CN107564590B - 处理数据的方法和装置 - Google Patents
处理数据的方法和装置 Download PDFInfo
- Publication number
- CN107564590B CN107564590B CN201610504697.5A CN201610504697A CN107564590B CN 107564590 B CN107564590 B CN 107564590B CN 201610504697 A CN201610504697 A CN 201610504697A CN 107564590 B CN107564590 B CN 107564590B
- Authority
- CN
- China
- Prior art keywords
- data
- medical
- treatment
- medical knowledge
- visit
- 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
Classifications
-
- 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
- Medical Treatment And Welfare Office Work (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
一种处理数据的方法和装置,该方法包括以下步骤:从医学文本或医院获得多条医学知识数据,生成由所述多条医学知识数据组成的医学知识库;获取多个患者的多条就诊数据,生成由所述多条就诊数据组成的就诊数据库,其中每个患者具有至少一条就诊数据,每条就诊数据包含多个就诊数据项;对于每条就诊数据,根据所述多个就诊数据项中的部分就诊数据项,在所述医学知识库中搜索与所述每条就诊数据关联的关联医学知识数据,并根据搜索结果生成所述每条就诊数据的关联数据,获得由所述关联数据组成的关联数据表。
Description
技术领域
本发明涉及处理数据的方法和装置,尤其涉及处理医学数据的方法和装置。
背景技术
随着信息化的推进,包括电子病历在内的各类健康数据,已经呈现出爆发性增长的态势,数据量是过去的数十倍。这些数据包含大量的非结构化的数据,例如医疗影像、药品说明书等,而临床的大量影像文件也是医生诊断的重要依据。医疗信息化需要将数据转化为宝贵的资源,有效地应用结构性和非结构性数据,从而创造最大价值。
为了有效降低医疗风险,提高医疗质量,需要专业人员对患者的实际就诊数据进行分析。然而,患者的实际就诊数据量庞大,靠专业人员进行分析的效率会极低。因此,需要一种能够提高分析效率的技术。
发明内容
本发明提供一种处理数据的方法,包括以下步骤:从医学文本或医院获得多条医学知识数据,生成由所述多条医学知识数据组成的医学知识库;获取多个患者的多条就诊数据,生成由所述多条就诊数据组成的就诊数据库,其中每个患者具有至少一条就诊数据,每条就诊数据包含多个就诊数据项;对于每条就诊数据,根据所述多个就诊数据项中的部分就诊数据项,在所述医学知识库中搜索与所述每条就诊数据关联的关联医学知识数据,并根据搜索结果生成所述每条就诊数据的关联数据,获得由所述关联数据组成的关联数据表。
其中,利用自然语言处理技术,从所述医学文本中提取出所述多条医学知识数据。如此,可以得到专业的医学知识数据。
其中,所述部分就诊数据项包含就诊病种、就诊症状、就诊治疗药物,每条医学知识数据至少包括医学知识数据序号、医学病种、医学症状、医学治疗药物,将所述每条就诊数据分别作为当前就诊数据,如下生成所述关联数据:
a)在所述医学知识库中搜索所述医学病种、所述医学症状、所述医学治疗药物与所述当前就诊数据的就诊病种、就诊症状、就诊治疗药物分别一一匹配的医学知识数据,如果搜索到,则进入步骤e),否则进入步骤b),
b)在所述医学知识库中搜索所述医学症状、所述医学治疗药物与所述当前就诊数据的所述就诊症状、所述就诊治疗药物分别一一匹配的医学知识数据,如果搜索到,则进入步骤d),否则进入步骤c),
c)在所述医学知识库中搜索所述医学治疗药物与所述当前就诊数据的所述就诊治疗药物匹配的医学知识数据,如果搜索到,则进入步骤d),否则进入步骤f),
d)根据所述医学知识库,判断搜索到的医学知识数据的医学病种是否与所述当前就诊数据的所述就诊病种相关,如果是,则进入步骤e),否则进入f),
e)将搜索到的医学知识数据作为所述当前就诊数据的关联医学知识数据,并生成所述当前就诊数据的所述关联数据,所述关联数据包含所述当前就诊数据的部分数据以及所述关联医学知识数据的医学知识数据序号、医学病种、医学症状、医学治疗药物,所述部分数据是所述当前就诊数据中除了所述就诊病种、所述就诊症状、所述就诊治疗药物之外的数据,
f)确定所述医学知识库中没有搜索到所述当前就诊数据的关联医学知识数据,并将所述当前就诊数据作为所述关联数据。
如此,通过关联数据,可以获得关联数据表,从而获得更加完整、且符合实际情况的患者就诊数据。
其中,每条医学知识数据进一步包括医学相关病种,判断所述搜索到的医学知识数据的所述医学相关病种是否与所述当前就诊数据的所述就诊病种相同,如果相同,则判断所述搜索到的医学知识数据的医学病种与所述当前就诊数据的所述就诊病种相关,否则不相关。
本发明还提供一种处理数据的装置,所述装置包括:医学知识库生成单元,用于从医学文本或医院获得多条医学知识数据,生成由所述多条医学知识数据组成的医学知识库;就诊数据库生成单元,用于获取多个患者的多条就诊数据,生成由所述多条就诊数据组成的就诊数据库,其中每个患者具有至少一条就诊数据,每条就诊数据包含多个就诊数据项;关联数据表生成单元,用于对于每条就诊数据,根据所述多个就诊数据项中的部分就诊数据项,在所述医学知识库中搜索与所述每条就诊数据关联的关联医学知识数据,并根据搜索结果生成所述每条就诊数据的关联数据,获得由所述关联数据组成的关联数据表。
通过本发明的方法和装置生成的关联数据表,可以对医疗行为的不恰当用药、药物副作用等等进行分析和监测,从而可以有效降低医疗风险,提高医疗质量,并减少医疗开支。另外,通过上述关联数据表,无需专业人员即可进行高效率地分析和监测。
附图说明
图1是根据本发明的实施例的处理数据的装置的示意图;
图2是根据本发明的实施例的处理数据的方法的流程图;
图3是图2中的步骤S23的具体流程图。
具体实施方式
下面结合附图,对本发明的实施例进行详细说明。
图1是根据本发明的实施例的处理数据的装置10的示意图,该装置10包括医学知识库生成单元11、就诊数据库生成单元12和关联数据表生成单元13。图2是根据本发明的实施例的处理数据的方法的流程图。
如图2所示,在步骤S21,医学知识库生成单元11从医学文本或医院获得多条医学知识数据,生成由所述多条医学知识数据组成的医学知识库。这里,医学知识库生成单元11利用自然语言处理技术,从医学文本中提取出多条医学知识数据。其中,医学文本包括医学文献以及药品说明书等等。这里,自然语言处理技术是常规的对关键字进行提取并归类的技术,因此不再详述。
另外,可以从医院的医生处直接获取医学知识,并将获取的医学知识输入医学知识库生成单元11,从而获得多条医学知识数据。然后,生成由多条医学知识数据组成的医学知识库。表1显示了该医学知识库中的部分医学知识数据的内容。
表1
如表1所示,每条医学知识数据可以包括医学知识数据序号、医学病种、医学症状、医学治疗药物、医学相关病种、医学检查、医学检查结果等等。
在步骤S22,就诊数据库生成单元12获取多个患者的多条就诊数据,生成由多条就诊数据组成的就诊数据库,其中每个患者具有至少一条就诊数据,每条就诊数据包含多个就诊数据项。
就诊数据库生成单元12从医院的医生处获取每位患者的临床数据,经过结构化处理,得到多条就诊数据,并生成就诊数据库。表2显示了该就诊数据库中的部分就诊数据的内容。
表2
如表2所示,每条就诊数据包含多个就诊数据项,例如,就诊数据序号、患者姓名、患者年龄、患者性别、就诊病种、就诊症状、就诊治疗药物、就诊检查、就诊检查结果等等。
另外,表1和表2中,具体数据后的括号内是其相应的医学编号,例如,1型糖尿病(D01)后的括号内的D01是1型糖尿病的医学编号。
在步骤S23,对于每条就诊数据,关联数据表生成单元13,根据多个就诊数据项中的部分就诊数据项,在医学知识库中搜索与每条就诊数据关联的关联医学知识数据,并根据搜索结果生成每条就诊数据的关联数据,获得由关联数据组成的关联数据表。本实施例中,部分就诊数据项包含就诊病种、就诊症状、就诊治疗药物。部分就诊数据项可以是其他项目,而不局限于本发明的实施例。
图3是图2中步骤S23的具体流程图。关联数据表生成单元13将就诊数据库中的每条就诊数据分别作为当前就诊数据,生成关联数据表。
具体的,例如,关联数据表生成单元13将第21号就诊数据作为当前就诊数据。在步骤S231,关联数据表生成单元13在表1所示的医学知识库中搜索医学病种、医学症状、医学治疗药物与第21号就诊数据的就诊病种(1型糖尿病(D01))、就诊症状(多饮(C01))、就诊治疗药物(999感冒冲剂(P04))分别一一匹配的医学知识数据,如果搜索到,则进入步骤S236,否则进入步骤S232。对于第21号就诊数据,没有搜索到与“1型糖尿病(D01)”、“多饮(C01)”,、“999感冒冲剂(P04)”分别一一匹配的医学知识数据,因此进入步骤S232。
在步骤S232,关联数据表生成单元13在医学知识库中搜索医学症状、医学治疗药物与第21号就诊数据的就诊症状(多饮(C01))、就诊治疗药物(999感冒冲剂(P04))分别一一匹配的医学知识数据,如果搜索到,则进入步骤S234,否则进入步骤S233。对于第21号就诊数据,没有搜索到与“多饮(C01)”,、“999感冒冲剂(P04)”分别一一匹配的医学知识数据,因此进入步骤S233。
在步骤S233,关联数据表生成单元13在医学知识库中搜索医学治疗药物与第21号就诊数据的就诊治疗药物(999感冒冲剂(P04))匹配的医学知识数据,如果搜索到,则进入步骤S234,否则进入步骤S235。对于第21号就诊数据,搜索到与“999感冒冲剂(P04)”匹配的第15号医学知识数据,并进入步骤S24。
在步骤S234,关联数据表生成单元13根据医学知识库,判断搜索到的第15号医学知识数据的医学病种(流行性病毒感冒(D05))是否与第21号就诊数据的就诊病种(1型糖尿病(D01))相关,如果是,则进入步骤S236,否则进入步骤S235。
如上所述,每条医学知识数据包括医学相关病种,在步骤S234,关联数据表生成单元13判断第15号医学知识数据的医学相关病种(细菌性肠炎(D06))是否与第21号就诊数据的就诊病种(1型糖尿病(D01))相同。这里,两者不相同,则判断第15号医学知识数据的医学病种(流行性病毒感冒(D05))与第21号就诊数据的就诊病种(1型糖尿病(D01))不相关,并进入步骤S235。
在步骤S235,关联数据表生成单元13确定医学知识库中没有搜索到与第21号就诊数据关联的关联医学知识数据,并将第21号就诊数据作为其关联数据。参见表3,表3是关联数据表生成单元13生成的关联数据表的部分内容,对于第21号就诊数据,生成第1号关联数据(即,关联数据序号为1)。第21号就诊数据作为第1号关联数据,即,“1型糖尿病(D01”、“多饮(C01)”、“999感冒冲剂(P04)”等等。由于没有搜索到关联医学知识数据,因此第1号关联数据中没有关联医学知识数据的序号,即,该项目为空。
另外,例如,如果针对一条就诊数据(表2中未示出),在步骤S233处,没有搜索到与该条就诊数据的就诊治疗药物匹配的医学知识数据,那么就进入步骤S235。并如上所述,在步骤S235,将该条就诊数据作为其关联数据。
表3
另外,例如,将第27号就诊数据作为当前就诊数据,在步骤S231处没有搜索到,因此进入步骤S232。在步骤S232处,搜索到与第27号就诊数据的就诊症状(腹泻(C15)),就诊治疗药物(泻痢停(P07))分别一一匹配的第16号医学知识数据,并进入步骤S234。
在步骤S234,如上所述,判断出第16号医学知识数据的相关医学病种(流行性病毒感冒(D05))与第27号就诊数据中的就诊病种(流行性病毒感冒(D05))相同,那么进入步骤S236。
在步骤S236,关联数据表生成单元13将搜索到的第16号医学知识数据作为第27号就诊数据的关联医学知识数据,并生成第27号就诊数据的关联数据(表3中的第7号关联数据),第7号关联数据包含第27号就诊数据的部分数据以及第16号医学知识数据的医学知识数据序号、医学病种、医学症状、医学治疗药物。如表3所示,第7号关联数据是第27号就诊数据的关联数据,第7号关联数据包括第16号医学知识数据的医学知识数据序号(16)、医学病种(细菌性肠炎(D06))、医学症状(腹泻(C15))、医学治疗药物(泻痢停(P07))以及第27号就诊数据的部分数据。这里,第27号就诊数据的部分数据是指除了第27号就诊数据中的就诊病种、就诊症状、就诊治疗药物之外的数据。
同理,按照上述步骤,关联数据表生成单元13分别生成第22号到第27号就诊数据各自的关联数据,即,第2-6号关联数据。
如表2所示,患者“刘志”具有两条就诊数据,即,第26和27条就诊数据。该患者实际上患有两种疾病,即,流行性病毒感冒和细菌性肠炎。但是,实际情况是,医生仅仅记录了流行性病毒感冒及其全部相关数据(即,第26条就诊数据)。而对于细菌性肠炎这一病种,只记录了就诊症状和就诊治疗药物(即,第27号就诊数据),而缺少“细菌性肠炎”这一病种的记录,也就是说,第27号就诊数据是不完整的。
通过本发明的上述方法,对于第27号就诊数据最终生成的第7条关联数据为:病种是细菌性肠炎(D06),症状是腹泻(C15),治疗药物是泻痢停(P07),与实际情况相符。也就是说,本发明可以将医生缺少的就诊记录(细菌性肠炎(D06))补全到关联数据表中。因此,通过本发明的上述方法生成的关联数据表,可以获得更加完整、且符合实际情况的患者就诊数据。
具体应用一
如表3所示,第1号关联数据中的关联医学知识数据序号为空,则表示患者“张三”的第21号就诊数据是不恰当的,其实际的就诊治疗药物是不恰当的。而第2到第7条关联数据中的关联医学知识数据序号都有相应的数据,则表示患者“王琴”、“周季”、“李九”、“刘志”各自的就诊数据都是恰当的,他们实际的就诊治疗药物是恰当的。因此,通过搜索关联数据表中关联医学知识数据序号为空的关联数据,可以搜索到对于患者的治疗药物不恰当的记录,以便进行相关统计和分析。
具体应用二
另外,可以利用本发明生成的关联数据表,搜索到某个药物的副作用数据,并进行统计和分析。例如,需要搜索药物“单胺氧化酶抑制剂(P05)”的副作用数据。
如表3所示,第3、4号关联数据是患者“周季”的关联数据,患者“周季”患有抑郁症和支气管炎,因此同时服用了单胺氧化酶抑制剂和复方甘草片。从表3中可以看出,第3、4号关联数据中的血压测量的结果都是“高(H)”。将第3号关联数据中的血压测量的结果(高)与关联医学知识数据(即,第13号医学知识数据)中的血压测量的结果(正常)进行比较,可以看出,第3号关联数据中的血压测量的结果异常,即出现药物副作用。同样,将第4号关联数据中的血压测量的结果(高)与关联医学知识数据(即,第14号医学知识数据)中的血压测量的结果(正常)进行比较,可以看出,第4号关联数据中的血压测量的结果异常,即出现药物副作用。
由于单胺氧化酶抑制剂和复方甘草片都可能导致血压临时升高,所以,第3条关联数据不能作为药物“单胺氧化酶抑制剂(P05)”的副作用数据。
此外,如表3所示,第5号关联数据是患者“李九”的关联数据,将第5号关联数据中的血压测量的结果(高)与关联医学知识数据(即,第13号医学知识数据)中的血压测量的结果(正常)进行比较,可以看出,第5号关联数据中的血压测量的结果异常,即出现药物副作用。
由于患者“李九”只患有抑郁症,在治疗期间只服用过单胺氧化酶抑制剂,因此,第5号关联数据可以作为药物“单胺氧化酶抑制剂(P05)”的副作用数据。
如上所述,可以从关联数据表中搜索到某个药物,例如“单胺氧化酶抑制剂(P05)”的副作用数据,以便进行相关统计和分析。
通过本发明生成的关联数据表,可以对医疗行为的不恰当用药、药物副作用等等进行分析和监测,从而可以有效降低医疗风险,提高医疗质量,并减少医疗开支。另外,通过上述关联数据表,无需专业人员即可进行高效率地分析和监测。
虽然本发明的特定实施例已被描述,但这些实施例只通过实例的方式进行表述,并不意欲限制本发明的范围。实际上,本文描述的创新方法可以通过各种其他形式实施;此外,也可以进行对本文描述的方法和***的各种省略、替代和改变而不背离本发明的精神。附后的权利要求及其等同内容的目的是涵盖落入本发明的范围和精神内的这样的各种形式或修改。
Claims (6)
1.一种处理数据的方法,其特征在于,所述方法包括以下步骤:
从医学文本或医院获得多条医学知识数据,生成由所述多条医学知识数据组成的医学知识库,每条医学知识数据至少包括医学知识数据序号、医学病种、医学症状、医学治疗药物;
获取多个患者的多条就诊数据,生成由所述多条就诊数据组成的就诊数据库,其中每个患者具有至少一条就诊数据,每条就诊数据包含多个就诊数据项;
对于每条就诊数据,根据所述多个就诊数据项中的部分就诊数据项,在所述医学知识库中搜索与所述每条就诊数据关联的关联医学知识数据,并根据搜索结果生成所述每条就诊数据的关联数据,获得由所述关联数据组成的关联数据表,
所述部分就诊数据项包含就诊病种、就诊症状、就诊治疗药物,将所述每条就诊数据分别作为当前就诊数据,如下生成所述关联数据:
a)在所述医学知识库中搜索所述医学病种、所述医学症状、所述医学治疗药物与所述当前就诊数据的就诊病种、就诊症状、就诊治疗药物分别一一匹配的医学知识数据,如果搜索到,则进入步骤e),否则进入步骤b),
b)在所述医学知识库中搜索所述医学症状、所述医学治疗药物与所述当前就诊数据的所述就诊症状、所述就诊治疗药物分别一一匹配的医学知识数据,如果搜索到,则进入步骤d),否则进入步骤c),
c)在所述医学知识库中搜索所述医学治疗药物与所述当前就诊数据的所述就诊治疗药物匹配的医学知识数据,如果搜索到,则进入步骤d),否则进入步骤f),
d)根据所述医学知识库,判断搜索到的医学知识数据的医学病种是否与所述当前就诊数据的所述就诊病种相关,如果是,则进入步骤e),否则进入f),
e)将搜索到的医学知识数据作为所述当前就诊数据的关联医学知识数据,并生成所述当前就诊数据的所述关联数据,所述关联数据包含所述当前就诊数据的部分数据以及所述关联医学知识数据的医学知识数据序号、医学病种、医学症状、医学治疗药物,所述部分数据是所述当前就诊数据中除了所述就诊病种、所述就诊症状、所述就诊治疗药物之外的数据,
f)确定所述医学知识库中没有搜索到所述当前就诊数据的关联医学知识数据,并将所述当前就诊数据作为所述关联数据。
2.如权利要求1所述的方法,其特征在于,利用自然语言处理技术,从所述医学文本中提取出所述多条医学知识数据。
3.如权利要求1所述的方法,其特征在于,每条医学知识数据进一步包括医学相关病种,判断所述搜索到的医学知识数据的所述医学相关病种是否与所述当前就诊数据的所述就诊病种相同,如果相同,则判断所述搜索到的医学知识数据的医学病种与所述当前就诊数据的所述就诊病种相关,否则不相关。
4.一种处理数据的装置,其特征在于,所述装置包括:
医学知识库生成单元,用于从医学文本或医院获得多条医学知识数据,生成由所述多条医学知识数据组成的医学知识库,每条医学知识数据至少包括医学知识数据序号、医学病种、医学症状、医学治疗药物;
就诊数据库生成单元,用于获取多个患者的多条就诊数据,生成由所述多条就诊数据组成的就诊数据库,其中每个患者具有至少一条就诊数据,每条就诊数据包含多个就诊数据项;
关联数据表生成单元,用于对于每条就诊数据,根据所述多个就诊数据项中的部分就诊数据项,在所述医学知识库中搜索与所述每条就诊数据关联的关联医学知识数据,并根据搜索结果生成所述每条就诊数据的关联数据,获得由所述关联数据组成的关联数据表,所述部分就诊数据项包含就诊病种、就诊症状、就诊治疗药物,关联数据表生成单元将所述每条就诊数据分别作为当前就诊数据,如下生成所述关联数据,
a)在所述医学知识库中搜索所述医学病种、所述医学症状、所述医学治疗药物与所述当前就诊数据的就诊病种、就诊症状、就诊治疗药物分别一一匹配的医学知识数据,如果搜索到,则进入步骤e),否则进入步骤b)
b)在所述医学知识库中搜索所述医学症状、所述医学治疗药物与所述当前就诊数据的所述就诊症状、所述就诊治疗药物分别一一匹配的医学知识数据,如果搜索到,则进入步骤d),否则进入步骤c),
c)在所述医学知识库中搜索所述医学治疗药物与所述当前就诊数据的所述就诊治疗药物匹配的医学知识数据,如果搜索到,则进入步骤d),否则进入步骤f),
d)根据所述医学知识库,判断搜索到的医学知识数据的医学病种是否与所述当前就诊数据的所述就诊病种相关,如果是,则进入步骤e),否则进入f),
e)将搜索到的医学知识数据作为所述当前就诊数据的关联医学知识数据,并生成所述当前就诊数据的所述关联数据,所述关联数据包含所述当前就诊数据的部分数据以及所述关联医学知识数据的医学知识数据序号、医学病种、医学症状、医学治疗药物,所述部分数据是所述当前就诊数据中除了所述就诊病种、所述就诊症状、所述就诊治疗药物之外的数据,
f)确定所述医学知识库中没有搜索到所述当前就诊数据的关联医学知识数据,并将所述当前就诊数据作为所述关联数据。
5.如权利要求4所述的装置,其特征在于,所述医学知识库生成单元利用自然语言处理技术,从所述医学文本中提取出所述多条医学知识数据。
6.如权利要求4所述的装置,其特征在于,每条医学知识数据进一步包括医学相关病种,判断所述搜索到的医学知识数据的所述医学相关病种是否与所述当前就诊数据的所述就诊病种相同,如果相同,则判断所述搜索到的医学知识数据的医学病种与所述当前就诊数据的所述就诊病种相关,否则不相关。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610504697.5A CN107564590B (zh) | 2016-06-30 | 2016-06-30 | 处理数据的方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610504697.5A CN107564590B (zh) | 2016-06-30 | 2016-06-30 | 处理数据的方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107564590A CN107564590A (zh) | 2018-01-09 |
CN107564590B true CN107564590B (zh) | 2023-09-05 |
Family
ID=60968974
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610504697.5A Active CN107564590B (zh) | 2016-06-30 | 2016-06-30 | 处理数据的方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107564590B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2005122033A1 (ja) * | 2004-06-08 | 2005-12-22 | Intellectual Property Bank Corp. | 医療総合情報装置及び医療総合情報システム |
TW200905605A (en) * | 2007-07-23 | 2009-02-01 | Ebm Technologies Inc | System of providing hygienic education information and method thereof |
CN103688526A (zh) * | 2011-06-03 | 2014-03-26 | Uc集团有限公司 | 通过多个网站注册、验证和监控用户的***和方法 |
CN104463627A (zh) * | 2014-12-05 | 2015-03-25 | 北京国双科技有限公司 | 数据处理方法和装置 |
CN105760705A (zh) * | 2016-05-20 | 2016-07-13 | 陕西科技大学 | 一种基于大数据的医疗诊断*** |
-
2016
- 2016-06-30 CN CN201610504697.5A patent/CN107564590B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2005122033A1 (ja) * | 2004-06-08 | 2005-12-22 | Intellectual Property Bank Corp. | 医療総合情報装置及び医療総合情報システム |
TW200905605A (en) * | 2007-07-23 | 2009-02-01 | Ebm Technologies Inc | System of providing hygienic education information and method thereof |
CN103688526A (zh) * | 2011-06-03 | 2014-03-26 | Uc集团有限公司 | 通过多个网站注册、验证和监控用户的***和方法 |
CN104463627A (zh) * | 2014-12-05 | 2015-03-25 | 北京国双科技有限公司 | 数据处理方法和装置 |
CN105760705A (zh) * | 2016-05-20 | 2016-07-13 | 陕西科技大学 | 一种基于大数据的医疗诊断*** |
Also Published As
Publication number | Publication date |
---|---|
CN107564590A (zh) | 2018-01-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10831863B2 (en) | System and a method for assessing patient risk using open data and clinician input | |
JP6825389B2 (ja) | ヘルスケア・リスク推定システム及び方法 | |
US20170277857A1 (en) | System and a method for assessing patient treatment risk using open data and clinician input | |
JP2019514128A5 (zh) | ||
JP2010505155A5 (zh) | ||
US20170046487A1 (en) | Biomedical research database development and uses | |
CN109036508A (zh) | 一种中医医疗信息处理方法、装置、计算机设备和存储介质 | |
KR20210015767A (ko) | 피험자 후보 추출 방법 및 피험자 후보 추출 시스템 | |
Meystre et al. | Natural language processing enabling COVID-19 predictive analytics to support data-driven patient advising and pooled testing | |
Santiso et al. | Adverse drug event prediction combining shallow analysis and machine learning | |
Burrows et al. | Standardizing clinical diagnoses: evaluating alternate terminology selection | |
Reumann et al. | Cognitive DDx assistant in rare diseases | |
Banerjee et al. | Automated suggestion of tests for identifying likelihood of adverse drug events | |
CN107564590B (zh) | 处理数据的方法和装置 | |
John et al. | Medication recommendation system based on clinical documents | |
RU2701702C2 (ru) | Система и способ единообразного сопоставления неструктурированных записанных признаков сo связанными терапевтическими признаками | |
Chen et al. | Ctkg: A knowledge graph for clinical trials | |
Llanos et al. | A preliminary analysis of negation in a Spanish clinical records dataset | |
Shah-Mohammadi et al. | Comparison of ACM and CLAMP for Entity Extraction in Clinical Notes | |
Batty et al. | Impact of smoking cessation advice on future smoking behavior, morbidity, and mortality: up to 40 years of follow-up of the first randomized controlled trial of a general population sample | |
GB2548627A (en) | A system and a method for assessing patient treatment risk using open data and clinician input | |
JP6410439B2 (ja) | データ抽出装置 | |
Van Braeckel et al. | Late Breaking Abstract-CPAnet Registry–An International Chronic Pulmonary Aspergillosis Registry | |
US11940986B1 (en) | Determining repair status information using unstructured textual repair data in response to natural language queries | |
Marin et al. | Treatment Assignment based on Automatic Learning for the Pregnant Women Suffering from Preeclampsia |
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 |