CN116913494A - 一种医院复诊病人的预问诊方法及系统 - Google Patents

一种医院复诊病人的预问诊方法及系统 Download PDF

Info

Publication number
CN116913494A
CN116913494A CN202310927978.1A CN202310927978A CN116913494A CN 116913494 A CN116913494 A CN 116913494A CN 202310927978 A CN202310927978 A CN 202310927978A CN 116913494 A CN116913494 A CN 116913494A
Authority
CN
China
Prior art keywords
patient
hospital
diagnosis
module
information
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
CN202310927978.1A
Other languages
English (en)
Inventor
吴秋澎
谢冠超
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.)
Unisound Intelligent Technology Co Ltd
Original Assignee
Unisound Intelligent Technology 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 Unisound Intelligent Technology Co Ltd filed Critical Unisound Intelligent Technology Co Ltd
Priority to CN202310927978.1A priority Critical patent/CN116913494A/zh
Publication of CN116913494A publication Critical patent/CN116913494A/zh
Pending legal-status Critical Current

Links

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
    • 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
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/22—Indexing; Data structures therefor; Storage structures
    • G06F16/2228—Indexing structures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
    • G06F16/367—Ontology
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/22—Procedures used during a speech recognition process, e.g. man-machine dialogue
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
    • G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
    • 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
    • G16H80/00—ICT specially adapted for facilitating communication between medical practitioners or patients, e.g. for collaborative diagnosis, therapy or health monitoring
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/50—Network services
    • H04L67/55—Push-based network services
    • 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)
  • General Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Theoretical Computer Science (AREA)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Biomedical Technology (AREA)
  • Physics & Mathematics (AREA)
  • Pathology (AREA)
  • Signal Processing (AREA)
  • Business, Economics & Management (AREA)
  • Computational Linguistics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Animal Behavior & Ethology (AREA)
  • Computing Systems (AREA)
  • Software Systems (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Human Computer Interaction (AREA)
  • Acoustics & Sound (AREA)
  • Multimedia (AREA)
  • Medical Treatment And Welfare Office Work (AREA)

Abstract

一种医院复诊病人的预问诊方法及系统，通过登录医院信息化网站进行个人登录认证，获取患者的身份信息；同步门诊系统的患者问诊信息，生成历史问诊数据表，利用患者身份证号关联患者历史问诊记录；通过科室医生标注预设疾病复诊需要的公共信息，利用医生标注和医院历史数据，形成疾病和症状训练对应的知识图谱；根据疾病模板和患者进行问题交互得到预分诊问答记录表，问题交互形式包括语音和文字交互；利用所述历史问诊数据表和所述预分诊问答记录表，生成患者基本信息和患者预分诊信息推送给医生工作站。本发明可以在患者候诊时，采集患者病情所需要的信息，从而在和医生的正式沟通上能节约大量时间，加快问诊效率，提高了医生诊疗效率。

Description

一种医院复诊病人的预问诊方法及系统
技术领域
本发明涉及医疗数据处理技术领域，具体涉及一种医院复诊病人的预问诊方法及系统。
背景技术
问诊是采用对话方式，向病人及其知情者查询疾病的发生、发展情况和现在症状、治疗经过等，以诊断疾病。复诊是再次诊治，指病人经过初诊后再来看病。
目前，医院普遍存在诸多医疗资源紧张的问题，一个医生每天需要接诊大量患者，如何在这短暂的接诊时间内，精确准确地了解患者信息，成为了医生精准定位病情的关键。特别是对于复诊病人，通常是针对同样病情的病人进行重复的询问，传统方式效率低下，浪费了医生大量问诊时间。
发明内容
为此，本发明提供一种医院复诊病人的预问诊方法及系统，解决对同样病情的病人进行重复的询问，浪费问诊时间，影响诊疗效率的问题。
为了实现上述目的，本发明提供如下技术方案：一种医院复诊病人的预问诊方法，包括：
通过登录医院信息化网站进行个人登录认证，获取患者的身份信息；
同步门诊系统的患者问诊信息，生成历史问诊数据表，利用患者身份证号关联患者历史问诊记录；
通过科室医生标注预设疾病复诊需要的公共信息，利用医生标注和医院历史数据，形成疾病和症状训练对应的知识图谱；
根据疾病模板和患者进行问题交互得到预分诊问答记录表，问题交互形式包括语音和文字交互；
利用所述历史问诊数据表和所述预分诊问答记录表，生成患者基本信息和患者预分诊信息推送给医生工作站。
作为医院复诊病人的预问诊方法优选方案，通过登录医院信息化网站进行个人登录认证的步骤包括：
所述医院信息化网站向患者请求授权；
所述医院信息化网站向患者呈现服务授权页面上的同意授权按钮，当收到患者的同意授权指令后，服务端返回一个授权许可凭证到所述医院信息化网站；
所述医院信息化网站通过授权许可凭证向授权服务器申请令牌；
授权服务器验证信息无误后，发放令牌所述医院信息化网站；
所述医院信息化网站通过令牌去资源服务器访问资源；
资源服务器验证令牌无误后开放所述医院信息化网站访问的资源。
作为医院复诊病人的预问诊方法优选方案，利用医生标注和医院历史数据，形成疾病和症状训练对应的知识图谱步骤包括：
数据采集：从医院获取病人的病历数据，病历数据包括症状、体征、化验数据；
数据清洗：对采集到的数据进行去重、格式化、标准化处理，并去除缺失值和错误值；
实体识别：采用自然语言处理技术和医学本体知识库，对病历文本中的实体进行识别和抽取，包括疾病、症状、药物、手术；
关系抽取：采用自然语言处理、规则匹配和知识表示学习技术，抽取实体之间的关系，实体之间的关系包括疾病和症状关系，疾病和药物关系，药物和症状关系；
知识表示：将实体和关系进行图示化表示，采用图表示学习算法表示为多维向量；
建立知识库：将表示的实体和关系存储到知识库中，构建疾病和症状的知识图谱。
作为医院复诊病人的预问诊方法优选方案，将语音交互信息进行结构化处理，结构化处理步骤包括：
数据收集预处理：收集医疗预分诊语音数据，对语音数据进行降噪、音频分割预处理；
语音识别：使用深度学习技术LAS端到端模型，将语音转换为文本；
实体识别和属性抽取：对识别出来的文本进行实体识别和属性抽取；
结构化文本处理：将实体和属性抽取结果转换为JSON结构化数据。
作为医院复诊病人的预问诊方法优选方案，将成JSON文本分解并存储成所述预分诊问答记录表，所述预分诊问答记录字段包括患者身份证号，患者初诊诊断疾病，患者模板，患者回答。
本发明还提供一种医院复诊病人的预问诊系统，包括：
患者信息认证模块，用于通过登录医院信息化网站进行个人登录认证，获取患者的身份信息；
历史问诊数据对接模块，用于同步门诊系统的患者问诊信息，生成历史问诊数据表，利用患者身份证号关联患者历史问诊记录；
疾病问诊模板标注模块，用于通过科室医生标注预设疾病复诊需要的公共信息，利用医生标注和医院历史数据，形成疾病和症状训练对应的知识图谱；
患者交互模块，用于根据疾病模板和患者进行问题交互得到预分诊问答记录表，问题交互形式包括语音和文字交互；
复诊信息预处理模块，用于利用所述历史问诊数据表和所述预分诊问答记录表，生成患者基本信息和患者预分诊信息推送给医生工作站。
作为医院复诊病人的预问诊系统优选方案，所述患者信息认证模块包括：
请求授权子模块，用于所述医院信息化网站向患者请求授权；
授权处理子模块，用于所述医院信息化网站向患者呈现服务授权页面上的同意授权按钮，当收到患者的同意授权指令后，服务端返回一个授权许可凭证到所述医院信息化网站；
令牌申请子模块，用于所述医院信息化网站通过授权许可凭证向授权服务器申请令牌；
令牌发放子模块，用于授权服务器验证信息无误后，发放令牌所述医院信息化网站；
资源访问子模块，用于所述医院信息化网站通过令牌去资源服务器访问资源；
资源放行子模块，用于资源服务器验证令牌无误后开放所述医院信息化网站访问的资源。
作为医院复诊病人的预问诊系统优选方案，所述疾病问诊模板标注模块包括：
数据清洗子模块，用于对采集到的数据进行去重、格式化、标准化处理，并去除缺失值和错误值；
实体识别子模块，用于采用自然语言处理技术和医学本体知识库，对病历文本中的实体进行识别和抽取，包括疾病、症状、药物、手术；
关系抽取子模块，用于采用自然语言处理、规则匹配和知识表示学习技术，抽取实体之间的关系，实体之间的关系包括疾病和症状关系，疾病和药物关系，药物和症状关系；
知识表示子模块，用于将实体和关系进行图示化表示，采用图表示学习算法表示为多维向量；
知识库建立子模块，用于将表示的实体和关系存储到知识库中，构建疾病和症状的知识图谱。
作为医院复诊病人的预问诊系统优选方案，所述患者交互模块包括：
语音预处理子模块，用于收集医疗预分诊语音数据，对语音数据进行降噪、音频分割预处理；
语音识别子模块，用于使用深度学习技术LAS端到端模型，将语音转换为文本；
识别抽取子模块，用于对识别出来的文本进行实体识别和属性抽取；
结构化处理子模块，用于将实体和属性抽取结果转换为JSON结构化数据。
作为医院复诊病人的预问诊系统优选方案，所述患者交互模块还包括：
记录表生成子模块，用于将成JSON文本分解并存储成所述预分诊问答记录表，所述预分诊问答记录字段包括患者身份证号，患者初诊诊断疾病，患者模板，患者回答。
本发明具有如下优点：通过登录医院信息化网站进行个人登录认证，获取患者的身份信息；同步门诊系统的患者问诊信息，生成历史问诊数据表，利用患者身份证号关联患者历史问诊记录；通过科室医生标注预设疾病复诊需要的公共信息，利用医生标注和医院历史数据，形成疾病和症状训练对应的知识图谱；根据疾病模板和患者进行问题交互得到预分诊问答记录表，问题交互形式包括语音和文字交互；利用所述历史问诊数据表和所述预分诊问答记录表，生成患者基本信息和患者预分诊信息推送给医生工作站。本发明可以在患者候诊时，采集患者病情所需要的信息，从而在和医生的正式沟通上能节约大量时间，加快问诊效率，提高了医生诊疗效率。
附图说明
为了更清楚地说明本发明的实施方式或现有技术中的技术方案，下面将对实施方式或现有技术描述中所需要使用的附图作简单地介绍。显而易见地，下面描述中的附图仅仅是示例性的，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，还可以根据提供的附图引申获得其它的实施附图。
本说明书所绘示的结构、比例、大小等，均仅用以配合说明书所揭示的内容，以供熟悉此技术的人士了解与阅读，并非用以限定本发明可实施的限定条件，故不具技术上的实质意义，任何结构的修饰、比例关系的改变或大小的调整，在不影响本发明所能产生的功效及所能达成的目的下，均应仍落在本发明所揭示的技术内容能涵盖的范围内。
图1为本发明实施例1中提供的医院复诊病人的预问诊方法流程示意图；
图2为本发明实施例2中提供的医院复诊病人的预问诊系统示意图。
具体实施方式
以下由特定的具体实施例说明本发明的实施方式，熟悉此技术的人士可由本说明书所揭露的内容轻易地了解本发明的其他优点及功效，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。
实施例1
参见图1，本发明实施例1提供一种医院复诊病人的预问诊方法，包括以下步骤：
S1、通过登录医院信息化网站进行个人登录认证，获取患者的身份信息；
S2、同步门诊系统的患者问诊信息，生成历史问诊数据表，利用患者身份证号关联患者历史问诊记录；
S3、通过科室医生标注预设疾病复诊需要的公共信息，利用医生标注和医院历史数据，形成疾病和症状训练对应的知识图谱；
S4、根据疾病模板和患者进行问题交互得到预分诊问答记录表，问题交互形式包括语音和文字交互；
S5、利用所述历史问诊数据表和所述预分诊问答记录表，生成患者基本信息和患者预分诊信息推送给医生工作站。
本申请通过OAuth2实现医院信息化网站的个人登录认证，OAuth2是一个开放标准，该标准允许用户让第三方应用访问该用户在某一网站上存储的私密资源(如头像、照片、视频等)，而在这个过程中无须将用户名和密码提供给第三方应用。
具体的，实现这一功能关键是通过提供一个令牌(token)，而不是用户名和密码访问存放在特定服务提供者的数据。每一个令牌授权一个特定的网站在特定的时段内访问特定的资源。这样，OAuth2让用户可以授权第三方网站灵活地访问存储在另外一些资源服务器的特定信息，而非所有内容。
例如，用户想通过QQ登录知乎，这时知乎相当于一个第三方应用，知乎要访问用户的一些基本信息就需要得到用户的授权，如果用户把自己的QQ用户名和密码告诉知乎，那么知乎就能访问用户的所有数据，并且只有用户修改密码才能收回授权，这种授权方式安全隐患很大，如果使用OAuth2能很好地解决这一问题。
其中，步骤S1中，通过登录医院信息化网站进行个人登录认证的步骤包括：
S11、所述医院信息化网站向患者请求授权；
S12、所述医院信息化网站向患者呈现服务授权页面上的同意授权按钮，当收到患者的同意授权指令后，服务端返回一个授权许可凭证到所述医院信息化网站；
S13、所述医院信息化网站通过授权许可凭证向授权服务器申请令牌；
S14、授权服务器验证信息无误后，发放令牌所述医院信息化网站；
S15、所述医院信息化网站通过令牌去资源服务器访问资源；
S16、资源服务器验证令牌无误后开放所述医院信息化网站访问的资源。
从而可以实现患者通过微信、支付宝和手机号验证码登录医院信息化网站。
本实施例步骤S2中，当患者登录医院信息化网站后，通过患者身份证号去关联用户历史问诊记录，并且每天同步门诊系统的用户问诊信息，生成历史问诊数据表，历史问诊数据表字段包括患者姓名，性别，年龄，病案号，身份证号，既往史，过敏史，家族史，住址，检查，主诉，诊断。
本实施例步骤S3中，利用医生标注和医院历史数据，形成疾病和症状训练对应的知识图谱步骤包括：
S31、数据采集：从医院获取病人的病历数据，病历数据包括症状、体征、化验数据；
S32、数据清洗：对采集到的数据进行去重、格式化、标准化处理，并去除缺失值和错误值；
S33、实体识别：采用自然语言处理技术和医学本体知识库，对病历文本中的实体进行识别和抽取，包括疾病、症状、药物、手术；
S34、关系抽取：采用自然语言处理、规则匹配和知识表示学习技术，抽取实体之间的关系，实体之间的关系包括疾病和症状关系，疾病和药物关系，药物和症状关系；
S35、知识表示：将实体和关系进行图示化表示，采用图表示学习算法表示为多维向量；
S36、建立知识库：将表示的实体和关系存储到知识库中，构建疾病和症状的知识图谱。
其中，利用MediGraph模型通过多层感知器和图神经网络，对医学实体的语义信息和环境信息进行建模，同时学习对建立的知识图谱进行训练，提高知识的准确性和推荐能力。然后基于疾病和症状训练对应的知识图谱形成针对不同疾病的问答模板。例如肺炎，需要采集的数据包括是否还胸闷，胸闷多长时间，是否还有痰，痰浑浊吗，症状持续多长时间，经过哪些治疗等基本信息采集，然后生成预问诊信息mysql表，预问诊信息mysql表记录包括患者身份证号，患者初次诊断，患者初次诊断病案号，患者问答信息，患者回答信息。此外，医生还可以动态调整问答模板，以便于更贴近真实诊疗场景。
其中，自然语言处理、规则匹配和知识表示学习技术本身属于现有技术，在此不再赘述。
本实施例步骤S4中，将语音交互信息进行结构化处理，结构化处理步骤包括：
S41、数据收集预处理：收集医疗预分诊语音数据，对语音数据进行降噪、音频分割预处理；
S42、语音识别：使用深度学习技术LAS端到端模型，将语音转换为文本；
S43、实体识别和属性抽取：对识别出来的文本进行实体识别和属性抽取；例如，识别主诉、症状、发病时间、就诊需求等；
S44、结构化文本处理：将实体和属性抽取结果转换为JSON结构化数据。
其中，使用评估指标，例如准确率、召回率、F1值等，对结构化处理模型进行评估和优化，以提高结构化处理模型的准确性和鲁棒性。然后，将成JSON文本分解并存储成所述预分诊问答记录表，所述预分诊问答记录字段包括患者身份证号，患者初诊诊断疾病，患者模板，患者回答。
本实施例步骤S5中，在得到患者的初诊信息和预分诊信息后，通过患者身份证号关联历史问诊数据表和预分诊问答记录表，生成患者基本信息和患者预分诊信息推送给医生工作站，医生即可以看到即将正式复诊的患者的基本信息和预分诊信息，通过预分诊的方式提高了医生诊疗效率，节省了患者和医生宝贵的时间。
综上所述，本发明通过登录医院信息化网站进行个人登录认证，获取患者的身份信息；同步门诊系统的患者问诊信息，生成历史问诊数据表，利用患者身份证号关联患者历史问诊记录；通过科室医生标注预设疾病复诊需要的公共信息，利用医生标注和医院历史数据，形成疾病和症状训练对应的知识图谱；根据疾病模板和患者进行问题交互得到预分诊问答记录表，问题交互形式包括语音和文字交互；利用所述历史问诊数据表和所述预分诊问答记录表，生成患者基本信息和患者预分诊信息推送给医生工作站。所述医院信息化网站向患者请求授权；所述医院信息化网站向患者呈现服务授权页面上的同意授权按钮，当收到患者的同意授权指令后，服务端返回一个授权许可凭证到所述医院信息化网站；所述医院信息化网站通过授权许可凭证向授权服务器申请令牌；授权服务器验证信息无误后，发放令牌所述医院信息化网站；所述医院信息化网站通过令牌去资源服务器访问资源；资源服务器验证令牌无误后开放所述医院信息化网站访问的资源。从医院获取病人的病历数据，病历数据包括症状、体征、化验数据；对采集到的数据进行去重、格式化、标准化处理，并去除缺失值和错误值；采用自然语言处理技术和医学本体知识库，对病历文本中的实体进行识别和抽取，包括疾病、症状、药物、手术；采用自然语言处理、规则匹配和知识表示学习技术，抽取实体之间的关系，实体之间的关系包括疾病和症状关系，疾病和药物关系，药物和症状关系；将实体和关系进行图示化表示，采用图表示学习算法表示为多维向量；将表示的实体和关系存储到知识库中，构建疾病和症状的知识图谱。在得到患者的初诊信息和预分诊信息后，通过患者身份证号关联历史问诊数据表和预分诊问答记录表，生成患者基本信息和患者预分诊信息推送给医生工作站，医生即可以看到即将正式复诊的患者的基本信息和预分诊信息，通过预分诊的方式提高了医生诊疗效率，节省了患者和医生宝贵的时间。本发明可以在患者候诊时，采集患者病情所需要的信息，从而在和医生的正式沟通上能节约大量时间，加快问诊效率，提高了医生诊疗效率。
需要说明的是，本公开实施例的方法可以由单个设备执行，例如一台计算机或服务器等。本实施例的方法也可以应用于分布式场景下，由多台设备相互配合来完成。在这种分布式场景的情况下，这多台设备中的一台设备可以只执行本公开实施例的方法中的某一个或多个步骤，这多台设备相互之间会进行交互以完成所述的方法。
需要说明的是，上述对本公开的一些实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于上述实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
实施例2
参见图2，本发明实施例2还提供一种医院复诊病人的预问诊系统，包括：
患者信息认证模块1，用于通过登录医院信息化网站进行个人登录认证，获取患者的身份信息；
历史问诊数据对接模块2，用于同步门诊系统的患者问诊信息，生成历史问诊数据表，利用患者身份证号关联患者历史问诊记录；
疾病问诊模板标注模块3，用于通过科室医生标注预设疾病复诊需要的公共信息，利用医生标注和医院历史数据，形成疾病和症状训练对应的知识图谱；
患者交互模块4，用于根据疾病模板和患者进行问题交互得到预分诊问答记录表，问题交互形式包括语音和文字交互；
复诊信息预处理模块5，用于利用所述历史问诊数据表和所述预分诊问答记录表，生成患者基本信息和患者预分诊信息推送给医生工作站。
本实施例中，所述患者信息认证模块1包括：
请求授权子模块11，用于所述医院信息化网站向患者请求授权；
授权处理子模块12，用于所述医院信息化网站向患者呈现服务授权页面上的同意授权按钮，当收到患者的同意授权指令后，服务端返回一个授权许可凭证到所述医院信息化网站；
令牌申请子模块13，用于所述医院信息化网站通过授权许可凭证向授权服务器申请令牌；
令牌发放子模块14，用于授权服务器验证信息无误后，发放令牌所述医院信息化网站；
资源访问子模块15，用于所述医院信息化网站通过令牌去资源服务器访问资源；
资源放行子模块16，用于资源服务器验证令牌无误后开放所述医院信息化网站访问的资源。
本实施例中，所述疾病问诊模板标注模块3包括：
数据清洗子模块31，用于对采集到的数据进行去重、格式化、标准化处理，并去除缺失值和错误值；
实体识别子模块32，用于采用自然语言处理技术和医学本体知识库，对病历文本中的实体进行识别和抽取，包括疾病、症状、药物、手术；
关系抽取子模块33，用于采用自然语言处理、规则匹配和知识表示学习技术，抽取实体之间的关系，实体之间的关系包括疾病和症状关系，疾病和药物关系，药物和症状关系；
知识表示子模块34，用于将实体和关系进行图示化表示，采用图表示学习算法表示为多维向量；
知识库建立子模块35，用于将表示的实体和关系存储到知识库中，构建疾病和症状的知识图谱。
本实施例中，所述患者交互模块4包括：
语音预处理子模块41，用于收集医疗预分诊语音数据，对语音数据进行降噪、音频分割预处理；
语音识别子模块42，用于使用深度学习技术LAS端到端模型，将语音转换为文本；
识别抽取子模块43，用于对识别出来的文本进行实体识别和属性抽取；
结构化处理子模块44，用于将实体和属性抽取结果转换为JSON结构化数据。
本实施例中，所述患者交互模块4还包括：
记录表生成子模块45，用于将成JSON文本分解并存储成所述预分诊问答记录表，所述预分诊问答记录字段包括患者身份证号，患者初诊诊断疾病，患者模板，患者回答。
需要说明的是，上述系统各模块之间的信息交互、执行过程等内容，由于与本申请实施例1中的方法实施例基于同一构思，其带来的技术效果与本申请方法实施例相同，具体内容可参见本申请前述所示的方法实施例中的叙述，此处不再赘述。
实施例3
本发明实施例3提供一种非暂态计算机可读存储介质，所述计算机可读存储介质中存储有医院复诊病人的预问诊方法的程序代码，所述程序代码包括用于执行实施例1或其任意可能实现方式的医院复诊病人的预问诊方法的指令。
计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，DVD)、或者半导体介质(例如固态硬盘(SolidState Disk、SSD))等。
实施例4
本发明实施例4提供一种电子设备，包括：存储器和处理器；
所述处理器和所述存储器通过总线完成相互间的通信；所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令能够执行实施例1或其任意可能实现方式的医院复诊病人的预问诊方法。
具体的，处理器可以通过硬件来实现也可以通过软件来实现，当通过硬件实现时，该处理器可以是逻辑电路、集成电路等；当通过软件来实现时，该处理器可以是一个通用处理器，通过读取存储器中存储的软件代码来实现，该存储器可以集成在处理器中，可以位于所述处理器之外，独立存在。
在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时，全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。
显然，本领域的技术人员应该明白，上述的本发明的各模块或各步骤可以用通用的计算装置来实现，它们可以集中在单个的计算装置上，或者分布在多个计算装置所组成的网络上，可选地，它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在存储装置中由计算装置来执行，并且在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样，本发明不限制于任何特定的硬件和软件结合。
虽然，上文中已经用一般性说明及具体实施例对本发明作了详尽的描述，但在本发明基础上，可以对之作一些修改或改进，这对本领域技术人员而言是显而易见的。因此，在不偏离本发明精神的基础上所做的这些修改或改进，均属于本发明要求保护的范围。

Claims (10)

1.一种医院复诊病人的预问诊方法，其特征在于，包括：
通过登录医院信息化网站进行个人登录认证，获取患者的身份信息；
同步门诊系统的患者问诊信息，生成历史问诊数据表，利用患者身份证号关联患者历史问诊记录；
通过科室医生标注预设疾病复诊需要的公共信息，利用医生标注和医院历史数据，形成疾病和症状训练对应的知识图谱；
根据疾病模板和患者进行问题交互得到预分诊问答记录表，问题交互形式包括语音和文字交互；
利用所述历史问诊数据表和所述预分诊问答记录表，生成患者基本信息和患者预分诊信息推送给医生工作站。
2.根据权利要求1所述的一种医院复诊病人的预问诊方法，其特征在于，通过登录医院信息化网站进行个人登录认证的步骤包括：
所述医院信息化网站向患者请求授权；
所述医院信息化网站向患者呈现服务授权页面上的同意授权按钮，当收到患者的同意授权指令后，服务端返回一个授权许可凭证到所述医院信息化网站；
所述医院信息化网站通过授权许可凭证向授权服务器申请令牌；
授权服务器验证信息无误后，发放令牌所述医院信息化网站；
所述医院信息化网站通过令牌去资源服务器访问资源；
资源服务器验证令牌无误后开放所述医院信息化网站访问的资源。
3.根据权利要求1所述的一种医院复诊病人的预问诊方法，其特征在于，利用医生标注和医院历史数据，形成疾病和症状训练对应的知识图谱步骤包括：
数据采集：从医院获取病人的病历数据，病历数据包括症状、体征、化验数据；
数据清洗：对采集到的数据进行去重、格式化、标准化处理，并去除缺失值和错误值；
实体识别：采用自然语言处理技术和医学本体知识库，对病历文本中的实体进行识别和抽取，包括疾病、症状、药物、手术；
关系抽取：采用自然语言处理、规则匹配和知识表示学习技术，抽取实体之间的关系，实体之间的关系包括疾病和症状关系，疾病和药物关系，药物和症状关系；
知识表示：将实体和关系进行图示化表示，采用图表示学习算法表示为多维向量；
建立知识库：将表示的实体和关系存储到知识库中，构建疾病和症状的知识图谱。
4.根据权利要求1所述的一种医院复诊病人的预问诊方法，其特征在于，将语音交互信息进行结构化处理，结构化处理步骤包括：
数据收集预处理：收集医疗预分诊语音数据，对语音数据进行降噪、音频分割预处理；
语音识别：使用深度学习技术LAS端到端模型，将语音转换为文本；
实体识别和属性抽取：对识别出来的文本进行实体识别和属性抽取；
结构化文本处理：将实体和属性抽取结果转换为JSON结构化数据。
5.根据权利要求4所述的一种医院复诊病人的预问诊方法，其特征在于，将成JSON文本分解并存储成所述预分诊问答记录表，所述预分诊问答记录字段包括患者身份证号，患者初诊诊断疾病，患者模板，患者回答。
6.一种医院复诊病人的预问诊系统，其特征在于，包括：
患者信息认证模块，用于通过登录医院信息化网站进行个人登录认证，获取患者的身份信息；
历史问诊数据对接模块，用于同步门诊系统的患者问诊信息，生成历史问诊数据表，利用患者身份证号关联患者历史问诊记录；
疾病问诊模板标注模块，用于通过科室医生标注预设疾病复诊需要的公共信息，利用医生标注和医院历史数据，形成疾病和症状训练对应的知识图谱；
患者交互模块，用于根据疾病模板和患者进行问题交互得到预分诊问答记录表，问题交互形式包括语音和文字交互；
复诊信息预处理模块，用于利用所述历史问诊数据表和所述预分诊问答记录表，生成患者基本信息和患者预分诊信息推送给医生工作站。
7.根据权利要求6所述的一种医院复诊病人的预问诊系统，其特征在于，所述患者信息认证模块包括：
请求授权子模块，用于所述医院信息化网站向患者请求授权；
授权处理子模块，用于所述医院信息化网站向患者呈现服务授权页面上的同意授权按钮，当收到患者的同意授权指令后，服务端返回一个授权许可凭证到所述医院信息化网站；
令牌申请子模块，用于所述医院信息化网站通过授权许可凭证向授权服务器申请令牌；
令牌发放子模块，用于授权服务器验证信息无误后，发放令牌所述医院信息化网站；
资源访问子模块，用于所述医院信息化网站通过令牌去资源服务器访问资源；
资源放行子模块，用于资源服务器验证令牌无误后开放所述医院信息化网站访问的资源。
8.根据权利要求6所述的一种医院复诊病人的预问诊系统，其特征在于，所述疾病问诊模板标注模块包括：
数据清洗子模块，用于对采集到的数据进行去重、格式化、标准化处理，并去除缺失值和错误值；
实体识别子模块，用于采用自然语言处理技术和医学本体知识库，对病历文本中的实体进行识别和抽取，包括疾病、症状、药物、手术；
关系抽取子模块，用于采用自然语言处理、规则匹配和知识表示学习技术，抽取实体之间的关系，实体之间的关系包括疾病和症状关系，疾病和药物关系，药物和症状关系；
知识表示子模块，用于将实体和关系进行图示化表示，采用图表示学习算法表示为多维向量；
知识库建立子模块，用于将表示的实体和关系存储到知识库中，构建疾病和症状的知识图谱。
9.根据权利要求6所述的一种医院复诊病人的预问诊系统，其特征在于，所述患者交互模块包括：
语音预处理子模块，用于收集医疗预分诊语音数据，对语音数据进行降噪、音频分割预处理；
语音识别子模块，用于使用深度学习技术LAS端到端模型，将语音转换为文本；
识别抽取子模块，用于对识别出来的文本进行实体识别和属性抽取；
结构化处理子模块，用于将实体和属性抽取结果转换为JSON结构化数据。
10.根据权利要求9所述的一种医院复诊病人的预问诊系统，其特征在于，所述患者交互模块还包括：
记录表生成子模块，用于将成JSON文本分解并存储成所述预分诊问答记录表，所述预分诊问答记录字段包括患者身份证号，患者初诊诊断疾病，患者模板，患者回答。
CN202310927978.1A 2023-07-26 2023-07-26 一种医院复诊病人的预问诊方法及系统 Pending CN116913494A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310927978.1A CN116913494A (zh) 2023-07-26 2023-07-26 一种医院复诊病人的预问诊方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310927978.1A CN116913494A (zh) 2023-07-26 2023-07-26 一种医院复诊病人的预问诊方法及系统

Publications (1)

Publication Number Publication Date
CN116913494A true CN116913494A (zh) 2023-10-20

Family

ID=88356394

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310927978.1A Pending CN116913494A (zh) 2023-07-26 2023-07-26 一种医院复诊病人的预问诊方法及系统

Country Status (1)

Country Link
CN (1) CN116913494A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112035567A (zh) * 2020-08-21 2020-12-04 腾讯科技（深圳）有限公司 一种数据处理方法、装置及计算机可读存储介质

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112035567A (zh) * 2020-08-21 2020-12-04 腾讯科技（深圳）有限公司 一种数据处理方法、装置及计算机可读存储介质

Similar Documents

Publication Publication Date Title
Mason et al. An investigation of biometric authentication in the healthcare environment
Chen et al. Shreddr: pipelined paper digitization for low-resource organizations
US20170149560A1 (en) Digital blockchain authentication
WO2020037454A1 (zh) 智能辅助诊疗系统及方法
US11600367B2 (en) Medical diagnostic platform
US20140358954A1 (en) Biometric Social Network
US20160110502A1 (en) Human and Machine Assisted Data Curation for Producing High Quality Data Sets from Medical Records
WO2020206906A1 (zh) 注册信息处理方法、装置、计算机设备和存储介质
WO2022068160A1 (zh) 基于人工智能的重症问诊数据识别方法、装置、设备及介质
TW202024998A (zh) 考勤管理系統、方法及電子設備
CN111863178A (zh) 发放医疗报告的方法、装置、介质及电子设备
CN116913494A (zh) 一种医院复诊病人的预问诊方法及系统
CN111403011B (zh) 挂号科室推送方法、装置、系统、电子设备及存储介质
CN110752027B (zh) 电子病历数据推送方法、装置、计算机设备和存储介质
Czyżewski et al. Analysis of results of large‐scale multimodal biometric identity verification experiment
US20240120109A1 (en) Artificial intelligence architecture for providing longitudinal health record predictions
CN116796840A (zh) 医疗实体信息抽取方法、装置、计算机设备及存储介质
CN113838579B (zh) 一种医疗数据的异常检测方法、装置、设备及存储介质
Nwosu Mobile facial recognition system for patient identification in medical emergencies for developing economies
CN115588492A (zh) 一种基于人工智能的导诊方法及系统
Khatoon et al. Integrating OAuth and aadhaar with e-health care system
CN113628735A (zh) 一种基于神经网络的线上预约挂号方法及装置
CN113571197A (zh) 一种基于医学检验大数据的职业病预测跟踪系统
Rahkoyo et al. IoT-Based Fingerprint Attendance System: Enhancing Efficiency and Security in Educational and Organizational Settings
OliveiraJr et al. Experimentation of digital multimedia forensics: State of the art and research gaps

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