CN105893597B

CN105893597B - 一种相似病历检索方法及系统

Info

Publication number: CN105893597B
Application number: CN201610246827.XA
Authority: CN
Inventors: 林学仁; 蒋永
Original assignee: Shanghai Jiahao Technology Co ltd
Current assignee: Shanghai softchina Information System Consulting Co.,Ltd.
Priority date: 2016-04-20
Filing date: 2016-04-20
Publication date: 2022-05-31
Anticipated expiration: 2036-04-20
Also published as: CN105893597A

Abstract

本发明公开了一种相似病历检索方法及系统，该方法对病历中的可检索字段建立索引，并对字段和值设定权重和相似权重，当用户进行病历检索时，根据相似权重确定相似值范围，从而构建检索条件进行检索，对检索结果计算相似度，过滤掉相似度低于阈值的检索结果。本发明通过相似度计算，扩大了检索结果，同时排除了匹配度很低的病历，使得结果病历集更加合理，检索出来的相似病历结果集更适合进一步统计分析。

Description

一种相似病历检索方法及系统

【技术领域】

本发明涉及电子病历检索、相似性测量领域，尤其涉及一种相似病历检索方法及系统。

【背景技术】

近年来，随着医疗信息化的发展，患者的病历也逐渐电子化，电子病历具有纸质病历所不具备的优点，例如便于保存、传阅、检索，可以对电子病历进行数据挖掘，进一步开发病历的价值。因此，如何有效利用电子病历数据是现在医疗信息化中的重要研究方向，例如如何从大量的电子病历中检索到符合一定条件的病历，从而便于分析和总结。

现有技术中，对病历的检索与传统的数据库检索类似，都是在确定的一个或多个字段上进行匹配检索，匹配可以精确的，也可以是模糊的，但是检索结果都是准确匹配的病历数据。对于相似病历的检索也局限在传统的方法上，只采用个别字段匹配的方式来检索，这导致了相似检索的不完全性，换言之，对于实际上很相似的病历，不能检索出来，这主要是由于相似度定义的模糊性，因此对多个字段中的部分字段匹配时，传统的方法无法实现，在这种情况下，通常需要检索者自己做出调整，影响了检索效率。

因此，随着电子病历数量的迅速增加，医院亟需一种灵活、高效的相似病历检索方法和系统，避免现有技术中机械匹配字段的缺点，提高对电子病历信息的处理能力和利用率。

【发明内容】

本发明主要是提供了一种病历相似度的计算方法，从而可根据用户输入的检索条件，查找与该检索条件相似的病历，根据相似度阈值返回最相似的一个或多个病历给用户。

为了达到上述目的，本发明提出的相似病历检索方法包括如下步骤：

(1)提取数据库中病历的可检索字段，并对每个可检索字段建立全文索引文件；

(2)为每个可检索字段设置权重；

(3)为每个可检索字段定义相似权重，所述相似权重是指该字段相似值的权重。

(4)用户输入检索条件，该检索条件包括n个待查字段的检索值，对用户输入的检索条件按照待查字段分组，建立每个待查字段的相似范围值，并据此构建全文检索查询条件，以检索每个待查字段都位于相似范围值内的所有病历；

(5)根据所述全文查询检索条件，对数据库进行检索，获得多个检索结果病历；

(6)对每一个检索结果，计算其每一组待查字段的相似度；

(7)根据步骤6计算得到的各个相似度，计算每个检索结果的总相似度；

(8)将检索结果中的病历按照总相似度排序，过滤掉总相似度低于阈值的检索结果，将剩下的检索结果作为最终输出结果。

优选的，每个字段的权重是1-100之间的值，所述相似权重是0-10之间的值。

优选的，所述步骤6的具体步骤包括：假设有m个检索结果，用β(i,j)来表示第i个检索结果的第j组待查字段的相似度，则使用下述公式来计算β(i,j)，即：

β(i,j)＝A_jB(i,j)/10；

其中，A_j是步骤2中为第j个待查字段设置的权重，B(i,j)是第i个检索结果的第j组待查字段的相似权重。

所述步骤7中第i个检索结果的总相似度β_i为：

优选的，所述阈值可以由管理员或用户设置。

本发明还提出了一种相似病历检索系统，该系统包括：

提取模块，用于提取数据库中病历的可检索字段，并对每个可检索字段建立全文索引文件；

权重设置模块，用于为每个可检索字段设置权重；

相似权重定义模块，用于为每个可检索字段定义相似权重，所述相似权重是指该字段相似值的权重。

检索条件构建模块，用于让用户输入检索条件，该检索条件包括n个待查字段的检索值，对用户输入的检索条件按照待查字段分组，建立每个待查字段的相似范围值，并据此构建全文检索查询条件，以检索每个待查字段都位于相似范围值内的所有病历；

检索模块，用于根据所述全文查询检索条件，对数据库进行检索，获得多个检索结果病历；

相似度计算模块，用于对每一个检索结果，计算其每一组待查字段的相似度；

总相似度计算模块，用于根据相似度计算模块计算得到的各个相似度，计算每个检索结果的总相似度；

输出模块，用于将检索结果中的病历按照总相似度排序，过滤掉总相似度低于阈值的检索结果，将剩下的检索结果作为最终输出结果。

本发明的技术效果是：相比传统的数据库检索方法，本发明提高了检索的范围，使得结果病历集更加合理；相比现有的全文检索方法，通过相似度计算，排除了匹配度很低的病历；通过本发明，检索出来的相似病历结果集更适合进一步统计分析。

【附图说明】

此处所说明的附图是用来提供对本发明的进一步理解，构成本申请的一部分，但并不构成对本发明的不当限定，在附图中：

图1是本发明方法的示意图。

【具体实施方式】

下面将结合附图以及具体实施例来详细说明本发明，其中的示意性实施例以及说明仅用来解释本发明，但并不作为对本发明的不当限定。

本发明的主要思想是，根据电子病历实际具有的可检索字段，建立索引，并且为每个可检索字段设置一个检索的权重值，以及相似值的权重。用户在检索时可输入其所需的待查字段以及待查字段的值，根据该输入进行全文检索，对检索出来的文档按照相似度计算方法，计算其与用户检索条件的相似度，最后筛选出高于相似度阈值的结果文档。

具体实施例一：

以下是数据库中已有的三份病历，为方便说明，其中只列出了病历的部分字段作为示例。

病历1：年龄30岁，身高180cm，体重80kg，既往病史高血压，诊断结果糖尿病；

病历2：年龄31岁，身高178cm，体重81kg，既往病史无，诊断结果糖尿病；

病历3：年龄28岁，身高176cm，体重76kg，既往病史高血压，诊断结果糖尿病。

本发明相似病历检索的具体步骤如下：

(1)提取病历中的可检索字段，并对每个可检索字段建立全文索引文件。

上述实施例中的病历中具有5个可检索字段：年龄、身高、体重、既往病史、诊断结果。因此步骤1从病历中提取出这5个字段，并针对这些字段建立全文索引文件，使得后续可以用这些字段作索引来检索病历。

(2)为每个可检索字段设置权重。

字段的权重用于表示该字段在检索时的重要性，权重值越高的字段在病历相似性度计算时起到的作用越大。使用A_i来表示每个字段的权重，本发明实施例中的A_i都是1-100间的整数值。因此，可以设置上述5个字段的权重值如下：

年龄：A₁＝100，

身高：A₂＝10，

体重：A₃＝100，

既往病史：A₄＝50，

诊断结果：A₅＝100。

用户在检索时会输入待查字段的检索值，但是检索的病历中该字段的值可能不会正好与用户输入的检索值匹配，而一个相似的值，因此本发明通过相似权重来表明各个相似值的相似性。使用B_i来表示每个字段的相似权重，本发明实施例中的B_i都是1-10之间的整数值。因此，可以设置上述5个字段的相似权重如下：

年龄B₁：相似值与检索值相同时，B₁＝10，相似值与检索值每相差1岁，B₁降低2，最低降到0；

身高B₂：相似值与检索值相同时，B₂＝10，相似值与检索值每相差1cm，B₂降低2，最低降到0；

体重B₃：相似值与检索值相同时，B₃＝10，相似值与检索值每相差1kg，B₃降低2，最低降到0；

既往病史B₄：相似值与检索值相同时，B₄＝10，否则为0；

诊断结果B₅：相似值与检索值相同时，B₄＝10，否则为0。

(4)用户输入n个待查字段及其检索值，对用户输入的检索条件按照待查字段分组，建立每个待查字段的相似范围值，并据此构建全文检索查询条件，组内相似值范围为“或”关系，组之间为“与”关系。

假设用户输入了3个待查字段和检索值，即检索年龄为30岁，身高为180cm，体重为80kg的病历。则首先将用户的检索条件按照待查字段分为3个组：第一组年龄，第二组身高，第三组体重。

对于第一组年龄，根据年龄相似权重建立其相似范围值，所述相似范围值指的是相似权重大于0的相似值的范围。因此，根据步骤3中对于年龄B₁的定义，由于每相差1岁，相似权重降低2，当相似值与检索值(30岁)的差大于4时，相似权重为0，因此相似范围值为26岁-34岁。同理，第二组身高的相似范围值为176cm-184cm，第三组体重的相似范围值为76kg-84kg。根据三个组的相似范围值，可以构建全文检索查询条件如下：

{(年龄：26-34)and(身高：176-184)and(体重：76-84)}；

(5)根据步骤4的全文检索查询条件，对数据库进行检索，获得多个检索结果病历。

对本实施例来说，满足上述全文检索查询条件的检索结果为{病历1，病历2，病历3}。

(6)针对步骤5获得每一个检索结果，计算其每一组待查字段的相似度，假设有m个检索结果，用β(i,j)来表示第i个检索结果的第j组待查字段的相似度，则使用下述公式来计算β(i,j)，即：

β(i,j)＝A_jB(i,j)/10；

对于步骤5的检索结果中的三个病历，由于病历1的三个待查字段与检索条件的值都相同，因此步骤3的设定，其相似权重都为10，因此病历1的三个待查字段的相似度为：

β(1,1)＝A₁B(1,1)/10＝100*10/10＝100；

β(1,2)＝A₂B(1,2)/10＝10*10/10＝10；

β(1,3)＝A₃B(1,3)/10＝100*10/10＝100；

病历2的年龄31岁与检索条件的30岁相差1岁，根据步骤3的设定，其相似权重为8，身高178cm与检索条件的180cm相差2cm，根据步骤3的设定，其相似权重为为6，体重81kg与检索条件的80kg相差1kg，其相似权重为8，因此病历2的三个待查字段的相似度为：

β(2,1)＝A₁B(2,1)/10＝100*8/10＝80；

β(2,2)＝A₂B(2,2)/10＝10*6/10＝6；

β(2,3)＝A₃B(2,3)/10＝100*8/10＝80；

同理，病历3的三个待查字段的相似度为：

β(3,1)＝A₁B(3,1)/10＝100*6/10＝60；

β(3,2)＝A₂B(3,2)/10＝10*2/10＝2；

β(3,3)＝A₃B(3,3)/10＝100*2/10＝20；

(7)根据步骤6计算得到的各个相似度，计算每个检索结果的总相似度，第i个检索结果的总相似度β_i为：

根据上述公式，对于病历1，β₁＝(100+10+100)/(100+10+100)＝1,

对于病历2，β₂＝(80+6+80)/(100+10+100)＝0.79，

对于病历3，β₃＝(60+2+20)/(100+10+100)＝0.39；

计算得到检索结果是{病历1：1,病历2：0.79，病历3：0.39}。

(8)将检索结果中的病历按照总相似度排序，过滤掉总相似度低于阈值的检索结果，剩下的检索结果为最终输出结果。

上述阈值可以由系统管理员或用户设置，例如将阈值设置为0.5，则病历3的总相似度0.39小于0.5，将被过滤掉，从而得到排序后的最终输出结果为{病历1：1,病历2：0.79}。

具体实施例二：

假设检索条件为：年龄为29,身高为176cm,体重为77kg的病历，同样将检索条件分组为：第一组年龄，第二组身高，第三组体重。则三组待查字段的相似范围值为：25-33岁，172-180cm，73-81kg，从而构建全文检索查询条件如下：

{(年龄：25-33)and(身高：172-180)and(体重：73-81)}；

根据上述全文检索查询条件查询数据库，可以得到检索结果为{病历1，病历2，病历3}。

对于三个检索结果，计算每个字段的相似度：

β(1,1)＝A₁B(1,1)/10＝100*8/10＝80；

β(1,2)＝A₂B(1,2)/10＝10*2/10＝2；

β(1,3)＝A₃B(1,3)/10＝100*4/10＝40；

β(2,1)＝A₁B(2,1)/10＝100*6/10＝60；

β(2,2)＝A₂B(2,2)/10＝10*6/10＝6；

β(2,3)＝A₃B(2,3)/10＝100*2/10＝20；

β(3,1)＝A₁B(3,1)/10＝100*8/10＝80；

β(3,2)＝A₂B(3,2)/10＝10*10/10＝10；

β(3,3)＝A₃B(3,3)/10＝100*8/10＝80；

再计算三个检索结果的总相似度：

β₁＝(80+2+40)/(100+10+100)＝0.58,

β₂＝(60+6+20)/(100+10+100)＝0.41，

β₃＝(80+10+80)/(100+10+100)＝0.81。

得到的检索结果为{病历1：0.58,病历2：0.41，病历3：0.81}。

将上述结果按照总相似度排序，并过滤掉总相似度小于0.5的病历，最终输出结果为{病历3：0.81，病历1：0.58}。

通过以上的实施方式的描述可知，本领域的技术人员可以清楚地了解到本申请可借助软件加必需的通用硬件平台的方式来实现，也可以使用专用的硬件平台来实现。基于这样的理解，本申请的技术方案可以以软件产品的形式体现出来，也可以使用相应的硬件模块来体现。

以上所述仅是本发明的较佳实施方式，故凡依本发明专利申请范围所述的构造、特征及原理所做的等效变化或修饰，均包括于本发明专利申请范围内。

Claims

1.一种相似病历检索方法，其特征在于，该方法包括如下步骤：

(2)为每个可检索字段设置权重；

(3)为每个可检索字段定义相似权重，所述相似权重是指该字段相似值的权重；

(4)用户输入检索条件，该检索条件包括n个待查字段的检索值，对用户输入的检索条件按照待查字段分组，建立每组待查字段的相似范围值，并据此构建全文检索查询条件，以检索每组待查字段都位于相似范围值内的所有病历；所述相似范围值指的是相似权重大于0的相似值的范围；

(5)根据所述全文检索查询条件，对数据库进行检索，获得多个检索结果病历；

(6)对每一个检索结果，计算其每一组待查字段的相似度；

(7)根据步骤(6)计算得到的各个相似度，计算每个检索结果的总相似度；

(8)将检索结果中的病历按照总相似度排序，过滤掉总相似度低于阈值的检索结果，将剩下的检索结果作为最终输出结果；

其中，所述步骤(6)的具体步骤包括：假设有m个检索结果，用β(i,j)来表示第i个检索结果的第j组待查字段的相似度，则使用下述公式来计算β(i,j)，即：

β(i,j)＝A_jB(i,j)/10；

其中，A_j是步骤(2)中为第j组待查字段设置的权重，B(i,j)是第i个检索结果的第j组待查字段的相似权重。

2.根据权利要求1所述的相似病历检索方法，其特征在于，每个字段的权重是1-100之间的值，所述相似权重是0-10之间的值。

3.根据权利要求1-2任意一项所述的相似病历检索方法，其特征在于，步骤(7)中第i个检索结果的总相似度β_i为：

4.根据权利要求1所述的相似病历检索方法，其特征在于，所述阈值由管理员或用户设置。

5.一种相似病历检索系统，其特征在于，该系统包括：

权重设置模块，用于为每个可检索字段设置权重；

相似权重定义模块，用于为每个可检索字段定义相似权重，所述相似权重是指该字段相似值的权重；

检索条件构建模块，用于让用户输入检索条件，该检索条件包括n个待查字段的检索值，对用户输入的检索条件按照待查字段分组，建立每组待查字段的相似范围值，并据此构建全文检索查询条件，以检索每组待查字段都位于相似范围值内的所有病历；所述相似范围值指的是相似权重大于0的相似值的范围；

检索模块，用于根据所述全文检索查询条件，对数据库进行检索，获得多个检索结果病历；

输出模块，用于将检索结果中的病历按照总相似度排序，过滤掉总相似度低于阈值的检索结果，将剩下的检索结果作为最终输出结果；

其中，所述相似度计算模块通过下述方法计算相似度：

假设有m个检索结果，用β(i,j)来表示第i个检索结果的第j组待查字段的相似度，则使用下述公式来计算β(i,j)，即：

β(i,j)＝A_jB(i,j)/10；

其中，A_j是所述权重设置模块为第j组待查字段设置的权重，B(i,j)是第i个检索结果的第j组待查字段的相似权重。

6.根据权利要求5所述的相似病历检索系统，其特征在于，每个字段的权重是1-100之间的值，所述相似权重是0-10之间的值。

7.根据权利要求5-6任意一项所述的相似病历检索系统，其特征在于，所述总相似度计算模块根据下述方法计算总相似度：

第i个检索结果的总相似度β_i为：

8.根据权利要求5所述的相似病历检索系统，其特征在于，所述阈值由管理员或用户设置。