CN106055909A - 基于大数据知识库的治疗方案推荐系统 - Google Patents

基于大数据知识库的治疗方案推荐系统 Download PDF

Info

Publication number
CN106055909A
CN106055909A CN201610416095.4A CN201610416095A CN106055909A CN 106055909 A CN106055909 A CN 106055909A CN 201610416095 A CN201610416095 A CN 201610416095A CN 106055909 A CN106055909 A CN 106055909A
Authority
CN
China
Prior art keywords
state
illness information
illness
information
therapeutic effect
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.)
Granted
Application number
CN201610416095.4A
Other languages
English (en)
Other versions
CN106055909B (zh
Inventor
朱定局
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
South China Normal University
Original Assignee
South China Normal University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by South China Normal University filed Critical South China Normal University
Priority to CN201610416095.4A priority Critical patent/CN106055909B/zh
Publication of CN106055909A publication Critical patent/CN106055909A/zh
Application granted granted Critical
Publication of CN106055909B publication Critical patent/CN106055909B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
    • 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
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • Data Mining & Analysis (AREA)
  • Biomedical Technology (AREA)
  • Databases & Information Systems (AREA)
  • Pathology (AREA)
  • Epidemiology (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Medical Treatment And Welfare Office Work (AREA)

Abstract

本发明公开了一种治疗方案推荐系统，包括：信息获取模块，用于获取病人的病情信息，将所述病人的病情信息作为第一病情信息；病情信息匹配模块，用于将所述第一病情信息与知识库中的各个病情信息进行匹配，确定与所述第一病情信息匹配的第二病情信息；推荐模块，用于获取与所述第二病情信息对应的治疗方案，将获取到的所述治疗方案推荐给与所述第一病情信息对应的用户。上述治疗方案推荐系统，实现了获取与第一病情信息对应的治疗方案的及时性和便捷性，且由于系统不再依赖于个人的主观经验，而是根据病情信息的客观历史数据，因此，推荐的治疗方案更具有可靠性，进而辅助医生和病人更加快速、准确、合理地确定治疗方案。

Description

基于大数据知识库的治疗方案推荐系统
技术领域
本发明涉及计算机技术与医疗卫生技术领域，特别是涉及一种基于大数据知识库的治疗方案推荐系统。
背景技术
目前，传统的医患沟通模式为患者需要到医院找医生，与医生进行面对面的病情沟通，医生根据病人的病情，通过检查结果、自身经验或者专家库中已有的数据进行参考推理，得到针对该病人的病情治疗方案推荐给病人。上述这种方式过于依赖专家或专家库的主观经验和理论知识，同时，一旦专家或专家库的知识有误，则会产生错误的治疗方案推荐结果，推荐方案会有偏差，对患者病情的治疗具有不良的影响，延缓了患者获得健康的时效性。
发明内容
基于此，为了治疗上述病情，提出了一种能够根据病人的病症，准确、有效且及时的治疗方案推荐系统。
一种治疗方案推荐系统，所述系统包括：信息获取模块，用于获取病人的病情信息，将所述病人的病情信息作为第一病情信息；病情信息匹配模块，用于将所述第一病情信息与知识库中的各个病情信息进行匹配，确定与所述第一病情信息匹配的第二病情信息；推荐模块，用于获取与所述第二病情信息对应的治疗方案，将获取到的所述治疗方案推荐给与所述第一病情信息对应的用户。
在其中一个实施例中，所述治疗方案推荐系统还包括：建立模块，用于建立知识库，所述知识库包括多个治疗案例，所述治疗案例包括病情信息及与所述病情信息对应的治疗方案和治疗效果的分数值。
在其中一个实施例中，所述信息获取模块还用于通过穿戴式设备或远程医疗设备自动获取病人的病情信息；或者通过终端获取用户输入的病人的病情信息。
在其中一个实施例中，所述病情信息匹配模块包括：第一获取单元，用于将所述第一病情信息与知识库中的各个病情信息进行匹配，获取匹配度大于预设阈值的病情信息集合；第一查找单元，用于查找所述病情信息集合中每个病情信息对应的治疗效果的分数值；第一匹配单元，用于将分数值最大的治疗效果对应的病情信息作为与所述第一病情信息匹配的第二病情信息。
在其中一个实施例中，所述病情信息匹配模块包括：第二获取单元，用于将所述第一病情信息与知识库中的各个病情信息进行匹配，获取匹配度大于预设阈值的病情信息集合；第二查找单元，用于查找所述病情信息集合中每个病情信息对应的治疗效果的分数值；计算单元，用于根据所述病情信息集合中各个病情信息的匹配度和所述各个病情信息对应的治疗效果的分数值计算各个病情信息的匹配优先度，将计算得到的最大的匹配优先度作为第一匹配优先度；第二匹配单元，用于将所述第一匹配优先度对应的病情信息作为与所述第一病情信息匹配的第二病情信息。
在其中一个实施例中，所述系统还包括：反馈模块，用于获取用户对所述治疗方案的反馈，根据所述反馈确定与所述治疗方案对应的治疗效果的分数值；添加模块，用于将所述第一病情信息、推荐的所述治疗方案及所述治疗效果的分数值作为一个治疗案例添加至所述知识库中。
在其中一个实施例中，所述建立模块还用于当所述知识库中的治疗案例的数量大于第一预设阈值时，形成大数据知识库。
在其中一个实施例中，所述建立模块包括：分布存储单元，用于将所述大数据知识库中的多个治疗案例分别存储到多个计算节点中，其中，每个计算节点存储至少一个治疗案例；冗余存储单元，用于将所述大数据知识库中的每个治疗案例复制至少一份存储到其他计算节点中，作为所述治疗案例的冗余备份；容错单元，用于将异常计算节点上的治疗案例从所述冗余备份的计算节点中复制到正常计算节点上。
在其中一个实施例中，所述病情信息匹配模块包括：第一并行匹配单元，用于将所述第一病情信息与所述大数据知识库中的各个计算节点上的病情信息进行并行匹配，获取匹配度大于预设阈值的病情信息集合；比较单元，用于在所述大数据知识库中的各个计算节点上查找所述病情信息集合中每个病情信息对应的治疗效果的分数值，通过比较将分数值最大的治疗效果对应的病情信息作为与所述第一病情信息匹配的第二病情信息。
在其中一个实施例中，所述病情信息匹配模块包括：第二并行匹配单元，用于将所述第一病情信息与所述大数据知识库中的各个计算节点上的病情信息进行并行匹配，获取匹配度大于预设阈值的病情信息集合；并行计算单元，用于在所述大数据知识库中的各个计算节点上查找所述病情信息集合中每个病情信息对应的治疗效果的分数值，根据所述病情信息集合中各个病情信息的匹配度和所述各个病情信息对应的治疗效果的分数值并行计算对应的计算节点上的各个病情信息的匹配优先度，将计算得到的最大的匹配优先度作为第一匹配优先度，将所述第一匹配优先度对应的病情信息作为与所述第一病情信息匹配的第二病情信息。
上述治疗方案推荐系统，通过信息获取模块获取病人的病情信息，将该病人的病情信息作为第一病情信息，然后通过病情信息匹配模块将第一病情信息与知识库中的各个病情信息进行匹配，确定与第一病情信息匹配的第二病情信息，继而获取第二病情信息对应的治疗方案，将获取到的该治疗方案推荐给用户。上述治疗方案推荐系统，基于大数据的知识库将病人的病情信息与知识库中的病情信息进行匹配，通过确定与第一病情信息匹配的第二病情信息，从而确定最能治疗病人病情的治疗方案，然后将找到治疗方案推荐给该用户，实现了获取与第一病情信息对应的治疗方案的及时性和便捷性，且由于系统不再依赖于个人的主观经验，而是根据病情信息的客观历史数据，因此，推荐的治疗方案更具有可靠性，进而辅助医生和病人更加快速、准确、合理地确定治疗方案。
附图说明
图1为一个实施例中治疗方案推荐系统的结构示意图；
图2为另一个实施例中治疗方案推荐系统的结构示意图；
图3为一个实施例中病情信息匹配模块的结构示意图；
图4为另一个实施例中病情信息匹配模块的结构示意图；
图5为又一个实施例中治疗方案推荐系统的结构示意图；
图6为一个实施例中建立模块的结构示意图；
图7为又一个实施例中病情信息匹配模块的结构示意图；
图8为再一个实施例中病情信息匹配模块的结构示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下通过实施例，并结合附图，对本发明基于大数据知识库的治疗方案推荐系统的具体实施方式进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
如图1所示，在一个实施例中，提出了一种治疗方案推荐系统，该系统包括信息获取模块102，病情信息匹配模块104，推荐模块106。
信息获取模块102用于获取病人的病情信息，将该病人的病情信息作为第一病情信息。
在本实施例中，用户病情信息的获取可以通过终端来获取，比如，可以通过终端输入用户的病情信息。其中，终端可以是智能手机、平板电脑、笔记本电脑、穿戴式智能设备等可以录入病情信息的电子设备。具体的，可在终端机上运行用户病情管理系统，通过该系统对用户的病情信息进行录入。其中，可以录入的病情信息包括疾病的变化情况、疾病的起因、疾病的临床表现以及相关情况等。此外，还可以通过穿戴式设备或远程医疗设备自动获取病人的病情信息。
病情信息匹配模块104，用于将第一病情信息与知识库中的各个病情信息进行匹配，确定与第一病情信息匹配的第二病情信息。
具体的，将第一病情信息与知识库中的各个病情信息进行匹配，分别计算各个病情信息与第一病情信息的匹配度，可以将计算得到的匹配度最大的病情信息作为与第一病情信息匹配的第二病情信息。在一个实施例中，首先，计算各个病情信息与第一病情信息的匹配度，然后将匹配度大于预设阈值(比如阈值设为0.8)的所有病情信息组成一个集合或者按照计算得到的匹配度的大小依次排列，选取排在前几名(比如，前10名)的匹配度应的病情信息组成一个病情信息集合，继而再获取该集合中每个病情信息对应的治疗效果的分数值，并将分数值最大的治疗效果对应的病情信息作为与第一病情信息匹配的第二病情信息。在另一个实施例中，首先，计算各个病情信息与第一病情信息的匹配度，然后获取匹配度大于预设阈值的病情信息集合，继而获取该病情信息集合中每个病情信息对应的治疗效果的分数值，最后根据得到的各个病情信息的匹配度和各个病情信息对应的治疗效果的分数值计算各个病情信息的匹配优先度，将计算得到的最大的匹配优先度作为第一匹配优先度，将该第一匹配优先度对应的病情信息作为与第一病情信息匹配的第二病情信息。
推荐模块106，用于获取与第二病情信息对应的治疗方案，将获取到的治疗方案推荐给与第一病情信息对应的用户。
具体的，可以将获取到的与病人的病情信息匹配的治疗方案推荐给该用户。治疗方案包括但不限于药物名称、药物的单次剂量、用药时间、给药途径、联合用药方案等信息。治疗方案的信息可以通过网络推送给用户，也可以通过短信的形式发送到与用户对应的终端，还可以通过邮件等形式发送给用户。用户收到针对病人的病情信息即第一病情信息的治疗方案后，可以根据该治疗方案的治疗效果对该治疗方案进行评分，将用户的评分作为与治疗方案对应的治疗效果的分数值，然后将第一病情信息、以及为第一病情信息推荐的治疗方案和治疗效果的分数值一起作为一个新的治疗案例添加到知识库中，使知识库逐渐的完善。
在本实施例中，通过信息获取模块获取病人的病情信息，将该病人的病情信息作为第一病情信息，然后通过病情信息匹配模块将第一病情信息与知识库中的各个病情信息进行匹配，确定与第一病情信息匹配的第二病情信息，继而获取第二病情信息对应的治疗方案，将获取到的该治疗方案推荐给用户。上述治疗方案推荐系统，基于大数据的知识库将病人的病情信息与知识库中的病情信息进行匹配，通过确定与第一病情信息匹配的第二病情信息，从而确定最能治疗病人病情的治疗方案，然后将找到治疗方案推荐给该用户，实现了获取与第一病情信息对应的治疗方案的及时性和便捷性，且由于系统不再依赖于个人的主观经验，而是根据病情信息的客观历史数据，因此，推荐的治疗方案更具有可靠性，进而辅助医生和病人更加快速、准确、合理地确定治疗方案。
如图2所示，在一个实施例中，上述治疗方案推荐系统还包括：
建立模块101，用于建立知识库，所述知识库包括多个治疗案例，所述治疗案例包括病情信息及与所述病情信息对应的治疗方案和治疗效果的分数值。
在本实施例中，预先建立知识库，该知识库为大数据知识库，可以理解为里面有大量的治疗案例，每个治疗案例中包括病情信息及与该病情信息对应的治疗方案和治疗效果的分数值，治疗效果的分数值用于反映该治疗方案对应的治疗效果的优劣，分数值越大，说明治疗效果越好，反之，分数值越小，治疗效果就越差。分数值来源于用户对治疗方案的反馈，用户的反馈可以通过评分或评级来实现。
在一个实施例中，信息获取模块102还用于通过穿戴式设备或远程医疗设备自动获取病人的病情信息；或者通过终端获取用户输入的病人的病情信息。
在本实施例中，病人的病人信息的获取可以通过穿戴式设备或者远程医疗设备自动获取病人的病人信息，相当于通过检测病人的身体状况以获取的病人的病情信息。还可以通过终端直接获取用户输入的病人的病情信息，这里的病情信息包括但不限于病情的症状信息、生命体征值、病情病因等信息。
如图3所示，在一个实施例中，病情信息匹配模块104包括：
第一获取单元104a，用于将第一病情信息与知识库中的各个病情信息进行匹配，获取匹配度大于预设阈值的病情信息集合。
在本实施例中，将第一病情信息与知识库中的各个病情信息一一进行匹配，并计算知识库中每个病情信息与第一病情信息之间的匹配度，然后根据计算得到的匹配度，获取大于预设阈值的所有病情信息，将获取到的所有病情信息组成一个病情信息集合。计算匹配度的方法可以有多种，比如，可以根据关键词进行匹配，将匹配成功的关键词数作为匹配度。其中，在进行关键词的匹配时，将关键词作为字符串，既可以采用字符串的精确匹配，也可以采用字符串的模糊匹配。具体的，提取第一病情信息中的关键词作为第一关键词，然后利用第一关键词与知识库中的病情信息进行匹配，匹配的关键词数越多，相应的匹配度也就越大，将匹配度大于预设阈值(比如，80％)的病情信息全部收集起来组成一个病情信息集合。在另一个实施例中，从获取的用户的病情信息中抽取关键词作为第一关键词，从大数据知识库中治疗案例中的病情信息中抽取关键词作为第二关键词，用户病情信息与知识库中各个病情信息的匹配实际上就是第一关键词与第二关键词进行匹配，并将匹配成功的关键词数在第一关键词数中的占比作为相应的匹配度。比如，从用户的病情信息中提取的第一关键词的次数为10个，那么如果数据库中的某个病情信息中的关键词有7个与第一关键词匹配成功，那么该病情信息与第一病情信息的匹配度就是70％。
第一查找单元104b，用于查找所述病情信息集合中每个病情信息对应的治疗效果的分数值。
在本实施例中，获取到匹配度大于预设阈值的病情信息集合后，进一步的去获取该病情信息集合中每个病情信息对应的治疗效果的分数值，分数值越大，说明治疗效果越好。具体的，比如，首先获取匹配度大于90％的病情信息集合，此时病情信息集合中的病情信息基本上都和第一病情信息比较相似，接下来需要获取病情信息集合中每个病情信息对应的治疗效果的分数值。分数值越大，说明治疗效果越好，也同时说明对应的治疗方案越符合用户的需求。
第一匹配单元104c，用于将分数值最大的治疗效果对应的病情信息作为与所述第一病情信息匹配的第二病情信息。
在本实施例中，获取到病情信息集合中每个病情信息对应的治疗效果的分数值后，通过比较各个病情信息的治疗效果的分数值，将分数值最大的治疗效果对应的病情信息作为与第一病情信息匹配的第二病情信息，进而获取与该第二病情信息对应的治疗方案，将该治疗方案推荐给第一病情信息对应的用户。
如图4所示，在一个实施例中，病情信息匹配模块104包括：
第二获取单元104A，用于将所述第一病情信息与知识库中的各个病情信息进行匹配，获取匹配度大于预设阈值的病情信息集合。
在本实施例中，将第一病情信息与知识库中的各个病情信息一一进行匹配，并计算知识库中每个病情信息与第一病情信息之间的匹配度，然后根据计算得到的匹配度，获取大于预设阈值的所有病情信息，将获取到的所有病情信息组成一个病情信息集合。匹配度的预设阈值的取值范围在0到1之间。计算匹配度的方法可以有多种，比如，可以根据关键词进行匹配，将匹配成功的关键词数作为匹配度。其中，在进行关键词的匹配时，将关键词作为字符串，既可以采用字符串的精确匹配，也可以采用字符串的模糊匹配。具体的，提取第一病情信息中的关键词作为第一关键词，然后利用第一关键词与知识库中的病情信息进行匹配，匹配的关键词数越多，相应的匹配度也就越大，将匹配度大于预设阈值(比如，80％)的病情信息全部收集起来组成一个病情信息集合。在另一个实施例中，从获取的用户的病情信息中抽取关键词作为第一关键词，从大数据知识库中治疗案例中的病情信息中抽取关键词作为第二关键词，用户病情信息与知识库中各个病情信息的匹配实际上就是第一关键词与第二关键词进行匹配，并将匹配成功的关键词数在第一关键词数中的占比作为相应的匹配度。比如，从用户的病情信息中提取的第一关键词的次数为10个，那么如果数据库中的某个病情信息中的关键词有7个与第一关键词匹配成功，那么该病情信息与第一病情信息的匹配度就是70％。
第二查找单元104B，用于查找病情信息集合中每个病情信息对应的治疗效果的分数值。
在本实施例中，获取到匹配度大于预设阈值的病情信息集合后，进一步的去获取该病情信息集合中每个病情信息对应的治疗效果的分数值，分数值越大，说明治疗效果越好。
计算单元104C，用于根据病情信息集合中各个病情信息的匹配度和各个病情信息对应的治疗效果的分数值计算各个病情信息的匹配优先度，将计算得到的最大的匹配优先度作为第一匹配优先度。
在本实施例中，首先，获取病情信息集合中每个病情信息与第一病情信息的匹配度，然后获取病情信息集合中每个病情信息对应的治疗效果的分数值。采用加权平均的方法计算病情信息集合中每个病情信息的匹配优先度。具体的，将病情信息的匹配度设为P1，将病情信息对应的治疗效果的分数值设为P2，然后分别设置匹配度P1的权重为k1，治疗效果的分数值P2的权重为k2，其中，k1+k2＝1，且k1和k2为大于0小于1的数。那么对应的病情信息的匹配优先度为P1*k1+P2*k2。然后将计算得到的最大的匹配优先度作为第一匹配优先度。
第二匹配单元104D，用于将第一匹配优先度对应的病情信息作为与第一病情信息匹配的第二病情信息。
具体的，将计算得到的最大的匹配优先度作为第一匹配优先度，然后获取与该第一匹配优先度对应的病情信息，该第一匹配优先度对应的病情信息作为第一病情信息匹配的第二病情信息。
如图5所示，在一个实施例中，上述治疗方案推荐系统还包括：
反馈模块108，用于获取用户对治疗方案的反馈，根据反馈确定与治疗方案对应的治疗效果的分数值。
在本实施例中，为病人的病情信息推荐治疗方案后，获取用户对推荐的治疗方案的反馈，根据用户的反馈来确定与治疗方案对应的治疗效果的分数值。具体的，用户的反馈可以直接通过打分的形式，比如满分为100分，根据治疗的效果对推荐方案进行相应的打分，然后将用户的打分作为治疗效果的分数值。还可以通过获取用户对治疗方案的满意程度，然后将用户的满意程度转换为相应的分数进行存储，具体的，假设满意程度分为五种，分别是非常满意，满意，一般般，不满意，非常不满意，预先设置每种满意程度对应的分数值，比如，非常满意对应的分数值为100分，满意对应的分数值为80分，一般般对应的分数值为60分，不满意对应的分数值为30分，非常不满意对应的分数为0分。比如，用户对治疗方案的评价为一般般，那么后台自动将对应60分作为治疗效果的分数值。
添加模块110，用于将第一病情信息、推荐的治疗方案及治疗效果的分数值作为一个治疗案例添加至知识库中。
具体的，获取用户对推荐方案的评分后，也就是获取了治疗效果的分数值。将之前用户的病情信息即第一病情信息、为该第一病情信息推荐的治疗方案和上述治疗效果的分数值一起作为一个新的治疗案例添加至知识库中，通过该方法能够不断地完善知识库，由此，推荐的治疗方案也会越来越可靠，提高了基于大数据知识库进行针对患者病情信息的治疗方案的查询的实时性与易用性。
在一个实施例中，所述建立模块还用于当所述知识库中的治疗案例的数量大于第一预设阈值时，形成大数据知识库。
在本实施例中，当知识库中的治疗案例的数量大于第一预设阈值(比如，第一预设阈值设为1万)时，就形成了大数据知识库，大数据知识库中治疗案例的数量越大，能找到更为匹配的病情信息的概率就越大。
如图6所示，在一个实施例中，建立模块101包括：
分布存储单元101a，用于将大数据知识库中的多个治疗案例分别存储到多个计算节点中，其中，每个计算节点存储至少一个治疗案例。
在本实施例中，治疗案例是存储在计算节点中的，每个计算节点存储至少一个治疗案例，大数据知识库中的多个治疗案例分别存储在多个计算节点中。其中，治疗案例包括病情信息、与病情信息对应的治疗方案和治疗效果等。治疗效果可以通过分数值来反映，分数值越大，表示治疗效果越好。
冗余存储单元101b，用于将大数据知识库中的每个治疗案例复制至少一份存储到其他计算节点中，作为治疗案例的冗余备份。
在本实施例中，将大数据知识库中的治疗案例复制P份，分别存到P个计算节点中，作为治疗案例的冗余备份。其中，P为大于或等于1的整数。冗余备份的目的是，当某个计算节点出现异常时，将该异常的计算节点上的治疗案例从冗余备份的计算节点中找到，并将其复制到正常的计算节点上。
容错单元101c，用于将异常计算节点上的治疗案例从冗余备份的计算节点上复制到正常计算节点上。
在本实施例中，为了使系统具有容错功能，在建立模块中创建一个冗余存储单元，用于将大数据知识库中的每个治疗案例复制至少一份存储到其他计算节点中，当某个计算节点出现异常时，将该异常的计算节点上的治疗案例从冗余备份的计算节点上复制到正常计算节点上。
如图7所示，在一个实施例中，病情信息匹配模块104包括：
第一并行匹配单元104E，用于将第一病情信息与大数据知识库中的各个计算节点上的病情信息进行并行匹配，获取匹配度大于预设阈值的病情信息集合。通过并行匹配可以加快匹配的速度。
具体的，大数据知识库中的治疗案例存储在计算节点中，其中，治疗案例包括病情信息，及与病情信息对应的治疗方案和治疗效果。将第一病情信息与大数据知识库中的各个计算节点上的病情信息进行匹配，获取匹配度大于预设阈值的病情信息集合。
比较单元104F，用于在大数据知识库中的各个计算节点上查找病情信息集合中每个病情信息对应的治疗效果的分数值，通过比较将分数值最大的治疗效果对应的病情信息作为与第一病情信息匹配的第二病情信息。
具体的，在各个计算节点上获取到病情信息集合中每个病情信息对应的治疗效果的分数值后，通过比较将分数值最大的治疗效果对应的病情信息作为与第一病情信息匹配的第二病情信息，进而获取与第二病情信息对应的治疗方案，将获取到的治疗方案推荐给对应的用户。
如图8所示，在一个实施例中，病情信息匹配模块104包括：
第二并行匹配单元104M，用于将第一病情信息与大数据知识库中的各个计算节点上的病情信息进行并行匹配，获取匹配度大于预设阈值的病情信息集合。通过并行匹配可以加快匹配的速度。
在本实施例中，具体的，大数据知识库中的治疗案例存储在计算节点中，其中，治疗案例包括病情信息，及与病情信息对应的治疗方案和治疗效果。将第一病情信息与大数据知识库中的各个计算节点上的病情信息进行匹配，获取匹配度大于预设阈值的病情信息集合。
并行计算单元104N，用于在大数据知识库中的各个计算节点上查找病情信息集合中每个病情信息对应的治疗效果的分数值，根据病情信息集合中各个病情信息的匹配度和各个病情信息对应的治疗效果的分数值并行计算对应的计算节点上的各个病情信息的匹配优先度，将计算得到的最大的匹配优先度作为第一匹配优先度，将第一匹配优先度对应的病情信息作为与第一病情信息匹配的第二病情信息。通过并行计算可以加快计算匹配优先度的速度。
具体的，获取匹配度大于预设阈值的病情信息集合后，在大数据知识库中的各个节点上查找病情信息集合中每个病情信息对应的治疗效果的分数值，之后根据每个病情信息的匹配度和每个病情信息的治疗效果的分数值并行计算各个病情信息的匹配优先度，具体的，假设获取的某个病情信息与第一病情信息的匹配度为P1，该病情信息对应的治疗效果的分数值为P2，那么该病情信息对应的匹配优先度为P1*k1+P2*k2，其中，k1+k2＝1，k1、k2为大于0小于1的数，k1表示匹配度的权重，k2表示治疗效果的权重。将计算得到的最大的匹配优先度作为第一匹配优先度，然后将该第一匹配优先度的病情信息作为与第一病情信息匹配的病情信息，最后将该病情信息对应的治疗方案推荐给对应的用户。
为了更好的理解与应用本发明提出的一种治疗方案推荐系统，进行以下示例，需要说明的是，本发明所保护的范围不局限以下示例。
在一个实施例中，治疗方案的推荐方法应用于医学领域，具体的，获取的用户的病情信息为：男，26岁，咽喉痛、头晕头痛、流涕症状、生命体征值(体温41.9℃)。在预先建立的大数据知识库中查找与用户的病情信息匹配的第二病情信息。具体的，将用户的病情信息与大数据知识库中的病情信息进行匹配，继而计算出知识库中各个病情信息与用户的病情信息的匹配度，然后获取匹配度大于80％的病情信息集合或者将匹配度按从大到小的顺序进行排序，然后选择匹配度在前10的病情信息。比如，从获取的病情信息集合中发现与该用户的病情信息匹配的其中一个病情信息为耳鼻喉科中的感冒病症。进一步的，获取病情信息集合中每个病情信息对应的治疗方案(即治疗方案)的治疗效果的分数值。然后将分数值最大的治疗效果对应的治疗方案作为推荐的方案。比如，针对耳鼻喉科中的感冒症状的治疗方案为：口服XXX感冒冲剂，与对乙酰氨基酚、柴胡注射液进行联合用药，一天三次，饭前服用。用户对该治疗方案的评价为100分，那么该方案就是获取的最佳的推荐方案。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory ROM)或随机存储记忆体(Random AccessMemory，RAM)等。
以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。

Claims (10)

1.一种治疗方案推荐系统，所述系统包括：
信息获取模块，用于获取病人的病情信息，将所述病人的病情信息作为第一病情信息；
病情信息匹配模块，用于将所述第一病情信息与知识库中的各个病情信息进行匹配，确定与所述第一病情信息匹配的第二病情信息；
推荐模块，用于获取与所述第二病情信息对应的治疗方案，将获取到的所述治疗方案推荐给与所述第一病情信息对应的用户。
2.根据权利要求1所述的系统，其特征在于，所述系统还包括：
建立模块，用于建立知识库，所述知识库包括多个治疗案例，所述治疗案例包括病情信息及与所述病情信息对应的治疗方案和治疗效果的分数值。
3.根据权利要求1所述的系统，其特征在于，所述信息获取模块还用于通过穿戴式设备或远程医疗设备自动获取病人的病情信息；
或者通过终端获取用户输入的病人的病情信息。
4.根据权利要求2所述的系统，其特征在于，所述病情信息匹配模块包括：
第一获取单元，用于将所述第一病情信息与知识库中的各个病情信息进行匹配，获取匹配度大于预设阈值的病情信息集合；
第一查找单元，用于查找所述病情信息集合中每个病情信息对应的治疗效果的分数值；
第一匹配单元，用于将所述分数值最大的治疗效果对应的病情信息作为与所述第一病情信息匹配的第二病情信息。
5.根据权利要求2所述的系统，其特征在于，所述病情信息匹配模块包括：
第二获取单元，用于将所述第一病情信息与知识库中的各个病情信息进行匹配，获取匹配度大于预设阈值的病情信息集合；
第二查找单元，用于查找所述病情信息集合中每个病情信息对应的治疗效果的分数值；
计算单元，用于根据所述病情信息集合中各个病情信息的匹配度和所述各个病情信息对应的治疗效果的分数值计算各个病情信息的匹配优先度，将计算得到的最大的匹配优先度作为第一匹配优先度；
第二匹配单元，用于将所述第一匹配优先度对应的病情信息作为与所述第一病情信息匹配的第二病情信息。
6.根据权利要求1所述的系统，其特征在于，所述系统还包括：
反馈模块，用于获取用户对所述治疗方案的反馈，根据所述反馈确定与所述治疗方案对应的治疗效果的分数值；
添加模块，用于将所述第一病情信息、推荐的所述治疗方案及所述治疗效果的分数值作为一个治疗案例添加至所述知识库中。
7.根据权利要求2所述的系统，其特征在于，所述建立模块还用于当所述知识库中的治疗案例的数量大于第一预设阈值时，形成大数据知识库。
8.根据权利要求7所述的系统，其特征在于，所述建立模块包括：
分布存储单元，用于将所述大数据知识库中的多个治疗案例分别存储到多个计算节点中，其中，每个计算节点存储至少一个治疗案例；
冗余存储单元，用于将所述大数据知识库中的每个治疗案例复制至少一份存储到其他计算节点中，作为所述治疗案例的冗余备份；
容错单元，用于将异常计算节点上的治疗案例从所述冗余备份的计算节点中复制到正常计算节点上。
9.根据权利要求8所述的系统，其特征在于，所述病情信息匹配模块包括：
第一并行匹配单元，用于将所述第一病情信息与所述大数据知识库中的各个计算节点上的病情信息进行并行匹配，获取匹配度大于预设阈值的病情信息集合；
比较单元，用于在所述大数据知识库中的各个计算节点上查找所述病情信息集合中每个病情信息对应的治疗效果的分数值，通过比较将分数值最大的治疗效果对应的病情信息作为与所述第一病情信息匹配的第二病情信息。
10.根据权利要求8所述的系统，其特征在于，所述病情信息匹配模块包括：
第二并行匹配单元，用于将所述第一病情信息与所述大数据知识库中的各个计算节点上的病情信息进行并行匹配，获取匹配度大于预设阈值的病情信息集合；
并行计算单元，用于在所述大数据知识库中的各个计算节点上查找所述病情信息集合中每个病情信息对应的治疗效果的分数值，根据所述病情信息集合中各个病情信息的匹配度和所述各个病情信息对应的治疗效果的分数值并行计算对应的计算节点上的各个病情信息的匹配优先度，将计算得到的最大的匹配优先度作为第一匹配优先度，将所述第一匹配优先度对应的病情信息作为与所述第一病情信息匹配的第二病情信息。
CN201610416095.4A 2016-06-14 2016-06-14 基于大数据知识库的治疗方案推荐系统 Active CN106055909B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610416095.4A CN106055909B (zh) 2016-06-14 2016-06-14 基于大数据知识库的治疗方案推荐系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610416095.4A CN106055909B (zh) 2016-06-14 2016-06-14 基于大数据知识库的治疗方案推荐系统

Publications (2)

Publication Number Publication Date
CN106055909A true CN106055909A (zh) 2016-10-26
CN106055909B CN106055909B (zh) 2018-12-28

Family

ID=57170064

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610416095.4A Active CN106055909B (zh) 2016-06-14 2016-06-14 基于大数据知识库的治疗方案推荐系统

Country Status (1)

Country Link
CN (1) CN106055909B (zh)

Cited By (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106529148A (zh) * 2016-10-27 2017-03-22 李露青 信息推送装置
CN106778002A (zh) * 2016-12-26 2017-05-31 中国科学院苏州生物医学工程技术研究所 一种医疗信息查询方法、设备和系统
CN106909789A (zh) * 2017-02-28 2017-06-30 郑州云海信息技术有限公司 一种智能医疗系统
CN107050668A (zh) * 2017-06-09 2017-08-18 南京医科大学第附属医院 基于云处理的放疗效果预测方法
CN107633884A (zh) * 2017-07-25 2018-01-26 吴健康 一种医疗案例大数据智能管理系统
CN108039205A (zh) * 2017-12-20 2018-05-15 深圳市智慧健康产业发展有限公司 一种居于体征大数据的慢性病自动跟踪、治疗及推送方法
CN108766558A (zh) * 2018-05-15 2018-11-06 京东方科技集团股份有限公司 一种信息处理的方法、装置、计算机存储介质及终端
CN108847280A (zh) * 2018-06-20 2018-11-20 南京邮电大学 基于案例推理的智慧云医疗实时管理系统
CN108877932A (zh) * 2018-06-20 2018-11-23 南京邮电大学 智慧云医疗方法、计算机可读存储介质和终端
CN109585028A (zh) * 2018-11-29 2019-04-05 周立广 一种医疗大数据的智能分析系统及应用方法
CN109743363A (zh) * 2018-12-18 2019-05-10 广州圆爱康生物科技有限公司 一种医学信息智能推送方法及装置
CN111402976A (zh) * 2020-03-13 2020-07-10 上海洛书医药科技有限公司 基于大数据的智慧超脑管理系统
CN112542239A (zh) * 2020-12-16 2021-03-23 河南翔宇医疗设备股份有限公司 多治疗终端控制方法、系统、装置及存储介质
CN112614589A (zh) * 2020-12-30 2021-04-06 四川互慧软件有限公司 一种基于大数据系统的中心诊疗方法

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20150272497A1 (en) * 2014-03-25 2015-10-01 Mobius Medical Systems, Lp Methods, systems, and computer readable media for verifying the accuracy of medical treatment in accordance with a treatment plan
CN103914559A (zh) * 2014-04-14 2014-07-09 小米科技有限责任公司 筛选网络用户的方法及装置
IL234823B (en) * 2014-09-23 2019-10-31 New N I Medical 2011 Ltd A system and method of interactive navigation during treatment
CN104835096B (zh) * 2015-05-15 2018-06-19 北京胡杨众联科技有限公司 一种检索方法、装置及终端
CN104915561B (zh) * 2015-06-11 2018-10-16 万达信息股份有限公司 疾病特征智能匹配方法
CN105260598A (zh) * 2015-09-29 2016-01-20 中南大学 口腔诊疗决策支持系统及决策方法

Cited By (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106529148A (zh) * 2016-10-27 2017-03-22 李露青 信息推送装置
CN106778002A (zh) * 2016-12-26 2017-05-31 中国科学院苏州生物医学工程技术研究所 一种医疗信息查询方法、设备和系统
CN106778002B (zh) * 2016-12-26 2023-08-01 中国科学院苏州生物医学工程技术研究所 一种医疗信息查询方法、设备和系统
CN106909789A (zh) * 2017-02-28 2017-06-30 郑州云海信息技术有限公司 一种智能医疗系统
CN107050668B (zh) * 2017-06-09 2020-03-31 南京医科大学第一附属医院 基于云处理的放疗效果预测方法
CN107050668A (zh) * 2017-06-09 2017-08-18 南京医科大学第附属医院 基于云处理的放疗效果预测方法
CN107633884A (zh) * 2017-07-25 2018-01-26 吴健康 一种医疗案例大数据智能管理系统
CN108039205A (zh) * 2017-12-20 2018-05-15 深圳市智慧健康产业发展有限公司 一种居于体征大数据的慢性病自动跟踪、治疗及推送方法
CN108766558A (zh) * 2018-05-15 2018-11-06 京东方科技集团股份有限公司 一种信息处理的方法、装置、计算机存储介质及终端
CN108877932A (zh) * 2018-06-20 2018-11-23 南京邮电大学 智慧云医疗方法、计算机可读存储介质和终端
CN108847280A (zh) * 2018-06-20 2018-11-20 南京邮电大学 基于案例推理的智慧云医疗实时管理系统
CN109585028A (zh) * 2018-11-29 2019-04-05 周立广 一种医疗大数据的智能分析系统及应用方法
CN109743363A (zh) * 2018-12-18 2019-05-10 广州圆爱康生物科技有限公司 一种医学信息智能推送方法及装置
CN111402976A (zh) * 2020-03-13 2020-07-10 上海洛书医药科技有限公司 基于大数据的智慧超脑管理系统
CN112542239A (zh) * 2020-12-16 2021-03-23 河南翔宇医疗设备股份有限公司 多治疗终端控制方法、系统、装置及存储介质
CN112614589A (zh) * 2020-12-30 2021-04-06 四川互慧软件有限公司 一种基于大数据系统的中心诊疗方法

Also Published As

Publication number Publication date
CN106055909B (zh) 2018-12-28

Similar Documents

Publication Publication Date Title
CN106055909A (zh) 基于大数据知识库的治疗方案推荐系统
CN105912881B (zh) 基于大数据知识库的个性化治疗方案推荐系统
US11023679B2 (en) Apparatus and method for automatically mapping verbatim narratives to terms in a terminology dictionary
Acharya et al. Incidence and prevalence of uveitis: results from the Pacific Ocular Inflammation Study
US20180165712A1 (en) Method and apparatus for composing search phrases, distributing ads and searching product information
CN101622618A (zh) 具有基于概念的搜索和分级的信息检索系统、方法和软件
CN104199855B (zh) 一种针对中医药学信息的检索系统和方法
Swigris et al. Development and initial validation analyses of the living with idiopathic pulmonary fibrosis questionnaire
CN104504119B (zh) 基于医学信息本体数据库的关联药品的自我分析方法
CN104933324A (zh) 处方用药识别方法及系统
Boakye et al. Impact of age, injury severity score, and medical comorbidities on early complications after fusion and halo-vest immobilization for C2 fractures in older adults: a propensity score matched retrospective cohort study
CN109036588A (zh) 线上问诊的方法、装置、设备及计算机可读介质
CN106529148A (zh) 信息推送装置
CN107330288A (zh) 一种用药信息获取方法及装置
CN104484844A (zh) 基于疾病圈数据信息的自我诊疗方法
Fang et al. Participatory design of a clinical trial eligibility criteria simplification method
CN108665975A (zh) 临床路径匹配方法和系统
CN106095941A (zh) 基于大数据知识库的解决方案推荐方法和系统
CN112948599A (zh) 一种基于医学知识图谱的路径推理的疾病诊断方法
Hassan et al. Comparison of distance metrics for hierarchical data in medical databases
Yang et al. Rough sets to help medical diagnosis–Evidence from a Taiwan’s clinic
CN106844325B (zh) 医疗信息处理方法和医疗信息处理装置
CN109190029B (zh) 云端智能信息推送平台工作方法
CN116313128A (zh) 一种基于多级指标的医药科技大数据智慧决策方法
Setti et al. Predicting post COVID-19 rehabilitation duration with linear kernel SVR

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant