CN108231153A - 一种药品推荐方法、电子设备和存储介质 - Google Patents

一种药品推荐方法、电子设备和存储介质 Download PDF

Info

Publication number
CN108231153A
CN108231153A CN201810130523.6A CN201810130523A CN108231153A CN 108231153 A CN108231153 A CN 108231153A CN 201810130523 A CN201810130523 A CN 201810130523A CN 108231153 A CN108231153 A CN 108231153A
Authority
CN
China
Prior art keywords
illness
drug
disorders
data
matching factor
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
Application number
CN201810130523.6A
Other languages
English (en)
Inventor
许冬瑾
洪雪娟
颜正耀
余莹莹
李西
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.)
Kangmei Pharmaceutical Co Ltd
Original Assignee
Kangmei Pharmaceutical Co Ltd
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 Kangmei Pharmaceutical Co Ltd filed Critical Kangmei Pharmaceutical Co Ltd
Priority to CN201810130523.6A priority Critical patent/CN108231153A/zh
Publication of CN108231153A publication Critical patent/CN108231153A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G06Q30/0631—Item recommendations

Landscapes

  • Business, Economics & Management (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Development Economics (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Strategic Management (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Medical Treatment And Welfare Office Work (AREA)

Abstract

本发明公开了一种药品推荐方法、电子设备和存储介质，其中该方法以下步骤：获取病症集合；根据所述病症集合获取病症关联数据；获取各药品的病症匹配数据；根据所述病症关联数据和各药品的病症匹配数据计算各药品的药品匹配系数；推荐所述药品匹配系数满足推荐条件的药品。通过不同病症之间的关联系数，以及具体药物与各病症的病症匹配系数综合评判药品与需求者输入病症集合的药品匹配系数，既考虑到了病症之间的联系，也考虑了药物对各病症的效果，推荐结果更精确；而且病症关联数据、药品的病症匹配数据可以集思广益，科学透明，新药品的数据可以便捷的植入。

Description

一种药品推荐方法、电子设备和存储介质
技术领域
本发明涉及药品领域，尤其涉及一种药品推荐方法、电子设备和存储介质。
背景技术
随着实体药店、网上药店的增多，医生、药剂师出现了短缺，如何针对具体的病症推荐药品成为重要的研究方向。现有的药品推荐方法有些是简单的将药品的主治病症与药品需求者病症做匹配来决策，也有一些是基于大数据对推荐模型进行训练；前者存在无法将病症之间的联系考虑到药品推荐中来，可能会重视一些不太重要的病症而忽视了重要的病症的问题，后者也存在新的药品数据无法及时植入，决策不够透明的问题。
发明内容
为了克服现有技术的不足，本发明的目的之一在于提供一种药品推荐方法，既考虑到了病症之间的联系，也考虑了药物对各病症的效果，推荐结果更精确；而且病症关联数据、药品的病症匹配数据可以集思广益，科学透明，新药品的数据可以便捷的植入。
本发明的目的之二在于提供一种电子设备，既考虑到了病症之间的联系，也考虑了药物对各病症的效果，推荐结果更精确；而且病症关联数据、药品的病症匹配数据可以集思广益，科学透明，新药品的数据可以便捷的植入。
本发明的目的之三在于提供一种存储介质，存储有计算机程序，既考虑到了病症之间的联系，也考虑了药物对各病症的效果，推荐结果更精确；而且病症关联数据、药品的病症匹配数据可以集思广益，科学透明，新药品的数据可以便捷的植入。
本发明的目的之一采用以下技术方案实现：
一种药品推荐方法，包括以下步骤：
获取病症集合；
根据所述病症集合获取病症关联数据；
获取各药品的病症匹配数据；
根据所述病症关联数据和各药品的病症匹配数据计算各药品的药品匹配系数；
推荐所述药品匹配系数满足推荐条件的药品。
进一步地，所述病症关联数据包括至少两种病症以及不同病症之间的关联系数。
进一步地，所述药品的病症匹配数据包括至少两种病症以及各病症与所述药品的病症匹配系数。
进一步地，所述根据所述病症关联数据和各药品的病症匹配数据计算各药品的药品匹配系数，具体为通过以下算式计算：
C＝∑i,jai,j(Ai+Aj)；
其中，i、j均是不为零的自然数，且i≠j；Ai表示病症i与所述药品的病症匹配系数，Aj表示病症j与所述药品的病症匹配系数，ai,j表示病症i和病症j之间的关联系数，C表示所述药品的匹配系数。
进一步地，所述根据所述病症集合获取病症关联数据，具体为：
根据所述病症集合从病症关联总集中提取病症关联数据；
所述病症关联总集包括多种病症以及不同病症之间的关联系数；
所述病症关联数据中的病症与所述病症集合中的病症相同。
进一步地，所述获取病症集合之后，还包括以下步骤：
根据所述病症关联总集对所述病症集合进行调整；
所述根据所述病症集合获取病症关联数据，具体为：根据调整后的病症集合获取病症关联数据。
进一步地，所述根据所述病症关联总集对所述病症集合进行调整，具体包括以下步骤：
根据所述病症集合从病症关联总集中提取待确认病症；
根据所述待确认病症生成病症问询信息；
获取所述病症问询信息对应的反馈信息；
根据所述反馈信息补充所述病症集合。
进一步地，所述根据所述病症关联总集对所述病症集合进行调整，具体还包括以下步骤：
根据所述病症关联总集对所述病症集合进行清理。
本发明的目的之二采用以下技术方案实现：
一种电子设备，包括存储器、处理器以及存储在存储器中的程序，所述程序被配置成由处理器执行，处理器执行所述程序时实现上述药品推荐方法的步骤。
本发明的目的之三采用以下技术方案实现：
一种存储介质，所述介质存储有计算机程序，所述计算机程序被处理器执行时实现上述药品推荐方法的步骤。
相比现有技术，本发明的有益效果在于：通过不同病症之间的关联系数，以及具体药物与各病症的病症匹配系数综合评判药品与需求者输入病症集合的药品匹配系数，既考虑到了病症之间的联系，也考虑了药物对各病症的效果，推荐结果更精确；而且病症关联数据、药品的病症匹配数据可以集思广益，科学透明，新药品的数据可以便捷的植入。
附图说明
图1为本发明实施例一的药品推荐方法的流程示意图；
图2为图1中病症关联数据的示意图；
图3为病症关联总集的示意图；
图4为本发明实施例二的药品推荐方法的流程示意图；
图5为图4中根据病症关联总集对病症集合进行调整的示意图；
图6为本发明实施例三的电子设备的结构示意图。
具体实施方式
下面，结合附图以及具体实施方式，对本发明做进一步描述，需要说明的是，在不相冲突的前提下，以下描述的各实施例之间或各技术特征之间可以任意组合形成新的实施例。
实施例一
如图1为一种药品推荐方法，包括以下步骤：
步骤S110、获取病症集合。
在本实施例中，可以是药品需求者输入病症，病症可以是发热、头痛、四肢酸痛、打喷嚏、流鼻涕等症状，也可以是感冒、鼻炎等疾病的名称。
作为优选的实施方式，还可以对药品需求者输入的病症进行同意转换、合并、分解等操作，也可以将所有的病症统一编号，将药品需求者输入的输入病症转换为编号。
步骤S120、根据所述病症集合获取病症关联数据。
作为优选的实施方式，所述病症关联数据包括至少两种病症以及不同病症之间的关联系数。
如图2所示的病症关联数据，圆圈表示病症关联数据中的病症1-病症5，实线表示不同病症之间的关联系数。由医疗经验可以得知一些病症之间是有并发关系、诱导关系的。例如，感冒就常伴随发热、头痛、四肢酸痛、打喷嚏、流鼻涕、鼻塞、咽痛等症状，因此，这些病症之间就是有关联的；但是发热、头痛和脚痛之间其关联就很弱了，因此其关联系数可以置为0。
在本实施例中，以ai,j表示病症i和病症j之间的关联系数，如图2中病症1与病症2之间的关联系数为a1,2、病症2与病症3之间的关联系数为a2,3、病症3与病症4之间的关联系数为a3,4、病症3与病症5之间的关联系数为a3,5，没有连接的病症可以认为关联系数为0。
作为优选的实施方式，步骤S120根据所述病症集合获取病症关联数据，具体为：
根据所述病症集合从病症关联总集中提取病症关联数据；所述病症关联总集包括多种病症以及不同病症之间的关联系数。
病症关联总集可以包含常见的或所有的病症和病症之间的关联系数。如图3所示，包括病症1-病症9。
具体实践时，病症的列取和不同病症之间的关联系数可以根据不同疾病的发生概率、病症之间的关系等经验去设置，病症关联总集可以开源，集众多医生经验和医疗数据做优化，在此不做赘述。
在本实施例中，药品需求者在步骤S110输入了病症1-病症5，则从病症关联总集中提取的病症关联数据也包括了病症1-病症5，即病症关联数据中的病症与病症集合中的病症相同。
步骤S130、获取各药品的病症匹配数据。
作为优选的实施方式，所述药品的病症匹配数据包括至少两种病症以及各病症与所述药品的病症匹配系数。
例如，某常见的感冒药可以用于病症1-病症5，如发热、头痛、四肢酸痛、打喷嚏、流鼻涕症状，且该药品与各病症的病症匹配系数分别为A1至A5。
实践中各药品的病症匹配数据也可通过医疗经验或大数据得出，如甲药治疗发热效果较好，头痛效果略差，乙药治疗发热效果不明显，治疗头痛效果更好，那么发热这一病症与甲药的病症匹配系数较高，头痛这一病症与乙药的病症匹配系数较高。如果某药品对某病症没有效果或者没有记录，则该病症匹配系数为0。
步骤S140、根据所述病症关联数据和各药品的病症匹配数据计算各药品的药品匹配系数。
作为优选的实施方式，步骤S140根据所述病症关联数据和各药品的病症匹配数据计算各药品的药品匹配系数，具体为通过以下算式计算：
C＝∑i,jaij(Ai+Aj)；
其中，i、j均是不为零的自然数，且i≠j；Ai表示病症i与所述药品的病症匹配系数，Aj表示病症j与所述药品的病症匹配系数，aij表示病症i和病症j之间的关联系数，C表示所述药品的匹配系数。
例如，某药品的病症匹配数据表示其可以用于病症1-病症5，且相应的病症匹配系数A1至A5分别为0.6、0.3、0.8、0、0.8。病症关联数据记录了a1,2、a2,3、a3,4、a3,5分别为0.9、0.8、0.3、0.5，那么，根据以上算式就可以得到该药品的药品匹配系数为2.73。、
在另一实施例中，在步骤S140根据所述病症关联数据和各药品的病症匹配数据计算各药品的药品匹配系数之前，还可以根据步骤S110获取的病症集合对药品进行初步筛选，排除与病症集合中的病症不相关的药品，从而减小药品匹配系数的计算范围。
步骤S150、推荐所述药品匹配系数满足推荐条件的药品。
满足推荐条件的药品可以得到推荐。推荐条件可以是药品匹配系数排名靠前，或者大于一预设阈值；预设阈值具体可以根据试验或者经验得到。
本发明实施例提供的药品推荐方法，通过不同病症之间的关联系数，以及具体药物与各病症的病症匹配系数综合评判药品与需求者输入病症集合的药品匹配系数，既考虑到了病症之间的联系，也考虑了药物对各病症的效果，推荐结果更精确；而且病症关联数据、药品的病症匹配数据可以集思广益，科学透明，新药品的数据可以便捷的植入。
实施例二
如图4所示的药品推荐方法，包括以下步骤：
步骤S210、获取病症集合。
步骤S220、根据所述病症关联总集对所述病症集合进行调整。
作为优选的实施方式，步骤S220根据所述病症关联总集对所述病症集合进行调整，具体包括以下步骤：
步骤S221、根据所述病症集合从病症关联总集中提取待确认病症。
如图5所示，病症关联总集包括病症1-病症11，步骤S210获取的病症集合包括病症1-病症5。根据病症关联总集中的不同病症之间的关联系数，可以得到病症10与病症1和病症2的关联系数均较高，那么，患者可能还具有病症10，需要向药品需求者确认患者是否具有病症10，病症10即为待确认病症。
步骤S222、根据所述待确认病症生成病症问询信息。
作为优选的实施方式，可以通过显示设备或喇叭询问药品需求者确认患者是否具有病症10。
步骤S223、获取所述病症问询信息对应的反馈信息。
药品需求者可以通过点击或输入或者语音等方式反馈患者是否具有病症10。
步骤S224、根据所述反馈信息补充所述病症集合。
如果反馈信息表示患者具有病症10，则将病症10补充至病症集合，此时病症集合包括病症1-病症5和病症10。
在另一实施例中，步骤S220根据所述病症关联总集对所述病症集合进行调整，具体还包括以下步骤：
步骤S225、根据所述病症关联总集对所述病症集合进行清理。
如图5所示，病症关联总集包括病症1-病症11，步骤S210获取的病症集合包括病症1-病症5，以及病症11。根据病症关联总集中的不同病症之间的关联系数，可以得到病症11与病症1-病症5的关联系数没有记录或者为零，那么，病症11很可能只是干扰项，可以从病症集合中清除，清理后的病症集合包括病症1-病症5。
在另一实施例中，步骤S220根据所述病症关联总集对所述病症集合进行调整，可以将步骤S210获取的病症集合分割为多个没有关联或者关联很弱的病症集合。之后针对各病症集合分别进行药品推荐。
在实施本发明时，可以只包括步骤S221-步骤S224，也可以只包括步骤S225，还可以既包括步骤S221-步骤S224，也包括步骤S225。
步骤S230、根据所述病症集合获取病症关联数据。
步骤S240、获取各药品的病症匹配数据。
步骤S250、根据所述病症关联数据和各药品的病症匹配数据计算各药品的药品匹配系数；
步骤S260、推荐所述药品匹配系数满足推荐条件的药品。
步骤S210、S230、S240、S250和S260，分别对应实施例一中的S110、S120、S130、S140和S150；其中步骤S230根据所述病症集合获取病症关联数据具体为根据调整后的病症集合获取病症关联数据，其余不再赘述。
本发明实施例在实施例一的基础上增加了根据病症关联总集对病症集合进行调整的步骤，可以对药品需求者输入的病症进行补充、清理或分割，更充分的利用了病症关联总集的信息，可以使得药品推荐结果更精确。
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发明可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例或者实施例的某些部分所述的方法，如：
一种存储介质，所述存储介质存储有计算机程序，所述计算机程序被处理器执行时实现前述药品推荐方法的步骤。
本发明可用于众多通用或专用的计算系统环境或配置中。例如：个人计算机、服务器计算机、手持设备或便携式设备、平板型设备、多处理器系统、基于微处理器的系统、机顶盒、可编程的消费电子设备、网络PC、小型计算机、大型计算机、包括以上任何系统或设备的分布式计算环境等等，如实施例三。
实施例三
如图6所示一种电子设备，包括存储器200、处理器300以及存储在存储器200中的程序，所述程序被配置成由处理器300执行，处理器300执行所述程序时实现上述药品推荐方法的步骤。
本实施例中的电子设备与前述实施例中的方法是基于同一发明构思下的两个方面，在前面已经对方法实施过程作了详细的描述，所以本领域技术人员可根据前述描述清楚地了解本实施中的系统的结构及实施过程，为了说明书的简洁，在此就不再赘述。
本发明实施例提供的电子设备，可以通过不同病症之间的关联系数，以及具体药物与各病症的病症匹配系数综合评判药品与需求者输入病症集合的药品匹配系数，既考虑到了病症之间的联系，也考虑了药物对各病症的效果，推荐结果更精确；而且病症关联数据、药品的病症匹配数据可以集思广益，科学透明，新药品的数据可以便捷的植入。
作为进一步地改进，可以增加根据病症关联总集对病症集合进行调整的步骤，可以对药品需求者输入的病症进行补充、清理或分割，更充分的利用了病症关联总集的信息，可以使得药品推荐结果更精确。
上述实施方式仅为本发明的优选实施方式，不能以此来限定本发明保护的范围，本领域的技术人员在本发明的基础上所做的任何非实质性的变化及替换均属于本发明所要求保护的范围。

Claims (10)

1.一种药品推荐方法，其特征在于，包括以下步骤：
获取病症集合；
根据所述病症集合获取病症关联数据；
获取各药品的病症匹配数据；
根据所述病症关联数据和各药品的病症匹配数据计算各药品的药品匹配系数；
推荐所述药品匹配系数满足推荐条件的药品。
2.如权利要求1所述的药品推荐方法，其特征在于：所述病症关联数据包括至少两种病症以及不同病症之间的关联系数。
3.如权利要求2所述的药品推荐方法，其特征在于：所述药品的病症匹配数据包括至少两种病症以及各病症与所述药品的病症匹配系数。
4.如权利要求3所述的药品推荐方法，其特征在于：所述根据所述病症关联数据和各药品的病症匹配数据计算各药品的药品匹配系数，具体为通过以下算式计算：
C＝∑i,jai,j(Ai+Aj)；
其中，i、j均是不为零的自然数，且i≠j；Ai表示病症i与所述药品的病症匹配系数，Aj表示病症j与所述药品的病症匹配系数，ai,j表示病症i和病症j之间的关联系数，C表示所述药品的匹配系数。
5.如权利要求3所述的药品推荐方法，其特征在于：所述根据所述病症集合获取病症关联数据，具体为：
根据所述病症集合从病症关联总集中提取病症关联数据；
所述病症关联总集包括多种病症以及不同病症之间的关联系数；
所述病症关联数据中的病症与所述病症集合中的病症相同。
6.如权利要求5所述的药品推荐方法，其特征在于：所述获取病症集合之后，还包括以下步骤：
根据所述病症关联总集对所述病症集合进行调整；
所述根据所述病症集合获取病症关联数据，具体为：根据调整后的病症集合获取病症关联数据。
7.如权利要求6所述的药品推荐方法，其特征在于：所述根据所述病症关联总集对所述病症集合进行调整，具体包括以下步骤：
根据所述病症集合从病症关联总集中提取待确认病症；
根据所述待确认病症生成病症问询信息；
获取所述病症问询信息对应的反馈信息；
根据所述反馈信息补充所述病症集合。
8.如权利要求6或7所述的药品推荐方法，其特征在于：所述根据所述病症关联总集对所述病症集合进行调整，具体还包括以下步骤：
根据所述病症关联总集对所述病症集合进行清理。
9.一种电子设备，其特征在于：包括存储器、处理器以及存储在存储器中的程序，所述程序被配置成由处理器执行，处理器执行所述程序时实现如权利要求1-8中任一项所述的药品推荐方法的步骤。
10.一种存储介质，所述存储介质存储有计算机程序，其特征在于：所述计算机程序被处理器执行时实现如权利要求1-8中任一项所述的药品推荐方法的步骤。
CN201810130523.6A 2018-02-08 2018-02-08 一种药品推荐方法、电子设备和存储介质 Pending CN108231153A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810130523.6A CN108231153A (zh) 2018-02-08 2018-02-08 一种药品推荐方法、电子设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810130523.6A CN108231153A (zh) 2018-02-08 2018-02-08 一种药品推荐方法、电子设备和存储介质

Publications (1)

Publication Number Publication Date
CN108231153A true CN108231153A (zh) 2018-06-29

Family

ID=62669630

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810130523.6A Pending CN108231153A (zh) 2018-02-08 2018-02-08 一种药品推荐方法、电子设备和存储介质

Country Status (1)

Country Link
CN (1) CN108231153A (zh)

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109273097A (zh) * 2018-09-07 2019-01-25 郑州大学第附属医院 一种药物适应症的自动生成方法及装置
CN109411046A (zh) * 2018-09-28 2019-03-01 佐成爱（江苏）健康管理咨询有限公司 一种根据药物有效期进行药箱构成的推荐方法及装置
CN109637618A (zh) * 2018-11-28 2019-04-16 北京工业大学 一种基于标签的中药方剂多样性推荐方法
CN109712684A (zh) * 2018-11-06 2019-05-03 闽江学院 一种组合药物的推荐方法和装置
CN110245217A (zh) * 2019-06-17 2019-09-17 京东方科技集团股份有限公司 一种药品推荐方法、装置及电子设备
CN111429991A (zh) * 2018-12-24 2020-07-17 深圳市优必选科技有限公司 药品预测方法、装置、计算机设备及存储介质
WO2020215675A1 (zh) * 2019-09-18 2020-10-29 平安科技（深圳）有限公司 医疗数据库的构建方法、装置、计算机设备和存储介质
CN112309565A (zh) * 2020-08-28 2021-02-02 北京京东世纪贸易有限公司 用于匹配药品信息和病症信息的方法、装置、电子设备和介质
CN114937484A (zh) * 2022-04-25 2022-08-23 广州方舟信息科技有限公司 药品组合推送方法、装置、服务器及计算机可读存储介质

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104200069A (zh) * 2014-08-13 2014-12-10 周晋 一种基于症状分析和机器学习的用药推荐系统和方法
CN105373706A (zh) * 2015-12-04 2016-03-02 上海斐讯数据通信技术有限公司 药品推送方法及系统
CN106126943A (zh) * 2016-06-29 2016-11-16 苏州医帮医信息科技有限公司 基于关联症状推导的病情采集方法
US20170169183A1 (en) * 2015-12-14 2017-06-15 International Business Machines Corporation Quantitative assessment of drug recommendations
CN107092797A (zh) * 2017-04-26 2017-08-25 广东亿荣电子商务有限公司 一种基于深度学习的药品推荐算法
CN107330287A (zh) * 2017-07-10 2017-11-07 叮当（深圳）健康机器人科技有限公司 一种疾病信息分析方法及装置
CN107330288A (zh) * 2017-07-10 2017-11-07 叮当（深圳）健康机器人科技有限公司 一种用药信息获取方法及装置
CN107330289A (zh) * 2017-07-10 2017-11-07 叮当（深圳）健康机器人科技有限公司 一种症状信息分析方法及装置
CN107591189A (zh) * 2017-08-29 2018-01-16 科大智能科技股份有限公司 一种基于otc药品的推荐系统
CN107610770A (zh) * 2016-07-11 2018-01-19 百度（美国）有限责任公司 用于自动化诊断的问题生成系统和方法

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104200069A (zh) * 2014-08-13 2014-12-10 周晋 一种基于症状分析和机器学习的用药推荐系统和方法
CN105373706A (zh) * 2015-12-04 2016-03-02 上海斐讯数据通信技术有限公司 药品推送方法及系统
US20170169183A1 (en) * 2015-12-14 2017-06-15 International Business Machines Corporation Quantitative assessment of drug recommendations
CN106126943A (zh) * 2016-06-29 2016-11-16 苏州医帮医信息科技有限公司 基于关联症状推导的病情采集方法
CN107610770A (zh) * 2016-07-11 2018-01-19 百度（美国）有限责任公司 用于自动化诊断的问题生成系统和方法
CN107092797A (zh) * 2017-04-26 2017-08-25 广东亿荣电子商务有限公司 一种基于深度学习的药品推荐算法
CN107330287A (zh) * 2017-07-10 2017-11-07 叮当（深圳）健康机器人科技有限公司 一种疾病信息分析方法及装置
CN107330288A (zh) * 2017-07-10 2017-11-07 叮当（深圳）健康机器人科技有限公司 一种用药信息获取方法及装置
CN107330289A (zh) * 2017-07-10 2017-11-07 叮当（深圳）健康机器人科技有限公司 一种症状信息分析方法及装置
CN107591189A (zh) * 2017-08-29 2018-01-16 科大智能科技股份有限公司 一种基于otc药品的推荐系统

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109273097A (zh) * 2018-09-07 2019-01-25 郑州大学第附属医院 一种药物适应症的自动生成方法及装置
CN109411046A (zh) * 2018-09-28 2019-03-01 佐成爱（江苏）健康管理咨询有限公司 一种根据药物有效期进行药箱构成的推荐方法及装置
CN109712684A (zh) * 2018-11-06 2019-05-03 闽江学院 一种组合药物的推荐方法和装置
CN109637618A (zh) * 2018-11-28 2019-04-16 北京工业大学 一种基于标签的中药方剂多样性推荐方法
CN111429991A (zh) * 2018-12-24 2020-07-17 深圳市优必选科技有限公司 药品预测方法、装置、计算机设备及存储介质
CN110245217A (zh) * 2019-06-17 2019-09-17 京东方科技集团股份有限公司 一种药品推荐方法、装置及电子设备
CN110245217B (zh) * 2019-06-17 2022-07-22 京东方科技集团股份有限公司 一种药品推荐方法、装置及电子设备
WO2020215675A1 (zh) * 2019-09-18 2020-10-29 平安科技（深圳）有限公司 医疗数据库的构建方法、装置、计算机设备和存储介质
CN112309565A (zh) * 2020-08-28 2021-02-02 北京京东世纪贸易有限公司 用于匹配药品信息和病症信息的方法、装置、电子设备和介质
CN114937484A (zh) * 2022-04-25 2022-08-23 广州方舟信息科技有限公司 药品组合推送方法、装置、服务器及计算机可读存储介质

Similar Documents

Publication Publication Date Title
CN108231153A (zh) 一种药品推荐方法、电子设备和存储介质
CN108389608A (zh) 药品推荐方法、电子设备和存储介质
CN105760705B (zh) 一种基于大数据的医疗诊断系统
CN106557653B (zh) 一种移动医疗智能导医系统及其方法
Pradhan et al. Semeval-2014 task 7: Analysis of clinical text
Rubin Nested multiple imputation of NMES via partially incompatible MCMC
Chen et al. Metafed: Federated learning among federations with cyclic knowledge distillation for personalized healthcare
Kour et al. Usage and implementation of neuro-fuzzy systems for classification and prediction in the diagnosis of different types of medical disorders: a decade review
CN104537592A (zh) 自我诊疗及预防保健引导系统
Ahmend et al. Case-based reasoning for diagnosis of stress using enhanced cosine and fuzzy similarity
Dominic et al. Investigation of chronic disease correlation using data mining techniques
Celik et al. An ant colony optimization algorithm-based classification for the diagnosis of primary headaches using a website questionnaire expert system
Matharaarachchi et al. Discovering long covid symptom patterns: Association rule mining and sentiment analysis in social media tweets
Warms et al. Adverse events in cardiovascular-related training programs in people with spinal cord injury: a systematic review
Hatchard et al. Comparative evaluation of group-based mindfulness-based stress reduction and cognitive behavioral therapy for the treatment and management of chronic pain disorders: protocol for a systematic review and meta-analysis with indirect comparisons
Cai et al. Factors of Parents-Reported Readiness for Hospital Discharge in Children with Acute Leukemia: A Cross-Sectional Study
CN105678602A (zh) 一种用于自诊平台的企业信用评价方法和评价体系
Tremont et al. Acute traumatic spinal cord injury: implementation of a multidisciplinary care pathway
Mohammed et al. Multi aspects topic model for Twitter healthcare recommendation
Reimer et al. Learning a lightweight ontology for semantic retrieval in patient-centered information systems
Sun et al. In the United States,“opt-out” States Show no increase in access to anesthesia services for Medicare beneficiaries compared with non–“opt-out” States
Weze et al. Evaluation of healing by gentle touch for the treatment of musculoskeletal disorders
Kumar et al. NATURAL LANGUAGE PROCESSING: HEALTHCARE ACHIEVING BENEFITS VIA NLP
Gehan Biostatistics in the new millennium: a consulting statistician's perspective
Gao et al. Development of an interpretable machine learning-based intelligent system of exercise prescription for cardio-oncology preventive care: a study protocol

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20180629