CN112489795A - 一种人工智能医疗信息系统 - Google Patents

一种人工智能医疗信息系统 Download PDF

Info

Publication number
CN112489795A
CN112489795A CN202011509829.6A CN202011509829A CN112489795A CN 112489795 A CN112489795 A CN 112489795A CN 202011509829 A CN202011509829 A CN 202011509829A CN 112489795 A CN112489795 A CN 112489795A
Authority
CN
China
Prior art keywords
diagnosis
data
patient
value
information
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.)
Withdrawn
Application number
CN202011509829.6A
Other languages
English (en)
Inventor
梁亚正
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.)
Zhiyueyun Guangzhou Digital Information Technology Co Ltd
Original Assignee
Zhiyueyun Guangzhou Digital Information 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 Zhiyueyun Guangzhou Digital Information Technology Co Ltd filed Critical Zhiyueyun Guangzhou Digital Information Technology Co Ltd
Priority to CN202011509829.6A priority Critical patent/CN112489795A/zh
Publication of CN112489795A publication Critical patent/CN112489795A/zh
Withdrawn legal-status Critical Current

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
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/906—Clustering; Classification
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
    • G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
    • G16H20/10—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to drugs or medications, e.g. for ensuring correct administration to patients

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Medical Informatics (AREA)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)
  • Databases & Information Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Biomedical Technology (AREA)
  • Data Mining & Analysis (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Chemical & Material Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Medicinal Chemistry (AREA)
  • General Engineering & Computer Science (AREA)
  • Pathology (AREA)
  • Medical Treatment And Welfare Office Work (AREA)

Abstract

本发明公开了一种人工智能医疗信息系统，利用数据采集模块采集医生的诊断信息和病人的就诊信息，利用数据传输模块将诊断信息和就诊信息发送至信息分析模块；利用数据处理模块接收诊断信息和就诊信息并进行处理，得到诊断处理信息和就诊处理信息，并将诊断处理信息和就诊处理信息发送至数据分析模块；利用数据分析模块接收诊断处理信息和就诊处理信息并进行分析；利用数据分配模块用于根据诊断值和就诊值对医生的诊断进行安排；利用提示模块对医生的诊断和病人的就诊进行提示；本发明用于解决不能根据病人以往的诊断信息对医生的诊断进行合理分配的问题，以及医生不能获取病人的诊断史进行高效诊断的问题。

Description

一种人工智能医疗信息系统
技术领域
本发明涉及人工智能技术领域，尤其涉及一种人工智能医疗信息系统。
背景技术
人工智能是研究使计算机来模拟人的某些思维过程和智能行为(如学习、推理、思考、规划等)的学科，主要包括计算机实现智能的原理、制造类似于人脑智能的计算机，使计算机能实现更高层次的应用；不同场景通过结合人工智能可以实现更好的效果，比如交通、教育、医疗以及农业结合人工智能可以提高数据处理效果。
现有的人工智能医疗信息系统存在的缺陷是：不能根据病人以往的诊断信息对医生的诊断进行合理分配的问题，以及医生不能获取病人的诊断史进行高效诊断的问题。
发明内容
本发明的目的在于提供一种人工智能医疗信息系统，本发明所要解决的技术问题为：
如何解决现有方案中不能根据病人以往的诊断信息对医生的诊断进行合理分配的问题，以及医生不能获取病人的诊断史进行高效诊断的问题。
本发明的目的可以通过以下技术方案实现：一种人工智能医疗信息系统，包括数据采集模块、数据传输模块、数据处理模块、数据分析模块、数据分配模块和提示模块；
数据采集模块用于采集医生的诊断信息和病人的就诊信息，该诊断信息包含诊断时间数据、诊断原因数据、诊断结果数据和开药数据，该就诊信息包含病人个人数据、病史数据和服药数据，并通过数据传输模块将诊断信息和就诊信息发送至信息分析模块；
数据处理模块用于接收诊断信息和就诊信息并进行处理，得到诊断处理信息和就诊处理信息，并将诊断处理信息和就诊处理信息发送至数据分析模块；
数据分析模块用于接收诊断处理信息和就诊处理信息并进行分析，具体的步骤包括：
步骤一：接收诊断处理信息和就诊处理信息；
步骤二：获取诊断处理信息中标记的诊断时差K1、原因预设值K2、结果预设值J1、严重预设值Yi和药品预设值P1；
步骤三：利用公式获取医生的诊断值，该公式为：
Figure BDA0002846055740000021
其中，Qzd表示为诊断值，μ表示为预设的诊断修正因子，a1、a2、a3、a4表示为不同的比例系数；
步骤四：将若干个诊断值根据预设的诊断范围进行分类，将大于诊断范围最大值的诊断值判定为严重数据，将属于诊断范围的诊断值判定为中等数据，将小于诊断范围最小值的诊断值判定为轻微数据；
步骤五：将严重数据中的若干个诊断值进行降序排列，并将诊断值对应的病人标记为监测病人；
步骤六：获取就诊处理信息中标记的病人凭证、个人年龄L1、体重数据Tij、历史病例值B1、历史服药值B2和服药次数F1；
步骤七：利用公式获取病人的就诊值，该公式为：
Figure BDA0002846055740000031
其中，Qjz表示为就诊值，β表示为预设的就诊修正因子，b1、b2、b3表示为不同的比例系数；
步骤八：将若干个就诊值进行降序排列，得到就诊排序集，并通过病人凭证将就诊值进行关联；
数据分配模块用于根据诊断值和就诊值对医生的诊断进行安排；
数据传输模块用于对各个模块之间的数据进行传输。
优选的，数据处理模块用于接收诊断信息和就诊信息并进行处理，得到诊断处理信息和就诊处理信息，具体的步骤包括：
S21：获取诊断信息中的诊断时间数据、诊断原因数据、诊断结果数据和开药数据；
S22：根据诊断时间数据与实时时间获取诊断时差，并将诊断时差标记为K1，设定不同的诊断原因均对应一个不同的原因预设值，将诊断原因数据与所有的诊断原因进行匹配获取对应的原因预设值并标记为K2；
S23：设定不同的诊断结果均对应一个不同的结果预设值，设定不同的诊断结果的严重程度对应一个不同的严重预设值，将诊断结果数据中的诊断结果与所有的诊断结果进行匹配获取对应的结果预设值并标记为J1，将诊断结果数据中的严重程度与所有的严重程度进行匹配获取对应的严重预设值并标记为Yi,i＝1，2，3；
S24：设定不同的药品均对应一个药品预设值，将开药数据与所有的药品进行匹配获取对应的药品预设值并标记为P1；
S25：将标记的诊断时差、原因预设值、结果预设值、严重预设值和药品预设值分类组合，得到诊断处理信息；
S26：获取就诊处理信息中的病人个人数据、病史数据和服药数据；
S27：将病人个人数据中的身份证号标记为病人凭证，将病人个人数据中的个人年龄标记为L1，将病人个人数据中的体重数据与预设的标准体重范围进行匹配，若体重数据属于标准体重范围，则判定体重数据正常，若体重数据不属于标准体重范围，则判定体重数据异常，并将匹配后的体重数据标记为Tij,i＝1，2；j＝1，2...n；
S28：将病史数据与所有的诊断结果进行匹配获取病史数据对应的结果预设值并标记为历史病例值B1，将服药数据与所有的药品进行匹配获取对应的药品预设值并标记为历史服药值B2，统计服药数据中的服药次数并标记为F1；
S29：将标记的病人凭证、个人年龄、体重数据、历史病例值、历史服药值和服药次数组合，得到就诊处理信息。
优选的，数据分配模块用于根据诊断值和就诊值对医生的诊断进行安排，具体的步骤包括：
S31：获取严重数据中的诊断值和就诊排序集中的就诊值；
S32：利用公式获取病人的匹配值，该公式为
Figure BDA0002846055740000041
其中，Qp表示为病人的匹配值，α表示为预设的权重，Qjz表示为就诊排序集中的就诊值，Qzd表示为严重数据中的诊断值；
S33：将匹配值与预设的标准阈值进行对比，若匹配值等于标准阈值，则判定就诊值与严重数据中的诊断值匹配，根据该就诊值关联的病人凭证对病人进行优先诊断得到优先诊断结果，并根据优先诊断结果将病人凭证对应的病史数据和服药数据进行存储和更新，根据优先诊断结果将诊断信息中的诊断时间数据、诊断原因数据、诊断结果数据和开药数据进行存储和更新；
S34：若匹配值不等于标准阈值，则判定就诊值与严重数据中的诊断值不匹配，根据挂号时间的排列顺序和就诊值关联的病人凭证对病人进行诊断并生成正常诊断结果，根据诊断结果对病人凭证关联的病史数据和服药数据进行存储和更新，根据正常诊断结果将诊断信息中的诊断时间数据、诊断原因数据、诊断结果数据和开药数据进行存储和更新；
S35：提示模块根据匹配值对医生的诊断和病人的就诊进行提示。
优选的，提示模块根据匹配值对医生的诊断和病人的就诊进行提示，具体的步骤包括：
S41：获取病人凭证并与数据库中存储的病人凭证集进行匹配，若病人凭证集中未匹配到该病人凭证，判定该病人为首次就诊并将该病人凭证存储至病人凭证集中，对该病人进行诊断生成首次诊断信息，并将首次诊断信息与病人凭证关联和存储；
S42：若病人凭证集中匹配到该病人凭证，判定该病人为非首次就诊并提取该病人凭证关联的就诊信息，根据病人凭证获取病人上一次的就诊时间，获取上一次的就诊时间与实时时间的时长，将时长与预设的复诊时长进行匹配，若时长不大于复诊时长，则判定病人正常复诊并生成正常复诊信号，医生根据正常复诊信号和该病人凭证关联的就诊信息进行正常复诊，生成第一复诊信息并与该病人凭证进行关联和存储；
S43：若时长大于复诊时长，则判定病人迟到复诊并生成迟到复诊信号，医生根据迟到复诊信号和该病人凭证关联的就诊信息进行正常诊断，生成第二复诊信息并与该病人凭证进行关联和存储。
优选的，对该病人进行诊断生成首次诊断信息，并将首次诊断信息与病人凭证关联和存储，包括：对病人进行诊断生成首次诊断信息，该首次诊断信息包含病人的诊断时间、诊断原因、诊断结果、诊断结果程度和开药药品，将首次诊断信息关联存储至病人凭证中，并根据首次诊断信息将诊断信息进行补充和更新。
本发明的有益效果：
本发明公开的各个方面，利用数据采集模块采集医生的诊断信息和病人的就诊信息，该诊断信息包含诊断时间数据、诊断原因数据、诊断结果数据和开药数据，该就诊信息包含病人个人数据、病史数据和服药数据，并通过数据传输模块将诊断信息和就诊信息发送至信息分析模块；通过获取医生的诊断信息和病人的就诊信息进行综合分析，可以获取到病人的诊断史以及医生诊断过病人的不同程度的诊断情况，通过计算获取医生的诊断值和病人的就诊值并进行综合分析，可以解决不能根据病人以往的诊断信息对医生的诊断进行合理分配的问题；
利用数据处理模块接收诊断信息和就诊信息并进行处理，得到诊断处理信息和就诊处理信息，并将诊断处理信息和就诊处理信息发送至数据分析模块；
利用数据分析模块接收诊断处理信息和就诊处理信息并进行分析；利用数据分配模块根据诊断值和就诊值对医生的诊断进行安排；利用提示模块对医生的诊断和病人的就诊进行提示；通过对诊断值和就诊值获取病人的匹配值，并根据匹配值医生可以对病人的病历情况进行快速处理和诊断，可以解决医生不能获取病人的诊断史进行高效诊断的问题，达到提高诊断效率的目的。
附图说明
下面结合附图对本发明作进一步的说明。
图1是本发明一种人工智能医疗信息系统的原理框图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明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发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
实施例1
请参阅图1所示，本发明为一种人工智能医疗信息系统，包括数据采集模块、数据传输模块、数据处理模块、数据分析模块、数据分配模块和提示模块；
数据采集模块用于采集医生的诊断信息和病人的就诊信息，该诊断信息包含诊断时间数据、诊断原因数据、诊断结果数据和开药数据，该就诊信息包含病人个人数据、病史数据和服药数据，并通过数据传输模块将诊断信息和就诊信息发送至信息分析模块；
数据处理模块用于接收诊断信息和就诊信息并进行处理，得到诊断处理信息和就诊处理信息，并将诊断处理信息和就诊处理信息发送至数据分析模块；
数据分析模块用于接收诊断处理信息和就诊处理信息并进行分析，具体的步骤包括：
步骤一：接收诊断处理信息和就诊处理信息；
步骤二：获取诊断处理信息中标记的诊断时差K1、原因预设值K2、结果预设值J1、严重预设值Yi和药品预设值P1；
步骤三：利用公式获取医生的诊断值，该公式为：
Figure BDA0002846055740000071
其中，Qzd表示为诊断值，μ表示为预设的诊断修正因子，a1、a2、a3、a4表示为不同的比例系数；
步骤四：将若干个诊断值根据预设的诊断范围进行分类，将大于诊断范围最大值的诊断值判定为严重数据，将属于诊断范围的诊断值判定为中等数据，将小于诊断范围最小值的诊断值判定为轻微数据；
步骤五：将严重数据中的若干个诊断值进行降序排列，并将诊断值对应的病人标记为监测病人；
步骤六：获取就诊处理信息中标记的病人凭证、个人年龄L1、体重数据Tij、历史病例值B1、历史服药值B2和服药次数F1；
步骤七：利用公式获取病人的就诊值，该公式为：
Figure BDA0002846055740000081
其中，Qjz表示为就诊值，β表示为预设的就诊修正因子，b1、b2、b3表示为不同的比例系数；
步骤八：将若干个就诊值进行降序排列，得到就诊排序集，并通过病人凭证将就诊值进行关联；
数据分配模块用于根据诊断值和就诊值对医生的诊断进行安排；
数据传输模块用于对各个模块之间的数据进行传输。
数据处理模块用于接收诊断信息和就诊信息并进行处理，得到诊断处理信息和就诊处理信息，具体的步骤包括：
获取诊断信息中的诊断时间数据、诊断原因数据、诊断结果数据和开药数据；
根据诊断时间数据与实时时间获取诊断时差，并将诊断时差标记为K1，设定不同的诊断原因均对应一个不同的原因预设值，将诊断原因数据与所有的诊断原因进行匹配获取对应的原因预设值并标记为K2；
设定不同的诊断结果均对应一个不同的结果预设值，设定不同的诊断结果的严重程度对应一个不同的严重预设值，将诊断结果数据中的诊断结果与所有的诊断结果进行匹配获取对应的结果预设值并标记为J1，将诊断结果数据中的严重程度与所有的严重程度进行匹配获取对应的严重预设值并标记为Yi,i＝1，2，3；
设定不同的药品均对应一个药品预设值，将开药数据与所有的药品进行匹配获取对应的药品预设值并标记为P1；
将标记的诊断时差、原因预设值、结果预设值、严重预设值和药品预设值分类组合，得到诊断处理信息；
获取就诊处理信息中的病人个人数据、病史数据和服药数据；
将病人个人数据中的身份证号标记为病人凭证，将病人个人数据中的个人年龄标记为L1，将病人个人数据中的体重数据与预设的标准体重范围进行匹配，若体重数据属于标准体重范围，则判定体重数据正常，若体重数据不属于标准体重范围，则判定体重数据异常，并将匹配后的体重数据标记为Tij,i＝1，2；j＝1，2...n；
将病史数据与所有的诊断结果进行匹配获取病史数据对应的结果预设值并标记为历史病例值B1，将服药数据与所有的药品进行匹配获取对应的药品预设值并标记为历史服药值B2，统计服药数据中的服药次数并标记为F1；
将标记的病人凭证、个人年龄、体重数据、历史病例值、历史服药值和服药次数组合，得到就诊处理信息。
数据分配模块用于根据诊断值和就诊值对医生的诊断进行安排，具体的步骤包括：
获取严重数据中的诊断值和就诊排序集中的就诊值；
利用公式获取病人的匹配值，该公式为
Figure BDA0002846055740000091
其中，Qp表示为病人的匹配值，α表示为预设的权重，Qjz表示为就诊排序集中的就诊值，Qzd表示为严重数据中的诊断值；
将匹配值与预设的标准阈值进行对比，若匹配值等于标准阈值，则判定就诊值与严重数据中的诊断值匹配，根据该就诊值关联的病人凭证对病人进行优先诊断得到优先诊断结果，并根据优先诊断结果将病人凭证对应的病史数据和服药数据进行存储和更新，根据优先诊断结果将诊断信息中的诊断时间数据、诊断原因数据、诊断结果数据和开药数据进行存储和更新；
若匹配值不等于标准阈值，则判定就诊值与严重数据中的诊断值不匹配，根据挂号时间的排列顺序和就诊值关联的病人凭证对病人进行诊断并生成正常诊断结果，根据诊断结果对病人凭证关联的病史数据和服药数据进行存储和更新，根据正常诊断结果将诊断信息中的诊断时间数据、诊断原因数据、诊断结果数据和开药数据进行存储和更新；
提示模块根据匹配值对医生的诊断和病人的就诊进行提示，具体的步骤包括：
获取病人凭证并与数据库中存储的病人凭证集进行匹配，若病人凭证集中未匹配到该病人凭证，判定该病人为首次就诊并将该病人凭证存储至病人凭证集中，对该病人进行诊断生成首次诊断信息，并将首次诊断信息与病人凭证关联和存储；
若病人凭证集中匹配到该病人凭证，判定该病人为非首次就诊并提取该病人凭证关联的就诊信息，根据病人凭证获取病人上一次的就诊时间，获取上一次的就诊时间与实时时间的时长，将时长与预设的复诊时长进行匹配，若时长不大于复诊时长，则判定病人正常复诊并生成正常复诊信号，医生根据正常复诊信号和该病人凭证关联的就诊信息进行正常复诊，生成第一复诊信息并与该病人凭证进行关联和存储；
若时长大于复诊时长，则判定病人迟到复诊并生成迟到复诊信号，医生根据迟到复诊信号和该病人凭证关联的就诊信息进行正常诊断，生成第二复诊信息并与该病人凭证进行关联和存储。
对该病人进行诊断生成首次诊断信息，并将首次诊断信息与病人凭证关联和存储，包括：对病人进行诊断生成首次诊断信息，该首次诊断信息包含病人的诊断时间、诊断原因、诊断结果、诊断结果程度和开药药品，将首次诊断信息关联存储至病人凭证中，并根据首次诊断信息将诊断信息进行补充和更新；
上述公式均是采集大量数据进行软件模拟得出且选取与真实值接近的一个公式，公式中的系数是由本领域技术人员根据实际情况进行设置。
本发明的工作原理：利用数据采集模块采集医生的诊断信息和病人的就诊信息，该诊断信息包含诊断时间数据、诊断原因数据、诊断结果数据和开药数据，该就诊信息包含病人个人数据、病史数据和服药数据，并通过数据传输模块将诊断信息和就诊信息发送至信息分析模块；
利用数据处理模块接收诊断信息和就诊信息并进行处理，得到诊断处理信息和就诊处理信息，并将诊断处理信息和就诊处理信息发送至数据分析模块；通过对诊断信息和就诊信息中的各数据进行归一化处理便于进行计算获取各个数据之间的联系；
利用数据分析模块接收诊断处理信息和就诊处理信息并进行分析，通过获取医生的诊断信息和病人的就诊信息进行综合分析，可以获取到病人的诊断史以及医生诊断过病人的不同程度的诊断情况；
通过
Figure BDA0002846055740000111
计算获取医生的诊断值和
Figure BDA0002846055740000112
获取病人的就诊值并进行综合分析，将若干个诊断值根据预设的诊断范围进行分类，将大于诊断范围最大值的诊断值判定为严重数据，将属于诊断范围的诊断值判定为中等数据，将小于诊断范围最小值的诊断值判定为轻微数据；将严重数据中的若干个诊断值进行降序排列，并将诊断值对应的病人标记为监测病人，将若干个就诊值进行降序排列，得到就诊排序集，并通过病人凭证将就诊值进行关联，通过对病人进行匹配是否属于监测病人并优先安排进行诊断，可以使得监测病人及时得到诊断和治疗，避免因为挂号或排队耽误较多的时间影响诊断，可以解决不能根据病人以往的诊断信息对医生的诊断进行合理分配的问题；
利用数据分配模块根据诊断值和就诊值对医生的诊断进行安排；利用提示模块对医生的诊断和病人的就诊进行提示；通过对诊断值和就诊值根据公式
Figure BDA0002846055740000121
计算获取病人的匹配值，并根据匹配值医生可以对病人的病历情况进行快速处理和诊断，可以解决医生不能获取病人的诊断史进行高效诊断的问题，达到提高诊断效率的目的。
在本发明所提供的实施例中，应该理解到，所揭露的系统和方法，可以通过其它的方式实现。例如，以上所描述的实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理模块，即可以位于一个地方，或者也可以分布到多个网络模块上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方法的目的。
另外，在本发明各个实施例中的各功能模块可以集成在一个处理模块中，也可以是各个模块单独物理存在，也可以两个或两个以上模块集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用硬件加软件功能模块的形式实现。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。
因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。
此外，显然“包括”一词不排除其他模块或步骤，单数不排除复数。系统权利要求中陈述的多个模块或装置也可以由一个模块或装置通过软件或者硬件来实现。第二等词语用来表示名称，而并不表示任何特定的顺序。
最后应说明的是，以上实施例仅用以说明本发明的技术方法而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方法进行修改或等同替换，而不脱离本发明技术方法的精神和范围。

Claims (5)

1.一种人工智能医疗信息系统，其特征在于，包括数据采集模块、数据传输模块、数据处理模块、数据分析模块、数据分配模块和提示模块；
数据采集模块用于采集医生的诊断信息和病人的就诊信息，该诊断信息包含诊断时间数据、诊断原因数据、诊断结果数据和开药数据，该就诊信息包含病人个人数据、病史数据和服药数据，并通过数据传输模块将诊断信息和就诊信息发送至信息分析模块；
数据处理模块用于接收诊断信息和就诊信息并进行处理，得到诊断处理信息和就诊处理信息，并将诊断处理信息和就诊处理信息发送至数据分析模块；
数据分析模块用于接收诊断处理信息和就诊处理信息并进行分析，具体的步骤包括：
步骤一：接收诊断处理信息和就诊处理信息；
步骤二：获取诊断处理信息中标记的诊断时差K1、原因预设值K2、结果预设值J1、严重预设值Yi和药品预设值P1；
步骤三：利用公式获取医生的诊断值，该公式为：
Figure FDA0002846055730000011
其中，Qzd表示为诊断值，μ表示为预设的诊断修正因子，a1、a2、a3、a4表示为不同的比例系数；
步骤四：将若干个诊断值根据预设的诊断范围进行分类，将大于诊断范围最大值的诊断值判定为严重数据，将属于诊断范围的诊断值判定为中等数据，将小于诊断范围最小值的诊断值判定为轻微数据；
步骤五：将严重数据中的若干个诊断值进行降序排列，并将诊断值对应的病人标记为监测病人；
步骤六：获取就诊处理信息中标记的病人凭证、个人年龄L1、体重数据Tij、历史病例值B1、历史服药值B2和服药次数F1；
步骤七：利用公式获取病人的就诊值，该公式为：
Figure FDA0002846055730000021
其中，Qjz表示为就诊值，β表示为预设的就诊修正因子，b1、b2、b3表示为不同的比例系数；
步骤八：将若干个就诊值进行降序排列，得到就诊排序集，并通过病人凭证将就诊值进行关联；
数据分配模块用于根据诊断值和就诊值对医生的诊断进行安排；
数据传输模块用于对各个模块之间的数据进行传输。
2.根据权利要求1所述的一种人工智能医疗信息系统，其特征在于，数据处理模块用于接收诊断信息和就诊信息并进行处理，得到诊断处理信息和就诊处理信息，具体的步骤包括：
S21：获取诊断信息中的诊断时间数据、诊断原因数据、诊断结果数据和开药数据；
S22：根据诊断时间数据与实时时间获取诊断时差，并将诊断时差标记为K1，设定不同的诊断原因均对应一个不同的原因预设值，将诊断原因数据与所有的诊断原因进行匹配获取对应的原因预设值并标记为K2；
S23：设定不同的诊断结果均对应一个不同的结果预设值，设定不同的诊断结果的严重程度对应一个不同的严重预设值，将诊断结果数据中的诊断结果与所有的诊断结果进行匹配获取对应的结果预设值并标记为J1，将诊断结果数据中的严重程度与所有的严重程度进行匹配获取对应的严重预设值并标记为Yi,i＝1，2，3；
S24：设定不同的药品均对应一个药品预设值，将开药数据与所有的药品进行匹配获取对应的药品预设值并标记为P1；
S25：将标记的诊断时差、原因预设值、结果预设值、严重预设值和药品预设值分类组合，得到诊断处理信息；
S26：获取就诊处理信息中的病人个人数据、病史数据和服药数据；
S27：将病人个人数据中的身份证号标记为病人凭证，将病人个人数据中的个人年龄标记为L1，将病人个人数据中的体重数据与预设的标准体重范围进行匹配，若体重数据属于标准体重范围，则判定体重数据正常，若体重数据不属于标准体重范围，则判定体重数据异常，并将匹配后的体重数据标记为Tij,i＝1，2；j＝1，2...n；
S28：将病史数据与所有的诊断结果进行匹配获取病史数据对应的结果预设值并标记为历史病例值B1，将服药数据与所有的药品进行匹配获取对应的药品预设值并标记为历史服药值B2，统计服药数据中的服药次数并标记为F1；
S29：将标记的病人凭证、个人年龄、体重数据、历史病例值、历史服药值和服药次数组合，得到就诊处理信息。
3.根据权利要求1所述的一种人工智能医疗信息系统，其特征在于，数据分配模块用于根据诊断值和就诊值对医生的诊断进行安排，具体的步骤包括：
S31：获取严重数据中的诊断值和就诊排序集中的就诊值；
S32：利用公式获取病人的匹配值，该公式为
Figure FDA0002846055730000031
其中，Qp表示为病人的匹配值，α表示为预设的权重，Qjz表示为就诊排序集中的就诊值，Qzd表示为严重数据中的诊断值；
S33：将匹配值与预设的标准阈值进行对比，若匹配值等于标准阈值，则判定就诊值与严重数据中的诊断值匹配，根据该就诊值关联的病人凭证对病人进行优先诊断得到优先诊断结果，并根据优先诊断结果将病人凭证对应的病史数据和服药数据进行存储和更新，根据优先诊断结果将诊断信息中的诊断时间数据、诊断原因数据、诊断结果数据和开药数据进行存储和更新；
S34：若匹配值不等于标准阈值，则判定就诊值与严重数据中的诊断值不匹配，根据挂号时间的排列顺序和就诊值关联的病人凭证对病人进行诊断并生成正常诊断结果，根据诊断结果对病人凭证关联的病史数据和服药数据进行存储和更新，根据正常诊断结果将诊断信息中的诊断时间数据、诊断原因数据、诊断结果数据和开药数据进行存储和更新；
S35：提示模块根据匹配值对医生的诊断和病人的就诊进行提示。
4.根据权利要求1所述的一种人工智能医疗信息系统，其特征在于，提示模块根据匹配值对医生的诊断和病人的就诊进行提示，具体的步骤包括：
S41：获取病人凭证并与数据库中存储的病人凭证集进行匹配，若病人凭证集中未匹配到该病人凭证，判定该病人为首次就诊并将该病人凭证存储至病人凭证集中，对该病人进行诊断生成首次诊断信息，并将首次诊断信息与病人凭证关联和存储；
S42：若病人凭证集中匹配到该病人凭证，判定该病人为非首次就诊并提取该病人凭证关联的就诊信息，根据病人凭证获取病人上一次的就诊时间，获取上一次的就诊时间与实时时间的时长，将时长与预设的复诊时长进行匹配，若时长不大于复诊时长，则判定病人正常复诊并生成正常复诊信号，医生根据正常复诊信号和该病人凭证关联的就诊信息进行正常复诊，生成第一复诊信息并与该病人凭证进行关联和存储；
S43：若时长大于复诊时长，则判定病人迟到复诊并生成迟到复诊信号，医生根据迟到复诊信号和该病人凭证关联的就诊信息进行正常诊断，生成第二复诊信息并与该病人凭证进行关联和存储。
5.根据权利要求4所述的一种人工智能医疗信息系统，其特征在于，对该病人进行诊断生成首次诊断信息，并将首次诊断信息与病人凭证关联和存储，包括：对病人进行诊断生成首次诊断信息，该首次诊断信息包含病人的诊断时间、诊断原因、诊断结果、诊断结果程度和开药药品，将首次诊断信息关联存储至病人凭证中，并根据首次诊断信息将诊断信息进行补充和更新。
CN202011509829.6A 2020-12-19 2020-12-19 一种人工智能医疗信息系统 Withdrawn CN112489795A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011509829.6A CN112489795A (zh) 2020-12-19 2020-12-19 一种人工智能医疗信息系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011509829.6A CN112489795A (zh) 2020-12-19 2020-12-19 一种人工智能医疗信息系统

Publications (1)

Publication Number Publication Date
CN112489795A true CN112489795A (zh) 2021-03-12

Family

ID=74914851

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011509829.6A Withdrawn CN112489795A (zh) 2020-12-19 2020-12-19 一种人工智能医疗信息系统

Country Status (1)

Country Link
CN (1) CN112489795A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115938593A (zh) * 2023-03-10 2023-04-07 武汉大学人民医院（湖北省人民医院） 病历信息的处理方法、装置、设备及计算机可读存储介质

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115938593A (zh) * 2023-03-10 2023-04-07 武汉大学人民医院（湖北省人民医院） 病历信息的处理方法、装置、设备及计算机可读存储介质

Similar Documents

Publication Publication Date Title
CN113643821B (zh) 一种多中心知识图谱联合决策支持方法与系统
CN106845147B (zh) 医学经验总结模型的建立方法、装置
CN110111889A (zh) 急诊院前登记系统及方法
CN112617855A (zh) 基于联邦学习的心电图分析方法、装置及相关设备
CN113241196B (zh) 基于云-终端协同的远程医疗与分级监控系统
US20130339041A1 (en) Clinical information system
CN112216361A (zh) 基于人工智能的随访计划单生成方法、装置、终端及介质
CN111695836A (zh) 临床试验在线运行管控集成系统
CN113990482A (zh) 健康数据处理系统及方法
CN106919804A (zh) 基于临床数据的药物推荐方法、推荐装置及服务器
CN112530604A (zh) 一种基于云平台的远程智慧医疗系统
CN113707337A (zh) 基于多源数据的疾病预警方法、装置、设备及存储介质
WO2022247007A1 (zh) 医学图像分级方法、装置、电子设备及可读存储介质
CN115762781A (zh) 一种基于医疗大数据的危重症早期预警系统及方法
CN113066562A (zh) 基于5g的医疗图像传输方法及系统
CN113744845A (zh) 基于人工智能的医学影像处理方法、装置、设备及介质
CH713793B1 (de) Zentrales Stationsinformationssystem.
CN112489795A (zh) 一种人工智能医疗信息系统
CN116417141A (zh) 基于人工智能的1型糖尿病健康评估模型及方法
CN115409380A (zh) 医院医保绩效评价方法、装置、电子设备及其存储介质
CN117194802A (zh) 医防协同平台关于居民健康画像和服务推荐系统及方法
CN113517044A (zh) 基于药代学评价胞二磷胆碱的临床数据处理方法及系统
CN112735579A (zh) 一种急诊病人快速登记治疗系统
CN116913446A (zh) 康复锻炼集中管理和学习系统
CN113192631A (zh) 一种多学科协作进行智能化大脑抗衰老诊疗的系统和方法

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
WW01 Invention patent application withdrawn after publication
WW01 Invention patent application withdrawn after publication

Application publication date: 20210312