CN115691741B - 一种医疗信息化信息传递及信息合并方法 - Google Patents
一种医疗信息化信息传递及信息合并方法 Download PDFInfo
- Publication number
- CN115691741B CN115691741B CN202310000610.0A CN202310000610A CN115691741B CN 115691741 B CN115691741 B CN 115691741B CN 202310000610 A CN202310000610 A CN 202310000610A CN 115691741 B CN115691741 B CN 115691741B
- Authority
- CN
- China
- Prior art keywords
- patient
- keywords
- diagnosis
- current
- sample
- 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
- 238000000034 method Methods 0.000 title claims abstract description 41
- 230000005540 biological transmission Effects 0.000 title claims abstract description 23
- 239000003814 drug Substances 0.000 claims abstract description 249
- 229940079593 drug Drugs 0.000 claims abstract description 202
- 238000003745 diagnosis Methods 0.000 claims abstract description 183
- 201000010099 disease Diseases 0.000 claims abstract description 45
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims abstract description 45
- 238000004364 calculation method Methods 0.000 claims abstract description 15
- 238000007689 inspection Methods 0.000 claims description 38
- 238000012546 transfer Methods 0.000 claims description 6
- 238000005516 engineering process Methods 0.000 claims description 4
- 230000011218 segmentation Effects 0.000 claims description 4
- 208000024891 symptom Diseases 0.000 claims description 4
- 238000002483 medication Methods 0.000 claims description 3
- 238000012216 screening Methods 0.000 claims description 3
- 239000000203 mixture Substances 0.000 claims description 2
- 230000004927 fusion Effects 0.000 claims 1
- 238000007500 overflow downdraw method Methods 0.000 claims 1
- 150000003254 radicals Chemical class 0.000 description 7
- 208000007530 Essential hypertension Diseases 0.000 description 6
- 208000002173 dizziness Diseases 0.000 description 6
- 238000000605 extraction Methods 0.000 description 6
- 206010020772 Hypertension Diseases 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 230000010354 integration Effects 0.000 description 5
- 238000007726 management method Methods 0.000 description 5
- 210000002565 arteriole Anatomy 0.000 description 4
- 238000004891 communication Methods 0.000 description 4
- 238000004590 computer program Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000036772 blood pressure Effects 0.000 description 3
- 201000001421 hyperglycemia Diseases 0.000 description 3
- 239000000955 prescription drug Substances 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 230000008719 thickening Effects 0.000 description 3
- 208000031226 Hyperlipidaemia Diseases 0.000 description 2
- 206010028813 Nausea Diseases 0.000 description 2
- 208000005392 Spasm Diseases 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- FAKRSMQSSFJEIM-RQJHMYQMSA-N captopril Chemical compound SC[C@@H](C)C(=O)N1CCC[C@H]1C(O)=O FAKRSMQSSFJEIM-RQJHMYQMSA-N 0.000 description 2
- 229960000830 captopril Drugs 0.000 description 2
- 210000005240 left ventricle Anatomy 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 230000008693 nausea Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- RMMXLENWKUUMAY-UHFFFAOYSA-N telmisartan Chemical compound CCCC1=NC2=C(C)C=C(C=3N(C4=CC=CC=C4N=3)C)C=C2N1CC(C=C1)=CC=C1C1=CC=CC=C1C(O)=O RMMXLENWKUUMAY-UHFFFAOYSA-N 0.000 description 2
- DNXIKVLOVZVMQF-UHFFFAOYSA-N (3beta,16beta,17alpha,18beta,20alpha)-17-hydroxy-11-methoxy-18-[(3,4,5-trimethoxybenzoyl)oxy]-yohimban-16-carboxylic acid, methyl ester Chemical group C1C2CN3CCC(C4=CC=C(OC)C=C4N4)=C4C3CC2C(C(=O)OC)C(O)C1OC(=O)C1=CC(OC)=C(OC)C(OC)=C1 DNXIKVLOVZVMQF-UHFFFAOYSA-N 0.000 description 1
- 239000005537 C09CA07 - Telmisartan Substances 0.000 description 1
- 206010020880 Hypertrophy Diseases 0.000 description 1
- LCQMZZCPPSWADO-UHFFFAOYSA-N Reserpilin Chemical group COC(=O)C1COCC2CN3CCc4c([nH]c5cc(OC)c(OC)cc45)C3CC12 LCQMZZCPPSWADO-UHFFFAOYSA-N 0.000 description 1
- QEVHRUUCFGRFIF-SFWBKIHZSA-N Reserpine Chemical group O=C(OC)[C@@H]1[C@H](OC)[C@H](OC(=O)c2cc(OC)c(OC)c(OC)c2)C[C@H]2[C@@H]1C[C@H]1N(C2)CCc2c3c([nH]c12)cc(OC)cc3 QEVHRUUCFGRFIF-SFWBKIHZSA-N 0.000 description 1
- FNYLWPVRPXGIIP-UHFFFAOYSA-N Triamterene Chemical group NC1=NC2=NC(N)=NC(N)=C2N=C1C1=CC=CC=C1 FNYLWPVRPXGIIP-UHFFFAOYSA-N 0.000 description 1
- 230000000747 cardiac effect Effects 0.000 description 1
- 238000007596 consolidation process Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000001969 hypertrophic effect 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
- 230000002085 persistent effect Effects 0.000 description 1
- BJOIZNZVOZKDIG-MDEJGZGSSA-N reserpine Chemical group O([C@H]1[C@@H]([C@H]([C@H]2C[C@@H]3C4=C([C]5C=CC(OC)=CC5=N4)CCN3C[C@H]2C1)C(=O)OC)OC)C(=O)C1=CC(OC)=C(OC)C(OC)=C1 BJOIZNZVOZKDIG-MDEJGZGSSA-N 0.000 description 1
- 229960003147 reserpine Drugs 0.000 description 1
- MDMGHDFNKNZPAU-UHFFFAOYSA-N roserpine Chemical group C1C2CN3CCC(C4=CC=C(OC)C=C4N4)=C4C3CC2C(OC(C)=O)C(OC)C1OC(=O)C1=CC(OC)=C(OC)C(OC)=C1 MDMGHDFNKNZPAU-UHFFFAOYSA-N 0.000 description 1
- 230000001148 spastic effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 229960005187 telmisartan Drugs 0.000 description 1
- 229960001288 triamterene Drugs 0.000 description 1
Images
Classifications
-
- 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
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明涉及医疗信息技术领域,揭露了一种医疗信息化信息传递及信息合并方法,包括:在病历样本集中进行病历相似度匹配,得到相似病历样本集,在相似病历样本集中提取病患关联特征集,根据病患关联特征集与重合药品构建病症用药索引表,接收当前主诉样本、当前检查样本以及当前诊断样本,提取当前关联特征,根据当前关联特征在病症用药索引表中查询目标处方用药,对所述目标处方用药进行药品推荐度计算,得到药品推荐值。本发明还提出一种医疗信息化信息传递及信息合并装置、电子设备以及计算机可读存储介质。本发明可以解决当前医生开方方式存在着耗费人力大,风险高以及效率低的问题。
Description
技术领域
本发明涉及医疗信息技术领域,尤其涉及一种医疗信息化信息传递及信息合并方法。
背景技术
随着医疗信息化的发展,以电子病历(Electronic Medical Record)为核心的医疗信息数据迅速累积和发展,分布在各个医院的医疗信息数据呈现爆发式增长,医疗卫生的信息通信产业也迎来了发展的机遇。
当前患者到医院就医的病历中主要记载了患者主诉信息、患者检查信息以及医生诊断信息,治疗流程也相应的分为患者主诉、患者检查以及医生根据主诉以及检查的结果来进行诊断开方。但这种方式需要医生凭借专业知识以及经验判断出具体对症的处方药,因此当前医生开方方式存在着耗费人力大,风险高以及效率低等问题。
发明内容
本发明提供一种医疗信息化信息传递及信息合并方法,其主要目的在于解决当前医生开方方式存在着耗费人力大,风险高以及效率低的问题。
为实现上述目的,本发明提供的一种医疗信息化信息传递及信息合并方法,包括:接收病历样本集,在所述病历样本集中进行病历相似度匹配,得到处方用药项目中存在重合药品的相似病历样本集;
在所述相似病历样本集中提取病患主诉样本集、病患检查样本集及医生诊断样本集;
在所述病患主诉样本集、病患检查样本集及医生诊断样本集中提取重合特征,得到病患关联特征集;
根据所述病患关联特征集与所述重合药品的一一对应关系构建病症用药索引表;
接收病患的当前主诉样本、当前检查样本以及当前诊断样本,根据所述病患关联特征集在所述当前主诉样本、当前检查样本以及当前诊断样本中提取当前关联特征;
根据所述当前关联特征在所述病症用药索引表中查询目标处方用药,利用预构建的药品推荐度公式,对所述目标处方用药进行药品推荐度计算,得到药品推荐值,完成医疗个信息化信息传递及信息合并,其中所述药品推荐度公式如下所示:
其中,a表示当前关联特征与目标处方用药对应的病患关联特征发生交集的主诉关键词个数,A表示当前关联特征与目标处方用药对应的病患关联特征发生并集的主诉关键词个数;b表示当前关联特征与目标处方用药对应的病患关联特征发生交集的检查关键词个数,B表示当前关联特征与目标处方用药对应的病患关联特征发生并集的检查关键词个数;c表示当前关联特征与目标处方用药对应的病患关联特征发生交集的诊断关键词个数,C表示当前关联特征与目标处方用药对应的病患关联特征发生并集的诊断关键词个数;k1、k2、k3分别表示主诉关键词推荐权重、检查关键词推荐权重以及诊断关键词推荐权重。
可选地,所述在所述病历样本集中进行病历相似度匹配,得到处方用药项目中存在重合药品的相似病历样本集,包括:
在预构建的药品目录中依次提取待匹配药品名称;
根据所述待匹配药品名称,对所述病历样本集中病历样本的处方用药进行重合性匹配,得到相似病历样本集。
可选地,所述根据所述待匹配药品名称,对所述病历样本集中病历样本的处方用药进行重合性匹配,得到相似病历样本集,包括:
判断所述病历样本集中是否存在多个病历样本的处方用药包含所述待匹配药品;
若所述病历样本集中存在多个病历样本的处方用药包含所述待匹配药品,则将所述多个病历样本归类为所述相似病历样本集;
若所述病历样本集中不存在多个病历样本的处方用药包含所述待匹配药品,则所述待匹配药品不存在对应的相似病历样本集。
可选地,所述在所述相似病历样本集中提取病患主诉样本集、病患检查样本集及医生诊断样本集,包括:
在所述相似病历样本集中提取病患主诉文本集、病患检查文本集及医生诊断文本集;
利用预构建的文本分词技术,分别在所述病患主诉文本集、病患检查文本集及医生诊断文本集中提取主诉关键词、检查关键词以及诊断关键词,得到病患主诉样本集、病患检查样本集及医生诊断样本集。
可选地,所述在所述病患主诉样本集、病患检查样本集及医生诊断样本集中提取重合特征,得到病患关联特征集,包括:
在所述病患主诉样本集中进行主诉关键词匹配,得到不同数量的主诉关键词集;
在所述病患检查样本集中进行检查关键词匹配,得到不同数量的检查关键词集;
在所述医生诊断样本集中进行诊断关键词匹配,得到不同数量的诊断关键词集;
利用预构建的重合度计算公式,根据所述主诉关键词集、检查关键词集以及诊断关键词集计算出关联特征值;
根据所述关联特征值在所述主诉关键词集、检查关键词集以及诊断关键词集中筛选出所述病患关联特征集。
可选地,所述重合度计算公式如下所示:
其中,S表示相似病历样本集中相似病历样本的个数,εm表示病患主诉样本集中出现相同主诉关键词集合的数目,εn表示病患检查样本集中出现相同检查关键词集合的数目,εl表示医生诊断样本集中出现相同诊断关键词集合的数目,γ表示关联特征值。
可选地,所述根据所述病患关联特征集在所述当前主诉样本、当前检查样本以及当前诊断样本中提取当前关联特征,包括:
依次在所述病患关联特征集中提取病患关联特征,得到病患关联特征序列;
利用预构建的关联特征计算公式计算所述病患关联特征序列中每一个病患关联特征与所述当前主诉样本、当前检查样本以及当前诊断样本的关联特征值。
可选地,所述关联特征计算公式,如下所示:
其中,ai表示当前主诉样本的主诉关键词集合与病症用药索引表中第i个病患关联特征集中的主诉关键词集合发生交集的主诉关键词个数,Ai表示病症用药索引表中第i个病患关联特征集中的主诉关键词个数;bi表示当前检查样本的检查关键词集合与病症用药索引表中第i个病患关联特征集中的检查关键词集合发生交集的检查关键词个数,Bi表示病症用药索引表中第i个病患关联特征集中的检查关键词个数;ci表示当前诊断样本的诊断关键词集合与病症用药索引表中第i个病患关联特征集中的诊断关键词集合发生交集的诊断关键词个数,Ci表示病症用药索引表中第i个病患关联特征集中的诊断关键词个数,μ表示诊断样本的关联特征值。
可选地,所述利用预构建的药品推荐度公式,对所述目标处方用药进行药品推荐度计算,得到药品推荐值,包括:
提取所述目标处方用药对应的病患关联特征;
在所述病患关联特征中提取主诉关键词集、检查关键词集以及诊断关键词集;
分别计算所述当前关联特征与所述主诉关键词集、检查关键词集以及诊断关键词集的交集主诉关键词数、交集检查关键词数、交集诊断关键词数、并集主诉关键词数、并集检查关键词数以及并集诊断关键词数;
根据所述交集主诉关键词数、交集检查关键词数、交集诊断关键词数、并集主诉关键词数、并集检查关键词数以及并集诊断关键词数,利用所述药品推荐度公式计算所述药品推荐值。
可选地,所述分别计算所述当前关联特征与所述主诉关键词集、检查关键词集以及诊断关键词集的交集主诉关键词数、交集检查关键词数、交集诊断关键词数、并集主诉关键词数、并集检查关键词数以及并集诊断关键词数,包括:
在所述当前关联特征中提取当前主诉关键词集、当前检查关键词集以及当前诊断关键词集;根据所述当前主诉关键词集与主诉关键词集计算交集主诉关键词数以及并集主诉关键词数;根据所述当前检查关键词集与检查关键词集计算交集检查关键词数以及并集检查关键词数;根据所述当前诊断关键词集与诊断关键词集计算交集诊断关键词数以及并集诊断关键词数。
可选地,所述根据所述病患关联特征集与所述重合药品的一一对应关系构建病症用药索引表,包括:
根据所述重合药品构建索引目录;
将所述重合药品对应的病患关联特征集作为索引目标,得到所述病症用药索引表。
为了解决上述问题,本发明还提供一种医疗信息化信息传递及信息合并装置,所述装置包括:
相似病历样本集获取模块,用于接收病历样本集,在所述病历样本集中进行病历相似度匹配,得到处方用药项目中存在重合药品的相似病历样本集;
病患关联特征集提取模块,用于在所述相似病历样本集中提取病患主诉样本集、病患检查样本集及医生诊断样本集;在所述病患主诉样本集、病患检查样本集及医生诊断样本集中提取重合特征,得到病患关联特征集;
病症用药索引表构建模块,用于根据所述病患关联特征集与所述重合药品的一一对应关系构建病症用药索引表;
当前关联特征提取模块,用于接收病患的当前主诉样本、当前检查样本以及当前诊断样本,根据所述病患关联特征集在所述当前主诉样本、当前检查样本以及当前诊断样本中提取当前关联特征;
目标处方用药推荐模块,用于根据所述当前关联特征在所述病症用药索引表中查询目标处方用药,利用预构建的药品推荐度公式,对所述目标处方用药进行药品推荐度计算,得到药品推荐值,完成医疗个信息化信息传递及信息合并,其中所述药品推荐度公式如下所示:
其中,a表示当前关联特征与目标处方用药对应的病患关联特征发生交集的主诉关键词个数(交集主诉关键词数),A表示当前关联特征与目标处方用药对应的病患关联特征发生并集的主诉关键词个数(并集主诉关键词数);b表示当前关联特征与目标处方用药对应的病患关联特征发生交集的检查关键词个数(交集检查关键词数),B表示当前关联特征与目标处方用药对应的病患关联特征发生并集的检查关键词个数(并集检查关键词数);c表示当前关联特征与目标处方用药对应的病患关联特征发生交集的诊断关键词个数(交集诊断关键词数),C表示当前关联特征与目标处方用药对应的病患关联特征发生并集的诊断关键词个数(并集诊断关键词数);k1、k2、k3分别表示主诉关键词推荐权重、检查关键词推荐权重以及诊断关键词推荐权重。
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:
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指令,所述指令被所述至少一个处理器执行,以实现上述所述的医疗信息化信息传递及信息合并方法。
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指令,所述至少一个指令被电子设备中的处理器执行以实现上述所述的医疗信息化信息传递及信息合并方法。
相比于背景技术所述:当前医生开方方式存在着耗费人力大,风险高以及效率低的现象,本发明实施例通过在预构建的病历样本集中进行病历相似度匹配,得到存在重合药品的相似病历样本集,当得到相似病历样本集,就可以在所述相似病历样本集中提取重合特征,得到病患关联特征集,因此此时所述病患关联特征集与所述重合药品之间存在着关联关系,此时可以通过这种关联关系构建所述病症用药索引表,这时就可以接收当前主诉样本、当前检查样本以及当前诊断样本,通过所述病患关联特征集可以在所述当前主诉样本、当前检查样本以及当前诊断样本中提取出当前关联特征,此处的当前关联特征应为所述病症用药索引表中与所述当前主诉样本、当前检查样本以及当前诊断样本的关联度最高的病患关联特征集,因此该关联度最高的病患关联特征集所对应的药品可以作为推荐药品辅助医生进行开方,并且可以根据主诉关键词推荐权重、检查关键词推荐权重以及诊断关键词推荐权重调节相应的药品推荐值。因此本发明提出的医疗信息化信息传递及信息合并方法、装置、电子设备及计算机可读存储介质,可以解决当前医生开方方式存在着耗费人力大,风险高以及效率低的问题。
附图说明
图1为本发明一实施例提供的医疗信息化信息传递及信息合并方法的流程示意图;
图2为本发明一实施例提供的医疗信息化信息传递及信息合并装置的功能模块图;
图3为本发明一实施例提供的实现所述医疗信息化信息传递及信息合并方法的电子设备的结构示意图。
本发明目的实现、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。
本申请实施例提供一种医疗信息化信息传递及信息合并方法。所述医疗信息化信息传递及信息合并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,所述医疗信息化信息传递及信息合并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。
实施例1:
参照图1所示,为本发明一实施例提供的医疗信息化信息传递及信息合并方法的流程示意图。在本实施例中,所述医疗信息化信息传递及信息合并方法包括:
S1、接收病历样本集,在所述病历样本集中进行病历相似度匹配,得到处方用药项目中存在重合药品的相似病历样本集。
可解释的,所述病历样本集指历史病历样本集合,例如:各大医院医生根据医学知识对来院患者进行接诊得到的病历样本集合,所述病历样本集合可以为10000份病历样本,所述病历样本应包括:患者基本信息、患者主诉信息、患者检查信息以及医生诊断信息等。
本发明实施例中,所述在所述病历样本集中进行病历相似度匹配,得到处方用药项目中存在重合药品的相似病历样本集,包括:
在预构建的药品目录中依次提取待匹配药品名称;
根据所述待匹配药品名称,对所述病历样本集中病历样本的处方用药进行重合性匹配,得到相似病历样本集。
可解释的,所述药品目录应包含各类常用的药品,并不断适时增加药品名称以增加本发明实施例的药品推荐范围。
可理解的,医生对每位患者开具的处方药可能会发生重合,例如:甲患者的处方药为卡托普利、替米沙坦等,乙患者的处方药为卡托普利、氨苯蝶啶以及利血平等,则甲乙二人的病历样本应为相似病历样本。
本发明实施例中,所述根据所述待匹配药品名称,对所述病历样本集中病历样本的处方用药进行重合性匹配,得到相似病历样本集,包括:
判断所述病历样本集中是否存在多个病历样本的处方用药包含所述待匹配药品;
若所述病历样本集中存在多个病历样本的处方用药包含所述待匹配药品,则将所述多个病历样本归类为所述相似病历样本集;
若所述病历样本集中不存在多个病历样本的处方用药包含所述待匹配药品,则所述待匹配药品不存在对应的相似病历样本集。
可理解的,当所述历样本集中存在两个以上的病历样本的处方用药包含相同药品时,则该相同药品存在对应的相似病历样本集。
S2、在所述相似病历样本集中提取病患主诉样本集、病患检查样本集及医生诊断样本集。
应明白的,所述病患主诉样本集、病患检查样本集及医生诊断样本集指所述相似病历样本的病患主诉关键词集合、病患检查关键词集合以及医生诊断关键词集合。
本发明实施例中,所述在所述相似病历样本集中提取病患主诉样本集、病患检查样本集及医生诊断样本集,包括:
在所述相似病历样本集中提取病患主诉文本集、病患检查文本集及医生诊断文本集;
利用预构建的文本分词技术,分别在所述病患主诉文本集、病患检查文本集及医生诊断文本集中提取主诉关键词、检查关键词以及诊断关键词,得到病患主诉样本集、病患检查样本集及医生诊断样本集。
本发明实施例中,所述文本分词技术为现有技术在此不再赘述。所述主诉关键词可以为:反复感头晕、视物模糊以及头重脚轻等,所述检查关键词可以为:血压较高、肾小动脉持续痉挛以及心主壁略有增厚等,诊断关键词可以为:原发性高血压、高血糖等。
S3、在所述病患主诉样本集、病患检查样本集及医生诊断样本集中提取重合特征,得到病患关联特征集。
可解释的,当得到病患主诉样本集、病患检查样本集及医生诊断样本集后,由于对应的用药存在相同的情况,因此患者的主诉、检查以及诊断样本中可能存在重合的关键词,因此提取所述病患主诉样本集、病患检查样本集及医生诊断样本集中的关键词集合,得到所述病患关联特征集,例如:患者甲的主诉关键词为:反复感头晕、视物模糊以及头重脚轻,检查关键词为:血压较高、肾小动脉持续痉挛以及心主壁略有增厚,诊断关键词为:原发性高血压、高血糖。患者乙的主诉关键词为:反复感头晕、无恶心、无心悸,检查关键词为:血压较高、左室肥大、心主壁略有增厚,诊断关键词为原发性高血压、高血脂。则所述病患关联特征集为反复感头晕、血压较高、心主壁略有增厚以及原发性高血压。
本发明实施例中,所述在所述病患主诉样本集、病患检查样本集及医生诊断样本集中提取重合特征,得到病患关联特征集,包括:
在所述病患主诉样本集中进行主诉关键词匹配,得到不同数量的主诉关键词集;
在所述病患检查样本集中进行检查关键词匹配,得到不同数量的检查关键词集;
在所述医生诊断样本集中进行诊断关键词匹配,得到不同数量的诊断关键词集;
利用预构建的重合度计算公式,根据所述主诉关键词集、检查关键词集以及诊断关键词集计算出关联特征值;
根据所述关联特征值在所述主诉关键词集、检查关键词集以及诊断关键词集中筛选出所述病患关联特征集。
可解释的,所述关联特征值指两个相似病历样本的关联程度。
本发明实施例中,所述重合度计算公式如下所示:
其中,S表示相似病历样本集中相似病历样本的个数,εm表示病患主诉样本集中出现相同主诉关键词集合的数目,εn表示病患检查样本集中出现相同检查关键词集合的数目,εl表示医生诊断样本集中出现相同诊断关键词集合的数目,γ表示关联特征值。
可理解的,由于两个相似病历样本中甲与乙的主诉关键词集、检查关键词集以及诊断关键词集可能存在数量不同的相同关键词,因此需要提取数量最多的相同关键词对应的两个相似病历样本,从而使关键词具有代表性,例如:甲和乙的检查关键词包括血压较高、心主壁略有增厚相同,因此需要同时提取这两个检查关键词,从而最大限度的计算出两个病例样本之间的关联特征值。此时可能存在丙的检查关键词为血压较高、肾小动脉持续痉挛以及心主壁略有增厚,与甲相同数量为3,此时,应将甲与丙的相同关键词作为所述病患关联特征集。
S4、根据所述病患关联特征集与所述重合药品的一一对应关系构建病症用药索引表。
本发明实施例中,所述根据所述病患关联特征集与所述重合药品的一一对应关系构建病症用药索引表,包括:
根据所述重合药品构建索引目录;
将所述重合药品对应的病患关联特征集作为索引目标,得到所述病症用药索引表。
S5、接收病患的当前主诉样本、当前检查样本以及当前诊断样本,根据所述病患关联特征集在所述当前主诉样本、当前检查样本以及当前诊断样本中提取当前关联特征。
本发明实施例中,所述根据所述病患关联特征集在所述当前主诉样本、当前检查样本以及当前诊断样本中提取当前关联特征,包括:
依次在所述病患关联特征集中提取病患关联特征,得到病患关联特征序列;
利用预构建的关联特征计算公式计算所述病患关联特征序列中每一个病患关联特征与所述当前主诉样本、当前检查样本以及当前诊断样本的关联特征值。
可解释的,所述病患关联特征序列由主诉关键词集合、检查关键词集合以及诊断关键词集合组成。
本发明实施例中,所述关联特征计算公式,如下所示:
其中,ai表示当前主诉样本的主诉关键词集合与病症用药索引表中第i个病患关联特征集中的主诉关键词集合发生交集的主诉关键词个数,Ai表示病症用药索引表中第i个病患关联特征集中的主诉关键词个数;bi表示当前检查样本的检查关键词集合与病症用药索引表中第i个病患关联特征集中的检查关键词集合发生交集的检查关键词个数,Bi表示病症用药索引表中第i个病患关联特征集中的检查关键词个数;ci表示当前诊断样本的诊断关键词集合与病症用药索引表中第i个病患关联特征集中的诊断关键词集合发生交集的诊断关键词个数,Ci表示病症用药索引表中第i个病患关联特征集中的诊断关键词个数,μ表示诊断样本的关联特征值。
可理解的,利用所述关联特征计算公式可以计算出所述病症用药索引表中病患关联特征集与所述当前主诉样本、当前检查样本以及当前诊断样本的最大关联特征值,最大关联特征值表示两者的主诉关键词、检查关键词以及诊断关键词的关联度最高,因此所对应的病患关联特征集索引的处方药品最有可能是当前患者需要的处方药品。
S6、根据所述当前关联特征在所述病症用药索引表中查询目标处方用药,利用预构建的药品推荐度公式,对所述目标处方用药进行药品推荐度计算,得到药品推荐值,完成医疗个信息化信息传递及信息合并。
可理解的,计算出的药品推荐值可以提供医生进行开方参考、开方纠错甚至当正确率达到一定程度后,达到自动开方等目的。
详细地,所述药品推荐度公式如下所示:
其中,a表示当前关联特征与目标处方用药对应的病患关联特征发生交集的主诉关键词个数(交集主诉关键词数),A表示当前关联特征与目标处方用药对应的病患关联特征发生并集的主诉关键词个数(并集主诉关键词数);b表示当前关联特征与目标处方用药对应的病患关联特征发生交集的检查关键词个数(交集检查关键词数),B表示当前关联特征与目标处方用药对应的病患关联特征发生并集的检查关键词个数(并集检查关键词数);c表示当前关联特征与目标处方用药对应的病患关联特征发生交集的诊断关键词个数(交集诊断关键词数),C表示当前关联特征与目标处方用药对应的病患关联特征发生并集的诊断关键词个数(并集诊断关键词数);k1、k2、k3分别表示主诉关键词推荐权重、检查关键词推荐权重以及诊断关键词推荐权重。
应明白的,主诉、检查以及诊断三者的重要程度可以根据需要进行调节,例如:k1=0.2,k2=0.5,k3=0.3。
详细地,所述利用预构建的药品推荐度公式,对所述目标处方用药进行药品推荐度计算,得到药品推荐值,包括:
提取所述目标处方用药对应的病患关联特征;
在所述病患关联特征中提取主诉关键词集、检查关键词集以及诊断关键词集;
分别计算所述当前关联特征与所述主诉关键词集、检查关键词集以及诊断关键词集的交集主诉关键词数、交集检查关键词数、交集诊断关键词数、并集主诉关键词数、并集检查关键词数以及并集诊断关键词数;
根据所述交集主诉关键词数、交集检查关键词数、交集诊断关键词数、并集主诉关键词数、并集检查关键词数以及并集诊断关键词数,利用所述药品推荐度公式计算所述药品推荐值。
详细地,所述分别计算所述当前关联特征与所述主诉关键词集、检查关键词集以及诊断关键词集的交集主诉关键词数、交集检查关键词数、交集诊断关键词数、并集主诉关键词数、并集检查关键词数以及并集诊断关键词数,包括:
在所述当前关联特征中提取当前主诉关键词集、当前检查关键词集以及当前诊断关键词集;根据所述当前主诉关键词集与主诉关键词集计算交集主诉关键词数以及并集主诉关键词数;根据所述当前检查关键词集与检查关键词集计算交集检查关键词数以及并集检查关键词数;根据所述当前诊断关键词集与诊断关键词集计算交集诊断关键词数以及并集诊断关键词数。
可解释的,当甲的主诉关键词为:反复感头晕、视物模糊以及头重脚轻,所述检查关键词为:血压较高、肾小动脉持续痉挛以及心主壁略有增厚,诊断关键词可以为:原发性高血压、高血糖;乙的主诉关键词为:反复感头晕、无恶心、无心悸,检查关键词为:血压较高、左室肥大、心主壁略有增厚,诊断关键词为原发性高血压、高血脂,则所述交集主诉关键词数、交集检查关键词数、交集诊断关键词数、并集主诉关键词数、并集检查关键词数以及并集诊断关键词数分别为:1、2、1、5、4、3。
相比于背景技术所述:当前医生开方方式存在着耗费人力大,风险高以及效率低的现象,本发明实施例通过在预构建的病历样本集中进行病历相似度匹配,得到存在重合药品的相似病历样本集,当得到相似病历样本集,就可以在所述相似病历样本集中提取重合特征,得到病患关联特征集,因此此时所述病患关联特征集与所述重合药品之间存在着关联关系,此时可以通过这种关联关系构建所述病症用药索引表,这时就可以接收当前主诉样本、当前检查样本以及当前诊断样本,通过所述病患关联特征集可以在所述当前主诉样本、当前检查样本以及当前诊断样本中提取出当前关联特征,此处的当前关联特征应为所述病症用药索引表中与所述当前主诉样本、当前检查样本以及当前诊断样本的关联度最高的病患关联特征集,因此该关联度最高的病患关联特征集所对应的药品可以作为推荐药品辅助医生进行开方,并且可以根据主诉关键词推荐权重、检查关键词推荐权重以及诊断关键词推荐权重调节相应的药品推荐值。因此本发明提出的医疗信息化信息传递及信息合并方法、装置、电子设备及计算机可读存储介质,可以解决当前医生开方方式存在着耗费人力大,风险高以及效率低的问题。
实施例2:
如图2所示,是本发明一实施例提供的医疗信息化信息传递及信息合并装置的功能模块图。
本发明所述医疗信息化信息传递及信息合并装置100可以安装于电子设备中。根据实现的功能,所述医疗信息化信息传递及信息合并装置100可以包括相似病历样本集获取模块101、病患关联特征集提取模块102、病症用药索引表构建模块103、当前关联特征提取模块104及目标处方用药推荐模块105。本发明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。
所述相似病历样本集获取模块101,用于接收病历样本集,在所述病历样本集中进行病历相似度匹配,得到处方用药项目中存在重合药品的相似病历样本集;
所述病患关联特征集提取模块102,用于在所述相似病历样本集中提取病患主诉样本集、病患检查样本集及医生诊断样本集;在所述病患主诉样本集、病患检查样本集及医生诊断样本集中提取重合特征,得到病患关联特征集;
所述病症用药索引表构建模块103,用于根据所述病患关联特征集与所述重合药品的一一对应关系构建病症用药索引表;
所述当前关联特征提取模块104,用于接收病患的当前主诉样本、当前检查样本以及当前诊断样本,根据所述病患关联特征集在所述当前主诉样本、当前检查样本以及当前诊断样本中提取当前关联特征;
所述目标处方用药推荐模块105,用于根据所述当前关联特征在所述病症用药索引表中查询目标处方用药,利用预构建的药品推荐度公式,对所述目标处方用药进行药品推荐度计算,得到药品推荐值,完成医疗个信息化信息传递及信息合并,其中所述药品推荐度公式如下所示:
其中,a表示当前关联特征与目标处方用药对应的病患关联特征发生交集的主诉关键词个数(交集主诉关键词数),A表示当前关联特征与目标处方用药对应的病患关联特征发生并集的主诉关键词个数(并集主诉关键词数);b表示当前关联特征与目标处方用药对应的病患关联特征发生交集的检查关键词个数(交集检查关键词数),B表示当前关联特征与目标处方用药对应的病患关联特征发生并集的检查关键词个数(并集检查关键词数);c表示当前关联特征与目标处方用药对应的病患关联特征发生交集的诊断关键词个数(交集诊断关键词数),C表示当前关联特征与目标处方用药对应的病患关联特征发生并集的诊断关键词个数(并集诊断关键词数);k1、k2、k3分别表示主诉关键词推荐权重、检查关键词推荐权重以及诊断关键词推荐权重。
详细地,本发明实施例中所述医疗信息化信息传递及信息合并装置100中的所述各模块在使用时采用与上述的图1中所述的医疗信息化信息传递及信息合并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。
实施例3:
如图3所示,是本发明一实施例提供的实现医疗信息化信息传递及信息合并方法的电子设备的结构示意图。
所述电子设备1可以包括处理器10、存储器11、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,如医疗信息化信息传递及信息合并程序。
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1的内部存储单元,例如该电子设备1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1的外部存储设备,例如电子设备1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1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1的应用软件及各类数据,例如医疗信息化信息传递及信息合并程序的代码等,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(例如医疗信息化信息传递及信息合并程序等),以及调用存储在所述存储器11内的数据,以执行电子设备1的各种功能和处理数据。
所述总线可以是外设部件互连标准(peripheral component interconnect,简称PCI)总线或扩展工业标准结构(extended industry standard architecture,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。
图3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3示出的结构并不构成对所述电子设备1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1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、电源故障检测电路、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1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。
进一步地,所述电子设备1还可以包括网络接口,可选地,所述网络接口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1与其他电子设备之间建立通信连接。
可选地,该电子设备1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1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1中的所述存储器11存储的医疗信息化信息传递及信息合并程序是多个指令的组合,在所述处理器10中运行时,可以实现:
接收病历样本集,在所述病历样本集中进行病历相似度匹配,得到处方用药项目中存在重合药品的相似病历样本集;
在所述相似病历样本集中提取病患主诉样本集、病患检查样本集及医生诊断样本集;
在所述病患主诉样本集、病患检查样本集及医生诊断样本集中提取重合特征,得到病患关联特征集;
根据所述病患关联特征集与所述重合药品的一一对应关系构建病症用药索引表;
接收病患的当前主诉样本、当前检查样本以及当前诊断样本,根据所述病患关联特征集在所述当前主诉样本、当前检查样本以及当前诊断样本中提取当前关联特征;
根据所述当前关联特征在所述病症用药索引表中查询目标处方用药,利用预构建的药品推荐度公式,对所述目标处方用药进行药品推荐度计算,得到药品推荐值,完成医疗个信息化信息传递及信息合并,其中所述药品推荐度公式如下所示:
其中,a表示当前关联特征与目标处方用药对应的病患关联特征发生交集的主诉关键词个数(交集主诉关键词数),A表示当前关联特征与目标处方用药对应的病患关联特征发生并集的主诉关键词个数(并集主诉关键词数);b表示当前关联特征与目标处方用药对应的病患关联特征发生交集的检查关键词个数(交集检查关键词数),B表示当前关联特征与目标处方用药对应的病患关联特征发生并集的检查关键词个数(并集检查关键词数);c表示当前关联特征与目标处方用药对应的病患关联特征发生交集的诊断关键词个数(交集诊断关键词数),C表示当前关联特征与目标处方用药对应的病患关联特征发生并集的诊断关键词个数(并集诊断关键词数);k1、k2、k3分别表示主诉关键词推荐权重、检查关键词推荐权重以及诊断关键词推荐权重。
具体地,所述处理器10对上述指令的具体实现方法可参考图1至图2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存储介质中。所述计算机可读存储介质可以是易失性的,也可以是非易失性的。例如,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)。
本发明还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:
接收病历样本集,在所述病历样本集中进行病历相似度匹配,得到处方用药项目中存在重合药品的相似病历样本集;
在所述相似病历样本集中提取病患主诉样本集、病患检查样本集及医生诊断样本集;
在所述病患主诉样本集、病患检查样本集及医生诊断样本集中提取重合特征,得到病患关联特征集;
根据所述病患关联特征集与所述重合药品的一一对应关系构建病症用药索引表;
接收病患的当前主诉样本、当前检查样本以及当前诊断样本,根据所述病患关联特征集在所述当前主诉样本、当前检查样本以及当前诊断样本中提取当前关联特征;
根据所述当前关联特征在所述病症用药索引表中查询目标处方用药,利用预构建的药品推荐度公式,对所述目标处方用药进行药品推荐度计算,得到药品推荐值,完成医疗个信息化信息传递及信息合并,其中所述药品推荐度公式如下所示:
其中,a表示当前关联特征与目标处方用药对应的病患关联特征发生交集的主诉关键词个数(交集主诉关键词数),A表示当前关联特征与目标处方用药对应的病患关联特征发生并集的主诉关键词个数(并集主诉关键词数);b表示当前关联特征与目标处方用药对应的病患关联特征发生交集的检查关键词个数(交集检查关键词数),B表示当前关联特征与目标处方用药对应的病患关联特征发生并集的检查关键词个数(并集检查关键词数);c表示当前关联特征与目标处方用药对应的病患关联特征发生交集的诊断关键词个数(交集诊断关键词数),C表示当前关联特征与目标处方用药对应的病患关联特征发生并集的诊断关键词个数(并集诊断关键词数);k1、k2、k3分别表示主诉关键词推荐权重、检查关键词推荐权重以及诊断关键词推荐权重。
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。
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。
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 (8)
1.一种医疗信息化信息传递及信息合并方法,其特征在于,所述方法包括:
接收病历样本集,在所述病历样本集中进行病历相似度匹配,得到处方用药项目中存在重合药品的相似病历样本集;
在所述相似病历样本集中提取病患主诉样本集、病患检查样本集及医生诊断样本集;
在所述病患主诉样本集、病患检查样本集及医生诊断样本集中提取重合特征,得到病患关联特征集;
根据所述病患关联特征集与所述重合药品的一一对应关系构建病症用药索引表;
接收病患的当前主诉样本、当前检查样本以及当前诊断样本,根据所述病患关联特征集在所述当前主诉样本、当前检查样本以及当前诊断样本中提取当前关联特征;
根据所述当前关联特征在所述病症用药索引表中查询目标处方用药,利用预构建的药品推荐度公式,对所述目标处方用药进行药品推荐度计算,得到药品推荐值,完成医疗个信息化信息传递及信息合并,其中所述药品推荐度公式如下所示:
其中,a表示当前关联特征与目标处方用药对应的病患关联特征发生交集的主诉关键词个数,A表示当前关联特征与目标处方用药对应的病患关联特征发生并集的主诉关键词个数;b表示当前关联特征与目标处方用药对应的病患关联特征发生交集的检查关键词个数,B表示当前关联特征与目标处方用药对应的病患关联特征发生并集的检查关键词个数;c表示当前关联特征与目标处方用药对应的病患关联特征发生交集的诊断关键词个数,C表示当前关联特征与目标处方用药对应的病患关联特征发生并集的诊断关键词个数;k1、k2、k3分别表示主诉关键词推荐权重、检查关键词推荐权重以及诊断关键词推荐权重;
所述在所述相似病历样本集中提取病患主诉样本集、病患检查样本集及医生诊断样本集,包括:
在所述相似病历样本集中提取病患主诉文本集、病患检查文本集及医生诊断文本集;
利用预构建的文本分词技术,分别在所述病患主诉文本集、病患检查文本集及医生诊断文本集中提取主诉关键词、检查关键词以及诊断关键词,得到病患主诉样本集、病患检查样本集及医生诊断样本集;
所述在所述病患主诉样本集、病患检查样本集及医生诊断样本集中提取重合特征,得到病患关联特征集,包括:
在所述病患主诉样本集中进行主诉关键词匹配,得到不同数量的主诉关键词集;
在所述病患检查样本集中进行检查关键词匹配,得到不同数量的检查关键词集;
在所述医生诊断样本集中进行诊断关键词匹配,得到不同数量的诊断关键词集;
利用预构建的重合度计算公式,根据所述主诉关键词集、检查关键词集以及诊断关键词集计算出关联特征值;
根据所述关联特征值在所述主诉关键词集、检查关键词集以及诊断关键词集中筛选出所述病患关联特征集;
所述根据所述病患关联特征集在所述当前主诉样本、当前检查样本以及当前诊断样本中提取当前关联特征,包括:
依次在所述病患关联特征集中提取病患关联特征,得到病患关联特征序列;
利用预构建的关联特征计算公式计算所述病患关联特征序列中每一个病患关联特征与所述当前主诉样本、当前检查样本以及当前诊断样本的关联特征值。
2.如权利要求1所述的医疗信息化信息传递及信息合并方法,其特征在于,所述在所述病历样本集中进行病历相似度匹配,得到处方用药项目中存在重合药品的相似病历样本集,包括:
在预构建的药品目录中依次提取待匹配药品名称;
根据所述待匹配药品名称,对所述病历样本集中病历样本的处方用药进行重合性匹配,得到相似病历样本集。
3.如权利要求2所述的医疗信息化信息传递及信息合并方法,其特征在于,所述根据所述待匹配药品名称,对所述病历样本集中病历样本的处方用药进行重合性匹配,得到相似病历样本集,包括:
判断所述病历样本集中是否存在多个病历样本的处方用药包含所述待匹配药品;
若所述病历样本集中存在多个病历样本的处方用药包含所述待匹配药品,则将所述多个病历样本归类为所述相似病历样本集;
若所述病历样本集中不存在多个病历样本的处方用药包含所述待匹配药品,则所述待匹配药品不存在对应的相似病历样本集。
5.如权利要求4所述的医疗信息化信息传递及信息合并方法,其特征在于,所述关联特征计算公式,如下所示:
其中,ai表示当前主诉样本的主诉关键词集合与病症用药索引表中第i个病患关联特征集中的主诉关键词集合发生交集的主诉关键词个数,Ai表示病症用药索引表中第i个病患关联特征集中的主诉关键词个数;bi表示当前检查样本的检查关键词集合与病症用药索引表中第i个病患关联特征集中的检查关键词集合发生交集的检查关键词个数,Bi表示病症用药索引表中第i个病患关联特征集中的检查关键词个数;ci表示当前诊断样本的诊断关键词集合与病症用药索引表中第i个病患关联特征集中的诊断关键词集合发生交集的诊断关键词个数,Ci表示病症用药索引表中第i个病患关联特征集中的诊断关键词个数,μ表示诊断样本的关联特征值。
6.如权利要求1所述的医疗信息化信息传递及信息合并方法,其特征在于,所述利用预构建的药品推荐度公式,对所述目标处方用药进行药品推荐度计算,得到药品推荐值,包括:
提取所述目标处方用药对应的病患关联特征;
在所述病患关联特征中提取主诉关键词集、检查关键词集以及诊断关键词集;
分别计算所述当前关联特征与所述主诉关键词集、检查关键词集以及诊断关键词集的交集主诉关键词数、交集检查关键词数、交集诊断关键词数、并集主诉关键词数、并集检查关键词数以及并集诊断关键词数;
根据所述交集主诉关键词数、交集检查关键词数、交集诊断关键词数、并集主诉关键词数、并集检查关键词数以及并集诊断关键词数,利用所述药品推荐度公式计算所述药品推荐值。
7.如权利要求6所述的医疗信息化信息传递及信息合并方法,其特征在于,所述分别计算所述当前关联特征与所述主诉关键词集、检查关键词集以及诊断关键词集的交集主诉关键词数、交集检查关键词数、交集诊断关键词数、并集主诉关键词数、并集检查关键词数以及并集诊断关键词数,包括:
在所述当前关联特征中提取当前主诉关键词集、当前检查关键词集以及当前诊断关键词集;
根据所述当前主诉关键词集与主诉关键词集计算交集主诉关键词数以及并集主诉关键词数;
根据所述当前检查关键词集与检查关键词集计算交集检查关键词数以及并集检查关键词数;
根据所述当前诊断关键词集与诊断关键词集计算交集诊断关键词数以及并集诊断关键词数。
8.如权利要求3所述的医疗信息化信息传递及信息合并方法,其特征在于,所述根据所述病患关联特征集与所述重合药品的一一对应关系构建病症用药索引表,包括:
根据所述重合药品构建索引目录;
将所述重合药品对应的病患关联特征集作为索引目标,得到所述病症用药索引表。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310000610.0A CN115691741B (zh) | 2023-01-03 | 2023-01-03 | 一种医疗信息化信息传递及信息合并方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310000610.0A CN115691741B (zh) | 2023-01-03 | 2023-01-03 | 一种医疗信息化信息传递及信息合并方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115691741A CN115691741A (zh) | 2023-02-03 |
CN115691741B true CN115691741B (zh) | 2023-03-14 |
Family
ID=85057454
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310000610.0A Active CN115691741B (zh) | 2023-01-03 | 2023-01-03 | 一种医疗信息化信息传递及信息合并方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115691741B (zh) |
Family Cites Families (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7379885B1 (en) * | 2000-03-10 | 2008-05-27 | David S. Zakim | System and method for obtaining, processing and evaluating patient information for diagnosing disease and selecting treatment |
JP2007287027A (ja) * | 2006-04-19 | 2007-11-01 | Fujifilm Corp | 医療用の計画立案支援システム |
US20120179481A1 (en) * | 2011-01-10 | 2012-07-12 | Medimpact Healthcare Systems, Inc. | Recommending Prescription Information |
CN109473153A (zh) * | 2018-10-30 | 2019-03-15 | 医渡云(北京)技术有限公司 | 医疗数据的处理方法、装置、介质及电子设备 |
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 |
CN110880361B (zh) * | 2019-10-16 | 2023-02-28 | 平安科技(深圳)有限公司 | 一种个性化精准用药推荐方法及装置 |
CN111191020B (zh) * | 2019-12-27 | 2023-09-22 | 江苏省人民医院(南京医科大学第一附属医院) | 基于机器学习和知识图谱的处方推荐方法和系统 |
CN111986770B (zh) * | 2020-08-31 | 2022-11-29 | 深圳平安医疗健康科技服务有限公司 | 药方用药审核方法、装置、设备及存储介质 |
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 |
CN114496170A (zh) * | 2022-01-27 | 2022-05-13 | 四川大学 | 藏药显示推荐方法、系统、计算机设备和可读存储介质 |
CN114628001B (zh) * | 2022-03-16 | 2024-06-18 | 平安科技(深圳)有限公司 | 基于神经网络的处方推荐方法、系统、设备及存储介质 |
-
2023
- 2023-01-03 CN CN202310000610.0A patent/CN115691741B/zh active Active
Non-Patent Citations (1)
Title |
---|
郑值 ; 徐童 ; 秦川 ; 廖祥文 ; 郑毅 ; 刘同柱 ; 童贵显 ; .基于多源情境协同感知的药品推荐.2020,(第08期),第1741-1754页. * |
Also Published As
Publication number | Publication date |
---|---|
CN115691741A (zh) | 2023-02-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110459320B (zh) | 一种基于知识图谱的辅助诊疗系统 | |
US8285734B2 (en) | Comparison of documents based on similarity measures | |
US20040162835A1 (en) | System and method for generating patient-specific prescription drug safety instructions | |
US20150248537A1 (en) | Personalized Health Score Generator | |
CN108492887A (zh) | 医疗知识图谱构建方法及装置 | |
US10636515B2 (en) | Medical or health information search support apparatus and medical or health information search support system | |
US10319466B2 (en) | Intelligent filtering of health-related information | |
US20160042134A1 (en) | Method of calculating a score of a medical suggestion as a support in medical decision making | |
WO2011084470A1 (en) | Health care device and systems and methods for using the same | |
CN113257377B (zh) | 确定目标用户的方法、装置、电子设备及存储介质 | |
CN115206512B (zh) | 基于物联网的医院信息管理方法及装置 | |
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 | |
CN109727651A (zh) | 癫痫病例数据库管理方法及终端设备 | |
WO2023178978A1 (zh) | 基于人工智能的处方审核方法、装置、设备及介质 | |
CN114913956A (zh) | 基于知识图谱的重复用药提醒方法、装置以及电子设备 | |
Sheeran et al. | A framework for big data technology in health and healthcare | |
CN113724818A (zh) | 在诊疗过程中推送医嘱数据的方法、装置及电子设备 | |
CN115691741B (zh) | 一种医疗信息化信息传递及信息合并方法 | |
CN111933246A (zh) | 医疗处方分析方法、系统、电子设备及存储介质 | |
CN113689924B (zh) | 相似病历检索方法、装置、电子设备及可读存储介质 | |
CN103198204A (zh) | 一种救援方舱his系统 | |
CN112232408A (zh) | 目标推荐方法、装置、电子设备及计算机可读存储介质 | |
TWI783172B (zh) | 用於處理處方之裝置及方法 | |
RU2818874C1 (ru) | Система поддержки принятия врачебных решений | |
CN110660456A (zh) | 临床决策支持及其模型训练方法、装置、终端、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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |