CN105956412A - 基于智能图文识别实现冠心病临床数据收集的系统及方法 - Google Patents

Abstract

本发明涉及一种基于智能图文识别实现冠心病临床数据收集的系统及方法，其中包括患者终端和处理服务器，其中，患者终端包括：病历报告上传模块，用以获取病历报告的照片并发送至处理服务器；临床事件数据上传模块，用以获取患者输入的临床数据并发送至处理服务器；处理服务器包括：智能图文识别模块，用以智能图文识别患者的病历报告并输出病历报告中的临床数据；临床数据库，用以分类存储临床数据。采用该种结构的基于智能图文识别实现冠心病临床数据收集的系统及方法，将这些临床数据进行正确、高效的收集，确保临床数据的真实性、可靠性和规范性，保证数据质量，有利于推进冠心病这一顽固慢性病的研究，具有更广泛的应用范围。

Description

基于智能图文识别实现冠心病临床数据收集的系统及方法

技术领域

本发明涉及数据采集技术领域，尤其涉及冠心病临床数据采集技术领域，具体是指一种基于智能图文识别实现冠心病临床数据收集的系统及方法。

背景技术

冠心病已经成为全球范围内的健康杀手，影响人们的生活质量也造成了极大的经济负担，对冠心病分析与研究的重要性与日俱增。随着高端仪器与技术在传统慢病医疗行业的发展以及新互联网时代的到来，短期内已积累海量的冠心病临床数据，数据的增长趋势还将继续上涨。

传统的收集临床数据的方式主要是：医院科室一定程度的参考国家、行业的相关标准，考虑自身业务实际，建立电子病历系统(Electronic medical record，EMR)、临床信息系统(Clinical information system，CIS)以及医院管理信息系统(Hospital management informationsystem，HIS)等，通过系统录入的形式收集患者在院内的治疗数据。这一方法一定程度上帮助了医院对本院患者住院期间内的信息进行管理，然而也存在着种种弊端：

一、由于各家医院使用的病历管理系统的不同，医院之间未建立数据共享机制，患者在多家医院的治疗、检查检验等信息也不能方便有效的统一收集达到有机整合，分散的医疗信息不利于医生对患者病情掌握与治疗，也不利于疾病的学习和研究。

二、冠心病等慢性病患者结束医院内治疗时，并不代表患者疾病治疗的结束，患者是否遵照医嘱，按时服药、注意饮食与运动，定时进行特定指标的检验检查等等，统统都是诊后巩固治疗的重要手段，而脱离了医院医生与护士的实时监督后，诊后治疗的效果则是要通过患者的生命体征(血压、脉搏)、临床事件、检验检查值等“数据”来体现。而现有状况则是：患者出院后的生命体征、临床事件等信息，全国医院普遍没有将其收集并与院内信息有机结合，患者院内诊疗与诊后阶段脱节，同样不利于患者病情的掌握与治疗。

发明内容

本发明的目的是克服了上述现有技术的缺点，提供了一种能够全面有效地整理收集冠心病临床数据、实现患者医疗信息的有机整合、解决多样数据来源下患者信息的整合问题的基于智能图文识别实现冠心病临床数据收集的系统及方法。

为了实现上述目的，本发明具有如下构成：

该基于智能图文识别实现冠心病临床数据收集的系统，其主要特点是，所述的系统包括患者终端和处理服务器，其中，所述的患者终端包括：

病历报告上传模块，用以获取病历报告的照片并发送至所述的处理服务器；

临床事件数据上传模块，用以获取患者输入的临床数据并发送至所述的处理服务器；

所述的处理服务器包括：

智能图文识别模块，用以智能图文识别患者的病历报告并输出病历报告中的临床数据；

临床数据库，用以分类存储所述的临床数据。

较佳地，所述的患者终端还包括：

消息输入模块，用以获取患者输入的文字或语音消息并发送至所述的处理服务器；

所述的处理服务器还包括：

智能语音识别模块，用以将所述的语音消息识别成文字；

语义识别模块，用以对患者输入的文字或语音消息识别出的文字进行语义识别得到临床数据。

较佳地，所述的患者终端还包括随访计划模块，用以获取患者在随访点输入的临床数据和检查报告并发送至所述的处理服务器。

较佳地，所述的处理服务器还包括：

专家知识库，用以存储数据逻辑检验规则和数据字典；

数据校验模块，用以根据所述的专家知识库中存储的检验规则和数据字典对所述的临床数据进行数据准确性校验。

较佳地，所述的系统还包括外接检测设备，所述的外接检测设备用以检测患者的生命体征信息并通过所述的患者终端发送至所述的处理服务器。

更佳地，所述的外接检测设备为可穿戴式检测设备。

本发明还涉及一种基于智能图文识别实现冠心病临床数据收集的方法，其特征在于，所述的方法包括院内临床数据收集和院外临床事件数据收集，其中：

所述的院内临床数据收集包括以下步骤：

(1-1)患者终端获取病历报告的照片并发送至处理服务器；

(1-2)所述的处理服务器智能图文识别患者的病历报告并分类存储病历报告中的临床数据。

所述的院外临床事件数据收集包括以下步骤：

(2--1)患者终端获取患者输入的临床数据并发送至处理服务器；

(2-2)所述的处理服务器分类存储患者输入的临床数据。

较佳地，所述的方法还包括输入消息数据收集，具体包括以下步骤：

(3-1)所述的患者终端获取患者输入的文字或语音消息并发送至所述的处理服务器；

(3-2)所述的处理服务器将所述的语音消息识别成文字；

(3-3)所述的处理服务器对患者输入的文字或语音消息识别出的文字进行语义识别得到临床数据；

(3-4)所述的处理服务器分类存储语义识别得到的临床数据。

较佳地，所述的方法还包括随访临床数据收集，具体包括以下步骤：

(4-1)所述的患者终端获取患者在随访点输入的临床数据和检查报告并发送至所述的处理服务器；

(4-2)所述的处理服务器智能图文识别患者的检查报告并输出检查报告中的临床数据；

(4-3)所述的处理服务器分类存储所述的临床数据。

较佳地，所述的步骤(2-1)和(2-2)之间，还包括以下步骤：

(2-1-1)所述的处理服务器根据专家知识库中存储的检验规则和数据字典对临床数据进行数据准确性校验。

采用了该发明中的基于智能图文识别实现冠心病临床数据收集的系统及方法，属于互联网时代的临床医疗数据信息处理技术领域，运用多种科学方法技术实现冠心病临床数据的收集；本发明中所述的冠心病临床数据，不仅包括来自医院的电子病历(入院记录、手术记录、体格检查、出院记录、检查检验、用药)等信息，还包括冠心病患者在出院后的各项信息，如生命体征、临床事件、随访信息及用药变化等；本发明将这些临床数据进行正确、高效的收集，确保临床数据的真实性、可靠性和规范性，保证数据质量，有利于推进冠心病这一顽固慢性病的研究，具有更广泛的应用范围。

附图说明

图1为本发明的患者院内电子病历的临床数据收集的流程图。

图2为本发明的患者院外的诊后临床数据收集的流程图。

具体实施方式

为了能够更清楚地描述本发明的技术内容，下面结合具体实施例来进行进一步的描述。

本发明主要分为患者院内电子病历的临床数据收集，以及患者院外的诊后临床数据收集。

一、技术准备

1、基于第三方OCR(Optical Character Recognition，光学字符识别)智能识别技术，定向开发功能强大的OCR智能图文识别功能，识别准确率达到90％以上；

2、基于第三方语音识别技术，开发功能强大的语音转换、识别功能，可将语音文件转换为文字信息，预设语音文件中不存在较大的口音、方言问题，识别准确率达到95％以上；

3、开发功能强大的语义分析功能，建立专家知识库，建立各类症状、疾病、药品等常用医疗词汇字典库，在语音识别的基础上，完成特定的语义分析，便于在收集数据信息时的自动处理；

4、参考卫生部2014年颁布的系列《电子病历基本数据集》，深入研究冠心病临床业务，建立完善的数据库系统，该数据库的数据结构满足；

5、开发移动端APP，便于录入收集病人的电子病历及诊后临床数据；

二、院内电子病历信息收集

1、得到患者授权，收集患者的纸质电子病历，包括患者的入院记录、出院记录、手术记录、化验检查等院内治疗资料；

2、采用移动拍照设备或智能扫描仪将纸质电子病历拍照或扫描成图片格式，上传至后台服务器；

3、服务器调用OCR智能图文识别模块对电子病历图片进行智能识别处理，并转换为可编辑可使用的文字格式，将文字形式下的患者病历信息进行条目分割、提取，例如，从入院记录中提取患者的姓名、年龄、入院时间、入院诊断，从出院记录中提取患者的出院诊断、出院带药，从手术记录中提取手术名称、手术时间、手术详情，等等，将识别结果按一定算法、格式存入数据库对应表中。由于OCR识别未能达到百分百准确，因此本步骤中提供人工审核、编辑界面，对OCR识别结果进行审查，保证收集到的数据真实准确可用。

本发明所采用的OCR识别技术除一般图文识别外，尤其病历中常用的、特有的符号、单位、图案等具有高度识别技术，识别结果可根据系统设置的分类规则及要求等自动分类，形成分条目的、可编辑的文本信息。

三、院外诊后临床数据收集

1、为患者提供移动设备端使用的APP，患者通过APP提供的多个功能模块提交临床信息数据；

2、患者提交生命体征信息。APP内置“生命体征”子模块，患者每日可通过此通道提交实时的体征信息，实现简单的生命体征临床信息的收集；此外，APP还可连接部分主流可穿戴设备，通过接口实现主动获取可穿戴设备采集到的患者生命体征信息，例如血压、脉搏等；

3、患者提交临床事件信息，APP内置“临床事件”子模块，内设多种临床事件类型及各类型下需要关注的事件描述信息，实现典型临床事件信息的收集；

4、患者在随访点的信息提交。患者出院后，医生会给其在出院后安排定期随访，当计划内的随访点到来时，患者可以将其最近的检验检查报告通过APP内置的“随访计划”模块拍照上传，上传的报告也将经过OCR智能识别及人工核查后形成多条数据，存储到数据库。

5、上述几个模块属于定向收集患者的生命体征、临床事件、随访点情况等几大类信息，考虑实际冠心病患者年纪普遍较大，为方便年老者上传各类信息，尤其是临床事件信息，患者可以通过APP内置的“消息”功能发送文字、语音消息，系统中的语音分析、语义分析功能即可发挥分析作用，并根据分析结果自动给患者推送对应的临床事件模版，方便系统全面、准确的收集患者临床数据。

本发明中所采用的语音识别技术，除一般性的语音识别外，对语音中的与临床相关的关键字有重点识别能力；本发明中的语义分析技术，是基于冠心病领域的临床大数据分析基础之上，对大数据深度挖掘，从中建立语义分析规则库，对语义中与临床相关的关键字有重点分析能力，可以此为核心进行上下文的语义分析。

四、数据校验与核查

上述二、三中描述了临床数据的收集过程，真正有用的数据收集不仅仅包括对原始数据的“采集”动作，还应当保证所得数据的准确性、可用性，数据的校验核查是必要的。本发明中的数据校验与核查主要有以下几种方式：

1、设计一般性核查规则，建立简单的数据字典，设定常用指标的正常值范围对指标或属性进行核查。如血压之收缩压正常范围设定为20～200mmHg，当收集的收缩压信息超过这一范围时，APP给出提示或标记，以防止输入失误。当然，也可能存在病患实际体征信息确实不在“正常范围”内的情况，因此，此类核查主要以提示及标记为主，不以此为标准进行数据的清洗等额外处理。总的来说，一般行核查主要是针对单个属性的取值进行核查。

2、设计异质性核查规则，异质性核查也可以理解为高级版的数据逻辑核查。设定多组逻辑核查规则，对重点指标或属性的取值进行检查。如患者的出院时间必定晚于本次入院时间，若本次住院过程中有进行过手术，手术时间则必定在两者之间。逻辑核查非常重要，通过逻辑核查可以暴露数据收集中可能存在的问题，如图文识别率不高、人员审核不仔细等，如果数据收集没有问题，则该条数即为异常数据，需要进一步跟进或者剔除。

一般性核查规则和一致性核查规则，以及其他相关核查时使用的数据字典等统称为本发明方法中的专家知识库，知识库中预设部分规则，随着本发明在实际中的不断使用，收集的患者临床数据信息越来越多，形成一定规模的大医疗数据库，从大数据中进行数据分析和挖掘，不断完善知识库，为收集临床数据建立更全面的核查规则。

本发明中的数据字典知识库，一部分来源医疗行业专业医生多年从业经验总结、国家卫生部相关规定，一部分则来源对海量冠心病相关临床数据、检验检查常见指标的整理总结，从中提炼有实用意义的指标范围、阈值等，形成具有实际意义的、具有专业针对性的冠心病临床数据字典知识库；

本发明中使用的数据逻辑检验规则知识库，同样来源于对专业医生多年从业经验的归纳总结，以及对冠心病海量大数据的机器学习，形成有实际意义的、具有专业针对性的冠心病临床数据逻辑检验规则知识库。

以下结合对一名冠心病患者的临床数据的收集实例，详细描述本发明的具体实施方式。

1、得到患者授权和同意，获取患者的纸质病历报告，包括入院记录、出院记录和手术记录，以及患者在院内治疗期间进行的检验检查报告若干；

2、使用手机将上述各类病历报告分别拍照并通过APP上传至服务器；

3、服务器对图片进行OCR识别，识别结果及原始图片反馈至我方服务人员，我方人员对OCR识别结果进行比对复查，有错误直接编辑修改，无问题通过核查；

4、完成患者院内临床数据的提取，包括入院时间、出院时间、手术时间、手术诊断、手术结论，以及各类详细信息；

5、我方服务人员给患者提供适于患者使用的移动端设备型号及操作系统的APP，并为其注册唯一账号，便于患者后续上传诊后临床数据；

6、患者使用APP上传其某日上午测量得到的血压值及脉搏值，收缩压130，舒张压75，脉搏70；若患者手误将收缩压填写成1300，APP内置数据检验功能即刻进行提示，避免数据收集错误，

7、患者某一日发生心绞痛，持续时间1分钟，符合临床事件定义，患者通过APP“临床事件”入口对其临床事件进行分类标记，标记为“心绞痛”，并按格式填写相关信息，发作时间－2016年2月12日09:00:00，持续时间－1分钟，补充说明－伴有神经紧张、轻微出汗现象；提交至后台，后台对数据进行检验处理，并存入数据库；

8、患者某一日发生心绞痛，持续时间5分钟，患者未使用“临床事件”入口，直接在“消息”中发送语音“今天上午心绞痛了5分钟，怎么办？”的语音，APP内置的语音识别系统，识别到“心绞痛”字样，自动推送心绞痛临床事件模版，指导患者填写相关信息，完成“消息”中有效数据信息的收集；

9、患者出院后一月随访点到，患者将其在附近医院进行的检验检查报告拍照并通过APP内置“随访计划”入口提交，系统对报告进行OCR识别和人工复查，并将结果存入数据库，完成随访点临床数据的收集。

本发明通过使用APP内置的“临床事件”、“生命体征”、“健康随访”及“消息”模块，收集患者用户提交的多类信息，并对提交的信息进行必要的预处理及校验等，将信息分类、重组成满足系统格式要求的形式，存储到系统数据库中，完成各类临床数据的收集。

采用了该发明中的基于智能图文识别实现冠心病临床数据收集的系统及方法，属于互联网时代的临床医疗数据信息处理技术领域，运用多种科学方法技术实现冠心病临床数据的收集；本发明中所述的冠心病临床数据，不仅包括来自医院的电子病历(入院记录、手术记录、体格检查、出院记录、检查检验、用药)等信息，还包括冠心病患者在出院后的各项信息，如生命体征、临床事件、随访信息及用药变化等；本发明将这些临床数据进行正确、高效的收集，确保临床数据的真实性、可靠性和规范性，保证数据质量，有利于推进冠心病这一顽固慢性病的研究，具有更广泛的应用范围。

在此说明书中，本发明已参照其特定的实施例作了描述。但是，很显然仍可以作出各种修改和变换而不背离本发明的精神和范围。因此，说明书和附图应被认为是说明性的而非限制性的。

Claims (10)

1.一种基于智能图文识别实现冠心病临床数据收集的系统，其特征在于，所述的系统包括患者终端和处理服务器，其中，所述的患者终端包括：

病历报告上传模块，用以获取病历报告的照片并发送至所述的处理服务器；

临床事件数据上传模块，用以获取患者输入的临床数据并发送至所述的处理服务器；

所述的处理服务器包括：

智能图文识别模块，用以智能图文识别患者的病历报告并输出病历报告中的临床数据；

临床数据库，用以分类存储所述的临床数据。

2.根据权利要求1所述的基于智能图文识别实现冠心病临床数据收集的系统，其特征在于，所述的患者终端还包括：

消息输入模块，用以获取患者输入的文字或语音消息并发送至所述的处理服务器；

所述的处理服务器还包括：

智能语音识别模块，用以将所述的语音消息识别成文字；

语义识别模块，用以对患者输入的文字或语音消息识别出的文字进行语义识别得到临床数据。

3.根据权利要求1所述的基于智能图文识别实现冠心病临床数据收集的系统，其特征在于，所述的患者终端还包括随访计划模块，用以获取患者在随访点输入的临床数据和检查报告并发送至所述的处理服务器。

4.根据权利要求1所述的基于智能图文识别实现冠心病临床数据收集的系统，其特征在于，所述的处理服务器还包括：

专家知识库，用以存储数据逻辑检验规则和数据字典；

数据校验模块，用以根据所述的专家知识库中存储的检验规则和数据字典对所述的临床数据进行数据准确性校验。

5.根据权利要求1所述的基于智能图文识别实现冠心病临床数据收集的系统，其特征在于，所述的系统还包括外接检测设备，所述的外接检测设备用以检测患者的生命体征信息并通过所述的患者终端发送至所述的处理服务器。

6.根据权利要求5所述的基于智能图文识别实现冠心病临床数据收集的系统，其特征在于，所述的外接检测设备为可穿戴式检测设备。

7.一种基于智能图文识别实现冠心病临床数据收集的方法，其特征在于，所述的方法包括院内临床数据收集和院外临床事件数据收集，其中：

所述的院内临床数据收集包括以下步骤：

(1-1)患者终端获取病历报告的照片并发送至处理服务器；

(1-2)所述的处理服务器智能图文识别患者的病历报告并分类存储病历报告中的临床数据。

所述的院外临床事件数据收集包括以下步骤：

(2--1)患者终端获取患者输入的临床数据并发送至处理服务器；

(2-2)所述的处理服务器分类存储患者输入的临床数据。

8.根据权利要求7所述的基于智能图文识别实现冠心病临床数据收集的方法，其特征在于，所述的方法还包括输入消息数据收集，具体包括以下步骤：

(3-1)所述的患者终端获取患者输入的文字或语音消息并发送至所述的处理服务器；

(3-2)所述的处理服务器将所述的语音消息识别成文字；

(3-3)所述的处理服务器对患者输入的文字或语音消息识别出的文字进行语义识别得到临床数据；

(3-4)所述的处理服务器分类存储语义识别得到的临床数据。

9.根据权利要求7所述的基于智能图文识别实现冠心病临床数据收集的方法，其特征在于，所述的方法还包括随访临床数据收集，具体包括以下步骤：

(4-1)所述的患者终端获取患者在随访点输入的临床数据和检查报告并发送至所述的处理服务器；

(4-2)所述的处理服务器智能图文识别患者的检查报告并输出检查报告中的临床数据；

(4-3)所述的处理服务器分类存储所述的临床数据。

10.根据权利要求7所述的基于智能图文识别实现冠心病临床数据收集的方法，其特征在于，所述的步骤(2-1)和(2-2)之间，还包括以下步骤：

(2-1-1)所述的处理服务器根据专家知识库中存储的检验规则和数据字典对临床数据进行数据准确性校验。