CN113257409A - 一种基于患者病症症状与医学检验报告的临床决策支持系统 - Google Patents
一种基于患者病症症状与医学检验报告的临床决策支持系统 Download PDFInfo
- Publication number
- CN113257409A CN113257409A CN202110623889.9A CN202110623889A CN113257409A CN 113257409 A CN113257409 A CN 113257409A CN 202110623889 A CN202110623889 A CN 202110623889A CN 113257409 A CN113257409 A CN 113257409A
- Authority
- CN
- China
- Prior art keywords
- medical
- symptoms
- area
- disease
- information
- 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
- 208000024891 symptom Diseases 0.000 title claims abstract description 254
- 201000010099 disease Diseases 0.000 title claims abstract description 182
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 title claims abstract description 182
- 238000003745 diagnosis Methods 0.000 claims abstract description 49
- 238000000034 method Methods 0.000 claims abstract description 47
- 238000012360 testing method Methods 0.000 claims abstract description 25
- 238000010339 medical test Methods 0.000 claims abstract description 9
- 238000001514 detection method Methods 0.000 claims description 131
- 239000013598 vector Substances 0.000 claims description 39
- 238000007689 inspection Methods 0.000 claims description 7
- 208000022372 Reading disease Diseases 0.000 claims description 5
- 238000004891 communication Methods 0.000 claims description 3
- 238000002558 medical inspection Methods 0.000 claims description 2
- 238000003759 clinical diagnosis Methods 0.000 abstract description 7
- 208000002193 Pain Diseases 0.000 description 8
- 210000001061 forehead Anatomy 0.000 description 8
- 206010012735 Diarrhoea Diseases 0.000 description 7
- 206010028748 Nasal obstruction Diseases 0.000 description 7
- 208000002173 dizziness Diseases 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000012549 training Methods 0.000 description 4
- 206010001076 Acute sinusitis Diseases 0.000 description 3
- 230000009471 action Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 210000003128 head Anatomy 0.000 description 3
- 102100032202 Cornulin Human genes 0.000 description 2
- 101000920981 Homo sapiens Cornulin Proteins 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000001079 digestive effect Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 210000000056 organ Anatomy 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 206010063659 Aversion Diseases 0.000 description 1
- 206010039101 Rhinorrhoea Diseases 0.000 description 1
- 206010047700 Vomiting Diseases 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 208000010753 nasal discharge Diseases 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 206010039083 rhinitis Diseases 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 230000008673 vomiting Effects 0.000 description 1
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
- 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
- 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
- G16H15/00—ICT specially adapted for medical reports, e.g. generation or transmission thereof
-
- 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
- G16H30/00—ICT specially adapted for the handling or processing of medical images
- G16H30/20—ICT specially adapted for the handling or processing of medical images for handling medical images, e.g. DICOM, HL7 or PACS
-
- 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
- G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
-
- 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)
- Health & Medical Sciences (AREA)
- Public Health (AREA)
- Medical Informatics (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Epidemiology (AREA)
- Data Mining & Analysis (AREA)
- Biomedical Technology (AREA)
- Pathology (AREA)
- Databases & Information Systems (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Medical Treatment And Welfare Office Work (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
本发明例提供一种基于患者病症症状与医学检验报告的临床决策支持系统和方法，旨在辅助医生提高临床诊断效率。其中，信息服务器获得多个实际症状，并根据医学检验报告的检验结果，确定检验结果对应的多个候选疾病；信息服务器还针对每个候选疾病，将该候选疾病对应的多个参考症状与多个实际症状进行比较，从而从多个参考症状中确定出与实际症状一致的目标症状，再根据每个目标症状对应的概率值，确定该候选疾病对应的预测值。此外，医用服务器从多个候选疾病中确定出预测值较高的目标疾病，并将医用终端发送的人工诊断结果与目标疾病进行比较，在两者一致的情况下，向医用终端发送确定信息。如此，可以帮助医生快速确定诊断结果，提高诊断效率。
Description
技术领域
本发明涉及信息技术领域，特别是涉及一种基于患者病症症状与医学检验报告的临床决策支持系统和方法。
背景技术
随着信息技术的发展，为了便于对就医流程进行信息化管理，几乎所有的医院陆续引入了就医管理系统，便于医生、收费人员以及配药人员等多方便捷地参与就医流程。然而，现有就医管理系统的功能较单一，对于医生而言，就医管理系统通常只能辅助医生更便捷地参与就医流程，却不能帮助医生有效提高临床诊断的效率。为此，如何辅助医生提高临床诊断效率，是一个亟待解决的技术问题。
发明内容
本发明实施例的目的在于提供一种基于患者病症症状与医学检验报告的临床决策支持系统和方法，旨在辅助医生提高临床诊断效率。
本发明实施例第一方面，提供一种基于患者病症症状与医学检验报告的临床决策支持系统，所述系统包括医用终端和医用服务器，所述医用终端与所述医用服务器通信连接。
所述医用终端用于显示症状配置页面，所述症状配置页面包括多个候选症状；所述医用终端还用于响应医生针对候选症状的选择操作，将被选中的多个候选症状作为多个实际症状，并将所述多个实际症状发送给所述医用服务器。
所述医用服务器用于接收所述多个实际症状，还用于获取相应的医学检验报告；所述医用服务器还用于根据所述医学检验报告的检验结果和预设对应关系，确定所述检验结果对应的多个候选疾病，每个候选疾病对应有预设的多个参考症状和每个参考症状的概率值，每个参考症状的概率值用于表征该参考症状在相应候选疾病下出现的概率。
所述医用服务器还用于针对每个候选疾病，将该候选疾病对应的多个参考症状与所述多个实际症状进行比较，从而从多个参考症状中确定出与实际症状一致的目标症状，再根据每个目标症状对应的概率值，确定该候选疾病对应的预测值。
所述医用服务器还用于根据每个候选疾病各自对应的预测值，将预测值超过预设阈值的一个或多个候选疾病确定为一个或多个目标疾病。
所述医用终端还用于接收医生输入的诊断结果，所述诊断结果包含医生诊断出的疾病信息；所述医用终端还用于将所述诊断结果发送给所述医用服务器。
所述医用服务器还用于接收所述诊断结果，并从所述诊断结果中读取疾病信息，以及将该疾病信息与所述一个或多个目标疾病进行对比；在所述疾病信息与一个目标疾病相一致的情况下，所述医用服务器还用于向所述医用终端发送确定信息，以表征所述诊断结果包含的疾病信息与所述目标疾病一致。
本发明实施例第二方面，提供一种基于患者病症症状与医学检验报告的临床决策支持方法，所述方法应用于医用服务器，所述方法包括：
接收医用终端发送的多个实际症状，所述多个实际症状是所述医用终端在医生的操作下生成的多个症状信息。
获取相应的医学检验报告，并根据所述医学检验报告的检验结果和预设对应关系，确定所述检验结果对应的多个候选疾病，每个候选疾病对应有预设的多个参考症状和每个参考症状的概率值，每个参考症状的概率值用于表征该参考症状在相应候选疾病下出现的概率。
针对每个候选疾病，将该候选疾病对应的多个参考症状与所述多个实际症状进行比较，从而从多个参考症状中确定出与实际症状一致的目标症状，再根据每个目标症状对应的概率值，确定该候选疾病对应的预测值。
根据每个候选疾病各自对应的预测值，将预测值超过预设阈值的一个或多个候选疾病确定为一个或多个目标疾病。
接收所述医用终端发送的诊断结果，并从所述诊断结果中读取疾病信息，以及将该疾病信息与所述一个或多个目标疾病进行对比。
在所述疾病信息与一个目标疾病相一致的情况下，向所述医用终端发送确定信息，以表征所述诊断结果包含的疾病信息与所述目标疾病一致。
本发明中，信息服务器获得医用终端发送的多个实际症状，并根据医学检验报告的检验结果，确定检验结果对应的多个候选疾病；信息服务器还针对每个候选疾病，将该候选疾病对应的多个参考症状与所述多个实际症状进行比较，从而从多个参考症状中确定出与实际症状一致的目标症状，再根据每个目标症状对应的概率值，确定该候选疾病对应的预测值。其中，候选疾病对应的预测值越高，则表示该候选疾病与用户的实际症状越吻合。
此外，医用服务器还根据每个候选疾病各自对应的预测值，将预测值超过预设阈值的一个或多个候选疾病确定为一个或多个目标疾病。医用服务器还接收医用终端发送的诊断结果，并从诊断结果中读取疾病信息，以及将该疾病信息与一个或多个目标疾病进行对比；在所述疾病信息与某个目标疾病相一致的情况下，向医用终端发送确定信息，以表征诊断结果包含的疾病信息与目标疾病一致。如此，医用终端接收到确定信息后，使得医生得知其人工诊断结果与医用服务器的智能诊断结果是一致的。如此，可以帮助医生快速确定诊断结果，提高诊断效率。
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，以下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而言，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附图。
图1是本发明一实施例提出的基于患者病症症状与医学检验报告的临床决策支持系统的示意图；
图2是第一目标检测模型输出的预测结果的示意图；
图3是第二目标检测模型输出的预测结果的示意图；
图4是本发明一实施例提出的基于患者病症症状与医学检验报告的临床决策支持方法的流程示意图。
具体实施方式
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、完整的描述。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。
随着信息技术的发展，为了便于对就医流程进行信息化管理，几乎所有的医院陆续引入了就医管理系统，便于医生、收费人员以及配药人员等多方便捷地参与就医流程。然而，现有就医管理系统的功能较单一，对于医生而言，就医管理系统通常只能辅助医生更便捷地参与就医流程，却不能帮助医生有效提高临床诊断的效率。为此，如何辅助医生提高临床诊断效率，是一个亟待解决的技术问题。
有鉴于此，本发明通过以下实施例提出一种基于患者病症症状与医学检验报告的临床决策支持系统和方法，旨在辅助医生提高临床诊断效率。
参考图1，图1是本发明一实施例提出的基于患者病症症状与医学检验报告的临床决策支持系统的示意图。如图1所示，系统包括医用终端和医用服务器，所述医用终端与所述医用服务器通信连接。
其中，医用终端可以是笔记本电脑、台式计算机、平板电脑或者手机。医用服务器可以是独立的物理服务器，也可以是多个物理服务器构成的服务器集群或者分布式系统。医用终端与医用服务器之间通过网络连接，网络可以是无线网络、有线网络或者二者的结合。
如图1所示，所述医用终端用于显示症状配置页面，所述症状配置页面包括多个候选症状；所述医用终端还用于响应医生针对候选症状的选择操作，将被选中的多个候选症状作为多个实际症状，并将所述多个实际症状发送给所述医用服务器。
在一些具体实现方式中，医用终端可以按照症状的分类，在用户交互界面上分条目地显示各类症状，以便于医生可以根据症状条目迅速查找到所需选择的症状，并对其进行选择。示例性地，如图1所示，症状条目可以分为头部相关症状、器官相关症状、消化功能相关症状、皮肤相关症状等。每个症状条目具有下拉菜单，医生可以展开下拉菜单后，从下拉菜单中选择所需选择的症状。需要说明的是，下拉菜单中的各个候选症状是可以多选的。如图1所示，头部相关症状条目的下拉菜单中，前额痛和头晕这两个候选症状被选中，作为两个实际症状。
在一些具体实现方式中，医用终端可以根据预设排序规则，对多个实际症状进行排列。医用终端在向医用服务器发送多个实际症状时，具体是将排列后的多个实际症状发送给医用服务器。
其中，医用终端可以按照症状条目序号和每个实际症状在症状条目中的位置，对多个实际症状进行排列。为便于理解，示例性地，假设多个实际症状包括：头晕、前额痛、腹泻以及鼻阻塞等。其中，头晕和前额痛属于头部相关症状条目（该条目的序号等于1），且头晕在条目中的位置为1-5，前额痛在条目中的位置为1-3。腹泻属于消化功能相关症状条目（该条目的序号等于3），且腹泻在条目中的位置为3-1。鼻阻塞属于器官相关症状条目（该条目的序号等于2），且鼻阻塞在条目中的位置为2-26。如此，将条目序号最小且条目中位置最靠前的症状尽可能排列在最前面，从而得到多个实际症状的如下排列：前额痛（1-3）、头晕（1-5）、鼻阻塞（2-26）、腹泻（3-1）。
本发明中，医用终端直接根据症状条目序号和症状在条目中的位置，对多个实际症状进行排序。如此，相当于医用终端沿用症状在用户界面的显示排列规则，直接对多个实际症状进行排列，从而不需要再设计其他排序规则，也有利于降低医用终端的数据运算量。
如图1所示，所述医用服务器用于接收所述多个实际症状，还用于获取相应的医学检验报告；所述医用服务器还用于根据所述医学检验报告的检验结果和预设对应关系，确定所述检验结果对应的多个候选疾病，每个候选疾病对应有预设的多个参考症状和每个参考症状的概率值，每个参考症状的概率值用于表征该参考症状在相应候选疾病下出现的概率。
在一些具体实现方式中，医用服务器中配置有检验结果和候选疾病之间的预设对应关系，该预设对应关系可以是各个科室的医生根据先验知识确定的。医用服务器在运行期间，只需要调用该预设对应关系即可。其中，一种检验结果可能对应多种候选疾病。
在一些具体实现方式中，医用服务器可以直接获取检验室终端上传的医学检验报告，该医学检验报告可以包括多个检查项目、每个检查项目的实际值以及每个检查项目的参考值（即正常值）。
在另一些具体实现方式中，医用服务器还可以获得用户终端上传的医学检验报告的报告图像。在此种情况下，对于医用服务器如何从报告图像中获得检验结果，本发明后续做详细介绍，此处暂不展开说明。
本发明中，每个候选疾病对应有预设的多个参考症状和每个参考症状的概率值，每个参考症状的概率值用于表征该参考症状在相应候选疾病下出现的概率。其中，每个参考症状的概率值可以是根据大量的医学案例统计得到的。例如对于急性鼻窦炎这一候选疾病，其对应的多个参考症状包括：鼻阻塞、脓涕、前额痛、腹泻、呕吐以及畏寒等。其中，经过大量的医学案例统计，发现在急性鼻窦炎患病期间，鼻阻塞的出现概率为92%、脓涕的出现概率为76%、前额痛的出现概率为47%、腹泻的出现概率为52%。如此，对于急性鼻窦炎这一候选疾病，其鼻阻塞的概率值等于0.92，脓涕的概率值等于0.76，前额痛的概率值等于0.47，腹泻的概率值等于0.52。
如图1所示，所述医用服务器还用于针对每个候选疾病，将该候选疾病对应的多个参考症状与所述多个实际症状进行比较，从而从多个参考症状中确定出与实际症状一致的目标症状，再根据每个目标症状对应的概率值，确定该候选疾病对应的预测值。
本发明中，针对每个候选疾病，可以将多个实际症状与该候选疾病中的每个参考症状一一进行对比，从而从多个参考症状中确定出与实际症状一致的目标症状。
然而，考虑到候选疾病的参考症状通常有很多，有的候选疾病的参考症状可能达到数十个（虽然其中大部分参考症状的概率值极低，例如概率值在0.1以下），如果针对每个候选疾病，都将多个实际症状与该候选疾病中的每个参考症状一一进行对比，可能会导致医用服务器需要进行大量运算，对医用服务器的性能造成不利影响。
为了进一步降低医用服务器的运算量，本发明中，每个候选疾病对应的多个参考症状可以是按照所述预设排序规则排列后的多个症状。如此，医用服务器接收到的多个实际症状和每组参考症状都是按照相同的排序规则排列后的。排列后的多个实际症状作为一个字符串，每组参考症状也作为一个字符串。因此，如果某一候选疾病对应的一组参考症状与多个实际症状比较吻合，则该组参考症状的字符串与多个实际症状的字符串应当具有较高的相似度。
基于上述技术思想，本发明中，医用服务器还用于计算排列后的多个实际症状的第一词向量。换言之，医用服务器针对多个实际症状排列成的字符串，计算第一词向量。其中，医用服务器可以采用word2vec模型计算词向量。
此外，医用服务器在针对每个候选疾病，将该候选疾病对应的多个参考症状与所述多个实际症状进行比较之前，还可以计算该候选疾病对应的多个参考症状的第二词向量，换言之，针对多个参考症状排列成的字符串，计算第二词向量。然后，医用服务器计算该第二词向量与第一词向量的相似度，在该相似度高于预设相似度阈值的情况下，医用服务器才将该候选疾病对应的多个参考症状与多个实际症状进行比较。
本发明中，如果第二词向量与第一词向量的相似度高于预设相似度阈值，则说明相应候选疾病的多个参考症状与多个实际症状比较吻合，因此才将该候选疾病对应的多个参考症状与多个实际症状一一进行比较。如果第二词向量与第一词向量的相似度未超过预设相似度阈值，则说明相应候选疾病的多个参考症状与多个实际症状不太吻合，因此没有必要将该候选疾病对应的多个参考症状与多个实际症状一一进行比较。可见本发明中，通过比较第二词向量与第一词向量的相似度，可以快速筛选掉一些症状不太吻合的候选疾病，从而有利于减少医用服务器的数据运算量。
在一些具体实现方式中，当医用服务器针对某一候选疾病，从多个参考症状中确定出与实际症状一致的目标症状后，可以将各个目标症状的概率值进行累加，并将累加结果作为该候选疾病对应的预测值。
如图1所示，所述医用服务器还用于根据每个候选疾病各自对应的预测值，将预测值超过预设阈值的一个或多个候选疾病确定为一个或多个目标疾病。
本发明中，医用服务器将预测值超过预设阈值的一个或多个候选疾病确定为一个或多个目标疾病，确定出的目标疾病也即是医用服务器的智能诊断结果。
如图1所示，所述医用终端还用于接收医生输入的诊断结果，所述诊断结果包含医生诊断出的疾病信息；所述医用终端还用于将所述诊断结果发送给所述医用服务器。
如图1所示，所述医用服务器还用于接收所述诊断结果，并从所述诊断结果中读取疾病信息，以及将该疾病信息与所述一个或多个目标疾病进行对比；在所述疾病信息与一个目标疾病相一致的情况下，所述医用服务器还用于向所述医用终端发送确定信息，以表征所述诊断结果包含的疾病信息与所述目标疾病一致。
本发明中，信息服务器获得医用终端发送的多个实际症状，并根据医学检验报告的检验结果，确定检验结果对应的多个候选疾病；信息服务器还针对每个候选疾病，将该候选疾病对应的多个参考症状与所述多个实际症状进行比较，从而从多个参考症状中确定出与实际症状一致的目标症状，再根据每个目标症状对应的概率值，确定该候选疾病对应的预测值。其中，候选疾病对应的预测值越高，则表示该候选疾病与用户的实际症状越吻合。
此外，医用服务器还根据每个候选疾病各自对应的预测值，将预测值超过预设阈值的一个或多个候选疾病确定为一个或多个目标疾病。医用服务器还接收医用终端发送的诊断结果，并从诊断结果中读取疾病信息，以及将该疾病信息与一个或多个目标疾病进行对比；在所述疾病信息与某个目标疾病相一致的情况下，向医用终端发送确定信息，以表征诊断结果包含的疾病信息与目标疾病一致。如此，医用终端接收到确定信息后，使得医生得知其人工诊断结果与医用服务器的智能诊断结果是一致的。如此，可以帮助医生快速确定诊断结果，提高诊断效率。
可选地，如前所述，在一些具体实现方式中，医用服务器还可以获得用户终端上传的医学检验报告的报告图像。在此种情况下，医用服务器为了从报告图像中获得检验结果，可以执行以下步骤：
步骤1：利用预先训练的第一目标检测模型，识别所述报告图像中的姓名区域、检测日期区域以及检测结果区域。
步骤2：剪裁出所述姓名区域，并识别所述姓名区域中的姓名信息；剪裁出所述检测日期区域，并识别所述检测日期区域中的日期信息；将识别出的姓名信息与患者姓名信息进行比较，将识别出的日期信息与当前日期进行比较。
步骤3：在识别出的姓名信息与患者姓名信息相一致，且日期信息与当前日期之间的时间差低于预设时间差的情况下，剪裁出检测结果区域，并识别检测结果区域中的检验结果。
其中，第一目标检测模型可以是预先训练的模型（训练过程参见下文），第一目标检测模型可以选用Faster_RCNN模型。具体实现时，医用服务器对报告图像进行预处理，例如将报告图像的尺寸调整为第一目标检测模型要求的尺寸。然后医用服务器将预处理后的报告图像输入第一目标检测模型，从而获得第一目标检测模型输出的检测结果。为便于理解，示例性地，第一目标检测模型输出的预测结果形如图2所示的结果。如图2所示，第一目标检测模型输出了报告图像中的姓名区域位置、检测日期区域位置以及检测结果区域位置。
本发明中，医用服务器剪裁出姓名区域后，可以利用现有的文字识别算法（例如CRNN+CTC文字识别算法），对姓名区域进行文字识别，从而得到姓名信息。同样地，医用服务器剪裁出检测日期区域后，可以利用现有的文字识别算法（例如CRNN+CTC文字识别算法），对检测日期区域进行文字识别，从而得到检测日期信息。此外，医用服务器将得到的姓名信息与患者姓名信息进行比较，并将识别出的日期信息与当前日期进行比较。如果得到的姓名信息与患者姓名信息一致，则基本说明报告图像是患者的医学检验报告。如果得到的日期信息与当前日期之间的时间差低于预设时间差，则说明报告图像具有一定的时效性。
如此，在识别出的姓名信息与患者姓名信息相一致，且日期信息与当前日期之间的时间差低于预设时间差的情况下，医用服务器才会剪裁出检测结果区域，并识别检测结果区域中的检验结果。
其中，医用服务器在识别检测结果区域中的检验结果时，可以利用预先训练的第二目标检测模型，识别所述检测结果区域中的每个条形结果区域。然后医用服务器剪裁出每个条形结果区域，并针对每个条形结果区域进行文字识别，从而得到该条形结果区域对应的一条检验结果。
第二目标检测模型可以是预先训练的模型，第二目标检测模型可以选用Faster_RCNN模型。具体实现时，医用服务器对检测结果区域进行预处理，例如将检测结果区域的尺寸调整为第二目标检测模型要求的尺寸。然后医用服务器将预处理后的检测结果区域输入第二目标检测模型，从而获得第二目标检测模型输出的检测结果。为便于理解，示例性地，第二目标检测模型输出的预测结果形如图3所示的结果。如图3所示，第二目标检测模型输出了检测结果区域中的多个条形结果区域，每个条形结果区域表示一条检验结果。
在一些具体实现方式中，医用服务器还用于训练第一目标检测模型。具体训练过程包括以下步骤：
步骤A：医用服务器获得多个样本报告图像，每个样本报告图像携带标记信息，每个样本报告图像携带的标记信息用于表征该样本报告图像中的姓名区域位置、检测日期区域位置以及检测结果区域位置。
具体地，样本报告图像携带的标记信息可以包括：姓名区域的四个顶点在样本报告图像中的坐标、检测日期区域的四个顶点在样本报告图像中的坐标、以及检测结果区域的四个顶点在样本报告图像中的坐标。
步骤B：医用服务器将每个样本报告图像输入预设目标检测模型中，获得预设目标检测模型输出的预测姓名区域、预测检测日期区域以及预测检测结果区域；并根据所述预测姓名区域、所述预测检测日期区域、所述预测检测结果区域以及所述标记信息，确定损失值，以及利用所述损失值更新所述预设目标检测模型。
步骤C：医用服务器还用于将经过多次更新后的预设目标检测模型确定为所述第一目标检测模型。
其中，预设目标检测模型可以选用Faster_RCNN模型。医用服务器将样本报告图像输入预设目标检测模型后，预设目标检测模型输出：预测姓名区域的四个顶点在样本报告图像中的坐标、预测检测日期区域的四个顶点在样本报告图像中的坐标、以及预测检测结果区域的四个顶点在样本报告图像中的坐标。
在计算损失值时，可以将标记信息中姓名区域的四个顶点的坐标转换为一个向量，将预测姓名区域的四个顶点的坐标转换为另一个向量，然后计算这两个向量之间的向量距离（例如欧式距离、曼哈顿距离或者切比雪夫距离等）。为便于理解，假设标记信息中姓名区域的四个顶点坐标分别为（62,1182）（297,1182）（297,930）（62,930），则转换成的向量为（62,1182,297,1182,297,930,62,930）。换言之，也就是从左上角顶点开始，按照顺时针的方式，将四个顶点坐标拼接成一个向量。
按照同样的方式，将标记信息中检测日期区域的四个顶点的坐标转换为一个向量，将预测检测日期区域的四个顶点的坐标转换为另一个向量，然后计算这两个向量之间的向量距离。
按照同样的方式，将标记信息中检测结果区域的四个顶点的坐标转换为一个向量，将预测检测结果区域的四个顶点的坐标转换为另一个向量，然后计算这两个向量之间的向量距离。
如此，计算出三个向量距离，然后计算三个向量距离的平均值，作为损失值。再反向传递该损失值，从而更新预设目标检测模型。
此外，业务服务器还可以对训练第二目标检测模型，第二目标检测模型的训练方式与第一目标检测模型的训练方式一致。
具体地，可以获得多个样本报告图像，每个样本报告图像携带标记信息，每个样本报告图像携带的标记信息用于表征该样本报告图像中每个条形结果区域的位置。然后将每个样本报告图像输入另一个预设目标检测模型中，获得预设目标检测模型输出的预测条形结果区域。再根据每个预测条形结果区域和标记信息，确定损失值，以及利用该损失值更新所述另一个预设目标检测模型。最后将经过多次更新后的所述另一个预设目标检测模型确定为第二目标检测模型。
以上，本发明通过实施例提出了基于患者病症症状与医学检验报告的临床决策支持系统。以下，本发明通过另一些实施例提出基于患者病症症状与医学检验报告的临床决策支持方法。需要说明的是，下述方法与上述系统可相互参照，因此为了避免重复，以下对方法做简要说明。
参考图4，图4是本发明一实施例提出的基于患者病症症状与医学检验报告的临床决策支持方法的流程示意图，该方法应用于医用服务器。如图4所示，该方法包括以下步骤：
S41：接收医用终端发送的多个实际症状，所述多个实际症状是所述医用终端在医生的操作下生成的多个症状信息。
S42：获取相应的医学检验报告，并根据所述医学检验报告的检验结果和预设对应关系，确定所述检验结果对应的多个候选疾病，每个候选疾病对应有预设的多个参考症状和每个参考症状的概率值，每个参考症状的概率值用于表征该参考症状在相应候选疾病下出现的概率。
S43：针对每个候选疾病，将该候选疾病对应的多个参考症状与所述多个实际症状进行比较，从而从多个参考症状中确定出与实际症状一致的目标症状，再根据每个目标症状对应的概率值，确定该候选疾病对应的预测值。
S44：根据每个候选疾病各自对应的预测值，将预测值超过预设阈值的一个或多个候选疾病确定为一个或多个目标疾病。
S45：接收所述医用终端发送的诊断结果，并从所述诊断结果中读取疾病信息，以及将该疾病信息与所述一个或多个目标疾病进行对比。
S46：在所述疾病信息与一个目标疾病相一致的情况下，向所述医用终端发送确定信息，以表征所述诊断结果包含的疾病信息与所述目标疾病一致。
可选地，在一些具体实现方式中，所述医用终端发送的多个实际症状是按照预设排序规则进行排列后的多个症状，每个候选疾病对应的多个参考症状也是按照所述预设排序规则排列后的多个症状。
在针对每个候选疾病，将该候选疾病对应的多个参考症状与所述多个实际症状进行比较之前，所述方法还包括：计算该候选疾病对应的多个参考症状的第二词向量，并计算该第二词向量与所述第一词向量的相似度；
所述将该候选疾病对应的多个参考症状与所述多个实际症状进行比较，包括：在所述相似度高于预设相似度阈值的情况下，才将该候选疾病对应的多个参考症状与所述多个实际症状进行比较。
可选地，在一些具体实现方式中，所述医用服务器获取的医学检验报告是用户终端上传的报告图像；所述方法还包括：
利用预先训练的第一目标检测模型，识别所述报告图像中的姓名区域、检测日期区域以及检测结果区域；剪裁出所述姓名区域，并识别所述姓名区域中的姓名信息；剪裁出所述检测日期区域，并识别所述检测日期区域中的日期信息；将识别出的姓名信息与患者姓名信息进行比较，将识别出的日期信息与当前日期进行比较；在所述识别出的姓名信息与所述患者姓名信息相一致，且所述日期信息与当前日期之间的时间差低于预设时间差的情况下，剪裁出所述检测结果区域，并识别所述检测结果区域中的检验结果。
可选地，在一些具体实现方式中，所述识别所述检测结果区域中的检验结果，包括：
利用预先训练的第二目标检测模型，识别所述检测结果区域中的每个条形结果区域；剪裁出每个条形结果区域，并针对每个条形结果区域进行文字识别，从而得到该条形结果区域对应的一条检验结果。
可选地，在一些具体实现方式中，所述方法还包括：
获得多个样本报告图像，每个样本报告图像携带标记信息，每个样本报告图像携带的标记信息用于表征该样本报告图像中的姓名区域位置、检测日期区域位置以及检测结果区域位置；将每个样本报告图像输入预设目标检测模型中，获得预设目标检测模型输出的预测姓名区域、预测检测日期区域以及预测检测结果区域，并根据所述预测姓名区域、所述预测检测日期区域、所述预测检测结果区域以及所述标记信息，确定损失值，以及利用所述损失值更新所述预设目标检测模型；将经过多次更新后的预设目标检测模型确定为所述第一目标检测模型。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
本说明书中的各个实施例均采用相关的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
以上所述仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。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，均包含在本发明的保护范围内。
Claims (10)
1.一种基于患者病症症状与医学检验报告的临床决策支持系统，其特征在于，所述系统包括医用终端和医用服务器，所述医用终端与所述医用服务器通信连接；
所述医用终端用于显示症状配置页面，所述症状配置页面包括多个候选症状；所述医用终端还用于响应医生针对候选症状的选择操作，将被选中的多个候选症状作为多个实际症状，并将所述多个实际症状发送给所述医用服务器；
所述医用服务器用于接收所述多个实际症状，还用于获取相应的医学检验报告；所述医用服务器还用于根据所述医学检验报告的检验结果和预设对应关系，确定所述检验结果对应的多个候选疾病，每个候选疾病对应有预设的多个参考症状和每个参考症状的概率值，每个参考症状的概率值用于表征该参考症状在相应候选疾病下出现的概率；
所述医用服务器还用于针对每个候选疾病，将该候选疾病对应的多个参考症状与所述多个实际症状进行比较，从而从多个参考症状中确定出与实际症状一致的目标症状，再根据每个目标症状对应的概率值，确定该候选疾病对应的预测值；
所述医用服务器还用于根据每个候选疾病各自对应的预测值，将预测值超过预设阈值的一个或多个候选疾病确定为一个或多个目标疾病；
所述医用终端还用于接收医生输入的诊断结果，所述诊断结果包含医生诊断出的疾病信息；所述医用终端还用于将所述诊断结果发送给所述医用服务器；
所述医用服务器还用于接收所述诊断结果，并从所述诊断结果中读取疾病信息，以及将该疾病信息与所述一个或多个目标疾病进行对比；在所述疾病信息与一个目标疾病相一致的情况下，所述医用服务器还用于向所述医用终端发送确定信息，以表征所述诊断结果包含的疾病信息与所述目标疾病一致。
2.根据权利要求1所述的基于患者病症症状与医学检验报告的临床决策支持系统，其特征在于，所述医用终端还用于根据预设排序规则，对所述多个实际症状进行排列；所述医用终端在向所述医用服务器发送多个实际症状时，具体是将排列后的多个实际症状发送给所述医用服务器；
所述医用服务器还用于计算排列后的多个实际症状的第一词向量；
每个候选疾病对应的多个参考症状是按照所述预设排序规则排列后的多个症状；所述医用服务器在针对每个候选疾病，将该候选疾病对应的多个参考症状与所述多个实际症状进行比较之前，所述医用服务器还用于计算该候选疾病对应的多个参考症状的第二词向量，并计算该第二词向量与所述第一词向量的相似度，在该相似度高于预设相似度阈值的情况下，所述医用服务器才将该候选疾病对应的多个参考症状与所述多个实际症状进行比较。
3.根据权利要求1或2所述的基于患者病症症状与医学检验报告的临床决策支持系统，其特征在于，所述医用服务器获取的医学检验报告是用户终端上传的报告图像；所述医用服务器还用于利用预先训练的第一目标检测模型，识别所述报告图像中的姓名区域、检测日期区域以及检测结果区域；
所述医用服务器还用于剪裁出所述姓名区域，并识别所述姓名区域中的姓名信息；所述医用服务器还用于剪裁出所述检测日期区域，并识别所述检测日期区域中的日期信息；所述医用服务器还用于将识别出的姓名信息与患者姓名信息进行比较，并且所述医用服务器还用于将识别出的日期信息与当前日期进行比较；
在所述识别出的姓名信息与所述患者姓名信息相一致，且所述日期信息与当前日期之间的时间差低于预设时间差的情况下，所述医用服务器还用于剪裁出所述检测结果区域，并识别所述检测结果区域中的检验结果。
4.根据权利要求3所述的基于患者病症症状与医学检验报告的临床决策支持系统，其特征在于，所述医用服务器在用于识别所述检测结果区域中的检验结果时，利用预先训练的第二目标检测模型，识别所述检测结果区域中的每个条形结果区域；所述医用服务器还用于剪裁出每个条形结果区域，并针对每个条形结果区域进行文字识别，从而得到该条形结果区域对应的一条检验结果。
5.根据权利要求3所述的基于患者病症症状与医学检验报告的临床决策支持系统，其特征在于，所述医用服务器还用于获得多个样本报告图像，每个样本报告图像携带标记信息，每个样本报告图像携带的标记信息用于表征该样本报告图像中的姓名区域位置、检测日期区域位置以及检测结果区域位置；
所述医用服务器还用于将每个样本报告图像输入预设目标检测模型中，获得预设目标检测模型输出的预测姓名区域、预测检测日期区域以及预测检测结果区域；并根据所述预测姓名区域、所述预测检测日期区域、所述预测检测结果区域以及所述标记信息，确定损失值，以及利用所述损失值更新所述预设目标检测模型；
所述医用服务器还用于将经过多次更新后的预设目标检测模型确定为所述第一目标检测模型。
6.一种基于患者病症症状与医学检验报告的临床决策支持方法，其特征在于，所述方法应用于医用服务器，所述方法包括：
接收医用终端发送的多个实际症状，所述多个实际症状是所述医用终端在医生的操作下生成的多个症状信息；
获取相应的医学检验报告，并根据所述医学检验报告的检验结果和预设对应关系，确定所述检验结果对应的多个候选疾病，每个候选疾病对应有预设的多个参考症状和每个参考症状的概率值，每个参考症状的概率值用于表征该参考症状在相应候选疾病下出现的概率；
针对每个候选疾病，将该候选疾病对应的多个参考症状与所述多个实际症状进行比较，从而从多个参考症状中确定出与实际症状一致的目标症状，再根据每个目标症状对应的概率值，确定该候选疾病对应的预测值；
根据每个候选疾病各自对应的预测值，将预测值超过预设阈值的一个或多个候选疾病确定为一个或多个目标疾病；
接收所述医用终端发送的诊断结果，并从所述诊断结果中读取疾病信息，以及将该疾病信息与所述一个或多个目标疾病进行对比；
在所述疾病信息与一个目标疾病相一致的情况下，向所述医用终端发送确定信息，以表征所述诊断结果包含的疾病信息与所述目标疾病一致。
7.根据权利要求6所述的基于患者病症症状与医学检验报告的临床决策支持方法，其特征在于，所述医用终端发送的多个实际症状是按照预设排序规则进行排列后的多个症状，每个候选疾病对应的多个参考症状也是按照所述预设排序规则排列后的多个症状；
在针对每个候选疾病，将该候选疾病对应的多个参考症状与所述多个实际症状进行比较之前，所述方法还包括：计算该候选疾病对应的多个参考症状的第二词向量，并计算该第二词向量与所述第一词向量的相似度；
所述将该候选疾病对应的多个参考症状与所述多个实际症状进行比较，包括：在所述相似度高于预设相似度阈值的情况下，才将该候选疾病对应的多个参考症状与所述多个实际症状进行比较。
8.根据权利要求6或7所述的基于患者病症症状与医学检验报告的临床决策支持方法，其特征在于，所述医用服务器获取的医学检验报告是用户终端上传的报告图像；所述方法还包括：
利用预先训练的第一目标检测模型，识别所述报告图像中的姓名区域、检测日期区域以及检测结果区域；
剪裁出所述姓名区域，并识别所述姓名区域中的姓名信息；剪裁出所述检测日期区域，并识别所述检测日期区域中的日期信息；将识别出的姓名信息与患者姓名信息进行比较，将识别出的日期信息与当前日期进行比较；
在所述识别出的姓名信息与所述患者姓名信息相一致，且所述日期信息与当前日期之间的时间差低于预设时间差的情况下，剪裁出所述检测结果区域，并识别所述检测结果区域中的检验结果。
9.根据权利要求8所述的基于患者病症症状与医学检验报告的临床决策支持方法，其特征在于，所述识别所述检测结果区域中的检验结果，包括：
利用预先训练的第二目标检测模型，识别所述检测结果区域中的每个条形结果区域；
剪裁出每个条形结果区域，并针对每个条形结果区域进行文字识别，从而得到该条形结果区域对应的一条检验结果。
10.根据权利要求8所述的基于患者病症症状与医学检验报告的临床决策支持方法，其特征在于，所述方法还包括：
获得多个样本报告图像，每个样本报告图像携带标记信息，每个样本报告图像携带的标记信息用于表征该样本报告图像中的姓名区域位置、检测日期区域位置以及检测结果区域位置；
将每个样本报告图像输入预设目标检测模型中，获得预设目标检测模型输出的预测姓名区域、预测检测日期区域以及预测检测结果区域，并根据所述预测姓名区域、所述预测检测日期区域、所述预测检测结果区域以及所述标记信息，确定损失值，以及利用所述损失值更新所述预设目标检测模型；
将经过多次更新后的预设目标检测模型确定为所述第一目标检测模型。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110623889.9A CN113257409B (zh) | 2021-06-04 | 2021-06-04 | 一种基于患者病症症状与医学检验报告的临床决策支持系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110623889.9A CN113257409B (zh) | 2021-06-04 | 2021-06-04 | 一种基于患者病症症状与医学检验报告的临床决策支持系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113257409A true CN113257409A (zh) | 2021-08-13 |
| CN113257409B CN113257409B (zh) | 2023-05-19 |
Family
ID=77186539
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110623889.9A Active CN113257409B (zh) | 2021-06-04 | 2021-06-04 | 一种基于患者病症症状与医学检验报告的临床决策支持系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113257409B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116434266A (zh) * | 2023-06-14 | 2023-07-14 | 邹城市人民医院 | 一种医疗检验单的数据信息自动提取分析方法 |
Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102110192A (zh) * | 2011-04-02 | 2011-06-29 | 中国医学科学院医学信息研究所 | 基于诊断要素数据关联的疾病辅助判断方法 |
| CN102156812A (zh) * | 2011-04-02 | 2011-08-17 | 中国医学科学院医学信息研究所 | 基于症状相似度分析的就医辅助决策方法 |
| CN107463783A (zh) * | 2017-08-16 | 2017-12-12 | 安徽影联乐金信息科技有限公司 | 一种临床决策支持系统和决策方法 |
| CN107516004A (zh) * | 2017-07-06 | 2017-12-26 | 贵阳朗玛信息技术股份有限公司 | 医学影像图片的识别处理方法及装置 |
| CN109545384A (zh) * | 2018-11-21 | 2019-03-29 | 上海依智医疗技术有限公司 | 一种医学诊断方法及装置 |
| CN110163208A (zh) * | 2019-05-22 | 2019-08-23 | 长沙学院 | 一种基于深度学习的场景文字检测方法和系统 |
| CN110534206A (zh) * | 2019-08-26 | 2019-12-03 | 北京好医生云医院管理技术有限公司 | 一种医疗诊断辅助系统的工作方法 |
| CN111126140A (zh) * | 2019-11-19 | 2020-05-08 | 腾讯科技（深圳）有限公司 | 文本识别方法、装置、电子设备以及存储介质 |
| CN111180081A (zh) * | 2019-12-30 | 2020-05-19 | 众安信息技术服务有限公司 | 一种智能问诊方法及装置 |
| CN111696667A (zh) * | 2020-06-11 | 2020-09-22 | 吾征智能技术(北京)有限公司 | 一种常见妇科疾病预测模型构建方法和预测系统 |
| CN112397199A (zh) * | 2020-11-30 | 2021-02-23 | 广东德澳智慧医疗科技有限公司 | 一种基于5g和区块链的大数据疾病预测系统 |
| CN112530550A (zh) * | 2020-12-10 | 2021-03-19 | 武汉联影医疗科技有限公司 | 影像报告生成方法、装置、计算机设备和存储介质 |
-
2021
- 2021-06-04 CN CN202110623889.9A patent/CN113257409B/zh active Active
Patent Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102110192A (zh) * | 2011-04-02 | 2011-06-29 | 中国医学科学院医学信息研究所 | 基于诊断要素数据关联的疾病辅助判断方法 |
| CN102156812A (zh) * | 2011-04-02 | 2011-08-17 | 中国医学科学院医学信息研究所 | 基于症状相似度分析的就医辅助决策方法 |
| CN107516004A (zh) * | 2017-07-06 | 2017-12-26 | 贵阳朗玛信息技术股份有限公司 | 医学影像图片的识别处理方法及装置 |
| CN107463783A (zh) * | 2017-08-16 | 2017-12-12 | 安徽影联乐金信息科技有限公司 | 一种临床决策支持系统和决策方法 |
| CN109545384A (zh) * | 2018-11-21 | 2019-03-29 | 上海依智医疗技术有限公司 | 一种医学诊断方法及装置 |
| CN110163208A (zh) * | 2019-05-22 | 2019-08-23 | 长沙学院 | 一种基于深度学习的场景文字检测方法和系统 |
| CN110534206A (zh) * | 2019-08-26 | 2019-12-03 | 北京好医生云医院管理技术有限公司 | 一种医疗诊断辅助系统的工作方法 |
| CN111126140A (zh) * | 2019-11-19 | 2020-05-08 | 腾讯科技（深圳）有限公司 | 文本识别方法、装置、电子设备以及存储介质 |
| CN111180081A (zh) * | 2019-12-30 | 2020-05-19 | 众安信息技术服务有限公司 | 一种智能问诊方法及装置 |
| CN111696667A (zh) * | 2020-06-11 | 2020-09-22 | 吾征智能技术(北京)有限公司 | 一种常见妇科疾病预测模型构建方法和预测系统 |
| CN112397199A (zh) * | 2020-11-30 | 2021-02-23 | 广东德澳智慧医疗科技有限公司 | 一种基于5g和区块链的大数据疾病预测系统 |
| CN112530550A (zh) * | 2020-12-10 | 2021-03-19 | 武汉联影医疗科技有限公司 | 影像报告生成方法、装置、计算机设备和存储介质 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116434266A (zh) * | 2023-06-14 | 2023-07-14 | 邹城市人民医院 | 一种医疗检验单的数据信息自动提取分析方法 |
| CN116434266B (zh) * | 2023-06-14 | 2023-08-18 | 邹城市人民医院 | 一种医疗检验单的数据信息自动提取分析方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113257409B (zh) | 2023-05-19 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112365987B (zh) | 诊断数据异常检测方法、装置、计算机设备及存储介质 | |
| CN110619959A (zh) | 一种智能分诊的方法及系统 | |
| CN111710429A (zh) | 信息的推送方法及装置、计算机设备、存储介质 | |
| CN115688760B (zh) | 一种智能化导诊方法、装置、设备及存储介质 | |
| CN115579104A (zh) | 一种基于人工智能的肝癌全病程数字化管理方法及系统 | |
| CN107809370B (zh) | 用户推荐方法及装置 | |
| CN113724858A (zh) | 基于人工智能的疾病检查项目推荐设备、方法及装置 | |
| CN111444075B (zh) | 一种自动发现关键影响力指标的方法 | |
| CN115346634A (zh) | 一种体检报告解读预测方法、系统、电子设备和存储介质 | |
| JP3674360B2 (ja) | 情報提供サーバ及び情報提供方法 | |
| CN113257409B (zh) | 一种基于患者病症症状与医学检验报告的临床决策支持系统 | |
| CN112151187A (zh) | 信息查询方法、装置、计算机设备和存储介质 | |
| CN106557178B (zh) | 用于更新输入法词条的方法及装置 | |
| CN114334065A (zh) | 病历处理方法、计算机可读存储介质及计算机设备 | |
| CN111640517B (zh) | 病历编码方法、装置、存储介质及电子设备 | |
| CN113707304A (zh) | 分诊数据处理方法、装置、设备及存储介质 | |
| JP3674383B2 (ja) | 情報提供サーバ及び情報提供方法 | |
| CN112508135B (zh) | 模型训练方法、行人属性预测方法、装置及设备 | |
| CN111723872B (zh) | 行人属性识别方法及装置、存储介质、电子装置 | |
| CN110837894B (zh) | 一种特征处理方法、装置及存储介质 | |
| CN114664421A (zh) | 一种医患匹配方法、装置、电子设备、介质及产品 | |
| CN111126121B (zh) | 人脸识别模型的调整方法、装置、设备及存储介质 | |
| CN113065025A (zh) | 视频查重方法、装置、设备及存储介质 | |
| CN112967799A (zh) | 医生数据处理方法及平台 | |
| CN113779373A (zh) | 一种体检项目确定方法、装置、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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20240122 Address after: Room 221, 2nd Floor, Building 3, No. 99 Wangzhou Road, Liangzhu Street, Yuhang District, Hangzhou City, Zhejiang Province, 310000 Patentee after: Hangzhou Zhongxing Biotechnology Co.,Ltd. Country or region after: China Address before: 311100 room 222, floor 2, building 3, No. 99, Wangzhou Road, Liangzhu street, Yuhang District, Hangzhou City, Zhejiang Province Patentee before: Hangzhou Yunhu Medical Technology Co.,Ltd. Country or region before: China |
|
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20240815 Address after: 310000, 3rd and 4th floors, Building 5, Phase 6, Information Port, No. 666 Jianshe Second Road, Economic and Technological Development Zone, Xiaoshan District, Hangzhou City, Zhejiang Province Patentee after: Hangzhou Yunhu medical laboratory Co.,Ltd. Country or region after: China Address before: Room 221, 2nd Floor, Building 3, No. 99 Wangzhou Road, Liangzhu Street, Yuhang District, Hangzhou City, Zhejiang Province, 310000 Patentee before: Hangzhou Zhongxing Biotechnology Co.,Ltd. Country or region before: China |
|
| TR01 | Transfer of patent right |