CN116264115A - 一种分诊方法、装置、终端及存储介质 - Google Patents

一种分诊方法、装置、终端及存储介质 Download PDF

Info

Publication number
CN116264115A
CN116264115A CN202111509536.2A CN202111509536A CN116264115A CN 116264115 A CN116264115 A CN 116264115A CN 202111509536 A CN202111509536 A CN 202111509536A CN 116264115 A CN116264115 A CN 116264115A
Authority
CN
China
Prior art keywords
information
medical records
characteristic information
determining
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
Application number
CN202111509536.2A
Other languages
English (en)
Inventor
马靖博
阳翰凌
柳岸
刘展
王洁梅
廖宇祥
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.)
China Mobile Communications Group Co Ltd
China Mobile Chengdu ICT Co Ltd
Original Assignee
China Mobile Communications Group Co Ltd
China Mobile Chengdu ICT Co Ltd
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 China Mobile Communications Group Co Ltd, China Mobile Chengdu ICT Co Ltd filed Critical China Mobile Communications Group Co Ltd
Priority to CN202111509536.2A priority Critical patent/CN116264115A/zh
Publication of CN116264115A publication Critical patent/CN116264115A/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
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/02—Knowledge representation; Symbolic representation
    • G06N5/022—Knowledge engineering; Knowledge acquisition
    • 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
    • G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
    • G16H40/20—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the management or administration of healthcare resources or facilities, e.g. managing hospital staff or surgery rooms
    • 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)
  • Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • Biomedical Technology (AREA)
  • Data Mining & Analysis (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Epidemiology (AREA)
  • General Business, Economics & Management (AREA)
  • Pathology (AREA)
  • Business, Economics & Management (AREA)
  • Databases & Information Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Computational Linguistics (AREA)
  • Physics & Mathematics (AREA)
  • Computing Systems (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Artificial Intelligence (AREA)
  • Medical Treatment And Welfare Office Work (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)

Abstract

本申请涉及一种分诊方法、装置、终端及存储介质，应用于医疗领域。该方法包括：获取包括至少一个病案的病案集合及患者信息；对所述病案集合中所述病案的特征信息进行识别，获取病案知识库；其中，所述病案知识库包括：各备选特征信息及其对应的分级级别；所述特征信息表征病症相关的信息；对所述患者信息的特征信息进行识别，获取目标特征信息；基于所述目标特征信息与所述病案知识库，确定所述患者分诊的建议信息；其中，所述建议信息，至少包括：分级级别；输出所述建议信息。所述方法可以根据分级，确定患者可能存在的并发症状，减小误分诊概率；有效解决了分诊不当和分诊效率低的问题，保证了高效且准确的分诊效果，优化医疗资源的分配。

Description

一种分诊方法、装置、终端及存储介质
技术领域
本申请涉及但不限于医疗领域，尤其涉及一种分诊方法、装置、终端及存储介质。
背景技术
目前，我国的急诊医学已进入快速发展时期，急诊就诊量逐年增长。然而，国内尚未形成统一、规范的急诊预检分诊标准。且，分诊台的分诊人员年资普遍较低，缺乏丰富的预检分诊经验，容易造成分诊不当的情况，进而影响整体的分诊效率。
现有分诊技术主要聚焦于资源调度和效率的问题，且通常基于患者体征数据等，使用传统的机器学习方法进行分级。分诊系统普遍只是作为信息记录工具，几乎没有智能辅助的功能，且分级依据固定单一，不能保证对病案分级的可靠性。因此，高效准确的分诊尤为重要。
发明内容
有鉴于此，本申请实施例提供一种分诊方法、装置、终端及存储介质。
本申请的技术方案是这样实现的：
一种分诊方法，所述方法包括：
获取包括至少一个病案的病案集合及患者信息；
对所述病案集合中所述病案的特征信息进行识别，获取病案知识库；其中，所述病案知识库包括：各备选特征信息及其对应的分级级别；所述特征信息表征病症相关的信息；
对所述患病信息的特征信息进行识别，获取目标特征信息；
基于所述目标特征信息与所述病案知识库，确定所述患者分诊的建议信息；其中，所述建议信息，至少包括：分级级别；
输出所述建议信息。
在一些实施例中，所述基于所述目标特征信息与所述病案知识库，确定所述患者的建议信息；其中，所述建议信息，至少包括：分级级别，包括：
确定目标特征信息中第一目标特征信息；
所述基于所述目标特征信息与所述病案知识库，确定所述患者分诊的建议信息，包括：
基于所述病案知识库，确定与所述第一目标特征信息匹配的第一备选特征信息；
基于所述第一备选特征信息的分级级别，确定所述第一目标特征信息的第一分级结果；
基于所述第一分级结果，确定所述建议信息。
在一些实施例中，所述方法，还包括：
确定目标特征信息中第二目标特征信息；
所述基于所述目标特征信息与所述病案知识库，确定所述患者分诊的建议信息，还包括：
基于所述病案知识库，确定与所述第二目标特征信息匹配的第二备选特征信息；其中，所述第二备选特征信息与所述第一备选特征信息相关联；
基于所述第二备选特征信息的分级级别，确定所述第二目标特征信息的第二分级结果；
所述基于所述第一分级结果，确定所述建议信息，包括：
基于所述第一分级结果和所述第二分级结果，确定所述建议信息。
在一些实施例中，所述基于所述第一分级结果和第二分级结果，确定所述建议信息，包括：
若所述第一分级结果的级别高于所述第二分级结果的级别，或者所述第一分级结果的级别与所述第二分级结果的级别相同，基于所述第一分级结果，确定所述建议信息。
在一些实施例中，所述基于所述第一分级结果和第二分级结果，确定所述建议信息，还包括：
若所述第一分级结果的级别低于所述第二分级结果的级别，基于所述第二分级结果发送提示信息；其中，所述提示信息，用于提示获取补充信息，所述补充信息为与所述第二备选特征信息相关联，且与所述患者信息不同的信息。
在一些实施例中，所述对所述患者信息的特征信息进行识别，获取目标特征信息，包括：
若获取到所述补充信息，对所述补充信息及所述患者信息的特征信息进行识别，获取所述目标特征信息。
在一些实施例中，所述方法，还包括：
若未获取到所述补充信息，基于所述第二分级结果，确定所述建议信息。
在一些实施例中，所述建议信息，包括：相似病案；
所述基于所述目标特征信息与所述病案知识库，确定所述患者分诊的建议信息，包括：
基于所述目标特征信息与所述备选特征信息，确定所述患者信息与所述备选特征信息对应的所述病案的相似度；
基于所述相似度高于预定相似度的至少一个所述病案，确定所述相似病案。
本申请实施例还提供了一种分诊装置，包括：
获取模块，用于获取包括至少一个病案的病案集合及患者信息；
识别模块，用于对所述病案集合中所述病案的特征信息进行识别，获取病案知识库；其中，所述病案知识库，包括：各备选特征信息及其对应的分级级别；所述特征信息表征病症相关的信息；
所述识别模块，用于对所述患者信息中特征信息进行识别，获取目标特征信息；
处理模块，用于基于所述目标特征信息与所述病案知识库，确定所述患者分诊的建议信息；其中，所述建议信息，至少包括：分级级别；
输出模块，用于输出所述建议信息。
本申请实施例还提供了一种分诊终端，所述终端包括处理器和用于存储能够在所述处理器上运行的计算机程序的存储器；其中，所述处理器用于运行计算机程序时，实现本申请任一实施例所述分诊方法。
本申请实施例还提供了一种存储介质，所述存储介质中有计算机可执行指令，其特征在于，所述计算机可执行指令被处理器执行实现本申请任一实施例所述分诊方法。
本申请实施例所提供了一种分诊方法，获取包括至少一个病案的病案集合及患者信息；对所述病案集合中所述病案的特征信息进行识别，获取病案知识库；其中，所述病案知识库包括：各备选特征信息及其对应的分级级别；所述特征信息表征病症相关的信息。对所述患病信息的特征信息进行识别，获取目标特征信息；基于所述目标特征信息与所述病案知识库，确定所述患者分诊的建议信息；输出所述建议信息。如此，本申请可以基于海量的病案数据，针对性地提取病案的特征信息，构建专业的病案知识库以及可以基于患者信息针对性提取患者患病的特征信息；从而可以对所述患者信息进行准确的识别，提升分诊的准确性及可靠性。且本申请可以基于患者信息和病案知识库，直接进行分诊判断，无需人为分诊，弥补分诊人员经验的不足，从而提升分诊效率。
附图说明
图1为本申请实施例提供的一种分诊方法的流程示意图；
图2为本申请实施例提供的一种病案知识库的树形图；
图3为本申请实施例提供的一种获取病案知识库的流程示意图；
图4为本申请实施例提供的一种分诊方法的流程示意图；
图5为本申请实施例提供的一种分诊方法的流程示意图；
图6为本申请实施例提供的一种分诊方法的流程示意图；
图7为本申请实施例提供的一种分诊方法的流程示意图；
图8为本申请实施例提供的一种分诊方法的流程示意图；
图9为本申请实施例提供的一种分诊方法的流程示意图；
图10为本申请实施例提供的一种分诊方法的流程示意图；
图11为本申请实施例提供的一种分诊装置的示意图；
图12为本申请实施例提供的一种分诊装置的示意图；
图13为本申请实施例提供的一种终端的硬件结构示意图。
具体实施方式
以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
在后续的描述中，使用用于表示元件的诸如“模块”、“部件”或“单元”的后缀仅为了有利于本申请的说明，其本身没有特定的意义。因此，“模块”、“部件”或“单元”可以混合地使用。
如图1所示，本申请实施例提供了一种分诊方法，所述方法包括：
步骤101，获取包括至少一个病案的病案集合及患者信息；
步骤102，对所述病案集合中所述病案的特征信息进行识别，获取病案知识库；其中，所述病案知识库包括：各备选特征信息及其对应的分级级别；所述特征信息表征病症相关的信息；
步骤103，对所述患者信息的特征信息进行识别，获取目标特征信息；
步骤104，基于所述目标特征信息与所述病案知识库，确定所述患者分诊的建议信息；其中，所述建议信息，至少包括：分级级别；
步骤105，输出所述建议信息。
本申请实施例所述分诊方法由终端执行。所述终端可以是各种类型的终端；例如，所述终端可以是但不限于是以下至少之一：服务器、计算机、平板电脑、移动通讯设备、医疗设备、穿戴式设备或者其它电子设备。
这里，所述病案可以是当前医院的历史病历病案，包括：电子档病案、纸质档病案。所述病案也可以是其他医院的历史病历病案。所述病案还可以是医学专业文献中记录的病案等。
这里，所述病案包括但不限于是：急诊病案，或者门诊病案。
这里，所述病案集合包括：一个或多个病案。这里，多个是指2个或2个以上。
这里，所述患者信息包括：基础信息和患病信息。所述基础信息可以包括但不限于以下至少之一：体征信息、查体信息及病史信息。这里，所述体征信息，可以是但不限于是以下至少之一：年龄、性别、体温、体重及心率。所述查体信息，可以是但不限于是以下至少之一：血压、血糖、血脂、血常规、尿常规、肝功能、肾功能、心电图、胸透、腹部B超。所述病史信息是患者的历史患病记录信息。所述患病信息可以是但不限于是以下至少之一：患者的患病部位信息、症状信息、症状类型信息及治疗方式信息。这里的症状信息包括但不限于是主症状信息和/或伴随症状信息。
所述步骤101中获取患者信息的一种实现方式为：响应于作用于所述终端的输入操作，获取所述患者的患者信息。这里，所述输入操作，为输入所述基础信息和/或患病信息的操作。
所述步骤101中获取患病信息的另一种实现方式为：从设备获取患者的患者信息。例如，终端读取读卡器等设备中存储的患者信息；该读卡器中患者信息为与身份证或者就诊卡对应的患者信息。又如，接收设备测量到的患者的体温、血压和/或心率等的患者信息；该设备也可以是影像采集设备、图像识别设备；或者该设备可以是与所述终端不同的其它终端。
这里，所述患者信息的特征信息是但不限于是以下至少之一：主症状信息、患病部位信息、伴随症状信息、症状类型信息、查体信息及病史信息。
这里，所述病案的特征信息可以是但不限于是以下至少之一：患病部位信息、病状信息、病状类型信息、查体信息、病史信息、治疗方式信息及分级级别信息。
这里，所述患者信息及所述病案信息均可以是语音信息和/或文字信息；其中，所述文字信息包括但不限于文字和图像。
在一个实施例中，所述分级级别可以包括：第1分级级别、第2分级级别、……、及第i级级别；其中，第i-1分级级别的级别高于第i分级级别的级别；所述i为大于1的整数。例如，所述分级级别包括：第1分级级别、第2分级级别及第3分级级别；其中，所述第1分级级别高于所述第2分级级别，所述第2分级级别高于所述第3分级级别。
在一些实施例中，所述步骤102的一种实现方式，包括：识别出所述病案集合中所述病案的特征信息，并基于所述病案的特征信息构建病案知识库。
这里，基于所述病案的特征信息构建病案知识库，包括：基于所述病案的特征信息，及所述病案的特征信息与特征信息之间的关联关系，构建所述病案知识库。
这里，所述构建所述病案知识库可以是但不限于是：构建树形结构、图形结构、状态转换图、二维数组、三维数组的其中之一的病案知识库。
示例性的，如图2所示，构建树形结构的病案知识库。终端基于历史病案中选一个或多个病案构成病案集合。获取到病案集合中各病案的特征信息，其中所述特征信息包括：主症状信息1；伴随症状信息1、伴随症状信息2、伴随症状信息3及伴随症状信息4；查体信息1及查体信息2；体征信息1及体征信息2；病史信息1及病史信息2；以及与所述特征信息对应的分级级别信息。其中，与所述主症状信息1对应的分级级别信息为：3级；与所述伴随症状信息1对应的分级级别信息为：2级；与所述伴随症状信息2对应的分级级别信息为：3级；与所述伴随症状信息3对应的分级级别信息为：3级；与所述伴随症状信息4对应的分级级别信息为：3级；与所述查体信息1对应的分级级别信息为：2级；与所述查体信息2对应的分级级别信息为：3级；与所述体征信息1对应的分级级别信息为：2级；与所述体征信息2对应的分级级别信息为：3级；与所述病史信息1对应的分级级别信息为：1级；与所述病史信息1对应的分级级别信息为：2级。
终端获取到病案集合的特征信息与特征信息之间的关联关系；该关联关系包括：主症状信息1下对应伴随症状信息1、伴随症状信息2、伴随症状信息3及伴随症状信息4；伴随症状信息1下对应查体信息1及查体信息2；查体信息1下对应体征信息1及体征信息2；体征信息1下对应病史信息1及病史信息2。
基于上述病案中的特征信息，及特征信息与特征信息之间的关联关系，可以构建如图2所示树形结构的病案知识库。
如此，在本申请实施例中，可以从病案集合中针对性的提取特征信息、特征信息与特征信息的关系，构建包括特征信息、特征信息与特征信息关联关系的病案知识库。如此可以使得用户快速获知诸如主症状信息或者伴随症状信息对应的分级级别，可以获知诸如主症状信息与伴随症状信息之间的关系等。如此有利于后续基于病案知识库快速、准确获取分级结果，从而提升分诊效率。
在一些实施例中，所述步骤104，包括：
基于所述目标特征信息查询所述病案知识库，获取与所述目标特征信息匹配的所述备选特征信息；
确定所述备选特征信息的分级级别为目标特征信息的分级级别。
本申请实施例可以获取包括至少一个病案的病案集合及患者信息；对所述病案集合中所述病案的特征信息进行识别，获取病案知识库；对所述患病信息的特征信息进行识别，获取目标特征信息；基于所述目标特征信息与所述病案知识库，确定所述患者的建议信息。如此，本申请可以基于海量的病案数据，针对性地提取病案的特征信息，构建专业的病案知识库以及可以基于患者信息针对性提取患者患病的特征信息；从而可以对患者信息进行准确的识别，提升分诊的准确性及可靠性。且本申请可以基于所述患者信息和所述病案知识库，直接进行分诊判断，无需人为分诊，弥补分诊人员经验的不足，从而提升分诊效率。
在一些实施例中，所述方法还包括：将所述患病信息及所述建议信息作为所述患者的病案，存储在所述病案集合中。如此，本申请实施例还可以基于患者的建议信息及患者信息对应的建议信息更新到病案集合中，从而可以更新到病案知识库中。如此可以丰富所述病案集合中病案，可以获得更加全面的病案知识库，进而进一步提高分诊的可靠性。
在一个实施例中，所述建议信息包括：分级级别。
在另一个实施例中，所述建议信息包括：分级级别和相似病案。
在又一个实施例中，所述建议信息包括：特征信息、分级级别和相似病案。
在一些实施例中，所述方法还包括：训练病案识别模型。
示例性的，所述训练病案识别模型，包括：
获取样本病案中病案的特征信息及特征信息关联关系；
基于所述特征信息和所述特征信息关联关系，利用自然语言处理算法，训练病案识别模型。
这里，所述样本病案，包括：一个或多个病案。这里，多个是指2个或2个以上。
这里，所述样本病案，可以是但不限于是：急诊病案、门诊病案。
这里，所述自然语言处理算法，可以是但不限于是：BERT模型。
示例性的，对于任一病案，可以选择病案的特征信息和特征信息信息关联关系来进行模型训练，得到相应的病案识别模型。模型的具体训练方法，可以采用相关机器学习的建模方法。该特征信息可以根据需求进行合理设置，比如，选择感冒这一病症信息和头晕这一症状信息为特征信息，感冒和头晕的关联关系为特征信息关联关系，确保能够获取到足够多的能够反映病案诊断方法的病案数据，从而训练得到病案识别模型。
在一些实施例中，所述步骤102，还包括：
利用病案识别模型对所述病案集合中所述病案的特征信息进行识别，获取病案知识库。
示例性的，如图3所示，利用病案识别模型对所述病案集合中所述病案的特征信息进行识别，获取病案知识库，包括：
步骤102a：获取所述病案集合中第一病案的特征信息及特征信息关联关系；
步骤102b：基于所述第一病案的特征信息及特征信息关联关系，训练病案识别模型；
步骤102c：利用所述病案识别模型，识别所述病案集合中第二病案的特征信息及特征信息关联关系；
步骤102d：基于所述第一病案的特征信息和特征信息关联关系，构建第一数据结构的病案库；
步骤102e：基于所述第二病案的特征信息和特征信息关联关系，构建第二数据结构的病案库；
步骤102f：基于所述第一数据结构的病案库与所述第二数据结构的病案库，确定所述病案知识库。
这里，所述第一病案，包括：一个或多个病案。这里，多个是指2个或2个以上。
这里，所述第一病案，可以是但不限于是：急诊病案、门诊病案。
这里，所述第二病案，包括：一个或多个病案。这里，多个是指2个或2个以上。
这里，所述第二病案，可以是但不限于是：急诊病案、门诊病案。
这里，所述第二病案是所述病案集合中与所述第一病案不同的另外的病案。
这里，所述第一数据结构的病案库，可以是但不限于是：构建树形结构、图形结构、状态转换图、二维数组、三维数组的其中之一的病案库。
这里，所述第二数据结构的病案库，可以是但不限于是：构建树形结构、图形结构、状态转换图、二维数组、三维数组的其中之一的病案库。
这里，所述第二数据结构与所述第一数据结构，可以是相同的数据结构，也可以是不同的数据结构。
在一个可选实施例中，基于所述第一数据结构的病案库与所述第二数据结构的病案库，确定所述病案知识库，包括：将所述第一数据结构的病案库与所述第二数据结构的病案库保存到所述病案知识库中。
如此，本申请实施例可以基于海量的病案数据，利用病案识别模型，针对性地提取病案的特征信息，减少人工识别的成本，提升病案知识库的准确性，提高病案知识库数据的准确性，提升分诊效率。根据特征信息关联关系，灵活选择适合所述病案的数据结构形式，构建更加专业的病案知识库。
在一些实施例中，所述步骤103，还包括：
利用所述病案识别模型对所述患者信息的特征信息进行识别，获取目标特征信息。
示例性的，获取到患者信息为语音信息，包括：两天前开始感受到头痛，一天前开始咳嗽，测量体温达到39℃。利用病案识别模型，识别到患者信息的特征信息是：头、头痛、咳嗽、体温39℃、两天、一天。
如此，本申请，实施例可以利用所述病案识别模型，快速识别患者信息的特征信息，提升分诊效率。
如图4所示，在一些实施例中，所方法还包括：
步骤201a：确定目标特征信息中第一目标特征信息；
所述步骤104，包括：
步骤202a：基于所述病案知识库，确定与所述第一目标特征信息匹配的第一备选特征信息；
步骤203a：基于所述第一备选特征信息的分级级别，确定所述第一目标特征信息对应的第一分级结果；
步骤204a：基于所述第一分级结果，确定所述建议信息。
这里，所述第一目标特征信息，包括但不限于：主症状信息。
这里，所述第一备选特征信息，包括但不限于：主症状信息。
这里，所述第一分级结果，包括但不限于：分级级别。在另一个实施例中，所述第一分级结果，包括：分级级别和所述第一备选特征信息。在又一个实施例中，所述第一分级结果，包括：分级级别、所述第一备选特征信息和所述第一目标特征信息。
这里，所述主症状信息，可以是：感冒、骨折、血压和/或发烧等。
这里，所述确定与所述第一目标特征信息匹配的所述第一备选症状信息，包括：从所述病案知识库中查询与所述第一目标特征信息匹配的所述备选特征信息，作为第一备选特征信息；查询所述第一备选信息对应的分级级别，并将所述分级级别确定为所述第一分级结果。
示例性的，例如，所述第一目标特征信息为主症状信息1；查询所述病案知识库，得到与所述主症状信息1匹配的主症状信息2，其中，所述病案知识库中主症状信息2的分级级别为3级；确定所述第一分级结果的分级级别为3级。则建议信息为患者分诊级别是3级。
如此，本申请实施例可以从所述病案知识库中直接确定匹配到当前患者信息的分级结果，进而确定建议信息，实现快速且准确的分诊。
如图5所示，在一些实施例中，所述方法还包括：
步骤201b：确定目标特征信息中第二目标特征信息；
所述步骤104，包括：
步骤202b：基于所述病案知识库，确定与所述第二目标特征信息匹配的第二备选特征信息；其中，所述第二备选特征信息与所述第一备选特征信息相关联；
步骤203b：基于所述第二备选特征信息的分级级别，确定所述第二目标特征信息对应的第二分级结果；
所述步骤104，包括：
步骤204b：基于所述第一分级结果和所述第二分级结果，确定所述建议信息。
这里，所述第二目标特征信息，包括：一个或多个信息；且所述第二目标特征信息是与所述第一目标特征信息不同的信息。
这里，所述第二目标特征信息，包括但不限于：伴随症状信息。
这里，所述第二备选特征信息，包括：一个或多个信息；且所述第二备选信息是与所述第一备选特征信息不同的信息。
这里，所述第二备选特征信息，包括但不限于：伴随症状信息。
这里，所述第二分级结果，包括但不限于：分级级别。
在另一个实施例中，所述第二分级结果，包括：分级级别和所述第二备选特征信息。在又一个实施例中，所述第二分级结果，包括：分级级别、所述第二备选特征信息和所述第二目标特征信息。
这里，所述伴随症状信息，可以是：头晕、头痛、咳嗽、红肿、发炎等等；
这里，所述第二备选特征信息与所述第一备选特征信息相关联，是指所述第二备选特征信息与所述第一备选特征信息是存在关联关系的。
这里，第二备选特征信息与第一备选特征信息存在的关联关系，可以是但不限于是：主症状信息与由主症状并发的伴随症状信息；主症状信息与产生主症状信息的患病部位信息。
示例性的，骨折为主症状信息，红肿为伴随症状信息；则骨折为第一备选特征信息，红肿为第二备选特征信息。这里，主症状信息与一个伴随症状信息相关联。
示例性的，感冒为主症状信息，鼻塞与发烧分别为伴随症状信息；则感冒为第一备选特征信息，鼻塞与发烧均为第二备选特征信息。这里，主症状信息与两个伴随症状信息相关联。
示例性的，头为患病部位信息，头痛为主症状信息；则头痛为第一备选特征信息，头为第二备选特征信息。这里，主症状信息与患病部位信息相关联。
示例性的，所述第一目标特征信息是主症状信息1，所述第二目标特征信息是伴随症状信息1。查询所述病案知识库得到与所述主症状信息1匹配的是病案的主症状信息1及其分级级别为：3级。所述病案的伴随症状1对应的分级级别为：2级。与所述伴随症状信息1匹配的是病案的伴随症状信息1和病案的伴随症状2。其中，所述病案的伴随症状2对应的分级级别为：3级。且分级级别2级高于分级级别3级。由此可知，所述第一分级结果的分级级别为3级，所述第二分级结果的分级级别为2级。则建议信息中分级级别为：2级。
本申请实施例可以从所述病案知识库中，查询到与患者信息匹配的两个分级结果，并通过两个分级结果得到更加可靠的建议信息的分级级别，进而更加准确的确定患者患病的级别，提高分诊准确度。
如图6所示，在一些实施例中，所述方法还包括：
所述步骤204b，包括：
步骤301：对比所述第一分级结果的分级级别和所述第二分级结果的分级级别；
步骤302a：若所述第一分级结果的级别高于所述第二分级结果的级别，或者所述第一分级结果的级别与所述第二分级结果的级别相同，基于所述第一分级结果，确定所述建议信息。
示例性的，从所述病案知识库中查询到第一分级结果的分级级别为：2级；第二分级结果的分级级别为：1级。且分级级别1级高于分级级别2级。则第二分级结果的级别高于第一分级结果的级别。确定第二分级结果的级别为所述建议信息，即所述建议信息为：1级。
示例性的，从所述病案知识库中查询到第一分级结果的分级级别为：2级；第二分级结果的分级级别为：2级。则第一分级结果的级别与第二分级结果的级别相同，确定第一分级结果的分级级别为所述建议信息，即所述建议信息为：2级。
本申请实施例可以从所述病案知识库中，直接查询到分级结果，得到所述建议信息，不需要再获取其他信息，节省信息获取步骤的同时提高了分诊效率。
如图7所述，在一些实施例中，所述方法还包括：
所述步骤204b，还包括：
步骤302b：若所述第一分级结果的级别低于所述第二分级结果的级别，基于所述第二分级结果发送提示信息；其中，所述提示信息，用于提示获取补充信息，其中，所述补充信息是与所述第二备选特征信息相关联，且与所述患者信息不同的信息。
所述步骤103，包括：
步骤303a：若获取到所述补充信息，对所述补充信息及所述患者信息的特征信息进行识别，获取所述目标特征信息。
这里，所述提示信息，包括：第二备选特征信息及其对应的分级级别。
这里，所述补充信息可以是但不限于是：基础信息和/或患病信息；只需满足所述补充信息中内容与所述患者信息中内容不同即可。例如所述补充信息可以是头晕、头痛、咳嗽、红肿或发炎等。可以理解的是，所述补充信息是在步骤101中获取的患病信息基础上，新增的患者的信息。
这里，所述补充信息是与第二备选特征相关联，可以是指：补充所述第二备选特征信息的信息。例如，第一备选特征信息是主症状信息感冒，第二备选特征信息是由感冒引起的伴随症状信息发烧和头痛；则补充信息可以是除发烧、头痛以外的其它伴随症状信息，例如可以是咳嗽和/或红肿等。又如，第一备选特征信息是主症状信息感冒，第二备选特征信息是由感冒引起的伴随症状信息发烧、头痛和咳嗽；则补充信息可以是指产生感冒的患病部位信息头或者肚子等。
示例性的，从所述病案知识库查询到第一分级结果的级别高于第二分级结果的级别。且，第一分级结果包括：分级级别，第二分级结果包括：患病部位信息、伴随症状信息和分级级别。基于第二分级结果，确定所述提示信息，并高亮显示该提示信息，其中，所述提示信息用于提示用户获取补充信息。终端获取到用户的输入的补充信息。终端基于补充信息，识别该补充信息和所述患者信息的目标特征信息。终端从所述病案知识库中查询与目标特征信息对应的最高级别的分级结果。根据分级结果，确定所述建议信息。
例如，查询到第一分级结果的级别为：2级。查询到第二分级结果包括：1级、心脏和心绞痛。且1级的级别高于2级的级别。则确定提示信息是：1级，心脏心绞痛。终端获取到用户的输入的补充信息是：心脏部位相关的检查数据；例如，左心房的律动频率和右心房的律动频率。终端识别到补充信息和所述患者信息的目标特征信息是：左心房、右心房、左心房的律动频率和右心房的律动频率。终端查询到与目标特征信息对应的最高级别的分级结果是：1级，左心房心律，心血管外科。则所述建议信息为：分诊到心血管外科。
本申请实施例可以从所述病案知识库中，查询到所述患者信息缺失的重要信息；进而提醒和警告分诊人员还需要重点关注的所述患者的身体状况信息。本申请实施例可以获取到准确的患者身体状况信息；并基于该信息，从所述病案知识库中查询到更加准确的建议信息，提升分诊的准确度。
如图8所述，在一些实施例中，所述方法还包括：
所述步骤104，包括：
步骤303b：若未获取到所述补充信息，基于所述第二分级结果，确定所述建议信息。
示例性的，从所述病案知识库查询到所述第二分级结果。例如，2级、心脏、心绞痛。终端没有获取到其他信息；则基于所述第二分级结果，确定所述建议信息。例如，确定所述建议信息为：2级心绞痛。用户根据所述建议信息，将所述患者分诊到对应的科室。例如，将所述患者分诊到心血管内科。如此，本申请实施例可以针对不同经验的分诊人员，灵活处理，得到最高级别的建议信息，提升分诊效率和准确率。
如图9所述，在一些实施例中，所述方法还包括：
所述建议信息，包括：相似病案；
所述步骤104，包括：
步骤401：基于所述目标特征信息与所述备选特征信息，确定所述患者信息与所述备选特征信息对应的所述病案的相似度；
步骤402：基于所述相似度高于预定相似度的至少一个所述病案，确定所述相似病案；
所述步骤105，包括：
步骤403：基于所述相似病案，确定所述患者分诊的建议信息。
这里，所述目标特征信息，包括至少其中之一：主症状信息、伴随症状信息、症状类型信息、病史信息、患病部位信息、分级级别信息、体征信息、查体信息、治疗方法信息。
这里，所述备选特征信息，包括至少其中之一：主症状信息、伴随症状信息、症状类型信息、病史信息、患病部位信息、分级级别信息、体征信息、查体信息、治疗方法信息。
这里，所述备选特征信息为从所述病案知识库中查询到的，与所述目标特征信息匹配的信息。
这里，预定相似度可以按照需求设置任意的数值；例如，0.5或50％等。
示例性的，识别所述患者信息的目标特征信息为主症状信息。从所述病案知识库中查询到，与主症状信息匹配的病案的备选特征信息包括：主症状信息1、伴随症状信息和治疗方法信息。利用文本相似度检测算法，计算备选特征信息与目标特征信息的相似度，确定病案的相似度。基于病案的相似度和预定相似度，确定该病案是否为相似病案。若病案为相似病案，基于病案的备选特征信息，确定所述患者分诊的建议信息。
例如，预定相似度设置为0.8。识别到目标特征信息为主症状信息1，例如，感冒。从所述病案知识库中查询到，与主症状信息1匹配的病案的备选特征信息包括：主症状信息、伴随症状信息和治疗方法信息。例如，感冒1、头晕1和静脉输液治疗1。利用文本相似度检测算法，逐一计算感冒1、头晕1、鼻塞1、鼻涕1和静脉输液治疗1与感冒的相似度，再通过加权计算方法得到病案的相似度为0.9。则病案的相似度高于预订相似度，病案是所述相似病案。并确定所述患者分诊的建议信息为：静脉输液治疗1。
如此，本申请实施例可以基于相似度算法检索出相似病案，快速得到相应的治疗方法，以增加分诊人员直接判断的依据，进而提升分诊效率和准确率。
如图10所述，在一些实施例，所述方法还包括：
步骤501：获取包括至少一个急诊病案的病案集合；
步骤502：对所述病案集合中所述病案的特征信息进行识别，获取急诊知识库；
这里，所述急诊知识库包括：急诊病案的各备选特征信息及其对应的分级级别；所述特征信息表征病症相关的信息。
本申请实施例中所述病案知识库，可以是急诊知识库；基于所述急诊知识库能够实现对于急诊的分诊，提高急诊分诊的效率和准确性。
步骤503：获取患者信息；
在一个可选实施例中，终端获取患者信息，其中，所述患者信息包括患者的基础信息和患者的患病信息；所述基础信息包括：年龄、性别、体重、血压、心跳等数值数据；所述患病信息包括：患病部位、病状、病状类型等文本类信息。
步骤504：对所述患者信息的目标特征信息进行识别；
在一个可选实施例中，终端对患者信息进行处理，包括：利用病案识别模型提取患者信息中的数值数据、利用所述病案识别模型提取患者信息中文本类信息的特征信息，和/或利用病案识别模型识别所述特征信息关联关系。
步骤505：确定所述患者信息是否足够；若是，则执行步骤506；若否，则执行步骤510；
在一个可选实施例中，所述确定所述患者信息是否足够，包括：
基于所述目标特征信息确定所述第一目标特征信息和所述第二目标特征信息；
基于所述急诊知识库，确定与所述第一目标特征匹配的第一备选特征信息；确定与所述第二目标特征匹配的第二备选特征信息；
基于所述第一备选特征信息的分级级别，确定所述第一分级结果；
基于所述第二备选特征信息的分级级别，确定所述第二分级结果；
对比所述第一分级结果的级别与所述第二分级结果的级别；
若所述第一分级结果的级别高于所述第二分级结果的级别，或者所述第一分级结果的级别与所述第二分级结果的级别相同，则确定患者信息足够；
若所述第一分级结果的级别低于所述第二分级结果的级别，则确定患者信息不足够。
示例性的，所述第一目标特征信息为患病部位信息1。从所述病案知识库中查询到，所述第一备选特征信息为患病部位信息2及其对应的分级级别。基于该分级级别，确定所述第一分级结果的级别。例如，患病部位信息1为手背；查询到患病部位信息2为手，且其对应的分级级别为：3级。则所述第一分级结果的级别为：3级。
示例性的，所述第二目标特征信息为主症状信息1。从所述病案知识库中查询到所述第二备选特征信息包括：主症状信息2及其对应的分级级别，伴随症状信息2及其对应分级级别。基于主症状信息2的分级级别和伴随症状信息2的分级级别，确定所述第二分级结果的级别。例如，主症状信息1是明显鼓包；主症状信息2是鼓包，及其对应的分级级别为：3级。伴随症状信息2是按压时有痛感，及其对应的分级级别为：2级。且2级高于3级。则所述第二分级结果的级别为：2级。
终端确定所述第一分级结果的级别低于所述第二分级结果的级别，所述患者信息不足够判断当前患者所患具体病症，无法确定患者所患病症的严重性，也无法确定具体的分诊。
如此，本申请实施例可以从所述急诊知识库查询到分级结果的级别，并通过所述分级级别，判断所述患者信息是否足够，查找出可能的重点信息。
步骤506：基于所述目标特征信息与所述急诊知识库，确定所述患者信息的分级结果；
步骤507：基于所述目标特征信息与所述病案集合，确定与所述患者信息关联的相似病案；
步骤508：基于所述分级结果和所述相似病案，确定所述患者分诊的建议信息；
步骤509：封装所述建议信息并输出；
这里，所述封装所述建议信息，包括但不限于以下至少之一：将所述建议信息封装成文本、表格、图像、二进制代码。
在一个可选实施例中，所述输出所述建议信息，包括：终端输出模块将封装后的建议信息，发送给各种不同的第二设备。例如，用户使用的操作设备、医生的工作电脑、服务器，等等。并高亮显示所述建议信息中特征信息，例如，主症状信息、伴随症状信息、分级级别信息、治疗方式信息。
在一个可选实施例中，所述输出所述建议信息，包括：终端输出模块将封装后的建议信息，发送给终端急诊知识库；所述终端处理模块将封装后的建议信息，以图结构的数据形式保存在急诊知识库中。如此，本申请可以将分诊后的建议信息保存在急诊知识库中，进一步完善所述急诊知识库的分诊信息，提升分诊准确性。
步骤510：基于所述目标特征信息和所述急诊知识库，确定提示信息；
示例性的，所述患者信息为手背有明显鼓包。所述第二分级结果为手背鼓包按压时有痛感。确定所述提示信息为按压时有痛感；输出提示信息。并高亮显示按压时有痛感，用来提示用户需要重点关注的患者手背的明显鼓包按压时是否有痛感。并提醒用户获取补充信息。
步骤511：确定是否接收到补充信息；若是，则执行步骤512；若否，则执行步骤506到步骤509的分诊方法；
步骤512：基于所述补充信息和所述患者信息，确定所述目标特征信息，并执行步骤505。
示例性的，接收到所述补充信息是按压时无痛感。根据该补充信息和所述患者信息确定目标特征信息是：手背、明显鼓包和按压时无痛感。从所述急诊知识库查询到，与所述患者信息匹配的病案的特征信息是：手背、明显鼓包、按压时无痛感和皮下脂肪瘤。且，手背对应的分级级别为：3级，明显鼓包对应的分级级别为：3级，按压时无痛感对应的分级级别为：3级，皮下脂肪瘤对应的分级级别为：2级。则确定所述建议信息包括：2级和皮下脂肪瘤。用户根据该建议信息，确定所述患者需要分诊到普通外科的专科医生做进一步的检查。
本申请实施例可以基于接收到的补充信息，更加准确的确定所述患者信息对应的具体病症，避免误诊，提高分诊准确度和效率。
如图11所示，本申请实施例还提供了一种分诊装置，所述装置包括：获取单元601、识别单元602、处理单元603、输出单元604；其中，
获取模块601，用于获取包括至少一个病案的病案集合及患者信息；
识别模块602，用于对所述病案集合中所述病案的特征信息进行识别，获取病案知识库；其中，所述病案知识库包括：各备选特征信息及其对应的分级级别；所述特征信息表征病症相关的信息；
所述识别模块602，用于对所述患病信息中特征信息进行识别，获取目标特征信息；
所述处理模块603，用于基于所述目标特征信息与所述病案知识库，确定所述患者的建议信息；其中，所述建议信息，至少包括：分级级别；
所述输出模块604，用于输出所述建议信息。
在一些实施例中，所述方法包括：
所述识别模块，用于确定所述目标特征信息中第一目标特征信息；
所述处理模块，用于基于所述病案知识库，确定与所述第一目标特征信息匹配的第一备选特征信息；
所述处理模块，用于基于所述第一备选特征信息的分级级别，确定所述第一目标特征信息对应的第一分级结果；
所述处理模块，用于基于所述第一分级结果，确定所述患者分诊的建议信息。
在一些实施例中，所述方法包括：
所述处理模块，用于确定所述目标特征信息中第二目标特征信息；
所述处理模块，用于基于所述病案知识库，确定与所述第二目标特征信息匹配的第二备选特征信息；其中，所述第二备选特征信息与所述第一备选特征信息相关联；
所述处理模块，用于基于所述第二备选特征信息的分级级别，确定所述第二目标特征信息对应的第二分级结果；
所述处理模块，用于基于所述第一分级结果和所述第二分级结果，确定所述建议信息。
在一些实施例中，所述方法还包括：
所述处理模块，用于对比第一分级结果的级别与所述第二分级结果的级别；
所述处理模块，用于所述第一分级结果的级别高于所述第二分级结果的级别，或者所述第一分级结果的级别与所述第二分级结果的级别相同时，基于所述第一分级结果，确定所述建议信息。
在一些实施例中，所述方法还包括：
所述处理模块，用于所述第一分级结果的级别低于第二分级结果的级别时，基于所述第二分级结果发送提示信息；其中，所述提示信息，用于提示获取补充信息，其中，所述补充信息是与所述第二备选特征信息相关联，且与所述患者信息不同的信息；
所述获取模块，用于获取补充信息；
所述识别模块，用于对所述补充信息及所述患者信息的特征信息进行识别，获取所述目标特征信息。
在一些实施例中，所述方法还包括：
所述处理模块，用于未获取到所述补充信息时，基于所述第二分级结果，确定所述建议信息。
在一些实施例中，所述方法还包括：
所述建议信息，包括：相似病案；
所述处理模块，用于基于所述目标特征信息与所述备选特征信息，确定所述患者信息与所述备选特征信息对应的所述病案的相似度；
所述处理模块，用于基于所述相似度高于预定相似度的至少一个所述病案，确定所述相似病案。
如图12所述，本申请实施例还提供了一种分诊装置，所述装置包括：输入模块701、自然语言技术(Nature Lanuage Processing，NLP)处理模块702、病案集合模块703、病案知识库模块704、推理和交互模块705、输出模块706；其中，
所述输入模块701，用于采集患者信息和补充信息；
所述NLP处理模块702，用于提取所述病案集合中病案的特征信息和特征信息关联关系；
所述NLP处理模块702，还用于将输入模块采集到的所述患者信息进行信息识别，提取特征信息；
所述病案集合模块703，用于存储历史病案、医学专业文献中记载病案、及医院当前处理的其中至少之一；
所述病案知识库模块704，用于存储所述病案知识库中病案的特征信息和特征信息关联关系；
所述推理和交互模块705，用于根据所述患者信息，确定出主症状信息、伴随症状信息、病史信息、查体信息、体征信息，等特征信息；根据所述患者信息的特征信息及所述病案知识库，确定出提示信息或者确定出患者分诊的建议信息；
所述推理和交互模块705，也用于根据所述患者信息和所述补充信息的特征信息，确定出患者分诊的建议信息；
所述推理和交互模块705，还用于根据所述患者信息的特征信息，或者所述患者信息与所述补充信息的特征信息，确定出所述相似病案；
所述输出模块706，用于获取提示信息，提示分诊人员需要进一步收集的信息，或者封装分诊的分级级别、特征信息、分级依据、相似病案等建议信息，输出所述建议信息。
如图13所示，本申请实施例还提供了一种终端，所述终端包括处理器801和用于存储能够在所述处理器801上运行的计算机程序的存储器802；其中，所述处理器801用于运行计算机程序时，实现本申请任一实施例所述信息处理方法。
在一些实施例中，本申请实施例中的存储器802可以是易失性存储器或非易失性存储器，或可包括易失性和非易失性存储器两者。其中，非易失性存储器可以是只读存储器(Read-Only Memory，ROM)、可编程只读存储器(Programmable ROM，PROM)、可擦除可编程只读存储器(Erasable PROM，EPROM)、电可擦除可编程只读存储器(Electrically EPROM，EEPROM)或闪存。易失性存储器可以是随机存取存储器(Random Access Memory，RAM)，其用作外部高速缓存。通过示例性但不是限制性说明，许多形式的RAM可用，例如静态随机存取存储器(Static RAM，SRAM)、动态随机存取存储器(Dynamic RAM，DRAM)、同步动态随机存取存储器(Synchronous DRAM，SDRAM)、双倍数据速率同步动态随机存取存储器(Double DataRate SDRAM，DDRSDRAM)、增强型同步动态随机存取存储器(Enhanced SDRAM，ESDRAM)、同步连接动态随机存取存储器(Synchlink DRAM，SLDRAM)和直接内存总线随机存取存储器(Direct Rambus RAM，DRRAM)。本文描述的系统和方法的存储器802旨在包括但不限于这些和任意其它适合类型的存储器。
而处理器801可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器801中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器801可以是通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(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。可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。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。结合本申请实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器802，处理器801读取存储器802中的信息，结合其硬件完成上述方法的步骤。
在一些实施例中，本文描述的这些实施例可以用硬件、软件、固件、中间件、微码或其组合来实现。对于硬件实现，处理单元可以实现在一个或多个专用集成电路(Application Specific Integrated Circuits，ASIC)、数字信号处理器(Digital SignalProcessing，DSP)、数字信号处理设备(DSP Device，DSPD)、可编程逻辑设备(ProgrammableLogic Device，PLD)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)、通用处理器、控制器、微控制器、微处理器、用于执行本申请所述功能的其它电子单元或其组合中。
对于软件实现，可通过执行本文所述功能的模块(例如过程、函数等)来实现本文所述的技术。软件代码可存储在存储器中并通过处理器执行。存储器可以在处理器中或在处理器外部实现。
本申请又一实施例提供了一种计算机存储介质，该计算机可读存储介质存储有可执行程序，所述可执行程序被处理器801执行时，可实现应用于所述终端中的信息处理方法的步骤。例如，如图1、图3-图9所示的方法中的一个或多个。
在一些实施例中，所述计算机存储介质可以包括：U盘、移动硬盘、只读存储器(ROM，Read Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
需要说明的是：本申请实施例所记载的技术方案之间，在不冲突的情况下，可以任意组合。
以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以所述权利要求的保护范围为准。

Claims (10)

1.一种分诊方法，其特征在于，所述方法包括：
获取包括至少一个病案的病案集合及患者信息；
对所述病案集合中所述病案的特征信息进行识别，获取病案知识库；其中，所述病案知识库包括：各备选特征信息及其对应的分级级别；所述特征信息表征病症相关的信息；
对所述患者信息的特征信息进行识别，获取目标特征信息；
基于所述目标特征信息与所述病案知识库，确定所述患者分诊的建议信息；其中，所述建议信息，至少包括：分级级别；
输出所述建议信息。
2.根据权利要求1所述的方法，其特征在于，所述方法包括：
确定目标特征信息中第一目标特征信息；
所述基于所述目标特征信息与所述病案知识库，确定所述患者分诊的建议信息，包括：
基于所述病案知识库，确定与所述第一目标特征信息匹配的第一备选特征信息；
基于所述第一备选特征信息的分级级别，确定所述第一目标特征信息的第一分级结果；
基于所述第一分级结果，确定所述建议信息。
3.根据权利要求2所述方法，其特征在于，所述方法，包括：
确定目标特征信息中第二目标特征信息；
所述基于所述目标特征信息与所述病案知识库，确定所述患者分诊的建议信息，还包括：
基于所述病案知识库，确定与所述第二目标特征信息匹配的第二备选特征信息；其中，所述第二备选特征信息与所述第一备选特征信息相关联；
基于所述第二备选特征信息的分级级别，确定所述第二目标特征信息的第二分级结果；
所述基于所述第一分级结果，确定所述建议信息，包括：
基于所述第一分级结果和所述第二分级结果，确定所述建议信息。
4.根据权利要求3所述方法，其特征在于，所述基于所述第一分级结果和第二分级结果，确定所述建议信息，包括：
若所述第一分级结果的级别高于所述第二分级结果的级别，或者所述第一分级结果的级别与所述第二分级结果的级别相同，基于所述第一分级结果，确定所述建议信息。
5.根据权利要求4所述的方法，其特征在于，所述方法还包括：
若所述第一分级结果的级别低于第二分级结果的级别，基于所述第二分级结果发送提示信息；其中，所述提示信息，用于提示获取补充信息，其中，所述补充信息是与所述第二备选特征信息相关联，且与所述患者信息不同的信息；
所述对所述患者信息的特征信息进行识别，获取目标特征信息，包括：
若获取到所述补充信息，对所述补充信息及所述患者信息的特征信息进行识别，获取所述目标特征信息。
6.根据权利要求5所述的方法，其特征在于，所述方法还包括：
若未获取到所述补充信息，基于所述第二分级结果，确定所述建议信息。
7.根据权利要求1所述方法，其特征在于，所述建议信息，包括：相似病案；
所述基于所述目标特征信息与所述病案知识库，确定所述患者分诊的建议信息，包括：
基于所述目标特征信息与所述备选特征信息，确定所述患者信息与所述备选特征信息对应的所述病案的相似度；
基于所述相似度高于预定相似度的至少一个所述病案，确定所述相似病案。
8.一种分诊装置，其特征在于，所述装置包括：
获取模块，用于获取包括至少一个病案的病案集合及患者信息；
识别模块，用于对所述病案集合中所述病案的特征信息进行识别，获取病案知识库；其中，所述病案知识库包括：各备选特征信息及其对应的分级级别；所述特征信息表征病症相关的信息；
所述识别模块，用于对所述患病信息中特征信息进行识别，获取目标特征信息；
处理模块，用于基于所述目标特征信息与所述病案知识库，确定所述患者分诊的建议信息；其中，所述建议信息，至少包括：分级级别；
输出模块，用于输出所述建议信息。
9.一种终端，其特征在于，所述终端包括处理器和用于存储能够在所述处理器上运行的计算机程序的存储器；其中，所述处理器用于运行计算机程序时，实现权利要求1-7任一项所述分诊方法。
10.一种存储介质，所述存储介质中有计算机可执行指令，其特征在于，所述计算机可执行指令被处理器执行实现权利要求1-7任一项所述分诊方法。
CN202111509536.2A 2021-12-10 2021-12-10 一种分诊方法、装置、终端及存储介质 Pending CN116264115A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111509536.2A CN116264115A (zh) 2021-12-10 2021-12-10 一种分诊方法、装置、终端及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111509536.2A CN116264115A (zh) 2021-12-10 2021-12-10 一种分诊方法、装置、终端及存储介质

Publications (1)

Publication Number Publication Date
CN116264115A true CN116264115A (zh) 2023-06-16

Family

ID=86723300

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111509536.2A Pending CN116264115A (zh) 2021-12-10 2021-12-10 一种分诊方法、装置、终端及存储介质

Country Status (1)

Country Link
CN (1) CN116264115A (zh)

Similar Documents

Publication Publication Date Title
CN111696675B (zh) 基于物联网数据的用户数据分类方法、装置及计算机设备
Alizadehsani et al. A database for using machine learning and data mining techniques for coronary artery disease diagnosis
CN111475713A (zh) 医生信息推荐方法、装置、电子设备、系统及存储介质
US20130013339A1 (en) Systems and methods for medical data storage and retrieval
WO2019006920A1 (zh) 基于医生问诊的慢病患者健康检查系统及方法
CN113436723A (zh) 视频问诊方法、装置、设备及存储介质
CN111933291A (zh) 医疗信息推荐装置、方法、系统、设备及可读存储介质
CN111785383B (zh) 数据处理方法及相关设备
CN113886716A (zh) 食品安全突发事件的应急处置推荐方法及系统
CN115346634A (zh) 一种体检报告解读预测方法、系统、电子设备和存储介质
CN111383754A (zh) 医疗决策方法、医疗决策装置、电子设备及存储介质
CN108899063B (zh) 体检数据处理方法、装置、计算机设备和存储介质
CN116189857A (zh) 分诊等级确定方法、装置、电子设备和存储介质
CN110752027B (zh) 电子病历数据推送方法、装置、计算机设备和存储介质
CN110491519B (zh) 一种医学数据的检验方法
US20230170100A1 (en) Medical data processing method and system
CN116264115A (zh) 一种分诊方法、装置、终端及存储介质
Douibi et al. An analysis of ambulatory blood pressure monitoring using multi-label classification
CN108630287B (zh) 数据整合方法
US20230054371A1 (en) Medical evaluation systems and methods using add-on modules
CN115831298A (zh) 基于医院管理信息系统的临床试验患者招募方法及装置
Gomes et al. A Proposal to Incorporate Digital Auscultation and Its Processing into an Existing Electronic Health Record.
CN111667922A (zh) 一种临床诊疗数据录入系统和方法
CN115618817B (zh) 医疗文本时间数据规范化处理方法及装置
CN114783587A (zh) 严重急性肾损伤智能预测系统

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