CN113470775A - 信息采集方法、装置、设备及存储介质 - Google Patents
信息采集方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN113470775A CN113470775A CN202110837752.3A CN202110837752A CN113470775A CN 113470775 A CN113470775 A CN 113470775A CN 202110837752 A CN202110837752 A CN 202110837752A CN 113470775 A CN113470775 A CN 113470775A
- Authority
- CN
- China
- Prior art keywords
- entity
- information
- symptom
- preset
- disease
- 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
- G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
- G06F16/367—Ontology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/10—Text processing
- G06F40/194—Calculation of difference between files
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/237—Lexical tools
- G06F40/242—Dictionaries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/279—Recognition of textual entities
- G06F40/289—Phrasal analysis, e.g. finite state techniques or chunking
- G06F40/295—Named entity recognition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- 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
-
- 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)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- Public Health (AREA)
- Medical Informatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Biomedical Technology (AREA)
- Primary Health Care (AREA)
- Epidemiology (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Mathematical Physics (AREA)
- Biophysics (AREA)
- Molecular Biology (AREA)
- Evolutionary Computation (AREA)
- Pathology (AREA)
- Animal Behavior & Ethology (AREA)
- Chemical & Material Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Medicinal Chemistry (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明涉及人工智能,提供一种信息采集方法、装置、设备及存储介质。该方法能够当接收到信息采集请求时,根据信息采集请求确定采集领域,获取待分析患者的病历信息,识别病历信息,得到疾病实体及症状实体,根据疾病实体筛选候选实体,根据候选实体的候选症状及症状实体,获取标准实体,若标准实体与领域实体不同,获取处方信息,识别处方信息,得到药品实体,确定药品实体所属的药品类型,若药品类型与领域类型不同,获取检验结果,分析检验结果,得到检验症状,若检验症状与领域症状相同,将待分析患者确定为目标患者。本发明能够全面并准确的采集到目标患者的相关信息。此外,本发明还涉及区块链技术,所述目标患者可存储于区块链中。
Description
技术领域
本发明涉及人工智能技术领域,尤其涉及一种信息采集方法、装置、设备及存储介质。
背景技术
在疫情防控期间,发热监测难点充分暴露。在目前的发热监控采集方式中,通常依赖温度计对发热患者进行筛选,然而,这种方式无法准确的筛选出发热人员,导致信息采集不准确,再者,这种方式无法对发热患者进行全面监控,存在发热患者监控盲点,进而造成在就诊过程中无法智能化的进行发热监控提醒。
因此,如何全面并准确的采集发热患者的患者信息,成了亟需解决的问题。
发明内容
鉴于以上内容,有必要提供一种信息采集方法、装置、设备及存储介质,能够全面并准确的采集到发热患者的相关信息。
一方面,本发明提出一种信息采集方法,所述信息采集方法包括:
当接收到信息采集请求时,根据所述信息采集请求确定采集领域;
从预设系统中获取待分析患者的病历信息;
基于预设字典及预先训练好的实体识别模型识别所述病历信息,得到疾病实体及症状实体;
根据所述疾病实体从预设知识图谱中筛选候选实体;
根据所述候选实体的候选症状及所述症状实体,从所述候选实体中获取所述疾病实体的标准实体,并将所述标准实体与所述采集领域中的领域实体进行比较;
若所述标准实体与所述领域实体不同,从所述预设系统中获取所述待分析患者的处方信息;
识别所述处方信息,得到药品实体,并确定所述药品实体所属的药品类型;
若所述药品类型与所述采集领域中的领域类型不同,从所述预设系统中获取所述待分析患者的检验结果,并分析所述检验结果,得到检验症状;
若所述检验症状与所述采集领域中的领域症状相同,将所述待分析患者确定为所述采集领域的目标患者。
根据本发明优选实施例,所述根据所述信息采集请求确定采集领域包括:
解析所述信息采集请求的报文,得到所述报文携带的数据信息;
从所述数据信息中获取指示领域的信息作为领域标识;
从预设领域库中获取与所述领域标识对应的领域作为所述采集领域。
根据本发明优选实施例,所述从预设系统中获取待分析患者的病历信息包括:
获取所述预设系统中显示界面的界面编号,并获取预设标签,所述预设标签指示诊断病历;
将所述界面编号及所述预设标签写入预设模板,得到查询语句;
确定所述信息采集请求的生成时刻;
从所述预设系统的系统日志库中获取日志时刻大于所述生成时刻的日志作为初筛日志;
基于所述查询语句对所述初筛日志进行处理,得到目标日志;
根据所述目标日志获取所述病历信息。
根据本发明优选实施例,所述基于预设字典及预先训练好的实体识别模型识别所述病历信息,得到疾病实体及症状实体包括:
根据所述预设字典对所述病历信息进行分词处理,得到多个处理路径、每个处理路径的路径分词及每个路径分词的分词位置;
基于所述预设字典中的分词权值计算每个处理路径的路径权重;
根据每个处理路径中的分词对计算每个处理路径的路径可信度,所述分词对是根据所述分词位置相邻的任意两个路径分词生成的;
根据所述路径权重及所述路径可信度,从所述多个处理路径中筛选出目标路径,并将所述目标路径所对应的路径分词确定为信息分词;
根据所述信息分词在所述病历信息中的文本位置,从所述信息分词中获取第一疾病信息及第一症状信息;
获取所述实体识别模型的编码层、疾病识别层及症状识别层;
基于所述编码层对所述病历信息进行编码处理,得到信息编码;
基于所述疾病识别层分析所述信息编码,得到第二疾病信息,并基于所述症状识别层分析所述信息编码,得到第二症状信息;
将所述第一疾病信息及所述第二疾病信息确定为所述疾病实体,并将所述第一症状信息及所述第二症状信息确定为所述症状实体。
根据本发明优选实施例,所述根据每个处理路径中的分词对计算每个处理路径的路径可信度包括:
计算每个处理路径中所述分词对的总量;
从每个所述分词对中获取第一分词及第二分词;
提取所述第一分词中的第一边界字,并提取所述第二分词的第二边界字;
拼接所述第一边界字及所述第二边界字,得到每个所述分词对的边界词;
基于所述边界词遍历所述预设字典,并统计每个处理路径中所述边界词与所述预设字典中的预设词汇匹配的数量作为目标数量;
计算所述目标数量在所述总量中的比值,得到所述路径可信度。
根据本发明优选实施例,所述根据所述候选实体的候选症状及所述症状实体,从所述候选实体中获取所述疾病实体的标准实体包括:
从所述预设知识图谱中获取与所述候选实体及症状标签对应的信息作为所述候选症状;
计算每个所述候选症状与每个所述症状实体的实体相似度;
根据权值映射表获取所述实体相似度的相似度权值;
根据所述相似度权值对所述实体相似度进行加权和运算,得到所述候选实体与所述疾病实体的特征相似度;
将所述特征相似度最高的候选实体确定为所述标准实体。
根据本发明优选实施例,所述识别所述处方信息,得到药品实体包括:
对所述处方信息进行编码信息,得到处方向量;
基于预先训练好的化学物质识别模型对所述处方向量进行识别,得到化学物质实体;
基于预先训练好的治疗物质识别模型对所述处方向量进行识别,得到治疗物质实体;
将所述化学物质实体与所述治疗物质实体的交集确定为所述药品实体。
另一方面,本发明还提出一种信息采集装置,所述信息采集装置包括:
确定单元,用于当接收到信息采集请求时,根据所述信息采集请求确定采集领域;
获取单元,用于从预设系统中获取待分析患者的病历信息;
识别单元,用于基于预设字典及预先训练好的实体识别模型识别所述病历信息,得到疾病实体及症状实体;
筛选单元,用于根据所述疾病实体从预设知识图谱中筛选候选实体;
比较单元,用于根据所述候选实体的候选症状及所述症状实体,从所述候选实体中获取所述疾病实体的标准实体,并将所述标准实体与所述采集领域中的领域实体进行比较;
所述获取单元,还用于若所述标准实体与所述领域实体不同,从所述预设系统中获取所述待分析患者的处方信息;
所述确定单元,还用于识别所述处方信息,得到药品实体,并确定所述药品实体所属的药品类型;
分析单元,用于若所述药品类型与所述采集领域中的领域类型不同,从所述预设系统中获取所述待分析患者的检验结果,并分析所述检验结果,得到检验症状;
所述确定单元,还用于若所述检验症状与所述采集领域中的领域症状相同,将所述待分析患者确定为所述采集领域的目标患者。
另一方面,本发明还提出一种电子设备,所述电子设备包括:
存储器,存储计算机可读指令;及
处理器,执行所述存储器中存储的计算机可读指令以实现所述信息采集方法。
另一方面,本发明还提出一种计算机可读存储介质,所述计算机可读存储介质中存储有计算机可读指令,所述计算机可读指令被电子设备中的处理器执行以实现所述信息采集方法。
由以上技术方案可以看出,本发明通过所述预设字典及所述实体识别模型识别出所述病历信息中的实体,由于通过多种方式对所述实体进行识别,能够全面的获取到所述疾病实体及所述症状实体,从而能够避免信息遗漏,提高所述目标患者的全面性,进而根据所述症状实体对所述疾病实体进行分析,能够结合所述症状实体准确的确定出所述标准实体,从而提高所述目标患者的准确性,在所述标准实体与所述领域实体不同时,对所述处方信息进行分析,以及,在所述药品类型与所述采集领域中的领域类型不同时,对所述检测结果进行分析,能够提高所述采集领域的采集全面性。
附图说明
图1是本发明信息采集方法的较佳实施例的流程图。
图2是本发明信息采集装置的较佳实施例的功能模块图。
图3是本发明实现信息采集方法的较佳实施例的电子设备的结构示意图。
具体实施方式
为了使本发明的目的、技术方案和优点更加清楚,下面结合附图和具体实施例对本发明进行详细描述。
如图1所示,是本发明信息采集方法的较佳实施例的流程图。根据不同的需求,该流程图中步骤的顺序可以改变,某些步骤可以省略。
所述信息采集方法应用于一个或者多个电子设备中,所述电子设备是一种能够按照事先设定或存储的计算机可读指令,自动进行数值计算和/或信息处理的设备,其硬件包括但不限于微处理器、专用集成电路(Application Specific Integrated Circuit,ASIC)、可编程门阵列(Field-Programmable Gate Array,FPGA)、数字信号处理器(Digital Signal Processor,DSP)、嵌入式设备等。
所述电子设备可以是任何一种可与用户进行人机交互的电子产品,例如,个人计算机、平板电脑、智能手机、个人数字助理(Personal Digital Assistant,PDA)、游戏机、交互式网络电视(Internet Protocol Television,IPTV)、智能穿戴式设备等。
所述电子设备可以包括网络设备和/或用户设备。其中,所述网络设备包括,但不限于单个网络电子设备、多个网络电子设备组成的电子设备组或基于云计算(CloudComputing)的由大量主机或网络电子设备构成的云。
所述电子设备所处的网络包括,但不限于:互联网、广域网、城域网、局域网、虚拟专用网络(Virtual Private Network,VPN)等。
S10,当接收到信息采集请求时,根据所述信息采集请求确定采集领域。
在本发明的至少一个实施例中,所述信息采集请求中携带有领域标识等。
所述采集领域是指需要进行信息采集的领域,例如,所述采集领域可以是发热领域。
在本发明的至少一个实施例中,所述电子设备根据所述信息采集请求确定采集领域包括:
解析所述信息采集请求的报文,得到所述报文携带的数据信息;
从所述数据信息中获取指示领域的信息作为领域标识;
从预设领域库中获取与所述领域标识对应的领域作为所述采集领域。
其中,所述数据信息包括,但不限于:指示领域的标签、所述领域标识等。例如,所述数据信息为:{field:lingyu123}。
所述预设领域库中存储有多个标识与领域的映射关系。例如:{lingyu123:发热}。
通过解析所述报文,能够提高所述数据信息的获取效率,进而根据所述领域标识能够准确的从所述预设领域库中确定出所述采集领域。
S11,从预设系统中获取待分析患者的病历信息。
在本发明的至少一个实施例中,所述预设系统可以是任意系统,例如,所述预设系统可以是医疗监测系统。
所述待分析患者是指任意未进行信息采集分析的患者。
所述病历信息是指医护人员对所述待分析患者的诊断信息。
在本发明的至少一个实施例中,所述电子设备从预设系统中获取待分析患者的病历信息包括:
获取所述预设系统中显示界面的界面编号,并获取预设标签,所述预设标签指示诊断病历;
将所述界面编号及所述预设标签写入预设模板,得到查询语句;
确定所述信息采集请求的生成时刻;
从所述预设系统的系统日志库中获取日志时刻大于所述生成时刻的日志作为初筛日志;
基于所述查询语句对所述初筛日志进行处理,得到目标日志;
根据所述目标日志获取所述病历信息。
其中,所述界面编号是指能够唯一标识所述显示界面的识别码。
所述预设模板可以是结构化查询语句。
所述系统日志库中存储有所述预设系统中的相关处理日志。
通过从所述系统日志库中确定出所述初筛日志,能够避免所述查询语句对所述系统日志库中的所有日志进行分析,提高所述目标日志的确定效率,从而提高所述病历信息的获取效率。
S12,基于预设字典及预先训练好的实体识别模型识别所述病历信息,得到疾病实体及症状实体。
在本发明的至少一个实施例中,所述预设字典中包括多个预设词汇及每个词汇的分词权值。
所述实体识别模型是根据医疗样本训练生成的。
所述疾病实体是指所述病历信息中与疾病有关的实体信息。所述症状实体是指所述病历信息中与症状有关的实体信息。
在本发明的至少一个实施例中,所述电子设备基于预设字典及预先训练好的实体识别模型识别所述病历信息,得到疾病实体及症状实体包括:
根据所述预设字典对所述病历信息进行分词处理,得到多个处理路径、每个处理路径的路径分词及每个路径分词的分词位置;
基于所述预设字典中的分词权值计算每个处理路径的路径权重;
根据每个处理路径中的分词对计算每个处理路径的路径可信度,所述分词对是根据所述分词位置相邻的任意两个路径分词生成的;
根据所述路径权重及所述路径可信度,从所述多个处理路径中筛选出目标路径,并将所述目标路径所对应的路径分词确定为信息分词;
根据所述信息分词在所述病历信息中的文本位置,从所述信息分词中获取第一疾病信息及第一症状信息;
获取所述实体识别模型的编码层、疾病识别层及症状识别层;
基于所述编码层对所述病历信息进行编码处理,得到信息编码;
基于所述疾病识别层分析所述信息编码,得到第二疾病信息,并基于所述症状识别层分析所述信息编码,得到第二症状信息;
将所述第一疾病信息及所述第二疾病信息确定为所述疾病实体,并将所述第一症状信息及所述第二症状信息确定为所述症状实体。
其中,所述预设字典中存储有多个自定义词汇及每个自定义词汇的词汇权值。
通过所述预设字典能够准确的生成所述多个处理路径,进而根据所述路径权重及所述路径可信度能够从所述多个处理路径中筛选出所述目标路径,提高所述目标路径的准确度,从而提高所述信息分词的切分准确性,进一步,结合所述实体识别模型能够全面的提取出所述病历信息中的所述疾病实体及所述症状实体。
具体地,所述电子设备根据每个处理路径中的分词对计算每个处理路径的路径可信度包括:
计算每个处理路径中所述分词对的总量;
从每个所述分词对中获取第一分词及第二分词;
提取所述第一分词中的第一边界字,并提取所述第二分词的第二边界字;
拼接所述第一边界字及所述第二边界字,得到每个所述分词对的边界词;
基于所述边界词遍历所述预设字典,并统计每个处理路径中所述边界词与所述预设字典中的预设词汇匹配的数量作为目标数量;
计算所述目标数量在所述总量中的比值,得到所述路径可信度。
通过所述边界词与所述预设词汇的匹配关系,能够准确的生成每个处理路径的路径可信度,避免因所述第一边界字与所述第二边界字的组合关系影响所述信息分词的生成,从而提高所述信息分词的切分准确性。
具体地,所述电子设备根据所述信息分词在所述病历信息中的文本位置从所述信息分词中获取第一疾病信息及第一症状信息包括:
将所述信息分词在所述病历信息中的位置定位为所述文本位置;
获取与所述文本位置关联的标签,得到关联标签;
将所述关联标签与疾病标签相同的信息分词确定为所述第一疾病信息,并将所述关联标签与症状标签相同的信息分词确定为所述第一症状信息。
S13,根据所述疾病实体从预设知识图谱中筛选候选实体。
在本发明的至少一个实施例中,所述预设知识图谱中存储有多个疾病信息及每个疾病信息的别名实体的映射关系,所述多个疾病信息与每个疾病信息的症状信息的映射关系。
在本发明的至少一个实施例中,所述电子设备根据所述疾病实体从预设知识图谱中筛选候选实体包括:
从所述预设知识图谱中获取包含所述疾病实体的所有预设实体作为所述候选实体。
其中,所述预设实体是指任意疾病信息。
通过所述预设知识图谱,能够快速获取到与所述疾病实体所对应的候选实体,提高所述候选实体的筛选效率。
S14,根据所述候选实体的候选症状及所述症状实体,从所述候选实体中获取所述疾病实体的标准实体,并将所述标准实体与所述采集领域中的领域实体进行比较。
在本发明的至少一个实施例中,所述候选症状是指所述预设知识图谱中存储的与所述候选实体对应的症状信息。
所述标准实体是指所述疾病实体的标准化名称,例如,所述疾病实体为“头疼”,所述标准实体可以是“头痛”。
所述领域实体是根据所述采集领域生成的实体信息,例如,所述采集领域为发热,则所述领域实体可以包括发烧、发高烧。
在本发明的至少一个实施例中,所述电子设备根据所述候选实体的候选症状及所述症状实体,从所述候选实体中获取所述疾病实体的标准实体包括:
从所述预设知识图谱中获取与所述候选实体及症状标签对应的信息作为所述候选症状;
计算每个所述候选症状与每个所述症状实体的实体相似度;
根据权值映射表获取所述实体相似度的相似度权值;
根据所述相似度权值对所述实体相似度进行加权和运算,得到所述候选实体与所述疾病实体的特征相似度;
将所述特征相似度最高的候选实体确定为所述标准实体。
其中,所述权值映射表是根据需求设定的。
通过所述权值映射表确定出所述实体相似度的相似度权值,能够避免所述特征相似度被平均化,从而能够提高所述特征相似度的准确性,进而提高了所述标准实体的准确性。
在本发明的至少一个实施例中,所述电子设备将所述标准实体与所述采集领域中的领域实体进行比较包括:
将所述标准实体中每个实体字符与所述领域实体中每个实体字符进行对应比较。
S15,若所述标准实体与所述领域实体不同,从所述预设系统中获取所述待分析患者的处方信息。
在本发明的至少一个实施例中,所述处方信息是指医护人员基于所述待分析患者所开的处方。
在本发明的至少一个实施例中,所述电子设备从所述预设系统中获取所述待分析患者的处方信息的方式与所述电子设备从预设系统中获取待分析患者的病历信息的方式相似,本发明对此不再赘述。
在本发明的至少一个实施例中,若所述标准实体与所述领域实体相同,将所述待分析患者确定为所述采集领域的目标患者。
S16,识别所述处方信息,得到药品实体,并确定所述药品实体所属的药品类型。
在本发明的至少一个实施例中,所述药品实体是指所述处方信息中所包含的药品信息。
所述药品类型是指所述药品实体所对应的类型。
在本发明的至少一个实施例中,所述电子设备识别所述处方信息,得到药品实体包括:
对所述处方信息进行编码信息,得到处方向量;
基于预先训练好的化学物质识别模型对所述处方向量进行识别,得到化学物质实体;
基于预先训练好的治疗物质识别模型对所述处方向量进行识别,得到治疗物质实体;
将所述化学物质实体与所述治疗物质实体的交集确定为所述药品实体。
其中,所述化学物质识别模型及所述质量物质识别模型可以基于神经网络模型训练生成,本发明对此不再赘述。
通过所述化学物质识别模型及所述治疗物质识别模型分别对所述处方向量进行分析,能够从多个方向维度上识别所述处方信息,提高所述药品实体的准确性。
S17,若所述药品类型与所述采集领域中的领域类型不同,从所述预设系统中获取所述待分析患者的检验结果,并分析所述检验结果,得到检验症状。
在本发明的至少一个实施例中,所述领域类型是指与所述采集领域所对应的类型,例如,所述领域类型可以是发热领域。
所述检验结果可以是医护人员对所述待分析患者的诊断结果。
所述检验症状是指所述检验结果中的实体信息。
在本发明的至少一个实施例中,所述电子设备分析所述检验结果,得到检验症状包括:
从所述检验结果中提取与配置标签对应的信息作为初始信息;
对所述初始信息进行分词处理,得到初始分词;
分析所述初始分词在所述初始信息中的词性;
将所述词性为预设词性的初始分词确定为所述检验症状。
其中,所述配置标签用于指示症状信息。
所述预设词性通常设定为名词。
通过所述配置标签,能够减少词性的分析量,从而提高所述检验症状的提取效率。
在本发明的至少一个实施例中,若所述药品类型与所述领域类型相同,将所述待分析患者确定为所述采集领域的目标患者。
S18,若所述检验症状与所述采集领域中的领域症状相同,将所述待分析患者确定为所述采集领域的目标患者。
在本发明的至少一个实施例中,所述领域症状是指与所述采集领域所对应的症状信息。
所述目标患者是指所述采集领域所对应的患者。
需要强调的是,为进一步保证上述目标患者的私密和安全性,上述目标患者还可以存储于一区块链的节点中。
在本发明的至少一个实施例中,所述方法还包括:
获取所述目标患者的识别码;
根据所述识别码从区块链中获取患者信息;
根据所述患者信息生成所述信息采集请求的反馈结果;
发送所述反馈结果至所述信息采集请求的绑定终端。
其中,所述绑定终端是指触发所述信息采集请求生成的终端。
通过所述识别码能够从所述区块链中准确的获取到所述患者信息,进而能够准确的采集与所述采集领域有关的信息。
由以上技术方案可以看出,本发明通过所述预设字典及所述实体识别模型识别出所述病历信息中的实体,由于通过多种方式对所述实体进行识别,能够全面的获取到所述疾病实体及所述症状实体,从而能够避免信息遗漏,提高所述目标患者的全面性,进而根据所述症状实体对所述疾病实体进行分析,能够结合所述症状实体准确的确定出所述标准实体,从而提高所述目标患者的准确性,在所述标准实体与所述领域实体不同时,对所述处方信息进行分析,以及,在所述药品类型与所述采集领域中的领域类型不同时,对所述检测结果进行分析,能够提高所述采集领域的采集全面性。
如图2所示,是本发明信息采集装置的较佳实施例的功能模块图。所述信息采集装置11包括确定单元110、获取单元111、识别单元112、筛选单元113、比较单元114、分析单元115、生成单元116及发送单元117。本发明所称的模块/单元是指一种能够被处理器13所获取,并且能够完成固定功能的一系列计算机可读指令段,其存储在存储器12中。在本实施例中,关于各模块/单元的功能将在后续的实施例中详述。
当接收到信息采集请求时,确定单元110根据所述信息采集请求确定采集领域。
在本发明的至少一个实施例中,所述信息采集请求中携带有领域标识等。
所述采集领域是指需要进行信息采集的领域,例如,所述采集领域可以是发热领域。
在本发明的至少一个实施例中,所述确定单元110根据所述信息采集请求确定采集领域包括:
解析所述信息采集请求的报文,得到所述报文携带的数据信息;
从所述数据信息中获取指示领域的信息作为领域标识;
从预设领域库中获取与所述领域标识对应的领域作为所述采集领域。
其中,所述数据信息包括,但不限于:指示领域的标签、所述领域标识等。例如,所述数据信息为:{field:lingyu123}。
所述预设领域库中存储有多个标识与领域的映射关系。例如:{lingyu123:发热}。
通过解析所述报文,能够提高所述数据信息的获取效率,进而根据所述领域标识能够准确的从所述预设领域库中确定出所述采集领域。
获取单元111从预设系统中获取待分析患者的病历信息。
在本发明的至少一个实施例中,所述预设系统可以是任意系统,例如,所述预设系统可以是医疗监测系统。
所述待分析患者是指任意未进行信息采集分析的患者。
所述病历信息是指医护人员对所述待分析患者的诊断信息。
在本发明的至少一个实施例中,所述获取单元111从预设系统中获取待分析患者的病历信息包括:
获取所述预设系统中显示界面的界面编号,并获取预设标签,所述预设标签指示诊断病历;
将所述界面编号及所述预设标签写入预设模板,得到查询语句;
确定所述信息采集请求的生成时刻;
从所述预设系统的系统日志库中获取日志时刻大于所述生成时刻的日志作为初筛日志;
基于所述查询语句对所述初筛日志进行处理,得到目标日志;
根据所述目标日志获取所述病历信息。
其中,所述界面编号是指能够唯一标识所述显示界面的识别码。
所述预设模板可以是结构化查询语句。
所述系统日志库中存储有所述预设系统中的相关处理日志。
通过从所述系统日志库中确定出所述初筛日志,能够避免所述查询语句对所述系统日志库中的所有日志进行分析,提高所述目标日志的确定效率,从而提高所述病历信息的获取效率。
识别单元112基于预设字典及预先训练好的实体识别模型识别所述病历信息,得到疾病实体及症状实体。
在本发明的至少一个实施例中,所述预设字典中包括多个预设词汇及每个词汇的分词权值。
所述实体识别模型是根据医疗样本训练生成的。
所述疾病实体是指所述病历信息中与疾病有关的实体信息。所述症状实体是指所述病历信息中与症状有关的实体信息。
在本发明的至少一个实施例中,所述识别单元112基于预设字典及预先训练好的实体识别模型识别所述病历信息,得到疾病实体及症状实体包括:
根据所述预设字典对所述病历信息进行分词处理,得到多个处理路径、每个处理路径的路径分词及每个路径分词的分词位置;
基于所述预设字典中的分词权值计算每个处理路径的路径权重;
根据每个处理路径中的分词对计算每个处理路径的路径可信度,所述分词对是根据所述分词位置相邻的任意两个路径分词生成的;
根据所述路径权重及所述路径可信度,从所述多个处理路径中筛选出目标路径,并将所述目标路径所对应的路径分词确定为信息分词;
根据所述信息分词在所述病历信息中的文本位置,从所述信息分词中获取第一疾病信息及第一症状信息;
获取所述实体识别模型的编码层、疾病识别层及症状识别层;
基于所述编码层对所述病历信息进行编码处理,得到信息编码;
基于所述疾病识别层分析所述信息编码,得到第二疾病信息,并基于所述症状识别层分析所述信息编码,得到第二症状信息;
将所述第一疾病信息及所述第二疾病信息确定为所述疾病实体,并将所述第一症状信息及所述第二症状信息确定为所述症状实体。
其中,所述预设字典中存储有多个自定义词汇及每个自定义词汇的词汇权值。
通过所述预设字典能够准确的生成所述多个处理路径,进而根据所述路径权重及所述路径可信度能够从所述多个处理路径中筛选出所述目标路径,提高所述目标路径的准确度,从而提高所述信息分词的切分准确性,进一步,结合所述实体识别模型能够全面的提取出所述病历信息中的所述疾病实体及所述症状实体。
具体地,所述识别单元112根据每个处理路径中的分词对计算每个处理路径的路径可信度包括:
计算每个处理路径中所述分词对的总量;
从每个所述分词对中获取第一分词及第二分词;
提取所述第一分词中的第一边界字,并提取所述第二分词的第二边界字;
拼接所述第一边界字及所述第二边界字,得到每个所述分词对的边界词;
基于所述边界词遍历所述预设字典,并统计每个处理路径中所述边界词与所述预设字典中的预设词汇匹配的数量作为目标数量;
计算所述目标数量在所述总量中的比值,得到所述路径可信度。
通过所述边界词与所述预设词汇的匹配关系,能够准确的生成每个处理路径的路径可信度,避免因所述第一边界字与所述第二边界字的组合关系影响所述信息分词的生成,从而提高所述信息分词的切分准确性。
具体地,所述识别单元112根据所述信息分词在所述病历信息中的文本位置从所述信息分词中获取第一疾病信息及第一症状信息包括:
将所述信息分词在所述病历信息中的位置定位为所述文本位置;
获取与所述文本位置关联的标签,得到关联标签;
将所述关联标签与疾病标签相同的信息分词确定为所述第一疾病信息,并将所述关联标签与症状标签相同的信息分词确定为所述第一症状信息。
筛选单元113根据所述疾病实体从预设知识图谱中筛选候选实体。
在本发明的至少一个实施例中,所述预设知识图谱中存储有多个疾病信息及每个疾病信息的别名实体的映射关系,所述多个疾病信息与每个疾病信息的症状信息的映射关系。
在本发明的至少一个实施例中,所述筛选单元113根据所述疾病实体从预设知识图谱中筛选候选实体包括:
从所述预设知识图谱中获取包含所述疾病实体的所有预设实体作为所述候选实体。
其中,所述预设实体是指任意疾病信息。
通过所述预设知识图谱,能够快速获取到与所述疾病实体所对应的候选实体,提高所述候选实体的筛选效率。
比较单元114根据所述候选实体的候选症状及所述症状实体,从所述候选实体中获取所述疾病实体的标准实体,并将所述标准实体与所述采集领域中的领域实体进行比较。
在本发明的至少一个实施例中,所述候选症状是指所述预设知识图谱中存储的与所述候选实体对应的症状信息。
所述标准实体是指所述疾病实体的标准化名称,例如,所述疾病实体为“头疼”,所述标准实体可以是“头痛”。
所述领域实体是根据所述采集领域生成的实体信息,例如,所述采集领域为发热,则所述领域实体可以包括发烧、发高烧。
在本发明的至少一个实施例中,所述比较单元114根据所述候选实体的候选症状及所述症状实体,从所述候选实体中获取所述疾病实体的标准实体包括:
从所述预设知识图谱中获取与所述候选实体及症状标签对应的信息作为所述候选症状;
计算每个所述候选症状与每个所述症状实体的实体相似度;
根据权值映射表获取所述实体相似度的相似度权值;
根据所述相似度权值对所述实体相似度进行加权和运算,得到所述候选实体与所述疾病实体的特征相似度;
将所述特征相似度最高的候选实体确定为所述标准实体。
其中,所述权值映射表是根据需求设定的。
通过所述权值映射表确定出所述实体相似度的相似度权值,能够避免所述特征相似度被平均化,从而能够提高所述特征相似度的准确性,进而提高了所述标准实体的准确性。
在本发明的至少一个实施例中,所述比较单元114将所述标准实体与所述采集领域中的领域实体进行比较包括:
将所述标准实体中每个实体字符与所述领域实体中每个实体字符进行对应比较。
若所述标准实体与所述领域实体不同,所述获取单元111从所述预设系统中获取所述待分析患者的处方信息。
在本发明的至少一个实施例中,所述处方信息是指医护人员基于所述待分析患者所开的处方。
在本发明的至少一个实施例中,所述获取单元111从所述预设系统中获取所述待分析患者的处方信息的方式与所述获取单元111从预设系统中获取待分析患者的病历信息的方式相似,本发明对此不再赘述。
在本发明的至少一个实施例中,若所述标准实体与所述领域实体相同,将所述待分析患者确定为所述采集领域的目标患者。
所述确定单元110识别所述处方信息,得到药品实体,并确定所述药品实体所属的药品类型。
在本发明的至少一个实施例中,所述药品实体是指所述处方信息中所包含的药品信息。
所述药品类型是指所述药品实体所对应的类型。
在本发明的至少一个实施例中,所述确定单元110识别所述处方信息,得到药品实体包括:
对所述处方信息进行编码信息,得到处方向量;
基于预先训练好的化学物质识别模型对所述处方向量进行识别,得到化学物质实体;
基于预先训练好的治疗物质识别模型对所述处方向量进行识别,得到治疗物质实体;
将所述化学物质实体与所述治疗物质实体的交集确定为所述药品实体。
其中,所述化学物质识别模型及所述质量物质识别模型可以基于神经网络模型训练生成,本发明对此不再赘述。
通过所述化学物质识别模型及所述治疗物质识别模型分别对所述处方向量进行分析,能够从多个方向维度上识别所述处方信息,提高所述药品实体的准确性。
若所述药品类型与所述采集领域中的领域类型不同,分析单元115从所述预设系统中获取所述待分析患者的检验结果,并分析所述检验结果,得到检验症状。
在本发明的至少一个实施例中,所述领域类型是指与所述采集领域所对应的类型,例如,所述领域类型可以是发热领域。
所述检验结果可以是医护人员对所述待分析患者的诊断结果。
所述检验症状是指所述检验结果中的实体信息。
在本发明的至少一个实施例中,所述分析单元115分析所述检验结果,得到检验症状包括:
从所述检验结果中提取与配置标签对应的信息作为初始信息;
对所述初始信息进行分词处理,得到初始分词;
分析所述初始分词在所述初始信息中的词性;
将所述词性为预设词性的初始分词确定为所述检验症状。
其中,所述配置标签用于指示症状信息。
所述预设词性通常设定为名词。
通过所述配置标签,能够减少词性的分析量,从而提高所述检验症状的提取效率。
在本发明的至少一个实施例中,若所述药品类型与所述领域类型相同,所述确定单元110将所述待分析患者确定为所述采集领域的目标患者。
若所述检验症状与所述采集领域中的领域症状相同,所述确定单元110将所述待分析患者确定为所述采集领域的目标患者。
在本发明的至少一个实施例中,所述领域症状是指与所述采集领域所对应的症状信息。
所述目标患者是指所述采集领域所对应的患者。
需要强调的是,为进一步保证上述目标患者的私密和安全性,上述目标患者还可以存储于一区块链的节点中。
在本发明的至少一个实施例中,所述获取单元111获取所述目标患者的识别码;
所述获取单元111根据所述识别码从区块链中获取患者信息;
生成单元116根据所述患者信息生成所述信息采集请求的反馈结果;
发送单元117发送所述反馈结果至所述信息采集请求的绑定终端。
其中,所述绑定终端是指触发所述信息采集请求生成的终端。
通过所述识别码能够从所述区块链中准确的获取到所述患者信息,进而能够准确的采集与所述采集领域有关的信息。
由以上技术方案可以看出,本发明通过所述预设字典及所述实体识别模型识别出所述病历信息中的实体,由于通过多种方式对所述实体进行识别,能够全面的获取到所述疾病实体及所述症状实体,从而能够避免信息遗漏,提高所述目标患者的全面性,进而根据所述症状实体对所述疾病实体进行分析,能够结合所述症状实体准确的确定出所述标准实体,从而提高所述目标患者的准确性,在所述标准实体与所述领域实体不同时,对所述处方信息进行分析,以及,在所述药品类型与所述采集领域中的领域类型不同时,对所述检测结果进行分析,能够提高所述采集领域的采集全面性。
如图3所示,是本发明实现信息采集方法的较佳实施例的电子设备的结构示意图。
在本发明的一个实施例中,所述电子设备1包括,但不限于,存储器12、处理器13,以及存储在所述存储器12中并可在所述处理器13上运行的计算机可读指令,例如信息采集程序。
本领域技术人员可以理解,所述示意图仅仅是电子设备1的示例,并不构成对电子设备1的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如所述电子设备1还可以包括输入输出设备、网络接入设备、总线等。
所述处理器13可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等,所述处理器13是所述电子设备1的运算核心和控制中心,利用各种接口和线路连接整个电子设备1的各个部分,及执行所述电子设备1的操作系统以及安装的各类应用程序、程序代码等。
示例性的,所述计算机可读指令可以被分割成一个或多个模块/单元,所述一个或者多个模块/单元被存储在所述存储器12中,并由所述处理器13执行,以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机可读指令段,该计算机可读指令段用于描述所述计算机可读指令在所述电子设备1中的执行过程。例如,所述计算机可读指令可以被分割成确定单元110、获取单元111、识别单元112、筛选单元113、比较单元114、分析单元115、生成单元116及发送单元117。
所述存储器12可用于存储所述计算机可读指令和/或模块,所述处理器13通过运行或执行存储在所述存储器12内的计算机可读指令和/或模块,以及调用存储在存储器12内的数据,实现所述电子设备1的各种功能。所述存储器12可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等;存储数据区可存储根据电子设备的使用所创建的数据等。存储器12可以包括非易失性和易失性存储器,例如:硬盘、内存、插接式硬盘,智能存储卡(SmartMedia Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他存储器件。
所述存储器12可以是电子设备1的外部存储器和/或内部存储器。进一步地,所述存储器12可以是具有实物形式的存储器,如内存条、TF卡(Trans-flash Card)等等。
所述电子设备1集成的模块/单元如果以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,本发明实现上述实施例方法中的全部或部分流程,也可以通过计算机可读指令来指令相关的硬件来完成,所述的计算机可读指令可存储于一计算机可读存储介质中,该计算机可读指令在被处理器执行时,可实现上述各个方法实施例的步骤。
其中,所述计算机可读指令包括计算机可读指令代码,所述计算机可读指令代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机可读指令代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)。
本发明所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain),本质上是一个去中心化的数据库,是一串使用密码学方法相关联产生的数据块,每一个数据块中包含了一批次网络交易的信息,用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
结合图1,所述电子设备1中的所述存储器12存储计算机可读指令实现一种信息采集方法,所述处理器13可执行所述计算机可读指令从而实现:
当接收到信息采集请求时,根据所述信息采集请求确定采集领域;
从预设系统中获取待分析患者的病历信息;
基于预设字典及预先训练好的实体识别模型识别所述病历信息,得到疾病实体及症状实体;
根据所述疾病实体从预设知识图谱中筛选候选实体;
根据所述候选实体的候选症状及所述症状实体,从所述候选实体中获取所述疾病实体的标准实体,并将所述标准实体与所述采集领域中的领域实体进行比较;
若所述标准实体与所述领域实体不同,从所述预设系统中获取所述待分析患者的处方信息;
识别所述处方信息,得到药品实体,并确定所述药品实体所属的药品类型;
若所述药品类型与所述采集领域中的领域类型不同,从所述预设系统中获取所述待分析患者的检验结果,并分析所述检验结果,得到检验症状;
若所述检验症状与所述采集领域中的领域症状相同,将所述待分析患者确定为所述采集领域的目标患者。
具体地,所述处理器13对上述计算机可读指令的具体实现方法可参考图1对应实施例中相关步骤的描述,在此不赘述。
在本发明所提供的几个实施例中,应该理解到,所揭露的系统,装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述模块的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式。
所述计算机可读存储介质上存储有计算机可读指令,其中,所述计算机可读指令被处理器13执行时用以实现以下步骤:
当接收到信息采集请求时,根据所述信息采集请求确定采集领域;
从预设系统中获取待分析患者的病历信息;
基于预设字典及预先训练好的实体识别模型识别所述病历信息,得到疾病实体及症状实体;
根据所述疾病实体从预设知识图谱中筛选候选实体;
根据所述候选实体的候选症状及所述症状实体,从所述候选实体中获取所述疾病实体的标准实体,并将所述标准实体与所述采集领域中的领域实体进行比较;
若所述标准实体与所述领域实体不同,从所述预设系统中获取所述待分析患者的处方信息;
识别所述处方信息,得到药品实体,并确定所述药品实体所属的药品类型;
若所述药品类型与所述采集领域中的领域类型不同,从所述预设系统中获取所述待分析患者的检验结果,并分析所述检验结果,得到检验症状;
若所述检验症状与所述采集领域中的领域症状相同,将所述待分析患者确定为所述采集领域的目标患者。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块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。
另外,在本发明各个实施例中的各功能模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能模块的形式实现。
因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本发明的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。
此外,显然“包括”一词不排除其他单元或步骤,单数不排除复数。所述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第一、第二等词语用来表示名称,而并不表示任何特定的顺序。
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限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或等同替换,而不脱离本发明技术方案的精神和范围。
Claims (10)
1.一种信息采集方法,其特征在于,所述信息采集方法包括:
当接收到信息采集请求时,根据所述信息采集请求确定采集领域;
从预设系统中获取待分析患者的病历信息;
基于预设字典及预先训练好的实体识别模型识别所述病历信息,得到疾病实体及症状实体;
根据所述疾病实体从预设知识图谱中筛选候选实体;
根据所述候选实体的候选症状及所述症状实体,从所述候选实体中获取所述疾病实体的标准实体,并将所述标准实体与所述采集领域中的领域实体进行比较;
若所述标准实体与所述领域实体不同,从所述预设系统中获取所述待分析患者的处方信息;
识别所述处方信息,得到药品实体,并确定所述药品实体所属的药品类型;
若所述药品类型与所述采集领域中的领域类型不同,从所述预设系统中获取所述待分析患者的检验结果,并分析所述检验结果,得到检验症状;
若所述检验症状与所述采集领域中的领域症状相同,将所述待分析患者确定为所述采集领域的目标患者。
2.如权利要求1所述的信息采集方法,其特征在于,所述根据所述信息采集请求确定采集领域包括:
解析所述信息采集请求的报文,得到所述报文携带的数据信息;
从所述数据信息中获取指示领域的信息作为领域标识;
从预设领域库中获取与所述领域标识对应的领域作为所述采集领域。
3.如权利要求1所述的信息采集方法,其特征在于,所述从预设系统中获取待分析患者的病历信息包括:
获取所述预设系统中显示界面的界面编号,并获取预设标签,所述预设标签指示诊断病历;
将所述界面编号及所述预设标签写入预设模板,得到查询语句;
确定所述信息采集请求的生成时刻;
从所述预设系统的系统日志库中获取日志时刻大于所述生成时刻的日志作为初筛日志;
基于所述查询语句对所述初筛日志进行处理,得到目标日志;
根据所述目标日志获取所述病历信息。
4.如权利要求1所述的信息采集方法,其特征在于,所述基于预设字典及预先训练好的实体识别模型识别所述病历信息,得到疾病实体及症状实体包括:
根据所述预设字典对所述病历信息进行分词处理,得到多个处理路径、每个处理路径的路径分词及每个路径分词的分词位置;
基于所述预设字典中的分词权值计算每个处理路径的路径权重;
根据每个处理路径中的分词对计算每个处理路径的路径可信度,所述分词对是根据所述分词位置相邻的任意两个路径分词生成的;
根据所述路径权重及所述路径可信度,从所述多个处理路径中筛选出目标路径,并将所述目标路径所对应的路径分词确定为信息分词;
根据所述信息分词在所述病历信息中的文本位置,从所述信息分词中获取第一疾病信息及第一症状信息;
获取所述实体识别模型的编码层、疾病识别层及症状识别层;
基于所述编码层对所述病历信息进行编码处理,得到信息编码;
基于所述疾病识别层分析所述信息编码,得到第二疾病信息,并基于所述症状识别层分析所述信息编码,得到第二症状信息;
将所述第一疾病信息及所述第二疾病信息确定为所述疾病实体,并将所述第一症状信息及所述第二症状信息确定为所述症状实体。
5.如权利要求4所述的信息采集方法,其特征在于,所述根据每个处理路径中的分词对计算每个处理路径的路径可信度包括:
计算每个处理路径中所述分词对的总量;
从每个所述分词对中获取第一分词及第二分词;
提取所述第一分词中的第一边界字,并提取所述第二分词的第二边界字;
拼接所述第一边界字及所述第二边界字,得到每个所述分词对的边界词;
基于所述边界词遍历所述预设字典,并统计每个处理路径中所述边界词与所述预设字典中的预设词汇匹配的数量作为目标数量;
计算所述目标数量在所述总量中的比值,得到所述路径可信度。
6.如权利要求1所述的信息采集方法,其特征在于,所述根据所述候选实体的候选症状及所述症状实体,从所述候选实体中获取所述疾病实体的标准实体包括:
从所述预设知识图谱中获取与所述候选实体及症状标签对应的信息作为所述候选症状;
计算每个所述候选症状与每个所述症状实体的实体相似度;
根据权值映射表获取所述实体相似度的相似度权值;
根据所述相似度权值对所述实体相似度进行加权和运算,得到所述候选实体与所述疾病实体的特征相似度;
将所述特征相似度最高的候选实体确定为所述标准实体。
7.如权利要求1所述的信息采集方法,其特征在于,所述识别所述处方信息,得到药品实体包括:
对所述处方信息进行编码信息,得到处方向量;
基于预先训练好的化学物质识别模型对所述处方向量进行识别,得到化学物质实体;
基于预先训练好的治疗物质识别模型对所述处方向量进行识别,得到治疗物质实体;
将所述化学物质实体与所述治疗物质实体的交集确定为所述药品实体。
8.一种信息采集装置,其特征在于,所述信息采集装置包括:
确定单元,用于当接收到信息采集请求时,根据所述信息采集请求确定采集领域;
获取单元,用于从预设系统中获取待分析患者的病历信息;
识别单元,用于基于预设字典及预先训练好的实体识别模型识别所述病历信息,得到疾病实体及症状实体;
筛选单元,用于根据所述疾病实体从预设知识图谱中筛选候选实体;
比较单元,用于根据所述候选实体的候选症状及所述症状实体,从所述候选实体中获取所述疾病实体的标准实体,并将所述标准实体与所述采集领域中的领域实体进行比较;
所述获取单元,还用于若所述标准实体与所述领域实体不同,从所述预设系统中获取所述待分析患者的处方信息;
所述确定单元,还用于识别所述处方信息,得到药品实体,并确定所述药品实体所属的药品类型;
分析单元,用于若所述药品类型与所述采集领域中的领域类型不同,从所述预设系统中获取所述待分析患者的检验结果,并分析所述检验结果,得到检验症状;
所述确定单元,还用于若所述检验症状与所述采集领域中的领域症状相同,将所述待分析患者确定为所述采集领域的目标患者。
9.一种电子设备,其特征在于,所述电子设备包括:
存储器,存储有计算机可读指令;及
处理器,执行所述存储器中存储的计算机可读指令以实现如权利要求1至7中任意一项所述的信息采集方法。
10.一种计算机可读存储介质,其特征在于:所述计算机可读存储介质中存储有计算机可读指令,所述计算机可读指令被电子设备中的处理器执行以实现如权利要求1至7中任意一项所述的信息采集方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110837752.3A CN113470775B (zh) | 2021-07-23 | 2021-07-23 | 信息采集方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110837752.3A CN113470775B (zh) | 2021-07-23 | 2021-07-23 | 信息采集方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113470775A true CN113470775A (zh) | 2021-10-01 |
CN113470775B CN113470775B (zh) | 2023-06-16 |
Family
ID=77882194
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110837752.3A Active CN113470775B (zh) | 2021-07-23 | 2021-07-23 | 信息采集方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113470775B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114743622A (zh) * | 2022-03-23 | 2022-07-12 | 医渡云(北京)技术有限公司 | 一种未知传染病的监测方法、装置、存储介质及电子设备 |
CN115394388A (zh) * | 2022-08-22 | 2022-11-25 | 山东水发紫光大数据有限责任公司 | 医疗大数据采集方法、装置、设备及存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107145744A (zh) * | 2017-05-08 | 2017-09-08 | 合肥工业大学 | 医学知识图谱的构建方法、装置及辅助诊断方法 |
CN109887596A (zh) * | 2019-02-18 | 2019-06-14 | 广州天鹏计算机科技有限公司 | 基于知识图谱的慢阻肺疾病诊断方法、装置和计算机设备 |
CN111949802A (zh) * | 2020-08-06 | 2020-11-17 | 平安科技(深圳)有限公司 | 医学领域知识图谱的构建方法、装置、设备及存储介质 |
CN112214613A (zh) * | 2020-10-15 | 2021-01-12 | 平安国际智慧城市科技股份有限公司 | 基于人工智能的用药推荐方法、装置、电子设备及介质 |
-
2021
- 2021-07-23 CN CN202110837752.3A patent/CN113470775B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107145744A (zh) * | 2017-05-08 | 2017-09-08 | 合肥工业大学 | 医学知识图谱的构建方法、装置及辅助诊断方法 |
CN109887596A (zh) * | 2019-02-18 | 2019-06-14 | 广州天鹏计算机科技有限公司 | 基于知识图谱的慢阻肺疾病诊断方法、装置和计算机设备 |
CN111949802A (zh) * | 2020-08-06 | 2020-11-17 | 平安科技(深圳)有限公司 | 医学领域知识图谱的构建方法、装置、设备及存储介质 |
CN112214613A (zh) * | 2020-10-15 | 2021-01-12 | 平安国际智慧城市科技股份有限公司 | 基于人工智能的用药推荐方法、装置、电子设备及介质 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114743622A (zh) * | 2022-03-23 | 2022-07-12 | 医渡云(北京)技术有限公司 | 一种未知传染病的监测方法、装置、存储介质及电子设备 |
CN115394388A (zh) * | 2022-08-22 | 2022-11-25 | 山东水发紫光大数据有限责任公司 | 医疗大数据采集方法、装置、设备及存储介质 |
CN115394388B (zh) * | 2022-08-22 | 2023-11-14 | 山东水发紫光大数据有限责任公司 | 医疗大数据采集方法、装置、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN113470775B (zh) | 2023-06-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111816301A (zh) | 医疗问诊辅助方法、装置、电子设备及介质 | |
US20150286783A1 (en) | Peer group discovery for anomaly detection | |
CN110910976A (zh) | 病历检测方法、装置、设备和存储介质 | |
CN111985241B (zh) | 医学信息查询方法、装置、电子设备及介质 | |
WO2021120688A1 (zh) | 医疗误诊检测方法、装置、电子设备及存储介质 | |
BR102012025159A2 (pt) | Mecanismo de treinamento biométrico e correspondências | |
CN113470775B (zh) | 信息采集方法、装置、设备及存储介质 | |
CN113707253B (zh) | 医疗方案推荐方法、装置、设备及介质 | |
WO2021151302A1 (zh) | 基于机器学习的药品质控分析方法、装置、设备及介质 | |
CN109545387A (zh) | 一种基于神经网络的异常病例识别方法及计算设备 | |
CN114510487A (zh) | 数据表合并方法、装置、设备及存储介质 | |
CN115222443A (zh) | 客户群体划分方法、装置、设备及存储介质 | |
CN111933241B (zh) | 医疗数据解析方法、装置、电子设备及存储介质 | |
CN112435745A (zh) | 就诊策略推荐方法、装置、电子设备及存储介质 | |
CN113707304A (zh) | 分诊数据处理方法、装置、设备及存储介质 | |
CN113269179A (zh) | 数据处理方法、装置、设备及存储介质 | |
CN114360732B (zh) | 医疗数据分析方法、装置、电子设备及存储介质 | |
CN113349792B (zh) | 基于多导联心电信号的分类方法、装置、设备及介质 | |
CN117672440A (zh) | 基于神经网络的电子病历文本信息抽取方法及系统 | |
CN114783557A (zh) | 肿瘤患者数据的处理方法和装置、存储介质及处理器 | |
CN113282218A (zh) | 多维报表生成方法、装置、设备及存储介质 | |
CN113724816A (zh) | 基于人工智能的医疗数据质检方法、装置、设备及介质 | |
CN113283677A (zh) | 指标数据处理方法、装置、设备及存储介质 | |
CN113240325A (zh) | 数据处理方法、装置、设备及存储介质 | |
CN111986762A (zh) | 异常医疗指标确定方法、装置、电子设备及存储介质 |
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 | ||
TA01 | Transfer of patent application right | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20221010 Address after: Room 2601 (Unit 07), Qianhai Free Trade Building, No. 3048, Xinghai Avenue, Nanshan Street, Qianhai Shenzhen-Hong Kong Cooperation Zone, Shenzhen, Guangdong 518000 Applicant after: Shenzhen Ping An Smart Healthcare Technology Co.,Ltd. Address before: 1-34 / F, Qianhai free trade building, 3048 Xinghai Avenue, Mawan, Qianhai Shenzhen Hong Kong cooperation zone, Shenzhen, Guangdong 518000 Applicant before: Ping An International Smart City Technology Co.,Ltd. |
|
GR01 | Patent grant | ||
GR01 | Patent grant |