CN108198626A - 中医糖尿病智能问诊单的建立方法及系统 - Google Patents
中医糖尿病智能问诊单的建立方法及系统 Download PDFInfo
- Publication number
- CN108198626A CN108198626A CN201711362595.5A CN201711362595A CN108198626A CN 108198626 A CN108198626 A CN 108198626A CN 201711362595 A CN201711362595 A CN 201711362595A CN 108198626 A CN108198626 A CN 108198626A
- Authority
- CN
- China
- Prior art keywords
- interrogation
- list
- data
- diabetes
- meta
- 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.)
- Pending
Links
Landscapes
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明涉及一种中医糖尿病智能问诊单的建立方法及系统,总结归纳糖尿病的问诊元模型,所述问诊元模型元数据模型是对不同问诊信息的概括和抽象,不涉及各类问诊信息的特征;所述问诊的元模型,包含主键、名称、类型和版本信息,问诊元模型是可以递归嵌套的类型,后续派生出问诊对象和子对象,类型表明信息是问题类还是答案类;根据用户填写的问诊单综合辩证结果计算分值给出预诊断信息。
Description
技术领域
本发明涉及一种中医糖尿病智能问诊单的建立方法及系统。
背景技术
现有中医糖尿病诊疗方法主要是医生通过自身经验结合传统的望闻问切的主观诊断糖尿病患者,或仅通过智能硬件采集指标数据对患者诊断,缺乏对糖尿病病情进行系统的问诊,又缺少对中医问诊信息的元模型设计,导致中医问诊效果难以做到数据化、标准化和智能化。
虽然目前已经出现了一些利用现代化智能科技进行中医诊疗的方法及系统,但是这些技术方法主要是:或是按照传统中医问诊方式对疾病进行辩证,或是基于硬件设备进行一般信息的采集,既缺乏对中医问诊信息标准字段的归纳总结,又缺少对糖尿病这一专病的精准认知,而且针对中医医生个性化的需求,也没提供专有的方法进行配置,因此现有方法对中医问诊有其局限性,很难满足中医问诊数据化、标准化和智能化的发展。
模型(model)是对现实的抽象,或者是对这个抽象的描述。元模型(meta-model)也是模型,它描述的对象是“模型中的元素、元素间关系以及表示法”,或者说它是一种语言,人们使用这种语言来描述模型。问诊元数据模型是对不同问诊信息的概括和抽象,不涉及各类问诊信息的特征。
鉴于上述的缺陷,本设计人积极加以研究创新,以期创设一种中医糖尿病智能问诊单的建立方法及系统,使其更具有产业上的利用价值。
发明内容
为解决上述技术问题,本发明的目的是提供一种借助信息技术实现对糖尿病中医问诊的处理,并且能够兼备在元模型的基础下,提供中医医生个性化定制方法的中医糖尿病智能问诊单的建立方法及系统。
本发明中医糖尿病智能问诊单的建立方法,包括:
根据知识库,建立问诊元模型,所述问诊元模型包括主键、名称、类型和版本;其中,所述知识库中至少存储有糖尿病相关信息数据;
根据所述问诊元模型从知识库中提取糖尿病相关信息数据,根据预定问诊单模板格式生成问诊单;
获取患者对于问诊单中问题的答案信息,将所述答案信息与预设的糖尿病特征值进行相似度匹配,若相似度高于或等于预定阈值,则判定该问诊命中该特征值;若相似度低于预定阈值,则判定该问诊没有命中该特征值。
进一步地,判定问诊是否命中糖尿病特征值的具体方法包括:
提取获得到的一问诊大类的问诊答案的多个问诊子类向量ai,其中
i=1,2,……n,以向量组a1、a2……an为基构成一个n维向量空间Rn;用n维向量A描述该问诊大类的问诊答案,线性组合形式表示出来如下:
该问诊大类的糖尿病特征值K的线性组合形式表示出来如下:
其中,A∈Rn K∈Rn
该大类问诊答案与糖尿病特征值的匹配度表示为:
当匹配度大于预定阈值时,判定患者具有相应糖尿病症类型的可能。
进一步地,还包括:获取用户身份,根据用户身份预定不同身份用户对生成的问诊单的修改权限。
进一步地,还包括:对知识库中的糖尿病相关信息数据预处理、数据分类,整合数据库中同一病症类型对应的问诊要素数据,建立病症类型对应的问诊要素数据的树形结构,以各个病症类型为树根,该病症对应的问诊要素数据为该树根的各层分枝数据,也即所述树形结构的最底层为没有任何子类型的问诊要素数据,树形结构的上一层为下一层全部问诊要素数据的总称,依次类推,第一层问诊要素数据为不能与其他问诊要素数据归为一类的问诊要素数据;
同一个问诊要素数据属于不同的病症类型树,对问诊要素数据所属病症类型树的数量进行排序;预定的问诊数据范围,基于排序结果筛选出排序在前面的问诊要素数据;
基于筛选出的问诊要素数据,确定与病人问诊要素数据相关的问诊数据;
将问诊数据输入问诊数据分类器中,对相应的问诊数据进行分类标注,输出该问诊数据的标注信息,该问诊数据和该问诊数据的标注信息组成问诊元模型;
输出多个问诊元模型,组成一个初始问诊单。
进一步地,还检查患者是否回答了问诊单上的每一个问题,若患者回答完全部问题,则获取患者的数字签名,输出患者填写的问诊单;若患者没有回答完全部问题,则患者的电子签名无效,无法输出患者填写的问诊单,直至患者填写完问诊单上全部问题。
本发明中医糖尿病智能问诊单的建立系统,包括:
知识库,用于存储糖尿病相关信息数据;
问诊元模型建立单元,根据知识库建立问诊元模型,所述问诊元模型包括:主键、名称、类型和版本;
问诊单生成单元,用于根据所述问诊元模型从知识库中提取糖尿病相关信息数据,根据预定问诊单模板格式生成问诊单;
诊断单元,用于获取患者对于问诊单中问题的答案信息,将所述答案信息与预设的糖尿病特征值进行相似度匹配,若相似度高于或等于预定阈值,则判定该问诊命中该特征值;若相似度低于预定阈值,则判定该问诊没有命中该特征值。
进一步地,所述诊断单元,包括问诊答案处理模块、问诊结果输出模块,
所述问诊答案处理单元,用于提取获得到的一问诊大类的问诊答案的多个问诊子类向量ai,其中i=1,2,……n,以向量组a1、a2……an为基构成一个n维向量空间Rn;用n维向量A描述该问诊大类的问诊答案,线性组合形式表示出来如下:
该问诊大类的糖尿病特征值K的线性组合形式表示出来如下:
其中,A∈Rn K∈Rn
问诊结果输出模块,用于判断该大类问诊答案与糖尿病特征值的匹配度,具体表示为:
当匹配度大于预定阈值时,判定患者具有相应糖尿病症类型的可能。
借由上述方案,本发明中医糖尿病智能问诊单的建立方法及系统至少具有以下优点:
本发明提交的技术解决方法主要针对中医对治疗糖尿病进行模型抽象分析,通过对元模型的定义和模板配置成对中医糖尿病问诊信息的管理,通过对问诊单中糖尿病问诊信息的特征提取,借助糖尿病辩证方法实现对糖尿病患者的初步诊断,借助信息技术实现对糖尿病中医问诊的处理,并且能够兼备在元模型的基础下,提供中医医生个性化定制方法,在中医诊疗数据化、标准化、智能化方面做到了极大提升,进而对提升中医对糖尿病的科研水平提供了技术支撑。
上述说明仅是本发明技术方案的概述,为了能够更清楚了解本发明的技术手段,并可依照说明书的内容予以实施,以下以本发明的较佳实施例并配合附图详细说明如后。
附图说明
图1是本发明问诊单建立流程图;
图2是本发明具体实施例方法流程图。
具体实施方式
下面结合附图和实施例,对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明,但不用来限制本发明的范围。
实施例1
如图1所示,本发明一较佳实施例所述的中医糖尿病智能问诊单的建立方法,包括:
根据知识库,建立问诊元模型,所述问诊元模型包括主键、名称、类型和版本;其中,所述知识库中至少存储有糖尿病相关信息数据;
根据所述问诊元模型从知识库中提取糖尿病相关信息数据,根据预定问诊单模板格式生成问诊单;
获取患者对于问诊单中问题的答案信息,将所述答案信息与预设的糖尿病特征值进行相似度匹配,若相似度高于或等于预定阈值,则判定该问诊命中该特征值;若相似度低于预定阈值,则判定该问诊没有命中该特征值。
本实施例中,还包括:判定问诊是否命中糖尿病特征值的具体方法包括:
提取获得到的一问诊大类的问诊答案的多个问诊子类向量ai,其中
i=1,2,……n,以向量组a1、a2……an为基构成一个n维向量空间Rn;用n维向量A描述该问诊大类的问诊答案,线性组合形式表示出来如下:
该问诊大类的糖尿病特征值K的线性组合形式表示出来如下:
其中,A∈Rn K∈Rn
该大类问诊答案与糖尿病特征值的匹配度表示为:
当匹配度大于预定阈值时,判定患者具有相应糖尿病症类型的可能。
实施例2
如图2所示,本实施例中医糖尿病智能问诊单的建立方法,在实施例1的基础上,还包括获取用户身份,根据用户身份预定不同身份用户对生成的问诊单的修改权限。提供了一种具体的应用实例,具体包括:
接收用户请求,对应用户身份进行验证,
若验证通过,则在相应终端上输出初始问诊单;若验证不通过,则不做处理;
用户基于自己的修改权限对初始问诊单进行修改,生成新的问诊单;
获取患者对于问诊单中问题的答案,对所述答案进行数据处理,得到机器语言能够识别格式,综合辩证结果计算分值给出预诊断信息。
实施例3
本实施例中医糖尿病智能问诊单的建立系统,包括:
知识库,用于存储糖尿病相关信息数据;
问诊元模型建立单元,根据知识库建立问诊
元模型,所述问诊元模型包括:主键、名称、类型和版本;问诊单生成单元,用于根据所述问诊元模型从知识库中提取糖尿病相关信息数据,根据预定问诊单模板格式生成问诊单;
诊断单元,用于获取患者对于问诊单中问题的答案信息,将所述答案信息与预设的糖尿病特征值进行相似度匹配,若相似度高于或等于预定阈值,则判定该问诊命中该特征值;若相似度低于预定阈值,则判定该问诊没有命中该特征值。
本实施例中,所述诊断单元,包括问诊答案处理模块、问诊结果输出模块,
所述问诊答案处理单元,用于提取获得到的一问诊大类的问诊答案的多个问诊子类向量ai,其中i=1,2,……n,以向量组a1、a2……an为基构成一个n维向量空间Rn;用n维向量A描述该问诊大类的问诊答案,线性组合形式表示出来如下:
该问诊大类的糖尿病特征值K的线性组合形式表示出来如下:
其中,A∈Rn K∈Rn
问诊结果输出模块,用于判断该大类问诊答案与糖尿病特征值的匹配度,具体表示为:
当匹配度大于预定阈值时,判定患者具有相应糖尿病症类型的可能。
本实施例中,向量表示的中医问诊的各个要素:比如刻下证、现病史、婚育史等等,即中医问诊的各个方面。问诊子类信息至少包括:中医问诊刻下证大类会包含:饮食、大小变等,小便中还会包含颜色、泡沫等更细分内容。
本发明中元模型:元数据模型是对不同问诊信息的概括和抽象,不涉及各类问诊信息的特征。在现有元模型的基础上,结合各类问诊信息的特性和相关规则可以生成专业问诊模型。正是基于统一的元模型,才能有效实现各类问诊信息的归一化处理,支持问诊建模和分析,为进一步提供智能问诊提供基础如1所示。
中医糖尿病智能问诊流程:参考中医辩证和中医糖尿病问诊方法,总结归纳糖尿病的问诊元模型。首先定义问诊的元模型,包含主键、名称、类型和版本等信息,主键的定义为:唯一的标示ID。名称为定义的元模型的名称。类型定义为的元模型的类型。其中元模型是可以递归嵌套的类型,后续派生出问诊对象和子对象等;类型表明信息是问题类还是答案类等。本发明中所述的元模型是将现有的元模型应用至处理糖尿病有关的诊疗信息。
医生按照元模型方法,首先检索系统的知识库中知否包含符合自己的完备信息,并根据自身的问诊特点,制定符合自己问诊条件的问诊单,如刻下证的症状问题等,系统会根据知识库信息和定制模板信息以表单的方式自动生成问诊单。
患者可以在医院首诊或复诊时,在医生或护士的帮助下填写问诊单,也可以远程复诊时自行填写问诊单,完成问诊信息的采集,同时采用数字签名模块完成问诊单的签名,进而保证用户信息的安全性。
综合辩证结果计算分值给出预诊断信息,智能问诊单操作结束。
以上所述仅是本发明的优选实施方式,并不用于限制本发明,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明技术原理的前提下,还可以做出若干改进和变型,这些改进和变型也应视为本发明的保护范围。
Claims (7)
1.一种中医糖尿病智能问诊单的建立方法,其特征在于,包括:
根据知识库,建立问诊元模型,所述问诊元模型包括主键、名称、类型和版本;其中,所述知识库中至少存储有糖尿病相关信息数据;
根据所述问诊元模型从知识库中提取糖尿病相关信息数据,根据预定问诊单模板格式生成问诊单;
获取患者对于问诊单中问题的答案信息,将所述答案信息与预设的糖尿病特征值进行相似度匹配,若相似度高于或等于预定阈值,则判定该问诊命中该特征值;若相似度低于预定阈值,则判定该问诊没有命中该特征值。
2.根据权利要求1所述的中医糖尿病智能问诊单的建立方法,其特征在于,判定问诊是否命中糖尿病特征值的具体方法包括:
提取获得到的一问诊大类的问诊答案的多个问诊子类向量ai,其中
i=1,2,……n,以向量组a1、a2……an为基构成一个n维向量空间Rn;用n维向量A描述该问诊大类的问诊答案,线性组合形式表示出来如下:
该问诊大类的糖尿病特征值K的线性组合形式表示出来如下:
其中,A∈Rn K∈Rn
该大类问诊答案与糖尿病特征值的匹配度表示为:
当匹配度大于预定阈值时,判定患者具有相应糖尿病症类型的可能。
3.根据权利要求1所述的中医糖尿病智能问诊单的建立方法,其特征在于,还包括:获取用户身份,根据用户身份预定不同身份用户对生成的问诊单的修改权限。
4.根据权利要求1所述的中医糖尿病智能问诊单的建立方法,其特征在于,还包括:对知识库中的糖尿病相关信息数据预处理、数据分类,整合数据库中同一病症类型对应的问诊要素数据,建立病症类型对应的问诊要素数据的树形结构,以各个病症类型为树根,该病症对应的问诊要素数据为该树根的各层分枝数据,也即所述树形结构的最底层为没有任何子类型的问诊要素数据,树形结构的上一层为下一层全部问诊要素数据的总称,依次类推,第一层问诊要素数据为不能与其他问诊要素数据归为一类的问诊要素数据;
同一个问诊要素数据属于不同的病症类型树,对问诊要素数据所属病症类型树的数量进行排序;预定的问诊数据范围,基于排序结果筛选出排序在前面的问诊要素数据;
基于筛选出的问诊要素数据,确定与病人问诊要素数据相关的问诊数据;
将问诊数据输入问诊数据分类器中,对相应的问诊数据进行分类标注,输出该问诊数据的标注信息,该问诊数据和该问诊数据的标注信息组成问诊元模型;
输出多个问诊元模型,组成一个初始问诊单。
5.根据权利要求1所述的中医糖尿病智能问诊单的建立方法,其特征在于,还检查患者是否回答了问诊单上的每一个问题,若患者回答完全部问题,则获取患者的数字签名,输出患者填写的问诊单;若患者没有回答完全部问题,则患者的电子签名无效,无法输出患者填写的问诊单,直至患者填写完问诊单上全部问题。
6.一种中医糖尿病智能问诊单的建立系统,其特征在于,包括:
知识库,用于存储糖尿病相关信息数据;
问诊元模型建立单元,根据知识库建立问诊元模型,所述问诊元模型包括:主键、名称、类型和版本;
问诊单生成单元,用于根据所述问诊元模型从知识库中提取糖尿病相关信息数据,根据预定问诊单模板格式生成问诊单;
诊断单元,用于获取患者对于问诊单中问题的答案信息,将所述答案信息与预设的糖尿病特征值进行相似度匹配,若相似度高于或等于预定阈值,则判定该问诊命中该特征值;若相似度低于预定阈值,则判定该问诊没有命中该特征值。
7.根据权利要求6所述的中医糖尿病智能问诊单的建立系统,其特征在于,
所述诊断单元,包括问诊答案处理模块、问诊结果输出模块,
所述问诊答案处理单元,用于提取获得到的一问诊大类的问诊答案的多个问诊子类向量ai,其中i=1,2,……n,以向量组a1、a2……an为基构成一个n维向量空间Rn;用n维向量A描述该问诊大类的问诊答案,线性组合形式表示出来如下:
该问诊大类的糖尿病特征值K的线性组合形式表示出来如下:
其中,A∈Rn K∈Rn
问诊结果输出模块,用于判断该大类问诊答案与糖尿病特征值的匹配度,具体表示为:
当匹配度大于预定阈值时,判定患者具有相应糖尿病症类型的可能。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711362595.5A CN108198626A (zh) | 2017-12-18 | 2017-12-18 | 中医糖尿病智能问诊单的建立方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711362595.5A CN108198626A (zh) | 2017-12-18 | 2017-12-18 | 中医糖尿病智能问诊单的建立方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108198626A true CN108198626A (zh) | 2018-06-22 |
Family
ID=62574451
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711362595.5A Pending CN108198626A (zh) | 2017-12-18 | 2017-12-18 | 中医糖尿病智能问诊单的建立方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108198626A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2021109265A1 (zh) * | 2019-12-03 | 2021-06-10 | 中国医学科学院北京协和医院 | 疾病信息管理系统 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105912846A (zh) * | 2016-04-07 | 2016-08-31 | 南京小网科技有限责任公司 | 基于云计算和医学知识库技术的智能医疗辅助决策系统 |
CN107247868A (zh) * | 2017-05-18 | 2017-10-13 | 深思考人工智能机器人科技(北京)有限公司 | 一种人工智能辅助问诊系统 |
-
2017
- 2017-12-18 CN CN201711362595.5A patent/CN108198626A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105912846A (zh) * | 2016-04-07 | 2016-08-31 | 南京小网科技有限责任公司 | 基于云计算和医学知识库技术的智能医疗辅助决策系统 |
CN107247868A (zh) * | 2017-05-18 | 2017-10-13 | 深思考人工智能机器人科技(北京)有限公司 | 一种人工智能辅助问诊系统 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2021109265A1 (zh) * | 2019-12-03 | 2021-06-10 | 中国医学科学院北京协和医院 | 疾病信息管理系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6907831B2 (ja) | コンテキストベースの患者類似性の方法及び装置 | |
WO2022267678A1 (zh) | 视频问诊方法、装置、设备及存储介质 | |
CN107169078A (zh) | 中医药知识图谱及其建立方法以及计算机系统 | |
CN109920508A (zh) | 处方审核方法及系统 | |
CN110085307A (zh) | 一种基于多源知识图谱融合的智能导诊方法和系统 | |
CN107145511A (zh) | 基于医学文本信息的结构化医学数据库生成方法及系统 | |
CN102110192A (zh) | 基于诊断要素数据关联的疾病辅助判断方法 | |
CN106295182A (zh) | 一种基于患者生物信息的身份识别方法 | |
WO2021151295A1 (zh) | 患者治疗方案的确定方法、装置、计算机设备及介质 | |
CN108899072A (zh) | 中药药方推荐方法、装置、计算机设备和存储介质 | |
CN109326350A (zh) | 脑梗死临床诊疗系统 | |
JP6908977B2 (ja) | 医療情報処理システム、医療情報処理装置及び医療情報処理方法 | |
Pecoraro et al. | Designing ETL tools to feed a data warehouse based on electronic healthcare record infrastructure | |
CN114416967A (zh) | 智能推荐医生的方法、装置、设备及存储介质 | |
CN114283947A (zh) | 一种适用于手术患者的健康管理方法及系统 | |
CN117877667B (zh) | 一种基于互联网的医护配药信息管理系统 | |
CN111128388A (zh) | 一种值域数据匹配方法、装置及相关产品 | |
CN110491519A (zh) | 一种医学数据的检验方法 | |
CN108198626A (zh) | 中医糖尿病智能问诊单的建立方法及系统 | |
Aggarwal et al. | HEDEA: a Python tool for extracting and analysing semi-structured information from medical records | |
CN107169278A (zh) | 一种数据治理方法及医疗信息化系统 | |
CN111950234A (zh) | 基于智能医学文本处理系统的处理方法 | |
WO2023240837A1 (zh) | 基于病患数据的服务包生成方法、装置、设备及存储介质 | |
CN109522331A (zh) | 以个人为中心的区域化多维度健康数据处理方法及介质 | |
CN112309519B (zh) | 基于多模型的电子病历用药结构化处理系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180622 |
|
RJ01 | Rejection of invention patent application after publication |