CN111462894A - 一种医疗冲突的检测方法、装置、电子设备及存储介质 - Google Patents

一种医疗冲突的检测方法、装置、电子设备及存储介质 Download PDF

Info

Publication number
CN111462894A
CN111462894A CN202010230814.XA CN202010230814A CN111462894A CN 111462894 A CN111462894 A CN 111462894A CN 202010230814 A CN202010230814 A CN 202010230814A CN 111462894 A CN111462894 A CN 111462894A
Authority
CN
China
Prior art keywords
medical
node
structured data
medical entity
entity
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
Application number
CN202010230814.XA
Other languages
English (en)
Other versions
CN111462894B (zh
Inventor
郑宇宏
薛成韵
曾启飞
郭辉
李陶
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 Baidu Netcom Science and Technology Co Ltd
Original Assignee
Beijing Baidu Netcom Science and Technology 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 Baidu Netcom Science and Technology Co Ltd filed Critical Beijing Baidu Netcom Science and Technology Co Ltd
Priority to CN202010230814.XA priority Critical patent/CN111462894B/zh
Publication of CN111462894A publication Critical patent/CN111462894A/zh
Priority to US17/023,052 priority patent/US20210304892A1/en
Priority to EP20196859.1A priority patent/EP3886111A1/en
Priority to KR1020210038091A priority patent/KR102523034B1/ko
Priority to JP2021051861A priority patent/JP7186255B2/ja
Application granted granted Critical
Publication of CN111462894B publication Critical patent/CN111462894B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • 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
    • 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
    • G06F16/28—Databases characterised by their database models, e.g. relational or object models
    • G06F16/284—Relational databases
    • G06F16/288—Entity relationship models
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/01—Dynamic search techniques; Heuristics; Dynamic trees; Branch-and-bound
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/04—Inference or reasoning models
    • 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
    • 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
    • G16H40/60—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 operation of medical equipment or devices
    • G16H40/63—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 operation of medical equipment or devices for local operation
    • 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
    • G16H40/60—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 operation of medical equipment or devices
    • G16H40/67—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 operation of medical equipment or devices for remote operation
    • 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
    • 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
    • G16H70/00—ICT specially adapted for the handling or processing of medical references
    • G16H70/20—ICT specially adapted for the handling or processing of medical references relating to practices or guidelines
    • 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
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/50—Network services
    • H04L67/55—Push-based network services
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Theoretical Computer Science (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • Data Mining & Analysis (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Epidemiology (AREA)
  • Databases & Information Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Computing Systems (AREA)
  • Software Systems (AREA)
  • Artificial Intelligence (AREA)
  • Computational Linguistics (AREA)
  • Evolutionary Computation (AREA)
  • Pathology (AREA)
  • Business, Economics & Management (AREA)
  • General Business, Economics & Management (AREA)
  • Biophysics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Molecular Biology (AREA)
  • Signal Processing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Bioethics (AREA)
  • Medical Treatment And Welfare Office Work (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)

Abstract

本申请公开了一种医疗冲突的检测方法、装置、电子设备及存储介质，涉及知识图谱技术领域。具体实现方案为：获取用户的医疗质控需求，并将所述医疗质控需求转化为与其对应的结构化数据；将所述结构化数据中的各个字段作为一个医疗实体，通过预先建立的规则推理网络检测所述结构化数据中的各个医疗实体是否满足任意一个叶子节点对应的各个检测条件；若所述结构化数据中的各个医疗实体满足任意一个叶子节点对应的各个检测条件，则判定所述医疗质控需求命中所述叶子节点；将所述叶子节点对应的医疗冲突信息推送给所述用户。本申请实施例可以更加全面准确地检测出医疗冲突，还可以更加方便地扩充医疗数据，方便用户使用。

Description

一种医疗冲突的检测方法、装置、电子设备及存储介质
技术领域
本申请涉及计算机应用技术领域，进一步涉及知识图谱技术，尤其是一种医疗冲突的检测方法、装置、电子设备及存储介质。
背景技术
临床决策支持系统(Clinical Decision Support System，简称CDSS)，是一个基于人机交互的医疗信息技术应用系统，旨在为医生和其他卫生从业人员提供临床决策支持，通过学习权威教材、药典及三甲医院优质病历，基于百度医疗知识图谱、自然语言处理、认知计算等多种AI技术，融合概率图推理、规则推理及基于深度学习的多模型决策系统，打造遵循寻证医学的临床辅助决策支持系统，用以提升诊断准确率，降低误诊漏诊的情况。
在现有的医疗质控技术方案中，质控规则采用独立的规则片段去约束医疗实体之间的关系，例如，P1和P2是两个完全独立的规则片段，P1：{已服药物＝克拉霉素}，P2：{检验：肝功能检查}。通过反向索引的方法，为规则集的所有规则片段构建一棵反向索引树。将结构化后的电子病历包含的医疗实体逐个匹配反向索引树，将满足条件的规则片段提取出来，最后汇总所有规则片段对应的规则集合，返回规则对应的触发提醒结果。从上述现有技术的实现方案中可以发现，采用独立的规则片段去约束医疗实体之间的关系，如果医疗实体之间存在边关系，现有技术方案无法利用到医疗实体的边关系信息；由于规则片段完全独立，采用现有技术方案也无法检测出医疗实体之间存在的潜在的冲突关系。
发明内容
有鉴于此，本申请提出实施例提供一种医疗冲突的检测方法、装置、电子设备及存储介质，可以更加全面准确地检测出医疗冲突，还可以更加方便地扩充医疗数据，方便用户使用。
第一方面，本申请实施例提供了一种医疗冲突的检测方法，所述方法包括：
获取用户的医疗质控需求，并将所述医疗质控需求转化为与其对应的结构化数据；
将所述结构化数据中的各个字段作为一个医疗实体，通过预先建立的规则推理网络检测所述结构化数据中的各个医疗实体是否满足任意一个叶子节点对应的各个检测条件；
若所述结构化数据中的各个医疗实体满足任意一个叶子节点对应的各个检测条件，则判定所述医疗质控需求命中所述叶子节点；
将所述叶子节点对应的医疗冲突信息推送给所述用户。
上述实施例具有如下优点或有益效果：上述实施例可以预先建立一个规则推理网络，在医疗质控需求转化为与其对应的结构化数据之后，可以通过规则推理网络检测结构化数中的各个医疗实体是否满足任意一个叶子节点对应的各个检测条件，从而可以检测出医疗质控需求中是否存在医疗冲突信息，达到及时给用户医疗冲突的目的。而在现有的医疗冲突的检测方法中，采用独立的规则片段去约束医疗实体之间的关系，如果医疗实体之间存在边关系，现有技术方案无法利用到医疗实体的边关系信息；由于规则片段完全独立，采用现有技术方案也无法检测出医疗实体之间存在的潜在的冲突关系。因为本申请采用了预先建立规则推理网络的技术手段，克服了现有技术中无法全面准确地检测出医疗冲突的技术问题，进而达到了更加全面准确地检测出医疗冲突，更加方便地扩充医疗数据，方便用户使用的技术效果。
在上述实施例中，所述通过预先建立的规则推理网络检测所述结构化数据中的各个医疗实体是否满足任意一个叶子节点对应的各个检测条件，包括：
在所述结构化数据中提取出一个医疗实体作为当前医疗实体，将所述当前医疗实体从所述规则推理网络的根节点游走至倒数第二层节点中的一个节点上，将所述当前医疗实体游走到的所述倒数第二层节点中的该节点作为所述当前医疗实体所命中的最小单位节点；重复执行上述提取所述当前医疗实体的操作，直到将所述结构化数据中的各个医疗实体游走至其所命中的最小单位节点；
根据所述结构化数据中的各个医疗实体所命中的最小单位，检测所述结构化数据中的各个医疗实体是否满足任意一个叶子节点对应的各个检测条件。
上述实施例具有如下优点或有益效果：上述实施例可以先将结构化数据中的各个医疗实体游走至其所命中的最小单位节点；然后根据结构化数据中的各个医疗实体所命中的最小单位，检测结构化数据中的各个医疗实体是否满足任意一个叶子节点对应的各个检测条件。规则推理网络的倒数第二层的各个节点可以分别存储不同的医疗实体的信息，因此，本申请可以将各个医疗实体游走至与其对应的倒数第二层的一个节点上，即将各个医疗实体游走至其所命中的最小单位节点。这样就可以根据结构化数据中的各个医疗实体所命中的最小单位，准确地检测出结构化数据中的各个医疗实体是否满足任意一个叶子节点对应的各个检测条件。
在上述实施例中，所述根据所述结构化数据中的各个医疗实体所命中的最小单位，检测所述结构化数据中的各个医疗实体是否满足任意一个叶子节点对应的各个检测条件，包括：
若所述结构化数据中的各个医疗实体所命中的最小单位节点对应于所述规则推理网络中的一个叶子节点，则判定所述结构化数据中的各个医疗实体满足所述叶子节点对应的各个检测条件；
若所述结构化数据中的各个医疗实体所命中的最小单位节点对应于所述规则推理网络中的多个叶子节点，则判定所述结构化数据中的各个医疗实体不满足任意一个叶子节点对应的各个检测条件。
上述实施例具有如下优点或有益效果：上述实施例可以通过判断结构化数据中的各个医疗实体所命中的最小单位节点是否对应于规则推理网络中的一个叶子节点，从而可以准确地判断出结构化数据中的各个医疗实体是否满足任意一个叶子节点对应的各个检测条件。
在上述实施例中，所述将所述当前医疗实体从所述规则推理网络的根节点游走至倒数第二层节点中的一个节点上，包括：
将所述根节点作为所述当前医疗实体所命中的节点；
在所述当前医疗实体所命中的节点上，判断所述当前医疗实体是否满足所述规则推理网络的下一层节点中的任意一个节点对应的检测条件；若所述当前医疗实体满足所述下一层节点中的任意一个节点对应的检测条件，则将该节点作为所述当前医疗实体所命中的节点；重复执行上述操作，直到将所述当前医疗实体从所述根节点游走至所述倒数第二层节点中的一个节点上。
上述实施例具有如下优点或有益效果：上述实施例通过在当前医疗实体所命中的节点上，判断当前医疗实体是否满足下一层节点中的任意一个节点对应的检测条件，可以将当前医疗节点从根节点游走至倒数第二层节点中的一个节点上，这样就可以根据结构化数据中的各个医疗实体所命中的最小单位，准确地检测出结构化数据中的各个医疗实体是否满足任意一个叶子节点对应的各个检测条件。
在上述实施例中，在所述获取用户的医疗质控需求之后，在所述将所述医疗质控需求转化为与其对应的结构化数据之前，所述方法还包括：
在所述医疗质控需求中提取出关键字段；根据提取出的所述关键字段，确定出与所述关键字段相关联的补充字段；
在预先存储的医疗数据库中查找所述关键字段对应的医疗信息以及所述补充字段对应的医疗信息；
若在所述医疗数据库中查找到所述关键字段对应的医疗信息以及所述补充字段对应的医疗信息，根据所述关键字段和所述关键字段对应的医疗信息，以及所述补充字段和所述补充字段对应的医疗信息，执行所述将所述医疗质控需求转化为与其对应的结构化数据的操作。
上述实施例具有如下优点或有益效果：上述实施例可以在医疗数据库中查找关键字段对应的医疗信息以及补充字段对应的医疗信息，然后可以根据关键字段和关键字段对应的医疗信息，以及补充字段和补充字段对应的医疗信息，执行将所述医疗质控需求转化为与其对应的结构化数据的操作，从而可以保证结构化数据的完整性。
第二方面，本申请还提供了一种医疗冲突的检测装置，所述装置包括：
转化模块、检测模块、判定模块和推送模块；其中，
所述转换模块，用于获取用户的医疗质控需求，并将所述医疗质控需求转化为与其对应的结构化数据；
所述检测模块，用于将所述结构化数据中的各个字段作为一个医疗实体，通过预先建立的规则推理网络检测所述结构化数据中的各个医疗实体是否满足任意一个叶子节点对应的各个检测条件；
所述判定模块，用于若所述结构化数据中的各个医疗实体满足任意一个叶子节点对应的各个检测条件，则判定所述医疗质控需求命中所述叶子节点；
所述推送模块，用于将所述叶子节点对应的医疗冲突信息推送给所述用户。
在上述实施例中，所述检测模块包括：游走子模块和检测子模块；其中，
所述游走子模块，用于在所述结构化数据中提取出一个医疗实体作为当前医疗实体，将所述当前医疗实体从所述规则推理网络的根节点游走至倒数第二层节点中的一个节点上，将所述当前医疗实体游走到的所述倒数第二层节点中的该节点作为所述当前医疗实体所命中的最小单位节点；重复执行上述提取所述当前医疗实体的操作，直到将所述结构化数据中的各个医疗实体游走至其所命中的最小单位节点；
所述检测子模块，用于根据所述结构化数据中的各个医疗实体所命中的最小单位，检测所述结构化数据中的各个医疗实体是否满足任意一个叶子节点对应的各个检测条件。
在上述实施例中，所述检测子模块，具体用于若所述结构化数据中的各个医疗实体所命中的最小单位节点对应于所述规则推理网络中的一个叶子节点，则判定所述结构化数据中的各个医疗实体满足所述叶子节点对应的各个检测条件；若所述结构化数据中的各个医疗实体所命中的最小单位节点对应于所述规则推理网络中的多个叶子节点，则判定所述结构化数据中的各个医疗实体不满足任意一个叶子节点对应的各个检测条件。
在上述实施例中，所述游走子模块，具体用于将所述根节点作为所述当前医疗实体所命中的节点；在所述当前医疗实体所命中的节点上，判断所述当前医疗实体是否满足所述规则推理网络的下一层节点中的任意一个节点对应的检测条件；若所述当前医疗实体满足所述下一层节点中的任意一个节点对应的检测条件，则将该节点作为所述当前医疗实体所命中的节点；重复执行上述操作，直到将所述当前医疗实体从所述根节点游走至所述倒数第二层节点中的一个节点上。
在上述实施例中，所述获取模块，还用于在所述医疗质控需求中提取出关键字段；根据提取出的所述关键字段，确定出与所述关键字段相关联的补充字段；在预先存储的医疗数据库中查找所述关键字段对应的医疗信息以及所述补充字段对应的医疗信息；若在所述医疗数据库中查找到所述关键字段对应的医疗信息以及所述补充字段对应的医疗信息，根据所述关键字段和所述关键字段对应的医疗信息，以及所述补充字段和所述补充字段对应的医疗信息，执行所述将所述医疗质控需求转化为与其对应的结构化数据的操作。
第三方面，本申请实施例提供了一种电子设备，包括：
一个或多个处理器；
存储器，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，使得所述一个或多个处理器实现本申请任意实施例所述的医疗冲突的检测方法。
第四方面，本申请实施例提供了一种存储介质，其上存储有计算机程序，该程序被处理器执行时实现本申请任意实施例所述的医疗冲突的检测方法。
上述申请中的一个实施例具有如下优点或有益效果：本申请提出的医疗冲突的检测方法、装置、电子设备及存储介质，先获取用户的医疗质控需求，并将医疗质控需求转化为与其对应的结构化数据；然后将结构化数据中的各个字段作为一个医疗实体，通过预先建立的规则推理网络检测结构化数据中的各个医疗实体是否满足任意一个叶子节点对应的各个检测条件；若结构化数据中的各个医疗实体满足任意一个叶子节点对应的各个检测条件，则判定医疗质控需求命中叶子节点；再将叶子节点对应的医疗冲突信息推送给用户。也就是说，本申请可以预先建立一个规则推理网络，在医疗质控需求转化为与其对应的结构化数据之后，可以通过规则推理网络检测结构化数中的各个医疗实体是否满足任意一个叶子节点对应的各个检测条件，从而可以检测出医疗质控需求中是否存在医疗冲突信息，达到及时给用户医疗冲突的目的。而在现有的医疗冲突的检测方法中，采用独立的规则片段去约束医疗实体之间的关系，如果医疗实体之间存在边关系，现有技术方案无法利用到医疗实体的边关系信息；由于规则片段完全独立，采用现有技术方案也无法检测出医疗实体之间存在的潜在的冲突关系。因为本申请采用了预先建立规则推理网络的技术手段，克服了现有技术中无法全面准确地检测出医疗冲突的技术问题，进而达到了更加全面准确地检测出医疗冲突，更加方便地扩充医疗数据，方便用户使用的技术效果；并且，本申请实施例的技术方案实现简单方便、便于普及，适用范围更广。
上述可选方式所具有的其他效果将在下文中结合具体实施例加以说明。
附图说明
附图用于更好地理解本方案，不构成对本申请的限定。其中：
图1是本申请实施例一提供的医疗冲突的检测方法的流程示意图；
图2是本申请实施例二提供的医疗冲突的检测方法的流程示意图；
图3是本申请实施例二提供的规则推理网络的第一结构示意图；
图4是本申请实施例二提供的规则推理网络的第二结构示意图；
图5是本申请实施例三提供的医疗冲突的检测装置的结构示意图；
图6是本申请实施例三提供的检测模块的结构示意图；
图7是用来实现本申请实施例的医疗冲突的检测方法的电子设备的框图。
具体实施方式
以下结合附图对本申请的示范性实施例做出说明，其中包括本申请实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本申请的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
实施例一
图1是本申请实施例一提供的医疗冲突的检测方法的流程示意图，该方法可以由医疗冲突的检测装置或者电子设备来执行，该装置或者电子设备可以由软件和/或硬件的方式实现，该装置或者电子设备可以集成在任何具有网络通信功能的智能设备中。如图1所示，医疗冲突的检测方法可以包括以下步骤：
S101、获取用户的医疗质控需求，并将医疗质控需求转化为与其对应的结构化数据。
在本申请的具体实施例中，电子设备可以获取用户的医疗质控需求，并将医疗质控需求转化为与其对应的结构化数据。具体地，医疗质控需求指的是用户想要检测是否存在医疗冲突的医疗信息。例如，该医疗质控需求可以是医生给患者开的处方、化验单、检验单等。医疗冲突指的是在医疗质控需求中存在矛盾或者错误的信息。例如，对于某一种儿童药物，规定三岁以上才可以服用，如果医生给某个两岁的儿童开出的处方中包括了这种药物，那么该处方就是一个存在医疗冲突的处方。
在本步骤中，电子设备可以通过自然语言理解(Nature LanguageUnderstanding，简称NLU)模型，将医疗质控需求转化为与其对应的结构化数据。在本步骤中，电子设备可以用户的医疗质控需求输入至NLU模型中，通过NLU模型可以输出医疗质控需求对应的结构化数据。自然语言处理(Natural Language Processing，简称NLP)是使用自然语言同计算机进行通讯的技术，因为处理自然语言的关键是要让计算机“理解”自然语言，所以自然语言处理又叫做自然语言理解，也称为计算语言学。一方面它是语言信息处理的一个分支，另一方面它是人工智能(Artificial Intelligence，简称AI)的核心课题之一。
较佳地，在本申请的具体实施例中，电子设备在获取用户的医疗质控需求之后，在将医疗质控需求转化为与其对应的结构化数据之前，还可以先在医疗质控需求中提取出关键字段；根据提取出的关键字段，确定出与关键字段相关联的补充字段；然后在预先存储的医疗数据库中查找关键字段对应的医疗信息以及补充字段对应的医疗信息；若在医疗数据库中查找到关键字段对应的医疗信息以及补充字段对应的医疗信息，根据关键字段和关键字段对应的医疗信息，以及补充字段和补充字段对应的医疗信息，执行将医疗质控需求转化为与其对应的结构化数据的操作。
S102、将结构化数据中的各个字段作为一个医疗实体，通过预先建立的规则推理网络检测结构化数据中的各个医疗实体是否满足任意一个叶子节点对应的各个检测条件。
在本申请的具体实施例中，电子设备可以将结构化数据中的各个字段作为一个医疗实体，通过预先建立的规则推理网络检测结构化数据中的各个医疗实体是否满足任意一个叶子节点对应的各个检测条件。例如，假设用户的医疗质控需求对应的结构化数据中包括三个字段，分别为：字段1、字段2和字段3，在本步骤中，电子设备可以将字段1作为医疗实体1，将字段2作为医疗实体2、将字段3作为医疗实体3，假设规则推理网络中的一个叶子节点对应三个检测条件，分别为：检测条件1、检测条件2和检测条件3，若医疗实体1满足该叶子节点对应的检测条件1、医疗实体2满足该叶子节点对应的检测条件2、医疗实体3满足该叶子节点对应的检测条件3，则电子设备可以判定结构化数据满足该叶子节点对应的各个检测条件。
S103、若结构化数据中的各个医疗实体满足任意一个叶子节点对应的各个检测条件，则判定医疗质控需求命中叶子节点。
在本申请的具体实施例中，若结构化数据中的各个医疗实体满足任意一个叶子节点对应的各个检测条件，则电子设备可以判定医疗质控需求命中该叶子节点；例如，假设用户的医疗质控需求对应的结构化数据中包括三个字段，分别为：字段1、字段2和字段3，在本步骤中，电子设备可以将字段1作为医疗实体1，将字段2作为医疗实体2、将字段3作为医疗实体3，假设规则推理网络中的一个叶子节点对应三个检测条件，分别为：检测条件1、检测条件2和检测条件3，若医疗实体1满足该叶子节点对应的检测条件1、医疗实体2满足该叶子节点对应的检测条件2、医疗实体3满足该叶子节点对应的检测条件3，则电子设备可以判定医疗质控需求命中叶子节点。此外，若结构化数据中的各个医疗实体不满足任意一个叶子节点对应的各个检测条件，则电子设备可以判定医疗质控需求未命中该叶子节点。例如，若医疗实体1满足该叶子节点对应的检测条件1、医疗实体2满足该叶子节点对应的检测条件2、医疗实体3不满足该叶子节点对应的检测条件3，则电子设备可以判定医疗质控需求未命中该叶子节点。
S104、将叶子节点对应的医疗冲突信息推送给用户。
在本申请的具体实施例中，电子设备可以将叶子节点对应的医疗冲突信息推送给用户。具体地，规则推理网络中的各个叶子节点对应于一条医疗冲突信息，若用户的医疗质控需求命中某个叶子节点，则表示用户的医疗质控需求中存在该叶子节点对应的医疗冲突信息，因此，电子设备可以将叶子节点对应的医疗冲突信息推送给用户，及时提醒用户医疗质控需求中存在的医疗冲突信息。
本申请实施例提出的医疗冲突的检测方法，先获取用户的医疗质控需求，并将医疗质控需求转化为与其对应的结构化数据；然后将结构化数据中的各个字段作为一个医疗实体，通过预先建立的规则推理网络检测结构化数据中的各个医疗实体是否满足任意一个叶子节点对应的各个检测条件；若结构化数据中的各个医疗实体满足任意一个叶子节点对应的各个检测条件，则判定医疗质控需求命中叶子节点；再将叶子节点对应的医疗冲突信息推送给用户。也就是说，本申请可以预先建立一个规则推理网络，在医疗质控需求转化为与其对应的结构化数据之后，可以通过规则推理网络检测结构化数中的各个医疗实体是否满足任意一个叶子节点对应的各个检测条件，从而可以检测出医疗质控需求中是否存在医疗冲突信息，达到及时提醒给用户医疗冲突的目的。而在现有的医疗冲突的检测方法中，采用独立的规则片段去约束医疗实体之间的关系，如果医疗实体之间存在边关系，现有技术方案无法利用到医疗实体的边关系信息；由于规则片段完全独立，采用现有技术方案也无法检测出医疗实体之间存在的潜在的冲突关系。因为本申请采用了预先建立规则推理网络的技术手段，克服了现有技术中无法全面准确地检测出医疗冲突的技术问题，进而达到了更加全面准确地检测出医疗冲突，更加方便地扩充医疗数据，方便用户使用的技术效果；并且，本申请实施例的技术方案实现简单方便、便于普及，适用范围更广。
实施例二
图2是本申请实施例二提供的医疗冲突的检测方法的流程示意图。如图2所示，医疗冲突的检测方法可以包括以下步骤：
S201、获取用户的医疗质控需求，并将医疗质控需求转化为与其对应的结构化数据。
在本申请的具体实施例中，电子设备可以获取用户的医疗质控需求，并将医疗质控需求转化为与其对应的结构化数据。具体地，电子设备可以通过NLU模型，将医疗质控需求转化为与其对应的结构化数据。在本步骤中，电子设备可以用户的医疗质控需求输入至NLU模型中，通过NLU模型可以输出医疗质控需求对应的结构化数据。
S202、将结构化数据中的各个字段作为一个医疗实体。
在本申请的具体实施例中，电子设备可以将结构化数据中的各个字段作为一个医疗实体。例如，假设用户的医疗质控需求对应的结构化数据中包括三个字段，分别为：字段1、字段2和字段3，在本步骤中，电子设备可以将字段1作为医疗实体1，将字段2作为医疗实体2、将字段3作为医疗实体3。
S203、在结构化数据中提取出一个医疗实体作为当前医疗实体，将当前医疗实体从规则推理网络的根节点游走至倒数第二层节点中的一个节点上，将当前医疗实体游走到的倒数第二层节点中的该节点作为当前医疗实体所命中的最小单位节点；重复执行上述提取当前医疗实体的操作，直到将结构化数据中的各个医疗实体游走至其所命中的最小单位节点。
在本申请的具体实施例中，电子设备可以在结构化数据中提取出一个医疗实体作为当前医疗实体，将当前医疗实体从规则推理网络的根节点游走至倒数第二层节点中的一个节点上，将当前医疗实体游走到的倒数第二层节点中的该节点作为当前医疗实体所命中的最小单位节点；重复执行上述提取当前医疗实体的操作，直到将结构化数据中的各个医疗实体游走至其所命中的最小单位节点。具体地，假设用户的医疗质控需求对应的结构化数据中包括三个医疗实体，分别为：医疗实体1、医疗实体2和医疗实体3；在本步骤中，电子设备先将医疗实体1作为当前医疗实体，将医疗实体1从规则推理网络的根节点游走至倒数第二层节点中的一个节点上，将医疗实体1游走到的倒数第二层节点中的该节点作为医疗实体1所命中的最小单位节点；重复执行上述提取当前医疗实体的操作，然后将医疗实体2作为当前医疗实体，将医疗实体2从规则推理网络的根节点游走至倒数第二层节点中的一个节点上，将医疗实体2游走到的倒数第二层节点中的该节点作为医疗实体2所命中的最小单位节点；重复执行上述提取当前医疗实体的操作，再先将医疗实体3作为当前医疗实体，将医疗实体3从规则推理网络的根节点游走至倒数第二层节点中的一个节点上，将医疗实体3游走到的倒数第二层节点中的该节点作为医疗实体1所命中的最小单位节点。
在本申请的具体实施例中，电子设备在将当前医疗实体从规则推理网络的根节点游走至倒数第二层节点中的一个节点上时，可以先将根节点作为当前医疗实体所命中的节点；然后在当前医疗实体所命中的节点上，判断当前医疗实体是否满足规则推理网络的下一层节点中的任意一个节点对应的检测条件；若当前医疗实体满足下一层节点中的任意一个节点对应的检测条件，则将该节点作为当前医疗实体所命中的节点；重复执行上述操作，直到将当前医疗实体从根节点游走至倒数第二层节点中的一个节点上。
图3是本申请实施例二提供的规则推理网络的第一结构示意图。如图3所示，规则推理网络包括五层节点，分别为：第一层节点、第二层节点、第三层节点、第四层节点和第五层节点；其中，第一层节点包括：节点1，节点1为规则推理网络的根节点；第二层节点包括：节点2和节点3；第三层节点包括：节点4、节点5、节点6和节点7；第四层节点包括：节点8、节点9、节点10、节点11和节点12；第五层节点包括：节点13和节点14；节点13和节点14为规则推理网络的两个叶子节点。具体地，节点1分别连接节点2和节点3，表示任意一个医疗实体既可以从根节点游走至节点2，也可以从根节点游走至节点3；节点2分别连接节点4和节点5，表示任意一个医疗实体既可以从节点2游走至节点4，也可以从节点2游走至节点5；节点3分别连接节点6和节点7，表示任意一个医疗实体既可以从节点3游走至节点6，也可以从节点3游走至节点7；以此类推。每个节点可以保存自身对应的检测条件，例如，当某一个医疗实体在从第一层节点游走至第二层节点时，若该医疗实体满足节点2对应的检测条件，则该医疗实体可以游走至节点2；若该医疗实体满足节点3对应的检测条件，则该医疗实体可以游走至节点3。
图4是本申请实施例二提供的规则推理网络的第二结构示意图。如图4所示，针对给定的规则1和规则2，规则1：Person(is_vip＝true，age>18)&&Product(name＝"万宝路")＝>Action(discount＝80％)；规则2：Person(is_vip＝true，age>18)&&Product(name＝"双喜")＝>Action(discount＝75％)，可以生成如下所示的规则推理网络，该规则推理网络可以包括五层节点，分别为：第一层节点、第二层节点、第三层节点、第四层节点和第五层节点；其中，第一层节点包括：节点1，节点1为规则推理网络的根节点；第二层节点包括：节点2和节点3；第三层节点包括：节点4、节点5和节点6；第四层节点包括：节点7、节点8和节点9；第五层节点包括：节点10和节点11；节点10和节点11为规则推理网络的两个叶子节点。具体地，节点1分别连接节点2和节点3，表示任意一个医疗实体既可以从根节点游走至节点2，也可以从根节点游走至节点3；节点2连接节点4，表示任意一个医疗实体可以从节点2游走至节点4；节点3分别连接节点5和节点6，表示任意一个医疗实体既可以从节点3游走至节点5，也可以从节点3游走至节点6；以此类推。具体地，节点1对应的检测条件为空；节点2对应的检测条件为：person＝true；表示结构化数据中的person(用户)字段为真值；节点3对应的检测条件为：product＝true；表示结构化数据中的product(产品)字段为真值；节点4对应的检测条件为：person(is_vip＝true)；表示person字段中的is_vip(尊贵用户)的值为真值；节点5对应的检测条件为：product(name＝“万宝路”)；表示product字段中的name(姓名)为万宝路；节点6对应的检测条件为：product(name＝“双喜”)；表示product字段中的name(姓名)为双喜；节点7对应的检测条件为：person(is_vip＝true，age>18)；表示person字段中的is_vip的值为真值并且person字段中的年龄大于18岁；节点8对应的检测条件为：product(name＝“万宝路”)；节点9对应的检测条件为：product(name＝“双喜”)；节点10对应的检测条件为：person(is_vip＝true，age>18)&&product(name＝“万宝路”)；表示person字段中的is_vip的值为真值并且person字段中的年龄大于18岁；product字段中的name(姓名)为万宝路；节点11对应的检测条件为：person(is_vip＝true，age>18)&&product(name＝“双喜”)；表示person字段中的is_vip的值为真值并且person字段中的年龄大于18岁；product字段中的name(姓名)为双喜。较佳地，当某一个医疗实体命中规则推理网络的叶子节点时，还可以再将该医疗实体游走到与其连接的行为节点上；每一个行为节点可以保存自身的执行条件。如图4所示，当某一个医疗实体游走到节点10时，还可以再将该医疗实体游走到与节点10连接的行为节点上，该行为节点的执行条件为：discount＝80％；表示执行80％的折扣；当某一个医疗实体游走到节点11时，还可以再将该医疗实体游走到与节点11连接的行为节点上，该行为节点的执行条件为：discount＝75％；表示执行75％的折扣。
S204、根据结构化数据中的各个医疗实体所命中的最小单位，检测结构化数据中的各个医疗实体是否满足任意一个叶子节点对应的各个检测条件。
在本申请的具体实施例中，电子设备可以根据结构化数据中的各个医疗实体所命中的最小单位，检测结构化数据中的各个医疗实体是否满足任意一个叶子节点对应的各个检测条件。具体地，若结构化数据中的各个医疗实体所命中的最小单位节点对应于规则推理网络中的一个叶子节点，则电子设备可以判定结构化数据中的各个医疗实体满足该叶子节点对应的各个检测条件；若结构化数据中的各个医疗实体所命中的最小单位节点对应于规则推理网络中的多个叶子节点，则电子设备可以判定结构化数据中的各个医疗实体不满足任意一个叶子节点对应的各个检测条件。
S205、若结构化数据中的各个医疗实体满足任意一个叶子节点对应的各个检测条件，则判定医疗质控需求命中叶子节点。
在本申请的具体实施例中，若结构化数据中的各个医疗实体满足任意一个叶子节点对应的各个检测条件，则电子设备可以判定医疗质控需求命中该叶子节点；例如，假设用户的医疗质控需求对应的结构化数据中包括三个字段，分别为：字段1、字段2和字段3，在本步骤中，电子设备可以将字段1作为医疗实体1，将字段2作为医疗实体2、将字段3作为医疗实体3，假设规则推理网络中的一个叶子节点对应三个检测条件，分别为：检测条件1、检测条件2和检测条件3，若医疗实体1满足该叶子节点对应的检测条件1、医疗实体2满足该叶子节点对应的检测条件2、医疗实体3满足该叶子节点对应的检测条件3，则电子设备可以判定医疗质控需求命中叶子节点。此外，若结构化数据中的各个医疗实体不满足任意一个叶子节点对应的各个检测条件，则电子设备可以判定医疗质控需求未命中该叶子节点。例如，若医疗实体1满足该叶子节点对应的检测条件1、医疗实体2满足该叶子节点对应的检测条件2、医疗实体3不满足该叶子节点对应的检测条件3，则电子设备可以判定医疗质控需求未命中该叶子节点。
S206、将叶子节点对应的医疗冲突信息推送给用户。
在本申请的具体实施例中，电子设备可以将叶子节点对应的医疗冲突信息推送给用户。具体地，规则推理网络中的各个叶子节点对应于一条医疗冲突信息，若用户的医疗质控需求命中某个叶子节点，则表示用户的医疗质控需求中存在该叶子节点对应的医疗冲突信息，因此，电子设备可以将叶子节点对应的医疗冲突信息推送给用户，及时提醒用户医疗质控需求中存在的医疗冲突信息。
较佳地，在本申请的具体实施例中，电子设备在获取用户的医疗质控需求之后，在将医疗质控需求转化为与其对应的结构化数据之前，还可以先在医疗质控需求中提取出关键字段；根据提取出的关键字段，确定出与关键字段相关联的补充字段；然后在预先存储的医疗数据库中查找关键字段对应的医疗信息以及补充字段对应的医疗信息；若在医疗数据库中查找到关键字段对应的医疗信息以及补充字段对应的医疗信息，根据关键字段和关键字段对应的医疗信息，以及补充字段和补充字段对应的医疗信息，执行将医疗质控需求转化为与其对应的结构化数据的操作。
本申请实施例提出的医疗冲突的检测方法，先获取用户的医疗质控需求，并将医疗质控需求转化为与其对应的结构化数据；然后将结构化数据中的各个字段作为一个医疗实体，通过预先建立的规则推理网络检测结构化数据中的各个医疗实体是否满足任意一个叶子节点对应的各个检测条件；若结构化数据中的各个医疗实体满足任意一个叶子节点对应的各个检测条件，则判定医疗质控需求命中叶子节点；再将叶子节点对应的医疗冲突信息推送给用户。也就是说，本申请可以预先建立一个规则推理网络，在医疗质控需求转化为与其对应的结构化数据之后，可以通过规则推理网络检测结构化数中的各个医疗实体是否满足任意一个叶子节点对应的各个检测条件，从而可以检测出医疗质控需求中是否存在医疗冲突信息，达到及时提醒给用户医疗冲突的目的。而在现有的医疗冲突的检测方法中，采用独立的规则片段去约束医疗实体之间的关系，如果医疗实体之间存在边关系，现有技术方案无法利用到医疗实体的边关系信息；由于规则片段完全独立，采用现有技术方案也无法检测出医疗实体之间存在的潜在的冲突关系。因为本申请采用了预先建立规则推理网络的技术手段，克服了现有技术中无法全面准确地检测出医疗冲突的技术问题，进而达到了更加全面准确地检测出医疗冲突，更加方便地扩充医疗数据，方便用户使用的技术效果；并且，本申请实施例的技术方案实现简单方便、便于普及，适用范围更广。
实施例三
图5是本申请实施例三提供的医疗冲突的检测装置的结构示意图。如图5所示，所述装置500包括：转化模块501、检测模块502、判定模块503和推送模块504；其中，
所述转化模块501，用于获取用户的医疗质控需求，并将所述医疗质控需求转化为与其对应的结构化数据；
所述检测模块502，用于将所述结构化数据中的各个字段作为一个医疗实体，通过预先建立的规则推理网络检测所述结构化数据中的各个医疗实体是否满足任意一个叶子节点对应的各个检测条件；
所述判定模块503，用于若所述结构化数据中的各个医疗实体满足任意一个叶子节点对应的各个检测条件，则判定所述医疗质控需求命中所述叶子节点；
所述推送模块504，用于将所述叶子节点对应的医疗冲突信息推送给所述用户。
图6是本申请实施例三提供的检测模块的结构示意图。如图6所示，所述检测模块502包括：游走子模块5021和检测子模块5022；其中，
所述游走子模块5021，用于在所述结构化数据中提取出一个医疗实体作为当前医疗实体，将所述当前医疗实体从所述规则推理网络的根节点游走至倒数第二层节点中的一个节点上，将所述当前医疗实体游走到的所述倒数第二层节点中的该节点作为所述当前医疗实体所命中的最小单位节点；重复执行上述提取所述当前医疗实体的操作，直到将所述结构化数据中的各个医疗实体游走至其所命中的最小单位节点；
所述检测子模块5022，用于根据所述结构化数据中的各个医疗实体所命中的最小单位，检测所述结构化数据中的各个医疗实体是否满足任意一个叶子节点对应的各个检测条件。
进一步的，所述检测子模块5022，具体用于若所述结构化数据中的各个医疗实体所命中的最小单位节点对应于所述规则推理网络中的一个叶子节点，则判定所述结构化数据中的各个医疗实体满足所述叶子节点对应的各个检测条件；若所述结构化数据中的各个医疗实体所命中的最小单位节点对应于所述规则推理网络中的多个叶子节点，则判定所述结构化数据中的各个医疗实体不满足任意一个叶子节点对应的各个检测条件。
进一步的，所述游走子模块5021，具体用于将所述根节点作为所述当前医疗实体所命中的节点；在所述当前医疗实体所命中的节点上，判断所述当前医疗实体是否满足所述规则推理网络的下一层节点中的任意一个节点对应的检测条件；若所述当前医疗实体满足所述下一层节点中的任意一个节点对应的检测条件，则将该节点作为所述当前医疗实体所命中的节点；重复执行上述操作，直到将所述当前医疗实体从所述根节点游走至所述倒数第二层节点中的一个节点上。
进一步的，所述获取模块501，还用于在所述医疗质控需求中提取出关键字段；根据提取出的所述关键字段，确定出与所述关键字段相关联的补充字段；在预先存储的医疗数据库中查找所述关键字段对应的医疗信息以及所述补充字段对应的医疗信息；若在所述医疗数据库中查找到所述关键字段对应的医疗信息以及所述补充字段对应的医疗信息，根据所述关键字段和所述关键字段对应的医疗信息，以及所述补充字段和所述补充字段对应的医疗信息，执行所述将所述医疗质控需求转化为与其对应的结构化数据的操作。
上述医疗冲突的检测装置可执行本申请任意实施例所提供的方法，具备执行方法相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节，可参见本申请任意实施例提供的医疗冲突的检测方法。
实施例四
根据本申请的实施例，本申请还提供了一种电子设备和一种可读存储介质。
如图7所示，是根据本申请实施例的医疗冲突的检测方法的电子设备的框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本申请的实现。
如图7所示，该电子设备包括：一个或多个处理器701、存储器702，以及用于连接各部件的接口，包括高速接口和低速接口。各个部件利用不同的总线互相连接，并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在电子设备内执行的指令进行处理，包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如，耦合至接口的显示设备)上显示GUI的图形信息的指令。在其它实施方式中，若需要，可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样，可以连接多个电子设备，各个设备提供部分必要的操作(例如，作为服务器阵列、一组刀片式服务器、或者多处理器系统)。图7中以一个处理器701为例。
存储器702即为本申请所提供的非瞬时计算机可读存储介质。其中，所述存储器存储有可由至少一个处理器执行的指令，以使所述至少一个处理器执行本申请所提供的医疗冲突的检测方法。本申请的非瞬时计算机可读存储介质存储计算机指令，该计算机指令用于使计算机执行本申请所提供的医疗冲突的检测方法。
存储器702作为一种非瞬时计算机可读存储介质，可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块，如本申请实施例中的医疗冲突的检测方法对应的程序指令/模块(例如，附图5所示的转化模块501、检测模块502、判定模块503和推送模块504)。处理器701通过运行存储在存储器702中的非瞬时软件程序、指令以及模块，从而执行服务器的各种功能应用以及数据处理，即实现上述方法实施例中的医疗冲突的检测方法。
存储器702可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储根据医疗冲突的检测方法的电子设备的使用所创建的数据等。此外，存储器702可以包括高速随机存取存储器，还可以包括非瞬时存储器，例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中，存储器702可选包括相对于处理器701远程设置的存储器，这些远程存储器可以通过网络连接至医疗冲突的检测方法的电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
医疗冲突的检测方法的电子设备还可以包括：输入装置703和输出装置704。处理器701、存储器702、输入装置703和输出装置704可以通过总线或者其他方式连接，图7中以通过总线连接为例。
输入装置703可接收输入的数字或字符信息，以及产生与医疗冲突的检测方法的电子设备的用户设置以及功能控制有关的键信号输入，例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出装置704可以包括显示设备、辅助照明装置(例如，LED)和触觉反馈装置(例如，振动电机)等。该显示设备可以包括但不限于，液晶显示器(LCD)、发光二极管(LED)显示器和等离子体显示器。在一些实施方式中，显示设备可以是触摸屏。
此处描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、专用ASIC(专用集成电路)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
这些计算程序(也称作程序、软件、软件应用、或者代码)包括可编程处理器的机器指令，并且可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。如本文使用的，术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如，磁盘、光盘、存储器、可编程逻辑装置(PLD))，包括，接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。
为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)、互联网和区块链网络。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。
根据本申请实施例的技术方案，先获取用户的医疗质控需求，并将医疗质控需求转化为与其对应的结构化数据；然后将结构化数据中的各个字段作为一个医疗实体，通过预先建立的规则推理网络检测结构化数据中的各个医疗实体是否满足任意一个叶子节点对应的各个检测条件；若结构化数据中的各个医疗实体满足任意一个叶子节点对应的各个检测条件，则判定医疗质控需求命中叶子节点；再将叶子节点对应的医疗冲突信息推送给用户。也就是说，本申请可以预先建立一个规则推理网络，在医疗质控需求转化为与其对应的结构化数据之后，可以通过规则推理网络检测结构化数中的各个医疗实体是否满足任意一个叶子节点对应的各个检测条件，从而可以检测出医疗质控需求中是否存在医疗冲突信息，达到及时给用户医疗冲突的目的。而在现有的医疗冲突的检测方法中，采用独立的规则片段去约束医疗实体之间的关系，如果医疗实体之间存在边关系，现有技术方案无法利用到医疗实体的边关系信息；由于规则片段完全独立，采用现有技术方案也无法检测出医疗实体之间存在的潜在的冲突关系。因为本申请采用了预先建立规则推理网络的技术手段，克服了现有技术中无法全面准确地检测出医疗冲突的技术问题，进而达到了更加全面准确地检测出医疗冲突，更加方便地扩充医疗数据，方便用户使用的技术效果；并且，本申请实施例的技术方案实现简单方便、便于普及，适用范围更广。
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本申请公开的技术方案所期望的结果，本文在此不进行限制。
上述具体实施方式，并不构成对本申请保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等，均应包含在本申请保护范围之内。

Claims (12)

1.一种医疗冲突的检测方法，其特征在于，所述方法包括：
获取用户的医疗质控需求，并将所述医疗质控需求转化为与其对应的结构化数据；
将所述结构化数据中的各个字段作为一个医疗实体，通过预先建立的规则推理网络检测所述结构化数据中的各个医疗实体是否满足任意一个叶子节点对应的各个检测条件；
若所述结构化数据中的各个医疗实体满足任意一个叶子节点对应的各个检测条件，则判定所述医疗质控需求命中所述叶子节点；
将所述叶子节点对应的医疗冲突信息推送给所述用户。
2.根据权利要求1所述的方法，其特征在于，所述通过预先建立的规则推理网络检测所述结构化数据中的各个医疗实体是否满足任意一个叶子节点对应的各个检测条件，包括：
在所述结构化数据中提取出一个医疗实体作为当前医疗实体，将所述当前医疗实体从所述规则推理网络的根节点游走至倒数第二层节点中的一个节点上，将所述当前医疗实体游走到的所述倒数第二层节点中的该节点作为所述当前医疗实体所命中的最小单位节点；重复执行上述提取所述当前医疗实体的操作，直到将所述结构化数据中的各个医疗实体游走至其所命中的最小单位节点；
根据所述结构化数据中的各个医疗实体所命中的最小单位，检测所述结构化数据中的各个医疗实体是否满足任意一个叶子节点对应的各个检测条件。
3.根据权利要求2所述的方法，其特征在于，所述根据所述结构化数据中的各个医疗实体所命中的最小单位，检测所述结构化数据中的各个医疗实体是否满足任意一个叶子节点对应的各个检测条件，包括：
若所述结构化数据中的各个医疗实体所命中的最小单位节点对应于所述规则推理网络中的一个叶子节点，则判定所述结构化数据中的各个医疗实体满足所述叶子节点对应的各个检测条件；
若所述结构化数据中的各个医疗实体所命中的最小单位节点对应于所述规则推理网络中的多个叶子节点，则判定所述结构化数据中的各个医疗实体不满足任意一个叶子节点对应的各个检测条件。
4.根据权利要求2所述的方法，其特征在于，所述将所述当前医疗实体从所述规则推理网络的根节点游走至倒数第二层节点中的一个节点上，包括：
将所述根节点作为所述当前医疗实体所命中的节点；
在所述当前医疗实体所命中的节点上，判断所述当前医疗实体是否满足所述规则推理网络的下一层节点中的任意一个节点对应的检测条件；若所述当前医疗实体满足所述下一层节点中的任意一个节点对应的检测条件，则将该节点作为所述当前医疗实体所命中的节点；重复执行上述操作，直到将所述当前医疗实体从所述根节点游走至所述倒数第二层节点中的一个节点上。
5.根据权利要求1所述的方法，其特征在于，在所述获取用户的医疗质控需求之后，在所述将所述医疗质控需求转化为与其对应的结构化数据之前，所述方法还包括：
在所述医疗质控需求中提取出关键字段；根据提取出的所述关键字段，确定出与所述关键字段相关联的补充字段；
在预先存储的医疗数据库中查找所述关键字段对应的医疗信息以及所述补充字段对应的医疗信息；
若在所述医疗数据库中查找到所述关键字段对应的医疗信息以及所述补充字段对应的医疗信息，根据所述关键字段和所述关键字段对应的医疗信息，以及所述补充字段和所述补充字段对应的医疗信息，执行所述将所述医疗质控需求转化为与其对应的结构化数据的操作。
6.一种医疗冲突的检测装置，其特征在于，所述装置包括：转化模块、检测模块、判定模块和推送模块；其中，
所述转换模块，用于获取用户的医疗质控需求，并将所述医疗质控需求转化为与其对应的结构化数据；
所述检测模块，用于将所述结构化数据中的各个字段作为一个医疗实体，通过预先建立的规则推理网络检测所述结构化数据中的各个医疗实体是否满足任意一个叶子节点对应的各个检测条件；
所述判定模块，用于若所述结构化数据中的各个医疗实体满足任意一个叶子节点对应的各个检测条件，则判定所述医疗质控需求命中所述叶子节点；
所述推送模块，用于将所述叶子节点对应的医疗冲突信息推送给所述用户。
7.根据权利要求6所述的装置，其特征在于，所述检测模块包括：游走子模块和检测子模块；其中，
所述游走子模块，用于在所述结构化数据中提取出一个医疗实体作为当前医疗实体，将所述当前医疗实体从所述规则推理网络的根节点游走至倒数第二层节点中的一个节点上，将所述当前医疗实体游走到的所述倒数第二层节点中的该节点作为所述当前医疗实体所命中的最小单位节点；重复执行上述提取所述当前医疗实体的操作，直到将所述结构化数据中的各个医疗实体游走至其所命中的最小单位节点；
所述检测子模块，用于根据所述结构化数据中的各个医疗实体所命中的最小单位，检测所述结构化数据中的各个医疗实体是否满足任意一个叶子节点对应的各个检测条件。
8.根据权利要求7所述的装置，其特征在于：
所述检测子模块，具体用于若所述结构化数据中的各个医疗实体所命中的最小单位节点对应于所述规则推理网络中的一个叶子节点，则判定所述结构化数据中的各个医疗实体满足所述叶子节点对应的各个检测条件；若所述结构化数据中的各个医疗实体所命中的最小单位节点对应于所述规则推理网络中的多个叶子节点，则判定所述结构化数据中的各个医疗实体不满足任意一个叶子节点对应的各个检测条件。
9.根据权利要求7所述的装置，其特征在于：
所述游走子模块，具体用于将所述根节点作为所述当前医疗实体所命中的节点；在所述当前医疗实体所命中的节点上，判断所述当前医疗实体是否满足所述规则推理网络的下一层节点中的任意一个节点对应的检测条件；若所述当前医疗实体满足所述下一层节点中的任意一个节点对应的检测条件，则将该节点作为所述当前医疗实体所命中的节点；重复执行上述操作，直到将所述当前医疗实体从所述根节点游走至所述倒数第二层节点中的一个节点上。
10.根据权利要求6所述的装置，其特征在于，所述获取模块，还用于在所述医疗质控需求中提取出关键字段；根据提取出的所述关键字段，确定出与所述关键字段相关联的补充字段；在预先存储的医疗数据库中查找所述关键字段对应的医疗信息以及所述补充字段对应的医疗信息；若在所述医疗数据库中查找到所述关键字段对应的医疗信息以及所述补充字段对应的医疗信息，根据所述关键字段和所述关键字段对应的医疗信息，以及所述补充字段和所述补充字段对应的医疗信息，执行所述将所述医疗质控需求转化为与其对应的结构化数据的操作。
11.一种电子设备，其特征在于，包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-5中任一项所述的方法。
12.一种存储有计算机指令的非瞬时计算机可读存储介质，其特征在于，所述计算机指令用于使所述计算机执行权利要求1-5中任一项所述的方法。
CN202010230814.XA 2020-03-27 2020-03-27 一种医疗冲突的检测方法、装置、电子设备及存储介质 Active CN111462894B (zh)

Priority Applications (5)

Application Number Priority Date Filing Date Title
CN202010230814.XA CN111462894B (zh) 2020-03-27 2020-03-27 一种医疗冲突的检测方法、装置、电子设备及存储介质
US17/023,052 US20210304892A1 (en) 2020-03-27 2020-09-16 Method and apparatus for detecting medical conflict, electronic device and storage medium
EP20196859.1A EP3886111A1 (en) 2020-03-27 2020-09-18 Method and apparatus for detecting medical conflict, electronic device and storage medium
KR1020210038091A KR102523034B1 (ko) 2020-03-27 2021-03-24 의료 충돌을 탐지하는 방법, 장치, 전자 기기, 저장 매체 및 프로그램
JP2021051861A JP7186255B2 (ja) 2020-03-27 2021-03-25 医療衝突の検出方法、装置、電子デバイス及び記憶媒体

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010230814.XA CN111462894B (zh) 2020-03-27 2020-03-27 一种医疗冲突的检测方法、装置、电子设备及存储介质

Publications (2)

Publication Number Publication Date
CN111462894A true CN111462894A (zh) 2020-07-28
CN111462894B CN111462894B (zh) 2023-09-01

Family

ID=71683298

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010230814.XA Active CN111462894B (zh) 2020-03-27 2020-03-27 一种医疗冲突的检测方法、装置、电子设备及存储介质

Country Status (5)

Country Link
US (1) US20210304892A1 (zh)
EP (1) EP3886111A1 (zh)
JP (1) JP7186255B2 (zh)
KR (1) KR102523034B1 (zh)
CN (1) CN111462894B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112053754A (zh) * 2020-08-19 2020-12-08 杭州古珀医疗科技有限公司 基于自然语言的非结构医疗数据转结构数据系统及其方法

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112509690B (zh) * 2020-11-30 2023-08-04 北京百度网讯科技有限公司 用于控制质量的方法、装置、设备和存储介质

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110301982A1 (en) * 2002-04-19 2011-12-08 Green Jr W T Integrated medical software system with clinical decision support
US20160379287A1 (en) * 2010-01-19 2016-12-29 Amir Dabiri Vending machine with user id/age verification system and associated method
CN106934235A (zh) * 2017-03-09 2017-07-07 中国科学院软件研究所 一种基于迁移学习的疾病领域间病人相似性度量迁移系统
US20180102190A1 (en) * 2016-07-25 2018-04-12 Viviphi Ltd. Generating customizable personal healthcare treatment plans
CN110471991A (zh) * 2019-08-21 2019-11-19 重庆华医康道科技有限公司 海量医疗数据的状态机工作流引擎及分布式存储方法
US20190371475A1 (en) * 2018-06-05 2019-12-05 Koninklijke Philips N.V. Generating and applying subject event timelines
CN110675954A (zh) * 2019-10-11 2020-01-10 北京百度网讯科技有限公司 信息处理方法及装置、电子设备、存储介质

Family Cites Families (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20020017001A (ko) * 2000-08-28 2002-03-07 조형기 처방전 인증 시스템과 그 방법
KR100768139B1 (ko) * 2001-01-08 2007-10-17 삼성에스디에스 주식회사 통신망을 이용한 전자 처방전 중계 서비스 방법 및 시스템
JP3773426B2 (ja) * 2001-07-18 2006-05-10 株式会社日立製作所 データマイニングにおける前処理方法及び前処理システム
JP4191561B2 (ja) * 2003-08-18 2008-12-03 コニカミノルタホールディングス株式会社 医療支援システム
KR100580661B1 (ko) * 2003-11-28 2006-05-16 경북대학교 산학협력단 의료 정보 통합 관리 시스템 및 방법
JP5646128B2 (ja) * 2007-02-28 2014-12-24 株式会社東芝 医用画像検索システム
US10282512B2 (en) * 2013-07-09 2019-05-07 Indiana University Research And Technology Corporation Clinical decision-making artificial intelligence object oriented system and method
CN106415532B (zh) * 2014-06-04 2019-12-20 株式会社日立制作所 诊疗数据检索系统
WO2016127089A1 (en) * 2015-02-08 2016-08-11 Sora Medical Solutions Llc Comprehensive diagnosis and care system
BR112018008912A8 (pt) * 2015-11-05 2019-02-26 Koninklijke Philips Nv mídia não transitória legível por computador, sistema de verificação de regras e método
US11488714B2 (en) * 2016-03-23 2022-11-01 HealthPals, Inc. Machine learning for collaborative medical data metrics
JP2018077630A (ja) * 2016-11-08 2018-05-17 キヤノン株式会社 構造化データ作成装置及びその制御方法、コンピュータプログラム
US20190087541A1 (en) * 2017-09-19 2019-03-21 Konica Minolta Healthcare Americas, Inc. Method and system for storing data during updates of electronic medical records
JP7134614B2 (ja) * 2017-10-10 2022-09-12 株式会社南江堂 薬剤情報表示プログラム、記録媒体及び薬剤情報表示装置
KR102365621B1 (ko) * 2017-10-20 2022-02-21 구글 엘엘씨 임상 문서에서 사용하기 위한 환자-의사 대화에서 세부 구조 캡처링
US20190147352A1 (en) * 2017-11-16 2019-05-16 Medical Digital Intelligence, LLC Causation-Based Knowledge System With Test Overlays and Loop Solution
US11120912B2 (en) * 2018-07-27 2021-09-14 International Business Machines Corporation Cognitive systems for generating prospective medical treatment guidance

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110301982A1 (en) * 2002-04-19 2011-12-08 Green Jr W T Integrated medical software system with clinical decision support
US20160379287A1 (en) * 2010-01-19 2016-12-29 Amir Dabiri Vending machine with user id/age verification system and associated method
US20180102190A1 (en) * 2016-07-25 2018-04-12 Viviphi Ltd. Generating customizable personal healthcare treatment plans
CN106934235A (zh) * 2017-03-09 2017-07-07 中国科学院软件研究所 一种基于迁移学习的疾病领域间病人相似性度量迁移系统
US20190371475A1 (en) * 2018-06-05 2019-12-05 Koninklijke Philips N.V. Generating and applying subject event timelines
CN110471991A (zh) * 2019-08-21 2019-11-19 重庆华医康道科技有限公司 海量医疗数据的状态机工作流引擎及分布式存储方法
CN110675954A (zh) * 2019-10-11 2020-01-10 北京百度网讯科技有限公司 信息处理方法及装置、电子设备、存储介质

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
HW YU，等: "Use of mind maps and iterative decision trees to develop a guideline-based clinical decision support system for routine surgical practice: case study in thyroid nodules", 《JOURNAL OF THE AMERICAN MEDICAL INFORMATICS ASSOCIATION》 *
张红旭，等: "基于JCI国际医院认证标准探讨临床药学监护报告质量控制及其建议", 《中国合理用药探索》 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112053754A (zh) * 2020-08-19 2020-12-08 杭州古珀医疗科技有限公司 基于自然语言的非结构医疗数据转结构数据系统及其方法

Also Published As

Publication number Publication date
JP7186255B2 (ja) 2022-12-08
US20210304892A1 (en) 2021-09-30
EP3886111A1 (en) 2021-09-29
KR102523034B1 (ko) 2023-04-17
KR20210040317A (ko) 2021-04-13
CN111462894B (zh) 2023-09-01
JP2021157799A (ja) 2021-10-07

Similar Documents

Publication Publication Date Title
EP2973039B1 (en) Apparatus, systems, and methods for grouping data records
JP2021527878A (ja) 正規表現コード上で最長共通サブシーケンスアルゴリズムを用いた正規表現生成
CN111522967B (zh) 知识图谱构建方法、装置、设备以及存储介质
US20240169002A1 (en) Automating implementation of taxonomies
EP3916738A1 (en) Medical fact verification method and apparatus, electronic device, and storage medium
CN111738014B (zh) 一种药物分类方法、装置、设备及存储介质
US10459952B2 (en) Categorizing search terms
US10671577B2 (en) Merging synonymous entities from multiple structured sources into a dataset
JP2021193617A (ja) 医療データ検証方法、装置及び電子機器
WO2021127012A1 (en) Unsupervised taxonomy extraction from medical clinical trials
CN111462894A (zh) 一种医疗冲突的检测方法、装置、电子设备及存储介质
US20230342548A1 (en) System and method for term disambiguation
CN113220835A (zh) 文本信息处理方法、装置、电子设备以及存储介质
CN113407738B (zh) 一种相似文本检索方法、装置、电子设备和存储介质
US11763944B2 (en) System and method for clinical decision support system with inquiry based on reinforcement learning
Wang et al. A novel MEDLINE topic indexing method using image presentation
CN112509692B (zh) 用于匹配医学表达的方法、装置、电子设备及存储介质
CN111639173B (zh) 疫情数据处理方法、装置、设备和存储介质
CN109918367B (zh) 一种结构化数据的清洗方法、装置、电子设备及存储介质
CN112560459A (zh) 用于模型训练的样本筛选方法、装置、设备及存储介质
Wu et al. Active monitoring of adverse drug reactions with neural network technology
CN118394835B (zh) 一种电网数据的分析方法、装置、设备及存储介质
US20230395209A1 (en) Development and use of feature maps from clinical data using inference and machine learning approaches
WO2020170217A1 (en) A method and system for managing analytical schema
CN112101008A (zh) 一种文本热度确定方法、装置、电子设备和存储介质

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