CN113268511B - 一种基于古籍古方的中医处方推荐方法及系统 - Google Patents
一种基于古籍古方的中医处方推荐方法及系统 Download PDFInfo
- Publication number
- CN113268511B CN113268511B CN202110428884.0A CN202110428884A CN113268511B CN 113268511 B CN113268511 B CN 113268511B CN 202110428884 A CN202110428884 A CN 202110428884A CN 113268511 B CN113268511 B CN 113268511B
- Authority
- CN
- China
- Prior art keywords
- ancient
- symptoms
- prescription
- symptom
- target patient
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2457—Query processing with adaptation to user needs
-
- 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
- G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
- G16H20/10—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to drugs or medications, e.g. for ensuring correct administration to patients
- G16H20/13—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to drugs or medications, e.g. for ensuring correct administration to patients delivered from dispensers
-
- 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)
- Medical Informatics (AREA)
- Public Health (AREA)
- Data Mining & Analysis (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Biomedical Technology (AREA)
- Medicinal Chemistry (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Pathology (AREA)
- Computational Linguistics (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明涉及一种基于古籍古方的中医处方推荐方法及系统,方法为接收目标患者的问诊信息,根据目标患者对应的症状以及预设古籍古方推荐策略,从古籍古方数据库中确定一个或多个古方作为推荐处方进行推荐,根据所述目标患者对应的症状、身体基本信息以及预设病例处方推荐策略,从病例数据库中确定一个或多个病例中的处方作为推荐处方进行推荐;在接收医生为目标患者开具的处方后,将目标患者的问诊信息以及医生为目标患者开具的处方作为目标患者的病例存储至病例数据库中,更新所述目标患者的当前看病记录、既往病史、过往健康记录并归档。本发明提供的方法及系统,充分利用了古方古籍以及病例数据,进行处方推荐时,考虑患者身体信息,实现处方精准推荐。
Description
技术领域
本发明涉及中医处方推荐领域,尤其涉及一种基于古籍古方的中医处方推荐方法及系统。
背景技术
目前的中医处方推荐系统仅是使用方剂治疗的症状以及功效构建神经网络,获得中医处方推荐模型进行处方的推荐,没有利用现有的病例数据以及古籍古方,进行处方推荐。因此,目前的中医处方推荐系统的局限性比较大,推荐的处方精确度不高,推荐出的处方对于医生来讲参考价值不高。
发明内容
针对上述问题,本发明提供一种基于古籍古方的中医处方推荐方法,利用病例数据以及古籍古方,进行中医处方推荐,以提高推荐的精确度,提供给医生更具参考价值的处方。
本发明提供的一种基于古籍古方的中医处方推荐方法,方法包括:接收目标患者的问诊信息,目标患者的问诊信息包括身体基本信息、目标患者填写的中医问诊调查问卷以及所述目标患者的当前看病记录、既往病史、过往健康记录;将中医问诊调查问卷上的答案进行汇总,按照预设的调查问卷答案与症状的对应关系,将目标患者填写在中医问诊调查问卷上的答案转换为对应的症状;根据目标患者对应的症状以及预设古籍古方推荐策略,从古籍古方数据库中确定一个或多个古方作为推荐处方进行推荐;根据目标患者对应的症状、身体基本信息以及预设病例处方推荐策略,从病例数据库中确定一个或多个病例中的处方作为推荐处方进行推荐;接收医生为目标患者开具的处方后,将目标患者的问诊信息以及医生为目标患者开具的处方作为目标患者的病例存储至病例数据库中,更新所述目标患者的历史就诊记录、当前看病记录、既往病史并归档。
进一步的,方法还包括:建立古籍古方数据库;收集古籍中的古方,古方包括古方名称、方剂以及医治症状;根据预设的古方词语-现代词语转换关系,将以古方词语表示的医治症状转化为以现代词语表示的医治症状;将古方对应的古方名称、方剂以及以现代词语表示的医治症状作为古方的古方信息存储在古籍古方数据库中。
进一步的,根据预设古籍古方推荐策略,从古籍古方数据库中确定一个或多个古方作为推荐处方进行推荐,包括利用欧几里得距离公式,分别计算目标患者的症状与古籍古方数据库中存储的各个古方的医治症状之间的距离,将距离作为分数值,每个古方对应一个分数值;按照预设的症状匹配策略分别将目标患者的症状与各个古方的医治症状进行匹配,分别获取每个古方中与目标患者的症状不匹配的医治症状,根据预设的关系词词表,分别判断每个古方中的不匹配的医治症状与目标患者的症状之间的关系,根据关系调整每个古方对应的分数值;根据每个古方对应的分数值对古方进行排序,选择分数值最高的古方作为推荐处方进行推荐。
进一步的,若分数值最高的古方有两个或两个以上,根据预设古籍古方推荐策略,从古籍古方数据库中确定一个古方作为推荐处方进行推荐,还包括从古方的医治症状中抽取关键症状作为关键医治症状,将以古方词语表示的关键医治症状转化为以现代词语表示的关键医治症状;按照预设关键症状匹配率计算策略,分别计算目标患者的关键症状与每个分数值最高的古方的关键医治症状的匹配率;将匹配率最高的古方作为推荐古方进行推荐。
进一步的,方法还包括:建立病例数据库;收集患者的问诊信息、医生的诊断信息以及医生开具的处方信息,问诊信息包括患者填写的中医问诊调查问卷以及患者的身体基本信息;预设病症表,病症表中包括与中医问诊调查问卷相对应的多个症状词,每个症状词对应一个病症值;从患者填写的中医问诊调查问卷答案中,确定患者有无病症表中的症状词对应的病症,若有,则将症状词对应的病症值保存为1,否则保存为0;将患者对应的病症表、问诊信息、医生的诊断信息以及医生开具的处方信息作为1个病例存储在病例数据库中。
进一步的,方法还包括在病例数据库中为每一位患者建立对应的病例数据子库,每一个病例数据子库对应一个患者,存储患者的全部病例记录;持续更新维护每一位患者对应的病例数据子库,按照病种分类策略对每位患者的每个病例记录进行分类,将每个病例记录按照对应的病种进行分类标记。
进一步的,根据预设病例处方推荐策略,从病例数据库中确定一个或多个病例中的处方作为推荐处方进行推荐,包括:建立特征工程,将病例数据库中存储的各个病例对应的病症表、患者的身体基本信息、当前看病记录、既往病史以及过往健康记录作为xgboost模型的输入层训练样本,将病例数据库中存储的各个病例对应的医生开具的处方信息作为xgboost模型的输出层训练样本,进行训练,获得处方推荐模型;根据目标患者填写的中医问诊调查问卷,生成目标患者的病症表;将目标患者的身体基本信息、病症表、当前看病记录、既往病史以及过往健康记录输入至处方推荐模型中,输出一个或多个推荐处方。
进一步的,方法还包括:根据预设相似病例筛选策略,从病例数据库中筛选出与目标患者相似的一个或多个病例,其中,预设相似病例筛选策略为:根据目标患者对应的症状,确定目标患者有无病症表中的症状词对应的病症,若有,则将症状词对应的病症值保存为1,否则保存为0,生成目标患者的病症表;根据病症出现的次数以及严重程度对目标患者的病症表中的病症进行分级,根据每个病症的等级对每个病症的病症值进行加权计算;根据曼哈顿距离公式:分别计算目标患者与病例数据库中存储的各个病例的病症距离,其中,n为病症表中病症的总数,i为病症表中的第i个病症,Xi为目标患者第i个病症的病症值,Yi为病例第i个病症的病症值;按照病症距离从小到大的顺序对病例数据库中的病例进行排序,将病症距离最小的一个或多个病例作为与目标患者相似的一个或多个病例。
进一步的,在按照病症距离从小到大的顺序对病例数据库中的病例进行排序后,若病例数据库中存在病症距离相等的多个第一病例,分别计算目标患者与第一病例之间的当前看病记录相似度,根据当前看病记录相似度对第一病例进行排序;
若根据当前看病记录相似度对第一病例进行排序后,在第一病例中存在当前看病记录相似度相等的多个第二病例,分别计算目标患者与第二病例的既往病史相似度,根据既往病史相似度对第二病例进行排序;若根据既往病史相似度对第二病例进行排序后,在第二病例中存在既往病史相似度相等的多个第三病例,分别计算目标患者与第三病例的过往健康记录相似度,根据过往健康记录相似度对第三病例进行排序。
本发明提供的基于古籍古方的中医处方推荐系统,包括接收模块、问卷答案汇总转换模块、古籍古方推荐模块、病例处方推荐模块、病例数据库、古籍古方数据库,接收模块,与问卷答案汇总转换模块连接,用于接收目标患者的问诊信息并将所述问诊信息发送至所述问卷答案汇总转换模块,目标患者的问诊信息包括身体基本信息、目标患者填写的中医问诊调查问卷以及目标患者的当前看病记录、既往病史、过往健康记录;问卷答案汇总转换模块,与接收模块、古籍古方推荐模块、病例处方推荐模块连接,用于对中医问诊调查问卷上的答案进行汇总,按照预设的调查问卷答案与症状的对应关系,将目标患者填写在中医问诊调查问卷上的答案转换为对应的症状,将目标患者的身体基本信息以及对应的症状发送给古籍古方推荐模块以及病例处方推荐模块;古籍古方推荐模块,与问卷答案汇总转换模块、古籍古方数据库连接,用于根据目标患者的身体基本信息以及预设古籍古方推荐策略,从古籍古方数据库中确定一个古方作为推荐处方进行推荐;病例处方推荐模块,与问卷答案汇总转换模块、病例数据库连接,用于根据目标患者对应的症状、身体基本信息以及预设病例处方推荐策略,从病例数据库中确定一个病例中的处方作为推荐处方进行推荐;古籍古方数据库,与古籍古方推荐模块连接,用于存储古籍古方;病例数据库,与病例处方推荐模块连接,用于存储各个患者的病例与所述病例处方推荐模块连接,用于存储各个患者的病例,并在医生为目标患者开具处方后,获取目标患者的问诊信息以及医生为目标患者开具的处方作为目标患者的病例进行存储。
本发明提供的基于古籍古方的中医处方推荐方法及系统,至少具有以下有益效果:在进行处方推荐时,综合考虑目标患者的症状以及身体基本信息,使推荐结果更准确。进行中医处方推荐时,有古籍古方推荐策略以及病例处方推荐策略两种推荐策略,充分利用古籍古方数据以及病例数据,进行精准推荐,提供给医生更具参考价值的推荐处方。
附图说明
为了更清楚的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的介绍,显而易见的,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其它附图。
图1为本发明一种实施例中基于古籍古方的中医处方推荐方法的流程图;
图2为本发明一种实施例中建立古籍古方数据库并存储古方数据的流程图;
图3为本发明一种实施例中推荐古籍古方作为处方的流程图;
图4为本发明又一种实施例中推荐古籍古方作为处方的流程图;
图5为本发明一种实施例中建立病例数据库并存储病例数据的流程图;
图6为本发明一种实施例中推荐病例处方作为处方的流程图;
图7为本发明一种实施例中相似病例筛选策略的流程图;
图8为本发明一种实施例中的基于古籍古方的中医处方推荐系统的结构示意图。
具体实施方式
下面将结合本发明中的附图,对本发明实施例中的技术方案进行清楚、完整的描述,显然,所描述的实施例仅仅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,本领域普通的技术人员在没有做出创造性劳动的前提下所获得的所有其它实施例,都属于本发明的保护范围。
在本发明的一种实施例中,提供一种基于古籍古方的中医处方推荐方法,如图1所示,方法包括以下步骤:
步骤S101:接收目标患者的问诊信息。
具体的,目标患者的问诊信息包括身体基本信息、目标患者填写的中医问诊调查问卷以及目标患者的当前看病记录、既往病史、过往健康记录。其中,身体基本信息包括性别、年龄、婚姻状况、就诊主诉、职业、身高、体重、过敏史、既往病史等。中医问诊调查问卷是预先设计好的,中医问诊调查问卷中涉及围绕病人几乎涉及全身的情况进行设计,题目的设计围绕25种范围,包括:1、是否有发热症状;2、是否怕风怕冷;3、出汗是否有异常;4、是否有头晕、头疼、头昏沉感;5、是否有鼻塞流涕、嗓子痛、喉咙干等不适;6、是否有口腔溃疡;7、是否有耳鸣耳聋的症状;8、是否有肢体麻木、抽筋、发凉的现象;9、是否有关节肌肉酸痛、僵硬、肢体沉重的感觉;10、是否有口中不适;11、饮食情况是否有异常;12、喝水情况是否异常;13、大便是否有异常;14、小便情况是否有异常;15、心脏、胸部是否有不舒服;16、是否有咳痰喘的症状;17、胃、肚子是否有不舒服;18、是否有失眠;19、是否有精神不好、疲倦乏力的现象;20、全身皮肤是否有发黄、水肿、皮疹、肿块、瘙痒等不适;21、身上是否有出血的症状;22、是否怀孕;23、目前的月经情况;24、舌像部分;25、脉象部分。进一步的,在每种范围之中,还根据患者的答案,有更加细节性的问题,例如,1、是否有发热症状,如果患者的答案为有,则问题还包括发热时间、发热部位、发热的性质等;2、出汗是否有异常,如果患者的答案为是,则问题还包括出汗的情况、出汗部位、出汗的颜色、出汗的性状以及出汗的气味。在进行问卷设计时,每个问题都提前设计了多个选项,患者可以根据自身的症状进行选择。
更具体的,患者可以通过手机、平板、电脑等设备登录到中医问诊平台上,并在中医问诊平台上填写并提交相关的问诊信息,包括自己的身体基本信息以及中医问诊调查问卷。更具体的,医生可以通过手机、平板、电脑等设备登录到中医问诊平台上,获得患者填写的身体基本信息以及中医问诊调查问卷,并对患者填写的身体基本信息以及中医问诊调查问卷进行补充修改确认后进行再次提交,以保证患者填写的问诊信息准确无误。
步骤S102:将中医问诊调查问卷上的答案进行汇总,按照预设的调查问卷答案与症状的对应关系,将目标患者填写在中医问诊调查问卷上的答案转换为对应的症状。
具体的,预设的调查问卷答案与症状的对应关系是根据调查问卷的答案设定的,将调查问卷答案转化为对应的症状,从而通过目标患者填写的中医问诊调查问卷得到目标患者的症状。预先设计好的调查问卷,以及调查问卷答案与症状的对应关系,调查问卷中问题答案由目标患者根据自身身体情况进行选择,相比于由目标患者采用文字形式输入自己的症状,可以获得到规范的患者症状词语,使用统一的词语描述症状,方便后续的处方推荐工作。
步骤S103:根据目标患者对应的症状以及预设古籍古方推荐策略,从古籍古方数据库中确定一个或多个古方作为推荐处方进行推荐。
步骤S104:根据目标患者对应的症状、身体基本信息以及预设病例处方推荐策略,从病例数据库中确定一个或多个病例中的处方作为推荐处方进行推荐。
步骤S105:接收医生为目标患者开具的处方后,将目标患者的问诊信息以及医生为目标患者开具的处方作为目标患者的病例存储至病例数据库中,更新目标患者的当前看病记录、既往病史、过往健康记录并归档。
具体的,在本步骤中,将目标患者的问诊信息以及医生为目标患者开具的处方作为目标患者的病例存储至病例数据库中,更新目标患者的当前看病记录、既往病史、过往健康记录(患者的当前看病记录、既往病史、过往健康记录同样存储在病例数据库中),不断更新病例数据库中的患者的数据,用于后续大数据储备资源,从而进一步的提高处方推荐的精准度。
本实施例中提供的基于古籍古方的中医处方推荐方法,充分利用病例数据以及古方古籍数据进行处方推荐,在进行处方推荐时不仅考虑患者的病症,还参考了患者的身体基本信息,使处方推荐结果更加精准。当医生根据推荐处方以及目标患者的问诊信息为目标患者开具处方后,会将目标患者的问诊信息以及医生为目标患者开具的处方作为目标患者的病例存储至病例数据库中,更新目标患者的当前看病记录、既往病史、过往健康记录,不断更新病例数据库中的病例数据,从而进一步实现精准的处方推荐,给医生推荐参考价值更高的处方。
在本发明的又一种实施例中,基于古籍古方的中医处方推荐方法,如图2所示,在步骤S101之前,方法还包括以下步骤:
步骤S201:建立古籍古方数据库。
步骤S202:收集古籍中的古方,古方包括古方名称、方剂以及医治症状。
具体的,可以收集本草纲目、伤寒经、伤寒杂病论等古籍中受到专家认可的古方及其文本信息。
步骤S203:根据预设的古方词语-现代词语转换关系,将以古方词语表示的医治症状转化为以现代词语表示的医治症状。
步骤S204:将古方对应的古方名称、方剂以及以现代词语表示的医治症状作为古方的古方信息存储在古籍古方数据库中。
具体的,如下表所示,可以将古籍古方以表格的形式导入存储在古籍古方数据库中:
在本发明的又一种实施例中,如图3所示,根据目标患者对应的症状以及预设古籍古方推荐策略,从古籍古方数据库中确定一个古方作为推荐处方进行推荐包括以下步骤:
步骤S301:利用欧几里得距离公式,分别计算目标患者的症状与古籍古方数据库中存储的各个古方的医治症状之间的距离,按照预设分数转换策略将距离转换为分数值。
具体的,在一种实施例中,在进行计算之前,先将目标患者对应的症状以及各个古方的医治症状进行预处理,生成目标患者对应的病症表以及各个古方对应的病症表,具体的,病症表中的症状与中医问诊调查问卷答案一一对应,也即每一个中医问诊调查问卷答案都可以从病症表中找到相应的症状与之对应,病症表中的每一个症状都对应一个病症值。若目标患者对应的症状为:症状1、症状6、症状7,则在目标患者的病症表中症状1、症状6、症状7对应的病症值为1,其他症状对应的病症值为0。同理,若古方的医治症状为症状2、症状4、症状6,则在古方的病症表中,症状2、症状4、症状6对应的病症值为1,其他症状对应的病症值为0。
欧几里得距离公式为其中,n表示病症表中的症状的总数,xi表示目标患者的症状i对应的病症值,yi表示古方的症状i对应的病症值。d(x,y)为目标患者对应的症状与古方医治症状的距离。距离越小,则目标患者的症状与古方的医治症状越相近。
进一步的,将目标患者的症状与古方的医治症状的距离按照预设分数转换策略转换为分数值。转换遵循的原则为距离越大,分数值越低;距离越小,分数值越高,经过转化之后,也即每个古方均对应一个分数值。
步骤S302:按照预设的症状匹配策略分别将目标患者的症状与各个古方的医治症状进行匹配,分别获取每个古方中与目标患者的症状不匹配的医治症状,根据预设的关系词词表,分别判断每个古方中的不匹配的医治症状与目标患者的症状之间的关系,根据关系调整每个古方对应的分数值。
在本实施例中预设的症状匹配策略包括:预设同义词表,将相同意思且表达不同的症状词语列为一组,进行同义词替换,统一古方的医治症状名称以及目标患者的医治症状的名称。例如“小便量多”、“小便多”、“小便过多”这三个症状词语均为同义词,将这3个症状词统一替换为“小便量多”。分别将目标患者对应的症状以及古方的医治症状进行同义词替换、统一症状名称之后,以上述提及的古方例子1为例,古方例子1中的医治症状为症状1,症状2,症状3,目标患者对应的症状为:症状1、症状6、症状7,则古方例子1中与目标患者匹配的症状为症状1,古方例子1中与目标患者不匹配的医治症状为症状2,症状3,判断古方例子1中的不匹配的医治症状与目标患者的症状之间的关系,即判断症状2分别与目标患者对应的症状1、症状6、症状7之间的关系,并判断症状3分别与目标患者对应的症状1、症状6、症状7之间的关系。具体的,在预设的关系词词表中会量化症状词语之间的关系,关系可以分为三种:1、没有关系;2、普通相似关系;3、极度相似关系。每种关系对应不同的分数值,例如没有关系计0分,普通相似关系计0.4分,极度相似的关系计0.8分,具体的计分规则可以由技术人员设定,本发明对此不作限制。如果症状2与目标患者对应的症状1为普通相似关系,与目标患者对应的症状6没有关系,与目标患者对应的症状7没有关系;症状3与目标患者对应的症状1为极度相似关系与目标患者对应的症状6没有关系,与目标患者对应的症状7没有关系,则古方例子1对应的分数值应当增加1.2分。同理其他古方对应的分数值的调整方法与之相同,在此不再过多赘述。
步骤S303:根据每个古方对应的分数值对古方进行排序,选择分数值最高的古方作为推荐处方进行推荐。
在本发明的又一种实施例中,如图4所示,若分数值最高的古方有两个或两个以上,根据预设古籍古方推荐策略,从古籍古方数据库中确定一个或古方作为推荐处方进行推荐还包括以下步骤:
步骤S401:从古方的医治症状中抽取关键症状作为关键医治症状,将以古方词语表示的关键医治症状转化为以现代词语表示的关键医治症状。
具体的,关键症状的确定可以由专业人员如医生进行筛选后录入到古籍古方数据库中进行存储。进一步的,可以在抽取关键症状后,将古方的关键医治症状存储在古籍古方数据库表格中,例如:
步骤S402:按照预设关键症状匹配率计算策略,分别计算目标患者的关键症状与每个分数值最高的古方的关键医治症状的匹配率。
具体的,预设关键症状匹配率计算策略为根据公式:
进行计算,从目标患者对应的症状中抽取出目标患者对应的关键症状,将目标患者对应的关键症状与古方中的关键医治症状进行匹配,获得相同的关键症状的数量作为目标患者关键症状与古方的关键医治症状匹配的数量,将目标患者关键症状与古方的关键医治症状匹配的数量以及古方中关键医治症状总数量代入到上述公式中,计算得到关键症状匹配率。
步骤S403:将匹配率最高的古方作为推荐古方进行推荐。
本实施例中,通过计算关键症状匹配率,将匹配率最高的古方作为推荐古方,增加了关键症状匹配率这一指标,在分数值最高的古方有两个或两个以上时,从中确定出一个古方作为推荐处方,进一步提高推荐的精准度。
在本发明的又一种实施例中,如图5所示,基于古籍古方的中医处方推荐方法在步骤S101之前,还包括以下步骤:
步骤S501:建立病例数据库。
步骤S502:收集患者的问诊信息、医生的诊断信息以及医生开具的处方信息,问诊信息包括患者填写的中医问诊调查问卷以及患者的身体基本信息。
步骤S503:预设病症表,病症表中包括与中医问诊调查问卷相对应的多个症状词,每个所述症状词对应一个病症值,从患者填写的中医问诊调查问卷答案中,确定患者有无病症表中的症状词对应的病症,若有,则将症状词对应的病症值保存为1,否则保存为0。
具体的,病症表如下表所示:
其中,第一行中的发热时间-上午发热、发热时间-下午发热、发热时间-晚上发热、发热时间-无规律等即为症状词,第二行中的1,0即为病症值。
更进一步的,可以根据病症值,将每个病例的病症表以向量形式进行表示以及存储,例如上述病症表对应的向量为[10000···111000···],以这种格式进行保存可以有以下的优点:(1)方便医生进行导出文件并能快速了解患者的情况。(2)在计算各个病例与目标患者的相似度时能以向量形式来获取数据,可以减少存储空间的同时加快运算速度。
步骤S504:将患者对应的病症表、问诊信息、医生的诊断信息以及医生开具的处方信息作为1个病例存储在病例数据库中。
进一步的,在本发明的又一种实施例中,方法还包括:在病例数据库中为每一位患者建立对应的病例数据子库,每一个病例数据子库对应一个患者,存储患者的全部病例记录;持续更新维护每一位患者对应的病例数据子库,按照病种分类策略对每位患者的每个病例记录进行分类,将每个病例记录按照对应的病种进行分类标记。
在本发明的又一种实施例中,如图6所示,根据目标患者对应的症状、身体基本信息以及预设病例处方推荐策略,从病例数据库中确定一个或多个病例中的处方作为推荐处方进行推荐包括以下步骤:
步骤S601:建立特征工程,将病例数据库中存储的各个病例对应的病症表、患者的身体基本信息以及当前看病记录、既往病史以及过往健康记录作为xgboost模型的输入层训练样本,将病例数据库中存储的各个病例对应的医生开具的处方信息作为xgboost模型的输出层训练样本,进行训练,获得处方推荐模型。
步骤S602:根据目标患者填写的中医问诊调查问卷,生成目标患者的病症表。
步骤S603:将目标患者的身体基本信息、病症表、当前看病记录、既往病史以及过往健康记录输入至处方推荐模型中,输出一个或多个推荐处方。
本实施例中,根据患者的病症表、患者的身体基本信息以及医生开具的处方信息作为训练样本进行训练,充分的利用海量的病例数据,并且除了利用病例数据中的患者的症状信息(病症表),还利用患者的身体基本信息进行训练,大大提高了训练出的处方推荐模型的推荐精准度,后续利用由海量病例数据训练出的处方推荐模型推荐处方,推荐出适合目标患者的处方,为医生开具处方时提供有力的参考。
进一步的,由于每次医生为目标患者开具处方之后,病例数据库中会将目标患者的问诊信息、医生开具的处方作为目标患者的病例存储至病例数据库中,因此病例数据库中的病例数据是不断增加的,可以每隔预设时间段,根据病例数据库中当前存储的病例数据,重新训练处方推荐模型,以提高处方推荐模型推荐的精确度。
在本发明的又一种实施例中,基于古籍古方的中医处方推荐方法还包括根据预设相似病例筛选策略,从病例数据库中筛选出与目标患者相似的一个或多个病例。具体的,如图7所示,预设相似病例筛选策略包括以下步骤:
步骤S701:根据目标患者对应的症状,确定目标患者有无病症表中的症状词对应的病症,若有,则将症状词对应的病症值保存为1,否则保存为0,生成目标患者的病症表。
步骤S702:根据病症出现的次数以及严重程度对目标患者的病症表中的病症进行分级,根据每个病症的等级对每个病症的病症值进行加权计算。
具体的,每个病症的等级即为该病症对应的权重值,根据每个病症的等级对每个病症的病症值进行加权计算,即将每个病症的等级乘以该病症的病症值,得到新的病症值。
步骤S703:根据曼哈顿距离公式:分别计算目标患者与病例数据库中存储的各个病例的病症距离。
其中,n为病症表中病症的总数,i为病症表中的第i个病症,Xi为目标患者第i个病症的病症值,Yi为病例第i个病症的病症值。应当注意的是,此处的病症值为经过加权计算之后获得的病症值。
步骤S704:按照病症距离从小到大的顺序对病例数据库中的病例进行排序,根据排序结果从中选择一个或多个病例作为与目标患者相似的病例。
在本实施例中,从病例数据库中筛选出与目标患者相似的病例,医生在为目标患者开具处方时,除了可以根据推荐的处方开具,还可以结合与目标患者相似的病例所对应的处方开具,对医生具有极高的参考价值,有利于医生开具更适合于目标患者的处方。
在本发明的又一种实施例中,在按照病症距离从小到大的顺序对病例数据库中的病例进行排序后,若病例数据库中存在病症距离相等的多个第一病例,分别计算目标患者与第一病例之间的当前看病记录相似度,根据当前看病记录相似度对第一病例进行排序。具体的:
若根据当前看病记录相似度对第一病例进行排序后,在第一病例中存在当前看病记录相似度相等的多个第二病例,分别计算目标患者与第二病例的既往病史相似度,根据既往病史相似度对所述第二病例进行排序,具体的:
若根据既往病史相似度对第二病例进行排序后,在第二病例中存在既往病史相似度相等的多个第三病例,分别计算所述目标患者与第三病例的过往健康记录相似度,根据过往健康记录相似度对第三病例进行排序,具体的:
在本实施例中,在上一实施例的基础之上,对病症距离相等的病例进行新的排序,更加全面严谨。避免了因为数据库中医案号比较小而导致在病症距离相等的情况下出现在前面(如下面的表格中,在病症距离都是0.8的情况下,因为0015的ID比起0018与0020都要小因此能排到前面)
在本发明的一种实施例中,如图8所示,还提供一种基于古籍古方的中医处方推荐系统,系统包括接收模块901、问卷答案汇总转换模块902、古籍古方推荐模块903、病例处方推荐模块904、病例数据库905、古籍古方数据库906。其中:
接收模块901,与问卷答案汇总转换模块902连接,用于接收目标患者的问诊信息并将问诊信息发送至问卷答案汇总转换模块902,目标患者的问诊信息包括身体基本信息以及目标患者填写的中医问诊调查问卷。
问卷答案汇总转换模块902,与接收模块901、古籍古方推荐模块903、病例处方推荐模块904连接,用于对中医问诊调查问卷上的答案进行汇总,按照预设的调查问卷答案与症状的对应关系,将目标患者填写在中医问诊调查问卷上的答案转换为对应的症状,将目标患者的身体基本信息以及对应的症状发送给古籍古方推荐模块903以及病例处方推荐模块904。
古籍古方推荐模块903,与问卷答案汇总转换模块902、古籍古方数据库9067连接,用于根据目标患者对应的症状以及预设古籍古方推荐策略,从古籍古方数据库906中确定一个古方作为推荐处方进行推荐。
病例处方推荐模块904,与病例数据库905连接,用于根据目标患者对应的症状、身体基本信息以及预设病例处方推荐策略,从病例数据库905中确定一个病例中的处方作为推荐处方进行推荐。
古籍古方数据库906,与古籍古方推荐模块903连接,用于存储古籍古方;病例数据库905,与病例处方推荐模块904连接,用于存储各个患者的病例,并在医生为目标患者开具处方后,获取目标患者的问诊信息以及医生为目标患者开具的处方作为目标患者的病例进行存储。
本发明提供的基于古籍古方的中医处方推荐方法及系统,充分利用了古籍古方以及海量的病例数据,并且在推荐处方过程中,综合考虑了目标患者的身体基本信息以及症状,推荐的处方更适合目标患者,为医生开具处方提供了极具价值的参考,提高医生开具处方的效率以及精准度。
本领域技术人员应当理解,在不脱离所公开的实施方式的基本原理的前提下,对上述实施方式中的各细节可进行各种变化。因此,本发明的范围只由权利要求确定,在权利要求中,除非另有说明,所有的术语应按最宽泛合理的意思进行理解。
Claims (6)
1.一种基于古籍古方的中医处方推荐方法,其特征在于,所述方法包括:
接收目标患者的问诊信息,所述目标患者的问诊信息包括身体基本信息、目标患者填写的中医问诊调查问卷,以及所述目标患者的当前看病记录、既往病史、过往健康记录;
将所述中医问诊调查问卷上的答案进行汇总,按照预设的调查问卷答案与症状的对应关系,将所述目标患者填写在所述中医问诊调查问卷上的答案转换为对应的症状;
根据所述目标患者对应的症状以及预设古籍古方推荐策略,从古籍古方数据库中确定一个或多个古方作为推荐处方进行推荐,推荐方法包括:利用欧几里得距离公式,分别计算所述目标患者的症状与所述古籍古方数据库中存储的各个古方的医治症状之间的距离,按照预设分数转换策略将所述距离转换为分数值;按照预设的症状匹配策略分别将所述目标患者的症状与各个古方的医治症状进行匹配,分别获取每个古方中与所述目标患者的症状不匹配的医治症状,根据预设的关系词词表,分别判断每个古方中的所述不匹配的医治症状与所述目标患者的症状之间的关系,根据所述关系调整每个古方对应的分数值,根据每个古方对应的分数值对所述古方进行排序,选择分数值最高的古方作为推荐处方进行推荐;若分数值最高的古方有两个或两个以上,从所述古方的医治症状中抽取关键症状作为关键医治症状,将以古方词语表示的关键医治症状转化为以现代词语表示的关键医治症状,按照预设关键症状匹配率计算策略,分别计算所述目标患者的关键症状与每个所述分数值最高的古方的关键医治症状的匹配率,将匹配率最高的古方作为推荐古方进行推荐;
建立病例数据库;
收集患者的问诊信息、医生的诊断信息以及医生开具的处方信息,所述问诊信息包括所述患者填写的中医问诊调查问卷以及所述患者的身体基本信息;
预设病症表,所述病症表中包括与中医问诊调查问卷相对应的多个症状词,每个所述症状词对应一个病症值;
从所述患者填写的中医问诊调查问卷答案中,确定所述患者有无所述病症表中的症状词对应的病症,若有,则将所述症状词对应的病症值保存为1,否则保存为0;
将所述患者对应的病症表、问诊信息、医生的诊断信息以及医生开具的处方信息作为1个病例存储在所述病例数据库中;
根据所述目标患者对应的症状、身体基本信息以及预设病例处方推荐策略,从病例数据库中确定一个或多个病例中的处方作为推荐处方进行推荐;
根据预设相似病例筛选策略,从所述病例数据库中筛选出与所述目标患者相似的一个或多个病例,其中,所述预设相似病例筛选策略为:
根据所述目标患者对应的症状,确定所述目标患者有无所述病症表中的症状词对应的病症,若有,则将所述症状词对应的病症值保存为1,否则保存为0,生成所述目标患者的病症表;
根据病症出现的次数以及严重程度对所述目标患者的病症表中的病症进行分级,根据每个病症的等级对每个病症的病症值进行加权计算;
根据曼哈顿距离公式:分别计算所述目标患者与所述病例数据库中存储的各个病例的病症距离,其中,n为病症表中病症的总数,i为病症表中的第i个病症,Xi为所述目标患者第i个病症的病症值,Yi为病例第i个病症的病症值;
按照病症距离从小到大的顺序对所述病例数据库中的病例进行排序,根据排序结果从中选择一个或多个病例作为与所述目标患者相似的病例;
接收医生为所述目标患者开具的处方后,将所述目标患者的问诊信息以及所述医生为所述目标患者开具的处方作为所述目标患者的病例存储至所述病例数据库中,更新所述目标患者的当前看病记录、既往病史、过往健康记录并归档。
2.根据权利要求1所述的基于古籍古方的中医处方推荐方法,其特征在于,所述方法还包括:
建立古籍古方数据库;
收集古籍中的古方,所述古方包括古方名称、方剂以及医治症状;
根据预设的古方词语-现代词语转换关系,将以古方词语表示的医治症状转化为以现代词语表示的医治症状;
将所述古方对应的古方名称、方剂以及以现代词语表示的医治症状作为所述古方的古方信息存储在所述古籍古方数据库中。
3.根据权利要求1所述的基于古籍古方的中医处方推荐方法,其特征在于,所述方法还包括:
在所述病例数据库中为每一位患者建立对应的病例数据子库,每一个病例数据子库对应一个患者,存储所述患者的全部病例记录;
持续更新维护每一位患者对应的病例数据子库,按照病种分类策略对每位患者的每个病例记录进行分类,将每个病例记录按照对应的病种进行分类标记。
4.根据权利要求1所述的基于古籍古方的中医处方推荐方法,其特征在于,所述根据目标患者对应的症状、身体基本信息以及预设病例处方推荐策略,从病例数据库中确定一个或多个病例中的处方作为推荐处方进行推荐,包括:
建立特征工程,将所述病例数据库中存储的各个病例对应的病症表、患者的身体基本信息、当前看病记录、既往病史以及过往健康记录作为xgboost模型的输入层训练样本,将所述病例数据库中存储的各个病例对应的医生开具的处方信息作为xgboost模型的输出层训练样本,进行训练,获得处方推荐模型;
根据所述目标患者填写的中医问诊调查问卷,生成目标患者的病症表;
将所述目标患者的身体基本信息、病症表、当前看病记录、既往病史以及过往健康记录输入至所述处方推荐模型中,输出一个或多个推荐处方。
5.根据权利要求1所述基于古籍古方的中医处方推荐方法,其特征在于,在所述按照病症距离从小到大的顺序对所述病例数据库中的病例进行排序后,若所述病例数据库中存在病症距离相等的多个第一病例,分别计算所述目标患者与所述第一病例之间的当前看病记录相似度,根据所述当前看病记录相似度对所述第一病例进行排序;
若根据所述当前看病记录相似度对所述第一病例进行排序后,在所述第一病例中存在当前看病记录相似度相等的多个第二病例,分别计算所述目标患者与所述第二病例的既往病史相似度,根据所述既往病史相似度对所述第二病例进行排序;
若根据所述既往病史相似度对所述第二病例进行排序后,在所述第二病例中存在既往病史相似度相等的多个第三病例,分别计算所述目标患者与所述第三病例的过往健康记录相似度,根据所述过往健康记录相似度对所述第三病例进行排序。
6.一种基于古籍古方的中医处方推荐系统,其特征在于,所述系统包括接收模块、问卷答案汇总转换模块、古籍古方推荐模块、病例处方推荐模块、病例数据库、古籍古方数据库,其特征在于:
所述接收模块,与所述问卷答案汇总转换模块连接,用于接收目标患者的问诊信息并将所述问诊信息发送至所述问卷答案汇总转换模块,所述目标患者的问诊信息包括身体基本信息、目标患者填写的中医问诊调查问卷以及所述目标患者的当前看病记录、既往病史、过往健康记录;
所述问卷答案汇总转换模块,与所述接收模块、古籍古方推荐模块、病例处方推荐模块连接,用于对所述中医问诊调查问卷上的答案进行汇总,按照预设的调查问卷答案与症状的对应关系,将所述目标患者填写在所述中医问诊调查问卷上的答案转换为对应的症状,将所述目标患者的身体基本信息以及对应的症状发送给所述古籍古方推荐模块以及病例处方推荐模块;
所述古籍古方推荐模块,与所述问卷答案汇总转换模块、古籍古方数据库连接,用于根据目标患者对应的症状以及预设古籍古方推荐策略,从所述古籍古方数据库中确定一个古方作为推荐处方进行推荐,推荐方法包括:利用欧几里得距离公式,分别计算所述目标患者的症状与所述古籍古方数据库中存储的各个古方的医治症状之间的距离,按照预设分数转换策略将所述距离转换为分数值;按照预设的症状匹配策略分别将所述目标患者的症状与各个古方的医治症状进行匹配,分别获取每个古方中与所述目标患者的症状不匹配的医治症状,根据预设的关系词词表,分别判断每个古方中的所述不匹配的医治症状与所述目标患者的症状之间的关系,根据所述关系调整每个古方对应的分数值;根据每个古方对应的分数值对所述古方进行排序,选择分数值最高的古方作为推荐处方进行推荐;若分数值最高的古方有两个或两个以上,从所述古方的医治症状中抽取关键症状作为关键医治症状,将以古方词语表示的关键医治症状转化为以现代词语表示的关键医治症状,按照预设关键症状匹配率计算策略,分别计算所述目标患者的关键症状与每个所述分数值最高的古方的关键医治症状的匹配率,将匹配率最高的古方作为推荐古方进行推荐;
所述病例处方推荐模块,与所述问卷答案汇总转换模块、病例数据库连接,用于建立病例数据库;收集患者的问诊信息、医生的诊断信息以及医生开具的处方信息,所述问诊信息包括所述患者填写的中医问诊调查问卷以及所述患者的身体基本信息;预设病症表,所述病症表中包括与中医问诊调查问卷相对应的多个症状词,每个所述症状词对应一个病症值;从所述患者填写的中医问诊调查问卷答案中,确定所述患者有无所述病症表中的症状词对应的病症,若有,则将所述症状词对应的病症值保存为1,否则保存为0;将所述患者对应的病症表、问诊信息、医生的诊断信息以及医生开具的处方信息作为1个病例存储在所述病例数据库中;根据目标患者对应的症状、身体基本信息以及预设病例处方推荐策略,从病例数据库中确定一个病例中的处方作为推荐处方进行推荐;还用于根据预设相似病例筛选策略,从所述病例数据库中筛选出与所述目标患者相似的一个或多个病例,其中,所述预设相似病例筛选策略为:根据所述目标患者对应的症状,确定所述目标患者有无所述病症表中的症状词对应的病症,若有,则将所述症状词对应的病症值保存为1,否则保存为0,生成所述目标患者的病症表;根据病症出现的次数以及严重程度对所述目标患者的病症表中的病症进行分级,根据每个病症的等级对每个病症的病症值进行加权计算;根据曼哈顿距离公式:分别计算所述目标患者与所述病例数据库中存储的各个病例的病症距离,其中,n为病症表中病症的总数,i为病症表中的第i个病症,Xi为所述目标患者第i个病症的病症值,Yi为病例第i个病症的病症值;按照病症距离从小到大的顺序对所述病例数据库中的病例进行排序,根据排序结果从中选择一个或多个病例作为与所述目标患者相似的病例;
所述古籍古方数据库,与所述古籍古方推荐模块连接,用于存储古籍古方;
所述病例数据库,与所述病例处方推荐模块连接,用于存储各个患者的病例,并在医生为所述目标患者开具处方后,获取所述目标患者的问诊信息以及所述医生为所述目标患者开具的处方作为所述目标患者的病例进行存储。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110428884.0A CN113268511B (zh) | 2021-04-21 | 2021-04-21 | 一种基于古籍古方的中医处方推荐方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110428884.0A CN113268511B (zh) | 2021-04-21 | 2021-04-21 | 一种基于古籍古方的中医处方推荐方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113268511A CN113268511A (zh) | 2021-08-17 |
CN113268511B true CN113268511B (zh) | 2023-08-25 |
Family
ID=77229201
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110428884.0A Active CN113268511B (zh) | 2021-04-21 | 2021-04-21 | 一种基于古籍古方的中医处方推荐方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113268511B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113744867B (zh) * | 2021-08-30 | 2024-03-08 | 平安科技(深圳)有限公司 | 一种药物推荐循证支持方法、装置、设备及存储介质 |
CN114758745A (zh) * | 2022-04-08 | 2022-07-15 | 天津航旭科技发展有限公司 | 基于处方推荐的医师奖励方法、计算机设备及存储介质 |
CN115101192B (zh) * | 2022-06-22 | 2023-09-01 | 脉景(杭州)健康管理有限公司 | 基于方剂的症状推荐方法、装置、设备及存储介质 |
CN116504354B (zh) * | 2023-06-28 | 2024-01-09 | 合肥工业大学 | 一种基于智慧医疗的智能化服务推荐方法及系统 |
CN116682526B (zh) * | 2023-08-03 | 2023-10-24 | 中国中医科学院中国医史文献研究所 | 基于古籍知识单元处理的中医知识推荐系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA2389257A1 (en) * | 2000-08-02 | 2002-02-07 | Jesse J. Hade | Online medical evaluation and treatment system, method and portal |
CN109119134A (zh) * | 2018-08-09 | 2019-01-01 | 脉景(杭州)健康管理有限公司 | 医学病历数据处理方法、医学数据推荐系统、设备及介质 |
CN109448838A (zh) * | 2018-09-28 | 2019-03-08 | 小伍健康科技(上海)有限责任公司 | 一种基于深度神经网络的症状诊断方法及设备 |
CN110660482A (zh) * | 2019-09-29 | 2020-01-07 | 北京一药良心信息科技有限公司 | 一种基于大数据的中医处方智能推荐系统及其控制方法 |
CN111599488A (zh) * | 2020-05-19 | 2020-08-28 | 万达信息股份有限公司 | 一种智能问诊实现方法、系统和存储介质 |
CN112614565A (zh) * | 2020-12-04 | 2021-04-06 | 杨茜 | 一种基于知识图谱技术的中药经典名方智能推荐方法 |
-
2021
- 2021-04-21 CN CN202110428884.0A patent/CN113268511B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA2389257A1 (en) * | 2000-08-02 | 2002-02-07 | Jesse J. Hade | Online medical evaluation and treatment system, method and portal |
CN109119134A (zh) * | 2018-08-09 | 2019-01-01 | 脉景(杭州)健康管理有限公司 | 医学病历数据处理方法、医学数据推荐系统、设备及介质 |
CN109448838A (zh) * | 2018-09-28 | 2019-03-08 | 小伍健康科技(上海)有限责任公司 | 一种基于深度神经网络的症状诊断方法及设备 |
CN110660482A (zh) * | 2019-09-29 | 2020-01-07 | 北京一药良心信息科技有限公司 | 一种基于大数据的中医处方智能推荐系统及其控制方法 |
CN111599488A (zh) * | 2020-05-19 | 2020-08-28 | 万达信息股份有限公司 | 一种智能问诊实现方法、系统和存储介质 |
CN112614565A (zh) * | 2020-12-04 | 2021-04-06 | 杨茜 | 一种基于知识图谱技术的中药经典名方智能推荐方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113268511A (zh) | 2021-08-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113268511B (zh) | 一种基于古籍古方的中医处方推荐方法及系统 | |
CN111986770B (zh) | 药方用药审核方法、装置、设备及存储介质 | |
CN106557653B (zh) | 一种移动医疗智能导医系统及其方法 | |
WO2020034642A1 (zh) | 医疗自动问答方法及装置、存储介质、电子设备 | |
CN109670727B (zh) | 一种基于众包的分词标注质量评估系统及评估方法 | |
Jiang et al. | Characteristics of online health care services from China’s largest online medical platform: cross-sectional survey study | |
US8670997B2 (en) | Quality metric extraction and editing for medical data | |
CN110838368A (zh) | 一种基于中医临床知识图谱的机器人主动问诊方法 | |
CN116910172B (zh) | 基于人工智能的随访量表生成方法及系统 | |
JP2018120430A (ja) | 医療情報提供方法、医療情報提供装置、及びプログラム | |
US11355243B2 (en) | Medication recommendation system and method for treating migraine | |
CN113077893B (zh) | 一种智能辅具适配决策系统及方法 | |
CN113838583B (zh) | 一种基于机器学习的智能药品疗效评价方法及其应用 | |
CN109524083A (zh) | 基于医疗大数据监测辅助用药合理性的方法及相关产品 | |
Kaur et al. | Food image-based nutritional management system to overcome polycystic Ovary Syndrome using DeepLearning: A systematic review | |
He et al. | The landscape of eating disorders research: A 40‐year bibliometric analysis | |
CN115083555A (zh) | 一种社区慢性病辅助决策系统 | |
Ju et al. | Doctor recommendation model based on ontology characteristics and disease text mining perspective | |
Muchomba et al. | Association between housing affordability and severe maternal morbidity | |
Ju et al. | Doctor recommendation model for pre-diagnosis online in China: Integrating ontology characteristics and disease text mining | |
WO2023240837A1 (zh) | 基于病患数据的服务包生成方法、装置、设备及存储介质 | |
Whalen et al. | Linking client records from substance abuse, mental health and Medicaid state agencies | |
CN114067942A (zh) | 基于疾病风险评估的多重用药评价装置、设备及存储介质 | |
CN116543910B (zh) | 降低上呼吸道感染临床不确定性的抗生素辅助决策系统 | |
Pourbehzadi et al. | Detecting Ineffective Self-Management in Diabetic Patients: A Data Mining Perspective |
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 |