CN112687395A - 人工智能的医疗信息处理方法、装置、设备及存储介质 - Google Patents
人工智能的医疗信息处理方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN112687395A CN112687395A CN202011615804.4A CN202011615804A CN112687395A CN 112687395 A CN112687395 A CN 112687395A CN 202011615804 A CN202011615804 A CN 202011615804A CN 112687395 A CN112687395 A CN 112687395A
- Authority
- CN
- China
- Prior art keywords
- information
- preset
- feature
- node
- stored
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 230000010365 information processing Effects 0.000 title claims abstract description 39
- 238000003672 processing method Methods 0.000 title claims abstract description 22
- 238000013473 artificial intelligence Methods 0.000 claims abstract description 35
- 238000000034 method Methods 0.000 claims abstract description 23
- 238000004891 communication Methods 0.000 claims abstract description 16
- 230000006399 behavior Effects 0.000 claims description 35
- 230000006870 function Effects 0.000 claims description 28
- 230000004048 modification Effects 0.000 claims description 16
- 238000012986 modification Methods 0.000 claims description 16
- 238000004590 computer program Methods 0.000 claims description 12
- 238000012545 processing Methods 0.000 claims description 4
- 238000000605 extraction Methods 0.000 abstract description 2
- 238000000746 purification Methods 0.000 abstract description 2
- 238000000554 physical therapy Methods 0.000 description 24
- 230000008569 process Effects 0.000 description 7
- 230000008901 benefit Effects 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 238000003745 diagnosis Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 208000024172 Cardiovascular disease Diseases 0.000 description 1
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 206010052428 Wound Diseases 0.000 description 1
- 208000027418 Wounds and injury Diseases 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 206010012601 diabetes mellitus Diseases 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Landscapes
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明提供一种人工智能的医疗信息处理方法、装置、设备及存储介质，应用于与多个医疗服务移动终端通信连接的医疗信息处理平台，所述方法：获取所述医疗服务移动终端的信息数据流，并提取所述信息数据流中的目标特征；通过预设人工智能模型识别所述目标特征中的特征信息；根据所述特征信息遍历预存信息池，若在所述信息存储池内匹配到与所述特征信息对应的存储特征，则根据所述特征信息更新所述预存信息，否则根据所述特征信息生成存储于所述预存信息池的所述预存信息。本发明通过从医疗服务移动终端进行数据采集、抽取和净化，并载入医疗信息处理平台，实现为不同区域医疗服务移动终端提供的信息共享和医疗信息支持等相关服务。
Description
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的医疗信息处理方法、装置、设备及存储介质。
背景技术
随着区域智能医疗服务平台的搭建，智能医疗将真正实现医疗信息的互联互通。智能医疗工程将是一个多层面的数据处理平台，通过关联、估计和组合多个信息源的数据，全面加工和协同利用各种系统及物联网多元数据相关信息，最终实现智能医疗信息的融合。智能医疗产业结构和利益链条形成过程较为复杂，需要有新的商业模式和服务方法来整合利益关系，调整利益结构和转变分配方式。目前来看，智能医疗系统技术、标准、产品、应用以及政策层面均呈现出良好开端。在医院信息系统中移动医疗子系统是非常特殊的医疗信息系统，它对系统的移动性、及时性要求非常高，特别是在创伤、心血管、糖尿病的医疗中，时间就是生命，非常有必要增强移动医疗系统的智能化；并与整个医院信息系统融合，在一定的区域范围内为病人提供移动医疗服务；而且将各个区域智能化移动医疗集成数据中心。
发明内容
本发明旨在至少解决现有技术中存在的技术问题之一。为此，本发明提出一种人工智能的医疗信息处理方法。
本发明还提出一种基于人工智能的医疗信息处理装置。
本发明又提出一种电子设备。
本发明再提出一种非暂态计算机可读存储介质。
根据本发明第一方面提供的一种基于人工智能的医疗信息处理方法，应用于与多个医疗服务移动终端通信连接的医疗信息处理平台，所述方法：
获取所述医疗服务移动终端的信息数据流，并提取所述信息数据流中的目标特征；
通过预设人工智能模型识别所述目标特征中的特征信息；
根据所述特征信息遍历预存信息池，若在所述信息存储池内匹配到与所述特征信息对应的存储特征，则根据所述特征信息更新所述预存信息，否则根据所述特征信息生成存储于所述预存信息池的所述预存信息。
根据本发明的一种实施方式，所述获取所述医疗服务移动终端的信息数据流，并提取所述信息数据流中的目标特征的步骤中，具体包括：
获取在所述医疗服务移动终端满足预设操作条件的操作信息；
提取所述操作信息内的大数据行为特征，并将所述大数据行为特征作为所述信息数据流；
对所述大数据行为特征的节点特征进行跟踪别，得到跟踪结果，所述跟踪结果包括所述大数据行为特征中每个节点特征在所述预设信息池内对应的预设节点特征的关联度；
根据所述跟踪结果确定所述大数据行为特征中的目标特征。
具体来说，本实施例提供了一种提取所述信息数据流中的目标特征的实施方式，通过对在所述医疗服务移动终端上的操作进行监控，当在所述医疗服务移动终端上的操作满足预设操作条件时，获取该操作信息，并提取所述操作信息内的大数据行为特征，并对大数据行为特征内的节点进行跟踪，从而获得在大数据行为特征内节点之间的关联度信息。
在一个应用场景中，操作者在医疗服务移动终端上输入包含“修改第一市第二区第三医院理疗设备预存信息”的关键词，此时系统判断在该所述医疗服务移动终端上的操作满足预设操作条件，则对在该所述医疗服务移动终端上的操作信息进行大数据行为特征的获取，大数据行为特征内的节点包括“第一市”、“第二区”、“第三医院”、“理疗”和“设备”等，并对上述节点进行跟踪，操作者在后续操作中输入例如某种设备的数量或种类的改变，亦或者增加新的设备，删除旧的设备等操作均包含在大数据行为特征内，而“第一市”、“第二区”、“第三医院”、“理疗”和“设备”等节点以及后续的操作内容则作为大数据行为特征中的目标特征。
在另一个应用场景中，操作者在医疗服务移动终端上输入包含“患者李某在某年某月某科室进行骨折手术”的关键词，此时系统判断在该所述医疗服务移动终端上的操作满足预设操作条件，则对在该所述医疗服务移动终端上的操作信息进行大数据行为特征的获取，大数据行为特征内的节点包括“患者”、“李某”、“日期”、“科室”和“治疗手段”等，并对上述节点进行跟踪，操作者在后续操作中输入例如患者复诊日期、更换科室、更换治疗手段等操作均包含在大数据行为特征内，而“患者”、“李某”、“日期”、“科室”和“治疗手段”等节点以及后续的操作内容则作为大数据行为特征中的目标特征。
根据本发明的一种实施方式，所述预设操作条件包括：对医疗信息处理平台预存信息进行修改的第一修改操作、对患者治疗信息进行修改的第二修改操作以及对操作所述医疗服务移动终端所属医疗单位自然信息进行修改的第三修改操作。
具体来说，本实施例提供了一种预设操作条件的实施方式，包含了第一修改操作、第二修改操作和第三修改操作，上述三种操作针对预设操作条件包含的至少三种操作类型。
需要说明的是，预设操作条件还可以包含更多的操作类型，以及在进行该操作时对医疗服务移动终端所处地理位置信息的获取，进而形成关于操作、日期以及发生位置等信息形成的在所述医疗服务移动终端的操作信息。
根据本发明的一种实施方式，所述通过预设人工智能模型识别所述目标特征中的特征信息的步骤中，具体包括：
获取所述目标特征中的全部节点特征并进行分类，将同类节点特征归纳为节点特征集；
获取所述节点特征集中包含至少两个相邻同类节点特征的若干关联度区间；
确定在每个所述关联度区间内依次连接每个所述同类节点特征的特征向量，并根据所述特征向量确定所述关联度区间的特征函数，将所述特征函数作为所述特征信息。
具体来说，本实施例提供了一种通过预设人工智能模型识别所述目标特征中的特征信息的实施方式，在一次输入中，若输入的节点特征集包含至少两个相邻同类节点特征，则获取该相邻两个相同节点特征的关联度区间。
在一个应用场景中，操作者输入“第一市”、“第二区”、“第三医院”、“自然信息”、“医生数量”、“建院时间”等操作信息，其中“第一市”、“第二区”、“第三医院”均为独立的节点特征，“自然信息”、“医生数量”、“建院时间”为同类节点特征，则分别获取“自然信息”与“医生数量”的关联度区间，“自然信息”与“建院时间”的关联度区间，“医生数量”与“建院时间”的关联度区间，以及“自然信息”、“医生数量”和“建院时间”的关联度区间。
需要说明的是，特征向量指的是“自然信息”与“建院时间”两个节点特征之间的联系，例如自然信息包含医院的面积，建院时间包含医院成立的时间，在操作者输入自然信息和建院时间的过程中，会形成输入轨迹，该轨迹即为特征向量。
进一步地，特征向量可以确定自然信息和建院时间之间联系的函数关系，即特征函数，而在预设信息池内关于自然信息和建院时间会形成存储格式文本，将特征函数与成存储格式文本进行比对判断，进而可以获知操作者输入是否正确。
根据本发明的一种实施方式，所述获取所述目标特征中的全部节点特征并进行分类，将同类节点特征归纳为节点特征集的步骤中，具体包括：
若对全部节点特征进行分类的结果中，每个所述节点特征集包含的同类节点数量小于等于一，则丢弃该所述节点特征。
具体来说，本实施例提供了一种获取所述目标特征中的全部节点特征并进行分类的实施方式，在一次输入中，若输入的节点特征属于同一类的节点特征数量小于等于一则判定本次输入失效。
在一个应用场景中，操作者输入“第一市”、“第二区”、“第三医院”、“自然信息”、“患者”、“使用手册”等操作信息，其中“第一市”、“第二区”、“第三医院”、“自然信息”、“患者”、“使用手册”均为独立的节点特征，操作者的本次输入无效。
根据本发明的一种实施方式，所述根据所述特征信息遍历预存信息池，若在所述信息存储池内匹配到与所述特征信息对应的存储特征，则根据所述特征信息更新所述预存信息，否则根据所述特征信息生成存储于所述预存信息池的所述预存信息的步骤中，具体包括：
获取所述预设信息池内预设信息的预设节点特征，并将同类预设节点特征归纳为预设节点特征集；
获取所述预设节点特征集中包含至少两个相邻同类预设节点特征的若干预设关联度区间；
确定在每个所述预设关联度区间内依次连接每个所述同类预设节点特征的特征向量，并根据所述特征向量确定所述预设关联度区间的预设特征函数；
根据所述特征函数和所述预设特征函数计算偏移量，若偏移量在预设范围内，则判定在所述信息存储池内匹配到与所述特征信息对应的存储特征，则根据所述特征信息更新所述预存信息。
具体来说，本实施例提供了一种根据所述特征信息遍历预存信息池的实施方式，根据关联度区间与预设关联度区间之间偏移量的计算和比对，实现对特征信息与信息存储池内存储的存储特征是否匹配进行判断，若偏移量在预设范围内，则判定在所述信息存储池内匹配到与所述特征信息对应的存储特征，则根据所述特征信息更新所述预存信息。
在一个应用场景中，操作者在医疗服务移动终端上输入包含“修改第一市第二区第三医院理疗设备预存信息”的关键词，操作者在医疗服务移动终端上操作的目的在于删除第一市第二区第三医院内的两台A类型设备的预存信息，在操作过程中，“第一市”、“第二区”、“第三医院”、“理疗”、“设备”、“删除”、“两台”、“A类型”为节点特征，上述节点特征每次选取至少两个形成多个关联区间，在排列组合后，多个关联区间在信息存储池内匹配相应的预设关联区间，若匹配到与“第一市”、“第二区”、“第三医院”、“理疗”、“设备”、“删除”、“两台”、“A类型”近似的预设节点特征，则满足匹配条件，若上述条件中丢失了例如“第二区”和“理疗”等关键词，则包含“第一市”、“第三医院”、设备”、“删除”、“两台”、“A类型”则为偏移量，当遍历完毕后，根据预设范围对偏移量进行比对，也可以向操作者发送推送进行偏移量的提示，并根据预设范围比对或者操作者的下一步操作对是否判定“在所述信息存储池内匹配到与所述特征信息对应的存储特征”进行确认，若偏移量在预设范围内，则判定在所述信息存储池内匹配到与所述特征信息对应的存储特征，则根据所述特征信息更新所述预存信息。
根据本发明的一种实施方式，所述根据所述特征信息遍历预存信息池，若在所述信息存储池内匹配到与所述特征信息对应的存储特征，则根据所述特征信息更新所述预存信息，否则根据所述特征信息生成存储于所述预存信息池的所述预存信息的步骤中，具体包括：
获取所述预设信息池内预设信息的预设节点特征，并将同类预设节点特征归纳为预设节点特征集；
获取所述预设节点特征集中包含至少两个相邻同类预设节点特征的若干预设关联度区间；
确定在每个所述预设关联度区间内依次连接每个所述同类预设节点特征的特征向量，并根据所述特征向量确定所述预设关联度区间的预设特征函数；
根据所述特征函数和所述预设特征函数计算偏移量，若偏移量超出预设范围内，则判定在所述信息存储池内未匹配到与所述特征信息对应的存储特征，则根据所述特征信息生成存储于所述预存信息池的所述预存信息。
具体来说，本实施例提供了另一种根据所述特征信息遍历预存信息池的实施方式，根据关联度区间与预设关联度区间之间偏移量的计算和比对，实现对特征信息与信息存储池内存储的存储特征是否匹配进行判断，若偏移量超出预设范围内，则判定在所述信息存储池内未匹配到与所述特征信息对应的存储特征，则根据所述特征信息生成存储于所述预存信息池的所述预存信息。
在一个应用场景中，操作者在医疗服务移动终端上输入包含“修改第一市第二区第三医院理疗设备预存信息”的关键词，操作者在医疗服务移动终端上操作的目的在于删除第一市第二区第三医院内的两台A类型设备的预存信息，在操作过程中，“第一市”、“第二区”、“第三医院”、“理疗”、“设备”、“删除”、“两台”、“A类型”为节点特征，上述节点特征每次选取至少两个形成多个关联区间，在排列组合后，多个关联区间在信息存储池内匹配相应的预设关联区间，若匹配到与“第一市”、“第二区”、“第三医院”、“理疗”、“设备”、“删除”、“两台”、“A类型”近似的预设节点特征，则满足匹配条件，若上述条件中丢失了例如“第二区”和“理疗”等关键词，则包含“第一市”、“第三医院”、设备”、“删除”、“两台”、“A类型”则为偏移量，当遍历完毕后，根据预设范围对偏移量进行比对，也可以向操作者发送推送进行偏移量的提示，并根据预设范围比对或者操作者的下一步操作对是否判定“在所述信息存储池内匹配到与所述特征信息对应的存储特征”进行确认，若偏移量超出预设范围内，则判定在所述信息存储池内未匹配到与所述特征信息对应的存储特征，则根据所述特征信息生成存储于所述预存信息池的所述预存信息。
根据本发明第二方面提供的一种基于人工智能的医疗信息处理装置，包括：获取模块、识别模块和判断模块；
所述获取模块用于获取所述医疗服务移动终端的信息数据流，并提取所述信息数据流中的目标特征；
所述识别模块用于通过预设人工智能模型识别所述目标特征中的特征信息；
所述判断模块用于根据所述特征信息遍历预存信息池，并根据遍历结果进行判断，若在所述信息存储池内匹配到与所述特征信息对应的存储特征，则根据所述特征信息更新所述预存信息，否则根据所述特征信息生成存储于所述预存信息池的所述预存信息。
根据本发明第三方面提供的一种电子设备，包括：存储器和处理器，所述存储器和所述处理器通过总线完成相互间的通信；
所述存储器存储有，能够在所述处理器上运行的计算机指令；
所述处理器调用所述计算机程序指令时，能够执行上述的基于人工智能的医疗信息处理方法。
根据本发明第四方面提供的一种非暂态计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时，实现上述的基于人工智能的医疗信息处理方法的步骤。
本发明中的上述一个或多个技术方案，至少具有如下技术效果之一：本发明提供的一种人工智能的医疗信息处理方法、装置、设备及存储介质，通过从医疗服务移动终端进行数据采集、抽取和净化，并载入医疗信息处理平台，实现为不同区域医疗服务移动终端提供的信息共享和医疗信息支持等相关服务。
本发明的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。
附图说明
为了更清楚地说明本发明或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，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。
图1是本发明提供的人工智能的医疗信息处理方法的流程示意图；
图2是本发明提供的电子设备的结构示意图。
附图标记：
810：处理器；820：通信接口；830：存储器；840：通信总线。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，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，所描述的实施例是本发明的一部分实施例，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做出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。
下面结合说明书附图对本申请进行具体说明，方法实施例中的具体操作方法也可以应用于装置实施例或系统实施例中。在本申请的描述中，除非另有说明，“至少一个”包括一个或多个。“多个”是指两个或两个以上。例如，A、B和C中的至少一个，包括：单独存在A、单独存在B、同时存在A和B、同时存在A和C、同时存在B和C，以及同时存在A、B和C。在本申请中，“/”表示或的意思，例如， A/B可以表示A或B；本文中的“和/或”仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。
在本发明的一些具体实施方案中，如图1所示，本方案提供一种基于人工智能的医疗信息处理方法，应用于与多个医疗服务移动终端通信连接的医疗信息处理平台，所述方法：
获取所述医疗服务移动终端的信息数据流，并提取所述信息数据流中的目标特征；
通过预设人工智能模型识别所述目标特征中的特征信息；
根据所述特征信息遍历预存信息池，若在所述信息存储池内匹配到与所述特征信息对应的存储特征，则根据所述特征信息更新所述预存信息，否则根据所述特征信息生成存储于所述预存信息池的所述预存信息。
详细来说，本发明提供的一种人工智能的医疗信息处理方法，通过从医疗服务移动终端进行数据采集，并进行数据抽取、净化，载入医疗信息处理平台，实现为不同区域医疗服务移动终端提供的信息共享和医疗信息支持等相关服务。
根据本发明的一种实施方式，所述获取所述医疗服务移动终端的信息数据流，并提取所述信息数据流中的目标特征的步骤中，具体包括：
获取在所述医疗服务移动终端满足预设操作条件的操作信息；
提取所述操作信息内的大数据行为特征，并将所述大数据行为特征作为所述信息数据流；
对所述大数据行为特征的节点特征进行跟踪别，得到跟踪结果，所述跟踪结果包括所述大数据行为特征中每个节点特征在所述预设信息池内对应的预设节点特征的关联度；
根据所述跟踪结果确定所述大数据行为特征中的目标特征。
具体来说，本实施例提供了一种提取所述信息数据流中的目标特征的实施方式，通过对在所述医疗服务移动终端上的操作进行监控，当在所述医疗服务移动终端上的操作满足预设操作条件时，获取该操作信息，并提取所述操作信息内的大数据行为特征，并对大数据行为特征内的节点进行跟踪，从而获得在大数据行为特征内节点之间的关联度信息。
在一个应用场景中，操作者在医疗服务移动终端上输入包含“修改第一市第二区第三医院理疗设备预存信息”的关键词，此时系统判断在该所述医疗服务移动终端上的操作满足预设操作条件，则对在该所述医疗服务移动终端上的操作信息进行大数据行为特征的获取，大数据行为特征内的节点包括“第一市”、“第二区”、“第三医院”、“理疗”和“设备”等，并对上述节点进行跟踪，操作者在后续操作中输入例如某种设备的数量或种类的改变，亦或者增加新的设备，删除旧的设备等操作均包含在大数据行为特征内，而“第一市”、“第二区”、“第三医院”、“理疗”和“设备”等节点以及后续的操作内容则作为大数据行为特征中的目标特征。
在另一个应用场景中，操作者在医疗服务移动终端上输入包含“患者李某在某年某月某科室进行骨折手术”的关键词，此时系统判断在该所述医疗服务移动终端上的操作满足预设操作条件，则对在该所述医疗服务移动终端上的操作信息进行大数据行为特征的获取，大数据行为特征内的节点包括“患者”、“李某”、“日期”、“科室”和“治疗手段”等，并对上述节点进行跟踪，操作者在后续操作中输入例如患者复诊日期、更换科室、更换治疗手段等操作均包含在大数据行为特征内，而“患者”、“李某”、“日期”、“科室”和“治疗手段”等节点以及后续的操作内容则作为大数据行为特征中的目标特征。
根据本发明的一种实施方式，所述预设操作条件包括：对医疗信息处理平台预存信息进行修改的第一修改操作、对患者治疗信息进行修改的第二修改操作以及对操作所述医疗服务移动终端所属医疗单位自然信息进行修改的第三修改操作。
具体来说，本实施例提供了一种预设操作条件的实施方式，包含了第一修改操作、第二修改操作和第三修改操作，上述三种操作针对预设操作条件包含的至少三种操作类型。
需要说明的是，预设操作条件还可以包含更多的操作类型，以及在进行该操作时对医疗服务移动终端所处地理位置信息的获取，进而形成关于操作、日期以及发生位置等信息形成的在所述医疗服务移动终端的操作信息。
根据本发明的一种实施方式，所述通过预设人工智能模型识别所述目标特征中的特征信息的步骤中，具体包括：
获取所述目标特征中的全部节点特征并进行分类，将同类节点特征归纳为节点特征集；
获取所述节点特征集中包含至少两个相邻同类节点特征的若干关联度区间；
确定在每个所述关联度区间内依次连接每个所述同类节点特征的特征向量，并根据所述特征向量确定所述关联度区间的特征函数，将所述特征函数作为所述特征信息。
具体来说，本实施例提供了一种通过预设人工智能模型识别所述目标特征中的特征信息的实施方式，在一次输入中，若输入的节点特征集包含至少两个相邻同类节点特征，则获取该相邻两个相同节点特征的关联度区间。
在一个应用场景中，操作者输入“第一市”、“第二区”、“第三医院”、“自然信息”、“医生数量”、“建院时间”等操作信息，其中“第一市”、“第二区”、“第三医院”均为独立的节点特征，“自然信息”、“医生数量”、“建院时间”为同类节点特征，则分别获取“自然信息”与“医生数量”的关联度区间，“自然信息”与“建院时间”的关联度区间，“医生数量”与“建院时间”的关联度区间，以及“自然信息”、“医生数量”和“建院时间”的关联度区间。
需要说明的是，特征向量指的是“自然信息”与“建院时间”两个节点特征之间的联系，例如自然信息包含医院的面积，建院时间包含医院成立的时间，在操作者输入自然信息和建院时间的过程中，会形成输入轨迹，该轨迹即为特征向量。
进一步地，特征向量可以确定自然信息和建院时间之间联系的函数关系，即特征函数，而在预设信息池内关于自然信息和建院时间会形成存储格式文本，将特征函数与成存储格式文本进行比对判断，进而可以获知操作者输入是否正确。
根据本发明的一种实施方式，所述获取所述目标特征中的全部节点特征并进行分类，将同类节点特征归纳为节点特征集的步骤中，具体包括：
若对全部节点特征进行分类的结果中，每个所述节点特征集包含的同类节点数量小于等于一，则丢弃该所述节点特征。
具体来说，本实施例提供了一种获取所述目标特征中的全部节点特征并进行分类的实施方式，在一次输入中，若输入的节点特征属于同一类的节点特征数量小于等于一则判定本次输入失效。
在一个应用场景中，操作者输入“第一市”、“第二区”、“第三医院”、“自然信息”、“患者”、“使用手册”等操作信息，其中“第一市”、“第二区”、“第三医院”、“自然信息”、“患者”、“使用手册”均为独立的节点特征，操作者的本次输入无效。
根据本发明的一种实施方式，所述根据所述特征信息遍历预存信息池，若在所述信息存储池内匹配到与所述特征信息对应的存储特征，则根据所述特征信息更新所述预存信息，否则根据所述特征信息生成存储于所述预存信息池的所述预存信息的步骤中，具体包括：
获取所述预设信息池内预设信息的预设节点特征，并将同类预设节点特征归纳为预设节点特征集；
获取所述预设节点特征集中包含至少两个相邻同类预设节点特征的若干预设关联度区间；
确定在每个所述预设关联度区间内依次连接每个所述同类预设节点特征的特征向量，并根据所述特征向量确定所述预设关联度区间的预设特征函数；
根据所述特征函数和所述预设特征函数计算偏移量，若偏移量在预设范围内，则判定在所述信息存储池内匹配到与所述特征信息对应的存储特征，则根据所述特征信息更新所述预存信息。
具体来说，本实施例提供了一种根据所述特征信息遍历预存信息池的实施方式，根据关联度区间与预设关联度区间之间偏移量的计算和比对，实现对特征信息与信息存储池内存储的存储特征是否匹配进行判断，若偏移量在预设范围内，则判定在所述信息存储池内匹配到与所述特征信息对应的存储特征，则根据所述特征信息更新所述预存信息。
在一个应用场景中，操作者在医疗服务移动终端上输入包含“修改第一市第二区第三医院理疗设备预存信息”的关键词，操作者在医疗服务移动终端上操作的目的在于删除第一市第二区第三医院内的两台A类型设备的预存信息，在操作过程中，“第一市”、“第二区”、“第三医院”、“理疗”、“设备”、“删除”、“两台”、“A类型”为节点特征，上述节点特征每次选取至少两个形成多个关联区间，在排列组合后，多个关联区间在信息存储池内匹配相应的预设关联区间，若匹配到与“第一市”、“第二区”、“第三医院”、“理疗”、“设备”、“删除”、“两台”、“A类型”近似的预设节点特征，则满足匹配条件，若上述条件中丢失了例如“第二区”和“理疗”等关键词，则包含“第一市”、“第三医院”、设备”、“删除”、“两台”、“A类型”则为偏移量，当遍历完毕后，根据预设范围对偏移量进行比对，也可以向操作者发送推送进行偏移量的提示，并根据预设范围比对或者操作者的下一步操作对是否判定“在所述信息存储池内匹配到与所述特征信息对应的存储特征”进行确认，若偏移量在预设范围内，则判定在所述信息存储池内匹配到与所述特征信息对应的存储特征，则根据所述特征信息更新所述预存信息。
根据本发明的一种实施方式，所述根据所述特征信息遍历预存信息池，若在所述信息存储池内匹配到与所述特征信息对应的存储特征，则根据所述特征信息更新所述预存信息，否则根据所述特征信息生成存储于所述预存信息池的所述预存信息的步骤中，具体包括：
获取所述预设信息池内预设信息的预设节点特征，并将同类预设节点特征归纳为预设节点特征集；
获取所述预设节点特征集中包含至少两个相邻同类预设节点特征的若干预设关联度区间；
确定在每个所述预设关联度区间内依次连接每个所述同类预设节点特征的特征向量，并根据所述特征向量确定所述预设关联度区间的预设特征函数；
根据所述特征函数和所述预设特征函数计算偏移量，若偏移量超出预设范围内，则判定在所述信息存储池内未匹配到与所述特征信息对应的存储特征，则根据所述特征信息生成存储于所述预存信息池的所述预存信息。
具体来说，本实施例提供了另一种根据所述特征信息遍历预存信息池的实施方式，根据关联度区间与预设关联度区间之间偏移量的计算和比对，实现对特征信息与信息存储池内存储的存储特征是否匹配进行判断，若偏移量超出预设范围内，则判定在所述信息存储池内未匹配到与所述特征信息对应的存储特征，则根据所述特征信息生成存储于所述预存信息池的所述预存信息。
在一个应用场景中，操作者在医疗服务移动终端上输入包含“修改第一市第二区第三医院理疗设备预存信息”的关键词，操作者在医疗服务移动终端上操作的目的在于删除第一市第二区第三医院内的两台A类型设备的预存信息，在操作过程中，“第一市”、“第二区”、“第三医院”、“理疗”、“设备”、“删除”、“两台”、“A类型”为节点特征，上述节点特征每次选取至少两个形成多个关联区间，在排列组合后，多个关联区间在信息存储池内匹配相应的预设关联区间，若匹配到与“第一市”、“第二区”、“第三医院”、“理疗”、“设备”、“删除”、“两台”、“A类型”近似的预设节点特征，则满足匹配条件，若上述条件中丢失了例如“第二区”和“理疗”等关键词，则包含“第一市”、“第三医院”、设备”、“删除”、“两台”、“A类型”则为偏移量，当遍历完毕后，根据预设范围对偏移量进行比对，也可以向操作者发送推送进行偏移量的提示，并根据预设范围比对或者操作者的下一步操作对是否判定“在所述信息存储池内匹配到与所述特征信息对应的存储特征”进行确认，若偏移量超出预设范围内，则判定在所述信息存储池内未匹配到与所述特征信息对应的存储特征，则根据所述特征信息生成存储于所述预存信息池的所述预存信息。
在本发明的一些具体实施方案中，本方案提供一种基于人工智能的医疗信息处理装置，包括：获取模块、识别模块和判断模块；
所述获取模块用于获取所述医疗服务移动终端的信息数据流，并提取所述信息数据流中的目标特征；
所述识别模块用于通过预设人工智能模型识别所述目标特征中的特征信息；
所述判断模块用于根据所述特征信息遍历预存信息池，并根据遍历结果进行判断，若在所述信息存储池内匹配到与所述特征信息对应的存储特征，则根据所述特征信息更新所述预存信息，否则根据所述特征信息生成存储于所述预存信息池的所述预存信息。
图2示例了一种电子设备的实体结构示意图，如图2所示，该电子设备可以包括：处理器(processor)810、通信接口(Communications Interface)820、存储器(memory)830和通信总线840，其中，处理器810，通信接口820，存储器830通过通信总线840完成相互间的通信。处理器810可以调用存储器830中的逻辑指令，以执行人工智能的医疗信息处理方法。
需要说明的是，本实施例中的电子设备在具体实现时可以为服务器，也可以为PC机，还可以为其他设备，只要其结构中包括如图2 所示的处理器810、通信接口820、存储器830和通信总线840，其中处理器810，通信接口820，存储器830通过通信总线840完成相互间的通信，且处理器810可以调用存储器830中的逻辑指令以执行上述方法即可。本实施例不对电子设备的具体实现形式进行限定。
其中，服务器可以是单个服务器，也可以是一个服务器组。服务器组可以是集中式的，也可以是分布式的(例如，服务器可以是分布式系统)。在一些实施例中，服务器相对于终端，可以是本地的、也可以是远程的。例如，服务器可以经由网络访问存储在用户终端、数据库或其任意组合中的信息。作为另一示例，服务器可以直接连接到用户终端和数据库中的至少一个，以访问其中存储的信息和/或数据。在一些实施例中，服务器可以在云平台上实现；仅作为示例，云平台可以包括私有云、公有云、混合云、社区云(community cloud)、分布式云、跨云(inter-cloud)、多云(multi-cloud)等，或者它们的任意组合。在一些实施例中，服务器和用户终端可以在具有本申请实施例中的一个或多个组件的电子设备上实现。
进一步地，网络可以用于信息和/或数据的交换。在一些实施例中，交互场景中的一个或多个组件(例如，服务器，用户终端和数据库)可以向其他组件发送信息和/或数据。在一些实施例中，网络可以是任何类型的有线或者无线网络，或者是他们的结合。仅作为示例，网络可以包括有线网络、无线网络、光纤网络、远程通信网络、内联网、因特网、局域网(Local AreaNetwork，LAN)、广域网(Wide Area Network，WAN)、无线局域网(WirelessLocal AreaNetworks，WLAN)、城域网(Metropolitan AreaNetwork，MAN)、广域网(WideAreaNetwork， WAN)、公共电话交换网(Public Switched Telephone Network，PSTN)、蓝牙网络、ZigBee网络、或近场通信(Near Field Communication， NFC)网络等，或其任意组合。在一些实施例中，网络可以包括一个或多个网络接入点。例如，网络可以包括有线或无线网络接入点，例如基站和/或网络交换节点，交互场景的一个或多个组件可以通过该接入点连接到网络以交换数据和/或信息。
此外，上述的存储器830中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
进一步地，本发明实施例公开一种计算机程序产品，所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，计算机能够执行上述各方法实施例所提供的方法。
另一方面，本发明实施例还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各实施例提供的人工智能的医疗信息处理方法。
又一方面，本发明实施例还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各实施例提供的人工智能的医疗信息处理方法。
以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。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案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种基于人工智能的医疗信息处理方法，其特征在于，应用于与多个医疗服务移动终端通信连接的医疗信息处理平台，所述方法：
获取所述医疗服务移动终端的信息数据流，并提取所述信息数据流中的目标特征；
通过预设人工智能模型识别所述目标特征中的特征信息；
根据所述特征信息遍历预存信息池，若在所述信息存储池内匹配到与所述特征信息对应的存储特征，则根据所述特征信息更新所述预存信息，否则根据所述特征信息生成存储于所述预存信息池的所述预存信息。
2.根据权利要求1所述的一种基于人工智能的医疗信息处理方法，其特征在于，所述获取所述医疗服务移动终端的信息数据流，并提取所述信息数据流中的目标特征的步骤中，具体包括：
获取在所述医疗服务移动终端满足预设操作条件的操作信息；
提取所述操作信息内的大数据行为特征，并将所述大数据行为特征作为所述信息数据流；
对所述大数据行为特征的节点特征进行跟踪别，得到跟踪结果，所述跟踪结果包括所述大数据行为特征中每个节点特征在所述预设信息池内对应的预设节点特征的关联度；
根据所述跟踪结果确定所述大数据行为特征中的目标特征。
3.根据权利要求2所述的一种基于人工智能的医疗信息处理方法，其特征在于，所述预设操作条件包括：对医疗信息处理平台预存信息进行修改的第一修改操作、对患者治疗信息进行修改的第二修改操作以及对操作所述医疗服务移动终端所属医疗单位自然信息进行修改的第三修改操作。
4.根据权利要求2所述的一种基于人工智能的医疗信息处理方法，其特征在于，所述通过预设人工智能模型识别所述目标特征中的特征信息的步骤中，具体包括：
获取所述目标特征中的全部节点特征并进行分类，将同类节点特征归纳为节点特征集；
获取所述节点特征集中包含至少两个相邻同类节点特征的若干关联度区间；
确定在每个所述关联度区间内依次连接每个所述同类节点特征的特征向量，并根据所述特征向量确定所述关联度区间的特征函数，将所述特征函数作为所述特征信息。
5.根据权利要求4所述的一种基于人工智能的医疗信息处理方法，其特征在于，所述获取所述目标特征中的全部节点特征并进行分类，将同类节点特征归纳为节点特征集的步骤中，具体包括：
若对全部节点特征进行分类的结果中，每个所述节点特征集包含的同类节点数量小于等于一，则丢弃该所述节点特征。
6.根据权利要求4所述的一种基于人工智能的医疗信息处理方法，其特征在于，所述根据所述特征信息遍历预存信息池，若在所述信息存储池内匹配到与所述特征信息对应的存储特征，则根据所述特征信息更新所述预存信息，否则根据所述特征信息生成存储于所述预存信息池的所述预存信息的步骤中，具体包括：
获取所述预设信息池内预设信息的预设节点特征，并将同类预设节点特征归纳为预设节点特征集；
获取所述预设节点特征集中包含至少两个相邻同类预设节点特征的若干预设关联度区间；
确定在每个所述预设关联度区间内依次连接每个所述同类预设节点特征的特征向量，并根据所述特征向量确定所述预设关联度区间的预设特征函数；
根据所述特征函数和所述预设特征函数计算偏移量，若偏移量在预设范围内，则判定在所述信息存储池内匹配到与所述特征信息对应的存储特征，则根据所述特征信息更新所述预存信息。
7.根据权利要求4所述的一种基于人工智能的医疗信息处理方法，其特征在于，所述根据所述特征信息遍历预存信息池，若在所述信息存储池内匹配到与所述特征信息对应的存储特征，则根据所述特征信息更新所述预存信息，否则根据所述特征信息生成存储于所述预存信息池的所述预存信息的步骤中，具体包括：
获取所述预设信息池内预设信息的预设节点特征，并将同类预设节点特征归纳为预设节点特征集；
获取所述预设节点特征集中包含至少两个相邻同类预设节点特征的若干预设关联度区间；
确定在每个所述预设关联度区间内依次连接每个所述同类预设节点特征的特征向量，并根据所述特征向量确定所述预设关联度区间的预设特征函数；
根据所述特征函数和所述预设特征函数计算偏移量，若偏移量超出预设范围内，则判定在所述信息存储池内未匹配到与所述特征信息对应的存储特征，则根据所述特征信息生成存储于所述预存信息池的所述预存信息。
8.一种基于人工智能的医疗信息处理装置，其特征在于，包括：获取模块、识别模块和判断模块；
所述获取模块用于获取所述医疗服务移动终端的信息数据流，并提取所述信息数据流中的目标特征；
所述识别模块用于通过预设人工智能模型识别所述目标特征中的特征信息；
所述判断模块用于根据所述特征信息遍历预存信息池，并根据遍历结果进行判断，若在所述信息存储池内匹配到与所述特征信息对应的存储特征，则根据所述特征信息更新所述预存信息，否则根据所述特征信息生成存储于所述预存信息池的所述预存信息。
9.一种电子设备，其特征在于，包括：存储器和处理器，所述存储器和所述处理器通过总线完成相互间的通信；
所述存储器存储有，能够在所述处理器上运行的计算机指令；
所述处理器调用所述计算机程序指令时，能够执行上述权利要求1至7任一所述的基于人工智能的医疗信息处理方法。
10.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时，实现上述权利要求1至7任一所述的基于人工智能的医疗信息处理方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011615804.4A CN112687395A (zh) | 2020-12-30 | 2020-12-30 | 人工智能的医疗信息处理方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011615804.4A CN112687395A (zh) | 2020-12-30 | 2020-12-30 | 人工智能的医疗信息处理方法、装置、设备及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112687395A true CN112687395A (zh) | 2021-04-20 |
Family
ID=75455429
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011615804.4A Pending CN112687395A (zh) | 2020-12-30 | 2020-12-30 | 人工智能的医疗信息处理方法、装置、设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112687395A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114160962A (zh) * | 2022-01-12 | 2022-03-11 | 中国人民解放军国防科技大学 | 一种基于物联网的激光数控装置 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109190017A (zh) * | 2018-08-02 | 2019-01-11 | 腾讯科技（北京）有限公司 | 热点信息的确定方法、装置、服务器及存储介质 |
| 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 |
| CN111540421A (zh) * | 2020-04-19 | 2020-08-14 | 周玉娟 | 基于大数据的智慧医疗病情监控方法及大数据医疗云平台 |
| CN111563073A (zh) * | 2020-04-20 | 2020-08-21 | 杭州市质量技术监督检测院 | Nqi信息共享的方法、平台、服务器及可读存储介质 |
| CN111710429A (zh) * | 2020-05-29 | 2020-09-25 | 平安医疗健康管理股份有限公司 | 信息的推送方法及装置、计算机设备、存储介质 |
| CN111931064A (zh) * | 2020-08-28 | 2020-11-13 | 张坚伟 | 基于大数据和人工智能的信息解析方法及云服务信息平台 |
-
2020
- 2020-12-30 CN CN202011615804.4A patent/CN112687395A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109190017A (zh) * | 2018-08-02 | 2019-01-11 | 腾讯科技（北京）有限公司 | 热点信息的确定方法、装置、服务器及存储介质 |
| 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 |
| CN111540421A (zh) * | 2020-04-19 | 2020-08-14 | 周玉娟 | 基于大数据的智慧医疗病情监控方法及大数据医疗云平台 |
| CN111563073A (zh) * | 2020-04-20 | 2020-08-21 | 杭州市质量技术监督检测院 | Nqi信息共享的方法、平台、服务器及可读存储介质 |
| CN111710429A (zh) * | 2020-05-29 | 2020-09-25 | 平安医疗健康管理股份有限公司 | 信息的推送方法及装置、计算机设备、存储介质 |
| CN111931064A (zh) * | 2020-08-28 | 2020-11-13 | 张坚伟 | 基于大数据和人工智能的信息解析方法及云服务信息平台 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114160962A (zh) * | 2022-01-12 | 2022-03-11 | 中国人民解放军国防科技大学 | 一种基于物联网的激光数控装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107193894B (zh) | 数据处理方法、个体识别方法及相关装置 | |
| CN111901309B (zh) | 一种数据安全共享方法、系统及装置 | |
| CN104732154A (zh) | 将数据匿名化的方法和系统 | |
| CN106097107A (zh) | 用于社交图数据分析以确定社区内的连接性的系统和方法 | |
| CN107656981A (zh) | 一种基于标识技术的数据共享和管理方法及系统 | |
| CN109815344B (zh) | 基于参数共享的网络模型训练系统、方法、装置和介质 | |
| CN107203575A (zh) | 一种用于隔离多租户数据的系统、设备和方法 | |
| CN111447069B (zh) | 一种基于区块链的低频访问数据处理方法 | |
| CN109036533A (zh) | 一种医疗信息管理方法及相关设备 | |
| CN112579319B (zh) | 一种基于LRU Cache优化的服务调用方法及装置 | |
| CN110610098A (zh) | 数据集生成方法及装置 | |
| CN112687395A (zh) | 人工智能的医疗信息处理方法、装置、设备及存储介质 | |
| CN113194012B (zh) | 基于物联网的多智能体管理方法、装置、设备及存储介质 | |
| CN106780062A (zh) | 基于社交网络和大数据分析的用户群组更新方法及系统 | |
| CN112328760A (zh) | 服务提供方法、装置和系统 | |
| CN113380389B (zh) | 智能化的区域医疗急救方法、系统架构、设备及存储介质 | |
| CN112068812A (zh) | 一种微服务生成方法、装置、计算机设备和存储介质 | |
| CN115938600A (zh) | 一种基于关联分析的心理健康状态预测方法与系统 | |
| CN106959903A (zh) | 陷阱指令Trap的处理方法及装置 | |
| CN113239255B (zh) | 异构数据资源的共享方法、装置、计算机设备及介质 | |
| CN114996246A (zh) | 一种基于NiFi组件的表多个字段校验的数据清洗方法 | |
| CN112348197A (zh) | 基于联邦学习的模型生成方法及装置 | |
| CN108572994B (zh) | 一种数据迁移的处理方法及服务器 | |
| CN109189912A (zh) | 用户咨询语句库的更新方法及装置 | |
| CN113378030B (zh) | 搜索引擎的搜索方法、搜索引擎架构、设备及存储介质 |
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 | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210420 |