CN112861535B - 一种基于诊疗数据的手术分类编码方法及系统 - Google Patents

一种基于诊疗数据的手术分类编码方法及系统 Download PDF

Info

Publication number
CN112861535B
CN112861535B CN202110061549.1A CN202110061549A CN112861535B CN 112861535 B CN112861535 B CN 112861535B CN 202110061549 A CN202110061549 A CN 202110061549A CN 112861535 B CN112861535 B CN 112861535B
Authority
CN
China
Prior art keywords
surgical
coding
diagnosis
dominant
word
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
Application number
CN202110061549.1A
Other languages
English (en)
Other versions
CN112861535A (zh
Inventor
李福友
吴军
高希余
桑波
李森
张述睿
王陈辰
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.)
Zhongyang Health Technology Group Co ltd
Original Assignee
Zhongyang Health Technology Group 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 Zhongyang Health Technology Group Co ltd filed Critical Zhongyang Health Technology Group Co ltd
Priority to CN202110061549.1A priority Critical patent/CN112861535B/zh
Publication of CN112861535A publication Critical patent/CN112861535A/zh
Application granted granted Critical
Publication of CN112861535B publication Critical patent/CN112861535B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • 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
    • G06F40/295—Named entity recognition
    • 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
    • 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
    • G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
    • G06F16/367—Ontology
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/048—Activation functions
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • General Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Databases & Information Systems (AREA)
  • Computing Systems (AREA)
  • Medical Informatics (AREA)
  • Evolutionary Computation (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Biophysics (AREA)
  • Epidemiology (AREA)
  • Molecular Biology (AREA)
  • Primary Health Care (AREA)
  • Public Health (AREA)
  • Animal Behavior & Ethology (AREA)
  • Biomedical Technology (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Medical Treatment And Welfare Office Work (AREA)

Abstract

本发明公开一种基于诊疗数据的手术分类编码方法及系统，包括：获取诊疗数据；采用预先训练的实体判别模型识别诊疗数据所属的手术术式实体类型，以此确定手术术式的主导词和修饰词；基于标准诊断库构建手术编码知识图谱，根据主导词遍历手术编码知识图谱的根节点，修饰词遍历根节点的叶子节点，直至叶子节点度为零时遍历结束，得到诊疗数据的编码结果。通过双向手术数据实体识别模型、神经实体权重关系判别网络模型和手术编码知识图谱，对手术诊疗数据进行编码，实现自动手术编码且分类标准的统一。

Description

一种基于诊疗数据的手术分类编码方法及系统
技术领域
本发明涉及医疗信息化技术领域及人工智能技术领域，特别是涉及一种基于诊疗数据的手术分类编码方法及系统。
背景技术
本部分的陈述仅仅是提供了与本发明相关的背景技术信息，不必然构成在先技术。
随着医疗信息化的全面发展，医疗大数据技术极大的发挥医疗数据的作用，医疗数据的标准化是目前医疗大数据处理的重要环节；但是病案首页中的手术编码存在很多漏编、错编的情况，针对手术编码的辨识技术能够为医院的手术编码提供技术支持和帮助。发明人发现，目前在手术分类编码方法中，至少存在以下问题：
(1)在医院手术编码和分类的工作由编码员完成，因为医院的码员太少，甚至很多医院并没有编码员，所以编码员每天的工作量有限，并且会存在一些误判的情况；编码员编码水平参差不齐，编码人员对标准的解读也是不尽相同，同一编码员在不同时期的编码结果也会存在区别。
(2)医生在临床填写的实际手术与标准手术编码库不完全兼容；不同医生在学习、工作的过程中对一个手术的理解不同，在病案首页输入手术时的名称不同；随着医学的发展，出现很多新的手术术式，加上标准手术字典的更新需要很长时间，并不能及时覆盖最新出现的手术和其名称；且对于特定诊断的分型，标准编码的详细程度达不到医生的临床实际要求；医生在书写手术时，会使用一些只有业内熟悉的简写简称或者缩写，而这些不是标准手术编码库所收录的，所以从根本上来说，医生是从临床描述的角度来书写手术，而不是从编码分类的角度，很多医生不了解手术编码中标准手术是什么，所以为手术编码增添很多困难。
(3)医院标准更新不及时；当国家下发新的手术编码标准时，很多医院采用的是根据自己医院的需求和意愿修改的版本，而修改和重订版本需要投入大量的人力物力，而且编码员需要重新理解新的手术编码标准，导致医院的标准更新不及时。
(4)目前医疗信息的不完善、不统一极大的限制了医疗信息平台和医疗信息仓库的搭建，医疗大数据、医疗人工智能、辅助诊疗、医疗动态监测等功能的进一步完善，也需要更加准确、更加规范、数据量更加庞大的标准编码工作。
发明内容
为了解决上述问题，本发明提出了一种基于诊疗数据的手术分类编码方法及系统，通过双向手术数据实体识别模型、神经实体权重关系判别网络模型和手术编码知识图谱，对手术诊疗数据进行编码，实现自动手术编码且分类标准的统一。
为了实现上述目的，本发明采用如下技术方案：
第一方面，本发明提供一种基于诊疗数据的手术分类编码方法，包括：
获取诊疗数据；
采用预先训练的实体判别模型识别诊疗数据所属的手术术式实体类型，以此确定手术术式的主导词和修饰词；
基于标准诊断库构建手术编码知识图谱，根据主导词遍历手术编码知识图谱的根节点，修饰词遍历根节点的叶子节点，直至叶子节点度为零时遍历结束，得到诊疗数据的编码结果。
第二方面，本发明提供一种基于诊疗数据的手术分类编码系统，包括：
数据获取模块，被配置为获取诊疗数据；
实体识别模块，被配置为采用预先训练的实体判别模型识别诊疗数据所属的手术术式实体类型，以此确定手术术式的主导词和修饰词；
编码对码模块，被配置为基于标准诊断库构建手术编码知识图谱，根据主导词遍历手术编码知识图谱的根节点，修饰词遍历根节点的叶子节点，直至叶子节点度为零时遍历结束，得到诊疗数据的编码结果。
第三方面，本发明提供一种电子设备，包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令，所述计算机指令被处理器运行时，完成第一方面所述的方法。
第四方面，本发明提供一种计算机可读存储介质，用于存储计算机指令，所述计算机指令被处理器执行时，完成第一方面所述的方法。
与现有技术相比，本发明的有益效果为：
本发明满足医疗大数据规范化的要求，提供更加准确、更加规范的手术编码，搭建全面的医疗信息平台和医疗信息仓库；解决了原始手术对应到标准手术只能通过人工完成的问题；以及解决了医生输入手术的用语随意，导致与标准手术对照困难的问题。
本发明将原始手术对应到同一套标准手术编码上，实现自动手术编码且分类标准统一，在医疗机构数据交流过程中同样保证标准统一，解决了各个医疗机构使用的标准手术编码不统一的问题，解决了由于标准不统一或有新的编码方式时，导致的同一手术前后几次对应编码不一致的问题。
本发明自动编码节省了大量人力资源，对于医生描述错误的手术可以由编码员验证，而且程序自动编码相比人力更加高效，编码速度更快。
本发明自动手术编码有利于保证医疗、教学、科研资料检索的准确性，以及分组DRGS的发展；由于自动手术编码快速且分类稳定，可实现在短时间内大批量编码分类，可以为医疗领域的大数据应用及人工智能快速准备和整理数据。
本发明附加方面的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
构成本发明的一部分的说明书附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。
图1为本发明实施例1提供的基于诊疗数据的手术分类编码方法流程图；
图2为本发明实施例1提供的主导词标准化和转换示意图。
具体实施方式：
下面结合附图与实施例对本发明做进一步说明。
应该指出，以下详细说明都是示例性的，旨在对本发明提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本发明所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本发明的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。
实施例1
正常编码员进行编码的方式是：(1)阅读手术记录，完善手术，确定主导词；(2)在索引中查询编码；(3)在类目表中核对编码，如果未找到合适的编码，重新更换主导词，继续步骤1-3，直到找到合适的编码为止。
影响手术编码结果的因素有：手术术式、手术部位、疾病性质、手术入路、手术目的和手术其他伴随情况，其中标准的手术名称一般由手术术式、手术部位、疾病性质、手术入路组成(除外一些专有名词)，而手术目的和手术其他伴随情况仅仅会在手术记录中体现，目前许多编码工具都是使用模糊查询的方式或者字符相似度匹配的方式；而本实施例的方式是让机器去模拟编码员的编码流程，这种方式结果的正确率远高于其他的编码工具的正确率。
本实施例通过知识图谱和语义网络模仿编码员的编码流程，以及结合病历完善医生填写到病案首页的临床手术名称。如图1所示，提供的一种基于诊疗数据的手术分类编码方法，具体包括：
S1：获取诊疗数据；
S2：采用预先训练的实体判别模型识别诊疗数据所属的手术术式实体类型，以此确定手术术式的主导词和修饰词；
S3：基于标准诊断库构建手术编码知识图谱，根据主导词遍历手术编码知识图谱的根节点，修饰词遍历根节点的叶子节点，直至叶子节点度为零时遍历结束，得到诊疗数据的编码结果。
所述步骤S1中，诊疗数据包括：病人基本信息、手术记录、医生病案首页填写的临床手术名称；其中：
所述病人基本信息包括年龄、性别等；
所述手术记录包括手术目的、解释说明、手术部位和手术其他伴随情况等手术中所有的操作描述；
优选地，通过病人病案号查询入院记录、病程记录和出院记录，获取病人基本信息以及手术记录。
所述步骤S1中，还包括对诊疗数据的预处理，包括：去除标点符号，将异体字转换成正体字，将全角字符转换为半角字符；
在本实施例中，还可以将预处理后的诊疗数据首先在国际手术标准分类编码ICD-9-CM-3中进行检索，如果能够得到编码结果，则直接输出编码结果；否则，进入下面的步骤。
所述步骤S2中，预先训练的实体判别模型包括双向手术数据实体识别模型和神经实体权重关系判别网络模型；具体地：
S2-1：所述双向手术数据实体识别模型为：
其中，p表示概率，D为当前输入的原始的手术文本，L为D所对应的数据标记，d表示D其中一条数据，p(L|D)表示已知原始手术文本的情况下输出的标准数据标记的概率，p(L|D)输出值大于0.5表示当前的数据属于某个实体类型；lj表示对应d中第j个字的数据标记，θ为双向手术数据识别与编码模型所有参数的集合，集合中包括ωk，Bm和fk，gm这两个函数的参数，Z为归一化因子，保证模型输出的结果是介于0到1之间的实数，fk为实体类别转移判别函数，ωk为fk的权值，gm为双向特征映射语言模型，Bm为其对应的权值，模型的训练过程为用0到1之间的均匀分布随机初始化ωk，Bm和fk，gm这两个函数的参数，argmax表示可以使p(L|D)取值最大的ωk，Bm和fk，gm这两个函数的参数的集合。
g(lj，dj)＝P(lj|dj)建模过程为：
其中，u为第u个可能标记，|u|为可能的标记总数量，dj表示d中第j个字，Θg表示g(lj，dj)的参数的集合，argmax表示使P(lj|dj)最大化的参数集合。
在本实施例中，通过双向手术数据实体识别模型识别诊疗数据中的手术实体，然后再通过神经实体权重关系判别网络模型，确定与本次书写手术相关的实体信息。
S2-2：神经实体权重关系判别网络模型用于根据双向手术数据实体识别模型识别的各个实体，计算实体权重；计算方式为：
其中，F是神经实体权重关系判别网络模型的输出，σ是sigmoid函数，h1＝g(lj，dj)、h2＝g(lj，dj)，u是可学习参数，表示矩阵级联，linear(x)＝Φx+bias，映射参数Φ表示偏置截距；
∈表示属于，/>为实数空间，l是语言序列长度，h_dim是自定义的隐层的维度；/>η是超参数，η为8时，实体权重关系判别更符合编码员的编码方式。
在建模过程中使F和数据标记C的误差最小化，也就是ΘF表示神经实体权重关系判别网络模型的参数的集合，CE表示交叉熵，即/>|K|为类别数，k为当前类别，γ为数据标记，/>为模型预测输出。
在本实施例中，通过通过识别各类实体，完善医生填写的手术，并明确手术术式的主导词和修饰词、手术目的、手术中伴随的情况以及医生漏写的手术相关手术组成部分。
所述步骤S3中，所述构建手术编码知识图谱包括：以知识图谱和语义网络为基础，将手术编码的标准诊断库ICD-9-CM-3融入医学语义网络中，医学语义网络根据标准诊断库中的主导词、多层修饰词、对编码的解释说明等以树形结构的方式构建手术编码知识图谱，所述手术编码知识图谱以主导词为根节点，以修饰词为叶子节点。
优选地，在手术编码知识图谱中还包括手术部位、手术目的、手术其他的伴随情况、相似手术术式以及常见的不符合基础手术组成的术式，比如毕罗特I式手术等。
所述步骤S3中，模拟编码员编码的具体过程包括：根据手术术式主导词遍历相应根节点，其他的修饰词对该根节点的叶子结点进行遍历，不同手术遍历的深度不同，但是每个度为零的叶子节点为编码结果；
优选地，得到编码结果后，通过与编码相关的解释说明，评估编码结果的准确性，确定最终的编码结果。
在本实施例中，还对遍历过程进行改进；具体包括：
S3-1：在查找主导词的过程中，由于大多数手术术式存在别称；所以，本实施例对手术术式的主导词进行标准化，得到统一的主导词。
S3-2：由于医生书写的手术部位比标准中的更详细，如手术入路、内镜等器材等，且随着科技的进步出现了很多在ICD-9-CM-3中不存在的入路方式。针对该问题，本实施例维护相应的知识图谱，判断手术部位、手术目的或手术伴随情况是否有下一级解释说明，若有，则在相应叶子节点处进行标识，当遍历到该节点时，同时遍历该节点所对应的知识图谱。
S3-3：由于可能会得到两个不同的编码，所以本实施例还解决了如何区分两个编码正确性的问题。首先手术目的和手术其他伴随情况一般在查找编码的过程中很少显示出来，其次在类目表中每个编码都有相应的解释说明，解释说明用于在类目表中核对编码；所以，在得到两个不同的编码时，本实施例通过手术目的、解释说明和手术其他伴随情况进行确认。
例如，经皮椎骨成形术手术编码为81.65，经皮椎骨成形术手术的解释说明为，骨空隙填补物注入有病或骨折的椎体(水泥)(多甲基甲基丙烯酸酯)(聚甲基丙烯甲酯)，不包括皮椎体增强手术；
经皮椎体增强手术编码为81.66，经皮椎体增强手术的解释说明为，在向骨空隙填补物注入有病或骨折的椎体(水泥)(多甲基甲基丙烯酸酯)(PMMA)或其他物质之前，先对需要创建空腔(空隙)置入膨胀球囊、骨填塞或其他装置以置换(去除)(夯实)骨；
经皮椎骨成形术和经皮椎体增强手术的区别在于，在注入骨水泥增强椎骨强度之前，是否通过球囊扩张去建立空腔，那么经皮椎骨成形术+椎骨球囊扩张＝经皮椎体增强，如果医生书写经皮椎骨球囊扩张成形术，则应该归到81.66；
所以，可以看出，编码结果必须满足手术的解释说明、手术目的和手术其他伴随情况等条件；由此，本实施例在维护语义网络的过程中，在节点上维护编码的解释说明、手术目的和手术其他伴随情况。
S3-4：在遍历过程中，使用的是统一主导词，如果当前主导词未找到编码，则将当前主导词根据医学知识图谱进行转换；最后转换后的主导词仍无法获得编码，则输出空值。
在本实施例中，通过知识图谱中的关系对照实现主导词的标准化和主导词的转换，如图2所示，在一个二叉树中，根节点为统一的主导词，左节点为非同统一主导词标注，其叶子结点为具体的各个非统一主导词，统一主导词的右节点为主导词转化标注，其叶子结点也为一个统一的主导词。
在本实施例中，使用双向手术数据实体识别模型、神经实体权重关系判别网络和手术编码知识图谱，根据预处理后的原始手术数据、病人基本信息、手术记录等进行编码，输出编码结果及准确性评估结果，并输出到交互界面或者指定文件中或数据库中。
实施例2
本实施例提供一种基于诊疗数据的手术分类编码系统，包括：
数据获取模块，被配置为获取诊疗数据；
实体识别模块，被配置为采用预先训练的实体判别模型识别诊疗数据所属的手术术式实体类型，以此确定手术术式的主导词和修饰词；
编码对码模块，被配置为基于标准诊断库构建手术编码知识图谱，根据主导词遍历手术编码知识图谱的根节点，修饰词遍历根节点的叶子节点，直至叶子节点度为零时遍历结束，得到诊疗数据的编码结果。
此处需要说明的是，上述模块对应于实施例1中所述的步骤，上述模块与对应的步骤所实现的示例和应用场景相同，但不限于上述实施例1所公开的内容。需要说明的是，上述模块作为系统的一部分可以在诸如一组计算机可执行指令的计算机系统中执行。
在更多实施例中，还提供：
一种电子设备，包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令，所述计算机指令被处理器运行时，完成实施例1中所述的方法。为了简洁，在此不再赘述。
应理解，本实施例中，处理器可以是中央处理单元CPU，处理器还可以是其他通用处理器、数字信号处理器DSP、专用集成电路ASIC，现成可编程门阵列FPGA或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
存储器可以包括只读存储器和随机存取存储器，并向处理器提供指令和数据、存储器的一部分还可以包括非易失性随机存储器。例如，存储器还可以存储设备类型的信息。
一种计算机可读存储介质，用于存储计算机指令，所述计算机指令被处理器执行时，完成实施例1中所述的方法。
实施例1中的方法可以直接体现为硬件处理器执行完成，或者用处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器、闪存、只读存储器、可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器，处理器读取存储器中的信息，结合其硬件完成上述方法的步骤。为避免重复，这里不再详细描述。
本领域普通技术人员可以意识到，结合本实施例描述的各示例的单元即算法步骤，能够以电子硬件或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。
以上仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。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。
上述虽然结合附图对本发明的具体实施方式进行了描述，但并非对本发明保护范围的限制，所属领域技术人员应该明白，在本发明的技术方案的基础上，本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。

Claims (7)

1.一种基于诊疗数据的手术分类编码方法，其特征在于，包括：
获取诊疗数据；
采用预先训练的实体判别模型识别诊疗数据所属的手术术式实体类型，以此确定手术术式的主导词和修饰词；
基于标准诊断库构建手术编码知识图谱，根据主导词遍历手术编码知识图谱的根节点，修饰词遍历根节点的叶子节点，直至叶子节点度为零时遍历结束，得到诊疗数据的编码结果；
所述构建手术编码知识图谱包括：将标准诊断库融入医学语义网络中，医学语义网络根据标准诊断库中的主导词、多层修饰词和编码解释说明以树形结构方式构建手术编码知识图谱；
在所述手术编码知识图谱中标识手术部位、手术目的以及手术伴随情况；
其中，遍历过程具体包括：
S3-1：在查找主导词的过程中，对手术术式的主导词进行标准化，得到统一的主导词；
S3-2：维护相应的手术编码知识图谱，判断手术部位、手术目的或手术伴随情况是否有下一级解释说明，若有，则在相应叶子节点处进行标识，当遍历到该节点时，同时遍历该节点所对应的手术编码知识图谱；
S3-3：在得到两个不同的编码时，通过手术目的、解释说明和手术伴随情况进行确认；
S3-4：在遍历过程中，使用的是统一主导词，如果当前主导词未找到编码，则将当前主导词根据医学知识图谱进行转换；最后转换后的主导词仍无法获得编码，则输出空值。
2.如权利要求1所述的一种基于诊疗数据的手术分类编码方法，其特征在于，对手术术式的主导词进行标准化，得到格式统一的主导词。
3.如权利要求1所述的一种基于诊疗数据的手术分类编码方法，其特征在于，若采用当前主导词未得到编码结果，则转换主导词重新遍历。
4.如权利要求1所述的一种基于诊疗数据的手术分类编码方法，其特征在于，根据手术编码知识图谱的解释说明评估编码结果的准确性。
5.一种基于诊疗数据的手术分类编码系统，其特征在于，包括：
数据获取模块，被配置为获取诊疗数据；
实体识别模块，被配置为采用预先训练的实体判别模型识别诊疗数据所属的手术术式实体类型，以此确定手术术式的主导词和修饰词；
编码对码模块，被配置为基于标准诊断库构建手术编码知识图谱，根据主导词遍历手术编码知识图谱的根节点，修饰词遍历根节点的叶子节点，直至叶子节点度为零时遍历结束，得到诊疗数据的编码结果；
所述构建手术编码知识图谱包括：将标准诊断库融入医学语义网络中，医学语义网络根据标准诊断库中的主导词、多层修饰词和编码解释说明以树形结构方式构建手术编码知识图谱；
在所述手术编码知识图谱中标识手术部位、手术目的以及手术伴随情况；
其中，遍历过程具体包括：
S3-1：在查找主导词的过程中，对手术术式的主导词进行标准化，得到统一的主导词；
S3-2：维护相应的手术编码知识图谱，判断手术部位、手术目的或手术伴随情况是否有下一级解释说明，若有，则在相应叶子节点处进行标识，当遍历到该节点时，同时遍历该节点所对应的手术编码知识图谱；
S3-3：在得到两个不同的编码时，通过手术目的、解释说明和手术伴随情况进行确认；
S3-4：在遍历过程中，使用的是统一主导词，如果当前主导词未找到编码，则将当前主导词根据医学知识图谱进行转换；最后转换后的主导词仍无法获得编码，则输出空值。
6.一种电子设备，其特征在于，包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令，所述计算机指令被处理器运行时，完成权利要求1-4任一项所述的方法。
7.一种计算机可读存储介质，其特征在于，用于存储计算机指令，所述计算机指令被处理器执行时，完成权利要求1-4任一项所述的方法。
CN202110061549.1A 2021-01-18 2021-01-18 一种基于诊疗数据的手术分类编码方法及系统 Active CN112861535B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110061549.1A CN112861535B (zh) 2021-01-18 2021-01-18 一种基于诊疗数据的手术分类编码方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110061549.1A CN112861535B (zh) 2021-01-18 2021-01-18 一种基于诊疗数据的手术分类编码方法及系统

Publications (2)

Publication Number Publication Date
CN112861535A CN112861535A (zh) 2021-05-28
CN112861535B true CN112861535B (zh) 2023-11-14

Family

ID=76006272

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110061549.1A Active CN112861535B (zh) 2021-01-18 2021-01-18 一种基于诊疗数据的手术分类编码方法及系统

Country Status (1)

Country Link
CN (1) CN112861535B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114267456A (zh) * 2021-12-22 2022-04-01 山东众阳健康科技集团有限公司 基于知识图谱和人工智能的手术编码另编码的方法和系统
CN117574896B (zh) * 2024-01-16 2024-04-09 之江实验室 基于电子病历文本的手术费用识别方法、装置及存储介质

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107577826A (zh) * 2017-10-25 2018-01-12 山东众阳软件有限公司 基于原始诊断数据的疾病分类编码方法及系统
CN107705839A (zh) * 2017-10-25 2018-02-16 山东众阳软件有限公司 疾病自动编码方法及系统
CN107731269A (zh) * 2017-10-25 2018-02-23 山东众阳软件有限公司 基于原始诊断数据和病历文件数据的疾病编码方法及系统
CN110321556A (zh) * 2019-06-14 2019-10-11 中山职业技术学院 一种医生诊疗医保控费智能推荐方案的方法及其系统
CN111091881A (zh) * 2019-12-28 2020-05-01 北京颐圣智能科技有限公司 医疗信息分类方法、医疗分类信息的存储方法及计算设备
CN111180062A (zh) * 2019-12-12 2020-05-19 山东众阳健康科技集团有限公司 基于原始诊断数据的疾病分类编码智能推荐方法
CN111192667A (zh) * 2019-12-16 2020-05-22 山东众阳健康科技集团有限公司 基于智能手术操作编码提示的方法
CN111191415A (zh) * 2019-12-16 2020-05-22 山东众阳健康科技集团有限公司 基于原始手术数据的手术分类编码方法

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10275576B2 (en) * 2014-06-27 2019-04-30 Passport Health Communications, Inc Automatic medical coding system and method
US11023679B2 (en) * 2017-02-27 2021-06-01 Medidata Solutions, Inc. Apparatus and method for automatically mapping verbatim narratives to terms in a terminology dictionary
EP3637431A1 (en) * 2018-10-12 2020-04-15 Fujitsu Limited Medical diagnostic aid and method
EP3891755A4 (en) * 2018-12-03 2022-09-07 Tempus Labs, Inc. SYSTEM FOR IDENTIFICATION, EXTRACTION AND PREDICTION OF CLINICAL CONCEPTS AND ASSOCIATED PROCESSES

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107577826A (zh) * 2017-10-25 2018-01-12 山东众阳软件有限公司 基于原始诊断数据的疾病分类编码方法及系统
CN107705839A (zh) * 2017-10-25 2018-02-16 山东众阳软件有限公司 疾病自动编码方法及系统
CN107731269A (zh) * 2017-10-25 2018-02-23 山东众阳软件有限公司 基于原始诊断数据和病历文件数据的疾病编码方法及系统
CN110321556A (zh) * 2019-06-14 2019-10-11 中山职业技术学院 一种医生诊疗医保控费智能推荐方案的方法及其系统
CN111180062A (zh) * 2019-12-12 2020-05-19 山东众阳健康科技集团有限公司 基于原始诊断数据的疾病分类编码智能推荐方法
CN111192667A (zh) * 2019-12-16 2020-05-22 山东众阳健康科技集团有限公司 基于智能手术操作编码提示的方法
CN111191415A (zh) * 2019-12-16 2020-05-22 山东众阳健康科技集团有限公司 基于原始手术数据的手术分类编码方法
CN111091881A (zh) * 2019-12-28 2020-05-01 北京颐圣智能科技有限公司 医疗信息分类方法、医疗分类信息的存储方法及计算设备

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
基于ICD标准的临床诊断、手术与操作编码系统的设计与应用;褚丹奇;宋磊;李莹;;中国卫生信息管理杂志(05);全文 *
基于PACS的ICD-10编码系统在放射科的应用;江桂华;张雪林;田军章;林楚岚;颜剑豪;郑丽吟;;南方医科大学学报(06);全文 *
基于电子病历的临床疾病ICD-10分类系统设计;杨燕媚;杨志强;;中国病案(03);全文 *
疾病分类编码分类方法应用;郑金丹;;解放军医院管理杂志(04);全文 *

Also Published As

Publication number Publication date
CN112861535A (zh) 2021-05-28

Similar Documents

Publication Publication Date Title
CN109378053B (zh) 一种用于医学影像的知识图谱构建方法
CN113871003B (zh) 一种基于含因果性医学知识图谱的疾病辅助鉴别诊断系统
CN111274806B (zh) 分词和词性识别方法、装置及电子病历的分析方法、装置
CN111382272B (zh) 一种基于知识图谱的电子病历icd自动编码方法
CN108831559B (zh) 一种中文电子病历文本分析方法与系统
US10929420B2 (en) Structured report data from a medical text report
CN112861535B (zh) 一种基于诊疗数据的手术分类编码方法及系统
CN111767410A (zh) 临床医疗知识图谱的构建方法、装置、设备及存储介质
CN111986770A (zh) 药方用药审核方法、装置、设备及存储介质
CN107193919A (zh) 一种电子病历的检索方法及系统
CN111191415A (zh) 基于原始手术数据的手术分类编码方法
CN106844351B (zh) 一种面向多数据源的医疗机构组织类实体识别方法及装置
US20200312431A1 (en) Method, system, and apparatus for automatically adding icd code, and medium
CN111048167A (zh) 一种层级式病例结构化方法及系统
CN111191456A (zh) 一种使用序列标注进行识别文本分段的方法
CN111477320B (zh) 治疗效果预测模型的构建系统、治疗效果预测系统及终端
CN112613522A (zh) 一种基于融合字形信息的服药单识别结果纠错方法
CN116312915B (zh) 一种电子病历中药物术语标准化关联方法及系统
CN115841861A (zh) 一种相似病历推荐方法及系统
CN113779179A (zh) 一种基于深度学习和知识图谱的icd智能编码的方法
CN112667878A (zh) 网页的文本内容提取方法、装置、电子设备及存储介质
CN114300143A (zh) 分级方案预测方法、系统、设备以及存储介质
CN113642563A (zh) 用药复核方法、装置、设备及存储介质
CN117350291A (zh) 一种电子病历命名实体识别方法、装置、设备及存储介质
CN112735545A (zh) 自训练方法、模型、处理方法、装置及存储介质

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
CB02 Change of applicant information

Address after: No. 1237 Yingxiu Road, High tech Zone, Jinan City, Shandong Province, 250101

Applicant after: Zhongyang Health Technology Group Co.,Ltd.

Address before: 12 / F, building 1, Aosheng building, 1166 Xinluo street, hi tech Zone, Jinan City, Shandong Province

Applicant before: SHANDONG MSUNHEALTH TECHNOLOGY GROUP Co.,Ltd.

CB02 Change of applicant information
GR01 Patent grant
GR01 Patent grant