CN113689924A - 相似病历检索方法、装置、电子设备及可读存储介质 - Google Patents
相似病历检索方法、装置、电子设备及可读存储介质 Download PDFInfo
- Publication number
- CN113689924A CN113689924A CN202110972790.XA CN202110972790A CN113689924A CN 113689924 A CN113689924 A CN 113689924A CN 202110972790 A CN202110972790 A CN 202110972790A CN 113689924 A CN113689924 A CN 113689924A
- Authority
- CN
- China
- Prior art keywords
- data
- medical record
- similarity
- retrieved
- visit
- 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
- 238000000034 method Methods 0.000 title claims abstract description 42
- 201000010099 disease Diseases 0.000 claims abstract description 105
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims abstract description 105
- 239000003814 drug Substances 0.000 claims description 83
- 229940079593 drug Drugs 0.000 claims description 37
- 239000011159 matrix material Substances 0.000 claims description 34
- 238000004364 calculation method Methods 0.000 claims description 21
- 230000011218 segmentation Effects 0.000 claims description 19
- 238000004590 computer program Methods 0.000 claims description 16
- 238000003745 diagnosis Methods 0.000 claims description 16
- 238000007689 inspection Methods 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 abstract description 5
- 238000004891 communication Methods 0.000 description 9
- 230000006870 function Effects 0.000 description 8
- 206010020772 Hypertension Diseases 0.000 description 5
- 238000007726 management method Methods 0.000 description 5
- 238000013473 artificial intelligence Methods 0.000 description 4
- 239000008280 blood Substances 0.000 description 4
- 210000004369 blood Anatomy 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000010276 construction Methods 0.000 description 3
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 2
- 230000036772 blood pressure Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 208000019622 heart disease Diseases 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 229910052760 oxygen Inorganic materials 0.000 description 2
- 239000001301 oxygen Substances 0.000 description 2
- 239000006187 pill Substances 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 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
- 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
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- 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
- G06F40/279—Recognition of textual entities
- G06F40/289—Phrasal analysis, e.g. finite state techniques or chunking
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/30—Semantic analysis
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Physics & Mathematics (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Primary Health Care (AREA)
- Public Health (AREA)
- Medical Informatics (AREA)
- Epidemiology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明涉及数字医疗技术,揭露一种相似病历检索方法,包括:获取待检索病历数据与病历数据集,分别计算待检索病历数据与病历数据集中每个病历数据的病例文本相似度、就诊相似度、处方相似度、疾病相似度,综合计算得到的待检索病历数据与病历数据集中每个病历数据的病例文本相似度、就诊相似度、处方相似度、疾病相似度,得到待检索病历数据与病历数据的病历相似度,根据病例相似度对病历数据集进行相似病历进行检索,得到检索结果,本发明还涉及一种区块链技术,所述待检索病历数据可以存储在区块链节点中。本发明还提出一种相似病历检索装置、设备以及介质。本发明可以提高相似病历检索的准确率。
Description
技术领域
本发明涉及数字医疗技术,尤其涉及一种相似病历检索方法、装置、电子设备及可读存储介质。
背景技术
随着数字医疗技术的兴起,目前通过相似病例检索,为小医院、基层医疗工作者推荐与当前患者非常相似的专家医生的“成功案例”,为医生下达医嘱提供更多的参考依据和指导思路,节省了诊疗时间,提高了诊疗质量和效率。
但是现有的相似病例检索方法仅仅通过相似关键字或者相似文本进行检索匹配,病例匹配维度较少,相似病例检索的准确率较低。
发明内容
本发明提供一种相似病历检索方法、装置、电子设备及计算机可读存储介质,其主要目的在于提高相似病历检索的准确率。
为实现上述目的,本发明提供的一种相似病历检索方法,包括:
获取待检索病例数据,其中,所述待检索病例数据包括:待检索病历文本数据、待检索就诊数据、待检索疾病数据及待检索处方数据;
获取病历数据集,其中,所述病历数据集中的每个病历数据包含:病历文本数据、就诊数据、疾病数据及处方数据;
计算所述待检索病历文本数据与每个所述病历文本数据的文本语义相似度,得到病历文本相似度;
计算所述待检索就诊数据与每个所述就诊数据的数值相似度,得到就诊相似度;
计算所述待检索处方数据与每个所述处方数据的药品相似度,得到处方相似度;
计算所述待检索疾病数据与每个所述疾病数据的疾病名称相似度,得到疾病相似度;
根据所述病历文本相似度、所述就诊相似度、所述处方相似度及所述疾病相似度进行加权计算,得到所述病历数据集中每个病历数据与所述待检索病历数据的目标相似度;
根据所述目标相似度对所述病历数据集中的病历数据进行检索,得到检索结果。
可选地,所述计算所述待检索病历文本数据与每个所述病历文本数据的文本语义相似度,得到病历文本相似度,包括:
将所述待检索病历文本数据向量化,得到待检索病历文本向量;
将所述病例文本数据向量化,得到病历文本向量;
计算所述待检索病历文本矩阵与所述病历文本矩阵的向量距离,得到所述病历文本相似度。
可选地,所述将所述待检索病历文本数据向量化,得到待检索病历文本向量,包括:
所述待检索病历文本数据进行分词处理,得到多个待检索病历文本分词;
将所述待检索病历文本分词转化为向量,得到待检索病历文本分词向量;
将每个所述待检索病历文本分词向量按照对应的待检索病历文本分词在所述待检索病历文本数据中的先后顺序进行组合,得到待检索病历文本向量。
可选地,所述计算所述待检索就诊数据与每个所述就诊数据的数值相似度,得到就诊相似度,包括:
判断所述待检索就诊数据中包含的就诊记录的次数与所述就诊数据中包含的就诊记录的次数是否相等且都为1;
当所述待检索就诊数据中包含的就诊记录的次数与所述就诊数据中包含的就诊记录的次数相等且都为1,将所述待检索就诊数据中的就诊指标数值按照预设的就诊指标顺序组合为向量,得到待检索检查向量;
将所述就诊数据中就诊指标数值按照预设的就诊指标顺序组合为向量,得到检查向量;
计算所述待检索检查向量与所述检查向量的向量距离,得到所述就诊相似度;
当所述待检索就诊数据中包含的就诊记录的次数与所述就诊数据中包含的就诊记录的次数不相等或不都为1,获取所述待检索就诊数据中每一类预设就诊指标对应的的就诊指标数值及就诊日期作为坐标点构建曲线,得到待检索就诊数值曲线;
获取所述就诊数据中每一类预设就诊指标对应的就诊指标数值及就诊日期作为坐标点构建曲线,得到就诊数值曲线;
计算相同类别就诊指标对应的待检索就诊曲线与所述就诊数值曲线的曲线相似度,得到初始就诊相似度。
根据所有所述初始就诊相似度进行计算,得到所述就诊相似度。
可选地,所述计算所述待检索处方数据与每个所述处方数据的药品相似度,得到处方相似度,包括:
计算所述待检索处方数据中每个药品与所述处方数据中每个药品在预设的药品层级结构树中的节点距离,得到药品节点距离;
根据所述药品节点距离计算对应的药品相似度,得到药品相似度;
根据所述待检索处方数据中药品的数量及所述处方数据中药品的数量构建空白矩阵;
将每个所述药品相似度确定为所述空白矩阵的元素,得到药品相似矩阵;
根据所述药品相似矩阵每列的最大值进行计算,得到所述处方相似度。
可选地,所述根据所述待检索处方数据中药品的数量及所述处方数据中药品的数量构建空白矩阵,包括:
将所述待检索处方数据中的药品数量作为行维度;
将所述处方数据中药品的数量作为列维度;
根据所述行维度及所述列维度构建空白矩阵。
可选地,所述根据所述目标相似度对所述病历数据集中的病历数据进行检索,得到检索结果,包括:
选取所有所述目标相似度中的最大值,得到最大目标相似度;
判断所述最大目标相似度是否大于预设相似度阈值;
当所述最大目标相似度大于所述相似度阈值,则选取所述病历数据集中所述目标相似大于所述相似度阈值的病历数据,确定为相似病历数据;
当所述最大相似度不小于所述相似度阈值,则选取所述病历数据集中所述最大目标相似度对应的病历数据,确定为相似病历数据。
为了解决上述问题,本发明还提供一种相似病历检索装置,所述装置包括:
数据获取模块,用于获取待检索病例数据,其中,所述待检索病例数据包括:待检索病历文本数据、待检索就诊数据、待检索疾病数据及待检索处方数据;获取病历数据集,其中,所述病历数据集中的每个病历数据包含:病历文本数据、就诊数据、疾病数据及处方数据;
数据相似度计算模块,用于计算所述待检索病历文本数据与每个所述病历文本数据的文本语义相似度,得到病历文本相似度;计算所述待检索就诊数据与每个所述就诊数据的数值相似度,得到就诊相似度;计算所述待检索处方数据与每个所述处方数据的药品相似度,得到处方相似度;计算所述待检索疾病数据与每个所述疾病数据的疾病名称相似度,得到疾病相似度;根据所述病历文本相似度、所述就诊相似度、所述处方相似度及所述疾病相似度进行加权计算,得到所述病历数据集中每个病历数据与所述待检索病历数据的目标相似度;
相似病历检索模块,用于根据所述目标相似度对所述病历数据集中的病历数据进行检索,得到检索结果。
为了解决上述问题,本发明还提供一种电子设备,所述电子设备包括:
存储器,存储至少一个计算机程序;及
处理器,执行所述存储器中存储的计算机程序以实现上述所述的相似病历检索方法。
为了解决上述问题,本发明还提供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至少一个计算机程序,所述至少一个计算机程序被电子设备中的处理器执行以实现上述所述的相似病历检索方法。
本发明实施例根据所述病历文本相似度、所述就诊相似度、所述处方相似度及所述疾病相似度进行加权计算,得到所述病历数据集中每个病历数据与所述待检索病历数据的目标相似度,将病历的不同类型的数据分别进行相似度计算,相似度计算更准确,综合所有类型数据的相似度计算结果检索相似病历,检索匹配的维度更多,检索准确率更高,因此本发明实施例提出的相似病历检索方法、装置、电子设备及可读存储介质提高了相似病历检索的准确率。
附图说明
图1为本发明一实施例提供的相似病历检索方法的流程示意图;
图2为本发明一实施例提供的相似病历检索装置的模块示意图;
图3为本发明一实施例提供的实现相似病历检索方法的电子设备的内部结构示意图;
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
本发明实施例提供一种相似病历检索方法。所述相似病历检索方法的执行主体包括但不限于服务端、终端等能够被配置为执行本申请实施例提供的该方法的电子设备中的至少一种。换言之,所述相似病历检索方法可以由安装在终端设备或服务端设备的软件或硬件来执行,所述软件可以是区块链平台。所述服务端包括但不限于:单台服务器、服务器集群、云端服务器或云端服务器集群等,服务器可以是独立的服务器,也可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(Content Delivery Network,CDN)、以及大数据和人工智能平台等基础云计算服务的云服务器。
参照图1所示的本发明一实施例提供的相似病历检索方法的流程示意图,在本发明实施例中,所述相似病历检索方法包括:
S1、获取待检索病例数据,其中,所述待检索病例数据包括:待检索病历文本数据、待检索就诊数据、待检索疾病数据及待检索处方数据;
详细地,本发明实施例中所述待检索病历数据为需要进行相似病历检索的结构化处理的患者的病历数据。所述待检索病历文本数据包括患者入院记录、病程记录、出院记录等数据;所述待检索就诊数据为患者的每次就诊的各项就诊指标的就诊数值及对应的就诊日期,如血压、血糖、心跳、血氧;所述待检索疾病数据包括患者被诊断的疾病名称,如高血压、心脏病;所述待检索处方数据为医生为患者开具的药品数据,如降压药、速效救心丸等。
本发明另一实施例中,所述待检索病历数据可以存储在区块链节点中,利用区块链节点高吞吐的特性,提高数据的存取效率。
S2、获取病历数据集,其中,所述病历数据集中的每个病历数据包含:病历文本数据、就诊数据、疾病数据及处方数据;
详细地,本发明实施例中所述病历数据集为包含多个病历数据的集合;所述病历数据为结构化处理的患者病历数据,所述病历文本数据包括患者入院记录、病程记录、出院记录等数据;所述就诊数据为患者的每次就诊的各项就诊指标的就诊数值及对应的就诊日期,如血压、血糖、心跳、血氧;所述疾病数据包括患者被诊断的疾病名称,如高血压、心脏病;所述处方数据为医生为患者开具的药品数据,如降压药、速效救心丸等。
S3、计算所述待检索病历文本数据与每个所述病历文本数据的文本语义相似度,得到病历文本相似度;
进一步地,本发明实施例中将所述待检索病历文本数据向量化,得到待检索病历文本向量;将所述病例文本数据向量化,得到病历文本向量,计算所述待检索病历文本矩阵与所述病历文本矩阵的向量距离,得到所述病历文本相似度。
可选地,本发明实施例中将所述待检索病历文本数据向量化,得到待检索病历文本向量,包括:
将所述待检索病历文本数据进行分词处理,得到多个待检索病历文本分词;
将所述待检索病历文本分词转化为向量得到待检索病历文本分词向量;
将每个所述待检索病历文本分词向量按照对应的待检索病历文本分词在所述待检索病历文本数据中的先后顺序进行组合,得到待检索病历文本向量。
如:待检索病历文本数据为“初步诊断高血压”,对应的待检索病例文本分词为“初步”、“诊断”、“高血压”,其中“初步”对应的待检索病历文本分词向量为“诊断”对应的待检索病历文本分词向量为“高血压”对应的待检索病历文本分词向量为那么将每个所述待检索病历文本分词向量按照对应的待检索病历文本分词在所述待检索病历文本数据中的先后顺序进行组合,得到的待检索病历文本向量为
本发明实施例中将所述病例文本数据向量化的方法与将将所述病例文本数据向量化的方法相同,在此不在赘述。
本发明另一实施例中还可以利用人工智能模型如LSTM-DSSM模型、关键词匹配等方法计算所述待检索病历文本数据与每个所述病历文本数据的文本语义相似度。
S4、计算所述待检索就诊数据与每个所述就诊数据的数值相似度,得到就诊相似度;
详细地,本发明实施例中计算所述待检索就诊数据与每个所述就诊数据的数值相似度,得到就诊相似度,包括:
判断所述待检索就诊数据中包含的就诊记录的次数与所述就诊数据中包含的就诊记录的次数是否相等且都为1;
当所述待检索就诊数据中包含的就诊记录的次数与所述就诊数据中包含的就诊记录的次数相等且都为1,则将所述待检索就诊数据中的就诊指标数值按照预设的就诊指标顺序组合为向量,得到待检索检查向量;将所述就诊数据中就诊指标数值按照预设的就诊指标顺序组合为向量,得到检查向量;计算所述待检索检查向量与所述检查向量的向量距离,得到所述就诊相似度。
当所述待检索就诊数据中包含的就诊记录的次数与所述就诊数据中包含的就诊记录的次数不相等或不都为1,则获取所述待检索就诊数据中每一类预设就诊指标对应的的就诊指标数值及就诊日期作为坐标点构建曲线,得到待检索就诊数值曲线;
获取所述就诊数据中每一类预设就诊指标对应的就诊指标数值及就诊日期作为坐标点构建曲线,得到就诊数值曲线;
详细地,本发明实施例中每一类就诊指标对应的就诊指标数值可能有多个,因此本发明实施例中将每个就诊指标数值与对应的就诊日期作为一个坐标点,就诊日期为横坐标,就诊坐标数值为纵坐标,例如:预设就诊指标为心跳,共有三个就诊数值,第一个就诊数值为70/min,对应的就诊日期为7月1日;第二个就诊数值为75/min,对应的就诊日期为8月1日;第三个就诊数值为72/min,对应的就诊日期为9月1日,那么第一个就诊数值对应的坐标为(7/1,70),第二个就诊数值对应的坐标为(8/1,75),第三个就诊数值对应的坐标为(9/1,72);进一步地,为了方便曲线构建,将就诊日期最早的坐标作为原点构建曲线,第一个就诊数值对应的坐标变为(0,0),第二个就诊数值对应的坐标为(31,5),第三个就诊数值对应的坐标为(62,-3)。
计算相同类别就诊指标对应的待检索就诊曲线与所述就诊数值曲线的曲线相似度,得到初始就诊相似度;可选地,本发明实施例利用动态时间规整(DTW)算法计算曲线相似度。
进一步地,根据所有所述初始就诊相似度进行计算,得到所述就诊相似度。
进一步地,本发明实施例为了能正常的计算曲线的相似度,需要所述待检索就诊曲线与就诊曲线对应的坐标点的数量相等,如所述待检索就诊曲线中有5个坐标点,那么就诊曲线中也应该有五个坐标点,由于上述内容可知所述待检索就诊曲线与所述就诊数值曲线的坐标点的数量不同,因此,需要对坐标点数量较少的曲线进行坐标点填充。
详细地,统计所述待检索就诊曲线中坐标点的数量及所述就诊数值曲线中坐标点的数量,对比待检索就诊曲线的坐标点数和就诊数值曲线的坐标点数数量,记坐标点数量较多的曲线为line1,坐标点数量为count1,坐标点数量较少的曲线为line2,坐标点数量为count2;坐标点数量差值dis_count=count1-count2;向line2曲线中中的每两个相邻的坐标点之间填充pad_count=ceil(dis_count/count2)个点,其中,ceil是向上取整;计算相邻的两个坐标点之间应该填充几个点,进一步地,填充方式为每隔((相邻坐标点的距离)/dis_count)距离增加一个点,每两个点之间一共填充pad_count个点。
进一步地,本发明实施例需要综合所有类别就诊指标对应的曲线相似度,才能得到最终的就诊相似度。
详细地,本发明实施例中将所有所述初始就诊相似度进行权重平均计算,得到所述就诊相似度。
S5、计算所述待检索处方数据与每个所述处方数据的药品相似度,得到处方相似度;
详细地,本发明实施例获取所述待检索处方数据及所述处方数据中的药品;进一步地计算所述待检索处方数据中每个药品与所述处方数据中每个药品在预设的药品层级结构树中的节点距离,得到药品节点距离。
可选地,本发明实施例中所述可以根据国家基本药物目录,按照如下路径:所有药品->药品分类->一级目录->二级目录->三级目录->药品目录->通用名,建立7层的药品层级结构树。其中,药品名只在第7层,即叶子节点上。其他层级都是父层级。如果有些药品没有三级目录或者药品目录,就采用人工的方法加上一个唯一的命名,避免和其他层级名称重叠,其中,所述药品节点距离为所述药品层级结构树中从一个药品节点到另一个药品节点需要经历的最少节点的数量。
根据所述药品节点距离计算对应的药品相似度,得到药品相似度;
可选地,本发明实施例利用如下公式计算所述药品相似度:
其中,c1为所述药品层级结构树中待检索处方数据中药品的节点,c2为所述药品层级结构树中处方数据中药品的节点,root为第一级结点,LCA是两个药品结点c1和c2的距离最近的公共父结点。H是层级结构树的高度,dis()为不同药品节点的节点距离,S为药品相似度。
根据所述待检索处方数据中药品的数量及所述处方数据中药品的数量构建空白矩阵;
详细地,本发明实施例中将所述待检索处方数据中的药品数量作为行维度,将所述处方数据中药品的数量作为列维度,根据所述行维度及所述列维度构建空白矩阵。
例如:所述待检索处方数据中药品的数量为5个,所述处方数据中药品的数量为4个,那么所述空白矩阵的维度为5*4维。
将每个所述药品相似度确定为所述空白矩阵的元素,得到药品相似矩阵;
根据所述药品相似矩阵每列的最大值进行计算,得到处方相似度;
详细地,本发明实施例将所述药品相似矩阵每列的最大值进行调和平均值计算,得到所述处方相似度。
本发明另一实施例中,还可以将所述药品相似矩阵中每行的最大值进行调和平均值计算,得到所述处方相似度。
S6、计算所述待检索疾病数据与每个所述疾病数据的疾病名称相似度,得到疾病相似度;
详细地,本发明实施例中获取所述待检索疾病数据及所述疾病数据中的疾病名称,进一步地计算计算所述待检索疾病数据中每个疾病名称与所述疾病数据中每个疾病名称在预设的疾病名称层级结构树中的节点距离,得到疾病名称节点距离。其中,所述疾病名称层级结构树可以根据《国际疾病分类》进行构建,具体构建方法与药品层级结构树构建方法相同,在此不在赘述。
进一步地,本发明实施例中根据所述疾病名称节点距离计算对应的疾病名称相似度,得到疾病名称相似度。
根据所述待检索疾病数据中疾病名称的数量及所述疾病数据中疾病名称的数量构建空白疾病名称矩阵;
详细地,本发明实施例中所述待检索疾病数据中的疾病名称数量作为行维度,将所述疾病数据中疾病名称的数量作为列维度,根据所述行维度及所述列维度构建对应维度的空白疾病名称矩阵。
例如:所述待检索疾病数据中疾病名称的数量为5个,所述疾病数据中疾病名称的数量为4个,那么所述空白疾病名称矩阵的维度为5*4维。
将每个所述疾病名称相似度确定为所述空白疾病名称矩阵的元素,得到疾病名称相似矩阵;
根据所述疾病名称相似矩阵每列的最大值进行计算,得到疾病相似度;
详细地,本发明实施例将所述疾病名称相似矩阵每列的最大值进行调和平均值计算,得到所述疾病相似度。
本发明另一实施例中,还可以将所述疾病名称相似矩阵中每行的最大值进行调和平均值计算,得到所述疾病相似度。
S7、根据所述病历文本相似度、所述就诊相似度、所述处方相似度及所述疾病相似度进行加权计算,得到所述病历数据集中每个病历数据与所述待检索病历数据的目标相似度;
详细地,本发明实施例为了保证相似病历能够检索的更准确,根据所述病历文本相似度、所述就诊相似度、所述处方相似度及所述疾病相似度进行加权求和计算。
可选地,本发明实施例利用如下公式进行加权求和计算:
Z=A*α+B*β+C*γ+D*γ
其中,Z为所述病历数据集中某个病历数据对应的目标相似度,A为该病历数据对应的所述病历文本相似度,B为该病历数据对应的所述就诊相似度,C为该病历数据对应的所述疾病相似度,D为该病历数据对应的所述处方相似度;α、β、γ、δ为预设的权重系数。
S8、根据所述目标相似度对所述病历数据集中的病历数据进行检索,得到检索结果。
详细地,本发明实施例根据所述目标相似度对所述病历数据集中的病历数据进行检索,得到检索结果,包括:
选取所有所述目标相似度中的最大值,得到最大目标相似度;
判断所述最大目标相似度是否大于预设相似度阈值;
当所述最大目标相似度大于所述相似度阈值,则选取所述病历数据集中所述目标相似大于所述相似度阈值的病历数据,确定为相似病历数据;
当所述最大相似度小于或等于所述相似度阈值,则选取所述病历数据集中所述最大目标相似度对应的病历数据,确定为相似病历数据。
如图2所示,是本发明相似病历检索装置的功能模块图。
本发明所述相似病历检索装置100可以安装于电子设备中。根据实现的功能,所述相似病历检索装置可以包括数据获取模块101、数据相似度计算模块102、相似病历检索模块103,本发所述模块也可以称之为单元,是指一种能够被电子设备处理器所执行,并且能够完成固定功能的一系列计算机程序段,其存储在电子设备的存储器中。
在本实施例中,关于各模块/单元的功能如下:
所述数据获取模块101用于获取待检索病例数据,其中,所述待检索病例数据包括:待检索病历文本数据、待检索就诊数据、待检索疾病数据及待检索处方数据;获取病历数据集,其中,所述病历数据集中的每个病历数据包含:病历文本数据、就诊数据、疾病数据及处方数据;
所述数据相似度计算模块102用于计算所述待检索病历文本数据与每个所述病历文本数据的文本语义相似度,得到病历文本相似度;计算所述待检索就诊数据与每个所述就诊数据的数值相似度,得到就诊相似度;计算所述待检索处方数据与每个所述处方数据的药品相似度,得到处方相似度;计算所述待检索疾病数据与每个所述疾病数据的疾病名称相似度,得到疾病相似度;根据所述病历文本相似度、所述就诊相似度、所述处方相似度及所述疾病相似度进行加权计算,得到所述病历数据集中每个病历数据与所述待检索病历数据的目标相似度;
所述相似病历检索模块103用于根据所述目标相似度对所述病历数据集中的病历数据进行检索,得到检索结果。
详细地,本发明实施例中所述相似病历检索装置100中所述的各模块在使用时采用与上述图1中所述的相似病历检索方法一样的技术手段,并能够产生相同的技术效果,这里不再赘述。
如图2所示,是本发明实现相似病历检索方法的电子设备的结构示意图。
所述电子设备可以包括处理器10、存储器11、通信总线12和通信接口13,还可以包括存储在所述存储器11中并可在所述处理器10上运行的计算机程序,如相似病历检索程序。
其中,所述存储器11至少包括一种类型的可读存储介质,所述可读存储介质包括闪存、移动硬盘、多媒体卡、卡型存储器(例如:SD或DX存储器等)、磁性存储器、磁盘、光盘等。所述存储器11在一些实施例中可以是电子设备的内部存储单元,例如该电子设备的移动硬盘。所述存储器11在另一些实施例中也可以是电子设备的外部存储设备,例如电子设备上配备的插接式移动硬盘、智能存储卡(Smart Media Card,SMC)、安全数字(SecureDigital,SD)卡、闪存卡(Flash Card)等。进一步地,所述存储器11还可以既包括电子设备的内部存储单元也包括外部存储设备。所述存储器11不仅可以用于存储安装于电子设备的应用软件及各类数据,例如相似病历检索程序的代码等,还可以用于暂时地存储已经输出或者将要输出的数据。
所述处理器10在一些实施例中可以由集成电路组成,例如可以由单个封装的集成电路所组成,也可以是由多个相同功能或不同功能封装的集成电路所组成,包括一个或者多个中央处理器(Central Processing unit,CPU)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述处理器10是所述电子设备的控制核心(Control Unit),利用各种接口和线路连接整个电子设备的各个部件,通过运行或执行存储在所述存储器11内的程序或者模块(例如相似病历检索程序等),以及调用存储在所述存储器11内的数据,以执行电子设备的各种功能和处理数据。
所述通信总线12可以是外设部件互连标准(perIPheral componentinterconnect,简称PCI)总线或扩展工业标准结构(extended industry standardarchitecture,简称EISA)总线等。该总线可以分为地址总线、数据总线、控制总线等。所述通信总线12总线被设置为实现所述存储器11以及至少一个处理器10等之间的连接通信。为便于表示,图中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
图2仅示出了具有部件的电子设备,本领域技术人员可以理解的是,图2示出的结构并不构成对所述电子设备的限定,可以包括比图示更少或者更多的部件,或者组合某些部件,或者不同的部件布置。
例如,尽管未示出,所述电子设备还可以包括给各个部件供电的电源(比如电池),优选地,电源可以通过电源管理装置与所述至少一个处理器10逻辑相连,从而通过电源管理装置实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障分类电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述电子设备还可以包括多种传感器、蓝牙模块、Wi-Fi模块等,在此不再赘述。
可选地,所述通信接口13可以包括有线接口和/或无线接口(如WI-FI接口、蓝牙接口等),通常用于在该电子设备与其他电子设备之间建立通信连接。
可选地,所述通信接口13还可以包括用户接口,用户接口可以是显示器(Display)、输入单元(比如键盘(Keyboard)),可选地,用户接口还可以是标准的有线接口、无线接口。可选地,在一些实施例中,显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode,有机发光二极管)触摸器等。其中,显示器也可以适当的称为显示屏或显示单元,用于显示在电子设备中处理的信息以及用于显示可视化的用户界面。
应该了解,所述实施例仅为说明之用,在专利申请范围上并不受此结构的限制。
所述电子设备中的所述存储器11存储的相似病历检索程序是多个计算机程序的组合,在所述处理器10中运行时,可以实现:
获取待检索病例数据,其中,所述待检索病例数据包括:待检索病历文本数据、待检索就诊数据、待检索疾病数据及待检索处方数据;
获取病历数据集,其中,所述病历数据集中的每个病历数据包含:病历文本数据、就诊数据、疾病数据及处方数据;
计算所述待检索病历文本数据与每个所述病历文本数据的文本语义相似度,得到病历文本相似度;
计算所述待检索就诊数据与每个所述就诊数据的数值相似度,得到就诊相似度;
计算所述待检索处方数据与每个所述处方数据的药品相似度,得到处方相似度;
计算所述待检索疾病数据与每个所述疾病数据的疾病名称相似度,得到疾病相似度;
根据所述病历文本相似度、所述就诊相似度、所述处方相似度及所述疾病相似度进行加权计算,得到所述病历数据集中每个病历数据与所述待检索病历数据的目标相似度;
根据所述目标相似度对所述病历数据集中的病历数据进行检索,得到检索结果。
具体地,所述处理器10对上述计算机程序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。
进一步地,所述电子设备集成的模块/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。所述计算机可读介质可以是非易失性的,也可以是易失性的。所述计算机可读介质可以包括:能够携带所述计算机程序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)。
本发明实施例还可以提供一种计算机可读存储介质,所述可读存储介质存储有计算机程序,所述计算机程序在被电子设备的处理器所执行时,可以实现:
获取待检索病例数据,其中,所述待检索病例数据包括:待检索病历文本数据、待检索就诊数据、待检索疾病数据及待检索处方数据;
获取病历数据集,其中,所述病历数据集中的每个病历数据包含:病历文本数据、就诊数据、疾病数据及处方数据;
计算所述待检索病历文本数据与每个所述病历文本数据的文本语义相似度,得到病历文本相似度;
计算所述待检索就诊数据与每个所述就诊数据的数值相似度,得到就诊相似度;
计算所述待检索处方数据与每个所述处方数据的药品相似度,得到处方相似度;
计算所述待检索疾病数据与每个所述疾病数据的疾病名称相似度,得到疾病相似度;
根据所述病历文本相似度、所述就诊相似度、所述处方相似度及所述疾病相似度进行加权计算,得到所述病历数据集中每个病历数据与所述待检索病历数据的目标相似度;
根据所述目标相似度对所述病历数据集中的病历数据进行检索,得到检索结果。
进一步地,所述计算机可用存储介质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等;存储数据区可存储根据区块链节点的使用所创建的数据等。
在本发明所提供的几个实施例中,应该理解到,所揭露的设备,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。
本申请实施例可以基于人工智能技术对相关的数据进行获取和处理。其中,人工智能(Artificial Intelligence,AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能,感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。
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。
对于本领域技术人员而言,显然本发明不限于上述示范性实施例的细节,而且在不背离本发明的精神或基本特征的情况下,能够以其他的具体形式实现本发明。
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。
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。
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。系统权利要求中陈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)
1.一种相似病历检索方法,其特征在于,所述方法包括:
获取待检索病例数据,其中,所述待检索病例数据包括:待检索病历文本数据、待检索就诊数据、待检索疾病数据及待检索处方数据;
获取病历数据集,其中,所述病历数据集中的每个病历数据包含:病历文本数据、就诊数据、疾病数据及处方数据;
计算所述待检索病历文本数据与每个所述病历文本数据的文本语义相似度,得到病历文本相似度;
计算所述待检索就诊数据与每个所述就诊数据的数值相似度,得到就诊相似度;
计算所述待检索处方数据与每个所述处方数据的药品相似度,得到处方相似度;
计算所述待检索疾病数据与每个所述疾病数据的疾病名称相似度,得到疾病相似度;
根据所述病历文本相似度、所述就诊相似度、所述处方相似度及所述疾病相似度进行加权计算,得到所述病历数据集中每个病历数据与所述待检索病历数据的目标相似度;
根据所述目标相似度对所述病历数据集中的病历数据进行检索,得到检索结果。
2.如权利要求1所述的相似病历检索方法,其特征在于,所述计算所述待检索病历文本数据与每个所述病历文本数据的文本语义相似度,得到病历文本相似度,包括:
将所述待检索病历文本数据向量化,得到待检索病历文本向量;
将所述病例文本数据向量化,得到病历文本向量;
计算所述待检索病历文本矩阵与所述病历文本矩阵的向量距离,得到所述病历文本相似度。
3.如权利要求2所述的相似病历检索方法,其特征在于,所述将所述待检索病历文本数据向量化,得到待检索病历文本向量,包括:
所述待检索病历文本数据进行分词处理,得到多个待检索病历文本分词;
将所述待检索病历文本分词转化为向量,得到待检索病历文本分词向量;
将每个所述待检索病历文本分词向量按照对应的待检索病历文本分词在所述待检索病历文本数据中的先后顺序进行组合,得到待检索病历文本向量。
4.如权利要求1所述的相似病历检索方法,其特征在于,所述计算所述待检索就诊数据与每个所述就诊数据的数值相似度,得到就诊相似度,包括:
判断所述待检索就诊数据中包含的就诊记录的次数与所述就诊数据中包含的就诊记录的次数是否相等且都为1;
当所述待检索就诊数据中包含的就诊记录的次数与所述就诊数据中包含的就诊记录的次数相等且都为1,将所述待检索就诊数据中的就诊指标数值按照预设的就诊指标顺序组合为向量,得到待检索检查向量;
将所述就诊数据中就诊指标数值按照预设的就诊指标顺序组合为向量,得到检查向量;
计算所述待检索检查向量与所述检查向量的向量距离,得到所述就诊相似度;
当所述待检索就诊数据中包含的就诊记录的次数与所述就诊数据中包含的就诊记录的次数不相等或不都为1,获取所述待检索就诊数据中每一类预设就诊指标对应的的就诊指标数值及就诊日期作为坐标点构建曲线,得到待检索就诊数值曲线;
获取所述就诊数据中每一类预设就诊指标对应的就诊指标数值及就诊日期作为坐标点构建曲线,得到就诊数值曲线;
计算相同类别就诊指标对应的待检索就诊曲线与所述就诊数值曲线的曲线相似度,得到初始就诊相似度。
根据所有所述初始就诊相似度进行计算,得到所述就诊相似度。
5.如权利要求1所述的相似病历检索方法,其特征在于,所述计算所述待检索处方数据与每个所述处方数据的药品相似度,得到处方相似度,包括:
计算所述待检索处方数据中每个药品与所述处方数据中每个药品在预设的药品层级结构树中的节点距离,得到药品节点距离;
根据所述药品节点距离计算对应的药品相似度,得到药品相似度;
根据所述待检索处方数据中药品的数量及所述处方数据中药品的数量构建空白矩阵;
将每个所述药品相似度确定为所述空白矩阵的元素,得到药品相似矩阵;
根据所述药品相似矩阵每列的最大值进行计算,得到所述处方相似度。
6.如权利要求5所述的相似病历检索方法,其特征在于,所述根据所述待检索处方数据中药品的数量及所述处方数据中药品的数量构建空白矩阵,包括:
将所述待检索处方数据中的药品数量作为行维度;
将所述处方数据中药品的数量作为列维度;
根据所述行维度及所述列维度构建空白矩阵。
7.如权利要求1至6中任意一项所述的相似病历检索方法,其特征在于,所述根据所述目标相似度对所述病历数据集中的病历数据进行检索,得到检索结果,包括:
选取所有所述目标相似度中的最大值,得到最大目标相似度;
判断所述最大目标相似度是否大于预设相似度阈值;
当所述最大目标相似度大于所述相似度阈值,则选取所述病历数据集中所述目标相似大于所述相似度阈值的病历数据,确定为相似病历数据;
当所述最大相似度不小于所述相似度阈值,则选取所述病历数据集中所述最大目标相似度对应的病历数据,确定为相似病历数据。
8.一种相似病历检索装置,其特征在于,包括:
数据获取模块,用于获取待检索病例数据,其中,所述待检索病例数据包括:待检索病历文本数据、待检索就诊数据、待检索疾病数据及待检索处方数据;获取病历数据集,其中,所述病历数据集中的每个病历数据包含:病历文本数据、就诊数据、疾病数据及处方数据;
数据相似度计算模块,用于计算所述待检索病历文本数据与每个所述病历文本数据的文本语义相似度,得到病历文本相似度;计算所述待检索就诊数据与每个所述就诊数据的数值相似度,得到就诊相似度;计算所述待检索处方数据与每个所述处方数据的药品相似度,得到处方相似度;计算所述待检索疾病数据与每个所述疾病数据的疾病名称相似度,得到疾病相似度;根据所述病历文本相似度、所述就诊相似度、所述处方相似度及所述疾病相似度进行加权计算,得到所述病历数据集中每个病历数据与所述待检索病历数据的目标相似度;
相似病历检索模块,用于根据所述目标相似度对所述病历数据集中的病历数据进行检索,得到检索结果。
9.一种电子设备,其特征在于,所述电子设备包括:
至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;
其中,所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行如权利要求1至7中任一项所述的相似病历检索方法。
10.一种计算机可读存储介质,存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述的相似病历检索方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110972790.XA CN113689924B (zh) | 2021-08-24 | 2021-08-24 | 相似病历检索方法、装置、电子设备及可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110972790.XA CN113689924B (zh) | 2021-08-24 | 2021-08-24 | 相似病历检索方法、装置、电子设备及可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113689924A true CN113689924A (zh) | 2021-11-23 |
CN113689924B CN113689924B (zh) | 2024-04-05 |
Family
ID=78581652
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110972790.XA Active CN113689924B (zh) | 2021-08-24 | 2021-08-24 | 相似病历检索方法、装置、电子设备及可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113689924B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116759099A (zh) * | 2023-08-21 | 2023-09-15 | 潍坊医学院 | 一种医保基金审核系统数据处理方法、装置及设备 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104835096A (zh) * | 2015-05-15 | 2015-08-12 | 北京胡杨众联科技有限公司 | 一种检索方法、装置及终端 |
CN107193919A (zh) * | 2017-05-15 | 2017-09-22 | 清华大学深圳研究生院 | 一种电子病历的检索方法及系统 |
CN111627512A (zh) * | 2020-05-29 | 2020-09-04 | 北京大恒普信医疗技术有限公司 | 一种相似病历的推荐方法、装置,电子设备及存储介质 |
CN111949759A (zh) * | 2019-05-16 | 2020-11-17 | 北大医疗信息技术有限公司 | 病历文本相似度的检索方法、系统及计算机设备 |
CN112711642A (zh) * | 2019-10-24 | 2021-04-27 | 阿里巴巴集团控股有限公司 | 一种药物名称匹配方法和装置 |
WO2021121187A1 (zh) * | 2020-06-24 | 2021-06-24 | 平安科技(深圳)有限公司 | 基于分词文本的电子病例查重方法、装置、计算机设备 |
-
2021
- 2021-08-24 CN CN202110972790.XA patent/CN113689924B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104835096A (zh) * | 2015-05-15 | 2015-08-12 | 北京胡杨众联科技有限公司 | 一种检索方法、装置及终端 |
CN107193919A (zh) * | 2017-05-15 | 2017-09-22 | 清华大学深圳研究生院 | 一种电子病历的检索方法及系统 |
CN111949759A (zh) * | 2019-05-16 | 2020-11-17 | 北大医疗信息技术有限公司 | 病历文本相似度的检索方法、系统及计算机设备 |
CN112711642A (zh) * | 2019-10-24 | 2021-04-27 | 阿里巴巴集团控股有限公司 | 一种药物名称匹配方法和装置 |
CN111627512A (zh) * | 2020-05-29 | 2020-09-04 | 北京大恒普信医疗技术有限公司 | 一种相似病历的推荐方法、装置,电子设备及存储介质 |
WO2021121187A1 (zh) * | 2020-06-24 | 2021-06-24 | 平安科技(深圳)有限公司 | 基于分词文本的电子病例查重方法、装置、计算机设备 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116759099A (zh) * | 2023-08-21 | 2023-09-15 | 潍坊医学院 | 一种医保基金审核系统数据处理方法、装置及设备 |
Also Published As
Publication number | Publication date |
---|---|
CN113689924B (zh) | 2024-04-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108986879B (zh) | 药品推荐方法、装置、计算机设备和存储介质 | |
US20130197925A1 (en) | Behavioral clustering for removing outlying healthcare providers | |
CN106793957B (zh) | 用于预测患者护理未来结果的医疗系统和方法 | |
CN113707303A (zh) | 基于知识图谱的医疗问题解答方法、装置、设备及介质 | |
US20210174380A1 (en) | Efficient data processing to identify information and reformant data files, and applications thereof | |
WO2023178978A1 (zh) | 基于人工智能的处方审核方法、装置、设备及介质 | |
CN113674858A (zh) | 在线医疗处方用药智能检查方法、装置、设备及存储介质 | |
CN114612194A (zh) | 产品推荐方法、装置、电子设备及存储介质 | |
US20200051698A1 (en) | Precision clinical decision support with data driven approach on multiple medical knowledge modules | |
CN116578704A (zh) | 文本情感分类方法、装置、设备及计算机可读介质 | |
CN115760656A (zh) | 一种医学影像处理方法及系统 | |
WO2022227171A1 (zh) | 关键信息提取方法、装置、电子设备及介质 | |
CN113689924B (zh) | 相似病历检索方法、装置、电子设备及可读存储介质 | |
US20210056438A1 (en) | Data driven featurization and modeling | |
CN112530602A (zh) | 药品副作用分析方法、装置、电子设备及计算机存储介质 | |
CN116719891A (zh) | 中医信息分组聚类方法、装置、设备及计算机存储介质 | |
CN116312926A (zh) | 健康路径推荐方法及相关装置、电子设备和存储介质 | |
CN113590845A (zh) | 基于知识图谱的文献检索方法、装置、电子设备及介质 | |
CN114627993A (zh) | 信息预测方法、装置、存储介质及计算机设备 | |
US20160162650A1 (en) | Method for automating medical billing | |
CN115691741B (zh) | 一种医疗信息化信息传递及信息合并方法 | |
CN112966013B (zh) | 知识展示方法、装置、设备及可读存储介质 | |
GB2573512A (en) | Database and associated method | |
CN116386831B (zh) | 一种基于智慧医院管理平台的数据可视化展示方法及系统 | |
US11636933B2 (en) | Summarization of clinical documents with end points thereof |
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 |
Effective date of registration: 20220921 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. |
|
TA01 | Transfer of patent application right | ||
GR01 | Patent grant | ||
GR01 | Patent grant |