CN112802597B - 一种新生儿黄疸的智能评估系统、设备、存储介质 - Google Patents
一种新生儿黄疸的智能评估系统、设备、存储介质 Download PDFInfo
- Publication number
- CN112802597B CN112802597B CN202110063132.9A CN202110063132A CN112802597B CN 112802597 B CN112802597 B CN 112802597B CN 202110063132 A CN202110063132 A CN 202110063132A CN 112802597 B CN112802597 B CN 112802597B
- Authority
- CN
- China
- Prior art keywords
- jaundice
- characteristic information
- neonatal
- neonatal jaundice
- identified
- 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
- 206010023138 Jaundice neonatal Diseases 0.000 title claims abstract description 87
- 201000006346 Neonatal Jaundice Diseases 0.000 title claims abstract description 73
- 238000011156 evaluation Methods 0.000 title claims abstract description 14
- 206010023126 Jaundice Diseases 0.000 claims abstract description 68
- 230000008859 change Effects 0.000 claims abstract description 29
- 208000024891 symptom Diseases 0.000 claims abstract description 29
- 230000001575 pathological effect Effects 0.000 claims abstract description 17
- 238000000605 extraction Methods 0.000 claims abstract description 13
- 230000011218 segmentation Effects 0.000 claims abstract description 8
- 238000005516 engineering process Methods 0.000 claims abstract description 5
- BPYKTIZUTYGOLE-IFADSCNNSA-N Bilirubin Chemical compound N1C(=O)C(C)=C(C=C)\C1=C\C1=C(C)C(CCC(O)=O)=C(CC2=C(C(C)=C(\C=C/3C(=C(C=C)C(=O)N\3)C)N2)CCC(O)=O)N1 BPYKTIZUTYGOLE-IFADSCNNSA-N 0.000 claims description 26
- 239000013598 vector Substances 0.000 claims description 13
- 238000004891 communication Methods 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000000034 method Methods 0.000 claims description 5
- 210000002966 serum Anatomy 0.000 claims description 5
- 238000003556 assay Methods 0.000 claims description 4
- 238000010276 construction Methods 0.000 claims description 3
- 238000013016 damping Methods 0.000 claims description 3
- 238000003745 diagnosis Methods 0.000 abstract description 14
- 230000019771 cognition Effects 0.000 abstract description 5
- 210000004251 human milk Anatomy 0.000 description 4
- 235000020256 human milk Nutrition 0.000 description 4
- 238000005562 fading Methods 0.000 description 3
- 208000006663 kernicterus Diseases 0.000 description 3
- 208000021130 Bilirubin encephalopathy Diseases 0.000 description 2
- 210000004369 blood Anatomy 0.000 description 2
- 239000008280 blood Substances 0.000 description 2
- 210000003743 erythrocyte Anatomy 0.000 description 2
- 210000003608 fece Anatomy 0.000 description 2
- 230000001605 fetal effect Effects 0.000 description 2
- 206010010356 Congenital anomaly Diseases 0.000 description 1
- 208000019914 Mental Fatigue Diseases 0.000 description 1
- 208000036626 Mental retardation Diseases 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 208000023505 abnormal feces Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000036760 body temperature Effects 0.000 description 1
- 230000008021 deposition Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000029142 excretion Effects 0.000 description 1
- 210000001035 gastrointestinal tract Anatomy 0.000 description 1
- 238000001727 in vivo Methods 0.000 description 1
- 210000000936 intestine Anatomy 0.000 description 1
- 210000004185 liver Anatomy 0.000 description 1
- 230000003908 liver function Effects 0.000 description 1
- 230000004060 metabolic process Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 210000004400 mucous membrane Anatomy 0.000 description 1
- 210000000653 nervous system Anatomy 0.000 description 1
- 230000000474 nursing effect Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000009103 reabsorption Effects 0.000 description 1
- 238000010186 staining Methods 0.000 description 1
- 210000002700 urine Anatomy 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
- 238000004383 yellowing Methods 0.000 description 1
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
- G06F16/3331—Query processing
- G06F16/3332—Query translation
- G06F16/3334—Selection or weighting of terms from queries, including natural language queries
-
- 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
- G06F16/35—Clustering; Classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/205—Parsing
- G06F40/216—Parsing using statistical methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/279—Recognition of textual entities
- G06F40/289—Phrasal analysis, e.g. finite state techniques or chunking
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Databases & Information Systems (AREA)
- General Health & Medical Sciences (AREA)
- Computational Linguistics (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Computation (AREA)
- Public Health (AREA)
- Evolutionary Biology (AREA)
- Medical Informatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Biomedical Technology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Primary Health Care (AREA)
- Probability & Statistics with Applications (AREA)
- Pathology (AREA)
- Epidemiology (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明一种新生儿黄疸的智能评估系统、设备、存储介质，所述系统包括：特征提取模块：利用TextRank算法获取新生儿黄疸症状变化的特征信息；特征分类模块：构建生理性黄疸、病理性黄疸和母乳性黄疸参考特征信息分类库；症状获取模块：利用TF‑IDF分词技术获取待识别新生儿黄疸症状变化的特征信息；初步匹配模块：基于待识别新生儿黄疸黄疸症状变化的特征信息，通过关键词组合检索的方式初步获取对应的参考特征信息分类库；智能评估模块：计算待识别新生儿黄疸特征信息与参考特征信息之间的相似度，根据所述相似度匹配结果评估是否患新生儿黄疸。本发明在进行新生儿黄疸智能认知的同时可合理定位病因，为新生儿黄疸诊疗提供依据。
Description
技术领域
本发明涉及智能辅助诊断技术领域，具体涉及新生儿黄疸的智能评估系统、设备存储介质。
背景技术
大部分新生儿在出生后的一周内可能出现皮肤黄染，这是由于体内胆红素沉积在皮肤表面所致，医学上称之为新生儿黄疸。新生儿由于血液中的红细胞过多，且这类红细胞寿命短，易被破坏，造成胆红素生成过多；另一方面，新生儿肝脏功能不成熟，使胆红素代谢受限制等原因，造成新生儿在一段时间出现黄疸现象。新生儿发生黄疸可能是生理性的，也可能是病理性的，还有可能是母乳性的。如果是生理性黄疸，不需要特殊处理就可以自行消退。
现代医学对新生儿黄疸诊断评估的方式往往都是通过临床医师来进行诊断，得到临床医师的诊断报告后，再通过电脑对诊断报告进行分析，直至最后确诊，这种方式虽然准确，但是比较耗费时间，所以，亟需一种基于新生儿黄疸的智能评估方法与护理系统。
发明内容
有鉴于此，本发明提出了一种新生儿黄疸的智能评估系统，用于在进行新生儿黄疸智能认知的同时可合理定位病因，为新生儿黄疸诊疗提供依据。
本发明第一方面，公开一种新生儿黄疸的智能评估系统，所述系统包括：
特征提取模块：利用TextRank算法获取新生儿黄疸症状变化的特征信息；
特征分类模块：将新生儿黄疸分为生理性黄疸、病理性黄疸和母乳性黄疸，构建生理性黄疸、病理性黄疸和母乳性黄疸参考特征信息分类库；
症状获取模块：利用TF-IDF分词技术获取待识别新生儿黄疸症状变化的特征信息；
初步匹配模块：基于待识别新生儿黄疸特征信息，通过关键词组合检索的方式初步获取对应的参考特征信息分类库；
智能评估模块：基于所述对应的参考特征信息分类库，计算待识别新生儿黄疸特征信息与所述对应的参考特征信息分类库中的的参考特征信息之间的相似度，根据所述相似度匹配结果评估是否患新生儿黄疸。
优选的，所述新生儿黄疸症状变化的特征信息包括黄疸颜色症状随时间变化的特征信息、黄疸随身体伴随症状变化信息、以及对应的新生儿化验血清胆红素变化数据。
优选的，特征提取模块具体包括：
预处理单元：将给定的文本T按照整句进行分割，即T＝{S1,S2,…,Sm}；对于每个句子Si，对其进行分词和词性标注，然后剔除停用词；
词图构建单元：以保留的词为节点构建词图G＝(V,E)，其中V为节点集合，E为边集合，采用共现关系构造任意两个节点之间的边：两个节点之间存在边仅当它们对应的词在长度为K的窗口中共现，K表示窗口大小，即最多共现K个单词，一般K取2；
权重计算单元：迭代计算各节点的权重，各节点的权重计算公式为：
其中，d代表阻尼系数，表示从图中某一特定点指向其他任意点的概率，Vi,Vj,Vk代表给定的点，ln(Vi)代表指向该点的点集合，out(Vi)代表点Vi指向的点集合，WS(Vi)代表窗口中点Vi的重要性，WS(Vj)代表窗口中点Vj的重要性，wji代表Vi,Vj之间边的权重，wjk代表Vj,Vk之间边的权重，k表示窗口大小，
关键词提取单元：对节点的权重进行倒序排序，取权重最大的top-t个单词作为关键词；对于得到的top-t关键词，在原始文本中进行标记，若它们之间形成了相邻词组，则作为关键词组提取出来。
优选的，所述初步匹配模块中，通过关键词组合检索的方式初步获取对应的参考特征信息分类库具体包括：
提取待识别新生儿黄疸症状变化的特征信息中的关键词，通过关键词组合检索的方式分别在生理性黄疸、病理性黄疸和母乳性黄疸参考特征信息分类库中检索；
统计各个参考特征信息分类库中匹配出上述关键词组合的个数，取出现关键词组合的个数最多的作为对应的参考特征信息分类库。
优选的，所述关键词组合检索的方式按照关键词数从多到少的顺序检索。
优选的，所述智能评估模块中，计算待识别新生儿黄疸特征信息与所述对应的参考特征信息分类库中的的参考特征信息之间的相似度，根据所述相似度匹配结果评估是否患新生儿黄疸具体为：
分别将待识别新生儿黄疸特征信息和参考特征信息进行向量化表示，组成特征向量；
统计待识别新生儿黄疸特征向量的长度，以所述长度为滑窗长度采用滑窗法从参考特征信息对应的特征向量中提取特征分量；
依次计算待识别新生儿黄疸特征向量与所述特征分量之间的余弦相似度，若出现余弦相似度大于预设阈值，匹配成功，则判定将待识别新生儿患参考特征信息分类库所对应的黄疸类型；
若相似度小于等于预设阈值，则重新获取对应的特征信息分类库并进行相似度匹配，若均匹配失败则没有患新生儿黄疸。
本发明第二方面，公开一种电子设备，包括：至少一个处理器、至少一个存储器、通信接口和总线；
其中，所述处理器、存储器、通信接口通过所述总线完成相互间的通信；
所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令，以实现如本发明第一方面所述的系统。
本发明第三方面，公开一种计算机可读存储介质，所述计算机可读存储介质存储计算机指令，所述计算机指令使所述计算机实现本发明第一方面所述所述的系统。
本发明相对于现有技术具有以下有益效果：
本发明构建了生理性黄疸、病理性黄疸和母乳性黄疸参考特征信息分类库，根据新生儿黄疸变化与时间变化、与身体伴随症状变化、与化验血清胆红素变化的特征信息，建立与黄疸特征信息分类库的匹配关系，基于特征信息分类库采用关键词组合检索的方式进行初步匹配，进而进行新生儿黄疸识别与分类，降低匹配复杂度，在进行新生儿黄疸智能认知的同时可合理定位病因，为新生儿黄疸诊疗提供依据；相对于现有的诊疗方式，本发明基于本文处理即可实现新生儿黄疸智能认知，可简化诊断流程。
附图说明
为了更清楚地说明本发明实施例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简单地介绍，显而易见地，下面描述中的附图仅仅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为本发明的新生儿黄疸的智能评估系统结构示意图。
具体实施方式
下面将结合本发明实施方式，对本发明实施方式中的技术方案进行清楚、完整地描述，显然，所描述的实施方式仅仅是本发明一部分实施方式，而不是全部的实施方式。基于本发明中的实施方式，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方式，都属于本发明保护的范围。
请参阅图1，本发明很快一种新生儿黄疸的智能评估系统，所述系统包括：
特征提取模块100、特征分类模块200、症状获取模块300、初步匹配模块400、智能评估模块500、护理方案模块600；
特征提取模块100，利用TextRank算法获取新生儿黄疸症状变化的特征信息；特征提取模块具体包括：
预处理单元：预先获取新生儿黄疸诊断标准或一定量的历史病例数据作为给定的文本，将给定的文本T按照整句进行分割，即T＝{S1,S2,…,Sm}；对于每个句子Si，对其进行分词和词性标注，然后剔除停用词；
词图构建单元：以保留的词为节点构建词图G＝(V,E)，其中V为节点集合，E为边集合，采用共现关系构造任意两个节点之间的边：两个节点之间存在边仅当它们对应的词在长度为K的窗口中共现，K表示窗口大小，即最多共现K个单词，一般K取2；
权重计算单元：迭代计算各节点的权重，各节点的权重计算公式为：
其中，d代表阻尼系数，表示从图中某一特定点指向其他任意点的概率，Vi,Vj,Vk代表给定的点，ln(Vi)代表指向该点的点集合，out(Vi)代表点Vi指向的点集合，WS(Vi)代表窗口中点Vi的重要性，WS(Vj)代表窗口中点Vj的重要性，wji代表Vi,Vj之间边的权重，wjk代表Vj,Vk之间边的权重，k表示窗口大小，
关键词提取单元：对节点的权重进行倒序排序，取权重最大的top-t个单词作为关键词；对于得到的top-t关键词，在原始文本中进行标记，若它们之间形成了相邻词组，则作为关键词组提取出来。
特征分类模块200，将新生儿黄疸分为生理性黄疸、病理性黄疸和母乳性黄疸，构建生理性黄疸、病理性黄疸和母乳性黄疸参考特征信息分类库；
比如，病理性黄疸有下列特征信息：1)、黄疸出现时间过早，于生后24小时内出现；2)、黄疸消退时间过晚，持续时间过长，超过正常的消退时间，或黄疸已经消退而又出现，或黄疸在高峰时间后渐退而又进行性加重3)、黄疸程度过重，常波及全身，且皮肤黏膜明显发黄；4)、检查血清胆红素时，胆红素超过12mg/dl，或上升过快，每日上升超过5mg/dl；5)、除黄疸外，伴有其他异常情况，如精神疲累，少哭，少动，少吃或体温不稳定等。病理性黄疸严重时可并发胆红素脑病，通常称“核黄疸”，造成神经系统损害，导致儿童智力低下等严重后遗症，甚至死亡；再比如，母乳性黄疸特点为：黄疸程度较生理性高，黄疸持续时间长，有的可持续三个月之久。但婴儿一般情况良好，无引起黄疸的其他病因可发现。停喂母乳后3天，黄疸下降明显。母乳性黄疸与肠道重吸收胆红素有关。母乳性黄疸一般不会引起胆红素脑病。
症状获取模块300，利用TF-IDF分词技术获取待识别新生儿黄疸症状变化的特征信息；
初步匹配模块400，基于待识别新生儿黄疸特征信息，通过关键词组合检索的方式初步获取对应的参考特征信息分类库；具体的，利用TF-IDF分词技术获取待识别新生儿黄疸特征信息。即通过利用TF-IDF选取特征项，采集待识别新生儿黄疸特征信息，建立新生儿黄疸特征信息向量集。根据新生儿黄疸变化与时间变化、与身体伴随症状变化、与化验血清胆红素变化的特征信息，建立与黄疸特征信息分类库的匹配关系，首先提取待识别新生儿黄疸症状变化的特征信息中的关键词，通过关键词组合检索的方式分别在生理性黄疸、病理性黄疸和母乳性黄疸参考特征信息分类库中检索；
统计各个参考特征信息分类库中匹配出上述关键词组合的个数，取出现关键词组合的个数最多的作为对应的参考特征信息分类库。所述关键词组合检索的方式按照关键词数从多到少的顺序检索。
本发明基于特征信息分类库采用关键词组合检索的方式进行初步匹配，进而进行新生儿黄疸识别与分类，降低匹配复杂度，在进行新生儿黄疸智能认知的同时可合理定位病因，为新生儿黄疸诊疗提供依据；相对于现有的诊疗方式，本发明基于本文处理即可实现新生儿黄疸智能认知，可简化诊断流程，
智能评估模块500，基于所述对应的参考特征信息分类库，计算待识别新生儿黄疸特征信息与所述对应的参考特征信息分类库中的的参考特征信息之间的相似度，根据所述相似度匹配结果评估是否患新生儿黄疸。
具体的，分别将待识别新生儿黄疸特征信息和参考特征信息进行向量化表示，组成特征向量；
统计待识别新生儿黄疸特征向量的长度，以所述长度为滑窗长度采用滑窗法从参考特征信息对应的特征向量中提取特征分量；
依次计算待识别新生儿黄疸特征向量与所述特征分量之间的余弦相似度，若出现余弦相似度大于预设阈值，匹配成功，则判定将待识别新生儿患参考特征信息分类库所对应的黄疸类型；
若相似度小于等于预设阈值，则重新获取对应的特征信息分类库并进行相似度匹配，若均匹配失败则没有患新生儿黄疸。
护理方案模块600，本实施例中护理方案模型主要是指当孩子出现黄疸时，如有病理性黄疸5个方面中的任何一项，就应该引起父母的高度重视，这样就能早期发现病理性黄疸以便及时治疗、及时护理。因此，当发现新生儿出现黄疸时，在护理时要注意：1)、判断黄疸的程度。可以在自然光线下，观察新生儿皮肤黄染的程度，如果仅仅是面部黄染，为轻度黄疸；躯干部皮肤黄染，为中度黄疸；如果四肢和手足心也出现黄染，为重度黄疸；2)、观察大便颜色。如果大便成陶土色，应考虑病理性黄疸，多由先天性胆道畸形所致。如果黄疸程度较重、出现伴随症状或大便颜色异常应及时去医院就诊，以免耽误治疗；3)、尽早使胎便尽早排出。因为胎便里含有很多胆红素，如果胎便不排干净，胆红素就会经过新生儿特殊的肝肠循环重新吸收到血液里，使黄疸增高；4)、给新生儿充足的水分，小便过少不利于胆红素的排泄。
本发明还公开一种电子设备，包括：至少一个处理器、至少一个存储器、通信接口和总线；其中，所述处理器、存储器、通信接口通过所述总线完成相互间的通信；所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令，以实现本发明前述的新生儿黄疸的智能评估系统，包括特征提取模块、特征分类模块、症状获取模块、初步匹配模块、智能评估模块。
本发明还公开一种计算机可读存储介质，所述计算机可读存储介质存储计算机指令，所述计算机指令使所述计算机实现本发明实施例所述的全部系统或部分系统。例如包括征提取模块、特征分类模块、症状获取模块、初步匹配模块、智能评估模块。所述存储介质包括：U盘、移动硬盘、只议存储器ROM、随机存取存储器RAM、磁碟或者光盘等各种可以存储程序代码的介质。
以上所描述的系统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，即可以分布到多个网络单元上。可以根据实际的衙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。
以上所述仅为本发明的较佳实施方式而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (4)
1.一种新生儿黄疸的智能评估系统，其特征在于，所述系统包括：
特征提取模块：利用TextRank算法获取新生儿黄疸症状变化的特征信息；所述新生儿黄疸症状变化的特征信息包括黄疸颜色症状随时间变化的特征信息、黄疸随身体伴随症状变化信息、以及对应的新生儿化验血清胆红素变化数据；
特征分类模块：将新生儿黄疸分为生理性黄疸、病理性黄疸和母乳性黄疸，构建生理性黄疸、病理性黄疸和母乳性黄疸参考特征信息分类库；
症状获取模块：利用TF-IDF分词技术获取待识别新生儿黄疸症状变化的特征信息；
初步匹配模块：基于待识别新生儿黄疸黄疸症状变化的特征信息，通过关键词组合检索的方式初步获取对应的参考特征信息分类库；所述初步匹配模块中，通过关键词组合检索的方式初步获取对应的参考特征信息分类库具体包括：
提取待识别新生儿黄疸症状变化的特征信息中的关键词，通过关键词组合检索的方式分别在生理性黄疸、病理性黄疸和母乳性黄疸参考特征信息分类库中检索；
统计各个参考特征信息分类库中匹配出上述关键词组合的个数，取出现关键词组合的个数最多的作为对应的参考特征信息分类库；
所述关键词组合检索的方式按照关键词数从多到少的顺序检索；
智能评估模块：基于所述对应的参考特征信息分类库，计算待识别新生儿黄疸特征信息与所述对应的参考特征信息分类库中的参考特征信息之间的相似度，根据所述相似度匹配结果评估是否患新生儿黄疸；
所述特征提取模块具体包括：
预处理单元：将给定的文本T按照整句进行分割，即T＝{S1,S2,…,Sm}；对于每个句子Si，对其进行分词和词性标注，然后剔除停用词；
词图构建单元：以保留的词为节点构建词图G＝(V,E)，其中V为节点集合，E为边集合，采用共现关系构造任意两个节点之间的边，两个节点之间存在边仅当它们对应的词在长度为K的窗口中共现，K表示窗口大小，取K＝2；
权重计算单元：迭代计算各节点的权重，各节点的权重计算公式为：
其中，d代表阻尼系数，表示从图中某一特定点指向其他任意点的概率，Vi,Vj,Vk代表给定的点，ln(Vi)代表指向该点的点集合，out(Vi)代表点Vi指向的点集合，WS(Vi)代表窗口中点Vi的重要性，WS(Vj)代表窗口中点Vj的重要性，wji代表Vi,Vj之间边的权重，wjk代表Vj,Vk之间边的权重，k表示窗口大小；
关键词提取单元：对节点的权重进行倒序排序，取权重最大的top-t个单词作为关键词；对于得到的top-t关键词，在原始文本中进行标记，若它们之间形成了相邻词组，则作为关键词组提取出来。
2.根据权利要求1所述新生儿黄疸的智能评估系统，其特征在于，所述智能评估模块中，计算待识别新生儿黄疸特征信息与所述对应的参考特征信息分类库中的参考特征信息之间的相似度，根据所述相似度匹配结果评估是否患新生儿黄疸具体为：
分别将待识别新生儿黄疸特征信息和参考特征信息进行向量化表示，组成特征向量；
统计待识别新生儿黄疸特征向量的长度，以所述长度为滑窗长度采用滑窗法从参考特征信息对应的特征向量中提取特征分量；
依次计算待识别新生儿黄疸特征向量与所述特征分量之间的余弦相似度，若出现余弦相似度大于预设阈值，匹配成功，则判定将待识别新生儿患参考特征信息分类库所对应的黄疸类型；
若相似度小于等于预设阈值，则重新获取对应的特征信息分类库并进行相似度匹配，若均匹配失败则没有患新生儿黄疸。
3.一种电子设备，包括：至少一个处理器、至少一个存储器、通信接口和总线；
其中，所述处理器、存储器、通信接口通过所述总线完成相互间的通信；
所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令，以实现如权利要求1～2任一项所述的系统。
4.一种计算机可读存储介质，所述计算机可读存储介质存储计算机指令，所述计算机指令使所述计算机实现权利要求1～2任一项所述的系统。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110063132.9A CN112802597B (zh) | 2021-01-18 | 2021-01-18 | 一种新生儿黄疸的智能评估系统、设备、存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110063132.9A CN112802597B (zh) | 2021-01-18 | 2021-01-18 | 一种新生儿黄疸的智能评估系统、设备、存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112802597A CN112802597A (zh) | 2021-05-14 |
| CN112802597B true CN112802597B (zh) | 2023-11-21 |
Family
ID=75810096
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110063132.9A Active CN112802597B (zh) | 2021-01-18 | 2021-01-18 | 一种新生儿黄疸的智能评估系统、设备、存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112802597B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115177222A (zh) * | 2022-07-11 | 2022-10-14 | 合肥市第一人民医院 | 一种基于可穿戴设备的新生儿体征监测系统 |
| CN118155243B (zh) * | 2024-05-11 | 2024-08-02 | 深圳大学总医院 | 基于图像识别的黄疸病况监测识别分析方法及系统 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1872136A (zh) * | 2006-04-17 | 2006-12-06 | 毛渊祥 | 一种治疗新生儿黄疸的药物及其使用方法 |
| CN108766561A (zh) * | 2018-05-31 | 2018-11-06 | 平安医疗科技有限公司 | 病症信息处理方法、装置、计算机设备和存储介质 |
| WO2020007028A1 (zh) * | 2018-07-04 | 2020-01-09 | 平安科技（深圳）有限公司 | 问诊数据推荐方法、装置、计算机设备和存储介质 |
| KR20200109417A (ko) * | 2019-03-12 | 2020-09-23 | 동국대학교 산학협력단 | 키워드 자동 추출 방법 및 장치 |
| CN111985246A (zh) * | 2020-08-27 | 2020-11-24 | 武汉东湖大数据交易中心股份有限公司 | 一种基于主要症状与伴随症状词的疾病认知系统 |
| CN112133391A (zh) * | 2020-09-17 | 2020-12-25 | 吾征智能技术(北京)有限公司 | 一种基于人体异常眉毛的疾病认知系统 |
-
2021
- 2021-01-18 CN CN202110063132.9A patent/CN112802597B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1872136A (zh) * | 2006-04-17 | 2006-12-06 | 毛渊祥 | 一种治疗新生儿黄疸的药物及其使用方法 |
| CN108766561A (zh) * | 2018-05-31 | 2018-11-06 | 平安医疗科技有限公司 | 病症信息处理方法、装置、计算机设备和存储介质 |
| WO2020007028A1 (zh) * | 2018-07-04 | 2020-01-09 | 平安科技（深圳）有限公司 | 问诊数据推荐方法、装置、计算机设备和存储介质 |
| KR20200109417A (ko) * | 2019-03-12 | 2020-09-23 | 동국대학교 산학협력단 | 키워드 자동 추출 방법 및 장치 |
| CN111985246A (zh) * | 2020-08-27 | 2020-11-24 | 武汉东湖大数据交易中心股份有限公司 | 一种基于主要症状与伴随症状词的疾病认知系统 |
| CN112133391A (zh) * | 2020-09-17 | 2020-12-25 | 吾征智能技术(北京)有限公司 | 一种基于人体异常眉毛的疾病认知系统 |
Non-Patent Citations (2)
| Title |
|---|
| 余萍主编."人工智能导论实验".中国铁道出版社,2020,(第1版),第108-109页. * |
| 李美娟主编."现代临床常见病护理学".云南科学技术出版社,2020,(第1版),第670-671页. * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112802597A (zh) | 2021-05-14 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11182679B2 (en) | Text-based inference chaining | |
| Guo et al. | Using bayes network for prediction of type-2 diabetes | |
| Caballero Barajas et al. | Dynamically modeling patient's health state from electronic medical records: A time series approach | |
| CN112802597B (zh) | 一种新生儿黄疸的智能评估系统、设备、存储介质 | |
| CN110427491B (zh) | 一种基于电子病历的医学知识图谱构建方法及装置 | |
| CN110675944A (zh) | 分诊方法及装置、计算机设备及介质 | |
| Cohen | Family patterns of mortality and life span | |
| CN107785075A (zh) | 基于文本病历的小儿发热疾病深度学习辅助诊断系统 | |
| CN112541066B (zh) | 基于文本结构化的医技报告检测方法及相关设备 | |
| CN112259260B (zh) | 基于智能穿戴设备的智能医疗问答方法、系统及装置 | |
| CN107705853A (zh) | 临床营养风险筛查方法及系统 | |
| CN110032631A (zh) | 一种信息反馈方法、装置和存储介质 | |
| CN115917528A (zh) | 一种问题查询装置、方法、设备及存储介质 | |
| CN116992002A (zh) | 一种智能护理方案应答方法及系统 | |
| Mosteiro et al. | Machine learning for violence risk assessment using Dutch clinical notes | |
| CN112635072A (zh) | 基于相似度计算的icu相似病例检索方法、系统及存储介质 | |
| Chen et al. | Automatic ICD code assignment utilizing textual descriptions and hierarchical structure of ICD code | |
| Yu et al. | Dataset and enhanced model for eligibility criteria-to-sql semantic parsing | |
| Zhang et al. | Medical Symptom Detection in Intelligent Pre-Consultation Using Bi-directional Hard-Negative Noise Contrastive Estimation | |
| Banerjee et al. | A scalable machine learning approach for inferring probabilistic US-LI-RADS categorization | |
| CN111640517B (zh) | 病历编码方法、装置、存储介质及电子设备 | |
| CN117253629A (zh) | 导医信息推送方法、装置、设备、介质和计算机程序产品 | |
| CN116110594B (zh) | 基于关联文献的医学知识图谱的知识评价方法及系统 | |
| CN115631823A (zh) | 相似病例推荐方法及系统 | |
| CN113707285A (zh) | 科室分诊方法、系统、设备以及存储介质 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |