CN110910998A - 一种针对患者病情信息推荐医生的方法及装置 - Google Patents

一种针对患者病情信息推荐医生的方法及装置 Download PDF

Info

Publication number
CN110910998A
CN110910998A CN201911233065.XA CN201911233065A CN110910998A CN 110910998 A CN110910998 A CN 110910998A CN 201911233065 A CN201911233065 A CN 201911233065A CN 110910998 A CN110910998 A CN 110910998A
Authority
CN
China
Prior art keywords
disease
condition
suspected
score
doctor
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
CN201911233065.XA
Other languages
English (en)
Inventor
胡燚
王国军
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.)
Beijing Mininglamp Software System Co ltd
Original Assignee
Beijing Mininglamp Software System 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 Beijing Mininglamp Software System Co ltd filed Critical Beijing Mininglamp Software System Co ltd
Priority to CN201911233065.XA priority Critical patent/CN110910998A/zh
Publication of CN110910998A publication Critical patent/CN110910998A/zh
Pending legal-status Critical Current

Links

Images

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
    • G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
    • G16H40/20—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the management or administration of healthcare resources or facilities, e.g. managing hospital staff or surgery rooms
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/953—Querying, e.g. by the use of web search engines
    • G06F16/9535—Search customisation based on user profiles and personalisation
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems

Landscapes

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

Abstract

本发明提供了一种针对患者病情信息推荐医生的方法及装置，其中所述方法包括：获取患者病情信息；提取患者病情信息中的病情特征；获取与病情特征相匹配的病症特征；选择与获取的病症特征对应的疑似病症；从疑似病症对应的病症特征中，得到待选择病症特征；接收患者选择的补充病症特征；根据补充病症特征和获取的病症特征选择推断病症；根据推断病症提取推荐医生、擅长病症及该擅长病症的能力评价进行推荐；获取的补充病症特征为推断病症提供了更多的依据，使通过病症与病症特征间的对应关系推断病症的结果更准确，有助于提高推荐医生的准确性，便于针对患者的病情选择合适的医生。

Description

一种针对患者病情信息推荐医生的方法及装置
技术领域
本发明涉及医生智能推荐技术领域，具体而言，涉及一种针对患者病情信息推荐医生的方法及装置。
背景技术
目前，医疗机构和医生的数目不断增长，患者就医时，由于医生众多，患者或者患者家属很难了解各医生的信息，因而，往往盲目的选择医生，导致患者很难找到合适的医生进行医治。
为解决该问题，相关技术中的医生推荐方法均采用根据医生的历史接诊信息向前来就诊的患者推荐医生，例如，依据患者的病情陈述信息确定对应的可能病症，根据确定的可能病症和各医生的历史接诊信息，计算医生的推荐指数，依据推荐指数推荐医生。可以看出，该种推荐医生的方法，仅仅是针对患者的病情陈述对病症进行匹配，再根据匹配的病症与医生的历史接诊信息推荐医生，但由于患者的病情陈述信息往往较为简单，使得确定的可能病症中，很大一部分是与患者的实际病症不相关的病症，从而导致推荐的医生的准确性较低。
发明内容
有鉴于此，本发明的目的在于提供针对患者病情信息推荐医生的方法及装置，以提高推荐的医生与患者实际病症的匹配程度，提高推荐医生的准确性。
第一方面，本发明实施例提供了针对患者病情智能推荐医生方法，包括以下步骤：
获取患者病情信息；
提取所述患者病情信息中的病情特征；
将所述病情特征与预存的病症库中的病症特征进行匹配，获取与所述病情特征相匹配的病症特征；
基于病症库中病症特征与病症的对应关系，根据获取的病症特征，选择与所述获取的病症特征对应的疑似病症；
从所述疑似病症对应的病症特征中，滤除所述获取的病症特征，得到待选择病症特征；
接收患者从所述待选择病症特征中选择的补充病症特征；
根据所述补充病症特征和所述获取的病症特征，从各所述疑似病症中选择推断病症；
将所述推断病症与预存的医生库中医生的擅长病症进行对比，获取与所述推断病症相匹配的擅长病症及擅长病症对应的推荐医生，提取所述推荐医生对应所述擅长病症的能力评价，将所述推荐医生、擅长病症及该擅长病症的能力评价进行推荐。
结合第一方面，本发明实施例提供了第一方面的第一种可能的实施方式，其中，构建所述医生库的过程，包括以下步骤：
获取各目标医生的简历信息和接诊记录；
针对每一个目标医生的简历信息，提取该目标医生的擅长病症、学历特征和职称特征；
将所述学历特征与预存的学历指标分数库进行对比，获得与所述学历特征相匹配的学历指标分数；
将所述职称特征与预存的职称指标分数库进行对比，获得与所述职称特征相匹配的职称指标分数；
将所述擅长病症与预存的病症系数库进行对比，获得与所述擅长病症相匹配的擅长病症系数；
针对每一个目标医生的接诊记录，提取与该目标医生的擅长病症相匹配的治疗病症接诊记录，统计所述治疗病症接诊记录的条数；
针对每一个目标医生的擅长病症，将该目标医生对应的学历指标分数、职称指标分数、擅长病症系数和治疗病症接诊记录的条数进行加权运算，得到该目标医生的擅长病症的能力评分，将该目标医生的擅长病症、能力评分存入所述医生库。
结合第一方面的第一种可能的实施方式，本发明实施例提供了第一方面的第二种可能的实施方式，其中，构建所述医生库的过程，还包括以下步骤：
获取各目标医生的考评记录；
针对每一个目标医生的考评记录，提取所述考评记录中的该目标医生工作年限、考评级别及考评级别对应的频次；
将所述考评级别与预存的考评级别系数库进行对比，获得所述考评级别相匹配的考评系数；
针对每一个目标医生，将该目标医生工作年限、考评系数及考评级别的频次进行加权运算，得到该目标医生的考评得分评分，将得到的考评得分评分加入该目标医生的擅长病症的能力评分中，对该目标医生的擅长病症的能力评分进行更新。
结合第一方面的第一种可能的实施方式，本发明实施例提供了第一方面的第三种可能的实施方式，其中，所述统计所述治疗病症接诊记录的条数之后，所述方法还包括：
针对每一目标医生的擅长病症，依据为该擅长病症预先设置的治疗病症接诊记录的条数设置策略对应的条数第一阈值和条数第二阈值，分别与统计的所述治疗病症接诊记录的条数进行对比，并根据对比结果确定是否对所述治疗病症接诊记录的条数进行更新。
结合第一方面的第三种可能的实施方式，本发明实施例提供了第一方面的第四种可能的实施方式，其中，所述并根据对比结果确定是否对所述治疗病症接诊记录的条数进行更新，包括：
当统计的所述治疗病症接诊记录的条数小于所述条数第一阈值时，将所述治疗病症接诊记录的条数更新为0；
当统计的所述治疗病症接诊记录的条数大于所述条数第二阈值时，将所述治疗病症接诊记录的条数更新为第二阈值对应的数值；
当统计的所述治疗病症接诊记录的条数处于所述条数第一阈值与所述条数第二阈值之间时，不更新所述治疗病症接诊记录的条数。
结合第一方面、第一方面的第一种至第四种可能的实施方式中的任一种可能的实施方式，本发明实施例提供了第一方面的第五种可能的实施方式，其中，针对每一病症，所述病症库存有对应的病症特征，病症特征根据特征类型分为关键特征、典型特征和偶发特征；所述病症库内还存有与所述关键特征对应的关键特征系数、与所述典型特征对应的典型特征系数、和与所述偶发特征对应的偶发特征系数；
所述根据所述补充病症特征和所述获取的病症特征，从各所述疑似病症中选择推断病症，包括：
将所述补充病症特征和所述获取的病症特征合并为患者病症特征；
针对每一疑似病症，从所述病症库中提取该疑似病症对应的病症特征，将所述患者病症特征与提取的病症特征进行对比，得到与所述患者病症特征相匹配的病症特征；
计算得到的病症特征中关键特征的数量、典型特征的数量和偶发特征的数量；
针对每一疑似病症，根据该疑似病症对应的关键特征系数、关键特征的数量、典型特征系数、典型特征的数量、偶发特征系数和偶发特征的数量进行加权运算，得到该疑似病症的特征类型得分；
将各疑似病症的特征类型得分分别与预存的病症分数阈值进行对比，提取处于病症分数阈值内的病症，得到所述推断病症。
结合第一方面、第一方面的第一种至第四种可能的实施方式中的任一种可能的实施方式，本发明实施例提供了第一方面的第六种可能的实施方式，其中，针对每一病症，所述病症库存有对应的病症特征，病症特征根据确诊组合类型分为确诊特征或非确诊特征；
所述根据所述补充病症特征和所述获取的病症特征，从各所述疑似病症中选择推断病症，包括：
将所述补充病症特征和所述获取的病症特征合并为患者病症特征；
针对每一疑似病症，提取所述病症库中该疑似病症对应的病症特征，将所述患者病症特征与提取的病症特征进行对比，得到与所述患者病症特征相匹配的病症特征；
从得到的疑似病症的病症特征中，获取属于确诊特征的特征数量，根据获取的特征数量计算该疑似病症的确诊特征得分；
将各疑似病症的确诊特征得分分别与预存的病症分数阈值进行对比，提取处于病症分数阈值内的病症，得到所述推断病症。
结合第一方面的第五种可能的实施方式，本发明实施例提供了第一方面的第七种可能的实施方式，其中，针对每一病症，所述病症库的病症特征还根据确诊组合类型分为第一确诊特征、第二确诊病症以及非确诊特征；
所述根据所述补充病症特征和所述获取的病症特征，从各所述疑似病症中选择推断病症，还包括：
从所述得到的病症特征中，确定属于第一确诊特征的第一特征数量，属于第二确诊特征的第二特征数量，根据第一特征数量、第二特征数量计算所述得到的病症特征对应的该疑似病症的确诊特征得分；
针对每一疑似病症，将该疑似病症的特征类型得分与确诊特征得分进行计算，得到该疑似病症的疑似病症得分；
将各疑似病症得分分别与预存的病症分数阈值进行对比，提取处于病症分数阈值内的病症，得到所述推断病症。
结合第一方面的第七种可能的实施方式，本发明实施例提供了第一方面的第八种可能的实施方式，其中，还包括:
将各疑似病症得分按分值进行排序，根据排序结果选择与所述疑似病症得分对应的病症系数；
将疑似病症得分与该疑似病症得分对应的病症系数进行计算，得到更新的疑似病症得分。
结合第一方面的第二种至第四种可能的实施方式的任一种可能的实施方式，本发明实施例提供了第一方面的第九种可能的实施方式，其中，所述方法还包括：对构建的所述医生库进行更新：
所述对构建的所述医生库进行更新，步骤为：
获取当前时刻所述目标医生的简历信息中包含的姓名和身份证号码、接诊记录和考评记录；
判断所述医生库中是否存在与所述姓名和身份证号码相匹配的简历信息；
若不存在，根据所述当前时刻所述目标医生的简历信息、接诊记录和考评记录，获取所述目标医生的擅长病症、擅长病症的能力评分，对所述医生库进行更新；
若存在，根据所述当前时刻所述目标医生的简历信息、接诊记录和考评记录，获取所述目标医生的擅长病症，从获取的擅长病症中，提取与所述医生库中所述目标医生的擅长病症相匹配的第一擅长病症，以及，除所述第一擅长病症外的第二擅长病症；
针对每一第一擅长病症，从所述当前时刻所述目标医生的接诊记录中，获取与该第一擅长病症相匹配的治疗病症接诊记录，并统计相匹配的治疗病症接诊记录的条数，根据该条数计算所述目标医生的第一擅长病症的能力评分，对所述医生库中所述目标医生的第一擅长病症的能力评分进行更新；
从所述当前时刻所述目标医生的接诊记录中，获取与第二擅长病症相匹配的第二擅长病症接诊记录，并统计第二擅长病症接诊记录的条数；将所述目标医生的简历信息、考评记录和第二擅长病症对应的患者评价条数进行加权计算，得到所述目标医生的第二擅长病症的能力评分，对所述医生库中该医生的擅长病症及该擅长病症的能力评分进行更新。
第二方面，本发明实施例还提供了一种针对患者病情信息推荐医生装置，自述信息获取模块，用于获取患者病情信息；
病症特征提取模块，用于提取所述患者病情信息中的病情特征；
病症特征匹配模块，用于将所述病情特征与预存的病症库中的病症特征进行匹配，获取与所述病情特征相匹配的病症特征；
疑似病症判断模块，用于基于病症库中病症特征与病症的对应关系，根据获取的病症特征，选择与所述获取的病症特征对应的疑似病症；
待选择病症判断模块，用于从所述疑似病症对应的病症特征中，滤除所述获取的病症特征，得到待选择病症特征；
补充病症获取模块，用于接收患者从所述待选择病症特征中选择的补充病症特征；
病症特征判断模块，用于根据所述补充病症特征和所述获取的病症特征，从各所述疑似病症中选择推断病症；
医生推荐模块，用于将所述推断病症与预存的医生库中医生的擅长病症进行对比，获取与所述推断病症相匹配的擅长病症及擅长病症对应的推荐医生，提取所述推荐医生对应所述擅长病症的能力评价，将所述推荐医生、擅长病症及该擅长病症的能力评价进行推荐。
第三方面，本申请实施例提供了一种计算机设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述方法的步骤。
第四方面，本申请实施例提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器运行时执行上述的方法的步骤。
本发明实施例提供的针对患者病情信息推荐医生的方法及装置，通过获取患者病情信息，提取其中的病情特征，再将提取的病情特征与病症库中的病症特征进行匹配，通过病症与病症特征间的对应关系，推断出可能的疑似病症，再提取各疑似病症的对应的全部的病症特征，滤除对应的全部的病症特征中的与病情特征匹配的病症特征，得到待选择病症特征，供患者从待选择病症特征中选择与自身相符合的补充病症特征，获取的补充病症特征的为判断病症提供了更多的依据，使通过病症与病症特征间的对应关系推断病症的结果更准确；同时，根据推断病症从预存的医生库中选择擅长该病症的推荐医生，对应调取该推断病症对应的擅长病症及该擅长病症的能力评价，进行推荐，让使用者在了解自己可能是哪种病症的同时，还可以知道哪些医生擅长该病症，擅长该病症的各个医生的能力是怎么样的，便于患者根据推荐选择医生；本发明从提高推断病症的准确性和显示医生对于擅长病症的能力评价供患者对应选择两个方便提高了推荐的医生与患者实际病症的匹配程度，提高推荐医生的准确性，有助于患者针对自己的病情选择合适的医生。
为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
图1示出了本发明实施例所提供的针对患者病情信息推荐医生方法流程示意图；
图2示出了本发明实施例所提供的针对患者病情信息推荐医生装置结构示意图；
图3为本申请实施例提供的一种计算机设备的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中附图，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。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明实施例提供了一种针对患者病情信息推荐医生方法和装置，下面通过实施例进行描述。
如图1所示，本发明实施例提供了一种针对患者病情信息推荐医生的方法，包括以下步骤：
S100：获取患者病情信息；
S200：提取所述患者病情信息中的病情特征；
S300：将所述病情特征与预存的病症库中的病症特征进行匹配，获取与所述病情特征相匹配的病症特征；
S400：基于病症库中病症特征与病症的对应关系，根据获取的病症特征，选择与所述获取的病症特征对应的疑似病症；
S500：从所述疑似病症对应的病症特征中，滤除所述获取的病症特征，得到待选择病症特征；
S600：接收患者从所述待选择病症特征中选择的补充病症特征；
S700：根据所述补充病症特征和所述获取的病症特征，从各所述疑似病症中选择推断病症；
S800：将所述推断病症与预存的医生库中医生的擅长病症进行对比，获取与所述推断病症相匹配的擅长病症及擅长病症对应的推荐医生，提取所述推荐医生对应所述擅长病症的能力评价，将所述推荐医生、擅长病症及该擅长病症的能力评价进行推荐。
本发明实施例提供的针对患者病情信息推荐医生的方法及装置，通过获取患者病情信息，提取其中的病情特征，再将提取的病情特征与病症库中的病症特征进行匹配，通过病症与病症特征间的对应关系，推断出可能的疑似病症，再提取各疑似病症的对应的全部的病症特征，滤除对应的全部的病症特征中的与病情特征匹配的病症特征，得到待选择病症特征，供患者从待选择病症特征中选择与自身相符合的补充病症特征，获取的补充病症特征的为判断病症提供了更多的依据，使通过病症与病症特征间的对应关系推断病症的结果更准确；同时，根据推断病症从预存的医生库中选择擅长该病症的推荐医生，对应调取该推断病症对应的擅长病症及该擅长病症的能力评价，进行推荐，让使用者在了解自己可能是哪种病症的同时，还可以知道哪些医生擅长该病症，擅长该病症的各个医生的能力是怎么样的，便于患者根据推荐选择医生；本发明从提高推断病症的准确性和显示医生对于擅长病症的能力评价供患者对应选择两个方便提高了推荐的医生与患者实际病症的匹配程度，提高推荐医生的准确性，有助于患者针对自己的病情选择合适的医生。
本实施例中所述获取患者病情信息，该患者病情信息既可以是患者的自述病情信息也可以是患者之前看诊时医生的诊断信息，当然也可以选择其他途径获取的患者病情信息。
本发明实施例中构建所述医生库的过程，包括以下步骤：
获取各目标医生的简历信息和接诊记录；
针对每一个目标医生的简历信息，提取该目标医生的擅长病症、学历特征和职称特征；
将所述学历特征与预存的学历指标分数库进行对比，获得与所述学历特征相匹配的学历指标分数；
将所述职称特征与预存的职称指标分数库进行对比，获得与所述职称特征相匹配的职称指标分数；
将所述擅长病症与预存的病症系数库进行对比，获得与所述擅长病症相匹配的擅长病症系数；
针对每一个目标医生的接诊记录，提取与该目标医生的擅长病症相匹配的治疗病症接诊记录，统计所述治疗病症接诊记录的条数；
针对每一个目标医生的擅长病症，将该目标医生对应的学历指标分数、职称指标分数、擅长病症系数和治疗病症接诊记录的条数进行加权运算，得到该目标医生的擅长病症的能力评分，将该目标医生的擅长病症、能力评分存入所述医生库。
本实施例中构建所述医生库的过程，还包括以下步骤：
获取各目标医生的考评记录；
针对每一个目标医生的考评记录，提取所述考评记录中的该目标医生工作年限、考评级别及考评级别对应的频次；
将所述考评级别与预存的考评级别系数库进行对比，获得所述考评级别相匹配的考评系数；
针对每一个目标医生，将该目标医生工作年限、考评系数及考评级别的频次进行加权运算，得到该目标医生的考评得分评分，将得到的考评得分评分加入该目标医生的擅长病症的能力评分中，对该目标医生的擅长病症的能力评分进行更新。
本发明实施例中所述统计所述治疗病症接诊记录的条数之后，所述方法还包括：
针对每一目标医生的擅长病症，依据为该擅长病症预先设置的治疗病症接诊记录的条数设置策略对应的条数第一阈值和条数第二阈值，分别与统计的所述治疗病症接诊记录的条数进行对比，并根据对比结果确定是否对所述治疗病症接诊记录的条数进行更新；
其中，所述并根据对比结果确定是否对所述治疗病症接诊记录的条数进行更新，包括：
当统计的所述治疗病症接诊记录的条数小于所述条数第一阈值时，将所述治疗病症接诊记录的条数更新为0；
当统计的所述治疗病症接诊记录的条数大于所述条数第二阈值时，将所述治疗病症接诊记录的条数更新为第二阈值对应的数值；
当统计的所述治疗病症接诊记录的条数处于所述条数第一阈值与所述条数第二阈值之间时，不更新所述治疗病症接诊记录的条数。
本实施例中，所述条数第一阈值为所述医生库中治疗过该擅长病症的总数量/治疗过该病症的医生的数量，所述条数第二阈值为所述医生库中治疗过该擅长病症的总数量的一半；其中，所述治疗过该擅长病症的总数量为医生库中该病症对应的接诊记录的和，此处接诊记录的计算是一个医生治疗一个患者的一种病症算作一条接诊记录，一个患者在一个医生处因一个病症多次复诊，算作一条接诊记录。
本发明实施例中针对每一病症，所述病症库存有对应的病症特征，病症特征根据特征类型分为关键特征、典型特征和偶发特征；所述病症库内还存有与所述关键特征对应的关键特征系数、与所述典型特征对应的典型特征系数、和与所述偶发特征对应的偶发特征系数；
所述根据所述补充病症特征和所述获取的病症特征，从各所述疑似病症中选择推断病症，包括：
将所述补充病症特征和所述获取的病症特征合并为患者病症特征；
针对每一疑似病症，从所述病症库中提取该疑似病症对应的病症特征，将所述患者病症特征与提取的病症特征进行对比，得到与所述患者病症特征相匹配的病症特征；
计算得到的病症特征中关键特征的数量、典型特征的数量和偶发特征的数量；
针对每一疑似病症，根据该疑似病症对应的关键特征系数、关键特征的数量、典型特征系数、典型特征的数量、偶发特征系数和偶发特征的数量进行加权运算，得到该疑似病症的特征类型得分；
将各疑似病症的特征类型得分分别与预存的病症分数阈值进行对比，提取处于病症分数阈值内的病症，得到所述推断病症。
本发明中所述根据该疑似病症对应的关键特征系数、关键特征的数量、典型特征系数、典型特征的数量、偶发特征系数和偶发特征的数量进行加权运算，得到该疑似病症的特征类型得分的计算公式为：
Figure BDA0002304091870000141
其中，特征类型N为：关键特征、典型特征或偶发特征；各特征类型N的系数分别为关键特征系数、典型特征系数和偶发特征系数；满分为预设的通常为100分。
本发明根据病症特征在判断病症时的重要程度对病症特征进行分类，再分别赋予各个特征类型不同的系数，根据系数计算该疑似病症的特征类型得分，便于根据该得分推断疑似病症的符合程度；本发明从病症与病症特征的关系出发，使得对疑似病症的推断精准，有助于提高推荐医生的准确性。
经过分类的各病症特征可以提高推断病症的准确性，进一步提高推荐医生的准确性。
本发明中针对每一病症，所述病症库存有对应的病症特征，病症特征根据确诊组合类型分为确诊特征或非确诊特征；
所述根据所述补充病症特征和所述获取的病症特征，从各所述疑似病症中选择推断病症，包括：
将所述补充病症特征和所述获取的病症特征合并为患者病症特征；
针对每一疑似病症，提取所述病症库中该疑似病症对应的病症特征，将所述患者病症特征与提取的病症特征进行对比，得到与所述患者病症特征相匹配的病症特征；
从得到的疑似病症的病症特征中，获取属于确诊特征的特征数量，根据获取的特征数量计算该疑似病症的确诊特征得分；
将各疑似病症的确诊特征得分分别与预存的病症分数阈值进行对比，提取处于病症分数阈值内的病症，得到所述推断病症。
本发明根据病症特征的组合是否可以确诊病症对病症特征进行分类，经过分类的各病症特征可以提高推断病症的准确性，进一步提高推荐医生的准确性。
本发明为减少所述疑似病症的确诊特征得分与所述疑似病症的特征类型得分的间的相互干扰，所述根据获取的特征数量计算该疑似病症的确诊特征得分的具体方法为：当该病症的各个所述确诊特征均有所述疑似病症的病症特征与其匹配，则该疑似病症的确诊特征得分为满分(一般与所述疑似病症的特征类型的满分相同)，若有至少一个所述确诊特征未与所述疑似病症的病症特征匹配，则该疑似病症的确诊特征得分为0分。
针对部分病症可能有多种确诊组合特征，本实施例提供的方法中，针对每一病症，所述病症库的病症特征还根据确诊组合类型分为第一确诊特征、第二确诊病症以及非确诊特征；
所述根据所述补充病症特征和所述获取的病症特征，从各所述疑似病症中选择推断病症，还包括：
从所述得到的病症特征中，确定属于第一确诊特征的第一特征数量，属于第二确诊特征的第二特征数量，根据第一特征数量、第二特征数量计算所述得到的病症特征对应的该疑似病症的确诊特征得分；
针对每一疑似病症，将该疑似病症的特征类型得分与确诊特征得分进行计算，得到该疑似病症的疑似病症得分；
将各疑似病症得分按分值进行排序，根据排序结果选择与所述疑似病症得分对应的病症系数；
将疑似病症得分与该疑似病症得分对应的病症系数进行计算，得到更新的疑似病症得分。
本实施例中所述病症系数，是为加大各所述疑似病症的间的分值差距，防止用病症分数阈值提取病症时，分值相近的疑似病症得分间互相干扰，影响对病症的判断，而对不同序列位置的疑似病症设置不同的病症系数，利用该病症系数更新疑似病症得分。当根据病情特征筛选出一个疑似病症时，该病症系数为1；当根据病情特征筛选出两个疑似病症时，疑似病症得分在第一位和第二位疑似病症的病症系数分别为0.6和0.4；当根据病情特征筛选出三个疑似病症时，疑似病症得分在第一位至第三位疑似病症的病症系数分别为0.5、0.3和0.2；当根据病情特征筛选出超过三个疑似病症时，各疑似病症得分的病症系数按得分由高到低分别为0.4、0.3、0.2、
Figure BDA0002304091870000161
其中，N为得分排列顺序号。
将更新的各疑似病症得分分别与预存的病症分数阈值进行对比，提取处于病症分数阈值内的病症，得到所述推断病症。
本实施例对确诊病症进行细分，对病症特征根据确诊组合特征的分类更详细，有利于推断病症，为减小第一确诊特征、第二确诊特征或更多种确诊特征对判断病情的干扰，满足任一确诊组合特征对应的全部病症特征时，即判定该疑似病症的确诊特征得分为满分，否则为该疑似病症的确诊特征得分即为0分；并且该疑似病症的确诊特征得分只计算一次，满足两个确诊组合特征的全部病症特征，该疑似病症的确诊特征得分也为满分。
下面举例说明疑似病症得分的计算方式：
下表中为病症库中部分病症及该部分病症与病症特征关系：
Figure BDA0002304091870000162
Figure BDA0002304091870000171
其中：关键特征系数0.6，典型特征系数0.3，偶发特征系数0.1。
当一患者的所述患者病症特征为病症特征A、B、C、E时，
对于疑似病症1：
依据特征类型计算该疑似病症的特征类型得分为：
Figure BDA0002304091870000172
该疑似病症的确诊特征得分：病症特征A、B、C，符合疑似病症1确诊特征1对应的全部病症特征，所以对于确诊特征1该疑似病症的确诊特征得分为满分100；病症特征A、E，符合确诊特征2的其中两个确诊特征，所以该疑似病症的确诊特征2得分为0；综合该疑似病症的确诊特征得分100。
更新前该疑似病症的疑似病症得分：
该疑似病症的特征类型得分+疑似病症的确诊特征得分＝81.5+100＝181.5
对于疑似病症2：
依据特征类型计算该疑似病症的特征类型得分为：
Figure BDA0002304091870000181
该疑似病症的确诊特征得分：病症特征C，符合疑似病症2确诊特征1对应的一个病症特征，所以该疑似病症的确诊特征1得分为0；综合该疑似病症的确诊特征得分0。
更新前该疑似病症的疑似病症得分：
该疑似病症的特征类型得分+疑似病症的确诊特征得分＝70+0＝70
以上两个疑似病症的病症系数分别为0.6，0.4；
更新后，疑似病症1的得分0.6*181.5＝108.9；疑似病症1的得分0.4*70＝28。
本发明实施例中提供的方法还包括对构建的所述医生库进行更新：
所述对构建的所述医生库进行更新，步骤为：
获取当前时刻所述目标医生的简历信息中包含的姓名和身份证号码、接诊记录和考评记录；
判断所述医生库中是否存在与所述姓名和身份证号码相匹配的简历信息；
若不存在，根据所述当前时刻所述目标医生的简历信息、接诊记录和考评记录，获取所述目标医生的擅长病症、擅长病症的能力评分，对所述医生库进行更新；
若存在，根据所述当前时刻所述目标医生的简历信息、接诊记录和考评记录，获取所述目标医生的擅长病症，从获取的擅长病症中，提取与所述医生库中所述目标医生的擅长病症相匹配的第一擅长病症，以及，除所述第一擅长病症外的第二擅长病症；
针对每一第一擅长病症，从所述当前时刻所述目标医生的接诊记录中，获取与该第一擅长病症相匹配的治疗病症接诊记录，并统计相匹配的治疗病症接诊记录的条数，根据该条数计算所述目标医生的第一擅长病症的能力评分，对所述医生库中所述目标医生的第一擅长病症的能力评分进行更新；
从所述当前时刻所述目标医生的接诊记录中，获取与第二擅长病症相匹配的第二擅长病症接诊记录，并统计第二擅长病症接诊记录的条数；将所述目标医生的简历信息、考评记录和第二擅长病症对应的患者评价条数进行加权计算，得到所述目标医生的第二擅长病症的能力评分，对所述医生库中该医生的擅长病症及该擅长病症的能力评分进行更新。
本实施例提供的对构建的所述医生库进行更新针对目标医生库，定时获取目标医生库内的医生相关信息，定时对所述医生库进行更新，以对医生的擅长病症、擅长病症的能力评分进行更新，使依据本医生库推荐的医生更符合患者情况，有利于提高医生与患者实际病症的匹配程度，提高推荐医生的准确性。
如图2所示，本发明实施例提供了一种针对患者病情信息推荐医生的装置，包括：自述信息获取模块201，用于获取患者病情信息；
病症特征提取模块202，用于提取所述患者病情信息中的病情特征；
病症特征匹配模块203，用于将所述病情特征与预存的病症库中的病症特征进行匹配，获取与所述病情特征相匹配的病症特征；
疑似病症判断模块204，用于基于病症库中病症特征与病症间的对应关系，根据所述获取的病症特征选择所述病症库中与所述获取的病症特征对应的疑似病症；
待选择病症判断模块205，用于从所述疑似病症对应的病症特征中，滤除所述获取的病症特征，得到待选择病症特征；
补充病症获取模块206，用于接收患者从所述待选择病症特征中选择的补充病症特征；
病症特征判断模块207，用于根据所述补充病症特征和所述获取的病症特征，从各所述疑似病症中选择推断病症；
医生推荐模块208，用于将所述推断病症与预存的医生库中医生的擅长病症进行对比，获取与所述推断病症相匹配的擅长病症及擅长病症对应的推荐医生，提取所述推荐医生对应所述擅长病症的能力评价，将所述推荐医生、擅长病症及该擅长病症的能力评价进行推荐。
所述自述信息获取模块和所述病症特征匹配模块分别与所述病症特征提取模块电连接，所述病症特征匹配模块与所述所述疑似病症判断模块电连接，所述疑似病症判断模块和所述补充病症获取模块分别与所述待选择病症判断模块电连接，补充病症获取模块与所述病症特征判断模块电连接，所述病症特征判断模块与所述医生推荐模块电连接。
如图3所示，本申请一实施例提供了一种计算机设备30，用于执行图1中的针对患者病情信息推荐医生方法，该设备包括存储器301、处理器302及存储在该存储器301上并可在该处理器302上运行的计算机程序，其中，上述处理器302执行上述计算机程序时实现上述针对患者病情信息推荐医生方法的步骤。
具体地，上述存储器301和处理器302能够为通用的存储器和处理器，这里不做具体限定，当处理器302运行存储器301存储的计算机程序时，能够执行上述针对患者病情信息推荐医生方法。
对应于图1中的针对患者病情信息推荐医生方法，本申请实施例还提供了一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行上述针对患者病情信息推荐医生方法的步骤。
具体地，该存储介质能够为通用的存储介质，如移动磁盘、硬盘等，该存储介质上的计算机程序被运行时，能够执行上述针对患者病情信息推荐医生方法。
在本申请所提供的实施例中，应该理解到，所揭露系统和方法，可以通过其它的方式实现。以上所描述的系统实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，又例如，多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口，系统或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本申请提供的实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(Read-Only Memory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释，此外，术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
最后应说明的是：以上所述实施例，仅为本申请的具体实施方式，用以说明本申请的技术方案，而非对其限制，本申请的保护范围并不局限于此，尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本申请实施例技术方案的精神和范围。都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应所述以权利要求的保护范围为准。

Claims (13)

1.一种针对患者病情信息推荐医生的方法，其特征在于，包括以下步骤：
获取患者病情信息；
提取所述患者病情信息中的病情特征；
将所述病情特征与预存的病症库中的病症特征进行匹配，获取与所述病情特征相匹配的病症特征；
基于病症库中病症特征与病症的对应关系，根据获取的病症特征，选择与所述获取的病症特征对应的疑似病症；
从所述疑似病症对应的病症特征中，滤除所述获取的病症特征，得到待选择病症特征；
接收患者从所述待选择病症特征中选择的补充病症特征；
根据所述补充病症特征和所述获取的病症特征，从各所述疑似病症中选择推断病症；
将所述推断病症与预存的医生库中医生的擅长病症进行对比，获取与所述推断病症相匹配的擅长病症及擅长病症对应的推荐医生，提取所述推荐医生对应所述擅长病症的能力评价，将所述推荐医生、擅长病症及该擅长病症的能力评价进行推荐。
2.根据权利要求1所述的方法，其特征在于，构建所述医生库的过程，包括以下步骤：
获取各目标医生的简历信息和接诊记录；
针对每一个目标医生的简历信息，提取该目标医生的擅长病症、学历特征和职称特征；
将所述学历特征与预存的学历指标分数库进行对比，获得与所述学历特征相匹配的学历指标分数；
将所述职称特征与预存的职称指标分数库进行对比，获得与所述职称特征相匹配的职称指标分数；
将所述擅长病症与预存的病症系数库进行对比，获得与所述擅长病症相匹配的擅长病症系数；
针对每一个目标医生的接诊记录，提取与该目标医生的擅长病症相匹配的治疗病症接诊记录，统计所述治疗病症接诊记录的条数；
针对每一个目标医生的擅长病症，将该目标医生对应的学历指标分数、职称指标分数、擅长病症系数和治疗病症接诊记录的条数进行加权运算，得到该目标医生的擅长病症的能力评分，将该目标医生的擅长病症、能力评分存入所述医生库。
3.根据权利要求2所述的方法，其特征在于，构建所述医生库的过程，还包括以下步骤：
获取各目标医生的考评记录；
针对每一个目标医生的考评记录，提取所述考评记录中的该目标医生工作年限、考评级别及考评级别对应的频次；
将所述考评级别与预存的考评级别系数库进行对比，获得所述考评级别相匹配的考评系数；
针对每一个目标医生，将该目标医生工作年限、考评系数及考评级别的频次进行加权运算，得到该目标医生的考评得分评分，将得到的考评得分评分加入该目标医生的擅长病症的能力评分中，对该目标医生的擅长病症的能力评分进行更新。
4.根据权利要求2所述的方法，其特征在于，所述统计所述治疗病症接诊记录的条数之后，所述方法还包括：
针对每一目标医生的擅长病症，依据为该擅长病症预先设置的治疗病症接诊记录的条数设置策略对应的条数第一阈值和条数第二阈值，分别与统计的所述治疗病症接诊记录的条数进行对比，并根据对比结果确定是否对所述治疗病症接诊记录的条数进行更新。
5.根据权利要求4所述的方法，其特征在于，所述并根据对比结果确定是否对所述治疗病症接诊记录的条数进行更新，包括：
当统计的所述治疗病症接诊记录的条数小于所述条数第一阈值时，将所述治疗病症接诊记录的条数更新为0；
当统计的所述治疗病症接诊记录的条数大于所述条数第二阈值时，将所述治疗病症接诊记录的条数更新为第二阈值对应的数值；
当统计的所述治疗病症接诊记录的条数处于所述条数第一阈值与所述条数第二阈值之间时，不更新所述治疗病症接诊记录的条数。
6.根据权利要求1至5中任一所述的方法，其特征在于，针对每一病症，所述病症库存有对应的病症特征，病症特征根据特征类型分为关键特征、典型特征和偶发特征；所述病症库内还存有与所述关键特征对应的关键特征系数、与所述典型特征对应的典型特征系数、和与所述偶发特征对应的偶发特征系数；
所述根据所述补充病症特征和所述获取的病症特征，从各所述疑似病症中选择推断病症，包括：
将所述补充病症特征和所述获取的病症特征合并为患者病症特征；
针对每一疑似病症，从所述病症库中提取该疑似病症对应的病症特征，将所述患者病症特征与提取的病症特征进行对比，得到与所述患者病症特征相匹配的病症特征；
计算得到的病症特征中关键特征的数量、典型特征的数量和偶发特征的数量；
针对每一疑似病症，根据该疑似病症对应的关键特征系数、关键特征的数量、典型特征系数、典型特征的数量、偶发特征系数和偶发特征的数量进行加权运算，得到该疑似病症的特征类型得分；
将各疑似病症的特征类型得分分别与预存的病症分数阈值进行对比，提取处于病症分数阈值内的病症，得到所述推断病症。
7.根据权利要求1至5任一项所述的方法，其特征在于，针对每一病症，所述病症库存有对应的病症特征，病症特征根据确诊组合类型分为确诊特征或非确诊特征；
所述根据所述补充病症特征和所述获取的病症特征，从各所述疑似病症中选择推断病症，包括：
将所述补充病症特征和所述获取的病症特征合并为患者病症特征；
针对每一疑似病症，提取所述病症库中该疑似病症对应的病症特征，将所述患者病症特征与提取的病症特征进行对比，得到与所述患者病症特征相匹配的病症特征；
从得到的疑似病症的病症特征中，获取属于确诊特征的特征数量，根据获取的特征数量计算该疑似病症的确诊特征得分；
将各疑似病症的确诊特征得分分别与预存的病症分数阈值进行对比，提取处于病症分数阈值内的病症，得到所述推断病症。
8.根据权利要求6所述的方法，其特征在于，针对每一病症，所述病症库的病症特征还根据确诊组合类型分为第一确诊特征、第二确诊病症以及非确诊特征；
所述根据所述补充病症特征和所述获取的病症特征，从各所述疑似病症中选择推断病症，还包括：
从所述得到的病症特征中，确定属于第一确诊特征的第一特征数量，属于第二确诊特征的第二特征数量，根据第一特征数量、第二特征数量计算所述得到的病症特征对应的该疑似病症的确诊特征得分；
针对每一疑似病症，将该疑似病症的特征类型得分与确诊特征得分进行计算，得到该疑似病症的疑似病症得分；
将各疑似病症得分分别与预存的病症分数阈值进行对比，提取处于病症分数阈值内的病症，得到所述推断病症。
9.根据权利要求8所述的方法，其特征在于，还包括，
将各疑似病症得分按分值进行排序，根据排序结果选择与所述疑似病症得分对应的病症系数；
将疑似病症得分与该疑似病症得分对应的病症系数进行计算，得到更新的疑似病症得分。
10.根据权利要求3至5任一项所述的方法，其特征在于，所述方法还包括：对构建的所述医生库进行更新：
所述对构建的所述医生库进行更新，步骤为：
获取当前时刻所述目标医生的简历信息中包含的姓名和身份证号码、接诊记录和考评记录；
判断所述医生库中是否存在与所述姓名和身份证号码相匹配的简历信息；
若不存在，根据所述当前时刻所述目标医生的简历信息、接诊记录和考评记录，获取所述目标医生的擅长病症、擅长病症的能力评分，对所述医生库进行更新；
若存在，根据所述当前时刻所述目标医生的简历信息、接诊记录和考评记录，获取所述目标医生的擅长病症，从获取的擅长病症中，提取与所述医生库中所述目标医生的擅长病症相匹配的第一擅长病症，以及，除所述第一擅长病症外的第二擅长病症；
针对每一第一擅长病症，从所述当前时刻所述目标医生的接诊记录中，获取与该第一擅长病症相匹配的治疗病症接诊记录，并统计相匹配的治疗病症接诊记录的条数，根据该条数计算所述目标医生的第一擅长病症的能力评分，对所述医生库中所述目标医生的第一擅长病症的能力评分进行更新；
从所述当前时刻所述目标医生的接诊记录中，获取与第二擅长病症相匹配的第二擅长病症接诊记录，并统计第二擅长病症接诊记录的条数；将所述目标医生的简历信息、考评记录和第二擅长病症对应的患者评价条数进行加权计算，得到所述目标医生的第二擅长病症的能力评分，对所述医生库中该医生的擅长病症及该擅长病症的能力评分进行更新。
11.一种针对患者病情信息推荐医生的装置，其特征在于，包括：
自述信息获取模块，用于获取患者病情信息；
病症特征提取模块，用于提取所述患者病情信息中的病情特征；
病症特征匹配模块，用于将所述病情特征与预存的病症库中的病症特征进行匹配，获取与所述病情特征相匹配的病症特征；
疑似病症判断模块，用于基于病症库中病症特征与病症的对应关系，根据获取的病症特征，选择与所述获取的病症特征对应的疑似病症；
待选择病症判断模块，用于从所述疑似病症对应的病症特征中，滤除所述获取的病症特征，得到待选择病症特征；
补充病症获取模块，用于接收患者从所述待选择病症特征中选择的补充病症特征；
病症特征判断模块，用于根据所述补充病症特征和所述获取的病症特征，从各所述疑似病症中选择推断病症；
医生推荐模块，用于将所述推断病症与预存的医生库中医生的擅长病症进行对比，获取与所述推断病症相匹配的擅长病症及擅长病症对应的推荐医生，提取所述推荐医生对应所述擅长病症的能力评价，将所述推荐医生、擅长病症及该擅长病症的能力评价进行推荐。
12.一种电子设备，其特征在于，包括：处理器、存储器和总线，所述存储器存储有所述处理器可执行的机器可读指令，当电子设备运行时，所述处理器与所述存储器之间通过总线通信，所述机器可读指令被所述处理器执行时执行如权利要求1至7任一所述针对患者病情信息推荐医生的方法的步骤。
13.一种计算机可读存储介质，其特征在于，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行如权利要求1至7任一所述针对患者病情信息推荐医生的方法的步骤。
CN201911233065.XA 2019-12-05 2019-12-05 一种针对患者病情信息推荐医生的方法及装置 Pending CN110910998A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911233065.XA CN110910998A (zh) 2019-12-05 2019-12-05 一种针对患者病情信息推荐医生的方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911233065.XA CN110910998A (zh) 2019-12-05 2019-12-05 一种针对患者病情信息推荐医生的方法及装置

Publications (1)

Publication Number Publication Date
CN110910998A true CN110910998A (zh) 2020-03-24

Family

ID=69822905

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911233065.XA Pending CN110910998A (zh) 2019-12-05 2019-12-05 一种针对患者病情信息推荐医生的方法及装置

Country Status (1)

Country Link
CN (1) CN110910998A (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111507414A (zh) * 2020-04-20 2020-08-07 安徽中科首脑智能医疗研究院有限公司 深度学习的皮肤病图片对比分类方法、存储介质和机器人
CN113450899A (zh) * 2021-06-22 2021-09-28 上海市第一人民医院 基于人工智能的心肺检查影像的智能导诊方法
CN113539460A (zh) * 2021-07-29 2021-10-22 深圳万海思数字医疗有限公司 用于远程医疗平台的智能导诊方法和装置
CN116052863A (zh) * 2023-04-03 2023-05-02 云南医无界医疗网络科技有限公司 一种基于医共体大数据模型的智慧管理系统
CN116759062A (zh) * 2023-08-17 2023-09-15 江苏盖睿健康科技有限公司 一种优化轮询就诊数据的方法和系统
CN116913493A (zh) * 2023-07-24 2023-10-20 北京同仁堂互联网医院管理有限公司 一种医患的匹配方法、装置、设备及可读介质

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102110192A (zh) * 2011-04-02 2011-06-29 中国医学科学院医学信息研究所 基于诊断要素数据关联的疾病辅助判断方法
CN102184315A (zh) * 2011-04-02 2011-09-14 中国医学科学院医学信息研究所 基于诊断要素分析的科室分诊系统
CN107563120A (zh) * 2017-09-13 2018-01-09 青岛海信医疗设备股份有限公司 针对患者的医生推荐方法及装置

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102110192A (zh) * 2011-04-02 2011-06-29 中国医学科学院医学信息研究所 基于诊断要素数据关联的疾病辅助判断方法
CN102184315A (zh) * 2011-04-02 2011-09-14 中国医学科学院医学信息研究所 基于诊断要素分析的科室分诊系统
CN107563120A (zh) * 2017-09-13 2018-01-09 青岛海信医疗设备股份有限公司 针对患者的医生推荐方法及装置

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111507414A (zh) * 2020-04-20 2020-08-07 安徽中科首脑智能医疗研究院有限公司 深度学习的皮肤病图片对比分类方法、存储介质和机器人
CN111507414B (zh) * 2020-04-20 2022-02-08 安徽中科首脑智能医疗研究院有限公司 深度学习的皮肤病图片对比分类方法、存储介质和机器人
CN113450899A (zh) * 2021-06-22 2021-09-28 上海市第一人民医院 基于人工智能的心肺检查影像的智能导诊方法
CN113539460A (zh) * 2021-07-29 2021-10-22 深圳万海思数字医疗有限公司 用于远程医疗平台的智能导诊方法和装置
CN116052863A (zh) * 2023-04-03 2023-05-02 云南医无界医疗网络科技有限公司 一种基于医共体大数据模型的智慧管理系统
CN116913493A (zh) * 2023-07-24 2023-10-20 北京同仁堂互联网医院管理有限公司 一种医患的匹配方法、装置、设备及可读介质
CN116759062A (zh) * 2023-08-17 2023-09-15 江苏盖睿健康科技有限公司 一种优化轮询就诊数据的方法和系统
CN116759062B (zh) * 2023-08-17 2023-10-31 江苏盖睿健康科技有限公司 一种优化轮询就诊数据的方法和系统

Similar Documents

Publication Publication Date Title
CN110910998A (zh) 一种针对患者病情信息推荐医生的方法及装置
US9997260B2 (en) Retrieval of similar patient cases based on disease probability vectors
CN107563120B (zh) 针对患者的医生推荐方法及装置
CN112365987A (zh) 诊断数据异常检测方法、装置、计算机设备及存储介质
CN107785057B (zh) 医疗数据处理方法、装置、存储介质和计算机设备
US20040193022A1 (en) Diagnostic support system and diagnostic support program
JP2012221508A (ja) 患者予後を予測するシステムおよびコンピュータ可読媒体
JP2018060529A (ja) コンテキストベースの患者類似性の方法及び装置
CN110299209B (zh) 相似病历查找方法、装置、设备及可读存储介质
CN109686440B (zh) 一种在线智能诊断云平台及其运行方法和可读存储介质
CN109360653A (zh) 基于神经网络的健康数据分析方法、装置及计算机设备
CN109754854B (zh) 一种诊断编码和诊断名称匹配的方法和系统
CN117370565A (zh) 一种信息检索方法及系统
CN111968740B (zh) 一种诊断标签推荐方法、装置、存储介质及电子设备
CN113657550A (zh) 基于分层计算的患者标记方法、装置、设备及存储介质
CN114267439A (zh) 一种精准就医方法及系统
CN111582366B (zh) 图像处理方法、装置及设备
CN109447684A (zh) 一种电子评分方法、计算机可读存储介质及服务器
CN110517779B (zh) 数据处理方法、装置、电子设备及可读存储介质
CN114647738A (zh) 用于医保数据的异常行为关联分析方法及系统
CN110390998B (zh) 临床数据纳排方法、装置、设备及可读存储介质
WO2021249858A1 (en) Methods and systems for searching an ecg database
CN113139102A (zh) 数据处理方法、装置、非易失性存储介质及处理器
JP2022551325A (ja) 診断ツール
CN112768083A (zh) 一种基于历史病历的初步诊断生成系统、方法及设备

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
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20200324