CN111899865B - 医疗信息的推荐方法、装置、介质及电子设备 - Google Patents
医疗信息的推荐方法、装置、介质及电子设备 Download PDFInfo
- Publication number
- CN111899865B CN111899865B CN202010681151.3A CN202010681151A CN111899865B CN 111899865 B CN111899865 B CN 111899865B CN 202010681151 A CN202010681151 A CN 202010681151A CN 111899865 B CN111899865 B CN 111899865B
- Authority
- CN
- China
- Prior art keywords
- object feature
- current
- feature set
- target information
- sequence
- 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.)
- Active
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
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/332—Query formulation
-
- 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)
- Public Health (AREA)
- Medical Informatics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Biomedical Technology (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Pathology (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Computational Linguistics (AREA)
- Mathematical Physics (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本公开实施例提供了一种医疗信息的推荐方法、装置、计算机可读存储介质和电子设备,涉及计算机技术领域。所述推荐方法包括:根据预先设置的第一对象特征序列获取当前患者的病例的当前对象特征集合;在预先处理的病例库中匹配与所述当前对象特征集合相似的第一对象特征集合;当与所述当前对象特征集合匹配的第一对象特征集合对应的病例的个数超过预设阈值时,将匹配到的第一对象特征集合对应的第一目标信息集合,作为与所述当前对象特征集合匹配的当前目标信息集合,并将所述当前目标信息集合作为所述当前患者的推荐信息。采用本发明实施例的技术方案,可以较为精确快速地为患者推荐相似病例的目标信息。
Description
技术领域
本公开涉及计算机技术领域,具体而言,涉及一种医疗信息的推荐方法、装置、计算机可读存储介质及电子设备。
背景技术
在临床实践中,如果医生希望获得与当前就诊患者病症相似患者的诊疗方式和转归结果,可以基于个人经验判断,也可以通过手工查阅纸质病历或者使用电子病历系统的检索功能查出若干相似病历,并逐一分析得到每一份病历的治疗方案和临床转归。
基于个人经验的判断方式强烈依赖于医生的主观经验,无法做到标准化应用,并且医生的积累经验本身就需要较长的时间,当出现类似COVID-19这样的新型疾病时,很难在短时间积累大量经验。
查阅纸质病历或者电子病历并进行分析时,现有的基于关键字文本匹配的搜索技术无法精确地表达相似患者的条件。在临床应用中,判断一份既往病历与当前给定患者相似往往不能只看关键词是否匹配,还要基于语义理解的结果分析,例如:临床分型是否一致,截止当前这一刻的指标变化趋势是否相似等。这就导致关键字搜索出来的结果与医生意图不符,无法为医生提供有价值的分析资料。
另外,搜索得到的病历列表不能直接的提供医生需要的信息。医生需要的是不同诊疗方案对应的结果即转归是什么,而进行相似病历查询时没有抽取诊疗方案、转归结果和其他对临床有指导意义信息,医生需要一份一份人工查阅和整理,效率较低且会出现漏查现象。
需要说明的是,在上述背景技术部分公开的信息仅用于加强对本公开的背景的理解,因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。
发明内容
本公开实施例的目的在于提供一种医疗信息的推荐方法、装置、计算机可读存储介质及电子设备,进而至少在一定程度上更为精确高效率地为医生推荐当前患者的相似病例,以帮助医生提供诊疗依据。
本公开的其他特性和优点将通过下面的详细描述变得显然,或部分地通过本公开的实践而习得。
根据本公开实施例的第一方面,提供了一种医疗信息的推荐方法,根据预先设置的第一对象特征序列获取当前患者的病例的当前对象特征集合,所述当前对象特征集合包括所述第一对象特征序列中的对象特征及其特征值;在预先处理的病例库中匹配与所述当前对象特征集合相似的第一对象特征集合,其中,预先处理的病例库中,每一病例对应一包含第一对象特征序列中的对象特征的第一对象特征集合和一第一目标信息集合;当与所述当前对象特征集合匹配的第一对象特征集合对应的病例的个数超过预设阈值时,将匹配到的第一对象特征集合对应的第一目标信息集合,作为与所述当前对象特征集合匹配的当前目标信息集合,并将所述当前目标信息集合作为所述当前患者的推荐信息。
在一些实施例中,所述第一对象特征序列包括多个第一对象特征,以及所述第一对象特征对应的权重;每一所述第一目标信息集合包括第一目标信息序列中的目标信息及其信息值;所述第一目标信息序列包括多个不同维度的目标信息。
在一些实施例中,所述推荐方法还包括:步骤A:当与所述当前对象特征集合匹配的第一对象特征集合对应的病例个数小于预设阈值时,按照所述第一对象特征序列中第一对象特征的权重,删除所述第一对象特征序列中权重较小的第一对象特征,形成更新后的第一对象特征序列;
步骤B:根据所述更新后的第一对象特征序列获取当前患者的病例的更新后的所述当前对象特征集合;
步骤C:在所述预先处理的病例库中重新匹配与所述当前对象特征集合相似的第二对象特征集合,当与所述当前对象特征集合匹配的第二对象特征集合对应的病例个数大于等于所述预设阈值时,将所述匹配的第二对象特征集合对应的第二目标信息集合,作为与所述当前对象特征集合匹配的当前目标信息集合;
当与所述当前对象特征集合匹配的第二对象特征集合对应的病例个数小于所述预设阈值时,继续执行步骤A、步骤B和步骤C,直到与所述当前对象特征集合匹配的第二对象特征集合对应的病例个数大于等于所述预设阈值或者所述第一对象特征序列中的除权重为正无穷的对象特征之外的对象特征的个数为零,则结束匹配。
在一些实施例中,在将所述当前目标信息集合作为所述当前患者的推荐信息之后,所述推荐方法还包括:按照所述当前目标信息集合中目标信息的不同维度分别进行统计,并将统计结果作为所述当前患者的推荐信息。
在一些实施例中,所述第一目标信息序列包括以下至少一种目标信息:诊疗方案、临床转归或患者在院时长。
在一些实施例中,在预先处理的病例库中匹配与所述当前对象特征集合相似的第一对象特征集合之前,所述推荐方法还包括:确定目标疾病所对应的第一对象特征序列和第一目标信息序列;根据所述第一对象特征序列和所述第一目标信息序列对医疗信息进行数据抽取,得到与所述第一对象特征序列和所述第一目标信息序列对应的预处理数据,所述预处理数据形成所述预先处理的病例库。
在一些实施例中,所述根据所述第一对象特征序列和所述第一目标信息序列对医疗信息进行数据抽取,包括:采用自然语言处理技术根据所述第一对象特征序列和所述第一目标信息序列对医疗信息进行数据抽取。
据本公开实施例的第二方面,提供了一种医疗信息的推荐装置,所述推荐装置包括:获取单元,用于根据预先设置的第一对象特征序列获取当前患者的病例的当前对象特征集合,所述当前对象特征集合包括所述第一对象特征序列中的对象特征及其特征值;匹配单元,用于在预先处理的病例库中匹配与所述当前对象特征集合相似的第一对象特征集合,其中,预先处理的病例库中,每一病例对应一包含第一对象特征序列中的对象特征的第一对象特征集合和一第一目标信息集合;推荐单元,用于当与所述当前对象特征集合匹配的第一对象特征集合对应的病例的个数超过预设阈值时,将匹配到的第一对象特征集合对应的第一目标信息集合,作为与所述当前对象特征集合匹配的当前目标信息集合,并将所述当前目标信息集合作为所述当前患者的推荐信息。
根据本公开实施例的第三方面,提供了一种计算机可读存储介质,其上存储有计算机程序,所述程序被处理器执行时实现如上述实施例中第一方面所述的医疗信息的推荐方法。
根据本公开实施例的第四方面,提供了一种电子设备,包括:一个或多个处理器;存储装置,用于存储一个或多个程序,当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器实现如上述实施例中第一方面所述的医疗信息的推荐方法。
本公开实施例提供的技术方案可以包括以下有益效果:
在本公开的一些实施例所提供的技术方案中,通过在预先处理的病例库中匹配与当前对象特征集合相似的第一对象特征集合,并在与当前对象特征集合相似的第一对象特征集合对应的病例数量大于等于预设阈值时,将匹配到的第一对象特征集合对应的第一目标信息集合作为推荐信息,实现了有针对性地应用医疗信息进行目标信息推荐,为医生提供诊疗依据,效率较高且较为精确。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本公开的实施例,并与说明书一起用于解释本公开的原理。显而易见地,下面描述中的附图仅仅是本公开的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。在附图中:
图1示意性示出了根据本公开一种实施例的医疗信息的推荐方法的流程图;
图2示意性示出了根据本公开另一种实施例的医疗信息的推荐方法的流程图;
图3示意性示出了根据本公开一种实施例的医疗信息的推荐装置的方框图;
图4示意性示出了适于用来实现本公开实施例的电子设备的计算机系统的结构图。
具体实施方式
现在将参考附图更全面地描述示例实施方式。然而,示例实施方式能够以多种形式实施,且不应被理解为限于在此阐述的范例;相反,提供这些实施方式使得本公开将更加全面和完整,并将示例实施方式的构思全面地传达给本领域的技术人员。
此外,所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施例中。在下面的描述中,提供许多具体细节从而给出对本公开的实施例的充分理解。然而,本领域技术人员将意识到,可以实践本公开的技术方案而没有特定细节中的一个或更多,或者可以采用其它的方法、组元、装置、步骤等。在其它情况下,不详细示出或描述公知方法、装置、实现或者操作以避免模糊本公开的各方面。
附图中所示的方框图仅仅是功能实体,不一定必须与物理上独立的实体相对应。即,可以采用软件形式来实现这些功能实体,或在一个或多个硬件模块或集成电路中实现这些功能实体,或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
附图中所示的流程图仅是示例性说明,不是必须包括所有的内容和操作/步骤,也不是必须按所描述的顺序执行。例如,有的操作/步骤还可以分解,而有的操作/步骤可以合并或部分合并,因此实际执行的顺序有可能根据实际情况改变。
图1示意性示出了本公开的示例性实施方式的一种医疗信息的推荐方法。本公开实施例提供的方法可以由任意具备计算机处理能力的电子设备执行,例如终端设备和/或服务器。参考图1,本公开实施例提供的医疗信息的推荐方法可以包括以下步骤:
步骤S102,根据预先设置的第一对象特征序列获取当前患者的病例的当前对象特征集合。
步骤S104,在预先处理的病例库中匹配与当前对象特征集合相似的第一对象特征集合,其中,预先处理的病例库中,每一病例对应一包含第一对象特征序列中的对象特征的第一对象特征集合和一第一目标信息集合。
步骤S106,当与当前对象特征集合匹配的第一对象特征集合对应的病例的个数超过预设阈值时,将匹配到的第一对象特征集合对应的第一目标信息集合,作为与当前对象特征集合匹配的当前目标信息集合,并将当前目标信息集合作为当前患者的推荐信息。
其中,当前对象特征集合包括第一对象特征序列中的对象特征及对象特征对应的特征值。在本公开实施例的技术方案中,通过对病历库进行预先处理,再在预先处理的病例库中匹配与当前对象特征集合相似的第一对象特征集合,即匹配与当前病例相似的病例库中的病例,如果匹配到的病例库中的相似病例的数量超过预设阈值,则将该第一对象特征集合对应的目标信息作为当前患者的推荐信息。这样,可以以较低的成本从海量真实世界数据中获得特定疾病诊疗数据,较为精准地获取病例库中与当前患者病情相似的病例的目标信息。
在步骤S104之前,推荐方法还包括:确定目标疾病所对应的第一对象特征序列和第一目标信息序列;根据第一对象特征序列和第一目标信息序列对医疗信息进行数据抽取,得到与第一对象特征序列和第一目标信息序列对应的预处理数据,预处理数据形成预先处理的病例库。
这里,可以根据医疗领域知识设定第一对象特征序列和第一目标信息序列。具体地,第一对象特征序列包括多个第一对象特征,以及每个第一对象特征对应的权重,例如,第一对象特征1对应权重1,第二对象特征2对应权重2。
第一对象特征序列中可以包含某病种的患者的特征。其中每个特征的权重大小表示该特征用于判断相似病例时在第一对象特征序列中的重要程度。权重越小表示这个特征在判断相似病例时越不重要,权重越大表示这个特征在判断相似病例时越重要。如果某个特征对于相似病例判定是不可或缺的,则这个特征的权重可以标记为正无穷。
每一第一目标信息集合包括第一目标信息序列中的目标信息及目标信息对应的信息值,第一目标信息序列包括多个不同维度的目标信息。例如,第一目标信息序列可以包括诊疗方案、临床转归或患者在院时长等不同维度的目标信息。诊疗方案可以包括第一方案、第二方案、第一方案与第二方案的结合方案等,临床转归可以包含临床恶化、治愈、死亡、转院等。信息值为描述目标信息的参数。这里,第一方案、第二方案、第一方案与第二方案的结合方案即为目标信息诊疗方案的信息值,临床恶化、治愈、死亡、转院即为目标信息临床转归的信息值。
具体地,可以采用自然语言处理技术根据第一对象特征序列和第一目标信息序列对医疗信息进行数据抽取。这里,医疗信息可以为已有的真实世界电子病历数据。
在步骤S106中,可以按照以下步骤匹配第一对象特征集合。
步骤A:当与当前对象特征集合匹配的第一对象特征集合对应的病例个数小于预设阈值时,按照第一对象特征序列中第一对象特征的权重,删除第一对象特征序列中权重较小的第一对象特征,形成更新后的第一对象特征序列。
步骤B:根据更新后的第一对象特征序列获取当前患者的病例的更新后的当前对象特征集合。
步骤C:在预先处理的病例库中重新匹配与当前对象特征集合相似的第二对象特征集合,当与当前对象特征集合匹配的第二对象特征集合对应的病例个数大于等于预设阈值时,将匹配的第二对象特征集合对应的第二目标信息集合,作为与当前对象特征集合匹配的当前目标信息集合。
当与当前对象特征集合匹配的第二对象特征集合对应的病例个数小于预设阈值时,继续执行步骤A、步骤B和步骤C,直到与当前对象特征集合匹配的第二对象特征集合对应的病例个数大于等于预设阈值或者第一对象特征序列中的除权重为正无穷的对象特征之外的对象特征的个数为零,则结束匹配。
在如果与当前对象特征集合匹配的第一对象特征集合对应的病例的个数大于或者等于预设阈值,可以认为已经成功匹配到的病例的数量足够多,因此可以结束相似病例匹配。
在匹配到的第一对象特征集合的个数为Q个时,对应的病例个数为Q个。其中,Q为自然数。
在一种实施例中,病例库有N个患者,每个患者对应一个病例,记为P_1,P_2,...,P_N,每个患者有M维个特征,记为第一个患者特征为F_{1,1},F_{1,2},...F_{1,M},第二个患者特征为F_{2,1},F_{2,2},...,F_{2,M},其中,N和M均为自然数。
医生在填写病例时,在不确定患者是否具有某个特征时,不填写这个特征对应的特征值,这样,该特征值为缺失(missing)。在对病历库做预处理时,不会考虑单个患者是否存在缺失特征值,而是对于每一个病例抽取第一对象特征序列中所有的特征和第一目标信息序列中所有的目标信息,即便某些特征抽取结果是特征值缺失。
对于任意第i维度的特征F_{x,i},x=任意患者,可能存在部分患者的某个特征的特征值缺失,但是不会是全部患者的这个特征的特征值都缺失。这样,如果搜索相似患者时,搜索条件中包括第i维度特征,那么特征F_{x,i}缺失的患者将匹配失败,但其他患者可以匹配成功。其中,x和i为自然数。
当前患者的当前对象特征集合需要根据第一对象特征序列设计。如果当前患者的某个第一对象特征序列中的特征缺失,这个特征将不参与匹配,可以默认为所有在库病例的该特征均符合匹配要求。例如,第一对象特征序列中包含特征4,而当前患者病例中的特征4的特征值缺失,则在预先处理的病例库中匹配与当前患者的当前对象特征集合相似的第一对象特征值时,默认所有患者的特征4均与当前对象特征集合中的特征4相似。
如果当前患者具有第一对象特征序列中的全部特征,包括还具有其它特征的情况,则选取第一对象特征序列中的全部特征及它们的特征值组成当前对象特征集合。
例如,第一对象特征序列为仅包含M维特征中的特征1,特征2和特征M的对象特征序列,当前患者的当前对象特征集合为{特征1,特征2,特征M}以及这些特征对应的特征值,在步骤S104中,在预先处理的病例库中匹配中特征1,特征2和特征M的特征值与当前患者相似的病例。这里,当前对象特征集合与第一对象特征序列中的特征种类相同。
步骤S104中的匹配过程,是在给定患者条件下,在病例库中寻找所有第一对象特征均与当前患者相似的病例。
具体地,在第一对象特征序列为:发烧30%,呕吐25%,腹痛20%,嗜睡15%,口渴10%时,获取的当前患者的当前对象特征集合包括发烧、呕吐、腹痛、嗜睡以及口渴这五个特征,及这五个特征对应的特征值。如果根据与当前对象特征集合匹配的第一对象特征集合对应的病例个数小于预设阈值T1,则可以去掉权重最小的对象特征口渴。
这里,与当前对象特征集合匹配的第一对象特征集合,指的是病例库中与当前对象特征集合中的全部特征值相同或者相似的病例的对象特征集合。例如,在当前对象特征集合中某对象特征S1的特征值为是时,在病例库中匹配到的第一对象特征的特征值为是。在当前对象特征集合中的对象特征S2的特征值为非时,在病例库中匹配到的第一对象特征的特征值为非。
在当前对象特征集合中的对象特征S3的特征值为第一数值时,在病例库中匹配到的第一对象特征的特征值与该第一数值相似。
这里,两个特征值相似,可以定义为两个特征值的差值的绝对值小于预设阈值T2。
去掉权重最小的对象特征口渴后,以发烧30%,呕吐25%,腹痛20%,嗜睡15%形成的对象特征集合作为匹配条件,在预先处理的病例库中重新匹配与当前对象特征集合对应的对象特征集合,如果匹配结果对应的病例的个数仍然小于预设阈值T1,则再去掉权重最小的对象特征嗜睡。
再去掉权重最小的对象特征嗜睡后,以发烧30%,呕吐25%,腹痛20%形成的对象特征序列作为匹配条件,在预先处理的病例库中重新匹配与当前对象特征集合相似的对象特征集合,若匹配结果中病例的个数仍然小于预设阈值T1,则继续循环删除特征-重新匹配的步骤,直到对象特征序列中的除权重为正无穷的对象特征之外的所有对象特征都被删除,或者,匹配结果中病例的个数大于或等于预设阈值T1。
第一对象特征序列中的第一对象特征按照权重由低到高排序。这样,如需要第一对象特征进行删除,删除序列头部的第一对象特征即可。
在对第一对象特征按照权重进行排序时,可以将权重为正无穷的第一对象特征排在序列的尾部,其在后续的匹配过程中不可被删除。
此外,还可以设计第一对象特征序列不包括权重为正无穷的第一对象特征,这样,可以根据第一对象特征序列和权重为正无穷的第一对象特征获取当前患者的病例的当前对象特征集合,并在预先处理的病例库中匹配与当前对象特征集合相似的第一对象特征集合。
该方案可以根据对象特征权重尝试排除不重要的对象特征,以扩大匹配结果的范围。
在步骤S106之后,按照当前目标信息集合中目标信息的不同维度分别进行统计,并将统计结果作为当前患者的推荐信息。
这里,医生可以根据当前患者的推荐信息做出医疗决策。
第一目标信息集合的维度可以包含:当前疾病的诊疗方案、临床转归、住院患者在院时间长度等信息。在步骤S106之后,可以根据不同的诊疗方案将相似病例查询结果中的病例分成不同组,并给出每个组的转归分布和住院时长分布。
在本公开实施例中,可以针对某种特定疾病,根据医学领域知识获得与当前患者相似的特征集合,并定义诊疗方案和临床转归的取值空间。通过使用计算机自动分析手段,从真实世界数据中挖掘已有的每一份病历的特征、诊疗方案和临床转归。
当医生需获得与当前就诊患者相似患者的诊疗情况和转归结果时,基于挖掘的特征匹配情况自动检索相似患者集合,并在结果集合中统计分析诊疗方案分布和每种诊疗方案下患者转归分布,为医生提供决策依据。
如图2所示,本公开一种实施例中的医疗信息的推荐方法包括以下步骤:
步骤S201,设定第一对象特征序列为:发烧30%,呕吐25%,腹痛20%,嗜睡15%,口渴10%;设定第一目标信息序列为:诊疗方案、转归、住院天数。
步骤S202,对海量电子病历进行抽取,得到抽取结果。
步骤S203,根据第一对象特征序列获取当前患者的病例的当前对象特征集合。这里,当前对象特征集合包括当前患者的病例的发烧、呕吐、腹痛、嗜睡和口渴这五个特征及其特征值。
步骤S204,在抽取结果中匹配与当前对象特征集合相似的第一对象特征集合,得到匹配结果。
步骤S205,判断匹配结果中的病例数量是否大于等于20。若否,执行步骤S206,若是,执行步骤S207。
步骤S206,对第一对象特征序列进行处理,去掉权重最小的对象特征。执行步骤S206之后,执行步骤S204。
步骤S207,对匹配结果进行分析。
本公开实施例的医疗信息的推荐方法中,通过在预先处理的病例库中匹配与当前对象特征集合相似的第一对象特征集合,并在与当前对象特征集合相似的第一对象特征集合对应的病例数量大于等于预设阈值时,将匹配到的第一对象特征集合对应的第一目标信息集合作为推荐信息,实现了有针对性地应用医疗信息进行目标信息推荐,为医生提供诊疗依据,效率较高且较为精确。
以下介绍本公开的装置实施例,可以用于执行本公开上述的医疗信息的推荐方法。如图3所示,根据本公开实施例提供的一种医疗信息的推荐装置300可以包括:
获取单元302,用于根据预先设置的第一对象特征序列获取当前患者的病例的当前对象特征集合,当前对象特征集合包括第一对象特征序列中的对象特征及其特征值。
匹配单元304,用于在预先处理的病例库中匹配与当前对象特征集合相似的第一对象特征集合,其中,预先处理的病例库中,每一病例对应一包含第一对象特征序列中的对象特征的第一对象特征集合和一第一目标信息集合;
推荐单元306,用于当与当前对象特征集合匹配的第一对象特征集合对应的病例的个数超过预设阈值时,将匹配到的第一对象特征集合对应的第一目标信息集合,作为与当前对象特征集合匹配的当前目标信息集合,并将当前目标信息集合作为当前患者的推荐信息。
由于本发明的示例实施例的医疗信息的推荐装置的技术方案与上述医疗信息的推荐方法的示例实施例的技术方案相同,因此对于本发明装置实施例中未披露的细节,请参照本发明上述的医疗信息的推荐方法的实施例。
在本公开实施例提供的医疗信息的推荐装置中,通过在预先处理的病例库中匹配与当前对象特征集合相似的第一对象特征集合,并在与当前对象特征集合相似的第一对象特征集合对应的病例数量大于等于预设阈值时,将匹配到的第一对象特征集合对应的第一目标信息集合作为推荐信息,实现了有针对性地应用医疗信息进行目标信息推荐,为医生提供诊疗依据,效率较高且较为精确。
下面参考图4,其示出了适于用来实现本公开实施例的电子设备的计算机系统400的结构示意图。图4示出的电子设备的计算机系统400仅是一个示例,不应对本公开实施例的功能和使用范围带来任何限制。
如图4所示,计算机系统400包括中央处理单元(CPU)401,其可以根据存储在只读存储器(ROM)402中的程序或者从存储部分408加载到随机访问存储器(RAM)403中的程序而执行各种适当的动作和处理。在RAM 403中,还存储有系统操作所需的各种程序和数据。CPU401、ROM 402以及RAM 403通过总线404彼此相连。输入/输出(I/O)接口405也连接至总线404。
以下部件连接至I/O接口405:包括键盘、鼠标等的输入部分406;包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分407;包括硬盘等的存储部分408;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分409。通信部分409经由诸如因特网的网络执行通信处理。驱动器410也根据需要连接至I/O接口405。可拆卸介质411,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器410上,以便于从其上读出的计算机程序根据需要被安装入存储部分408。
特别地,根据本公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括承载在计算机可读存储介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信部分409从网络上被下载和安装,和/或从可拆卸介质411被安装。在该计算机程序被中央处理单元(CPU)401执行时,执行本申请的系统中限定的上述功能。
需要说明的是,本公开所示的计算机可读存储介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开中,计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读存储介质,该计算机可读存储介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读存储介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:无线、电线、光缆、RF等等,或者上述的任意合适的组合。
附图中的流程图和框图,图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图或流程图中的每个方框、以及框图或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开实施例中所涉及到的单元可以通过软件的方式实现,也可以通过硬件的方式来实现,所描述的单元也可以设置在处理器中。其中,这些单元的名称在某种情况下并不构成对该单元本身的限定。
作为另一方面,本申请还提供了一种计算机可读存储介质,该计算机可读存储介质可以是上述实施例中描述的电子设备中所包含的;也可以是单独存在,而未装配入该电子设备中。上述计算机可读存储介质承载有一个或者多个程序,当上述一个或者多个程序被一个该电子设备执行时,使得该电子设备实现如上述实施例中所述的医疗信息的推荐方法。
例如,所述的电子设备可以实现如图1中所示的以下步骤:步骤102,根据预先设置的第一对象特征序列获取当前患者的病例的当前对象特征集合,所述当前对象特征集合包括所述第一对象特征序列中的对象特征及其特征值;步骤104,在预先处理的病例库中匹配与所述当前对象特征集合相似的第一对象特征集合,其中,预先处理的病例库中,每一病例对应一包含第一对象特征序列中的对象特征的第一对象特征集合和一第一目标信息集合;步骤106,当与所述当前对象特征集合匹配的第一对象特征集合对应的病例的个数超过预设阈值时,将匹配到的第一对象特征集合对应的第一目标信息集合,作为与所述当前对象特征集合匹配的当前目标信息集合,并将所述当前目标信息集合作为所述当前患者的推荐信息。
又如,所述的电子设备可以实现如图2所示的各个步骤。
应当注意,尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元,但是这种划分并非强制性的。实际上,根据本公开的实施方式,上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之,上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。
通过以上的实施方式的描述,本领域的技术人员易于理解,这里描述的示例实施方式可以通过软件实现,也可以通过软件结合必要的硬件的方式来实现。因此,根据本公开实施方式的技术方案可以以软件产品的形式体现出来,该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM,U盘,移动硬盘等)中或网络上,包括若干指令以使得一台计算设备(可以是个人计算机、服务器、触控终端、或者网络设备等)执行根据本公开实施方式的方法。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本公开的真正范围和精神由下面的权利要求指出。
应当理解的是,本公开并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。
Claims (8)
1.一种医疗信息的推荐方法,其特征在于,所述推荐方法包括:
根据预先设置的第一对象特征序列获取当前患者的病例的当前对象特征集合,所述当前对象特征集合包括所述第一对象特征序列中的对象特征及其特征值;所述第一对象特征序列包括多个第一对象特征,以及所述第一对象特征对应的权重;
在预先处理的病例库中匹配与所述当前对象特征集合相似的第一对象特征集合,其中,预先处理的病例库中,每一病例对应一包含第一对象特征序列中的对象特征的第一对象特征集合和一第一目标信息集合;其中,每一所述第一目标信息集合包括第一目标信息序列中的目标信息及其信息值;所述第一目标信息序列包括多个不同维度的目标信息;所述第一目标信息序列包括以下至少一种目标信息:诊疗方案、临床转归或患者在院时长;
当与所述当前对象特征集合匹配的第一对象特征集合对应的病例的个数超过预设阈值时,将匹配到的第一对象特征集合对应的第一目标信息集合,作为与所述当前对象特征集合匹配的当前目标信息集合,并将所述当前目标信息集合作为所述当前患者的推荐信息;
当与所述当前对象特征集合匹配的第一对象特征集合对应的病例个数小于预设阈值时,按照所述第一对象特征序列中第一对象特征的权重,删除所述第一对象特征序列中权重较小的第一对象特征,形成更新后的第一对象特征序列;并根据所述更新后的第一对象特征序列进行重新匹配;
其中,所述与当前对象特征集合匹配的第一对象特征集合,是指病例库中与当前对象特征集合中的全部特征值相同或者相似的病例的对象特征集合。
2.根据权利要求1所述的推荐方法,其特征在于,所述根据所述更新后的第一对象特征序列进行重新匹配,包括:
根据所述更新后的第一对象特征序列获取当前患者的病例的更新后的所述当前对象特征集合;
在所述预先处理的病例库中重新匹配与所述当前对象特征集合相似的第二对象特征集合,当与所述当前对象特征集合匹配的第二对象特征集合对应的病例个数大于等于所述预设阈值时,将所述匹配的第二对象特征集合对应的第二目标信息集合,作为与所述当前对象特征集合匹配的当前目标信息集合;
当与所述当前对象特征集合匹配的第二对象特征集合对应的病例个数小于所述预设阈值时,继续更新第一对象特征序列进行重新匹配,直到与所述当前对象特征集合匹配的第二对象特征集合对应的病例个数大于等于所述预设阈值或者所述第一对象特征序列中的除权重为正无穷的对象特征之外的对象特征的个数为零,则结束匹配。
3.根据权利要求1所述的推荐方法,其特征在于,在将所述当前目标信息集合作为所述当前患者的推荐信息之后,所述推荐方法还包括:
按照所述当前目标信息集合中目标信息的不同维度分别进行统计,并将统计结果作为所述当前患者的推荐信息。
4.根据权利要求1所述的推荐方法,其特征在于,在预先处理的病例库中匹配与所述当前对象特征集合匹配的第一对象特征集合之前,所述推荐方法还包括:
确定目标疾病所对应的第一对象特征序列和第一目标信息序列;
根据所述第一对象特征序列和所述第一目标信息序列对医疗信息进行数据抽取,得到与所述第一对象特征序列和所述第一目标信息序列对应的预处理数据,所述预处理数据形成所述预先处理的病例库。
5.根据权利要求4所述的推荐方法,其特征在于,所述根据所述第一对象特征序列和所述第一目标信息序列对医疗信息进行数据抽取,包括:
采用自然语言处理技术根据所述第一对象特征序列和所述第一目标信息序列对医疗信息进行数据抽取。
6.一种医疗信息的推荐装置,其特征在于,所述推荐装置包括:
获取单元,用于根据预先设置的第一对象特征序列获取当前患者的病例的当前对象特征集合,所述当前对象特征集合包括所述第一对象特征序列中的对象特征及其特征值;所述第一对象特征序列包括多个第一对象特征,以及所述第一对象特征对应的权重;
匹配单元,用于在预先处理的病例库中匹配与所述当前对象特征集合相似的第一对象特征集合,其中,预先处理的病例库中,每一病例对应一包含第一对象特征序列中的对象特征的第一对象特征集合和一第一目标信息集合;
推荐单元,用于当与所述当前对象特征集合匹配的第一对象特征集合对应的病例的个数超过预设阈值时,将匹配到的第一对象特征集合对应的第一目标信息集合,作为与所述当前对象特征集合匹配的当前目标信息集合,并将所述当前目标信息集合作为所述当前患者的推荐信息;当与所述当前对象特征集合匹配的第一对象特征集合对应的病例个数小于预设阈值时,按照所述第一对象特征序列中第一对象特征的权重,删除所述第一对象特征序列中权重较小的第一对象特征,形成更新后的第一对象特征序列;并根据所述更新后的第一对象特征序列重新进行匹配;其中,所述与当前对象特征集合匹配的第一对象特征集合,是指病例库中与当前对象特征集合中的全部特征值相同或者相似的病例的对象特征集合;每一所述第一目标信息集合包括第一目标信息序列中的目标信息及其信息值;所述第一目标信息序列包括多个不同维度的目标信息;所述第一目标信息序列包括以下至少一种目标信息:诊疗方案、临床转归或患者在院时长。
7.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述程序被处理器执行时实现如权利要求1至5中任一项所述的医疗信息的推荐方法。
8.一种电子设备,其特征在于,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器实现如权利要求1至5中任一项所述的医疗信息的推荐方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010681151.3A CN111899865B (zh) | 2020-07-15 | 2020-07-15 | 医疗信息的推荐方法、装置、介质及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010681151.3A CN111899865B (zh) | 2020-07-15 | 2020-07-15 | 医疗信息的推荐方法、装置、介质及电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111899865A CN111899865A (zh) | 2020-11-06 |
CN111899865B true CN111899865B (zh) | 2023-03-24 |
Family
ID=73192910
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010681151.3A Active CN111899865B (zh) | 2020-07-15 | 2020-07-15 | 医疗信息的推荐方法、装置、介质及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111899865B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112331356A (zh) * | 2020-11-26 | 2021-02-05 | 微医云(杭州)控股有限公司 | 推荐治疗方案的方法、装置、电子设备及存储介质 |
CN112530580A (zh) * | 2020-12-03 | 2021-03-19 | 上海联影智能医疗科技有限公司 | 医疗影像图片的处理方法和计算机可读存储介质 |
CN116504354B (zh) * | 2023-06-28 | 2024-01-09 | 合肥工业大学 | 一种基于智慧医疗的智能化服务推荐方法及系统 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2009083886A1 (en) * | 2007-12-28 | 2009-07-09 | Koninklijke Philips Electronics N.V. | Presenting patient relevant studies for clinical decision making |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5383431B2 (ja) * | 2009-10-27 | 2014-01-08 | キヤノン株式会社 | 情報処理装置、情報処理方法及びプログラム |
CN106295186B (zh) * | 2016-08-11 | 2019-03-15 | 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系统 |
CN109215754A (zh) * | 2018-09-10 | 2019-01-15 | 平安科技(深圳)有限公司 | 病历数据处理方法、装置、计算机设备和存储介质 |
CN109473153A (zh) * | 2018-10-30 | 2019-03-15 | 医渡云(北京)技术有限公司 | 医疗数据的处理方法、装置、介质及电子设备 |
CN109378065A (zh) * | 2018-10-30 | 2019-02-22 | 医渡云(北京)技术有限公司 | 医疗数据处理方法及装置、存储介质、电子设备 |
CN110875093A (zh) * | 2019-11-19 | 2020-03-10 | 泰康保险集团股份有限公司 | 治疗方案的处理方法、装置、设备及存储介质 |
-
2020
- 2020-07-15 CN CN202010681151.3A patent/CN111899865B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2009083886A1 (en) * | 2007-12-28 | 2009-07-09 | Koninklijke Philips Electronics N.V. | Presenting patient relevant studies for clinical decision making |
Also Published As
Publication number | Publication date |
---|---|
CN111899865A (zh) | 2020-11-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111899865B (zh) | 医疗信息的推荐方法、装置、介质及电子设备 | |
CN109189991B (zh) | 重复视频识别方法、装置、终端及计算机可读存储介质 | |
CN107833603B (zh) | 电子病历文档分类方法、装置、电子设备及存储介质 | |
CN112889042A (zh) | 机器学习中超参数的识别与应用 | |
CN112365987A (zh) | 诊断数据异常检测方法、装置、计算机设备及存储介质 | |
CN112232065B (zh) | 挖掘同义词的方法及装置 | |
CN113204621B (zh) | 文档入库、文档检索方法,装置,设备以及存储介质 | |
CN111402973B (zh) | 信息匹配分析方法、装置、计算机系统及可读存储介质 | |
CN112382386A (zh) | 基于大数据的智慧医疗信息推送方法及系统 | |
CN110867231A (zh) | 基于文本分类的疾病预测方法、装置、计算机设备及介质 | |
CN113611405A (zh) | 一种体检项目推荐方法、装置、设备及介质 | |
CN112035614B (zh) | 测试集生成方法、装置、计算机设备和存储介质 | |
CN110910991A (zh) | 一种医用自动图像处理系统 | |
CN113782195A (zh) | 一种体检套餐定制方法和装置 | |
EP2922018A1 (en) | Medical information analysis program, medical information analysis device, and medical information analysis method | |
CN111145846A (zh) | 临床试验患者招募方法及装置、电子设备和存储介质 | |
CN111640517B (zh) | 病历编码方法、装置、存储介质及电子设备 | |
CN111063447B (zh) | 查询和文本处理方法及装置、电子设备和存储介质 | |
CN109086438B (zh) | 用于查询信息的方法和装置 | |
CN109710626B (zh) | 数据入库管理方法、装置、电子设备,及存储介质 | |
CN111126034A (zh) | 医学变量关系的处理方法及装置、计算机介质和电子设备 | |
CN116504401A (zh) | 一种智能体检项目推荐方法和装置 | |
CN109522422A (zh) | 医疗文献推送方法、系统、设备及存储介质 | |
CN115862840A (zh) | 关节疼痛疾病的智能辅助诊断方法和装置 | |
CN112148865B (zh) | 信息推送方法和装置 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |