CN109509551A - 一种常见疾病智能诊断方法及系统 - Google Patents

一种常见疾病智能诊断方法及系统 Download PDF

Info

Publication number
CN109509551A
CN109509551A CN201811294007.3A CN201811294007A CN109509551A CN 109509551 A CN109509551 A CN 109509551A CN 201811294007 A CN201811294007 A CN 201811294007A CN 109509551 A CN109509551 A CN 109509551A
Authority
CN
China
Prior art keywords
disease
knowledge
genius morbi
diagnosing method
common
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
Application number
CN201811294007.3A
Other languages
English (en)
Inventor
吕军震
胥洪锋
于国方
李长松
郭二中
武佳
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.)
XINBO ZHUOCHANG TECHNOLOGY (BEIJING) Co Ltd
Original Assignee
XINBO ZHUOCHANG TECHNOLOGY (BEIJING) 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 XINBO ZHUOCHANG TECHNOLOGY (BEIJING) Co Ltd filed Critical XINBO ZHUOCHANG TECHNOLOGY (BEIJING) Co Ltd
Priority to CN201811294007.3A priority Critical patent/CN109509551A/zh
Publication of CN109509551A publication Critical patent/CN109509551A/zh
Pending legal-status Critical Current

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
    • G16H80/00ICT specially adapted for facilitating communication between medical practitioners or patients, e.g. for collaborative diagnosis, therapy or health monitoring

Landscapes

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

Abstract

本发明提供一种常见疾病智能诊断方法及系统,其中方法包括收集主诉信息,还包括以下步骤:步骤1,根据所述主诉信息和/或回答提问的答案提取疾病特征;步骤2,将所述疾病特征输入疾病诊断模块;步骤3,输出疑似疾病列表;步骤4,判断是否为最终匹配疾病,如果不是则重新执行步骤1、2、3;步骤5,输出所述最终匹配疾病。本发明提出一种针对普通用户的常见疾病智能诊断方法及系统,能够找出影响诊断疾病的各特征要素及其相互关系,并建立疾病诊断模型,从而辅助临床医生完成常见疾病智能诊断,并提供疾病知识学习及干预指导;同时适用于患者自诊,增强自我处置能力。

Description

一种常见疾病智能诊断方法及系统
技术领域
本发明涉及疾病防控的技术领域,特别是一种常见疾病智能诊断方法及系统。
背景技术
医药卫生事业面临人口老龄化、城镇化和慢性病高发等诸多挑战,而目前优质医生的供给量严重不足,且优质医生资源配置不合理,同时医生的培养周期比较长。
目前发布的医生培养模式主要是“5+3”模式,即在5年医学类专业本科教育结束后,进行3年的住院医师规范化培训,结业考核合格后,即具有医生的从业资格,如全科医师、内科医师。相比于国际上的最短培养年限11年,仍然有所不足。
如何辅助经验不足的医师快速准确的诊断一些常见疾病,并提供疾病知识学习及干预指导,包括疾病概述、临床表现、辅助检查、治疗方案及原则、健康指导等内容;同时又适用于患者自诊,增强自我处置能力,是急需要解决的问题。
公开号为CN107680672A的发明专利公开了一种基于智能手环的常见疾病智能诊断系统,包括一个智能手环和疾病诊断系统,金兵诊断系统包括用户输入单元、信号处理器、用户的过往病历、常见疾病特征数据库、常见疾病检索分析子系统和治疗方案知识库;智能手环包括微控制器、以及分别与为控制器相连的数据存储器、生理数据采集装置、报警电路和显示屏。该系统虽然能够进行疾病诊断,但是需要用户佩戴智能手环,并且不能够对新用户进行诊断。
发明内容
为了解决上述的问题,本发明提出一种针对普通用户的常见疾病智能诊断方法及系统,能够找出影响诊断疾病的各特征要素及其相互关系,并建立疾病诊断模型,从而辅助临床医生完成常见疾病智能诊断,并提供疾病知识学习及干预指导;同时适用于患者自诊,增强自我处置能力。
本发明的第一目的是提供了一种常见疾病智能诊断方法,包括收集主诉信息,还包括以下步骤:
步骤1:提取疾病特征;
步骤2:将所述疾病特征输入疾病诊断模块;
步骤3:输出疑似疾病列表;
步骤4:判断是否为最终匹配疾病,如果不是则重新执行步骤1、2、3;
步骤5:输出所述最终匹配疾病。
优选的是,所述步骤1为从收集到的用户输入的所述主诉信息和/或用户回答提问的答案中自动提取疾病特征。
在上述任一方案中优选的是,所述步骤2还包括将所述疾病特征与疾病特征知识图谱和/或疾病相关数据库中的数据进行匹配,得到匹配的疾病特征知识。
在上述任一方案中优选的是,所述步骤2还包括并由诊断模型进行筛选、打分、排序后,输出入围的候选疾病列表,并生成下一步提问。
在上述任一方案中优选的是,所述疾病特征知识图谱包括由医学专家团队结合诊断知识及临床经验进行调整、完善,包括修正数据、完善内容、增加业务约束和定义各个特征参与评分的权重、各个症状和体征间的组合关系中至少一种。。
在上述任一方案中优选的是,所述疾病特征知识图谱还包括疾病诊断知识框架,所述疾病诊断知识框架由医学专家团队结合临床诊断知识进行定义,包括症状、体征、性别、年龄、诱因、病史和检查指标中至少一种特征。
在上述任一方案中优选的是,所述疾病特征知识图谱还包括从大量脱敏的门诊病历数据进行数据分析并提取出来的疾病和各特征之间的关系。
在上述任一方案中优选的是,所述步骤4为根据候选疾病评分判断是否为最终匹配疾病。
在上述任一方案中优选的是,所述步骤5还包括用户查看所述最终匹配疾病和就诊科室。
本发明的第二目的是一种常见疾病智能诊断系统,包括用于收集主诉信息的采集模块,还包括以下模块:
特征提取模块:用于提取疾病特征;
知识匹配模块:用于将提取到的用户疾病特征与疾病特征知识进行匹配;
疾病诊断模块:用于输入匹配的疾病特征知识,由诊断模型自动进行筛选、打分、排序后,输出入围的候选疾病列表,并生成下一步提问;
应用展示模块:用于展示诊断结果,包括匹配疾病信息及就诊科室;
所述系统采用权利要求1中的方法进行常见疾病诊断。
优选的是,所述采集模块还用于不断向用户提问,并收集答案提交后台服务。
在上述任一方案中优选的是,所述特征提取模块用于从收集模块中的用户输入的所述主诉信息和/或用户根据问题输入相应的答案中自动提取疾病特征。
在上述任一方案中优选的是,所述知识匹配模块还用于将提取到的所述疾病特征与疾病特征知识图谱和/或疾病相关数据库中的数据进行匹配,得到匹配的疾病特征知识。
在上述任一方案中优选的是,所述疾病特征知识图谱包括由医学专家团队结合诊断知识及临床经验进行调整、完善,包括修正数据、完善内容、增加业务约束和定义各个特征参与评分的权重、各个症状和体征间的组合关系中至少一种。
在上述任一方案中优选的是,所述疾病特征知识图谱还包括疾病诊断知识框架,所述疾病诊断知识框架由医学专家团队结合临床诊断知识进行定义,包括症状、体征、性别、年龄、诱因、病史和检查指标中至少一种特征。
在上述任一方案中优选的是,所述疾病特征知识图谱还包括从大量脱敏的门诊病历数据进行数据分析并提取出来的疾病和各特征之间的关系。
在上述任一方案中优选的是,所述疾病诊断模块还用于输入匹配的疾病特征知识,由诊断模型自动进行筛选、打分、排序后,输出入围的候选疾病列表,并生成下一步提问。
在上述任一方案中优选的是,述疾病诊断模块用于根据候选疾病评分判断是否为最终匹配疾病。
在上述任一方案中优选的是,所述应用展示模块还用于用户查看所述最终匹配疾病和就诊科室。
本发明提出了一种常见疾病智能诊断方法及系统,基于上千万份脱敏的门诊病历数据统计分析结果,并结合行业顶级医学专家的临床经验,形成目前覆盖大多数常见疾病的诊断模型,从而辅助经验不足的医师快速准确的诊断一些常见疾病,并提供疾病知识学习及干预指导;同时适用于患者自诊,增强自我处置能力。
附图说明
图1为按照本发明的常见疾病智能诊断方法的一优选实施例的流程图。
图2为按照本发明的常见疾病智能诊断系统的一优选实施例的模块图。
图3为按照本发明的常见疾病智能诊断系统的另一优选实施例的流程图。
图4为按照本发明的常见疾病智能诊断方法的如图3所示实施例的疾病知识图谱实现方法流程图。
具体实施方式
下面结合附图和具体的实施例对本发明做进一步的阐述。
实施例一
如图1所示,执行步骤100,收集主诉信息。采集用户输入的主诉信息和/或用户根据问题输入相应的答案。执行步骤110,根据所述主诉信息和/或回答提问的答案提取疾病特征。
执行步骤120,将疾病特征输入疾病诊断模块,疾病诊断模块将所述疾病特征与疾病特征知识图谱和/或疾病相关数据库中的数据进行匹配,得到匹配的疾病特征知识,并由诊断模型进行筛选、打分、排序后,输出入围的候选疾病列表,并生成下一步提问。疾病特征知识图谱包括由医学专家团队结合诊断知识及临床经验进行调整、完善,包括修正数据、完善内容、增加业务约束和定义各个特征参与评分的权重、各个症状和体征间的组合关系;疾病特征知识图谱还包括疾病诊断知识框架,疾病诊断知识框架由医学专家团队结合临床诊断知识进行定义,包括症状、体征、性别、年龄、诱因、病史和检查指标中至少一种特征;疾病特征知识图谱还包括从大量脱敏的门诊病历数据进行数据分析并提取出来的疾病和各特征之间的关系。
执行步骤130,输出疑似疾病列表。
执行步骤140,判断是否为最终匹配疾病,如果不是最终匹配疾病,则生成下一步提问问题,重新执行步骤100,进一步收集更多的用户主诉信息。
如果是最终匹配疾病,执行步骤150,输出最终匹配疾病,用户能够查看最终匹配疾病和就诊科室。
实施例二
如图2所示,一种常见疾病智能诊断系统包括采集模块200、特征提取模块210、知识匹配模块220、疾病诊断模块230和应用展示模块240。
采集模块200用于收集主诉信息,采集用户输入的主诉信息和/或用户根据问题输入相应的答案。
特征提取模块210用于根据主诉信息和/或回答提问的答案提取疾病特征。
知识匹配模块220用于将提取到的用户疾病特征与疾病特征知识图谱和/或疾病相关数据库中的数据进行匹配,得到匹配的疾病特征知识。疾病特征知识图谱包括由医学专家团队结合诊断知识及临床经验进行调整、完善,包括修正数据、完善内容、增加业务约束和定义各个特征参与评分的权重、各个症状和体征间的组合关系。疾病特征知识图谱还包括疾病诊断知识框架,疾病诊断知识框架由医学专家团队结合临床诊断知识进行定义,包括症状、体征、性别、年龄、诱因、病史和检查指标中至少一种特征。疾病特征知识图谱还包括从大量脱敏的门诊病历数据进行数据分析并提取出来的疾病和各特征之间的关系。
疾病诊断模块230用于将匹配的疾病特征知识输入诊断模型进行筛选、打分、排序后,输出入围的候选疾病列表,并根据候选疾病评分判断是否为最终匹配疾病,若是则输出最终匹配疾病,否则的话生成下一步提问问题;
应用展示模块240用于用户查看最终匹配疾病和就诊科室。
实施例三
本发明的目的是找出影响诊断疾病的各特征要素及其相互关系,并建立疾病诊断模型,从而辅助临床医生完成常见疾病智能诊断,并提供疾病知识学习及干预指导;同时适用于患者自诊,增强自我处置能力。
一方面提出了一种疾病诊断方法,包括: 根据用户输入的主诉信息或者回答系统提问答案中自动提取疾病特征;将提取到的疾病特征与疾病特征知识进行匹配,将匹配的疾病特征知识输入疾病诊断模型,由诊断模型进行筛选、打分、排序,输出入围的疑似疾病列表及生成下一步提问问题,直至最终产生匹配疾病或者无相关疾病,则结束;用户可查看具体疾病知识及就诊科室。
另一方面提供了一种疾病诊断系统,包括:采集模块,不断向用户提问,并收集答案提交后台服务;特征提取模块,从用户输入的主诉信息或问题答案中提取疾病特征;知识匹配模块,将提取到的用户疾病特征与疾病特征知识进行匹配,输出匹配的疾病特征知识列表;
疾病诊断模块,输入匹配的疾病特征知识,由诊断模型自动进行筛选、打分、排序,输出入围的疾病列表,并生成下一步提问,直至最终产生匹配疾病或者无相关疾病,则结束;应用展示模块,供用户查看具体疾病知识及就诊科室。
疾病诊断系统包括采集模块、特征提取模块、知识匹配模块、疾病诊断模块、应用展示模块。如图3所示。
采集模块是收集用户主诉信息及根据后台返回问题,引导用户回答提问,并收集问题答案,将结果提交后台服务。
特征提取模块是利用分词、词性标注、命名实体识别、依存分析等NLP技术,并结合业务规则实现的。特别是症状提取难度相当大,一个完整的症状包括部位、部位修饰词、症状、程度修饰词、持续时间、时机等维度,系统从用户主诉中提取到这些特征,并准确的组合在一起,形成一个完整症状。
知识匹配模块是处理用户输入特征和疾病特征知识的匹配。由于一条疾病特征知识是一段描述性信息,可能包含若干个特征,我们将疾病特征知识和特征之间的关系作为RDF三元组知识存入知识图谱中,然后将用户输入特征转换为SPARQL查询模板,执行知识查询,返回查询结果,并计算每条疾病特征知识的匹配分数。
疾病诊断模块是输入匹配的疾病特征知识,由诊断模型进行疾病筛选、评分、排序,输出入围的疾病列表,并生成下一步提问,直至最终产生匹配疾病或者无相关疾病,则结束;比如会根据候选疾病列表可以按性别、年龄、系统进行分类,会依次进行提问,不断缩小候选疾病范围及提高某些疾病的匹配得分,直至超过指定阈值,输出疑似疾病列表或者无相关疾病。
应用展示模块是展示最终诊断结果,可查看具体疾病知识及就诊科室。
疾病知识图谱中定义了影响每个疾病诊断的所有特征内容,包括症状、体征、性别、年龄、诱因、病史、检查指标等以及它们之间的约束、权重,用于支撑疾病诊断。
具体实现步骤如图4所示:
(1)由医学专家团队结合临床诊断知识定义疾病诊断知识框架,包括症状、体征、性别、年龄、诱因、病史、检查指标等特征。
(2)从大量脱敏的门诊病历数据进行数据分析,提取出疾病和各特征之间的关系。
(3)由医学专家团队结合诊断知识及临床经验进行调整、完善,包括修正数据、完善内容、增加业务约束、定义各个特征参与评分的权重、各个症状和体征间的组合关系等,形成疾病诊断知识图谱。
(4)用户输入主诉信息或者回答问题答案,并执行第5步。
(5)对用户输入的主诉信息进行特征提取。
(6)对用户输入特征进行知识匹配,多是症状、体征等维度。
(7)将匹配的疾病特征知识输入诊断模型进行筛选、打分、排序。若有候选疾病超过指定阈值,则直接跳到第10步。
(8)根据候选疾病评分及各疾病间的区分度综合计算,输出下一步引导问题供用户选择,若没有,则直接跳到第10步。
(9)返回第4步继续执行。
(10)若没有任何候选疾病达到指定阈值,并且没有下一步提问,则无法推导疑似疾病。否则,输出最终匹配的疾病列表。
本发明基于上千万份脱敏的门诊病历数据统计分析结果,并结合行业顶级医学专家的临床经验,形成目前覆盖大多数常见疾病的诊断模型,从而辅助经验不足的医师快速准确的诊断一些常见疾病,并提供疾病知识学习及干预指导;同时适用于患者自诊,增强自我处置能力。
实施例四
本系统安装在医院的智能服务终端或者家庭的电脑,无需用户佩戴任何设备,只需要在电脑或智能服务终端上输入自己的病症,就能够推断出自己患有什么疾病,应该到哪个科室进行挂号治疗。
例一:
患者A到达医院,不知道自己应该挂哪一个科的号,于是在医院挂号处的智能服务终端上打开常见疾病智能诊断系统,回答系统提出的相关问题,系统经过分析后,告知患者A应该挂内科,并显示目前内科的挂号情况(包括普通号、专家号和特需号)。
例二:
患者B在家中通过电脑打开常见疾病智能诊断系统输入自己病症的相关信息,系统经过分析后,告知患者B得的是什么病症,并建议去哪家医院(根据就近推荐和/或专业推荐原则)治疗或服用什么药物。
为了更好地理解本发明,以上结合本发明的具体实施例做了详细描述,但并非是对本发明的限制。凡是依据本发明的技术实质对以上实施例所做的任何简单修改,均仍属于本发明技术方案的范围。本说明书中每个实施例重点说明的都是与其它实施例的不同之处,各个实施例之间相同或相似的部分相互参见即可。对于系统实施例而言,由于其与方法实施例基本对应,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。

Claims (10)

1.一种常见疾病智能诊断方法,包括收集主诉信息,其特征在于,还包括以下步骤:
步骤1:提取疾病特征;
步骤2:将所述疾病特征输入疾病诊断模块;
步骤3:输出疑似疾病列表;
步骤4:判断是否为最终匹配疾病,如果不是则重新执行步骤1、2、3;
步骤5:输出所述最终匹配疾病。
2.如权利要求1所述的常见疾病智能诊断方法,其特征在于,所述步骤1为从收集到的用户输入的所述主诉信息和/或用户回答提问的答案中自动提取疾病特征。
3.如权利要求2所述的常见疾病智能诊断方法,其特征在于,所述步骤2还包括将所述疾病特征与疾病特征知识图谱和/或疾病相关数据库中的数据进行匹配,得到匹配的疾病特征知识。
4.如权利要求3所述的常见疾病智能诊断方法,其特征在于,所述步骤2还包括并由诊断模型进行筛选、打分、排序后,输出入围的候选疾病列表,并生成下一步提问。
5.如权利要求4所述的常见疾病智能诊断方法,其特征在于,所述疾病特征知识图谱包括由医学专家团队结合诊断知识及临床经验进行调整、完善,包括修正数据、完善内容、增加业务约束和定义各个特征参与评分的权重、各个症状和体征间的组合关系中至少一种。
6.如权利要求5所述的常见疾病智能诊断方法,其特征在于,所述疾病特征知识图谱还包括疾病诊断知识框架,所述疾病诊断知识框架由医学专家团队结合临床诊断知识进行定义,包括症状、体征、性别、年龄、诱因、病史和检查指标中至少一种特征。
7.如权利要求6所述的常见疾病智能诊断方法,其特征在于,所述疾病特征知识图谱还包括从大量脱敏的门诊病历数据进行数据分析并提取出来的疾病和各特征之间的关系。
8.如权利要求6所述的常见疾病智能诊断方法,其特征在于,所述步骤4为根据候选疾病评分判断是否为最终匹配疾病。
9.如权利要求7所述的常见疾病智能诊断方法,其特征在于,所述步骤5还包括用户查看所述最终匹配疾病和就诊科室。
10.一种常见疾病智能诊断系统,包括用于收集主诉信息的采集模块,其特征在于,还包括以下模块:
特征提取模块:用于提取疾病特征;
知识匹配模块:用于将提取到的用户疾病特征与疾病特征知识进行匹配;
疾病诊断模块:用于输入匹配的疾病特征知识,由诊断模型自动进行筛选、打分、排序后,输出入围的候选疾病列表,并生成下一步提问;
应用展示模块:用于展示诊断结果,包括匹配疾病信息及就诊科室;
所述系统采用权利要求1中的方法进行常见疾病诊断。
CN201811294007.3A 2018-11-01 2018-11-01 一种常见疾病智能诊断方法及系统 Pending CN109509551A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811294007.3A CN109509551A (zh) 2018-11-01 2018-11-01 一种常见疾病智能诊断方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811294007.3A CN109509551A (zh) 2018-11-01 2018-11-01 一种常见疾病智能诊断方法及系统

Publications (1)

Publication Number Publication Date
CN109509551A true CN109509551A (zh) 2019-03-22

Family

ID=65747371

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811294007.3A Pending CN109509551A (zh) 2018-11-01 2018-11-01 一种常见疾病智能诊断方法及系统

Country Status (1)

Country Link
CN (1) CN109509551A (zh)

Cited By (24)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110223783A (zh) * 2019-06-13 2019-09-10 上海明品医学数据科技有限公司 一种用于在多个终端交互医学数据的控制方法
CN110391021A (zh) * 2019-07-04 2019-10-29 北京爱医生智慧医疗科技有限公司 一种基于医学知识图谱的疾病推理系统
CN110415818A (zh) * 2019-08-05 2019-11-05 儿康智能科技(苏州)有限公司 一种基于可观察病症的智能儿科疾病问诊系统及方法
CN110504028A (zh) * 2019-08-22 2019-11-26 上海软中信息系统咨询有限公司 一种疾病问诊方法、装置、系统、计算机设备和存储介质
CN110675951A (zh) * 2019-08-26 2020-01-10 北京百度网讯科技有限公司 智能化的疾病诊断方法及装置、计算机设备与可读介质
CN111161876A (zh) * 2019-12-31 2020-05-15 重庆医科大学附属儿童医院 一种儿童病案辅助判断系统的训练方法
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
CN111291163A (zh) * 2020-03-09 2020-06-16 西南交通大学 一种基于症状特征的疾病知识图谱检索方法
CN111402642A (zh) * 2020-06-05 2020-07-10 成都泰盟软件有限公司 临床思维能力训练及考核系统
CN111599489A (zh) * 2020-05-19 2020-08-28 万达信息股份有限公司 一种疾病信息获取方法、终端设备和存储介质
CN111724873A (zh) * 2020-06-18 2020-09-29 北京嘉和海森健康科技有限公司 一种数据处理方法及装置
CN111985246A (zh) * 2020-08-27 2020-11-24 武汉东湖大数据交易中心股份有限公司 一种基于主要症状与伴随症状词的疾病认知系统
CN112037909A (zh) * 2020-08-31 2020-12-04 康键信息技术(深圳)有限公司 诊断信息复核系统
CN112201350A (zh) * 2020-11-11 2021-01-08 北京嘉和海森健康科技有限公司 一种智能分诊方法、装置及电子设备
CN112768082A (zh) * 2021-02-04 2021-05-07 常熟和医信息技术有限公司 一种根据电子病历文本自动给出疾病诊疗方案的方法
CN112837813A (zh) * 2019-11-25 2021-05-25 北京搜狗科技发展有限公司 自动问诊方法及装置
CN112859822A (zh) * 2021-04-25 2021-05-28 北京邮电大学 基于人工智能的设备健康分析及故障诊断的方法及系统
CN112905767A (zh) * 2021-02-08 2021-06-04 舒辅(上海)信息技术有限公司 一种基于智能移动终端的疾病数据采集方法
CN112927792A (zh) * 2021-01-24 2021-06-08 武汉东湖大数据交易中心股份有限公司 一种常见疾病智能诊断方法、系统及存储介质
CN112951414A (zh) * 2021-03-26 2021-06-11 嘉兴市第二医院 基层医疗临床辅助决策系统
CN113506622A (zh) * 2021-07-12 2021-10-15 曹庆恒 一种智能诊断分析系统及其使用方法
CN114255869A (zh) * 2022-01-26 2022-03-29 广州天鹏计算机科技有限公司 一种医疗大数据云平台
CN115331805A (zh) * 2022-07-04 2022-11-11 深圳市镜象科技有限公司 基于自然语言处理的精神疾病诊断方法及计算机设备
CN117079807A (zh) * 2023-08-24 2023-11-17 南方医科大学南方医院 一种针对中老年常见疾病的智能诊断支持系统和方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN106777971A (zh) * 2016-12-15 2017-05-31 杭州卓健信息科技有限公司 一种智能导诊方法及其装置
CN107016256A (zh) * 2017-06-16 2017-08-04 深圳市普惠医学软件有限公司 医学信息智能交互设备及方法
CN107945869A (zh) * 2017-12-08 2018-04-20 李玉东 一种基于大数据的经方药智能化辩证论治系统
CN108182262A (zh) * 2018-01-04 2018-06-19 华侨大学 基于深度学习和知识图谱的智能问答系统构建方法和系统

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN106777971A (zh) * 2016-12-15 2017-05-31 杭州卓健信息科技有限公司 一种智能导诊方法及其装置
CN107016256A (zh) * 2017-06-16 2017-08-04 深圳市普惠医学软件有限公司 医学信息智能交互设备及方法
CN107945869A (zh) * 2017-12-08 2018-04-20 李玉东 一种基于大数据的经方药智能化辩证论治系统
CN108182262A (zh) * 2018-01-04 2018-06-19 华侨大学 基于深度学习和知识图谱的智能问答系统构建方法和系统

Cited By (30)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110223783A (zh) * 2019-06-13 2019-09-10 上海明品医学数据科技有限公司 一种用于在多个终端交互医学数据的控制方法
CN110223783B (zh) * 2019-06-13 2023-08-18 上海明品医学数据科技有限公司 一种用于在多个终端交互医学数据的控制方法
CN110391021A (zh) * 2019-07-04 2019-10-29 北京爱医生智慧医疗科技有限公司 一种基于医学知识图谱的疾病推理系统
CN110415818A (zh) * 2019-08-05 2019-11-05 儿康智能科技(苏州)有限公司 一种基于可观察病症的智能儿科疾病问诊系统及方法
CN110504028A (zh) * 2019-08-22 2019-11-26 上海软中信息系统咨询有限公司 一种疾病问诊方法、装置、系统、计算机设备和存储介质
CN110675951A (zh) * 2019-08-26 2020-01-10 北京百度网讯科技有限公司 智能化的疾病诊断方法及装置、计算机设备与可读介质
CN112837813A (zh) * 2019-11-25 2021-05-25 北京搜狗科技发展有限公司 自动问诊方法及装置
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
CN111161876A (zh) * 2019-12-31 2020-05-15 重庆医科大学附属儿童医院 一种儿童病案辅助判断系统的训练方法
CN111291163A (zh) * 2020-03-09 2020-06-16 西南交通大学 一种基于症状特征的疾病知识图谱检索方法
CN111291163B (zh) * 2020-03-09 2023-04-11 西南交通大学 一种基于症状特征的疾病知识图谱检索方法
CN111599489A (zh) * 2020-05-19 2020-08-28 万达信息股份有限公司 一种疾病信息获取方法、终端设备和存储介质
CN111402642A (zh) * 2020-06-05 2020-07-10 成都泰盟软件有限公司 临床思维能力训练及考核系统
CN111724873A (zh) * 2020-06-18 2020-09-29 北京嘉和海森健康科技有限公司 一种数据处理方法及装置
CN111724873B (zh) * 2020-06-18 2024-01-09 北京嘉和海森健康科技有限公司 一种数据处理方法及装置
CN111985246A (zh) * 2020-08-27 2020-11-24 武汉东湖大数据交易中心股份有限公司 一种基于主要症状与伴随症状词的疾病认知系统
CN111985246B (zh) * 2020-08-27 2023-08-15 武汉东湖大数据交易中心股份有限公司 一种基于主要症状与伴随症状词的疾病认知系统
CN112037909A (zh) * 2020-08-31 2020-12-04 康键信息技术(深圳)有限公司 诊断信息复核系统
CN112037909B (zh) * 2020-08-31 2023-08-01 康键信息技术(深圳)有限公司 诊断信息复核系统
CN112201350A (zh) * 2020-11-11 2021-01-08 北京嘉和海森健康科技有限公司 一种智能分诊方法、装置及电子设备
CN112927792A (zh) * 2021-01-24 2021-06-08 武汉东湖大数据交易中心股份有限公司 一种常见疾病智能诊断方法、系统及存储介质
CN112768082A (zh) * 2021-02-04 2021-05-07 常熟和医信息技术有限公司 一种根据电子病历文本自动给出疾病诊疗方案的方法
CN112905767A (zh) * 2021-02-08 2021-06-04 舒辅(上海)信息技术有限公司 一种基于智能移动终端的疾病数据采集方法
CN112951414A (zh) * 2021-03-26 2021-06-11 嘉兴市第二医院 基层医疗临床辅助决策系统
CN112859822A (zh) * 2021-04-25 2021-05-28 北京邮电大学 基于人工智能的设备健康分析及故障诊断的方法及系统
CN113506622A (zh) * 2021-07-12 2021-10-15 曹庆恒 一种智能诊断分析系统及其使用方法
CN114255869A (zh) * 2022-01-26 2022-03-29 广州天鹏计算机科技有限公司 一种医疗大数据云平台
CN115331805A (zh) * 2022-07-04 2022-11-11 深圳市镜象科技有限公司 基于自然语言处理的精神疾病诊断方法及计算机设备
CN117079807A (zh) * 2023-08-24 2023-11-17 南方医科大学南方医院 一种针对中老年常见疾病的智能诊断支持系统和方法

Similar Documents

Publication Publication Date Title
CN109509551A (zh) 一种常见疾病智能诊断方法及系统
US11488718B2 (en) Computer aided medical method and medical system for medical prediction
MN Post-positivistic critical multiplism: A beginning dialogue
KR100794516B1 (ko) 사례 기반 기계학습 추론을 이용한 질환 진단 및 검사 항목선정 시스템 및 방법
CN102947832B (zh) 患者记录的身份匹配
CN106295186A (zh) 一种基于智能推理的辅助疾病诊断的方法与系统
CN105447299A (zh) 自助问诊并产生结构化主诉病历的系统及方法
CN107358014A (zh) 一种生理数据的临床前处理方法及系统
CN109920535A (zh) 一种移动中医辨证分析方法及装置
CN102184314A (zh) 面向偏差性症状描述的自动辅助诊断方法
CN109935337A (zh) 一种基于相似性度量的病案查找方法及系统
CN103678534A (zh) 结合粗糙集和模糊推理的生理信息与健康相关性获取方法
KR20110098286A (ko) 퍼지 추론기법을 이용한 한방 자가 진단방법
RU106013U1 (ru) Система постановки дифференцированного диагноза по данным диагностики, справочная система результатов клинических исследований для интеграции в автоматизированные медицинские информационные системы, система дифференциации записи результатов клинических исследований для интеграции в автоматизированные медицинские информационные системы и дифференциально-диагностическая матрица для интеграции в автоматизированные медицинские информационные системы
CN116564521A (zh) 一种慢性病风险评估模型建立方法、介质及系统
CN117407682A (zh) 医学模型评估方法、装置、电子设备和存储介质
WO2023234188A1 (ja) 疾病評価指標算出システム、方法、及び、プログラム
CN112071431A (zh) 基于深度学习和知识图谱的临床路径自动生成方法及系统
CN117198500A (zh) 一种基于人工智能技术的问诊系统及设备
Bichindaritz Solving safety implications in a case based decision-support system in medicine
CN111696677B (zh) 利用医疗大数据支撑临床科研的信息管理系统
CN115116608A (zh) 疾病预测方法、装置、存储介质、设备及程序产品
CN102549589B (zh) 便于向信息系统输入数据的方法及系统
KR20170098414A (ko) 질병 자가 감별 진단 시스템
Lei et al. Intelligent generation technology of sub-health diagnosis case based on case reasoning

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
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20190322

WD01 Invention patent application deemed withdrawn after publication