CN108986925A - 语音医嘱深度学习方法 - Google Patents
语音医嘱深度学习方法 Download PDFInfo
- Publication number
- CN108986925A CN108986925A CN201810735613.8A CN201810735613A CN108986925A CN 108986925 A CN108986925 A CN 108986925A CN 201810735613 A CN201810735613 A CN 201810735613A CN 108986925 A CN108986925 A CN 108986925A
- Authority
- CN
- China
- Prior art keywords
- doctor
- advice
- voice
- text data
- patient
- 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.)
- Withdrawn
Links
- 238000000034 method Methods 0.000 title claims abstract description 17
- 238000013135 deep learning Methods 0.000 title claims abstract description 14
- 230000008859 change Effects 0.000 claims abstract description 13
- 230000001225 therapeutic effect Effects 0.000 claims abstract description 10
- 238000006243 chemical reaction Methods 0.000 claims description 6
- 238000000605 extraction Methods 0.000 claims description 3
- 238000011946 reduction process Methods 0.000 claims description 3
- 201000010099 disease Diseases 0.000 claims description 2
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims description 2
- 239000003814 drug Substances 0.000 description 6
- 230000037213 diet Effects 0.000 description 5
- 235000005911 diet Nutrition 0.000 description 5
- 229940079593 drug Drugs 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 238000009412 basement excavation Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 238000006467 substitution reaction 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
- G16H80/00—ICT specially adapted for facilitating communication between medical practitioners or patients, e.g. for collaborative diagnosis, therapy or health monitoring
-
- 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
-
- 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
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- Biomedical Technology (AREA)
- Pathology (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Epidemiology (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Computational Linguistics (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- Acoustics & Sound (AREA)
- Multimedia (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明公开了语音医嘱深度学习方法，包括依以下步骤：采集语音医嘱；将语音医嘱转换成文本数据并将文本数据存储起来；提取文本数据中的关键词汇，将不同时期针对同一病人的医嘱中提取的关键词汇进行分类，将相同的关键词汇归为同一类；根据同一类关键词汇中的变量，制定出对应的图表；存储并输出制定出对应的图表，结合制定出对应的图表监督病人的病情变化情况并做出适合病人的治疗方案。本发明将医嘱录成语音，减少了医师的工作量。
Description
技术领域
本发明涉及一种语音学习方法，具体涉及语音医嘱深度学习方法。
背景技术
医嘱，就是医生根据病情和治疗的需要对病人在饮食、用药、化验等方面的指示。医嘱是指医师在医疗活动中下达的医学指令。医嘱内容及起始、停止时间应当由医师书写。医嘱内容应当准确、清楚，每项医嘱应当只包含一个内容，并注明下达时间，应当具体到分钟。分为长期医嘱、临时医嘱和备用医嘱三类。
医嘱只能够作为病人在饮食、用药、化验等方面的指示，现有医嘱都是医师手写，容易出现医嘱内容不清楚的情况系，此外，医嘱对病人病情变化及治疗效果的监管没有任何实质上的作用。
发明内容
本发明所要解决的技术问题是医师手写的医嘱容易出现内容不清楚的情况而且对病人病情变化及治疗效果的监管没有任何实质上的作用，目的在于提供语音医嘱深度学习方法，解决医师手写的医嘱容易出现内容不清楚的情况而且对病人病情变化及治疗效果的监管没有任何实质上的作用的问题。
本发明通过下述技术方案实现：
语音医嘱深度学习方法，包括依以下步骤：
S1、采集语音医嘱；
S2、将步骤S1中的语音医嘱转换成文本数据并将文本数据存储起来；
S3、提取文本数据中的关键词汇，将不同时期针对同一病人的医嘱中提取的关键词汇进行分类，将相同的关键词汇归为同一类；
S4、根据同一类关键词汇中的变量，制定出对应的图表；
S5、存储并输出步骤S4中制定出对应的图表，结合步骤S4中制定出对应的图表监督病人的病情变化情况并做出适合病人的治疗方案。
本发明将医嘱录成语音，减少了医师的工作量；不需要手写，语音转换的文本字迹清楚，不会影响医嘱的完整性及正确性；本发明对医嘱进行深入挖掘，对同一病人不同时期的医嘱进行了分析，提取出了医嘱的变化数据，并将所述数据制定成了图表，便于医师分析病人的病情变化，能够根据病人的病情变化情况调节病人的治疗方案；本发明开拓了语音医嘱更加深入的功能，不仅仅只是作为病人在饮食、用药、化验等方面的指示，有利于病人的治疗。
步骤S2中在对语音医嘱进行文本数据转换前，对语音医嘱进行降噪处理。
步骤S2中语音医嘱转换成文本数据后，将所述文本数据与对应的时间、对应的病人信息关联后再进行存储。
步骤S2中语音医嘱转换成文本数据后，对文本数据进行纠错后再进行存储。
步骤S1中采集语音医嘱的同时采集输入该语音医嘱的医师信息，并将语音医嘱与对应医师关联起来。
本发明与现有技术相比，具有如下的优点和有益效果：
1、本发明语音医嘱深度学习方法将医嘱录成语音，减少了医师的工作量；不需要手写，语音转换的文本字迹清楚，不会影响医嘱的完整性及正确性；
2、本发明语音医嘱深度学习方法对医嘱进行深入挖掘，对同一病人不同时期的医嘱进行了分析，提取出了医嘱的变化数据，并将所述数据制定成了图表，便于医师分析病人的病情变化，能够根据病人的病情变化情况调节病人的治疗方案；
3、本发明语音医嘱深度学习方法开拓了语音医嘱更加深入的功能，不仅仅只是作为病人在饮食、用药、化验等方面的指示，有利于病人的治疗。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白，下面结合实施例，对本发明作进一步的详细说明，本发明的示意性实施方式及其说明仅用于解释本发明，并不作为对本发明的限定。
实施例1
本发明语音医嘱深度学习方法，包括依以下步骤：
S1、采集语音医嘱；
S2、将步骤S1中的语音医嘱转换成文本数据并将文本数据存储起来；
S3、提取文本数据中的关键词汇，将不同时期针对同一病人的医嘱中提取的关键词汇进行分类，将相同的关键词汇归为同一类；
S4、根据同一类关键词汇中的变量，制定出对应的图表；
S5、存储并输出步骤S4中制定出对应的图表，结合步骤S4中制定出对应的图表监督病人的病情变化情况并做出适合病人的治疗方案。
步骤S2中在对语音医嘱进行文本数据转换前，对语音医嘱进行降噪处理。步骤S2中语音医嘱转换成文本数据后，将所述文本数据与对应的时间、对应的病人信息关联后再进行存储。步骤S2中语音医嘱转换成文本数据后，对文本数据进行纠错后再进行存储。步骤S1中采集语音医嘱的同时采集输入该语音医嘱的医师信息，并将语音医嘱与对应医师关联起来。
本发明将医嘱录成语音，减少了医师的工作量；不需要手写，语音转换的文本字迹清楚，不会影响医嘱的完整性及正确性；本发明对医嘱进行深入挖掘，对同一病人不同时期的医嘱进行了分析，提取出了医嘱的变化数据，并将所述数据制定成了图表，便于医师分析病人的病情变化，能够根据病人的病情变化情况调节病人的治疗方案；本发明开拓了语音医嘱更加深入的功能，不仅仅只是作为病人在饮食、用药、化验等方面的指示，有利于病人的治疗。
以上所述的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施方式而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (5)
1.语音医嘱深度学习方法，其特征在于，包括依以下步骤：
S1、采集语音医嘱；
S2、将步骤S1中的语音医嘱转换成文本数据并将文本数据存储起来；
S3、提取文本数据中的关键词汇，将不同时期针对同一病人的医嘱中提取的关键词汇进行分类，将相同的关键词汇归为同一类；
S4、根据同一类关键词汇中的变量，制定出对应的图表；
S5、存储并输出步骤S4中制定出对应的图表，结合步骤S4中制定出对应的图表监督病人的病情变化情况并做出适合病人的治疗方案。
2.根据权利要求1所述的语音医嘱深度学习方法，其特征在于，步骤S2中在对语音医嘱进行文本数据转换前，对语音医嘱进行降噪处理。
3.根据权利要求1所述的语音医嘱深度学习方法，其特征在于，步骤S2中语音医嘱转换成文本数据后，将所述文本数据与对应的时间、对应的病人信息关联后再进行存储。
4.根据权利要求1所述的语音医嘱深度学习方法，其特征在于，步骤S2中语音医嘱转换成文本数据后，对文本数据进行纠错后再进行存储。
5.根据权利要求1所述的语音医嘱深度学习方法，其特征在于，步骤S1中采集语音医嘱的同时采集输入该语音医嘱的医师信息，并将语音医嘱与对应医师关联起来。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810735613.8A CN108986925A (zh) | 2018-07-06 | 2018-07-06 | 语音医嘱深度学习方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810735613.8A CN108986925A (zh) | 2018-07-06 | 2018-07-06 | 语音医嘱深度学习方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN108986925A true CN108986925A (zh) | 2018-12-11 |
Family
ID=64536298
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810735613.8A Withdrawn CN108986925A (zh) | 2018-07-06 | 2018-07-06 | 语音医嘱深度学习方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108986925A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111883225A (zh) * | 2020-07-07 | 2020-11-03 | 北京德良医国际心血管医学研究院 | 医嘱信息处理方法、系统及存储介质 |
-
2018
- 2018-07-06 CN CN201810735613.8A patent/CN108986925A/zh not_active Withdrawn
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111883225A (zh) * | 2020-07-07 | 2020-11-03 | 北京德良医国际心血管医学研究院 | 医嘱信息处理方法、系统及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106682397A (zh) | 一种基于知识的电子病历质控方法 | |
| CN107526932A (zh) | 科室挂号指导方法和终端设备 | |
| CN103530840A (zh) | 一种准确快速的电子病历录入系统 | |
| Wang et al. | The nature of the homophone density effect: An ERP study with Chinese spoken monosyllable homophones | |
| CN110610751A (zh) | 一种电子病历录入系统及方法 | |
| CN108320808A (zh) | 病历分析方法和装置、设备、计算机可读存储介质 | |
| Baur et al. | eXplainable cooperative machine learning with NOVA | |
| CN106844351A (zh) | 一种面向多数据源的医疗机构组织类实体识别方法及装置 | |
| CN103513781A (zh) | 一种准确快速的电子病历录入系统 | |
| Ullah et al. | An End‐to‐End Cardiac Arrhythmia Recognition Method with an Effective DenseNet Model on Imbalanced Datasets Using ECG Signal | |
| CN207367596U (zh) | 一种医疗文书记录系统 | |
| CN115472252A (zh) | 基于对话的电子病历生成方法、装置、设备和存储介质 | |
| CN108986925A (zh) | 语音医嘱深度学习方法 | |
| CN103544383A (zh) | 一种基于标准术语的电子病历快速录入系统 | |
| Rose et al. | The Phonbank database within Talkbank, and a practical overview of the Phon program | |
| Liu et al. | Multiscale-multichannel feature extraction and classification through one-dimensional convolutional neural network for Speech emotion recognition | |
| CN107705849A (zh) | 远程会诊意见整合方法和装置 | |
| CN103544384A (zh) | 一种基于递增式术语库的电子病历快速录入系统 | |
| WO2020084529A1 (en) | Applying machine learning to scribe input to improve data accuracy | |
| CN109859811A (zh) | 一种门诊病历智能输入系统 | |
| CN111180076B (zh) | 一种基于多层语义分析的医疗信息提取方法 | |
| CN109036418A (zh) | 医师用语音医嘱识别方法 | |
| CN112712868A (zh) | 医学数据的分析方法、装置及存储介质 | |
| CN108062291A (zh) | 多媒体内容智能转换为词条结构的方法和系统 | |
| CN111881692A (zh) | 基于多训练目标的机构实体抽取方法、系统及装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| WW01 | Invention patent application withdrawn after publication |
Application publication date: 20181211 |
|
| WW01 | Invention patent application withdrawn after publication |