CN110265099A - 用于输出病历的方法和装置 - Google Patents
用于输出病历的方法和装置 Download PDFInfo
- Publication number
- CN110265099A CN110265099A CN201910380729.9A CN201910380729A CN110265099A CN 110265099 A CN110265099 A CN 110265099A CN 201910380729 A CN201910380729 A CN 201910380729A CN 110265099 A CN110265099 A CN 110265099A
- Authority
- CN
- China
- Prior art keywords
- case history
- target
- information
- collection
- history
- 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
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
- 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
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- Epidemiology (AREA)
- Data Mining & Analysis (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Pathology (AREA)
- Databases & Information Systems (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本申请实施例公开了用于输出病历的方法和装置。上述方法的一具体实施方式包括:解析目标病历,以及根据解析结果结构化目标病历;从预设的病历库中,确定出与目标病历匹配的至少一个病历,得到第一病历集合,其中,病历库包括结构化的历史病历;检索第一病历集合中的病历,以及根据检索结果确定第一病历集合中的病历与所述目标病历的匹配度;根据得到的匹配度,确定与目标病历相似的病历;输出所确定的病历。该实施方式实现了相似病历的检索。
Description
技术领域
本申请实施例涉及计算机技术领域,具体涉及用于输出病历的方法和装置。
背景技术
在医疗领域,相似病历检索在科研、临床上具有重大意义。例如,医生在针对某份病历进行病历分析或撰写病历报告时,可以参考具有一定相似度的历史病历。或者,在临床科研中,某些情况下需要从某份病历作为起始点,寻找更多的相似病历进行研究讨论。
发明内容
本申请实施例提出了用于输出病历的方法和装置。
第一方面,本申请实施例提供了一种用于输出病历的方法,包括:解析目标病历,以及根据解析结果结构化上述目标病历;从预设的病历库中,确定出与上述目标病历匹配的至少一个病历,得到第一病历集合,其中,上述病历库包括结构化的历史病历;检索上述第一病历集合中的病历,以及根据检索结果确定上述第一病历集合中的病历与上述目标病历的匹配度;根据得到的匹配度,确定与上述目标病历相似的病历;输出所确定的病历。
在一些实施例中,上述解析目标病历,以及根据解析结果结构化上述目标病历,包括:采用自然语言理解算法解析上述目标病历,确定上述目标病历包括的字段;根据上述目标病历包括的字段以及字段与特征值的预设映射关系,结构化上述目标病历。
在一些实施例中,病历包括科室信息、症状信息以及体征信息;以及上述从预设的病历库中,确定出与上述目标病历匹配的至少一个病历,得到第一病历集合,包括:从上述病历库中,确定出与上述目标病历所属同一科室的病历,得到第二病历集合;从上述第二病历集合中,确定出满足以下至少一项的病历,得到上述第一病历集合:症状信息包括上述目标病历的症状信息、体征信息包括上述目标病历的体征信息。
在一些实施例中,病历包括疾病信息、症状信息以及体征信息;以及上述检索上述第一病历集合中的病历,以及根据检索结果确定上述第一病历集合中的病历与上述目标病历的匹配度,包括:检索上述第一病历集合中的病历,确定出与上述目标病历的疾病信息相同的病历,得到第三病历集合;对于上述第三病历集合中的病历,确定该病历中的症状信息与上述目标病历中的症状信息的重合度,和/或确定该病历中的体征信息与上述目标病历中体征信息的重合度;根据所确定的重合度,确定该病历与上述目标病历的匹配度。
在一些实施例中,病历包括患者的年龄信息;以及上述根据得到的匹配度,确定与上述目标病历相似的病历,包括:对于上述第一病历集合中的病历,根据该病历中患者患病时的年龄信息、上述目标病历中患者患病时的年龄信息以及预设的衰减函数,确定该病历与上述目标病历的相关系数;根据所得到的匹配度以及相关系数,确定与上述目标病历相似的病历。
第二方面,本申请实施例提供了一种用于输出病历的装置,包括:结构化单元,被配置成解析目标病历,以及根据解析结果结构化上述目标病历;筛选单元,被配置成从预设的病历库中,确定出与上述目标病历匹配的至少一个病历,得到第一病历集合,其中,上述病历库包括结构化的历史病历;检索单元,被配置成检索上述第一病历集合中的病历,以及根据检索结果确定上述第一病历集合中的病历与上述目标病历的匹配度;确定单元,被配置成根据得到的匹配度,确定与上述目标病历相似的病历;输出单元,被配置成输出所确定的病历。
在一些实施例中,上述结构化单元进一步被配置成:采用自然语言理解算法解析上述目标病历,确定上述目标病历包括的字段;根据上述目标病历包括的字段以及字段与特征值的预设映射关系,结构化上述目标病历。
在一些实施例中,病历包括科室信息、症状信息以及体征信息;以及上述筛选单元进一步被配置成:从上述病历库中,确定出与上述目标病历所属同一科室的病历,得到第二病历集合;从上述第二病历集合中,确定出满足以下至少一项的病历,得到上述第一病历集合:症状信息包括上述目标病历的症状信息、体征信息包括上述目标病历的体征信息。
在一些实施例中,病历包括疾病信息、症状信息以及体征信息;以及上述检索单元进一步被配置成:检索上述第一病历集合中的病历,确定出与上述目标病历的疾病信息相同的病历,得到第三病历集合;对于上述第三病历集合中的病历,确定该病历中的症状信息与上述目标病历中的症状信息的重合度,和/或确定该病历中的体征信息与上述目标病历中体征信息的重合度;根据所确定的重合度,确定该病历与上述目标病历的匹配度。
在一些实施例中,病历包括患者的年龄信息;以及上述确定单元进一步被配置成:对于上述第一病历集合中的病历,根据该病历中患者患病时的年龄信息、上述目标病历中患者患病时的年龄信息以及预设的衰减函数,确定该病历与上述目标病历的相关系数;根据所得到的匹配度以及相关系数,确定与上述目标病历相似的病历。
第三方面,本申请实施例提供了一种服务器,包括:一个或多个处理器;存储装置,其上存储有一个或多个程序,当上述一个或多个程序被上述一个或多个处理器执行,使得上述一个或多个处理器实现如第一方面任一实施例所描述的方法。
第四方面,本申请实施例提供了一种计算机可读介质,其上存储有计算机程序,该程序被处理器执行时实现如第一方面任一实施例所描述的方法。
本申请的上述实施例提供的用于输出病历的方法和装置,首先解析目标病历,并根据解析结果将目标病历结构化。然后,可以从预设的病历库中,确定出与目标病历匹配的至少一个病历,得到第一病历集合。其中,病历库中包括结构化的历史病历。然后,检索第一病历集合中的病历,并根据检索结果确定第一病历集合中的各病历与目标病历的匹配度。并根据得到的匹配度,确定与目标病历相似的病历。最后,输出所确定的病历。本实施例的方法可以从病历库中检索出与目标病历相似的病历,有利于医生的医学研究。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述,本申请的其它特征、目的和优点将会变得更明显:
图1是本申请的一个实施例可以应用于其中的示例性系统架构图;
图2是根据本申请的用于输出病历的方法的一个实施例的流程图;
图3是根据本申请的用于输出病历的方法的一个应用场景的示意图;
图4是根据本申请的用于输出病历的方法的又一个实施例的流程图;
图5是根据本申请的用于输出病历的装置的一个实施例的结构示意图;
图6是适于用来实现本申请实施例的服务器的计算机系统的结构示意图。
具体实施方式
下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释相关发明,而非对该发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与有关发明相关的部分。
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
图1示出了可以应用本申请的用于输出病历的方法或用于输出病历的装置的实施例的示例性系统架构100。
如图1所示,系统架构100可以包括终端设备101、102、103,网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
用户(例如医生)可以使用终端设备101、102、103通过网络104与服务器105交互,以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用,例如病历撰写应用、检索应用、网页浏览器应用、搜索类应用、即时通信工具、邮箱客户端等。
终端设备101、102、103可以是硬件,也可以是软件。当终端设备101、102、103为硬件时,可以是具有显示屏并且支持病历检索的各种电子设备,包括但不限于平板电脑、膝上型便携计算机和台式计算机等等。当终端设备101、102、103为软件时,可以安装在上述所列举的电子设备中。其可以实现成多个软件或软件模块(例如用来提供分布式服务),也可以实现成单个软件或软件模块。在此不做具体限定。
服务器105可以是提供各种服务的服务器,例如对终端设备101、102、103上显示的病历提供支持的后台服务器。后台服务器可以对接收到的目标病历等数据进行分析等处理,并将处理结果(例如相似的病历)反馈给终端设备101、102、103。服务器105可以与存储病历的病历库连接,实现对病历的检索。
需要说明的是,服务器105可以是硬件,也可以是软件。当服务器105为硬件时,可以实现成多个服务器组成的分布式服务器集群,也可以实现成单个服务器。当服务器105为软件时,可以实现成多个软件或软件模块(例如用来提供分布式服务),也可以实现成单个软件或软件模块。在此不做具体限定。
需要说明的是,本申请实施例所提供的用于输出病历的方法一般由服务器105执行。相应地,用于输出病历的装置一般设置于服务器105中。
应该理解,图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。
继续参考图2,示出了根据本申请的用于输出病历的方法的一个实施例的流程200。本实施例的用于输出病历的方法,包括以下步骤:
步骤201,解析目标病历,以及根据解析结果结构化目标病历。
在本实施例中,用于输出病历的方法的执行主体(例如图1所示的服务器105)可以通过各种方式来解析目标病历。其中,目标病历可以是用户通过终端正在撰写的病历,也可以是执行主体本地存储的病历。执行主体可以采用NLU(Natural LanguageUnderstanding,自然语言理解)算法来解析目标病历。NLU的目标是将文本转换为语义表示。文本中单词的确切含义并不重要,重要的是文本传达的语义信息。
在解析完成目标病历后,执行主体可以根据得到的解析结果来结构化目标病历。可以理解的是,结构化后的目标病历可以是一个向量,也可以是一个表格。上述表格中可以包含多个键值对,或者包含多个特征值。当结构化后的目标病历为向量时,向量中的每个元素可以表示目标病历中每个字段的值。例如,第一个值表示年龄,第二个值表示性别,第三个值表示日期等等。
步骤202,从预设的病历库中,确定出与目标病历匹配的至少一个病历,得到第一病历集合。
本实施例中,在结构化目标病历后,可以从预设的病历库中,确定出与目标病历匹配的至少一个病历,得到第一病历集合。其中,病历库中包括结构化的历史病历。执行主体可以通过多种方式从病历库中确定出与目标病历匹配的至少一个病历。例如,当结构化的病历为向量时,执行主体可以将第N(其中,N为自然数,并且N小于向量中包括的元素数量)个值与目标病历对应的向量中第N个值相同的向量所对应的病历,作为与目标病历匹配的病历。或者,当结构化的病历为表格时,执行主体可以将相同键值对的数量大于预设阈值的表格对应的病历,作为与目标病历匹配的病历。
步骤203,检索第一病历集合中的病历,以及根据检索结果确定第一病历集合中的病历与目标病历的匹配度。
本实施例中,执行主体在得到第一病历集合后,可以检索第一病历集合中的病历,并根据检索结果确定第一病历集合中的各病历与目标病历的匹配度。具体的,执行主体可以根据第一病历集合中的各病历与目标病历包含的相同症状的数量,来确定匹配度。
步骤204,根据得到的匹配度,确定与目标病历相似的病历。
执行主体在得到匹配度后,可以根据匹配度,确定出与目标病历相似的病历。具体的,执行主体可以将匹配度大于预设阈值的病历作为与目标病历相似的病历。或者,执行主体可以将各病历按照匹配度的由大到小顺序进行排序,然后将排序中的前M个病历作为与目标病历相似的病历。其中,M为自然数。
步骤205,输出所确定的病历。
执行主体可以将确定的、与目标病历相似的病历输出。具体的,执行主体可以将所确定的病历输出至用户(如医生)所使用的终端,以供查看相似病历。
继续参见图3,图3是根据本实施例的用于输出病历的方法的一个应用场景的示意图。在图3的应用场景中,医学院教师通过终端输入了一个病历。服务器将该病历作为目标病历,并经过步骤201~205的处理后,向终端输出多个相似病历。医学院教师可以向医学生分享多个相似病历。
本申请的上述实施例提供的用于输出病历的方法,首先解析目标病历,并根据解析结果将目标病历结构化。然后,可以从预设的病历库中,确定出与目标病历匹配的至少一个病历,得到第一病历集合。其中,病历库中包括结构化的历史病历。然后,检索第一病历集合中的病历,并根据检索结果确定第一病历集合中的各病历与目标病历的匹配度。并根据得到的匹配度,确定与目标病历相似的病历。最后,输出所确定的病历。本实施例的方法,可以检索出与目标病历相似的病历,有利于医生的医学研究。
继续参见图4,其示出了根据本申请的用于输出病历的方法的另一个实施例的流程400。如图4所示,本实施例的用于输出病历的方法可以包括以下步骤:
步骤401,采用自然语言理解算法解析目标病历,确定目标病历包括的字段。
本实施例中,执行主体可以采用自然语言理解算法来解析目标病历,确定目标病历包括的字段。其中,字段是指病历中的基本项目。例如,主诉:头疼三天、咳嗽两天,现病史:高血压,都可以称为字段。
步骤402,根据目标病历包括的字段以及字段与特征值的预设映射关系,结构化目标病历。
然后,执行主体可以根据目标病历包括的字段以及字段与特征值的预设映射关系,结构化目标病历。此处,特征值是指需要从字段中提取出的值。表1示出了字段与特征值的映射关系。
表1字段与特征值的映射关系
字段 | 特征值 |
主诉 | 症状、体征、疾病、所属人群 |
现病史 | 症状、体征、疾病、所属人群 |
体格检查 | 体征 |
辅助检查 | 体征 |
过敏史 | 过敏药物、过敏原 |
诊断 | 疾病 |
医嘱 | 药物、手术 |
检验 | 检验 |
检查 | 检查 |
在现有的病历检索方案中,通常不具备语义搜索功能。例如,搜索“头疼”时,往往只能检索出包含“头疼”的病历,并不能检索出包含与“头疼”语义相近的“头痛”的病历。因此,这种方案检索得到的病历不完整。
而本实施例中,通过采用NLU解析目标病历,可以得到目标病历中文本的语义。通过结构化目标病历,实现了表述的统一,解决了在检索“头疼”不能返回“头痛”的病历的情况,提高了病历检索的完整度。
步骤403,从病历库中,确定出与目标病历所属同一科室的病历,得到第二病历集合。
本实施例中,病历可以包括科室信息、症状信息以及体征信息。科室信息表示患者就诊的科室。症状信息表示患者的痛苦表现,例如头疼、腹痛、鼻塞、恶心、呕吐等。体征信息表示具有诊断意义的征候,例如:右下腹麦氏点反跳痛、角弓反张、颈项强直。上述病历库可以是ElasticSearch病历数据库,ElasticSearch是一个基于Lucene的搜索服务器,它提供了一个分布式多用户能力的全文搜索引擎。
执行主体可以首先从病历库中,确定出与目标病历所属同一科室的病历,得到第二病历集合。对于医生来说,不同科室之间的差异较大,其他科室的病历对其本身的参考意义并不大。因此,需要首先筛选出与目标病历属于同一科室的病历,得到第二病历集合。
步骤404,从第二病历集合中,确定出满足以下至少一项的病历,得到第一病历集合:症状信息包括目标病历的症状信息、体征信息包括目标病历的体征信息。
在确定第二病历集合后,执行主体可以进一步从第二病历集合中,确定出满足以下至少一项的病历,得到第一病历集合:症状信息包括目标病历的症状信息、体征信息包括目标病历的体征信息。可以理解的是,为了进一步缩小相似病历的范围,执行主体可以将症状信息与目标病历的症状信息相同的,和/或体征信息与目标病历的体征信息相同的病历筛选出来。举例来说,目标病历的症状信息包括:咳嗽、头疼。病历1的症状信息包括:咳嗽、发热,病历2的症状信息包括:头疼、发热,病历3的症状信息包括:咳嗽、头疼、发热,病历4的症状信息包括:发热。则病历1、病历2和病历3的症状信息都包括目标病历的症状信息。执行主体可以将病历1、病历2和病历3筛选出来。
步骤405,检索第一病历集合中的病历,确定出与目标病历的疾病信息相同的病历,得到第三病历集合。
本实施例中,病历还可以包括疾病信息。执行主体在得到第一病历集合后,可以对各病历进行检索,以实现进一步筛选。上述检索可以包括全文检索和分词检索(term检索)。首先,执行主体可以对各病历进行全文检索,以确定第一病历集合中,与目标病历的疾病信息相同的病历,得到第三病历集合。
步骤406,对于第三病历集合中的病历,确定该病历中的症状信息与目标病历中的症状信息的重合度,和/或确定该病历中的体征信息与目标病历中体征信息的重合度;根据所确定的重合度,确定该病历与目标病历的匹配度。
在得到第三病历集合后,执行主体可以确定第三病历集合中的每个病历中的症状信息与目标病历中症状信息的重合度,还可以确定第三病历集合中的每个病历中的体征信息与目标病历中体征信息的重合度。本实施例中,重合度可以根据每个病历中包括的症状的数量以及每个病历与目标病历相同的症状的数量来确定。举例来说,目标病历的症状信息包括:咳嗽、头疼。病历1的症状信息包括:咳嗽、发热,病历2的症状信息包括:头疼、发热,病历3的症状信息包括:咳嗽、头疼、发热,病历4的症状信息包括:发热。病历1、病历2与目标病历相同的症状数量为1,病历3与目标病历相同的症状数量为2,病历4与目标病历相同的症状数量为0。则病历1、病历2与目标病历的重合度均为1/2,病历3与目标病历的重合度为2/3,病历4与目标病历的重合度为0。
执行主体可以根据所确定的重合度,来确定每个病历与目标病历的匹配度。例如,可以将症状信息的重合度与体征信息的重合度加权平均,得到每个病历与目标病历的重合度。
可以理解的是,疾病信息与症状信息、体征信息有着严格的医学连接关系。这种连接关系通过医学专家进行初步标识,通过学习医学典籍与大数据病历样本实现优化。例如,疾病普通感冒对应如下症状信息:全身不适、发热、味觉减退、呼吸不畅、咳嗽、咽干、咽痒、咽痛、咽部烧灼感、喉部烧灼、喷嚏、声嘶、头痛、流泪、流涕、畏光、畏寒、眼睑肿胀、肌肉痛、鼻后滴漏感、鼻塞、鼻烧灼感、听力减退、咽喉黏膜水肿、咽部充血、眼结膜充血、鼻腔黏膜充血、鼻腔黏膜可见分泌物、鼻腔黏膜水肿、清水样鼻涕。只有当病历中的疾病信息为普通感冒,且其涵盖目标病历所提及的与普通感冒症状信息一致的症状信息越多,则相似度越高。
步骤407,对于第一病历集合中的病历,根据该病历中患者患病时的年龄信息、目标病历中患者患病时的年龄信息以及预设的衰减函数,确定该病历与目标病历的相关系数。
本实施例中,病历还可以包括患者在患病时的年龄信息。在确定了每个病历与目标病历的重合度以后,执行主体还可以根据每个病历中患者患病时的年龄信息、目标病历中患者患病时的年龄信息以及预设的衰减函数,确定该病历与目标病历的相关系数。可以理解的是,医生在做医学研究时,可能会考虑年龄对患病的影响。所以相同患病年龄的病历对医学研究的贡献更大。执行主体可以将每个病历中患者患病时的年龄信息、目标病历中患者患病时的年龄信息代入预设的衰减函数,从而确定每个病历与目标病历的相关系数。具体的,上述衰减函数可以是高斯衰减函数。
在本实施例的一些可选的实现方式中,为了提高计算效率,执行主体还可以只针对第三病历集合中的每个病历执行步骤406~407的处理。
步骤408,根据所得到的匹配度以及相关系数,确定与目标病历相似的病历。
执行主体在得到相关系数后,可以将相关系数与匹配度的乘积作为最终的相似度。然后根据相似度确定出与目标病历相似的病历。例如,执行主体可以将最终的相似度最大的病历作为与目标病历相似的病历。
步骤409,输出所确定的病历。
执行主体可以将所确定的病历输出,以供医生通过终端查看。
本申请的上述实施例提供的用于输出病历的方法,可以利用自然语言理解算法来实现语义的检索,提高了病历检索的完整度;利用疾病与症状和体征之间的连接关系做检索,提高了病历检索的准确度;将患者的年龄作为影响因素考虑在内,能够进一步满足医生的检索需求。
进一步参考图5,作为对上述各图所示方法的实现,本申请提供了一种用于输出病历的装置的一个实施例,该装置实施例与图2所示的方法实施例相对应,该装置具体可以应用于各种电子设备中。
如图5所示,本实施例的用于输出病历的装置500包括:结构化单元501、筛选单元502、检索单元503、确定单元504以及输出单元505。
结构化单元501,被配置成解析目标病历,以及根据解析结果结构化目标病历。
筛选单元502,被配置成从预设的病历库中,确定出与目标病历匹配的至少一个病历,得到第一病历集合。其中,病历库包括结构化的历史病历。
检索单元503,被配置成检索第一病历集合中的病历,以及根据检索结果确定第一病历集合中的病历与目标病历的匹配度。
确定单元504,被配置成根据得到的匹配度,确定与目标病历相似的病历。
输出单元505,被配置成输出所确定的病历。
在本实施例的一些可选的实现方式中,结构化单元501可以进一步被配置成:采用自然语言理解算法解析目标病历,确定目标病历包括的字段;根据目标病历包括的字段以及字段与特征值的预设映射关系,结构化目标病历。
在本实施例的一些可选的实现方式中,病历包括科室信息、症状信息以及体征信息。筛选单元502可以进一步被配置成:从病历库中,确定出与目标病历所属同一科室的病历,得到第二病历集合;从第二病历集合中,确定出满足以下至少一项的病历,得到第一病历集合:症状信息包括目标病历的症状信息、体征信息包括目标病历的体征信息。
在本实施例的一些可选的实现方式中,病历包括疾病信息、症状信息以及体征信息。检索单元503可以进一步被配置成:检索第一病历集合中的病历,确定出与目标病历的疾病信息相同的病历,得到第三病历集合;对于第三病历集合中的病历,确定该病历中的症状信息与目标病历中的症状信息的重合度,和/或确定该病历中的体征信息与目标病历中体征信息的重合度;根据所确定的重合度,确定该病历与目标病历的匹配度。
在本实施例的一些可选的实现方式中,病历包括患者的年龄信息。确定单元504可以进一步被配置成:对于第一病历集合中的病历,根据该病历中患者患病时的年龄信息、目标病历中患者患病时的年龄信息以及预设的衰减函数,确定该病历与目标病历的相关系数;根据所得到的匹配度以及相关系数,确定与目标病历相似的病历。
应当理解,用于输出病历的装置500中记载的单元501至单元505分别与参考图2中描述的方法中的各个步骤相对应。由此,上文针对用于输出病历的方法描述的操作和特征同样适用于装置500及其中包含的单元,在此不再赘述。
下面参考图6,其示出了适于用来实现本公开的实施例的电子设备(例如图1中的服务器)600的结构示意图。图6示出的服务器仅仅是一个示例,不应对本公开的实施例的功能和使用范围带来任何限制。
如图6所示,电子设备600可以包括处理装置(例如中央处理器、图形处理器等)601,其可以根据存储在只读存储器(ROM)602中的程序或者从存储装置608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。在RAM 603中,还存储有电子设备600操作所需的各种程序和数据。处理装置601、ROM 602以及RAM603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。
通常,以下装置可以连接至I/O接口605:包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置606;包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置607;包括例如磁带、硬盘等的存储装置608;以及通信装置609。通信装置609可以允许电子设备600与其他设备进行无线或有线通信以交换数据。虽然图6示出了具有各种装置的电子设备600,但是应理解的是,并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图6中示出的每个方框可以代表一个装置,也可以根据需要代表多个装置。
特别地,根据本公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信装置609从网络上被下载和安装,或者从存储装置608被安装,或者从ROM 602被安装。在该计算机程序被处理装置601执行时,执行本公开的实施例的方法中限定的上述功能。需要说明的是,本公开的实施例所描述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开的实施例中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开的实施例中,计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:电线、光缆、RF(射频)等等,或者上述的任意合适的组合。
上述计算机可读介质可以是上述电子设备中所包含的;也可以是单独存在,而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被该电子设备执行时,使得该电子设备:解析目标病历,以及根据解析结果结构化目标病历;从预设的病历库中,确定出与目标病历匹配的至少一个病历,得到第一病历集合,其中,病历库包括结构化的历史病历;检索第一病历集合中的病历,以及根据检索结果确定第一病历集合中的病历与目标病历的匹配度;根据得到的匹配度,确定与目标病历相似的病历;输出所确定的病历。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的实施例的操作的计算机程序代码,上述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图,图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开的实施例中所涉及到的单元可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中,例如,可以描述为:一种处理器包括结构化单元、筛选单元、检索单元、确定单元以及输出单元。其中,这些单元的名称在某种情况下并不构成对该单元本身的限定,例如,输出单元还可以被描述为“输出所确定的病历的单元”。
以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本公开的实施例中所涉及的发明范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离上述发明构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开的实施例中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (12)
1.一种用于输出病历的方法,包括:
解析目标病历,以及根据解析结果结构化所述目标病历;
从预设的病历库中,确定出与所述目标病历匹配的至少一个病历,得到第一病历集合,其中,所述病历库包括结构化的历史病历;
检索所述第一病历集合中的病历,以及根据检索结果确定所述第一病历集合中的病历与所述目标病历的匹配度;
根据得到的匹配度,确定与所述目标病历相似的病历;
输出所确定的病历。
2.根据权利要求1所述的方法,其中,所述解析目标病历,以及根据解析结果结构化所述目标病历,包括:
采用自然语言理解算法解析所述目标病历,确定所述目标病历包括的字段;
根据所述目标病历包括的字段以及字段与特征值的预设映射关系,结构化所述目标病历。
3.根据权利要求1所述的方法,其中,病历包括科室信息、症状信息以及体征信息;以及
所述从预设的病历库中,确定出与所述目标病历匹配的至少一个病历,得到第一病历集合,包括:
从所述病历库中,确定出与所述目标病历所属同一科室的病历,得到第二病历集合;
从所述第二病历集合中,确定出满足以下至少一项的病历,得到所述第一病历集合:症状信息包括所述目标病历的症状信息、体征信息包括所述目标病历的体征信息。
4.根据权利要求1所述的方法,其中,病历包括疾病信息、症状信息以及体征信息;以及
所述检索所述第一病历集合中的病历,以及根据检索结果确定所述第一病历集合中的病历与所述目标病历的匹配度,包括:
检索所述第一病历集合中的病历,确定出与所述目标病历的疾病信息相同的病历,得到第三病历集合;
对于所述第三病历集合中的病历,确定该病历中的症状信息与所述目标病历中的症状信息的重合度,和/或确定该病历中的体征信息与所述目标病历中体征信息的重合度;根据所确定的重合度,确定该病历与所述目标病历的匹配度。
5.根据权利要求1所述的方法,其中,病历包括患者的年龄信息;以及
所述根据得到的匹配度,确定与所述目标病历相似的病历,包括:
对于所述第一病历集合中的病历,根据该病历中患者患病时的年龄信息、所述目标病历中患者患病时的年龄信息以及预设的衰减函数,确定该病历与所述目标病历的相关系数;
根据所得到的匹配度以及相关系数,确定与所述目标病历相似的病历。
6.一种用于输出病历的装置,包括:
结构化单元,被配置成解析目标病历,以及根据解析结果结构化所述目标病历;
筛选单元,被配置成从预设的病历库中,确定出与所述目标病历匹配的至少一个病历,得到第一病历集合,其中,所述病历库包括结构化的历史病历;
检索单元,被配置成检索所述第一病历集合中的病历,以及根据检索结果确定所述第一病历集合中的病历与所述目标病历的匹配度;
确定单元,被配置成根据得到的匹配度,确定与所述目标病历相似的病历;
输出单元,被配置成输出所确定的病历。
7.根据权利要求6所述的装置,其中,所述结构化单元进一步被配置成:
采用自然语言理解算法解析所述目标病历,确定所述目标病历包括的字段;
根据所述目标病历包括的字段以及字段与特征值的预设映射关系,结构化所述目标病历。
8.根据权利要求6所述的装置,其中,病历包括科室信息、症状信息以及体征信息;以及
所述筛选单元进一步被配置成:
从所述病历库中,确定出与所述目标病历所属同一科室的病历,得到第二病历集合;
从所述第二病历集合中,确定出满足以下至少一项的病历,得到所述第一病历集合:症状信息包括所述目标病历的症状信息、体征信息包括所述目标病历的体征信息。
9.根据权利要求6所述的装置,其中,病历包括疾病信息、症状信息以及体征信息;以及
所述检索单元进一步被配置成:
检索所述第一病历集合中的病历,确定出与所述目标病历的疾病信息相同的病历,得到第三病历集合;
对于所述第三病历集合中的病历,确定该病历中的症状信息与所述目标病历中的症状信息的重合度,和/或确定该病历中的体征信息与所述目标病历中体征信息的重合度;根据所确定的重合度,确定该病历与所述目标病历的匹配度。
10.根据权利要求6所述的装置,其中,病历包括患者的年龄信息;以及
所述确定单元进一步被配置成:
对于所述第一病历集合中的病历,根据该病历中患者患病时的年龄信息、所述目标病历中患者患病时的年龄信息以及预设的衰减函数,确定该病历与所述目标病历的相关系数;
根据所得到的匹配度以及相关系数,确定与所述目标病历相似的病历。
11.一种服务器,包括:
一个或多个处理器;
存储装置,其上存储有一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-5中任一所述的方法。
12.一种计算机可读介质,其上存储有计算机程序,其中,该程序被处理器执行时实现如权利要求1-5中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910380729.9A CN110265099B (zh) | 2019-05-08 | 2019-05-08 | 用于输出病历的方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910380729.9A CN110265099B (zh) | 2019-05-08 | 2019-05-08 | 用于输出病历的方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110265099A true CN110265099A (zh) | 2019-09-20 |
CN110265099B CN110265099B (zh) | 2022-08-05 |
Family
ID=67914369
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910380729.9A Active CN110265099B (zh) | 2019-05-08 | 2019-05-08 | 用于输出病历的方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110265099B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111105852A (zh) * | 2019-12-02 | 2020-05-05 | 上海联影智能医疗科技有限公司 | 一种电子病历推荐方法、装置、终端及存储介质 |
CN111613339A (zh) * | 2020-05-15 | 2020-09-01 | 山东大学 | 一种基于深度学习的相似病历查找方法与系统 |
CN112151187A (zh) * | 2020-10-15 | 2020-12-29 | 腾讯科技(深圳)有限公司 | 信息查询方法、装置、计算机设备和存储介质 |
CN112365937A (zh) * | 2020-09-11 | 2021-02-12 | 北京欧应信息技术有限公司 | 一种快速收集高度结构化病历的方法 |
CN113990423A (zh) * | 2021-10-28 | 2022-01-28 | 广东粤信智能科技有限公司 | 一种基于病情诊断结果的诊疗数据获取方法、存储介质及电子病历系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150227714A1 (en) * | 2012-11-14 | 2015-08-13 | Fujitsu Limited | Medical information analysis apparatus and medical information analysis method |
CN108711443A (zh) * | 2018-05-07 | 2018-10-26 | 成都智信电子技术有限公司 | 电子病历的文本数据解析方法和装置 |
CN109215754A (zh) * | 2018-09-10 | 2019-01-15 | 平安科技(深圳)有限公司 | 病历数据处理方法、装置、计算机设备和存储介质 |
CN109473152A (zh) * | 2018-09-07 | 2019-03-15 | 大连诺道认知医学技术有限公司 | 相似病历的查找方法、装置与电子设备 |
-
2019
- 2019-05-08 CN CN201910380729.9A patent/CN110265099B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150227714A1 (en) * | 2012-11-14 | 2015-08-13 | Fujitsu Limited | Medical information analysis apparatus and medical information analysis method |
CN108711443A (zh) * | 2018-05-07 | 2018-10-26 | 成都智信电子技术有限公司 | 电子病历的文本数据解析方法和装置 |
CN109473152A (zh) * | 2018-09-07 | 2019-03-15 | 大连诺道认知医学技术有限公司 | 相似病历的查找方法、装置与电子设备 |
CN109215754A (zh) * | 2018-09-10 | 2019-01-15 | 平安科技(深圳)有限公司 | 病历数据处理方法、装置、计算机设备和存储介质 |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111105852A (zh) * | 2019-12-02 | 2020-05-05 | 上海联影智能医疗科技有限公司 | 一种电子病历推荐方法、装置、终端及存储介质 |
CN111105852B (zh) * | 2019-12-02 | 2024-04-09 | 上海联影智能医疗科技有限公司 | 一种电子病历推荐方法、装置、终端及存储介质 |
CN111613339A (zh) * | 2020-05-15 | 2020-09-01 | 山东大学 | 一种基于深度学习的相似病历查找方法与系统 |
CN111613339B (zh) * | 2020-05-15 | 2021-07-09 | 山东大学 | 一种基于深度学习的相似病历查找方法与系统 |
CN112365937A (zh) * | 2020-09-11 | 2021-02-12 | 北京欧应信息技术有限公司 | 一种快速收集高度结构化病历的方法 |
CN112151187A (zh) * | 2020-10-15 | 2020-12-29 | 腾讯科技(深圳)有限公司 | 信息查询方法、装置、计算机设备和存储介质 |
CN112151187B (zh) * | 2020-10-15 | 2024-05-10 | 腾讯科技(深圳)有限公司 | 信息查询方法、装置、计算机设备和存储介质 |
CN113990423A (zh) * | 2021-10-28 | 2022-01-28 | 广东粤信智能科技有限公司 | 一种基于病情诊断结果的诊疗数据获取方法、存储介质及电子病历系统 |
Also Published As
Publication number | Publication date |
---|---|
CN110265099B (zh) | 2022-08-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11942221B2 (en) | Disambiguation of ambiguous portions of content for processing by automated systems | |
CN110265099A (zh) | 用于输出病历的方法和装置 | |
US9471623B2 (en) | Empathy injection for question-answering systems | |
Bhattad et al. | Artificial intelligence in modern medicine–the evolving necessity of the present and role in transforming the future of medical care | |
US11288279B2 (en) | Cognitive computer assisted attribute acquisition through iterative disclosure | |
KR102424085B1 (ko) | 기계-보조 대화 시스템 및 의학적 상태 문의 장치 및 방법 | |
US20210390435A1 (en) | Analytics Framework for Selection and Execution of Analytics in a Distributed Environment | |
Shah et al. | Neural networks for mining the associations between diseases and symptoms in clinical notes | |
US11334806B2 (en) | Registration, composition, and execution of analytics in a distributed environment | |
US11031109B2 (en) | Contextual EMR based dashboard graphical user interface elements | |
US20160098456A1 (en) | Implicit Durations Calculation and Similarity Comparison in Question Answering Systems | |
US20240053307A1 (en) | Identifying Repetitive Portions of Clinical Notes and Generating Summaries Pertinent to Treatment of a Patient Based on the Identified Repetitive Portions | |
CN110222319A (zh) | 用于挖掘数据的方法和装置 | |
US20180101652A1 (en) | Medical risk factors evaluation | |
CN110097936A (zh) | 用于输出病历的方法和装置 | |
US11837343B2 (en) | Identifying repetitive portions of clinical notes and generating summaries pertinent to treatment of a patient based on the identified repetitive portions | |
CN110471941A (zh) | 自动定位判断依据的方法、装置及电子设备 | |
US11152088B2 (en) | Methods, systems and computer program products for electronic data entry | |
CN115620886B (zh) | 一种数据审核方法和装置 | |
Bao et al. | Application research of artificial intelligence in medical information system | |
US20210090691A1 (en) | Cognitive System Candidate Response Ranking Based on Personal Medical Condition | |
CN113343664A (zh) | 图像文本之间的匹配度的确定方法及装置 | |
US11475325B2 (en) | Inferring cognitive capabilities across multiple cognitive analytics applied to literature | |
US10901980B2 (en) | Health care clinical data controlled data set generator | |
US11996196B2 (en) | Intelligent computer application for diagnosis suggestion and validation |
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 |