CN109036508B - 一种中医医疗信息处理方法、装置、计算机设备和存储介质 - Google Patents
一种中医医疗信息处理方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN109036508B CN109036508B CN201810548579.3A CN201810548579A CN109036508B CN 109036508 B CN109036508 B CN 109036508B CN 201810548579 A CN201810548579 A CN 201810548579A CN 109036508 B CN109036508 B CN 109036508B
- Authority
- CN
- China
- Prior art keywords
- chinese medicine
- label
- prescription
- diagnosis
- medicament
- 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
-
- 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
- G16H20/13—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 delivered from dispensers
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Medicinal Chemistry (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Primary Health Care (AREA)
- Public Health (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本申请涉及一种中医医疗信息处理方法、装置、计算机设备和存储介质。所述方法包括:接收医生终端发送的中药方剂生成请求;获取所述生成请求中携带的本次问诊的拟诊标签和中医症候标签;根据预先学习的拟诊标签、中医症候标签与药剂标签之间的关联关系,匹配出与本次问诊的所述拟诊标签和所述中医症候标签相关联的一个或者多个药剂标签;获取所述匹配出的药剂标签对应的详情字段,并将所述药剂标签以及对应的所述详情字段推送至所述医生终端。采用本方法能够提高中医问诊效率。
Description
技术领域
本申请涉及计算机应用技术领域,特别是涉及一种中医医疗信息处理方法、装置、计算机设备和存储介质。
背景技术
中医是以阴阳五行理论为指导的预防、诊断、治疗、康复和保健手段。中药方剂为中医的一个中药分支被大家所熟知。中药方剂是根据配伍原则,总结临床经验,以若干药物配合组成的药方。其中,中药药物种类繁多,主要来源于天然药及其加工品,包括植物药、动物药、矿物药及部分化学、生物制品类药物,具有药物名称冗长且非常复杂难记的特点。
传统的开具中药方剂的方式通常是医生根据知识储备手动敲写出拟开方剂中的所有药剂名称,往往敲写繁琐生僻的药剂名称花费掉了医生大量的时间,直接造成中医问诊效率普遍较低。
发明内容
基于此,有必要针对上述技术问题,提供一种能够提高中医问诊效率的中医医疗信息处理方法、装置、计算机设备和存储介质。
一种中医医疗信息处理方法,所述方法包括:
接收医生终端发送的中药方剂生成请求;
获取所述中药方剂生成请求中携带的本次问诊的拟诊标签和中医症候标签;
根据预先学习的拟诊标签、中医症候标签与药剂标签之间的关联关系,匹配出与本次问诊的所述拟诊标签和所述中医症候标签相关联的一个或者多个目标药剂标签;
获取所述目标药剂标签对应的详情字段,并将所述目标药剂标签以及对应的所述详情字段推送至所述医生终端。
在一个实施例中,在所述获取所述中药方剂生成请求中携带的本次问诊的拟诊标签和中医症候标签之后,还包括:
查找处方库中是否存储有同时关联本次问诊的所述拟诊标签和所述中医症候标签的中药方剂;
若是,则从所述处方库中获取关联的所述中药方剂,并向所述医生终端发送所述中药方剂;
否则执行所述根据预先学习的拟诊标签、中医症候标签与药剂标签之间的关联关系,匹配出与本次问诊的所述拟诊标签和所述中医症候标签相关联的一个或者多个目标药剂标签的步骤。
在一个实施例中,所述获取所述中药方剂生成请求中携带的本次问诊的拟诊标签和中医症候标签,包括:
查找所述中药方剂生成请求中携带的问诊用户标识对应的问诊案例,所述问诊案例包括本次问诊信息和历史问诊记录;
从所述问诊案例中提取多维度的特征词组,根据所述特征词组生成患者画像,计算在所述患者画像下出现每一种疾病标签和每一种中医症候标签的概率值;
根据计算的所述概率值确定本次问诊的拟诊标签和中医症候标签。
在一个实施例中,在根据预先学习的拟诊标签、中医症候标签与药剂标签之间的关联关系,匹配出与本次问诊的所述拟诊标签和所述中医症候标签相关联的一个或者多个目标药剂标签之后,还包括:
查找库存药剂列表中是否包含有匹配出的所述目标药剂标签;
若否,则查找与所述目标药剂标具有相同药效的替代药剂标签及与所述替代药剂标签对应的详情字段,将所述替代药剂标签以及所述替代药品标签对应的详情字段发送至所述医生终端。
在一个实施例中,所述方法还包括:
接收所述医生终端发送的中药方剂保存请求,所述中药方剂保存请求中携带待保存的中药方剂信息;
从所述待保存的中药方剂信息中获取所述拟诊标签和所述中医症候标签;
根据所述拟诊标签和所述中医症候标签生成方剂名称,并将所述中药方剂信息与所述方剂名称关联存储。
一种中医医疗信息处理装置,所述装置包括:
终端请求接收模块,接收医生终端发送的中药方剂的生成请求;
信息获取模块,用于获取所述中药方剂生成请求中携带的本次问诊的拟诊标签和中医症候标签;
药剂标签关联模块,用于根据预先学习的拟诊标签、中医症候标签与药剂标签之间的关联关系,匹配出与本次问诊的所述拟诊标签和所述中医症候标签相关联的一个或者多个目标药剂标签;
反馈模块,用于获取所目标药剂标签对应的详情字段,并将所述目标药剂标签以及对应的所述详情字段推送至所述医生终端。
在一个实施例中,所述装置还包括:
中药方剂查询模块,用于查找处方库中是否存储有同时关联本次问诊的所述拟诊标签和所述中医症候标签的中药方剂;若是,则从所述处方库中获取关联的所述中药方剂,并向所述医生终端发送所述中药方剂;否则进入所述药剂标签关联模块。
在一个实施例中,所述信息获取模块,还用于查找所述中药方剂生成请求中携带的问诊用户标识的问诊案例,所述问诊案例包括本次问诊信息和历史问诊记录;从所述问诊案例中提取多维度的特征词组,根据所述特征词组生成患者画像,计算在所述患者画像下出现每一种疾病标签和每一种中医症候标签的概率值;根据计算的所述概率值确定本次问诊的拟诊标签和中医症候标签。
一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现上述所述方法的步骤。
一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述所述的方法的步骤。
上述中医医疗信息处理方法、装置、计算机设备和存储介质,根据医生做出的拟诊标签和中医症候标签自动匹配出关联的药剂以及药剂的详情信息,无需医生手动去敲打出复杂的药剂名称,也无需线下去查询药剂的使用规范,明显提高了开方效率以及问诊效率。
附图说明
图1为一个实施例中中医医疗信息处理方法的应用场景图;
图2为一个实施例中药品库中存储的药剂信息示意图;
图3为一个实施例中的中医医疗信息处理方法的流程示意图;
图4为一个实施例中的“中药处方页面”的页面示意图;
图5另为一个实施例中的中医医疗信息处理方法的流程示意图;
图6为一个实施例中中医医疗信息处理装置的结构框图;
图7为另一个实施例中中医医疗信息处理装置的结构框图;
图8为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
本申请提供的中医医疗信息处理方法,可以应用于如图1所示的应用环境中。其中,医生终端102通过网络与服务器104通过网络进行通信。其中,医生终端102可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备,服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
在一个实施例中,提供了一种中医医疗信息处理方法,以该方法应用于图1中的服务器为例进行说明。
为支持该方法,需要预先构建药品库和处方库,其中药品库记录每种药的基本信息,包含有药品通用名,最大,最小剂量,药效,互相冲突药等信息。这些信息可以批量导入药品数据,也可直接单个药品添加。
处方库存储各种处方,包括处方的方剂名称、备注信息(处方药效分析描述等)、药品详情,包括每剂药品的代码、名称、用量及用量单位,用法及频率。处方库中的每个药品均来自于药品库,点击药品可快捷查询药品信息。每个方剂还包括经验方类型、诊断ID、诊断名称、中医症候ID、中医症候名称,服用剂量,服用方式等信息。具体图2所示。
基于上述构建的处方库和药品库,提供了一种中医医疗信息处理方法,如图3所示,具体包括如下步骤:
步骤302,接收医生终端发送的中药方剂生成请求。
步骤304,获取中药方剂生成请求中携带的本次问诊的拟诊标签和中医症候标签。
服务器接收医生终端发送的中医方剂生成请求,该中医方剂生成请求中携带针对本次问诊所作出的拟诊标签和中医症候标签。拟诊标签和中医症候标签是医生根据问诊患者的主诉以及检查化验结果作出的诊断结果标签。其中,中医症候是机体在疾病发展过程中的某一阶段的病理变化本质,通常包括了病变的部位、原因、性质,以及邪正关系,如拟诊标签为“急喉病”,中医症候为“中医咽痛证”。
在一个实施例中,如图4所示,医生终端在“中药处方页面”中诊断结果的选择框内显示医生输入的拟诊标签,如“急喉病”。在中医症候的选择框内显示医生输入的中医症候标签,如“中医咽痛证”。当医生终端监听到医生触发了“调用经验方”操作时,向服务器发送中医方剂生成请求,并携带在“中药处方页面”中输入的拟诊标签和中医症候标签。
步骤306,根据预先学习的拟诊标签、中医症候标签与药剂标签之间的关联关系,匹配出与获取的拟诊标签和中医症候标签相关联的目标药剂标签。
服务器收集海量的中医问诊大数据,提取问诊大数据中每个问诊记录中的拟诊标签、中医症候标签,以及提取每个问诊记录中的中医处方中的药剂标签。学习拟诊标签、中医症候标签以及药剂标签之间的关系,构建关联模型。当接收到医生终端发送的中药方剂生成请求时,将请求中携带的拟诊标签和中医症候标签输入至关联模型中,得到相关联的目标药剂标签集合。
在一个实施例中,提取问诊大数据中每个问诊记录中拟诊标签、中医症候以及对应的中医处方中的药剂标签(药剂标签集合),基于此,通过朴素贝叶斯算法计算请求中携带的拟诊标签和中医症候标签的诊断下处方中包括每一个药剂标签的概率值,根据概率值筛选出相关联的设定数量的目标药剂标签,如筛选出概率值大于设定阈值的药剂标签。
步骤308:获取目标药剂标签对应的详情字段,并将目标药剂标签以及对应的详情字段推送至医生终端。
在一个实施例中,从药剂库中获取药剂标签对应的详情字段。药剂的详情字段包括:药剂代码、最小和/最大用量字段、用量单位、用法字段。其中,用法字段用于标注药剂服用方式,如口服、煎服。
服务器将获取的药剂标签以及对应的详情字段发送至医生终端,医生终端将按设定的格式显示药剂标签和对应的详情字段,并将详情字段显示为可配置项。将药剂标签显示为可删除/新添项。
本实施例中,可根据医生做出的拟诊标签和中医症候标签自动匹配出关联的药剂以及药剂的详情信息,无需医生手动去敲打出复杂的药品名称,也无需线下去查询药剂的使用规范,明显提高了开方效率以及问诊效率。
进一步的,如图4所示,医生终端在“中药处方页面”显示服务器自动判别出的相关联的药剂标签以及对应的详情字段,并为每个显示的药剂标签配置删除按钮,操作删除按钮即可删除相应的药剂以及对应的详情字段。此外,医生终端还可根据医生输入的修改操作修改详情字段的字段值。
在一个实施例中,服务器接收医生终端发送的中药方剂保存请求,中药方剂保存请求中携带待保存的中药方剂信息;从待保存的中药方剂信息中获取拟诊标签和中医症候标签;根据拟诊标签和中医症候标签生成方剂名称,并将中药方剂信息与方剂名称关联存储。
具体为:医生终端监听医生触发的保存操作,保存“中药处方页面”中的中药方剂。医生终端可根据该中药方剂对应的拟诊标签和中医症候标签自动生成该中药方剂的方剂名称。具体的,首先获取“中药处方页面”中的拟诊标签和中医症候标签,根据标签生成方剂名称。再提取“中药处方页面”中的方剂信息,将提取的方剂信息与生成的方剂名称关联存储。进一步的,服务器按照上述的方剂保存方式对定期从医生终端拉取或者医生终端定期将本地存储的中药处方进行保存,保存的这些方剂构成了处方库。需要说明的是,处方库中的方剂资源并不仅限于上述的基于真实的问诊结果进行保存,还可以自动录入成熟的方剂。
在一个实施例中,在步骤304:获取生成请求中携带的本次问诊的拟诊标签和中医症候标签之后,还包括:查找处方库中是否存储有同时关联拟诊标签和中医症候标签的中药方剂;若是,则向医生终端发送从处方库中获取关联的中药方剂的详情信息;若否,则执行步骤206:根据预先学习的拟诊标签、中医症候标签与药剂标签之间的关联关系,得到与获取的拟诊标签和中医症候标签相关联的药剂标签。
处方库中存储有的中药方剂的方剂名称中带有方剂对应的疾病标签和中医症候标签,将本次问诊的拟诊标签和中医症候标签与各方剂的方剂名称进行对比,查找是否有包含本次问诊的拟诊标签和中医症候标签的方剂名称,若是,其对应的中药方剂作为本次问诊的中药方剂,无需使用关联模型进行关联药剂的计算,既大大减少了计算资源又提高了方剂生成效率。
在一个实施例中,如图5所示,提供一种医疗信息处理方法,可根据用户的问诊信息自动分析得到拟诊标签和中医症候标签,根据自动分析得到的拟诊标签和中医症候标签匹配关联的药剂标签得到中药处方信息,具体包括如下步骤:
步骤502:接收医生终端发送的中药方剂的生成请求。
步骤504:查找中药方剂生成请求中携带的问诊用户标识对应的问诊案例,问诊案例包括本次问诊信息和历史问诊记录。
医生终端发送的中药方剂生成请求中携带问诊用户标识,如图3所示,携带的问诊用户标识为“风吹过考虑他人”,在一个实施例中,中药方剂生成请求中还可以携带医生标记的特殊状态字段,如孕期、哺乳期。
在一个实施例中,提供一在线问诊平台,在线问诊平台为问诊用户终端和医生终端建立及时通信通道,问诊用户终端的患者通过及时通信通道与医生终端进行及时问诊。在线问诊平台收集问诊用户的所有及时通信对话,并将其存储为问诊用户标识下的问诊信息。
服务器从问诊平台中获取当前处理的问诊用户标识下的本次问诊信息以及历史问诊记录,其中,本次问诊信息至少包括主诉信息、及时通信聊天信息以及由外部设备检测的特征数据等。历史问诊记录可以包括有主诉信息,及时通信对话、拟诊、患者基本信息如身高性别体重等、病史、由外部设备检测的体征数据、是否患有慢病、体检报告等。
步骤506:从问诊案例中提取多维度的特征词组,根据特征词组生成患者画像,计算在患者画像下出现每一种疾病标签和每一种中医症候标签的概率值。
在提取特征词组前,预处理问诊案例,包括文本化处理,即将语音信息(及时通信信息中的语音信息),图片、非文本文件如PDF转换成文本数据,对转换后的数据进行数据清洗,去除冗余信息。
在一个实施例中,通过模式识别和语义识别从问诊案例中提取多维度的特征词组。多维度的特征词组包括症状维度的症状词组、特征维度的特征词组、疾病维度的疾病标签,科室维度的科室标签以及其他特征词组,特征词组可以为表征患者特殊属性的关键字或者标签,如某药物过敏、遗传病史等。提取的所有的特征词组构成了患者画像。
在一个实施例中,还对历史问诊记录中提取特征词组后记录提取的特征词组,以便下次特征词组提取时直接获取历史提取的特征词组,无需重复提取,大大提高了计算效率。
进行诊断结果预测前,需要从在线问诊平台中获取海量的诊疗数据(获取的诊疗数据至少包括问诊数据和诊断结果数据)从这些诊疗数据中提取特征词组、疾病标签和中医症候标签。统计提取的疾病标签和中医症候标签。本实施例中,采用朴素贝叶斯算法计算本次问诊案例中提取的特征词组下出现统计的疾病标签中每一个疾病标签的概率和出现每一个中医症候标签的概率。
在一个实施例中,可通过以下朴素贝叶斯算法模型计算提取的特征词组下出现统计的疾病标签中Ji标签的概率,具体模型公式如下所示:
JMAX=arg max P(Ji|q1,q2…qm)=arg maxP(q1|Ji)P(q2|Ji)…P(qm|Ji);
其中,m为提取的特征词组的个数,q1,q2…qm为提取的特征词组,q1,q2…qm是相互独立的,Ji为收集的疾病标签,JMAX为在提取的多维度特征词组所指示的患者画像下出现Ji疾病的贝叶斯概率,该概率值可通过P(q1|Ji),P(q2|Ji),…P(qm|Ji)这些概率值计算得到,而P(qi|Ji)通过统计的海量的诊疗数据中出现Ji疾病的诊疗数据中出现qi特征词组的概率。
进一步的,与上述相同的方式计算提取的特征词组下出现每一个中医症候标签的概率。还可以先确定疾病标签,再查找疾病标签所所对应的中医症候标签的集合,直接从对应的中医症候标签中计算贝叶斯概率筛选,即仅计算提取的特征词组下出现对应的中医症候标签集合中每一个中医症候标签的概率。
步骤508:根据计算的概率值确定本次问诊的拟诊标签和中医症候标签。
在一个实施例中,将概率值最大的疾病标签和中医症候标签作为本次问诊的拟诊标签和中医症候标签,其中,计算的贝叶斯概率越大,疾病标签或者中医症候标签与提取的所有特征词组的关联度越大。
在另一个实施例中,可根据计算的概率值确定多个拟诊标签和多个中医症候标签,由医生终端从确定的多个拟诊标签和中医症候标签中选择其一作为本次问诊的拟诊标签和中医症候标签。
步骤510:根据预先学习的拟诊标签、中医症候标签与药剂标签之间的关联关系,匹配出与获取的拟诊标签和中医症候标签相关联的一个或者多个目标药剂标签。
步骤512:获取匹配的药剂标签对应的详情字段,将药剂标签以及对应的详情字段推送至医生终端。
本实施例中,从本次问诊信息和历史问诊记录中提取多维度的特征词组,充分考虑患者的多元化的特征数据,增加了学习的样本量,提高了学习的准确性以及预测的准确性。
在一个实施例中,在根据预先学习的拟诊标签、中医症候标签与药剂标签之间的关联关系,匹配出与本次问诊的拟诊标签和中医症候标签相关联的一个或者多个目标药剂标签的步骤之后,还包括:查找维护的库存药剂列表中是否存在匹配出的目标药剂标签,若是,则向医生终端推送该目标药剂标签,若库存药剂列表中没有该目标药剂标签,则查找具有相同药效的替代药剂标签以及替代药剂标签对应的详情字段,经替代药剂标签以及对应的详情字段发送至医生终端。
进一步的,在根据预先学***台的患者基本信息中获取患者的位置信息,根据位置信息查找附近的医疗单位,获取医疗单位的库存药剂列表,判断获取的库存药剂列表中是否存在一医疗单位的库存药剂列表中包含全部的关联药剂标签,若是,则将所有关联的药剂标签发送至医生终端。当服务器接收到医生终端确认中药方剂且接收到问诊用户的发送的虚拟数值(即付费)后,向包含所有药剂标签的医疗单位终端发送药房拿药请求,接收医疗单位终端反馈的拿药时间、地点、窗口等信息,并将这些信息推送至在线问诊平台。在线问诊平台将这些信息发送至问诊用户终端和医生终端对应的及时通信中,以便问诊用户可及时获知取药相关信息。
进一步的,若该药剂标签没有同药效的替代标签,则标记该药剂标签为无效标签,不将该药剂标签发送给医生终端。在另一个实施例中,若该药剂标签没有同药效的替代标签,则该药剂标签与提取的特征词组之间的贝叶斯概率值,若贝叶斯概率值大于设定阈值,则将该药剂标签发送至医生终端,并为该药剂标签标注“重要”、“缺货”特征字样。
应该理解的是,虽然图2和5的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,图2-5中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些子步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中,如图6所示,提供了一种中医医疗信息处理装置,包括:终端请求接收模块602、信息获取模块604、药剂标签关联模块606和反馈模块608,其中:
终端请求接收模块602,接收医生终端发送的中药方剂生成请求。
信息获取模块604,用于获取生成请求中携带的本次问诊的拟诊标签和中医症候标签。
药剂标签关联模块606,用于根据预先学习的拟诊标签、中医症候标签与药剂标签之间的关联关系,匹配出与获取的拟诊标签和中医症候标签相关联的一个或者多个目标药剂标签。
反馈模块608,用于获取匹配出的目标药剂标签对应的详情字段,并将目标药剂标签以及对应的详情字段推送至医生终端。
在一个实施例中,如图7所示,中药医疗信息处理装置还包括:中药方剂查询模块702,用于查找处方库中是否存储有同时关联本次问诊的拟诊标签和中医症候标签的中药方剂;若是,则从处方库中获取关联的中药方剂,并向医生终端发送中药方剂;否则进入药剂标签关联模块606。
在一个实施例中,信息获取模块604,还用于查找与生成请求中携带的问诊用户标识对应的问诊案例,问诊案例包括本次问诊信息和历史问诊记录;从问诊案例中提取多维度的特征词组,从问诊案例中提取多维度的特征词组,根据特征词组生成患者画像,计算在患者画像下出现每一种疾病标签和每一种中医症候标签的概率值;根据计算的概率值确定本次问诊的拟诊标签和中医症候标签。
在一个实施例中,中药医疗信息处理装置还包括:替换药剂获取模块,用于查找库存药剂列表中是否包含有匹配出的目标药剂标签;
若否,则查找与目标药剂标具有相同药效的替代药剂标签及与替代药剂标签对应的详情字段,将替代药剂标签以及替代药品标签对应的详情字段发送至医生终端。
在一个实施例中,中药医疗信息处理装置还包括:中医方剂存储模块,用于接收医生终端发送的中药方剂保存请求,中药方剂保存请求中携带待保存的中药方剂信息;从待保存的中药方剂信息中获取拟诊标签和中医症候标签;根据拟诊标签和中医症候标签生成方剂名称,并将中药方剂信息与方剂名称关联存储。
关于中医医疗信息处理装置的具体限定可以参见上文中对于中医医疗信息处理方法的限定,在此不再赘述。上述中医医疗信息处理装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是服务器,其内部结构图可以如图8所示。该计算机设备包括通过***总线连接的处理器、存储器、网络接口和数据库。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作***、计算机程序和数据库。该内存储器为非易失性存储介质中的操作***和计算机程序的运行提供环境。该计算机设备的数据库用于存储药剂标签;拟诊标签、中医症候标签与药剂标签的关联关系。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种中医医疗信息处理方法。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,该存储器存储有计算机程序,该处理器执行计算机程序时实现以下步骤:接收医生终端发送的中药方剂生成请求;获取中药方剂生成请求中携带的本次问诊的拟诊标签和中医症候标签;根据预先学习的拟诊标签、中医症候标签与药剂标签之间的关联关系,匹配出与本次问诊的拟诊标签和中医症候标签相关联的一个或者多个目标药剂标签;获取目标药剂标签对应的详情字段,并将目标药剂标签以及对应的详情字段推送至医生终端。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:查找处方库中是否存储有同时关联本次问诊的拟诊标签和中医症候标签的中药方剂;若是,则从处方库中获取关联的中药方剂,并向医生终端发送中药方剂;否则执行根据预先学习的拟诊标签、中医症候标签与药剂标签之间的关联关系,匹配出与本次问诊的拟诊标签和中医症候标签相关联的一个或者多个目标药剂标签的步骤。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:查找中药方剂生成请求中携带的问诊用户标识对应的问诊案例,问诊案例包括本次问诊信息和历史问诊记录;从问诊案例中提取多维度的特征词组,根据特征词组生成患者画像,计算在患者画像下出现每一种疾病标签和每一种中医症候标签的概率值;根据计算的概率值确定本次问诊的拟诊标签和中医症候标签。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:查找库存药剂列表中是否包含有匹配出的目标药剂标签;若否,则查找与目标药剂标具有相同药效的替代药剂标签及与替代药剂标签对应的详情字段,将替代药剂标签以及替代药品标签对应的详情字段发送至医生终端。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:接收医生终端发送的中药方剂保存请求,中药方剂保存请求中携带待保存的中药方剂信息;从待保存的中药方剂信息中获取拟诊标签和中医症候标签;根据拟诊标签和中医症候标签生成方剂名称,并将中药方剂信息与方剂名称关联存储。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:接收医生终端发送的中药方剂生成请求;获取中药方剂生成请求中携带的本次问诊的拟诊标签和中医症候标签;根据预先学习的拟诊标签、中医症候标签与药剂标签之间的关联关系,匹配出与本次问诊的拟诊标签和中医症候标签相关联的一个或者多个目标药剂标签;获取目标药剂标签对应的详情字段,并将目标药剂标签以及对应的详情字段推送至医生终端。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:查找处方库中是否存储有同时关联本次问诊的拟诊标签和中医症候标签的中药方剂;若是,则从处方库中获取关联的中药方剂,并向医生终端发送中药方剂;否则执行根据预先学习的拟诊标签、中医症候标签与药剂标签之间的关联关系,匹配出与本次问诊的拟诊标签和中医症候标签相关联的一个或者多个目标药剂标签的步骤。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:查找中药方剂生成请求中携带的问诊用户标识对应的问诊案例,问诊案例包括本次问诊信息和历史问诊记录;从问诊案例中提取多维度的特征词组,根据特征词组生成患者画像,计算在患者画像下出现每一种疾病标签和每一种中医症候标签的概率值;根据计算的概率值确定本次问诊的拟诊标签和中医症候标签。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:查找库存药剂列表中是否包含有匹配出的目标药剂标签;若否,则查找与目标药剂标具有相同药效的替代药剂标签及与替代药剂标签对应的详情字段,将替代药剂标签以及替代药品标签对应的详情字段发送至医生终端。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:接收医生终端发送的中药方剂保存请求,中药方剂保存请求中携带待保存的中药方剂信息;从待保存的中药方剂信息中获取拟诊标签和中医症候标签;根据拟诊标签和中医症候标签生成方剂名称,并将中药方剂信息与方剂名称关联存储。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种中医医疗信息处理方法,所述方法包括:
接收医生终端发送的中药方剂生成请求;
获取所述中药方剂生成请求中携带的本次问诊的拟诊标签和中医症候标签;
根据预先学习的拟诊标签、中医症候标签与药剂标签之间的关联关系,匹配出与本次问诊的所述拟诊标签和所述中医症候标签相关联的一个或者多个目标药剂标签,包括提取所述拟诊标签和所述中医症候标签对应的中医处方中的药剂标签集合,使用朴素贝叶斯算法计算所述中药方剂生成请求中携带的拟诊标签和中医症候标签的诊断下处方中包括所述药剂标签集合中每一个药剂标签的概率值,根据所述概率值筛选出相关联的设定数量的所述目标药剂标签;
获取所述目标药剂标签对应的详情字段,并将所述目标药剂标签以及对应的所述详情字段推送至所述医生终端。
2.根据权利要求1所述的方法,其特征在于,在所述获取所述中药方剂生成请求中携带的本次问诊的拟诊标签和中医症候标签之后,还包括:
查找处方库中是否存储有同时关联本次问诊的所述拟诊标签和所述中医症候标签的中药方剂;
若是,则从所述处方库中获取关联的所述中药方剂,并向所述医生终端发送所述中药方剂;
否则执行所述根据预先学习的拟诊标签、中医症候标签与药剂标签之间的关联关系,匹配出与本次问诊的所述拟诊标签和所述中医症候标签相关联的一个或者多个目标药剂标签的步骤。
3.根据权利要求1或2所述的方法,其特征在于,所述获取所述中药方剂生成请求中携带的本次问诊的拟诊标签和中医症候标签,包括:
查找所述中药方剂生成请求中携带的问诊用户标识对应的问诊案例,所述问诊案例包括本次问诊信息和历史问诊记录;
从所述问诊案例中提取多维度的特征词组,根据所述特征词组生成患者画像,计算在所述患者画像下出现每一种疾病标签和每一种中医症候标签的概率值;
根据计算的所述概率值确定本次问诊的拟诊标签和中医症候标签。
4.根据权利要求1所述的方法,其特征在于,在根据预先学习的拟诊标签、中医症候标签与药剂标签之间的关联关系,匹配出与本次问诊的所述拟诊标签和所述中医症候标签相关联的一个或者多个目标药剂标签之后,还包括:
查找库存药剂列表中是否包含有匹配出的所述目标药剂标签;
若否,则查找与所述目标药剂标具有相同药效的替代药剂标签及与所述替代药剂标签对应的详情字段,将所述替代药剂标签以及所述替代药品标签对应的详情字段发送至所述医生终端。
5.根据权利要求1所述的方法,其特征在于,所述方法还包括:
接收所述医生终端发送的中药方剂保存请求,所述中药方剂保存请求中携带待保存的中药方剂信息;
从所述待保存的中药方剂信息中获取所述拟诊标签和所述中医症候标签;
根据所述拟诊标签和所述中医症候标签生成方剂名称,并将所述中药方剂信息与所述方剂名称关联存储。
6.一种中医医疗信息处理装置,其特征在于,所述装置包括:
终端请求接收模块,接收医生终端发送的中药方剂的生成请求;
信息获取模块,用于获取所述中药方剂生成请求中携带的本次问诊的拟诊标签和中医症候标签;
药剂标签关联模块,用于根据预先学习的拟诊标签、中医症候标签与药剂标签之间的关联关系,匹配出与本次问诊的所述拟诊标签和所述中医症候标签相关联的一个或者多个目标药剂标签,包括提取所述拟诊标签和所述中医症候标签对应的中医处方中的药剂标签集合,使用朴素贝叶斯算法计算所述中药方剂生成请求中携带的拟诊标签和中医症候标签的诊断下处方中包括所述药剂标签集合中每一个药剂标签的概率值,根据所述概率值筛选出相关联的设定数量的所述目标药剂标签;
反馈模块,用于获取所目标药剂标签对应的详情字段,并将所述目标药剂标签以及对应的所述详情字段推送至所述医生终端。
7.根据权利要求6所述的装置,其特征在于,所述装置还包括:
中药方剂查询模块,用于查找处方库中是否存储有同时关联本次问诊的所述拟诊标签和所述中医症候标签的中药方剂;若是,则从所述处方库中获取关联的所述中药方剂,并向所述医生终端发送所述中药方剂;否则进入所述药剂标签关联模块。
8.根据权利要求6或7所述的装置,其特征在于,所述信息获取模块,还用于查找所述中药方剂生成请求中携带的问诊用户标识的问诊案例,所述问诊案例包括本次问诊信息和历史问诊记录;从所述问诊案例中提取多维度的特征词组,根据所述特征词组生成患者画像,计算在所述患者画像下出现每一种疾病标签和每一种中医症候标签的概率值;根据计算的所述概率值确定本次问诊的拟诊标签和中医症候标签。
9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至5中任一项所述方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至5中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810548579.3A CN109036508B (zh) | 2018-05-31 | 2018-05-31 | 一种中医医疗信息处理方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810548579.3A CN109036508B (zh) | 2018-05-31 | 2018-05-31 | 一种中医医疗信息处理方法、装置、计算机设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109036508A CN109036508A (zh) | 2018-12-18 |
CN109036508B true CN109036508B (zh) | 2023-10-03 |
Family
ID=64611979
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810548579.3A Active CN109036508B (zh) | 2018-05-31 | 2018-05-31 | 一种中医医疗信息处理方法、装置、计算机设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109036508B (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109817351A (zh) * | 2019-01-31 | 2019-05-28 | 百度在线网络技术(北京)有限公司 | 一种信息推荐方法、装置、设备及存储介质 |
CN110287486A (zh) * | 2019-06-17 | 2019-09-27 | 迪普佰奥生物科技(上海)有限公司 | 基于人工智能的生物医药产品识别方法、装置、终端、介质 |
CN113139114A (zh) * | 2020-01-19 | 2021-07-20 | 浙江爱多特大健康科技有限公司 | 信息推送的方法、装置、设备和介质 |
CN111599433B (zh) * | 2020-04-14 | 2023-11-03 | 崔何珊 | 一种药材的辅助开方方法、装置、存储介质及终端 |
CN111768828A (zh) * | 2020-09-03 | 2020-10-13 | 成都索贝数码科技股份有限公司 | 基于院内外数据的患者体征画像构建***及方法 |
CN112133415A (zh) * | 2020-09-14 | 2020-12-25 | 微医云(杭州)控股有限公司 | 药剂的替换方法、装置、设备及存储介质 |
CN113517050B (zh) * | 2021-04-23 | 2024-06-18 | 联仁健康医疗大数据科技股份有限公司 | 确定药方单的方法、装置、电子设备及存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104102816A (zh) * | 2014-06-20 | 2014-10-15 | 周晋 | 基于症状匹配和机器学习的自动诊断***和方法 |
CN107506589A (zh) * | 2017-08-25 | 2017-12-22 | 广州宝荣科技应用有限公司 | 一种中成药辅助推送方法及装置 |
CN107578818A (zh) * | 2017-08-25 | 2018-01-12 | 广州宝荣科技应用有限公司 | 一种基于深度学习的辅助开方方法及装置 |
CN107657993A (zh) * | 2017-09-25 | 2018-02-02 | 深圳市坐标软件开发有限公司 | 电子处方生成方法和*** |
-
2018
- 2018-05-31 CN CN201810548579.3A patent/CN109036508B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104102816A (zh) * | 2014-06-20 | 2014-10-15 | 周晋 | 基于症状匹配和机器学习的自动诊断***和方法 |
CN107506589A (zh) * | 2017-08-25 | 2017-12-22 | 广州宝荣科技应用有限公司 | 一种中成药辅助推送方法及装置 |
CN107578818A (zh) * | 2017-08-25 | 2018-01-12 | 广州宝荣科技应用有限公司 | 一种基于深度学习的辅助开方方法及装置 |
CN107657993A (zh) * | 2017-09-25 | 2018-02-02 | 深圳市坐标软件开发有限公司 | 电子处方生成方法和*** |
Non-Patent Citations (2)
Title |
---|
李海鲲 ; 胡存刚 ; 宗仁鹤 ; .基于数据库的中医专家诊断***的研究.微处理机.2005,(01),26-28. * |
邹志文 ; 朱金伟 ; 鞠时光 ; .基于知识的中医药对症开方专家***.电子技术应用.2008,(04),122-125. * |
Also Published As
Publication number | Publication date |
---|---|
CN109036508A (zh) | 2018-12-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109036508B (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 | |
US20200265931A1 (en) | Systems and methods for coding health records using weighted belief networks | |
US9165116B2 (en) | Patient data mining | |
CN109036545B (zh) | 医疗信息处理方法、装置、计算机设备和存储介质 | |
US10474742B2 (en) | Automatic creation of a finding centric longitudinal view of patient findings | |
CN111180024B (zh) | 基于词频逆文档频率的数据处理方法、装置和计算机设备 | |
WO2022116430A1 (zh) | 基于大数据挖掘的模型部署方法、装置、设备及存储介质 | |
US20170147753A1 (en) | Method for searching for similar case of multi-dimensional health data and apparatus for the same | |
CN109074858B (zh) | 没有明显准标识符的去识别的健康护理数据库的医院匹配 | |
CN111445968A (zh) | 电子病历查询方法、装置、计算机设备和存储介质 | |
CN112017745B (zh) | 决策信息推荐、药物信息推荐方法、装置、设备及介质 | |
CN109671476A (zh) | 无关用药的识别方法、装置、终端及计算机可读存储介质 | |
WO2014063118A1 (en) | Systems and methods for medical information analysis with deidentification and reidentification | |
US20220101961A1 (en) | Systems and methods for matching medical records for patients across disparate medical providers to facilitate continuity of care | |
US11875884B2 (en) | Expression of clinical logic with positive and negative explainability | |
CN112530550A (zh) | 影像报告生成方法、装置、计算机设备和存储介质 | |
CN113409907A (zh) | 一种基于互联网医院的智能预问诊方法及*** | |
CN113658712A (zh) | 医患匹配方法、装置、设备及存储介质 | |
RU2699607C2 (ru) | Повышение эффективности и уменьшение частоты последующих лучевых исследований путем прогнозирования основания для следующего исследования | |
CN113948168A (zh) | 医疗数据评价实际应用***及医疗数据评价实际应用方法 | |
CN116304186A (zh) | 一种医疗文档后结构化处理方法及*** | |
KR101983383B1 (ko) | 의료비 지급심사를 위해 보험약관이 적용된 룰 기반 유사질의답변 연계 의료정보 서비스 제공 방법 | |
Hom et al. | Facilitating clinical research through automation: Combining optical character recognition with natural language processing | |
KR102495086B1 (ko) | 의료 ai 엔진을 활용한 건강검진 및 질병 예측 원격진료 서비스 시스템 | |
CN111383726A (zh) | 电子病历数据处理方法、装置、电子设备及可读介质 |
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 |