CN111785386A - 时间区间段的划分方法、相关设备及可读存储介质 - Google Patents
时间区间段的划分方法、相关设备及可读存储介质 Download PDFInfo
- Publication number
- CN111785386A CN111785386A CN202010618955.9A CN202010618955A CN111785386A CN 111785386 A CN111785386 A CN 111785386A CN 202010618955 A CN202010618955 A CN 202010618955A CN 111785386 A CN111785386 A CN 111785386A
- Authority
- CN
- China
- Prior art keywords
- time interval
- symptom
- medical record
- division
- time
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 43
- 208000024891 symptom Diseases 0.000 claims abstract description 353
- 201000010099 disease Diseases 0.000 claims abstract description 131
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims abstract description 131
- 238000003745 diagnosis Methods 0.000 claims abstract description 69
- 239000013598 vector Substances 0.000 claims description 20
- 238000005192 partition Methods 0.000 claims description 15
- 230000002123 temporal effect Effects 0.000 claims description 10
- 238000000638 solvent extraction Methods 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 2
- 238000004364 calculation method Methods 0.000 abstract description 16
- 239000003607 modifier Substances 0.000 description 17
- 206010006451 bronchitis Diseases 0.000 description 7
- 238000004891 communication Methods 0.000 description 7
- 206010011224 Cough Diseases 0.000 description 6
- 206010057190 Respiratory tract infections Diseases 0.000 description 6
- 206010036790 Productive cough Diseases 0.000 description 4
- 206010046306 Upper respiratory tract infection Diseases 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 201000007100 Pharyngitis Diseases 0.000 description 3
- 206010035664 Pneumonia Diseases 0.000 description 3
- 230000009471 action Effects 0.000 description 3
- 230000001154 acute effect Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 206010006458 Bronchitis chronic Diseases 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 208000007451 chronic bronchitis Diseases 0.000 description 2
- 230000001684 chronic effect Effects 0.000 description 2
- 239000003814 drug Substances 0.000 description 2
- 238000003058 natural language processing Methods 0.000 description 2
- 208000030090 Acute Disease Diseases 0.000 description 1
- 206010008479 Chest Pain Diseases 0.000 description 1
- 208000017667 Chronic Disease Diseases 0.000 description 1
- 206010037660 Pyrexia Diseases 0.000 description 1
- 230000001174 ascending effect Effects 0.000 description 1
- 208000002173 dizziness Diseases 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008506 pathogenesis Effects 0.000 description 1
- 230000002085 persistent effect Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 239000013589 supplement Substances 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
- 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
-
- 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
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- Biomedical Technology (AREA)
- Databases & Information Systems (AREA)
- Pathology (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本申请公开了一种时间区间段的划分方法、相关设备及可读存储介质，对于待划分时间区间段的症状，可以获取包含该症状的参考病历集合，并基于参考病历集合中各参考病历中记录的该症状的时间属性值，确定该症状划分的时间区间段。基于上述方案，在利用病历中症状进行疾病辅助诊断，利用不同病历中同一症状进行病历相似度计算等场景中，即可利用该症状划分的时间区间段。
Description
技术领域
本申请涉及计算机技术领域，更具体的说，是涉及一种时间区间段的划分方法、相关设备及可读存储介质。
背景技术
临床上，患者描述的每一种症状，持续的时间长短不同，就可能预示着患者患有不同的疾病。因此，病历中症状的描述包括时间属性值，该时间属性值用于指示该症状对应的症状持续时间长短。
目前，对病历中症状及其时间属性值的应用很广泛，比如，利用病历中症状及其时间属性值进行疾病辅助诊断，利用不同病历中同一症状及其时间属性值进行病历相似度计算等。但是，单独考虑症状的时间属性值并不能充分体现症状的差异。从医学层面考虑，症状的持续时间长短处于时间区间段的不同，与该症状预示疾病的不同息息相关，比如，“咳嗽1天”与“咳嗽7天”、“咳嗽14天”与“咳嗽20天”，显然前两者很可能是不同疾病、而后两者至少从“咳嗽”这一症状上看没有特别重大的差别。
因此，如何确定症状的时间区间段，成为本领域技术人员亟待解决的技术问题。
发明内容
鉴于上述问题，本申请提出了一种时间区间段的划分方法、相关设备及可读存储介质。具体方案如下：
一种时间区间段的划分方法，包括：
获取待划分时间区间段的症状；
获取参考病历集合，所述参考病历集合是预置病历集合中包含所述症状的参考病历的集合；
基于所述参考病历集合中，每个参考病历中记录的所述症状的时间属性值，确定所述症状划分的时间区间段。
可选地，所述获取参考病历集合，包括：
根据所述预置病历集合，确定所述症状对应的目标疾病；
根据所述预置病历集合中对应所述目标疾病的病历，确定所述症状对应的时间区间段划分层；
确定所述预置病历集合中，属于所述症状对应的时间区间段划分层的病历，为所述参考病历集合中的参考病历。
可选地，所述根据所述预置病历集合，确定所述症状对应的目标疾病，包括：
确定所述预置病历集合中，包含所述症状的病历；
针对每个包含所述症状的病历，根据该病历的诊断名中的基础疾病名，确定该病历对应的疾病；
确定对应病历数量最多的疾病，为所述症状对应的目标疾病。
可选地，所述根据所述预置病历集合中对应所述目标疾病的病历，确定所述症状对应的时间区间段划分层，包括：
针对所述目标疾病预置的每个层级，根据所述预置病历集合中对应所述目标疾病的病历，确定该层级对应的病历数量，以及，该层级对应的诊断名数量；
根据所述目标疾病的各个层级对应的病历数量，以及，各个层级对应的诊断名数量，确定所述层级对应病历的信息丰富程度得分；
确定对应病历的信息丰富程度得分最高的层级，为所述症状对应的时间区间段划分层。
可选地，所述基于所述参考病历集合中，每个参考病历中记录的所述症状的时间属性值，确定所述症状划分的时间区间段，包括：
根据所述参考病历集合中记录的所述症状的时间属性值，确定所述症状的时间区间段划分属性值；
基于所述症状的时间区间段划分属性值，确定所述症状划分的时间区间段。
可选地，所述基于所述症状的时间区间段划分属性值，确定所述症状划分的时间区间段，包括：
基于所述症状的时间区间段划分属性值，确定所述症状的至少一个时间区间段划分序列，所述症状的每个时间区间段划分序列包括所述症状的时间区间段划分属性值中的至少一个值；
针对每个时间区间段划分序列，计算所述时间区间段划分序列对应的得分；
基于所述得分最高的时间区间段划分序列，确定所述症状划分的时间区间段。
可选地，所述针对每个时间区间段划分序列，计算所述时间区间段划分序列对应的得分，包括：
计算用于表示所述时间区间段划分序列的有序程度的得分；
计算用于表示所述时间区间段划分序列的兼容程度的得分；
计算用于表示所述时间区间段划分序列的简洁程度的得分；
根据用于表示所述时间区间段划分序列的有序程度的得分、用于表示所述时间区间段划分序列的兼容程度的得分，以及，用于表示所述时间区间段划分序列的简洁程度的得分，计算所述时间区间段划分序列对应的得分。
可选地，所述计算用于表示所述时间区间段划分序列的有序程度的得分，包括：
获取所述参考病历集合的病历数量，所述参考病历集合中，对应所述时间区间段划分序列划分的各时间区间段的病历的数量，以及，所述参考病历集合中，对应所述时间区间段划分序列划分的各时间区间段的病历的疾病分布特征；
根据所述参考病历集合的病历数量，所述参考病历集合中，对应所述时间区间段划分序列划分的各时间区间段的病历的数量，以及，所述参考病历集合中，对应所述时间区间段划分序列划分的各时间区间段的病历的疾病分布特征，计算用于表示所述时间区间段划分序列的有序程度的得分。
可选地，所述计算用于表示所述时间区间段划分序列的兼容程度的得分，包括：
获取目标症状划分的时间区间段，所述目标症状为与所述症状相关的症状；
根据所述时间区间段划分序列划分的各时间区间段，与所述目标症状划分的时间区间段的包含关系，计算所述时间区间段划分序列与所述目标症状划分的时间区间段的兼容程度的得分，作为用于表示所述时间区间段划分序列的兼容程度的得分。
可选地，所述计算用于表示所述时间区间段划分序列的简洁程度的得分，包括：
获取所述时间区间段划分序列划分的时间区间段的数量；
根据所述时间区间段划分序列划分的时间区间段的数量，计算用于表示所述时间区间段划分序列的简洁程度的得分。
可选地，在确定所述症状划分的时间区间段之后，所述方法还包括：
根据所述症状划分的时间区间段，计算包含所述症状的两个病历的相似度。
可选地，所述根据所述症状划分的时间区间段，计算包含所述症状的两个病历的相似度，包括：
根据所述症状划分的时间区间段，确定每个病历中与所述症状对应的时间属性值所属的时间区间段；
计算两个时间区间段的差异；
根据所述参考病历集合，获取每个病历中与所述症状对应的时间属性值所属的时间区间段的诊断名分布向量；
计算两个诊断名分布向量的差异；
根据所述两个时间区间段的差异，以及，所述两个诊断名分布向量的差异，计算所述症状在包含所述症状的两个病历中的差异；
根据所述症状在包含所述症状的两个病历中的差异，计算所述两个病历的相似度。
一种时间区间段的划分装置，包括：
症状获取单元，用于获取待划分时间区间段的症状；
参考病历集合获取单元，用于获取参考病历集合，所述参考病历集合是预置病历集合中包含所述症状的参考病历的集合；
确定单元，用于基于所述参考病历集合中，每个参考病历中记录的所述症状的时间属性值，确定所述症状划分的时间区间段。
可选地，所述参考病历集合获取单元，包括：
目标疾病确定单元，用于根据所述预置病历集合，确定所述症状对应的目标疾病；
时间区间段划分层确定单元，用于根据所述预置病历集合中对应所述目标疾病的病历，确定所述症状对应的时间区间段划分层；
参考病历确定单元，用于确定所述预置病历集合中，属于所述症状对应的时间区间段划分层的病历，为所述参考病历集合中的参考病历。
可选地，所述目标疾病确定单元，包括：
病历确定单元，用于确定所述预置病历集合中，包含所述症状的病历；
疾病确定单元，用于针对每个包含所述症状的病历，根据该病历的诊断名中的基础疾病名，确定该病历对应的疾病；
目标疾病确定子单元，用于确定对应病历数量最多的疾病，为所述症状对应的目标疾病。
可选地，所述时间区间段划分层确定单元，包括：
层级参数确定单元，用于针对所述目标疾病预置的每个层级，根据所述预置病历集合中对应所述目标疾病的病历，确定该层级对应的病历数量，以及，该层级对应的诊断名数量；
信息丰富程度得分确定单元，用于根据所述目标疾病的各个层级对应的病历数量，以及，各个层级对应的诊断名数量，确定所述层级对应病历的信息丰富程度得分；
时间区间段划分层确定子单元，用于确定对应病历的信息丰富程度得分最高的层级，为所述症状对应的时间区间段划分层。
可选地，所述确定单元，包括：
时间区间段划分属性值确定单元，用于根据所述参考病历集合中记录的所述症状的时间属性值，确定所述症状的时间区间段划分属性值；
时间区间段确定单元，用于基于所述症状的时间区间段划分属性值，确定所述症状划分的时间区间段。
可选地，所述时间区间段确定单元，包括：
时间区间段划分序列确定单元，用于基于所述症状的时间区间段划分属性值，确定所述症状的至少一个时间区间段划分序列，所述症状的每个时间区间段划分序列包括所述症状的时间区间段划分属性值中的至少一个值；
计算单元，用于针对每个时间区间段划分序列，计算所述时间区间段划分序列对应的得分；
时间区间段确定子单元，用于基于所述得分最高的时间区间段划分序列，确定所述症状划分的时间区间段。
可选地，所述计算单元，包括：
第一计算单元，用于计算用于表示所述时间区间段划分序列的有序程度的得分；
第二计算单元，用于计算用于表示所述时间区间段划分序列的兼容程度的得分；
第三计算单元，用于计算用于表示所述时间区间段划分序列的简洁程度的得分；
第四计算单元，用于根据用于表示所述时间区间段划分序列的有序程度的得分、用于表示所述时间区间段划分序列的兼容程度的得分，以及，用于表示所述时间区间段划分序列的简洁程度的得分，计算所述时间区间段划分序列对应的得分。
可选地，所述第一计算单元，具体用于：
获取所述参考病历集合的病历数量，所述参考病历集合中，对应所述时间区间段划分序列划分的各时间区间段的病历的数量，以及，所述参考病历集合中，对应所述时间区间段划分序列划分的各时间区间段的病历的疾病分布特征；
根据所述参考病历集合的病历数量，所述参考病历集合中，对应所述时间区间段划分序列划分的各时间区间段的病历的数量，以及，所述参考病历集合中，对应所述时间区间段划分序列划分的各时间区间段的病历的疾病分布特征，计算用于表示所述时间区间段划分序列的有序程度的得分。
可选地，所述第二计算单元，具体用于：
获取目标症状划分的时间区间段，所述目标症状为与所述症状相关的症状；
根据所述时间区间段划分序列划分的各时间区间段，与所述目标症状划分的时间区间段的包含关系，计算所述时间区间段划分序列与所述目标症状划分的时间区间段的兼容程度的得分，作为用于表示所述时间区间段划分序列的兼容程度的得分。
可选地，所述第三计算单元，具体用于：
获取所述时间区间段划分序列划分的时间区间段的数量；
根据所述时间区间段划分序列划分的时间区间段的数量，计算用于表示所述时间区间段划分序列的简洁程度的得分。
可选地，所述装置还包括：
病历相似度计算单元，用于在确定所述症状划分的时间区间段之后，根据所述症状划分的时间区间段，计算包含所述症状的两个病历的相似度。
可选地，所述病历相似度计算单元，具体用于：
根据所述症状划分的时间区间段，确定每个病历中与所述症状对应的时间属性值所属的时间区间段；
计算两个时间区间段的差异；
根据所述参考病历集合，获取每个病历中与所述症状对应的时间属性值所属的时间区间段的诊断名分布向量；
计算两个诊断名分布向量的差异；
根据所述两个时间区间段的差异，以及，所述两个诊断名分布向量的差异，计算所述症状在包含所述症状的两个病历中的差异；
根据所述症状在包含所述症状的两个病历中的差异，计算所述两个病历的相似度。
一种时间区间段的划分设备，包括存储器和处理器；
所述存储器，用于存储程序；
所述处理器，用于执行所述程序，实现如上所述的时间区间段的划分方法的各个步骤。
一种可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时，实现如上所述的时间区间段的划分方法的各个步骤。
借由上述技术方案，本申请公开了一种时间区间段的划分方法、相关设备及可读存储介质，对于待划分时间区间段的症状，可以获取包含该症状的参考病历集合，并基于参考病历集合中各参考病历中记录的该症状的时间属性值，确定该症状划分的时间区间段。基于上述方案，在利用病历中症状进行疾病辅助诊断，利用不同病历中同一症状进行病历相似度计算等场景中，即可利用该症状划分的时间区间段。
附图说明
通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本申请的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：
图1为本申请实施例公开的时间区间段的划分方法的流程示意图；
图2为本申请实施例公开的一种时间区间段的划分装置结构示意图；
图3为本申请实施例公开的一种时间区间段的划分设备的硬件结构框图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请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申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
接下来，通过下述实施例对本申请提供的时间区间段的划分方法进行介绍。
参照图1，图1为本申请实施例公开的时间区间段的划分方法的流程示意图，该方法可以包括：
步骤S101：获取待划分时间区间段的症状。
在本申请中，待划分时间区间段的症状可以为用于描述疾病的任一症状。比如，咳嗽、发热、胸闷、头晕等。
步骤S102：获取参考病历集合，所述参考病历集合是预置病历集合中包含所述症状的参考病历的集合。
在本申请中，所述参考病历集合，为预置病历集合中包含所述症状的全部病历或部分病历，如果所述参考病历集合为预置病历集合中包含所述症状的全部病历，则所述预置病历集合中包含所述症状的全部病历均为包含所述症状的参考病历，如果所述参考病历集合为预置病历集合中包含所述症状的部分病历，则包含所述症状的这部分病历为包含所述症状的参考病历，包含所述症状的其他病历为包含所述症状的非参考病历。
需要说明的是，获取参考病历集合的具体实现方式，将通过后面的实施例详细说明。
步骤S103：基于所述参考病历集合中，每个参考病历中记录的所述症状的时间属性值，确定所述症状划分的时间区间段。
在本申请中，参考病历中记录的所述症状的时间属性值是用于描述所述症状的持续时间的值，比如“2天”、“6小时”等，对于一些用于描述所述症状的发作周期的值，比如“间歇性”、“每隔半小时”等，不属于所述症状的时间属性值。不同参考病历中记录的所述症状的持续时间可能是采用不同的时间单位，为了计算方便，本申请中症状的时间属性值是基于预设时间单位描述所述症状的持续时间的值，比如“2天”、“0.5天”等。
需要说明的是，基于所述参考病历集合中，每个参考病历中记录的所述症状的时间属性值，确定所述症状划分的时间区间段的具体实现方式，将通过后面的实施例详细说明。
本实施例公开了一种时间区间段的划分方法，对于待划分时间区间段的症状，可以获取包含该症状的参考病历集合，并基于参考病历集合中各参考病历中记录的该症状的时间属性值，确定该症状划分的时间区间段。基于上述方法，在利用病历中症状进行疾病辅助诊断，利用不同病历中同一症状进行病历相似度计算等场景中，即可利用该症状划分的时间区间段。
在本申请的另一个实施例中，对上述步骤S102获取参考病历集合的具体实现方式进行了说明。该方式可以包括：
步骤S201：根据所述预置病历集合，确定所述症状对应的目标疾病。
在本申请中，所述症状对应的目标疾病所述预置病历集合中对应所述症状的疾病中，对应病历个数最多的疾病。
作为一种可实施方式，根据预置病历集合，确定所述症状对应的目标疾病的具体实现方式可以包括：
步骤S2011：确定所述预置病历集合中，包含所述症状的病历。
在本申请中，所述预置病历集合中，包含所述症状的病历指的是所述预置病历集合中，病历内容中出现所述症状的病历。
步骤S2012：针对每个包含所述症状的病历，根据该病历的诊断名中的基础疾病名，确定该病历对应的疾病。
医学上，病历的诊断名一般是由基础疾病名和补充描述构成，本申请中，病历对应的疾病即为该病历的诊断名中的基础疾病名。为便于理解，假如病历的诊断名为“慢性咽炎”，其中，“咽炎”是基础疾病名，则根据该病历的诊断名，确定该病历对应的疾病即为“咽炎”。
需要说明的是，对于每个包含所述症状的病历的诊断名，可以基于预先定义的基础疾病名，采用字符串匹配或常用的自然语言处理算法，抽取其中的基础疾病名，对此，本申请不再详细说明。
步骤S2013：确定对应病历数量最多的疾病，为所述症状对应的目标疾病。
需要说明的是，经过步骤S2012，可以确定所述预置病历集合中，包含所述症状的病历对应的全部疾病，以及每个疾病对应的病历。在本申请中，可以确定对应病历数量最多的疾病，为所述症状对应的目标疾病。
为便于理解，假设待划分时间区间段的症状为“咳痰”，在预置病历集合中，包含症状“咳痰”的病历有3207个，其中，605个病历的诊断名为“上呼吸道感染”、1829个病历的诊断名为“急性上呼吸道感染”、303个病历的诊断名为“支气管炎”、470个病历的基础疾病名为“慢性支气管炎”。诊断名“上呼吸道感染”和“急性上呼吸道感染”的基础疾病名为“呼吸道感染”，诊断名“支气管炎”和“慢性支气管炎”的基础疾病名为“支气管炎”，则包含症状“咳痰”的病历对应的全部疾病有“呼吸道感染”和“支气管炎”，其中，有605+1829＝2434个病历对应疾病“呼吸道感染”，有303+470＝773个病历对应疾病“支气管炎”，则确定症状“咳痰”对应的目标疾病为“呼吸道感染”。
步骤S202：根据所述预置病历集合中对应所述目标疾病的病历，确定所述症状对应的时间区间段划分层。
在本申请中，可以为每个疾病预置多个层级，不同层级用于表示对该疾病的不同程度的补充描述。
医学上，在病历的诊断名上，多基于疾病部位(如“前”、“后”、“左”、“右”、“上”、“下”等及其可行的组合“右上”、“左上”等，)、疾病急慢性(如“急性”、“慢性”等)、疾病发作频率(如“间歇性”、“持续性”、“急性发作”等)、疾病严重程度(如“轻度”、“中度”、“重度”等)等方面对基础疾病进行补充描述。在本申请中，诊断名中用于补充描述基础疾病的词可以称为诊断名的修饰词。为疾病预置层级时，可以确定不同层级对应不同的修饰词个数。
作为一种示例，本申请中可以为每个疾病预置5个层级，其中，层级0对应的修饰词个数为0，层级1对应的修饰词个数为1，层级2对应的修饰词个数为2，层级3对应的修饰词个数为3，层级4对应的修饰词个数为4。
需要说明的是，所述症状对应的时间区间段划分层是所述目标疾病预置的多个层级中，对应病历信息最丰富的层级。
作为一种可实施方式，所述根据所述预置病历集合中对应所述目标疾病的病历，确定所述症状对应的时间区间段划分层的具体实现方式可以包括：
步骤S2021：针对所述目标疾病预置的每个层级，根据所述预置病历集合中对应所述目标疾病的病历，确定该层级对应的病历数量，以及，该层级对应的诊断名数量。
在本申请中，可以针对所述预置病历集合中对应所述目标疾病的每个病历，根据该病历的诊断名的修饰词，确定该病历对应所述目标疾病的哪个层级。再根据各个病历与所述目标疾病的层级的对应关系，确定所述目标疾病预置的每个层级对应的病历数量，以及，该层级对应的诊断名数量。
需要说明的是，对于每个包含所述症状的病历的诊断名，可以基于预先定义的修饰词，采用字符串匹配或常用的自然语言处理算法，抽取其中的修饰词，对此，本申请不再详细说明。
作为一种可实施方式，可以根据病历的诊断名的修饰词的个数，确定该病历对应所述目标疾病的哪个层级。比如，假设为目标疾病预置5个层级，如果病历的诊断名的修饰词有0个，则该病历对应所述目标疾病的层级0，如果病历的诊断名的修饰词有1个，则该病历对应所述目标疾病的层级1，如果病历的诊断名的修饰词有2个，则该病历对应所述目标疾病的层级2，如果病历的诊断名的修饰词有3个，则该病历对应所述目标疾病的层级3，如果病历的诊断名的修饰词有4个，则该病历对应所述目标疾病的层级4。
步骤S2022：针对所述目标疾病的每个层级，根据所述目标疾病的各个层级对应的病历数量，以及，各个层级对应的诊断名数量，确定所述层级对应病历的信息丰富程度得分。
在本申请中，针对所述目标疾病的每个层级，可以根据所述目标疾病的各个层级对应的病历数量，确定所述层级对应病历的病历丰富程度得分，并根据所述各个层级对应的诊断名数量，确定所述层级对应病历的诊断名丰富程度得分，最后，根据所述层级对应病历的病历丰富程度得分和所述层级对应病历的诊断名丰富程度得分，确定所述层级对应病历的信息丰富程度得分。
为便于理解，本申请给出如下示例：
其中：
i为层级标号，其取值范围可以为预置多个层级中，对应修饰词个数不为0的层级的标号；
RichRate病历(i)是层级i对应病历的病历丰富程度得分、MedicalNum(i)是层级i对应的病历数量、max(MedicalNum)是指各个层级中对应的病历数量最多的那一层级的病历数量。
RichRate诊断名(i)是层级i对应病历的诊断名丰富程度得分、DiagnoseNum(i)是层级i对应的诊断名数量、max(DiagnoseNum)是指各个层级中对应的诊断名数量最多的那一层级的诊断名数量。
RichRate信息(i)是层级i对应病历的信息丰富程度得分。
步骤S2023：确定对应病历的信息丰富程度得分最高的层级，为所述症状对应的时间区间段划分层。
为便于理解，假设为目标疾病预置4个层级，层级2对应病历的信息丰富程度得分最高，则所述症状对应的时间区间段划分层为所述目标疾病的层级2。
步骤S203：确定所述预置病历集合中，属于所述症状对应的时间区间段划分层的病历，为所述参考病历集合中的参考病历。
为便于理解，假设所述症状对应的时间区间段划分层为所述目标疾病的层级2，则确定所述目标疾病的层级2对应的病历，为所述参考病历集合中的参考病历。
在本申请的另一个实施例中，对上述步骤S103基于所述参考病历集合中，每个参考病历中记录的所述症状的时间属性值，确定所述症状划分的时间区间段的具体实现方式进行了说明。该方式可以包括：
步骤S301：根据所述参考病历集合中记录的所述症状的时间属性值，确定所述症状的时间区间段划分属性值。
在本申请中，所述参考病历集合中记录的所述症状的时间属性值即为所述参考病历集合中，各个参考病历中记录的不重复的所述症状的时间属性值。
作为一种实施方式，本申请中可以将所述参考病历集合中记录的所述症状的时间属性值中按属性值的大小排序(升序，或，降序)，得到排序后的时间属性值序列，针对排序后的时间属性值序列，计算序列中任意相邻两个时间属性值的均值，各个均值即为所述症状的时间区间段划分属性值。
为便于理解，假设所述参考病历集合中记录的所述症状的时间属性值包括1天、5天、9天、6天、3天，则排序后的时间属性值序列为{1天，3天，5天，6天，9天}，所述症状的时间区间段划分属性值为2天、4天、5.5天、7.5天。
步骤S302：基于所述症状的时间区间段划分属性值，确定所述症状划分的时间区间段。
在本申请中，可以先基于所述症状的时间区间段划分属性值，确定所述症状的时间区间段划分序列，该序列中包括所述症状的时间区间段划分属性值中的至少一个值，基于该序列中包括的各个值即可确定所述症状划分的时间区间段。
需要说明的是，基于所述症状的时间区间段划分属性值，确定所述症状划分的时间区间段的具体实现方式，将通过后面的实施例详细说明。
在本申请的另一个实施例中，对上述步骤S302基于所述症状的时间区间段划分属性值，确定所述症状划分的时间区间段的具体实现方式进行了说明。
该方式可以包括如下步骤：
步骤S401：基于所述症状的时间区间段划分属性值，确定所述症状的至少一个时间区间段划分序列。
在本申请中，所述症状的每个时间区间段划分序列包括所述症状的时间区间段划分属性值中的至少一个值。
需要说明的是，在本申请中，可以将所述症状的时间区间段划分属性值的所有可能的组合情况进行组合，得到所述症状的至少一个时间区间段划分序列，也可以依据业务知识确定所述症状的时间区间段划分属性值的部分组合情况进行组合，得到所述症状的至少一个时间区间段划分序列。
为便于理解，假设所述症状的时间区间段划分属性值为2天、4天、5.5天、7.5天，基于所述症状的时间区间段划分属性值，确定所述症状的至少一个时间区间段划分序列为{2天}、{4天}、{5.5天}、{7.5天}、{2天，4天}、{2天，5.5天}、{2天，7.5天}、{4天，5.5天}、{4天，7.5天}、{5.5天，7.5天}、{2天，4天，5.5天}、{2天，5.5天，7.5天}、{4天，5.5天，7.5天}、{2天，4天，5.5天，7.5天}中的至少一个。
步骤S402：针对每个时间区间段划分序列，计算所述时间区间段划分序列对应的得分。
在本申请中，所述时间区间段划分序列对应的得分，用于指示所述时间区间段划分序列的合理程度。在本申请中，可以基于多角度的得分总和计算所述时间区间段划分序列对应的得分，具体将通过后面的实施例详细说明。
步骤S403：基于所述得分最高的时间区间段划分序列，确定所述症状划分的时间区间段。
时间区间段划分序列对应的得分越高，说明该时间区间段划分序列越合理，因此，在本申请中，基于所述得分最高的时间区间段划分序列，确定所述症状划分的时间区间段。
为便于理解，假设得分最高的时间区间段划分序列为{2天，5.5天}，则所述症状划分的时间区间段为：小于2天，2天至5.5天，大于5.5天。
在本申请的另一个实施例中，对上述步骤S402针对每个时间区间段划分序列，计算所述时间区间段划分序列对应的得分的具体实现方式进行了说明，该方式可以包括以下步骤：
S501：计算用于表示所述时间区间段划分序列的有序程度的得分。
作为一种可实施方式，所述计算用于表示所述时间区间段划分序列的有序程度的得分的具体实现方式可以为：获取所述参考病历集合的病历数量，所述参考病历集合中，对应所述时间区间段划分序列划分的各时间区间段的病历的数量，以及，所述参考病历集合中，对应所述时间区间段划分序列划分的各时间区间段的病历的疾病分布特征；根据所述参考病历集合的病历数量，所述参考病历集合中，对应所述时间区间段划分序列划分的各时间区间段的病历的数量，以及，所述参考病历集合中，对应所述时间区间段划分序列划分的各时间区间段的病历的疾病分布特征，计算用于表示所述时间区间段划分序列的有序程度的得分。
其中，对应所述时间区间段划分序列划分的各时间区间段的病历的疾病分布特征，可以基于对应所述时间区间段划分序列划分的各时间区间段的病历中各诊断名对应的病历的数量，以及所述对应所述时间区间段划分序列划分的各时间区间段的病历的数量确定。
为便于理解，本申请给出如下计算用于表示所述时间区间段划分序列的有序程度的得分的示例：
其中，Score1(symp，s)用于表示症状symp的时间区间段划分序列s的有序程度的得分，i表示时间区间段划分序列s划分的每个时间区间，N(s)表示所述参考病历集合的病历数量，N(i)表示对应所述时间区间段划分序列划分的时间区间段i的病历的数量，entropy(symp，s，i)表示对应所述时间区间段划分序列划分的时间区间段i的病历疾病分布特征，N(i，d)表示对应所述时间区间段划分序列划分的时间区间段i的病历中诊断名d对应的病历的数量。
S502：计算用于表示所述时间区间段划分序列的兼容程度的得分。
在本申请中，两个时间区间段划分序列兼容指的是两个时间区间段划分序列完全相同或存在包含关系。例如，{3.5，7.2}与{3.5，7.5，10.5}就存在包含关系，二者兼容。两个症状相关指的是在医学上有高度关联，通常是源于相同发病机理，同时出现在一份病历中，因此，在本申请中，可以通过症状在病历中的共现程度确定症状之间是否关联，也可以基于预设的相关症状，确定某个症状的相关症状。
作为一种可实施方式，所述计算用于表示所述时间区间段划分序列的兼容程度的得分的具体实现方式可以为：获取目标症状划分的时间区间段，所述目标症状为与所述症状相关的症状；根据所述时间区间段划分序列划分的各时间区间段，与所述目标症状划分的时间区间段的包含关系，计算所述时间区间段划分序列与所述目标症状划分的时间区间段的兼容程度的得分，作为用于表示所述时间区间段划分序列的兼容程度的得分。
为便于理解，本申请给出如下计算用于表示所述时间区间段划分序列的兼容程度的得分的示例：
其中，Score2(symp，s)用于表示症状symp的时间区间段划分序列s的兼容程度的得分，t为目标症状。
S503：计算用于表示所述时间区间段划分序列的简洁程度的得分。
在本申请中，时间区间段划分序列划分的时间区间段的数量越少，越简洁。作为一种可实施方式，所述计算用于表示所述时间区间段划分序列的简洁程度的得分的具体实现方式可以为：获取所述时间区间段划分序列划分的时间区间段的数量；根据所述时间区间段划分序列划分的时间区间段的数量，计算用于表示所述时间区间段划分序列的简洁程度的得分。
为便于理解，本申请给出如下计算用于表示所述时间区间段划分序列的简洁程度的得分的示例：
Score3(s)＝-Σi1
其中，Score3(s)用于表示时间区间段划分序列s的间接程度的得分，i表示时间区间段划分序列s划分的每个时间区间。
举例说明如下：假如s是{3.5，7.5}，则用于表示s的简洁程度的得分是-3，假如s是
则用于表示s的简洁程度的得分是-13。
S504：根据用于表示所述时间区间段划分序列的有序程度的得分、用于表示所述时间区间段划分序列的兼容程度的得分，以及，用于表示所述时间区间段划分序列的简洁程度的得分，计算所述时间区间段划分序列对应的得分。
在本申请中，可以为用于表示所述时间区间段划分序列的有序程度的得分、用于表示所述时间区间段划分序列的兼容程度的得分，以及，用于表示所述时间区间段划分序列的简洁程度的得分分别赋予相应的权重，再计算上述得分的加权和，即可得到所述时间区间段划分序列对应的得分。
为便于理解，本申请给出如下计算所述时间区间段划分序列对应的得分的示例：
Score(symp，s)＝α×Score1(symp，s)+β×Score2(symp，s)+γ×Score3(s)
其中，Score(symp，s)表示时间区间段划分序列s对应的得分；
Score1(symp，s)用于表示症状symp的时间区间段划分序列s的有序程度的得分，α为其权重；
Score2(symp，s)用于表示症状symp的时间区间段划分序列s的兼容程度的得分，β为其权重；
Score3(s)用于表示时间区间段划分序列s的间接程度的得分，γ为其权重。
需要说明的是，α、β、γ的具体取值可以依据具体业务场景进行设置，本申请不进行任何限定。
对于症状划分的时间区间段的应用场景有多个，比如，可以根据症状划分的时间区间段，计算包含所述症状的两个病历的相似度，再比如，可以根据症状划分的时间区间段，进行疾病辅助诊断等等。本申请中将通过以下实施例对根据所述症状划分的时间区间段，计算包含所述症状的两个病历的相似度的具体实现方式进行详细介绍，该方式可以包括如下步骤：
步骤S601：根据所述症状划分的时间区间段，计算所述症状在包含所述症状的两个病历中的差异。
在本申请中，所述根据所述症状划分的时间区间段，计算所述症状在包含所述症状的两个病历中的差异的具体实现方式可以包括以下步骤：
步骤S6011：根据所述症状划分的时间区间段，确定每个病历中与所述症状对应的时间属性值所属的时间区间段。
为便于理解，假设所述症状划分的时间区间段为：小于2天，2天至5.5天，大于5.5天，症状对应的时间属性值为3天，则症状对应的时间属性值所属的时间区间段为：2天至5.5天。
步骤S6012：计算两个时间区间段的差异。
在本申请中，可以每个时间区间段是所述症状划分的第几个时间区间段，基于此，计算两个时间区间段的差异。
为便于理解，假设病历1中与所述症状对应的时间属性值所属的时间区间段是所述症状划分的第2个时间段；病历2中与所述症状对应的时间属性值所属的时间区间段是所述症状划分的第4个时间段，则两个时间区间段的差异为2。
步骤S6013：根据所述参考病历集合，获取每个病历中与所述症状对应的时间属性值所属的时间区间段的诊断名分布向量。
在本申请中，针对每个病历中与所述症状对应的时间属性值所属的时间区间段，可以获取所述参考病历集合中，对应该时间区间段的病历中各诊断名对应的病历数量，基于对应该时间区间段的病历中各诊断名对应的病历数量，确定相应的诊断名分布向量。
为便于理解，假设所述参考病历集合中，对应时间区间段1的病历中83份病历的诊断名为“急性肺炎”、12份为“慢性肺炎”、5份为“轻度肺炎”，则时间区间段1的诊断名分布向量可以为(0.83，0.12，0.05)。
步骤S6014：计算两个诊断名分布向量的差异。
在本申请中，可以对两个诊断名分布向量进行点乘，计算得到两个诊断名分布向量的差异。
步骤S6015：根据所述两个时间区间段的差异，以及，所述两个诊断名分布向量的差异，计算所述症状在包含所述症状的两个病历中的差异。
在本申请中，可以将所述两个时间区间段的差异，以及，所述两个诊断名分布向量的差异的和，作为所述症状在包含所述症状的两个病历中的差异。
步骤S602：根据所述症状在包含所述症状的两个病历中的差异，计算所述两个病历的相似度。
在本申请中，根据所述症状在包含所述症状的两个病历中的差异，计算所述两个病历的相似度，具体可以包括，先根据所述症状在包含所述症状的两个病历中的差异，以及所述包含所述症状的两个病历中包含的其他相同症状的差异，计算两个病历在症状层级的相似度，再计算两个病历在病历层级的相似度，最后基于两个病历在症状层级的相似度，以及，两个病历在病历层级的相似度，计算两个病历的相似度。
其中，两个病历在症状层级的相似度，可以是两个病历中包含的全部相同症状的差异之和。两个病历在病历层级的相似度可以基于两个病历包含的全部症状词，以及，两个病历包含的相同症状词，计算而得。可以计算两个病历在症状层级的相似度，以及，两个病历在病历层级的相似度之和，作为两个病历的相似度。
下面对本申请实施例公开的时间区间段的划分装置进行描述，下文描述的时间区间段的划分装置与上文描述的时间区间段的划分方法可相互对应参照。
参照图2，图2为本申请实施例公开的一种时间区间段的划分装置结构示意图。如图2所示，该时间区间段的划分装置可以包括：
症状获取单元11，用于获取待划分时间区间段的症状；
参考病历集合获取单元12，用于获取参考病历集合，所述参考病历集合是预置病历集合中包含所述症状的参考病历的集合；
确定单元13，用于基于所述参考病历集合中，每个参考病历中记录的所述症状的时间属性值，确定所述症状划分的时间区间段。
可选地，所述参考病历集合获取单元，包括：
目标疾病确定单元，用于根据所述预置病历集合，确定所述症状对应的目标疾病；
时间区间段划分层确定单元，用于根据所述预置病历集合中对应所述目标疾病的病历，确定所述症状对应的时间区间段划分层；
参考病历确定单元，用于确定所述预置病历集合中，属于所述症状对应的时间区间段划分层的病历，为所述参考病历集合中的参考病历。
可选地，所述目标疾病确定单元，包括：
病历确定单元，用于确定所述预置病历集合中，包含所述症状的病历；
疾病确定单元，用于针对每个包含所述症状的病历，根据该病历的诊断名中的基础疾病名，确定该病历对应的疾病；
目标疾病确定子单元，用于确定对应病历数量最多的疾病，为所述症状对应的目标疾病。
可选地，所述时间区间段划分层确定单元，包括：
层级参数确定单元，用于针对所述目标疾病预置的每个层级，根据所述预置病历集合中对应所述目标疾病的病历，确定该层级对应的病历数量，以及，该层级对应的诊断名数量；
信息丰富程度得分确定单元，用于根据所述目标疾病的各个层级对应的病历数量，以及，各个层级对应的诊断名数量，确定所述层级对应病历的信息丰富程度得分；
时间区间段划分层确定子单元，用于确定对应病历的信息丰富程度得分最高的层级，为所述症状对应的时间区间段划分层。
可选地，所述确定单元，包括：
时间区间段划分属性值确定单元，用于根据所述参考病历集合中记录的所述症状的时间属性值，确定所述症状的时间区间段划分属性值；
时间区间段确定单元，用于基于所述症状的时间区间段划分属性值，确定所述症状划分的时间区间段。
可选地，所述时间区间段确定单元，包括：
时间区间段划分序列确定单元，用于基于所述症状的时间区间段划分属性值，确定所述症状的至少一个时间区间段划分序列，所述症状的每个时间区间段划分序列包括所述症状的时间区间段划分属性值中的至少一个值；
计算单元，用于针对每个时间区间段划分序列，计算所述时间区间段划分序列对应的得分；
时间区间段确定子单元，用于基于所述得分最高的时间区间段划分序列，确定所述症状划分的时间区间段。
可选地，所述计算单元，包括：
第一计算单元，用于计算用于表示所述时间区间段划分序列的有序程度的得分；
第二计算单元，用于计算用于表示所述时间区间段划分序列的兼容程度的得分；
第三计算单元，用于计算用于表示所述时间区间段划分序列的简洁程度的得分；
第四计算单元，用于根据用于表示所述时间区间段划分序列的有序程度的得分、用于表示所述时间区间段划分序列的兼容程度的得分，以及，用于表示所述时间区间段划分序列的简洁程度的得分，计算所述时间区间段划分序列对应的得分。
可选地，所述第一计算单元，具体用于：
获取所述参考病历集合的病历数量，所述参考病历集合中，对应所述时间区间段划分序列划分的各时间区间段的病历的数量，以及，所述参考病历集合中，对应所述时间区间段划分序列划分的各时间区间段的病历的疾病分布特征；
根据所述参考病历集合的病历数量，所述参考病历集合中，对应所述时间区间段划分序列划分的各时间区间段的病历的数量，以及，所述参考病历集合中，对应所述时间区间段划分序列划分的各时间区间段的病历的疾病分布特征，计算用于表示所述时间区间段划分序列的有序程度的得分。
可选地，所述第二计算单元，具体用于：
获取目标症状划分的时间区间段，所述目标症状为与所述症状相关的症状；
根据所述时间区间段划分序列划分的各时间区间段，与所述目标症状划分的时间区间段的包含关系，计算所述时间区间段划分序列与所述目标症状划分的时间区间段的兼容程度的得分，作为用于表示所述时间区间段划分序列的兼容程度的得分。
可选地，所述第三计算单元，具体用于：
获取所述时间区间段划分序列划分的时间区间段的数量；
根据所述时间区间段划分序列划分的时间区间段的数量，计算用于表示所述时间区间段划分序列的简洁程度的得分。
可选地，所述装置还包括：
病历相似度计算单元，用于在确定所述症状划分的时间区间段之后，根据所述症状划分的时间区间段，计算包含所述症状的两个病历的相似度。
可选地，所述病历相似度计算单元，具体用于：
根据所述症状划分的时间区间段，确定每个病历中与所述症状对应的时间属性值所属的时间区间段；
计算两个时间区间段的差异；
根据所述参考病历集合，获取每个病历中与所述症状对应的时间属性值所属的时间区间段的诊断名分布向量；
计算两个诊断名分布向量的差异；
根据所述两个时间区间段的差异，以及，所述两个诊断名分布向量的差异，计算所述症状在包含所述症状的两个病历中的差异；
根据所述症状在包含所述症状的两个病历中的差异，计算所述两个病历的相似度。
参照图3，图3为本申请实施例提供的时间区间段的划分设备的硬件结构框图，参照图3，时间区间段的划分设备的硬件结构可以包括：至少一个处理器1，至少一个通信接口2，至少一个存储器3和至少一个通信总线4；
在本申请实施例中，处理器1、通信接口2、存储器3、通信总线4的数量为至少一个，且处理器1、通信接口2、存储器3通过通信总线4完成相互间的通信；
处理器1可能是一个中央处理器CPU，或者是特定集成电路ASIC(ApplicationSpecific Integrated Circuit)，或者是被配置成实施本发明实施例的一个或多个集成电路等；
存储器3可能包含高速RAM存储器，也可能还包括非易失性存储器(non-volatilememory)等，例如至少一个磁盘存储器；
其中，存储器存储有程序，处理器可调用存储器存储的程序，所述程序用于：
获取待划分时间区间段的症状；
获取参考病历集合，所述参考病历集合是预置病历集合中包含所述症状的参考病历的集合；
基于所述参考病历集合中，每个参考病历中记录的所述症状的时间属性值，确定所述症状划分的时间区间段。
可选的，所述程序的细化功能和扩展功能可参照上文描述。
本申请实施例还提供一种可读存储介质，该可读存储介质可存储有适于处理器执行的程序，所述程序用于：
获取待划分时间区间段的症状；
获取参考病历集合，所述参考病历集合是预置病历集合中包含所述症状的参考病历的集合；
基于所述参考病历集合中，每个参考病历中记录的所述症状的时间属性值，确定所述症状划分的时间区间段。
可选的，所述程序的细化功能和扩展功能可参照上文描述。
最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下，在其它实施例中实现。因此，本申请将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (15)
1.一种时间区间段的划分方法，其特征在于，包括：
获取待划分时间区间段的症状；
获取参考病历集合，所述参考病历集合是预置病历集合中包含所述症状的参考病历的集合；
基于所述参考病历集合中，每个参考病历中记录的所述症状的时间属性值，确定所述症状划分的时间区间段。
2.根据权利要求1所述的方法，其特征在于，所述获取参考病历集合，包括：
根据所述预置病历集合，确定所述症状对应的目标疾病；
根据所述预置病历集合中对应所述目标疾病的病历，确定所述症状对应的时间区间段划分层；
确定所述预置病历集合中，属于所述症状对应的时间区间段划分层的病历，为所述参考病历集合中的参考病历。
3.根据权利要求2所述的方法，其特征在于，所述根据所述预置病历集合，确定所述症状对应的目标疾病，包括：
确定所述预置病历集合中，包含所述症状的病历；
针对每个包含所述症状的病历，根据该病历的诊断名中的基础疾病名，确定该病历对应的疾病；
确定对应病历数量最多的疾病，为所述症状对应的目标疾病。
4.根据权利要求2所述的方法，其特征在于，所述根据所述预置病历集合中对应所述目标疾病的病历，确定所述症状对应的时间区间段划分层，包括：
针对所述目标疾病预置的每个层级，根据所述预置病历集合中对应所述目标疾病的病历，确定该层级对应的病历数量，以及，该层级对应的诊断名数量；
根据所述目标疾病的各个层级对应的病历数量，以及，各个层级对应的诊断名数量，确定所述层级对应病历的信息丰富程度得分；
确定对应病历的信息丰富程度得分最高的层级，为所述症状对应的时间区间段划分层。
5.根据权利要求1所述的方法，其特征在于，所述基于所述参考病历集合中，每个参考病历中记录的所述症状的时间属性值，确定所述症状划分的时间区间段，包括：
根据所述参考病历集合中记录的所述症状的时间属性值，确定所述症状的时间区间段划分属性值；
基于所述症状的时间区间段划分属性值，确定所述症状划分的时间区间段。
6.根据权利要求5所述的方法，其特征在于，所述基于所述症状的时间区间段划分属性值，确定所述症状划分的时间区间段，包括：
基于所述症状的时间区间段划分属性值，确定所述症状的至少一个时间区间段划分序列，所述症状的每个时间区间段划分序列包括所述症状的时间区间段划分属性值中的至少一个值；
针对每个时间区间段划分序列，计算所述时间区间段划分序列对应的得分；
基于所述得分最高的时间区间段划分序列，确定所述症状划分的时间区间段。
7.根据权利要求6所述的方法，其特征在于，所述针对每个时间区间段划分序列，计算所述时间区间段划分序列对应的得分，包括：
计算用于表示所述时间区间段划分序列的有序程度的得分；
计算用于表示所述时间区间段划分序列的兼容程度的得分；
计算用于表示所述时间区间段划分序列的简洁程度的得分；
根据用于表示所述时间区间段划分序列的有序程度的得分、用于表示所述时间区间段划分序列的兼容程度的得分，以及，用于表示所述时间区间段划分序列的简洁程度的得分，计算所述时间区间段划分序列对应的得分。
8.根据权利要求7所述的方法，其特征在于，所述计算用于表示所述时间区间段划分序列的有序程度的得分，包括：
获取所述参考病历集合的病历数量，所述参考病历集合中，对应所述时间区间段划分序列划分的各时间区间段的病历的数量，以及，所述参考病历集合中，对应所述时间区间段划分序列划分的各时间区间段的病历的疾病分布特征；
根据所述参考病历集合的病历数量，所述参考病历集合中，对应所述时间区间段划分序列划分的各时间区间段的病历的数量，以及，所述参考病历集合中，对应所述时间区间段划分序列划分的各时间区间段的病历的疾病分布特征，计算用于表示所述时间区间段划分序列的有序程度的得分。
9.根据权利要求7所述的方法，其特征在于，所述计算用于表示所述时间区间段划分序列的兼容程度的得分，包括：
获取目标症状划分的时间区间段，所述目标症状为与所述症状相关的症状；
根据所述时间区间段划分序列划分的各时间区间段，与所述目标症状划分的时间区间段的包含关系，计算所述时间区间段划分序列与所述目标症状划分的时间区间段的兼容程度的得分，作为用于表示所述时间区间段划分序列的兼容程度的得分。
10.根据权利要求7所述的方法，其特征在于，所述计算用于表示所述时间区间段划分序列的简洁程度的得分，包括：
获取所述时间区间段划分序列划分的时间区间段的数量；
根据所述时间区间段划分序列划分的时间区间段的数量，计算用于表示所述时间区间段划分序列的简洁程度的得分。
11.根据权利要求1至10中任意一项所述的方法，其特征在于，在确定所述症状划分的时间区间段之后，所述方法还包括：
根据所述症状划分的时间区间段，计算包含所述症状的两个病历的相似度。
12.根据权利要求11所述的方法，其特征在于，所述根据所述症状划分的时间区间段，计算包含所述症状的两个病历的相似度，包括：
根据所述症状划分的时间区间段，确定每个病历中与所述症状对应的时间属性值所属的时间区间段；
计算两个时间区间段的差异；
根据所述参考病历集合，获取每个病历中与所述症状对应的时间属性值所属的时间区间段的诊断名分布向量；
计算两个诊断名分布向量的差异；
根据所述两个时间区间段的差异，以及，所述两个诊断名分布向量的差异，计算所述症状在包含所述症状的两个病历中的差异；
根据所述症状在包含所述症状的两个病历中的差异，计算所述两个病历的相似度。
13.一种时间区间段的划分装置，其特征在于，包括：
症状获取单元，用于获取待划分时间区间段的症状；
参考病历集合获取单元，用于获取参考病历集合，所述参考病历集合是预置病历集合中包含所述症状的参考病历的集合；
确定单元，用于基于所述参考病历集合中，每个参考病历中记录的所述症状的时间属性值，确定所述症状划分的时间区间段。
14.一种时间区间段的划分设备，其特征在于，包括存储器和处理器；
所述存储器，用于存储程序；
所述处理器，用于执行所述程序，实现如权利要求1至12中任一项所述的时间区间段的划分方法的各个步骤。
15.一种可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时，实现如权利要求1至12中任一项所述的时间区间段的划分方法的各个步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010618955.9A CN111785386B (zh) | 2020-06-30 | 2020-06-30 | 时间区间段的划分方法、相关设备及可读存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010618955.9A CN111785386B (zh) | 2020-06-30 | 2020-06-30 | 时间区间段的划分方法、相关设备及可读存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111785386A true CN111785386A (zh) | 2020-10-16 |
| CN111785386B CN111785386B (zh) | 2024-04-05 |
Family
ID=72759982
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010618955.9A Active CN111785386B (zh) | 2020-06-30 | 2020-06-30 | 时间区间段的划分方法、相关设备及可读存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111785386B (zh) |
Citations (27)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102156812A (zh) * | 2011-04-02 | 2011-08-17 | 中国医学科学院医学信息研究所 | 基于症状相似度分析的就医辅助决策方法 |
| CN104732082A (zh) * | 2015-03-19 | 2015-06-24 | 惠州Tcl移动通信有限公司 | 一种基于人体症状的数据处理方法及系统 |
| CN105184103A (zh) * | 2015-10-15 | 2015-12-23 | 清华大学深圳研究生院 | 基于病历数据库的虚拟名医 |
| CN106295186A (zh) * | 2016-08-11 | 2017-01-04 | 中国科学院计算技术研究所 | 一种基于智能推理的辅助疾病诊断的方法与系统 |
| CN106372425A (zh) * | 2016-08-31 | 2017-02-01 | 广东省疾病预防控制中心 | 一种基于症状比例r值的症状监测预警方法 |
| CN107038336A (zh) * | 2017-03-21 | 2017-08-11 | 科大讯飞股份有限公司 | 一种电子病历自动生成方法及装置 |
| CN107818815A (zh) * | 2017-10-30 | 2018-03-20 | 北京康夫子科技有限公司 | 电子病历的检索方法及系统 |
| CN108399950A (zh) * | 2018-02-05 | 2018-08-14 | 褚晓凡 | 原发性头痛的人工智能诊断与鉴别诊断系统 |
| CN108461110A (zh) * | 2017-02-21 | 2018-08-28 | 阿里巴巴集团控股有限公司 | 医疗信息处理方法、装置及设备 |
| CN109033384A (zh) * | 2018-07-27 | 2018-12-18 | 重庆柚瓣家科技有限公司 | 基于ai的老人分诊系统对话管理方法 |
| CN109036577A (zh) * | 2018-07-27 | 2018-12-18 | 合肥工业大学 | 糖尿病并发症分析方法及装置 |
| CN109256206A (zh) * | 2018-08-14 | 2019-01-22 | 平安医疗健康管理股份有限公司 | 问诊数据处理方法、装置、计算机设备和存储介质 |
| CN109524121A (zh) * | 2018-11-09 | 2019-03-26 | 贵州医渡云技术有限公司 | 医疗文件处理方法与装置 |
| CN109616165A (zh) * | 2018-11-07 | 2019-04-12 | 平安科技（深圳）有限公司 | 医疗信息展示方法及装置 |
| CN109800414A (zh) * | 2018-12-13 | 2019-05-24 | 科大讯飞股份有限公司 | 语病修正推荐方法及系统 |
| CN110019820A (zh) * | 2019-03-28 | 2019-07-16 | 云知声（上海）智能科技有限公司 | 一种病历中主诉与现病史症状时间一致性检测方法 |
| CN110020005A (zh) * | 2019-03-28 | 2019-07-16 | 云知声（上海）智能科技有限公司 | 一种病历中主诉和现病史中症状匹配方法 |
| CN110047593A (zh) * | 2019-04-12 | 2019-07-23 | 平安科技（深圳）有限公司 | 疾病流行季等级的确定方法、装置、设备及可读存储介质 |
| CN110136788A (zh) * | 2019-05-14 | 2019-08-16 | 清华大学 | 一种基于自动检测的病历质检方法、装置、设备及存储介质 |
| CN110491499A (zh) * | 2019-07-10 | 2019-11-22 | 厦门大学 | 面向标注电子病历的临床辅助决策方法及系统 |
| CN110517785A (zh) * | 2019-08-28 | 2019-11-29 | 北京百度网讯科技有限公司 | 相似病例的查找方法、装置及设备 |
| CN111028934A (zh) * | 2019-12-23 | 2020-04-17 | 科大讯飞股份有限公司 | 诊断质检方法、装置、电子设备和存储介质 |
| CN111177309A (zh) * | 2019-12-05 | 2020-05-19 | 宁波紫冬认知信息科技有限公司 | 病历数据的处理方法及装置 |
| CN111261251A (zh) * | 2020-01-20 | 2020-06-09 | 北京百度网讯科技有限公司 | 生成电子病历的方法、装置、电子设备以及计算机可读存储介质 |
| CN111259111A (zh) * | 2020-01-13 | 2020-06-09 | 安徽科大讯飞医疗信息技术有限公司 | 基于病历的辅助决策方法、装置、电子设备和存储介质 |
| CN111326243A (zh) * | 2020-02-05 | 2020-06-23 | 安徽科大讯飞医疗信息技术有限公司 | 分诊推荐方法、装置、电子设备和存储介质 |
| CN111326226A (zh) * | 2020-02-14 | 2020-06-23 | 腾讯科技（深圳）有限公司 | 电子病历的解析处理及显示方法、装置、设备及存储介质 |
-
2020
- 2020-06-30 CN CN202010618955.9A patent/CN111785386B/zh active Active
Patent Citations (27)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102156812A (zh) * | 2011-04-02 | 2011-08-17 | 中国医学科学院医学信息研究所 | 基于症状相似度分析的就医辅助决策方法 |
| CN104732082A (zh) * | 2015-03-19 | 2015-06-24 | 惠州Tcl移动通信有限公司 | 一种基于人体症状的数据处理方法及系统 |
| CN105184103A (zh) * | 2015-10-15 | 2015-12-23 | 清华大学深圳研究生院 | 基于病历数据库的虚拟名医 |
| CN106295186A (zh) * | 2016-08-11 | 2017-01-04 | 中国科学院计算技术研究所 | 一种基于智能推理的辅助疾病诊断的方法与系统 |
| CN106372425A (zh) * | 2016-08-31 | 2017-02-01 | 广东省疾病预防控制中心 | 一种基于症状比例r值的症状监测预警方法 |
| CN108461110A (zh) * | 2017-02-21 | 2018-08-28 | 阿里巴巴集团控股有限公司 | 医疗信息处理方法、装置及设备 |
| CN107038336A (zh) * | 2017-03-21 | 2017-08-11 | 科大讯飞股份有限公司 | 一种电子病历自动生成方法及装置 |
| CN107818815A (zh) * | 2017-10-30 | 2018-03-20 | 北京康夫子科技有限公司 | 电子病历的检索方法及系统 |
| CN108399950A (zh) * | 2018-02-05 | 2018-08-14 | 褚晓凡 | 原发性头痛的人工智能诊断与鉴别诊断系统 |
| CN109033384A (zh) * | 2018-07-27 | 2018-12-18 | 重庆柚瓣家科技有限公司 | 基于ai的老人分诊系统对话管理方法 |
| CN109036577A (zh) * | 2018-07-27 | 2018-12-18 | 合肥工业大学 | 糖尿病并发症分析方法及装置 |
| CN109256206A (zh) * | 2018-08-14 | 2019-01-22 | 平安医疗健康管理股份有限公司 | 问诊数据处理方法、装置、计算机设备和存储介质 |
| CN109616165A (zh) * | 2018-11-07 | 2019-04-12 | 平安科技（深圳）有限公司 | 医疗信息展示方法及装置 |
| CN109524121A (zh) * | 2018-11-09 | 2019-03-26 | 贵州医渡云技术有限公司 | 医疗文件处理方法与装置 |
| CN109800414A (zh) * | 2018-12-13 | 2019-05-24 | 科大讯飞股份有限公司 | 语病修正推荐方法及系统 |
| CN110019820A (zh) * | 2019-03-28 | 2019-07-16 | 云知声（上海）智能科技有限公司 | 一种病历中主诉与现病史症状时间一致性检测方法 |
| CN110020005A (zh) * | 2019-03-28 | 2019-07-16 | 云知声（上海）智能科技有限公司 | 一种病历中主诉和现病史中症状匹配方法 |
| CN110047593A (zh) * | 2019-04-12 | 2019-07-23 | 平安科技（深圳）有限公司 | 疾病流行季等级的确定方法、装置、设备及可读存储介质 |
| CN110136788A (zh) * | 2019-05-14 | 2019-08-16 | 清华大学 | 一种基于自动检测的病历质检方法、装置、设备及存储介质 |
| CN110491499A (zh) * | 2019-07-10 | 2019-11-22 | 厦门大学 | 面向标注电子病历的临床辅助决策方法及系统 |
| CN110517785A (zh) * | 2019-08-28 | 2019-11-29 | 北京百度网讯科技有限公司 | 相似病例的查找方法、装置及设备 |
| CN111177309A (zh) * | 2019-12-05 | 2020-05-19 | 宁波紫冬认知信息科技有限公司 | 病历数据的处理方法及装置 |
| CN111028934A (zh) * | 2019-12-23 | 2020-04-17 | 科大讯飞股份有限公司 | 诊断质检方法、装置、电子设备和存储介质 |
| CN111259111A (zh) * | 2020-01-13 | 2020-06-09 | 安徽科大讯飞医疗信息技术有限公司 | 基于病历的辅助决策方法、装置、电子设备和存储介质 |
| CN111261251A (zh) * | 2020-01-20 | 2020-06-09 | 北京百度网讯科技有限公司 | 生成电子病历的方法、装置、电子设备以及计算机可读存储介质 |
| CN111326243A (zh) * | 2020-02-05 | 2020-06-23 | 安徽科大讯飞医疗信息技术有限公司 | 分诊推荐方法、装置、电子设备和存储介质 |
| CN111326226A (zh) * | 2020-02-14 | 2020-06-23 | 腾讯科技（深圳）有限公司 | 电子病历的解析处理及显示方法、装置、设备及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111785386B (zh) | 2024-04-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Te Nijenhuis et al. | Is the Flynn effect on g?: A meta-analysis | |
| CN109036577B (zh) | 糖尿病并发症分析方法及装置 | |
| CN106407364B (zh) | 一种基于人工智能的信息推荐方法和装置 | |
| JP2008305402A (ja) | 代表的なトレースを得るための命令を識別する方法、コンピュータ・プログラム及びシステム | |
| CN111461168A (zh) | 训练样本扩充方法、装置、电子设备及存储介质 | |
| WO2016073776A1 (en) | System for management of health resources | |
| CN116092681B (zh) | 确定健康指数评分的方法、系统、电子设备及存储介质 | |
| CN110812241A (zh) | 基于时序聚类的用药提醒方法及相关设备 | |
| CN114141377A (zh) | 一种建立诊断规则库的方法、诊断信息审核的方法及设备 | |
| CN111046882A (zh) | 基于剖面隐式马尔科夫模型的疾病名称标准化方法和系统 | |
| CN113903420A (zh) | 一种语义标签确定模型的构建方法、病历解析方法 | |
| CN108875043B (zh) | 用户数据处理方法、装置、计算机设备和存储介质 | |
| CN111785386A (zh) | 时间区间段的划分方法、相关设备及可读存储介质 | |
| CN111968740B (zh) | 一种诊断标签推荐方法、装置、存储介质及电子设备 | |
| CN111785369B (zh) | 诊断预测方法、相关设备及可读存储介质 | |
| CN112382398B (zh) | 多尺度临床路径挖掘方法、装置、计算机设备及存储介质 | |
| CN109994211B (zh) | 一种基于ehr数据的慢性肾脏病恶化风险的建模方法 | |
| CN109102845B (zh) | 医疗单据审核方法、装置、计算机设备和存储介质 | |
| CN111430037A (zh) | 相似病历查找方法及系统 | |
| JP5175585B2 (ja) | 文書処理装置、電子カルテ装置および文書処理プログラム | |
| CN111816273B (zh) | 一种海量电子病历的大规模医学知识图谱构建方法 | |
| WO2022095423A1 (zh) | 视频帧提取方法及相关设备 | |
| CN114926082A (zh) | 基于人工智能的数据波动预警方法及相关设备 | |
| CN114780368A (zh) | 表数据同步工具评测方法与表述数据同步方法 | |
| CN108304370B (zh) | 数据更新方法及装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| CB02 | Change of applicant information |
Address after: 230088 floor 23-24, building A5, No. 666, Wangjiang West Road, high tech Zone, Hefei, Anhui Province Applicant after: Anhui Xunfei Medical Co.,Ltd. Address before: 230088 18th floor, building A5, NO.666, Wangjiang West Road, high tech Zone, Hefei City, Anhui Province Applicant before: ANHUI IFLYTEK MEDICAL INFORMATION TECHNOLOGY CO.,LTD. |
|
| CB02 | Change of applicant information | ||
| CB02 | Change of applicant information |
Address after: 230000 floor 23-24, building A5, No. 666, Wangjiang West Road, high tech Zone, Hefei City, Anhui Province Applicant after: IFLYTEK Medical Technology Co.,Ltd. Address before: 230088 floor 23-24, building A5, No. 666, Wangjiang West Road, high tech Zone, Hefei, Anhui Province Applicant before: Anhui Xunfei Medical Co.,Ltd. |
|
| CB02 | Change of applicant information | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |