withdrawn
- 2010-09-30 WO PCT/IB2010/054413 patent/WO2011045699A1/en active Application Filing
- 2010-09-30 RU RU2012119491/08A patent/RU2012119491A/ru unknown
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6477524B1 (en) * | 1999-08-18 | 2002-11-05 | Sharp Laboratories Of America, Incorporated | Method for statistical text analysis |
Also Published As
Publication number | Publication date |
---|---|
BR112012008604A2 (pt) | 2019-09-24 |
JP2013508796A (ja) | 2013-03-07 |
US20120221351A1 (en) | 2012-08-30 |
JP5782039B2 (ja) | 2015-09-24 |
RU2012119491A (ru) | 2013-11-20 |
RU2016117399A (ru) | 2018-10-24 |
WO2011045699A1 (en) | 2011-04-21 |
EP2488979A1 (en) | 2012-08-22 |
CN102549589A (zh) | 2012-07-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Ahmed et al. | Single volume image generator and deep learning-based ASD classification | |
CN109509551A (zh) | 一种常见疾病智能诊断方法及系统 | |
Müller et al. | EEG/ERP-based biomarker/neuroalgorithms in adults with ADHD: Development, reliability, and application in clinical practice | |
US20170316180A1 (en) | Behavior prediction apparatus, behavior prediction apparatus controlling method, and behavior prediction apparatus controlling program | |
US20100017225A1 (en) | Diagnostician customized medical diagnostic apparatus using a digital library | |
CN105808970A (zh) | 一种在线认知评估系统及评估方法 | |
CN112635011A (zh) | 疾病诊断方法、疾病诊断系统和可读存储介质 | |
Rickards et al. | Embedded performance validity testing in neuropsychological assessment: Potential clinical tools | |
CN109791804A (zh) | 对cad系统个性化以提供cad系统推荐的置信水平指示的方法和部件 | |
CN107292103A (zh) | 一种预测图像生成方法及装置 | |
Agelink van Rentergem et al. | Multivariate normative comparisons for neuropsychological assessment by a multilevel factor structure or multiple imputation approach. | |
KR20110098286A (ko) | 퍼지 추론기법을 이용한 한방 자가 진단방법 | |
Shofi et al. | Android application for diagnosing general symptoms of disease using forward chaining method | |
CN117407682A (zh) | 医学模型评估方法、装置、电子设备和存储介质 | |
CN102549589B (zh) | 便于向信息系统输入数据的方法及系统 | |
Branger et al. | Protocol for a meta-integration: investigating positive aspects of caregiving in dementia | |
US8756234B1 (en) | Information theory entropy reduction program | |
Hughes et al. | Towards automatic and interpretable assignments of patients presenting with pain to the emergency department | |
Yang et al. | Process mining the trauma resuscitation patient cohorts | |
WO2021159054A1 (en) | Method and system for incorporating patient information | |
Sedghi et al. | Contribution of Iranian scholars to medical sciences: A holistic overview of 140-years publication | |
Reddy | Developing reliable clinical diagnosis support system | |
Lam et al. | Application of the social network analysis to better comprehend relationships in qualitative health data | |
Dragan et al. | An empirical study of data visualization techniques in PACS design | |
Mumtaz et al. | Overview of Current Applications of Large Language Models in Various Medical Specialities |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20160330 Termination date: 20170930 |
|
CF01 | Termination of patent right due to non-payment of annual fee |