CN113192584A - 一种远程病案查阅系统 - Google Patents
一种远程病案查阅系统 Download PDFInfo
- Publication number
- CN113192584A CN113192584A CN202110341721.9A CN202110341721A CN113192584A CN 113192584 A CN113192584 A CN 113192584A CN 202110341721 A CN202110341721 A CN 202110341721A CN 113192584 A CN113192584 A CN 113192584A
- Authority
- CN
- China
- Prior art keywords
- keyword
- cloud processor
- retrieval
- server
- preset
- 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.)
- Granted
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
- 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
- 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
- G06F16/334—Query execution
-
- 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
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Computational Linguistics (AREA)
- Health & Medical Sciences (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Primary Health Care (AREA)
- Public Health (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明涉及一种远程病案查阅系统,包括:查询终端、云端处理器和服务器组。本发明通过使用云端处理器使用关键词针对各服务器进行逐个检索,能够有效提高检索到对应病案的概率,同时,通过使用四个不同种类的关键词对特定病案进行检索,能够有效在大数据中筛选出符合需求的病案,从而有效提高本发明所述系统针对特定病案的检索效率;同时,云端处理器会根据针对当前服务器的检索结果的数量M与预设检索结果数量区间M0中参数的大小关系自动调节对应的关键词,从而使云端处理器在针对下一服务器进行检索时,能够更加精准地检索到符合需求的病案信息,并进一步提高了本发明所述系统的检索效率。
Description
技术领域
本发明涉及病案查询技术领域,尤其涉及一种远程病案查阅系统。
背景技术
病案是指按规范记录病人疾病表现和诊疗情况的档案,主要包括:病人基本信息、病人病历信息、检查信息、医嘱信息、诊断信息、治疗方案、病情反馈等。病案描述了病人就诊过程中的完整病情,通过数据信息的形式将病人病情进行保存。以病案为对象的研究分析具有重要意义。
病案作为一种重要的医学临床资料和社会信息资源,在医学、法律、商业等领域有着重要的利用价值。病案记录着患者的病情及医生的处置情况,既是患者看病疗伤的参考,又是学术交流的文献,所以对病案的管理是医院病案室日常管理的重要一环。
现有去医院检查和治疗时,患者需要携带病历,在病历上记录了患者以往就诊的病案,以便于医生了解以往病情方便诊断,同时也便于患者及时查看病历上的病情情况,然而每次患者在就诊时均需要携带病历,如果忘记携带或者丢失病历,在就诊时,医生就不便于马上根据以往病情诊断,因此对患者看病造成了麻烦。同时,医务人员在对患者进行治疗分析或临床检测时,需要记录病人信息,现在医务人员普遍采用的是手写记录方式,但是这种手写记录的方式,容易出现误差,且繁琐,浪费时间,当查找病人病历信息时不能及时或有序地查找,从而给医务人员带来了极大的工作难度。
随着科技的进步与发展,病案的存储逐步趋向数字化方向,然而现有的病案信息查询管理装置在查找病案时十分的困难,无法精准快速地查询到符合需求的病案信息,检索效率低。
发明内容
为此,本发明提供一种远程病案查阅系统,用以克服现有技术中无法精准查询到符合需求的病案信息导致的工作效率低的问题。
为实现上述目的,本发明提供一种远程病案查阅系统,包括:
查询终端,用以接收使用者输入的查询关键字,当使用者使用查询终端查询病案时,使用者依次输入对应种类的关键词以对病案进行精准检索;
云端处理器,其与所述查询终端相连,用以根据所述查询终端输出的多个种类的关键词依次对服务器组中服务器的病案进行检索并在检索完成时以对应的规则逐步去除无效的检索结果;
服务器组,包括多个服务器,各服务器均与所述云端处理器相连,用以分别存储对应医院的病案信息,当所述云端处理器根据关键词进行检索时,云端处理器按照指定顺序逐个检索各所述服务器内存储的信息,当完成对单个所述服务器的检索时,云端处理器根据检索结果对所述查询终端输出的关键字进行修正;
所述查询终端中预设有第一关键词W1、第二关键词W2、第三关键词W3和第四关键词W4,其中,第一关键词W1为病案录入服务器时的时间节点,第二关键词W2为病案的病症名称,第三关键词W3为病案病症的严重程度,第四关键词W4为针对病案查询进行补充描述的补充关键词;当使用者通过所述查询终端将第一关键词W1、第二关键词W2、第三关键词W3和第四关键词W4输出至所述云端处理器时,云端处理器优先检索查询终端所处医院的服务器内的病案数据并在检索完成时按照与该医院距离升序的顺序逐个检索各与该医院相邻的医院的服务器直至云端处理器检索的服务器所属医院与所述查询终端所属医院属于不同城市;所述云端处理器中还设有预设检索结果数量区间M0,设定M0(Ma,Mb),其中,Ma为预设最低检索数量,Mb为预设最高检索数量,当云端处理器针对单个服务器完成对所述查询终端输出的关键词的检索时,云端处理器统计检索到的病案记录的数量Mi并将Mi依次与Ma和Mb进行比对:
若Mi<Ma,所述云端处理器根据Mi与Ma的差值对所述第一关键词W1和/或第四关键词W4进行修正并在修正完成时使用修正后的关键词对下一服务器中存储的数据进行检索;
若Ma≤Mi≤Mb,所述云端处理器使用所述检索终端输出的第一关键词W1、第二关键词W2、第三关键词W3和第四关键词W4对下一服务器中存储的数据进行检索;
若Mi>Mb,所述云端处理器根据Mi与Mb的差值对所述第四关键词W4进行修正并在修正完成时使用修正后的关键词对下一服务器中存储的数据进行检索。
进一步地,当所述云端处理器依次对多个所述服务器进行检索时,云端处理器根据检索顺序对各服务器进行编号,按照检索顺序包括第一服务器S1、第二服务器S2、第三服务器S3、...、第n服务器Sn;当所述云端处理器使用所述查询终端输出的多个关键词针对第i服务器Si中的数据进行检索时,设定i=1,2,3,...n-1,云端处理器统计在该服务器中检索到的结果的数量Mi、将Mi依次与Ma和Mb进行比对并在根据比对结果完成对对应的关键词的调节后使用调节后的关键词对第i+1服务器中的数据检索,云端处理器重复上述步骤以依次针对各服务器进行检索直至云端处理器完成对第n服务器Sn的检索,检索完成后云端处理器将检索结果输出至所述查询终端。
进一步地,所述云端处理器中还设有第一预设最低检索数量差值△Ma1和第二预设最低检索数量差值△Ma2,设定△Ma2>△Ma1;当所述云端处理器完成对所述第i服务器Si中数据的检索且检索结果Mi<Ma时,云端处理器计算最低检索数量差值△Ma,设定△Ma=Ma-Mi,计算完成后,云端处理器将△Ma依次与△Ma1和△Ma2进行比对:
若△Ma≤△Ma1,云端处理器对所述查询终端输出的第一关键词W1进行修正,根据△Ma的实际值添加对应数量的时间节点以作为修正后的第一关键词,修正后的第一关键词记为W1’;
若△Ma1<△Ma≤△Ma2,云端处理器对所述查询终端输出的第四关键词W4进行修正,云端处理器将检索到的结果出现率在对应区间内的词语添加至第四关键词以作为修正后的第四关键词,修正后的第四关键词记为W4’;
若△Ma>△Ma2,云端处理器使用上述方式同时对所述查询终端输出的第一关键词W1和第四关键词W4进行修正,修正后的第一关键词记为W1’,修正后的第四关键词记为W4’。
进一步地,当所述最低检索数量差值△Ma≤△Ma1、所述云端处理器对所述查询终端输出的第一关键词W1进行修正时:
若△Ma≤0.5×△Ma1,所述云端处理器将所述第一关键词W1包含的时间节点的前后12h的时间区间一并列入第一关键词以完成对第一关键词的修正;
若0.5×△Ma1<△Ma≤0.8×△Ma1,所述云端处理器将所述第一关键词W1包含的时间节点的前后24h的时间区间一并列入第一关键词以完成对第一关键词的修正;
若0.8×△Ma1<△Ma≤△Ma1,所述云端处理器将所述第一关键词W1包含的时间节点的前后48h的时间区间一并列入第一关键词以完成对第一关键词的修正。
进一步地,当△Ma1<△Ma≤△Ma2、所述云端处理器对所述查询终端输出的第四关键词W4进行修正时:
若△Ma≤0.5×(△Ma2-△Ma1),云端处理器依次使用第四关键词中的单个关键词对检索结果进行统计以分别求得各检索结果中出现对应关键词的病案的数量与检索结果中的病案总数量的占比,云端处理器删除占比最低的关键词以对第四关键词进行修正;
若0.5×(△Ma2-△Ma1)<△Ma≤△Ma2-△Ma1,云端处理器依次使用第四关键词中的单个关键词对检索结果进行统计以分别求得各检索结果中出现对应关键词的病案的数量与检索结果中的病案总数量的占比,云端处理器删除占比最低的关键词和占比第二低的关键词以对第四关键词进行修正。
进一步地,所述云端处理器中还设有预设最高检索数量差值△Mb0,当所述云端处理器完成对所述第i服务器Si中数据的检索且检索结果Mi>Mb时,云端处理器计算最高检索数量差值△Mb,设定△Mb=Mi-Mb,计算完成后,云端处理器将△Mb与△Mb0进行比对:
若△Mb≤△Mb0,云端处理器对检索结果中的内容进行统计,将所述检索结果的病案中不属于所述第四关键词W4的出现频率最高的术语词汇添加至第四关键词W4以对第四关键词W4进行修正,修正后的第四关键词记为W4’;
若△Mb>△Mb0,云端处理器对检索结果中的内容进行统计,将所述检索结果的病案中不属于所述第四关键词W4的出现频率最高的术语词汇和出现频率第二高的术语词汇分别添加至第四关键词W4以对第四关键词W4进行修正,修正后的第四关键词记为W4’。
进一步地,所述云端处理器中还设有第一预设检索数量区间修正系数α1、第二预设检索数量区间修正系数α2、第三预设检索数量区间修正系数α3和第四预设检索数量区间修正系数α4;当所述查询终端向所述云端处理器输送多个种类的关键词时,云端处理器根据所述第二关键词W2中病症所属的部门选取对应的检索数量区间修正系数对所述预设检索结果数量区间M0中的参数进行修正:
若所述第二关键词W2中病症所属的部门为门诊部,所述云端处理器选用所述第一预设检索数量区间修正系数α1对所述预设检索结果数量区间M0中的参数进行修正;
若所述第二关键词W2中病症所属的部门为急诊部,所述云端处理器选用所述第二预设检索数量区间修正系数α2对所述预设检索结果数量区间M0中的参数进行修正;
若所述第二关键词W2中病症所属的部门为住院部,所述云端处理器选用所述第三预设检索数量区间修正系数α3对所述预设检索结果数量区间M0中的参数进行修正;
若所述第二关键词W2中病症所属的部门为放射部,所述云端处理器选用所述第四预设检索数量区间修正系数α4对所述预设检索结果数量区间M0中的参数进行修正;
当所述云端处理器选用第j预设检索数量区间修正系数αj对所述预设检索结果数量区间M0中的参数进行修正时,设定j=1,2,3,4,修正后的预设检索结果数量区间记为M0’,设定M0’(Ma’,Mb’),其中,Ma’=Ma×αj,Mb’=Mb×αj。
进一步地,若所述云端处理器检索的服务器所属医院与所述查询终端所属医院属于不同城市或不同省份且所述检索结果的数量M<Ma时,云端处理器继续按照顺序依次检索各服务器且云端处理器仅检索与查询终端所属医院属于不同的城市或省份中规模最大的医院的服务器中的数据。
进一步地,使用者在使用所述查询终端进行病案查询时,能够调节所述云端处理器查询的服务器的数量以及云端处理器的检索距离范围。
与现有技术相比,本发明的有益效果在于,本发明通过将各医院存储病案数据的服务器互相连接,通过使用云端处理器使用关键词针对各服务器进行逐个检索,能够有效提高检索到对应病案的概率,同时,通过使用四个不同种类的关键词对特定病案进行检索,能够有效在大数据中筛选出符合需求的病案,从而有效提高本发明所述系统针对特定病案的检索效率;同时,在云端处理器中还设有预设检索结果数量区间M0,在检索过程中,云端处理器会根据针对当前服务器的检索结果的数量M与预设检索结果数量区间M0中参数的大小关系自动调节对应的关键词,从而使云端处理器在针对下一服务器进行检索时,能够更加精准地检索到符合需求的病案信息,并进一步提高了本发明所述系统的检索效率。
进一步地,当所述云端处理器依次对多个所述服务器进行检索时,云端处理器根据检索顺序对各服务器进行编号,通过根据编号以对各服务器进行顺次检索,能够有效提高针对特定特征病案的检索速率,并进一步提高了本发明所述系统针对特定特征的病案信息的检索效率。
进一步地,所述云端处理器中还设有第一预设最低检索数量差值△Ma1和第二预设最低检索数量差值△Ma2,当所述云端处理器完成对所述第i服务器Si中数据的检索且检索结果Mi<Ma时,云端处理器计算最低检索数量差值△Ma、将△Ma依次与△Ma1和△Ma2进行比对并根据比对结果对第一关键词W1和/或第四关键词W4进行修正,通过对关键词进行对应调整,能够使云端处理器在针对下一服务器进行检索时进一步提高检索时的精确性,从而进一步提高了本发明所述系统针对特定特征的病案信息的检索效率。
进一步地,当所述最低检索数量差值△Ma≤△Ma1、所述云端处理器对所述查询终端输出的第一关键词W1进行修正时,云端处理器会根据△Ma和△Ma1之间的实际大小关系增加对应时长区间的第一关键词,通过逐步调节第一关键词的范围,能够使云端处理器在针对后续服务器进行检索时的检索结果的数量能够逐渐落入预设的检索结果区间内,从而使使用者能够更加快速的得到需求的病案信息,进一步提高了本发明所述系统针对特定特征的病案信息的检索效率。
进一步地,当△Ma1<△Ma≤△Ma2、所述云端处理器对所述查询终端输出的第四关键词W4进行修正时,云端处理器会根据△Ma和(△Ma2-△Ma1)之间的实际大小关系对第四关键词进行对应的修正,通过针对第四关键词的修正,能够进一步提高使用者得到需求的病案信息的速度,并进一步提高了本发明所述系统针对特定特征的病案信息的检索效率。
进一步地,所述云端处理器中还设有预设最高检索数量差值△Mb0,当所述云端处理器完成对所述第i服务器Si中数据的检索且检索结果Mi>Mb时,云端处理器计算最高检索数量差值△Mb,计算完成后△Mb与△Mb0进行比对并根据比对结果对第四关键词进行对应的修正,通过对第四关键词进行逐步修正,能够使云端处理器在针对后续服务器进行检索时的检索结果的数量能够逐渐落入预设的检索结果区间内,从而使使用者能够更加快速的得到需求的病案信息,进一步提高了本发明所述系统针对特定特征的病案信息的检索效率。
进一步地,所述云端处理器中还设有第一预设检索数量区间修正系数α1、第二预设检索数量区间修正系数α2、第三预设检索数量区间修正系数α3和第四预设检索数量区间修正系数α4;当所述查询终端向所述云端处理器输送多个种类的关键词时,云端处理器根据所述第二关键词W2中病症所属的部门选取对应的检索数量区间修正系数对所述预设检索结果数量区间M0中的参数进行修正,通过使用对应的预设检索数量区间修正系数对预设检索结果数量区间M0中的参数进行修正,能够使云端处理器在针对不同部门的病例进行检索时,将检索结果的数量维持在对应的数值内,从而使使用者能够更加快速的得到需求的病案信息,并进一步提高了本发明所述系统针对特定特征的病案信息的检索效率。
附图说明
图1为本发明所述远程病案查阅系统的结构框图。
具体实施方式
为了使本发明的目的和优点更加清楚明白,下面结合实施例对本发明作进一步描述;应当理解,此处所描述的具体实施例仅仅用于解释本发明,并不用于限定本发明。
下面参照附图来描述本发明的优选实施方式。本领域技术人员应当理解的是,这些实施方式仅仅用于解释本发明的技术原理,并非在限制本发明的保护范围。
请参阅图1所示,其为本发明所述远程病案查阅系统的结构框图。本发明所述远程病案查阅系统,包括:
查询终端,用以接收使用者输入的查询关键字,当使用者使用查询终端查询病案时,使用者依次输入对应种类的关键词以对病案进行精准检索;
云端处理器,其与所述查询终端相连,用以根据所述查询终端输出的多个种类的关键词依次对服务器组中服务器的病案进行检索并在检索完成时以对应的规则逐步去除无效的检索结果;
服务器组,包括多个服务器,各服务器均与所述云端处理器相连,用以分别存储对应医院的病案信息,当所述云端处理器根据关键词进行检索时,云端处理器按照指定顺序逐个检索各所述服务器内存储的信息,当完成对单个所述服务器的检索时,云端处理器根据检索结果对所述查询终端输出的关键字进行修正;
所述查询终端中预设有第一关键词W1、第二关键词W2、第三关键词W3和第四关键词W4,其中,第一关键词W1为病案录入服务器时的时间节点,第二关键词W2为病案的病症名称,第三关键词W3为病案病症的严重程度,第四关键词W4为针对病案查询进行补充描述的补充关键词;当使用者通过所述查询终端将第一关键词W1、第二关键词W2、第三关键词W3和第四关键词W4输出至所述云端处理器时,云端处理器优先检索查询终端所处医院的服务器内的病案数据并在检索完成时按照与该医院距离升序的顺序逐个检索各与该医院相邻的医院的服务器直至云端处理器检索的服务器所属医院与所述查询终端所属医院属于不同城市;所述云端处理器中还设有预设检索结果数量区间M0,设定M0(Ma,Mb),其中,Ma为预设最低检索数量,Mb为预设最高检索数量,当云端处理器针对单个服务器完成对所述查询终端输出的关键词的检索时,云端处理器统计检索到的病案记录的数量Mi并将Mi依次与Ma和Mb进行比对:
若Mi<Ma,所述云端处理器根据Mi与Ma的差值对所述第一关键词W1和/或第四关键词W4进行修正并在修正完成时使用修正后的关键词对下一服务器中存储的数据进行检索;
若Ma≤Mi≤Mb,所述云端处理器使用所述检索终端输出的第一关键词W1、第二关键词W2、第三关键词W3和第四关键词W4对下一服务器中存储的数据进行检索;
若Mi>Mb,所述云端处理器根据Mi与Mb的差值对所述第四关键词W4进行修正并在修正完成时使用修正后的关键词对下一服务器中存储的数据进行检索。
本发明通过将各医院存储病案数据的服务器互相连接,通过使用云端处理器使用关键词针对各服务器进行逐个检索,能够有效提高检索到对应病案的概率,同时,通过使用四个不同种类的关键词对特定病案进行检索,能够有效在大数据中筛选出符合需求的病案,从而有效提高本发明所述系统针对特定病案的检索效率;同时,在云端处理器中还设有预设检索结果数量区间M0,在检索过程中,云端处理器会根据针对当前服务器的检索结果的数量M与预设检索结果数量区间M0中参数的大小关系自动调节对应的关键词,从而使云端处理器在针对下一服务器进行检索时,能够更加精准地检索到符合需求的病案信息,并进一步提高了本发明所述系统的检索效率。
进一步地,当所述云端处理器依次对多个所述服务器进行检索时,云端处理器根据检索顺序对各服务器进行编号,通过根据编号以对各服务器进行顺次检索,能够有效提高针对特定特征病案的检索速率,并进一步提高了本发明所述系统针对特定特征的病案信息的检索效率。
具体而言,当本发明所述云端处理器依次对多个所述服务器进行检索时,云端处理器根据检索顺序对各服务器进行编号,按照检索顺序包括第一服务器S1、第二服务器S2、第三服务器S3、...、第n服务器Sn;当所述云端处理器使用所述查询终端输出的多个关键词针对第i服务器Si中的数据进行检索时,设定i=1,2,3,...n-1,云端处理器统计在该服务器中检索到的结果的数量Mi、将Mi依次与Ma和Mb进行比对并在根据比对结果完成对对应的关键词的调节后使用调节后的关键词对第i+1服务器中的数据检索,云端处理器重复上述步骤以依次针对各服务器进行检索直至云端处理器完成对第n服务器Sn的检索,检索完成后云端处理器将检索结果输出至所述查询终端。
当所述云端处理器依次对多个所述服务器进行检索时,云端处理器根据检索顺序对各服务器进行编号,通过根据编号以对各服务器进行顺次检索,能够有效提高针对特定特征病案的检索速率,并进一步提高了本发明所述系统针对特定特征的病案信息的检索效率。
具体而言,所述云端处理器中还设有第一预设最低检索数量差值△Ma1和第二预设最低检索数量差值△Ma2,设定△Ma2>△Ma1;当所述云端处理器完成对所述第i服务器Si中数据的检索且检索结果Mi<Ma时,云端处理器计算最低检索数量差值△Ma,设定△Ma=Ma-Mi,计算完成后,云端处理器将△Ma依次与△Ma1和△Ma2进行比对:
若△Ma≤△Ma1,云端处理器对所述查询终端输出的第一关键词W1进行修正,根据△Ma的实际值添加对应数量的时间节点以作为修正后的第一关键词,修正后的第一关键词记为W1’;
若△Ma1<△Ma≤△Ma2,云端处理器对所述查询终端输出的第四关键词W4进行修正,云端处理器将检索到的结果出现率在对应区间内的词语添加至第四关键词以作为修正后的第四关键词,修正后的第四关键词记为W4’;
若△Ma>△Ma2,云端处理器使用上述方式同时对所述查询终端输出的第一关键词W1和第四关键词W4进行修正,修正后的第一关键词记为W1’,修正后的第四关键词记为W4’。
通过对关键词进行对应调整,能够使云端处理器在针对下一服务器进行检索时进一步提高检索时的精确性,从而进一步提高了本发明所述系统针对特定特征的病案信息的检索效率。
具体而言,当所述最低检索数量差值△Ma≤△Ma1、所述云端处理器对所述查询终端输出的第一关键词W1进行修正时:
若△Ma≤0.5×△Ma1,所述云端处理器将所述第一关键词W1包含的时间节点的前后12h的时间区间一并列入第一关键词以完成对第一关键词的修正;
若0.5×△Ma1<△Ma≤0.8×△Ma1,所述云端处理器将所述第一关键词W1包含的时间节点的前后24h的时间区间一并列入第一关键词以完成对第一关键词的修正;
若0.8×△Ma1<△Ma≤△Ma1,所述云端处理器将所述第一关键词W1包含的时间节点的前后48h的时间区间一并列入第一关键词以完成对第一关键词的修正。
通过逐步调节第一关键词的范围,能够使云端处理器在针对后续服务器进行检索时的检索结果的数量能够逐渐落入预设的检索结果区间内,从而使使用者能够更加快速的得到需求的病案信息,进一步提高了本发明所述系统针对特定特征的病案信息的检索效率。
具体而言,当△Ma1<△Ma≤△Ma2、所述云端处理器对所述查询终端输出的第四关键词W4进行修正时:
若△Ma≤0.5×(△Ma2-△Ma1),云端处理器依次使用第四关键词中的单个关键词对检索结果进行统计以分别求得各检索结果中出现对应关键词的病案的数量与检索结果中的病案总数量的占比,云端处理器删除占比最低的关键词以对第四关键词进行修正;
若0.5×(△Ma2-△Ma1)<△Ma≤△Ma2-△Ma1,云端处理器依次使用第四关键词中的单个关键词对检索结果进行统计以分别求得各检索结果中出现对应关键词的病案的数量与检索结果中的病案总数量的占比,云端处理器删除占比最低的关键词和占比第二低的关键词以对第四关键词进行修正。
通过针对第四关键词的修正,能够进一步提高使用者得到需求的病案信息的速度,并进一步提高了本发明所述系统针对特定特征的病案信息的检索效率。
具体而言,所述云端处理器中还设有预设最高检索数量差值△Mb0,当所述云端处理器完成对所述第i服务器Si中数据的检索且检索结果Mi>Mb时,云端处理器计算最高检索数量差值△Mb,设定△Mb=Mi-Mb,计算完成后,云端处理器将△Mb与△Mb0进行比对:
若△Mb≤△Mb0,云端处理器对检索结果中的内容进行统计,将所述检索结果的病案中不属于所述第四关键词W4的出现频率最高的术语词汇添加至第四关键词W4以对第四关键词W4进行修正,修正后的第四关键词记为W4’;
若△Mb>△Mb0,云端处理器对检索结果中的内容进行统计,将所述检索结果的病案中不属于所述第四关键词W4的出现频率最高的术语词汇和出现频率第二高的术语词汇分别添加至第四关键词W4以对第四关键词W4进行修正,修正后的第四关键词记为W4’。
通过对第四关键词进行逐步修正,能够使云端处理器在针对后续服务器进行检索时的检索结果的数量能够逐渐落入预设的检索结果区间内,从而使使用者能够更加快速的得到需求的病案信息,进一步提高了本发明所述系统针对特定特征的病案信息的检索效率。
具体而言,所述云端处理器中还设有第一预设检索数量区间修正系数α1、第二预设检索数量区间修正系数α2、第三预设检索数量区间修正系数α3和第四预设检索数量区间修正系数α4;当所述查询终端向所述云端处理器输送多个种类的关键词时,云端处理器根据所述第二关键词W2中病症所属的部门选取对应的检索数量区间修正系数对所述预设检索结果数量区间M0中的参数进行修正:
若所述第二关键词W2中病症所属的部门为门诊部,所述云端处理器选用所述第一预设检索数量区间修正系数α1对所述预设检索结果数量区间M0中的参数进行修正;
若所述第二关键词W2中病症所属的部门为急诊部,所述云端处理器选用所述第二预设检索数量区间修正系数α2对所述预设检索结果数量区间M0中的参数进行修正;
若所述第二关键词W2中病症所属的部门为住院部,所述云端处理器选用所述第三预设检索数量区间修正系数α3对所述预设检索结果数量区间M0中的参数进行修正;
若所述第二关键词W2中病症所属的部门为放射部,所述云端处理器选用所述第四预设检索数量区间修正系数α4对所述预设检索结果数量区间M0中的参数进行修正;
当所述云端处理器选用第j预设检索数量区间修正系数αj对所述预设检索结果数量区间M0中的参数进行修正时,设定j=1,2,3,4,修正后的预设检索结果数量区间记为M0’,设定M0’(Ma’,Mb’),其中,Ma’=Ma×αj,Mb’=Mb×αj。
通过使用对应的预设检索数量区间修正系数对预设检索结果数量区间M0中的参数进行修正,能够使云端处理器在针对不同部门的病例进行检索时,将检索结果的数量维持在对应的数值内,从而使使用者能够更加快速的得到需求的病案信息,并进一步提高了本发明所述系统针对特定特征的病案信息的检索效率。
具体而言,若所述云端处理器检索的服务器所属医院与所述查询终端所属医院属于不同城市或不同省份且所述检索结果的数量M<Ma时,云端处理器继续按照顺序依次检索各服务器且云端处理器仅检索与查询终端所属医院属于不同的城市或省份中规模最大的医院的服务器中的数据。
具体而言,使用者在使用所述查询终端进行病案查询时,能够调节所述云端处理器查询的服务器的数量以及云端处理器的检索距离范围。
至此,已经结合附图所示的优选实施方式描述了本发明的技术方案,但是,本领域技术人员容易理解的是,本发明的保护范围显然不局限于这些具体实施方式。在不偏离本发明的原理的前提下,本领域技术人员可以对相关技术特征做出等同的更改或替换,这些更改或替换之后的技术方案都将落入本发明的保护范围之内。
以上所述仅为本发明的优选实施例,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。
Claims (9)
1.一种远程病案查阅系统,其特征在于,包括:
查询终端,用以接收使用者输入的查询关键字,当使用者使用查询终端查询病案时,使用者依次输入对应种类的关键词以对病案进行精准检索;
云端处理器,其与所述查询终端相连,用以根据所述查询终端输出的多个种类的关键词依次对服务器组中服务器的病案进行检索并在检索完成时以对应的规则逐步去除无效的检索结果;
服务器组,包括多个服务器,各服务器均与所述云端处理器相连,用以分别存储对应医院的病案信息,当所述云端处理器根据关键词进行检索时,云端处理器按照指定顺序逐个检索各所述服务器内存储的信息,当完成对单个所述服务器的检索时,云端处理器根据检索结果对所述查询终端输出的关键字进行修正;
所述查询终端中预设有第一关键词W1、第二关键词W2、第三关键词W3和第四关键词W4,其中,第一关键词W1为病案录入服务器时的时间节点,第二关键词W2为病案的病症名称,第三关键词W3为病案病症的严重程度,第四关键词W4为针对病案查询进行补充描述的补充关键词;当使用者通过所述查询终端将第一关键词W1、第二关键词W2、第三关键词W3和第四关键词W4输出至所述云端处理器时,云端处理器优先检索查询终端所处医院的服务器内的病案数据并在检索完成时按照与该医院距离升序的顺序逐个检索各与该医院相邻的医院的服务器直至云端处理器检索的服务器所属医院与所述查询终端所属医院属于不同城市;所述云端处理器中还设有预设检索结果数量区间M0,设定M0(Ma,Mb),其中,Ma为预设最低检索数量,Mb为预设最高检索数量,当云端处理器针对单个服务器完成对所述查询终端输出的关键词的检索时,云端处理器统计检索到的病案记录的数量Mi并将Mi依次与Ma和Mb进行比对:
若Mi<Ma,所述云端处理器根据Mi与Ma的差值对所述第一关键词W1和/或第四关键词W4进行修正并在修正完成时使用修正后的关键词对下一服务器中存储的数据进行检索;
若Ma≤Mi≤Mb,所述云端处理器使用所述检索终端输出的第一关键词W1、第二关键词W2、第三关键词W3和第四关键词W4对下一服务器中存储的数据进行检索;
若Mi>Mb,所述云端处理器根据Mi与Mb的差值对所述第四关键词W4进行修正并在修正完成时使用修正后的关键词对下一服务器中存储的数据进行检索。
2.根据权利要求1所述的远程病案查阅系统,其特征在于,当所述云端处理器依次对多个所述服务器进行检索时,云端处理器根据检索顺序对各服务器进行编号,按照检索顺序包括第一服务器S1、第二服务器S2、第三服务器S3、...、第n服务器Sn;当所述云端处理器使用所述查询终端输出的多个关键词针对第i服务器Si中的数据进行检索时,设定i=1,2,3,...n-1,云端处理器统计在该服务器中检索到的结果的数量Mi、将Mi依次与Ma和Mb进行比对并在根据比对结果完成对对应的关键词的调节后使用调节后的关键词对第i+1服务器中的数据检索,云端处理器重复上述步骤以依次针对各服务器进行检索直至云端处理器完成对第n服务器Sn的检索,检索完成后云端处理器将检索结果输出至所述查询终端。
3.根据权利要求2所述的远程病案查阅系统,其特征在于,所述云端处理器中还设有第一预设最低检索数量差值△Ma1和第二预设最低检索数量差值△Ma2,设定△Ma2>△Ma1;当所述云端处理器完成对所述第i服务器Si中数据的检索且检索结果Mi<Ma时,云端处理器计算最低检索数量差值△Ma,设定△Ma=Ma-Mi,计算完成后,云端处理器将△Ma依次与△Ma1和△Ma2进行比对:
若△Ma≤△Ma1,云端处理器对所述查询终端输出的第一关键词W1进行修正,根据△Ma的实际值添加对应数量的时间节点以作为修正后的第一关键词,修正后的第一关键词记为W1’;
若△Ma1<△Ma≤△Ma2,云端处理器对所述查询终端输出的第四关键词W4进行修正,云端处理器将检索到的结果出现率在对应区间内的词语添加至第四关键词以作为修正后的第四关键词,修正后的第四关键词记为W4’;
若△Ma>△Ma2,云端处理器使用上述方式同时对所述查询终端输出的第一关键词W1和第四关键词W4进行修正,修正后的第一关键词记为W1’,修正后的第四关键词记为W4’。
4.根据权利要求3所述的远程病案查阅系统,其特征在于,当所述最低检索数量差值△Ma≤△Ma1、所述云端处理器对所述查询终端输出的第一关键词W1进行修正时:
若△Ma≤0.5×△Ma1,所述云端处理器将所述第一关键词W1包含的时间节点的前后12h的时间区间一并列入第一关键词以完成对第一关键词的修正;
若0.5×△Ma1<△Ma≤0.8×△Ma1,所述云端处理器将所述第一关键词W1包含的时间节点的前后24h的时间区间一并列入第一关键词以完成对第一关键词的修正;
若0.8×△Ma1<△Ma≤△Ma1,所述云端处理器将所述第一关键词W1包含的时间节点的前后48h的时间区间一并列入第一关键词以完成对第一关键词的修正。
5.根据权利要求3所述的远程病案查阅系统,其特征在于,当△Ma1<△Ma≤△Ma2、所述云端处理器对所述查询终端输出的第四关键词W4进行修正时:
若△Ma≤0.5×(△Ma2-△Ma1),云端处理器依次使用第四关键词中的单个关键词对检索结果进行统计以分别求得各检索结果中出现对应关键词的病案的数量与检索结果中的病案总数量的占比,云端处理器删除占比最低的关键词以对第四关键词进行修正;
若0.5×(△Ma2-△Ma1)<△Ma≤△Ma2-△Ma1,云端处理器依次使用第四关键词中的单个关键词对检索结果进行统计以分别求得各检索结果中出现对应关键词的病案的数量与检索结果中的病案总数量的占比,云端处理器删除占比最低的关键词和占比第二低的关键词以对第四关键词进行修正。
6.根据权利要求2所述的远程病案查阅系统,其特征在于,所述云端处理器中还设有预设最高检索数量差值△Mb0,当所述云端处理器完成对所述第i服务器Si中数据的检索且检索结果Mi>Mb时,云端处理器计算最高检索数量差值△Mb,设定△Mb=Mi-Mb,计算完成后,云端处理器将△Mb与△Mb0进行比对:
若△Mb≤△Mb0,云端处理器对检索结果中的内容进行统计,将所述检索结果的病案中不属于所述第四关键词W4的出现频率最高的术语词汇添加至第四关键词W4以对第四关键词W4进行修正,修正后的第四关键词记为W4’;
若△Mb>△Mb0,云端处理器对检索结果中的内容进行统计,将所述检索结果的病案中不属于所述第四关键词W4的出现频率最高的术语词汇和出现频率第二高的术语词汇分别添加至第四关键词W4以对第四关键词W4进行修正,修正后的第四关键词记为W4’。
7.根据权利要求1所述的远程病案查阅系统,其特征在于,所述云端处理器中还设有第一预设检索数量区间修正系数α1、第二预设检索数量区间修正系数α2、第三预设检索数量区间修正系数α3和第四预设检索数量区间修正系数α4;当所述查询终端向所述云端处理器输送多个种类的关键词时,云端处理器根据所述第二关键词W2中病症所属的部门选取对应的检索数量区间修正系数对所述预设检索结果数量区间M0中的参数进行修正:
若所述第二关键词W2中病症所属的部门为门诊部,所述云端处理器选用所述第一预设检索数量区间修正系数α1对所述预设检索结果数量区间M0中的参数进行修正;
若所述第二关键词W2中病症所属的部门为急诊部,所述云端处理器选用所述第二预设检索数量区间修正系数α2对所述预设检索结果数量区间M0中的参数进行修正;
若所述第二关键词W2中病症所属的部门为住院部,所述云端处理器选用所述第三预设检索数量区间修正系数α3对所述预设检索结果数量区间M0中的参数进行修正;
若所述第二关键词W2中病症所属的部门为放射部,所述云端处理器选用所述第四预设检索数量区间修正系数α4对所述预设检索结果数量区间M0中的参数进行修正;
当所述云端处理器选用第j预设检索数量区间修正系数αj对所述预设检索结果数量区间M0中的参数进行修正时,设定j=1,2,3,4,修正后的预设检索结果数量区间记为M0’,设定M0’(Ma’,Mb’),其中,Ma’=Ma×αj,Mb’=Mb×αj。
8.根据权利要求2所述的远程病案查阅系统,其特征在于,若所述云端处理器检索的服务器所属医院与所述查询终端所属医院属于不同城市或不同省份且所述检索结果的数量M<Ma时,云端处理器继续按照顺序依次检索各服务器且云端处理器仅检索与查询终端所属医院属于不同的城市或省份中规模最大的医院的服务器中的数据。
9.根据权利要求1所述的远程病案查阅系统,其特征在于,使用者在使用所述查询终端进行病案查询时,能够调节所述云端处理器查询的服务器的数量以及云端处理器的检索距离范围。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110341721.9A CN113192584B (zh) | 2021-03-30 | 2021-03-30 | 一种远程病案查阅系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110341721.9A CN113192584B (zh) | 2021-03-30 | 2021-03-30 | 一种远程病案查阅系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113192584A true CN113192584A (zh) | 2021-07-30 |
CN113192584B CN113192584B (zh) | 2023-04-07 |
Family
ID=76974590
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110341721.9A Active CN113192584B (zh) | 2021-03-30 | 2021-03-30 | 一种远程病案查阅系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113192584B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117275752A (zh) * | 2023-11-20 | 2023-12-22 | 中国人民解放军总医院 | 基于机器学习的病例聚类分析方法及系统 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004133728A (ja) * | 2002-10-11 | 2004-04-30 | Hitachi Ltd | 診療プロセス検索システム |
CN102193999A (zh) * | 2011-05-09 | 2011-09-21 | 北京百度网讯科技有限公司 | 一种对搜索结果进行排序的方法及设备 |
CN103530344A (zh) * | 2013-10-09 | 2014-01-22 | 上海大学 | 一种基于改进的tf-idf方法的检索词实时修正方法 |
CN105574310A (zh) * | 2014-10-13 | 2016-05-11 | 潘一琦 | 一种具有病历信息管理功能的远程诊疗服务系统 |
CN107818815A (zh) * | 2017-10-30 | 2018-03-20 | 北京康夫子科技有限公司 | 电子病历的检索方法及系统 |
TW201916061A (zh) * | 2017-09-20 | 2019-04-16 | 謝明家 | 智慧型健康管理系統 |
CN110377830A (zh) * | 2019-07-25 | 2019-10-25 | 拉扎斯网络科技(上海)有限公司 | 检索方法、装置、可读存储介质和电子设备 |
CN110727850A (zh) * | 2019-09-19 | 2020-01-24 | 浙江善政科技有限公司 | 网络信息的过滤方法,计算机可读存储介质和移动终端 |
CN110957045A (zh) * | 2019-10-31 | 2020-04-03 | 上海长海医院 | 一种医用急救系统 |
-
2021
- 2021-03-30 CN CN202110341721.9A patent/CN113192584B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004133728A (ja) * | 2002-10-11 | 2004-04-30 | Hitachi Ltd | 診療プロセス検索システム |
CN102193999A (zh) * | 2011-05-09 | 2011-09-21 | 北京百度网讯科技有限公司 | 一种对搜索结果进行排序的方法及设备 |
CN103530344A (zh) * | 2013-10-09 | 2014-01-22 | 上海大学 | 一种基于改进的tf-idf方法的检索词实时修正方法 |
CN105574310A (zh) * | 2014-10-13 | 2016-05-11 | 潘一琦 | 一种具有病历信息管理功能的远程诊疗服务系统 |
TW201916061A (zh) * | 2017-09-20 | 2019-04-16 | 謝明家 | 智慧型健康管理系統 |
CN107818815A (zh) * | 2017-10-30 | 2018-03-20 | 北京康夫子科技有限公司 | 电子病历的检索方法及系统 |
CN110377830A (zh) * | 2019-07-25 | 2019-10-25 | 拉扎斯网络科技(上海)有限公司 | 检索方法、装置、可读存储介质和电子设备 |
CN110727850A (zh) * | 2019-09-19 | 2020-01-24 | 浙江善政科技有限公司 | 网络信息的过滤方法,计算机可读存储介质和移动终端 |
CN110957045A (zh) * | 2019-10-31 | 2020-04-03 | 上海长海医院 | 一种医用急救系统 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117275752A (zh) * | 2023-11-20 | 2023-12-22 | 中国人民解放军总医院 | 基于机器学习的病例聚类分析方法及系统 |
CN117275752B (zh) * | 2023-11-20 | 2024-03-22 | 中国人民解放军总医院 | 基于机器学习的病例聚类分析方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN113192584B (zh) | 2023-04-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9336283B2 (en) | System and method for data sensitive filtering of patient demographic record queries | |
CN105893597B (zh) | 一种相似病历检索方法及系统 | |
WO2019218475A1 (zh) | 异常行为对象的识别方法、装置、终端设备及介质 | |
US8429220B2 (en) | Data exchange among data sources | |
CN109753516A (zh) | 一种病历搜索结果的排序方法和相关装置 | |
US20190147988A1 (en) | Hospital matching of de-identified healthcare databases without obvious quasi-identifiers | |
CN110299209B (zh) | 相似病历查找方法、装置、设备及可读存储介质 | |
CN109935337B (zh) | 一种基于相似性度量的病案查找方法及系统 | |
EP3964976A1 (en) | Cloud inference system | |
CN111899821A (zh) | 处理医疗机构数据的方法、构建数据库的方法和装置 | |
CN113192584B (zh) | 一种远程病案查阅系统 | |
CN107862043B (zh) | 检查信息的检索方法及装置 | |
CN115064230A (zh) | Drg分组编码生成方法及系统 | |
CN111341458B (zh) | 基于多层级结构相似度的单基因病名称推荐方法和系统 | |
CN114913950A (zh) | 一种全dip组标化医疗信息分析方法和系统 | |
Carnevale et al. | How to enable clinical workflows to integrate big healthcare data | |
Hu | Research on monitoring system of daily statistical indexes through big data | |
AU2002322686B2 (en) | System and method for creating data links between diagnostic information and prescription information records | |
CN113380414A (zh) | 基于大数据的数据采集方法及系统 | |
CN114155578A (zh) | 人像聚类方法、装置、电子设备和存储介质 | |
CN117851411B (zh) | 患者主索引生成方法及系统 | |
CN118069701B (zh) | 反向查询链路的构建方法、装置、计算机设备及存储介质 | |
CN117707911B (zh) | 一种基于大数据的医疗数据高速检索系统及方法 | |
CN117951151B (zh) | 一种面向预防接种系统的数据校验及检索方法 | |
Goswami et al. | On the I/O Complexity of the k-Nearest Neighbors Problem |
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 |