CN108899064A - 电子病历生成方法、装置、计算机设备和存储介质 - Google Patents
电子病历生成方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN108899064A CN108899064A CN201810547119.9A CN201810547119A CN108899064A CN 108899064 A CN108899064 A CN 108899064A CN 201810547119 A CN201810547119 A CN 201810547119A CN 108899064 A CN108899064 A CN 108899064A
- Authority
- CN
- China
- Prior art keywords
- interrogation
- data
- health record
- physiological
- electronic health
- 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
- 230000036541 health Effects 0.000 title claims abstract description 217
- 238000000034 method Methods 0.000 title claims abstract description 45
- 230000004044 response Effects 0.000 claims abstract description 12
- 238000001514 detection method Methods 0.000 claims description 35
- 238000004590 computer program Methods 0.000 claims description 28
- 230000035790 physiological processes and functions Effects 0.000 claims description 23
- 238000009528 vital sign measurement Methods 0.000 claims description 20
- 230000005540 biological transmission Effects 0.000 claims description 8
- 238000003032 molecular docking Methods 0.000 claims description 8
- 208000024891 symptom Diseases 0.000 claims description 8
- 239000000284 extract Substances 0.000 claims description 7
- 230000035479 physiological effects, processes and functions Effects 0.000 claims description 6
- 230000015572 biosynthetic process Effects 0.000 abstract description 2
- 239000003814 drug Substances 0.000 description 10
- 238000010586 diagram Methods 0.000 description 9
- 238000003745 diagnosis Methods 0.000 description 7
- 201000010099 disease Diseases 0.000 description 7
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 7
- 238000004458 analytical method Methods 0.000 description 6
- 238000000605 extraction Methods 0.000 description 6
- 229940079593 drug Drugs 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000006399 behavior Effects 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 238000013480 data collection Methods 0.000 description 3
- 230000005611 electricity Effects 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 206010020751 Hypersensitivity Diseases 0.000 description 2
- 230000007815 allergy Effects 0.000 description 2
- 238000012512 characterization method Methods 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- WQZGKKKJIJFFOK-GASJEMHNSA-N Glucose Natural products OC[C@H]1OC(O)[C@H](O)[C@@H](O)[C@@H]1O WQZGKKKJIJFFOK-GASJEMHNSA-N 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 208000026935 allergic disease Diseases 0.000 description 1
- 230000000172 allergic effect Effects 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 208000010668 atopic eczema Diseases 0.000 description 1
- 239000008280 blood Substances 0.000 description 1
- 210000004369 blood Anatomy 0.000 description 1
- 230000036772 blood pressure Effects 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 239000008103 glucose Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 230000000474 nursing effect Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
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
- G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
- G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Primary Health Care (AREA)
- Public Health (AREA)
- Medical Treatment And Welfare Office Work (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
本申请涉及一种电子病历生成方法,所述方法包括:接收用户终端的问诊请求;响应于所述问诊请求,建立所述用户终端与对接的医生终端之间的即时通信;收集所述即时通信中的问诊数据,对所述问诊数据进行特征学习得到问诊用户的生理健康数据;根据所述问诊数据和所述生理健康数据生成电子病历,并将生成的所述电子病历与所述用户终端的用户标识关联存储。采用本方法能够提高电子病历的生成效率。
Description
技术领域
本申请涉及计算机技术领域,特别是涉及一种电子病历生成方法、装置、计算机设备和存储介质。
背景技术
病历是病人在医院诊断治疗全过程的原始记录,它包含有首页、病程记录、检查检验结果、医嘱、手术记录、护理记录等等。随着计算机技术的发展,电子病历(ElectronicMedical Record,EMR)应运而生,电子病历是以电子化方式管理的有关个人终生健康状态和医疗保健行为的信息。
传统的就医问诊都是在线下的医院进行的,传统的线下医生诊疗可以分为两个独立的步骤:医生问诊并开具处方以及诊断结束后医生根据本次问诊的情况手动敲写出电子病历以记录患者的本次问诊行为和诊疗情况。这种手动生成电子病历的方式不仅不能确保电子病历的完整性,而且生成电子病历的效率比较低。
发明内容
基于此,有必要针对上述技术问题,提供一种在确保生成的电子病例完整性和准确性的基础上提高电子病历生成效率的电子病历生成方法、装置、计算机设备和存储介质。
一种电子病历生成方法,所述方法包括:
接收用户终端的问诊请求;
响应于所述问诊请求,建立所述用户终端与对接的医生终端之间的即时通信;
收集所述即时通信中的问诊数据,对所述问诊数据进行特征学习得到问诊用户的生理健康数据;
根据所述问诊数据和所述生理健康数据生成电子病历,并将生成的所述电子病历与所述用户终端的用户标识关联存储。
在一个实施例中,所述收集所述即时通信中的问诊数据,对所述问诊数据进行特征学习得到问诊用户的生理健康数据,包括:
收集所述即时通信中的问诊数据;
从所述问诊数据中提取多维度的特征字段,其中,多维度的特征字段能够表征问诊用户多种属性特征;
将所述特征字段输入至预先构建的生理事件分类模型中得到生理健康数据,其中,所述生理事件分类模型是特征字段和生理健康数据之间的关联关系模型,是通过学习医疗大数据构建的。
在一个实施例中,所述从所述问诊数据中提取多维度的特征字段,包括:
查找所述用户终端对应的用户标识是否关联历史电子病历,
若是,获取所述历史电子病历,从所述即时通信中的问诊数据和所述历史电子病历中提取特征字段。
在一个实施例中,所述从所述问诊数据中提取多维度的特征字段,包括:
将所述问诊数据中的非文本数据转化成文本数据;
从所述文本数据中提取多维度的特征字段,所述特征字段包括基本属性字段、症状字段、体征字段、家族病史字段、历史诊断字段。
在一个实施例中,所述方法还包括:
将生成的所述生理健康数据推送至所述医生终端;
接收所述医生终端反馈的带有电子签章的生理健康数据;
所述根据所述问诊数据和所述生理健康数据生成电子病历,包括:
获取电子病历模板;
从所述问诊数据和所述带有签章的生理健康数据中提取对应所述电子病历模板各个板块的内容信息;
将所述内容信息填充至所述电子病历模板中生成电子病历。
在一个实施例中,所述问诊请求中携带用户标识、就诊科室标识和主诉信息;
在所述接收用户终端的问诊请求之后,还包括:
将所述问诊请求添加至所述就诊科室标识对应的问诊排序序列中,当所述问诊请求迁移至所述问诊排队序列首位时,根据所述主诉信息从当前空闲的在线医生列表中匹配出对接的医生标识。
在一个实施例中,所述方法还包括:
接收外部检测设备发送的体征测量值;
根据预先存储的外部检测设备标识与用户标识之间的对应关系,查找所述外部检测设备标识对应的用户标识,将所述体征测量值与查找的所述用户标识关联存储;
当监听到所述用户标识发送问诊请求时,获取关联存储的所述体征测量值,将所述体征测量值推送至所述用户标识当前问诊的即时通信中。
一种电子病历生成装置,所述装置包括:
问诊请求接收模块,用于接收用户终端的问诊请求;
即时通信建立模块,用于响应于所述问诊请求,建立所述用户终端与对接的医生终端之间的即时通信;
生理健康数据预测模块,用于收集所述即时通信中的问诊数据,对所述问诊数据进行特征学习得到问诊用户的生理健康数据;
电子病历生成模块,用于根据所述问诊数据和所述生理健康数据生成电子病历,并将生成的所述电子病历与所述用户终端的用户标识关联存储。
一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现上述所述方法的步骤。
一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述所述的方法的步骤。
上述电子病历生成方法、装置、计算机设备和存储介质,提供在线问诊平台,接收用户发送问诊请求,为用户终端开通与医生终端的即时通信,使用户和医生在即时通信页面进行在线通话问诊,并在问诊平台留下这些即时通信消息即问诊数据,当需要生成电子病历时直接从问诊平台中获取问诊记录,无需医生或者医护人员手动打字来人工记录问诊数据;对在线问诊平台的问诊数据进行特征分析,自动生成生理健康数据,基于问诊数据和生理健康数据生成电子病历,实现了将线上记录的完整的医患聊天记录作为生成电子病例的数据源,可确保生成的电子病例的完整性,且由于无需人工手动输入,通过数据收集和数据分析更加高效地生成了电子病历。
附图说明
图1为一个实施例中电子病历生成方法的应用场景图;
图2为一个实施例中电子病历生成方法的流程示意图;
图3为一个实施例中根据问诊数据得到生理健康数据所涉及的流程图;
图4另为一个实施例中电子病历生成方法的流程示意图;
图5又一个实施例中电子病历生成方法的流程示意图;
图6为一个实施例中电子病历生成装置的结构框图;
图7为另一个实施例中电子病历生成装置的结构框图;
图8为再一个实施例中电子病历生成装置的结构框图;
图9为又一个实施例中电子病历生成装置的结构框图;
图10为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
本申请提供的电子病历生成方法,可以应用于如图1所示的应用环境中。该应用环境包括用户终端102、服务器104和医生终端106。其中,用户终端102 和医生终端106可通过网络与服务器104通过网络进行通信。终端102和医生终端106可通过服务器104为其建立的即时通信通道进行即时通信。用户终端 102用于提供用户操作界面,向服务器104发送问诊请求,服务器104为用户终端102和医生终端106建立即时通信,收集即时通信中的即时通信信息即医患间的问诊数据。随后对收集的问诊数据进行特征字段提取,基于特征字段预测生成患者的生理健康数据,根据问诊数据和生理健康数据生成患者的电子病历并存储。
上述的用户终端102和医生终端106可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑,服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
在一个实施例中,如图2所示,提供了一种电子病历生成方法,以该方法应用于图1中的服务器为例进行说明,包括以下步骤:
步骤S202:接收用户终端的问诊请求。
用户终端中安装并注册在线问诊的应用程序,注册时服务器(下文中将其叫做在线问诊平台)的用户系统向用户终端推送注册页面,用户在注册页面中填写注册信息,并向平台的用户系统发送注册请求,用户系统验证注册信息,验证合格后存储该注册用户标识。
用户终端以当前登录的用户标识身份向在线问诊平台的问诊后台系统发送在线问诊请求,该请求中携带用户标识、患者基本信息以及主诉信息,其中,患者的基本信息包括姓名、性别、年龄;主诉信息是问诊用户自述的症状或/和体征、性质,以及持续时间等内容。
步骤S204:响应于问诊请求,建立用户终端与对接的医生终端之间的即时通信。
在线问诊平台的问诊后台系统接收用户终端发送的问诊请求,并对该问诊请求进行响应,建立该用户终端与在线的医生终端的即时通信(instant message,IM)。医生终端是指注册过在线问诊平台,并通过在线问诊平台的身份验核的医生注册用户对应的终端,在线医生终端是指当前登录且处于空闲状态的医生终端。
建立即时通信即进入了在线问诊阶段,问诊后台系统会将问诊请求中携带的患者的基本信息(包括姓名、性别、年龄)和主诉信息推送到用户终端和医生终端的即时通信界面中,而后用户终端和医生终端均可以及时发送和接收来自对方的IM消息。医生终端和用户终端之间的IM消息(包括文本信息、语音信息、图片信息)会存储在问诊后台系统中,生成的电子病历中会增加问诊栏目,这些IM消息会记录在问诊栏目下。
步骤S206:收集即时通信中的问诊数据,对问诊数据进行特征学习得到问诊用户的生理健康数据。
生理健康数据为基于当前的问诊数据进行智能分析得到的用户的生理健康状态预测数据和生理健康状态调整方案。
从即时通信中获取IM消息,对IM消息进行数据清洗,去除冗余数据得到问诊数据。此处的问诊数据可以包括患者的基本信息、主诉、病征检查数据、患者的用药历史,历史诊疗数据、家庭病史、过敏史等。
对问诊数据进行特征学习得到问诊用户的生理健康数据具体可以是:对问诊数据进行预处理,按照设定规则从问诊数据中提取特征词组,根据提取的特征词组进行特征学习,智能预测出患者当前的生理健康数据,具体可以预测科室标签、疾病标签、处方和慢病标签等。
步骤S208:根据问诊数据和生理健康数据生成电子病历,并将生成的电子病历与用户终端的用户标识关联存储。
生成的电子病历可以包括基本信息栏目、基本特征栏目、问诊栏目、问诊小结、拟诊标签等栏目、用药记录和处方等,其中基本信息栏目可以包括患者基本信息和主诉信息;基本特征栏目可以包括身高、体征、是否过敏体质、过敏详情信息等;问诊栏目可以是收集的IM消息记录;问诊小结可以从IM消息的医生标签下获取医生做出的问诊小结;拟诊标签可以从IM消息的医生标签下获取医生做出的拟诊标签,若没有从IM消息中获取拟诊标签,可从预测的生理健康数据中提取拟诊标签,写入电子病历;用药记录和处方同样是从IM消息中的问诊数据和预测的生理健康数据中获取用药记录和本次问诊的处方方案。
在一个实施例中,将生成的电子病历与对应的用户标识关联存储,使得用户的所有的电子病历集中存储和管理。
本实施例中,提供在线问诊平台,接收用户发送问诊请求,为用户终端开通与医生终端的即时通信,使用户和医生在即时通信页面进行在线通话问诊,并在问诊平台记录下即时通信消息,当需要生成电子病历时直接从问诊平台中获取问诊记录,无需医生或者医护人员手动打字来人工记录问诊数据;对在线问诊平台的问诊数据进行特征分析,自动生成生理健康数据,基于问诊数据和生理健康数据生成电子病历,实现了将线上记录的完整的医患聊天记录作为生成电子病例的数据源,可确保生成的电子病例的完整性和准确性,且由于无需人工手动输入,通过数据收集和数据分析更加高效地生成了电子病历。
在一个实施例中,如图3所示,步骤S206:收集即时通信中的问诊数据,对问诊数据进行特征学习得到问诊用户的生理健康数据,包括:
步骤S302:收集即时通信中的问诊数据,从问诊数据中提取多维度的特征字段,其中,多维度的特征字段能够表征问诊用户多种属性特征。
患者的多种属性可以包括基本属性、症状属性、体征属性、家族病史及体质属性等。不同的属性可对应一个或者多个特征字段,多种属性对应的众多特征字段构成了多维度的特征字段。
具体的,从IM消息中获取问诊数据,查看问诊数据中是否有非文本数据,如视频、图片、语音,若有,使用ORC技术识别图片、视频帧中包含文字内容,使用语音识别技术将语音信息转换成文本数据。进一步的,可收集医学术语构建医学词库,通过医学词库对从图片或者语音识别而来的文本数据进行校验,提高识别的精准性。
对文本识别后的问诊数据进行自然语言处理、语义分析和分词处理,将问诊数据区分成基本信息部分、症状描述部分、特征描述部分、家族病史描述部分、体质属性描述部分,然后分别从各部分提取一个或者多个特征字段。
步骤S304:将特征字段输入至预先构建的生理事件分类模型中得到生理健康数据,其中,生理事件分类模型是特征字段和生理健康数据之间的关联关系模型,是通过学习医疗大数据构建的。
预先构建生理事件分类模型,具体方法为:随着电子病历的积累,问诊后台系统中存储了大量的电子病历,预处理这些电子病历数据,得到足够大的训练样本,生理事件分类模型学习训练样本中患者的多维度属性与各种生理事件标签之间的关联关系,学习过程中不断调整模型参数,最终得到生理事件分类模型。上述的生理事件可以包括疾病事件、药品事件、科室事件等。而这些生理事件对应的具体标签构成了患者的生理健康数据。
本实施例中,将提取的表征患者不同属性的多维度特征字段输入至生理事件分类模型中,生理事件分类模型基于多维度的特征字段做出事件标签分类,输出具体的生理健康数据,如疾病标签,药品标签、医嘱标签、评价标签、科室标签等。输出的每个标签包括标签名称和标签的权重,标签的权重患者与这个标签的符合度,基于标签的符合度可对每个生理事件对应的多个标签进行排序。
本实施例中,从在线问诊平台中收集大量电子病历数据,采用机器学习的方式学习表征患者不同属性的多维度的特征字段与各种生理事件标签之间的关联关系。根据建立的关联关系可快速的根据当前的问诊数据分析出相符合的生理事件标签,也即是得到当前就诊患者的生理健康数据,实现了人工智能诊疗。
进一步的,由上述实施例,基于多维度的特征字段得到的生理健康数据能够无限的接近患者本身的生理健康状态。本实施例中,为了使得到生理健康结论更加的精准,在进行生理健康数据预测时,查找当前问诊用户的用户标识下是否关联历史电子病历,若是,获取所有历史电子病历,从即时通信中的问诊数据和历史电子病历中提取特征字段。
在一个实施例中,还查找用户标识下是否有其他数据源信息,如用户终端上传的体检报告,若有,则获取关联的体检报告,进而从体检报告、历史电子病历和IM消息中提取的问诊数据中提取特征字段。
本实施例中,增加了数据源信息,得到的更加全面的问诊用户信息(包括历史问诊数据和本次问诊的数据)可使提取的特征字段更加丰富全面。例如对于点值的特征字段,通过增加历史问诊数据可提取历史值,得到特征字段的趋势值。举例来说,如从血压值到血压趋势值。本实施例基于维度更多、特征字段内容更加全面的特征数据得到的生理健康结果的预测更加精准。
在一个实施例中,从问诊数据和其他数据源信息中提取特征字段后,通过将当前提取的特征字段与历史在线问诊预测时提取的特征字段进行比对,若存在足够多的相同的特征字段,则将历史的生理健康预测结果作为本次的生理健康预测结果,并将其推送至医生终端和用户终端的即时通信中。也就是,通过特征字段对比查看本次问诊的病症是否与历史问诊病症相同,若相同直接调用历史的生理健康预测结果作为本次问诊的生理健康预测结果,无需重复计算,节省了计算资源。
在一个实施例中,如图4所示,提供了一种电子病历生成方法,具体包括如下步骤:
步骤S402:接收用户终端的问诊请求。
步骤S404:响应于问诊请求,建立用户终端与对接的医生终端之间的即时通信。
步骤S406:收集即时通信中的问诊数据,对问诊数据进行特征学习得到问诊用户的生理健康数据。
本实施例中,步骤S402-S404可参照上述实施例中的步骤S202-S204,步骤 S406可参照上述实施例中的步骤S302-S304,此处不再赘述。
步骤S408:将生成的生理健康数据推送至医生终端,接收医生终端反馈的带有电子签章的生理健康数据。
将生理事件分类模型输出的生理健康数据推送至医生终端,医生终端可对生理健康数据进行调整,医生终端对医生确认的生理健康数据文件添加电子签章,并将带有电子签章的生理健康数据反馈给在线问诊平台。
步骤S410:获取电子病历模板,从问诊数据和带有签章的生理健康数据中提取对应电子病历模板各个板块内容信息,将内容信息填充至电子病历模板中生成电子病历。
医生终端可直接将带有电子签章的生理健康数据通过即时通信发送给用户终端,在线问诊后台系统从IM消息中获取带有电子签章的生理健康数据和问诊数据,并基于问诊数据和带有电子签章的生理健康数据生成电子病历。
具体为,获取电子病历模板,从问诊数据和带有签章的生理健康数据中提取电子病历模板各个板块对应的内容信息,将内容信息填充至电子病历模板中生成电子病历。
本实施例中,将模型预测的生理健康数据作为医生诊断的辅助数据推送至医生终端,最终的诊断结果由医生做出。医生终端将签章的生理健康数据通过即时通信通道推送给用户终端,相应的在线问诊平台只需获取IM消息即可获取到生成电子病历所需要的信息,无需在进行额外的数据收集。此外,基于预先写好的电子病历模板可更加快速的生成电子病历。
在一个实施例中,如图5所示,提供了一种电子病历生成方法,具体包括如下步骤:
步骤S502:接收用户终端的问诊请求,问诊请求中携带用户标识、就诊科室标识和主诉信息。
步骤S504:将问诊请求添加至就诊科室标识对应的问诊排序序列中,当问诊请求迁移至问诊排队序列首位时,根据主诉信息从当前空闲的在线医生列表中匹配出对接的医生标识。
用户可预先选择问诊科室,当用户终端向在线问诊平台发送问诊请求时,在线问诊平台将该问诊请求添加至用户选择的问诊科室所对应的问诊排序序列中,匹配的对接医生标识也是该问诊科室下的医生。
在另一个实施例中,问诊请求中携带主诉信息,根据主诉信息匹配出对接的问诊科室,进而再将问诊请求添加至匹配出的问诊科室的问诊排序序列中。
步骤S506:建立用户终端与对接的医生终端的即时通信。
步骤S508:收集即时通信中的问诊数据,对问诊数据进行特征学习得到问诊用户的生理健康数据。
步骤S510:根据问诊数据和生理健康数据生成电子病历,将生成的电子病历与用户终端的用户标识关联存储。
本实施例中,用户终端发送问诊请求后,平台自动在相应的科室中对该问诊请求进行排序,这种自动排序的方式使得大量的问诊请求能够得到有序且及时的处理。
应该理解的是,虽然图2-5的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,图2-5中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些子步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中,电子病历生成方法还包括:接收外部检测设备发送的体征测量值;根据预先存储的外部检测设备标识与用户标识之间的对应关系,查找外部检测设备标识对应的用户标识,将体征测量值与查找的用户标识关联存储;当监听到用户标识发送问诊请求时,获取关联存储的体征测量值,将体征测量值推送至用户标识当前问诊的即时通信中。
具体的,外部检测设备可以是血压计、血糖仪等。
用户终端连接外部检测设备,并将外部检测设备注册到在线问诊平台,在线问诊平台生成注册的外部检测设备的设备标识,用户终端向在线问诊平台发送与该外部检测设备的绑定请求,在线问诊平台响应于该绑定请求,建立用户标识与外部检测设备标识见的关联关系。
用户使用该外部检测设备测量体征数据时,外部检测设备将测量值发送至在线问诊平台,在线问诊平台查找与该外部检测设备标识对应的用户标识,当该用户标识发送在线问诊请求时,或者正在在线问诊时,将接收的测量值发送到在线问诊的即时通信页面中,以便处于医生终端的在线诊疗的医生及时了解用户的最新体征数据。此外,将实时的测量值及时的发送到即时通信中,在线问诊平台在收集IM消息包含了该测量值,相应的,在基于IM消息进行生理健康数据预测时,测量值也将会作为一输入源数据参与诊断结果预测,预测更加精准。
在一个实施例中,当在线问诊平台判断接收到外部检测设备采集的测量值不稳定或者不符合设定规律时,查找该外部检测设备的外部检测设备标识关联的用户标识,向用户标识对应的用户终端发送提醒信息,还可以查找该用户标识历史对接的医生标识,并相应的医生终端发送提醒消息。
在一个实施例中,在线问诊平台中每个用户或用户下的患者都会拥有一份相对应的病历档案(包括所有的历史病历),根据用户或用户下患者的病历档案中不同时间和不同的主诉以及处方,小结,拟诊,进行智能的分析和推测,生成相应的患者画像,患者画像实质为患者的医学标签集合。当有新的电子病历生成时,基于新的电子病历中的信息对患者画像进行更新,使患者画像始终能够精准的表征患者最新的生理状态。当用户进入在线问诊平台的前端主页时,根据患者画像为用户智能的推荐权威和具有科学依据以及经过医学论证的,对应用户病历档案中疾病相关的健康文章等。
在一个实施例中,如图6所示,提供了一种电子病历生成装置,包括:
问诊请求接收模块602,用于接收用户终端的问诊请求。
即时通信建立模块604,用于响应于问诊请求,建立用户终端与对接的医生终端之间的即时通信。
生理健康数据预测模块606,用于收集即时通信中的问诊数据,对问诊数据进行特征学习得到问诊用户的生理健康数据。
电子病历生成模块608,用于根据问诊数据和生理健康数据生成电子病历,并将生成的电子病历与用户终端的用户标识关联存储。
在一个实施例中,生理健康数据预测模块606,还用于收集即时通信中的问诊数据;从问诊数据中提取多维度的特征字段,其中,多维度的特征字段能够表征问诊用户多种属性特征;将特征字段输入至预先构建的生理事件分类模型中得到生理健康数据,其中,生理事件分类模型是特征字段和生理健康数据之间的关联关系模型,是通过学习医疗大数据构建的。
在一个实施例中,生理健康数据预测模块606,还用于查找用户终端对应的用户标识是否关联历史电子病历,若是,获取历史电子病历,从即时通信中的问诊数据和历史电子病历中提取特征字段。
在一个实施例中,生理健康数据预测模块606,还用于将问诊数据中的非文本数据转化成文本数据;从转化后的问诊数据中提取多维度的特征字段,特征字段包括基本属性字段、症状字段、体征字段、家族病史字段、历史诊断字段。
在一个实施例中,如图7所示,电子病历生成装置还包括:生理健康数据签章模块702,用于将生成的生理健康数据推送至医生终端;接收医生终端反馈的带有电子签章的生理健康数据。
电子病历生成模块608,还用于获取电子病历模板;从问诊数据和带有签章的生理健康数据中提取电子病历模板各个板块对应的内容信息;将内容信息填充至电子病历模板中生成电子病历。
在一个实施例中,如图8所示,问诊请求中携带用户标识、就诊科室标识和主诉信息。
电子病历生成装置还包括:对接模块802,用于将问诊请求添加至就诊科室标识对应的问诊排序序列中,当问诊请求迁移至问诊排队序列首位时,根据主诉信息从当前空闲的在线医生列表中匹配出对接的医生标识。
在一个实施例中,如图9所示,电子病历生成装置还包括:体征测量值接收和推送模块902,用于接收外部检测设备发送的体征测量值;根据预先存储的外部检测设备标识与用户标识之间的对应关系,查找检测检测设备的外部检测设备标识对应的用户标识,将体征测量值与查找的用户标识关联存储;当监听到用户标识发送问诊请求时,获取关联存储的体征测量值,将体征测量值推送至用户标识当前问诊的即时通信中
关于电子病历生成装置的具体限定可以参见上文中对于电子病历生成方法的限定,在此不再赘述。上述代码生成装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是服务器,其内部结构图可以如图10所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储生成的电子病历。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种电子病历生成方法。
本领域技术人员可以理解,图10中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,该存储器存储有计算机程序,该处理器执行计算机程序时实现以下步骤:接收用户终端的问诊请求;响应于所述问诊请求,建立所述用户终端与对接的医生终端之间的即时通信;收集所述即时通信中的问诊数据,对所述问诊数据进行特征学习得到问诊用户的生理健康数据;根据所述问诊数据和所述生理健康数据生成电子病历,并将生成的所述电子病历与所述用户终端的用户标识关联存储。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:收集所述即时通信中的问诊数据;从所述问诊数据中提取多维度的特征字段,其中,多维度的特征字段能够表征问诊用户多种属性特征;将所述特征字段输入至预先构建的生理事件分类模型中得到生理健康数据,其中,所述生理事件分类模型是通过学习医疗大数据而构建的设定特征字段与生理健康数据之间的关联关系模型。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:查找所述用户终端对应的用户标识是否关联历史电子病历,若是,获取所述历史电子病历,从所述即时通信中的问诊数据和所述历史电子病历中提取特征字段。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:将所述问诊数据中的非文本数据转化成文本数据;从转化后的所述问诊数据中提取多维度的特征字段,所述特征字段包括基本属性字段、症状字段、体征字段、家族病史字段、历史诊断字段。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:将生成的所述生理健康数据推送至所述医生终端;接收所述医生终端反馈的带有电子签章的生理健康数据。
执行所述根据所述问诊数据和所述生理健康数据生成电子病历时,处理器实现了以下步骤:获取电子病历模板;从所述问诊数据和所述带有签章的生理健康数据中提取对应所述电子病历模板各个板块的内容信息;将所述内容信息填充至所述电子病历模板中生成电子病历。
在一个实施例中,所述问诊请求中携带用户标识、就诊科室标识和主诉信息;处理器执行计算机程序时还实现以下步骤:在所述接收用户终端的问诊请求之后,还包括:将所述问诊请求添加至所述就诊科室标识对应的问诊排序序列中,当所述问诊请求迁移至所述问诊排队序列首位时,根据所述主诉信息从当前空闲的在线医生列表中匹配出对接的医生标识。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:接收外部检测设备发送的体征测量值;根据预先存储的外部检测设备标识与用户标识之间的对应关系,查找所述检测检测设备的外部检测设备标识对应的用户标识,将所述体征测量值与查找的所述用户标识关联存储;当监听到所述用户标识发送问诊请求时,获取关联存储的所述体征测量值,将所述体征测量值推送至所述用户标识当前问诊的即时通信中。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:接收用户终端的问诊请求;响应于所述问诊请求,建立所述用户终端与对接的医生终端之间的即时通信;收集所述即时通信中的问诊数据,对所述问诊数据进行特征学习得到问诊用户的生理健康数据;根据所述问诊数据和所述生理健康数据生成电子病历,并将生成的所述电子病历与所述用户终端的用户标识关联存储。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:收集所述即时通信中的问诊数据;从所述问诊数据中提取多维度的特征字段,其中,多维度的特征字段能够表征问诊用户多种属性特征;将所述特征字段输入至预先构建的生理事件分类模型中得到生理健康数据,其中,所述生理事件分类模型是通过学习医疗大数据而构建的设定特征字段与生理健康数据之间的关联关系模型。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:查找所述用户终端对应的用户标识是否关联历史电子病历,若是,获取所述历史电子病历,从所述即时通信中的问诊数据和所述历史电子病历中提取特征字段。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:将所述问诊数据中的非文本数据转化成文本数据;从转化后的所述问诊数据中提取多维度的特征字段,所述特征字段包括基本属性字段、症状字段、体征字段、家族病史字段、历史诊断字段。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:将生成的所述生理健康数据推送至所述医生终端;接收所述医生终端反馈的带有电子签章的生理健康数据。
所述根据所述问诊数据和所述生理健康数据生成电子病历被处理器执行时,还实现了以下步骤:获取电子病历模板;从所述问诊数据和所述带有签章的生理健康数据中提取对应所述电子病历模板各个板块的内容信息;将所述内容信息填充至所述电子病历模板中生成电子病历。
在一个实施例中,所述问诊请求中携带用户标识、就诊科室标识和主诉信息;计算机程序被处理器执行时还实现以下步骤:在所述接收用户终端的问诊请求之后,还包括:将所述问诊请求添加至所述就诊科室标识对应的问诊排序序列中,当所述问诊请求迁移至所述问诊排队序列首位时,根据所述主诉信息从当前空闲的在线医生列表中匹配出对接的医生标识。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:接收外部检测设备发送的体征测量值;根据预先存储的外部检测设备标识与用户标识之间的对应关系,查找所述检测检测设备的外部检测设备标识对应的用户标识,将所述体征测量值与查找的所述用户标识关联存储;当监听到所述用户标识发送问诊请求时,获取关联存储的所述体征测量值,将所述体征测量值推送至所述用户标识当前问诊的即时通信中。
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,计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器 (RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM (DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上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。
以上实施例仅表达了本申请的几种实施方式,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,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种电子病历生成方法,所述方法包括:
接收用户终端的问诊请求;
响应于所述问诊请求,建立所述用户终端与对接的医生终端之间的即时通信;
收集所述即时通信中的问诊数据,对所述问诊数据进行特征学习得到问诊用户的生理健康数据;
根据所述问诊数据和所述生理健康数据生成电子病历,并将生成的所述电子病历与所述用户终端的用户标识关联存储。
2.根据权利要求1所述的方法,其特征在于:
所述收集所述即时通信中的问诊数据,对所述问诊数据进行特征学习得到问诊用户的生理健康数据,包括:
收集所述即时通信中的问诊数据;
从所述问诊数据中提取多维度的特征字段,其中,多维度的特征字段能够表征问诊用户多种属性特征;
将所述特征字段输入至预先构建的生理事件分类模型中得到生理健康数据,其中,所述生理事件分类模型是特征字段和生理健康数据之间的关联关系模型,是通过学习医疗大数据构建的。
3.根据权利要求2所述的方法,其特征在于:所述从所述问诊数据中提取多维度的特征字段,包括:
查找所述用户终端对应的用户标识是否关联历史电子病历,
若是,获取所述历史电子病历,从所述即时通信中的问诊数据和所述历史电子病历中提取特征字段。
4.根据权利要求2或3所述的方法,其特征在于,所述从所述问诊数据中提取多维度的特征字段,包括:
将所述问诊数据中的非文本数据转化成文本数据;
从所述文本数据中提取多维度的特征字段,所述特征字段包括基本属性字段、症状字段、体征字段、家族病史字段、历史诊断字段。
5.根据权利要求1-3任一项所述的方法,其特征在于,所述方法还包括:
将生成的所述生理健康数据推送至所述医生终端;
接收所述医生终端反馈的带有电子签章的生理健康数据;
所述根据所述问诊数据和所述生理健康数据生成电子病历,包括:
获取电子病历模板;
从所述问诊数据和所述带有签章的生理健康数据中提取对应所述电子病历模板各个板块的内容信息;
将所述内容信息填充至所述电子病历模板中生成电子病历。
6.根据权利要求1-3任一项所述的方法,其特征在于,所述问诊请求中携带用户标识、就诊科室标识和主诉信息;
在所述接收用户终端的问诊请求之后,还包括:
将所述问诊请求添加至所述就诊科室标识对应的问诊排序序列中,当所述问诊请求迁移至所述问诊排队序列首位时,根据所述主诉信息从当前空闲的在线医生列表中匹配出对接的医生标识。
7.根据权利要求1-3所述的方法,其特征在于,所述方法还包括:
接收外部检测设备发送的体征测量值;
根据预先存储的外部检测设备标识与用户标识之间的对应关系,查找与所述外部检测设备标识对应的用户标识,将所述体征测量值与查找的所述用户标识关联存储;
当监听到所述用户标识发送问诊请求时,获取关联存储的所述体征测量值,将所述体征测量值推送至所述用户标识当前问诊的即时通信中。
8.一种电子病历生成装置,其特征在于,所述装置包括:
问诊请求接收模块,用于接收用户终端的问诊请求;
即时通信建立模块,用于响应于所述问诊请求,建立所述用户终端与对接的医生终端之间的即时通信;
生理健康数据预测模块,用于收集所述即时通信中的问诊数据,对所述问诊数据进行特征学习得到问诊用户的生理健康数据;
电子病历生成模块,用于根据所述问诊数据和所述生理健康数据生成电子病历,并将生成的所述电子病历与所述用户终端的用户标识关联存储。
9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810547119.9A CN108899064A (zh) | 2018-05-31 | 2018-05-31 | 电子病历生成方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810547119.9A CN108899064A (zh) | 2018-05-31 | 2018-05-31 | 电子病历生成方法、装置、计算机设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108899064A true CN108899064A (zh) | 2018-11-27 |
Family
ID=64343430
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810547119.9A Pending CN108899064A (zh) | 2018-05-31 | 2018-05-31 | 电子病历生成方法、装置、计算机设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108899064A (zh) |
Cited By (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109637604A (zh) * | 2018-12-07 | 2019-04-16 | 广州金域医学检验中心有限公司 | 肾脏病例资料管理方法、装置、存储介质及终端设备 |
CN109859811A (zh) * | 2018-12-29 | 2019-06-07 | 北京天鹏恒宇科技发展有限公司 | 一种门诊病历智能输入系统 |
CN109933729A (zh) * | 2019-03-28 | 2019-06-25 | 广州麦迪森在线医疗科技有限公司 | 一种基于用户偏好的医疗学术资讯推荐方法及系统 |
CN109979554A (zh) * | 2019-04-08 | 2019-07-05 | 皮敏 | 一种临床病例数据采集系统及采集方法 |
CN110020005A (zh) * | 2019-03-28 | 2019-07-16 | 云知声(上海)智能科技有限公司 | 一种病历中主诉和现病史中症状匹配方法 |
CN110211657A (zh) * | 2019-06-15 | 2019-09-06 | 浙江爱多特大健康科技有限公司 | 糖尿病互联网门诊跟踪随访管理方法及系统 |
CN110265155A (zh) * | 2019-06-15 | 2019-09-20 | 浙江爱多特大健康科技有限公司 | 糖尿病互联网出院跟踪随访管理方法及系统 |
CN110347921A (zh) * | 2019-07-04 | 2019-10-18 | 有光创新(北京)信息技术有限公司 | 一种多模态数据信息的标签抽取方法及装置 |
CN111261251A (zh) * | 2020-01-20 | 2020-06-09 | 北京百度网讯科技有限公司 | 生成电子病历的方法、装置、电子设备以及计算机可读存储介质 |
CN111383726A (zh) * | 2018-12-28 | 2020-07-07 | 国家食品药品监督管理总局药品评价中心 | 电子病历数据处理方法、装置、电子设备及可读介质 |
CN111429989A (zh) * | 2020-04-21 | 2020-07-17 | 北京嘉和海森健康科技有限公司 | 一种生成诊前病历的方法及装置 |
CN111768828A (zh) * | 2020-09-03 | 2020-10-13 | 成都索贝数码科技股份有限公司 | 基于院内外数据的患者体征画像构建系统及方法 |
CN111863171A (zh) * | 2020-07-22 | 2020-10-30 | 北京致医健康信息技术有限公司 | 一种电子病历管理方法、管理服务器及电子病历管理系统 |
CN111916170A (zh) * | 2020-07-22 | 2020-11-10 | 北京致医健康信息技术有限公司 | 一种病史提醒方法、管理服务器及电子病历管理系统 |
CN112017744A (zh) * | 2020-09-07 | 2020-12-01 | 平安科技(深圳)有限公司 | 电子病例自动生成方法、装置、设备及存储介质 |
CN112397170A (zh) * | 2020-12-01 | 2021-02-23 | 山东勤成健康科技股份有限公司 | 一种电子病历生成方法及装置 |
WO2022041723A1 (zh) * | 2020-08-31 | 2022-03-03 | 康键信息技术(深圳)有限公司 | 基于问诊对话的电子病历生成方法、装置、计算机设备及介质 |
TWI773995B (zh) * | 2020-05-29 | 2022-08-11 | 正修學校財團法人正修科技大學 | 醫師診間智慧輔助診斷系統及方法 |
WO2023029506A1 (zh) * | 2021-08-30 | 2023-03-09 | 康键信息技术(深圳)有限公司 | 病情分析方法、装置、电子设备及存储介质 |
WO2023178973A1 (zh) * | 2022-03-22 | 2023-09-28 | 康键信息技术(深圳)有限公司 | 在线问诊即时通讯系统和消息处理方法 |
CN117116407A (zh) * | 2023-10-23 | 2023-11-24 | 之江实验室 | 基于电子病历的患者画像生成方法、装置及存储介质 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002163359A (ja) * | 2000-11-27 | 2002-06-07 | Mediva:Kk | 医療用診断・処置支援装置、医療用診断・処置支援システム装置および医療用診断・処置支援プログラム記録したコンピュータ読み取り可能な記録媒体。 |
CN106535350A (zh) * | 2016-12-30 | 2017-03-22 | 燕山大学 | 基于无线传感网络的医疗动态调度系统 |
CN106845105A (zh) * | 2017-01-18 | 2017-06-13 | 腾讯科技(深圳)有限公司 | 问诊辅助方法及装置 |
CN106951691A (zh) * | 2017-03-06 | 2017-07-14 | 宁波大学 | 基于云平台的远程移动医疗管理方法 |
CN107483624A (zh) * | 2017-09-08 | 2017-12-15 | 深圳市前海安测信息技术有限公司 | 交互式远程中医辅助诊疗信息系统及其信息交互方法 |
CN107516110A (zh) * | 2017-08-22 | 2017-12-26 | 华南理工大学 | 一种基于集成卷积编码的医疗问答语义聚类方法 |
CN107564571A (zh) * | 2017-08-30 | 2018-01-09 | 浙江宁格医疗科技有限公司 | 一种基于语音输入的结构化电子病历生成方法及其对应的储存设备和移动终端 |
CN107644677A (zh) * | 2017-09-08 | 2018-01-30 | 深圳市前海安测信息技术有限公司 | 远程中医辅助诊疗信息系统及其信息交互方法 |
CN107767317A (zh) * | 2017-10-18 | 2018-03-06 | 杭州三盛绿域科技有限公司 | 一种签医在线问诊系统 |
-
2018
- 2018-05-31 CN CN201810547119.9A patent/CN108899064A/zh active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002163359A (ja) * | 2000-11-27 | 2002-06-07 | Mediva:Kk | 医療用診断・処置支援装置、医療用診断・処置支援システム装置および医療用診断・処置支援プログラム記録したコンピュータ読み取り可能な記録媒体。 |
CN106535350A (zh) * | 2016-12-30 | 2017-03-22 | 燕山大学 | 基于无线传感网络的医疗动态调度系统 |
CN106845105A (zh) * | 2017-01-18 | 2017-06-13 | 腾讯科技(深圳)有限公司 | 问诊辅助方法及装置 |
CN106951691A (zh) * | 2017-03-06 | 2017-07-14 | 宁波大学 | 基于云平台的远程移动医疗管理方法 |
CN107516110A (zh) * | 2017-08-22 | 2017-12-26 | 华南理工大学 | 一种基于集成卷积编码的医疗问答语义聚类方法 |
CN107564571A (zh) * | 2017-08-30 | 2018-01-09 | 浙江宁格医疗科技有限公司 | 一种基于语音输入的结构化电子病历生成方法及其对应的储存设备和移动终端 |
CN107483624A (zh) * | 2017-09-08 | 2017-12-15 | 深圳市前海安测信息技术有限公司 | 交互式远程中医辅助诊疗信息系统及其信息交互方法 |
CN107644677A (zh) * | 2017-09-08 | 2018-01-30 | 深圳市前海安测信息技术有限公司 | 远程中医辅助诊疗信息系统及其信息交互方法 |
CN107767317A (zh) * | 2017-10-18 | 2018-03-06 | 杭州三盛绿域科技有限公司 | 一种签医在线问诊系统 |
Cited By (24)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109637604A (zh) * | 2018-12-07 | 2019-04-16 | 广州金域医学检验中心有限公司 | 肾脏病例资料管理方法、装置、存储介质及终端设备 |
CN111383726A (zh) * | 2018-12-28 | 2020-07-07 | 国家食品药品监督管理总局药品评价中心 | 电子病历数据处理方法、装置、电子设备及可读介质 |
CN111383726B (zh) * | 2018-12-28 | 2023-06-27 | 国家食品药品监督管理总局药品评价中心 | 电子病历数据处理方法、装置、电子设备及可读介质 |
CN109859811A (zh) * | 2018-12-29 | 2019-06-07 | 北京天鹏恒宇科技发展有限公司 | 一种门诊病历智能输入系统 |
CN109933729A (zh) * | 2019-03-28 | 2019-06-25 | 广州麦迪森在线医疗科技有限公司 | 一种基于用户偏好的医疗学术资讯推荐方法及系统 |
CN110020005B (zh) * | 2019-03-28 | 2021-03-26 | 云知声(上海)智能科技有限公司 | 一种病历中主诉和现病史中症状匹配方法 |
CN110020005A (zh) * | 2019-03-28 | 2019-07-16 | 云知声(上海)智能科技有限公司 | 一种病历中主诉和现病史中症状匹配方法 |
CN109979554A (zh) * | 2019-04-08 | 2019-07-05 | 皮敏 | 一种临床病例数据采集系统及采集方法 |
CN110265155A (zh) * | 2019-06-15 | 2019-09-20 | 浙江爱多特大健康科技有限公司 | 糖尿病互联网出院跟踪随访管理方法及系统 |
CN110211657A (zh) * | 2019-06-15 | 2019-09-06 | 浙江爱多特大健康科技有限公司 | 糖尿病互联网门诊跟踪随访管理方法及系统 |
CN110347921A (zh) * | 2019-07-04 | 2019-10-18 | 有光创新(北京)信息技术有限公司 | 一种多模态数据信息的标签抽取方法及装置 |
CN111261251A (zh) * | 2020-01-20 | 2020-06-09 | 北京百度网讯科技有限公司 | 生成电子病历的方法、装置、电子设备以及计算机可读存储介质 |
CN111429989A (zh) * | 2020-04-21 | 2020-07-17 | 北京嘉和海森健康科技有限公司 | 一种生成诊前病历的方法及装置 |
TWI773995B (zh) * | 2020-05-29 | 2022-08-11 | 正修學校財團法人正修科技大學 | 醫師診間智慧輔助診斷系統及方法 |
CN111916170A (zh) * | 2020-07-22 | 2020-11-10 | 北京致医健康信息技术有限公司 | 一种病史提醒方法、管理服务器及电子病历管理系统 |
CN111863171A (zh) * | 2020-07-22 | 2020-10-30 | 北京致医健康信息技术有限公司 | 一种电子病历管理方法、管理服务器及电子病历管理系统 |
WO2022041723A1 (zh) * | 2020-08-31 | 2022-03-03 | 康键信息技术(深圳)有限公司 | 基于问诊对话的电子病历生成方法、装置、计算机设备及介质 |
CN111768828A (zh) * | 2020-09-03 | 2020-10-13 | 成都索贝数码科技股份有限公司 | 基于院内外数据的患者体征画像构建系统及方法 |
CN112017744A (zh) * | 2020-09-07 | 2020-12-01 | 平安科技(深圳)有限公司 | 电子病例自动生成方法、装置、设备及存储介质 |
CN112397170A (zh) * | 2020-12-01 | 2021-02-23 | 山东勤成健康科技股份有限公司 | 一种电子病历生成方法及装置 |
WO2023029506A1 (zh) * | 2021-08-30 | 2023-03-09 | 康键信息技术(深圳)有限公司 | 病情分析方法、装置、电子设备及存储介质 |
WO2023178973A1 (zh) * | 2022-03-22 | 2023-09-28 | 康键信息技术(深圳)有限公司 | 在线问诊即时通讯系统和消息处理方法 |
CN117116407A (zh) * | 2023-10-23 | 2023-11-24 | 之江实验室 | 基于电子病历的患者画像生成方法、装置及存储介质 |
CN117116407B (zh) * | 2023-10-23 | 2024-02-23 | 之江实验室 | 基于电子病历的患者画像生成方法、装置及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108899064A (zh) | 电子病历生成方法、装置、计算机设备和存储介质 | |
US11810671B2 (en) | System and method for providing health information | |
CN110504028A (zh) | 一种疾病问诊方法、装置、系统、计算机设备和存储介质 | |
CN108766561B (zh) | 病症信息处理方法、装置、计算机设备和存储介质 | |
CN110709938A (zh) | 用于生成患者数字孪生的方法和系统 | |
CN112035674B (zh) | 导诊数据获取方法、装置、计算机设备和存储介质 | |
CN109065183B (zh) | 问诊对话模板生成及问诊数据获取方法、装置 | |
CN111986744B (zh) | 医疗机构的患者界面生成方法、装置、电子设备及介质 | |
WO2021139477A1 (zh) | 智能就医方法、装置、计算机设备及存储介质 | |
WO2022134357A1 (zh) | 分诊数据处理方法、装置、计算机设备及存储介质 | |
CN113409907A (zh) | 一种基于互联网医院的智能预问诊方法及系统 | |
CN115862831B (zh) | 一种智能在线预约诊疗管理系统及方法 | |
CN112447270A (zh) | 一种用药推荐方法、装置、设备及存储介质 | |
CN112562808A (zh) | 患者画像的生成方法、装置、电子设备及存储介质 | |
CN113707304B (zh) | 分诊数据处理方法、装置、设备及存储介质 | |
CN113707323B (zh) | 基于机器学习的疾病预测方法、装置、设备及介质 | |
US20240006039A1 (en) | Medical structured reporting workflow assisted by natural language processing techniques | |
CN115831298A (zh) | 基于医院管理信息系统的临床试验患者招募方法及装置 | |
CN115662562A (zh) | 病历诊疗数据管理方法、装置、设备及存储介质 | |
CN113990514A (zh) | 医师诊疗行为的异常检测装置、计算机设备及存储介质 | |
CN115700826A (zh) | 单据处理、单据展示方法、装置、计算机设备和存储介质 | |
Arunraja et al. | POSTGRESQL based monitoring and controlling the parameters for patients | |
Anitha et al. | Virtual Medical Assistant Using Machine Learning | |
CN111400759A (zh) | 访视时间表生成方法及装置、存储介质、电子设备 | |
Pivithuru et al. | E-patient Card: An Integrated Electronic Health Recording System for Patient |
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 |