CN109346171A - 一种辅助诊断方法、装置和计算机设备 - Google Patents
一种辅助诊断方法、装置和计算机设备 Download PDFInfo
- Publication number
- CN109346171A CN109346171A CN201811284238.6A CN201811284238A CN109346171A CN 109346171 A CN109346171 A CN 109346171A CN 201811284238 A CN201811284238 A CN 201811284238A CN 109346171 A CN109346171 A CN 109346171A
- Authority
- CN
- China
- Prior art keywords
- keyword
- diagnosis
- illness
- diagnostic result
- knowledge base
- 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
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
- G16H50/20—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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/02—Knowledge representation; Symbolic representation
- G06N5/022—Knowledge engineering; Knowledge acquisition
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Public Health (AREA)
- Medical Informatics (AREA)
- Data Mining & Analysis (AREA)
- Biomedical Technology (AREA)
- Evolutionary Computation (AREA)
- Computational Linguistics (AREA)
- Software Systems (AREA)
- General Physics & Mathematics (AREA)
- Computing Systems (AREA)
- Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Mathematical Physics (AREA)
- Pathology (AREA)
- Artificial Intelligence (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Medical Treatment And Welfare Office Work (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
本申请提供了一种辅助诊断方法、装置和计算机设备,该方法包括:基于用户的病情描述数据,确定至少一个描述关键词;根据所述至少一个描述关键词,以及预设的病情诊断知识库,为所述用户确定包括目标诊断关键词的诊断结果,所述病情诊断知识库包括至少一个病情关键词和诊断关键词之间的对应关系;将所述诊断结果显示给所述用户。
Description
技术领域
本申请涉及数据分析技术领域,具体而言,涉及一种辅助诊断方法、装置和计算机设备。
背景技术
电子病历是健康服务和医学研究等的基础数据源,患者在医院看病时,医生询问患者的病情,如,患者患病既往史、家族史、当前病症描述等,进一步,医生结合患者描述的病情以及自己的工作经验,对患者的病症进行诊断,并将患者描述的病情填写入电子病历中。现有的诊断对于从医比较久的医生而言,能够准确的判断出患者的病症,并对症下药,但是对于年轻的医生,或者从医年限较短的医生而言,由于自身的经验不足,也没有辅助的病情信息可以提供参考,因此,在诊断患者的病症时,可能会出现诊断失误,导致患者不能及时治疗。
发明内容
有鉴于此,本申请的目的在于提供一种辅助诊断方法、装置和计算机设备,用于解决现有技术中无法对患者的病情进行辅助诊断的问题。
第一方面,本申请实施例提供了一种辅助诊断方法,该方法包括:
基于用户的病情描述数据,确定至少一个描述关键词;
根据所述至少一个描述关键词,以及预设的病情诊断知识库,为所述用户确定包括目标诊断关键词的诊断结果,所述病情诊断知识库包括至少一个病情关键词和诊断关键词之间的对应关系;
将所述诊断结果显示给所述用户。
可选地,所述根据所述至少一个描述关键词,以及预设的病情诊断知识库,为所述用户确定包括目标诊断关键词的诊断结果,包括:
针对每个所述描述关键词,从所述病情诊断知识库中,确定与该描述关键词匹配的病情关键词对应的诊断关键词;
从确定的诊断关键词中,统计表征同一诊断含义的诊断关键词的数目;
将表征最大值的数目对应的诊断关键词作为目标诊断关键词携带在所述诊断结果中。
可选地,还包括:
基于诊断关键词的重要度,从确定的除目标诊断关键词外的诊断关键词中,确定相似关键词;
将所述相似关键词携带在所述诊断结果中。
可选地,所述病情诊断知识库还包括诊断关键词与诊断描述内容之间的对应关系,还包括:
从所述病情诊断知识库中,确定与所述目标诊断关键词对应的诊断描述内容;
将所述诊断描述内容携带在所述诊断结果中。
可选地,所述基于用户的病情描述数据,确定至少一个描述关键词,包括:
对所述病情描述数据进行去重处理;
对去重处理后的病情描述数据进行补全处理;
从补全处理后的病情描述数据中提取所述至少一个描述关键词。
第二方面,本申请实施例提供给了一种辅助诊断装置,该装置包括:
第一确定模块,用于基于用户的病情描述数据,确定至少一个描述关键词;
第二确定模块,用于根据所述至少一个描述关键词,以及预设的病情诊断知识库,为所述用户确定包括目标诊断关键词的诊断结果,所述病情诊断知识库包括至少一个病情关键词和诊断关键词之间的对应关系;
显示模块,将所述诊断结果显示给所述用户。
可选地,所述第二确定模块具体用于:
针对每个所述描述关键词,从所述病情诊断知识库中,确定与该描述关键词匹配的病情关键词对应的诊断关键词;
从确定的诊断关键词中,统计表征同一诊断含义的诊断关键词的数目;
将表征最大值的数目对应的诊断关键词作为目标诊断关键词携带在所述诊断结果中。
可选地,还包括:第三确定模块,所述第三确定模块用于
基于诊断关键词的重要度,从确定的除目标诊断关键词外的诊断关键词中,确定相似关键词;
将所述相似关键词携带在所述诊断结果中。
第三方面,本申请实施例提供了一种计算机设备,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述方法的步骤。
第四方面,本申请实施例提供了一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器运行时执行上述方法的步骤。
本申请实施例提供的辅助诊断方法,根据用户的病情描述数据,确定至少一个描述关键词,根据至少一个描述关键词,以及预设的病情诊断知识库,为用户确定包括目标诊断关键词的诊断结果。这样,可以为用户确定能够表征症状的目标诊断关键并显示给用户,便于用户结合推荐的诊断结果进行辅助诊断,提高诊断的准确度,减少治疗不及时问题。
为使本申请的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本申请的某些实施例,因此不应被看作是对范围的限定,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他相关的附图。
图1为本申请实施例提供的一种辅助诊断方法的流程示意图;
图2为本申请实施例提供的一种辅助诊断装置的第一种结构示意图;
图3为本申请实施例提供的一种辅助诊断装置的第二种结构示意图;
图4为本申请实施例提供的一种计算机设备400的结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围,而是仅仅表示本申请的选定实施例。基于本申请的实施例,本领域技术人员在没有做出创造性劳动的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。
本申请实施例提供了一种辅助诊断方法,如图1所示,应用于辅助诊断系统中,该辅助诊断系统包括终端设备,如:计算机、笔记本电脑、平板电脑、移动电话、便携设备、车载设备等,也包括网络系统,如:视听服务系统、大屏幕系统、客户端/服务器系统(C/S)、浏览器/服务器系统(B/S)、云计算系统,等等。此处并不限制辅助诊断系统的类型和架构。其中,运行在纯C/S(Client/Server)系统(如:c#、pb、c++等)时,通过socket长连接进行通信对接,运行在B/S(Browser/Server)系统时通过javascriptapi进行对接,运行在B/S(Browser/Server)与C/S(Client/Server)混合架构的系统时通过iframe进行对接。该方法包括以下步骤:
S101,基于用户的病情描述数据,确定至少一个描述关键词;
这里,用户可以是医护人员、患者,也可以是普通用户,根据实际情况确定;病情描述数据一般为患者的病情数据,例如,病情描述数据可以为“用户A头痛三天,并伴随有发热症状,身体出现丘疹、斑点,无既往病史,无家族史”,若用户为医护人员,病情描述数据由医护人员输入到辅助诊断系统中的,若用户为患者,则病情描述数据由患者自主输入到辅助诊断系统中的;不同的描述关键词表征不同的病症,例如,描述关键词可以是发热、头痛、腹痛、吐血、恶心等,本申请对此不与限制。
在基于用户的病情描述数据,确定至少一个描述关键词时,包括以下步骤:
对所述病情描述数据进行去重处理;
对去重处理后的病情描述数据进行补全处理;
从补全处理后的病情描述数据中提取所述至少一个描述关键词。
这里,去重处理、补全处理、提取算法在现有技术中已有详细的介绍,此处不再进行过多说明。
在具体实施中,在得到病情描述数据后,根据病情描述数据中标点符号(如,逗号、句号、分号等)进行数据分隔,将数据划分为若干短句,若病情描述数据中存在重复词汇,可以去除病情描述数据中的重复词汇、关键词等,避免重复词汇对后续再提取关键词造成影响,由于输入的病情描述数据中可能存在内容缺失,因此,在对病情描述数据进行去重处理后,确定病情描述数据中是否存在内容缺失,若病情描述数据中存在内容缺失,则对内容缺失部分进行补全处理,最终,在补全处理后的病情描述数据中提取至少一个描述关键词。
或者,在得到病情描述数据后,可以根据病情描述数据的属性信息如大小、文字的数目,确定该病情描述数据的处理模式,以属性信息为数据的大小为例进行说明,若该病情描述数据的大小小于设定阈值,则确定病情描述数据属于简单模式,按照预设的规则(如,时间关键字、病症关键字等的组合)对病情描述数据进行筛选处理,从病情描述数据中筛选出与如时间关键字对应的内容,从相应的内容中提取描述关键词,病症关键词以及关键词的组合处理方式与时间关键字的处理方式相同;若该病情描述数据的大小大于设定阈值,则确定病情描述数据属于复杂模式,将病情描述数据输入到预先完成训练的内容识别模型(如,卷积神经网络模型等)中,由内容识别模型对病情描述数据进行处理,得到至少一个描述关键词。其中,对模型进行训练的方法在现有技术中已有详细的介绍,此处不再进行详细说明。
S102,根据所述至少一个描述关键词,以及预设的病情诊断知识库,为所述用户确定包括目标诊断关键词的诊断结果,所述病情诊断知识库包括至少一个病情关键词和诊断关键词之间的对应关系;
这里,病情诊断知识库一般是基于医疗数据建立的,病情诊断知识库中包括诊断关键词、至少一个病情关键词、诊断描述内容之间的对应关系,即,每个诊断关键词对应至少一个病情关键词,病情关键词用于描述病情的症状,如,病情关键词可以为发热、头痛、恶心、腹痛等,诊断关键词可以为水痘、上呼吸道感染、感冒、胃炎等,诊断关键词为感冒对应的病情关键词包括发热、头痛、口干等;诊断描述内容可以包括对应诊断关键词的描述详情、用药建议、检查建议等,描述详情可以为对诊断关键词的简单介绍、不同严重程度的病症对应的表现,用药建议包括用于治疗当前诊断关键词对应的病症的药物,检查建议包括针对当前诊断关键词对应的病症适合的检查项目,如,CT检查、验血检查等。
在根据所述至少一个描述关键词,以及预设的病情诊断知识库,为所述用户确定包括目标诊断关键词的诊断结果时,包括以下步骤:
针对每个所述描述关键词,从所述病情诊断知识库中,确定与该描述关键词匹配的病情关键词对应的诊断关键词;
从确定的各诊断关键词中,统计表征同一含义的诊断关键词的数目;
将表征最大值的数目对应的诊断关键词作为目标诊断关键词携带在所述诊断结果中。
在具体实施中,针对每个描述关键词,从病情诊断知识库中,查找与该描述关键词匹配的病情关键词,同一个描述关键词匹配的病情关键词的数目一般有多个,统计同一含义的诊断关键词的数目,将数目最大的诊断关键词作为目标诊断关键词携带在诊断结果中。
例如,描述关键词为A1、A2、B1、C1,病情诊断知识库中包括的诊断关键词为A、B、C等,诊断关键词A对应的病情关键词为A1、A2、A3、A4、A5,诊诊断关键词B对应的病情关键词为B1、B2、B3、B4、B5,断关键词C对应的病情关键词为C1、C2、C3、C4、C5,与描述关键词A1对应的诊断关键词为A,与描述关键词A2对应的诊断关键词为A,与描述关键词B1对应的诊断关键词为B,与描述关键词C1对应的诊断关键词为C,诊断关键词A出现了2次,诊断关键词B出现了1次,诊断关键词C出现了1次,将诊断关键词A作为目标诊断关键词携带在诊断结果中。
在根据所述至少一个描述关键词,以及预设的病情诊断知识库,为所述用户确定包括目标诊断关键词的诊断结果时,尽在诊断结果携带了目标诊断关键词,也就是系统认为可能得诊断结果,但是此诊断结果是辅助诊断结果,不能做到完全诊断准确,因此,除了在诊断结果中携带目标诊断关键词外,还可以基于诊断关键词的重要度,从确定的除目标诊断关键词外的诊断关键词中,确定相似关键词;
将所述相似关键词携带在所述诊断结果中。
这里,重要度表征诊断关键词对应的症状的严重程度,重要度越大,诊断关键词对应的症状约严重。
在具体实施中,在统计表征同一含义的诊断关键词时,得到表征不同含义的诊断关键词对应的数目,从除目标诊断关键词外的诊断关键词中,选择大于设定重要度阈值的重要度对应的诊断关键词,将选择的诊断关键词作为相似关键词,或者,针对除目标诊断关键词外的诊断关键词,按照重要度由高到低的顺序进行排序,选择排序靠前的前预设数目个重要度对应的诊断关键词作为相似关键词,将携带的相似关键词携带在诊断结果中。其中,重要度阈值一般为预先设置的,预设数目一般为根据需求预先设置的,可根据实际情况确定,本申请对此不予限制。在选择相似关键词时,优选地,将大于设定重要度阈值的重要度对应的诊断关键词作为相似关键词。
例如,延续上一个示例,病情诊断知识库中诊断关键词为A的重要度为0.9,诊断关键词B的重要度为0.5,诊断关键词C的重要度为0.7,预设的重要度阈值为0.6,在将诊断关键词A作为目标诊断关键词后,诊断关键词C的重要度大于重要度阈值,因此,将诊断关键词C作为相似关键词,或者,将诊断关键词B和诊断关键词C按照重要度由高到低进行排序,排序后的顺序为诊断关键词C、诊断关键词B,选择排序靠前的第一个诊断关键词作为相似关键词,也就是,将诊断关键词C作为相似关键词,将相似关键词携带在诊断结果中。
除了在诊断结果中携带目标诊断关键词和相似关键词外,进一步的可以携带诊断描述内容,可以从所述病情诊断知识库中,确定与目标诊断关键词对应的诊断描述内容;将诊断描述内容携带在所述诊断结果中;若存在相似关键词,也可以从所述病情诊断知识库中,确定与相似诊断关键词对应的诊断描述内容;将诊断描述内容携带在所述诊断结果中
在具体实施中,从病情诊断知识库中,查找与目标诊断关键词匹配的诊断关键词,若查找到与目标诊断关键词匹配的诊断关键词,则将查找到的诊断关键词对应的诊断描述内容携带在诊断结果中;在存在相似关键词时,从病情诊断知识库中,查找与相似关键词匹配的诊断关键词,若查找到与相似关键词匹配的诊断关键词,则将查找到的诊断关键词对应的诊断描述内容携带在诊断结果中,以方便用户根据诊断结果确定需要针对患者的治疗方案。
例如,确定的目标诊断关键词为“感冒”,相似关键词为“脑炎”,病情诊断知识库中存储有与感冒、脑炎对应的诊断描述内容,感冒的描述诊断内容为与感冒相关的简单介绍、治疗感冒的用药建议、与感冒相关的检查等,脑炎的描述诊断内容为与脑炎相关的简单介绍、治疗脑炎的用药建议、与脑炎相关的检查等,感冒的简单介绍用于介绍什么是感冒、感冒的引起原因、感冒的严重程度等,感冒的用药建议可以是治疗感冒的药物S1、S2、S3等,与感冒相关的检查可以为血常规检查等等,脑炎的简单介绍用于介绍什么是脑炎、脑炎的引起原因、脑炎的严重程度等,脑炎的用药建议可以是治疗脑炎的药物S1、S2、S3等,与脑炎相关的检查可以为血象检查等等,在生成诊断结果时,可以仅将目标诊断关键词和对应的诊断描述内容携带在诊断结果中,也可以同时将目标诊断关键词、相似关键词以及分别对应的诊断描述内容携带在诊断结果中,可根据实际情况确定,本申请对此不予限制。
S103,将所述诊断结果显示给所述用户。
在具体实施中,可以通过浮窗形式显示反馈结果,也可以通过短信的形式显示反馈结果,本申请对此不予限制。
本申请实施例提供的辅助诊断方法,根据用户的病情描述数据,确定至少一个描述关键词,根据至少一个描述关键词,以及预设的病情诊断知识库,为用户确定包括目标诊断关键词的诊断结果。这样,可以为用户确定能够表征症状的目标诊断关键并显示给用户,便于用户结合推荐的诊断结果进行辅助诊断,提高诊断的准确度,减少治疗不及时问题。
本申请实施例提供了一种辅助诊断装置,如图2所示,该装置包括:
第一确定模块21,用于基于用户的病情描述数据,确定至少一个描述关键词;
第二确定模块22,用于根据所述至少一个描述关键词,以及预设的病情诊断知识库,为所述用户确定包括目标诊断关键词的诊断结果,所述病情诊断知识库包括至少一个病情关键词和诊断关键词之间的对应关系;
显示模块23,将所述诊断结果显示给所述用户。
可选地,所述第二确定模块22具体用于:
针对每个所述描述关键词,从所述病情诊断知识库中,确定与该描述关键词匹配的病情关键词对应的诊断关键词;
从确定的诊断关键词中,统计表征同一诊断含义的诊断关键词的数目;
将表征最大值的数目对应的诊断关键词作为目标诊断关键词携带在所述诊断结果中。
可选地,所述第一确定模块21具体用于:
对所述病情描述数据进行去重处理;
对去重处理后的病情描述数据进行补全处理;
从补全处理后的病情描述数据中提取所述至少一个描述关键词。
本申请实施例提供了一种辅助诊断装置,如图3所示,该装置与图2中的装置相比,包括:第三确定模块24,所述第三确定模块24用于:
基于诊断关键词的重要度,从确定的除目标诊断关键词外的诊断关键词中,确定相似关键词;
将所述相似关键词携带在所述诊断结果中。
可选地,所述病情诊断知识库还包括诊断关键词与诊断描述内容之间的对应关系,该装置还包括:第四确定模块25,所述第四确定模块25用于:
从所述病情诊断知识库中,确定与所述目标诊断关键词对应的诊断描述内容;
将所述诊断描述内容携带在所述诊断结果中。
对应于图1中的辅助诊断方法,本申请实施例还提供了一种计算机设备400,如图4所示,该设备包括存储器401、处理器402及存储在该存储器401上并可在该处理器402上运行的计算机程序,其中,上述处理器402执行上述计算机程序时实现上述辅助诊断方法。
具体地,上述存储器401和处理器402能够为通用的存储器和处理器,这里不做具体限定,当处理器402运行存储器401存储的计算机程序时,能够执行上述辅助诊断方法,解决了现有技术中无法对患者的病情进行辅助诊断的问题,本申请根据用户的病情描述数据,确定至少一个描述关键词,根据至少一个描述关键词,以及预设的病情诊断知识库,为用户确定包括目标诊断关键词的诊断结果。这样,可以为用户确定能够表征症状的目标诊断关键并显示给用户,便于用户结合推荐的诊断结果进行辅助诊断,提高诊断的准确度,减少治疗不及时问题。
对应于图1中的辅助诊断方法,本申请实施例还提供了一种计算机可读存储介质,该计算机可读存储介质上存储有计算机程序,该计算机程序被处理器运行时执行上述辅助诊断方法的步骤。
具体地,该存储介质能够为通用的存储介质,如移动磁盘、硬盘等,该存储介质上的计算机程序被运行时,能够执行上述辅助诊断方法,解决了现有技术中无法对患者的病情进行辅助诊断的问题,本申请根据用户的病情描述数据,确定至少一个描述关键词,根据至少一个描述关键词,以及预设的病情诊断知识库,为用户确定包括目标诊断关键词的诊断结果。这样,可以为用户确定能够表征症状的目标诊断关键并显示给用户,便于用户结合推荐的诊断结果进行辅助诊断,提高诊断的准确度,减少治疗不及时问题。
在本申请所提供的实施例中,应该理解到,所揭露系统和方法,可以通过其它的方式实现。以上所描述的系统实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,又例如,多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口,系统或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请提供的实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释,此外,术语“第一”、“第二”、“第三”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
最后应说明的是:以上所述实施例,仅为本申请的具体实施方式,用以说明本申请的技术方案,而非对其限制,本申请的保护范围并不局限于此,尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化,或者对其中部分技术特征进行等同替换;而这些修改、变化或者替换,并不使相应技术方案的本质脱离本申请实施例技术方案的精神和范围。都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应所述以权利要求的保护范围为准。
Claims (10)
1.一种辅助诊断方法,其特征在于,该方法包括:
基于用户的病情描述数据,确定至少一个描述关键词;
根据所述至少一个描述关键词,以及预设的病情诊断知识库,为所述用户确定包括目标诊断关键词的诊断结果,所述病情诊断知识库包括至少一个病情关键词和诊断关键词之间的对应关系;
将所述诊断结果显示给所述用户。
2.如权利要求1所述的方法,其特征在于,所述根据所述至少一个描述关键词,以及预设的病情诊断知识库,为所述用户确定包括目标诊断关键词的诊断结果,包括:
针对每个所述描述关键词,从所述病情诊断知识库中,确定与该描述关键词匹配的病情关键词对应的诊断关键词;
从确定的诊断关键词中,统计表征同一诊断含义的诊断关键词的数目;
将表征最大值的数目对应的诊断关键词作为目标诊断关键词携带在所述诊断结果中。
3.如权利要求2所述的方法,其特征在于,还包括:
基于诊断关键词的重要度,从确定的除目标诊断关键词外的诊断关键词中,确定相似关键词;
将所述相似关键词携带在所述诊断结果中。
4.如权利要求1所述的方法,其特征在于所述,所述病情诊断知识库还包括诊断关键词与诊断描述内容之间的对应关系,还包括:
从所述病情诊断知识库中,确定与所述目标诊断关键词对应的诊断描述内容;
将所述诊断描述内容携带在所述诊断结果中。
5.如权利要求1所述的方法,其特征在于,所述基于用户的病情描述数据,确定至少一个描述关键词,包括:
对所述病情描述数据进行去重处理;
对去重处理后的病情描述数据进行补全处理;
从补全处理后的病情描述数据中提取所述至少一个描述关键词。
6.一种辅助诊断装置,其特征在于,该装置包括:
第一确定模块,用于基于用户的病情描述数据,确定至少一个描述关键词;
第二确定模块,用于根据所述至少一个描述关键词,以及预设的病情诊断知识库,为所述用户确定包括目标诊断关键词的诊断结果,所述病情诊断知识库包括至少一个病情关键词和诊断关键词之间的对应关系;
显示模块,将所述诊断结果显示给所述用户。
7.如权利要求6所述的装置,其特征在于,所述第二确定模块具体用于:
针对每个所述描述关键词,从所述病情诊断知识库中,确定与该描述关键词匹配的病情关键词对应的诊断关键词;
从确定的诊断关键词中,统计表征同一诊断含义的诊断关键词的数目;
将表征最大值的数目对应的诊断关键词作为目标诊断关键词携带在所述诊断结果中。
8.如权利要求7所述的装置,其特征在于,还包括:第三确定模块,所述第三确定模块用于:
基于诊断关键词的重要度,从确定的除目标诊断关键词外的诊断关键词中,确定相似关键词;
将所述相似关键词携带在所述诊断结果中。
9.一种计算机设备包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现上述权利要求1-5中任一项所述的方法的步骤。
10.一种计算机可读存储介质,所述计算机可读存储介质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运行时执行上述权利要求1-5中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811284238.6A CN109346171A (zh) | 2018-10-31 | 2018-10-31 | 一种辅助诊断方法、装置和计算机设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811284238.6A CN109346171A (zh) | 2018-10-31 | 2018-10-31 | 一种辅助诊断方法、装置和计算机设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109346171A true CN109346171A (zh) | 2019-02-15 |
Family
ID=65312662
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811284238.6A Pending CN109346171A (zh) | 2018-10-31 | 2018-10-31 | 一种辅助诊断方法、装置和计算机设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109346171A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110797102A (zh) * | 2019-10-31 | 2020-02-14 | 复旦大学附属中山医院 | 一种诊断报告生成系统以及医疗诊断系统 |
CN111180024A (zh) * | 2019-12-13 | 2020-05-19 | 平安医疗健康管理股份有限公司 | 基于词频逆文档频率的数据处理方法、装置和计算机设备 |
WO2021012222A1 (en) * | 2019-07-24 | 2021-01-28 | Beijing Didi Infinity Technology And Development Co., Ltd. | Artificial intelligence system for processing patient descriptions |
CN112402258A (zh) * | 2020-10-29 | 2021-02-26 | 阿里健康科技(杭州)有限公司 | 一种用药提醒方法和装置 |
CN112542244A (zh) * | 2020-12-09 | 2021-03-23 | 北京百度网讯科技有限公司 | 辅助信息的生成方法、相关装置及计算机程序产品 |
CN113160991A (zh) * | 2021-05-31 | 2021-07-23 | 郑宁 | 一种健康风险预警方法及系统 |
CN116013552A (zh) * | 2023-03-27 | 2023-04-25 | 慧医谷中医药科技(天津)股份有限公司 | 一种基于区块链的远程会诊方法及系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130044925A1 (en) * | 2011-02-14 | 2013-02-21 | Panasonic Corporation | Similar case search apparatus and similar case search method |
CN106557653A (zh) * | 2016-11-15 | 2017-04-05 | 合肥工业大学 | 一种移动医疗智能导医系统及其方法 |
CN106599574A (zh) * | 2016-12-13 | 2017-04-26 | 天津迈沃医药技术股份有限公司 | 基于医疗信息平台的诊疗数据分析方法及系统 |
CN107066818A (zh) * | 2017-03-30 | 2017-08-18 | 深圳市金立通信设备有限公司 | 一种疾病诊断方法及终端 |
CN107563142A (zh) * | 2017-09-12 | 2018-01-09 | 为朔医学数据科技(北京)有限公司 | 一种辅助诊断方法及系统 |
CN108133756A (zh) * | 2017-12-26 | 2018-06-08 | 医渡云(北京)技术有限公司 | 医疗数据搜索方法及装置、存储介质、电子设备 |
-
2018
- 2018-10-31 CN CN201811284238.6A patent/CN109346171A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130044925A1 (en) * | 2011-02-14 | 2013-02-21 | Panasonic Corporation | Similar case search apparatus and similar case search method |
CN106557653A (zh) * | 2016-11-15 | 2017-04-05 | 合肥工业大学 | 一种移动医疗智能导医系统及其方法 |
CN106599574A (zh) * | 2016-12-13 | 2017-04-26 | 天津迈沃医药技术股份有限公司 | 基于医疗信息平台的诊疗数据分析方法及系统 |
CN107066818A (zh) * | 2017-03-30 | 2017-08-18 | 深圳市金立通信设备有限公司 | 一种疾病诊断方法及终端 |
CN107563142A (zh) * | 2017-09-12 | 2018-01-09 | 为朔医学数据科技(北京)有限公司 | 一种辅助诊断方法及系统 |
CN108133756A (zh) * | 2017-12-26 | 2018-06-08 | 医渡云(北京)技术有限公司 | 医疗数据搜索方法及装置、存储介质、电子设备 |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2021012222A1 (en) * | 2019-07-24 | 2021-01-28 | Beijing Didi Infinity Technology And Development Co., Ltd. | Artificial intelligence system for processing patient descriptions |
CN110797102A (zh) * | 2019-10-31 | 2020-02-14 | 复旦大学附属中山医院 | 一种诊断报告生成系统以及医疗诊断系统 |
CN111180024A (zh) * | 2019-12-13 | 2020-05-19 | 平安医疗健康管理股份有限公司 | 基于词频逆文档频率的数据处理方法、装置和计算机设备 |
CN112402258A (zh) * | 2020-10-29 | 2021-02-26 | 阿里健康科技(杭州)有限公司 | 一种用药提醒方法和装置 |
CN112402258B (zh) * | 2020-10-29 | 2023-10-27 | 阿里健康科技(杭州)有限公司 | 一种用药提醒方法和装置 |
CN112542244A (zh) * | 2020-12-09 | 2021-03-23 | 北京百度网讯科技有限公司 | 辅助信息的生成方法、相关装置及计算机程序产品 |
CN112542244B (zh) * | 2020-12-09 | 2023-07-18 | 北京百度网讯科技有限公司 | 辅助信息的生成方法、相关装置及计算机程序产品 |
CN113160991A (zh) * | 2021-05-31 | 2021-07-23 | 郑宁 | 一种健康风险预警方法及系统 |
CN116013552A (zh) * | 2023-03-27 | 2023-04-25 | 慧医谷中医药科技(天津)股份有限公司 | 一种基于区块链的远程会诊方法及系统 |
CN116013552B (zh) * | 2023-03-27 | 2023-06-06 | 慧医谷中医药科技(天津)股份有限公司 | 一种基于区块链的远程会诊方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109346171A (zh) | 一种辅助诊断方法、装置和计算机设备 | |
Hou et al. | GCNs-net: a graph convolutional neural network approach for decoding time-resolved eeg motor imagery signals | |
Luo et al. | Deep mining external imperfect data for chest X-ray disease screening | |
CN111133526B (zh) | 发掘可用于机器学习技术中的新颖特征,例如用于诊断医疗状况的机器学习技术 | |
Nazir et al. | Big data features, applications, and analytics in cardiology—A systematic literature review | |
US20080228040A1 (en) | International medical expert diagnosis | |
JP6830068B2 (ja) | 意味的にカテゴライズされたタイムラインを表示するための装置、システム及び方法 | |
Mangaokar et al. | Jekyll: Attacking medical image diagnostics using deep generative models | |
CN112562808B (zh) | 患者画像的生成方法、装置、电子设备及存储介质 | |
CN106228000A (zh) | 过度医疗检测系统及方法 | |
Wu et al. | Knowledge graph analysis and visualization of AI technology applied in COVID-19 | |
CN109616165A (zh) | 医疗信息展示方法及装置 | |
Holste et al. | How does pruning impact long-tailed multi-label medical image classifiers? | |
Al-Ahmadi et al. | Pattern recognition of omicron variants from amalgamated multi-focus EEG signals and X-ray images using deep transfer learning | |
Yenurkar et al. | Effective detection of COVID-19 outbreak in chest X-Rays using fusionnet model | |
KR102503609B1 (ko) | 머신 러닝을 이용한 가상 환자 정보 생성 시스템 및 방법 | |
Chen et al. | Classification of human electrocardiograms by multi-layer convolutional neural network and hyperparameter optimization | |
Chakkaravarthy et al. | An Automatic Classification of COVID with J48 and Simple K-Means using Weka | |
CN108009157A (zh) | 一种语句归类方法及装置 | |
Yang et al. | Process mining the trauma resuscitation patient cohorts | |
CN107633882B (zh) | 混合云架构下的微创医疗服务系统及其辅助决策方法 | |
Pandit et al. | Artificial neural networks in healthcare: A systematic review | |
CN110827979A (zh) | 基于区块链的预测系统及方法 | |
Hossain et al. | Comparative study of deep learning algorithms for the detection of facial paralysis | |
Kwon et al. | Visually exploring contrastive explanation for diagnostic risk prediction on electronic health records |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190215 |