CN113096756B - 病情演变分类方法、装置、电子设备和存储介质 - Google Patents
病情演变分类方法、装置、电子设备和存储介质 Download PDFInfo
- Publication number
- CN113096756B CN113096756B CN202110454797.2A CN202110454797A CN113096756B CN 113096756 B CN113096756 B CN 113096756B CN 202110454797 A CN202110454797 A CN 202110454797A CN 113096756 B CN113096756 B CN 113096756B
- Authority
- CN
- China
- Prior art keywords
- visit
- diagnosis
- sequence
- information
- stage
- 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
- 201000010099 disease Diseases 0.000 title claims abstract description 109
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 title claims abstract description 109
- 238000000034 method Methods 0.000 title claims abstract description 60
- 230000008859 change Effects 0.000 claims abstract description 54
- 238000003745 diagnosis Methods 0.000 claims description 274
- 206010061818 Disease progression Diseases 0.000 claims description 13
- 230000005750 disease progression Effects 0.000 claims description 13
- 238000012545 processing Methods 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 9
- 230000009466 transformation Effects 0.000 claims description 7
- 238000011282 treatment Methods 0.000 abstract description 34
- 239000013598 vector Substances 0.000 description 8
- 238000013145 classification model Methods 0.000 description 7
- 230000004927 fusion Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 238000004891 communication Methods 0.000 description 5
- 230000009286 beneficial effect Effects 0.000 description 3
- 239000011159 matrix material Substances 0.000 description 3
- 230000011218 segmentation Effects 0.000 description 3
- 208000024891 symptom Diseases 0.000 description 3
- 230000001364 causal effect Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 229940079593 drug Drugs 0.000 description 2
- 239000003814 drug Substances 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000012552 review Methods 0.000 description 2
- 238000011269 treatment regimen Methods 0.000 description 2
- 208000017667 Chronic Disease Diseases 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000002542 deteriorative effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 235000019580 granularity Nutrition 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000006641 stabilisation Effects 0.000 description 1
- 238000011105 stabilization Methods 0.000 description 1
- 238000006467 substitution reaction 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
- 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
- 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
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Biomedical Technology (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Pathology (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明提供一种病情演变分类方法、装置、电子设备和存储介质，其中方法包括：确定待分析的历史就诊序列；基于所述历史就诊序列中历次就诊信息的变化情况，将所述历史就诊序列划分为多个就诊阶段的阶段就诊序列；基于各个就诊阶段的阶段就诊序列进行病情演变分类，得到所述历史就诊序列对应的病情演变类型。本发明基于历史就诊序列中历次就诊信息的变化情况，将历史就诊序列划分为多个就诊阶段的阶段就诊序列后，基于各个就诊阶段的阶段就诊序列进行病情演变分类，可以提高同一时间段内部以及不同时间段之间的语义表达能力，从而更准确、更全面地获取病情的变化情况，提高病情演变分类的准确性。
Description
技术领域
本发明涉及自然语言处理技术领域，尤其涉及一种病情演变分类方法、装置、电子设备和存储介质。
背景技术
在复诊场景下，通常需要对患者的病情发展进行判断，基于病情演变情况，可以辅助确定下一步的检查建议或用药调整建议等。
然而，目前对于患者病情发展的判断通常由医生根据简单的工具进行病历信息汇总，并人工判断病情演变类型，因此受限于医生本人的能力和经验，病情演变分类的准确性得不到保证。
发明内容
本发明提供一种病情演变分类方法、装置、电子设备和存储介质，用以解决现有技术中病情演变分类准确性欠佳的缺陷。
本发明提供一种病情演变分类方法，包括：
确定待分析的历史就诊序列；
基于所述历史就诊序列中历次就诊信息的变化情况，将所述历史就诊序列划分为多个就诊阶段的阶段就诊序列；
基于各个就诊阶段的阶段就诊序列进行病情演变分类，得到所述历史就诊序列对应的病情演变类型。
根据本发明提供的一种病情演变分类方法，所述基于各个就诊阶段的阶段就诊序列进行病情演变分类，得到所述历史就诊序列对应的病情演变类型，包括：
对每一就诊阶段的阶段就诊序列分别进行编码，得到每一就诊阶段对应的阶段就诊编码；
将每一就诊阶段对应的阶段就诊编码融合，得到就诊信息编码；
基于所述就诊信息编码进行病情演变分类，得到所述历史就诊序列对应的病情演变类型。
根据本发明提供的一种病情演变分类方法，所述对每一就诊阶段的阶段就诊序列分别进行编码，得到每一就诊阶段对应的阶段就诊编码，包括：
基于多个不同长度的滑动窗口，对任一就诊阶段的阶段就诊序列分别进行编码，得到每一滑动窗口对应的窗口就诊信息编码；
基于每一滑动窗口对应的窗口就诊信息编码，确定所述任一就诊阶段对应的阶段就诊编码。
根据本发明提供的一种病情演变分类方法，所述基于多个不同长度的滑动窗口，对任一就诊阶段的阶段就诊序列分别进行编码，得到每一滑动窗口对应的窗口就诊信息编码，包括：
基于预设步长，以及任一滑动窗口的窗口长度，对任一就诊阶段的阶段就诊序列进行滑窗处理，确定多个就诊子序列；
基于所述多个就诊子序列，确定所述任一滑动窗口对应的窗口就诊信息编码。
根据本发明提供的一种病情演变分类方法，所述基于所述多个就诊子序列，确定所述任一滑动窗口对应的窗口就诊信息编码，包括：
对每两个相邻就诊子序列的序列编码进行注意力变换，得到每两个相邻就诊子序列之间的注意力编码；
基于每两个相邻就诊子序列之间的注意力编码，确定所述任一滑动窗口对应的窗口就诊信息编码。
根据本发明提供的一种病情演变分类方法，所述基于每一滑动窗口对应的窗口就诊信息编码，确定所述任一就诊阶段对应的阶段就诊编码，包括：
对所述任一就诊阶段对应的临床表现变化信息进行不同尺度的编码，得到多个尺度下的临床信息编码；所述临床信息编码的尺度与所述滑动窗口的窗口长度对应；
基于每一滑动窗口的窗口就诊信息编码及其对应的临床信息编码，确定所述任一就诊阶段对应的阶段就诊编码。
根据本发明提供的一种病情演变分类方法，所述基于所述历史就诊序列中历次就诊信息的变化情况，将所述历史就诊序列划分为多个就诊阶段的阶段就诊序列，包括：
基于历次就诊信息中的诊断信息、就诊时间，以及临床表现的变化情况，将所述历史就诊序列划分为多个就诊阶段的阶段就诊序列。
本发明还提供一种病情演变分类装置，包括：
历史信息确定单元，用于确定待分析的历史就诊序列；
序列划分单元，用于基于所述历史就诊序列中历次就诊信息的变化情况，将所述历史就诊序列划分为多个就诊阶段的阶段就诊序列；
分类单元，用于基于各个就诊阶段的阶段就诊序列进行病情演变分类，得到所述历史就诊序列对应的病情演变类型。
本发明还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述病情演变分类方法的步骤。
本发明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如上述任一种所述病情演变分类方法的步骤。
本发明提供的病情演变分类方法、装置、电子设备和存储介质，基于历史就诊序列中历次就诊信息的变化情况，将历史就诊序列划分为多个就诊阶段的阶段就诊序列后，基于各个就诊阶段的阶段就诊序列进行病情演变分类，可以提高同一时间段内部以及不同时间段之间的语义表达能力，从而更准确、更全面地获取病情的变化情况，提高病情演变分类的准确性。
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为本发明提供的病情演变分类方法的流程示意图之一；
图2为本发明提供的病情演变分类方法的流程示意图之二；
图3为本发明提供的阶段编码方法的流程示意图；
图4为本发明提供的窗口编码方法的流程示意图；
图5为本发明提供的病情演变分类模型的结构示意图；
图6为本发明提供的病情演变分类装置的结构示意图；
图7为本发明提供的电子设备的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明中的附图，对本发明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他实施例，都属于本发明保护的范围。
在复诊场景下，通常需要对患者的病情发展进行判断，基于病情演变情况，可以辅助确定下一步的检查建议或用药调整建议等。
目前，对于患者病情发展的判断通常由医生根据简单的工具进行病历信息汇总，并人工判断病情演变类型。例如，调取患者历史就诊病历、检验检查结果及治疗方案进行人工查阅，从历史就诊信息中获取有效信息，并进行整合，然后反复对比患者的历史就诊信息来评估患者的病情演变类型，并基于评估结果给出治疗方案是否需要调整的判断。然而，在此过程中，一方面对于病情演变类型的判断受限于医生本人的能力和经验，另一方面还可能发生某些就诊信息的遗漏，以及语义信息理解有误的状况，使得病情演变分类的准确性得不到保证。
对此，本发明实施例提供了一种病情演变分类方法。图1为本发明实施例提供的病情演变分类方法的流程示意图之一，如图1所示，该方法包括：
步骤110，确定待分析的历史就诊序列。
具体地，对于任一待判断病情演变类型的患者，可以获取该患者当前时刻及其之前的历史就诊序列。其中，历史就诊序列中包含该患者包括此次就诊在内的历次就诊的就诊信息，任意一次就诊的就诊信息中可以包括病历信息，包括诊断信息、症状信息等，以及检验检查结果和治疗方案等信息。此处，历史就诊序列中的就诊信息可以按照患者历次的就诊时间排列。
步骤120，基于历史就诊序列中历次就诊信息的变化情况，将历史就诊序列划分为多个就诊阶段的阶段就诊序列。
具体地，由于患者在不同时间段所患疾病的差异可能相对较大，且不同疾病之间大多关联性不大，因此，若将所有就诊信息不作区分地融合在一起，可能会削弱真正关联的就诊信息之间的语义关联性，从而遗漏部分病情的变化信息，导致病情演变分类的准确性降低。因此，本发明实施例将历史就诊序列划分为多个就诊阶段的阶段就诊序列。其中，任一就诊阶段的阶段就诊序列中包含一次或多次就诊的就诊信息，且该阶段就诊序列中的就诊信息之间具备较强关联性。具体在划分就诊阶段时，可以基于历史就诊序列中历次就诊信息的变化情况，在时间纬度上进行划分，从而将具备较强关联性的就诊信息划分到同一阶段。此外，由于不同患者的病史差异较大，因此根据患者历史就诊序列中历次就诊信息的变化情况进行就诊阶段的动态自适应划分，可以提高就诊阶段划分的准确性。
步骤130，基于各个就诊阶段的阶段就诊序列进行病情演变分类，得到历史就诊序列对应的病情演变类型。
具体地，将历史就诊序列划分为多个就诊阶段的阶段就诊序列后，可以基于每一就诊阶段的阶段就诊序列分别获取病情的相关语义信息，提高同一时间段内的语义表达能力，从而评估每一就诊阶段内病情的变化情况。随后，再整合所有就诊阶段的病情信息，获得不同就诊阶段病情之间的关联性，以提高不同时间段之间的语义表达能力，从而进行病情演变分类，得到整个历史就诊序列对应的病情演变类型。此处，通过对不同病程的信息进行语义提取，能够获取不同就诊阶段的病情演进，从而在全面考察病情演进的同时也从局部的病情演进进行了考量，提高了病情演变分类的准确性。其中，病情演变类型可以表征该历史就诊序列所反映出的病情演变趋势，例如病情好转、恶化或稳定。根据病情演变类型，可以判断对该患者采取的治疗方案是有效、恶化还是无效，从而评估是否需要调整治疗方案。
本发明实施例提供的方法，基于历史就诊序列中历次就诊信息的变化情况，将历史就诊序列划分为多个就诊阶段的阶段就诊序列后，基于各个就诊阶段的阶段就诊序列进行病情演变分类，可以提高同一时间段内部以及不同时间段之间的语义表达能力，从而更准确、更全面地获取病情的变化情况，提高病情演变分类的准确性。
基于上述实施例，步骤120包括：
基于历次就诊信息中的诊断信息、就诊时间，以及临床表现的变化情况，将历史就诊序列划分为多个就诊阶段的阶段就诊序列。
具体地，在划分就诊阶段时，可以基于历次就诊的诊断信息、就诊时间，以及临床表现变化信息，将历史就诊序列中时间相邻且关联性较强的就诊信息划分为同一就诊阶段，从而得到多个就诊阶段的阶段就诊序列。其中，历次就诊信息中的诊断信息包括该患者历次就诊时医生诊断的疾病信息，临床表现的变化情况包括该患者在病程中的体征变化信息以及各项指标检测结果的变化信息等。此处，历次就诊信息中的诊断信息和就诊时间可以从该患者的病历中获取得到，而临床表现的变化情况可以通过调用相关的应用程序、小程序或外呼机器人等，从医院维护的临床数据库中获取得到。
此处，根据各疾病之间的上下位关系以及因果关系，可以判断历史就诊序列中历次就诊信息对应的疾病之间是否存在关联。若存在关联，可以认为就诊信息之间具备较强关联性。在此基础上，考虑到部分疾病虽无上下位关系或因果关系等强关联性，但其症状之间存在关联，因此还可以结合临床表现的变化情况，根据体征信息以及检查检验结果之间的关联性，判断历次就诊信息之间是否具备较强关联性。此外，还可以根据该患者历次就诊的就诊时间，进一步确认就诊信息之间是否具备较强关联性。若相邻两次就诊的就诊时间之间相隔较远，则可以认为该两次就诊的就诊信息之间不存在较强关联性。
本发明实施例提供的方法，基于历次就诊信息中的诊断信息、就诊时间，以及临床表现的变化情况，将历史就诊序列划分为多个就诊阶段的阶段就诊序列，提高了就诊阶段划分的准确性，有助于提高病情演变分类的准确性。
基于上述任一实施例，图2为本发明实施例提供的病情演变分类方法的流程示意图之二，步骤130包括：
步骤131，对每一就诊阶段的阶段就诊序列分别进行编码，得到每一就诊阶段对应的阶段就诊编码；
步骤132，将每一就诊阶段对应的阶段就诊编码融合，得到就诊信息编码；
步骤133，基于就诊信息编码进行病情演变分类，得到历史就诊序列对应的病情演变类型。
具体地，针对每个就诊阶段的阶段就诊序列分别进行语义编码，得到每个就诊阶段对应的阶段就诊编码。其中，任一就诊阶段对应的阶段就诊编码中包含该就诊阶段内的病情信息。此处，可以对任一就诊阶段的阶段就诊序列进行分词以及向量化，得到该阶段就诊序列内各分词的词向量。其中，可以采用word2vec、glove或fasttext等模型进行向量化处理，本发明实施例对此不作具体限定。随后，可以对该阶段就诊序列内各分词的词向量进行语义提取和编码，得到该就诊阶段对应的阶段就诊编码。例如，可以采用BERT(Bidirectional Encoder Representations from Transformers)语言模型对该阶段就诊序列内各分词的词向量进行语义编码，以提取该阶段就诊序列中各就诊信息包含的病情信息以及各就诊信息之间的病情关联信息。
获取到每个就诊阶段对应的阶段就诊编码后，可以将其进行语义融合，得到就诊信息编码。其中，就诊信息编码中包含不同就诊阶段病情之间的关联性。基于就诊信息编码，可以判断整个病程中该患者的病情变化情况，从而确定历史就诊序列对应的病情演变类型。
基于上述任一实施例，图3为本发明实施例提供的阶段编码方法的流程示意图，步骤131包括：
步骤1311，基于多个不同长度的滑动窗口，对任一就诊阶段的阶段就诊序列分别进行编码，得到每一滑动窗口对应的窗口就诊信息编码；
步骤1312，基于每一滑动窗口对应的窗口就诊信息编码，确定该就诊阶段对应的阶段就诊编码。
具体地，对任一就诊阶段的阶段就诊序列进行编码时，采用多个不同长度的滑动窗口，对该就诊阶段的阶段就诊序列分别进行编码，得到每一滑动窗口对应的窗口就诊信息编码。其中，利用不同长度的滑动窗口进行编码，可以提取不同粒度的语义信息，从而丰富各个窗口就诊信息编码中包含的病情信息。因此，基于各个滑动窗口对应的窗口就诊信息编码，确定该就诊阶段对应的阶段就诊编码，有助于提高阶段就诊编码的语义表达能力，从而提高病情演变分类的准确性。需要说明的是，滑动窗口的窗口长度以及滑动窗口的个数可以根据实际应用场景设定，例如可以采用窗口长度为1和2的滑动窗口进行编码，本发明实施例对此不作具体限定。
本发明实施例提供的方法，利用多个不同长度的滑动窗口，对任一就诊阶段的阶段就诊序列分别进行编码，得到每一滑动窗口对应的窗口就诊信息编码，并基于每一滑动窗口对应的窗口就诊信息编码，确定该就诊阶段对应的阶段就诊编码，有助于提高阶段就诊编码的语义表达能力，从而提高病情演变分类的准确性。
基于上述任一实施例，图4为本发明实施例提供的窗口编码方法的流程示意图，步骤1311包括：
步骤1311-1，基于预设步长，以及任一滑动窗口的窗口长度，对任一就诊阶段的阶段就诊序列进行滑窗处理，得到多个就诊子序列；
步骤1311-2，基于多个就诊子序列，确定该滑动窗口对应的窗口就诊信息编码。
具体地，基于预设步长以及任一滑动窗口的窗口长度，对任一就诊阶段的阶段就诊序列进行滑窗处理，将阶段就诊序列中的就诊信息划分为多个就诊子序列。其中，预设步长为滑动窗口每次滑动的长度。例如，当预设步长等于该滑动窗口的窗口长度时，可以按照滑动窗口的窗口长度将阶段就诊序列均分，得到的每个就诊子序列中包含的就诊信息数量与滑动窗口的窗口长度相等。
随后，对多个就诊子序列进行融合编码，获取各个就诊子序列之间的语义关联信息，可以得到该滑动窗口对应的窗口就诊信息编码。
基于上述任一实施例，步骤1311-2包括：
对每两个相邻就诊子序列的序列编码进行注意力变换，得到每两个相邻就诊子序列之间的注意力编码；
基于每两个相邻就诊子序列之间的注意力编码，确定该滑动窗口对应的窗口就诊信息编码。
具体地，对于任意一个就诊子序列，可以将其中的就诊信息分别进行编码，并将各个就诊信息的编码融合，得到该就诊子序列的序列编码。例如，若任一就诊子序列中包含就诊信息1和就诊信息2，可以先利用BERT等模型分别对就诊信息1和就诊信息2中各分词的词向量进行编码，再将就诊信息1和就诊信息2的编码拼接，得到该就诊子序列的序列编码。
为了获取各个就诊子序列之间的语义关联信息，可以对每两个相邻就诊子序列的序列编码进行注意力变换，得到每两个相邻就诊子序列之间的注意力编码。例如，可以采用如下公式对任意两个相邻就诊子序列的序列编码Vi和Vi-1进行注意力变换，得到上述两个相邻就诊子序列之间的注意力编码。：
将每两个相邻就诊子序列之间的注意力编码进行融合，例如组合为矩阵，可以得到该滑动窗口对应的窗口就诊信息编码。
基于上述任一实施例，步骤1312包括：
对该就诊阶段对应的临床表现变化信息进行不同尺度的编码，得到多个尺度下的临床信息编码；临床信息编码的尺度与滑动窗口的窗口长度对应；
基于每一滑动窗口的窗口就诊信息编码及其对应的临床信息编码，确定该就诊阶段对应的阶段就诊编码。
具体地，患者在病程中的各种身体反应(如慢性病随访结果)可以反映该患者的病情信息，对病情演变的判断具备一定的参考价值。因此，在确定任一就诊阶段对应的阶段就诊编码，以获取该就诊阶段对应的病情信息时，可以结合该就诊阶段对应的临床表现变化信息的临床信息编码，以及每一滑动窗口对应的窗口就诊信息编码，从而避免遗漏与病情相关的关键信息。其中，临床信息编码中包含该患者在对应阶段内的体征变化信息以及各项指标检测结果的变化信息等。
具体而言，可以对临床表现变化信息进行不同尺度的编码，得到多个尺度下的临床信息编码。此处，可以先对临床表现变化信息进行分词和向量化处理，得到临床表现变化信息中各分词的词向量，然后利用BERT等模型对各分词的词向量进行语义融合，再对融合结果进行不同尺度的编码。其中，临床信息编码的尺度与滑动窗口的窗口长度对应，尺度较大、语义信息较底层的临床信息编码与窗口长度较小的滑动窗口对应，且临床信息编码的尺度类型数量与滑动窗口的数量相同。例如，可以采用多层全连接层将融合结果映射到不同尺度下，其中全连接层的数量与滑动窗口的数量相同，且越底层的全连接层的输出与长度越小的滑动窗口对应。
随后，将任一滑动窗口对应的窗口就诊信息编码与其对应尺度下的临床信息编码融合，例如可以直接拼接，得到该滑动窗口对应的融合信息编码。基于每一滑动窗口对应的融合信息编码，可以融合得到该就诊阶段对应的阶段就诊编码。
本发明实施例提供的方法，通过结合就诊阶段对应的临床表现变化信息的临床信息编码，以及每一滑动窗口对应的窗口就诊信息编码，确定该就诊阶段对应的阶段就诊编码，丰富了与病情相关的关键信息，有助于提高病情演变分类的准确性。
基于上述任一实施例，本发明又一实施例提供了一种病情演变分类方法，该方法中通过构建病情演变分类模型，以实现上述任一实施例提供的病情演变分类方法。该方法包括：
获取患者的历史就诊序列以及临床表现变化信息序列。
基于患者历次就诊的诊断信息、就诊时间，以及临床表现变化信息序列，将历史就诊序列划分为多个就诊阶段的阶段就诊序列。
基于病情演变分类模型，结合历史就诊序列和临床表现变化信息序列，进行病情演变分类。其中，可以对样本历史就诊序列以及样本临床表现变化信息序列进行结构化处理，将其转换为二维向量矩阵，并将二维向量矩阵输入到预先构建好的病情演变分类模型，在人工标注的基础上进行梯度更新，最终输出训练好的病情演变分类模型。
图5为本发明实施例提供的病情演变分类模型的结构示意图，如图5所示，病情演变分类模型包括输入层、编码层、滑动窗口语义获取层和输出层。需要说明的是，图中仅示例性地示出任一就诊阶段的阶段就诊序列的处理过程，可以知晓的是，其他就诊阶段的阶段就诊序列的处理过程与图中所示类似，在此不再赘述。
其中，输入层用于对任一就诊阶段的阶段就诊序列进行分词和向量化处理。
编码层用于利用BERT等模型，对该阶段就诊序列中各个就诊信息分别进行语义编码，得到各个就诊信息对应的就诊编码。
滑动窗口语义获取层用于：基于多个不同长度的滑动窗口，对任一就诊阶段的阶段就诊序列进行滑窗处理，得到各个滑动窗口对应的多个就诊子序列。以长度为1和2的滑动窗口为例，针对任一滑动窗口对应的多个就诊子序列，可以对每两个相邻就诊子序列的序列编码进行注意力变换，得到每两个相邻就诊子序列之间的注意力编码，再基于每两个相邻就诊子序列之间的注意力编码，得到该滑动窗口对应的窗口就诊信息编码。此外，利用2个全连接层对就诊阶段对应的临床表现变化信息进行不同尺度的临床信息编码，将第一个全连接层的输出MLP_1与长度为1的滑动窗口对应的窗口就诊信息编码拼接，将第二个全连接层的输出MLP_2与长度为2的滑动窗口对应的窗口就诊信息编码拼接。随后，可以利用BERT模型对两个滑动窗口对应的拼接后的编码进行再一次编码，进而拼接得到该就诊阶段对应的阶段就诊编码。
输出层用于基于各个就诊阶段对应的阶段就诊编码，利用全连接层MLP进行打分，得到该患者的病情演变得分，并根据该得分判断该患者的病情演变类型。需要说明的是，图中仅示例性地将某一个就诊阶段对应的阶段就诊编码输入到输出层中，但可以知晓的是，输出层会基于所有就诊阶段对应的阶段就诊编码进行病情演变分类。
基于上述任一实施例，图6为本发明实施例提供的病情演变分类装置的结构示意图，如图6所示，该装置包括：历史信息确定单元610、序列划分单元620和分类单元630。
其中，历史信息确定单元610用于确定待分析的历史就诊序列；
序列划分单元620用于基于历史就诊序列中历次就诊信息的变化情况，将历史就诊序列划分为多个就诊阶段的阶段就诊序列；
分类单元630用于基于各个就诊阶段的阶段就诊序列进行病情演变分类，得到历史就诊序列对应的病情演变类型。
本发明实施例提供的装置，基于历史就诊序列中历次就诊信息的变化情况，将历史就诊序列划分为多个就诊阶段的阶段就诊序列后，基于各个就诊阶段的阶段就诊序列进行病情演变分类，可以提高同一时间段内部以及不同时间段之间的语义表达能力，从而更准确、更全面地获取病情的变化情况，提高病情演变分类的准确性。
基于上述任一实施例，序列划分单元620用于：
基于历次就诊信息中的诊断信息、就诊时间，以及临床表现的变化情况，将历史就诊序列划分为多个就诊阶段的阶段就诊序列。
本发明实施例提供的装置，基于历次就诊信息中的诊断信息、就诊时间，以及临床表现的变化情况，将历史就诊序列划分为多个就诊阶段的阶段就诊序列，提高了就诊阶段划分的准确性，有助于提高病情演变分类的准确性。
基于上述任一实施例，分类单元630用于：
对每一就诊阶段的阶段就诊序列分别进行编码，得到每一就诊阶段对应的阶段就诊编码；
将每一就诊阶段对应的阶段就诊编码融合，得到就诊信息编码；
基于就诊信息编码进行病情演变分类，得到历史就诊序列对应的病情演变类型。
基于上述任一实施例，对每一就诊阶段的阶段就诊序列分别进行编码，得到每一就诊阶段对应的阶段就诊编码，包括：
基于多个不同长度的滑动窗口，对任一就诊阶段的阶段就诊序列分别进行编码，得到每一滑动窗口对应的窗口就诊信息编码；
基于每一滑动窗口对应的窗口就诊信息编码，确定该就诊阶段对应的阶段就诊编码。
本发明实施例提供的装置，利用多个不同长度的滑动窗口，对任一就诊阶段的阶段就诊序列分别进行编码，得到每一滑动窗口对应的窗口就诊信息编码，并基于每一滑动窗口对应的窗口就诊信息编码，确定该就诊阶段对应的阶段就诊编码，有助于提高阶段就诊编码的语义表达能力，从而提高病情演变分类的准确性。
基于上述任一实施例，基于多个不同长度的滑动窗口，对任一就诊阶段的阶段就诊序列分别进行编码，得到每一滑动窗口对应的窗口就诊信息编码，包括：
基于预设步长，以及任一滑动窗口的窗口长度，对任一就诊阶段的阶段就诊序列进行滑窗处理，得到多个就诊子序列；
基于多个就诊子序列，确定该滑动窗口对应的窗口就诊信息编码。
基于上述任一实施例，基于多个就诊子序列，确定该滑动窗口对应的窗口就诊信息编码，包括：
对每两个相邻就诊子序列的序列编码进行注意力变换，得到每两个相邻就诊子序列之间的注意力编码；
基于每两个相邻就诊子序列之间的注意力编码，确定该滑动窗口对应的窗口就诊信息编码。
基于上述任一实施例，基于每一滑动窗口对应的窗口就诊信息编码，确定该就诊阶段对应的阶段就诊编码，包括：
对该就诊阶段对应的临床表现变化信息进行不同尺度的编码，得到多个尺度下的临床信息编码；临床信息编码的尺度与滑动窗口的窗口长度对应；
基于每一滑动窗口的窗口就诊信息编码及其对应的临床信息编码，确定该就诊阶段对应的阶段就诊编码。
本发明实施例提供的装置，通过结合就诊阶段对应的临床表现变化信息的临床信息编码，以及每一滑动窗口对应的窗口就诊信息编码，确定该就诊阶段对应的阶段就诊编码，丰富了与病情相关的关键信息，有助于提高病情演变分类的准确性。
图7示例了一种电子设备的实体结构示意图，如图7所示，该电子设备可以包括：处理器(processor)710、通信接口(Communications Interface)720、存储器(memory)730和通信总线740，其中，处理器710，通信接口720，存储器730通过通信总线740完成相互间的通信。处理器710可以调用存储器730中的逻辑指令，以执行病情演变分类方法，该方法包括：确定待分析的历史就诊序列；基于所述历史就诊序列中历次就诊信息的变化情况，将所述历史就诊序列划分为多个就诊阶段的阶段就诊序列；基于各个就诊阶段的阶段就诊序列进行病情演变分类，得到所述历史就诊序列对应的病情演变类型。
此外，上述的存储器730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。
另一方面，本发明还提供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所提供的病情演变分类方法，该方法包括：确定待分析的历史就诊序列；基于所述历史就诊序列中历次就诊信息的变化情况，将所述历史就诊序列划分为多个就诊阶段的阶段就诊序列；基于各个就诊阶段的阶段就诊序列进行病情演变分类，得到所述历史就诊序列对应的病情演变类型。
又一方面，本发明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提供的病情演变分类方法，该方法包括：确定待分析的历史就诊序列；基于所述历史就诊序列中历次就诊信息的变化情况，将所述历史就诊序列划分为多个就诊阶段的阶段就诊序列；基于各个就诊阶段的阶段就诊序列进行病情演变分类，得到所述历史就诊序列对应的病情演变类型。
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 (9)
1.一种病情演变分类方法，其特征在于，包括：
确定待分析的历史就诊序列；
基于所述历史就诊序列中历次就诊信息的变化情况，将所述历史就诊序列划分为多个就诊阶段的阶段就诊序列；
基于各个就诊阶段的阶段就诊序列进行病情演变分类，得到所述历史就诊序列对应的病情演变类型；
所述基于各个就诊阶段的阶段就诊序列进行病情演变分类，得到所述历史就诊序列对应的病情演变类型，包括：
对每一就诊阶段的阶段就诊序列分别进行编码，得到每一就诊阶段对应的阶段就诊编码；每一就诊阶段对应的阶段就诊编码中包含对应就诊阶段内的病情信息；
将每一就诊阶段对应的阶段就诊编码融合，得到就诊信息编码；就诊信息编码中包含不同就诊阶段病情之间的关联性；
基于所述就诊信息编码进行病情演变分类，得到所述历史就诊序列对应的病情演变类型。
2.根据权利要求1所述的病情演变分类方法，其特征在于，所述对每一就诊阶段的阶段就诊序列分别进行编码，得到每一就诊阶段对应的阶段就诊编码，包括：
基于多个不同长度的滑动窗口，对任一就诊阶段的阶段就诊序列分别进行编码，得到每一滑动窗口对应的窗口就诊信息编码；
基于每一滑动窗口对应的窗口就诊信息编码，确定所述任一就诊阶段对应的阶段就诊编码。
3.根据权利要求2所述的病情演变分类方法，其特征在于，所述基于多个不同长度的滑动窗口，对任一就诊阶段的阶段就诊序列分别进行编码，得到每一滑动窗口对应的窗口就诊信息编码，包括：
基于预设步长，以及任一滑动窗口的窗口长度，对任一就诊阶段的阶段就诊序列进行滑窗处理，得到多个就诊子序列；
基于所述多个就诊子序列，确定所述任一滑动窗口对应的窗口就诊信息编码。
4.根据权利要求3所述的病情演变分类方法，其特征在于，所述基于所述多个就诊子序列，确定所述任一滑动窗口对应的窗口就诊信息编码，包括：
对每两个相邻就诊子序列的序列编码进行注意力变换，得到每两个相邻就诊子序列之间的注意力编码；
基于每两个相邻就诊子序列之间的注意力编码，确定所述任一滑动窗口对应的窗口就诊信息编码。
5.根据权利要求2所述的病情演变分类方法，其特征在于，所述基于每一滑动窗口对应的窗口就诊信息编码，确定所述任一就诊阶段对应的阶段就诊编码，包括：
对所述任一就诊阶段对应的临床表现变化信息进行不同尺度的编码，得到多个尺度下的临床信息编码；所述临床信息编码的尺度与所述滑动窗口的窗口长度对应；
基于每一滑动窗口的窗口就诊信息编码及其对应的临床信息编码，确定所述任一就诊阶段对应的阶段就诊编码。
6.根据权利要求1至5任一项所述的病情演变分类方法，其特征在于，所述基于所述历史就诊序列中历次就诊信息的变化情况，将所述历史就诊序列划分为多个就诊阶段的阶段就诊序列，包括：
基于历次就诊信息中的诊断信息、就诊时间，以及临床表现的变化情况，将所述历史就诊序列划分为多个就诊阶段的阶段就诊序列。
7.一种病情演变分类装置，其特征在于，包括：
历史信息确定单元，用于确定待分析的历史就诊序列；
序列划分单元，用于基于所述历史就诊序列中历次就诊信息的变化情况，将所述历史就诊序列划分为多个就诊阶段的阶段就诊序列；
分类单元，用于基于各个就诊阶段的阶段就诊序列进行病情演变分类，得到所述历史就诊序列对应的病情演变类型；
所述分类单元用于：
对每一就诊阶段的阶段就诊序列分别进行编码，得到每一就诊阶段对应的阶段就诊编码；每一就诊阶段对应的阶段就诊编码中包含对应就诊阶段内的病情信息；
将每一就诊阶段对应的阶段就诊编码融合，得到就诊信息编码；就诊信息编码中包含不同就诊阶段病情之间的关联性；
基于所述就诊信息编码进行病情演变分类，得到所述历史就诊序列对应的病情演变类型。
8.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至6任一项所述病情演变分类方法的步骤。
9.一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如权利要求1至6任一项所述病情演变分类方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110454797.2A CN113096756B (zh) | 2021-04-26 | 2021-04-26 | 病情演变分类方法、装置、电子设备和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110454797.2A CN113096756B (zh) | 2021-04-26 | 2021-04-26 | 病情演变分类方法、装置、电子设备和存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113096756A CN113096756A (zh) | 2021-07-09 |
| CN113096756B true CN113096756B (zh) | 2023-12-22 |
Family
ID=76679988
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110454797.2A Active CN113096756B (zh) | 2021-04-26 | 2021-04-26 | 病情演变分类方法、装置、电子设备和存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113096756B (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113658655B (zh) * | 2021-08-24 | 2024-06-25 | 深圳平安智慧医健科技有限公司 | 体检推荐方法、装置、存储介质及设备 |
| CN113990460B (zh) * | 2021-09-07 | 2023-02-17 | 安徽讯飞医疗股份有限公司 | 问诊推荐方法、计算机设备及存储装置 |
| CN114357008A (zh) * | 2021-12-16 | 2022-04-15 | 上海金仕达卫宁软件科技有限公司 | 医疗行为一致性识别模型建立方法及风险识别方法 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107292103A (zh) * | 2017-06-19 | 2017-10-24 | 京东方科技集团股份有限公司 | 一种预测图像生成方法及装置 |
| CN111402979A (zh) * | 2020-03-24 | 2020-07-10 | 清华大学 | 病情描述与诊断一致性检测方法及装置 |
| CN111785370A (zh) * | 2020-07-01 | 2020-10-16 | 医渡云（北京）技术有限公司 | 病历数据处理方法及装置、计算机存储介质、电子设备 |
| CN112151136A (zh) * | 2020-09-30 | 2020-12-29 | 上海依智医疗技术有限公司 | 医学数据的处理方法、装置及存储介质 |
| CN112182168A (zh) * | 2020-11-27 | 2021-01-05 | 北京惠及智医科技有限公司 | 病历文本分析方法、装置、电子设备及存储介质 |
| CN112420192A (zh) * | 2020-11-26 | 2021-02-26 | 清华大学 | 融合多维诊疗信息的疾病分型方法及相关设备 |
-
2021
- 2021-04-26 CN CN202110454797.2A patent/CN113096756B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107292103A (zh) * | 2017-06-19 | 2017-10-24 | 京东方科技集团股份有限公司 | 一种预测图像生成方法及装置 |
| CN111402979A (zh) * | 2020-03-24 | 2020-07-10 | 清华大学 | 病情描述与诊断一致性检测方法及装置 |
| CN111785370A (zh) * | 2020-07-01 | 2020-10-16 | 医渡云（北京）技术有限公司 | 病历数据处理方法及装置、计算机存储介质、电子设备 |
| CN112151136A (zh) * | 2020-09-30 | 2020-12-29 | 上海依智医疗技术有限公司 | 医学数据的处理方法、装置及存储介质 |
| CN112420192A (zh) * | 2020-11-26 | 2021-02-26 | 清华大学 | 融合多维诊疗信息的疾病分型方法及相关设备 |
| CN112182168A (zh) * | 2020-11-27 | 2021-01-05 | 北京惠及智医科技有限公司 | 病历文本分析方法、装置、电子设备及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113096756A (zh) | 2021-07-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113096756B (zh) | 病情演变分类方法、装置、电子设备和存储介质 | |
| CN112786198B (zh) | 诊疗信息推荐模型构建方法、诊疗信息推荐方法及装置 | |
| CN109887562B (zh) | 电子病历的相似度确定方法、装置、设备和存储介质 | |
| CN111402979B (zh) | 病情描述与诊断一致性检测方法及装置 | |
| CN109637669B (zh) | 基于深度学习的治疗方案的生成方法、装置及存储介质 | |
| CN109670179A (zh) | 基于迭代膨胀卷积神经网络的病历文本命名实体识别方法 | |
| CN113223735B (zh) | 基于对话表征的分诊方法、装置、设备及存储介质 | |
| CN111863247B (zh) | 基于结构磁共振影像的大脑年龄级联精炼预测方法及系统 | |
| CN111613341A (zh) | 基于语义成分的实体链接方法及装置 | |
| CN111145905A (zh) | 目标决策模型构建方法及装置、电子设备、存储介质 | |
| CN114628001B (zh) | 基于神经网络的处方推荐方法、系统、设备及存储介质 | |
| CN111128391A (zh) | 一种信息处理设备、方法和存储介质 | |
| CN114782394A (zh) | 一种基于多模态融合网络的白内障术后视力预测系统 | |
| CN113012774A (zh) | 病案自动编码方法、装置、电子设备及存储介质 | |
| CN118016224A (zh) | 一种基于医疗大数据平台的智能病例分析辅助系统 | |
| CN112037918B (zh) | 一种融合并发症风险的慢病医保费用预测方法及相关设备 | |
| CN116631614A (zh) | 治疗方案生成方法、装置、电子设备及存储介质 | |
| CN116662515A (zh) | 检索式多轮对话方法及装置、存储介质、电子设备 | |
| CN114639489B (zh) | 基于相互学习的问诊快捷回复推荐方法、装置及电子设备 | |
| CN116258136A (zh) | 检错模型训练方法、医学影像报告检测方法、系统及设备 | |
| CN115715418A (zh) | 疾病风险预测方法、装置、存储介质及电子设备 | |
| CN113782221A (zh) | 基于自训练学习的疾病预测装置、设备及存储介质 | |
| JP2021189093A (ja) | 自己免疫性水疱症の診断装置 | |
| CN117875319B (zh) | 医疗领域标注数据的获取方法、装置、电子设备 | |
| CN114708965B (zh) | 诊断推荐方法及装置、电子设备和存储介质 |
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: 230088 floor 23-24, building A5, No. 666, Wangjiang West Road, high tech Zone, Hefei, Anhui Province Applicant after: Anhui Xunfei Medical Co.,Ltd. Applicant after: anhui provincial hospital Address before: 230088 room 288, building H2, phase II, innovation industrial park, 2800 innovation Avenue, high tech Zone, Hefei City, Anhui Province Applicant before: ANHUI IFLYTEK MEDICAL INFORMATION TECHNOLOGY CO.,LTD. Applicant before: anhui provincial hospital |
|
| CB02 | Change of applicant information | ||
| CB02 | Change of applicant information |
Address after: 230088 floor 23-24, building A5, No. 666, Wangjiang West Road, high tech Zone, Hefei, Anhui Province Applicant after: IFLYTEK Medical Technology Co.,Ltd. Applicant after: ANHUI PROVINCIAL Hospital Address before: 230088 floor 23-24, building A5, No. 666, Wangjiang West Road, high tech Zone, Hefei, Anhui Province Applicant before: Anhui Xunfei Medical Co.,Ltd. Applicant before: ANHUI PROVINCIAL Hospital |
|
| CB02 | Change of applicant information | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |