CN106126943B - 基于关联症状推导的病情采集方法 - Google Patents
基于关联症状推导的病情采集方法 Download PDFInfo
- Publication number
- CN106126943B CN106126943B CN201610488393.4A CN201610488393A CN106126943B CN 106126943 B CN106126943 B CN 106126943B CN 201610488393 A CN201610488393 A CN 201610488393A CN 106126943 B CN106126943 B CN 106126943B
- Authority
- CN
- China
- Prior art keywords
- symptom
- patient
- association
- state
- incidence relation
- 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.)
- Active
Links
Classifications
-
- G06F19/36—
Landscapes
- Medical Treatment And Welfare Office Work (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种基于关联症状推导的病情采集方法,基于症状关联关系数据及症状的使用频率数据,按照患者的性别、年龄、选择的科室等信息,系统自动检索出一个符合该患者的症状集合,并进一步根据使用频率排序或其他算法来猜测病人可能的症状,再根据患者选择的症状进行关联症状的检索,这些关联症状是根据医学典籍中疾病的常见症状建立的关联关系,因此关联症状推导得到检索结果往往能更准确地进一步猜测到患者的其他症状,大大提高系统的病情采集效率。
Description
技术领域
本发明涉及病情采集技术领域,具体地涉及一种基于关联症状推导的病情采集方法。
背景技术
目前病情采集多是采用一些生命质量测定量表,这些量表所涉及的问卷题目数量庞大,动则上百条,病情采集效率低下,限制了在一般诊疗活动中的使用,仅仅只能适用于特殊诊疗或科研用途。而常见的症状自诊的软件系统一般都是通过让患者在庞大的症状库中进行分类选择症状,这种方法一方面每个类别依然症状繁多,患者选择效率不高;另一方面这种症状分类方法割裂了类别之间的症状关联关系,很难有效、高效、全面地采集患者的病情症状,采集结果往往集中在某一类别的症状,结果有失偏颇。
发明内容
针对上述存在的技术问题,本发明目的是:提供了一种基于关联症状推导的病情采集方法,通过症状之间的关联关系进行推导得出患者可能的其他症状供患者选择,可以大大提高病情采集的效率,并保证一定的准确性。
本发明的技术方案是:
一种基于关联症状推导的病情采集方法,其特征在于,包括以下步骤:
S01:根据医学典籍中疾病的不同症状间的关联关系构建症状及其关联关系的数据库;
S02:根据患者的基本信息获得符合条件的症状集合A,并按使用频率排序或相关算法得到患者的可能症状集合,并显示前n条,得到症状集合A1,并将A1放入症状集合H,即H=H+A1;
S03:患者在显示的症状集合A1中选择或者不选症状;若患者没有选择当前显示的任何症状,则获取症状集合A-H,并按使用频率排序显示前n条,即症状集合A2,并将A2放入症状集合H,即H=H+A2;
S04:若患者没有选择当前显示的任何症状,则重复步骤S03,将症状集合A3、A4....An放入症状集合H,直到An为空集,其中,n为大于0的自然数;
S05:若患者选择了症状,根据患者选择的症状从该症状的关联关系数据库中进行关联查询,获得每一条所选症状的关联症状集合B1、B2、B3.....,得到所有所选症状的关联症状集合B=B1∪B2∪B3......,最后通过B-H=C,获得符合条件的症状集合C,并按使用频率排序显示前n条,即症状集合C1;
S06:将A=C,H=H+C1,重复步骤S03-S05,得到患者所有患病症状。
优选的,所述步骤S01中所述关联关系数据库中的关联关系包括不同的强弱等级,用强关联等级标识疾病的大多数病例的常见症状之间的关联关系,用弱关联等级标识个别病例偶发症状与常见症状之间的关联关系。
优选的,所述步骤S02中的患者的基本信息包括但不限于性别、年龄、科室。
优选的,所述步骤S05中,得到的关联症状集合根据关联关系的强弱等级进行排序。
优选的,症状及其关联关系的数据库的具体存储方式包括但不限于关系型数据库、基于Key-Value的非关系型数据库、基于文档的非关系型数据库。
与现有技术相比,本发明的优点是:
1、相对于简单使用医学生命体征的科学量表进行问卷调查的病情采集方法,本发明可以快速排除大多数无关的病情症状,精准地、人性化地猜测出患者可能的身体症状供患者选择。
2、相对于常见的症状自诊软件,除了可以快速排除大多数无关的病情症状,精准地、人性化地猜测出患者可能的身体症状供患者选择外,本发明利用的关联症状规避了常见的症状自诊软件中分类之间互相割裂无关的问题,同时在一些罕见疾病症状的采集中还可以借助症状分类方法进行症状查找检索,即本发明可以兼容传统的分类检索方法作为补充。
附图说明
下面结合附图及实施例对本发明作进一步描述:
图1是本发明基于关联症状推导的病情采集方法的流程图;
图2是关联症状示意图。
具体实施方式
以下结合具体实施例对上述方案做进一步说明。应理解,这些实施例是用于说明本发明而不限于限制本发明的范围。实施例中采用的实施条件可以根据具体厂家的条件做进一步调整,未注明的实施条件通常为常规实验中的条件。
实施例:
本发明是基于症状关联关系数据及症状的使用频率数据,按照患者的性别、年龄、选择的科室等信息,系统自动检索出一个符合该患者的症状集合,并进一步根据使用频率排序或其他算法来猜测患者可能的症状,再根据患者选择的症状进行关联症状的检索,这些关联症状是根据医学典籍中疾病所表现出的不同症状之间的关联关系得出的,如图2为关联症状示例,根据医学典籍中疾病的不同症状间的关联关系构建症状及其关联关系数据库。
如图1所示,一种基于关联症状推导的病情采集方法,包括以下步骤:
根据患者的性别、年龄、所选科室等信息获得符合条件的症状集合A,并按使用频率排序或相关算法来猜测病人可能的症状集合,显示前若干条,得到症状集合A1,并将A1放入症状集合H(H的初始值为空),即H=H+A1;
※患者在显示的症状集合A1中选择或者不选,然后点击下一步;
[患者没有选择当前显示的任何症状]则先获取症状集合A-H,并按使用频率排序显示前若干条,即症状集合A2,并将A2放入症状集合H,即H=H+A2;若患者依然没有选择,则同样的方法在症状集合A3、A4....An放入症状集合H,直到An为空集;
[患者选择了一条或多条症状]根据患者选择的每一条症状进行关联查询分别获得关联症状集合B1,B2,B3.....,然后B=B1∪B2∪B3......,最后通过B-H=C(H为已经显示的症状集合),从而获得符合条件的症状集合C,并按使用频率排序显示前若干条,即症状集合C1;接下来A=C,H=H+C1重复如上※处的算法。
根据图2关联症状示例,以此为例进一步说明本发明的工作机制:
第一步:系统根据使用频率排序或其他算法猜测病人可能的症状列表中包含喉咙疼;
第二步:如果患者选择了喉咙疼,那么系统基于喉咙疼的症状根据图1基于关联症状推导的方法流程,系统将猜测患者可能还有发烧和咳嗽的症状;
第三步:如果患者选择了咳嗽,那么系统基于咳嗽的症状根据图1基于关联症状推导的方法流程,系统将猜测患者可能还有发烧、流鼻涕、喉咙疼的症状,并将之前已经显示过的发烧、喉咙疼症状排除,确认患者是否还有流鼻涕的症状。
本发明的关键在于构建可靠的症状及其关联关系的数据库,它包括症状和同属一种疾病的不同症状之间建立的关联关系,这里的关联关系可以有不同的强弱等级,比如可以用强关联等级标识疾病的大多数病例的常见症状之间的关联关系,用弱关联等级标识个别病例偶发症状与常见症状之间的关联关系,本实施例中仅用一种关联等级。这样就可以通过一个症状获得该症状的关联症状,如果有关联关系的强弱等级的话可以用强弱等级来排序,按这种方法基于症状的关联关系就可以准确地猜测到患者的可能症状,以实现更准确地快速自动化的病情采集。
症状及其关联关系的存储要便于检索、排序和关联查询;具体存储方式可以为关系型数据库、基于Key-Value的非关系型数据库、基于文档的非关系型数据库等,只要能明确定义症状之间的关联关系的存储方式都可以完成本发明的实现。
系统界面和交互方式要人性化,便于患者操作。
上述实例只为说明本发明的技术构思及特点,其目的在于让熟悉此项技术的人士能够了解本发明的内容并据以实施,并不能以此限制本发明的保护范围。凡根据本发明精神实质所做的等效变换或修饰,都应涵盖在本发明的保护范围之内。
Claims (5)
1.一种基于关联症状推导的病情采集方法,其特征在于,包括以下步骤:
S01:根据医学典籍中疾病的不同症状间的关联关系构建症状及其关联关系的数据库;
S02:根据患者的基本信息获得符合条件的症状集合A,并按使用频率排序或相关算法得到患者的可能症状集合,并显示前n条,得到症状集合A1,并将A1放入症状集合H,即H=H+A1;
S03:患者在显示的症状集合A1中选择或者不选症状;若患者没有选择当前显示的任何症状,则获取症状集合A-H,并按使用频率排序显示前n条,即症状集合A2,并将A2放入症状集合H,即H=H+A2;
S04:若患者没有选择当前显示的任何症状,则重复步骤S03,将症状集合A3、A4....An放入症状集合H,直到An为空集,其中,n为大于0的自然数;
S05:若患者选择了症状,根据患者选择的症状从该症状的关联关系数据库中进行关联查询,获得每一条所选症状的关联症状集合B1、B2、B3.....,得到所有所选症状的关联症状集合B=B1∪B2∪B3......,最后通过B-H=C,获得符合条件的症状集合C,并按使用频率排序显示前n条,即症状集合C1;
S06:将A=C,H=H+C1,重复步骤S03-S05,得到患者所有患病症状。
2.根据权利要求1所述的基于关联症状推导的病情采集方法,其特征在于,所述步骤S01中所述症状关联关系包括不同的强弱等级,用强关联等级标识疾病的大多数病例的常见症状之间的关联关系,用弱关联等级标识个别病例偶发症状与常见症状之间的关联关系。
3.根据权利要求1所述的基于关联症状推导的病情采集方法,其特征在于,所述步骤S02中的患者的基本信息至少包括性别、年龄、科室。
4.根据权利要求1所述的基于关联症状推导的病情采集方法,其特征在于,所述步骤S05中,得到的关联症状集合根据关联关系的强弱等级进行排序。
5.根据权利要求1所述的基于关联症状推导的病情采集方法,其特征在于,症状及其关联关系的数据库的具体存储方式为关系型数据库或基于Key-Value的非关系型数据库或基于文档的非关系型数据库。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610488393.4A CN106126943B (zh) | 2016-06-29 | 2016-06-29 | 基于关联症状推导的病情采集方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610488393.4A CN106126943B (zh) | 2016-06-29 | 2016-06-29 | 基于关联症状推导的病情采集方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106126943A CN106126943A (zh) | 2016-11-16 |
CN106126943B true CN106126943B (zh) | 2018-06-01 |
Family
ID=57284339
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610488393.4A Active CN106126943B (zh) | 2016-06-29 | 2016-06-29 | 基于关联症状推导的病情采集方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106126943B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108389608A (zh) * | 2018-02-08 | 2018-08-10 | 康美药业股份有限公司 | 药品推荐方法、电子设备和存储介质 |
CN108231153A (zh) * | 2018-02-08 | 2018-06-29 | 康美药业股份有限公司 | 一种药品推荐方法、电子设备和存储介质 |
CN109300535A (zh) * | 2018-07-06 | 2019-02-01 | 北京康夫子科技有限公司 | 导诊方法、导诊装置及机器可读存储介质 |
CN110120254B (zh) * | 2019-04-23 | 2020-11-03 | 镇江市第一人民医院 | 一种医疗数据存储和共享方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101350739A (zh) * | 2008-09-05 | 2009-01-21 | 北京邮电大学 | 一种ip网络中的故障定位方法 |
CN101467154A (zh) * | 2006-06-13 | 2009-06-24 | 皇家飞利浦电子股份有限公司 | 将定性关系建模为因果关系图 |
CN102110192A (zh) * | 2011-04-02 | 2011-06-29 | 中国医学科学院医学信息研究所 | 基于诊断要素数据关联的疾病辅助判断方法 |
CN102483818A (zh) * | 2009-04-22 | 2012-05-30 | 领头马科技股份有限公司 | 人工智能辅助的医疗参考系统和方法 |
CN105653859A (zh) * | 2015-12-31 | 2016-06-08 | 遵义医学院 | 一种基于医疗大数据的疾病自动辅助诊断系统及方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0319031A (ja) * | 1989-06-16 | 1991-01-28 | Fujitsu Ltd | 推論処理方式 |
-
2016
- 2016-06-29 CN CN201610488393.4A patent/CN106126943B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101467154A (zh) * | 2006-06-13 | 2009-06-24 | 皇家飞利浦电子股份有限公司 | 将定性关系建模为因果关系图 |
CN101350739A (zh) * | 2008-09-05 | 2009-01-21 | 北京邮电大学 | 一种ip网络中的故障定位方法 |
CN102483818A (zh) * | 2009-04-22 | 2012-05-30 | 领头马科技股份有限公司 | 人工智能辅助的医疗参考系统和方法 |
CN102110192A (zh) * | 2011-04-02 | 2011-06-29 | 中国医学科学院医学信息研究所 | 基于诊断要素数据关联的疾病辅助判断方法 |
CN105653859A (zh) * | 2015-12-31 | 2016-06-08 | 遵义医学院 | 一种基于医疗大数据的疾病自动辅助诊断系统及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN106126943A (zh) | 2016-11-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Danforth | Worlds of welfare in time: A historical reassessment of the three-world typology | |
Franceschet | A comparison of bibliometric indicators for computer science scholars and journals on Web of Science and Google Scholar | |
CN106126943B (zh) | 基于关联症状推导的病情采集方法 | |
JP6369053B2 (ja) | マッチング装置、マッチング方法及びプログラム | |
WO2021159640A1 (zh) | 基于人工智能的药品推荐方法及相关设备 | |
US8959079B2 (en) | Method and system for providing relationships in search results | |
AU2017250467B2 (en) | Query optimizer for combined structured and unstructured data records | |
CN109935337B (zh) | 一种基于相似性度量的病案查找方法及系统 | |
US20170147753A1 (en) | Method for searching for similar case of multi-dimensional health data and apparatus for the same | |
CN109074858A (zh) | 没有明显准标识符的去识别的健康护理数据库的医院匹配 | |
JP7375861B2 (ja) | 関連スコア算出システム、方法およびプログラム | |
Iglesias et al. | Interpreting modern and fossil pollen data along a steep environmental gradient in northern Patagonia | |
Sharma et al. | A study to develop an instrument to measure work ethic | |
CN109841285B (zh) | 一种临床研究协作系统及方法 | |
CN111144831A (zh) | 一种适用于人员招聘的人选精准甄别系统及其甄别方法 | |
CN107193996B (zh) | 相似病历匹配检索系统 | |
US20170255752A1 (en) | Continuous adapting system for medical code look up | |
Dos Santos et al. | The relevance of ecoregions and mountainous environments in the diversity and endemism of land gastropods | |
Bogacheva et al. | Predicting vocational personality type from socio-demographic features using machine learning methods | |
Wijayanti et al. | K-means cluster analysis for students graduation: case study: STMIK Widya Cipta Dharma | |
CN109241146B (zh) | 集群环境下的学生智助方法和系统 | |
CN114020948B (zh) | 基于排序聚类序列辨别选择的草图图像检索方法及系统 | |
CN110033862B (zh) | 一种基于加权有向图的中医量化诊断系统及存储介质 | |
CN110010231A (zh) | 一种数据处理系统及计算机可读存储介质 | |
Yang et al. | Decomposing immigrants’ religious mobility: Structural shifts and inter-religion exchanges among chinese overseas students |
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 |