CN110136788B - 一种基于自动检测的病历质检方法、装置、设备及存储介质 - Google Patents

一种基于自动检测的病历质检方法、装置、设备及存储介质 Download PDF

Info

Publication number
CN110136788B
CN110136788B CN201910397723.2A CN201910397723A CN110136788B CN 110136788 B CN110136788 B CN 110136788B CN 201910397723 A CN201910397723 A CN 201910397723A CN 110136788 B CN110136788 B CN 110136788B
Authority
CN
China
Prior art keywords
medical record
vector
information
complaint
determining
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
Application number
CN201910397723.2A
Other languages
English (en)
Other versions
CN110136788A (zh
Inventor
吴及
李承程
李伟
吕萍
贺志阳
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.)
Tsinghua University
iFlytek Co Ltd
Original Assignee
Tsinghua University
iFlytek 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 Tsinghua University, iFlytek Co Ltd filed Critical Tsinghua University
Priority to CN201910397723.2A priority Critical patent/CN110136788B/zh
Publication of CN110136788A publication Critical patent/CN110136788A/zh
Application granted granted Critical
Publication of CN110136788B publication Critical patent/CN110136788B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G06F40/279—Recognition of textual entities
    • G06F40/289—Phrasal analysis, e.g. finite state techniques or chunking
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/044—Recurrent networks, e.g. Hopfield networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • 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
    • G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
    • G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Artificial Intelligence (AREA)
  • General Engineering & Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Computational Linguistics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Evolutionary Computation (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Computing Systems (AREA)
  • Molecular Biology (AREA)
  • Software Systems (AREA)
  • Mathematical Physics (AREA)
  • Epidemiology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Medical Informatics (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Public Health (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Medical Treatment And Welfare Office Work (AREA)
  • Primary Health Care (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)

Abstract

本申请提供了一种基于自动检测的病历质检方法、装置、设备及存储介质，其中，方法包括：获取待质检病历，其中，待质检病历包括多项信息；若多项信息中有至少一项必要信息缺失，则确定待质检病历为不合格的病历，其中，必要信息为按病历的书写要求必须书写的信息；若多项信息中的必要信息未缺失，则基于多项信息中的至少部分信息的内容确定待质检病历是否为合格的病历，其中，多项信息中的至少部分信息包括必要信息中的至少部分信息。本申请提供的基于自动检测的病历质检方法可自动、及时、高效地对病历的质量进行检测，进而能及时规范医生的诊疗行为。

Description

一种基于自动检测的病历质检方法、装置、设备及存储介质
技术领域
本申请涉及医疗数据处理技术领域，尤其涉及一种基于自动检测的病历质检方法、装置、设备及存储介质。
背景技术
病历是医务人员对患者疾病的发生、发展、转归，进行检查、诊断、治疗等医疗活动过程的记录。门诊病历不仅记录病情，还记录医生对病情的分析、诊断、治疗、护理的过程以及对预后的估计等。
传统的门诊病历由医生在患者的病历本上书写，病历本由患者带走，医院留在信息系统中的只有收费信息，患者病历信息几乎没有保存下来。随着信息技术的发展，医院开始进行信息化建设，在信息化建设过程中，一些医院尝试使用电子病历，起初的电子病历为住院电子病历，随着住院电子病历的实践，门诊电子病历也开始走进医院的信息化建设中。门诊电子病历是以电子化形成全程记录患者诊疗过程中的数据，它改变了几十年来传统门诊就医流程。
然而，目前的门诊电子病历存在众多缺陷，比如，缺大项、病史过于简单、主要症状不全、缺重要阴性症状、缺必要的既往史、主要阳性体征不全、缺重要阴性体征、主要治疗处理意见未记录、不按规定涂改、非规范简写药名或术语等。导致门诊电子病历存在众多缺陷的根本原因在于，对门诊电子病历质量缺乏有效监管，从而造成医师责任心松懈。有鉴于此，目前亟需一种病历质检方法，以对门诊病历质量进行有效督查和监管。
发明内容
有鉴于此，本申请提供了一种基于自动检测的病历质检方法、装置、设备及存储介质，用以对门诊病历质量进行有效监督，及时规范医生的诊疗行为，其技术方案如下：
一种基于自动检测的病历质检方法，包括：
获取待质检病历，其中，所述待质检病历包括多项信息；
若所述多项信息中有至少一项必要信息缺失，则确定所述待质检病历为不合格的病历，其中，所述必要信息为按病历的书写要求必须书写的信息；
若所述多项信息中的必要信息未缺失，则基于所述多项信息中的至少部分信息的内容确定所述待质检病历是否为合格的病历，其中，所述多项信息中的至少部分信息包括所述必要信息中的至少部分信息。
其中，所述必要信息包括：必要的病患属性信息和必要的病情信息；
所述必要的病患属性信息包括以下信息中的一种或多种：病患的姓名、年龄、性别；所述必要的病情信息包括以下信息中的一种或多种：主诉、现病史、疾病诊断。
可选的，所述基于所述多项信息中的至少部分信息的内容确定所述待质检病历是否为合格的病历，包括：
从所述多项信息中的至少部分信息的内容中获取生理学参数；
若所述生理学参数不在合理值范围内，则确定所述待质检病历为不合格的病历；
若所述生理学参数在合理值范围内，则基于所述必要的病情信息确定所述待质检病历是否为合格的病历。
可选的，所述基于所述必要的病情信息确定所述待质检病历是否为合格的病历，包括：
基于所述必要的病情信息确定所述待质检病历的病历内容所属的类别；
当所述待质检病历的病历内容所属的类别为指定类别时，若所述必要的病情信息书写形式不规范，或者，所述必要的病情信息内容不合理，则确定所述待质检病历为不合格的病历；若所述必要的病情信息书写形式规范，并且，所述必要的病情信息内容合理，则确定所述待质检病历为合格的病历。
可选的，所述必要的病情信息包括主诉，则确定所述主诉的书写形式是否规范，包括：
若所述主诉的字数不在预设的字数范围内，或者，所述主诉中未同时包含症状词和时间词，则确定所述主诉的书写形式不规范；
若所述主诉的字数在预设的字数范围内，并且，所述主诉中同时包含症所述症状词和所述时间词，则确定所述主诉的书写形式规范。
可选的，所述必要的病情信息包括现病史，则确定所述现病史的书写形式是否规范，包括：
按分隔符对所述现病史进行切分，切分得到的句子组成句子集合；
确定所述句子集合中每个句子所属的内容类别；
若所述句子集合中各个句子所属的内容类别中未包含指定内容类别，则确定所述现病史的书写形式不规范；
若所述句子集合中各个句子所属的内容类别中包含所述指定内容类别，则确定所述现病史的书写形式规范。
可选的，所述必要的病情信息包括疾病诊断，则确定所述疾病诊断的书写形式是否规范，包括：
若所述疾病诊断存在于预先构建的疾病名称库中，或者，所述疾病诊断为手术名称、取药或者接种，或者，所述疾病诊断存在于预先获取的疾病名称集合中，则确定所述疾病诊断的书写形式规范；其中，所述疾病名称集合中的疾病名称从病历库中各病历的疾病诊断获取；
若所述疾病诊断存在于预先构建的症状词库中，或者，所述疾病诊断不存在于所述疾病名称库中，也不存在于所述症状词库中，不为手术名称、取药和接种，也不存在于所述疾病名称集合中，则确定所述疾病诊断的书写形式不规范。
可选的，确定所述必要的病情信息内容是否合理，包括：
若所述主诉与所述现病史针对病情的描述不一致，或者，所述疾病诊断不合理，或者，所述主诉与所述疾病诊断不匹配，则确定所述必要的病情信息内容不合理；
若所述主诉与所述现病史针对病情的描述一致，并且，所述疾病诊断合理，并且，所述主诉与所述疾病诊断匹配，则确定所述必要的病情信息内容合理。
可选的，确定所述主诉与所述现病史针对病情的描述是否一致，包括：
基于所述主诉中的症状词和时间词确定主诉向量；
基于所述现病史中各个句子所属的内容类别以及各个句子的表征向量，确定现病史多维矩阵表示空间；
通过所述主诉向量和所述现病史多维矩阵表示空间，确定能够表征所述主诉与所述现病史关系的目标主诉向量；
通过所述目标主诉向量确定所述主诉与所述现病史针对病情的描述是否一致。
可选的，所述基于所述主诉中的症状词和时间词确定主诉向量，包括：
将所述主诉处理成至少一组词，每组词包括一症状词和一时间词；
针对任一组词，确定用于表征该组词中症状词的症状词向量，以及用于表征该组词中时间词的时间词向量，并将所述症状词向量和所述时间词向量拼接，拼接后的向量作为表征该组词的向量，以得到表征每组词的向量；
通过所述表征每组词的向量获得所述主诉向量。
可选的，所述通过所述主诉向量和所述现病史多维矩阵表示空间，确定能够表征所述主诉与所述现病史关系的目标主诉向量，包括：
将所述主诉向量投影至所述现病史多维矩阵表示空间的每一维矩阵表示空间中，获得每一维矩阵表示空间对应、投影后的主诉向量，作为第一主诉向量；
对于任一维矩阵表示空间，通过该维矩阵表示空间和该维矩阵表示空间对应的第一主诉向量，确定该维矩阵表示空间对应的、用于表征所述主诉与所述现病史关系的第二主诉向量，通过该维矩阵表示空间对应的权重和第二主诉向量，确定该维矩阵表示空间对应的第三主诉向量，以得到各维矩阵表示空间对应的第三主诉向量；
将各维矩阵表示空间对应的第三主诉向量求和，求和得到的向量作为能够表征所述主诉与所述现病史关系的目标主诉向量。
可选的，确定所述疾病诊断是否合理，包括：
从预先构建的疾病四元组库中获取与所述疾病诊断匹配的疾病四元组作为目标疾病四元组，其中，所述目标疾病四元组包括疾病名称、疾病的主要症状、与疾病有关的性别和疾病对应的年龄段；
以所述目标疾病四元组为依据，根据所述主诉、所述现病史、病患的性别、和/或病患的年龄，确定所述疾病诊断是否合理。
可选的，确定所述主诉与所述疾病诊断是否匹配，包括：
至少获取用于表征所述主诉的向量，作为主诉向量；
基于所述疾病诊断在病历库中筛选目标病历，由筛选出的目标病历组成目标病历集合，并基于所述目标病历集合确定用于表征所述疾病诊断的向量，作为疾病诊断向量；
根据所述主诉向量和所述疾病诊断向量，确定所述主诉与所述疾病诊断的距离，并通过所述主诉与所述疾病诊断的距离确定所述主诉与所述疾病诊断是否匹配。
可选的，所述基于所述目标病历集合确定用于表征所述疾病诊断的向量，作为疾病诊断向量，包括：
获取用于表征所述目标病历集合中各个目标病历中主诉的向量作为候选主诉向量，组成候选主诉向量集合；
根据所述候选主诉向量集合中各个候选主诉向量与所述主诉向量的距离，从所述候选主诉向量集合中筛选出预设个候选主诉向量，作为所述疾病诊断向量；
其中，所述预设个候选主诉向量分别与所述主诉向量的距离均大于所述候选主诉向量集合中的其它候选主诉向量与所述主诉向量的距离。
一种基于自动检测的病历质检装置，包括：病历获取模块和病历质检模块；
所述病历获取模块，用于获取待质检病历，其中，所述待质检病历包括多项信息；
所述病历质检模块，用于当所述多项信息中有至少一项必要信息缺失时，确定所述待质检病历为不合格的病历，其中，所述必要信息为按病历的书写要求必须书写的信息；当所述多项信息中的必要信息未缺失时，基于所述多项信息中的至少部分信息的内容确定所述待质检病历是否为合格的病历，其中，所述多项信息中的至少部分信息包括所述必要信息中的至少部分信息。
一种基于自动检测的病历质检设备，包括：存储器和处理器；
所述存储器，用于存储程序；
所述处理器，用于执行所述程序，实现所述基于自动检测的病历质检方法的各个步骤。
一种可读存储介质，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，实现所述基于自动检测的病历质检方法的各个步骤。
经由上述方案可知，本申请提供的基于自动检测的病历质检方法、装置、设备及存储介质，在获取待质检病历后，首先从形式上对病历信息进行检测，即检测待质检病历的多项信息中的必要信息是否缺失，若有至少一项必要信息缺失，则确定待质检病历为不合格的病历，若必要信息未缺失，进一步从内容上对病历信息进行检测，即基于待质检信息中多项信息中的至少部分信息的具体内容确定待质检病历是否为合格的病历。本申请提供的病历质检方法可自动、及时、高效地对病历的质量进行检测，通过对病历的质量进行检测能够提高医生对于病历书写的重视程度，并能及时规范医生的诊疗行为。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，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，还可以根据提供的附图获得其他的附图。
图1为本申请实施例提供的基于自动检测的病历质检方法的流程示意图；
图2为本申请实施例提供的基于待质检病历的多项信息中的至少部分信息的内容确定待质检病历是否为合格的病历的流程示意图；
图3为本申请实施例提供的基于必要的病情信息确定待质检病历是否为合格的病历的实现过程的流程示意图；
图4为本申请实施例的确定主诉与现病史针对病情的描述是否一致的流程示意图；
图5为本申请实施例提供的确定疾病诊断是否合理的实现过程的流程示意图；
图6为本申请实施例提供的确定主诉与疾病诊断是否匹配的一种实现方式的流程示意图；
图7为本申请实施例提供的确定主诉与疾病诊断是否匹配的另一种实现方式的流程示意图；
图8为本申请实施例提供的基于自动检测的病历质检装置的结构示意图；
图9为本申请实施例提供的基于自动检测的病历质检设备的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明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发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本案发明人在研究过程中发现，现有技术中，病历的质检都是由专家在评分表格上手工打分及评价，即现有的病历质检方式为人工质检，人工质检是事后回顾性的，时间上严重滞后，无法实现对诊疗行为全过程中的合理性管控，并且，人工质检方式费时费力，人工成本和时间成本较高，且人工质检方式主观性较强，会影响质检结果的客观性。
有鉴于此，本案发明人进行了深入研究，最终提供了一种效果较好的、基于自动检测的病历质检方法，该方法适用于需要对病历进行质检的应用场景，该病历质检方法能够自动、及时、高效、准确地对病历进行质检，该病历质检方法可应用于终端，也可应用于服务器。接下来通过下述实施例对本申请提供的基于自动检测的病历质检方法进行介绍。
请参阅图1，示出了本申请实施例提供的基于自动检测的病历质检方法的流程示意图，该方法可以包括：
步骤S101：获取待质检病历。
其中，待质检病历可以但不限定为门诊电子病历、住院电子病历等。
其中，待质检病历包括多项信息，比如，病患的姓名、年龄、性别、主诉、现病史、既往史、疾病诊断等。
步骤S102：判断待质检病历的多项信息中是否有至少一项必要信息缺失，若多项信息中有至少一项必要信息缺失，则执行步骤S103a，若多项信息中的必要信息未缺失，则执行步骤S103b。
其中，必要信息为按病历的书写要求必须书写的信息。必要信息可以包括必要的病患属性信息和必要的病情信息，必要的病患属性信息可以包括以下信息中的一种或多种：病患的姓名、年龄、性别，必要的病情信息包括以下信息中的一种或多种：主诉、现病史、疾病诊断。优选的，必要信息包括病患的姓名、年龄、性别、主诉、现病史、疾病诊断。
步骤S103a：判定待质检病历为不合格的病历。
当判断出多项信息中有至少一项必要信息缺失时，说明待质检的病历书写遗漏，此时可输出用于指示病历书写遗漏的提示信息，病历书写遗漏即判定病历不合格，判定出待质检病历不合格后，结束病历质检流程。
步骤S103b：基于待质检病历的多项信息中的至少部分信息的内容确定待质检病历是否为合格的病历。
当判断出待质检病历的多项信息中的必要信息未缺失时，说明待质检的病历未出现书写遗漏，此时可进一步对多项信息中的至少部分信息的具体内容进行判断，以确定待质检病历是否为合格的病历。
其中，多项信息中的至少部分信息包括必要信息中的至少部分信息。可选的，待质检病历的多项信息中的至少部分信息包括病患的年龄、性别、主诉、现病史、疾病诊断。
本申请实施例提供的基于自动检测的病历质检方法，在获取待质检病历后，首先从形式上对病历信息进行检测，即检测待质检病历的多项信息中的必要信息是否缺失，若有至少一项必要信息缺失，则确定待质检病历为不合格的病历，若必要信息未缺失，进一步从内容上对病历信息进行检测，即基于待质检信息中多项信息中的至少部分信息的具体内容确定待质检病历是否为合格的病历。本申请提供的病历质检方法可自动、及时、高效地对病历的质量进行检测，通过对病历的质量进行检测能够提高医生对于病历书写的重视程度，并能及时规范医生的诊疗行为。
另外，本申请实施例提供的基于自动检测的病历质检方法相较于人工质检方式，节省了人工成本，降低了病历质检耗时，节约了时间成本，且避免了主观因素对质检结果的影响，提高了病历质检的准确度。
以下对上述实施例中的“步骤S103b：基于待质检病历的多项信息中的至少部分信息的内容确定待质检病历是否为合格的病历”进行介绍。
请参阅图2，示出了基于待质检病历的多项信息中的至少部分信息的内容确定待质检病历是否为合格的病历的流程示意图，可以包括：
步骤S201：从待质检病历的多项信息中的至少部分信息的内容中获取生理学参数。
其中，生理学参数可以但不限定为病患的性别、年龄、血压、血糖等。
在本实施例中，可从待质检病历的指定信息项(比如性别、年龄、现病史等)中提取出病患的性别、年龄、血压、血糖等生理学参数。
步骤S202：判断生理学参数是否在合理值范围内，若生理学参数不在合理值范围内，则执行步骤S203a：确定待质检病历为不合格的病历；若生理学参数在合理值范围内，则执行步骤S203b。
需要说明的是，生理学参数可以为一个，也可以为多个，通常为多个，在获得生理学参数后，判断生理学参数是否在对应的合理范围内，若有至少一个生理学参数不在对应的合理范围内，则确定病历不合格，比如，年龄的合理范围为0～120，假设提取出的年龄为200，则确定待质检病历为不合格的病历。
优选的，当确定出待质检病历为不合格的病历时，可输出用于指示待质检病历不合理的提示信息，然后结束病历质检流程。
步骤S203b：基于必要的病情信息确定待质检病历是否为合格的病历。
优选的，必要的病情信息可以包括主诉、现病史和疾病诊断。
需要说明的是，上述实现过程是先对待质检病历中的生理学参数进行检查，然后再对待质检病历中必要的病情信息进行检测，本实施例并不限定于此，比如，也可先对待质检病历中必要的病情信息进行检测，再对待质检病历中的生理学参数进行检测。考虑到对生理学参数进行检测的过程较简单，且检测速度较快，本申请优选为先对生理学参数进行检测，再对必要的病情信息进行检测。
以下对上述“步骤S203b：基于必要的病情信息确定待质检病历是否为合格的病历”进行介绍。
请参阅图3，示出了基于必要的病情信息确定待质检病历是否为合格的病历的实现过程的流程示意图，可以包括：
步骤S301：基于必要的病情信息确定待质检病历的病历内容所属的类别。
优选的，必要的病情信息包括主诉、现病史和疾病诊断。可选的，可将主诉、现病史和疾病诊断输入LDA模型提取特征，然后利用提取的特征，采用SVM分类方法确定待质检病历的病历内容所属的类别。
步骤S302：判断待质检病历的病历内容所属的类别是否为指定类别，若待质检病历的病历内容所属的类别是指定类别，则执行步骤S303，若待质检病历的病历内容所属的类别不是指定类别，则结束病历质检流程。
其中，指定类别可以为就医或复诊。在本实施例中，可判断待质检病历的病历内容所属的类别是否为就医或复诊，若待质检病历的病历内容所属的类别是就医或复诊，则执行步骤S303，若待质检病历的病历内容所属的类别不是就医也不是复诊，比如是取药、接种或其它，则结束病历质检流程。
步骤S303：判断必要的病情信息书写形式是否规范，若必要的病情信息书写形式规范，则执行步骤S304，若必要的病情信息书写形式不规范，则执行步骤S306。
其中，书写形式是否规范可以为书写字数是否满足字数要求、书写内容中是否包含指定内容、书写的疾病名称是否规范等。判断必要的病情信息书写形式是否规范的具体实现过程可参见后续实施例的说明。
优选的，当判断出必要的病情信息书写形式不规范时，可输出用于指示必要的病情信息书写形式不规范的指示信息。
步骤S304：判断必要的病情信息内容是否合理，若必要的病情信息内容合理，则执行步骤S305，若必要的病情信息内容不合理，则执行步骤S306。
必要的病情信息内容是否合理可以为主诉与现病史针对疾病的描述是否一致、疾病诊断是否合理、主诉与疾病诊断是否匹配等。判断必要的病情信息内容是否合理的具体实现过程可参见后续实施例的说明。
需要说明的是，本实施例是先判断必要的病情信息书写形式是否规范，再判断必要的病情信息内容是否合理，本实施例并不限定于此，也可先判断必要的病情信息内容是否合理，再判断必要的病情信息书写形式是否规范。也就是说，本申请只要检测出待质检病历出现以下两种情况中的任一种情况发生，即判定待质检病历为不合格的病历：其一，待质检病历中必要的病情信息书写形式不规范，其二，待质检病历中必要的病情信息内容不合理。
步骤S305：确定待质检病历为合格的病历。
优选的，确定出待质检病历为合格的病历时，可输出用于指示待质检病历合格的指示信息。
步骤S306：确定待质检病历为不合格的病历。
优选的，当确定出待质检病历为不合格的病历时，可输出用于指示待质检病历不合格的指示信息，并结束病历质检流程。
以下对上述的“步骤S303：判断必要的病情信息书写形式是否规范”进行介绍。
前述内容提到，必要的病情信息可以包括主诉、现病史和疾病诊断，则判断必要的病情信息书写形式是否规范可以包括：若主诉的书写形式不规范，或者，现病史的书写形式不规范，或者，疾病诊断的书写形式不规范，则确定必要的病情信息书写行书不规范；反之，若主诉、现病史和疾病诊断的书写形式均规范，则确定必要的病情信息书写规范。
以下分别对判断主诉、现病史和疾病诊断的书写形式是否规范的实现过程进行介绍。
首先给出判断主诉的书写形式是否规范的实现过程，其可以包括：若主诉的字数不在预设的字数范围内，或者，主诉中未同时包含症状词和时间词，则确定主诉的书写形式不规范；若主诉的字数在预设的字数范围内，并且，主诉中同时包含症状词和时间词，则确定主诉的书写形式规范。
在一具体实例中，判断主诉的书写形式是否规范的过程可以包括：
步骤a1、判断主诉的字数是否在预设字数范围内，若主诉的字数在预设字数范围内，则执行步骤a2，若主诉的字数不在预设字数范围内，则确定主诉的书写形式不规范。
步骤a2、判断主诉中是否同时包含症状词和时间词，若主诉中同时包含症状词和时间词，则确定主诉的书写形式规范，若主诉中未同时包含症状词和时间词，则确定主诉的书写形式不规范。
需要说明的是，上述实现方式先判断主诉的字数是否在预设字数范围内，当主诉的字数在预设字数范围内时，再进一步判断主诉中是否同时包含症状词和时间词，本实施例并不限定于此，在另一种可能的实现方式中，可先判断主诉中是否同时包含症状词和时间词，若主诉中同时包含症状词和时间词，再进一步判断主诉的字数是否在预设字数范围内。
接着给出判断现病史的书写形式是否规范的实现过程，其可以包括：
步骤b1、按分隔符对现病史进行切分，切分得到的句子组成句子集合。
其中，分隔符可以为标点符号，如逗号、句号。
步骤b2、确定句子集合中每个句子所属的内容类别。
确定句子集合中每个句子所属的内容类别的过程可以包括：首先，对句子集合中的各个句子进行分词处理，获得分词后的句子集合；然后，确定分词后的句子集合中各个句子的表征向量，可选的，可将分词后的句子集合中的各个句子经一层句子级别的LSTM和Mean Pooling层，从而获得分词后的句子集合中各个句子的表征向量，最后，通过所有句子的表征向量确定每个句子的内容标签，可选的，将所有句子的表征向量经一层段落级别的LSTM，从而获得每个句子的内容标签。
任一句子的内容标签代表了该句子的内容类别，该句子的内容类别可以为治疗过程、发病过程、检查检验、或者用药。假设一句子的内容标签为lable1，而lable1代表的是治疗过程，则该句子所属的内容类别即为治疗过程。
步骤b3、判断句子集合中各个句子所属的内容类别中是否包含指定内容类别，若句子集合中各个句子所属的内容类别中包含指定内容类别，则确定现病史的书写形式规范；若句子集合中各个句子所属的内容类别中未包含指定内容类别，则确定现病史的书写形式不规范。
假设指定内容类别包括发病过程，而句子集合中各个句子所属的内容类别中未包含发病过程，则表明现病史书写遗漏，此时，判定现病史的书写形式不规范。
最后给出判断疾病诊断的书写形式是否规范的实现过程，其可以包括：
若疾病诊断存在于预先构建的疾病名称库中，或者，疾病诊断为手术名称、取药或者接种，或者，疾病诊断存在于预先获取的疾病名称集合中，则确定疾病诊断的书写形式规范；若疾病诊断存在于预先构建的症状词库中，或者，疾病诊断不存在于所述疾病名称库中，也不存在于症状词库中，不为手术名称、取药和接种，也不存在于疾病名称集合中，则确定疾病诊断的书写形式不规范。其中，疾病名称集合中的疾病名称从病历库中各病历的疾病诊断获取。
在一具体实例中，判断疾病诊断的书写形式是否规范的实现过程可以包括：
步骤c1、判断疾病诊断是否存在于疾病名称库中，若疾病诊断存在于疾病名称库中，则确定疾病诊断的书写形式规范；若疾病诊断不存在于疾病名称库中，则执行步骤c2。
步骤c2、判断疾病诊断是否存在于症状词库中，若疾病诊断存在于症状词库中，则确定疾病诊断的书写形式不规范；若疾病诊断不存在于症状词库中，则执行步骤c3。
步骤c3、判断疾病诊断是否为手术名称、取药或者接种，若疾病诊断是手术名称、取药或者接种，则确定疾病诊断的书写形式规范；若疾病诊断不是手术名称、取药和接种，则执行步骤c4。
步骤c4、判断疾病诊断是否存在于疾病名称集合中，若疾病诊断存在于疾病名称集合中，则确定疾病诊断的书写形式规范；若疾病诊断未存在于疾病名称集合中，确定疾病诊断的书写形式不规范。
需要说明的是，本实施例并不对上述实现过程(步骤c1～步骤c4)的各个步骤的执行顺序进行限定，比如，可先执行步骤c2，在步骤c2为否的时候，再执行步骤c1。
前述内容给出了判断必要的病情信息(比如主诉、现病史、疾病诊断)的书写形式是否规范的实现过程，接下来给出判断必要的病情信息内容是否合理的实现过程。
判断必要的病情信息内容是否合理的实现过程可以包括：若主诉与现病史针对病情的描述不一致，或者，疾病诊断不合理，或者，主诉与疾病诊断不匹配，则确定必要的病情信息内容不合理；若主诉与现病史针对病情的描述一致，并且，疾病诊断合理，并且，主诉与疾病诊断匹配，则确定必要的病情信息内容合理。
以下分别对确定主诉与现病史针对病情的描述是否一致、确定疾病诊断是否合理、确定主诉与疾病诊断是否匹配的实现过程进行介绍。
请参阅图4，示出了确定主诉与现病史针对病情的描述是否一致的流程示意图，可以包括：
步骤S401：基于主诉中的症状词和时间词确定主诉向量。
在一种可能的实现方式中，获取主诉向量的过程可以包括：
步骤S4011：将主诉处理成至少一组词，每组词包括一症状词和一时间词。
示例性的，主诉为“发烧、头疼两天”，将其处理成{(发烧、两天)，(头疼、两天)}。
在一种可能的实现方式中，可先为主诉中的症状词添加<症状>标签，为主诉中的时间词添加<时间>标签，从而获得主诉对应的结构化模板，接着，从预先定义的解析模板集合中确定与主诉对应的结构化模板相匹配的解析模板作为目标解析模板，最后，基于目标解析模块将主诉处理成至少一组包括一症状词和一时间词的词。
示例性的，主诉为“发烧、头疼两天”，则首先将其处理成(<症状(发烧)>、<症状(头疼)><时间(两天)>)，由此可获得主诉对应的结构化模板(症状>、<症状><时间>)，接着从预先定义的解析模板集合中确定与(症状>、<症状><时间>)匹配的解析模板，假设与(症状>、<症状><时间>)匹配的解析模板为{<症状><时间>，<症状><时间>}，然后基于解析模板{<症状><时间>，<症状><时间>}将(<症状(发烧)>、<症状(头疼)><时间(两天)>)解析为{<症状(发烧)><时间(两天)>，<症状(头疼)><时间(两天)>}，最后将解析结果中的<症状>标签和<时间>标签去除，从而获得{(发烧、两天)，(头疼、两天)}。
步骤S4012：针对任一组词，确定用于表征该组词中症状词的症状词向量，以及用于表征该组词中时间词的时间词向量，将症状词向量和时间词向量拼接，拼接后的向量作为表征该组词的向量，以得到表征每组词的向量。
在一种可能的实现方式中，表征一时间词的时间词向量可通过如下方式确定：预先将时间按长短划分等级，并基于划分的等级生成一初始化时间向量，初始化时间向量的维度与划分的等级的数量相同，初始化时间向量中的元素均为0，比如，可将时间划分为[0小时，6小时)、[6小时，24小时)、[24小时，10天)等，其中，[0小时，6小时)标记为1，[6小时，24小时)标记为2，[24小时，10天)标记为3，以此类推，始化时间向量为[0,0,0,…]，基于划分的时间等级将时间词进行归一化，假设时间词为“3小时”，其属于[0小时，6小时)，则可将时间词“3小时”归一化为“1”，假设时间词为“三天”，“三天”属于[24小时，10天)，则可将时间词为“三天”归一化为“3”，然后基于归一化结果确定表征时间词的时间词向量，假设，时间词“3小时”归一化为“1”，则可将初始化时间向量中的第1位置1，即得到“3小时”对应的时间向量[1,0,0,…]，假设时间词“三天”归一化为“3”，则将初始化时间向量中的第3位置1，即时间词“三天”对应的时间向量为[0,0,1,…]。
步骤S4013：通过表征每组词的向量获得主诉向量。
具体的，若只有一组词，则直接将表征该组词的向量确定为主诉向量，若有多组词，则将表征各组词的向量拼接，拼接后的向量作为主诉向量。
步骤S402：基于现病史中各个句子所属的内容类别以及各个句子的表征向量，确定现病史多维矩阵表示空间。
其中，现病史多维矩阵表示空间中一个维度的矩阵表示空间通过属于同一内容类别的各个句子的表征向量确定。
在一种可能的实现方式中，基于现病史中各个句子所属的内容类别以及各个句子的表征向量，确定现病史多维矩阵表示空间的过程可以包括：
步骤S4021：获取现病史中各个句子所属的内容类别以及各个句子的表征向量。
需要说明的是，现病史中各个句子所属的内容类别以及各个句子的表征向量的确定方式可参见前述内容中的步骤b1～步骤b2及相关说明。
步骤S4022：将属于同一内容类别的句子组成一个句子集合，获得多个句子集合。
示例性的，将内容类别为治疗过程的句子组成一个句子集合，将内容类别为发病过程的句子组成一个句子集合。假设现病史中各个句子所属的内容类别有N个，则可获得N个句子集合。
步骤S4023：针对多个句子集合中的任一句子集合，将该句子集合中各个句子的表征向量拼接，通过拼接后的向量确定该句子集合对应的空间矩阵，作为现病史一个维度的矩阵表示空间，以得到现病史多维矩阵表示空间。
在本实施例中，可将拼接后的向量经卷积神将网络CNN，从而获得该句子集合对应的空间矩阵。
步骤S403：通过主诉向量和现病史多维矩阵表示空间，确定能够表征主诉与现病史关系的目标主诉向量。
在一种可能的实现方式中，通过主诉向量和现病史多维矩阵表示空间，确定能够表征主诉与现病史关系的目标主诉向量实现过程可以包括：
步骤S4031：将主诉向量投影至现病史多维矩阵表示空间的每一维矩阵表示空间，获得每一维矩阵表示空间对应、投影后的主诉向量，作为第一主诉向量。
具体的，对于任一维矩阵表示空间SPembi，将主诉向量MssEmb投影至该维矩阵表示空间SPembi，可利用该维阵表示空间SPembi对应的转换矩阵Wi，通过下式实现：
MssEmb丄i＝MssEmb–Wi T*MssEmb*Wi (1)
其中，MssEmb丄i为该维矩阵表示空间SPembi对应的、投影后的主诉向量，转换矩阵Wi预先通过模型训练得到。
步骤S4032：对于任一维矩阵表示空间，通过该维矩阵表示空间和该维矩阵表示空间对应的第一主诉向量，确定该维矩阵表示空间对应的、用于表征主诉与现病史关系的第二主诉向量，并通过该维矩阵表示空间对应的权重和第二主诉向量，确定该维矩阵表示空间对应的第三主诉向量，以得到各维矩阵表示空间对应的第三主诉向量。
其中，对于任一维矩阵表示空间SPembi，可通过下式确定该维阵表示空间SPembi对应的第二主诉向量TranEmb丄i：
TranEmb丄i＝MssEmb丄i*SPembi (2)
需要说明的是，该维矩阵表示空间SPembi对应的权重为该维矩阵表示空间在现病史多维矩阵表示空间所占的权重αi，其可通过下式确定：
Figure BDA0002058712010000171
获得该维矩阵表示空间SPembi对应的权重αi和第二主诉向量TranEmb丄i后，可通过下式确定该维矩阵表示空间SPembi对应的第三主诉向量TranEmbi：
TranEmbi＝TranEmb丄i*αi (4)
步骤S4033：将各维矩阵表示空间对应的第三主诉向量求和，求和得到的向量作为能够表征主诉与现病史关系的目标主诉向量。
步骤S404：通过目标主诉向量确定主诉与现病史针对病情的描述是否一致。
具体的，可将目标主诉向量经一层softmax层，获得用于指示主诉与现病史针对病情的描述是否一致的判断结果，比如，若判断结果为0，则认为主诉与现病史针对病情的描述不一致，判断结果为1，则认为主诉与现病史针对病情的描述一致。
以下对确定疾病诊断是否合理的实现过程进行介绍。
请参阅图5，示出了确定疾病诊断是否合理的实现过程的流程示意图，可以包括：
步骤S501：从预先构建的疾病四元组库中获取与疾病诊断匹配的疾病四元组作为目标疾病四元组。
其中，疾病四元组库由医生根据医学资料整理构建。疾病四元组库中的任一疾病四元组包括疾病名称、疾病的主要症状、与疾病有关的性别、疾病对应的年龄段。其中，疾病的主要症状可以为症状词集合，比如{发烧，咳嗽}。需要说明的是，与疾病有关的性别可以为空，若为空，则表明疾病与性别无关，同样的，疾病对应的年龄段可以为空，若为空，则表明疾病不是特定年龄段的疾病。
需要说明的是，若一疾病四元组中的疾病名称与待质检病历的疾病诊断中的疾病名称相同，则认为该疾病四元组与待质检病历的疾病诊断匹配。
步骤S502：以目标疾病四元组为依据，根据主诉、和/或现病史、和/或病患的性别、和/或病患的年龄，确定疾病诊断是否合理。
以目标疾病四元组为依据，通过主诉、和/或现病史、和/或病患的性别、和/或病患的年龄，确定疾病诊断是否合理的过程可以包括：若目标疾病四元组中的主要症状不为空，则在主诉和现病史中查找目标疾病四元组中的主要症状，若主诉和现病史中均未出现目标疾病四元组中的主要症状，则确定疾病诊断不合理；若目标疾病四元组中与疾病有关的性别不为空，则判断待质检病历中病患的性别与目标疾病四元组中与疾病有关的性别是否一致，若待质检病历中病患的性别与目标疾病四元组中与疾病有关的性别不一致，则确定疾病诊断不合理；若目标疾病四元组中疾病对应的年龄段不为空，则判断待质检病历中病患的年龄是否处于目标疾病四元组中疾病对应的年龄段中，若待质检病历中病患的年龄未处于目标疾病四元组中疾病对应的年龄段中，则确定疾病诊断不合理。
示例性的，目标疾病四元组为{前列腺炎症，主要症状：尿频，与疾病有关的性别：男，疾病对应的年龄段：null}，如果在待质检病历的主诉和现病史中未查找到“尿频”，或者，待质检病历中病患的性别为女，则确定疾病诊断不合理。
需要说明的是，待质检病历只要出现以下情况中的任一种，即确定待质检病历的疾病诊断不合理：其一，主诉和现病史中均未出现目标疾病四元组中的主要症状，其二，病患的性别与目标疾病四元组中与疾病有关的性别不一致；其三，病患的年龄未处于目标疾病四元组中疾病对应的年龄段中。
以下对确定主诉与疾病诊断是否匹配的实现过程进行介绍。
确定主诉与疾病诊断是否匹配的实现过程有多种，请参阅图6，示出了一种可能的实现方式的流程示意图，可以包括：
步骤S601：获取用于表征主诉的向量，作为主诉向量MsV。
其中，获取用于表征主诉的主诉向量MsV的过程可以包括：将主诉进行分词处理，将分词处理结果经一层LSTM，可获得用于表征主诉的主诉向量MsV。
步骤S602：基于疾病诊断在病历库中筛选目标病历，由筛选出的目标病历组成目标病历集合。
具体的，基于疾病诊断在病历库中筛选目标病历的过程可以包括：首先，根据预设的映射规则，将疾病诊断映射为标准疾病名称，可选的，可将小类的疾病名称映射为大类的标准疾病名称(比如，将上肢损伤、前臂损伤均映射为损伤)，将不常见的疾病名称映射为其上位的标准疾病名称；在病历库中筛选疾病诊断中的疾病名称与映射后的标准疾病名称一致的病历作为目标病历。
步骤S603：基于目标病历集合确定用于表征疾病诊断的向量，作为疾病诊断向量。
具体的，基于目标病历集合确定用于表征疾病诊断的向量，作为疾病诊断向量的过程可以包括：获取用于表征目标病历集合中各个目标病历中主诉的向量作为候选主诉向量，组成候选主诉向量集合；根据候选主诉向量集合中各个候选主诉向量与主诉向量MsV的距离，从候选主诉向量集合中筛选出预设个候选主诉向量，作为疾病诊断向量。
其中，预设个候选主诉向量分别与主诉向量MsV的距离均大于候选主诉向量集合中的其它候选主诉向量与主诉向量MsV的距离。
可选的，可将候选主诉向量集合中各个候选主诉向量与主诉向量MsV的距离降序排序，取前N个距离分别对应的候选主诉向量{DisV1,DisV2,…,DisVN}作为疾病诊断向量，其中，N根据具体情况设定。
步骤S604：根据主诉向量和疾病诊断向量，确定主诉与疾病诊断的距离。
具体的，可根据主诉向量MsV和疾病诊断向量{DisV1,DisV2,…,DisVN}，通过下式计算主诉与疾病诊断的距离Dis：
Dis＝MsV*DisV1+MsV*DisV2+…+MsV*DisVN (5)
步骤S605：通过主诉与疾病诊断的距离确定主诉与疾病诊断是否匹配。
具体的，可将主诉与疾病诊断的距离经一层softmax，获得判断结果，若判断结果为1，则确定主诉与疾病诊断不匹配，若判断结果为0，则确定主诉与疾病诊断匹配。
需要说明的是，若主诉与疾病诊断匹配，则表明通过主诉可以推导出疾病诊断，反之，若主诉与疾病诊断不匹配，则表明通过主诉无法推导出疾病诊断，此时，判定待质检病历不合格。
考虑到主诉的内容可能不够充分，可采用现病史对其内容进行扩充，基于此，在另一种可能的实现方式中，确定主诉与疾病诊断是否匹配的实现过程可以包括：
步骤S701：获取用于表征主诉的向量作为主诉向量MsV，并获取用于表征现病史的向量作为现病史向量IllV。
前述内容(步骤b1～b2及相关解释)给出了确定现病史中各个句子的表征向量的方式，将现病史中各个句子的表征向量进行拼接即得到用于表征现病史的现病史向量。
步骤S702：基于疾病诊断在病历库中筛选目标病历，由筛选出的目标病历组成目标病历集合。
步骤S703：基于目标病历集合确定用于表征疾病诊断的向量，作为疾病诊断向量。
步骤S704：根据主诉向量、现病史向量和疾病诊断向量，确定主诉与疾病诊断的距离。
具体的，可根据主诉向量MsV、现病史向量IllV和疾病诊断向量{DisV1,DisV2,…,DisVN}，通过下式计算主诉与疾病诊断的距离Dis：
Dis＝(MsV*IllV)*DisV1+(MsV*IllV)*DisV2+…+(MsV*IllV)*DisVN(6)
步骤S705：通过主诉与疾病诊断的距离确定主诉与疾病诊断是否匹配。
需要说明的是，步骤S701中获取主诉向量的实现过程、步骤S702～步骤S704、步骤S705的实现过程可参见前述实现方式中对应步骤的实现过程，本实施例在此不作赘述。
在上述给出的基于自动检测的病历检测方法的基础上，下面给出一基于自动检测的病历检测方法的一具体实例，其可以包括：
步骤(1)、获取待质检病历。
其中，待质检病历包括多项信息，具体包括病患的姓名、年龄、性别、主诉、现病史、既往史、疾病诊断等。
步骤(2)、判断待质检病历中的必要信息是否缺失，若是，则执行步骤(3)，若否，则确定待质检病历不合格，并输出提示病历书写遗漏的提示信息，结束病历质检流程。
其中，必要信息可以包括：病患的姓名、年龄、性别、主诉、现病史、疾病诊断。
步骤(3)、判断待质检病历的指定信息中的生理学参数是否在合理值范围内，若是，则执行步骤4)，若否，则确定待质检病历不合格，并输出指示病历不合理的提示信息，结束病历之间流程。
步骤(4)、判断待质检病历的病历内容的类别是否为指定类别，若是，则执行步骤(5)，若否，则结束病历质检流程。
其中，指定可以为就医或复诊。
步骤(5)、判断待质检病历的主诉的书写形式是否规范，若是，则执行步骤(6)，若否，则确定待质检病历不合格，并输出用于指示主诉书写不规范的提示信息。
步骤(6)、判断待质检病历的现病史的书写形式是否规范，若是，则执行步骤(7)，若否，则确定待质检病历不合格，并输出用于指示现病史书写不规范的提示信息，结束病历质检流程。
步骤(7)、判断待质检病历的疾病诊断的书写形式是否规范，若是，则执行步骤(8)，若否，则确定待质检病历不合格，并输出疾病诊断书写不规范的提示信息，结束病历质检流程。
步骤(8)、判断待质检病历的主诉与现病史针对病情的描述是否一致，若是，则执行步骤(9)，若否，则确定待质检病历不合格，并输出用于指示主诉与现病史针对病情的描述不一致的提示信息，结束病历质检流程。
步骤(9)、判断疾病诊断是否合理，若是，则执行步骤(10)，若否，则确定待质检病历不合格，并输出疾病诊断不合理的提示信息，结束病历质检流程。
步骤(10)、判断待质检病历的主诉与疾病诊断是否匹配，若是，则执行步骤(11)，若否，则确定待质检病历不合格，并输出用于指示主诉与疾病诊断不匹配的提示信息，结束病历质检流程。
步骤(11)、确定待质检病历合格，并输出用于指示待质检病历合格的提示信息。
需要说明的是，本实施例中各个步骤的具体实现过程可参见上述实施例的说明，本实施例在此不作赘述。
本申请提供的基于自动检测的病历质检方法，可自动、及时、高效地对病历的质量进行检测，通过对病历的质量进行检测能够提高医生对于病历书写的重视程度，并能及时规范医生的诊疗行为。另外，本申请实施例提供的基于自动检测的病历质检方法相较于人工质检方式，节省了人工成本，降低了病历质检耗时，节约了时间成本，且避免了主观因素对质检结果的影响，提高了病历质检的准确度。
本申请实施例还提供了一种基于自动检测的病历质检装置，下面对本申请实施例提供的基于自动检测的病历质检装置进行描述，下文描述的基于自动检测的病历质检装置与上文描述的基于自动检测的病历质检方法可相互对应参照。
请参阅图8，示出了本申请实施例提供的一种基于自动检测的病历质检装置的结构示意图，该装置可以包括：病历获取模块801和病历质检模块802。
病历获取模块801，用于获取待质检病历，其中，所述待质检病历包括多项信息。
病历质检模块802，用于当所述多项信息中有至少一项必要信息缺失时，确定所述待质检病历为不合格的病历；当所述多项信息中的必要信息未缺失时，基于所述多项信息中的至少部分信息的内容确定所述待质检病历是否为合格的病历。
其中，所述必要信息为按病历的书写要求必须书写的信息，所述多项信息中的至少部分信息包括所述必要信息中的至少部分信息。
本申请提供的基于自动检测的病历质检装置，在获取待质检病历后，首先从形式上对病历信息进行检测，即检测待质检病历的多项信息中的必要信息是否缺失，若有至少一项必要信息缺失，则确定待质检病历为不合格的病历，若必要信息未缺失，进一步从内容上对病历信息进行检测，即基于待质检信息中多项信息中的至少部分信息的具体内容确定待质检病历是否为合格的病历。本申请提供的病历质检方法可自动、及时、高效地对病历的质量进行检测，通过对病历的质量进行检测能够提高医生对于病历书写的重视程度，并能及时规范医生的诊疗行为。
在一种可能的实现方式中，待质检病例中的必要信息包括：必要的病患属性信息和必要的病情信息；其中，所述必要的病患属性信息包括以下信息中的一种或多种：病患的姓名、年龄、性别；其中，所述必要的病情信息包括以下信息中的一种或多种：主诉、现病史、疾病诊断。
在一种可能的实现方式中，病历质检模块802可以包括：生理学参数检测模块和病情信息检测模块。
生理学参数检测模块，用于从所述多项信息中的至少部分信息的内容中获取生理学参数，若所述生理学参数不在合理值范围内，则确定所述待质检病历为不合格的病历。
病情信息检测模块，用于当所述生理学参数在合理值范围内时，则基于所述必要的病情信息确定所述待质检病历是否为合格的病历。
在一种可能的实现方式中，病情信息检测模块包括：病例类别检测模块和病情内容检测模块。
病例类别检测模块，用于基于所述必要的病情信息确定所述待质检病历的病历内容所属的类别。
病情内容检测模块，用于当所述待质检病历的病历内容所属的类别为指定类别时，若所述必要的病情信息书写形式不规范，或者，所述必要的病情信息内容不合理，则确定所述待质检病历为不合格的病历；若所述必要的病情信息书写形式规范，并且，所述必要的病情信息内容合理，则确定所述待质检病历为合格的病历。
在一种可能的实现方式中，所述必要的病情信息包括主诉，则病情内容检测模块包括主诉规范性检测模块。
主诉规范性检测模块，用于当所述主诉的字数不在预设的字数范围内，或者，所述主诉中未同时包含症状词和时间词时，确定所述主诉的书写形式不规范；当所述主诉的字数在预设的字数范围内，并且，所述主诉中同时包含症所述症状词和所述时间词时，确定所述主诉的书写形式规范。
在一种可能的实现方式中，所述必要的病情信息包括现病史，则病情内容检测模块包括现病史规范性检测模块。
现病史规范性检测模块，用于按分隔符对所述现病史进行切分，切分得到的句子组成句子集合；确定所述句子集合中每个句子所属的内容类别；若所述句子集合中各个句子所属的内容类别中未包含指定内容类别，则确定所述现病史的书写形式不规范；若所述句子集合中各个句子所属的内容类别中包含所述指定内容类别，则确定所述现病史的书写形式规范。
在一种可能的实现方式中，所述必要的病情信息包括疾病诊断，则病情内容检测模块包括疾病诊断规范性检测模块。
疾病诊断规范性检测模块，用于当所述疾病诊断存在于预先构建的疾病名称库中，或者，所述疾病诊断为手术名称、取药或者接种，或者，所述疾病诊断存在于预先获取的疾病名称集合中时，确定所述疾病诊断的书写形式规范；当所述疾病诊断存在于预先构建的症状词库中，或者，所述疾病诊断不存在于所述疾病名称库中，也不存在于所述症状词库中，不为手术名称、取药和接种，也不存在于所述疾病名称集合中时，确定所述疾病诊断的书写形式不规范。其中，所述疾病名称集合中的疾病名称从病历库中各病历的疾病诊断获取。
在一种可能的实现方式中，病情内容检测模块包括病情内容合理性检测模块。
病情内容合理性检测模块，用于当所述主诉与所述现病史针对病情的描述不一致，或者，所述疾病诊断不合理，或者，所述主诉与所述疾病诊断不匹配时，确定所述必要的病情信息内容不合理；当所述主诉与所述现病史针对病情的描述一致，并且，所述疾病诊断合理，并且，所述主诉与所述疾病诊断匹配时，确定所述必要的病情信息内容合理。
在一种可能的实现方式中，病情内容合理性检测模块包括：主诉与现病史一致性检测模块。
主诉与现病史一致性检测模块，用于基于所述主诉中的症状词和时间词确定主诉向量；基于所述现病史中各个句子所属的内容类别以及各个句子的表征向量，确定现病史多维矩阵表示空间；通过所述主诉向量和所述现病史多维矩阵表示空间，确定能够表征所述主诉与所述现病史关系的目标主诉向量；通过所述目标主诉向量确定所述主诉与所述现病史针对病情的描述是否一致。
在一种可能的实现方式中，主诉与现病史一致性检测模块在基于所述主诉中的症状词和时间词确定主诉向量时，具体用于将所述主诉处理成至少一组词，每组词包括一症状词和一时间词；针对任一组词，确定用于表征该组词中症状词的症状词向量，以及用于表征该组词中时间词的时间词向量，并将所述症状词向量和所述时间词向量拼接，拼接后的向量作为表征该组词的向量，以得到表征每组词的向量；通过所述表征每组词的向量获得所述主诉向量。
在一种可能的实现方式中，主诉与现病史一致性检测模块在通过所述主诉向量和所述现病史多维矩阵表示空间，确定能够表征所述主诉与所述现病史关系的目标主诉向量时，具体用于将所述主诉向量投影至所述现病史多维矩阵表示空间的每一维矩阵表示空间中，获得每一维矩阵表示空间对应、投影后的主诉向量，作为第一主诉向量；对于任一维矩阵表示空间，通过该维矩阵表示空间和该维矩阵表示空间对应的第一主诉向量，确定该维矩阵表示空间对应的、用于表征所述主诉与所述现病史关系的第二主诉向量，通过该维矩阵表示空间对应的权重和第二主诉向量，确定该维矩阵表示空间对应的第三主诉向量，以得到各维矩阵表示空间对应的第三主诉向量；将各维矩阵表示空间对应的第三主诉向量求和，求和得到的向量作为能够表征所述主诉与所述现病史关系的目标主诉向量。
在一种可能的实现方式中，病情内容合理性检测模块包括：疾病诊断合理性检测模块。
疾病诊断合理性检测模块，用于从预先构建的疾病四元组库中获取与所述疾病诊断匹配的疾病四元组作为目标疾病四元组，其中，所述目标疾病四元组包括疾病名称、疾病的主要症状、与疾病有关的性别和疾病对应的年龄段；以所述目标疾病四元组为依据，根据所述主诉、所述现病史、病患的性别、和/或病患的年龄，确定所述疾病诊断是否合理。
在一种可能的实现方式中，病情内容合理性检测模块包括：主诉与疾病诊断匹配情况检测模块。
主诉与疾病诊断匹配情况检测模块，用于获取用于表征所述主诉的向量，作为主诉向量；基于所述疾病诊断在病历库中筛选目标病历，由筛选出的目标病历组成目标病历集合，并基于所述目标病历集合确定用于表征所述疾病诊断的向量，作为疾病诊断向量；根据所述主诉向量和所述疾病诊断向量，确定所述主诉与所述疾病诊断的距离，并通过所述主诉与所述疾病诊断的距离确定所述主诉与所述疾病诊断是否匹配。
在一种可能的实现方式中，主诉与疾病诊断匹配情况检测模块在基于所述目标病历集合确定用于表征所述疾病诊断的向量时，具体用于获取用于表征所述目标病历集合中各个目标病历中主诉的向量作为候选主诉向量，组成候选主诉向量集合；根据所述候选主诉向量集合中各个候选主诉向量与所述主诉向量的距离，从所述候选主诉向量集合中筛选出预设个候选主诉向量，作为所述疾病诊断向量；其中，所述预设个候选主诉向量分别与所述主诉向量的距离均大于所述候选主诉向量集合中的其它候选主诉向量与所述主诉向量的距离。
本申请实施例还提供了一种基于自动检测的病历质检设备，请参阅图9，示出了该病历质检设备的结构示意图，该病历质检设备可以包括：至少一个处理器901，至少一个通信接口902，至少一个存储器903和至少一个通信总线904；
在本申请实施例中，处理器901、通信接口902、存储器903、通信总线904的数量为至少一个，且处理器901、通信接口902、存储器903通过通信总线904完成相互间的通信；
处理器901可能是一个中央处理器CPU，或者是特定集成电路ASIC(ApplicationSpecific Integrated Circuit)，或者是被配置成实施本发明实施例的一个或多个集成电路等；
存储器903可能包含高速RAM存储器，也可能还包括非易失性存储器(non-volatile memory)等，例如至少一个磁盘存储器；
其中，存储器存储有程序，处理器可调用存储器存储的程序，所述程序用于：
获取待质检病历，其中，所述待质检病历包括多项信息；
若所述多项信息中有至少一项必要信息缺失，则确定所述待质检病历为不合格的病历，其中，所述必要信息为按病历的书写要求必须书写的信息；
若所述多项信息中的必要信息未缺失，则基于所述多项信息中的至少部分信息的内容确定所述待质检病历是否为合格的病历，其中，所述多项信息中的至少部分信息包括所述必要信息中的至少部分信息。
可选的，所述程序的细化功能和扩展功能可参照上文描述。
本申请实施例还提供一种可读存储介质，该可读存储介质可存储有适于处理器执行的程序，所述程序用于：
获取待质检病历，其中，所述待质检病历包括多项信息；
若所述多项信息中有至少一项必要信息缺失，则确定所述待质检病历为不合格的病历，其中，所述必要信息为按病历的书写要求必须书写的信息；
若所述多项信息中的必要信息未缺失，则基于所述多项信息中的至少部分信息的内容确定所述待质检病历是否为合格的病历，其中，所述多项信息中的至少部分信息包括所述必要信息中的至少部分信息。
最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (12)

1.一种基于自动检测的病历质检方法，其特征在于，包括：
获取待质检病历，其中，所述待质检病历包括多项信息；
若所述多项信息中有至少一项必要信息缺失，则确定所述待质检病历为不合格的病历，其中，所述必要信息为按病历的书写要求必须书写的信息，所述必要信息包括：必要的病情信息，所述必要的病情信息包括主诉、现病史和疾病诊断；
若所述多项信息中的必要信息未缺失，则基于所述多项信息中的至少部分信息的内容确定所述待质检病历是否为合格的病历，其中，所述多项信息中的至少部分信息包括所述必要信息中的至少部分信息；
其中，基于所述多项信息中的至少部分信息的内容确定所述待质检病历是否为合格的病历，包括：基于所述多项信息中的至少部分信息的内容和判别依据判别所述待质检病历是否为合格的病历，所述判别依据包括：所述主诉与所述现病史针对病情的描述是否一致；
其中，确定所述主诉与所述现病史针对病情的描述是否一致，包括：
基于所述主诉中的症状词和时间词确定主诉向量；
基于所述现病史中各个句子所属的内容类别以及各个句子的表征向量，确定现病史多维矩阵表示空间；
通过所述主诉向量和所述现病史多维矩阵表示空间，确定能够表征所述主诉与所述现病史关系的目标主诉向量；
通过所述目标主诉向量确定所述主诉与所述现病史针对病情的描述是否一致；
其中，所述基于所述主诉中的症状词和时间词确定主诉向量，包括：
将所述主诉处理成至少一组词，每组词包括一症状词和一时间词；
针对任一组词，确定用于表征该组词中症状词的症状词向量，以及用于表征该组词中时间词的时间词向量，并将所述症状词向量和所述时间词向量拼接，拼接后的向量作为表征该组词的向量，以得到表征每组词的向量；
通过所述表征每组词的向量获得所述主诉向量；
其中，所述通过所述主诉向量和所述现病史多维矩阵表示空间，确定能够表征所述主诉与所述现病史关系的目标主诉向量，包括：
将所述主诉向量投影至所述现病史多维矩阵表示空间的每一维矩阵表示空间中，获得每一维矩阵表示空间对应、投影后的主诉向量，作为第一主诉向量；
对于任一维矩阵表示空间，通过该维矩阵表示空间和该维矩阵表示空间对应的第一主诉向量，确定该维矩阵表示空间对应的、用于表征所述主诉与所述现病史关系的第二主诉向量，通过该维矩阵表示空间对应的权重和第二主诉向量，确定该维矩阵表示空间对应的第三主诉向量，以得到各维矩阵表示空间对应的第三主诉向量；
将各维矩阵表示空间对应的第三主诉向量求和，求和得到的向量作为能够表征所述主诉与所述现病史关系的目标主诉向量。
2.根据权利要求1所述的基于自动检测的病历质检方法，其特征在于，所述判别依据还包括：
所述多项信息中的至少部分信息的内容中所包含的生理学参数是否在合理值范围内，和/或所述主诉、所述现病史和所述疾病诊断书写形式是否规范，和/或所述疾病诊断是否合理，和/或所述主诉与所述疾病诊断是否匹配。
3.根据权利要求2所述的基于自动检测的病历质检方法，其特征在于，所述基于所述多项信息中的至少部分信息的内容和判别依据判别所述待质检病历是否为合格的病历，包括：
从所述多项信息中的至少部分信息的内容中获取生理学参数；
若所述生理学参数不在合理值范围内，则确定所述待质检病历为不合格的病历；
若所述生理学参数在合理值范围内，则基于所述必要的病情信息确定所述待质检病历的病历内容所属的类别；
当所述待质检病历的病历内容所属的类别为指定类别时，若所述必要的病情信息书写形式不规范，或者，所述必要的病情信息内容不合理，则确定所述待质检病历为不合格的病历；若所述必要的病情信息书写形式规范，并且，所述必要的病情信息内容合理，则确定所述待质检病历为合格的病历；
其中，所述确定所述必要的病情信息内容是否合理，包括：
若所述主诉与所述现病史针对病情的描述不一致，或者，所述疾病诊断不合理，或者，所述主诉与所述疾病诊断不匹配，则确定所述必要的病情信息内容不合理；若所述主诉与所述现病史针对病情的描述一致，并且，所述疾病诊断合理，并且，所述主诉与所述疾病诊断匹配，则确定所述必要的病情信息内容合理。
4.根据权利要求3所述的基于自动检测的病历质检方法，其特征在于，确定所述主诉的书写形式是否规范，包括：
若所述主诉的字数不在预设的字数范围内，或者，所述主诉中未同时包含症状词和时间词，则确定所述主诉的书写形式不规范；
若所述主诉的字数在预设的字数范围内，并且，所述主诉中同时包含所述症状词和所述时间词，则确定所述主诉的书写形式规范。
5.根据权利要求3所述的基于自动检测的病历质检方法，其特征在于，确定所述现病史的书写形式是否规范，包括：
按分隔符对所述现病史进行切分，切分得到的句子组成句子集合；
确定所述句子集合中每个句子所属的内容类别；
若所述句子集合中各个句子所属的内容类别中未包含指定内容类别，则确定所述现病史的书写形式不规范；
若所述句子集合中各个句子所属的内容类别中包含所述指定内容类别，则确定所述现病史的书写形式规范。
6.根据权利要求3所述的基于自动检测的病历质检方法，其特征在于，确定所述疾病诊断的书写形式是否规范，包括：
若所述疾病诊断存在于预先构建的疾病名称库中，或者，所述疾病诊断为手术名称、取药或者接种，或者，所述疾病诊断存在于预先获取的疾病名称集合中，则确定所述疾病诊断的书写形式规范；其中，所述疾病名称集合中的疾病名称从病历库中各病历的疾病诊断获取；
若所述疾病诊断存在于预先构建的症状词库中，或者，所述疾病诊断不存在于所述疾病名称库中，也不存在于所述症状词库中，不为手术名称、取药和接种，也不存在于所述疾病名称集合中，则确定所述疾病诊断的书写形式不规范。
7.根据权利要求1所述的基于自动检测的病历质检方法，其特征在于，
确定所述疾病诊断是否合理，包括：
从预先构建的疾病四元组库中获取与所述疾病诊断匹配的疾病四元组作为目标疾病四元组，其中，所述目标疾病四元组包括疾病名称、疾病的主要症状、与疾病有关的性别和疾病对应的年龄段；
以所述目标疾病四元组为依据，根据所述主诉、所述现病史、病患的性别、和/或病患的年龄，确定所述疾病诊断是否合理。
8.根据权利要求1所述的基于自动检测的病历质检方法，其特征在于，确定所述主诉与所述疾病诊断是否匹配，包括：
至少获取用于表征所述主诉的向量，作为主诉向量；
基于所述疾病诊断在病历库中筛选目标病历，由筛选出的目标病历组成目标病历集合，并基于所述目标病历集合确定用于表征所述疾病诊断的向量，作为疾病诊断向量；
根据所述主诉向量和所述疾病诊断向量，确定所述主诉与所述疾病诊断的距离，并通过所述主诉与所述疾病诊断的距离确定所述主诉与所述疾病诊断是否匹配。
9.根据权利要求8所述的基于自动检测的病历质检方法，其特征在于，所述基于所述目标病历集合确定用于表征所述疾病诊断的向量，作为疾病诊断向量，包括：
获取用于表征所述目标病历集合中各个目标病历中主诉的向量作为候选主诉向量，组成候选主诉向量集合；
根据所述候选主诉向量集合中各个候选主诉向量与所述主诉向量的距离，从所述候选主诉向量集合中筛选出预设个候选主诉向量，作为所述疾病诊断向量；
其中，所述预设个候选主诉向量分别与所述主诉向量的距离均大于所述候选主诉向量集合中的其它候选主诉向量与所述主诉向量的距离。
10.一种基于自动检测的病历质检装置，其特征在于，包括：病历获取模块和病历质检模块；
所述病历获取模块，用于获取待质检病历，其中，所述待质检病历包括多项信息；
所述病历质检模块，用于当所述多项信息中有至少一项必要信息缺失时，确定所述待质检病历为不合格的病历，其中，所述必要信息为按病历的书写要求必须书写的信息，所述必要信息包括：必要的病情信息，所述必要的病情信息包括主诉、现病史和疾病诊断；当所述多项信息中的必要信息未缺失时，基于所述多项信息中的至少部分信息的内容确定所述待质检病历是否为合格的病历，其中，所述多项信息中的至少部分信息包括所述必要信息中的至少部分信息；
其中，所述病历质检模块在基于所述多项信息中的至少部分信息的内容确定所述待质检病历是否为合格的病历是，具体用于：
基于所述多项信息中的至少部分信息的内容和判别依据判别所述待质检病历是否为合格的病历，所述判别依据包括：所述主诉与所述现病史针对病情的描述是否一致；
其中，所述病历质检模块在确定所述主诉与所述现病史针对病情的描述是否一致时，具体用于基于所述主诉中的症状词和时间词确定主诉向量，基于所述现病史中各个句子所属的内容类别以及各个句子的表征向量，确定现病史多维矩阵表示空间，通过所述主诉向量和所述现病史多维矩阵表示空间，确定能够表征所述主诉与所述现病史关系的目标主诉向量，通过所述目标主诉向量确定所述主诉与所述现病史针对病情的描述是否一致；
其中，所述病历质检模块在基于所述主诉中的症状词和时间词确定主诉向量时，具体用于：
将所述主诉处理成至少一组词，每组词包括一症状词和一时间词；
针对任一组词，确定用于表征该组词中症状词的症状词向量，以及用于表征该组词中时间词的时间词向量，并将所述症状词向量和所述时间词向量拼接，拼接后的向量作为表征该组词的向量，以得到表征每组词的向量；
通过所述表征每组词的向量获得所述主诉向量；
其中，所述病历质检模块在所述通过所述主诉向量和所述现病史多维矩阵表示空间，确定能够表征所述主诉与所述现病史关系的目标主诉向量时，具体用于：
将所述主诉向量投影至所述现病史多维矩阵表示空间的每一维矩阵表示空间中，获得每一维矩阵表示空间对应、投影后的主诉向量，作为第一主诉向量；
对于任一维矩阵表示空间，通过该维矩阵表示空间和该维矩阵表示空间对应的第一主诉向量，确定该维矩阵表示空间对应的、用于表征所述主诉与所述现病史关系的第二主诉向量，通过该维矩阵表示空间对应的权重和第二主诉向量，确定该维矩阵表示空间对应的第三主诉向量，以得到各维矩阵表示空间对应的第三主诉向量；
将各维矩阵表示空间对应的第三主诉向量求和，求和得到的向量作为能够表征所述主诉与所述现病史关系的目标主诉向量。
11.一种基于自动检测的病历质检设备，其特征在于，包括：存储器和处理器；
所述存储器，用于存储程序；
所述处理器，用于执行所述程序，实现如权利要求1~9中任一项所述的基于自动检测的病历质检方法的各个步骤。
12.一种可读存储介质，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，实现如权利要求1~9中任一项所述的基于自动检测的病历质检方法的各个步骤。
CN201910397723.2A 2019-05-14 2019-05-14 一种基于自动检测的病历质检方法、装置、设备及存储介质 Active CN110136788B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910397723.2A CN110136788B (zh) 2019-05-14 2019-05-14 一种基于自动检测的病历质检方法、装置、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910397723.2A CN110136788B (zh) 2019-05-14 2019-05-14 一种基于自动检测的病历质检方法、装置、设备及存储介质

Publications (2)

Publication Number Publication Date
CN110136788A CN110136788A (zh) 2019-08-16
CN110136788B true CN110136788B (zh) 2021-08-17

Family

ID=67573817

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910397723.2A Active CN110136788B (zh) 2019-05-14 2019-05-14 一种基于自动检测的病历质检方法、装置、设备及存储介质

Country Status (1)

Country Link
CN (1) CN110136788B (zh)

Families Citing this family (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110808089B (zh) * 2019-10-16 2022-04-01 云知声智能科技股份有限公司 一种文书目录下缺陷数量的展示方法及装置
CN111383769B (zh) * 2020-01-08 2024-04-12 科大讯飞股份有限公司 主诉与诊断一致性检测方法、装置、设备及存储介质
CN111325460A (zh) * 2020-02-18 2020-06-23 深圳中兴网信科技有限公司 档案质量评估方法、评估装置和计算机可读存储介质
CN111597789A (zh) * 2020-04-07 2020-08-28 华瑞新智科技（北京）有限公司 一种电子病历文本的评估方法及设备
CN111599483B (zh) * 2020-05-29 2023-12-22 讯飞医疗科技股份有限公司 一种病历集优化方法、装置、设备及存储介质
CN111710383A (zh) * 2020-06-16 2020-09-25 平安科技（深圳）有限公司 病历质控方法、装置、计算机设备和存储介质
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
CN111832298B (zh) * 2020-07-14 2024-03-01 北京百度网讯科技有限公司 病历的质检方法、装置、设备以及存储介质
CN111863174B (zh) * 2020-07-27 2023-10-20 北京颐圣智能科技有限公司 一种病历质量评估方法及计算设备
CN112035619A (zh) * 2020-08-31 2020-12-04 康键信息技术（深圳）有限公司 基于人工智能的医疗问诊单筛选方法、装置、设备和介质
CN112015869A (zh) * 2020-09-14 2020-12-01 支付宝(杭州)信息技术有限公司 一种待发布文本的风险检测方法、装置及设备
CN112489740A (zh) * 2020-12-17 2021-03-12 北京惠及智医科技有限公司 病历检测方法及相关模型的训练方法和相关设备、装置
CN113096799B (zh) * 2021-04-25 2024-04-02 北京百度网讯科技有限公司 质控方法和装置

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101571890A (zh) * 2008-04-28 2009-11-04 国际商业机器公司 自动评估病历质量的方法和系统
CN101714191A (zh) * 2009-11-13 2010-05-26 无锡曼荼罗软件有限公司 电子病历的质量控制方法和装置
CN103218767A (zh) * 2013-03-27 2013-07-24 无锡曼荼罗软件有限公司 一种临床病历的质量控制方法及系统
CN105808951A (zh) * 2016-03-10 2016-07-27 宁波金唐软件有限公司 一种电子病历的质量控制方法及其装置
CN107863147A (zh) * 2017-10-24 2018-03-30 清华大学 基于深度卷积神经网络的医疗诊断的方法
CN108389621A (zh) * 2018-02-08 2018-08-10 山东康网网络科技有限公司 病案首页数据质量检测方法及系统
CN108877880A (zh) * 2018-06-29 2018-11-23 清华大学 基于病历文本的病人相似性度量装置及方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101571890A (zh) * 2008-04-28 2009-11-04 国际商业机器公司 自动评估病历质量的方法和系统
CN101714191A (zh) * 2009-11-13 2010-05-26 无锡曼荼罗软件有限公司 电子病历的质量控制方法和装置
CN103218767A (zh) * 2013-03-27 2013-07-24 无锡曼荼罗软件有限公司 一种临床病历的质量控制方法及系统
CN105808951A (zh) * 2016-03-10 2016-07-27 宁波金唐软件有限公司 一种电子病历的质量控制方法及其装置
CN107863147A (zh) * 2017-10-24 2018-03-30 清华大学 基于深度卷积神经网络的医疗诊断的方法
CN108389621A (zh) * 2018-02-08 2018-08-10 山东康网网络科技有限公司 病案首页数据质量检测方法及系统
CN108877880A (zh) * 2018-06-29 2018-11-23 清华大学 基于病历文本的病人相似性度量装置及方法

Also Published As

Publication number Publication date
CN110136788A (zh) 2019-08-16

Similar Documents

Publication Publication Date Title
CN110136788B (zh) 一种基于自动检测的病历质检方法、装置、设备及存储介质
JP6700283B2 (ja) 診断妥当性基準を採用することによって病態を特定するための診断検査の最適なシーケンスを決定することに適合した医用鑑別診断装置
JP6907831B2 (ja) コンテキストベースの患者類似性の方法及び装置
Zhang et al. Evaluating measures of redundancy in clinical texts
US8380530B2 (en) Personalized health records with associative relationships
Topaz et al. Automated identification of wound information in clinical notes of patients with heart diseases: Developing and validating a natural language processing application
WO2020172446A9 (en) Automated generation of structured patient data record
CN111710420A (zh) 一种基于电子病历大数据的并发症发病风险预测方法、系统、终端以及存储介质
Edinger et al. Evaluation of clinical text segmentation to facilitate cohort retrieval
Tou et al. Automatic infection detection based on electronic medical records
Trtovac et al. The use of technology in identifying hospital malnutrition: scoping review
EP2922018A1 (en) Medical information analysis program, medical information analysis device, and medical information analysis method
WO2021008601A1 (zh) 一种医学数据的检验方法
US11875884B2 (en) Expression of clinical logic with positive and negative explainability
Goldstein et al. Evaluation of an automated knowledge-based textual summarization system for longitudinal clinical data, in the intensive care domain
Bhattacharya et al. Identifying patterns of associated-conditions through topic models of Electronic Medical Records
WO2022229964A1 (en) Method of generating a diseases database, usage of the diseases database, and system therefor
Coenen et al. ICNP Catalogues for supporting nursing content in electronic health records
JP2021536636A (ja) 医療記録を分類する方法
Hansen et al. Assigning diagnosis codes using medication history
JP7315165B2 (ja) 診断支援システム
Fong et al. Assessment of automating safety surveillance from electronic health records: analysis for the quality and safety review system
Matney et al. Communicating nursing care using the health level seven consolidated clinical document architecture release 2 care plan
CN115862897A (zh) 一种基于临床数据的症候群监测方法及系统
Garvin et al. Automated quality measurement in Department of the Veterans Affairs discharge instructions for patients with congestive heart failure

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