CN111126034B - 医学变量关系的处理方法及装置、计算机介质和电子设备 - Google Patents

Abstract

本公开提供了一种医学变量关系的处理方法及装置，涉及数据处理技术领域。该方法包括：获取医学数据，判断医学数据的概述部分中是否存在规范变量表中的第一目标变量；若存在，则根据第一目标变量在医学数据的详述部分中获取统计方法表中的目标统计方法，其中，统计方法表中的统计方法用于分析规范变量表中的变量；根据第一目标变量在详述部分中获取第二目标变量；确定第一目标变量、第二目标变量以及目标统计方法之间的关联关系为目标变量关系，得到医学数据中已存在的变量关系表。本技术方案有利于提升确定已存变量关系的准确度，同时，有利于提升科研分析效率。

Description

医学变量关系的处理方法及装置、计算机介质和电子设备

技术领域

本公开涉及数据处理技术领域，具体而言，涉及一种医学变量关系的处理方法及装置，以及实现上述医学变量关系的处理方法的计算机可读介质和电子设备。

背景技术

在医学科研的探索发现中，医学变量之间的关系是值得研究的领域。当然，关于各种医学变量之间的关系的研究数据也是源源不断地被公开于众，如发布至医疗科研文献中。随着各种医学变量被研究，对相关医学变量之间关系的医学数据(如论文等医学科研文献)的检索变得复杂。

现有技术中，若研究人员打算研究未曾被研究过的医学变量之间的关系，在探究性科研中对这些变量进行过滤，避免重复研究。则需先检索已经公开于众的相关医学数据，对现有的研究状况做了解。或者，若用户打算通过已经公开于众的医疗科研文献中学习已被研究过的医学变量之间的关系。均需要耗费大量时间和精力才能获取相关文献。

可见，现有技术中医学变量关系的处理方案存在处理效率低的问题，不利于科研效率的提升。

需要说明的是，在上述背景技术部分公开的信息仅用于加强对本公开的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。

发明内容

本公开实施例的目的在于提供一种医学变量关系的处理方法、医学变量关系的处理装置，以及实现上述方法的计算机可读介质和电子设备，进而至少在一定程度上提升医学变量关系的处理效率，进而有利于提升科研效率。

本公开的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本公开的实践而习得。

根据本公开实施例的第一方面，提供了一种医学变量关系的处理方法，该方法包括：

获取医学数据，判断所述医学数据的概述部分中是否存在规范变量表中的第一目标变量；

若存在，则根据所述第一目标变量在所述医学数据的详述部分中获取统计方法表中的目标统计方法，其中，所述统计方法表中的统计方法用于分析所述规范变量表中的变量；

根据所述第一目标变量在所述详述部分中获取第二目标变量；

确定所述第一目标变量、所述第二目标变量以及所述目标统计方法之间的关联关系为目标变量关系，得到所述医学数据中已存在的变量关系表。

在本公开的一种实施例中，基于前述方案，判断所述医学数据的概述部分中是否存在所述规范变量表中的第一目标变量，包括：

对所述医学数据的概述部分进行分词处理得到第一分词集；

判断所述第一分词集中是否存在所述规范变量表中的第一目标变量。

在本公开的一种实施例中，基于前述方案，根据所述第一目标变量在所述医学数据的详述部分中获取所述统计方法表中的目标统计方法，包括：

在所述详述部分中获取所述第一目标变量的上下文信息；

对所述上下文信息进行分词处理得到第二分词集；

根据所述第一目标变量和所述第二分词集，获取所述统计方法表中与所述第一目标变量对应的目标统计方法。

在本公开的一种实施例中，基于前述方案，根据所述第一目标变量在所述详述部分中获取第二目标变量，包括：

在所述详述部分中获取所述第一目标变量的上下文信息；

在所述上下文信息中获取除所述目标统计方法之外的第三分词集；

根据所述第三分词集是否命中所述规范变量表确定候选变量集；

根据所述候选变量集中分词在所述详述部分的出现频次确定所述第二目标变量。

在本公开的一种实施例中，基于前述方案，在得到所述医学数据中已存在的变量关系表之后，所述方法还包括：

接收查询条件，所述查询条件包括待查询医学变量和/或分析所述待查询医学变量的方法；

若所述查询条件包括待查询医学变量，则：在所述变量关系表中查询是否存在所述待查询医学变量；若存在，则显示包含所述待查询医学变量的目标医学数据的表述；或，

若所述查询条件包括分析待查询医学变量的方法，则：在所述变量关系表中查询是否存在所述分析待查询医学变量的方法；若存在，则显示包含所述待查询医学变量的方法的目标医学数据的表述；或，

若所述查询条件包括待查询医学变量和分析所述待查询医学变量的方法，则：在所述变量关系表中查询是否存在所述待查询医学变量和所述分析所述待查询医学变量的方法；若存在，则显示包含所述待查询医学变量和分析所述待查询医学变量的方法的目标医学数据的表述。

在本公开的一种实施例中，基于前述方案，在得到所述医学数据中已存在的变量关系表之后，所述方法还包括：

获取所述规范变量表中的变量与所述统计方法表中的统计方法之间的排列组合；

在所述排列组合中筛除所述得到所述医学数据中已存在的变量关系表，得到待分析组合；

将所述待分析组合提供给用户。

在本公开的一种实施例中，基于前述方案，所述统计方法包括：线性回归分析方法、多因素回归分析方法、相关性分析方法和分类分析方法；所述变量包括：疾病名称、身体指标、治疗手段和药品名。

根据本公开实施例的第二方面，提供了一种医学变量关系的处理装置，该装置包括：判断模块、目标统计方法获取模块、目标变量获取模块和变量关系确定模块。

其中，上述判断模块，被配置为：获取医学数据，判断所述医学数据的概述部分中是否存在所述规范变量表中的第一目标变量；

上述目标统计方法获取模块，被配置为：若存在，则根据所述第一目标变量在所述医学数据的详述部分中获取所述统计方法表中的目标统计方法，其中，所述统计方法表中的统计方法用于分析所述规范变量表中的变量；

上述目标变量获取模块，被配置为：根据所述第一目标变量在所述详述部分中获取第二目标变量；以及，

上述确定模块，被配置为：确定所述第一目标变量、所述第二目标变量以及所述目标统计方法之间的关联关系为目标变量关系，得到所述医学数据中已存在的变量关系表。

根据本公开实施例的第三方面，提供了一种计算机可读介质，其上存储有计算机程序，所述程序被处理器执行时实现如上述实施例第一方面任意一种技术方案所述的医学变量关系的处理方法。

根据本公开实施例的第四方面，提供一种电子设备，包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现如上述实施例第一方面任意一种技术方案所述的医学变量关系的处理方法。

本公开实施例提供的技术方案可以包括以下有益效果：

在本公开的一些实施例中，预设设置与目标医疗科研项目相关的规范变量表和统计方法表，该统计方法表中的统计方法用于分析所述规范变量表中的变量；然后，获取现有的医学数据，并判断该医学数据的概述部分中是否存在上述规范变量表中的第一目标变量。若存在，则说明该医学数据与目标医疗科研项目相关，则进一步在其详述部分中获取上述统计方法表中的目标统计方法以及第二目标变量。进一步地，确定第一目标变量、第二目标变量以及目标统计方法之间的关联关系为目标变量关系，得到了现有的医学数据中已存在的变量关系表。通过将上述已存在的变量关系表准确地展示给用户，用户无需耗费精力去进行相关检索，便可以方便地获知已经存在的医学变量间的关联关系。可见本技术方案有利于提升确定已存变量关系的准确度，同时，有利于提升科研分析效率。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。显而易见地，下面描述中的附图仅仅是本公开的一些实施例，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，还可以根据这些附图获得其他的附图。在附图中：

图1示出本公开示例性实施例中用于实现医学变量关系的处理方法及装置的系统架构示意图；

图2示出了根据本公开的一实施例的医学变量关系的处理方法的流程示意图；

图3示出了根据本公开的另一实施例的医学变量关系的处理方法的流程示意图；

图4示出了根据本公开的一实施例的统计分析方法的流程示意图；

图5示出了根据本公开的一实施例的系统自动分析方法的流程示意图；

图6示出了根据本公开的一实施例的医学变量关系的处理装置的结构示意图；

图7示出本公开示例性实施例中计算机存储介质的结构示意图；以及，

图8示出本公开示例性实施例中电子设备的结构示意图。

具体实施方式

现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的范例；相反，提供这些实施方式使得本公开将更加全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。

此外，所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施例中。在下面的描述中，提供许多具体细节从而给出对本公开的实施例的充分理解。然而，本领域技术人员将意识到，可以实践本公开的技术方案而没有特定细节中的一个或更多，或者可以采用其它的方法、组元、装置、步骤等。在其它情况下，不详细示出或描述公知方法、装置、实现或者操作以避免模糊本公开的各方面。

附图中所示的方框图仅仅是功能实体，不一定必须与物理上独立的实体相对应。即，可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。

附图中所示的流程图仅是示例性说明，不是必须包括所有的内容和操作/步骤，也不是必须按所描述的顺序执行。例如，有的操作/步骤还可以分解，而有的操作/步骤可以合并或部分合并，因此实际执行的顺序有可能根据实际情况改变。

本示例实施方式中首先提供了一种用于实现医学变量关系的处理方法的系统架构，可以应用于各种数据处理场景。参考图1所示，该系统架构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，以接收或发送请求指令等。终端设备101、102、103上可以安装有各种通讯客户端应用，例如图片处理应用、购物类应用、网页浏览器应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等。

终端设备101、102、103可以是具有显示屏并且支持网页浏览的各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。

服务器105可以是提供各种服务的服务器，例如，服务器105可以中存储有与目标科研项目相关的规范变量表和统计方法表。其中，统计方法表中的统计方法用于分析上述规范变量表中的变量。进一步地，服务器105获取利用终端设备101、102、103输入的预设的医学数据(如，医学科研文献等)，并判断该医学数据的概述部分中是否存在所述规范变量表中的第一目标变量(仅为示例)。若存在，则服务器105可以根据上述第一目标变量在上述医学数据的详述部分中获取上述统计方法表中的目标统计方法(仅为示例)。服务器105还根根据所述第一目标变量在所述详述部分中获取第二目标变量。最终，服务器105确定所述第一目标变量、所述第二目标变量以及所述目标统计方法之间的关联关系为目标变量关系，得到所述医学数据中已存在的变量关系表。

相关技术在大数据计算框架下，事件搜索可以快速地满足搜索者提出的入组条件的患者人群的搜索需求，比如手术后几天内使用过几次某种药物的人群。

针对相关技术中所存在的上述一个或多个问题，本技术方案提供了一种医学变量关系的处理方法及装置，计算机存储介质和电子设备。以下先对医学变量关系的处理方法进行说明：

图2示出了根据本公开的实施例的医学变量关系的处理方法的流程示意图。本实施例提供的医学变量关系的处理方法，至少在一定程度上克服现有技术中存在的上述问题。

其中，本实施例提供的医学变量关系的处理方法的执行主体可以是具有计算处理功能的设备，比如服务器等。

参考图2，本实施例提供的医学变量关系的处理方法包括：

步骤S210，获取医学数据，判断所述医学数据的概述部分中是否存在所述规范变量表中的第一目标变量；

步骤S220，若存在，则根据所述第一目标变量在所述医学数据的详述部分中获取所述统计方法表中的目标统计方法，其中，所述统计方法表中的统计方法用于分析所述规范变量表中的变量；

步骤S230，根据所述第一目标变量在所述详述部分中获取第二目标变量；以及，

步骤S240，确定所述第一目标变量、所述第二目标变量以及所述目标统计方法之间的关联关系为目标变量关系，得到所述医学数据中已存在的变量关系表。

在图2所示实施例提供的技术方案中，预设设置与目标医疗科研项目相关的规范变量表和统计方法表，该统计方法表中的统计方法用于分析所述规范变量表中的变量；然后，获取现有的医学数据，并判断该医学数据的概述部分中是否存在上述规范变量表中的第一目标变量。若存在，则说明该医学数据与目标医疗项目相关，则进一步在其详述部分中获取上述统计方法表中的目标统计方法以及第二目标变量。进一步地，确定第一目标变量、第二目标变量以及目标统计方法之间的关联关系为目标变量关系，得到了现有的医学数据中已存在的变量关系表。可见，本技术方案通过将上述已存在的变量关系表准确地展示给用户，用户无需耗费精力去进行相关检索，便可以方便地获知已经存在的医学变量间的关联关系。可见本技术方案有利于提升确定已存变量关系的准确度，同时，有利于提升科研分析效率。

在示例性的实施例中，图3示出了根据本公开的另一实施例的医学变量关系的处理方法的流程示意图。以下结合图3所示实施例对图2中所示技术方案的各个步骤的实现细节进行详细阐述。

参考图3，该图所示实施例包括步骤S310-步骤S360。

在步骤S310中，预先设置与目标医疗科研项目相关的规范变量表和统计方法表。其中，该统计方法表中的统计方法用于分析所述规范变量表中的变量。

在示例性的实施例中，上述统计方法表和规范变量表均与目标医疗科研项目相关。也就是说，将当前的目标医疗科研项目中所关注的变量作为规范变量汇总为上述规范变量表；还将当前的目标医疗科研项目中所关注的变量的分析方法作为规范方法汇总为上述统计方法表。示例性的，可以将上述规范变量表和上述统计方法表存储于服务器105中，从而，服务器105可以根据已存储的规范变量表来判断医学数据的概述部分中是否存在属于规范变量表中的第一目标变量。

示例性的，上述统计方法包括：线性回归分析方法、多因素回归分析方法、相关性分析方法和分类分析方法；上述变量包括：疾病名称、身体指标、治疗手段和药品名。

在步骤S320中，定期(如，每日)下载各大科研网站新发布的医学数据并进行去重处理。

在示例性的实施例中，本实施例试图下医学数据中获取上述目标科研项目相关的规范变量以及相关的统计方法。示例性的，将规范变量和分析该规范变量表中不同变量之间的关联关系的统计方法进行关联，得到一组医学变量关系，如：[变量1，变量2，方法A]。进一步地，将多组医学变量关系统计为变量关系表，以供查阅。

在步骤S330中，判断所述医学数据的概述部分中是否存在所述规范变量表中的第一目标变量。

在示例性的实施例中，作为步骤S210的一种具体实施方式。可以对上述医学数据的概述部分进行分词处理得到第一分词集。示例性的，截取当前科研文献文档的标题或摘要(扫描文档前几页加关键字匹配)，对标题和摘要进行分词，得到第一分词集；进一步地，将第一分词集中的所有分词与规范变量表中变量进行比对，类判断该第一分词集中是否存在所述规范变量表中的第一目标变量。

在示例性的实施例中，若该第一分词集中未存在所述规范变量表中的第一目标变量，说明当前科研文献与上述目标科研项目的研究无关或相关性较弱。则无需从该科研文献中获取任何变量或统计方法，从而直接舍弃该科研文献，以结束获取变量关系表的流程。

本实施例中，将各个医学科研分析分为概述部分(如：题目、摘要等)和详述部分(正文)，先通过对综述部分判断是否与上述目标科研项目相关。若无关，则无需更新其详述部分，从而有效提升医学变量关系的处理效率。

在示例性的实施例中，若该第一分词集中存在所述规范变量表中的第一目标变量，说明当前科研文献与上述目标科研项目的研究相关性较强。则执行步骤S340-步骤S360，以从医学数据中确定与上述目标科研项目相关的变量关系表。具体的：

步骤S340作为步骤S220的一种具体实施方式，用于根据所述第一目标变量在所述医学数据的详述部分中获取所述统计方法表中的目标统计方法。

在步骤S340中，在所述详述部分中获取所述第一目标变量的上下文信息；对所述上下文信息进行分词处理得到第二分词集；根据所述第一目标变量和所述第二分词集，获取所述统计方法表中与所述第一目标变量对应的目标统计方法。

在示例性的实施例中，若概述部分(如：题目、摘要等)的第一分词集中有匹配到上述规范变量表中的变量(即上述第一目标变量)，则将匹配到变量名称暂存至第一候选变量集中。

示例性的，对于每一医学数据，设置候选变量集和候选方法组，以分别暂存可能用于确定变量关系表的变量和方法。

在示例性的实施例中，在该医疗科研文献的详述部分中获取上述第一目标变量的上下文信息。具体的，可以在详述部分中定位第一目标变量，进一步地，在以各个定位处为中心，向前提取N个字并向后提取N个字，从而得到上述第一目标变量的上下文信息。本实施例中，通过获取上下文信息来获取与上述第一目标变量相关性较强的内容，以在后续实施例中上下文信息中获取相关变量和相关统计方法。

在示例性的实施例中，对上述上下文信息进行分词处理得到第二分词集，在该第二分词集中获取上述统计方法表中目标统计方法。示例性的，在上述上下文信息中提取与上述统计方法表中名称相等或相似的词语，并暂存至上述候选方法组中。

在示例性的实施例中，本技术方案用于确定变量之间的统计方法，则在上述暂存至上述第一候选变量集中的变量和暂存至上述候选方法组中的统计方法之外，还需进一步探索是否该医学数据中是否存在其他目标变量。则在步骤S230中，根据所述第一目标变量在所述详述部分中获取第二目标变量。

在示例性的实施例中，步骤S350作为步骤S230的一种具体实施方式，在步骤S350中：在所述上下文信息中获取除所述目标统计方法之外的第三分词集；根据所述第三分词集是否命中所述规范变量表确定候选变量集；根据所述候选变量集中分词在所述详述部分的出现频次确定所述第二目标变量。

在示例性的实施例中，将上述匹配到的目标统计方法在上述上下文信息中筛除，并将筛除后的内容用于确定上述第三分词集。以排除统计方法对进一步在上下文信息中确定目标变量的干扰。

示例性的，使用K-Means聚类算法对筛除上述目标统计方法之后的上下文信息进行计算，得到上下文文本中集中出现的分词(出现频次大于预设阈值的分词)，得到第三分词集。

进一步地，根据上述第三分词集是否命中所述规范变量表来确定候选变量集。具体地：

将第三分词集与上述规范变量表中所有名称匹配/对比，除了上述第一目标变量之外，若存在与规范变量表匹配成功的变量，则暂存至上述第一候选变量集中。若存在未与规范变量表匹配成功的变量，则暂存至第二候选变量集中。

在示例性的实施例中，对于存在自变量和因变量的统计方法(如，多因素回归分析方法)，则还需根据上述第一候选变量集和上述第二候选变量集确定自变量和因变量。具体地：

对于上述第一候选变量集和上述第二候选变量集中的变量，分别获取各个变量在全文中出现的频次。进一步地，对于第一候选变量集中的变量，将变量出现的频次最大的作为因变量，将变量出现频次最小的作为自变量；对于第二候选变量集中的变量，将变量出现的频次最大的作为自变量，将变量出现频次最小的作为因变量。从而，在当前医学数据中确定出统计方法，以及该统计方法相关的自变量和因变量。

在示例性的实施例中，将当前医学数据的链接数据、在当前医学数据中确定出统计方法、以及该统计方法相关的自变量和因变量，存入变量关系复核表中。并生成一个人工复核通知，通知相关系统用户进行复核，以进一步保障获取到的医学变量关系的准确度。

在步骤S360/S240中：确定所述第一目标变量、所述第二目标变量以及所述目标统计方法之间的关联关系为目标变量关系，得到所述医学数据中已存在的变量关系表。

通过图3所示实施例，可以在于目标科研项目相关的医学数据中确定出变量关系表，其中保存有多种医学变量关系，如[自变量x，因变量y，统计方法s]等。进一步地，确定现有中的医学变量表之后，便可以应用于统计分析中以及系统的自动分析中。

示例性的，图4示出了根据本公开的一实施例的统计分析方法的流程示意图。参考图4，该图所示实施例包括：

步骤S410，接收查询条件；

在示例性的实施例中，用户在系统中使用统计分析时，系统会自动查询是否存在已发现的医学变量关系，用户在系统中点击分析，系统会根据用户所选分析方法及因变量及自变量组合为查询条件在变量关系表中进行查询。其中，用户查询请求中包含的变量或方法为来自真实世界的临床数据。

根据上述查询条件所包含的内容分为以下三种情况：

情况1)、上述查询条件包括待查询医学变量；则进一步执行步骤S421。

在步骤S421中，在所述变量关系表中查询是否存在所述待查询医学变量。

示例性的，若存在，则执行步骤S431：显示包含所述待查询医学变量的目标医学数据的表述。示例性的，若不存在，则执行步骤S440。

情况2)、上述查询条件分析所述待查询医学变量的方法；则进一步执行步骤S422。

在步骤S422中，在所述变量关系表中查询是否存在所述分析待查询医学变量的方法。

示例性的，若存在，则执行步骤S432：显示包含所述待查询医学变量的方法的目标医学数据的表述。示例性的，若不存在，则执行步骤S440。

情况3)、上述查询条件待查询医学变量和分析所述待查询医学变量的方法，则进一步执行步骤S423。

在步骤S423中，在所述变量关系表中查询是否存在所述待查询医学变量和分析所述待查询医学变量的方法。

示例性的，若存在，则执行步骤S433：显示包含所述待查询医学变量和分析所述待查询医学变量的方法的目标医学数据的表述。示例性的，若不存在，则执行步骤S440。

通过上述步骤S431、步骤S432和步骤S433，可以提醒用户医学数据中已存在的该变量关系。示例性的，还提供相关医学数据的链接地址，以方便用户查看文档的详细内容。

若变量关系表中查询不存在所述待查询医学变量和/或分析所述待查询医学变量的方法，则执行步骤S440：不发送提醒信息。

在图4所示实施例提供的技术方案中，同时结合科研文献和临床数据，能够实现自动的知识发现并校验的过程，大大提升科研人员的研究效率。

图5示出了根据本公开的一实施例的系统自动分析方法的流程示意图。参考图5，该图所示实施例包括：

步骤S510，获取所述规范变量表中的变量与所述统计方法表中的统计方法之间的排列组合；

步骤S520，在所述排列组合中筛除所述得到所述医学数据中已存在的变量关系表，得到待分析组合；以及，

步骤S530，将所述待分析组合提供给用户。

在示例性的实施例中，自动分析方法会读取统计方法表中的所有方法及规范变量表中所有变量，并确定规范变量表中的变量和所述统计方法表中的统计方法之间的排列组合。

进一步地，查询已获取的变量关系表，并在所述排列组合中筛除所述得到所述医学数据中已存在的变量关系表，从而得到待分析组合。最后，将待分析组合展示给用户，以便用户基于上述待分析组分进行医学科研分析。

示例性的，也可以通过自动分析程序对上述待分析组合进行自动分析，并将自动分析结果展示给用户，从而为医学科研分析提供便利。

在图5所示实施例提供的计数法方案中，系统先将已存在的医学变量关系匹配过滤，从而大大缩小了自动分析的范围，有利于提升自动分析效率。

本领域技术人员可以理解实现上述实施方式的全部或部分步骤被实现为由处理器，包含中央处理器(central processing unit，CPU)和图形处理器(GraphicsProcessing Unit，GPU)执行的计算机程序。在该计算机程序被CPU或GPU执行时，执行本公开提供的上述方法所限定的上述功能。所述的程序可以存储于一种计算机可读存储介质中，该存储介质可以是只读存储器，磁盘或光盘等。

此外，需要注意的是，上述附图仅是根据本公开示例性实施方式的方法所包括的处理的示意性说明，而不是限制目的。易于理解，上述附图所示的处理并不表明或限制这些处理的时间顺序。另外，也易于理解，这些处理可以是例如在多个模块中同步或异步执行的。

以下介绍本公开的医学变量关系的处理装置实施例，可以用于执行本公开上述实施例提供的医学变量关系的处理方法。

图6示出了根据本公开的实施例的医学变量关系的处理装置的结构示意图，参考图6，本实施例提供的医学变量关系的处理装置600，包括：判断模块601、目标统计方法获取模块602、目标变量获取模块603和变量关系确定模块604。

其中，上述判断模块601，被配置为：获取医学数据，判断所述医学数据的概述部分中是否存在规范变量表中的第一目标变量；

上述目标统计方法获取模块602，被配置为：若存在，则根据所述第一目标变量在所述医学数据的详述部分中获取统计方法表中的目标统计方法，其中，所述统计方法表中的统计方法用于分析所述规范变量表中的变量；

上述目标变量获取模块603，被配置为：根据所述第一目标变量在所述详述部分中获取第二目标变量；以及，

上述变量关系确定模块604，被配置为：确定所述第一目标变量、所述第二目标变量以及所述目标统计方法之间的关联关系为目标变量关系，得到所述医学数据中已存在的变量关系表。

在本公开的一种实施例中，基于前述方案，上述判断模块601，被具体配置为：

对所述医学数据的概述部分进行分词处理得到第一分词集；

判断所述第一分词集中是否存在所述规范变量表中的第一目标变量。

在本公开的一种实施例中，基于前述方案，上述目标统计方法获取模块602，被具体配置为：

在所述详述部分中获取所述第一目标变量的上下文信息；对所述上下文信息进行分词处理得到第二分词集；根据所述第一目标变量和所述第二分词集，获取所述统计方法表中与所述第一目标变量对应的目标统计方法。

在本公开的一种实施例中，基于前述方案，上述目标变量获取模块603，被具体配置为：

在所述详述部分中获取所述第一目标变量的上下文信息；在所述上下文信息中获取除所述目标统计方法之外的第三分词集；根据所述第三分词集是否命中所述规范变量表确定候选变量集；根据所述候选变量集中分词在所述详述部分的出现频次确定所述第二目标变量。

在本公开的一种实施例中，基于前述方案，所述医学变量关系的处理装置600，还包括：第一筛除模块。

其中，上述第一筛除模块，被配置为：在上述变量关系确定模块604得到所述医学数据中已存在的变量关系表之后，

接收查询条件；

若所述查询条件包括待查询医学变量，则：在所述变量关系表中查询是否存在所述待查询医学变量；若存在，则显示包含所述待查询医学变量的目标医学数据的表述；或，

若所述查询条件包括分析待查询医学变量的方法，则：在所述变量关系表中查询是否存在所述分析待查询医学变量的方法；若存在，则显示包含所述待查询医学变量的方法的目标医学数据的表述；或，

若所述查询条件包括待查询医学变量和分析所述待查询医学变量的方法，则：在所述变量关系表中查询是否存在所述待查询医学变量和所述分析所述待查询医学变量的方法；若存在，则显示包含所述待查询医学变量和分析所述待查询医学变量的方法的目标医学数据的表述。

在本公开的一种实施例中，基于前述方案，所述医学变量关系的处理装置600，还包括：第二筛除模块。

其中，上述第二筛除模块，被配置为：在上述变量关系确定模块604得到所述医学数据中已存在的变量关系表之后，

获取所述规范变量表中的变量与所述统计方法表中的统计方法之间的排列组合；在所述排列组合中筛除所述得到所述医学数据中已存在的变量关系表，得到待分析组合；将所述待分析组合提供给用户。

在本公开的一种实施例中，基于前述方案，所述统计方法包括：线性回归分析方法、多因素回归分析方法、相关性分析方法和分类分析方法；所述变量包括：疾病名称、身体指标、治疗手段和药品名。

由于本公开的示例性的实施例的医学变量关系的处理装置的各个功能模块与上述医学变量关系的处理方法的示例实施例的步骤对应，因此对于本公开医学变量关系的处理装置实施例中未披露的细节，请参照本公开上述的医学变量关系的处理方法的实施例。

应当注意，尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元，但是这种划分并非强制性的。实际上，根据本公开的实施方式，上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之，上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。

此外，尽管在附图中以特定顺序描述了本公开中方法的各个步骤，但是，这并非要求或者暗示必须按照该特定顺序来执行这些步骤，或是必须执行全部所示的步骤才能实现期望的结果。附加的或备选的，可以省略某些步骤，将多个步骤合并为一个步骤执行，以及/或者将一个步骤分解为多个步骤执行等。

通过以上的实施方式的描述，本领域的技术人员易于理解，这里描述的示例实施方式可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本公开实施方式的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、移动终端、或者网络设备等)执行根据本公开实施方式的方法。

在本公开示例性实施方式中，还提供了一种能够实现上述方法的计算机存储介质。其上存储有能够实现本说明书上述方法的程序产品。在一些可能的实施例中，本公开的各个方面还可以实现为一种程序产品的形式，其包括程序代码，当上述程序产品在终端设备上运行时，上述程序代码用于使上述终端设备执行本说明书上述“示例性方法”部分中描述的根据本公开各种示例性实施方式的步骤。

参考图7所示，描述了根据本公开的实施方式的用于实现上述方法的程序产品700，其可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码，并可以在终端设备，例如个人电脑上运行。然而，本公开的程序产品不限于此，在本文件中，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。

上述程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、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。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RandomAccess Memory，RAM)、只读存储器(Read-Only Memory，ROM)、可擦式可编程只读存储器(erasable programmable read-only memory，EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。

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，其中承载了可读程序代码。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。可读信号介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、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。

可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、有线、光缆、RF等等，或者上述的任意合适的组合。

可以以一种或多种程序设计语言的任意组合来编写用于执行本公开操作的程序代码，上述程序设计语言包括面向对象的程序设计语言—诸如Java、C++等，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设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网(Local AreaNetwork，LAN)或广域网(Wide Area Network，WAN)，连接到用户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。

此外，在本公开的示例性实施例中，还提供了一种能够实现上述方法的电子设备。

所属技术领域的技术人员能够理解，本公开的各个方面可以实现为系统、方法或程序产品。因此，本公开的各个方面可以具体实现为以下形式，即：完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等)，或硬件和软件方面结合的实施方式，这里可以统称为“电路”、“模块”或“系统”。

下面参照图8来描述根据本公开的这种实施方式的电子设备800。图8显示的电子设备800仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。

如图8所示，电子设备800以通用计算设备的形式表现。电子设备800的组件可以包括但不限于：上述至少一个处理单元810、上述至少一个存储单元820、连接不同系统组件(包括存储单元820和处理单元810)的总线830。

其中，上述存储单元存储有程序代码，上述程序代码可以被上述处理单元810执行，使得上述处理单元810执行本说明书上述“示例性方法”部分中描述的根据本公开各种示例性实施方式的步骤。例如，上述处理单元810可以执行如图2中所示的：步骤S210，获取医学数据，判断所述医学数据的概述部分中是否存在所述规范变量表中的第一目标变量；步骤S220，若存在，则根据所述第一目标变量在所述医学数据的详述部分中获取所述统计方法表中的目标统计方法，其中，所述统计方法表中的统计方法用于分析所述规范变量表中的变量；步骤S230，根据所述第一目标变量在所述详述部分中获取第二目标变量；以及，步骤S240，确定所述第一目标变量、所述第二目标变量以及所述目标统计方法之间的关联关系为目标变量关系，得到所述医学数据中已存在的变量关系表。

示例性的，上述处理单元810还可以执行如图3至图5中任意一图所示的医学变量关系的处理方法。

存储单元820可以包括易失性存储单元形式的可读介质，例如：随机存取存储单元(Random Access Memory，RAM)8201和/或高速缓存存储单元8202，还可以进一步包括只读存储单元只读存储器(Read-Only Memory，ROM)8203。

存储单元820还可以包括具有一组(至少一个)程序模块8205的程序/实用工具8204，这样的程序模块8205包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。

总线830可以为表示几类总线结构中的一种或多种，包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。

电子设备800也可以与一个或多个外部设备900(例如键盘、指向设备、蓝牙设备等)通信，还可与一个或者多个使得用户能与该电子设备800交互的设备通信，和/或与使得该电子设备800能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(Input/Output，I/O)接口850进行。进一步地，I/O接口850与显示单元840连接，以通过I/O接口850将待显示内容传输至显示单元840，以供用户查看。并且，电子设备800还可以通过网络适配器860与一个或者多个网络(例如局域网(Local Area Network，LAN)，广域网(Wide Area Network，WAN)和/或公共网络，例如因特网)通信。如图所示，网络适配器860通过总线830与电子设备800的其它模块通信。应当明白，尽管图中未示出，可以结合电子设备800使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。

通过以上的实施方式的描述，本领域的技术人员易于理解，这里描述的示例实施方式可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本公开实施方式的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、终端装置、或者网络设备等)执行根据本公开实施方式的方法。

此外，上述附图仅是根据本公开示例性实施例的方法所包括的处理的示意性说明，而不是限制目的。易于理解，上述附图所示的处理并不表明或限制这些处理的时间顺序。另外，也易于理解，这些处理可以是例如在多个模块中同步或异步执行的。

本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其他实施例。本申请旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由权利要求指出。

Claims (10)

1.一种医学变量关系的处理方法，其特征在于，所述方法包括：

获取医学数据，判断所述医学数据的概述部分中是否存在规范变量表中的第一目标变量；

若存在，则根据所述第一目标变量在所述医学数据的详述部分中获取统计方法表中的目标统计方法，其中，所述统计方法表中的统计方法用于分析所述规范变量表中的变量；

根据所述第一目标变量在所述详述部分中获取第二目标变量，其中，第二目标变量根据详述部分中第一目标变量的上下文信息确定；

确定所述第一目标变量、所述第二目标变量以及所述目标统计方法之间的关联关系为目标变量关系，得到所述医学数据中已存在的变量关系表；

其中，在获取医学数据，判断所述医学数据的概述部分中是否存在规范变量表中的第一目标变量之前，所述方法还包括：预设设置与目标医疗科研项目相关的规范变量表和统计方法表，所述统计方法表中的统计方法用于分析所述规范变量表中的变量。

2.根据权利要求1所述的方法，其特征在于，判断所述医学数据的概述部分中是否存在所述规范变量表中的第一目标变量，包括：

对所述医学数据的概述部分进行分词处理得到第一分词集；

判断所述第一分词集中是否存在所述规范变量表中的第一目标变量。

3.根据权利要求1所述的方法，其特征在于，根据所述第一目标变量在所述医学数据的详述部分中获取所述统计方法表中的目标统计方法，包括：

在所述详述部分中获取所述第一目标变量的上下文信息；

对所述上下文信息进行分词处理得到第二分词集；

根据所述第一目标变量和所述第二分词集，获取所述统计方法表中与所述第一目标变量对应的目标统计方法。

4.根据权利要求1所述的方法，其特征在于，根据所述第一目标变量在所述详述部分中获取第二目标变量，包括：

在所述详述部分中获取所述第一目标变量的上下文信息；

在所述上下文信息中获取除所述目标统计方法之外的第三分词集；

根据所述第三分词集是否命中所述规范变量表确定候选变量集；

根据所述候选变量集中分词在所述详述部分的出现频次确定所述第二目标变量。

5.根据权利要求1至4中任意一项所述的方法，其特征在于，在得到所述医学数据中已存在的变量关系表之后，所述方法还包括：

接收查询条件；

若所述查询条件包括待查询医学变量，则：在所述变量关系表中查询是否存在所述待查询医学变量；若存在，则显示包含所述待查询医学变量的目标医学数据的表述；或，

若所述查询条件包括分析待查询医学变量的方法，则：在所述变量关系表中查询是否存在所述分析待查询医学变量的方法；若存在，则显示包含所述待查询医学变量的方法的目标医学数据的表述；或，

若所述查询条件包括待查询医学变量和分析所述待查询医学变量的方法，则：在所述变量关系表中查询是否存在所述待查询医学变量和所述分析所述待查询医学变量的方法；若存在，则显示包含所述待查询医学变量和分析所述待查询医学变量的方法的目标医学数据的表述。

6.根据权利要求1至4中任意一项所述的方法，其特征在于，在得到所述医学数据中已存在的变量关系表之后，所述方法还包括：

获取所述规范变量表中的变量与所述统计方法表中的统计方法之间的排列组合；

在所述排列组合中筛除所述得到所述医学数据中已存在的变量关系表，得到待分析组合；

将所述待分析组合提供给用户。

7.根据权利要求1至4中任意一项所述的方法，其特征在于，所述统计方法包括：线性回归分析方法、多因素回归分析方法、相关性分析方法和分类分析方法；所述变量包括：疾病名称、身体指标、治疗手段和药品名。

8.一种医学变量关系的处理装置，其特征在于，所述装置包括：

判断模块，被配置为：获取医学数据，判断所述医学数据的概述部分中是否存在规范变量表中的第一目标变量；

目标统计方法获取模块，被配置为：若存在，则根据所述第一目标变量在所述医学数据的详述部分中获取统计方法表中的目标统计方法，其中，所述统计方法表中的统计方法用于分析所述规范变量表中的变量；

目标变量获取模块，被配置为：根据所述第一目标变量在所述详述部分中获取第二目标变量，其中，第二目标变量根据详述部分中所述第一目标变量的上下文信息确定；

变量关系确定模块，被配置为：确定所述第一目标变量、所述第二目标变量以及所述目标统计方法之间的关联关系为目标变量关系，得到所述医学数据中已存在的变量关系表；

其中，所述判断模块用于预设设置与目标医疗科研项目相关的规范变量表和统计方法表，所述统计方法表中的统计方法用于分析所述规范变量表中的变量。

9.一种计算机可读介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现如权利要求1至7中任一项所述的医学变量关系的处理方法。

10.一种电子设备，其特征在于，包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现如权利要求1至7中任一项所述的医学变量关系的处理方法。