CN114664436A - 一种基于智能体决策的急救辅助系统 - Google Patents

一种基于智能体决策的急救辅助系统 Download PDF

Info

Publication number
CN114664436A
CN114664436A CN202210339728.1A CN202210339728A CN114664436A CN 114664436 A CN114664436 A CN 114664436A CN 202210339728 A CN202210339728 A CN 202210339728A CN 114664436 A CN114664436 A CN 114664436A
Authority
CN
China
Prior art keywords
intelligent
entity
glasses
arithmetic unit
knowledge graph
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
Application number
CN202210339728.1A
Other languages
English (en)
Inventor
陈玉国
徐峰
杨晓云
张敏
刘治
石蕾
孙保林
陶可猛
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Qilu Hospital of Shandong University
Original Assignee
Qilu Hospital of Shandong University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Qilu Hospital of Shandong University filed Critical Qilu Hospital of Shandong University
Priority to CN202210339728.1A priority Critical patent/CN114664436A/zh
Publication of CN114664436A publication Critical patent/CN114664436A/zh
Pending legal-status Critical Current

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
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
    • G06F3/011—Arrangements for interaction with the human body, e.g. for user immersion in virtual reality
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • 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
    • G06N3/044—Recurrent networks, e.g. Hopfield networks
    • 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
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/02—Knowledge representation; Symbolic representation
    • 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
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • Biomedical Technology (AREA)
  • Software Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Artificial Intelligence (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Evolutionary Computation (AREA)
  • Epidemiology (AREA)
  • Computational Linguistics (AREA)
  • Primary Health Care (AREA)
  • Biophysics (AREA)
  • Pathology (AREA)
  • Databases & Information Systems (AREA)
  • Molecular Biology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Human Computer Interaction (AREA)
  • Medical Treatment And Welfare Office Work (AREA)

Abstract

本发明属于急救设备技术领域，具体涉及一种基于智能体决策的急救辅助系统，包括MR眼镜系统、电子病历读取设备、医疗检测数据采集设备、智能运算器、显示器和存储器；相比现有技术，本发明的(1)智能运算器通过运算输出基于电子病历、MR眼镜输出信息和医疗检测数据的知识图谱，知识图谱在显示器上呈现，知识图谱包括多个实体以及实体间的连线；医生能够从本发明的急救辅助系统获取大量具有条理性的信息，并且信息以知识图谱的方式呈现，易读性强；(2)临床实体识别系统利用多种实体识别机器学习算法的组合进行实体提取，准确率更高；(3)利用基于词语序列和关系树结构的LSTM算法进行实体到实体关系提取，最终得到知识图谱。

Description

一种基于智能体决策的急救辅助系统
技术领域
本发明属于急救设备技术领域，具体涉及一种基于智能体决策的急救辅助系统。
背景技术
现有技术中并没有将病人电子病历信息、急救车上病人症状信息和医疗设备检测信息集中进行运算处理的设备，所以现有的急救系统中，由于急救时间比较紧张，尤其是在大医院病患集中造成的医生、医疗资源紧张的情况下，医生在急救时间内需要去查看病人的过往病历、需要与出诊医护人员沟通、需要对病人进行多种检测等，多种信息都需要医生去获取，时间紧任务重。因此为减轻急救情况下医生的负担，开发一种急救辅助系统对各种信息进行获取和汇总并按照一定关系展示出来就尤为必要了。
发明内容
本发明针对上述的急救时间内多种信息都需要医生去获取，时间紧任务重的问题，提供了一种基于智能体决策的急救辅助系统。
为了达到上述目的，本发明采用的技术方案为：一种基于智能体决策的急救辅助系统，包括MR眼镜系统、电子病历读取设备、医疗检测数据采集设备、智能运算器、显示器和存储器；所述MR眼镜系统、电子病历读取设备和医疗检测数据采集设备的输出端与智能运算器通信连接；所述智能运算器的输出端与显示器通信连接，所述智能运算器的运算结果保存在存储器；所述智能运算器通过运算输出基于电子病历、MR眼镜输出信息和医疗检测数据的知识图谱，所述知识图谱在显示器上呈现，所述知识图谱包括多个实体以及实体间的连线。
作为优选，所述MR眼镜系统包括MR眼镜和移动端，救护车上的医护人员佩戴所述MR眼镜，所述MR眼镜通过USB线或无线连接移动端，所述移动端与智能运算器通过登录远程协同系统连接；所述MR眼镜输出信息为医护人员通过MR眼镜拍摄的急救病人主要发病症状及口述发病详情。
作为优选，所述电子病历读取设备获取电子病历中的原始临床文本，并且将原始临床文本传输给智能运算器。
作为优选，所述智能运算器安装有临床实体识别系统，所述临床实体识别系统先利用多种实体识别机器学习算法的组合进行实体提取和然后利用基于词语序列和关系树结构的LSTM算法进行实体到实体关系提取，并通过对实体进行排序得到知识图谱。
作为优选，所述实体包括病人姓名、身体部位、疾病名称、症状和检测结果。
作为优选，所述多种实体识别机器学习算法包括条件随机场CRF算法、递归神经网络RNN算法和带特征的递归神经网络RNN算法。
作为优选，所述基于词语序列和关系树结构的LSTM算法包括嵌入层、序列层、实体检测和实体关系层，最终将词语序列和关系树结构信息合并到输出中。
作为优选，所述医疗检测数据采集设备包括心电图信号采集设备，所述智能运算器能够利用卷积神经网络CNN对心电图信号进行计算，并将计算结果输出作为临床实体识别系统实体提取的信息来源之一。
与现有技术相比，本发明的优点和积极效果在于：
(1)本发明中的急救辅助系统包括MR眼镜系统、电子病历读取设备、医疗检测数据采集设备、智能运算器、显示器和存储器；
电子病历读取设备获取电子病历中的原始临床文本，并且将原始临床文本传输给智能运算器；
MR眼镜输出信息为医护人员通过MR眼镜拍摄的急救病人主要发病症状及口述发病详情；
医疗检测数据采集设备包括心电图信号采集设备，智能运算器能够利用卷积神经网络CNN对心电图信号进行计算，并将计算结果输出作为临床实体识别系统实体提取的信息来源之一；
智能运算器通过运算输出基于电子病历、MR眼镜输出信息和医疗检测数据的知识图谱，知识图谱在显示器上呈现，知识图谱包括多个实体以及实体间的连线；医生能够从本发明的急救辅助系统获取大量具有条理性的信息，并且信息以知识图谱的方式呈现，易读性强；
(2)临床实体识别系统利用多种实体识别机器学习算法的组合进行实体提取，准确率更高；
(3)利用基于词语序列和关系树结构的LSTM算法进行实体到实体关系提取，最终将词语序列和关系树结构信息合并到输出中并通过对实体进行排序得到知识图谱。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，图1为实施例1提供的急救辅助系统示意图；
图2为实施例1提供的急救辅助系统中智能运算器输入输出示意图；
图3为临床实体识别系统利用多种实体识别机器学习算法的组合进行实体提取示意图；
图4为利用基于词语序列和关系树结构的LSTM算法进行实体到实体关系提取示意图。
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点，下面结合附图和实施例对本发明做进一步说明。
在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是，本发明还可以采用不同于在此描述的其他方式来实施，因此，本发明并不限于下面公开说明书的具体实施例的限制。
实施例1
下面结合附图1-4对本发明作进一步的描述，一种基于智能体决策的急救辅助系统，如图1和2所示，包括MR眼镜系统、电子病历读取设备、医疗检测数据采集设备、智能运算器、显示器和存储器。
如图1所示，MR眼镜系统、电子病历读取设备和医疗检测数据采集设备的输出端与智能运算器通信连接；智能运算器的输出端与显示器通信连接，智能运算器的运算结果保存在存储器。
如图2所示，智能运算器通过运算输出基于电子病历、MR眼镜输出信息和医疗检测数据的知识图谱，知识图谱在显示器上呈现，知识图谱包括多个实体以及实体间的连线。
MR眼镜系统包括MR眼镜和移动端(手机或笔记本电脑)，救护车上的医护人员佩戴所述MR眼镜，MR眼镜通过USB线或无线连接移动端，移动端与智能运算器通过登录远程协同系统连接。
MR眼镜输出信息为医护人员通过MR眼镜拍摄的急救病人主要发病症状及口述发病详情。医护人员口述内容通过语音转文字输入到智能运算器，作为实体识别的信息来源之一。
电子病历读取设备获取电子病历中的原始临床文本，并且将原始临床文本传输给智能运算器。
如图3和4所示，智能运算器安装有临床实体识别系统，临床实体识别系统先利用多种实体识别机器学习算法的组合进行实体提取和然后利用基于词语序列和关系树结构的LSTM算法进行实体到实体关系提取，并通过对实体进行排序得到知识图谱。
实体包括病人姓名、身体部位、疾病名称、症状和检测结果。
如图3所示，多种实体识别机器学习算法包括条件随机场CRF算法、递归神经网络RNN算法和带特征的递归神经网络RNN算法。
条件随机场CRF算法广泛用于语句序列标记任务，通过将语句序列中的各个片段标记出词语、词性、功能等实现临床实体识别。
按规则提取：对于临床文本，为每种类型的实体构建了多个字典、参考训练集，如身体部位、疾病、症状、检测结果等。在这些字典的帮助下，建立了许多规则来识别实体。
本实施例中利用使用RNN算法的其中一种—双向LSTM(Bi-LSTM)算法和条件随机场CRF算法组合来进行实体识别，具体为将前向和后向的LSTM结合起来，完成对上下文语义信息的获取，标签分数s(y)计算公式为：
Figure BDA0003578609370000051
其中，
Figure BDA0003578609370000052
表示为第i个token输出为yi词性的概率，即Emission Score，
Figure BDA0003578609370000053
表示为前一个标签yi转移到下一个标签yi+1的概率，即Transition Score。
Tokenization，也叫word segmentation,是一种操作，它按照特定需求，把文本切分成一个字符串序列(其元素一般称为token，或者叫词语)。
为了避免Bi-LSTM算法出现无效预测标签，保证最终标签预测的正确性，因此通过条件随机场CRF算法加强字符间的约束，Bi-LSTM对每个标签的输出分数，将损失函数Loss为：
Figure BDA0003578609370000054
上述损失表示为负的Bi-LSTM输出分数与N条可能路径总分数的对数之差，S表示上述的标签分数。
上述构建的医疗实体提取模型，通过在训练阶段不断更新Bi-LSTM及CRF参数值，来提高真实路径的分数值所占的比重，最终最大预测分数作为对该数据的标签预测，进而实现从电子病历或其他信息源中抽取典型实体信息，其中通过上述算法提取的疾病实体，均在由WHO制定国际疾病分类(International Classification of Diseases)系统，即ICD-10的标准名称之中。
如图4所示，基于词语序列和关系树结构的LSTM算法包括嵌入层、序列层、实体检测和实体关系层，最终将词语序列和关系树结构信息合并到输出中。
将上述识别出的医疗实体作为嵌入层；序列层将嵌入层的医疗实体以线性顺序表示；实体检测为每个词分配一个实体标记，其中每个实体标记包括实体类型和词在实体中的位置；实体关系层主要关注关系树中一对目标词之间的最短路径；然后将实体关系层堆叠在序列层之上，以实现词语序列和关系树结构信息合并到输出。
医疗检测数据采集设备包括心电图信号采集设备，智能运算器能够利用卷积神经网络CNN对心电图信号进行计算，并将计算结果输出作为临床实体识别系统实体提取的信息来源之一。
以上，仅是本发明的较佳实施例而已，并非是对本发明作其他形式的限制，任何熟悉本专业的技术人员可能利用上述揭示的技术内容加以变更或改型为等同变化的等效实施例应用于其他领域，但是凡是未脱离本发明技术方案内容，依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化，仍属于本发明技术方案的保护范围。

Claims (8)

1.一种基于智能体决策的急救辅助系统，其特征在于，包括MR眼镜系统、电子病历读取设备、医疗检测数据采集设备、智能运算器、显示器和存储器；
所述MR眼镜系统、电子病历读取设备和医疗检测数据采集设备的输出端与智能运算器通信连接；所述智能运算器的输出端与显示器通信连接，所述智能运算器的运算结果保存在存储器；
所述智能运算器通过运算输出基于电子病历、MR眼镜输出信息和医疗检测数据的知识图谱，所述知识图谱在显示器上呈现，所述知识图谱包括多个实体以及实体间的连线。
2.根据权利要求1所述的基于智能体决策的急救辅助系统，其特征在于，所述MR眼镜系统包括MR眼镜和移动端，救护车上的医护人员佩戴所述MR眼镜，所述MR眼镜通过USB线或无线连接移动端，所述移动端与智能运算器通过登录远程协同系统连接；
所述MR眼镜输出信息为医护人员通过MR眼镜拍摄的急救病人主要发病症状及口述发病详情。
3.根据权利要求2所述的基于智能体决策的急救辅助系统，其特征在于，所述电子病历读取设备获取电子病历中的原始临床文本，并且将原始临床文本传输给智能运算器。
4.根据权利要求3所述的基于智能体决策的急救辅助系统，其特征在于，所述智能运算器安装有临床实体识别系统，所述临床实体识别系统先利用多种实体识别机器学习算法的组合进行实体提取和然后利用基于词语序列和关系树结构的LSTM算法进行实体到实体关系提取，并通过对实体进行排序得到知识图谱。
5.根据权利要求4所述的基于智能体决策的急救辅助系统，其特征在于，所述实体包括病人姓名、身体部位、疾病名称、症状和检测结果。
6.根据权利要求5所述的基于智能体决策的急救辅助系统，其特征在于，所述多种实体识别机器学习算法包括条件随机场CRF算法、递归神经网络RNN算法和带特征的递归神经网络RNN算法。
7.根据权利要求6所述的基于智能体决策的急救辅助系统，其特征在于，所述基于词语序列和关系树结构的LSTM算法包括嵌入层、序列层、实体检测和实体关系层，最终将词语序列和关系树结构信息合并到输出中。
8.根据权利要求4所述的基于智能体决策的急救辅助系统，其特征在于，所述医疗检测数据采集设备包括心电图信号采集设备，所述智能运算器能够利用卷积神经网络CNN对心电图信号进行计算，并将计算结果输出作为临床实体识别系统实体提取的信息来源之一。
CN202210339728.1A 2022-04-01 2022-04-01 一种基于智能体决策的急救辅助系统 Pending CN114664436A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210339728.1A CN114664436A (zh) 2022-04-01 2022-04-01 一种基于智能体决策的急救辅助系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210339728.1A CN114664436A (zh) 2022-04-01 2022-04-01 一种基于智能体决策的急救辅助系统

Publications (1)

Publication Number Publication Date
CN114664436A true CN114664436A (zh) 2022-06-24

Family

ID=82033346

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210339728.1A Pending CN114664436A (zh) 2022-04-01 2022-04-01 一种基于智能体决策的急救辅助系统

Country Status (1)

Country Link
CN (1) CN114664436A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116072274A (zh) * 2023-03-06 2023-05-05 四川互慧软件有限公司 一种救护车医护自动调派系统

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116072274A (zh) * 2023-03-06 2023-05-05 四川互慧软件有限公司 一种救护车医护自动调派系统

Similar Documents

Publication Publication Date Title
CN109670179B (zh) 基于迭代膨胀卷积神经网络的病历文本命名实体识别方法
CN109741806B (zh) 一种医学影像诊断报告辅助生成方法及其装置
CN110069779B (zh) 医疗文本的症状实体识别方法及相关装置
CN109871538A (zh) 一种中文电子病历命名实体识别方法
CN109522546A (zh) 基于上下文相关的医学命名实体识别方法
CN110442840B (zh) 序列标注网络更新方法、电子病历处理方法及相关装置
CN111709233A (zh) 基于多注意力卷积神经网络的智能导诊方法及系统
CN112507701B (zh) 待纠错医疗数据的识别方法、装置、设备和存储介质
CN112100406B (zh) 数据处理方法、装置、设备以及介质
CN112541066B (zh) 基于文本结构化的医技报告检测方法及相关设备
CN111651991B (zh) 一种利用多模型融合策略的医疗命名实体识别方法
CN112329964A (zh) 用于推送信息的方法、装置、设备以及存储介质
CN110444261B (zh) 序列标注网络训练方法、电子病历处理方法及相关装置
US11989518B2 (en) Normalized processing method and apparatus of named entity, and electronic device
Xu et al. Intelligent emotion detection method based on deep learning in medical and health data
CN113657105A (zh) 基于词汇增强的医学实体抽取方法、装置、设备及介质
CN115497616A (zh) 一种感染性疾病辅助决策的方法、系统、设备及存储介质
CN113571184A (zh) 一种用于精神健康测评的对话交互设计方法及系统
CN114664436A (zh) 一种基于智能体决策的急救辅助系统
Ke et al. Medical entity recognition and knowledge map relationship analysis of Chinese EMRs based on improved BiLSTM-CRF
CN117708306B (zh) 基于层进式问答结构的医学问答架构生成方法及系统
CN113488157B (zh) 智能导诊处理方法、装置、电子设备及存储介质
CN113658720A (zh) 匹配诊断名称和icd编码的方法、装置、电子设备和存储介质
CN116884612A (zh) 疾病风险等级的智能分析方法、装置、设备及存储介质
US20230068560A1 (en) Medical information processing system, medical information processing method, and storage medium

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