CN108320781B - 一种基于语音的医疗报告生成方法及装置 - Google Patents
一种基于语音的医疗报告生成方法及装置 Download PDFInfo
- Publication number
- CN108320781B CN108320781B CN201810214905.7A CN201810214905A CN108320781B CN 108320781 B CN108320781 B CN 108320781B CN 201810214905 A CN201810214905 A CN 201810214905A CN 108320781 B CN108320781 B CN 108320781B
- Authority
- CN
- China
- Prior art keywords
- target
- analysis
- subunit
- information
- analysis unit
- 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
- 238000000034 method Methods 0.000 title claims abstract description 45
- 238000012549 training Methods 0.000 claims abstract description 86
- 239000013598 vector Substances 0.000 claims description 62
- 208000024891 symptom Diseases 0.000 claims description 50
- 238000007689 inspection Methods 0.000 claims description 41
- 230000011218 segmentation Effects 0.000 claims description 26
- 238000013507 mapping Methods 0.000 claims description 10
- 238000010276 construction Methods 0.000 claims description 4
- 208000026292 Cystic Kidney disease Diseases 0.000 description 6
- 206010038423 Renal cyst Diseases 0.000 description 6
- 238000012545 processing Methods 0.000 description 5
- 210000002458 fetal heart Anatomy 0.000 description 4
- 210000002385 vertebral artery Anatomy 0.000 description 4
- 238000004590 computer program Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000001605 fetal effect Effects 0.000 description 3
- 210000003734 kidney Anatomy 0.000 description 3
- 206010049704 Gallbladder polyp Diseases 0.000 description 2
- 230000008321 arterial blood flow Effects 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 208000019622 heart disease Diseases 0.000 description 2
- 238000003062 neural network model Methods 0.000 description 2
- 210000000056 organ Anatomy 0.000 description 2
- 208000013976 polyp of gallbladder Diseases 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 206010060964 Arterial haemorrhage Diseases 0.000 description 1
- 208000004930 Fatty Liver Diseases 0.000 description 1
- 206010019708 Hepatic steatosis Diseases 0.000 description 1
- 241000483399 Ipimorpha retusa Species 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000010219 correlation analysis Methods 0.000 description 1
- 230000001054 cortical effect Effects 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 208000010706 fatty liver disease Diseases 0.000 description 1
- 239000012634 fragment Substances 0.000 description 1
- 210000000244 kidney pelvis Anatomy 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 231100000240 steatosis hepatitis Toxicity 0.000 description 1
- 238000001356 surgical procedure Methods 0.000 description 1
- 238000002604 ultrasonography Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/30—Semantic analysis
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/08—Speech classification or search
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/08—Speech classification or search
- G10L15/16—Speech classification or search using artificial neural networks
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/26—Speech to text systems
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Acoustics & Sound (AREA)
- Human Computer Interaction (AREA)
- Multimedia (AREA)
- Artificial Intelligence (AREA)
- Theoretical Computer Science (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本申请实施例公开了一种基于语音的医疗报告生成方法，所述方法包括：获取目标语音分析单元，并将所述目标语音分析单元识别为目标文字分析单元；利用预先训练得到的信息分析模型对所述目标文字分析单元进行语义分析，得到目标文字分析子单元和所述目标文字分析子单元对应的信息类别；根据所述目标文字分析子单元和所述目标文字分析子单元对应的信息类别生成医疗报告。这样，即使不同的医生所使用的语言习惯不相同，也可以根据各个医生的语音分析单元生成规范的医疗报告，从而提高了医疗报告的规范化和可读性，也提高了用户的阅读体验。
Description
技术领域
本申请涉及语音识别领域，尤其涉及一种基于语音的医疗报告生成方法及装置。
背景技术
在医生对患者进行诊断和治疗过程中，往往需要完成医疗报告的撰写，例如检查报告、手术报告等。为了提高报告的撰写效率，降低医生的工作量，现有技术基于语音生成医疗报告，即通过获取医生的语音数据，并对语音数据进行识别，将语音数据识别为文字内容，然后根据该文字内容生成医疗报告。
然而，现有技术在将语音数据识别为文字内容之后，直接将该文字内容生成医疗报告，但不同的医生所使用的语言习惯并不相同，所以导致生成的医疗报告不规范、可读性差，影响阅读体验。
发明内容
为了解决现有技术所生成的医疗报告不规范、可读性差的问题，本申请提供了一种基于语音的医疗报告生成方法及装置，以实现可以根据各个医生的语音分析单元生成规范的医疗报告，从而提高医疗报告的规范化和可读性，也提高了用户的阅读体验。
第一方面，本申请提供了一种基于语音的医疗报告生成方法，所述方法包括：
获取目标语音分析单元，并将所述目标语音分析单元识别为目标文字分析单元；
利用预先训练得到的信息分析模型对所述目标文字分析单元进行语义分析，得到目标文字分析子单元和所述目标文字分析子单元对应的信息类别；所述信息分析模型根据第一训练文字分析单元和所述第一训练文字分析单元的信息类别训练得到；
根据所述目标文字分析子单元和所述目标文字分析子单元对应的信息类别生成医疗报告。
可选的，所述目标文字分析单元为当前目标分析单元，所述利用预先训练得到的信息分析模型对所述目标文字分析单元进行语义分析，得到目标文字分析子单元和所述目标文字分析子单元对应的信息类别包括：
根据对所述当前目标分析单元进行分词的分词结果构建当前目标分析单元向量；
根据对相关目标分析单元进行分词的分词结果构建所述相关目标分析单元向量，所述相关目标分析单元是与所述当前目标分析单元相关的分析单元；
利用预先训练得到的信息分析模型、所述当前目标分析单元向量和相关目标分析单元向量对所述当前目标分析单元进行语义分析，得到所述当前目标分析子单元和所述当前目标分析子单元所对应的信息类别。
可选的，所述利用预先训练得到的信息分析模型对所述目标文字分析单元进行语义分析包括：
利用预先训练得到的相关性判断模型判断所述目标文字分析单元是否与医疗报告相关，若是，则利用预先训练得到的信息分析模型对所述目标文字分析单元进行语义分析；所述相关性判断模型根据预先标注有相关性结果的第二训练文字分析单元训练得到。
可选的，所述根据所述目标文字分析子单元和所述目标文字分析子单元对应的信息类别生成医疗报告包括：
根据与所述目标文字分析子单元对应的信息类别相匹配的规则，对所述目标文字分析子单元进行标准化，得到标准化后的目标文字分析子单元；
根据所述标准化后的目标文字分析子单元和所述标准化后的目标文字分析子单元对应的信息类别生成医疗报告。
可选的，若所述目标文字分析子单元对应的信息类别包括症状描述，则所述根据与所述目标文字分析子单元对应的信息类别相匹配的规则，对所述目标文字分析子单元进行标准化包括：
从第一医疗数据库中获取与所述目标文字分析子单元匹配的症状描述信息，所述第一医疗数据库中保存有信息类别为症状描述的文字信息与症状描述信息之间的映射关系；
若所述目标文字分析子单元对应的信息类别包括检查对象，则所述根据与所述目标文字分析子单元对应的信息类别相匹配的规则，对所述目标文字分析子单元进行标准化，包括：
从第二医疗数据库中获取与所述目标文字分析子单元相匹配的标准文字信息，所述第二医疗数据库中存储有信息类别为检查对象的标准文字信息；
若所述目标文字分析子单元与所述标准文字信息不相同，则将所述目标文字分析子单元替换为所述标准文字信息；
若所述目标文字分析子单元对应的信息类别包括检查内容和检查数值，则所述根据与所述目标文字分析子单元对应的信息类别相匹配的规则，对所述目标文字分析子单元进行标准化包括：
若所述检查数值没有单位，则从第三医疗数据库中获取与所述目标文字分析子单元匹配的数值单位，并将所述匹配的数值单位添加在所述目标文字分析子单元中，所述第三医疗数据库中存储有信息类别为检查内容的文字信息以及该文字信息对应的数值单位。
第二方面，本申请提供了一种基于语音的医疗报告生成装置，所述装置包括：
识别单元，用于获取目标语音分析单元，并将所述目标语音分析单元识别为目标文字分析单元；
获取单元，用于利用预先训练得到的信息分析模型对所述目标文字分析单元进行语义分析，得到目标文字分析子单元和所述目标文字分析子单元对应的信息类别；所述信息分析模型根据第一训练文字分析单元和所述第一训练文字分析单元的信息类别训练得到；
生成单元，用于根据所述目标文字分析子单元和所述目标文字分析子单元对应的信息类别生成医疗报告。
可选的，所述目标文字分析单元为当前目标分析单元，所述获取单元包括：
第一构建子单元，用于根据对所述当前目标分析单元进行分词的分词结果构建当前目标分析单元向量；
第二构建子单元，用于根据对相关目标分析单元进行分词的分词结果构建所述相关目标分析单元向量，所述相关目标分析单元是与所述当前目标分析单元相关的分析单元；
第一获取子单元，用于利用预先训练得到的信息分析模型、所述当前目标分析单元向量和相关目标分析单元向量对所述当前目标分析单元进行语义分析，得到所述当前目标分析子单元和所述当前目标分析子单元所对应的信息类别。
可选的，所述获取单元，还用于利用预先训练得到的相关性判断模型判断所述目标文字分析单元是否与医疗报告相关，若是，则利用预先训练得到的信息分析模型对所述目标文字分析单元进行语义分析；所述相关性判断模型根据预先标注有相关性结果的第二训练文字分析单元训练得到。
可选的，所述生成单元包括：
第二获取子单元，用于根据与所述目标文字分析子单元对应的信息类别相匹配的规则，对所述目标文字分析子单元进行标准化，得到标准化后的目标文字分析子单元；
生成子单元，用于根据所述标准化后的目标文字分析子单元和所述标准化后的目标文字分析子单元对应的信息类别生成医疗报告。
可选的，若所述目标文字分析子单元对应的信息类别包括症状描述，则所述第二获取子单元，还用于从第一医疗数据库中获取与所述目标文字分析子单元匹配的症状描述信息，所述第一医疗数据库中保存有信息类别为症状描述的文字信息与症状描述信息之间的映射关系；
若所述目标文字分析子单元对应的信息类别包括检查对象，则所述第二获取子单元，还用于从第二医疗数据库中获取与所述目标文字分析子单元相匹配的标准文字信息，所述第二医疗数据库中存储有信息类别为检查对象的标准文字信息；若所述目标文字分析子单元与所述标准文字信息不相同，则将所述目标文字分析子单元替换为所述标准文字信息；
若所述目标文字分析子单元对应的信息类别包括检查内容和检查数值，则所述第二获取子单元，还用于若所述检查数值没有单位，则从第三医疗数据库中获取与所述目标文字分析子单元匹配的数值单位，并将所述匹配的数值单位添加在所述目标文字分析子单元中，所述第三医疗数据库中存储有信息类别为检查内容的文字信息以及该文字信息对应的数值单位。
本申请实施例中，可以先获取目标语音分析单元，并将所述目标语音分析单元识别为目标文字分析单元；然后，利用预先训练得到的信息分析模型对所述目标文字分析单元进行语义分析，得到目标文字分析子单元和所述目标文字分析子单元对应的信息类别；接着，根据所述目标文字分析子单元和所述目标文字分析子单元对应的信息类别生成医疗报告。可见，本申请可以通过对识别出的目标文字分析单元进行语义分析，得到目标文字分析子单元和该目标文字分析子单元对应的信息类别，并利用目标文字分析子单元对应的信息类别，将目标文字分析子单元进行规范化处理，生成规范的医疗报告。这样，即使不同的医生所使用的语言习惯不相同，也可以根据各个医生的语音分析单元生成规范的医疗报告，从而提高了医疗报告的规范化和可读性，也提高了用户的阅读体验。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。
图1为本申请提供的一种示例性应用场景的框架示意图；
图2为本申请提供的一种基于语音的医疗报告生成方法的流程示意图；
图3为本申请提供的一种基于语音的医疗报告生成装置的结构框图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
现有的基于语音生成医疗报告的方法，是在将语音识别为文字内容后，直接将该文字内容生成医疗报告。但是，在检查过程中，医生发出的语音信息会比较杂乱，造成了获取到的医生的语音信息内容较为杂乱。这样，在根据医生的语音信息生成的医疗报告中，对于症状的描述文字信息不清楚，导致生成的医疗报告不规范、可读性差，影响用户的阅读体验。
故此，本申请提供了一种基于语音的医疗报告生成方法，可以在获取到输入的目标语音分析单元后，可以将该目标语音分析单元识别为目标文字分析单元，并对该目标文字分析单元进行相应的语义分析，得到目标文字分析子单元和该目标文字分析子单元对应的信息类别，进而可以利用该目标文字分析子单元对应的信息类别，生成规范的医疗报告。这样，即使不同的医生所使用的语言习惯不相同，也可以根据各个医生的语音分析单元生成规范的医疗报告，从而提高了医疗报告的规范化和可读性，也提高了用户的阅读体验。
举例说明，在一种示例性的场景中，本申请实施例可以应用到如图1所示的网络系统中。在该网络系统中，终端200与服务器100之间可以通过网络连接建立通信。用户可以通过终端200与服务器100进行交互，以使用服务器100提供的基于语音的医疗报告生成方法，对用户通过终端200输入的语音分析单元进行处理。具体地，用户可以通过终端200中的麦克风等语音输入设备，将目标语音分析单元输入至终端200，终端200可以响应于该用户的触发操作向服务器100发送该目标语音分析单元。服务器100响应于接收到的触发指令，获取该目标语音分析单元。然后，服务器100可以将该目标语音分析单元识别为目标文字分析单元，并利用预先训练得到的信息分析模型对该目标文字分析单元进行语义分析，得到目标文字分析子单元和该目标文字分析子单元对应的信息类别。接着，服务器100可以根据该目标文字分析子单元和该目标文字分析子单元对应的信息类别生成医疗报告。最后，服务器100可以将该医疗报告向终端200发送，以使得终端200可以向用户展示该医疗报告。
需要注意的是，上述应用场景仅是为了便于理解本申请而示出，本申请的实施方式在此方面不受任何限制。相反，本申请的实施方式可以应用于适用的任何场景。
接下来，将结合附图说明本申请实施例提供的基于语音的医疗报告生成方法。
参见图2，该图为本申请实施例提供的一种基于语音的医疗报告生成方法的流程示意图。
本实施例提供的基于语音的医疗报告生成方法可以包括如下步骤：
S201：获取目标语音分析单元，并将所述目标语音分析单元识别为目标文字分析单元。
本实施例中，分析单元可以为待分析的信息，比如，可以是一句话，也可以是一个文字片段。相应地，语音分析单元可以为待分析的语音信息，比如可以为一句话或者一个文字片段的录音音频，文字分析单元可以为待分析的文本信息，比如可以为一句话或一个文字片段的文字。
需要说明的是，可以将需要进行处理的语音分析单元称为目标语音分析单元。其中，目标语音分析单元可以是在检查过程中录入的语音分析单元，例如，该目标语音分析单元可以包括医生与病人之间的沟通语音分析单元、医生对检查结果描述的语音分析单元、操作报告系统的语音分析单元等。
在获取到目标语音分析单元后，可以对该目标语音分析单元进行语音识别，得到该目标语音分析单元对应的目标文字分析单元。例如，可以利用语音分析模型来识别目标语音分析单元；具体地，可以将目标语音分析单元输入该语音分析模型中，接着，该语音分析模型可以输出该目标语音分析单元对应的目标文字分析单元。其中，该语音分析模型可以是根据在检查过程中产生的语音分析单元，以及该语音分析单元对应的文字分析单元训练得到的。
S202：利用预先训练得到的信息分析模型对所述目标文字分析单元进行语义分析，得到目标文字分析子单元和所述目标文字分析子单元对应的信息类别。
本实施例中，信息类别可以是基于医学知识，预先进行划分的种类，比如，信息类别可以包括症状描述、检查对象、检查内容和检查数值等。并且，每一目标文字分析子单元均可以对应一个信息类别。
信息分析模型可以为神经网络模型，比如可以是循环神经网络(RecurrentNeural Networks，RNN)、深度神经网络(Deep Neural Network，DNN)。并且，信息分析模型可以是根据第一训练文字分析单元和第一训练文字分析单元的信息类别训练得到的，这样，可以通过向该信息分析模型输入目标文字分析单元，得到目标文字分析子单元和该目标文字分析子单元对应的信息类别。
其中，第一训练文字分析单元可以是与医疗报告相关的文字信息，例如，可以是超声检查报告中的文字信息、心电图报告中的文字信息等。而第一训练文字分析单元对应的信息类别可以是预先根据该第一训练文字信息所确定的，例如，若第一训练文字信息为“胆囊息肉”，则第一训练文字信息的信息类别可以为“症状描述”。
需要说明的是，利用信息分析模型得到目标文字分析子单元和其对应的信息类别的具体方式，以及信息分析模型的训练方式都在后面进行详细介绍。
举例说明，假设识别出的目标文字分析单元为“右侧椎动脉内径3.1”，则可以利用信息分析模型对该目标文字分析单元“右侧椎动脉内径3.1”进行语义分析，得到目标文字分析子单元“右侧椎动脉”、目标文字分析子单元“内径”和目标文字分析子单元“3.1”，并可以确定出目标文字分析子单元“右侧椎动脉”对应的信息类别为检查对象、目标文字分析子单元“内径”对应的信息类别为检查内容以及目标文字分析子单元“3.1”对应的信息类别为检查数值。
S203：根据所述目标文字分析子单元和所述目标文字分析子单元对应的信息类别生成医疗报告。
在得到目标文字分析子单元和该目标文字分析子单元对应的信息类别后，可以按照基于信息类别的行文模式，生成医疗报告。例如，可以将各个目标文字分析子单元，按照症状描述、检查对象、检查内容、检查数值的预设顺序进行编排，生成医疗报告。
接下来，将对利用信息分析模型得到目标文字分析子单元的实现方式(即S202)进行介绍。在本实施例的一种实现方式中，可以利用目标文字分析单元对应的向量、信息分析模型以及与该目标文字分析单元相关的相关目标分析单元所对应的向量，得到目标文字分析子单元和该目标文字分析子单元所对应的信息类型。具体地，S202可以包括以下步骤：
S202a：根据对所述当前目标分析单元进行分词的分词结果构建当前目标分析单元向量。
其中，可以将目标文字分析单元作为当前目标分析单元。
作为一种示例，在对当前目标分析单元进行分词，得到分词结果后，可以先构建各个分词结果的词向量。然后，可以根据各个分词结果的词向量，构建该当前目标分析单元的向量，比如，可以将各个分词结果的词向量相加，得到当前目标分析单元的向量。接着，可以将该当前目标分析单元的向量作为当前目标分析单元向量。
S202b：根据对相关目标分析单元进行分词的分词结果构建所述相关目标分析单元向量。
其中，相关目标分析单元可以是与当前目标分析单元相关的分析单元。例如，可以将与当前目标分析单元相邻的目标分析单元作为相关目标分析单元；又例如，可以将与当前目标分析单元语义相关的历史目标分析单元作为相关目标分析单元，举例来说，假设当前目标分析单元为描述心脏病的一句话，则可以将与心脏病有关的句子作为相关目标分析单元。
作为一种示例，在对相关目标分析单元进行分词，得到分词结果后，可以先构建各个分词结果的词向量。然后，可以根据各个分词结果的词向量，构建该相关目标分析单元的向量，比如，可以将各个分词结果的词向量相加，得到相关目标分析单元的向量。接着，可以将该相关目标分析单元的向量作为相关目标分析单元向量。
S202c：利用预先训练得到的信息分析模型、所述当前目标分析单元向量和相关目标分析单元向量对所述当前目标分析单元进行语义分析，得到所述当前目标分析子单元和所述当前目标分析子单元所对应的信息类别。
在本实施例中，将当前目标分析单元向量和相关目标分析单元向量输入信息分析模型中，该信息分析模型可以输出当前目标分析子单元和该当前目标分析子单元所对应的信息类别。
作为一种示例，信息分析模型的训练方式可以为：先根据对第一训练文字分析单元进行分词的分词结果，构建第一训练文字分析单元向量；然后，确定与该第一训练文字分析单元相关的相关分析单元，并根据对该相关分析单元进行分词的分词结果，构建相关分析单元向量；接着，利用该第一训练文字分析单元向量、该相关分析单元向量和该第一训练文字分析单元的信息类别，对信息分析模型进行训练。需要说明的是，构建第一训练文字分析单元向量的方法与S202a中的构建当前目标分析单元向量的方法相同，可以参照上述提及的构建当前目标分析单元向量的方法，这里不再赘述。
可见，在本申请实施例中，可以先获取目标语音分析单元，并将所述目标语音分析单元识别为目标文字分析单元；然后，利用预先训练得到的信息分析模型对所述目标文字分析单元进行语义分析，得到目标文字分析子单元和所述目标文字分析子单元对应的信息类别；接着，根据所述目标文字分析子单元和所述目标文字分析子单元对应的信息类别生成医疗报告。可见，本申请可以通过对识别出的目标文字分析单元进行语义分析，得到目标文字分析子单元和该目标文字分析子单元对应的信息类别，并利用目标文字分析子单元对应的信息类别，将目标文字分析子单元进行规范化处理，生成规范的医疗报告。这样，即使不同的医生所使用的语言习惯不相同，也可以根据各个医生的语音分析单元生成规范的医疗报告，从而提高了医疗报告的规范化和可读性，也提高了用户的阅读体验。
通常情况下，医生在检查的过程中，除了会发出与报告相关的语音信息，还会发出与报告内容无关的语音信息，这样，所生成的医疗报告中会存在与报告内容无关的文字，也会导致生成的医疗报告不规范。
因此，在本实施例的一种实现方式中，S202可以包括以下步骤：
利用预先训练得到的相关性判断模型判断所述目标文字分析单元是否与医疗报告相关，若是，则利用预先训练得到的信息分析模型对所述目标文字分析单元进行语义分析；所述相关性判断模型根据预先标注有相关性结果的第二训练文字分析单元训练得到。
其中，相关性判断模型可以是神经网络模型(比如CNN、DNN)。并且，可以通过向该相关性判断模型输入目标文字分析单元向量，得到目标文字分析单元与医疗报告的相关性结果。其中，构建目标文字分析单元向量的方法与S202a中的构建当前目标分析单元向量的方法相同，可以参照上述提及的构建当前目标分析单元向量的方法，这里不再赘述。
在一种实现方式中，相关性判断模型的训练方式可以为：先根据对预先标注有相关性结果的第二训练文字分析单元进行分词的分词结果，构建第二训练文字分析单元向量，接着，利用该第二训练文字分析单元向量，对信息分析模型进行训练。需要说明的是，构建第二训练文字分析单元向量的方法与S202a中的构建当前目标分析单元向量的方法相同，可以参照上述提及的构建当前目标分析单元向量的方法，这里不再赘述。
需要说明的是，预先标注有相关性结果的第二训练文字分析单元可以通过以下方式得到：在检查过程中，先获取第二训练文字分析单元；然后，根据医学知识对该第二训练文字分析单元进行标注，具体地，若该第二训练文字分析单元与医疗报告相关，则可以将该第二训练文字分析单元标注为“与医疗报告相关”，反之，则可以将该第二训练文字分析单元标注为“与医疗报告不相关”，从而可以得到标注有相关性结果的第二训练文字分析单元。
举例说明，假设识别出的目标文字分析单元为“今天天气真好”，则可以先构建该目标文字分析单元“今天天气真好”的目标文字分析单元向量，并将该目标文字分析单元向量输入相关性判断模型。由于该相关性判断模型输出的判断结果为与医疗报告不相关，则不再对该目标文字分析单元“今天天气真好”进行处理。
又举例说明，假设识别出的目标文字分析单元为“动脉出血量为500ml”，则可以先构建该目标文字分析单元“动脉出血量为500ml”的目标文字分析单元向量，并将该目标文字分析单元向量输入相关性判断模型。由于该相关性判断模型输出的判断结果为与医疗报告相关，则可以利用预先训练得到的信息分析模型对该目标文字分析单元“动脉出血量为500ml”进行语义分析。
可见，本申请实施例中，在利用信息分析模型对目标文字分析单元进行语义分析之前，可以利用输入相关性判断模型，识别出与医疗报告相关的目标文字分析单元，以及与医疗报告不相关的目标文字分析单元。这样，可以避免对与医疗报告不相关的目标文字分析单元进行后续处理，从而减少了生成医疗报告过程中的计算量，进而缩短了生成医疗报告的时间，提高了效率。
进一步地，为可以通过对目标文字分析子单元进行相应的标准化处理，生成规范的、标准化的医疗报告，在本实施例的一种实现方式中，S203可以包括以下步骤：
S203a：根据与所述目标文字分析子单元对应的信息类别相匹配的规则，对所述目标文字分析子单元进行标准化，得到标准化后的目标文字分析子单元。
在本实施例中，每一信息类别均具有与其相匹配的规则，其中，该规则可以为将目标文字分析子单元进行标准化处理的方法。因此，在得到目标文字分析子单元和该目标文字分析子单元对应的信息类别后，可以先根据该信息类别，获取与该信息类别相匹配的规则；然后，利用该规则对该目标文字分析子单元进行标准化处理，得到标准化后的目标文字分析子单元。
需要说明的是，对于S203a的具体实现方式将在后面进行详细介绍。
S203b：根据所述标准化后的目标文字分析子单元和所述标准化后的目标文字分析子单元对应的信息类别生成医疗报告。
需要说明的是，S203b与上述S203相似，请参见S203的相关介绍。
接下来，将对S203a的多种实现方式进行具体介绍：
在本实施例的一种实现方式中，若目标文字分析子单元对应的信息类别包括症状描述，则S203a可以包括以下步骤：
从第一医疗数据库中获取与所述目标文字分析子单元匹配的症状描述信息，所述第一医疗数据库中保存有信息类别为症状描述的文字信息与症状描述信息之间的映射关系。
在本实施例中，症状描述可以是医生在检查过程中，对于疾病的结论性说法，例如，“脂肪肝”、“胆囊息肉”均可以是症状描述。而症状描述信息可以是与症状对应的标准化描述，例如，当症状为“右肾囊肿”时，则症状“右肾囊肿”对应的症状描述信息可以为“双肾大小形态如常，右肾实质内可见多发囊性结构，大者位于上极，大小约X cm*Y cm*Z cm，边界清，突出肾表面；皮质回声均匀，肾内结构清晰，肾盂未见分离。”，其中，X、Y、Z均为具体数值。其中，针对每一个症状，描述该症状的文字信息与该症状的症状描述信息之间具有映射关系。
由于当信息类别包括症状描述时，信息类别为症状描述的文字信息与症状描述信息之间的映射关系均保存在第一医疗数据库中。因此，在得到目标文字分析子单元和该目标文字分析子单元对应的信息类别后，若判定该目标文字分析子单元对应的信息类别为症状描述，则可以根据该目标文字分析子单元，以及该目标文字分析子单元与症状描述信息之间的映射关系，从第一医疗数据库中获取与该目标文字分析子单元匹配的症状描述信息，即与该目标文字分析子单元之间具有映射关系的症状描述信息。这样，便可以根据从第一医疗数据库中获取到的症状描述信息，得到标准化后的目标文字分析子单元。
举例来说，假设得到的目标文字分析子单元为“右肾囊肿”，且该目标文字分析子单元“右肾囊肿”的信息类别为症状描述。因此，可以根据该目标文字分析子单元“右肾囊肿”，从第一医疗数据库中获取与该目标文字分析子单元“右肾囊肿”匹配的症状描述信息，从而可以将该症状描述信息作为标准化后的目标文字分析子单元。
在本实施例的一种实现方式中，若目标文字分析子单元对应的信息类别包括检查对象，则S203可以包括以下步骤：
从第二医疗数据库中获取与所述目标文字分析子单元相匹配的标准文字信息，所述第二医疗数据库中存储有信息类别为检查对象的标准文字信息；若所述目标文字分析子单元与所述标准文字信息不相同，则将所述目标文字分析子单元替换为所述标准文字信息。
在本实施例中，检查对象可以是身体中需要进行检查的具体部位，例如，“左肾”、“右侧胸腔”均可以是检查对象。而检查对象的标准文字信息可以是与该检查对象相关的检查信息的专业名称，例如，当检查对象为胎儿头部时，可以将与胎儿头部相关的检查信息“双顶径”作为胎儿头部的标准文字信息。
由于当信息类别包括检查对象时，信息类别为检查对象的标准文字信息均存储在第二医疗数据库中。因此，在得到目标文字分析子单元和该目标文字分析子单元对应的信息类别后，若判定该目标文字分析子单元对应的信息类别为检查对象，则可以先根据该目标文字分析子单元，从第二医疗数据库中获取与该目标文字分析子单元相匹配的标准文字信息。接着，判断该目标文字分析子单元与从第二医疗数据库中获取的标准文字信息是否相同；若相同，则可以将该目标文字分析子单元作为标准化后的目标文字分析子单元；若不相同，则可以将该目标文字分析子单元替换为该标准文字信息。这样，便可以将从第二医疗数据库中获取到的标准文字信息作为标准化后的目标文字分析子单元。
举例来说，假设得到的目标文字分析子单元为“胎心”，且该目标文字分析子单元“胎心”对应的信息类别为检查对象。因此，可以根据该目标文字分析子单元，从第二医疗数据库中获取与该目标文字分析子单元“胎心”匹配的标准文字信息“胎心率”。由于该目标文字分析子单元“胎心”与从第二医疗数据库中获取的标准文字信息“胎心率”不相同，所以，可以将该目标文字分析子单元“胎心”替换为该标准文字信息“胎心率”，并可以将该标准文字信息“胎心率”作为标准化后的目标文字分析子单元。
在本实施例的一种实现方式中，若目标文字分析子单元对应的信息类别包括检查内容和检查数值，则S203可以包括以下步骤：
若所述检查数值没有单位，则从第三医疗数据库中获取与所述目标文字分析子单元匹配的数值单位，并将所述匹配的数值单位添加在所述目标文字分析子单元中，所述第三医疗数据库中存储有信息类别为检查内容的文字信息以及该文字信息对应的数值单位。
在本实施例中，检查内容可以是对身体中的组织器官进行检查的内容，例如，组织器官的内径、大小、直径均可以是检查内容。检查数值可以是检查内容对应的检查数值，即检查过程中需要记录的检查数字，而数值单位可以是与检查数值匹配的单位，例如，当检查内容为心脏的大小时，可以将“30”作为检查数值，“立方厘米”可以作为与检查数值“30”匹配的数值单位。
由于当信息类别包括检查内容和检查数值时，信息类别为检查内容的文字信息以及该文字信息对应的数值单位均存储在第三医疗数据库中。因此，在得到目标文字分析子单元和该目标文字分析子单元对应的信息类别后，若判定该目标文字分析子单元对应的信息类别包括检查内容和检查数值，则可以判断该检查数值对应的目标文字分析子单元是否有单位，若该检查数值对应的目标文字分析子单元没有单位，则可以根据该目标文字分析子单元，从第三医疗数据库中获取与该目标文字分析子单元匹配的数值单位，并将该数值单位添加在该目标文字分析子单元中。
需要说明的是，在一种实现方式中，若检查数值对应的目标文字分析子单元为中文数字，则可以先将该中文数字替换为阿拉伯数字，再判断替换后的目标文字分析子单元是否有单位。
举例来说，假设得到的目标文字分析子单元为“双顶径二十七”，且该目标文字分析子单元“双顶径二十七”对应的信息类别包括检查内容和检查数值。因此，可以先将该目标文字分析子单元替换为“双顶径27”。接着，由于替换后的目标文字分析子单元中的“27”没有单位，因此，可以根据该替换后的目标文字分析子单元，从第三医疗数据库中获取与该替换后的目标文字分析子单元匹配的数值单位“cm”，并将该数值单位“cm”添加在该替换后的目标文字分析子单元“双顶径27”中，从而可以得到标准化后的目标文字分析子单元“双顶径27cm”。
可见，本申请实施例中，得到目标文字分析子单元和所述目标文字分析子单元对应的信息类别后，可以根据与所述目标文字分析子单元对应的信息类别相匹配的规则，对所述目标文字分析子单元进行标准化，得到标准化后的目标文字分析子单元；最后，可以根据所述标准化后的目标文字分析子单元和所述标准化后的目标文字分析子单元对应的信息类别，生成医疗报告。即，本申请可以通过对目标文字分析子单元进行相应的标准化处理，得到标准化后的目标文字分析子单元，并生成规范的、标准化的医疗报告。这样，即使不同的医生所使用的语言习惯不相同，也可以根据各个医生的语音分析单元生成规范的、标准化的医疗报告，从而提高了医疗报告的规范化和可读性，也提高了用户的阅读体验。
在检查过程中，若所获取到的目标语音分析单元是在检查过程中全程录入的一段语音分析单元，则将该目标语音分析单元识别为目标文字分析单元后，该目标文字分析单元中的句子较多，导致利用信息分析模型得到该目标文字分析单元对应的信息类别后，无法确定该目标文字分析单元中的每一个句子所对应的信息类别。
因此，为便于确定目标文字对应的信息类别，在本实施例的一种实现方式中，S201中的“获取目标语音分析单元”的步骤可以包括以下步骤：
获取待处理语音分析单元，并判断所述待处理语音分析单元是否属于单句，若是，则将所述待处理语音分析单元作为所述目标语音分析单元。
其中，所述单句可以是由短语或单个的词构成、能独自表达一定的意思且不可再分析出分句的句子。
可见，本申请实施例中，在将获取到的待处理语音分析单元识别为文字信息之前，可以先确定该待处理语音分析单元为单句，再对该待处理语音分析单元进行处理。这样，可以使得在将获取到的目标语音分析单元识别为目标文字分析单元后，便于对该目标文字分析单元进行语义分析，得到目标文字分析子单元，并确定该目标文字分析子单元所对应的信息类别。
基于以上实施例提供的一种基于语音的医疗报告生成方法，本申请实施例还提供了一种基于语音的医疗报告生成装置，下面结合附图来详细说明其工作原理。
参见图3，该图为本申请实施例提供的一种基于语音的医疗报告生成装置的结构框图。
本实施例提供的一种基于语音的医疗报告生成装置，包括：
识别单元301，用于获取目标语音分析单元，并将所述目标语音分析单元识别为目标文字分析单元；
获取单元302，用于利用预先训练得到的信息分析模型对所述目标文字分析单元进行语义分析，得到目标文字分析子单元和所述目标文字分析子单元对应的信息类别；所述信息分析模型根据第一训练文字分析单元和所述第一训练文字分析单元的信息类别训练得到；
生成单元303，用于根据所述目标文字分析子单元和所述目标文字分析子单元对应的信息类别生成医疗报告。
可选的，所述目标文字分析单元为当前目标分析单元，所述获取单元302包括：
第一构建子单元，用于根据对所述当前目标分析单元进行分词的分词结果构建当前目标分析单元向量；
第二构建子单元，用于根据对相关目标分析单元进行分词的分词结果构建所述相关目标分析单元向量，所述相关目标分析单元是与所述当前目标分析单元相关的分析单元；
第一获取子单元，用于利用预先训练得到的信息分析模型、所述当前目标分析单元向量和相关目标分析单元向量对所述当前目标分析单元进行语义分析，得到所述当前目标分析子单元和所述当前目标分析子单元所对应的信息类别。
可选的，所述获取单元302，还用于利用预先训练得到的相关性判断模型判断所述目标文字分析单元是否与医疗报告相关，若是，则利用预先训练得到的信息分析模型对所述目标文字分析单元进行语义分析；所述相关性判断模型根据预先标注有相关性结果的第二训练文字分析单元训练得到。
可选的，所述生成单元303包括：
第二获取子单元，用于根据与所述目标文字分析子单元对应的信息类别相匹配的规则，对所述目标文字分析子单元进行标准化，得到标准化后的目标文字分析子单元；
生成子单元，用于根据所述标准化后的目标文字分析子单元和所述标准化后的目标文字分析子单元对应的信息类别生成医疗报告。
可选的，若所述目标文字分析子单元对应的信息类别包括症状描述，则所述第二获取子单元，还用于从第一医疗数据库中获取与所述目标文字分析子单元匹配的症状描述信息，所述第一医疗数据库中保存有信息类别为症状描述的文字信息与症状描述信息之间的映射关系；
若所述目标文字分析子单元对应的信息类别包括检查对象，则所述第二获取子单元，还用于从第二医疗数据库中获取与所述目标文字分析子单元相匹配的标准文字信息，所述第二医疗数据库中存储有信息类别为检查对象的标准文字信息；若所述目标文字分析子单元与所述标准文字信息不相同，则将所述目标文字分析子单元替换为所述标准文字信息；
若所述目标文字分析子单元对应的信息类别包括检查内容和检查数值，则所述第二获取子单元，还用于若所述检查数值没有单位，则从第三医疗数据库中获取与所述目标文字分析子单元匹配的数值单位，并将所述匹配的数值单位添加在所述目标文字分析子单元中，所述第三医疗数据库中存储有信息类别为检查内容的文字信息以及该文字信息对应的数值单位。
当介绍本申请的各种实施例的元件时，冠词“一”、“一个”、“这个”和“所述”都意图表示有一个或多个元件。词语“包括”、“包含”和“具有”都是包括性的并意味着除了列出的元件之外，还可以有其它元件。
需要说明的是，本领域普通技术人员可以理解实现上述方法实施例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实施例的流程。其中，所述存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)或随机存储记忆体(RandomAccess Memory,RAM)等。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于装置实施例而言，由于其基本相似于方法实施例，所以描述得比较简单，相关之处参见方法实施例的部分说明即可。以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元及模块可以是或者也可以不是物理上分开的。另外，还可以根据实际的需要选择其中的部分或者全部单元和模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。
以上所述仅是本申请的具体实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本申请原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本申请的保护范围。
Claims (6)
1.一种基于语音的医疗报告生成方法，其特征在于，所述方法包括：
获取目标语音分析单元，并将所述目标语音分析单元识别为目标文字分析单元；
利用预先训练得到的信息分析模型对所述目标文字分析单元进行语义分析，得到目标文字分析子单元和所述目标文字分析子单元对应的信息类别；所述信息分析模型根据第一训练文字分析单元和所述第一训练文字分析单元的信息类别训练得到；
根据所述目标文字分析子单元和所述目标文字分析子单元对应的信息类别生成医疗报告；
所述目标文字分析单元为当前目标分析单元，所述利用预先训练得到的信息分析模型对所述目标文字分析单元进行语义分析，得到目标文字分析子单元和所述目标文字分析子单元对应的信息类别包括：
根据对所述当前目标分析单元进行分词的分词结果构建当前目标分析单元向量；
根据对相关目标分析单元进行分词的分词结果构建相关目标分析单元向量，所述相关目标分析单元是与所述当前目标分析单元相关的分析单元；
利用预先训练得到的信息分析模型、所述当前目标分析单元向量和相关目标分析单元向量对所述当前目标分析单元进行语义分析，得到所述当前目标分析子单元和所述当前目标分析子单元所对应的信息类别；
所述根据所述目标文字分析子单元和所述目标文字分析子单元对应的信息类别生成医疗报告包括：
根据与所述目标文字分析子单元对应的信息类别相匹配的规则，对所述目标文字分析子单元进行标准化，得到标准化后的目标文字分析子单元；
根据所述标准化后的目标文字分析子单元和所述标准化后的目标文字分析子单元对应的信息类别生成医疗报告。
2.根据权利要求1所述的方法，其特征在于，所述利用预先训练得到的信息分析模型对所述目标文字分析单元进行语义分析包括：
利用预先训练得到的相关性判断模型判断所述目标文字分析单元是否与医疗报告相关，若是，则利用预先训练得到的信息分析模型对所述目标文字分析单元进行语义分析；所述相关性判断模型根据预先标注有相关性结果的第二训练文字分析单元训练得到。
3.根据权利要求1所述的方法，其特征在于，若所述目标文字分析子单元对应的信息类别包括症状描述，则所述根据与所述目标文字分析子单元对应的信息类别相匹配的规则，对所述目标文字分析子单元进行标准化包括：
从第一医疗数据库中获取与所述目标文字分析子单元匹配的症状描述信息，所述第一医疗数据库中保存有信息类别为症状描述的文字信息与症状描述信息之间的映射关系；
若所述目标文字分析子单元对应的信息类别包括检查对象，则所述根据与所述目标文字分析子单元对应的信息类别相匹配的规则，对所述目标文字分析子单元进行标准化，包括：
从第二医疗数据库中获取与所述目标文字分析子单元相匹配的标准文字信息，所述第二医疗数据库中存储有信息类别为检查对象的标准文字信息；
若所述目标文字分析子单元与所述标准文字信息不相同，则将所述目标文字分析子单元替换为所述标准文字信息；
若所述目标文字分析子单元对应的信息类别包括检查内容和检查数值，则所述根据与所述目标文字分析子单元对应的信息类别相匹配的规则，对所述目标文字分析子单元进行标准化包括：
若所述检查数值没有单位，则从第三医疗数据库中获取与所述目标文字分析子单元匹配的数值单位，并将所述匹配的数值单位添加在所述目标文字分析子单元中，所述第三医疗数据库中存储有信息类别为检查内容的文字信息以及该文字信息对应的数值单位。
4.一种基于语音的医疗报告生成装置，其特征在于，所述装置包括：
识别单元，用于获取目标语音分析单元，并将所述目标语音分析单元识别为目标文字分析单元；
获取单元，用于利用预先训练得到的信息分析模型对所述目标文字分析单元进行语义分析，得到目标文字分析子单元和所述目标文字分析子单元对应的信息类别；所述信息分析模型根据第一训练文字分析单元和所述第一训练文字分析单元的信息类别训练得到；
生成单元，用于根据所述目标文字分析子单元和所述目标文字分析子单元对应的信息类别生成医疗报告；
所述目标文字分析单元为当前目标分析单元，所述获取单元包括：
第一构建子单元，用于根据对所述当前目标分析单元进行分词的分词结果构建当前目标分析单元向量；
第二构建子单元，用于根据对相关目标分析单元进行分词的分词结果构建相关目标分析单元向量，所述相关目标分析单元是与所述当前目标分析单元相关的分析单元；
第一获取子单元，用于利用预先训练得到的信息分析模型、所述当前目标分析单元向量和相关目标分析单元向量对所述当前目标分析单元进行语义分析，得到所述当前目标分析子单元和所述当前目标分析子单元所对应的信息类别；
所述生成单元包括：
第二获取子单元，用于根据与所述目标文字分析子单元对应的信息类别相匹配的规则，对所述目标文字分析子单元进行标准化，得到标准化后的目标文字分析子单元；
生成子单元，用于根据所述标准化后的目标文字分析子单元和所述标准化后的目标文字分析子单元对应的信息类别生成医疗报告。
5.根据权利要求4所述的装置，其特征在于，所述获取单元，还用于利用预先训练得到的相关性判断模型判断所述目标文字分析单元是否与医疗报告相关，若是，则利用预先训练得到的信息分析模型对所述目标文字分析单元进行语义分析；所述相关性判断模型根据预先标注有相关性结果的第二训练文字分析单元训练得到。
6.根据权利要求4所述的装置，其特征在于，若所述目标文字分析子单元对应的信息类别包括症状描述，则所述第二获取子单元，还用于从第一医疗数据库中获取与所述目标文字分析子单元匹配的症状描述信息，所述第一医疗数据库中保存有信息类别为症状描述的文字信息与症状描述信息之间的映射关系；
若所述目标文字分析子单元对应的信息类别包括检查对象，则所述第二获取子单元，还用于从第二医疗数据库中获取与所述目标文字分析子单元相匹配的标准文字信息，所述第二医疗数据库中存储有信息类别为检查对象的标准文字信息；若所述目标文字分析子单元与所述标准文字信息不相同，则将所述目标文字分析子单元替换为所述标准文字信息；
若所述目标文字分析子单元对应的信息类别包括检查内容和检查数值，则所述第二获取子单元，还用于若所述检查数值没有单位，则从第三医疗数据库中获取与所述目标文字分析子单元匹配的数值单位，并将所述匹配的数值单位添加在所述目标文字分析子单元中，所述第三医疗数据库中存储有信息类别为检查内容的文字信息以及该文字信息对应的数值单位。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810214905.7A CN108320781B (zh) | 2018-03-15 | 2018-03-15 | 一种基于语音的医疗报告生成方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810214905.7A CN108320781B (zh) | 2018-03-15 | 2018-03-15 | 一种基于语音的医疗报告生成方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN108320781A CN108320781A (zh) | 2018-07-24 |
| CN108320781B true CN108320781B (zh) | 2022-05-06 |
Family
ID=62902205
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810214905.7A Active CN108320781B (zh) | 2018-03-15 | 2018-03-15 | 一种基于语音的医疗报告生成方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108320781B (zh) |
Families Citing this family (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109344155B (zh) * | 2018-08-24 | 2021-09-17 | 北京木业邦科技有限公司 | 木材测量信息自动记录方法、装置、电子设备及存储介质 |
| CN109817297B (zh) * | 2018-12-19 | 2023-08-08 | 平安科技（深圳）有限公司 | 医疗报告的生成方法、装置、计算机设备及计算机存储介质 |
| CN109817218A (zh) * | 2019-03-13 | 2019-05-28 | 北京青燕祥云科技有限公司 | 医疗语音识别的方法及系统 |
| CN111317464B (zh) * | 2020-02-13 | 2021-06-22 | 中国科学院自动化研究所 | 心电图分析方法和装置 |
| CN111933241B (zh) * | 2020-08-31 | 2023-06-20 | 深圳平安智慧医健科技有限公司 | 医疗数据解析方法、装置、电子设备及存储介质 |
| CN116562271B (zh) * | 2023-07-10 | 2023-10-10 | 之江实验室 | 一种电子病历的质控方法、装置、存储介质及电子设备 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101198952A (zh) * | 2005-04-15 | 2008-06-11 | 通用电气公司 | 用于解析医疗数据的系统和方法 |
| US8286071B1 (en) * | 2006-06-29 | 2012-10-09 | Escription, Inc. | Insertion of standard text in transcriptions |
| CN106251865A (zh) * | 2016-08-04 | 2016-12-21 | 华东师范大学 | 一种基于语音识别的医疗健康记录自动填写方法 |
| CN106407666A (zh) * | 2016-09-05 | 2017-02-15 | 京东方科技集团股份有限公司 | 一种电子病历信息的生成方法、装置及系统 |
| CN106933806A (zh) * | 2017-03-15 | 2017-07-07 | 北京大数医达科技有限公司 | 医疗同义词的确定方法和装置 |
| CN107038336A (zh) * | 2017-03-21 | 2017-08-11 | 科大讯飞股份有限公司 | 一种电子病历自动生成方法及装置 |
| CN107610740A (zh) * | 2017-07-27 | 2018-01-19 | 康美健康云服务有限公司 | 用于医疗的语义分析方法、电子设备、存储介质以及系统 |
-
2018
- 2018-03-15 CN CN201810214905.7A patent/CN108320781B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101198952A (zh) * | 2005-04-15 | 2008-06-11 | 通用电气公司 | 用于解析医疗数据的系统和方法 |
| US8286071B1 (en) * | 2006-06-29 | 2012-10-09 | Escription, Inc. | Insertion of standard text in transcriptions |
| CN106251865A (zh) * | 2016-08-04 | 2016-12-21 | 华东师范大学 | 一种基于语音识别的医疗健康记录自动填写方法 |
| CN106407666A (zh) * | 2016-09-05 | 2017-02-15 | 京东方科技集团股份有限公司 | 一种电子病历信息的生成方法、装置及系统 |
| CN106933806A (zh) * | 2017-03-15 | 2017-07-07 | 北京大数医达科技有限公司 | 医疗同义词的确定方法和装置 |
| CN107038336A (zh) * | 2017-03-21 | 2017-08-11 | 科大讯飞股份有限公司 | 一种电子病历自动生成方法及装置 |
| CN107610740A (zh) * | 2017-07-27 | 2018-01-19 | 康美健康云服务有限公司 | 用于医疗的语义分析方法、电子设备、存储介质以及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN108320781A (zh) | 2018-07-24 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108320781B (zh) | 一种基于语音的医疗报告生成方法及装置 | |
| US9043206B2 (en) | System and methods for matching an utterance to a template hierarchy | |
| CN109637674B (zh) | 自动获取健康医疗问题答案的方法、系统、介质和设备 | |
| Carchiolo et al. | Medical prescription classification: a NLP-based approach | |
| JP2020525061A (ja) | 可能性のある発話障害および関連する神経障害を識別するための患者の言語使用のモニタリング | |
| CN110931128B (zh) | 非结构化医疗文本无监督症状自动识别方法、系统、装置 | |
| CN110993093A (zh) | 基于深度学习的眼科预问诊方法与装置 | |
| CN113689951A (zh) | 一种智能导诊方法、系统和计算机可读存储介质 | |
| CN111145903A (zh) | 获取眩晕症问诊文本的方法、装置、电子设备及问诊系统 | |
| CN112035634A (zh) | 文本情绪检测方法、装置、设备及存储介质 | |
| CN113571184A (zh) | 一种用于精神健康测评的对话交互设计方法及系统 | |
| CN109658931A (zh) | 语音交互方法、装置、计算机设备及存储介质 | |
| CN112287082A (zh) | 结合rpa与ai的数据的处理方法、装置、设备及存储介质 | |
| CN116821290A (zh) | 面向多任务对话的大语言模型训练方法和交互方法 | |
| CN114582487A (zh) | 基于中医知识图谱的中医辅助诊疗的方法及系统 | |
| CN112017784B (zh) | 一种基于多模态数据的冠心病风险预测方法及相关设备 | |
| CN112307172A (zh) | 一种语义解析设备、方法、终端及存储介质 | |
| CN108780660A (zh) | 相对于以健康护理为中心的证据对微博中的认知偏差进行分类的设备、系统和方法 | |
| Rocha et al. | A speech-to-text interface for mammoclass | |
| CN114743621A (zh) | 病历的输入预测方法、病历的输入预测装置以及存储介质 | |
| CN108009157A (zh) | 一种语句归类方法及装置 | |
| CN111091915B (zh) | 医疗数据处理方法及装置、存储介质、电子设备 | |
| CN114242267A (zh) | 基于神经网络的问诊回复方法、装置、设备及存储介质 | |
| Zafari et al. | Chatsum: an intelligent medical chat summarization tool | |
| Biswas et al. | Can ChatGPT be Your Personal Medical Assistant? |
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 | ||
| TA01 | Transfer of patent application right | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20191113 Address after: 100853 Fuxing Road, Beijing, Haidian District, No. 28 Applicant after: CHINESE PLA GENERAL Hospital Applicant after: ANHUI IFLYTEK MEDICAL INFORMATION TECHNOLOGY CO.,LTD. Address before: 230031 18 floor, A5 tower, Limited by Share Ltd, 666, Wangjiang West Road, Hefei high tech Zone, Anhui Applicant before: ANHUI IFLYTEK MEDICAL INFORMATION TECHNOLOGY CO.,LTD. |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CP01 | Change in the name or title of a patent holder | ||
| CP01 | Change in the name or title of a patent holder |
Address after: 100853 Fuxing Road 28, Beijing, Haidian District Patentee after: CHINESE PLA GENERAL Hospital Patentee after: Anhui Xunfei Medical Co.,Ltd. Address before: 100853 Fuxing Road 28, Beijing, Haidian District Patentee before: CHINESE PLA GENERAL Hospital Patentee before: ANHUI IFLYTEK MEDICAL INFORMATION TECHNOLOGY CO.,LTD. |
|
| CP01 | Change in the name or title of a patent holder | ||
| CP01 | Change in the name or title of a patent holder |
Address after: 100853 Fuxing Road 28, Beijing, Haidian District Patentee after: CHINESE PLA GENERAL Hospital Patentee after: IFLYTEK Medical Technology Co.,Ltd. Address before: 100853 Fuxing Road 28, Beijing, Haidian District Patentee before: CHINESE PLA GENERAL Hospital Patentee before: Anhui Xunfei Medical Co.,Ltd. |