CN116978507A - 一种基于大数据的医疗信息前置获取系统 - Google Patents
一种基于大数据的医疗信息前置获取系统 Download PDFInfo
- Publication number
- CN116978507A CN116978507A CN202310970842.9A CN202310970842A CN116978507A CN 116978507 A CN116978507 A CN 116978507A CN 202310970842 A CN202310970842 A CN 202310970842A CN 116978507 A CN116978507 A CN 116978507A
- Authority
- CN
- China
- Prior art keywords
- acquisition
- user
- item
- information
- sub
- 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
- 230000003993 interaction Effects 0.000 claims abstract description 65
- 238000003745 diagnosis Methods 0.000 claims abstract description 49
- 238000000034 method Methods 0.000 claims abstract description 7
- 230000000875 corresponding effect Effects 0.000 claims description 100
- 201000010099 disease Diseases 0.000 claims description 53
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims description 53
- 238000004458 analytical method Methods 0.000 claims description 50
- 230000007717 exclusion Effects 0.000 claims description 21
- 230000002452 interceptive effect Effects 0.000 claims description 18
- 238000013507 mapping Methods 0.000 claims description 17
- 238000012549 training Methods 0.000 claims description 13
- 238000013528 artificial neural network Methods 0.000 claims description 8
- 238000004422 calculation algorithm Methods 0.000 claims description 7
- 238000012163 sequencing technique Methods 0.000 claims description 7
- 230000036772 blood pressure Effects 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 5
- 230000002596 correlated effect Effects 0.000 claims description 4
- 238000007689 inspection Methods 0.000 claims description 4
- 238000002555 auscultation Methods 0.000 claims description 3
- 238000009529 body temperature measurement Methods 0.000 claims description 3
- 238000011156 evaluation Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 abstract description 2
- 238000012360 testing method Methods 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000002035 prolonged effect Effects 0.000 description 2
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 206010068319 Oropharyngeal pain Diseases 0.000 description 1
- 201000007100 Pharyngitis Diseases 0.000 description 1
- 239000008280 blood Substances 0.000 description 1
- 210000004369 blood Anatomy 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 208000014674 injury Diseases 0.000 description 1
- 238000004092 self-diagnosis Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000001356 surgical procedure Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000008733 trauma Effects 0.000 description 1
- 238000012795 verification Methods 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
- 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
- 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
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Primary Health Care (AREA)
- Public Health (AREA)
- Business, Economics & Management (AREA)
- General Business, Economics & Management (AREA)
- Biomedical Technology (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明涉及一种基于大数据的医疗信息前置获取系统，首先部分采集可以在前置的交互终端完成，用户无需到科室进行门诊排队也能通过大数据分析确定可能需要采集的采集任务，然后根据这些采集任务可以智能匹配对应的采集顺序，并完成采集，使得用户避免了多次重复等待的过程，同时使医院在复诊病人和挂号病人的管理上的难度，提高医疗系统的运行效率。
Description
技术领域
本发明涉及医疗信息获取系统，更具体地说，涉及一种基于大数据的医疗信息前置获取系统。
背景技术
随着医疗信息智能化的普及，网上问诊、智慧诊所、远端手术等技术的发展，对医疗领域也提出了越来越多的诉求，而虽然互联网数据发展，但是由于病人对病情的通过大数据进行自诊断相比于医生而言仍然具备一定差距，所以多数情况下仍然是通过线下到医院问诊的方式实现对病情的诊断，而一般所有问诊信息都通过医院数据平台进行处理，病患数据则通过门诊挂号端或者自助多功能终端进行完成，也就保证了病患数据的统一化和数据化，但是目前而言实际医院数据平台仍然有一定不足，就是随着科学治疗理念的普及，更多的病情诊断医生会需要依赖化验和检验数据，而这两个数据的获取需要新的流程，需要病患去到对应的化验或者检验科室进行化验和检验，而化验和检验科室对应的信息与医生门诊信息是不同步的，所以造成的情况是多数病患难以很好的协调化验和检验的时间，导致错过医生门诊时间，同时，需要化验和检验的病患的时间和门诊时间无法很好协调，会导致直接门诊的病患等待时间的加长或者化验和检验病患的等待时间加长，增加了平均病患等待时长。
发明内容
有鉴于此，本发明目的是提供一种基于大数据的医疗信息前置获取系统。
为了解决上述技术问题，本发明的技术方案是：一种基于大数据的医疗信息前置获取系统，包括若干交互终端，所述交互终端包括有信息采集模块、第一分析模块、终端采集模块、第二分析模块、采集匹配模块；
所述信息采集模块用于采集用户就诊信息，所述用户就诊信息包括用户状态数据以及用户病情数据；
所述第一分析模块根据用户就诊信息生成第一采集交互信息至交互界面，并根据用户反馈的结果生成第一采集交互指令，
所述终端采集模块连接不同的采集装置，并依据第一采集交互指令控制交互界面与对应采集装置协同工作以获取第一采集信息；
所述第二分析模块用于根据第一采集信息匹配对应的采集特征，并根据用户特征和采集特征生成第二采集交互信息，将第二采集交互信息发送至对应医生所在的终端，并根据医生反馈的结果生成第二采集交互指令；
所述采集匹配模块连接采集挂号平台，所述采集匹配模块实时获取采集挂号平台的挂号实时数据，并根据挂号实时数据和第二采集交互指令生成问诊策略信息，所述问诊策略信息包括若干前采任务，所述采集匹配模块还根据前采任务在采集挂号平台上完成前采预约。
进一步的，所述信息采集模块包括语义识别单元，所述语义识别单元配置有预先训练构建的语义识别模型，所述语义识别模型根据用户输入的语音信息进行语义识别以获得对应的用户病情特征，所述用户病情数据为用户病情特征的集合。
进一步的，训练构建语义识别模型的方法为：
采集匹配步骤，为每一前置采集子项匹配对应的若干用户病情特征，且对应每一用户病情特征匹配有对应的病情权值，且每一前置采集子项对应有采集触发阈值；
语义关联步骤，每一用户病情特征关联有若干病情语义，每一病情语义匹配有对应的语义权值，语义识别模型配置有识别神经网络以与用户进行交互以确认是否存在某一病情语义，并输出对应病情语义的匹配置信值，所述匹配置信值反映该病情语义的识别准确程度；
触发计算步骤，通过触发计算算法计算每一前置采集子项的实际触发值，当实际触发值大于对应的采集触发阈值时，提取对应的用户病情特征生成所述用户病情数据，有其中，Re为实际触发值，ui为第i个用户病情特征对应的病情权值，fi()为i个用户病情特征对应的语义映射函数，表示识别出存在的病情语义与病情特征可靠值之间的映射关系，U[]表示识别出存在的病情语义的数组，xj为识别出的第j个病情语义对应的语义权值，yj为识别出的第j个病情语义对应的匹配置信值，j为被识别出存在的病情语义的总数，k1为用户病情特征的总数；
样本训练步骤，将训练样本输入值语义识别模型以训练语义识别模型对匹配置信值的输出。
进一步的，所述信息采集模块包括基本信息分析单元、用户病例分析单元，所述基本信息分析单元用于调取用户基本信息，并根据用户基本信息中的信息项从预设的用户信息库中匹配对应的用户基本特征，所述病例分析单元用于调取历史病例信息，并根据调取的历史病例信息中的信息项从预设的病例信息库中匹配对应的病例基本特征，所述的用户状态数据包括用户基本特征和病例基本特征。
进一步的，所述第一分析模块预先构建有第一采集数据库，所述第一采集数据库存储有若干第一交互策略，每一第一交互策略以前置采集子项为索引，所述第一分析模块构建有策略价值单元，所述策略价值单元配置有价值评价算法用于计算每一前置采集子项的策略价值，有Ev为策略价值，/>为预设的病情相关权重，/>为预设的采集风险权重，/>为预设的时间影响权重，/>为预设的成本影响权重，有/>g1()为预设的病情影响函数，反映用户病情数据中实际触发值与病情相关值之间的映射关系，dn为用户状态数据中的第n个特征对应的采集风险值，所述采集风险值通过查询预先构建的采集特征风险表获得，k2为用户状态数据中该前置采集子项对应的特征的总数，g2()为预设的时间影响函数，反映采集需求时间和时间代价值之间的映射关系，Te为该前置采集子项对应的采集需求时间，g3()为预设的成本影响函数，反映采集需求成本和成代价值之间的映射关系，Me为该前置采集子项对应的采集需求成本，所述第一分析单元确定策略价值大于预设的基准策略值的第一交互策略为待执行的采集策略。
进一步的，每一第一交互策略包括若干前置采集子项，前置采集子项根据其类型可以划分有采集关联关系，所述采集关联关系包括排除关系和增益关系，若一前置采集子项为另一前置采集子项的排除关系，则表示一前置采集子项的某一采集结果可排除另一前置采集子项的任务进行，若一前置采集子项为另一前置采集子项的增益关系，则表示一前置采集子项的某一采集结果可增加另一前置采集子项的任务进行；
所述第一分析模块包括有交互排序单元，所述交互排序单元用于确定采集策略中前置采集子项的次序，所述交互排序单元计算每一前置采集子项的优先值，有We＝wp+wz+Δwe，其中We为前置采集子项对应的优先值，wp为前置采集子项的排除优先值，当前置采集子项为另一前置采集子项的排除关系且另一前置采集子项在采集策略的队列中，则排除优先值增加，wz为前置采集子项的增益优先值，当前置采集子项为另一前置采集子项的增益关系且另一前置采集子项在采集策略的队列之外，则增益优先值增加，Δwe为前置采集子项预设的基准采集优先值。
进一步的，每一前置采集子项对应有第一采集交互数据，所述第一采集交互信息为第一采集数据的集合，根据前置采集子项的次数依次输出对应的第一采集交互数值值交互界面；
若用户反馈的结果触发了对应的排除关系，则将排除关系对应的另一前置采集子项从采集策略中排除，若用户反馈的结果触发了对应的增益关系，则将增益关系对应的另一前置采集子项加入采集策略中，并重新确定前置采集子项的优先值。
进一步的，所述采集装置包括图像采集装置、电子测温采集装置、电子听诊装置、心率采集装置、血压采集装置。
进一步的，所述第二分析模块预先构建有大数据诊断网络，所述大数据诊断网络根据历史诊断数据构建，大数据诊断网络的每一诊断结果对应有若干诊断链路，诊断链路和诊断结果之间对应有关联性指标，所述关联性指标与历史诊断数据中的样本量正相关，每一诊断链路对应有若干不同的采集特征和用户特征，所述第二分析模块根据采集特征和用户特征筛选具有匹配关系的诊断链路，并根据诊断链路中缺失的采集特征以及关联性指标生成第二交集交互信息，每一缺失的采集特征与前采任务对应。
进一步的，所述采集匹配模块根据前采任务的对应检验科室生成等待时长，并根据等待时长对前采任务进行排序以使完成所有前采任务所需的时间最短。
本发明技术效果主要体现在以下方面：通过这样设置，首先部分采集可以在前置的交互终端完成，用户无需到科室进行门诊排队也能通过大数据分析确定可能需要采集的采集任务，然后根据这些采集任务可以智能匹配对应的采集顺序，并完成采集，使得用户避免了多次重复等待的过程，同时使医院在复诊病人和挂号病人的管理上的难度，提高医疗系统的运行效率。
附图说明
图1：本发明交互终端模块架构图。
附图标记：100、信息采集模块；200、第一分析模块；300、终端采集模块；400、第二分析模块；500、采集匹配模块。
具体实施方式
以下结合附图，对本发明的具体实施方式作进一步详述，以使本发明技术方案更易于理解和掌握。
本发明提供一种基于大数据的医疗信息前置获取系统，包括若干交互终端，所述交互终端包括有信息采集模块100、第一分析模块200、终端采集模块300、第二分析模块400、采集匹配模块500；首先，现在大部分的医院已经普及自助挂号、缴费的交互终端，所以本发明的前置获取系统是基于上述终端的基础上，进行的优化和升级，也就是将更多的功能和模块集成在这一终端中，这一设置的目的是为了迎合用户的使用习惯，因为大部分用户已经有通过交互终端完成信息输入、医保卡、就诊卡、电子医保卡或身份证输入信息以完成预约取号、挂号等操作、而交互终端可以通过医疗平台完成身份的校验、医疗资源的匹配、费用的结算等工作和任务，极大方便了人们的日常生活。
所述信息采集模块100用于采集用户就诊信息，所述用户就诊信息包括用户状态数据以及用户病情数据；信息采集模块100获取信息的方式有如下两种，第一是通过读取用户信息的方式，由于用户挂号需要扫描身份信息，所以根据身份信息从医院的历史数据库中可以获知用户的基本信息，例如年龄、性别等信息，然后通过用户基本信息可以获取到用户的历史病例信息，可以得到用户的相关病史情况，这两个信息用来生成用户状态数据，另一方面，用户会手动选择科室等内容以及本发明在交互终端配置语音输入和手动输入的功能，语音输入为设置在交互终端上的麦克风，通过麦克风获取语音内容，用户根据提示对病情进行输入，例如排便情况、食欲、或者病情出现的症状和时间长度等内容，通过与交互终端进行交互获取，从而生成用户病情数据。
所述信息采集模块100包括语义识别单元，所述语义识别单元配置有预先训练构建的语义识别模型，由于语义识别技术非常成熟，再此不做赘述，而本发明的目的是生成一个可以根据用户输入语义进行提问从而达到准确识别用户的病情特征的目的，另一个是根据识别和提问用户的反馈生成对应的置信值，也就是对用户病情特征结论的可能性，所述语义识别模型根据用户输入的语音信息进行语义识别以获得对应的用户病情特征，所述用户病情数据为用户病情特征的集合。具体通过如下手段，训练构建语义识别模型的方法为：
采集匹配步骤，为每一前置采集子项匹配对应的若干用户病情特征，且对应每一用户病情特征匹配有对应的病情权值，且每一前置采集子项对应有采集触发阈值；采集匹配步骤的目的是将预设的所有前置采集子项根据用户病情特征进行关联和划分，通过用户病情特征匹配对应的病情权值，每一前置采集子项对应有采集触发阈值，因为前置采集子项需要采集内容一定和诊断结果相关，传统是根据医生经验，例如高烧不退可能需要验血和看一下喉咙是否红肿，才能完成判断，然后出具诊断建议，所以就可以将这个用户病情特征高烧不退和前置采集子项进行关联，而如果一个前置采集子项对应的用户病情特征给前置采集子项输出的结果达到了对应的采集触发阈值，那么理论上需要完成这个采集。
语义关联步骤，每一用户病情特征关联有若干病情语义，每一病情语义匹配有对应的语义权值，语义识别模型配置有识别神经网络以与用户进行交互以确认是否存在某一病情语义，并输出对应病情语义的匹配置信值，所述匹配置信值反映该病情语义的识别准确程度；首先语义识别模型配置识别神经网络以完成语义的确认，例如用户可能会不记得准确的发病时间，或者不记得自己的用药记录，或者有些不适用户忘记表达，所以需要构建识别神经网络，其实识别神经网络是简化版的大数据诊断网络，通过用户特征和采集特征作为节点，判断需要确认的相似节点，然后通过每个节点预设的问题，在交互界面中输出，从而获得用户反馈，以进一步确定病情语义，而每一用户病情特征是通过若干个病情语义的结合确定的，而通过对用户用词的分析，还计算出每一病情语义的匹配置信值，例如用户使用了模糊性用词，或者用户报的时间的精确程度都会影响匹配置信值，从而提高计算的准确性。
触发计算步骤，通过触发计算算法计算每一前置采集子项的实际触发值，当实际触发值大于对应的采集触发阈值时，提取对应的用户病情特征生成所述用户病情数据，有其中，Re为实际触发值，ui为第i个用户病情特征对应的病情权值，fi()为i个用户病情特征对应的语义映射函数，表示识别出存在的病情语义与病情特征可靠值之间的映射关系，U[]表示识别出存在的病情语义的数组，xj为识别出的第j个病情语义对应的语义权值，yj为识别出的第j个病情语义对应的匹配置信值，j为被识别出存在的病情语义的总数，k1为用户病情特征的总数；触发计算步骤的目的是计算每一前置采集子项的实际触发值，实际触发值大于阈值时说明了该前置采集子项有必要执行，而分析的方式是，通过识别出的这个病情特征的病情语义和病情特征可靠值带入到预先构建的语义映射函数，多个病情语音和病情特征带入函数后，根据带入的内容可以计算得到病情特征可靠值，语义映射函数可以为不同的匹配置信值设置不同的划分范围，然后将病情语义配置对应于该用户病情特征的关联值，不同的病情语义对应不同的用户病情特征的关联值设置不同，然后通过加权的方式计算最终的结果，从而获得病情特征可靠值，然后通过病情权值判断最后的实际触发值，就能通过该算法在语义识别的基础上完成用户输入信息和前置采集子项的匹配。
样本训练步骤，将训练样本输入值语义识别模型以训练语义识别模型对匹配置信值的输出。由于训练样本了用户信息已知，其前置采集子项已知，所以通过用户信息模拟输入，训练语义识别模型完成识别神经网络的优化，保证语义识别模型可以快速的完成匹配，且保证匹配的准确，样本训练识别神经网络在现有技术中已有多处披露，再此不做赘述。
所述信息采集模块100包括基本信息分析单元、用户病例分析单元，所述基本信息分析单元用于调取用户基本信息，并根据用户基本信息中的信息项从预设的用户信息库中匹配对应的用户基本特征，所述病例分析单元用于调取历史病例信息，并根据调取的历史病例信息中的信息项从预设的病例信息库中匹配对应的病例基本特征，所述的用户状态数据包括用户基本特征和病例基本特征。基本信息分析单元和病例分析单元的目的大致相同，通过分析用户基本特征和病例特征从而获得用户状态数据。
所述第一分析模块根据用户就诊信息生成第一采集交互信息至交互界面，并根据用户反馈的结果生成第一采集交互指令，所述第一分析模块预先构建有第一采集数据库，所述第一采集数据库存储有若干第一交互策略，每一第一交互策略以前置采集子项为索引，所述第一分析模块构建有策略价值单元，所述策略价值单元配置有价值评价算法用于计算每一前置采集子项的策略价值，有Ev为策略价值，/>为预设的病情相关权重，/>为预设的采集风险权重，/>为预设的时间影响权重，/>为预设的成本影响权重，有/>g1()为预设的病情影响函数，反映用户病情数据中实际触发值与病情相关值之间的映射关系，dn为用户状态数据中的第n个特征对应的采集风险值，所述采集风险值通过查询预先构建的采集特征风险表获得，k2为用户状态数据中该前置采集子项对应的特征的总数，g2()为预设的时间影响函数，反映采集需求时间和时间代价值之间的映射关系，Te为该前置采集子项对应的采集需求时间，g3()为预设的成本影响函数，反映采集需求成本和成代价值之间的映射关系，Me为该前置采集子项对应的采集需求成本，所述第一分析单元确定策略价值大于预设的基准策略值的第一交互策略为待执行的采集策略。这一策略设置的目的是为了平衡每次采集子项的策略价值，考虑到所需要的时间、所需的费用、和病情的相关性、以及检测可能对身体产生的风险和影响等因素，综合进行判断，例如如果和病情高度相关，则病情相关值就会较高，另外如果用户有年龄偏高，不适合做此项检查，那么对应的采集风险值较高，时间成本较大，对应的时间代价值较高，另外费用也是如此。所以从而可以计算出前置采集子项的采集价值，提供用户参考进行。
每一第一交互策略包括若干前置采集子项，前置采集子项根据其类型可以划分有采集关联关系，所述采集关联关系包括排除关系和增益关系，若一前置采集子项为另一前置采集子项的排除关系，则表示一前置采集子项的某一采集结果可排除另一前置采集子项的任务进行，若一前置采集子项为另一前置采集子项的增益关系，则表示一前置采集子项的某一采集结果可增加另一前置采集子项的任务进行；由于有些采集是例如可以通过A项目排除B项目的可能，或者A项目出现某一结果时要继续检查C项目，那么将这类项目优先进行考虑，需要说明的是，两个前置采集子项可以互为排除关系，也可能两个前置采集子项既为排除关系，又为增益关系。
所述第一分析模块包括有交互排序单元，所述交互排序单元用于确定采集策略中前置采集子项的次序，所述交互排序单元计算每一前置采集子项的优先值，有We＝wp+wz+Δwe，其中We为前置采集子项对应的优先值，wp为前置采集子项的排除优先值，当前置采集子项为另一前置采集子项的排除关系且另一前置采集子项在采集策略的队列中，则排除优先值增加，wz为前置采集子项的增益优先值，当前置采集子项为另一前置采集子项的增益关系且另一前置采集子项在采集策略的队列之外，则增益优先值增加，Δwe为前置采集子项预设的基准采集优先值。这样可以根据排查优先级，进行排序，更又例如病患进行时间安排和尽可能减小不必要的检查。
每一前置采集子项对应有第一采集交互数据，所述第一采集交互信息为第一采集数据的集合，根据前置采集子项的次数依次输出对应的第一采集交互数值值交互界面；通过交互界面图形用户进行操作。从而完成数据采集。
若用户反馈的结果触发了对应的排除关系，则将排除关系对应的另一前置采集子项从采集策略中排除，若用户反馈的结果触发了对应的增益关系，则将增益关系对应的另一前置采集子项加入采集策略中，并重新确定前置采集子项的优先值。
所述终端采集模块300连接不同的采集装置，所述采集装置包括图像采集装置、电子测温采集装置、电子听诊装置、心率采集装置、血压采集装置。图像采集装置可以采集图像信息，例如外伤、喉咙肿痛，而所以一个图像采集装置可以兼具多个采集任务子项的功能，对应的目前很多设备都可以进行电子化数据的快速采集，所以将这些设备集成到交互终端，通过直接与交互终端进行采集完成交互，目前例如血压采集装置在前置采集已经较多应用，只是没有将血压采集装置采集的数据第一时间与交互终端进行关联，如果体积较大的设备，可以分体通过蓝牙等无线技术完成信息的输出和通讯。这样直接能通过分析获得第一采集信息。
具体依据第一采集交互指令控制交互界面与对应采集装置协同工作以获取第一采集信息；
所述第二分析模块400用于根据第一采集信息匹配对应的采集特征，并根据用户特征和采集特征生成第二采集交互信息，将第二采集交互信息发送至对应医生所在的终端，并根据医生反馈的结果生成第二采集交互指令；所述第二分析模块400预先构建有大数据诊断网络，所述大数据诊断网络根据历史诊断数据构建，大数据诊断网络的每一诊断结果对应有若干诊断链路，诊断链路和诊断结果之间对应有关联性指标，所述关联性指标与历史诊断数据中的样本量正相关，每一诊断链路对应有若干不同的采集特征和用户特征，所述第二分析模块400根据采集特征和用户特征筛选具有匹配关系的诊断链路，并根据诊断链路中缺失的采集特征以及关联性指标生成第二交集交互信息，每一缺失的采集特征与前采任务对应。通过第二分析模块400根据第一采集信息匹配对应的采集特征，然后通过用户特征和采集特征判断需要得到对应诊断结果哪些采集项目是必不可少的，从而得出需要进一步进行采集的项目，例如CT、X光，抽血等势必无法在交互终端完成，所以可以构建于对应的采集。
所述采集匹配模块500连接采集挂号平台，所述采集匹配模块500实时获取采集挂号平台的挂号实时数据，并根据挂号实时数据和第二采集交互指令生成问诊策略信息，所述问诊策略信息包括若干前采任务，所述采集匹配模块500还根据前采任务在采集挂号平台上完成前采预约。所述采集匹配模块500根据前采任务的对应检验科室生成等待时长，并根据等待时长对前采任务进行排序以使完成所有前采任务所需的时间最短。而根据采集匹配模块500就可以完成前采任务的安排和预约，极大的便利了用户的时间。
当然，以上只是本发明的典型实例，除此之外，本发明还可以有其它多种具体实施方式，凡采用等同替换或等效变换形成的技术方案，均落在本发明要求保护的范围之内。
Claims (10)
1.一种基于大数据的医疗信息前置获取系统，其特征在于，包括若干交互终端，所述交互终端包括有信息采集模块、第一分析模块、终端采集模块、第二分析模块以及采集匹配模块；
所述信息采集模块用于采集用户就诊信息，所述用户就诊信息包括用户状态数据以及用户病情数据；
所述第一分析模块根据用户就诊信息生成第一采集交互信息至交互界面，并根据用户反馈的结果生成第一采集交互指令，
所述终端采集模块连接不同的采集装置，并依据第一采集交互指令控制交互界面与对应采集装置协同工作以获取第一采集信息；
所述第二分析模块用于根据第一采集信息匹配对应的采集特征，并根据用户特征和采集特征生成第二采集交互信息，将第二采集交互信息发送至对应医生所在的终端，并根据医生反馈的结果生成第二采集交互指令；
所述采集匹配模块连接采集挂号平台，所述采集匹配模块实时获取采集挂号平台的挂号实时数据，并根据挂号实时数据和第二采集交互指令生成问诊策略信息，所述问诊策略信息包括若干前采任务，所述采集匹配模块还根据前采任务在采集挂号平台上完成前采预约。
2.如权利要求1所述的一种基于大数据的医疗信息前置获取系统，其特征在于：所述信息采集模块包括语义识别单元，所述语义识别单元配置有预先训练构建的语义识别模型，所述语义识别模型根据用户输入的语音信息进行语义识别以获得对应的用户病情特征，所述用户病情数据为用户病情特征的集合。
3.如权利要求2所述的一种基于大数据的医疗信息前置获取系统，其特征在于：训练构建语义识别模型的方法为：
采集匹配步骤，为每一前置采集子项匹配对应的若干用户病情特征，且对应每一用户病情特征匹配有对应的病情权值，且每一前置采集子项对应有采集触发阈值；
语义关联步骤，每一用户病情特征关联有若干病情语义，每一病情语义匹配有对应的语义权值，语义识别模型配置有识别神经网络以与用户进行交互以确认是否存在某一病情语义，并输出对应病情语义的匹配置信值，所述匹配置信值反映该病情语义的识别准确程度；
触发计算步骤，通过触发计算算法计算每一前置采集子项的实际触发值，当实际触发值大于对应的采集触发阈值时，提取对应的用户病情特征生成所述用户病情数据，有其中，Re为实际触发值，ui为第i个用户病情特征对应的病情权值，fi()为i个用户病情特征对应的语义映射函数，表示识别出存在的病情语义与病情特征可靠值之间的映射关系，U[]表示识别出存在的病情语义的数组，xj为识别出的第j个病情语义对应的语义权值，yj为识别出的第j个病情语义对应的匹配置信值，j为被识别出存在的病情语义的总数，k1为用户病情特征的总数；
样本训练步骤，将训练样本输入值语义识别模型以训练语义识别模型对匹配置信值的输出。
4.如权利要求1所述的一种基于大数据的医疗信息前置获取系统，其特征在于：所述信息采集模块包括基本信息分析单元、用户病例分析单元，所述基本信息分析单元用于调取用户基本信息，并根据用户基本信息中的信息项从预设的用户信息库中匹配对应的用户基本特征，所述病例分析单元用于调取历史病例信息，并根据调取的历史病例信息中的信息项从预设的病例信息库中匹配对应的病例基本特征，所述的用户状态数据包括用户基本特征和病例基本特征。
5.如权利要求1所述的一种基于大数据的医疗信息前置获取系统，其特征在于：所述第一分析模块预先构建有第一采集数据库，所述第一采集数据库存储有若干第一交互策略，每一第一交互策略以前置采集子项为索引，所述第一分析模块构建有策略价值单元，所述策略价值单元配置有价值评价算法用于计算每一前置采集子项的策略价值，有Ev为策略价值，/>为预设的病情相关权重，/>为预设的采集风险权重，/>为预设的时间影响权重，/>为预设的成本影响权重，有g1()为预设的病情影响函数，反映用户病情数据中实际触发值与病情相关值之间的映射关系，dn为用户状态数据中的第n个特征对应的采集风险值，所述采集风险值通过查询预先构建的采集特征风险表获得，k2为用户状态数据中该前置采集子项对应的特征的总数，g2()为预设的时间影响函数，反映采集需求时间和时间代价值之间的映射关系，Te为该前置采集子项对应的采集需求时间，g3()为预设的成本影响函数，反映采集需求成本和成代价值之间的映射关系，Me为该前置采集子项对应的采集需求成本，所述第一分析单元确定策略价值大于预设的基准策略值的第一交互策略为待执行的采集策略。
6.如权利要求5所述的一种基于大数据的医疗信息前置获取系统，其特征在于：每一第一交互策略包括若干前置采集子项，前置采集子项根据其类型可以划分有采集关联关系，所述采集关联关系包括排除关系和增益关系，若一前置采集子项为另一前置采集子项的排除关系，则表示一前置采集子项的某一采集结果可排除另一前置采集子项的任务进行，若一前置采集子项为另一前置采集子项的增益关系，则表示一前置采集子项的某一采集结果可增加另一前置采集子项的任务进行；
所述第一分析模块包括有交互排序单元，所述交互排序单元用于确定采集策略中前置采集子项的次序，所述交互排序单元计算每一前置采集子项的优先值，有We＝wp+wz+Δwe，其中We为前置采集子项对应的优先值，wp为前置采集子项的排除优先值，当前置采集子项为另一前置采集子项的排除关系且另一前置采集子项在采集策略的队列中，则排除优先值增加，wz为前置采集子项的增益优先值，当前置采集子项为另一前置采集子项的增益关系且另一前置采集子项在采集策略的队列之外，则增益优先值增加，Δwe为前置采集子项预设的基准采集优先值。
7.如权利要求6所述的一种基于大数据的医疗信息前置获取系统，其特征在于：每一前置采集子项对应有第一采集交互数据，所述第一采集交互信息为第一采集数据的集合，根据前置采集子项的次数依次输出对应的第一采集交互数值值交互界面；
若用户反馈的结果触发了对应的排除关系，则将排除关系对应的另一前置采集子项从采集策略中排除，若用户反馈的结果触发了对应的增益关系，则将增益关系对应的另一前置采集子项加入采集策略中，并重新确定前置采集子项的优先值。
8.如权利要求1所述的一种基于大数据的医疗信息前置获取系统，其特征在于：所述采集装置包括图像采集装置、电子测温采集装置、电子听诊装置、心率采集装置、血压采集装置。
9.如权利要求1所述的一种基于大数据的医疗信息前置获取系统，其特征在于：所述第二分析模块预先构建有大数据诊断网络，所述大数据诊断网络根据历史诊断数据构建，大数据诊断网络的每一诊断结果对应有若干诊断链路，诊断链路和诊断结果之间对应有关联性指标，所述关联性指标与历史诊断数据中的样本量正相关，每一诊断链路对应有若干不同的采集特征和用户特征，所述第二分析模块根据采集特征和用户特征筛选具有匹配关系的诊断链路，并根据诊断链路中缺失的采集特征以及关联性指标生成第二交集交互信息，每一缺失的采集特征与前采任务对应。
10.如权利要求1所述的一种基于大数据的医疗信息前置获取系统，其特征在于：所述采集匹配模块根据前采任务的对应检验科室生成等待时长，并根据等待时长对前采任务进行排序以使完成所有前采任务所需的时间最短。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310970842.9A CN116978507B (zh) | 2023-08-02 | 2023-08-02 | 一种基于大数据的医疗信息前置获取系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310970842.9A CN116978507B (zh) | 2023-08-02 | 2023-08-02 | 一种基于大数据的医疗信息前置获取系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116978507A true CN116978507A (zh) | 2023-10-31 |
| CN116978507B CN116978507B (zh) | 2024-05-10 |
Family
ID=88484714
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310970842.9A Active CN116978507B (zh) | 2023-08-02 | 2023-08-02 | 一种基于大数据的医疗信息前置获取系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116978507B (zh) |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106021910A (zh) * | 2016-05-17 | 2016-10-12 | 重庆医科大学附属永川医院 | 基于智慧医疗服务的远程疾病诊断系统 |
| CN112037875A (zh) * | 2020-09-04 | 2020-12-04 | 平安科技（深圳）有限公司 | 智能诊疗数据处理方法、设备、装置及存储介质 |
| CN115798662A (zh) * | 2022-11-28 | 2023-03-14 | 上海静汇医院管理有限公司 | 基于人工智能算法的医院病案管理用病例运送分析系统 |
-
2023
- 2023-08-02 CN CN202310970842.9A patent/CN116978507B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106021910A (zh) * | 2016-05-17 | 2016-10-12 | 重庆医科大学附属永川医院 | 基于智慧医疗服务的远程疾病诊断系统 |
| CN112037875A (zh) * | 2020-09-04 | 2020-12-04 | 平安科技（深圳）有限公司 | 智能诊疗数据处理方法、设备、装置及存储介质 |
| CN115798662A (zh) * | 2022-11-28 | 2023-03-14 | 上海静汇医院管理有限公司 | 基于人工智能算法的医院病案管理用病例运送分析系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116978507B (zh) | 2024-05-10 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109659017B (zh) | 一种预测、分配医生就诊量的智慧医疗系统 | |
| CN110473615B (zh) | 一种信息处理方法及装置 | |
| CN112037910B (zh) | 健康信息管理方法、装置、设备及存储介质 | |
| CN103690240B (zh) | 一种医疗系统 | |
| JP5446383B2 (ja) | 利用支援プログラム、該装置、及び該方法 | |
| JP7010946B2 (ja) | 健康状態の計算解析を容易化するシステム及び方法 | |
| CN111613335A (zh) | 一种健康预警系统及方法 | |
| CN114220537B (zh) | 一种基于互联网医院的ai智能在线诊断方法及云系统 | |
| CN117594206A (zh) | 基于医疗互联平台的患者一体化分诊系统及方法 | |
| CN114121266A (zh) | 一种智能化的辅助诊断方法和系统 | |
| CN111008269A (zh) | 数据处理方法及装置、存储介质及电子终端 | |
| CN117894421A (zh) | 一种医疗服务自动化流程优化方法 | |
| CN109841285B (zh) | 一种临床研究协作系统及方法 | |
| WO2022141925A1 (zh) | 一种智能医学服务系统、方法及存储介质 | |
| CN116978507B (zh) | 一种基于大数据的医疗信息前置获取系统 | |
| CN114078592A (zh) | 一种急诊分诊智慧医疗系统 | |
| CN112735579A (zh) | 一种急诊病人快速登记治疗系统 | |
| CN108630287B (zh) | 数据整合方法 | |
| CN117153376A (zh) | 一种基于物联网的中老年疾病医疗诊治系统 | |
| CN117216322A (zh) | 一种电子病历的生成方法、装置、设备及存储介质 | |
| CN116344036A (zh) | 一种全科医学科患者的个性化诊疗推荐方法及系统 | |
| CN113140323B (zh) | 一种健康画像生成方法、系统、介质及服务器 | |
| CN115331837A (zh) | 一种人机交互智能问诊系统 | |
| CN113571167A (zh) | 一种基于配置式评分知识模型的快捷分诊系统 | |
| CN112966515A (zh) | 一种医学实体识别方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |