CN109256206A - 问诊数据处理方法、装置、计算机设备和存储介质 - Google Patents

问诊数据处理方法、装置、计算机设备和存储介质 Download PDF

Info

Publication number
CN109256206A
CN109256206A CN201810925281.XA CN201810925281A CN109256206A CN 109256206 A CN109256206 A CN 109256206A CN 201810925281 A CN201810925281 A CN 201810925281A CN 109256206 A CN109256206 A CN 109256206A
Authority
CN
China
Prior art keywords
interrogation
case history
mark
auxiliary
data
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.)
Granted
Application number
CN201810925281.XA
Other languages
English (en)
Other versions
CN109256206B (zh
Inventor
王玉婷
胡雪莹
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.)
Ping An Medical and Healthcare Management Co Ltd
Original Assignee
Ping An Medical and Healthcare Management 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 Ping An Medical and Healthcare Management Co Ltd filed Critical Ping An Medical and Healthcare Management Co Ltd
Priority to CN201810925281.XA priority Critical patent/CN109256206B/zh
Publication of CN109256206A publication Critical patent/CN109256206A/zh
Application granted granted Critical
Publication of CN109256206B publication Critical patent/CN109256206B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G16INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16HHEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/20ICT 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
    • GPHYSICS
    • G16INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16HHEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/70ICT 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
    • YGENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02ATECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • Data Mining & Analysis (AREA)
  • Biomedical Technology (AREA)
  • Databases & Information Systems (AREA)
  • Pathology (AREA)
  • Epidemiology (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Medical Treatment And Welfare Office Work (AREA)

Abstract

本申请涉及一种问诊数据处理方法、装置、计算机设备和存储介质。所述方法包括:获取服务终端发送的问诊数据;问诊数据包括个人数据和主症状标识;筛选出与个人数据和主症状标识匹配的辅助问诊病历;在筛选出的辅助问诊病历中,提取多个伴随症标识;从多个伴随症标识中选取待问诊标识;根据待问诊标识生成对应的问诊路径,将问诊路径发送至服务终端。采用本方法能够基于海量数据在问诊过程中全面覆盖问诊要点。

Description

问诊数据处理方法、装置、计算机设备和存储介质
技术领域
本申请涉及计算机技术领域,特别是涉及一种问诊数据处理方法、装置、计算机设备和存储介质。
背景技术
问诊是医生通过对患者或陪诊者进行有目的的询问,以了解病情的方法。传统方式中,问诊辅助系统通常是借助于固有的医学知识库实现的,比如依据临床指南或教科书等。由于医学技术是不断发展的,且实际问诊场景中疾病对应的症状也层出不穷,而传统方式中的医学知识库难以及时进行更新,从而导致问诊辅助系统难以覆盖针对所有疾病应当关注的问诊要点。
发明内容
基于此,有必要针对上述技术问题,提供一种能够在问诊过程中全面覆盖问诊要点的问诊数据处理方法、装置、计算机设备和存储介质。
一种问诊数据处理方法,所述方法包括:获取服务终端发送的问诊数据;所述问诊数据包括个人数据和主症状标识;筛选出与所述个人数据和所述主症状标识匹配的辅助问诊病历;在筛选出的所述辅助问诊病历中,提取多个伴随症标识;从所述多个伴随症标识中选取待问诊标识;根据所述待问诊标识生成对应的问诊路径,将所述问诊路径发送至所述服务终端。
在其中一个实施例中,所述筛选出与所述个人数据和所述主症状标识匹配的辅助问诊病历,包括:查找携带所述主症状标识的多个第一问诊病历;从所述个人数据中提取目标年龄、目标性别和目标职业;确定所述目标年龄所处的年龄区间;根据所述年龄区间从所述多个第一问诊病历筛选出多个第二问诊病历;根据所述目标性别从所述多个第二问诊病历中筛选出多个第三问诊病历;根据所述目标职业从所述多个第三问诊病历中筛选出辅助问诊病历。
在其中一个实施例中,所述从所述多个伴随症标识中选取待问诊标识,包括:统计每种所述伴随症标识对应的所述辅助问诊病历的数量;根据每种所述伴随症标识对应的所述辅助问诊病历的数量,对所述多种所述伴随症标识进行排序;选取排序后处于前预设个数的伴随症标识作为待问诊标识。
在其中一个实施例中,所述辅助问诊病历为多个,所述筛选出与所述个人数据和所述主症状标识匹配的辅助问诊病历,包括:获取所述主症状标识在每个所述辅助问诊病历中的症状等级;所述症状等级包括第一等级和第二等级;统计每种症状等级对应的所述辅助问诊病历的数量,并获取与每种症状等级对应的等级权值;根据每种症状等级对应的所述辅助问诊病历的数量和与相应的症状等级对应的等级权值,计算所述主症状标识对应的主症状的易发度;当所述易发度大于预设阈值时,从所述辅助问诊病历中筛选出主症状标识为第一等级的辅助问诊病历;当所述易发度小于预设阈值时,从所述辅助问诊病历中筛选出主症状标识为第二等级的辅助问诊病历。
在其中一个实施例中,所述待问诊标识为多个,所述根据所述待问诊标识生成对应的问诊路径,将所述问诊路径发送至所述服务终端,包括:根据多个所述待问诊标识生成标识选择请求,并将所述标识选择请求发送至所述服务终端;接收所述服务终端返回的目标问诊标识;所述目标问诊标识为多个所述待问诊标识中的至少一个;获取每个目标问诊标识的关联子模板;将获取的关联子模版按照预设路径拼装生成问诊路径,将所述问诊路径发送至所述服务终端。
在其中一个实施例中,在所述根据所述待问诊标识生成对应的问诊路径,将所述问诊路径发送至所述服务终端之后,还包括:接收咨询终端返回的检查数据;所述检查数据包含检查项标识和检查结果值;获取与所述检查项标识对应的标准值区间;当所述检查结果值不处于所述标准值区间时,将所述检查数据和所述标准值区间发送至所述服务终端;接收所述服务终端基于所述问诊数据、所述检查数据和所述标准值区间返回的综合数据;根据所述综合数据生成问诊日志,将所述问诊日志发送至所述咨询终端。
一种问诊数据处理装置,所述装置包括:获取模块,用于获取服务终端发送的问诊数据;所述问诊数据包括个人数据和主症状标识;筛选模块,用于筛选出与所述个人数据和所述主症状标识匹配的辅助问诊病历;提取模块,用于在筛选出的所述辅助问诊病历中,提取多个伴随症标识;从所述多个伴随症标识中选取待问诊标识;处理模块,用于根据所述待问诊标识生成对应的问诊路径,将所述问诊路径发送至所述服务终端。
在其中一个实施例中,所述筛选模块还用于查找携带所述主症状标识的多个第一问诊病历;从所述个人数据中提取目标年龄、目标性别和目标职业;确定所述目标年龄所处的年龄区间;根据所述年龄区间从所述多个第一问诊病历筛选出多个第二问诊病历;根据所述目标性别从所述多个第二问诊病历中筛选出多个第三问诊病历;根据所述目标职业从所述多个第三问诊病历中筛选出辅助问诊病历。
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各个实施例中所述的问诊数据处理方法的步骤。
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各个实施例中所述的问诊数据处理方法的步骤。
上述问诊数据处理方法、装置、计算机设备和存储介质,医生可通过服务终端将问诊数据上传至服务器,服务器可根据问诊数据中包含的个人数据与主症状标识,从数据库中筛选出相应的辅助问诊病历。服务器还可从筛选出的辅助问诊病历中提取多个伴随症标识,并从多个伴随症标识中选取待问诊标识。服务器还根据待问诊标识生成对应的问诊路径,将所述问诊路径发送至所述服务终端,以使得医生可根据问诊路径对患者进行问诊。传统方式中,当患者告知医生自己头痛的症状之后,会直接从知识库获取与头痛对应的问诊问题。而本申请中并非直接获取问诊问题,而是根据不断更新的辅助问诊病历确定主症状的伴随症,使得医生能够根据关联度较高的伴随症状问诊患者,从而在问诊过程中全面覆盖问诊要点。
附图说明
图1为一个实施例中问诊数据处理方法的应用场景图;
图2为一个实施例中问诊数据处理方法的流程示意图;
图3为一个实施例中问题路径的示意图;
图4为另一个实施例中问诊数据处理方法的流程示意图;
图5为一个实施例中问诊数据处理装置的结构框图;
图6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。
本申请提供的问诊数据处理方法,可以应用于如图1所示的应用环境中。其中,咨询终端102与服务器104通过网络进行通信。服务器104通过网络与服务终端106通过网络进行通信。其中,咨询终端102和服务终端106可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备,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。
咨询终端102可为患者用于咨询病情的终端,服务终端106可为医生用于对对患者进行问诊的终端。患者可对咨询终端102进行操作生成咨询请求,发送至服务器104,服务器104可将咨询请求转发至服务终端106,使得医生能够对患者进行初步咨询。医生可通过服务终端106将问诊数据上传至服务器104,服务器104可根据问诊数据中包含的个人数据与主症状标识,从数据库中筛选出相应的辅助问诊病历。服务器104还可从筛选出的辅助问诊病历中提取多个伴随症标识,并从多个伴随症标识中选取待问诊标识。服务器104还根据待问诊标识生成对应的问诊路径,将问诊路径发送至服务终端106,以使得医生可根据问诊路径对患者进行问诊。
在一个实施例中,如图2所示,提供了一种问诊数据处理方法,以该方法应用于图1中的服务器104为例进行说明,包括以下步骤:
步骤202,获取服务终端发送的问诊数据;问诊数据包括个人数据和主症状标识。
问诊数据可以是医生在问诊现场询问患者所获取到的数据,还可以是患者通过咨询终端在线提供的数据。个人数据包括但不限于患者的个人信息,比如名字、性别、年龄、身份证号、职业、联系方式等其中一种或多种。主症状标识是指患者主要症状的标识,主症状标识可以是主症状名称或主症状编码等。
在一个实施例中,获取服务终端发送的问诊数据之后,还包括:提取问诊数据中的主症状词语,在预设的语义树上对主症状词语进行匹配,得到多个匹配词语,获取与每个匹配词语对应的目标编码,将该目标编码作为主症状标识。由于受医生习惯用语等多种因素影响,相同的主症状词语在不同的医学数据中表达结果千变万化,因此通过目标编码对主症状词语进行规范化处理能够提高其所覆盖的医学数据的全面性。其中医学数据包括但不限于辅助问诊病历。
步骤204,筛选出与个人数据和主症状标识匹配的辅助问诊病历。
辅助问诊病历是指用于辅助医生进行问诊的病历。服务器的数据库中可存储有大量的病历。其中,具有相似个人数据和相同主症状标识的病历可作为辅助问诊病历。
在一个实施例中,筛选出与个人数据和主症状标识匹配的辅助问诊病历,包括:查找携带主症状标识的多个第一问诊病历;从个人数据中提取目标年龄、目标性别和目标职业;确定目标年龄所处的年龄区间;根据年龄区间从多个第一问诊病历筛选出多个第二问诊病历;根据目标性别从多个第二问诊病历中筛选出多个第三问诊病历;根据目标职业从多个第三问诊病历中筛选出辅助问诊病历。
第一问诊病历是指携带主症状标识的病历,第二问诊病历是指第一问诊病历中患者年龄处于目标年龄对应的年龄区间中的病历,第三问诊病历是指第二问诊病历中患者性别与目标性别相同的病历,辅助问诊病历是指第三问诊病历中患者职业与目标职业相同或相似的病历。
针对只有特殊性别才会患的疾病,可以进行筛选。比如说,男性患者提出的腹痛症状,在筛选病历时,可将只有女性患者会得的带有腹痛症状的疾病的病历筛除。再比如,很多疾病也是和年龄相关的,因此,在病历数据量足够大的情况下,可以从具有相同症状的病例中只筛选出与患者年龄正负相差不超过五岁的其他患者的病历作为参考。还可以划分年龄区间,从具有相同症状的病例中筛选出将患者年龄所处年龄区间的其他患者的病历。当代人突发职业病的趋势也愈发明显,还可以从具有相同症状的病例中筛选出与患者的目标职业具有相同或相似职业的其他患者的病历。比如说,尘肺病通常是粉尘作业人员高发的疾病。当患者具有咳嗽、咳痰或胸痛等呼吸系统主症状时,且又从事需要接触粉尘的工作时,可从具有相同症状的病例中筛选出其他粉尘作业人员的病历作为辅助问诊病历。
步骤206,在筛选出的辅助问诊病历中,提取多个伴随症标识。
辅助问诊病历中包含的伴随症标识对应的伴随症可为患者潜在症状。比如,当患者主症状标识为头痛时,筛选出的包含头痛标识的辅助问诊病历中有大量都伴随有发烧的症状,则说明患者潜在有发烧的症状,则发烧为伴随症标识,可对患者咨询发烧症状的情况。
在一个实施例中,一个辅助问诊病历中可包含多个伴随症标识。比如说,感冒会带有咽炎、肺热、头痛、发烧等其中多种症状。可对数据库中每个病历打上症状标签,还可以划分主症状及伴随症等。可将辅助问诊病历中的多个症状划分为多等级。比如说可划分为A、B、C、D四个等级:A代表疾病的主要症状,是指该疾病的病历中都该症状;B代表伴随症状,是指该疾病的病历中具有大于预设数量的病历具有该症状;C代表次要症状,是指该疾病的病历中具有少于预设数量的病历具有该症状;D代表特殊症状,是指该疾病的病历中仅有一个病历具有该症状。通过对辅助问诊病历中的多个症状划分等级,可明确症状的易发度。
步骤208,从多个伴随症标识中选取待问诊标识。
待问诊标识是指易发度较高的、可用于进行问诊的伴随症标识。可根据伴随症状标识与主症状标识的关联度,来选取全部或部分伴随症标识作为待问诊标识。
在一个实施例中,从多个伴随症标识中选取待问诊标识,包括:统计每种伴随症标识对应的辅助问诊病历的数量;根据每种伴随症标识对应的辅助问诊病历的数量,对多种伴随症标识进行排序;选取排序后处于前预设个数的伴随症标识作为待问诊标识。
可将每种伴随症标识对应的辅助问诊病历的数量由多到少进行排序。对应的辅助问诊病历的数量越多,则说明该伴随症标识与主症状标识关联度越高,即越有可能是患者潜在的伴随症,可由医生对患者进行该伴随症方面的问诊。可将排序后处于前预设个数,比如前三个,伴随症状标识作为待问诊标识。通过选取与主正症状标识关联度高的伴随症状标识作为待问诊标识,提高问诊的针对性,从而减少无效询问的时间。
举例来说,主症状为症1时,对症1的辅助问诊病历中所有的伴随症标识进行排序,确定得到症2、症3、症4。可首先推荐症2的问诊问题给医生以进行询问,答案为肯定时,可继续对症2的伴随症进行排序及询问;答案为否定时,则推荐症3的问题给医生以进行询问。另外,因为症1已被确定过,因此症2的伴随症无需再包含症1。对伴随症不断细化提问,直到医生觉得可以初步判断病症和/或需要进行检查确认时为止。
步骤210,根据待问诊标识生成对应的问诊路径,将问诊路径发送至服务终端。
问诊路径是指由多个问诊问题按照一定次序构成的问题集合。问题路径可以是列表结构的问题集合,也可以是树结构的问题集合。问诊问题可以是对症状情况、症状严重程度、症状频繁程度进行询问的问题,还可以是针对相应症状所需进行的检查、用药的相关问题。
在一个实施例中,问题路径如图3所示,症1可为主症状标识,症2、症3和症4可为确定的待问诊标识,问题2.1和问题2.2是症2对应的问诊问题,问题3.1是症3对应的问诊问题,问题4.1和问题4.2是症4对应的问诊问题。将问诊路径发送至服务终端之后,医生可按照问题2.1、问题2.2、问题3.1、问题4.1和问题4.2的顺序向患者进行问诊。
上述问诊数据处理方法中,医生可通过服务终端将问诊数据上传至服务器,服务器可根据问诊数据中包含的个人数据与主症状标识,从数据库中筛选出相应的辅助问诊病历。服务器还可从筛选出的辅助问诊病历中提取多个伴随症标识,并从多个伴随症标识中选取待问诊标识。服务器还根据待问诊标识生成对应的问诊路径,将问诊路径发送至服务终端,以使得医生可根据问诊路径对患者进行问诊。传统方式中,当患者告知医生自己头痛的症状之后,会直接从知识库获取与头痛对应的问诊问题。而本申请中并非直接获取问诊问题,而是根据不断更新的辅助问诊病历确定主症状的伴随症,使得医生能够根据关联度较高的伴随症状问诊患者,从而在问诊过程中全面覆盖问诊要点。
在一个实施例中,待问诊标识为多个,根据待问诊标识生成对应的问诊路径,将问诊路径发送至服务终端,包括:根据多个待问诊标识生成标识选择请求,并将标识选择请求发送至服务终端;接收服务终端返回的目标问诊标识;目标问诊标识为多个待问诊标识中的至少一个;获取每个目标问诊标识的关联子模板;将获取的关联子模版按照预设路径拼装生成问诊路径,将问诊路径发送至服务终端。
当根据主症状标识进行查找,确定了大量待问诊标识时,可将所确定的待问诊标识发送至服务终端以供医生进行选择。服务终端接收到选择请求之后,可展示多个待问诊标识,并在检测到作用于其中一个或多个待问诊标识的选择操作时,将所选择的待问诊标识作为目标问诊标识返回至服务器。每个目标问诊标识可关联有一个或多个关联子模板,关联子模版举例来说可以是“请问是否感觉到XXX”,“请问您上一次检查XXX项目是什么时候”,“请问出现XXX症状多久了”等,其中XXX为变量,可为伴随症标识或者相关检查项目等。比如说,目标问诊标识为头痛,则与关联子模板可拼接成问诊问题“请问出现头痛症状多久了”。多个拼接的问诊问题可按照预设路径拼装生成问诊路径。
在一个实施例中,辅助问诊病历为多个,筛选出与个人数据和主症状标识匹配的辅助问诊病历,包括:获取主症状标识在每个辅助问诊病历中的症状等级;症状等级包括第一等级和第二等级;统计每种症状等级对应的辅助问诊病历的数量,并获取与每种症状等级对应的等级权值;根据每种症状等级对应的辅助问诊病历的数量和与相应的症状等级对应的等级权值,计算主症状标识对应的主症状的易发度;当易发度大于预设阈值时,从辅助问诊病历中筛选出主症状标识为第一等级的辅助问诊病历;当易发度小于预设阈值时,从辅助问诊病历中筛选出主症状标识为第二等级的辅助问诊病历。
主症状标识在每个辅助问诊病历中的症状等级是指,辅助问诊病历对应的患者在进行诊疗时所体现出的主症状标识对应的症状的明显程度。主症状的易发度是指主症状的发生可能性,体现了主症状的易体现程度。主症状的易发度越高,说明该主症状比较常见,则从主症状的症状等级高的辅助问诊病历中找到相似情况的概率更大;主症状的易发度越低,说明该主症状比较少见,则从主症状的症状等级低的辅助问诊病历中找到相似情况的概率更大。
举例来说,一个症状在不同的疾病中可能是属于不同等级的,且由于受患者自身情况的影响,一个症状在相同的疾病不同的病历中也可属于不同等级。比如说症状在病历中可被标识为A、B、C和D四个症状等级。通常患者说出的主要症状,通常会是处于A或B等级的症状,因此可对预设的权值保证W1>W2>W3>W4,且W1、W2、W3、W4之和可为1。其中,W1、W2、W3、W4分别为A、B、C和D四个症状等级对应的等级权值。统计该症状在不同症状等级的等级权值及相应的病历数量如下表1所示,可通过以下公式计算该症状的易发度:当易发度大于预设阈值时,可选取症状等级A与B所对应的辅助问诊病历。当易发度小于预设阈值时,可选取症状等级C和D所对应的辅助问诊病历。通过将常见及不常见的症状对应的辅助问诊病历筛选出来,能够避免遗漏问诊要点,帮助医生更全面地对患者的问诊情况进行比较分析。
表1
症状等级 A B C D
等级权值 W1 W2 W3 W4
病历数量 a b c d
在一个实施例中,在根据待问诊标识生成对应的问诊路径,将问诊路径发送至服务终端之后,还包括:接收咨询终端返回的检查数据;检查数据包含检查项标识和检查结果值;获取与检查项标识对应的标准值区间;当检查结果值不处于标准值区间时,将检查数据和标准值区间发送至服务终端;接收服务终端基于问诊数据、检查数据和标准值区间返回的综合数据;根据综合数据生成问诊日志,将问诊日志发送至咨询终端。
在引导患者进行了相应检查之后,患者可以通过咨询终端,将检查结果发送至服务器,服务器将会获取检查项的标准值区间与检查结果值进行比对,并将数据比对发送给医生的服务终端供医生参考,医生可基于检查结果值的数据比对及之前的问诊信息得到最终诊断建议。综合数据包括但不限于问诊过程的信息、检查结果、最终诊断建议。服务器还可对综合数据进行汇总处理,生成问诊日志,并将问诊日志发送至资讯终端。
在一个实施例中,如图4所示,提供了一种问诊数据处理方法,以该方法应用于图1中的服务器104为例进行说明,包括以下步骤:
步骤402,获取服务终端发送的问诊数据;问诊数据包括个人数据和主症状标识。
步骤404,查找携带主症状标识的多个第一问诊病历。
步骤406,从个人数据中提取目标年龄、目标性别和目标职业。
步骤408,确定目标年龄所处的年龄区间。
步骤410,根据年龄区间从多个第一问诊病历筛选出多个第二问诊病历。
步骤412,根据目标性别从多个第二问诊病历中筛选出多个第三问诊病历。
步骤414,根据目标职业从多个第三问诊病历中筛选出辅助问诊病历。
步骤416,在筛选出的辅助问诊病历中,提取多个伴随症标识。
步骤418,统计每种伴随症标识对应的辅助问诊病历的数量。
步骤420,根据每种伴随症标识对应的辅助问诊病历的数量,对多种伴随症标识进行排序。
步骤422,选取排序后处于前预设个数的伴随症标识作为待问诊标识。
步骤424,根据多个待问诊标识生成标识选择请求,并将标识选择请求发送至服务终端。
步骤426,接收服务终端返回的目标问诊标识;目标问诊标识为多个待问诊标识中的至少一个。
步骤428,获取每个目标问诊标识的关联子模板。
步骤430,将获取的关联子模版按照预设路径拼装生成问诊路径,将问诊路径发送至服务终端。
上述问诊数据处理方法中,医生可通过服务终端将问诊数据上传至服务器,服务器可根据问诊数据中包含的目标年龄、目标性别和目标职业等个人数据与主症状标识,从数据库中精准地筛选出相应的辅助问诊病历。服务器还可从筛选出的辅助问诊病历中提取多个伴随症标识,并伴随症标识的普遍性从多个伴随症标识中选取待问诊标识。服务器还根据多个待问诊标识分别对应的关联子模板生成对应的问诊路径,将问诊路径发送至服务终端,以使得医生可根据问诊路径对患者进行问诊。通过提取不断更新的主症状对应辅助问诊病历中的伴随症,使得医生能够根据关联度较高的伴随症状问诊患者,从而在问诊过程中全面覆盖问诊要点。
应该理解的是,虽然图2和4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和4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,如图5所示,提供了一种问诊数据处理装置500,包括:获取模块502,用于获取服务终端发送的问诊数据;问诊数据包括个人数据和主症状标识;筛选模块504,用于筛选出与个人数据和主症状标识匹配的辅助问诊病历;提取模块506,用于在筛选出的辅助问诊病历中,提取多个伴随症标识;从多个伴随症标识中选取待问诊标识;处理模块508,用于根据待问诊标识生成对应的问诊路径,将问诊路径发送至服务终端。
在一个实施例中,筛选模块504还用于查找携带主症状标识的多个第一问诊病历;从个人数据中提取目标年龄、目标性别和目标职业;确定目标年龄所处的年龄区间;根据年龄区间从多个第一问诊病历筛选出多个第二问诊病历;根据目标性别从多个第二问诊病历中筛选出多个第三问诊病历;根据目标职业从多个第三问诊病历中筛选出辅助问诊病历。
在一个实施例中,提取模块506还用于统计每种伴随症标识对应的辅助问诊病历的数量;根据每种伴随症标识对应的辅助问诊病历的数量,对多种伴随症标识进行排序;选取排序后处于前预设个数的伴随症标识作为待问诊标识。
在一个实施例中,辅助问诊病历为多个,筛选模块504还用于获取主症状标识在每个辅助问诊病历中的症状等级;症状等级包括第一等级和第二等级;统计每种症状等级对应的辅助问诊病历的数量,并获取与每种症状等级对应的等级权值;根据每种症状等级对应的辅助问诊病历的数量和与相应的症状等级对应的等级权值,计算主症状标识对应的主症状的易发度;当易发度大于预设阈值时,从辅助问诊病历中筛选出主症状标识为第一等级的辅助问诊病历;当易发度小于预设阈值时,从辅助问诊病历中筛选出主症状标识为第二等级的辅助问诊病历。
在一个实施例中,待问诊标识为多个,处理模块508还用于根据多个待问诊标识生成标识选择请求,并将标识选择请求发送至服务终端;接收服务终端返回的目标问诊标识;目标问诊标识为多个待问诊标识中的至少一个;获取每个目标问诊标识的关联子模板;将获取的关联子模版按照预设路径拼装生成问诊路径,将问诊路径发送至服务终端。
在一个实施例中,处理模块508还用于接收咨询终端返回的检查数据;检查数据包含检查项标识和检查结果值;获取与检查项标识对应的标准值区间;当检查结果值不处于标准值区间时,将检查数据和标准值区间发送至服务终端;接收服务终端基于问诊数据、检查数据和标准值区间返回的综合数据;根据综合数据生成问诊日志,将问诊日志发送至咨询终端。
关于问诊数据处理装置的具体限定可以参见上文中对于问诊数据处理方法的限定,在此不再赘述。上述问诊数据处理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6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辅助问诊病历等数据。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问诊数据处理方法。
本领域技术人员可以理解,图6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:获取服务终端发送的问诊数据;问诊数据包括个人数据和主症状标识;筛选出与个人数据和主症状标识匹配的辅助问诊病历;在筛选出的辅助问诊病历中,提取多个伴随症标识;从多个伴随症标识中选取待问诊标识;根据待问诊标识生成对应的问诊路径,将问诊路径发送至服务终端。
在一个实施例中,处理器执行计算机程序时,所实现的筛选出与个人数据和主症状标识匹配的辅助问诊病历的步骤,包括以下步骤:查找携带主症状标识的多个第一问诊病历;从个人数据中提取目标年龄、目标性别和目标职业;确定目标年龄所处的年龄区间;根据年龄区间从多个第一问诊病历筛选出多个第二问诊病历;根据目标性别从多个第二问诊病历中筛选出多个第三问诊病历;根据目标职业从多个第三问诊病历中筛选出辅助问诊病历。
在一个实施例中,处理器执行计算机程序时,所实现的从多个伴随症标识中选取待问诊标识的步骤,包括以下步骤:统计每种伴随症标识对应的辅助问诊病历的数量;根据每种伴随症标识对应的辅助问诊病历的数量,对多种伴随症标识进行排序;选取排序后处于前预设个数的伴随症标识作为待问诊标识。
在一个实施例中,辅助问诊病历为多个,处理器执行计算机程序时,所实现的筛选出与个人数据和主症状标识匹配的辅助问诊病历的步骤,包括以下步骤:获取主症状标识在每个辅助问诊病历中的症状等级;症状等级包括第一等级和第二等级;统计每种症状等级对应的辅助问诊病历的数量,并获取与每种症状等级对应的等级权值;根据每种症状等级对应的辅助问诊病历的数量和与相应的症状等级对应的等级权值,计算主症状标识对应的主症状的易发度;当易发度大于预设阈值时,从辅助问诊病历中筛选出主症状标识为第一等级的辅助问诊病历;当易发度小于预设阈值时,从辅助问诊病历中筛选出主症状标识为第二等级的辅助问诊病历。
在一个实施例中,待问诊标识为多个,处理器执行计算机程序时,所实现的根据待问诊标识生成对应的问诊路径,将问诊路径发送至服务终端的步骤,包括以下步骤:根据多个待问诊标识生成标识选择请求,并将标识选择请求发送至服务终端;接收服务终端返回的目标问诊标识;目标问诊标识为多个待问诊标识中的至少一个;获取每个目标问诊标识的关联子模板;将获取的关联子模版按照预设路径拼装生成问诊路径,将问诊路径发送至服务终端。
在一个实施例中,处理器执行计算机程序时,在所实现的根据待问诊标识生成对应的问诊路径,将问诊路径发送至服务终端的步骤之后,还包括实现以下步骤:接收咨询终端返回的检查数据;检查数据包含检查项标识和检查结果值;获取与检查项标识对应的标准值区间;当检查结果值不处于标准值区间时,将检查数据和标准值区间发送至服务终端;接收服务终端基于问诊数据、检查数据和标准值区间返回的综合数据;根据综合数据生成问诊日志,将问诊日志发送至咨询终端。
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:获取服务终端发送的问诊数据;问诊数据包括个人数据和主症状标识;筛选出与个人数据和主症状标识匹配的辅助问诊病历;在筛选出的辅助问诊病历中,提取多个伴随症标识;从多个伴随症标识中选取待问诊标识;根据待问诊标识生成对应的问诊路径,将问诊路径发送至服务终端。
在一个实施例中,计算机程序被处理器执行时,所实现的筛选出与个人数据和主症状标识匹配的辅助问诊病历的步骤,包括以下步骤:查找携带主症状标识的多个第一问诊病历;从个人数据中提取目标年龄、目标性别和目标职业;确定目标年龄所处的年龄区间;根据年龄区间从多个第一问诊病历筛选出多个第二问诊病历;根据目标性别从多个第二问诊病历中筛选出多个第三问诊病历;根据目标职业从多个第三问诊病历中筛选出辅助问诊病历。
在一个实施例中,计算机程序被处理器执行时,所实现的从多个伴随症标识中选取待问诊标识的步骤,包括以下步骤:统计每种伴随症标识对应的辅助问诊病历的数量;根据每种伴随症标识对应的辅助问诊病历的数量,对多种伴随症标识进行排序;选取排序后处于前预设个数的伴随症标识作为待问诊标识。
在一个实施例中,辅助问诊病历为多个,计算机程序被处理器执行时,所实现的筛选出与个人数据和主症状标识匹配的辅助问诊病历的步骤,包括以下步骤:获取主症状标识在每个辅助问诊病历中的症状等级;症状等级包括第一等级和第二等级;统计每种症状等级对应的辅助问诊病历的数量,并获取与每种症状等级对应的等级权值;根据每种症状等级对应的辅助问诊病历的数量和与相应的症状等级对应的等级权值,计算主症状标识对应的主症状的易发度;当易发度大于预设阈值时,从辅助问诊病历中筛选出主症状标识为第一等级的辅助问诊病历;当易发度小于预设阈值时,从辅助问诊病历中筛选出主症状标识为第二等级的辅助问诊病历。
在一个实施例中,待问诊标识为多个,计算机程序被处理器执行时,所实现的根据待问诊标识生成对应的问诊路径,将问诊路径发送至服务终端的步骤,包括以下步骤:根据多个待问诊标识生成标识选择请求,并将标识选择请求发送至服务终端;接收服务终端返回的目标问诊标识;目标问诊标识为多个待问诊标识中的至少一个;获取每个目标问诊标识的关联子模板;将获取的关联子模版按照预设路径拼装生成问诊路径,将问诊路径发送至服务终端。
在一个实施例中,计算机程序被处理器执行时,在所实现的根据待问诊标识生成对应的问诊路径,将问诊路径发送至服务终端的步骤之后,还包括实现以下步骤:接收咨询终端返回的检查数据;检查数据包含检查项标识和检查结果值;获取与检查项标识对应的标准值区间;当检查结果值不处于标准值区间时,将检查数据和标准值区间发送至服务终端;接收服务终端基于问诊数据、检查数据和标准值区间返回的综合数据;根据综合数据生成问诊日志,将问诊日志发送至咨询终端。
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,所述的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。
以上所述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)

1.一种问诊数据处理方法,所述方法包括:
获取服务终端发送的问诊数据;所述问诊数据包括个人数据和主症状标识;
筛选出与所述个人数据和所述主症状标识匹配的辅助问诊病历;
在筛选出的所述辅助问诊病历中,提取多个伴随症标识;
从所述多个伴随症标识中选取待问诊标识;
根据所述待问诊标识生成对应的问诊路径,将所述问诊路径发送至所述服务终端。
2.根据权利要求1所述的方法,其特征在于,所述筛选出与所述个人数据和所述主症状标识匹配的辅助问诊病历,包括:
查找携带所述主症状标识的多个第一问诊病历;
从所述个人数据中提取目标年龄、目标性别和目标职业;
确定所述目标年龄所处的年龄区间;
根据所述年龄区间从所述多个第一问诊病历筛选出多个第二问诊病历;
根据所述目标性别从所述多个第二问诊病历中筛选出多个第三问诊病历;
根据所述目标职业从所述多个第三问诊病历中筛选出辅助问诊病历。
3.根据权利要求1所述的方法,其特征在于,所述从所述多个伴随症标识中选取待问诊标识,包括:
统计每种所述伴随症标识对应的所述辅助问诊病历的数量;
根据每种所述伴随症标识对应的所述辅助问诊病历的数量,对所述多种所述伴随症标识进行排序;
选取排序后处于前预设个数的伴随症标识作为待问诊标识。
4.根据权利要求1所述的方法,其特征在于,所述辅助问诊病历为多个,所述筛选出与所述个人数据和所述主症状标识匹配的辅助问诊病历,包括:
获取所述主症状标识在每个所述辅助问诊病历中的症状等级;所述症状等级包括第一等级和第二等级;
统计每种症状等级对应的所述辅助问诊病历的数量,并获取与每种症状等级对应的等级权值;
根据每种症状等级对应的所述辅助问诊病历的数量和与相应的症状等级对应的等级权值,计算所述主症状标识对应的主症状的易发度;
当所述易发度大于预设阈值时,从所述辅助问诊病历中筛选出主症状标识为第一等级的辅助问诊病历;
当所述易发度小于预设阈值时,从所述辅助问诊病历中筛选出主症状标识为第二等级的辅助问诊病历。
5.根据权利要求1至4任意一项所述的方法,其特征在于,所述待问诊标识为多个,所述根据所述待问诊标识生成对应的问诊路径,将所述问诊路径发送至所述服务终端,包括:
根据多个所述待问诊标识生成标识选择请求,并将所述标识选择请求发送至所述服务终端;
接收所述服务终端返回的目标问诊标识;所述目标问诊标识为多个所述待问诊标识中的至少一个;
获取每个目标问诊标识的关联子模板;
将获取的关联子模版按照预设路径拼装生成问诊路径,将所述问诊路径发送至所述服务终端。
6.根据权利要求1至4任意一项所述的方法,其特征在于,在所述根据所述待问诊标识生成对应的问诊路径,将所述问诊路径发送至所述服务终端之后,还包括:
接收咨询终端返回的检查数据;所述检查数据包含检查项标识和检查结果值;
获取与所述检查项标识对应的标准值区间;
当所述检查结果值不处于所述标准值区间时,将所述检查数据和所述标准值区间发送至所述服务终端;
接收所述服务终端基于所述问诊数据、所述检查数据和所述标准值区间返回的综合数据;
根据所述综合数据生成问诊日志,将所述问诊日志发送至所述咨询终端。
7.一种问诊数据处理装置,其特征在于,所述装置包括:
获取模块,用于获取服务终端发送的问诊数据;所述问诊数据包括个人数据和主症状标识;
筛选模块,用于筛选出与所述个人数据和所述主症状标识匹配的辅助问诊病历;
提取模块,用于在筛选出的所述辅助问诊病历中,提取多个伴随症标识;从所述多个伴随症标识中选取待问诊标识;
处理模块,用于根据所述待问诊标识生成对应的问诊路径,将所述问诊路径发送至所述服务终端。
8.根据权利要求7所述的装置,其特征在于,所述筛选模块还用于查找携带所述主症状标识的多个第一问诊病历;从所述个人数据中提取目标年龄、目标性别和目标职业;确定所述目标年龄所处的年龄区间;根据所述年龄区间从所述多个第一问诊病历筛选出多个第二问诊病历;根据所述目标性别从所述多个第二问诊病历中筛选出多个第三问诊病历;根据所述目标职业从所述多个第三问诊病历中筛选出辅助问诊病历。
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6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6中任一项所述的方法的步骤。
CN201810925281.XA 2018-08-14 2018-08-14 问诊数据处理方法、装置、计算机设备和存储介质 Active CN109256206B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810925281.XA CN109256206B (zh) 2018-08-14 2018-08-14 问诊数据处理方法、装置、计算机设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810925281.XA CN109256206B (zh) 2018-08-14 2018-08-14 问诊数据处理方法、装置、计算机设备和存储介质

Publications (2)

Publication Number Publication Date
CN109256206A true CN109256206A (zh) 2019-01-22
CN109256206B CN109256206B (zh) 2023-04-28

Family

ID=65049356

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810925281.XA Active CN109256206B (zh) 2018-08-14 2018-08-14 问诊数据处理方法、装置、计算机设备和存储介质

Country Status (1)

Country Link
CN (1) CN109256206B (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN110491470A (zh) * 2019-08-14 2019-11-22 一点圣手网络科技有限公司 一种推荐调理方案的方法及装置
CN110517789A (zh) * 2019-08-30 2019-11-29 深圳市汇健医疗工程有限公司 多种影像设备的数字化复合手术室
CN111145900A (zh) * 2019-11-28 2020-05-12 北京紫冬认知科技有限公司 信息的提示方法和装置、存储介质、电子装置
CN111180081A (zh) * 2019-12-30 2020-05-19 众安信息技术服务有限公司 一种智能问诊方法及装置
CN111785386A (zh) * 2020-06-30 2020-10-16 安徽科大讯飞医疗信息技术有限公司 时间区间段的划分方法、相关设备及可读存储介质
CN112700861A (zh) * 2020-12-25 2021-04-23 北京左医科技有限公司 伴随症状交互方法及伴随症状交互系统

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103902793A (zh) * 2012-12-26 2014-07-02 深圳循证医学信息技术有限公司 一种疾病智能诊断及治疗的装置和系统
CN104867090A (zh) * 2015-05-16 2015-08-26 深圳市前海安测信息技术有限公司 基于大数据应用的网络医院系统及数据库的数据应用方法
CN105912846A (zh) * 2016-04-07 2016-08-31 南京小网科技有限责任公司 基于云计算和医学知识库技术的智能医疗辅助决策系统
CN107610774A (zh) * 2017-10-25 2018-01-19 医渡云(北京)技术有限公司 智能问诊方法及装置、存储介质、电子设备

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103902793A (zh) * 2012-12-26 2014-07-02 深圳循证医学信息技术有限公司 一种疾病智能诊断及治疗的装置和系统
CN104867090A (zh) * 2015-05-16 2015-08-26 深圳市前海安测信息技术有限公司 基于大数据应用的网络医院系统及数据库的数据应用方法
CN105912846A (zh) * 2016-04-07 2016-08-31 南京小网科技有限责任公司 基于云计算和医学知识库技术的智能医疗辅助决策系统
CN107610774A (zh) * 2017-10-25 2018-01-19 医渡云(北京)技术有限公司 智能问诊方法及装置、存储介质、电子设备

Cited By (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN110491470A (zh) * 2019-08-14 2019-11-22 一点圣手网络科技有限公司 一种推荐调理方案的方法及装置
CN110517789B (zh) * 2019-08-30 2023-06-16 深圳市汇健医疗工程有限公司 多种影像设备的数字化复合手术室
CN110517789A (zh) * 2019-08-30 2019-11-29 深圳市汇健医疗工程有限公司 多种影像设备的数字化复合手术室
CN111145900A (zh) * 2019-11-28 2020-05-12 北京紫冬认知科技有限公司 信息的提示方法和装置、存储介质、电子装置
CN111145900B (zh) * 2019-11-28 2024-03-05 北京紫冬认知科技有限公司 信息的提示方法和装置、存储介质、电子装置
CN111180081A (zh) * 2019-12-30 2020-05-19 众安信息技术服务有限公司 一种智能问诊方法及装置
CN111180081B (zh) * 2019-12-30 2023-11-03 众安信息技术服务有限公司 一种智能问诊方法及装置
CN111785386A (zh) * 2020-06-30 2020-10-16 安徽科大讯飞医疗信息技术有限公司 时间区间段的划分方法、相关设备及可读存储介质
CN111785386B (zh) * 2020-06-30 2024-04-05 讯飞医疗科技股份有限公司 时间区间段的划分方法、相关设备及可读存储介质
CN112700861A (zh) * 2020-12-25 2021-04-23 北京左医科技有限公司 伴随症状交互方法及伴随症状交互系统
CN112700861B (zh) * 2020-12-25 2022-02-01 北京左医科技有限公司 伴随症状交互方法及伴随症状交互系统

Also Published As

Publication number Publication date
CN109256206B (zh) 2023-04-28

Similar Documents

Publication Publication Date Title
CN109256206A (zh) 问诊数据处理方法、装置、计算机设备和存储介质
CN109887596A (zh) 基于知识图谱的慢阻肺疾病诊断方法、装置和计算机设备
US10586613B2 (en) System and method for generating medical service provider information incorporating referral pattern data
CN109036544A (zh) 医疗信息推送方法、装置、计算机设备和存储介质
Pimentel et al. Assessment of the accuracy of using ICD-9 codes to identify uveitis, herpes zoster ophthalmicus, scleritis, and episcleritis
CN108899072B (zh) 中药药方推荐方法、装置、计算机设备和存储介质
CN111180024B (zh) 基于词频逆文档频率的数据处理方法、装置和计算机设备
JP6956107B2 (ja) 明確な照合情報を持たない識別不能のヘルスケアデータベースの病院マッチング
CN105574334A (zh) 医疗信息处理方法和系统
CN109087688B (zh) 患者信息采集方法、装置、计算机设备和存储介质
CN109325869A (zh) 用户投保风险评估方法、装置、计算机设备和存储介质
US20210064630A1 (en) Data structures for storing and manipulating longitudinal data and corresponding novel computer engines and methods of use thereof
CN114649074A (zh) 一种病历数据处理方法、平台和装置
CN112447270A (zh) 一种用药推荐方法、装置、设备及存储介质
CN111415760A (zh) 医生推荐方法、系统、计算机设备及存储介质
CN111091883A (zh) 一种医疗文本处理方法、装置、存储介质及设备
Maiwald et al. Barriers to utilisation of cancer rehabilitation from the expert's view: A cross‐sectional survey
Sumankuuro et al. Predictors of maternal mortality in Ghana: evidence from the 2017 GMHS Verbal Autopsy data
Roland et al. Treatment practices for aspirin‐exacerbated respiratory disease: analysis of a national insurance claims database
Slade et al. Psychiatrist and nonpsychiatrist physician network breadth in Dual Eligible Special Needs Plans
CN109935287A (zh) 一种病历信息的相似度分析方法、装置及设备
Qian et al. Evaluation of reporting quality in randomised controlled trials of acupuncture for acute herpes zoster by the CONSORT statement and STRICTA guidelines
Ogino et al. Current treatment status and medical cost for multiple sclerosis based on analysis of a Japanese claims database
CN109522331B (zh) 以个人为中心的区域化多维度健康数据处理方法及介质
CN110265104A (zh) 诊断报告符合度检测方法、装置、计算机设备和存储介质

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
GR01 Patent grant
GR01 Patent grant