CN111243762A - 一种准确推送医疗资讯的方法及系统 - Google Patents
一种准确推送医疗资讯的方法及系统 Download PDFInfo
- Publication number
- CN111243762A CN111243762A CN202010068610.0A CN202010068610A CN111243762A CN 111243762 A CN111243762 A CN 111243762A CN 202010068610 A CN202010068610 A CN 202010068610A CN 111243762 A CN111243762 A CN 111243762A
- Authority
- CN
- China
- Prior art keywords
- information
- medical
- medical information
- user
- disease
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 21
- 201000010099 disease Diseases 0.000 claims abstract description 120
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims abstract description 120
- 239000011159 matrix material Substances 0.000 claims description 41
- 238000003745 diagnosis Methods 0.000 claims description 16
- 230000011218 segmentation Effects 0.000 claims description 16
- 238000004140 cleaning Methods 0.000 claims description 14
- 230000000875 corresponding effect Effects 0.000 claims description 14
- 238000000354 decomposition reaction Methods 0.000 claims description 7
- CCAZWUJBLXKBAY-ULZPOIKGSA-N Tutin Chemical compound C([C@]12[C@@H]3O[C@@H]3[C@@]3(O)[C@H]4C(=O)O[C@@H]([C@H]([C@]32C)O)[C@H]4C(=C)C)O1 CCAZWUJBLXKBAY-ULZPOIKGSA-N 0.000 claims description 3
- 230000002596 correlated effect Effects 0.000 claims description 3
- 208000017667 Chronic Disease Diseases 0.000 description 14
- 230000002265 prevention Effects 0.000 description 6
- 238000001514 detection method Methods 0.000 description 4
- 230000035622 drinking Effects 0.000 description 4
- 239000000284 extract Substances 0.000 description 4
- 230000000391 smoking effect Effects 0.000 description 4
- 208000024891 symptom Diseases 0.000 description 4
- 230000006399 behavior Effects 0.000 description 3
- 208000024172 Cardiovascular disease Diseases 0.000 description 2
- 206010020772 Hypertension Diseases 0.000 description 2
- 230000036772 blood pressure Effects 0.000 description 2
- 208000026106 cerebrovascular disease Diseases 0.000 description 2
- 206010012601 diabetes mellitus Diseases 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000002526 effect on cardiovascular system Effects 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000007619 statistical method Methods 0.000 description 2
- 208000014085 Chronic respiratory disease Diseases 0.000 description 1
- 206010028980 Neoplasm Diseases 0.000 description 1
- 208000031662 Noncommunicable disease Diseases 0.000 description 1
- 208000003251 Pruritus Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 201000011510 cancer Diseases 0.000 description 1
- 230000001684 chronic effect Effects 0.000 description 1
- 208000029078 coronary artery disease Diseases 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 201000005577 familial hyperlipidemia Diseases 0.000 description 1
- 210000002216 heart Anatomy 0.000 description 1
- 208000015181 infectious disease Diseases 0.000 description 1
- 230000002458 infectious effect Effects 0.000 description 1
- 230000002427 irreversible effect Effects 0.000 description 1
- 210000003734 kidney Anatomy 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 210000000056 organ Anatomy 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 208000023516 stroke disease Diseases 0.000 description 1
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
- G16H80/00—ICT specially adapted for facilitating communication between medical practitioners or patients, e.g. for collaborative diagnosis, therapy or health monitoring
-
- 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)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Biomedical Technology (AREA)
- Pathology (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明涉及数字医疗技术领域，更具体地，涉及一种准确推送医疗资讯的方法及系统，该方法包括：步骤S1：接收用户上传的与疾病相关的个人信息、医疗机构上传的医疗资讯、用户的就诊信息；步骤S2：对接收到的与疾病相关的个人信息、医疗机构上传的医疗资讯、用户的就诊信息进行分析处理，使个人信息与医疗资讯、就诊信息之间发生关联；步骤S3：根据用户信息与医疗资讯、就诊信息之间的关联，给用户推送医疗资讯。该方法及系统能对医生的医嘱、实用的医疗资讯进行准确地推送。
Description
技术领域
本发明涉及数字医疗技术领域，更具体地，涉及一种准确推送医疗资讯的方法及系统。
背景技术
慢性病全称是慢性非传染性疾病，不是特指某种疾病，而是对一类起病隐匿，病程长且病情迁延不愈，缺乏确切的传染性生物病因证据，病因复杂，且有些尚未完全被确认的疾病的概括性总称。常见的慢性病主要有心脑血管疾病、癌症、糖尿病、慢性呼吸系统疾病，其中心脑血管疾病包含高血压、脑卒中和冠心病。慢性病的危害主要是造成脑、心、肾等重要脏器的损害，易造成伤残，影响劳动能力和生活质量，且医疗费用极其昂贵，增加了社会和家庭的经济负担。根据我国首部《健康管理蓝皮书：中国健康管理与健康产业发展报告(2018)》发布，蓝皮书指出，我国慢性病发病人数在3亿左右，其中65岁以下人群慢性病负担占50％。我国城市和农村因慢性病死亡占总死亡人数的比例分别高达85.3％和79.5％。其中高血压、高血脂及糖尿病发病率分别为9.4％、3.9％及3.4％。慢性病已成为危害我国居民健康的头号杀手。由于慢性病的高发，我国由以前的“重治疗、轻预防”转为“预防为主、防治兼顾”的防治模式。由此可以看出，要有效控制慢性病的发病率预防才是真正的关键点。
慢性病不疼不痒，而是随着时间一点点的积累，这个过程相当漫长，有可能10几年甚至是20几年后才会出现严重的后果，但是到病发时，身体会出现严重损伤且不可逆转。因此在慢性病高发的时期，我们需要做的就是提前预防，如果已经得了这些慢性病我们也好去积极的治疗及控制。慢性病的治疗周期长，自身预防为主，现场治疗为辅的这些特点，一个能准确推送医疗资讯的系统对于治疗慢性病就显得尤为重要。现有的医疗资讯平台虽然信息丰富，更新及时，但往往推送的信息并不是用户所需的。若是用户要从众多信息中搜索到自身所需的信息通常要花费不短的时间，无形中增加了时间成本；若是用户不进行搜索，只是被动地接收信息，那么平台整理的众多信息通常无法准确地推送给用户，用户接收到的信息中无效的占比高。面对众多患着不同病种的患者，自身状况不同的用户，如何将医生的医嘱、实用的医疗资讯准确地推送到所需的人手中，成了迫不及待要解决的问题。目前，亟需一种准确推送医疗资讯的方法及系统。
发明内容
为了解决上述问题，本发明提供一种准确推送医疗资讯的方法及系统，该方法及系统能对医生的医嘱、实用的医疗资讯进行准确地推送。
本发明采取的技术方案是：
一种准确推送医疗资讯的方法，包括：
步骤S1：接收用户上传的与疾病相关的个人信息、医疗机构上传的医疗资讯、用户的就诊信息；
步骤S2：对接收到的与疾病相关的个人信息、医疗机构上传的医疗资讯、用户的就诊信息进行分析处理，使个人信息与医疗资讯、就诊信息之间发生关联；
步骤S3：根据用户信息与医疗资讯、就诊信息之间的关联，给用户推送医疗资讯。
具体地，用户使用用户终端上传与疾病相关的个人信息，医疗机构使用医疗终端上传医疗资讯与用户的就诊信息，数据服务器接收到与疾病相关的个人信息、医疗资讯与用户的就诊信息后进行分析处理，将三者进行关联，给用户推送关联度高的医疗资讯。
进一步地，所述步骤S2包括：
步骤S21：从与疾病相关的个人信息、就诊信息中提取用户所患有的病种信息；
步骤S22：从医疗资讯中提取与病种信息对应的关键词；
步骤S23：将病种信息与医疗资讯的关键词进行匹配关联。
具体地，数据服务器从与疾病相关的个人信息、就诊信息中提取病种信息，个人信息可以包括：账号、姓名、性别、年龄、身高、体重、用户行为中的一种或者多种；就诊信息可以包括：诊断结果、检测图像、诊疗处方、吸烟史、喝酒史、既往史中的一种或者多种；病种信息可以为一种或几种，包括：疾病名称、患病症状；数据服务器从医疗资讯中提取关键词，医疗资讯包括：医疗文献、医疗影像；数据服务器以病患的性别、年龄、身高、体重、网上搜索浏览的内容、诊断结果、检测图像、诊疗处方、吸烟史、喝酒史、既往史为根据，进行统计分析，对用户进行判断，是否患有疾病或为某种疾病的高危人群，再将判断的一种或几种疾病的名称及疾病病征作为病种信息。然后再对医疗资讯进行统计分析，以其中疾病相关的高频词和病征作为关键词。最后根据用户的病种信息与医疗资讯的关键词作匹配，若两者关联度高，则可以判断此医疗资讯与用户所患病种相关，对于用户来说为有效的医疗资讯，应该推送给用户。
进一步地，所述步骤S1还包括：实时获取用户利用体测设备测量身体的实时参数；
步骤S2还包括：进行分析处理时，还结合用户身体的实时参数使实时参数和医疗资讯、用户的就诊信息之间发生关联；
步骤S3还包括：根据实时参数和医疗资讯、用户的就诊信息之间发生关联给用户推送即时医疗资讯。
具体地，本方案还具有实时推送的步骤，用户端与第三方的设备连接，测量用户身体的实时参数，如：心跳、血压以及和疾病相关的一些必测参数等。以身体的实时参数作为根据之一，结合用户的就诊信息，对是否患有疾病或为某种疾病的高危人群进行重新判断，再以重新判断的结果为依据得到病种信息，将病种信息与医疗资讯的关键词作匹配，最后根据匹配结果进行推送。
进一步地，所述步骤S22包括：
步骤S221：对医疗资讯进行数据清洗；
步骤S222：对数据清洗后的医疗资讯进行分词；
步骤S223：对分词后的医疗资讯进行词性标注；
步骤S224：对词性标注后的医疗资讯进行语义解析；
步骤S225：根据病种信息从语义解析后的医疗资讯提取出与病种信息对应的关键词。
具体地，对医疗资讯关键词的提取过程为：对医疗资讯进行数据清洗，把文本中无效的信息删除掉，仅留下有用的信息。之后使用分词工具对文本进行分词，明确词语的意义，避免歧义。然后再使用对应的词性标注工具对分词后的文本作词性标注。最后根据标注和病种信息对文本作语义解析，得到所需的关键词。
进一步地，所述步骤S23包括：
步骤S231：采用SVD算法计算出与病种信息和医疗资讯的关联程度；
所述SVD算法是一种奇异值分解的算法，具体为：根据病种信息与医疗资讯的关键词形成矩阵A，所述矩阵A为m×n的矩阵，m表示病种信息的种类数量，n表示医疗资讯中不同种类的病种信息对应的关键词数量；将矩阵A进行奇异值分解：A＝U∑VT，其中正交矩阵U表示病种信息，为m×m大小的矩阵，正交矩阵V表示医疗资讯，为n×n大小的矩阵，∑表示病种信息和医疗资讯的关联程度，为m×n的对角矩阵，按照下述公式求解出矩阵U、矩阵V和对角矩阵∑：
AAT＝U∑VTV∑TUT；
ATA＝V∑TUTU∑VT；
所述矩阵∑内的数值越大，表示医疗资讯的关键词与病种信息的关联数量越多，两者的关联程度越高；
步骤S232：将用户与医疗资讯进行匹配，若用户所患有病种信息与医疗资讯的关联程度高，则判断该医疗资讯适合此用户。
一种准确推送医疗资讯系统，包括：
接收模块，用于接收用户上传的与疾病相关的个人信息、医疗机构上传的医疗资讯、用户的就诊信息；
分析关联模块，用于对接收到的与疾病相关的个人信息、医疗机构上传的医疗资讯、用户的就诊信息进行分析处理，使个人信息与医疗资讯、用户的就诊信息之间发生关联；
推送模块，用于根据用户信息与医疗资讯、就诊信息之间的关联，给用户推送医疗资讯。
进一步地，所述分析关联模块包括：
用户分析单元，用于从与疾病相关的个人信息、就诊信息中提取病种信息；
医疗资讯分析单元，用于根据病种信息从医疗资讯中提取对应的关键词；
匹配单元，用于将病种信息、医疗资讯的关键词进行匹配关联。
进一步地，所述接收模块包括：
用户管理单元，用于个人上传、修改、删除用户信息以及浏览记录；
资讯管理单元，用于医疗机构上传、修改、删除各种与医疗相关的信息；
就诊管理单元，用于医疗机构上传、修改、删除用户的诊断结果。
进一步地，所述接收模块还包括：
拓展单元，用于与第三方设备连接，实时获取用户身体的实时参数；所述分析关联模块以实时参数作为个人信息与医疗资讯、用户的就诊信息之间发生关联的依据之一。
进一步地，所述医疗资讯分析单元包括：
第一医疗资讯分析单元，用于对医疗资讯进行数据清洗、分词、词性标注；
第二医疗资讯分析单元，用于对数据清洗、分词、词性标注后的医疗资讯进行语义解析、提取出关键词。
与现有技术相比，本发明的有益效果为：
(1)以用户行为作为医疗资讯与用户信息关联参数之一，使系统不单单推送与用户自身所患疾病有关的医疗资讯，还推送用户关注的医疗资讯。
(2)以用户实时身体数据作为医疗资讯与用户信息关联参数之一，使系统给用户的医疗资讯更及时、有效。
(3)采用SVD算法使系统给用户推送的医嘱、与医疗资讯更精确，更实用。
附图说明
图1为本发明的方法流程图；
图2为本发明的系统示意图。
具体实施方式
本发明附图仅用于示例性说明，不能理解为对本发明的限制。为了更好说明以下实施例，附图某些部件会有省略、放大或缩小，并不代表实际产品的尺寸；对于本领域技术人员来说，附图中某些公知结构及其说明可能省略是可以理解的。
实施例
图1为本发明的方法流程图，如图所示，本实施例提供一种准确推送医疗资讯的方法，包括：
步骤S1：接收用户上传的与疾病相关的个人信息、医疗机构上传的医疗资讯、用户的就诊信息；
步骤S2：对接收到的与疾病相关的个人信息、医疗机构上传的医疗资讯、用户的就诊信息进行分析处理，使个人信息与医疗资讯、就诊信息之间发生关联；
步骤S3：根据用户信息与医疗资讯、就诊信息之间的关联，给用户推送医疗资讯。
具体地，用户使用用户终端上传与疾病相关的个人信息，医疗机构使用医疗终端上传医疗资讯与用户的就诊信息，数据服务器接收到与疾病相关的个人信息、医疗资讯与用户的就诊信息后进行分析处理，将三者进行关联，给用户推送关联度高的医疗资讯。
进一步地，所述步骤S2包括：
步骤S21：从与疾病相关的个人信息、就诊信息中提取用户所患有的病种信息；
步骤S22：从医疗资讯中提取与病种信息对应的关键词；
步骤S23：将病种信息与医疗资讯的关键词进行匹配关联。
具体地，数据服务器从与疾病相关的个人信息、就诊信息中提取病种信息，个人信息可以包括：账号、姓名、性别、年龄、身高、体重、用户行为中的一种或者多种；就诊信息可以包括：诊断结果、检测图像、诊疗处方、吸烟史、喝酒史、既往史中的一种或者多种；病种信息可以为一种或几种，包括：疾病名称、患病症状；数据服务器从医疗资讯中提取关键词，医疗资讯包括：医疗文献、医疗影像；数据服务器以病患的性别、年龄、身高、体重、网上搜索浏览的内容、诊断结果、检测图像、诊疗处方、吸烟史、喝酒史、既往史为根据，进行统计分析，对用户进行判断，是否患有疾病或为某种疾病的高危人群，再将判断的一种或几种疾病的名称及疾病病征作为病种信息。然后再对医疗资讯进行统计分析，以其中疾病相关的高频词和病征作为关键词。最后根据用户的病种信息与医疗资讯的关键词作匹配，若两者关联度高，则可以判断此医疗资讯与用户所患病种相关，对于用户来说为有效的医疗资讯，应该推送给用户。
进一步地，所述步骤S1还包括：实时获取用户利用体测设备测量身体的实时参数；
步骤S2还包括：进行分析处理时，还结合用户身体的实时参数使实时参数和医疗资讯、用户的就诊信息之间发生关联；
步骤S3还包括：根据实时参数和医疗资讯、用户的就诊信息之间发生关联给用户推送即时医疗资讯。
具体地，本实施例还具有实时推送的步骤，用户端与第三方的设备连接，测量用户身体的实时参数，如：心跳、血压以及和疾病相关的一些必测参数等。以身体的实时参数作为根据之一，结合用户的就诊信息，对是否患有疾病或为某种疾病的高危人群进行重新判断，再以重新判断的结果为依据得到病种信息，将病种信息与医疗资讯的关键词作匹配，最后根据匹配结果进行推送。
进一步地，所述步骤S22包括：
步骤S221：对医疗资讯进行数据清洗；
步骤S222：对数据清洗后的医疗资讯进行分词；
步骤S223：对分词后的医疗资讯进行词性标注；
步骤S224：对词性标注后的医疗资讯进行语义解析；
步骤S225：根据病种信息从语义解析后的医疗资讯提取出与病种信息对应的关键词。
具体地，对医疗资讯关键词的提取过程为：对医疗资讯进行数据清洗，把文本中无效的信息删除掉，仅留下有用的信息。之后使用分词工具对文本进行分词，明确词语的意义，避免歧义。然后再使用对应的词性标注工具对分词后的文本作词性标注。最后根据标注和病种信息对文本作语义解析，得到所需的关键词。
进一步地，所述步骤S23包括：
步骤S231：采用SVD算法计算出与病种信息和医疗资讯的关联程度；
所述SVD算法是一种奇异值分解的算法，具体为：根据病种信息与医疗资讯的关键词形成矩阵A，所述矩阵A为m×n的矩阵，m表示病种信息的种类数量，n表示医疗资讯中不同种类的病种信息对应的关键词数量；将矩阵A进行奇异值分解：A＝U∑VT，其中正交矩阵U表示病种信息，为m×m大小的矩阵，正交矩阵V表示医疗资讯，为n×n大小的矩阵，∑表示病种信息和医疗资讯的关联程度，为m×n的对角矩阵，按照下述公式求解出矩阵U、矩阵V和对角矩阵∑：
AAT＝U∑VTV∑T UT；
ATA＝V∑TUTU∑VT；
所述矩阵∑内的数值越大，表示医疗资讯的关键词与病种信息的关联数量越多，两者的关联程度越高；
步骤S232：将用户与医疗资讯进行匹配，若用户所患有病种信息与医疗资讯的关联程度高，则判断该医疗资讯适合此用户。
图2为本发明的系统示意图，如图所示，一种准确推送医疗资讯系统，包括：
接收模块，用于接收用户上传的与疾病相关的个人信息、医疗机构上传的医疗资讯、用户的就诊信息；
分析关联模块，用于对接收到的与疾病相关的个人信息、医疗机构上传的医疗资讯、用户的就诊信息进行分析处理，使个人信息与医疗资讯、用户的就诊信息之间发生关联；
推送模块，用于根据用户信息与医疗资讯、就诊信息之间的关联，给用户推送医疗资讯。
进一步地，所述分析关联模块包括：
用户分析单元，用于从与疾病相关的个人信息、就诊信息中提取病种信息；
医疗资讯分析单元，用于根据病种信息从医疗资讯中提取对应的关键词；
匹配单元，用于将病种信息、医疗资讯的关键词进行匹配关联。
进一步地，所述接收模块包括：
用户管理单元，用于个人上传、修改、删除用户信息以及浏览记录；
资讯管理单元，用于医疗机构上传、修改、删除各种与医疗相关的信息；
就诊管理单元，用于医疗机构上传、修改、删除用户的诊断结果。
进一步地，所述接收模块还包括：
拓展单元，用于与第三方设备连接，实时获取用户身体的实时参数；所述分析关联模块以实时参数作为个人信息与医疗资讯、用户的就诊信息之间发生关联的依据之一。
进一步地，所述医疗资讯分析单元包括：
第一医疗资讯分析单元，用于对医疗资讯进行数据清洗、分词、词性标注；
第二医疗资讯分析单元，用于对数据清洗、分词、词性标注后的医疗资讯进行语义解析、提取出关键词。
显然，本发明的上述实施例仅仅是为清楚地说明本发明技术方案所作的举例，而并非是对本发明的具体实施方式的限定。凡在本发明权利要求书的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明权利要求的保护范围之内。
Claims (10)
1.一种准确推送医疗资讯的方法，其特征在于，包括：
步骤S1：接收用户上传的与疾病相关的个人信息、医疗机构上传的医疗资讯、用户的就诊信息；
步骤S2：对接收到的与疾病相关的个人信息、医疗机构上传的医疗资讯、用户的就诊信息进行分析处理，使个人信息与医疗资讯、就诊信息之间发生关联；
步骤S3：根据用户信息与医疗资讯、就诊信息之间的关联，给用户推送医疗资讯。
2.根据权利要求1所述的一种准确推送医疗资讯的方法，其特征在于，所述步骤S2包括：
步骤S21：从与疾病相关的个人信息、就诊信息中提取用户所患有的病种信息；
步骤S22：从医疗资讯中提取与病种信息对应的关键词；
步骤S23：将病种信息与医疗资讯的关键词进行匹配关联。
3.根据权利要求2所述的一种准确推送医疗资讯的方法，其特征在于，所述步骤S1还包括：实时获取用户利用体测设备测量身体的实时参数；
步骤S2还包括：进行分析处理时，还结合用户身体的实时参数使实时参数和医疗资讯、用户的就诊信息之间发生关联；
步骤S3还包括：根据实时参数和医疗资讯、用户的就诊信息之间发生关联给用户推送即时医疗资讯。
4.根据权利要求3所述的一种准确推送医疗资讯的方法，其特征在于，所述步骤S22包括：
步骤S221：对医疗资讯进行数据清洗；
步骤S222：对数据清洗后的医疗资讯进行分词；
步骤S223：对分词后的医疗资讯进行词性标注；
步骤S224：对词性标注后的医疗资讯进行语义解析；
步骤S225：根据病种信息从语义解析后的医疗资讯提取出与病种信息对应的关键词。
5.根据权利要求4所述的一种准确推送医疗资讯的方法，其特征在于，所述步骤S23包括：
步骤S231：采用SVD算法计算出与病种信息和医疗资讯的关联程度；
所述SVD算法是一种奇异值分解的算法，是线性代数和矩阵论中一种重要的矩阵分解法，具体为：根据病种信息与医疗资讯的关键词形成矩阵A，所述矩阵A为m×n的矩阵，m表示病种信息的种类数量，n表示医疗资讯中不同种类的病种信息对应的关键词数量；将矩阵A进行奇异值分解：A＝U∑VT，其中正交矩阵U表示病种信息，为m×m大小的矩阵，正交矩阵V表示医疗资讯，为n×n大小的矩阵，∑表示病种信息和医疗资讯的关联程度，为m×n的对角矩阵，按照下述公式求解出矩阵U、矩阵V和对角矩阵∑：
AAT＝U∑VTV∑T UT；
ATA＝V∑T UT U∑VT；
所述矩阵∑内的数值越大，表示医疗资讯的关键词与病种信息的关联数量越多，两者的关联程度越高；
步骤S232：将用户与医疗资讯进行匹配，若用户所患有病种信息与医疗资讯的关联程度高，则判断该医疗资讯适合此用户。
6.一种准确推送医疗资讯系统，其特征在于，包括：
接收模块，用于接收用户上传的与疾病相关的个人信息、医疗机构上传的医疗资讯、用户的就诊信息；
分析关联模块，用于对接收到的与疾病相关的个人信息、医疗机构上传的医疗资讯、用户的就诊信息进行分析处理，使个人信息与医疗资讯、用户的就诊信息之间发生关联；
推送模块，用于根据用户信息与医疗资讯、就诊信息之间的关联，给用户推送医疗资讯。
7.根据权利要求6所述的一种准确推送医疗资讯系统，其特征在于，所述分析关联模块包括：
用户分析单元，用于从与疾病相关的个人信息、就诊信息中提取病种信息；
医疗资讯分析单元，用于根据病种信息从医疗资讯中提取对应的关键词；
匹配单元，用于将病种信息、医疗资讯的关键词进行匹配关联。
8.根据权利要求6所述的一种准确推送医疗资讯系统，其特征在于，所述接收模块包括：
用户管理单元，用于个人上传、修改、删除用户信息以及浏览记录；
资讯管理单元，用于医疗机构上传、修改、删除各种与医疗相关的信息；
就诊管理单元，用于医疗机构上传、修改、删除用户的诊断结果。
9.根据权利要求8所述的一种准确推送医疗资讯系统，其特征在于，所述接收模块还包括：
拓展单元，用于与第三方设备连接，实时获取用户身体的实时参数；所述分析关联模块以实时参数作为个人信息与医疗资讯、用户的就诊信息之间发生关联的依据之一。
10.根据权利要求7所述的一种准确推送医疗资讯系统，其特征在于，所述医疗资讯分析单元包括：
第一医疗资讯分析单元，用于对医疗资讯进行数据清洗、分词、词性标注；
第二医疗资讯分析单元，用于对数据清洗、分词、词性标注后的医疗资讯进行语义解析、提取出关键词。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010068610.0A CN111243762A (zh) | 2020-01-19 | 2020-01-19 | 一种准确推送医疗资讯的方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010068610.0A CN111243762A (zh) | 2020-01-19 | 2020-01-19 | 一种准确推送医疗资讯的方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111243762A true CN111243762A (zh) | 2020-06-05 |
Family
ID=70864209
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010068610.0A Pending CN111243762A (zh) | 2020-01-19 | 2020-01-19 | 一种准确推送医疗资讯的方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111243762A (zh) |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102073786A (zh) * | 2009-11-25 | 2011-05-25 | 通用电气公司 | 用于识别患者间关系的系统、设备和方法 |
| CN103123663A (zh) * | 2011-11-21 | 2013-05-29 | 中兴通讯股份有限公司 | 用户健康管理方法及系统 |
| CN104287706A (zh) * | 2014-10-29 | 2015-01-21 | 云南大学 | 一种人体健康状态实时监测及诊疗推荐系统 |
| CN106037705A (zh) * | 2016-05-23 | 2016-10-26 | 韩剑 | 基于可穿戴设备的数据检测方法及系统 |
| CN106372389A (zh) * | 2016-08-25 | 2017-02-01 | 浙江大学 | 一种基于移动互联网的慢病主动管理方法 |
| CN107578799A (zh) * | 2017-09-04 | 2018-01-12 | 安徽爱她有果电子商务有限公司 | 一种基于数据库的医疗信息实时共享系统 |
| WO2018098722A1 (zh) * | 2016-11-30 | 2018-06-07 | 深圳益强信息科技有限公司 | 一种医院医疗信息的处理方法、及装置 |
| CN109935319A (zh) * | 2019-03-15 | 2019-06-25 | 南京邮电大学 | 慢性病一体化管理平台 |
-
2020
- 2020-01-19 CN CN202010068610.0A patent/CN111243762A/zh active Pending
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102073786A (zh) * | 2009-11-25 | 2011-05-25 | 通用电气公司 | 用于识别患者间关系的系统、设备和方法 |
| CN103123663A (zh) * | 2011-11-21 | 2013-05-29 | 中兴通讯股份有限公司 | 用户健康管理方法及系统 |
| CN104287706A (zh) * | 2014-10-29 | 2015-01-21 | 云南大学 | 一种人体健康状态实时监测及诊疗推荐系统 |
| CN106037705A (zh) * | 2016-05-23 | 2016-10-26 | 韩剑 | 基于可穿戴设备的数据检测方法及系统 |
| CN106372389A (zh) * | 2016-08-25 | 2017-02-01 | 浙江大学 | 一种基于移动互联网的慢病主动管理方法 |
| WO2018098722A1 (zh) * | 2016-11-30 | 2018-06-07 | 深圳益强信息科技有限公司 | 一种医院医疗信息的处理方法、及装置 |
| CN107578799A (zh) * | 2017-09-04 | 2018-01-12 | 安徽爱她有果电子商务有限公司 | 一种基于数据库的医疗信息实时共享系统 |
| CN109935319A (zh) * | 2019-03-15 | 2019-06-25 | 南京邮电大学 | 慢性病一体化管理平台 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110222201B (zh) | 一种专病知识图谱构建方法及装置 | |
| CN109949936B (zh) | 一种基于深度学习混合模型的再住院风险预测方法 | |
| Batool et al. | Precise tweet classification and sentiment analysis | |
| US20190006027A1 (en) | Automatic identification and extraction of medical conditions and evidences from electronic health records | |
| US9779211B2 (en) | Computer-assisted abstraction for reporting of quality measures | |
| CN108182262A (zh) | 基于深度学习和知识图谱的智能问答系统构建方法和系统 | |
| CN112863630A (zh) | 基于数据和知识的个性化精准医疗问答系统 | |
| US20140181128A1 (en) | Systems and Methods for Processing Patient Data History | |
| CN117744654A (zh) | 基于机器学习的自然语言情境中数值数据的语义分类方法以及系统 | |
| CN111489800A (zh) | 一种病历和报告单图像识别与存储的分析方法及系统 | |
| CN113590783B (zh) | 基于nlp自然语言处理的中医养生智能问答系统 | |
| CN111180026A (zh) | 专科诊疗视图系统及方法 | |
| CN113658712A (zh) | 医患匹配方法、装置、设备及存储介质 | |
| CN113409907A (zh) | 一种基于互联网医院的智能预问诊方法及系统 | |
| CN115083599A (zh) | 一种基于知识图谱的病状初步诊断及治疗方法 | |
| CN116052858A (zh) | 一种基于bert和特征融合的智能导诊方法 | |
| CN109036506B (zh) | 互联网医疗问诊的监管方法、电子装置及可读存储介质 | |
| CN113435200A (zh) | 实体识别模型训练、电子病历处理方法、系统及设备 | |
| CN116884612A (zh) | 疾病风险等级的智能分析方法、装置、设备及存储介质 | |
| Heinze et al. | Medical i2b2 NLP smoking challenge: the A-Life system architecture and methodology | |
| CN116453674A (zh) | 一种智慧医疗系统 | |
| CN111243762A (zh) | 一种准确推送医疗资讯的方法及系统 | |
| CN113761899A (zh) | 一种医疗文本生成方法、装置、设备及存储介质 | |
| CN112669961A (zh) | 一种基于大数据推理的智能分诊方法 | |
| CN112331284A (zh) | 一种遗传代谢病的入院病史辅助采集系统 |
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 |