CN118197534B - 用于移动查房的辅助系统及其方法 - Google Patents
用于移动查房的辅助系统及其方法 Download PDFInfo
- Publication number
- CN118197534B CN118197534B CN202410591254.9A CN202410591254A CN118197534B CN 118197534 B CN118197534 B CN 118197534B CN 202410591254 A CN202410591254 A CN 202410591254A CN 118197534 B CN118197534 B CN 118197534B
- Authority
- CN
- China
- Prior art keywords
- information
- semantic
- medicine
- feature vector
- doctor
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 26
- 239000003814 drug Substances 0.000 claims abstract description 281
- 239000013598 vector Substances 0.000 claims abstract description 206
- 230000002452 interceptive effect Effects 0.000 claims abstract description 91
- 238000004458 analytical method Methods 0.000 claims abstract description 60
- 230000003993 interaction Effects 0.000 claims abstract description 45
- 229940079593 drug Drugs 0.000 claims abstract description 44
- 208000036647 Medication errors Diseases 0.000 claims abstract description 21
- 238000012549 training Methods 0.000 claims description 96
- 238000012545 processing Methods 0.000 claims description 32
- 230000011218 segmentation Effects 0.000 claims description 15
- 239000011159 matrix material Substances 0.000 claims description 10
- 230000009466 transformation Effects 0.000 claims description 10
- 238000000605 extraction Methods 0.000 claims description 6
- 238000013507 mapping Methods 0.000 claims description 4
- 230000006870 function Effects 0.000 description 18
- 238000010586 diagram Methods 0.000 description 10
- 238000001514 detection method Methods 0.000 description 9
- 238000004891 communication Methods 0.000 description 7
- 238000004590 computer program Methods 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 4
- 238000007726 management method Methods 0.000 description 4
- 230000014509 gene expression Effects 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 238000013473 artificial intelligence Methods 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 230000006378 damage Effects 0.000 description 2
- 230000004927 fusion Effects 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 101100001674 Emericella variicolor andI gene Proteins 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 239000012141 concentrate Substances 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000001502 supplementing effect 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
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/279—Recognition of textual entities
- G06F40/284—Lexical analysis, e.g. tokenisation or collocates
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/30—Semantic analysis
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Health & Medical Sciences (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Computation (AREA)
- Computational Linguistics (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Chemical & Material Sciences (AREA)
- Medicinal Chemistry (AREA)
- Epidemiology (AREA)
- Medical Informatics (AREA)
- Primary Health Care (AREA)
- Public Health (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明公开一种用于移动查房的辅助系统及其方法，涉及移动查房技术领域。该方法包括：基于患者信息，提取医嘱信息；对所述医嘱信息进行语义编码以得到医嘱信息语义编码特征向量；对药品信息进行语义编码以得到药品信息语义编码特征向量；对所述医嘱信息语义编码特征向量和所述药品信息语义编码特征向量进行基于语义特征值粒度的交互匹配分析以得到医嘱信息‑药品信息语义特征值粒度交互匹配特征；基于所述医嘱信息‑药品信息语义特征值粒度交互匹配特征，确定是否生成药品错误预警提示。这样，可以及时判断是否发生了用错药的情况，从而在用错药时及时发出药品错误预警，以确保用药安全。
Description
技术领域
本发明涉及移动查房技术领域，具体地，涉及一种用于移动查房的辅助系统及其方法。
背景技术
移动查房是指医护人员利用移动设备对患者进行查房和管理的过程。随着移动技术的快速发展，移动查房已经成为医疗行业中一种越来越重要的工作方式。医护人员可以通过移动设备随时随地获取患者信息、医嘱信息和药品信息，提高工作效率，减少信息传递的延迟，同时也更便于及时处理患者的需求和突发情况。
用药错误是指在医疗过程中由于医护人员的疏忽、信息传递错误或其他原因导致患者接收到错误药物或错误剂量的情况。用药错误可能对患者的健康造成严重危害，甚至危及生命，因此，在移动查房的过程中，及时发现和避免用药错误至关重要。
然而，传统的用药错误检测主要依赖医护人员的手动核对，容易受到人为疏忽和疲劳的影响，存在漏检和误检的风险。并且，通过医护人员的手动核对来进行用药错误检测需要医护人员花费大量时间和精力进行核对，效率较低，尤其在繁忙的医疗环境下更容易出现问题。
因此，期望一种用于移动查房的辅助系统，其能够自动核对患者和药品信息，防止用错药的情况发生，从而确保用药安全。
发明内容
提供该发明内容部分以便以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。该发明内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。
第一方面，本发明提供了一种用于移动查房的辅助系统，所述系统包括：
患者和药品信息采集模块，用于通过移动信息采集终端识别患者信息和药品信息；
医嘱信息提取模块，用于基于所述患者信息，提取医嘱信息；
医嘱信息语义编码模块，用于对所述医嘱信息进行语义编码以得到医嘱信息语义编码特征向量；
药品信息语义编码模块，用于对所述药品信息进行语义编码以得到药品信息语义编码特征向量；
医嘱信息-药品信息语义特征值粒度交互匹配模块，用于对所述医嘱信息语义编码特征向量和所述药品信息语义编码特征向量进行基于语义特征值粒度的交互匹配分析以得到医嘱信息-药品信息语义特征值粒度交互匹配特征；
药品错误预警模块，用于基于所述医嘱信息-药品信息语义特征值粒度交互匹配特征，确定是否生成药品错误预警提示；
其中，所述医嘱信息-药品信息语义特征值粒度交互匹配模块，用于：使用语义特征值粒度交互匹配分析模块对所述医嘱信息语义编码特征向量和所述药品信息语义编码特征向量进行处理以得到医嘱信息-药品信息语义特征值粒度交互匹配特征向量作为所述医嘱信息-药品信息语义特征值粒度交互匹配特征；
其中，所述医嘱信息-药品信息语义特征值粒度交互匹配模块，包括：使用所述语义特征值粒度交互匹配分析模块以如下语义元素交互匹配分析公式对所述医嘱信息语义编码特征向量和所述药品信息语义编码特征向量进行处理以得到所述医嘱信息-药品信息语义特征值粒度交互匹配特征向量；
其中，所述语义元素交互匹配分析公式为：
；
其中，和分别是所述医嘱信息语义编码特征向量和所述药品信息语义编码特征向量中各个位置的特征值，是所述医嘱信息-药品信息语义特征值粒度交互匹配特征向量中各个位置的特征值，和分别是所述医嘱信息语义编码特征向量和所述药品信息语义编码特征向量， 表示向量的级联，是变换矩阵，是偏置向量，是门限向量中各个位置的门限值，是所述门限值，，表示激活函数。
可选地，所述医嘱信息语义编码模块，包括：第一分词单元，用于对所述医嘱信息进行分词处理以将所述医嘱信息转化为由多个第一词组成的第一词序列；第一嵌入编码单元，用于将所述第一词序列中各个第一词映射到词向量以获得第一词向量的序列；以及，第一上下文编码单元，用于对所述第一词向量的序列进行基于全局的上下文语义编码以获得所述医嘱信息语义编码特征向量。
可选地，所述药品信息语义编码模块，包括：第二分词单元，用于对所述药品信息进行分词处理以将所述药品信息转化为由多个第二词组成的第二词序列；第二嵌入编码单元，用于将所述第二词序列中各个第二词映射到词向量以获得第二词向量的序列；以及，第二上下文编码单元，用于对所述第二词向量的序列进行基于全局的上下文语义编码以获得所述药品信息语义编码特征向量。
可选地，所述药品错误预警模块，用于：将所述医嘱信息-药品信息语义特征值粒度交互匹配特征向量通过基于分类器的用药分析器以得到分析结果，所述分析结果用于表示是否生成药品错误预警提示。
可选地，还包括用于对所述语义特征值粒度交互匹配分析模块和所述基于分类器的用药分析器进行训练的训练模块。
可选地，所述训练模块，包括：训练患者和药品信息采集单元，用于通过移动信息采集终端识别训练患者信息和训练药品信息；训练医嘱信息提取单元，用于基于所述训练患者信息，提取训练医嘱信息；训练医嘱信息语义编码单元，用于对所述训练医嘱信息进行语义编码以得到训练医嘱信息语义编码特征向量；训练药品信息语义编码单元，用于对所述训练药品信息进行语义编码以得到训练药品信息语义编码特征向量；训练医嘱信息-药品信息语义特征值粒度交互匹配单元，用于使用所述语义特征值粒度交互匹配分析模块对所述训练医嘱信息语义编码特征向量和所述训练药品信息语义编码特征向量进行处理以得到训练医嘱信息-药品信息语义特征值粒度交互匹配特征向量；训练药品错误预警单元，用于将所述训练医嘱信息-药品信息语义特征值粒度交互匹配特征向量通过所述基于分类器的用药分析器以得到分类损失函数值；训练单元，用于基于所述分类损失函数值对所述语义特征值粒度交互匹配分析模块和所述基于分类器的用药分析器进行训练，在每一次迭代中，对所述训练医嘱信息-药品信息语义特征值粒度交互匹配特征向量进行校正。
第二方面，本发明提供了一种用于移动查房的辅助方法，所述方法包括：
通过移动信息采集终端识别患者信息和药品信息；
基于所述患者信息，提取医嘱信息；
对所述医嘱信息进行语义编码以得到医嘱信息语义编码特征向量；
对所述药品信息进行语义编码以得到药品信息语义编码特征向量；
对所述医嘱信息语义编码特征向量和所述药品信息语义编码特征向量进行基于语义特征值粒度的交互匹配分析以得到医嘱信息-药品信息语义特征值粒度交互匹配特征；
基于所述医嘱信息-药品信息语义特征值粒度交互匹配特征，确定是否生成药品错误预警提示；
其中，对所述医嘱信息语义编码特征向量和所述药品信息语义编码特征向量进行基于语义特征值粒度的交互匹配分析以得到医嘱信息-药品信息语义特征值粒度交互匹配特征，用于：使用语义特征值粒度交互匹配分析模块对所述医嘱信息语义编码特征向量和所述药品信息语义编码特征向量进行处理以得到医嘱信息-药品信息语义特征值粒度交互匹配特征向量作为所述医嘱信息-药品信息语义特征值粒度交互匹配特征；
其中，对所述医嘱信息语义编码特征向量和所述药品信息语义编码特征向量进行基于语义特征值粒度的交互匹配分析以得到医嘱信息-药品信息语义特征值粒度交互匹配特征，包括：使用所述语义特征值粒度交互匹配分析模块以如下语义元素交互匹配分析公式对所述医嘱信息语义编码特征向量和所述药品信息语义编码特征向量进行处理以得到所述医嘱信息-药品信息语义特征值粒度交互匹配特征向量；
其中，所述语义元素交互匹配分析公式为：
；
其中，和分别是所述医嘱信息语义编码特征向量和所述药品信息语义编码特征向量中各个位置的特征值，是所述医嘱信息-药品信息语义特征值粒度交互匹配特征向量中各个位置的特征值，和分别是所述医嘱信息语义编码特征向量和所述药品信息语义编码特征向量， 表示向量的级联，是变换矩阵，是偏置向量，是门限向量中各个位置的门限值，是所述门限值，，表示激活函数。
可选地，对所述医嘱信息进行语义编码以得到医嘱信息语义编码特征向量，包括：对所述医嘱信息进行分词处理以将所述医嘱信息转化为由多个第一词组成的第一词序列；将所述第一词序列中各个第一词映射到词向量以获得第一词向量的序列；以及，对所述第一词向量的序列进行基于全局的上下文语义编码以获得所述医嘱信息语义编码特征向量。
采用上述技术方案，通过基于患者信息，提取医嘱信息；对所述医嘱信息进行语义编码以得到医嘱信息语义编码特征向量；对药品信息进行语义编码以得到药品信息语义编码特征向量；对所述医嘱信息语义编码特征向量和所述药品信息语义编码特征向量进行基于语义特征值粒度的交互匹配分析以得到医嘱信息-药品信息语义特征值粒度交互匹配特征；基于所述医嘱信息-药品信息语义特征值粒度交互匹配特征，确定是否生成药品错误预警提示。这样，可以及时判断是否发生了用错药的情况，从而在用错药时及时发出药品错误预警，以确保用药安全。
本发明的其他特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
结合附图并参考以下具体实施方式，本发明各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，原件和元素不一定按照比例绘制。在附图中：
图1是根据一示例性实施例示出的一种用于移动查房的辅助系统的框图。
图2是根据一示例性实施例示出的一种用于移动查房的辅助方法的流程图。
图3是根据一示例性实施例示出的一种电子设备的框图。
图4是根据一示例性实施例示出的一种用于移动查房的辅助系统的应用场景图。
具体实施方式
下面将参照附图更详细地描述本发明的实施例。虽然附图中显示了本发明的某些实施例，然而应当理解的是，本发明可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例，相反提供这些实施例是为了更加透彻和完整地理解本发明。应当理解的是，本发明的附图及实施例仅用于示例性作用，并非用于限制本发明的保护范围。
应当理解，本发明的方法实施方式中记载的各个步骤可以按照不同的顺序执行，和/或并行执行。此外，方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本发明的范围在此方面不受限制。
本文使用的术语“包括”及其变形是开放性包括，即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”；术语“另一实施例”表示“至少一个另外的实施例”；术语“一些实施例”表示“至少一些实施例”。其他术语的相关定义将在下文描述中给出。
需要注意，本发明中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
需要注意，本发明中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。
本发明实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。
移动查房作为一种新兴的医疗服务模式，其在医疗行业中的应用具有多方面的优势和重要意义。
首先，移动查房能够提高医疗服务的效率和质量。医护人员通过使用平板电脑、智能手机等移动设备，可以实时查看和更新患者的电子病历、检查报告、医嘱信息等，从而确保了信息的准确性和及时性。这种即时的信息交流方式，有助于医护人员做出更快速、更准确的临床决策，提高了医疗服务的质量和患者的满意度。
其次，移动查房有助于优化医疗资源的配置。通过移动设备，医护人员可以随时随地进行查房，减少了对固定工作站的依赖，使得医疗资源得到了更加合理的利用。此外，移动查房还可以减少医护人员在病房之间的往返时间，让他们有更多的时间专注于患者的治疗和护理。
再者，移动查房可以提升患者的就医体验。患者可以通过移动设备直接与医护人员进行沟通，及时反馈自己的身体状况和需求，使得医疗服务更加个性化和人性化。同时，患者还可以通过移动设备查询自己的医疗信息，增加了医疗服务的透明度，有助于建立患者与医护人员之间的信任关系。
此外，移动查房还有助于提高医疗安全。医护人员可以通过移动设备及时接收到药品信息、手术通知等重要信息，避免了因信息传递不及时或不准确而导致的医疗差错。同时，移动查房还可以实现对医疗设备的远程监控和管理，确保了医疗设备的正常运行和使用安全。
用药错误在医疗过程中是一个需要高度关注的问题，它不仅关系到患者的安全和健康，也是医疗质量管理的重要组成部分。根据的定义，用药错误是指药品在临床使用及管理全过程中出现的、任何可以防范的用药疏失，这些疏失可导致患者发生潜在的或直接的损害。用药错误可发生于处方(医嘱)开具与传递、药品储存、调剂与分发、药品使用与监测、用药指导及药品管理、信息技术等多个环节。
传统的用药错误检测方法确实存在一些局限性。如所述，传统的检测主要依赖医护人员的手动核对，这种方法容易受到人为疏忽和疲劳的影响，存在漏检和误检的风险。此外，手动核对过程耗时且效率低下，同时，它需要医护人员花费大量时间和精力进行核对，这在繁忙的医疗环境下更容易出现问题。
为了解决这些问题，移动查房系统的引入为用药错误检测提供了新的解决方案。移动查房系统通过无线技术、移动数据终端、条码技术等的应用，实现电子病历移动化，如前文中提到的移动查房系统，可以实时更新和共享病人的临床信息，提高了医护人员在临床的决策效率和准确性。
针对上述技术问题，本申请的技术构思为通过移动信息采集终端识别采集患者信息和药品信息，并基于患者信息提取医嘱信息，以便在后端利用基于人工智能的数据处理和语义理解算法来进行医嘱信息和药品信息的语义分析和匹配判断，以此来判断是否发生了用错药的情况，从而在用错药时及时发出药品错误预警，以确保用药安全。
为了解决上述问题，本发明提供了一种用于移动查房的辅助系统及其方法，通过基于患者信息，提取医嘱信息；对所述医嘱信息进行语义编码以得到医嘱信息语义编码特征向量；对药品信息进行语义编码以得到药品信息语义编码特征向量；对所述医嘱信息语义编码特征向量和所述药品信息语义编码特征向量进行基于语义特征值粒度的交互匹配分析以得到医嘱信息-药品信息语义特征值粒度交互匹配特征；基于所述医嘱信息-药品信息语义特征值粒度交互匹配特征，确定是否生成药品错误预警提示。这样，可以及时判断是否发生了用错药的情况，从而在用错药时及时发出药品错误预警，以确保用药安全。
以下结合附图对本发明的具体实施方式进行详细说明。
图1是根据一示例性实施例示出的一种用于移动查房的辅助系统的框图。如图1所示，该辅助系统100包括：
患者和药品信息采集模块101，用于通过移动信息采集终端识别患者信息和药品信息；
医嘱信息提取模块102，用于基于所述患者信息，提取医嘱信息；
医嘱信息语义编码模块103，用于对所述医嘱信息进行语义编码以得到医嘱信息语义编码特征向量；
药品信息语义编码模块104，用于对所述药品信息进行语义编码以得到药品信息语义编码特征向量；
医嘱信息-药品信息语义特征值粒度交互匹配模块105，用于对所述医嘱信息语义编码特征向量和所述药品信息语义编码特征向量进行基于语义特征值粒度的交互匹配分析以得到医嘱信息-药品信息语义特征值粒度交互匹配特征；
药品错误预警模块106，用于基于所述医嘱信息-药品信息语义特征值粒度交互匹配特征，确定是否生成药品错误预警提示。
具体地，在本申请的技术方案中，首先，通过移动信息采集终端识别患者信息和药品信息，并基于所述患者信息，提取医嘱信息。接着，考虑到由于医嘱信息和药品信息可能存在多种表达方式和描述方式，其中也包含了大量的语义信息。为了将这些不同的表达方式信息转化为统一的语义特征，以此来更好地进行医嘱和药品的匹配，在本申请的技术方案中，需要对所述医嘱信息进行语义编码以得到医嘱信息语义编码特征向量，并对所述药品信息进行语义编码以得到药品信息语义编码特征向量。特别地，在本申请的一个具体示例中，可以分别对所述医嘱信息和所述药品信息进行基于词粒度的语义编码，以此来分别捕捉到所述医嘱信息和所述药品信息中基于词粒度的上下文语义理解特征，从而更好地分析所述医嘱信息和所述药品信息中的语义信息以进行两者的匹配和比对，以此来实现对用药是否错误的自动化分析和检测。
在本发明的一个实施例中，所述医嘱信息语义编码模块103，包括：第一分词单元，用于对所述医嘱信息进行分词处理以将所述医嘱信息转化为由多个第一词组成的第一词序列；第一嵌入编码单元，用于将所述第一词序列中各个第一词映射到词向量以获得第一词向量的序列；以及，第一上下文编码单元，用于对所述第一词向量的序列进行基于全局的上下文语义编码以获得所述医嘱信息语义编码特征向量。
在本发明的一个实施例中，所述药品信息语义编码模块104，包括：第二分词单元，用于对所述药品信息进行分词处理以将所述药品信息转化为由多个第二词组成的第二词序列；第二嵌入编码单元，用于将所述第二词序列中各个第二词映射到词向量以获得第二词向量的序列；以及，第二上下文编码单元，用于对所述第二词向量的序列进行基于全局的上下文语义编码以获得所述药品信息语义编码特征向量。
进一步地，考虑到由于医嘱信息和药品信息若是相匹配，则这两者之间的语义特征存在着语义关联关系。因此，为了更好地实现医嘱信息和药品信息之间的语义匹配和关联性分析，在本申请的技术方案中，可以通过对它们的语义编码特征向量进行基于语义特征值粒度的交互匹配分析。具体地，在本申请的技术方案中，进一步使用语义特征值粒度交互匹配分析模块对所述医嘱信息语义编码特征向量和所述药品信息语义编码特征向量进行处理以得到医嘱信息-药品信息语义特征值粒度交互匹配特征向量。通过对医嘱信息的语义编码特征和药品信息的语义编码特征进行基于语义特征值粒度的交互匹配分析，可以挖掘出隐藏在数据语义中的基于词粒度的潜在语义关联和规律，从而更好地捕捉医嘱语义和药品语义之间的语义相似性和关联性，为药物的正确性使用检测提供参考依据。
在本发明的一个实施例中，所述医嘱信息-药品信息语义特征值粒度交互匹配模块，用于：使用语义特征值粒度交互匹配分析模块对所述医嘱信息语义编码特征向量和所述药品信息语义编码特征向量进行处理以得到医嘱信息-药品信息语义特征值粒度交互匹配特征向量作为所述医嘱信息-药品信息语义特征值粒度交互匹配特征。
进一步地，所述医嘱信息-药品信息语义特征值粒度交互匹配模块105，用于：使用所述语义特征值粒度交互匹配分析模块以如下语义元素交互匹配分析公式对所述医嘱信息语义编码特征向量和所述药品信息语义编码特征向量进行处理以得到所述医嘱信息-药品信息语义特征值粒度交互匹配特征向量；其中，所述语义元素交互匹配分析公式为：
；
其中，和分别是所述医嘱信息语义编码特征向量和所述药品信息语义编码特征向量中各个位置的特征值，是所述医嘱信息-药品信息语义特征值粒度交互匹配特征向量中各个位置的特征值，和分别是所述医嘱信息语义编码特征向量和所述药品信息语义编码特征向量， 表示向量的级联，是变换矩阵，是偏置向量，是门限向量中各个位置的门限值，是所述门限值，，表示激活函数。
继而，再将所述医嘱信息-药品信息语义特征值粒度交互匹配特征向量通过基于分类器的用药分析器以得到分析结果，所述分析结果用于表示是否生成药品错误预警提示。也就是说，利用医嘱信息词粒度语义编码特征和药品信息词粒度语义编码特征之间基于语义特征值粒度的交互匹配特征信息来进行分类处理，以此来自动核对病人的医嘱信息和药品信息之间的匹配情况，从而判断是否发生了用错药的问题，以便在用错药时及时发出药品错误预警，以确保用药安全。
在本发明的一个实施例中，所述药品错误预警模块106，用于：将所述医嘱信息-药品信息语义特征值粒度交互匹配特征向量通过基于分类器的用药分析器以得到分析结果，所述分析结果用于表示是否生成药品错误预警提示。
进一步地，在本发明的一个实施例中，所述用于移动查房的辅助系统，还包括用于对所述语义特征值粒度交互匹配分析模块和所述基于分类器的用药分析器进行训练的训练模块。所述训练模块，包括：训练患者和药品信息采集单元，用于通过移动信息采集终端识别训练患者信息和训练药品信息；训练医嘱信息提取单元，用于基于所述训练患者信息，提取训练医嘱信息；训练医嘱信息语义编码单元，用于对所述训练医嘱信息进行语义编码以得到训练医嘱信息语义编码特征向量；训练药品信息语义编码单元，用于对所述训练药品信息进行语义编码以得到训练药品信息语义编码特征向量；训练医嘱信息-药品信息语义特征值粒度交互匹配单元，用于使用所述语义特征值粒度交互匹配分析模块对所述训练医嘱信息语义编码特征向量和所述训练药品信息语义编码特征向量进行处理以得到训练医嘱信息-药品信息语义特征值粒度交互匹配特征向量；训练药品错误预警单元，用于将所述训练医嘱信息-药品信息语义特征值粒度交互匹配特征向量通过所述基于分类器的用药分析器以得到分类损失函数值；训练单元，用于基于所述分类损失函数值对所述语义特征值粒度交互匹配分析模块和所述基于分类器的用药分析器进行训练，在每一次迭代中，对所述训练医嘱信息-药品信息语义特征值粒度交互匹配特征向量进行校正。
在以上说明的技术方案中，所述训练医嘱信息语义编码特征向量和所述训练药品信息语义编码特征向量分别表达训练医嘱信息和训练药品信息的编码语义特征，由此，使用语义特征值粒度交互匹配分析模块对所述训练医嘱信息语义编码特征向量和所述训练药品信息语义编码特征向量进行处理后，得到的所述训练医嘱信息-药品信息语义特征值粒度交互匹配特征向量也会具有不同融合信息重要性自适应平衡维度下的编码语义特征表达复杂性，也就是，所述训练医嘱信息-药品信息语义特征值粒度交互匹配特征向量会在高维语义特征空间内具有丰富的几何形状细节，从而在通过分类器进行分类以映射到类概率域时存在类别表示失真，即，影响了所述训练医嘱信息-药品信息语义特征值粒度交互匹配特征向量针对分类器预定类别的类别表示性，从而降低了分类结果的准确性。
基于此，本申请的申请人在每次所述训练医嘱信息-药品信息语义特征值粒度交互匹配特征向量通过分类器进行分类迭代时，对所述训练医嘱信息-药品信息语义特征值粒度交互匹配特征向量进行校正，表示为：在每一次迭代中，以如下优化公式对所述训练医嘱信息-药品信息语义特征值粒度交互匹配特征向量进行校正以得到校正后训练医嘱信息-药品信息语义特征值粒度交互匹配特征向量；其中，所述优化公式为：
；
其中，是所述训练医嘱信息-药品信息语义特征值粒度交互匹配特征向量通过分类器得到的类概率值，是所述训练医嘱信息-药品信息语义特征值粒度交互匹配特征向量的第个特征值，是所述训练医嘱信息-药品信息语义特征值粒度交互匹配特征向量的全部特征值的均值，表示所述训练医嘱信息-药品信息语义特征值粒度交互匹配特征向量的一范数，且是权重超参数，是所述训练医嘱信息-药品信息语义特征值粒度交互匹配特征向量，是校正后训练医嘱信息-药品信息语义特征值粒度交互匹配特征向量的第个特征值，表示计算以数值为幂的自然指数函数值。
具体地，在所述训练医嘱信息-药品信息语义特征值粒度交互匹配特征向量的类概率映射下保持高维特征流形的几何形状细节的同时，通过类概率的失真咨询的方式来对特征值自身细节相对于所述训练医嘱信息-药品信息语义特征值粒度交互匹配特征向量的特征集合的变分表示进行形状属性编辑，从而将所述训练医嘱信息-药品信息语义特征值粒度交互匹配特征向量的类概率失真映射到潜在类空间特征表示下，再通过补充基本的低秩约束式潜在反演表示来进行咨询融合，以弥合编辑咨询表示与原几何形状细节间的差距，提升了所述训练医嘱信息-药品信息语义特征值粒度交互匹配特征向量的高维特征的类别表示性，从而改进分类结果的准确性。这样，能够基于医嘱信息和药品信息之间基于语义特征值粒度的交互匹配来判断是否发生了用错药的情况，从而在用错药时及时发出药品错误预警，以防止用错药的情况发生，确保用药安全。
综上所述，采用上述方案，通过移动信息采集终端识别采集患者信息和药品信息，并基于患者信息提取医嘱信息，以便在后端利用基于人工智能的数据处理和语义理解算法来进行医嘱信息和药品信息的语义分析和匹配判断，以此来判断是否发生了用错药的情况，从而在用错药时及时发出药品错误预警，以确保用药安全。
图2是根据一示例性实施例示出的一种用于移动查房的辅助方法的流程图，如图2所示，该方法包括：
步骤201、通过移动信息采集终端识别患者信息和药品信息；
步骤202、基于所述患者信息，提取医嘱信息；
步骤203、对所述医嘱信息进行语义编码以得到医嘱信息语义编码特征向量；
步骤204、对所述药品信息进行语义编码以得到药品信息语义编码特征向量；
步骤205、对所述医嘱信息语义编码特征向量和所述药品信息语义编码特征向量进行基于语义特征值粒度的交互匹配分析以得到医嘱信息-药品信息语义特征值粒度交互匹配特征；
步骤206、基于所述医嘱信息-药品信息语义特征值粒度交互匹配特征，确定是否生成药品错误预警提示。
在本发明的一个实施例中，对所述医嘱信息进行语义编码以得到医嘱信息语义编码特征向量，包括：对所述医嘱信息进行分词处理以将所述医嘱信息转化为由多个第一词组成的第一词序列；将所述第一词序列中各个第一词映射到词向量以获得第一词向量的序列；以及，对所述第一词向量的序列进行基于全局的上下文语义编码以获得所述医嘱信息语义编码特征向量。
下面参考图3，其示出了适于用来实现本发明实施例的电子设备600的结构示意图。本发明实施例中的终端设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图3示出的电子设备仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
如图3所示，电子设备600可以包括处理装置(例如中央处理器、图形处理器等)601，其可以根据存储在只读存储器(ROM)602中的程序或者从存储装置608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。在RAM603中，还存储有电子设备600操作所需的各种程序和数据。处理装置601、ROM602以及RAM603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。
通常，以下装置可以连接至I/O接口605：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置606；包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置607；包括例如磁带、硬盘等的存储装置608；以及通信装置609。通信装置609可以允许电子设备600与其他设备进行无线或有线通信以交换数据。虽然图3示出了具有各种装置的电子设备600，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。
特别地，根据本发明的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本发明的实施例包括一种计算机程序产品，其包括承载在非暂态计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信装置609从网络上被下载和安装，或者从存储装置608被安装，或者从ROM602被安装。在该计算机程序被处理装置601执行时，执行本发明实施例的方法中限定的上述功能。
需要说明的是，本发明上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本发明中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本发明中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、RF(射频)等等，或者上述的任意合适的组合。
在一些实施方式中，客户端、服务器可以利用诸如HTTP(HyperTextTransferProtocol，超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信，并且可以与任意形式或介质的数字数据通信(例如，通信网络)互连。通信网络的示例包括局域网(“LAN”)，广域网(“WAN”)，网际网(例如，互联网)以及端对端网络(例如，ad hoc端对端网络)，以及任何当前已知或未来研发的网络。
上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明的操作的计算机程序代码，上述程序设计语言包括但不限于面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言——诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)——连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图，图示了按照本发明各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
描述于本发明实施例中所涉及到的模块可以通过软件的方式实现，也可以通过硬件的方式来实现。其中，模块的名称在某种情况下并不构成对该模块本身的限定，例如，测试参数获取模块还可以被描述为“获取目标设备对应的设备测试参数的模块”。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。
在本发明的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
图4是根据一示例性实施例示出的一种用于移动查房的辅助系统的应用场景图。如图4所示，在该应用场景中，首先，通过移动信息采集终端识别患者信息（例如，图4中所示意的C1）和药品信息（例如，图4中所示意的C2）；然后，将获取的患者信息和药品信息输入至部署有用于移动查房的辅助算法的服务器（例如，图4中所示意的S）中，其中所述服务器能够基于用于移动查房的辅助算法对所述患者信息和药品信息进行处理，以确定是否生成药品错误预警提示。
以上描述仅为本发明的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本发明中所涉及的公开范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述公开构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本发明中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
此外，虽然采用特定次序描绘了各操作，但是这不应当理解为要求这些操作以所示出的特定次序或以顺序次序执行来执行。在一定环境下，多任务和并行处理可能是有利的。同样地，虽然在上面论述中包含了若干具体实现细节，但是这些不应当被解释为对本发明的范围的限制。在单独的实施例的上下文中描述的某些特征还可以组合地实现在单个实施例中。相反地，在单个实施例的上下文中描述的各种特征也可以单独地或以任何合适的子组合的方式实现在多个实施例中。
尽管已经采用特定于结构特征和/或方法逻辑动作的语言描述了本主题，但是应当理解所附权利要求书中所限定的主题未必局限于上面描述的特定特征或动作。相反，上面所描述的特定特征和动作仅仅是实现权利要求书的示例形式。关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。
Claims (8)
1.一种用于移动查房的辅助系统，其特征在于，包括：
患者和药品信息采集模块，用于通过移动信息采集终端识别患者信息和药品信息；
医嘱信息提取模块，用于基于所述患者信息，提取医嘱信息；
医嘱信息语义编码模块，用于对所述医嘱信息进行语义编码以得到医嘱信息语义编码特征向量；
药品信息语义编码模块，用于对所述药品信息进行语义编码以得到药品信息语义编码特征向量；
医嘱信息-药品信息语义特征值粒度交互匹配模块，用于对所述医嘱信息语义编码特征向量和所述药品信息语义编码特征向量进行基于语义特征值粒度的交互匹配分析以得到医嘱信息-药品信息语义特征值粒度交互匹配特征；
药品错误预警模块，用于基于所述医嘱信息-药品信息语义特征值粒度交互匹配特征，确定是否生成药品错误预警提示；
其中，所述医嘱信息-药品信息语义特征值粒度交互匹配模块，用于：使用语义特征值粒度交互匹配分析模块对所述医嘱信息语义编码特征向量和所述药品信息语义编码特征向量进行处理以得到医嘱信息-药品信息语义特征值粒度交互匹配特征向量作为所述医嘱信息-药品信息语义特征值粒度交互匹配特征；
其中，所述医嘱信息-药品信息语义特征值粒度交互匹配模块，包括：使用所述语义特征值粒度交互匹配分析模块以如下语义元素交互匹配分析公式对所述医嘱信息语义编码特征向量和所述药品信息语义编码特征向量进行处理以得到所述医嘱信息-药品信息语义特征值粒度交互匹配特征向量；
其中，所述语义元素交互匹配分析公式为：
；
其中，和分别是所述医嘱信息语义编码特征向量和所述药品信息语义编码特征向量中各个位置的特征值，是所述医嘱信息-药品信息语义特征值粒度交互匹配特征向量中各个位置的特征值，和分别是所述医嘱信息语义编码特征向量和所述药品信息语义编码特征向量， 表示向量的级联，是变换矩阵，是偏置向量，是门限向量中各个位置的门限值，是所述门限值，，表示激活函数。
2.根据权利要求1所述的用于移动查房的辅助系统，其特征在于，所述医嘱信息语义编码模块，包括：
第一分词单元，用于对所述医嘱信息进行分词处理以将所述医嘱信息转化为由多个第一词组成的第一词序列；
第一嵌入编码单元，用于将所述第一词序列中各个第一词映射到词向量以获得第一词向量的序列；
第一上下文编码单元，用于对所述第一词向量的序列进行基于全局的上下文语义编码以获得所述医嘱信息语义编码特征向量。
3.根据权利要求2所述的用于移动查房的辅助系统，其特征在于，所述药品信息语义编码模块，包括：
第二分词单元，用于对所述药品信息进行分词处理以将所述药品信息转化为由多个第二词组成的第二词序列；
第二嵌入编码单元，用于将所述第二词序列中各个第二词映射到词向量以获得第二词向量的序列；
第二上下文编码单元，用于对所述第二词向量的序列进行基于全局的上下文语义编码以获得所述药品信息语义编码特征向量。
4.根据权利要求3所述的用于移动查房的辅助系统，其特征在于，所述药品错误预警模块，用于：将所述医嘱信息-药品信息语义特征值粒度交互匹配特征向量通过基于分类器的用药分析器以得到分析结果，所述分析结果用于表示是否生成药品错误预警提示。
5.根据权利要求4所述的用于移动查房的辅助系统，其特征在于，还包括用于对所述语义特征值粒度交互匹配分析模块和所述基于分类器的用药分析器进行训练的训练模块。
6.根据权利要求5所述的用于移动查房的辅助系统，其特征在于，所述训练模块，包括：
训练患者和药品信息采集单元，用于通过移动信息采集终端识别训练患者信息和训练药品信息；
训练医嘱信息提取单元，用于基于所述训练患者信息，提取训练医嘱信息；
训练医嘱信息语义编码单元，用于对所述训练医嘱信息进行语义编码以得到训练医嘱信息语义编码特征向量；
训练药品信息语义编码单元，用于对所述训练药品信息进行语义编码以得到训练药品信息语义编码特征向量；
训练医嘱信息-药品信息语义特征值粒度交互匹配单元，用于使用所述语义特征值粒度交互匹配分析模块对所述训练医嘱信息语义编码特征向量和所述训练药品信息语义编码特征向量进行处理以得到训练医嘱信息-药品信息语义特征值粒度交互匹配特征向量；
训练药品错误预警单元，用于将所述训练医嘱信息-药品信息语义特征值粒度交互匹配特征向量通过所述基于分类器的用药分析器以得到分类损失函数值；
训练单元，用于基于所述分类损失函数值对所述语义特征值粒度交互匹配分析模块和所述基于分类器的用药分析器进行训练，在每一次迭代中，对所述训练医嘱信息-药品信息语义特征值粒度交互匹配特征向量进行校正。
7.一种用于移动查房的辅助方法，其特征在于，包括：
通过移动信息采集终端识别患者信息和药品信息；
基于所述患者信息，提取医嘱信息；
对所述医嘱信息进行语义编码以得到医嘱信息语义编码特征向量；
对所述药品信息进行语义编码以得到药品信息语义编码特征向量；
对所述医嘱信息语义编码特征向量和所述药品信息语义编码特征向量进行基于语义特征值粒度的交互匹配分析以得到医嘱信息-药品信息语义特征值粒度交互匹配特征；
基于所述医嘱信息-药品信息语义特征值粒度交互匹配特征，确定是否生成药品错误预警提示；
其中，对所述医嘱信息语义编码特征向量和所述药品信息语义编码特征向量进行基于语义特征值粒度的交互匹配分析以得到医嘱信息-药品信息语义特征值粒度交互匹配特征，用于：使用语义特征值粒度交互匹配分析模块对所述医嘱信息语义编码特征向量和所述药品信息语义编码特征向量进行处理以得到医嘱信息-药品信息语义特征值粒度交互匹配特征向量作为所述医嘱信息-药品信息语义特征值粒度交互匹配特征；
其中，对所述医嘱信息语义编码特征向量和所述药品信息语义编码特征向量进行基于语义特征值粒度的交互匹配分析以得到医嘱信息-药品信息语义特征值粒度交互匹配特征，包括：使用所述语义特征值粒度交互匹配分析模块以如下语义元素交互匹配分析公式对所述医嘱信息语义编码特征向量和所述药品信息语义编码特征向量进行处理以得到所述医嘱信息-药品信息语义特征值粒度交互匹配特征向量；
其中，所述语义元素交互匹配分析公式为：
；
其中，和分别是所述医嘱信息语义编码特征向量和所述药品信息语义编码特征向量中各个位置的特征值，是所述医嘱信息-药品信息语义特征值粒度交互匹配特征向量中各个位置的特征值，和分别是所述医嘱信息语义编码特征向量和所述药品信息语义编码特征向量， 表示向量的级联，是变换矩阵，是偏置向量，是门限向量中各个位置的门限值，是所述门限值，，表示激活函数。
8.根据权利要求7所述的用于移动查房的辅助方法，其特征在于，对所述医嘱信息进行语义编码以得到医嘱信息语义编码特征向量，包括：
对所述医嘱信息进行分词处理以将所述医嘱信息转化为由多个第一词组成的第一词序列；
将所述第一词序列中各个第一词映射到词向量以获得第一词向量的序列；
对所述第一词向量的序列进行基于全局的上下文语义编码以获得所述医嘱信息语义编码特征向量。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410591254.9A CN118197534B (zh) | 2024-05-14 | 2024-05-14 | 用于移动查房的辅助系统及其方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410591254.9A CN118197534B (zh) | 2024-05-14 | 2024-05-14 | 用于移动查房的辅助系统及其方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN118197534A CN118197534A (zh) | 2024-06-14 |
| CN118197534B true CN118197534B (zh) | 2024-07-09 |
Family
ID=91405280
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410591254.9A Active CN118197534B (zh) | 2024-05-14 | 2024-05-14 | 用于移动查房的辅助系统及其方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN118197534B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118520115A (zh) * | 2024-06-20 | 2024-08-20 | 浙江亥尔时科技有限公司 | 基于rpa和ai技术的信息管理系统及方法 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108538395A (zh) * | 2018-04-02 | 2018-09-14 | 上海市儿童医院 | 一种通用的医疗专病数据系统的构建方法 |
| CN112802575A (zh) * | 2021-04-10 | 2021-05-14 | 浙江大学 | 基于图形状态机的用药决策支持方法、装置、设备、介质 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117116498A (zh) * | 2023-10-23 | 2023-11-24 | 吉林大学 | 移动查房数据处理系统及其方法 |
| CN117235630B (zh) * | 2023-11-15 | 2024-03-05 | 吉林大学 | 智慧病区可视化管理系统及其方法 |
| CN117523593B (zh) * | 2024-01-02 | 2024-03-12 | 吉林大学 | 患者病历数据处理方法及系统 |
-
2024
- 2024-05-14 CN CN202410591254.9A patent/CN118197534B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108538395A (zh) * | 2018-04-02 | 2018-09-14 | 上海市儿童医院 | 一种通用的医疗专病数据系统的构建方法 |
| CN112802575A (zh) * | 2021-04-10 | 2021-05-14 | 浙江大学 | 基于图形状态机的用药决策支持方法、装置、设备、介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN118197534A (zh) | 2024-06-14 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108427939B (zh) | 模型生成方法和装置 | |
| CN111767371B (zh) | 一种智能问答方法、装置、设备及介质 | |
| CN118197534B (zh) | 用于移动查房的辅助系统及其方法 | |
| US20230394671A1 (en) | Image segmentation method and apparatus, and device, and storage medium | |
| CN107766574A (zh) | 数据查询方法及装置、数据存储方法及装置 | |
| CN113963770A (zh) | 报告文件生成方法、装置、计算机设备及其存储介质 | |
| CN112309565B (zh) | 用于匹配药品信息和病症信息的方法、装置、电子设备和介质 | |
| CN111367791B (zh) | 一种生成测试用例的方法、装置、介质和电子设备 | |
| CN112786129A (zh) | 病例数据的分析方法、装置、电子设备及存储介质 | |
| CN111523309A (zh) | 药品信息归一化的方法、装置、存储介质及电子设备 | |
| CN111192643A (zh) | 病历数据处理方法及相关设备 | |
| CN113807056B (zh) | 一种文档名称序号纠错方法、装置和设备 | |
| CN115762704A (zh) | 一种处方审核方法、装置、设备和存储介质 | |
| CN113032469B (zh) | 文本结构化模型训练、医疗文本结构化方法及装置 | |
| CN111680754B (zh) | 图像分类方法、装置、电子设备及计算机可读存储介质 | |
| CN113220896A (zh) | 多来源知识图谱生成方法、装置、终端设备 | |
| CN118248336B (zh) | 患者感染风险评估系统及方法 | |
| CN112699872A (zh) | 表单审核处理方法及装置、电子设备和存储介质 | |
| CN118197548B (zh) | 肠内营养补充方法及系统 | |
| CN113077353B (zh) | 用于生成核保结论的方法、装置、电子设备和介质 | |
| CN116469576B (zh) | 纠纷事件识别方法、装置、电子设备和计算机可读介质 | |
| CN114566244B (zh) | 电子病历质量评估方法、装置及计算机可读存储介质 | |
| CN117764204B (zh) | 一种医学领域中的强化学习数据构建方法及系统 | |
| CN112070025B (zh) | 图像识别方法、装置、电子设备和计算机可读介质 | |
| CN116503849B (zh) | 异常地址识别方法、装置、电子设备与计算机可读介质 |
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 |