CN113611434A - 一种辅助问诊系统及方法 - Google Patents
一种辅助问诊系统及方法 Download PDFInfo
- Publication number
- CN113611434A CN113611434A CN202110986687.0A CN202110986687A CN113611434A CN 113611434 A CN113611434 A CN 113611434A CN 202110986687 A CN202110986687 A CN 202110986687A CN 113611434 A CN113611434 A CN 113611434A
- Authority
- CN
- China
- Prior art keywords
- inquiry
- module
- item
- characteristic
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 21
- 238000011282 treatment Methods 0.000 claims abstract description 34
- 238000003745 diagnosis Methods 0.000 claims abstract description 32
- 238000002372 labelling Methods 0.000 claims abstract description 9
- 239000011159 matrix material Substances 0.000 claims description 13
- 238000004422 calculation algorithm Methods 0.000 claims description 10
- 238000007635 classification algorithm Methods 0.000 claims description 5
- 238000000605 extraction Methods 0.000 claims description 4
- 238000013210 evaluation model Methods 0.000 claims description 3
- 238000007477 logistic regression Methods 0.000 claims description 3
- 238000012544 monitoring process Methods 0.000 claims description 3
- 230000001915 proofreading effect Effects 0.000 claims description 2
- 238000012545 processing Methods 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 230000006698 induction Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000009897 systematic effect 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
- G16H80/00—ICT specially adapted for facilitating communication between medical practitioners or patients, e.g. for collaborative diagnosis, therapy or health monitoring
-
- 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
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Public Health (AREA)
- Biomedical Technology (AREA)
- Pathology (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明公开了一种辅助问诊系统及方法，包括病历问诊内容推送模块、问诊表单生成模块和问诊模块，其中，病历问诊内容推送模块，用于接收实时获取的患者历次诊疗数据，依据内嵌知识图谱及关联规则推送其中所需的特征项目，基于分类器对各特征进行组合并打标签，提供给问诊表单模块；问诊表单生成模块，用于根据标签类别根据各个特征生成问诊表单及问诊顺序；问诊模块，用于根据问诊顺序及对应的问诊表单进行问诊后，获取问诊记录，填入到问诊表单对应位置后，生成完整的问诊病历。这样，由于本发明实施例提供的系统可以对患者历次诊疗数据进行分析，并获取其中的与问诊相关的特征及对该问诊相关的特征进行类别分类及问诊顺序确定，实现统一问诊及问诊记录的统一填写，这是对病历数据的统一处理后得到问诊病历，提高了问诊的完整度，降低了问诊的遗漏率。
Description
技术领域
本发明涉及计算机技术领域，特别涉及一种辅助问诊系统及方法。
背景技术
医疗病历是患者的疾病发生、发展、诊断、治疗情况的系统记录，是临床医师根据诊疗全流程资料进过归纳、分析、整理书写而成的珍贵档案资料。医疗病历不但可以真实反馈患者病情，也直接反应医院医疗质量、学术水平及管理水平，不但为医疗、教学、科研提供极其宝贵的基础资料，而且也为医院管理提供不可缺少的医疗信息，更进一步也是涉及医疗争议和保险付费的重要依据。
医疗病历的书写占据了低年资医师大量的工作时间，根据某医疗网站的专项调查，有50%以上的住院医师平均每天用于写病历的时间达四个小时以上，甚至有一部分超过7小时，按照工作时间8小时计算，如此繁重的任务也是导致医疗病历书写质量不高的原因之一。
随着计算机技术在医疗领域的应用，传统的手工编写医疗病历的方式逐渐被采用计算机编写医疗病历的方式取代。目前，采用计算机编写医疗病历的方式为：在计算机中存储与医疗病历相关的数据或信息，当要编写医疗病历时，编写人员调取所存储的医疗病历系相关的数据或信息，并填写本次加入的医疗数据，最终形成一份完整的医疗电子病历。
计算机提供的医疗电子病历通常是通用模板，此类模板在一定程度上，不能满足对于患者既往病情的填写需求，也无法给经验尚浅的医师提供问诊辅助或问诊指导，同时也无法对患者描述病情的真实性与前后符合度进行判断。由此极易造成问诊过程不够详细而导致的某些重点项目遗漏，或造成问诊前后不一致或与真实情况不符等导致的问诊完整性不强及准确性不高的情况。
发明内容
有鉴于此，本发明实施例提供一种辅助问诊系统，该系统能够提高问诊的完整度，降低问诊的遗漏率。
本发明实施例还提供一种辅助问诊方法，该方法能够提高问诊的完整度，降低问诊的遗漏率。
本发明实施例是这样实现的：
一种辅助问诊系统，包括：接收模块、病历问诊内容推送模块、问诊表单生成模块及问诊模块，其中，
接收模块，用于实时获取患者历次诊疗数据，发送给病历问诊内容推送模块；
病历问诊内容推送模块，用于接收实时获取的患者历次诊疗数据，依据内嵌知识图谱及关联规则推送其中所需的特征项目，基于分类器对其中的各特征进行组合并打标签，提供给问诊表单模块；
问诊表单生成模块，用于根据标签类别根据各特征生成问诊表单及问诊顺序；
问诊模块，用于根据问诊顺序及对应的问诊表单进行问诊后，获取问诊记录，填入到问诊表单对应位置后，生成完整的问诊病历。
较佳地，所述接收模块设置在医疗系统的终端侧。
较佳地，所述病历问诊内容推送模块，还用于得到的每份问诊表单后还进行问诊完整性评分，当评分达到设定的完整性阈值时，则继续下一个问诊表单的完整性判断，直到问诊结束。
较佳地，所述病历问诊内容推送模块，包括：
特征项提取单元，用于基于患者历次诊疗数据，获取患者问诊过程中各个问诊项目是否发生情况，建立问诊项目是否发生的稀疏矩阵P，并对各个问诊项目提取特征值；
特征项分类单元，用于基于分类算法，判断各个特征项目间聚焦间距，对各特征进行类别划分；
问诊模板生成单元，用于生成问诊模板；
关联规则建立与知识图谱生成单元，用于基于患者历次诊疗数据，利用关联规则算法识别满足设置的最小支持度阈值S的项集，基于该项集创建M个关联规则，获取每个关联规则对应的性能指标，对M个关联规则进行标识，建立信息表M1用于存储每个关联规则项集中各特征项的i、j坐标及关联规则，建立信息表M2用于存储每个关联规则的三项性能指标数值，生成知识图谱；
问诊特征项推送单元，用于针对新增问诊患者，推送问诊模板，包括k个模板的集成项，及在基础特征项问诊结束后，基于关联规则进行特异项问诊特征推送；
所述问诊表单生成模块还包括：
完整性监控单元，用于基于稀疏矩阵P采用多元逻辑回归算法建立完整性评价模型，针对问诊患者的问诊结果进行完整度评价，并基于评分结果进行判断，若评分大于设置的阈值则生成问诊记录，如果评分小于设定的阈值提示未填写内容，直到评分结果大于设定的阈值。
较佳地，所述特征项分类单元，还用于分类算法采用临近算法KNN，类别分类个数设定为k，根据类别分类结果生成XiYj的标签矩阵，其中Xi代表分类项目类别，i取值在（0,K]， Yj代表每个类别项目下的特征项，j取值在（0,N]；分类结果设定两轮校对，分类项目类别Xi包括但不限于患者伴随类、并发症类及主要诊断类。
较佳地，所述问诊模板生成单元，用于生成问诊模板为：问诊模板个数与分类个数k相同，问诊模板设定问诊内容与此分类下包含的特征项一致，包括基于分类结果XiYj分别生成与Xi逐一对应的K个模板，其中各个问诊模板由基础项和特异项构成，基于稀疏矩阵P建立XiYj中各特征频次表，并将发生率大于设定阈值q的特征项设为基础项，其他特征项设定为特异项。
较佳地，所述接收模块中的患者历次诊疗数据实时更新，病历问诊内容推送模块中的内嵌知识图谱及关联规则实时更新，分类器进行更新。
一种辅助问诊方法，该方法包括：
实时获取患者历次诊疗数据；
根据实时获取的患者历次诊疗数据，依据内嵌知识图谱及关联规则推送其中所需的特征项目，基于分类器对其中的各特征进行组合并打标签；
根据标签类别根据各特征生成问诊表单及问诊顺序；
根据问诊顺序及对应的问诊表单进行问诊后，获取问诊记录，填入到问诊表单对应位置后，生成完整的问诊病历。
较佳地，所述得到的每份问诊表单后还进行问诊完整性评分，当评分达到设定的完整性阈值时，则继续下一个问诊表单的完整性判断，直到问诊结束。
较佳地，所述获取的患者历次诊疗数据实时更新，所述分类器进行实时更新。
如上可见，本发明实施例设置辅助问诊系统，该系统包括病历问诊内容推送模块、问诊表单生成模块和问诊模块，其中，病历问诊内容推送模块，用于接收实时获取的患者历次诊疗数据，依据内嵌知识图谱及关联规则推送其中所需的特征项目，基于分类器对各特征进行组合并打标签，提供给问诊表单模块；问诊表单生成模块，用于根据标签类别根据各个特征生成问诊表单及问诊顺序；问诊模块，用于根据问诊顺序及对应的问诊表单进行问诊后，获取问诊记录，填入到问诊表单对应位置后，生成完整的问诊病历。这样，由于本发明实施例提供的系统可以对患者历次诊疗数据进行分析，并获取其中的与问诊相关的特征及对该问诊相关的特征进行类别分类及问诊顺序确定，实现统一问诊及问诊记录的统一填写，这是对病历数据的统一处理后得到问诊病历，提高了问诊的完整度，降低了问诊的遗漏率。
附图说明
图1为本发明实施例提供的一种辅助问诊系统结构示意图。
图2为本发明实施例提供的一种辅助问诊方法流程图。
具体实施方式
为使本发明的目的、技术方案及优点更加清楚明白，以下参照附图并举实施例，对本发明进一步详细说明。
为了对病历数据的统一处理后得到问诊病历，获得问诊的统一结果，从而提高问诊的完整度，降低问诊的遗漏率，本发明实施例提供病历辅助系统系统，该系统包括病历问诊内容推送模块、问诊表单生成模块和问诊模块，其中，病历问诊内容推送模块，用于接收实时获取的患者历次诊疗数据，依据内嵌知识图谱及关联规则推送其中所需的特征项目，基于分类器对各特征进行组合并打标签，提供给问诊表单模块；问诊表单生成模块，用于根据标签类别根据各个特征生成问诊表单及问诊顺序；问诊模块，用于根据问诊顺序及对应的问诊表单进行问诊后，获取问诊记录，填入到问诊表单对应位置后，生成完整的问诊病历。这样，由于本发明实施例提供的系统可以对患者历次诊疗数据进行分析，并获取其中的与问诊相关的特征及对该问诊相关的特征进行类别分类及问诊顺序确定，实现统一问诊及问诊记录的统一填写。
更进一步地，得到的每份问诊表单后在进行问诊之前还进行问诊完整性评分，当评分达到设定的完整性阈值时，则继续下一个问诊表单的完整性判断，直到问诊结束。
图1为本发明实施例提供的一种辅助问诊系统结构示意图，该系统包括：接收模块、病历问诊内容推送模块、问诊表单生成模块及问诊模块，其中，
接收模块，用于实时获取患者历次诊疗数据，发送给病历问诊内容推送模块；
病历问诊内容推送模块，用于接收实时获取的患者历次诊疗数据，依据内嵌知识图谱及关联规则推送其中所需的特征项目，基于分类器对其中的各特征进行组合并打标签，提供给问诊表单模块；
问诊表单生成模块，用于根据标签类别根据各特征生成问诊表单及问诊顺序；
问诊模块，用于根据问诊顺序及对应的问诊表单进行问诊后，获取问诊记录，填入到问诊表单对应位置后，生成完整的问诊病历。
在该系统中，接收模块可以设置在终端侧，比如设置在手持终端上或计算机等终端设备，可实时获取患者历次既往诊疗所有数据。
在该系统中，病历问诊内容推送模块，还用于得到的每份问诊表单后还进行问诊完整性评分，当评分达到设定的完整性阈值时，则继续下一个问诊表单的完整性判断，直到问诊结束。
在该系统中，病历问诊内容推送模块，具体包括：特征项提取单元、特征项分类单元、问诊模板生成单元、关联规则建立与知识图谱生成单元及问诊特征项推送单元，其中，
特征项提取单元，用于基于患者历次诊疗数据，获取患者问诊过程中各个问诊项目是否发生情况，建立问诊项目是否发生的稀疏矩阵P，并对各个问诊项目提取特征值。
特征项分类单元，用于基于分类算法，判断各个特征项目间聚焦间距，对各特征进行类别划分；具体的说，分类算法可以采用临近算法（KNN），类别分类个数基于综合数据平衡所需及临床经验设定为k，根据类别分类结果生成XiYj的标签矩阵，其中Xi代表分类项目类别，i取值在（0,K]， Yj代表每个类别项目下的特征项，j取值在（0,N]。分类结果基于设置的临床指南及医生经验可以设定两轮校对，分类项目类别Xi包括但不限于患者伴随类、并发症类及主要诊断类等。
问诊模板生成单元，用于生成问诊模板，具体地说，问诊模板个数与分类个数k相同，问诊模板设定问诊内容与此分类下包含的特征项一致，即基于分类结果XiYj分别生成与Xi逐一对应的K个模板。各个问诊模板由基础项和特异项构成。基于稀疏矩阵P建立XiYj中各特征频次表，并将发生率大于设定阈值q的特征项设为基础项，其他特征项设定为特异项。
关联规则建立与知识图谱生成单元，用于基于患者历次诊疗数据，即设置的稀疏矩阵P利用关联规则算法识别满足设置的最小支持度阈值S的项集即特征项集合，基于此项集创建M个关联规则，获取每个关联规则对应的性能指标，包括支持度s、置信度c与提升度l，对M个关联规则进行标号，建立信息表M1用于存储每个关联规则项集中各特征项的i、j坐标及关联规则，建立信息表M2用于存储每个关联规则的三项性能指标数值，基于此关联规则与医生经验生成知识图谱。
问诊特征项推送单元，用于针对新增问诊患者，首先推送k个模板的集成项，在基础特征项问诊结束后，基于关联规则进行特异项问诊特征推送，推送顺序可按照规定方式推送，如按照置信度c降序推送。
所述问诊表单生成模块还包括：完整性监控单元，用于基于稀疏矩阵P采用多元逻辑回归算法建立完整性评价模型，针对新增问诊患者的问诊结果进行完整度评价，并基于评分结果进行判断，若评分大于设置的阈值则生成问诊记录，如果评分小于设定的阈值提示未填写内容，直到评分结果大于设定的阈值。
在本发明实施例中，接收模块中的患者历次诊疗数据可以实时更新，病历问诊内容推送模块中的内嵌知识图谱及关联规则可以实时更新，分类器可以进行更新。在更新时，患者历次诊疗数据在存储的数据库更新频率为F1，可以设置为每日，病历问诊内容推送模块中的内知识图谱及关联规则，及分类器可以设定频率为F2，比如设置为每月。针对的更新对象具体是：对新增特征项模板分类问题，利用KNN算法对其进行分类；其次对新增特征项的出现时期内的数据，更新关联规则。
图2为本发明实施例提供的一种辅助问诊方法流程图，其具体步骤为：
步骤201、实时获取患者历次诊疗数据；
步骤202、根据实时获取的患者历次诊疗数据，依据内嵌知识图谱及关联规则推送其中所需的特征项目，基于分类器对其中的各特征进行组合并打标签；
步骤203、根据标签类别根据各特征生成问诊表单及问诊顺序；
步骤204、根据问诊顺序及对应的问诊表单进行问诊后，获取问诊记录，填入到问诊表单对应位置后，生成完整的问诊病历。
在该方法中的步骤201，实时获取患者历次诊疗数据设置在终端侧。
在该方法中，所述得到的每份问诊表单后还进行问诊完整性评分，当评分达到设定的完整性阈值时，则继续下一个问诊表单的完整性判断，直到问诊结束。
在该方法中，所述获取的患者历次诊疗数据实时更新，所述分类器进行实时更新。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明保护的范围之内。
Claims (10)
1.一种辅助问诊系统，其特征在于，包括：接收模块、病历问诊内容推送模块、问诊表单生成模块及问诊模块，其中，
接收模块，用于实时获取患者历次诊疗数据，发送给病历问诊内容推送模块；
病历问诊内容推送模块，用于接收实时获取的患者历次诊疗数据，依据内嵌知识图谱及关联规则推送其中所需的特征项目，基于分类器对其中的各特征进行组合并打标签，提供给问诊表单模块；
问诊表单生成模块，用于根据标签类别根据各特征生成问诊表单及问诊顺序；
问诊模块，用于根据问诊顺序及对应的问诊表单进行问诊后，获取问诊记录，填入到问诊表单对应位置后，生成完整的问诊病历。
2.如权利要求1所述的系统，其特征在于，所述接收模块设置在医疗系统的终端侧。
3.如权利要求1所述的系统，其特征在于，所述病历问诊内容推送模块，还用于得到的每份问诊表单后还进行问诊完整性评分，当评分达到设定的完整性阈值时，则继续下一个问诊表单的完整性判断，直到问诊结束。
4.如权利要求1所述的系统，其特征在于，所述病历问诊内容推送模块，包括：
特征项提取单元，用于基于患者历次诊疗数据，获取患者问诊过程中各个问诊项目是否发生情况，建立问诊项目是否发生的稀疏矩阵P，并对各个问诊项目提取特征值；
特征项分类单元，用于基于分类算法，判断各个特征项目间聚焦间距，对各特征进行类别划分；
问诊模板生成单元，用于生成问诊模板；
关联规则建立与知识图谱生成单元，用于基于患者历次诊疗数据，利用关联规则算法识别满足设置的最小支持度阈值S的项集，基于该项集创建M个关联规则，获取每个关联规则对应的性能指标，对M个关联规则进行标识，建立信息表M1用于存储每个关联规则项集中各特征项的i、j坐标及关联规则，建立信息表M2用于存储每个关联规则的三项性能指标数值，生成知识图谱；
问诊特征项推送单元，用于针对新增问诊患者，推送问诊模板，包括k个模板的集成项，及在基础特征项问诊结束后，基于关联规则进行特异项问诊特征推送；
所述问诊表单生成模块还包括：
完整性监控单元，用于基于稀疏矩阵P采用多元逻辑回归算法建立完整性评价模型，针对问诊患者的问诊结果进行完整度评价，并基于评分结果进行判断，若评分大于设置的阈值则生成问诊记录，如果评分小于设定的阈值提示未填写内容，直到评分结果大于设定的阈值。
5.如权利要求4所述的系统，其特征在于，所述特征项分类单元，还用于分类算法采用临近算法KNN，类别分类个数设定为k，根据类别分类结果生成XiYj的标签矩阵，其中Xi代表分类项目类别，i取值在（0,K]， Yj代表每个类别项目下的特征项，j取值在（0,N]；分类结果设定两轮校对，分类项目类别Xi包括但不限于患者伴随类、并发症类及主要诊断类。
6.如权利要求4所述的系统，其特征在于，所述问诊模板生成单元，用于生成问诊模板为：问诊模板个数与分类个数k相同，问诊模板设定问诊内容与此分类下包含的特征项一致，包括基于分类结果XiYj分别生成与Xi逐一对应的K个模板，其中各个问诊模板由基础项和特异项构成，基于稀疏矩阵P建立XiYj中各特征频次表，并将发生率大于设定阈值q的特征项设为基础项，其他特征项设定为特异项。
7.如权利要求1所述的系统，其特征在于，所述接收模块中的患者历次诊疗数据实时更新，病历问诊内容推送模块中的内嵌知识图谱及关联规则实时更新，分类器进行更新。
8.一种辅助问诊方法，其特征在于，该方法包括：
实时获取患者历次诊疗数据；
根据实时获取的患者历次诊疗数据，依据内嵌知识图谱及关联规则推送其中所需的特征项目，基于分类器对其中的各特征进行组合并打标签；
根据标签类别根据各特征生成问诊表单及问诊顺序；
根据问诊顺序及对应的问诊表单进行问诊后，获取问诊记录，填入到问诊表单对应位置后，生成完整的问诊病历。
9.如权利要求8所述的方法，其特征在于，所述得到的每份问诊表单后还进行问诊完整性评分，当评分达到设定的完整性阈值时，则继续下一个问诊表单的完整性判断，直到问诊结束。
10.如权利要求8所述的方法，其特征在于，所述获取的患者历次诊疗数据实时更新，所述分类器进行实时更新。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110986687.0A CN113611434A (zh) | 2021-08-26 | 2021-08-26 | 一种辅助问诊系统及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110986687.0A CN113611434A (zh) | 2021-08-26 | 2021-08-26 | 一种辅助问诊系统及方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113611434A true CN113611434A (zh) | 2021-11-05 |
Family
ID=78342099
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110986687.0A Pending CN113611434A (zh) | 2021-08-26 | 2021-08-26 | 一种辅助问诊系统及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113611434A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114300160A (zh) * | 2021-11-16 | 2022-04-08 | 北京左医科技有限公司 | 问诊对话方法及系统 |
-
2021
- 2021-08-26 CN CN202110986687.0A patent/CN113611434A/zh active Pending
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114300160A (zh) * | 2021-11-16 | 2022-04-08 | 北京左医科技有限公司 | 问诊对话方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP2022526242A (ja) | テキストドキュメントのアノテーションのための方法、装置、およびシステム | |
| CN111414393A (zh) | 一种基于医学知识图谱的语义相似病例检索方法及设备 | |
| CN108959566B (zh) | 一种基于Stacking集成学习的医疗文本去隐私方法和系统 | |
| CN113724848A (zh) | 基于人工智能的医疗资源推荐方法、装置、服务器及介质 | |
| CN111813905B (zh) | 语料生成方法、装置、计算机设备及存储介质 | |
| CN110610751A (zh) | 一种电子病历录入系统及方法 | |
| CN112349369A (zh) | 医疗影像大数据智能分析方法、系统及存储介质 | |
| CN113111162A (zh) | 科室推荐方法、装置、电子设备及存储介质 | |
| CN110019410A (zh) | 针对中医药临床案例信息的大数据挖掘系统 | |
| WO2020048952A1 (en) | Method of classifying medical records | |
| CN110164519B (zh) | 一种基于众智网络的用于处理电子病历混合数据的分类方法 | |
| CN116089581A (zh) | 一种基于知识图谱的智能问答方法 | |
| CN110752027B (zh) | 电子病历数据推送方法、装置、计算机设备和存储介质 | |
| CN115995281A (zh) | 一种基于数据治理的专病数据库的数据检索方法及装置 | |
| CN113611434A (zh) | 一种辅助问诊系统及方法 | |
| CN117409922A (zh) | 一种用于临床辅助决策的循证方法 | |
| US20230359932A1 (en) | Classification process systems and methods | |
| CN116343980A (zh) | 一种基于智慧医疗复诊随访数据处理方法及系统 | |
| CN116719840A (zh) | 一种基于病历后结构化处理的医疗信息推送方法 | |
| CN113590845B (zh) | 基于知识图谱的文献检索方法、装置、电子设备及介质 | |
| CN110010211A (zh) | 一种动态量表配置系统和方法 | |
| EP3654339A1 (en) | Method of classifying medical records | |
| Branescu et al. | Solutions for medical databases optimal exploitation | |
| US20240177818A1 (en) | Methods and systems for summarizing densely annotated medical reports | |
| CN117438079B (zh) | 循证知识抽提及辅助临床决策的方法及介质 |
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 |