CN109036570B - 超声科非病历内容的过滤方法及系统 - Google Patents
超声科非病历内容的过滤方法及系统 Download PDFInfo
- Publication number
- CN109036570B CN109036570B CN201810548693.6A CN201810548693A CN109036570B CN 109036570 B CN109036570 B CN 109036570B CN 201810548693 A CN201810548693 A CN 201810548693A CN 109036570 B CN109036570 B CN 109036570B
- Authority
- CN
- China
- Prior art keywords
- content
- filtered
- filtering
- ultrasound department
- ultrasound
- 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
Images
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
- 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
- G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
Landscapes
- Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Data Mining & Analysis (AREA)
- Health & Medical Sciences (AREA)
- Public Health (AREA)
- Pathology (AREA)
- Databases & Information Systems (AREA)
- Biomedical Technology (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Ultra Sonic Daignosis Equipment (AREA)
- Information Transfer Between Computers (AREA)
Abstract
本发明公开了一种超声科非病历内容的过滤方法及系统,通过获取超声科过滤模型;基于获取的所述超声科过滤模型,接收输入的待过滤内容;识别输入的所述待过滤内容是否符合预设超声科规则;若所述待过滤内容符合预设超声科规则,则判断所述待过滤内容为超声内容;若所述待过滤内容不符合预设超声科规则,则按照预设过滤规则,将所述待过滤内容中的非病历内容进行过滤;具有自动过滤超声科无需记录到超声报告中的非病历内容的有益效果,提高了超声科非病历内容的过滤的准确性,降低了超声科非病历内容的过滤成本。
Description
技术领域
本发明涉及数据处理技术领域,特别涉及一种超声科非病历内容的过滤方法及系统。
背景技术
当超声科语音输入设备一直处于唤醒状态时,能够自动过滤掉医生或者患者讲的不需要填入超声报告中的内容,但这种超声科非病历内容的自动过滤器,对不同医院的适应很难实现。还有一种处理方式是:通过从超声科录音或者获取医生的文本记录或者病人病历的文本,并将不需要填入超声报告中的内容进行标记来实现,采用这种超声科非病历内容的过滤,能够满足不同医院的不同需求,但处理成本太高。
发明内容
本发明提供一种超声科非病历内容的过滤方法及系统,用以自动过滤超声科无需记录到超声报告中的非病历内容。
本发明提供了一种超声科非病历内容的过滤方法,所述超声科非病历内容的过滤方法包括:
获取超声科过滤模型;
基于获取的所述超声科过滤模型,接收输入的待过滤内容;
识别输入的所述待过滤内容是否符合预设超声科规则;
若所述待过滤内容符合预设超声科规则,则判断所述待过滤内容为超声内容;
若所述待过滤内容不符合预设超声科规则,则按照预设过滤规则,将所述待过滤内容中的非病历内容进行过滤。
优选地,所述获取超声科过滤模型,包括:
获取历史超声科报告内容,训练超声科内容对应的语言模型;
利用人人对话的历史语料数据和非超声科病历的其他历史病历数据,训练所述语言模型,得到超声科语言模型和非超声科语言模型。
优选地,所述按照预设过滤规则,将所述待过滤内容中的非病历内容进行过滤,包括:
将所述待过滤内容分别输入所述超声科语言模型和非超声科语言模型,计算得到所述待过滤内容出现的概率值p1和p2;
计算所述待过滤内容在所述超声科语言模型中的占比值score:
score=p1/(p1+p2);
将得到的占比值score与预设阈值进行比较;
若所述占比值score大于或者等于所述预设阈值,则判断所述待过滤内容为超声内容;
若所述占比值score小于所述预设阈值,则判断所述待过滤内容为非超声内容,并将所述待过滤内容进行滤除。
优选地,所述预设阈值的取值根据历史判断数据按照预设周期进行自动调整;
或者,所述预设阈值根据人工输入的值进行设置。
优选地,所述超声科非病历内容的过滤方法还包括:
将所述待过滤内容中的超声内容记录至超声报告中。
对应于以上所提供的一种超声科非病历内容的过滤方法,本发明还提供了一种超声科非病历内容的过滤系统,所述超声科非病历内容的过滤系统包括:
模型获取模块,用于获取超声科过滤模型;
内容输入模块,用于基于获取的所述超声科过滤模型,接收输入的待过滤内容;
内容过滤模块,用于:
识别输入的所述待过滤内容是否符合预设超声科规则;
若所述待过滤内容符合预设超声科规则,则判断所述待过滤内容为超声内容;
若所述待过滤内容不符合预设超声科规则,则按照预设过滤规则,将所述待过滤内容中的非病历内容进行过滤。
优选地,所述模型获取模块用于:
获取历史超声科报告内容,训练超声科内容对应的语言模型;
利用人人对话的历史语料数据和非超声科病历的其他历史病历数据,训练所述语言模型,得到超声科语言模型和非超声科语言模型。
优选地,所述内容过滤模块用于:
将所述待过滤内容分别输入所述超声科语言模型和非超声科语言模型,计算得到所述待过滤内容出现的概率值p1和p2;
计算所述待过滤内容在所述超声科语言模型中的占比值score:
score=p1/(p1+p2);
将得到的占比值score与预设阈值进行比较;
若所述占比值score大于或者等于所述预设阈值,则判断所述待过滤内容为超声内容;
若所述占比值score小于所述预设阈值,则判断所述待过滤内容为非超声内容,并将所述待过滤内容进行滤除。
优选地,所述预设阈值的取值根据历史判断数据按照预设周期进行自动调整;
或者,所述预设阈值根据人工输入的值进行设置。
优选地,所述超声科非病历内容的过滤系统还包括:
内容记录模块,用于将所述待过滤内容中的超声内容记录至超声报告中。
本发明一种超声科非病历内容的过滤方法及系统可以达到如下有益效果:
通过获取超声科过滤模型;基于获取的所述超声科过滤模型,接收输入的待过滤内容;识别输入的所述待过滤内容是否符合预设超声科规则;若所述待过滤内容符合预设超声科规则,则判断所述待过滤内容为超声内容;若所述待过滤内容不符合预设超声科规则,则按照预设过滤规则,将所述待过滤内容中的非病历内容进行过滤;具有自动过滤超声科无需记录到超声报告中的非病历内容的有益效果,提高了超声科非病历内容的过滤的准确性,降低了超声科非病历内容的过滤成本。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所指出的内容来实现和获得。
下面通过附图和实施例,对本发明的技术方案做进一步描述。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。在附图中:
图1是本发明超声科非病历内容的过滤方法的一种实施方式的流程示意图;
图2是本发明超声科非病历内容的过滤方法的另一种实施方式的流程示意图;
图3是本发明超声科非病历内容的过滤系统的一种实施方式的功能模块示意图;
图4是本发明超声科非病历内容的过滤系统的另一种实施方式的功能模块示意图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明,应当理解,此处所描述的优选实施例仅用于说明和解释本发明,并不用于限定本发明。
本发明提供一种超声科非病历内容的过滤方法及系统,用以自动过滤超声科无需记录到超声报告中的非病历内容,提高超声科非病历内容的过滤的准确性,降低超声科非病历内容的过滤成本。
如图1所示,图1是本发明超声科非病历内容的过滤方法的一种实施方式的流程示意图;本发明一种超声科非病历内容的过滤方法可以实施为如下描述的步骤S10-S50:
步骤S10、获取超声科过滤模型;
本发明实施例中,超声科非病历内容的过滤系统(以下简称为“过滤系统”)可以通过如下方式获取超声科过滤模型:
直接接收用户输入的已训练好的预设超声科过滤模型;其中,已训练好的预设超声过滤模型可以理解为:用户根据具体的应用场景,利用大量历史数据所总结获取的其过滤准确率达到一定标准(例如,过滤准确率达到85%以上)的超声科过滤模型;
或者,过滤系统获取历史超声科报告内容,训练超声科内容对应的语言模型;利用人人对话的历史语料数据和非超声科病历的其他历史病历内容所对应的数据,训练所述语言模型,得到超声科语言模型和非超声科语言模型。可以简单的理解为:超声科语言模型用于识别输入内容是否满足超声科语言规则,非超声科语言模型用于识别输入内容是否满足非超声科语言规则。
步骤S20、基于获取的所述超声科过滤模型,接收输入的待过滤内容;
步骤S30、识别输入的所述待过滤内容是否符合预设超声科规则;
若所述待过滤内容符合预设超声科规则,则执行步骤S40;
若所述待过滤内容不符合预设超声科规则,则执行步骤S50;
步骤S40、判断所述待过滤内容为超声内容;
步骤S50、按照预设过滤规则,将所述待过滤内容中的非病历内容进行过滤。
根据获取的上述超声科过滤模型,过滤系统接收输入的待过滤内容,并对待过滤内容进行识别,判断上述待过滤内容是否符合预设的超声科规则;若输入的待过滤内容直接符合预先设定的某一个超声科规则,过滤系统则判断该输入的待过滤内容为超声内容,不对其进行过滤;若输入的待过滤内容不符合预设超声规则,则过滤系统可以采用如下方式进行进一步识别:
过滤系统将输入的上述待过滤内容分别输入所述超声科语言模型和非超声科语言模型,计算得到所述待过滤内容出现的概率值p1和p2;根据上述待过滤内容出现的概率值p1和p2,按照如下计算公式:
score=p1/(p1+p2);计算上述待过滤内容在所述超声科语言模型中的占比值score。将得到的占比值score与预设阈值进行比较;若所述占比值score大于或者等于所述预设阈值,过滤系统则判断所述待过滤内容为超声内容;若所述占比值score小于所述预设阈值,则判断所述待过滤内容为非超声内容,将判断为非超声内容的上述待过滤内容进行滤除。如此一来,上述非超声内容对应的待过滤内容,在后续操作过程中将不会被记录至对应的超声报告中。
在本发明实施例中,所描述的预设阈值的取值可以根据历史判断数据,按照预设周期进行自动调整;或者,所述预设阈值根据人工输入的值进行设置。也可以理解为:该预设阈值的调整可以根据过滤系统所具体部署的应用环境(例如某医院)的超声科中超声内容的比例,进行人工或者自动调整。
在本发明一优选的实施例中,如图2所示,图2是本发明超声科非病历内容的过滤方法的另一种实施方式的流程示意图;本发明一种超声科非病历内容的过滤方法在图1所述实施例的步骤S40和步骤S50以后,还可以实施如下描述的步骤S60:
步骤S60、将所述待过滤内容中的超声内容记录至超声报告中。
为了节约时间成本,提高效率,过滤系统可以将待过滤内容中识别出的超声内容,直接记录至超声报告的相应位置处,从而作为超声报告的一部分内容进行记录和保存。
本发明超声科非病历内容的过滤方法通过获取超声科过滤模型;基于获取的所述超声科过滤模型,接收输入的待过滤内容;识别输入的所述待过滤内容是否符合预设超声科规则;若所述待过滤内容符合预设超声科规则,则判断所述待过滤内容为超声内容;若所述待过滤内容不符合预设超声科规则,则按照预设过滤规则,将所述待过滤内容中的非病历内容进行过滤;具有自动过滤超声科无需记录到超声报告中的非病历内容的有益效果,提高了超声科非病历内容的过滤的准确性,降低了超声科非病历内容的过滤成本。
基于图1和图2所述实施例针对本发明超声科非病历内容的过滤方法的描述,本发明还提供了一种超声科非病历内容的过滤系统,所描述的超声科非病历内容的过滤系统,能够执行图1和图2所述实施例描述的超声科非病历内容的过滤方法。如图3所示,图3是本发明超声科非病历内容的过滤系统的一种实施方式的功能模块示意图,本发明超声科非病历内容的过滤系统包括:
模型获取模块100:用于获取超声科过滤模型;
内容输入模块200,用于基于获取的所述超声科过滤模型,接收输入的待过滤内容;
内容过滤模块300,用于:
识别输入的所述待过滤内容是否符合预设超声科规则;
若所述待过滤内容符合预设超声科规则,则判断所述待过滤内容为超声内容;
若所述待过滤内容不符合预设超声科规则,则按照预设过滤规则,将所述待过滤内容中的非病历内容进行过滤。
在本发明一优选的实施例中,所述模型获取模块100用于:
获取历史超声科报告内容,训练超声科内容对应的语言模型;
利用人人对话的历史语料数据和非超声科病历的其他历史病历数据,训练所述语言模型,得到超声科语言模型和非超声科语言模型。
在本发明一优选的实施例中,所述内容过滤模块300用于:
将所述待过滤内容分别输入所述超声科语言模型和非超声科语言模型,计算得到所述待过滤内容出现的概率值p1和p2;
计算所述待过滤内容在所述超声科语言模型中的占比值score:
score=p1/(p1+p2);
将得到的占比值score与预设阈值进行比较;
若所述占比值score大于或者等于所述预设阈值,则判断所述待过滤内容为超声内容;
若所述占比值score小于所述预设阈值,则判断所述待过滤内容为非超声内容,并将所述待过滤内容进行滤除。
在本发明一优选的实施例中,所述预设阈值的取值根据历史判断数据按照预设周期进行自动调整;
或者,所述预设阈值根据人工输入的值进行设置。
在本发明一优选的实施例中,如图4所示,图4是本发明超声科非病历内容的过滤系统的另一种实施方式的功能模块示意图,本发明所描述的一种超声科非病历内容的过滤系统还包括:
内容记录模块400,用于将所述待过滤内容中的超声内容记录至超声报告中。
本发明超声科非病历内容的过滤系统通过获取超声科过滤模型;基于获取的所述超声科过滤模型,接收输入的待过滤内容;识别输入的所述待过滤内容是否符合预设超声科规则;若所述待过滤内容符合预设超声科规则,则判断所述待过滤内容为超声内容;若所述待过滤内容不符合预设超声科规则,则按照预设过滤规则,将所述待过滤内容中的非病历内容进行过滤;具有自动过滤超声科无需记录到超声报告中的非病历内容的有益效果,提高了超声科非病历内容的过滤的准确性,降低了超声科非病历内容的过滤成本。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (8)
1.一种超声科非病历内容的过滤方法,其特征在于,所述超声科非病历内容的过滤方法包括:
获取超声科过滤模型;
基于获取的所述超声科过滤模型,接收输入的待过滤内容;
识别输入的所述待过滤内容是否符合预设超声科规则;
若所述待过滤内容符合预设超声科规则,则判断所述待过滤内容为超声内容;
若所述待过滤内容不符合预设超声科规则,则按照预设过滤规则,将所述待过滤内容中的非病历内容进行过滤;包括:
将所述待过滤内容分别输入所述超声科语言模型和非超声科语言模型,计算得到所述待过滤内容出现的概率值p1和p2;
计算所述待过滤内容在所述超声科语言模型中的占比值score:
score=p1/(p1+p2);
将得到的占比值score与预设阈值进行比较;
若所述占比值score大于或者等于所述预设阈值,则判断所述待过滤内容为超声内容;
若所述占比值score小于所述预设阈值,则判断所述待过滤内容为非超声内容,并将所述待过滤内容进行滤除。
2.如权利要求1所述的超声科非病历内容的过滤方法,其特征在于,所述获取超声科过滤模型,包括:
获取历史超声科报告内容,训练超声科内容对应的语言模型;
利用人人对话的历史语料数据和非超声科病历的其他历史病历数据,训练所述语言模型,得到超声科语言模型和非超声科语言模型。
3.如权利要求1所述的超声科非病历内容的过滤方法,其特征在于,所述预设阈值的取值根据历史判断数据按照预设周期进行自动调整;
或者,所述预设阈值根据人工输入的值进行设置。
4.如权利要求1或2所述的超声科非病历内容的过滤方法,其特征在于,所述超声科非病历内容的过滤方法还包括:
将所述待过滤内容中的超声内容记录至超声报告中。
5.一种超声科非病历内容的过滤系统,其特征在于,所述超声科非病历内容的过滤系统包括:
模型获取模块,用于获取超声科过滤模型;
内容输入模块,用于基于获取的所述超声科过滤模型,接收输入的待过滤内容;
内容过滤模块,用于:
识别输入的所述待过滤内容是否符合预设超声科规则;
若所述待过滤内容符合预设超声科规则,则判断所述待过滤内容为超声内容;
若所述待过滤内容不符合预设超声科规则,则按照预设过滤规则,将所述待过滤内容中的非病历内容进行过滤;
将所述待过滤内容分别输入所述超声科语言模型和非超声科语言模型,计算得到所述待过滤内容出现的概率值p1和p2;
计算所述待过滤内容在所述超声科语言模型中的占比值score:
score=p1/(p1+p2);
将得到的占比值score与预设阈值进行比较;
若所述占比值score大于或者等于所述预设阈值,则判断所述待过滤内容为超声内容;
若所述占比值score小于所述预设阈值,则判断所述待过滤内容为非超声内容,并将所述待过滤内容进行滤除。
6.如权利要求5所述的超声科非病历内容的过滤系统,其特征在于,所述模型获取模块用于:
获取历史超声科报告内容,训练超声科内容对应的语言模型;
利用人人对话的历史语料数据和非超声科病历的其他历史病历数据,训练所述语言模型,得到超声科语言模型和非超声科语言模型。
7.如权利要求5所述的超声科非病历内容的过滤系统,其特征在于,所述预设阈值的取值根据历史判断数据按照预设周期进行自动调整;
或者,所述预设阈值根据人工输入的值进行设置。
8.如权利要求5或6所述的超声科非病历内容的过滤系统,其特征在于,所述超声科非病历内容的过滤系统还包括:
内容记录模块,用于将所述待过滤内容中的超声内容记录至超声报告中。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810548693.6A CN109036570B (zh) | 2018-05-31 | 2018-05-31 | 超声科非病历内容的过滤方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810548693.6A CN109036570B (zh) | 2018-05-31 | 2018-05-31 | 超声科非病历内容的过滤方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109036570A CN109036570A (zh) | 2018-12-18 |
CN109036570B true CN109036570B (zh) | 2021-08-31 |
Family
ID=64611715
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810548693.6A Active CN109036570B (zh) | 2018-05-31 | 2018-05-31 | 超声科非病历内容的过滤方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109036570B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1338908A (zh) * | 1999-10-01 | 2002-03-06 | 皇家菲利浦电子有限公司 | 具有话音通信的超声波诊断成像系统 |
CN101345720A (zh) * | 2008-08-15 | 2009-01-14 | 浙江大学 | 基于部分匹配预测的垃圾邮件分类方法 |
CN101877837A (zh) * | 2009-04-30 | 2010-11-03 | 华为技术有限公司 | 一种短信过滤的方法和装置 |
CN102129575A (zh) * | 2011-03-24 | 2011-07-20 | 成都四方信息技术有限公司 | 一种基于颜色空间肤色模型的色情图像分析系统 |
CN204129737U (zh) * | 2014-05-20 | 2015-01-28 | 北京安慧音通科技有限责任公司 | 超声报告语音录入系统 |
CN107153642A (zh) * | 2017-05-16 | 2017-09-12 | 华北电力大学 | 一种基于神经网络识别文本评论情感倾向的分析方法 |
CN107239440A (zh) * | 2017-04-21 | 2017-10-10 | 同盾科技有限公司 | 一种垃圾文本识别方法和装置 |
CN207020989U (zh) * | 2017-06-29 | 2018-02-16 | 中国人民解放军总医院 | 一种超声报告生成系统 |
CN107807914A (zh) * | 2016-09-09 | 2018-03-16 | 阿里巴巴集团控股有限公司 | 情感倾向的识别方法、对象分类方法及数据处理系统 |
-
2018
- 2018-05-31 CN CN201810548693.6A patent/CN109036570B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1338908A (zh) * | 1999-10-01 | 2002-03-06 | 皇家菲利浦电子有限公司 | 具有话音通信的超声波诊断成像系统 |
CN101345720A (zh) * | 2008-08-15 | 2009-01-14 | 浙江大学 | 基于部分匹配预测的垃圾邮件分类方法 |
CN101877837A (zh) * | 2009-04-30 | 2010-11-03 | 华为技术有限公司 | 一种短信过滤的方法和装置 |
CN102129575A (zh) * | 2011-03-24 | 2011-07-20 | 成都四方信息技术有限公司 | 一种基于颜色空间肤色模型的色情图像分析系统 |
CN204129737U (zh) * | 2014-05-20 | 2015-01-28 | 北京安慧音通科技有限责任公司 | 超声报告语音录入系统 |
CN107807914A (zh) * | 2016-09-09 | 2018-03-16 | 阿里巴巴集团控股有限公司 | 情感倾向的识别方法、对象分类方法及数据处理系统 |
CN107239440A (zh) * | 2017-04-21 | 2017-10-10 | 同盾科技有限公司 | 一种垃圾文本识别方法和装置 |
CN107153642A (zh) * | 2017-05-16 | 2017-09-12 | 华北电力大学 | 一种基于神经网络识别文本评论情感倾向的分析方法 |
CN207020989U (zh) * | 2017-06-29 | 2018-02-16 | 中国人民解放军总医院 | 一种超声报告生成系统 |
Non-Patent Citations (1)
Title |
---|
超声检查报告语音识别与录入系统临床研究;栗小艳;《中国优秀硕士学位小论文全文数据库 医学卫生科技辑》;20160115(第01期);第01期 * |
Also Published As
Publication number | Publication date |
---|---|
CN109036570A (zh) | 2018-12-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109003648B (zh) | 口腔门诊语音电子病历生成方法和计算机可读存储介质 | |
CN109545394B (zh) | 一种问诊方法及装置 | |
US20220172810A1 (en) | Automated Code Feedback System | |
US9931084B2 (en) | Methods and systems for improving patient engagement via medical avatars | |
CN106663136B (zh) | 用于基于书面推荐对健康护理随诊预约进行排程的系统和方法 | |
JP2014526074A (ja) | 口述ベース文書生成ワークフローにおける文書拡張 | |
US20190272921A1 (en) | Automated Diagnostic Support System for Clinical Documentation Workflows | |
CN110600094A (zh) | 一种电子病历的智能书写方法及系统 | |
CN109036570B (zh) | 超声科非病历内容的过滤方法及系统 | |
US20210174500A1 (en) | Interactive coronary labeling using interventional x-ray images and deep learning | |
CN104951665A (zh) | 一种推荐药品的方法和系统 | |
CN116884648A (zh) | 基于中医问诊的语音交互优化方法、装置、设备及介质 | |
CN112420167A (zh) | 影像报告的生成方法、装置及设备 | |
CN114972241A (zh) | 基于残差神经网络胎儿超声切面量化质控考核方法及装置 | |
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 | |
CN114743693A (zh) | 基于医患对话的诊中质控方法以及诊中质控装置 | |
CN110767282A (zh) | 一种健康档案生成方法、装置以及计算机可读存储介质 | |
CN210121295U (zh) | 自动体外除颤器 | |
CN111434362A (zh) | 自动体外除颤器的数据处理方法和自动体外除颤器 | |
US20160092401A1 (en) | Document Generation Methods and Systems | |
CN111724893B (zh) | 医疗影像辨识装置及医疗影像辨识方法 | |
CN117133399A (zh) | 基于大语言模型的手术报告生成系统及其工作方法 | |
CN117159369A (zh) | 一种指压止血点定位方法和设备 | |
DE102019213000A1 (de) | Durchführen von medizinischen Aufgaben basierend auf unvollständigen oder fehlerhaften Daten | |
CN117789930A (zh) | 面向网络用户心理健康的人工智能治理方法和机器人 |
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 | ||
CB02 | Change of applicant information | ||
CB02 | Change of applicant information |
Address after: Room 101, 1st floor, building 1, Xisanqi building materials City, Haidian District, Beijing 100096 Applicant after: Yunzhisheng Intelligent Technology Co.,Ltd. Address before: 12 / F, Guanjie building, building 1, No. 16, Taiyanggong Middle Road, Chaoyang District, Beijing Applicant before: BEIJING UNISOUND INFORMATION TECHNOLOGY Co.,Ltd. |
|
GR01 | Patent grant | ||
GR01 | Patent grant |