CN110837494B - 一种识别病历首页未特指诊断编码错误的方法及装置 - Google Patents
一种识别病历首页未特指诊断编码错误的方法及装置 Download PDFInfo
- Publication number
- CN110837494B CN110837494B CN201910970105.2A CN201910970105A CN110837494B CN 110837494 B CN110837494 B CN 110837494B CN 201910970105 A CN201910970105 A CN 201910970105A CN 110837494 B CN110837494 B CN 110837494B
- Authority
- CN
- China
- Prior art keywords
- icd10
- feature word
- unspecified
- codes
- vectors
- 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
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/21—Design, administration or maintenance of databases
- G06F16/215—Improving data quality; Data cleansing, e.g. de-duplication, removing invalid entries or correcting typographical errors
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明一种识别病历首页未特指诊断编码错误的方法,所述方法包括:获取未特指诊断编码对应的ICD10扩展版本中的疾病名称;利用ICD10分类轴心对所述疾病名称拆分,并将对应的分类轴心向量化以得到分类轴心向量;提取所述未特指诊断中与所述ICD10分类轴心对应的特征词,并将所述特征词向量化以得到特征词向量;判断所述分类轴心向量与所述特征词向量是否匹配,根据判断结果识别所述未特指诊断编码是否错误。
Description
技术领域
本发明涉及互联网技术领域,特别涉及一种识别病历首页未特指诊断编码错误的方法及装置。
背景技术
国际疾病分类(International Classification ofDiseases,ICD),是WHO制定的国际统一的疾病分类方法,它根据疾病的病因、病理、临床表现和解剖位置等特性,将疾病分门别类,使其成为一个有序的组合,并用编码的方法来表示的系统。全世界通用的是第10次修订本《疾病和有关健康问题的国际统计分类》,仍保留了ICD的简称,并被统称为ICD-10。
目前,仅使用编码形式上的标准去识别编码错误,并未考虑利用分类疾病时依据的某种疾病特征去识别错误,即未考虑利用ICD10编码体系的分类轴心,从语义的层面去识别疾病诊断编码错误。
发明内容
本发明提供一种识别病历首页未特指诊断编码错误的方法,包括:
获取未特指诊断编码对应的ICD10扩展版本中的疾病名称;
利用ICD10分类轴心对所述疾病名称拆分,并将对应的分类轴心向量化以得到分类轴心向量;
提取所述未特指诊断中与所述ICD10分类轴心对应的特征词,并将所述特征词向量化以得到特征词向量;
判断所述分类轴心向量与所述特征词向量是否匹配,根据判断结果识别所述未特指诊断编码是否错误。
本实施例的有益效果在于:利用ICD10分类轴心从四个维度对ICD10扩展版本中的疾病名称进行拆分,然后将对将对应的分类轴心向量化得到分类轴心向量,通过判断分类轴心向量与特征词向量是否匹配,根据判断结果识别到未特指诊断编码是否错误,本方法基于ICD10分类轴心进行匹配,提高了识别未特指诊断编码错误的准确率。
具体的,所述获取未特指诊断编码对应ICD10扩展版本中的疾病名称,包括:
确定病历首页未特指诊断编码对应的类目编码;
提取所述类目编码下所有ICD10亚目对应的编码和疾病名称;
提取所述类目编码对应的ICD10扩展版本中细目的编码与疾病名称。
具体的,所述以得到特征词向量,包括:
对所述未特指诊断进行分词,并删除停用词;
提取与所述ICD10分类轴心四个维度对应的特征词;
通过预训练模型将所述特征词向量化以得到特征词向量。
具体的,所述判断所述分类轴心向量与所述特征词向量是否匹配,根据判断结果识别所述未特指诊断编码是否错误,包括:
计算所述分类轴心向量与所述特征词向量的相似度;
判断所述相似度是否大于预设阈值,若大于则所述分类轴心向量与所述特征词向量匹配;
判断所述特征词向量与其对应的四个维度的所述分类轴心向量是否全部匹配,若是,则所述特征词向量对应的所述未特指诊断与所述分类轴心向量对应的所述ICD10扩展版疾病名称同义,若否,则所述未特指诊断编码错误。
具体的,所述判断所述分类轴心向量与所述特征词向量是否匹配,根据判断结果识别所述未特指诊断编码是否错误,还包括:
同义结果为多个,筛选最相似的同义ICD10扩展版疾病名称;
判断所述特征词向量对应的所述未特指诊断亚目编码与所述同义ICD10扩展版疾病名称对应的亚目编码是否相同,若判断结果相同,则所述特征词向量对应的未特指诊断编码正确,若所述判断结果不相同,则所述特征词向量对应的未特指诊断编码错误;
当所述判断结果不相同时,提示正确编码为所述同义ICD10扩展版疾病名称对应的细目编码。
本发明还提供一种识别病历首页未特指诊断编码错误的装置,其特征在于,包括:
获取模块,用于获取未特指诊断编码对应的ICD10扩展版本中的疾病名称;
向量化模块,用于利用ICD10分类轴心对所述疾病名称拆分,并将对应的分类轴心向量化以得到分类轴心向量;
提取模块,用于提取所述未特指诊断中与所述ICD10分类轴心对应的特征词,并将所述特征词向量化以得到特征词向量;
判断模块,用于判断所述分类轴心向量与所述特征词向量是否匹配,根据判断结果识别所述未特指诊断编码是否错误。
具体的,所述获取模块,包括:
确定子模块,用于确定病历首页未特指诊断编码对应的类目编码;
第一提取子模块,用于提取所述类目编码下所有ICD10亚目对应的编码和疾病名称;
第二提取子模块,用于提取所述类目编码对应的ICD10扩展版本中细目的编码与疾病名称。
具体的,所述提取模块,包括:
删除子模块,用于对所述未特指诊断进行分词,并删除停用词;
第三提取子模块,用于提取与所述ICD10分类轴心四个维度对应的特征词;
向量化子模块,用于通过预训练模型将所述特征词向量化以得到特征词向量。
具体的,所述判断模块,包括:
计算子模块,用于计算所述分类轴心向量与所述特征词向量的相似度;
第一判断子模块,用于判断所述相似度是否大于预设阈值,若大于则所述分类轴心向量与所述特征词向量匹配;
第二判断子模块,用于判断所述特征词向量与其对应的四个维度的所述分类轴心向量是否全部匹配,若是,则所述特征词向量对应的所述未特指诊断与所述分类轴心向量对应的所述ICD10扩展版疾病名称同义,若否,则所述未特指诊断编码错误。
具体的,所述判断模块,还包括:
筛选子模块,用于同义结果为多个,筛选最相似的同义ICD10扩展版疾病名称;
第三判断子模块,用于判断所述特征词向量对应的所述未特指诊断亚目编码与所述同义ICD10扩展版疾病名称对应的亚目编码是否相同,若判断结果相同,则所述特征词向量对应的未特指诊断编码正确,若所述判断结果不相同,则所述特征词向量对应的未特指诊断编码错误;
提示子模块,用于当所述判断结果不相同时,提示正确编码为所述同义ICD10扩展版疾病名称对应的细目编码。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。在附图中:
图1为本发明一实施例中一种识别病历首页未特指诊断编码错误的方法的流程图;
图2为本发明一实施例中一种识别病历首页未特指诊断编码错误的方法的流程图;
图3为本发明一实施例中一种识别病历首页未特指诊断编码错误的装置的框图;
图4为本发明一实施例中一种识别病历首页未特指诊断编码错误的装置的框图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明,应当理解,此处所描述的优选实施例仅用于说明和解释本发明,并不用于限定本发明。
图1为本发明一实施例中一种识别病历首页未特指诊断编码错误的方法的流程图,如图1所示,该方法可被实施为以下步骤S11-S14:
在步骤S11中,获取未特指诊断编码对应的ICD10扩展版本中的疾病名称;
在步骤S12中,利用ICD10分类轴心对疾病名称拆分,并将对应的分类轴心向量化以得到分类轴心向量;
在步骤S13中,提取未特指诊断中与所述ICD10分类轴心对应的特征词,并将特征词向量化以得到特征词向量;
在步骤S14中,判断分类轴心向量与特征词向量是否匹配,根据判断结果识别未特指诊断编码是否错误。
本实施例中,获取未特指诊断编码对应的ICD10扩展版本中的疾病名称,ICD10扩展版本选择国家临床版2.0;利用ICD10分类轴心对疾病名称拆分,并将对应的分类轴心向量化以得到分类轴心向量,分类轴心可以是发病部位、病因、临床表现、病理四个维度,分类轴心向量化是用预训练的医学词向量将对应分类轴心进行每个维度的向量化处理,得到分类轴心向量;提取未特指诊断中与所述ICD10分类轴心对应的特征词,并将特征词向量化以得到特征词向量;判断分类轴心向量与特征词向量是否匹配,根据判断结果识别未特指诊断编码是否错误。
本实施例的有益效果在于:利用ICD10分类轴心从四个维度对ICD10扩展版本中的疾病名称进行拆分,然后将对将对应的分类轴心向量化得到分类轴心向量,通过判断分类轴心向量与特征词向量是否匹配,根据判断结果识别到未特指诊断编码是否错误,本方法基于ICD10分类轴心进行匹配,提高了识别未特指诊断编码错误的准确率。
在一个实施例中,如图2所示,上述步骤S11可以被实施为如下步骤S21-S23:
在步骤S21中,确定病历首页未特指诊断编码对应的类目编码;
在步骤S22中,提取类目编码下所有ICD10亚目对应的编码和疾病名称;
在步骤S23中,提取类目编码对应的ICD10扩展版本中细目的编码与疾病名称。
举例而言:病历首页未特指诊断为右中肺腺癌,此未特指诊断编码为C34.9013,对应的类目编码为C34(支气管和肺恶性肿瘤),此类目编码下的ICD10亚目对应的编码和疾病名称与此类目编码对应的ICD10扩展版本中细目的编码与疾病名称如下表1所示:
表1
在一个实施例中,上述步骤S13可以被实施为如下步骤,包括:
对未特指诊断进行分词,并删除停用词;
提取与ICD10分类轴心四个维度对应的特征词;
通过预训练模型将特征词向量化以得到特征词向量。
举例而言:本实施例中的预训练模型可以是预训练的医学词向量,用该模型将特征词向量化以得到特征词向量,未特指诊断特征词提取如下表2所示:
表2
在一个实施例中,上述步骤S14可以被实施为如下步骤,包括:
计算分类轴心向量与特征词向量的相似度;
判断相似度是否大于预设阈值,若大于则分类轴心向量与特征词向量匹配;
判断特征词向量与其对应的四个维度的分类轴心向量是否全部匹配,若是,则特征词向量对应的未特指诊断与分类轴心向量对应的ICD10扩展版疾病名称同义,若否,则未特指诊断编码错误。
本实施例中,计算分类轴心向量与特征词向量的相似度的方法采用余弦距离法,相似度的取值在0~1之间,预设阈值设定为0.95,例如下表3所示:
表3
在一个实施例中,上述步骤S14可以被实施的步骤,还包括:
同义结果为多个,筛选最相似的同义ICD10扩展版疾病名称;
判断特征词向量对应的未特指诊断亚目编码与同义ICD10扩展版疾病名称对应的亚目编码是否相同,若判断结果相同,则特征词向量对应的未特指诊断编码正确,若判断结果不相同,则特征词向量对应的未特指诊断编码错误;
当判断结果不相同时,提示正确编码为同义ICD10扩展版疾病名称对应的细目编码。
举例而言:一个同义的ICD10扩展版疾病名称,对比未特指诊断和ICD10扩展版疾病名称对应的亚目分别为:C34.9和C34.2,亚目编码不相同,则未特指诊断编码错误,提示正确的编码是C34.200x001。
图3为本发明一实施例中一种识别病历首页未特指诊断编码错误的装置的框图,如图3所示,该装置可包括如下模块:
获取模块31,用于获取未特指诊断编码对应的ICD10扩展版本中的疾病名称;
向量化模块32,用于利用ICD10分类轴心对所述疾病名称拆分,并将对应的分类轴心向量化以得到分类轴心向量;
提取模块33,用于提取所述未特指诊断中与所述ICD10分类轴心对应的特征词,并将所述特征词向量化以得到特征词向量;
判断模块34,用于判断所述分类轴心向量与所述特征词向量是否匹配,根据判断结果识别所述未特指诊断编码是否错误。
在一个实施例中,如图4所示,获取模块31包括:
确定子模块41,用于确定病历首页未特指诊断编码对应的类目编码;
第一提取子模块42,用于提取所述类目编码下所有ICD10亚目对应的编码和疾病名称;
第二提取子模块43,用于提取所述类目编码对应的ICD10扩展版本中细目的编码与疾病名称。
在一个实施例中,提取模块,包括:
删除子模块,用于对所述未特指诊断进行分词,并删除停用词;
第三提取子模块,用于提取与所述ICD10分类轴心四个维度对应的特征词;
向量化子模块,用于通过预训练模型将所述特征词向量化以得到特征词向量。
在一个实施例中,判断模块,包括:
计算子模块,用于计算所述分类轴心向量与所述特征词向量的相似度;
第一判断子模块,用于判断所述相似度是否大于预设阈值,若大于则所述分类轴心向量与所述特征词向量匹配;
第二判断子模块,用于判断所述特征词向量与其对应的四个维度的所述分类轴心向量是否全部匹配,若是,则所述特征词向量对应的所述未特指诊断与所述分类轴心向量对应的所述ICD10扩展版疾病名称同义,若否,则所述未特指诊断编码错误。
在一个实施例中,判断模块,还包括:
筛选子模块,用于同义结果为多个,筛选最相似的同义ICD10扩展版疾病名称;
第三判断子模块,用于判断所述特征词向量对应的所述未特指诊断亚目编码与所述同义ICD10扩展版疾病名称对应的亚目编码是否相同,若判断结果相同,则所述特征词向量对应的未特指诊断编码正确,若所述判断结果不相同,则所述特征词向量对应的未特指诊断编码错误;
提示子模块,用于当所述判断结果不相同时,提示正确编码为所述同义ICD10扩展版疾病名称对应的细目编码。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器和光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (6)
1.一种识别病历首页未特指诊断编码错误的方法,其特征在于,包括:
获取未特指诊断编码对应的ICD10扩展版本中的疾病名称;
利用ICD10分类轴心对所述疾病名称拆分,并将对应的分类轴心向量化以得到分类轴心向量;
提取所述未特指诊断中与所述ICD10分类轴心对应的特征词,并将所述特征词向量化以得到特征词向量;
判断所述分类轴心向量与所述特征词向量是否匹配,根据判断结果识别所述未特指诊断编码是否错误;
其中,所述获取未特指诊断编码对应ICD10扩展版本中的疾病名称,包括:
确定病历首页未特指诊断编码对应的类目编码;
提取所述类目编码下所有ICD10亚目对应的编码和疾病名称;
提取所述类目编码对应的ICD10扩展版本中细目的编码与疾病名称;
所述判断所述分类轴心向量与所述特征词向量是否匹配,根据判断结果识别所述未特指诊断编码是否错误,包括:
计算所述分类轴心向量与所述特征词向量的相似度;
判断所述相似度是否大于预设阈值,若大于则所述分类轴心向量与所述特征词向量匹配;
判断所述特征词向量与其对应的四个维度的所述分类轴心向量是否全部匹配,若是,则所述特征词向量对应的所述未特指诊断与所述分类轴心向量对应的所述ICD10扩展版疾病名称同义,若否,则所述未特指诊断编码错误。
2.如权利要求1所述的方法,其特征在于,所述以得到特征词向量,包括:
对所述未特指诊断进行分词,并删除停用词;
提取与所述ICD10分类轴心四个维度对应的特征词;
通过预训练模型将所述特征词向量化以得到特征词向量。
3.如权利要求1-2所述的方法,其特征在于,所述判断所述分类轴心向量与所述特征词向量是否匹配,根据判断结果识别所述未特指诊断编码是否错误,还包括:
同义结果为多个,筛选最相似的同义ICD10扩展版疾病名称;
判断所述特征词向量对应的所述未特指诊断亚目编码与所述同义ICD10扩展版疾病名称对应的亚目编码是否相同,若判断结果相同,则所述特征词向量对应的未特指诊断编码正确,若所述判断结果不相同,则所述特征词向量对应的未特指诊断编码错误;
当所述判断结果不相同时,提示正确编码为所述同义ICD10扩展版疾病名称对应的细目编码。
4.一种识别病历首页未特指诊断编码错误的装置,其特征在于,包括:
获取模块,用于获取未特指诊断编码对应的ICD10扩展版本中的疾病名称;
向量化模块,用于利用ICD10分类轴心对所述疾病名称拆分,并将对应的分类轴心向量化以得到分类轴心向量;
提取模块,用于提取所述未特指诊断中与所述ICD10分类轴心对应的特征词,并将所述特征词向量化以得到特征词向量;
判断模块,用于判断所述分类轴心向量与所述特征词向量是否匹配,根据判断结果识别所述未特指诊断编码是否错误;
其中,所述获取模块,包括:
确定子模块,用于确定病历首页未特指诊断编码对应的类目编码;
第一提取子模块,用于提取所述类目编码下所有ICD10亚目对应的编码和疾病名称;
第二提取子模块,用于提取所述类目编码对应的ICD10扩展版本中细目的编码与疾病名称;
所述判断模块,包括:
计算子模块,用于计算所述分类轴心向量与所述特征词向量的相似度;
第一判断子模块,用于判断所述相似度是否大于预设阈值,若大于则所述分类轴心向量与所述特征词向量匹配;
第二判断子模块,用于判断所述特征词向量与其对应的四个维度的所述分类轴心向量是否全部匹配,若是,则所述特征词向量对应的所述未特指诊断与所述分类轴心向量对应的所述ICD10扩展版疾病名称同义,若否,则所述未特指诊断编码错误。
5.如权利要求4所述的装置,其特征在于,所述提取模块,包括:
删除子模块,用于对所述未特指诊断进行分词,并删除停用词;
第三提取子模块,用于提取与所述ICD10分类轴心四个维度对应的特征词;
向量化子模块,用于通过预训练模型将所述特征词向量化以得到特征词向量。
6.如权利要求4-5所述的装置,其特征在于,所述判断模块,还包括:
筛选子模块,用于同义结果为多个,筛选最相似的同义ICD10扩展版疾病名称;
第三判断子模块,用于判断所述特征词向量对应的所述未特指诊断亚目编码与所述同义ICD10扩展版疾病名称对应的亚目编码是否相同,若判断结果相同,则所述特征词向量对应的未特指诊断编码正确,若所述判断结果不相同,则所述特征词向量对应的未特指诊断编码错误;
提示子模块,用于当所述判断结果不相同时,提示正确编码为所述同义ICD10扩展版疾病名称对应的细目编码。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910970105.2A CN110837494B (zh) | 2019-10-12 | 2019-10-12 | 一种识别病历首页未特指诊断编码错误的方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910970105.2A CN110837494B (zh) | 2019-10-12 | 2019-10-12 | 一种识别病历首页未特指诊断编码错误的方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110837494A CN110837494A (zh) | 2020-02-25 |
CN110837494B true CN110837494B (zh) | 2022-03-25 |
Family
ID=69575400
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910970105.2A Active CN110837494B (zh) | 2019-10-12 | 2019-10-12 | 一种识别病历首页未特指诊断编码错误的方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110837494B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111339126B (zh) * | 2020-02-27 | 2023-02-07 | 平安医疗健康管理股份有限公司 | 医疗数据筛选方法、装置、计算机设备和存储介质 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107731269A (zh) * | 2017-10-25 | 2018-02-23 | 山东众阳软件有限公司 | 基于原始诊断数据和病历文件数据的疾病编码方法及系统 |
CN108257667A (zh) * | 2016-12-28 | 2018-07-06 | 中国科学院深圳先进技术研究院 | 一种数据处理方法及终端设备 |
CN108446260A (zh) * | 2018-02-06 | 2018-08-24 | 天津艾登科技有限公司 | 基于语义近似匹配算法进行自动化疾病编码转换的方法及系统 |
CN108564991A (zh) * | 2018-04-13 | 2018-09-21 | 重庆医科大学附属儿童医院 | 基于icd的数据化编码病历错误识别系统及其识别方法 |
CN109065157A (zh) * | 2018-08-01 | 2018-12-21 | 中国人民解放军第二军医大学 | 一种疾病诊断标准化编码推荐列表确定方法及系统 |
CN109522552A (zh) * | 2018-11-09 | 2019-03-26 | 天津开心生活科技有限公司 | 一种医疗信息的归一化方法、装置、介质及电子设备 |
CN109698016A (zh) * | 2018-12-11 | 2019-04-30 | 中国科学院深圳先进技术研究院 | 疾病自动编码方法及装置 |
CN109697285A (zh) * | 2018-12-13 | 2019-04-30 | 中南大学 | 增强语义表示的层次BiLSTM中文电子病历疾病编码标注方法 |
CN109994216A (zh) * | 2019-03-21 | 2019-07-09 | 上海市第六人民医院 | 一种基于机器学习的icd智能诊断编码方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8301468B2 (en) * | 2000-05-15 | 2012-10-30 | Optuminsight, Inc. | System and method of drug disease matching |
-
2019
- 2019-10-12 CN CN201910970105.2A patent/CN110837494B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108257667A (zh) * | 2016-12-28 | 2018-07-06 | 中国科学院深圳先进技术研究院 | 一种数据处理方法及终端设备 |
CN107731269A (zh) * | 2017-10-25 | 2018-02-23 | 山东众阳软件有限公司 | 基于原始诊断数据和病历文件数据的疾病编码方法及系统 |
CN108446260A (zh) * | 2018-02-06 | 2018-08-24 | 天津艾登科技有限公司 | 基于语义近似匹配算法进行自动化疾病编码转换的方法及系统 |
CN108564991A (zh) * | 2018-04-13 | 2018-09-21 | 重庆医科大学附属儿童医院 | 基于icd的数据化编码病历错误识别系统及其识别方法 |
CN109065157A (zh) * | 2018-08-01 | 2018-12-21 | 中国人民解放军第二军医大学 | 一种疾病诊断标准化编码推荐列表确定方法及系统 |
CN109522552A (zh) * | 2018-11-09 | 2019-03-26 | 天津开心生活科技有限公司 | 一种医疗信息的归一化方法、装置、介质及电子设备 |
CN109698016A (zh) * | 2018-12-11 | 2019-04-30 | 中国科学院深圳先进技术研究院 | 疾病自动编码方法及装置 |
CN109697285A (zh) * | 2018-12-13 | 2019-04-30 | 中南大学 | 增强语义表示的层次BiLSTM中文电子病历疾病编码标注方法 |
CN109994216A (zh) * | 2019-03-21 | 2019-07-09 | 上海市第六人民医院 | 一种基于机器学习的icd智能诊断编码方法 |
Non-Patent Citations (4)
Title |
---|
分析ICD-10中未特指编码误用问题及对策;王淑华;《中国病案》;20141118;第15卷(第11期);第29-31页 * |
国际疾病分类ICD-10中的未特指;李亚;《中国病案》;20090818;第10卷(第8期);第17-18页 * |
基于病历数据的文本挖掘研究与实现;杜宝琛;《中国优秀博硕士学位论文全文数据库(硕士) 医药卫生科技辑》;20190815(第8期);E053-162 * |
面向智慧医疗的诊断信息数据挖掘应用研究;赵长勇;《中国优秀硕士学位论文全文数据库 (信息科技辑)》;20140615(第6期);I138-576 * |
Also Published As
Publication number | Publication date |
---|---|
CN110837494A (zh) | 2020-02-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109344250B (zh) | 基于医保数据的单病种诊断信息快速结构化方法 | |
CN109670318B (zh) | 一种基于核控制流图循环验证的漏洞检测方法 | |
CN110135505B (zh) | 图像分类方法、装置、计算机设备及计算机可读存储介质 | |
US11651014B2 (en) | Source code retrieval | |
CN110134777B (zh) | 问题去重方法、装置、电子设备和计算机可读存储介质 | |
US20190096111A1 (en) | Automatic generation of fundus drawings | |
CN109241998B (zh) | 模型训练方法、装置、设备及存储介质 | |
CN112651296A (zh) | 一种无先验知识数据质量问题自动探查方法及系统 | |
CN110852076B (zh) | 一种自动化疾病编码转换的方法及装置 | |
US10782942B1 (en) | Rapid onboarding of data from diverse data sources into standardized objects with parser and unit test generation | |
CN112766427A (zh) | 图像识别模型的训练方法、装置及设备 | |
CN110825642B (zh) | 一种基于深度学习的软件代码行级缺陷检测方法 | |
WO2023000764A1 (zh) | 目标检索方法、装置、设备及存储介质 | |
CN110837494B (zh) | 一种识别病历首页未特指诊断编码错误的方法及装置 | |
CN115146062A (zh) | 融合专家推荐与文本聚类的智能事件分析方法和系统 | |
CN111180060B (zh) | 一种疾病诊断自动编码方法及装置 | |
CN112599214A (zh) | 从电子病历中提取出icd编码的方法及系统 | |
CN112418204A (zh) | 基于纸质文档的文本识别方法、系统及计算机介质 | |
Lee et al. | Enhancement for automatic extraction of RoIs for bone age assessment based on deep neural networks | |
CN111178037A (zh) | 重复缺陷报告识别方法、装置及电子设备 | |
CN114996466A (zh) | 一种医学标准映射模型的建立方法、系统及使用方法 | |
CN113139379B (zh) | 信息识别方法和系统 | |
CN106650443B (zh) | 一种基于增量dbscan算法的恶意代码家族识别方法 | |
CN111428029A (zh) | 一种手术名称标准化方法及装置 | |
CN113127636A (zh) | 一种文本聚类类簇中心点选取方法及装置 |
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 |