CN116403674A - 用药数据处理方法、装置、计算机设备及存储介质 - Google Patents
用药数据处理方法、装置、计算机设备及存储介质 Download PDFInfo
- Publication number
- CN116403674A CN116403674A CN202211426283.7A CN202211426283A CN116403674A CN 116403674 A CN116403674 A CN 116403674A CN 202211426283 A CN202211426283 A CN 202211426283A CN 116403674 A CN116403674 A CN 116403674A
- Authority
- CN
- China
- Prior art keywords
- user
- extraction
- disease
- text
- data processing
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 239000003814 drug Substances 0.000 title claims abstract description 93
- 229940079593 drug Drugs 0.000 title claims abstract description 70
- 238000012545 processing Methods 0.000 title claims abstract description 26
- 238000003672 processing method Methods 0.000 title claims abstract description 23
- 238000000605 extraction Methods 0.000 claims abstract description 83
- 201000010099 disease Diseases 0.000 claims abstract description 81
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims abstract description 81
- 238000000034 method Methods 0.000 claims abstract description 21
- 230000006399 behavior Effects 0.000 claims description 62
- 238000003745 diagnosis Methods 0.000 claims description 54
- 238000004590 computer program Methods 0.000 claims description 20
- 238000010276 construction Methods 0.000 claims description 17
- 238000001228 spectrum Methods 0.000 claims description 12
- 230000009471 action Effects 0.000 claims description 10
- 238000013075 data extraction Methods 0.000 claims description 10
- 231100000749 chronicity Toxicity 0.000 claims description 6
- 229940126532 prescription medicine Drugs 0.000 claims description 6
- 230000002123 temporal effect Effects 0.000 abstract 1
- 208000024172 Cardiovascular disease Diseases 0.000 description 13
- HVYWMOMLDIMFJA-DPAQBDIFSA-N cholesterol Chemical compound C1C=C2C[C@@H](O)CC[C@]2(C)[C@@H]2[C@@H]1[C@@H]1CC[C@H]([C@H](C)CCCC(C)C)[C@@]1(C)CC2 HVYWMOMLDIMFJA-DPAQBDIFSA-N 0.000 description 10
- 238000010586 diagram Methods 0.000 description 9
- 235000012000 cholesterol Nutrition 0.000 description 5
- 208000008589 Obesity Diseases 0.000 description 4
- 235000020824 obesity Nutrition 0.000 description 4
- 208000000913 Kidney Calculi Diseases 0.000 description 3
- 206010029148 Nephrolithiasis Diseases 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 3
- 230000036541 health Effects 0.000 description 3
- 201000010875 transient cerebral ischemia Diseases 0.000 description 3
- 208000001072 type 2 diabetes mellitus Diseases 0.000 description 3
- 235000021122 unsaturated fatty acids Nutrition 0.000 description 3
- 150000004670 unsaturated fatty acids Chemical class 0.000 description 3
- 230000003612 virological effect Effects 0.000 description 3
- 206010033307 Overweight Diseases 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 206010022000 influenza Diseases 0.000 description 2
- 208000017667 Chronic Disease Diseases 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001684 chronic effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 235000019800 disodium phosphate Nutrition 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 208000024891 symptom Diseases 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
- G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
- G16H20/10—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to drugs or medications, e.g. for ensuring correct administration to patients
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
- G06V30/19—Recognition using electronic means
- G06V30/191—Design or setup of recognition systems or techniques; Extraction of features in feature space; Clustering techniques; Blind source separation
- G06V30/19173—Classification techniques
-
- 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)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Medicinal Chemistry (AREA)
- Primary Health Care (AREA)
- Public Health (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Epidemiology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Chemical & Material Sciences (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明实施例公开了用药数据处理方法、装置、计算机设备及存储介质。所述方法包括：获取医疗机构开具的就诊指导单图片；对所述就诊指导单图片进行文本提取，以得到文本内容；对所述文本内容进行分类识别，以得到识别结果；对所述识别结果进行诊断、既往病史、性别、年龄、用药数据的提取，以得到提取结果；根据所述提取结果构建基本属性类型画像以及用户疾病类型画像；根据疾病分类字典结合所述提取结果构建带有时间属性及权重值的用户行为特征画像。通过实施本发明实施例的方法可实现对用药相关数据的处理，以构建用户画像，提高推荐系统中的精确匹配能力，能给用户提供的推荐服务。
Description
技术领域
本发明涉及计算机，更具体地说是指用药数据处理方法、装置、计算机设备及存储介质。
背景技术
随着互联网的快速发展，服务互联网用户的各类平台应用而生，为了提高平台服务用户的能力，需要尽可能多的了解用户的各种信息，而当前常见的了解用户方式为构建用户画像。
现有的用户画像构建方法，采用单一的类型特征，例如，性别、年龄、搜索、浏览、交易等行为数据来构建用户画像，除了用户基本信息，用户的行为数据具有偶然性，用户的当次行为仅能当次体现用户的需求，难以预知用户下次访问时的需求，从而使得平台无法主动给用户提供推荐服务，也就无法保证平台对用户的粘性；而且并不能从医疗机构出具的具有明确且可持续一定时间的用户疾病诊断数据构建用户画像，无法提高推荐系统中的精确匹配能力。
因此，有必要设计一种新的方法，实现对用药相关数据的处理，以构建用户画像，提高推荐系统中的精确匹配能力，能给用户提供的推荐服务。
发明内容
本发明的目的在于克服现有技术的缺陷，提供用药数据处理方法、装置、计算机设备及存储介质。
为实现上述目的，本发明采用以下技术方案：用药数据处理方法，包括：
获取医疗机构开具的就诊指导单图片；
对所述就诊指导单图片进行文本提取，以得到文本内容；
对所述文本内容进行分类识别，以得到识别结果；
对所述识别结果进行诊断、既往病史、性别、年龄、用药数据的提取，以得到提取结果；
根据所述提取结果构建基本属性类型画像以及用户疾病类型画像；
根据疾病分类字典结合所述提取结果构建带有时间属性及权重值的用户行为特征画像。
其进一步技术方案为：所述对所述就诊指导单图片进行文本提取，以得到文本内容，包括：
对所述就诊指导单图片采用OCR工具进行文本提取，以得到文本内容。
其进一步技术方案为：所述识别结果包括基本文本信息、疾病文本信息以及药品信息；其中，所述基本文本信息包括用户就诊医院名称、用户姓名、年龄以及性别，所述疾病文本信息包括当前疾病诊断以及既往病史；所述药品信息包括处方药品及药品数量以及药品使用频次。
其进一步技术方案为：所述对所述识别结果进行诊断、既往病史、性别、年龄、用药数据的提取，以得到提取结果，包括：
使用医疗数据字典初始化的NLP工具，分析所述识别结果，以提取诊断、既往病史、性别、年龄、用药数据，以得到提取结果。
其进一步技术方案为：所述根据所述提取结果构建基本属性类型画像以及用户疾病类型画像，包括：
根据所述提取结果构建用户性别、地域、年龄基本属性类型画像；
依据疾病分类字典以及所述提取结果，构建带有时间属性及权重值的用户疾病类型画像；其中，时间属性为诊断时间，依据当前诊断、既往病史、当前诊断和既往诊断中是否包含慢性，并对不同的疾病诊断给予不同的权重值。
其进一步技术方案为：所述根据疾病分类字典结合所述提取结果生成用户疾病类型画像，包括：
获取用户科谱文章点击动作、阅读时长、给文章评分的行为数据；
分析所述行为数据，依据用户行为对应的文章内容标签，将用户操作的所有文章共性标签进行权重值提升，以构建带有时间属性及权重值的用户行为特征画像。
本发明还提供了用药数据处理装置，包括：
图片获取单元，用于获取医疗机构开具的就诊指导单图片；
文本提取单元，用于对所述就诊指导单图片进行文本提取，以得到文本内容；
识别单元，用于对所述文本内容进行分类识别，以得到识别结果；
数据提取单元，用于对所述识别结果进行诊断、既往病史、性别、年龄、用药数据的提取，以得到提取结果；
第一画像构建单元，用于根据所述提取结果构建基本属性类型画像以及用户疾病类型画像；
特征画像构建单元，用于根据疾病分类字典结合所述提取结果构建带有时间属性及权重值的用户行为特征画像。
其进一步技术方案为：所述文本提取单元，用于对所述就诊指导单图片采用OCR工具进行文本提取，以得到文本内容。
本发明还提供了一种计算机设备，所述计算机设备包括存储器及处理器，所述存储器上存储有计算机程序，所述处理器执行所述计算机程序时实现上述的方法。
本发明还提供了一种存储介质，所述存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述的方法。
本发明与现有技术相比的有益效果是：本发明通过获取就诊指导单图片，并进行文本提取、分类识别以及相关数据提取，利用提取的相关数据构建不同维度的画像，实现对用药相关数据的处理，以构建用户画像，提高推荐系统中的精确匹配能力，能给用户提供的推荐服务。
下面结合附图和具体实施例对本发明作进一步描述。
附图说明
为了更清楚地说明本发明实施例技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的用药数据处理方法的应用场景示意图；
图2为本发明实施例提供的用药数据处理方法的流程示意图；
图3为本发明实施例提供的用药数据处理方法的子流程示意图；
图4为本发明实施例提供的用药数据处理方法的子流程示意图；
图5为本发明实施例提供的用药数据处理装置的示意性框图；
图6为本发明实施例提供的用药数据处理装置的第一画像构建单元的示意性框图；
图7为本发明实施例提供的用药数据处理装置的特征画像构建单元的示意性框图；
图8为本发明实施例提供的计算机设备的示意性框图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
应当理解，当在本说明书和所附权利要求书中使用时，术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解，在此本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。
还应当进一步理解，在本发明说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
请参阅图1和图2，图1为本发明实施例提供的用药数据处理方法的应用场景示意图。图2为本发明实施例提供的用药数据处理方法的示意性流程图。该用药数据处理方法应用于服务器中。该服务器与终端进行数据交互，实现对用药相关数据的处理，以构建用户画像，提高推荐系统中的精确匹配能力，能给用户提供的推荐服务。
图2是本发明实施例提供的用药数据处理方法的流程示意图。如图2所示，该方法包括以下步骤S110至S160。
S110、获取医疗机构开具的就诊指导单图片。
在本实施例中，就诊指导单图片是指拍摄医疗机构开具的就诊指导单形成的图片。
具体地，用户在医疗机构就诊后，通过使用用药指导系统，将医疗机构开具的就诊指导单拍成图片上传至服务器。
S120、对所述就诊指导单图片进行文本提取，以得到文本内容。
在本实施例中，上述的文本内容是指就诊指导单内的文本信息。
具体地，对所述就诊指导单图片采用OCR工具进行文本提取，以得到文本内容。
OCR工具是提取图片中文本内容的工具，采用第三方公司平台提供即可，如微信OCR工具。
S130、对所述文本内容进行分类识别，以得到识别结果。
在本实施例中，所述识别结果包括基本文本信息、疾病文本信息以及药品信息；其中，所述基本文本信息包括用户就诊医院名称、用户姓名、年龄以及性别、诊断时间，所述疾病文本信息包括当前疾病诊断以及既往病史；所述药品信息包括处方药品及药品数量以及药品使用频次。
具体地，将文本内容进行分类识别，进而获取用户就诊医院名称、用户姓名、年龄、性别、诊断时间等基本文本信息，以及当前疾病诊断、既往病史等疾病文本信息，处方药品及药品数量、药品使用频次等药品信息的文本信息。
S140、对所述识别结果进行诊断、既往病史、性别、年龄、用药数据的提取，以得到提取结果。
在本实施例中，提取结果是指诊断、既往病史、性别、年龄、用药数据。
具体地，使用医疗数据字典初始化的NLP工具，分析所述识别结果，以提取诊断、既往病史、性别、年龄、用药数据，以得到提取结果。
在本实施例中，NLP工具采用tf-idf、textRank等算法对文本内容进行分词、提取关键字的工具，采用开源的工具即可，如HanLp。
具体地，初始化NLP工具的医疗数据字典包含疾病诊断分类及疾病诊断数据、药品数据；其中疾病诊断分类及疾病诊断数据，可采用国家卫生健康网站提供的ICD10或ICD11数据，药品数据可来自国家药品监督管理局网站提供的数据；通过该医疗数据字典初始化的NLP工具，在进行分词、关键词提取时，针对医疗文本内容的解析更精准。
S150、根据所述提取结果构建基本属性类型画像以及用户疾病类型画像。
在本实施例中，基本属性类型画像是指用户性别、地域、年龄基本属性类型画像。用户疾病类型画像是指带有时间属性及权重值的用户疾病类型画像。
在一实施例中，请参阅图3，上述的步骤S150可包括步骤S151～S152。
S151、根据所述提取结果构建用户性别、地域、年龄基本属性类型画像；
对S130、S140中提取到的性别、年龄、诊断时间数据，以及通过就诊医院名称推导出的当前所处地域数据，维护到用户标签分类中的基本属性类型标签属性中；
如:
用户A：基本属性标签类型：性别：男：2022-01-01 10:00:00
用户A：基本属性标签类型：年龄：28：2022-01-01 10:00:00
用户A：基本属性标签类型：城市：杭州：2022-01-01 10:00:00
S152、依据疾病分类字典以及所述提取结果，构建带有时间属性及权重值的用户疾病类型画像；其中，时间属性为诊断时间，依据当前诊断、既往病史、当前诊断和既往诊断中是否包含慢性，并对不同的疾病诊断给予不同的权重值。
具体地，用户的当前诊断或慢性病诊断，均是明确且会持续一段时间，所以该权重值最高。
如当前诊断为病毒性感冒、短暂性脑缺血，既往病史为糖尿病2型、肾结石；
因为当前诊断中，病毒性感冒一般会维持1～2周，权重为5；
当前诊断中，短暂性脑缺血为数分钟内的临时症状，权重为3；
既往病史中糖尿病2型，属于慢性病，权重为5；
既往病史中肾结石，属于可治愈疾病，权重为1；
则维护如下疾病标签类型画像：
用户A：疾病标签类型：病毒性感冒：2022-01-01 10:00:00：5
用户A：疾病标签类型：短暂性脑缺血：2021-10-01 14:00:00：3
用户A：疾病标签类型：糖尿病2型：2021-10-01 14:00:00：5
用户A：疾病标签类型：肾结石：2022-01-01 10:00:00：1
S160、根据疾病分类字典结合所述提取结果构建带有时间属性及权重值的用户行为特征画像。
在本实施例中，用户行为特征画像是指出带有时间属性及权重值的用户行为特征画像。
在一实施例中，请参阅图4，上述的步骤S160可包括步骤S161～S162。
S161、获取用户科谱文章点击动作、阅读时长、给文章评分的行为数据；
S162、分析所述行为数据，依据用户行为对应的文章内容标签，将用户操作的所有文章共性标签进行权重值提升，以构建带有时间属性及权重值的用户行为特征画像。
获取用户A一天的科谱文章行为数据，如2022-09-07一天内：
用户A对page1(标签：不饱和脂肪酸、心血管疾病)有点击行为
用户A点击行为标签及分值(不饱和脂肪酸：1，心血管疾病：1)
用户A对page2(标签：心血管疾病、运动)有点击行为，阅读时长10s
用户A点击行为标签及分值(心血管疾病：1，运功：1)
用户A阅读行为标签及分值(心血管疾病：3，运功：3)
用户A对page3(标签：高胆固醇、心血管疾病)有点击行为，阅读时长15s，评分5颗星
用户A点击行为标签及分值(高胆固醇：1，心血管疾病：1)
用户A阅读行为标签及分值(高胆固醇：3，心血管疾病：3)
用户A评分行为标签及分值(高胆固醇：5，心血管疾病：5)
用户A对page4(肥胖、心血管疾病)有点击行为，阅读时长2s，评分1颗星
用户A点击行为标签及分值(肥胖：1，心血管疾病：1)
用户A评分行为标签及分值(肥胖：1，心血管疾病：1)
其中，阅读时长超过3S才认为有效，点击分值1，阅读分值3，评分几颗星分值则为几，取用户操作科谱文章行为标签最大分值，多篇科谱文标签章重复则标签权重+1，最后取得用户A行为标签及分值如下：
用户A：行为标签类型：不饱和脂肪酸：2022-09-07：1
用户A：行为标签类型：心血管疾病：2022-09-07：6
用户A：行为标签类型：运功：2022-09-07：3
用户A：行为标签类型：高胆固醇：2022-09-07：5
用户A：行为标签类型：肥胖：2022-09-07：1
具体地，用户访问健康科谱系统，查看某类的健康科谱文章；采集用户科谱文章点击动作、阅读时长、给文章评分等行为数据；定时分析采集的用户行为数据，依据用户行为对应的文章内容标签，将用户操作的所有文章共性标签进行权重值提升，进而构建出带有时间属性及权重值的用户行为特征画像。
本实施例的方法通过获取医疗机构出具的具有明确且可持续一定时间的用户疾病诊断数据，构建的用户疾病画像，一定是用户关心和在意的特征，基于该画像进行内容推荐，用户点击的概率一定会是最高的；同时通过获取年龄、性别、地域等基本信息，构建的用户基本信息画像，依据该画像特征推荐同类特征用户喜欢的内容，也会产生较好的用户点击概率；除了上述两种特征，常用的行为特征也不能少，一般反应用户当前的需求，如果用户当前对某类特征标签内容非常感兴趣，通过提高该特征权重值，依据高权重值的行为画像推荐内容，用户点击率介于依据上述两种画像内容推荐点击概率之间；综上，在给用户单次推荐内容服务时，同时采用上述三种用户画像且是高权重值的画像推荐内容时，用户点击概率可达最高。
通过获取用户多个维度的画像特征，并依据平台的业务特征，对应的提升明确且持续一段时间的画像特征权重值，此方式构建的用户画像，能明显提高推荐系统中的精确匹配能力，也就能给用户提供的推荐服务。
上述的用药数据处理方法，通过获取就诊指导单图片，并进行文本提取、分类识别以及相关数据提取，利用提取的相关数据构建不同维度的画像，实现对用药相关数据的处理，以构建用户画像，提高推荐系统中的精确匹配能力，能给用户提供的推荐服务。
图5是本发明实施例提供的一种用药数据处理装置300的示意性框图。如图5所示，对应于以上用药数据处理方法，本发明还提供一种用药数据处理装置300。该用药数据处理装置300包括用于执行上述用药数据处理方法的单元，该装置可以被配置于服务器中。具体地，请参阅图5，该用药数据处理装置300包括图片获取单元301、文本提取单元302、识别单元303、数据提取单元304、第一画像构建单元305以及特征画像构建单元306。
图片获取单元301，用于获取医疗机构开具的就诊指导单图片；文本提取单元302，用于对所述就诊指导单图片进行文本提取，以得到文本内容；识别单元303，用于对所述文本内容进行分类识别，以得到识别结果；数据提取单元304，用于对所述识别结果进行诊断、既往病史、性别、年龄、用药数据的提取，以得到提取结果；第一画像构建单元305，用于根据所述提取结果构建基本属性类型画像以及用户疾病类型画像；特征画像构建单元306，用于根据疾病分类字典结合所述提取结果构建带有时间属性及权重值的用户行为特征画像。
在一实施例中，所述文本提取单元302，用于对所述就诊指导单图片采用OCR工具进行文本提取，以得到文本内容。
在一实施例中，数据提取单元304，用于使用医疗数据字典初始化的NLP工具，分析所述识别结果，以提取诊断、既往病史、性别、年龄、用药数据，以得到提取结果。
在一实施例中，如图6所示，所述第一画像构建单元305包括属性画像构建子单元3051以及疾病画像构建子单元3052。
属性画像构建子单元3051，用于根据所述提取结果构建用户性别、地域、年龄基本属性类型画像；疾病画像构建子单元3052，用于依据疾病分类字典以及所述提取结果，构建带有时间属性及权重值的用户疾病类型画像；其中，时间属性为诊断时间，依据当前诊断、既往病史、当前诊断和既往诊断中是否包含慢性，并对不同的疾病诊断给予不同的权重值。
在一实施例中，如图7所示，所述特征画像构建单元306包括行为数据获取子单元3061以及分析子单元3062。
行为数据获取子单元3061，用于获取用户科谱文章点击动作、阅读时长、给文章评分的行为数据；分析子单元3062，用于分析所述行为数据，依据用户行为对应的文章内容标签，将用户操作的所有文章共性标签进行权重值提升，以构建带有时间属性及权重值的用户行为特征画像。
需要说明的是，所属领域的技术人员可以清楚地了解到，上述用药数据处理装置300和各单元的具体实现过程，可以参考前述方法实施例中的相应描述，为了描述的方便和简洁，在此不再赘述。
上述用药数据处理装置300可以实现为一种计算机程序的形式，该计算机程序可以在如图8所示的计算机设备上运行。
请参阅图8，图8是本申请实施例提供的一种计算机设备的示意性框图。该计算机设备500可以是服务器，其中，服务器可以是独立的服务器，也可以是多个服务器组成的服务器集群。
参阅图8，该计算机设备500包括通过系统总线501连接的处理器502、存储器和网络接口505，其中，存储器可以包括非易失性存储介质503和内存储器504。
该非易失性存储介质503可存储操作系统5031和计算机程序5032。该计算机程序5032包括程序指令，该程序指令被执行时，可使得处理器502执行一种用药数据处理方法。
该处理器502用于提供计算和控制能力，以支撑整个计算机设备500的运行。
该内存储器504为非易失性存储介质503中的计算机程序5032的运行提供环境，该计算机程序5032被处理器502执行时，可使得处理器502执行一种用药数据处理方法。
该网络接口505用于与其它设备进行网络通信。本领域技术人员可以理解，图8中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备500的限定，具体的计算机设备500可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
其中，所述处理器502用于运行存储在存储器中的计算机程序5032，以实现如下步骤：
获取医疗机构开具的就诊指导单图片；对所述就诊指导单图片进行文本提取，以得到文本内容；对所述文本内容进行分类识别，以得到识别结果；对所述识别结果进行诊断、既往病史、性别、年龄、用药数据的提取，以得到提取结果；根据所述提取结果构建基本属性类型画像以及用户疾病类型画像；根据疾病分类字典结合所述提取结果构建带有时间属性及权重值的用户行为特征画像。
其中，所述识别结果包括基本文本信息、疾病文本信息以及药品信息；其中，所述基本文本信息包括用户就诊医院名称、用户姓名、年龄以及性别，所述疾病文本信息包括当前疾病诊断以及既往病史；所述药品信息包括处方药品及药品数量以及药品使用频次。
在一实施例中，处理器502在实现所述对所述就诊指导单图片进行文本提取，以得到文本内容步骤时，具体实现如下步骤：
对所述就诊指导单图片采用OCR工具进行文本提取，以得到文本内容。
在一实施例中，处理器502在实现所述对所述识别结果进行诊断、既往病史、性别、年龄、用药数据的提取，以得到提取结果步骤时，具体实现如下步骤：
使用医疗数据字典初始化的NLP工具，分析所述识别结果，以提取诊断、既往病史、性别、年龄、用药数据，以得到提取结果。
在一实施例中，处理器502在实现所述根据所述提取结果构建基本属性类型画像以及用户疾病类型画像步骤时，具体实现如下步骤：
根据所述提取结果构建用户性别、地域、年龄基本属性类型画像；依据疾病分类字典以及所述提取结果，构建带有时间属性及权重值的用户疾病类型画像；其中，时间属性为诊断时间，依据当前诊断、既往病史、当前诊断和既往诊断中是否包含慢性，并对不同的疾病诊断给予不同的权重值。
在一实施例中，处理器502在实现所述根据疾病分类字典结合所述提取结果生成用户疾病类型画像步骤时，具体实现如下步骤：
获取用户科谱文章点击动作、阅读时长、给文章评分的行为数据；分析所述行为数据，依据用户行为对应的文章内容标签，将用户操作的所有文章共性标签进行权重值提升，以构建带有时间属性及权重值的用户行为特征画像。
应当理解，在本申请实施例中，处理器502可以是中央处理单元(CentralProcessing Unit，CPU)，该处理器502还可以是其他通用处理器、数字信号处理器(DigitalSignal 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、分立硬件组件等。其中，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。
本领域普通技术人员可以理解的是实现上述实施例的方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成。该计算机程序包括程序指令，计算机程序可存储于一存储介质中，该存储介质为计算机可读存储介质。该程序指令被该计算机系统中的至少一个处理器执行，以实现上述方法的实施例的流程步骤。
因此，本发明还提供一种存储介质。该存储介质可以为计算机可读存储介质。该存储介质存储有计算机程序，其中该计算机程序被处理器执行时使处理器执行如下步骤：
获取医疗机构开具的就诊指导单图片；对所述就诊指导单图片进行文本提取，以得到文本内容；对所述文本内容进行分类识别，以得到识别结果；对所述识别结果进行诊断、既往病史、性别、年龄、用药数据的提取，以得到提取结果；根据所述提取结果构建基本属性类型画像以及用户疾病类型画像；根据疾病分类字典结合所述提取结果构建带有时间属性及权重值的用户行为特征画像。
其中，所述识别结果包括基本文本信息、疾病文本信息以及药品信息；其中，所述基本文本信息包括用户就诊医院名称、用户姓名、年龄以及性别，所述疾病文本信息包括当前疾病诊断以及既往病史；所述药品信息包括处方药品及药品数量以及药品使用频次。
在一实施例中，所述处理器在执行所述计算机程序而实现所述对所述就诊指导单图片进行文本提取，以得到文本内容步骤时，具体实现如下步骤：
对所述就诊指导单图片采用OCR工具进行文本提取，以得到文本内容。
在一实施例中，所述处理器在执行所述计算机程序而实现所述对所述识别结果进行诊断、既往病史、性别、年龄、用药数据的提取，以得到提取结果步骤时，具体实现如下步骤：
使用医疗数据字典初始化的NLP工具，分析所述识别结果，以提取诊断、既往病史、性别、年龄、用药数据，以得到提取结果。
在一实施例中，所述处理器在执行所述计算机程序而实现所述根据所述提取结果构建基本属性类型画像以及用户疾病类型画像步骤时，具体实现如下步骤：
根据所述提取结果构建用户性别、地域、年龄基本属性类型画像；依据疾病分类字典以及所述提取结果，构建带有时间属性及权重值的用户疾病类型画像；其中，时间属性为诊断时间，依据当前诊断、既往病史、当前诊断和既往诊断中是否包含慢性，并对不同的疾病诊断给予不同的权重值。
在一实施例中，所述处理器在执行所述计算机程序而实现所述根据疾病分类字典结合所述提取结果生成用户疾病类型画像步骤时，具体实现如下步骤：
获取用户科谱文章点击动作、阅读时长、给文章评分的行为数据；分析所述行为数据，依据用户行为对应的文章内容标签，将用户操作的所有文章共性标签进行权重值提升，以构建带有时间属性及权重值的用户行为特征画像。
所述存储介质可以是U盘、移动硬盘、只读存储器(Read-Only Memory，ROM)、磁碟或者光盘等各种可以存储程序代码的计算机可读存储介质。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
在本发明所提供的几个实施例中，应该理解到，所揭露的装置和方法，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，各个单元的划分，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。例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。
本发明实施例方法中的步骤可以根据实际需要进行顺序调整、合并和删减。本发明实施例装置中的单元可以根据实际需要进行合并、划分和删减。另外，在本发明各个实施例中的各功能单元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，也可以是两个或两个以上单元集成在一个单元中。
该集成的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，可以存储在一个存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分，或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，终端，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。
以上所述，仅为本发明的具体实施方式，但本发明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发明揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。
Claims (10)
1.用药数据处理方法，其特征在于，包括：
获取医疗机构开具的就诊指导单图片；
对所述就诊指导单图片进行文本提取，以得到文本内容；
对所述文本内容进行分类识别，以得到识别结果；
对所述识别结果进行诊断、既往病史、性别、年龄、用药数据的提取，以得到提取结果；
根据所述提取结果构建基本属性类型画像以及用户疾病类型画像；
根据疾病分类字典结合所述提取结果构建带有时间属性及权重值的用户行为特征画像。
2.根据权利要求1所述的用药数据处理方法，其特征在于，所述对所述就诊指导单图片进行文本提取，以得到文本内容，包括：
对所述就诊指导单图片采用OCR工具进行文本提取，以得到文本内容。
3.根据权利要求1所述的用药数据处理方法，其特征在于，所述识别结果包括基本文本信息、疾病文本信息以及药品信息；其中，所述基本文本信息包括用户就诊医院名称、用户姓名、年龄以及性别，所述疾病文本信息包括当前疾病诊断以及既往病史；所述药品信息包括处方药品及药品数量以及药品使用频次。
4.根据权利要求1所述的用药数据处理方法，其特征在于，所述对所述识别结果进行诊断、既往病史、性别、年龄、用药数据的提取，以得到提取结果，包括：
使用医疗数据字典初始化的NLP工具，分析所述识别结果，以提取诊断、既往病史、性别、年龄、用药数据，以得到提取结果。
5.根据权利要求1所述的用药数据处理方法，其特征在于，所述根据所述提取结果构建基本属性类型画像以及用户疾病类型画像，包括：
根据所述提取结果构建用户性别、地域、年龄基本属性类型画像；
依据疾病分类字典以及所述提取结果，构建带有时间属性及权重值的用户疾病类型画像；其中，时间属性为诊断时间，依据当前诊断、既往病史、当前诊断和既往诊断中是否包含慢性，并对不同的疾病诊断给予不同的权重值。
6.根据权利要求1所述的用药数据处理方法，其特征在于，所述根据疾病分类字典结合所述提取结果生成用户疾病类型画像，包括：
获取用户科谱文章点击动作、阅读时长、给文章评分的行为数据；
分析所述行为数据，依据用户行为对应的文章内容标签，将用户操作的所有文章共性标签进行权重值提升，以构建带有时间属性及权重值的用户行为特征画像。
7.用药数据处理装置，其特征在于，包括：
图片获取单元，用于获取医疗机构开具的就诊指导单图片；
文本提取单元，用于对所述就诊指导单图片进行文本提取，以得到文本内容；
识别单元，用于对所述文本内容进行分类识别，以得到识别结果；
数据提取单元，用于对所述识别结果进行诊断、既往病史、性别、年龄、用药数据的提取，以得到提取结果；
第一画像构建单元，用于根据所述提取结果构建基本属性类型画像以及用户疾病类型画像；
特征画像构建单元，用于根据疾病分类字典结合所述提取结果构建带有时间属性及权重值的用户行为特征画像。
8.根据权利要求7所述的用药数据处理装置，其特征在于，所述文本提取单元，用于对所述就诊指导单图片采用OCR工具进行文本提取，以得到文本内容。
9.一种计算机设备，其特征在于，所述计算机设备包括存储器及处理器，所述存储器上存储有计算机程序，所述处理器执行所述计算机程序时实现如权利要求1至6中任一项所述的方法。
10.一种存储介质，其特征在于，所述存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至6中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211426283.7A CN116403674A (zh) | 2022-11-14 | 2022-11-14 | 用药数据处理方法、装置、计算机设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211426283.7A CN116403674A (zh) | 2022-11-14 | 2022-11-14 | 用药数据处理方法、装置、计算机设备及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116403674A true CN116403674A (zh) | 2023-07-07 |
Family
ID=87006308
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211426283.7A Pending CN116403674A (zh) | 2022-11-14 | 2022-11-14 | 用药数据处理方法、装置、计算机设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116403674A (zh) |
-
2022
- 2022-11-14 CN CN202211426283.7A patent/CN116403674A/zh active Pending
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 | |
| US20170277856A1 (en) | Healthcare risk extraction system and method | |
| US8949079B2 (en) | Patient data mining | |
| EP3223178A1 (en) | A system and a method for assessing patient treatment risk using open data and clinician input | |
| JP6907831B2 (ja) | コンテキストベースの患者類似性の方法及び装置 | |
| WO2020123723A1 (en) | System and method for providing health information | |
| US20210004715A1 (en) | Methods and systems for medical record searching with transmittable machine learning | |
| US11581094B2 (en) | Methods and systems for generating a descriptor trail using artificial intelligence | |
| KR102254419B1 (ko) | 반려동물 헬스 케어 큐레이션 방법, 장치 및 이를 이용한 시스템 | |
| US20190237192A1 (en) | Personal health operating system | |
| WO2013025959A2 (en) | Methods and apparatus for classifying content | |
| US11288296B2 (en) | Device, system, and method for determining information relevant to a clinician | |
| US20240197245A1 (en) | Methods and systems for utilizing diagnostics for informed vibrant constituional guidance | |
| CN111145846A (zh) | 临床试验患者招募方法及装置、电子设备和存储介质 | |
| Rabie et al. | A decision support system for diagnosing diabetes using deep neural network | |
| WO2022081731A9 (en) | Automatically pre-constructing a clinical consultation note during a patient intake/admission process | |
| CN117292783A (zh) | 医学影像报告生成系统 | |
| Akhter et al. | Big data-based epidemiology of uveitis and related intraocular inflammation | |
| Hom et al. | Facilitating clinical research through automation: Combining optical character recognition with natural language processing | |
| McNamara et al. | Development of a hospital outcome measure intended for use with electronic health records: 30-day risk-standardized mortality after acute myocardial infarction | |
| US20230395204A1 (en) | Survey and suggestion system | |
| US20150339602A1 (en) | System and method for modeling health care costs | |
| GB2548627A (en) | A system and a method for assessing patient treatment risk using open data and clinician input | |
| CN116403674A (zh) | 用药数据处理方法、装置、计算机设备及存储介质 | |
| US20230187072A1 (en) | Methods and systems for generating a descriptor trail using artificial intelligence |
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 |