CN116721763A - 一种疾病诊断结果的解析方法及装置 - Google Patents
一种疾病诊断结果的解析方法及装置 Download PDFInfo
- Publication number
- CN116721763A CN116721763A CN202310980907.8A CN202310980907A CN116721763A CN 116721763 A CN116721763 A CN 116721763A CN 202310980907 A CN202310980907 A CN 202310980907A CN 116721763 A CN116721763 A CN 116721763A
- Authority
- CN
- China
- Prior art keywords
- diagnosis
- sub
- rule
- patient
- logic
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000003745 diagnosis Methods 0.000 title claims abstract description 503
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 title claims abstract description 125
- 201000010099 disease Diseases 0.000 title claims abstract description 122
- 238000004458 analytical method Methods 0.000 title claims abstract description 62
- 238000000034 method Methods 0.000 claims abstract description 51
- 238000003058 natural language processing Methods 0.000 claims abstract description 21
- 238000005516 engineering process Methods 0.000 claims abstract description 16
- 238000002372 labelling Methods 0.000 claims abstract description 16
- 238000001914 filtration Methods 0.000 claims description 18
- 230000002159 abnormal effect Effects 0.000 claims description 13
- 230000004044 response Effects 0.000 claims description 11
- 238000007781 pre-processing Methods 0.000 claims description 10
- 208000024891 symptom Diseases 0.000 claims description 10
- 238000000605 extraction Methods 0.000 claims description 8
- 230000001502 supplementing effect Effects 0.000 claims description 5
- 238000010586 diagram Methods 0.000 description 14
- 201000008827 tuberculosis Diseases 0.000 description 13
- 230000008569 process Effects 0.000 description 12
- 238000012545 processing Methods 0.000 description 8
- 238000004364 calculation method Methods 0.000 description 6
- 238000001514 detection method Methods 0.000 description 4
- 208000023504 respiratory system disease Diseases 0.000 description 4
- 230000000007 visual effect Effects 0.000 description 4
- 208000006545 Chronic Obstructive Pulmonary Disease Diseases 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 238000004590 computer program Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000009795 derivation Methods 0.000 description 3
- 208000015181 infectious disease Diseases 0.000 description 3
- 238000007689 inspection Methods 0.000 description 3
- 241000187479 Mycobacterium tuberculosis Species 0.000 description 2
- 208000012902 Nervous system disease Diseases 0.000 description 2
- 208000025966 Neurological disease Diseases 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 208000024799 Thyroid disease Diseases 0.000 description 1
- 238000003759 clinical diagnosis Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000012258 culturing Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 206010012601 diabetes mellitus Diseases 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000000047 product Substances 0.000 description 1
- 208000008128 pulmonary tuberculosis Diseases 0.000 description 1
- 206010038534 renal tuberculosis Diseases 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 208000021510 thyroid gland disease Diseases 0.000 description 1
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
- G06F8/00—Arrangements for software engineering
- G06F8/40—Transformation of program code
- G06F8/41—Compilation
- G06F8/42—Syntactic analysis
- G06F8/427—Parsing
-
- 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)
- Biomedical Technology (AREA)
- General Engineering & Computer Science (AREA)
- Public Health (AREA)
- Medical Informatics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- Pathology (AREA)
- Software Systems (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本申请提供了一种疾病诊断结果的解析方法及装置,基于就诊患者的唯一就诊编码,获取就诊患者的诊断病历文本;利用自然语言处理技术,对所述诊断病历文本进行标注化处理,从诊断病历文本中抽取病历文本信息;基于就诊患者的就诊详情,从已存储的规则解析语法树中确定出用于对就诊患者存在的就诊疾病类型的诊断结果进行解析的目标诊断语法树;将病历文本信息注入目标诊断语法树,确定在目标诊断语法树的每个诊断子层下的子诊断结果;基于每个诊断子层下的子诊断结果,确定就诊患者的疾病诊断结果。这样,利用已配置的医疗规则的规则解析语法树,实现诊断结果的确定,可以提高诊断结果的决策效率,减少医疗人员的工作量,提高医疗人员的工作效率。
Description
技术领域
本申请涉及数据处理技术领域,尤其是涉及一种疾病诊断结果的解析方法及装置。
背景技术
随着医疗领域的快速发展,各种先进的技术和设备已广泛应用于临床诊断、治疗和健康管理。在这些领域中,规则引擎发挥着关键作用,规则引擎可以自动化处理各种医疗数据和规则,为医疗专业人员提供更准确、更高效的决策支持。
目前,医疗专业人员在进行病情诊断时,需逐一对病历中记载的内容进行分析,以确定出就诊患者的诊断结果,考虑到规则引擎能够对医疗规则进行分析,因此,借助于已配置的各项医疗规则实现诊断结果的分析,成为了亟待解决的问题。
发明内容
有鉴于此,本申请的目的在于提供一种疾病诊断结果的解析方法及装置,能够利用已配置的医疗规则的规则解析语法树,实现诊断结果的确定,进而,可以提高诊断结果的决策效率,减少医疗人员的工作量,有助于提高医疗人员的工作效率。
本申请实施例提供了一种疾病诊断结果的解析方法,所述解析方法包括:
基于就诊患者的唯一就诊编码,获取所述就诊患者的诊断病历文本;
利用自然语言处理技术,对所述诊断病历文本进行标注化处理,从所述诊断病历文本中抽取出病历文本信息;其中,所述病历文本信息用于描述所述就诊患者的就诊症状以及检验结果;
基于所述就诊患者的就诊详情,从已存储的规则解析语法树中确定出用于对所述就诊患者存在的就诊疾病类型的诊断结果进行解析的目标诊断语法树;
将所述病历文本信息注入所述目标诊断语法树,确定在所述目标诊断语法树的每个诊断子层下的子诊断结果;
基于每个诊断子层下的子诊断结果,确定所述就诊患者的疾病诊断结果。
在一种可能的实施方式中,所述利用自然语言处理技术,对所述诊断病历文本进行标注化处理,从所述诊断病历文本中抽取出病历文本信息,包括:
利用自然语言处理技术,从所述诊断病历文本中识别出至少一个病历实体信息;
对所述至少一个病历实体信息进行信息抽取,得到所述就诊患者的病历文本信息。
在一种可能的实施方式中,所述将所述病历文本信息注入所述目标诊断语法树,确定在所述目标诊断语法树的每个诊断子层下的子诊断结果,包括:
将所述病历文本信息注入所述目标诊断语法树的起始诊断子层的查询节点中,确定在起始诊断子层下的子诊断结果;
将所述起始诊断子层下的子诊断结果,下发至所述起始诊断子层的下一诊断子层的查询节点中,确定所述下一诊断子层的子诊断结果;
以此类推,直至确定出所述目标诊断语法树的结束诊断子层的子诊断结果为止,得到所述目标诊断语法树的每个诊断子层下的子诊断结果。
在一种可能的实施方式中,所述基于每个诊断子层下的子诊断结果,确定所述就诊患者的疾病诊断结果,包括:
将所述结束诊断子层的子诊断结果确定为所述就诊患者的疾病诊断结果。
在一种可能的实施方式中,所述基于每个诊断子层下的子诊断结果,确定所述就诊患者的疾病诊断结果,包括:
结合预设结果组合逻辑,组合每个诊断子层的子诊断结果,得到所述就诊患者的疾病诊断结果。
在一种可能的实施方式中,通过以下步骤获得每种就诊疾病类型的规则解析语法树:
针对于每种就诊疾病类型,响应于细则配置操作,完成图形用户界面中每个诊断逻辑层中每个特定医疗细则项的配置;
基于配置得到的多个特定医疗细则项,完成每个诊断逻辑层中的推导细则项的配置;
响应于推导关系配置操作,完成各个诊断逻辑层之间多个细则项的推导关系的配置;
基于每个特定医疗细则项、每个推导细则项以及多个细则项的推导关系,确定该就诊疾病类型的规则解析信息;
通过解析所述规则解析信息,得到该就诊疾病类型的规则解析语法树。
在一种可能的实施方式中,所述通过解析所述规则解析信息,得到该就诊疾病类型的规则解析语法树,包括:
对所述规则解析信息进行解析,确定出多个逻辑规则节点以及至少两个逻辑规则节点之间的逻辑关系;
对所述多个逻辑规则节点以及所述至少两个逻辑规则节点之间的逻辑关系进行预处理,得目标逻辑节点以及目标逻辑关系;
将所述目标逻辑节点以及所述目标逻辑关系,转换为通用json格式,得到该就诊疾病类型的规则解析语法树。
在一种可能的实施方式中,所述对所述多个逻辑规则节点以及所述至少两个逻辑规则节点之间的逻辑关系进行预处理,得目标逻辑节点以及目标逻辑关系,包括:
检测所述至少两个逻辑规则节点之间的逻辑关系是否存在引用关系;
若否,滤除所述多个逻辑规则节点中节点id重复的异常逻辑节点,得到多个过滤逻辑节点;
补充所述多个过滤逻辑节点中缺失节点信息的异常逻辑节点,得到多个候选逻辑节点;
检测所述至少两个候选逻辑节点之间的逻辑关系是否正确;
若是,将逻辑关系正确的候选逻辑节点确定为目标逻辑节点以及将至少两个目标逻辑节点之间的逻辑关系确定为目标逻辑关系。
在一种可能的实施方式中,所述基于所述就诊患者的就诊详情,从已存储的规则解析语法树中确定出用于对所述就诊患者存在的就诊疾病类型的诊断结果进行解析的目标诊断语法树,包括:
通过分析所述就诊详情,确定所述就诊患者的就诊疾病类型;
响应于语法树查询操作,从已存储的规则解析语法树中确定出用于对所述就诊患者存在的就诊疾病类型的诊断结果进行解析的目标诊断语法树。
本申请实施例还提供了一种疾病诊断结果的解析装置,所述解析装置包括:
病历获取模块,用于基于就诊患者的唯一就诊编码,获取所述就诊患者的诊断病历文本;
病历抽取模块,用于利用自然语言处理技术,对所述诊断病历文本进行标注化处理,从所述诊断病历文本中抽取出病历文本信息;其中,所述病历文本信息用于描述所述就诊患者的就诊症状以及检验结果;
语法树获取模块,用于基于所述就诊患者的就诊详情,从已存储的规则解析语法树中确定出用于对所述就诊患者存在的就诊疾病类型的诊断结果进行解析的目标诊断语法树;
子结果确定模块,用于将所述病历文本信息注入所述目标诊断语法树,确定在所述目标诊断语法树的每个诊断子层下的子诊断结果;
诊断结果确定模块,用于基于每个诊断子层下的子诊断结果,确定所述就诊患者的疾病诊断结果。
在一种可能的实施方式中,所述病历抽取模块在用于利用自然语言处理技术,对所述诊断病历文本进行标注化处理,从所述诊断病历文本中抽取出病历文本信息时,所述病历抽取模块用于:
利用自然语言处理技术,从所述诊断病历文本中识别出至少一个病历实体信息;
对所述至少一个病历实体信息进行信息抽取,得到所述就诊患者的病历文本信息。
在一种可能的实施方式中,所述子结果确定模块在用于将所述病历文本信息注入所述目标诊断语法树,确定在所述目标诊断语法树的每个诊断子层下的子诊断结果时,所述子结果确定模块用于:
将所述病历文本信息注入所述目标诊断语法树的起始诊断子层的查询节点中,确定在起始诊断子层下的子诊断结果;
将所述起始诊断子层下的子诊断结果,下发至所述起始诊断子层的下一诊断子层的查询节点中,确定所述下一诊断子层的子诊断结果;
以此类推,直至确定出所述目标诊断语法树的结束诊断子层的子诊断结果为止,得到所述目标诊断语法树的每个诊断子层下的子诊断结果。
在一种可能的实施方式中,所述诊断结果确定模块在用于基于每个诊断子层下的子诊断结果,确定所述就诊患者的疾病诊断结果时,所述诊断结果确定模块用于:
将所述结束诊断子层的子诊断结果确定为所述就诊患者的疾病诊断结果。
在一种可能的实施方式中,所述诊断结果确定模块在用于基于每个诊断子层下的子诊断结果,确定所述就诊患者的疾病诊断结果时,所述诊断结果确定模块用于:
结合预设结果组合逻辑,组合每个诊断子层的子诊断结果,得到所述就诊患者的疾病诊断结果。
在一种可能的实施方式中,所述解析装置还包括语法树生成模块,所述语法树生成模块用于通过以下步骤获得每种就诊疾病类型的规则解析语法树:
针对于每种就诊疾病类型,响应于细则配置操作,完成图形用户界面中每个诊断逻辑层中每个特定医疗细则项的配置;
基于配置得到的多个特定医疗细则项,完成每个诊断逻辑层中的推导细则项的配置;
响应于推导关系配置操作,完成各个诊断逻辑层之间多个细则项的推导关系的配置;
基于每个特定医疗细则项、每个推导细则项以及多个细则项的推导关系,确定该就诊疾病类型的规则解析信息;
通过解析所述规则解析信息,得到该就诊疾病类型的规则解析语法树。
在一种可能的实施方式中,所述语法树生成模块在用于通过解析所述规则解析信息,得到该就诊疾病类型的规则解析语法树时,所述语法树生成模块用于:
对所述规则解析信息进行解析,确定出多个逻辑规则节点以及至少两个逻辑规则节点之间的逻辑关系;
对所述多个逻辑规则节点以及所述至少两个逻辑规则节点之间的逻辑关系进行预处理,得目标逻辑节点以及目标逻辑关系;
将所述目标逻辑节点以及所述目标逻辑关系,转换为通用json格式,得到该就诊疾病类型的规则解析语法树。
在一种可能的实施方式中,所述语法树生成模块在用于对所述多个逻辑规则节点以及所述至少两个逻辑规则节点之间的逻辑关系进行预处理,得目标逻辑节点以及目标逻辑关系时,所述语法树生成模块用于:
检测所述至少两个逻辑规则节点之间的逻辑关系是否存在引用关系;
若否,滤除所述多个逻辑规则节点中节点id重复的异常逻辑节点,得到多个过滤逻辑节点;
补充所述多个过滤逻辑节点中缺失节点信息的异常逻辑节点,得到多个候选逻辑节点;
检测所述至少两个候选逻辑节点之间的逻辑关系是否正确;
若是,将逻辑关系正确的候选逻辑节点确定为目标逻辑节点以及将至少两个目标逻辑节点之间的逻辑关系确定为目标逻辑关系。
在一种可能的实施方式中,所述语法树获取模块在用于基于所述就诊患者的就诊详情,从已存储的规则解析语法树中确定出用于对所述就诊患者存在的就诊疾病类型的诊断结果进行解析的目标诊断语法树时,所述语法树获取模块用于:
通过分析所述就诊详情,确定所述就诊患者的就诊疾病类型;
响应于语法树查询操作,从已存储的规则解析语法树中确定出用于对所述就诊患者存在的就诊疾病类型的诊断结果进行解析的目标诊断语法树。
本申请实施例还提供一种电子设备,包括:处理器、存储器和总线,所述存储器存储有所述处理器可执行的机器可读指令,当电子设备运行时,所述处理器与所述存储器之间通过总线通信,所述机器可读指令被所述处理器执行时执行如上述的疾病诊断结果的解析方法的步骤。
本申请实施例还提供一种计算机可读存储介质,该计算机可读存储介质上存储有计算机程序,该计算机程序被处理器运行时执行如上述的疾病诊断结果的解析方法的步骤。
本申请实施例提供的疾病诊断结果的解析方法及装置,基于就诊患者的唯一就诊编码,获取就诊患者的诊断病历文本;利用自然语言处理技术,对所述诊断病历文本进行标注化处理,从诊断病历文本中抽取出病历文本信息;基于就诊患者的就诊详情,从已存储的规则解析语法树中确定出用于对就诊患者存在的就诊疾病类型的诊断结果进行解析的目标诊断语法树;将病历文本信息注入目标诊断语法树,确定在目标诊断语法树的每个诊断子层下的子诊断结果;基于每个诊断子层下的子诊断结果,确定就诊患者的疾病诊断结果。这样,能够利用已配置的医疗规则的规则解析语法树,实现诊断结果的确定,进而,可以提高诊断结果的决策效率,减少医疗人员的工作量,有助于提高医疗人员的工作效率。
为使本申请的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本申请的某些实施例,因此不应被看作是对范围的限定,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相关的附图。
图1为本申请实施例所提供的一种疾病诊断结果的解析方法的流程图;
图2为本申请实施例所提供的一种疾病诊断结果解析过程示意图;
图3为本申请实施例所提供的一种图形用户界面示意图;
图4为本申请实施例所提供的中重度慢性阻塞性肺病的诊断逻辑层示意图;
图5为本申请实施例所提供的一种规则解析过程示意图;
图6为本申请实施例所提供的一种疾病诊断结果的解析装置的结构示意图之一;
图7为本申请实施例所提供的一种疾病诊断结果的解析装置的结构示意图之二;
图8为本申请实施例所提供的一种电子设备的结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围,而是仅仅表示本申请的选定实施例。基于本申请的实施例,本领域技术人员在没有做出创造性劳动的前提下所获得的每个其他实施例,都属于本申请保护的范围。
经研究发现,目前,医疗专业人员在进行病情诊断时,需逐一对病历中记载的内容进行分析,以确定出就诊患者的诊断结果,考虑到规则引擎能够对医疗规则进行分析,因此,借助于已配置的各项医疗规则实现诊断结果的分析,成为了亟待解决的问题。
基于此,本申请实施例提供了一种疾病诊断结果的解析方法,能够利用已配置的医疗规则的规则解析语法树,实现诊断结果的确定,进而,可以提高诊断结果的决策效率,减少医疗人员的工作量,有助于提高医疗人员的工作效率。
请参阅图1,图1为本申请实施例所提供的一种疾病诊断结果的解析方法的流程图。如图1中所示,本申请实施例提供的疾病诊断结果的解析方法,包括:
S101、基于就诊患者的唯一就诊编码,获取所述就诊患者的诊断病历文本。
S102、利用自然语言处理技术,对所述诊断病历文本进行标注化处理,从所述诊断病历文本中抽取出病历文本信息。
S103、基于所述就诊患者的就诊详情,从已存储的规则解析语法树中确定出用于对所述就诊患者存在的就诊疾病类型的诊断结果进行解析的目标诊断语法树。
S104、将所述病历文本信息注入所述目标诊断语法树,确定在所述目标诊断语法树的每个诊断子层下的子诊断结果。
S105、基于每个诊断子层下的子诊断结果,确定所述就诊患者的疾病诊断结果。
本申请实施例所提供的一种疾病诊断结果的解析方法,通过对就诊患者的诊断病历文本进行标注化处理,从诊断病历文本中抽取出用于描述就诊患者的就诊症状以及检验结果的病历文本信息;利用目标诊断语法树,对病历文本信息进行分析,确定在每个诊断子层下的子诊断结果;并基于每个诊断子层的子诊断结果,确定就诊患者的疾病诊断结果;这样,便可以实现疾病诊断结果的自动分析,可以提高就诊患者的诊断效率,减少医疗人员的工作量,有助于提高医疗人员的工作效率。
这里,由于,医院就诊患者人数较多,所以,在医院系统中存储有大量的诊断病历文本,因此,在有诊断结果分析需求时,需准确地获取到所针对的就诊患者的病历文本信息。
在步骤S101中,为了确定能够准确地获取到就诊患者的诊断病历文本,利用就诊患者的唯一就诊编码进行搜索,获取该就诊患者的诊断病历文本,以避免获取到错误的诊断病历文本。
这里,唯一就诊编码可以包括就诊患者的身份证号、就诊号以及医保号等就诊患者专属的编码。
诊断病历文本可以包括结构化数据(例如,检查、检验、医嘱等)和文本数据(例如,既往史、现病史、出/入院情况、住院经过等)。
考虑到诊断病历文本中会出现较多冗余信息,因此,在获取到诊断病历文本之后,还需要进一步地通过标注化处理,对诊断病历文本中的信息进行抽取,以减少不必要的冗余信息,进而,可以减少后续解析过程中的数据处理量。
在步骤S102中,利用自然语言处理技术,对诊断病历文本进行标注化处理,以从诊断病历文本中抽取出能够描述就诊患者的就诊症状以及检验结果的病历文本信息,这样,能够在减少数据量的情况,实现诊断结果的准确解析。
在一种实施方式中,步骤S102包括:
S1021、利用自然语言处理技术,从所述诊断病历文本中识别出至少一个病历实体信息。
该步骤中,考虑到用于描述就诊患者的就诊症状和检验结果的信息通常为实体词汇,因此,在抽取病历文本信息时,可以先进行实体词汇抽取;具体的,通过自然语言处理技术,从诊断病历文本中识别出至少一个病历实体信息。
S1022、对所述至少一个病历实体信息进行信息抽取,得到所述就诊患者的病历文本信息。
该步骤中,在确定出至少一个病历实体信息的情况下,进一步地对至少一个病历实体信息进行信息抽取,以从各个实体词汇中确定出就诊患者的病历文本信息,进而,可以通过病历文本信息来描述就诊患者的就诊症状以及检验结果。
这里,考虑到规则引擎中预先存储的规则解析语法树数量较多,并且,并不是每个规则解析语法树都可以用于分析该就诊患者的疾病诊断结果,因此,在对就诊患者的病情进行解析之前,还需进一步地选择出用于对就诊患者的病情进行解析的目标诊断语法树。
在步骤S103中,基于就诊患者的就诊详情,确定就诊患者的就诊科室、就诊医生以及病情描述等就诊内容,以根据上述就诊内容,从已存储的规则解析语法树中确定出用于对就诊患者存在的就诊疾病类型的诊断结果进行解析的目标诊断语法树;即,从已存储的规则解析语法树中确定出能够解析出该就诊患者的疾病诊断结果的目标诊断语法树。
在一种实施方式中,步骤S103包括:
S1031、通过分析所述就诊详情,确定所述就诊患者的就诊疾病类型。
该步骤中,对就诊患者的就诊详情进行分析,以根据就诊患者的就诊详情确定出就诊患者的就诊疾病类型。
S1032、响应于语法树查询操作,从已存储的规则解析语法树中确定出用于对所述就诊患者存在的就诊疾病类型的诊断结果进行解析的目标诊断语法树。
该步骤中,可为用户提高以可视化查询界面,响应于用户在可视化查询界面中所施加的语法树查询操作,从已存储的规则解析语法树中确定出用于对就诊患者存在的就诊疾病类型的诊断结果进行解析的目标诊断语法树。
示例性的,当用户想要查看“甲状腺疾病”患者的诊断结果时,此时,便可以根据就诊患者的就诊疾病类型,即“神经性疾病”,在可视化查询界面中,通过语法树查询操作选择出用于对“神经性疾病”的诊断结果进行解析的目标诊断语法树。
在步骤S104,将抽取出的、用于描述就诊患者的就诊症状以及检验结果的病历文本信息注入目标诊断语法树中,以通过目标诊断语法树确定出就诊患者的疾病诊断结果;其中,目标诊断语法树中包括多个诊断子层,通过注入病历文本信息,确定出在目标诊断语法树的每个诊断子层下的子诊断结果。
在一种实施方式中,步骤S104包括:
S1041、将所述病历文本信息注入所述目标诊断语法树的起始诊断子层的查询节点中,确定在起始诊断子层下的子诊断结果。
该步骤中,目标诊断语法树包括多个诊断子层,各个诊断子层之间具有一定的顺序,因此,在解析过程中需按照顺序逐一完成每个诊断子层的子诊断结果的确定;具体的,从起始诊断子层开始,将病历文本信息注入目标诊断语法树的起始诊断子层的查询节点中,以确定在起始诊断子层下的子诊断结果。
这里,不同诊断子层之间具有一定的相关性,即,下一诊断子层需依据于上一诊断子层的子诊断结果进行解析,因此,在一定情况下,还需将子诊断结果下发至下一诊断子层。
S1042、将所述起始诊断子层下的子诊断结果,下发至所述起始诊断子层的下一诊断子层的查询节点中,确定所述下一诊断子层的子诊断结果。
该步骤中,按照各个诊断子层之间的解析顺序,在确定出起始诊断子层的子诊断结果的情况下,采用广度优先遍历方式,将起始诊断子层下的子诊断结果,下发至起始诊断子层的下一诊断子层的查询节点中,以确定出下一诊断子层的子诊断结果。
S1043、以此类推,直至确定出所述目标诊断语法树的结束诊断子层的子诊断结果为止,得到所述目标诊断语法树的每个诊断子层下的子诊断结果。
该步骤中,采用广度优先遍历方式,遍历目标诊断语法树的每个诊断子层,以此类推,依次确定每个诊断子层的子诊断结果,直至确定出目标诊断语法树的结束诊断子层的子诊断结果为止,得到目标诊断语法树的每个诊断子层下的子诊断结果。
这里,在确定诊断子层的子诊断结果时涉及动态参数和静态参数;动态参数即为该诊断子层的上一诊断子层的子诊断结果,或者是从病历文本信息中动态获取到的值;静态参数为生成语法树时预先设置好的。
在步骤S105中,对得到的每个诊断子层下的子诊断结果进行解析,以结合就诊患者在每个诊断子层下的子诊断结果,确定出就诊患者的疾病诊断结果。
这里,由于,目标诊断语法树涉及多个子诊断结果,因此,在确定就诊患者的疾病诊断结果时,还需进一步地结合于多个子诊断结果分析得到就诊患者的疾病诊断结果。
在一种实施方式中,步骤S105包括:
S1051、将所述结束诊断子层的子诊断结果确定为所述就诊患者的疾病诊断结果。
该步骤中,可以将目标诊断语法树的结束诊断子层所输出的子诊断结果,确定为就诊患者的疾病诊断结果。
在另一种实施方式中,步骤S105包括:
S1052、结合预设结果组合逻辑,组合每个诊断子层的子诊断结果,得到所述就诊患者的疾病诊断结果。
该步骤中,还可以利用预设的结果组合逻辑,组合目标诊断语法树的每个诊断子层的子诊断结果,进而,将组合结果确定为就诊患者的疾病诊断结果。
其中,组合逻辑至少包括逻辑关系和公式计算关系;逻辑关系包括与逻辑关系、或逻辑关系以及非逻辑关系等。
这里,通常情况下,规则引擎中的医疗规则都是由开发人员通过编写代码的方式实现的,而由于开发人员无法完全掌握医疗领域的相关知识,所以,无法结合医疗领域的特点,准确地定制出适用于医疗领域的医疗规则;因此,为了便于定制出适合于医疗领域的医疗规则,可以通过为医护人员提供可编辑的图形用户界面,以使医护人员可以自主完成医疗规则的编辑,实现医疗规则的定制化,并获得每种就诊疾病类型的规则解析语法树。
请参阅图2,图2为本申请实施例所提供的一种疾病诊断结果解析过程示意图。如图2所示,步骤201:获取就诊患者的唯一就诊编码;步骤202:获取诊断病历文本;步骤203:病历文本信息的抽取;步骤204:加载目标诊断语法树;步骤205:将病历文本信息注入目标诊断语法树的起始诊断子层;步骤206:遍历下发各个诊断子层的子诊断结果;步骤207:是否存在待注入的病历文本信息;若是,执行步骤208;若否,执行步骤209;步骤208:是否存在下一诊断子层;若是,执行步骤206;若否,执行步骤209;步骤209:输出疾病诊断结果。
在一种实施方式中,通过以下步骤获得每种就诊疾病类型的规则解析语法树:
步骤a、针对于每种就诊疾病类型,响应于细则配置操作,完成图形用户界面中每个诊断逻辑层中每个特定医疗细则项的配置。
该步骤中,在用户(例如,医护人员)所使用的终端设备的图形用户界面中显示每个诊断逻辑层中需配置的特定医疗细则项,用户可以通过细则配置操作,完成每个特定医疗细则项的配置;具体的,针对于每种就诊疾病类型(例如,中重度慢性阻塞性肺病),响应于用户在图形用户界面中针对于特定医疗细则项所施加的细则配置操作,完成推导出该就诊疾病类型的每个诊断逻辑层的特定医疗细则项的配置;请参阅图3,图3为本申请实施例所提供的一种图形用户界面示意图。
其中,诊断逻辑层至少包括结论层、规则层、细项层以及数据单元层,就诊疾病类型属于结论层。
1)数据元层是最小粒度的通用医学术语,医疗专业人员通过直观的理解,通过细则配置操作配置诊断名称、诊断时间等最小粒度的特定医疗细则项。例如:对于查找“近一年内诊断为结核病”的患者,可以通过从病历的什么位置,诊断为什么,并且诊断时间在什么范围,来限制查找到期望结果。
示例性的,首先,配置“诊断”模块;其次选择可以确诊为糖尿病的相关诊断“结核病”、“陈旧性肺结核”、“陈旧性肾结核”;然后,配置来源位置“入院诊断”、“初步诊断”;最后,配置确诊时间距离当前时间小于1年。
2)细项层是多个数据元(特定医疗细则项)关系的结果,蕴含医疗决策信息。具体表现为多个特定医疗细则项之间的与/或逻辑关系也可以是公式计算关系;即,该层表示的是一个细则项或者多个细则项的计算过程。
3)规则层则是一个或多个细则项的逻辑关系或者计算公式,可以输出满足关系的布尔结果和公式计算的值结果(即,推导医疗细则项或特定医疗细则项)。
4)结论层是规则间的相互关联制约的过滤、规则间布尔结果的逻辑关系、规则间分值公式计算和规则间数值公式计算所得出的结果。规则间的过滤用于配置当满足部分规则的关系时,对其余部分规则的布尔结果、分值及数值进行强制转换为期望的结果。之后使用过滤后的规则结果进行规则的逻辑、分值、数值计算。
步骤b、基于配置得到的多个特定医疗细则项,完成每个诊断逻辑层中的推导细则项的配置。
该步骤中,为了节约用户的配置时间,考虑到各个诊断逻辑层之间个别细则项之间具有推导关系,因此,可以基于配置得到的多个特定医疗细则项对诊断逻辑层中的推导细则项进行推导,以完成每个诊断逻辑层中的推导细则项的配置。
示例性的,细项层中的推导医疗细则项为“患有结核(TB)或潜伏性TB感染”的患者,可以通过配置在数据元层中的特定医疗细则项“近一年内诊断为结核病”,或“结核分支杆菌培养”的检验结果,推导得出细项层中的推导医疗细则项“患有结核(TB)或潜伏性TB感染”。
数据元层中可以具体配置特定医疗细则项,“诊断为结核病”特定医疗细则项a和检验结果为“结核分支杆菌培养”的特定医疗细则项b,通过a||b实现“患有结核(TB)或潜伏性TB感染”的推导。
步骤c、响应于推导关系配置操作,完成各个诊断逻辑层之间多个细则项的推导关系的配置。
该步骤中,用户在完成各个诊断逻辑层所涉及的特定医疗细则项以及推导细则项的配置之后,可以进一步地通过推导关系配置操作,完成各个诊断逻辑层之间多个细则项的推导关系的配置,多个细则项的推导关系可以是指特定医疗细则项与推导细则项之间的推导关系,也可以是特定医疗细则项与特定医疗细则项之间的推导关系;还可以是推导细则项与推导细则项之间的推导关系。
具体的,响应于用户所施加的推导关系配置操作,完成各个诊断逻辑层之间多个细则项的推导关系的配置,以明确各个诊断逻辑层之间细则项的推导;请参阅图4,图4为本申请实施例所提供的中重度慢性阻塞性肺病的诊断逻辑层示意图。
示例性的,规则层中的输出结果(即,推导医疗细则项)为“同时患有其他呼吸疾病”的患者,可通过配置细项层中的细则项“其他呼吸疾病”细则项A和“患有结核(TB)或潜伏性TB感染”细项B,以及细则项A和细项B之间的推导关系“&&”,推导出“同时患有其他呼吸疾病”;即,如果A&&B满足,即推导出“同时患有其他呼吸疾病”。
步骤d、基于每个特定医疗细则项、每个推导细则项以及多个细则项的推导关系,确定该就诊疾病类型的规则解析信息。
该步骤中,基于用户已配置的每个特定医疗细则项、每个推导细则项以及多个细则项之间的推导关系,确定推导出该就诊疾病类型的规则解析信息。
步骤e、通过解析所述规则解析信息,得到该就诊疾病类型的规则解析语法树。
该步骤中,通过对配置得到的规则解析信息进行解析,得到用于推导该就诊疾病类型的诊断结果的规则解析语法树。
其中,请参阅图5,图5为本申请实施例所提供的一种规则解析过程示意图。如图5所示,对配置得到的规则解析信息进行解析分为两个部分,一是,业务规则解析;二是,通用解析;业务规则解析用于对规则解析信息进行拆解,确定出逻辑规则节点以及节点之间的逻辑关系;通用解析是基于拆解出的逻辑规则节点以及逻辑关系,生成规则解析语法树。
在一种实施方式中,步骤e包括:
步骤e1、对所述规则解析信息进行解析,确定出多个逻辑规则节点以及至少两个逻辑规则节点之间的逻辑关系。
该步骤中,对配置得到的规则解析信息进行解析,确定出多个逻辑规则节点(op_node)以及至少两个逻辑规则节点之间的逻辑关系(relations)。
步骤e2、对所述多个逻辑规则节点以及所述至少两个逻辑规则节点之间的逻辑关系进行预处理,得目标逻辑节点以及目标逻辑关系。
该步骤中,对解析得到的多个逻辑规则节点以及至少两个逻辑规则节点之间的逻辑关系进行预处理,以得到通过预处理的目标逻辑节点以及目标逻辑关系;其中,预处理至少包括环检测、id唯一性检测、各个逻辑规则节点完成性检测以及逻辑关系和逻辑规则节点检测。
步骤e3、将所述目标逻辑节点以及所述目标逻辑关系,转换为通用json格式,得到该就诊疾病类型的规则解析语法树。
该步骤中,从目标逻辑节点中确定出起始逻辑节点,并按照顺序逐一将目标逻辑节点以及目标逻辑关系,转换为通用json格式,得到该就诊疾病类型的规则解析语法树。
在一种实施方式中,步骤e2包括:
e21、检测所述至少两个逻辑规则节点之间的逻辑关系是否存在引用关系。
该步骤中,如果多个逻辑规则节点之间存在互相引用的节点,那么,会使得计算过程中会产生死锁的现象;并且,为了确保语法树能够正常构建,还应保证构建得到的树型结构应是一个有向无环图;因此,在构建语法树的过程中,需检测多个逻辑规则节点中是否存在引用关系,即,检测至少两个逻辑规则节点之间的逻辑关系是否存在引用关系。
e22、若否,滤除所述多个逻辑规则节点中节点id重复的异常逻辑节点,得到多个过滤逻辑节点。
该步骤中,考虑到一个语法树中不会出现节点id相同的两个逻辑规则节点,如果出现相同的节点id的逻辑规则节点,则表示此语法树的构建可能存在问题;因此,在构建语法树的过程中,需滤除节点id相同的逻辑规则节点,即,滤除多个逻辑规则节点中节点id重复的异常逻辑节点,得到多个过滤逻辑节点。
e23、补充所述多个过滤逻辑节点中缺失节点信息的异常逻辑节点,得到多个候选逻辑节点。
该步骤中,语法树中的每个逻辑规则节点的节点信息应该是完整的,若语法树中存在缺失节点信息的异常逻辑节点,则需补充多个过滤逻辑节点中缺失节点信息的异常逻辑节点,以得到节点信息完整的多个候选逻辑节点。
e24、检测所述至少两个候选逻辑节点之间的逻辑关系是否正确。
该步骤中,语法树中的逻辑规则节点之间应具有正确的下发关系,因此,在构建语法树的过程中,还需检测所述至少两个候选逻辑节点之间的逻辑关系是否正确。
e25、若是,将逻辑关系正确的候选逻辑节点确定为目标逻辑节点以及将至少两个目标逻辑节点之间的逻辑关系确定为目标逻辑关系。
该步骤中,若至少两个候选逻辑节点之间的逻辑关系正确,即至少两个候选逻辑节点之间的具有正确的下发关系,则将逻辑关系正确的候选逻辑节点确定为目标逻辑节点,并将至少两个目标逻辑节点之间的逻辑关系确定为目标逻辑关系。
本申请实施例提供的疾病诊断结果的解析方法,基于就诊患者的唯一就诊编码,获取就诊患者的诊断病历文本;利用自然语言处理技术,对所述诊断病历文本进行标注化处理,从诊断病历文本中抽取病历文本信息;基于就诊患者的就诊详情,从已存储的规则解析语法树中确定出用于对就诊患者存在的就诊疾病类型的诊断结果进行解析的目标诊断语法树;将病历文本信息注入目标诊断语法树,确定在目标诊断语法树的每个诊断子层下的子诊断结果;基于每个诊断子层下的子诊断结果,确定就诊患者的疾病诊断结果。这样,能够利用已配置的医疗规则的规则解析语法树,实现诊断结果的确定,进而,可以提高诊断结果的决策效率,减少医疗人员的工作量,有助于提高医疗人员的工作效率。
请参阅图6、图7,图6为本申请实施例所提供的一种疾病诊断结果的解析装置的结构示意图之一,图7为本申请实施例所提供的一种疾病诊断结果的解析装置的结构示意图之二。如图6中所示,所述解析装置600包括:
病历获取模块610,用于基于就诊患者的唯一就诊编码,获取所述就诊患者的诊断病历文本;
病历抽取模块620,用于利用自然语言处理技术,对所述诊断病历文本进行标注化处理,从所述诊断病历文本中抽取出病历文本信息;其中,所述病历文本信息用于描述所述就诊患者的就诊症状以及检验结果;
语法树获取模块630,用于基于所述就诊患者的就诊详情,从已存储的规则解析语法树中确定出用于对所述就诊患者存在的就诊疾病类型的诊断结果进行解析的目标诊断语法树;
子结果确定模块640,用于将所述病历文本信息注入所述目标诊断语法树,确定在所述目标诊断语法树的每个诊断子层下的子诊断结果;
诊断结果确定模块650,用于基于每个诊断子层下的子诊断结果,确定所述就诊患者的疾病诊断结果。
进一步的,所述病历抽取模块620在用于利用自然语言处理技术,对所述诊断病历文本进行标注化处理,从所述诊断病历文本中抽取出病历文本信息时,所述病历抽取模块620用于:
利用自然语言处理技术,从所述诊断病历文本中识别出至少一个病历实体信息;
对所述至少一个病历实体信息进行信息抽取,得到所述就诊患者的病历文本信息。
进一步的,所述子结果确定模块640在用于将所述病历文本信息注入所述目标诊断语法树,确定在所述目标诊断语法树的每个诊断子层下的子诊断结果时,所述子结果确定模块640用于:
将所述病历文本信息注入所述目标诊断语法树的起始诊断子层的查询节点中,确定在起始诊断子层下的子诊断结果;
将所述起始诊断子层下的子诊断结果,下发至所述起始诊断子层的下一诊断子层的查询节点中,确定所述下一诊断子层的子诊断结果;
以此类推,直至确定出所述目标诊断语法树的结束诊断子层的子诊断结果为止,得到所述目标诊断语法树的每个诊断子层下的子诊断结果。
进一步的,所述诊断结果确定模块650在用于基于每个诊断子层下的子诊断结果,确定所述就诊患者的疾病诊断结果时,所述诊断结果确定模块650用于:
将所述结束诊断子层的子诊断结果确定为所述就诊患者的疾病诊断结果。
进一步的,所述诊断结果确定模块650在用于基于每个诊断子层下的子诊断结果,确定所述就诊患者的疾病诊断结果时,所述诊断结果确定模块650用于:
结合预设结果组合逻辑,组合每个诊断子层的子诊断结果,得到所述就诊患者的疾病诊断结果。
进一步的,如图7所示,所述解析装置600还包括语法树生成模块660,所述语法树生成模块用于通过以下步骤获得每种就诊疾病类型的规则解析语法树:
针对于每种就诊疾病类型,响应于细则配置操作,完成图形用户界面中每个诊断逻辑层中每个特定医疗细则项的配置;
基于配置得到的多个特定医疗细则项,完成每个诊断逻辑层中的推导细则项的配置;
响应于推导关系配置操作,完成各个诊断逻辑层之间多个细则项的推导关系的配置;
基于每个特定医疗细则项、每个推导细则项以及多个细则项的推导关系,确定该就诊疾病类型的规则解析信息;
通过解析所述规则解析信息,得到该就诊疾病类型的规则解析语法树。
进一步的,所述语法树生成模块660在用于通过解析所述规则解析信息,得到该就诊疾病类型的规则解析语法树时,所述语法树生成模块660用于:
对所述规则解析信息进行解析,确定出多个逻辑规则节点以及至少两个逻辑规则节点之间的逻辑关系;
对所述多个逻辑规则节点以及所述至少两个逻辑规则节点之间的逻辑关系进行预处理,得目标逻辑节点以及目标逻辑关系;
将所述目标逻辑节点以及所述目标逻辑关系,转换为通用json格式,得到该就诊疾病类型的规则解析语法树。
进一步的,所述语法树生成模块660在用于对所述多个逻辑规则节点以及所述至少两个逻辑规则节点之间的逻辑关系进行预处理,得目标逻辑节点以及目标逻辑关系时,所述语法树生成模块660用于:
检测所述至少两个逻辑规则节点之间的逻辑关系是否存在引用关系;
若否,滤除所述多个逻辑规则节点中节点id重复的异常逻辑节点,得到多个过滤逻辑节点;
补充所述多个过滤逻辑节点中缺失节点信息的异常逻辑节点,得到多个候选逻辑节点;
检测所述至少两个候选逻辑节点之间的逻辑关系是否正确;
若是,将逻辑关系正确的候选逻辑节点确定为目标逻辑节点以及将至少两个目标逻辑节点之间的逻辑关系确定为目标逻辑关系。
进一步的,所述语法树获取模块630在用于基于所述就诊患者的就诊详情,从已存储的规则解析语法树中确定出用于对所述就诊患者存在的就诊疾病类型的诊断结果进行解析的目标诊断语法树时,所述语法树获取模块630用于:
通过分析所述就诊详情,确定所述就诊患者的就诊疾病类型;
响应于语法树查询操作,从已存储的规则解析语法树中确定出用于对所述就诊患者存在的就诊疾病类型的诊断结果进行解析的目标诊断语法树。
本申请实施例提供的疾病诊断结果的解析装置,基于就诊患者的唯一就诊编码,获取就诊患者的诊断病历文本;利用自然语言处理技术,对所述诊断病历文本进行标注化处理,从诊断病历文本中抽取病历文本信息;基于就诊患者的就诊详情,从已存储的规则解析语法树中确定出用于对就诊患者存在的就诊疾病类型的诊断结果进行解析的目标诊断语法树;将病历文本信息注入目标诊断语法树,确定在目标诊断语法树的每个诊断子层下的子诊断结果;基于每个诊断子层下的子诊断结果,确定就诊患者的疾病诊断结果。这样,能够利用已配置的医疗规则的规则解析语法树,实现诊断结果的确定,进而,可以提高诊断结果的决策效率,减少医疗人员的工作量,有助于提高医疗人员的工作效率。
请参阅图8,图8为本申请实施例所提供的一种电子设备的结构示意图。如图8中所示,所述电子设备800包括处理器810、存储器820和总线830。
所述存储器820存储有所述处理器810可执行的机器可读指令,当电子设备800运行时,所述处理器810与所述存储器820之间通过总线830通信,所述机器可读指令被所述处理器810执行时,可以执行如上述图1所示方法实施例中的疾病诊断结果的解析方法的步骤,具体实现方式可参见方法实施例,在此不再赘述。
本申请实施例还提供一种计算机可读存储介质,该计算机可读存储介质上存储有计算机程序,该计算机程序被处理器运行时可以执行如上述图1所示方法实施例中的疾病诊断结果的解析方法的步骤,具体实现方式可参见方法实施例,在此不再赘述。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统、装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的系统、装置和方法,可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,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,又例如,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。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元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单元来实现本实施例方案的目的。
另外,在本申请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,也可以两个或两个以上单元集成在一个单元中。
所述功能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,可以存储在一个处理器可执行的非易失的计算机可读取存储介质中。基于这样的理解,本申请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,服务器,或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(Read-OnlyMemory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是:以上所述实施例,仅为本申请的具体实施方式,用以说明本申请的技术方案,而非对其限制,本申请的保护范围并不局限于此,尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解: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,其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化,或者对其中部分技术特征进行等同替换;而这些修改、变化或者替换,并不使相应技术方案的本质脱离本申请实施例技术方案的精神和范围,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权利要求的保护范围为准。
Claims (10)
1.一种疾病诊断结果的解析方法,其特征在于,所述解析方法包括:
基于就诊患者的唯一就诊编码,获取所述就诊患者的诊断病历文本;
利用自然语言处理技术,对所述诊断病历文本进行标注化处理,从所述诊断病历文本中抽取出病历文本信息;其中,所述病历文本信息用于描述所述就诊患者的就诊症状以及检验结果;
基于所述就诊患者的就诊详情,从已存储的规则解析语法树中确定出用于对所述就诊患者存在的就诊疾病类型的诊断结果进行解析的目标诊断语法树;
将所述病历文本信息注入所述目标诊断语法树,确定在所述目标诊断语法树的每个诊断子层下的子诊断结果;
基于每个诊断子层下的子诊断结果,确定所述就诊患者的疾病诊断结果。
2.根据权利要求1所述的解析方法,其特征在于,所述利用自然语言处理技术,对所述诊断病历文本进行标注化处理,从所述诊断病历文本中抽取出病历文本信息,包括:
利用自然语言处理技术,从所述诊断病历文本中识别出至少一个病历实体信息;
对所述至少一个病历实体信息进行信息抽取,得到所述就诊患者的病历文本信息。
3.根据权利要求1所述的解析方法,其特征在于,所述将所述病历文本信息注入所述目标诊断语法树,确定在所述目标诊断语法树的每个诊断子层下的子诊断结果,包括:
将所述病历文本信息注入所述目标诊断语法树的起始诊断子层的查询节点中,确定在起始诊断子层下的子诊断结果;
将所述起始诊断子层下的子诊断结果,下发至所述起始诊断子层的下一诊断子层的查询节点中,确定所述下一诊断子层的子诊断结果;
以此类推,直至确定出所述目标诊断语法树的结束诊断子层的子诊断结果为止,得到所述目标诊断语法树的每个诊断子层下的子诊断结果。
4.根据权利要求3所述的解析方法,其特征在于,所述基于每个诊断子层下的子诊断结果,确定所述就诊患者的疾病诊断结果,包括:
将所述结束诊断子层的子诊断结果确定为所述就诊患者的疾病诊断结果。
5.根据权利要求1所述的解析方法,其特征在于,所述基于每个诊断子层下的子诊断结果,确定所述就诊患者的疾病诊断结果,包括:
结合预设结果组合逻辑,组合每个诊断子层的子诊断结果,得到所述就诊患者的疾病诊断结果。
6.根据权利要求1所述的解析方法,其特征在于,通过以下步骤获得每种就诊疾病类型的规则解析语法树:
针对于每种就诊疾病类型,响应于细则配置操作,完成图形用户界面中每个诊断逻辑层中每个特定医疗细则项的配置;
基于配置得到的多个特定医疗细则项,完成每个诊断逻辑层中的推导细则项的配置;
响应于推导关系配置操作,完成各个诊断逻辑层之间多个细则项的推导关系的配置;
基于每个特定医疗细则项、每个推导细则项以及多个细则项的推导关系,确定该就诊疾病类型的规则解析信息;
通过解析所述规则解析信息,得到该就诊疾病类型的规则解析语法树。
7.根据权利要求6所述的解析方法,其特征在于,所述通过解析所述规则解析信息,得到该就诊疾病类型的规则解析语法树,包括:
对所述规则解析信息进行解析,确定出多个逻辑规则节点以及至少两个逻辑规则节点之间的逻辑关系;
对所述多个逻辑规则节点以及所述至少两个逻辑规则节点之间的逻辑关系进行预处理,得目标逻辑节点以及目标逻辑关系;
将所述目标逻辑节点以及所述目标逻辑关系,转换为通用json格式,得到该就诊疾病类型的规则解析语法树。
8.根据权利要求7所述的解析方法,其特征在于,所述对所述多个逻辑规则节点以及所述至少两个逻辑规则节点之间的逻辑关系进行预处理,得目标逻辑节点以及目标逻辑关系,包括:
检测所述至少两个逻辑规则节点之间的逻辑关系是否存在引用关系;
若否,滤除所述多个逻辑规则节点中节点id重复的异常逻辑节点,得到多个过滤逻辑节点;
补充所述多个过滤逻辑节点中缺失节点信息的异常逻辑节点,得到多个候选逻辑节点;
检测所述至少两个候选逻辑节点之间的逻辑关系是否正确;
若是,将逻辑关系正确的候选逻辑节点确定为目标逻辑节点以及将至少两个目标逻辑节点之间的逻辑关系确定为目标逻辑关系。
9.根据权利要求1所述的解析方法,其特征在于,所述基于所述就诊患者的就诊详情,从已存储的规则解析语法树中确定出用于对所述就诊患者存在的就诊疾病类型的诊断结果进行解析的目标诊断语法树,包括:
通过分析所述就诊详情,确定所述就诊患者的就诊疾病类型;
响应于语法树查询操作,从已存储的规则解析语法树中确定出用于对所述就诊患者存在的就诊疾病类型的诊断结果进行解析的目标诊断语法树。
10.一种疾病诊断结果的解析装置,其特征在于,所述解析装置包括:
病历获取模块,用于基于就诊患者的唯一就诊编码,获取所述就诊患者的诊断病历文本;
病历抽取模块,用于利用自然语言处理技术,对所述诊断病历文本进行标注化处理,从所述诊断病历文本中抽取出病历文本信息;其中,所述病历文本信息用于描述所述就诊患者的就诊症状以及检验结果;
语法树获取模块,用于基于所述就诊患者的就诊详情,从已存储的规则解析语法树中确定出用于对所述就诊患者存在的就诊疾病类型的诊断结果进行解析的目标诊断语法树;
子结果确定模块,用于将所述病历文本信息注入所述目标诊断语法树,确定在所述目标诊断语法树的每个诊断子层下的子诊断结果;
诊断结果确定模块,用于基于每个诊断子层下的子诊断结果,确定所述就诊患者的疾病诊断结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310980907.8A CN116721763B (zh) | 2023-08-07 | 2023-08-07 | 一种疾病诊断结果的解析方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310980907.8A CN116721763B (zh) | 2023-08-07 | 2023-08-07 | 一种疾病诊断结果的解析方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116721763A true CN116721763A (zh) | 2023-09-08 |
CN116721763B CN116721763B (zh) | 2024-06-18 |
Family
ID=87871885
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310980907.8A Active CN116721763B (zh) | 2023-08-07 | 2023-08-07 | 一种疾病诊断结果的解析方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116721763B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117831790A (zh) * | 2024-03-06 | 2024-04-05 | 北方健康医疗大数据科技有限公司 | 一种面向医疗诊断的辅助编码方法、系统、终端及介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070055966A1 (en) * | 2005-09-08 | 2007-03-08 | Lucent Technologies Inc. | Yet another transformation language (YATL) |
CN108804591A (zh) * | 2018-05-28 | 2018-11-13 | 杭州依图医疗技术有限公司 | 一种病历文本的文本分类方法及装置 |
CN116030926A (zh) * | 2023-01-13 | 2023-04-28 | 甘肃集优品网络科技有限公司 | 一种跨区域的医保档案快速定位及共享系统 |
CN116227478A (zh) * | 2022-12-22 | 2023-06-06 | 朱卫国 | 面向DRGs支付的诊断依据发现方法及系统 |
-
2023
- 2023-08-07 CN CN202310980907.8A patent/CN116721763B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070055966A1 (en) * | 2005-09-08 | 2007-03-08 | Lucent Technologies Inc. | Yet another transformation language (YATL) |
CN108804591A (zh) * | 2018-05-28 | 2018-11-13 | 杭州依图医疗技术有限公司 | 一种病历文本的文本分类方法及装置 |
CN116227478A (zh) * | 2022-12-22 | 2023-06-06 | 朱卫国 | 面向DRGs支付的诊断依据发现方法及系统 |
CN116030926A (zh) * | 2023-01-13 | 2023-04-28 | 甘肃集优品网络科技有限公司 | 一种跨区域的医保档案快速定位及共享系统 |
Non-Patent Citations (1)
Title |
---|
来建梅等: "中医药领域信息抽取技术的研究与应用", 中医药领域信息抽取技术的研究与应用, vol. 24, no. 6, pages 1 - 4 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117831790A (zh) * | 2024-03-06 | 2024-04-05 | 北方健康医疗大数据科技有限公司 | 一种面向医疗诊断的辅助编码方法、系统、终端及介质 |
Also Published As
Publication number | Publication date |
---|---|
CN116721763B (zh) | 2024-06-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11881293B2 (en) | Methods for automatic cohort selection in epidemiologic studies and clinical trials | |
CN107301115B (zh) | 应用程序异常监控和恢复方法及设备 | |
Chapman et al. | ConText: An algorithm for identifying contextual features from clinical text | |
JP5982368B2 (ja) | レポート作成 | |
Sluban et al. | Ensemble-based noise detection: noise ranking and visual performance evaluation | |
Lakshmanan et al. | Investigating clinical care pathways correlated with outcomes | |
CN109213870A (zh) | 文档处理 | |
CN116721763B (zh) | 一种疾病诊断结果的解析方法及装置 | |
JP5098314B2 (ja) | 文書作成支援システム、および文書作成支援方法、並びにコンピュータ・プログラム | |
JP7293260B2 (ja) | ログパターンの分析方法 | |
CN113396395A (zh) | 有效评估日志模式的方法 | |
CN113345545B (zh) | 临床数据的稽查方法、装置、电子设备及可读存储介质 | |
JP3823192B2 (ja) | 診療支援装置、診療支援方法、及び診療支援プログラム | |
JP2014501012A (ja) | 臨床文書デバッグ決定支援 | |
US11145394B2 (en) | Clinical quality analytics system with recursive, time sensitive event-based protocol matching | |
CN103370629A (zh) | 临床质量分析系统 | |
Sacchi et al. | JTSA: an open source framework for time series abstractions | |
US20210225515A1 (en) | System and method for generating a list of probabilities associated with a list of diseases, computer program product | |
JP2018060537A (ja) | 潜在的な診断を所与として患者により利用される医療資源を特定するためのコンピュータ装置及び方法 | |
Tute et al. | Targeted data quality analysis for a clinical decision support system for SIRS detection in critically ill pediatric patients | |
US11055838B2 (en) | Systems and methods for detecting anomalies using image based modeling | |
Wiesmüller et al. | Automated Extraction of Time References From Clinical Notes in a Heart Failure Telehealth Network | |
CN112699669B (zh) | 流行病学调查报告的自然语言处理方法、装置及存储介质 | |
EP2685407A1 (en) | Computer system, method and program to quantify quality of service provision | |
CN116303447A (zh) | 一种健康信息数据管理方法及系统 |
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 | ||
GR01 | Patent grant |