CN109087688A - 患者信息采集方法、装置、计算机设备和存储介质 - Google Patents
患者信息采集方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN109087688A CN109087688A CN201810725368.2A CN201810725368A CN109087688A CN 109087688 A CN109087688 A CN 109087688A CN 201810725368 A CN201810725368 A CN 201810725368A CN 109087688 A CN109087688 A CN 109087688A
- Authority
- CN
- China
- Prior art keywords
- data
- node
- patient
- template
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 37
- 238000003860 storage Methods 0.000 title claims abstract description 15
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims description 44
- 201000010099 disease Diseases 0.000 claims description 43
- 208000024891 symptom Diseases 0.000 claims description 38
- 238000004590 computer program Methods 0.000 claims description 28
- 239000003814 drug Substances 0.000 claims description 21
- 229940079593 drug Drugs 0.000 claims description 19
- 239000000284 extract Substances 0.000 claims description 18
- 238000009415 formwork Methods 0.000 claims description 15
- 230000036541 health Effects 0.000 description 18
- 238000000605 extraction Methods 0.000 description 8
- 208000032843 Hemorrhage Diseases 0.000 description 7
- 208000002193 Pain Diseases 0.000 description 7
- 230000000740 bleeding effect Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 7
- 230000005906 menstruation Effects 0.000 description 5
- 238000011144 upstream manufacturing Methods 0.000 description 5
- 208000008035 Back Pain Diseases 0.000 description 4
- 208000008930 Low Back Pain Diseases 0.000 description 4
- 206010037660 Pyrexia Diseases 0.000 description 4
- 230000027758 ovulation cycle Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 210000001015 abdomen Anatomy 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 3
- 230000003862 health status Effects 0.000 description 3
- 230000035699 permeability Effects 0.000 description 3
- 206010000060 Abdominal distension Diseases 0.000 description 2
- 241001269238 Data Species 0.000 description 2
- 206010012735 Diarrhoea Diseases 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 150000001875 compounds Chemical class 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 239000002245 particle Substances 0.000 description 2
- 230000035479 physiological effects, processes and functions Effects 0.000 description 2
- 240000008574 Capsicum frutescens Species 0.000 description 1
- 206010009866 Cold sweat Diseases 0.000 description 1
- 206010011224 Cough Diseases 0.000 description 1
- 206010027514 Metrorrhagia Diseases 0.000 description 1
- 208000008589 Obesity Diseases 0.000 description 1
- 206010036790 Productive cough Diseases 0.000 description 1
- 241000254223 Syntexis Species 0.000 description 1
- 230000000172 allergic effect Effects 0.000 description 1
- 208000010668 atopic eczema Diseases 0.000 description 1
- 230000036772 blood pressure Effects 0.000 description 1
- 230000001351 cycling effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 206010016766 flatulence Diseases 0.000 description 1
- 210000001624 hip Anatomy 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000009191 jumping Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 235000012054 meals Nutrition 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 235000020824 obesity Nutrition 0.000 description 1
- 230000016087 ovulation Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 239000002699 waste material Substances 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
- 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
- G06F40/289—Phrasal analysis, e.g. finite state techniques or chunking
-
- 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)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Computational Linguistics (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Epidemiology (AREA)
- Medical Informatics (AREA)
- Primary Health Care (AREA)
- Public Health (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本申请涉及一种患者信息采集方法、装置、计算机设备和存储介质。方法包括:获取患者主诉数据;从患者主诉数据中提取主诉关键词,查找与主诉关键词匹配的信息收集模板,加载信息收集模板对应的模板数据;从模板数据中选择与主诉关键词对应的起始节点;根据起始节点对应的节点数据生成采集问题并输出,获取与采集问题对应的患者回复数据;从模板数据中获取起始节点对应的连接节点,从连接节点中选择与患者回复数据对应的第一节点,将第一节点作为当前节点,并继续根据当前节点对应的当前节点数据生成当前采集问题并输出,直至采集到的患者回复数据对应的当前节点为模板末梢节点为止;根据采集到的患者回复数据生成患者采集信息。采用本方法能够提高患者信息记录准确性。
Description
技术领域
本申请涉及计算机技术领域,特别是涉及一种患者信息采集方法、装置、计算机设备和存储介质。
背景技术
医生在对患者问诊时,通常都是一边对患者进行症状询问,一边对患者的症状描述进行记录。
医生在进行问诊记录时,往往只是凭借个人经验对自身觉得比较重要的关键信息进行简要记录,从而往往忽略患者的细节描述。此外,由于患者的语速、发音等个人原因,医生还经常出现漏记、错记的情况,导致无法准确、全面记录患者信息。
发明内容
基于此,有必要针对上述技术问题,提供一种能够提高患者信息记录准确性的患者信息采集方法、装置、计算机设备和存储介质。
一种患者信息采集方法,所述方法包括:
获取患者主诉数据;
从所述患者主诉数据中提取主诉关键词,查找与所述主诉关键词匹配的信息收集模板,加载所述信息收集模板对应的模板数据;
从所述模板数据中选择与所述主诉关键词对应的起始节点;
根据所述起始节点对应的节点数据生成采集问题并输出,获取与所述采集问题对应的患者回复数据;
从所述模板数据中获取所述起始节点对应的连接节点,从所述连接节点中选择与所述患者回复数据对应的第一节点,将所述第一节点作为当前节点,并继续根据所述当前节点对应的当前节点数据生成当前采集问题并输出,直至采集到的患者回复数据对应的当前节点为模板末梢节点为止;
根据采集到的所述患者回复数据生成患者采集信息。
在其中一个实施例中,从所述患者主诉数据中提取主诉关键词,查找与所述主诉关键词匹配的信息收集模板,包括:
对所述患者主诉数据进行切词处理得到切词字段;
将所述切词字段与标签库中的特征标签进行匹配,将与所述特征标签成功匹配的切词字段提取为主诉关键词;
当所述主诉关键词对应的特征标签中包含疾病标签时,从疾病模板库中查找与所述主诉关键词对应的疾病信息收集模板;
当所述主诉关键词对应的特征标签中不包含疾病标签时,从症状模板库中查找与所述主诉关键词对应的症状信息收集模板。
在其中一个实施例中,从所述连接节点中选择与所述患者回复数据对应的第一节点作为当前节点,包括:
获取所述患者回复数据的数据类型;
当所述数据类型为复合数据时,对所述患者回复数据进行组合生成回复数据组;
从所述连接节点中查找与所述回复数据组匹配的匹配节点;
获取所述匹配节点的节点优先级,将所述节点优先级最高的匹配节点提取为第一节点并作为当前节点。
在其中一个实施例中,连接节点中选择与所述患者回复数据对应的第一节点作为当前节点之后,还包括:
获取所述第一节点对应的第一节点数据,从所述第一节点数据中提取节点关联属性;
当所述节点关联属性为数据关联时,从所述患者主诉数据中提取患者标识,查找与所述患者标识对应的历史回复数据;
从所述第一节点数据中提取节点描述问题,当从所述历史回复数据中查找到与所述节点描述问题匹配的历史回复记录时,则将所述历史回复记录作为采集的与所述第一节点对应的患者回复数据。
在其中一个实施例中,加载所述信息收集模板对应的模板数据,包括:
获取所述信息收集模板的模板结构类型;
当所述模板结构类型为嵌套模板时,将所述信息收集模板中的母模板数据从模板数据库加载至本地缓存;
所述继续采集与所述当前节点对应的患者回复数据之前,还包括:
判断所述第一节点是否为嵌套模板跳转节点;
当判定所述第一节点为嵌套模板跳转节点时,获取所述第一节点所属的嵌套子模板,将所述嵌套子模板对应的子模板数据从模板数据库加载至本地缓存。
在其中一个实施例中,根据采集到的所述患者回复数据生成患者采集信息,包括:
对所述患者回复数据进行数据预处理;
通过语义分析将预处理后的患者回复数据转换为医学标准话术;
根据所述医学标准话术生成患者采集信息。
在其中一个实施例中,还包括:
将所有选择的当前节点进行连接生成模板执行路径图;
将采集到的所述患者回复数据与所述模板执行路径图中对应的当前节点进行关联后生成患者信息采集实例;
获取所述信息收集模板对应的科室代码;
将所述患者采集信息与所述患者信息采集实例发送至所述科室代码对应的科室终端。
一种患者信息采集装置,所述装置包括:
主诉数据获取模块,用于获取患者主诉数据;
模板数据查找模块,用于从所述患者主诉数据中提取主诉关键词,查找与所述主诉关键词匹配的信息收集模板,加载所述信息收集模板对应的模板数据;
当前节点选择模块,用于从所述模板数据中选择与所述主诉关键词对应的起始节点;
回复数据获取模块,用于根据所述起始节点对应的节点数据生成采集问题并输出,获取与所述采集问题对应的患者回复数据;
连接节点选择模块,用于从所述模板数据中获取所述起始节点对应的连接节点,从所述连接节点中选择与所述患者回复数据对应的第一节点,将所述第一节点作为当前节点,并继续根据所述当前节点对应的当前节点数据生成当前采集问题并输出,直至采集到的患者回复数据对应的当前节点为模板末梢节点为止;
采集信息生成模块,用于根据采集到的所述患者回复数据生成患者采集信息。
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方法的步骤。
上述患者信息采集方法、装置、计算机设备和存储介质,当获取到患者主诉数据后,从患者主诉数据中提取出主诉关键词,查找与主诉关键词对应的信息收集模板,根据信息收集模板中的节点数据进行收集患者回复数据,并根据患者回复数据自动选择模板中的信息采集节点,从而根据信息采集模板实现患者信息的自动化采集,能够得到全面准确的患者信息。
附图说明
图1为一个实施例中患者信息采集方法的应用场景图;
图2为一个实施例中患者信息采集方法的流程示意图;
图3为另一个实施例中患者信息采集方法的流程示意图;
图4为一个实施例中信息收集模板的模板示意图;
图5为一个实施例中患者信息采集装置的结构框图;
图6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。
本申请提供的患者信息采集方法,可以应用于如图1所示的应用环境中。其中,终端与服务器通过网络进行通信。终端获取患者主诉数据,从患者主诉数据中提取主诉关键词,查找与主诉关键词匹配的信息收集模板,终端向服务器发送模板数据加载请求,服务器根据模板数据加载请求向终端发送与信息收集模板对应的模板数据,终端从接收的服务器发送的模板数据中选择与主诉关键词对应的当前节点;根据起始节点对应的节点数据生成采集问题并输出,获取与采集问题对应的患者回复数据;从模板数据中获取起始节点对应的连接节点,从连接节点中选择与患者回复数据对应的第一节点,将第一节点作为当前节点,并继续根据当前节点对应的当前节点数据生成当前采集问题并输出,直至采集到的患者回复数据对应的当前节点为模板末梢节点为止;根据采集到的患者回复数据生成患者采集信息。其中,终端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,如图2所示,提供了一种患者信息采集方法,以该方法应用于图1中的终端为例进行说明,包括以下步骤:
步骤210,获取患者主诉数据。
患者主诉数据为患者对自身健康状况的描述数据,患者主诉数据可以包括患者的身体状况、所患疾病及患病程度,患病症状及症状的严重程度的描述数据等。
终端可以提示用户输入主诉数据,如可以通过语音或文字等方式提示用户“请详细描述您的问题,包括身体状况、疾病和症状等”,用户可以通过语音或者文字向终端输入患者主诉数据,终端获取用户输入的患者主诉数据。
步骤220,从患者主诉数据中提取主诉关键词,查找与主诉关键词匹配的信息收集模板,加载信息收集模板对应的模板数据。
主诉关键词为用于标识患者健康状况特征的词语,包括症状特征词语、症状程度特征词语、身体特征词语等,如症状特征词语可以为咳嗽、痰多、出冷汗等,症状程度特征词语可以为剧烈疼痛、轻微胀气等,身体特征词语可以为肥胖、消瘦等。
终端获取健康特征词列表,健康特征词列表中包括对多个临床案例数据及医学字典中总结出的健康特征词语,各健康特征词的近义词也关联添加至健康特征词列表中,健康特征词列表可以包括疾病特征词子列表、症状特征词子列表、身体特征词子列表等。终端从患者主诉数据中提取出与健康特征词列表中的健康特征词相匹配的主诉关键词。
信息收集模板为针对某类疾病或症状制定的用于对患者健康状况进行信息采集的模板。信息收集模板事先进行健康特征标签,健康特征标签根据健康特征词列表中的健康特征词进行设定。一个信息收集模板可以被打标一个或多个健康特征标签,即可以对一种或多种属于相同类目的疾病或症状的患者健康信息进行采集。终端将提取出的主诉关键词与各信息收集模板被打标的健康特征词进行匹配,若被打标的健康特征词完全包含提取出的主诉关键词时则匹配可成功。终端获取匹配成功的信息收集模板的模板标识,模板标识用于唯一对信息收集模板进行标识,终端查找并加载模板标识对应的模板数据。
步骤230,从模板数据中选择与主诉关键词对应的起始节点。
信息收集模板中数据含多个信息收集节点的节点数据和多个信息收集节点之间的连接关系,每个信息收集节点用于对患者的某一健康特征的伴随表现信息进行采集。多个信息收集节点之间相互连接,某些位于模板上游的信息收集节点可能与多个位于模板下游信息收集节点进行连接,且上游信息收集节点所采集到的患者信息决定下游信息收集节点的走向选择。因此,信息收集模板中根据各信息采集节点采集到的具体患者信息可以构成多条信息采集路径。
位于信息收集模板前面的信息收集节点用于收集患者基本伴随表现信息,基本伴随表现信息可能与患者主诉数据存在数据重复的问题。因此,终端根据患者主诉数据中所包括的具体描述信息来选择当前节点。具体地,终端查找与主诉关键词对应的信息采集节点,根据查找结果将信息采集模板中第一个与主诉关键词不对应的信息采集节点作为起始节点,首先对起始节点对应的伴随表现进行信息采集。
步骤240,根据起始节点对应的节点数据生成采集问题并输出,获取与采集问题对应的患者回复数据。
每个信息收集节点的节点数据可以包括但不限于节点名称、采集问题标题、采集问题类型、采集问题内容、节点连接条件关系等数据。其中,采集问题类型可以包括单项、多项选择型问题,也可以为开放式问题等类型,例如,一信息收集节点的节点名称为“月经正常与否”,为单项选择型问题,对应的问题内容可以包括问题标题“您的月经是否正常?”,问题选项为“正常”和“不正常”;又如一信息收集节点的节点名称为“***”,为开放式问题,对应的问题内容可以包括问题标题“您的***是什么”。节点连接条件关系包括节点选择条件判断逻辑,判断逻辑用于判断上游连接节点的采集数据是否满足该节点的选择调节,若满足则执行该节点,若不满足则拒绝执行。如节点名称为“月中出血”的上游节点为“月经正常与否”,当“月经正常与否”采集到的信息为“正常”时才满足“月中出血”节点的选择条件判断逻辑。终端根据当前节点数据中的采集问题内容生成当前采集问题,并将生成的当前采集问题进行展示,如可以通过文字、图片或语音等多种形式进行展示。用户接收到当前采集问题后,可以通过向终端输入问题答案,终端获取用户输入的问题答案,根据问题答案生成患者回复数据。当问题答案为选择选项时,可以直接将用户选择的答案作为患者回复数据,当问题答案为用户的开放式回答时,终端对问题答案进行信息提取或信息转换,具体的提取或转换规则事先根据节点的具体问题事先进行设置,终端将提取的信息作为患者回复数据。如“***”节点采集到的问题答案为“周期为29天”,则终端将其中的数字“29”提取为患者回复数据。
步骤250,从模板数据中获取起始节点对应的连接节点,从连接节点中选择与患者回复数据对应的第一节点,将第一节点作为当前节点,并继续根据当前节点对应的当前节点数据生成当前采集问题并输出,直至采集到的患者回复数据对应的当前节点为模板末梢节点为止。
终端从模板数据中获取与起始节点具有连接关系的位于起始节点下游的连接节点,判断采集到的起始节点的患者回复数据是否满足连接节点的节点选择条件,从连接节点中查找出满足节点选择条件的第一节点,并将第一节点作为当前节点,并继续循环执行根据当前节点对应的当前节点数据生成当前采集问题并输出,采集获取与当前采集问题对应的患者回复数据步骤,直至采集到的患者回复数据对应的当前节点为模板末梢节点为止,模板末梢节点为信息收集模板中不存在下游连接节点的信息采集节点。
步骤260,根据采集到的患者回复数据生成患者采集信息。
终端对模板执行路径中经过的各节点的节点信息及对应采集到的患者回复数据进行数据整合、数据处理并生成患者采集信息。
上述患者信息采集方法中,当终端获取到患者主诉数据后,从患者主诉数据中提取出主诉关键词,查找与主诉关键词对应的信息收集模板,根据信息收集模板中的节点数据进行收集患者回复数据,并根据患者回复数据自动选择模板中的信息采集节点,从而根据信息采集模板实现患者信息的自动化采集,能够得到全面准确的患者信息。
在一个实施例中,从患者主诉数据中提取主诉关键词,查找与主诉关键词匹配的信息收集模板可以包括:对患者主诉数据进行切词处理得到切词字段;将切词字段与标签库中的特征标签进行匹配,将与特征标签成功匹配的切词字段提取为主诉关键词;当主诉关键词对应的特征标签中包含疾病标签时,从疾病模板库中查找与主诉关键词对应的疾病信息收集模板;当主诉关键词对应的特征标签中不包含疾病标签时,从症状模板库中查找与主诉关键词对应的症状信息收集模板。
终端就获取的患者主诉数据进行预处理,将患者主诉数据中的干扰词及停顿字符进行剔除,干扰词可以包括助词、语气词等,停顿字符可以为标点符号等。终端根据剔除的干扰词及数据中的停顿字符将余下的主诉数据进行切分,并对切分后的词语进行切词处理,切词处理的切词规则是从词语中提取出所有可能出现的连续字符串,将连续字符串提取为切词字段。例如余下的词语包括“发低烧”、“畏寒”,对“发低烧”进行切词处理后得到的切词字段为“发”、“发低”、“发低烧”、“低”、“低烧、“烧”。
标签库中存储了用于表示健康特征的特征标签,特征标签可以包括症状特征标签、疾病特征词标签、身体特征词标签等,终端将切词字段与特征标签进行匹配,切词字段与特征标签完全一致时则匹配成功,终端将匹配成功的切词字段提取为主诉关键词。
特征标签事先根据特征类型进行分类,其中的疾病标签可以根据参照标准疾病库中的标准疾病名称进行制定。信息收集模板主要包括疾病信息收集模板和症状信息收集模板两大类。其中,疾病信息收集模板主要是针对已确诊所患疾病的患者的疾病治疗、复诊、检查、康复信息等进行信息收集,而症状信息收集模板是针对没有确诊疾病的患者的伴随表现症状、症状细节特征进行信息收集。疾病信息收集模板和症状信息收集模板分别存储在疾病模板库和症状模板库中。终端提取出主诉关键词后,首先判断是否存在与疾病标签匹配的主诉关键词,当存在时,则从疾病模板库中查找与匹配的疾病标签对应的疾病信息收集模板;当不存在时,则从症状模板库中查找与主诉关键词对应的症状信息收集模板。
在本实施例中,将信息收集模板根据患者的确诊情况细分为疾病信息收集模板和症状信息收集模板,能够更加符合患者的就诊路径,采集到更加有效的患者信息。
在一个实施例中,从连接节点中选择与患者回复数据对应的第一节点作为当前节点可以包括:获取患者回复数据的数据类型;当数据类型为复合数据时,对患者回复数据进行组合生成回复数据组;从连接节点中查找与回复数据组匹配的匹配节点;获取匹配节点的节点优先级,将节点优先级最高的匹配节点提取为第一节点并作为当前节点。
患者回复数据的数据类型与节点采集问题的问题类型相对应,如问题类型可以分为单项选择问题、多项选择问题和开放式问题等,相应的患者回复数据的数据类型可以分为单项数据、符合数据和开放数据等。其中,符合数据与多项选择问题相对应。
终端获取患者回复数据的数据类型,当终端判定出数据类型为复合数据时,终端将患者回复数据进行组合排列生成回复数据组。如患者回复数据中包括三个选项答案“腰疼”、“腿疼”、“行走不便”,终端将其排列组合生成7个回复数据组,分别为{腰疼}、{腿疼}、{行走不便}、{腰疼、腿疼}、{腿疼、行走不便}、{腰疼、行走不便}、{腰疼、腿疼、行走不便}。终端从模板数据中获取与当前节点具有连接关系的下游的连接节点,将生成的各个回复数据组代入各连接节点的选择条件判断逻辑,判断回复数据组是否满足连接节点的选择条件,从连接节点中筛选出选择条件满足的匹配节点。
当终端筛选出多个匹配节点时,终端获取各匹配节点的节点优先级,节点优先级别是指当节点的上游节点连接有多个并列的下游节点时,对并列的下游节点的选择优先级别进行设置,当存在多个选择条件满足的下游连接节点时,优先选择节点优先级高的下游节点来执行。终端将节点优先级最高的匹配节点提取为第一节点,并将第一节点作为待执行的当前节点。从而能够根据患者选择的问题选项选择出更加复合患者实际情况的信息采集路径。
在一个实施例中,连接节点中选择与患者回复数据对应的第一节点作为当前节点之后还可以包括:获取第一节点对应的第一节点数据,从第一节点数据中提取节点关联属性;当节点关联属性为数据关联时,从患者主诉数据中提取患者标识,查找与患者标识对应的历史回复数据;从第一节点数据中提取节点描述问题,当从历史回复数据中查找到与节点描述问题匹配的历史回复记录时,则将历史回复记录作为采集的与第一节点对应的患者回复数据。
终端获取第一节点对应的第一节点数据,并从第一节点数据中提取出节点关联属性,节点关联属性是指节点是否可与该节点采集的历史回复数据进行关联的属性,节点关联属性包括数据关联及数据不可关联两种。数据关联的节点采集的数据一般包括数据不会随着时间推移而变化的患者信息,如患者性别、出生日期、过敏症状等,而数据不可关联的节点采集的数据一般包括数据会随时间推移而变化的患者信息,如患者体温、血压、体重等信息。
当终端判断提取出的节点关联属性为数据关联时,从患者主诉数据中提取患者标识,并查找与患者标识对应的患者的历史回复数据,历史回复数据由采集的患者信息的多条历史回复记录组成,每条历史回复记录均与其对应的采集问题的问题标题进行关联。终端从第一节点数据中提取出节点描述问题,节点描述问题为信息采集问题的问题标题,查找历史回复数据中是否存在与节点描述问题匹配的历史回复记录,当查找到相匹配的历史回复记录时,终端将历史回复记录作为采集到的与第一节点对应的患者回复数据,并继续执行获取当前节点对应的连接节点,从连接节点中选择与患者回复数据对应的第一节点作为当前节点的步骤;当未查找到相匹配的历史回复记录时,则继续执行根据当前节点对应的当前节点数据生成当前采集问题并输出的步骤。
在本实施例中,当终端判断出当前节点采集问题对应的数据为可关联数据时,则优先从患者历史回复数据中查找匹配的历史回复记录,当查找到匹配的历史回复记录时,则可不再对用户采集该节点的问题答案,从而能够提高信息采集效率。
在一个实施例中,加载信息收集模板对应的模板数据可以包括:获取信息收集模板的模板结构类型;当模板结构类型为嵌套模板时,将信息收集模板中的母模板数据从模板数据库加载至本地缓存;继续采集与当前节点对应的患者回复数据之前还可以包括:判断第一节点是否为嵌套模板跳转节点;当判定第一节点为嵌套模板跳转节点时,获取第一节点所属的嵌套子模板,将嵌套子模板对应的子模板数据从模板数据库加载至本地缓存。
信息收集模板的模板结构类型包括独立模板和嵌套模板两大类,其中独立模板由单独的一个模板构成,而嵌套模板是由母模板和多个嵌套子模板相互连接或者嵌套组成。其中,嵌套子模板可以视为母模板中的一个节点,并采用嵌套子模板的模板名称命名母模板中对应的节点,且不同模板之间的连接节点为嵌套模板跳转节点。
终端获取查找到的信息收集模板的模板结构类型,当判断出模板结构类型为嵌套模板时,从模板数据库所在的服务器中加载信息收集模板中的母模板数据,母模板数据中只包括嵌套子模板对应的节点名称等标识数据,不包含具体的嵌套子模板的具体模板数据。
当终端根据嵌套模板进行信息采集时,当继续采集与所述当前节点对应的患者回复数据之前,判断第一节点是否为嵌套模板跳转节点,当判定出第一节点为嵌套模板跳转节点时,终端获取第一节点的第一节点标识,查找第一节点标识对应的嵌套子模板,从模板数据库所在的服务器中将查找到的嵌套子模板对应的子模板数据加载到本地缓存中。
在一个实施例中,终端在加载母模板数据和嵌套子模板数据之前,先从本地缓存中查找是否存在于母模板标识或是嵌套子模板标识对应的模板数据,当存在时则无需从数据库中加载,当不存在时再从模板数据库中加载。终端定时统计本地缓存中加载模板数据的执行频率,将执行频率低于预设频率的模板数据从缓存中删除,去除本地冗余数据。
有些疾病或者症状需要采集的患者信息非常多,对应的信息收集模板包括的节点数量和节点数据的数据量非常庞大,有的信息收集模板可能会包含几十层几百个节点、几十个子模板嵌套的情况,如果将所有的模板数据均加载至本地缓存中时,需占用大量存储空间并影响处理效率,且根据用户回复数据的选择路径可能只执行几个子模板的模板数据,导致数据冗余和存储空间浪费。因此,在本实施例中,只在跳转至相关嵌套子模板时,再将子模板的数据从数据库中加载到本地缓存中,可以减少数据冗余,提高处理效率。
在一个实施例中,根据采集到的患者回复数据生成患者采集信息,包括:对患者回复数据进行数据预处理;通过语义分析将预处理后的患者回复数据转换为医学标准话术;根据医学标准话术生成患者采集信息。
终端采集到患者回复数据时,若采集到的数据为用户选择的问题选项时,终端查找问题选项对应的事先设定的医学标准话术;若采集到数据为用户输入的开放问题答案时,终端对患者回复数据进行干扰词、停顿字符去除、切词等数据预处理,干扰词可以包括助词、语气词等,停顿字符可以为标点符号等。终端根据剔除的干扰词及数据中的停顿字符将余下的主诉数据进行切分,并对切分后的词语进行切词处理,切词处理的切词规则是从词语中提取出所有可能出现的连续字符串,将连续字符串提取为切词字段,终端将得到的切词字段与标准话术库中的医学标准词进行匹配,获取与医学标准词匹配成功的切词字段并查找与该切词字段匹配的医学标准话术。
如用户选择的选项为“肚子发胀”和“拉肚子”的复合选项数据,终端查找到与还复合选项数据对应的预设医学标准话术为“腹胀腹泻”。又如用户输入的问题答案为“吃完饭就肚子发涨”,终端通过对其进行语义分析,匹配成功的切词字段为“肚子发胀”,与该切词字段对应的医学标准话术为“腹胀”。
终端根据转换后的医学标准话术生成患者表现特征标签集合,并将患者表现特征标签集合作为患者采集信息,从而能够自动提取出重点采集信息,便于医生查看。
在一个实施例中,如图3所示,患者信息采集方法还可以包括:
步骤265,将所有选择的当前节点进行连接生成模板执行路径图。
终端将整个信息采集过程中所选择的信息收集节点的节点标识按照节点的执行顺序进行连接,生成模板执行路径图。
步骤270,将采集到的患者回复数据与模板执行路径图中对应的当前节点进行关联后生成患者信息采集实例。
终端将采集到的患者回复数据与模板执行路径图中对应的信息收集节点的节点标识进行关联,患者回复数据可以包括用户输入的原始的问题答案数据,也可以包括将问题答案经过数据转换生成的医学标准话术,终端根据添加了患者回复数据的模板执行路径图生成患者信息采集实例,患者信息采集实例中也可添加各节点对应的采集问题。进一步地,终端可以从患者主诉数据中提取用户标识,根据用户标识对患者信息采集实例进行标记,并将标记后的患者信息采集实例发送至模板数据库服务器,模板数据库服务器将患者信息采集实例与对应的信息收集模板进行关联存储。
步骤275,获取信息收集模板对应的科室代码。
信息收集模板事先根据所采集的疾病或症状对应的科室进行分类,并事先将信息收集模板根据对应科室的科室代码进行标记。终端获取执行的信息收集模板对应的科室代码。
步骤280,将患者采集信息与患者信息采集实例发送至科室代码对应的科室终端。
终端查找科室代码对应的科室终端,同一科室代码可以对应多个科室终端,终端获取各科室终端的空闲指数,将患者采集信息与患者信息采集实例发送至空闲指数最高的科室终端。
在本实施例中,医生能够根据患者采集信息与患者信息采集实例获得用全面、详细的健康信息,为医生节约病情询问时间。
应该理解的是,虽然图2-3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2-3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。
下面以一个具体的应用场景为例进行说明。终端获取到的患者主诉数据为“在非生理期出现出血情况”,终端从患者主诉数据中提取的主诉关键词为“非生理期”和“出血”,终端查找到与主诉关键词相匹配的信息收集模板为***期出血模板,如图4所示,为***期出血模板的数据示意图,其中,“月经情况”、“月中出血”、“出现次数”等均为信息收集节点,箭头表示节点之间的连接关系,箭头上的文字如“正常”、“是”、“一次”等为选择箭头所指向节点时根据上一节点采集的患者回复数据所需满足的选择条件。以“月经情况”的节点数据为例进行说明,节点名称为“月经情况”,节点设置的问题内容为“请问您的月经正常吗”,节点的节点关联属性为数据不可关联,提供的问题选项为两个,分别为“正常”和“不正常”,当用户选择的是“正常”选项时,则选择“月中出血”节点为下一执行节点,当用户选择的是“不正常”选项时,则选择“***”节点为下一执行节点。
在一个实施例中,如图5所示,提供了一种患者信息采集装置,包括:主诉数据获取模块510、模板数据查找模块520、当前节点选择模块530、回复数据获取模块540、连接节点选择模块550和采集信息生成模块560,其中:
主诉数据获取模块510,用于获取患者主诉数据。
模板数据查找模块520,用于从患者主诉数据中提取主诉关键词,查找与主诉关键词匹配的信息收集模板,加载信息收集模板对应的模板数据。
当前节点选择模块530,用于从模板数据中选择与主诉关键词对应的起始节点。
回复数据获取模块540,用于根据起始节点对应的节点数据生成采集问题并输出,获取与采集问题对应的患者回复数据。
连接节点选择模块550,用于从模板数据中获取起始节点对应的连接节点,从连接节点中选择与患者回复数据对应的第一节点,将第一节点作为当前节点,并继续根据当前节点对应的当前节点数据生成当前采集问题并输出,直至采集到的患者回复数据对应的当前节点为模板末梢节点为止。
采集信息生成模块560,用于根据采集到的患者回复数据生成患者采集信息。
在一个实施例中,模板数据查找模块可以包括:
切词模块,用于对患者主诉数据进行切词处理得到切词字段。
关键词提取模块,用于将切词字段与标签库中的特征标签进行匹配,将与特征标签成功匹配的切词字段提取为主诉关键词。
疾病模板查找模块,用于当主诉关键词对应的特征标签中包含疾病标签时,从疾病模板库中查找与主诉关键词对应的疾病信息收集模板。
症状模板查找模块,用于当主诉关键词对应的特征标签中不包含疾病标签时,从症状模板库中查找与主诉关键词对应的症状信息收集模板。
在一个实施例中,连接节点选择模块可以包括:
数据类型获取模块,用于获取患者回复数据的数据类型。
数据组生成模块,用于当数据类型为复合数据时,对患者回复数据进行组合生成回复数据组。
匹配节点查找模块,用于从连接节点中查找与回复数据组匹配的匹配节点。
节点提取模块,用于获取匹配节点的节点优先级,将节点优先级最高的匹配节点提取为第一节点并作为当前节点。
在一个实施例中,患者信息采集装置还可以包括:
关联属性提取模块,用于获取第一节点对应的第一节点数据,从第一节点数据中提取节点关联属性。
历史数据查找模块,用于当节点关联属性为数据关联时,从患者主诉数据中提取患者标识,查找与患者标识对应的历史回复数据。
匹配记录查找模块,用于从第一节点数据中提取节点描述问题,当从历史回复数据中查找到与节点描述问题匹配的历史回复记录时,则将历史回复记录作为采集的与第一节点对应的患者回复数据。
在一个实施例中,模板数据查找模块可以包括:
结构类型获取模块,用于获取信息收集模板的模板结构类型。
母模板加载模块,用于当模板结构类型为嵌套模板时,将信息收集模板中的母模板数据从模板数据库加载至本地缓存。
患者信息采集装置还可以包括:
跳转节点判断模块,用于判断第一节点是否为嵌套模板跳转节点。
子模板加载模块,用于当判定第一节点为嵌套模板跳转节点时,获取第一节点所属的嵌套子模板,将嵌套子模板对应的子模板数据从模板数据库加载至本地缓存。
在一个实施例中,采集信息生成模块可以包括:
预处理模块,用于对患者回复数据进行数据预处理。
标准话术转换模块,用于通过语义分析将预处理后的患者回复数据转换为医学标准话术。
话术整合模块,用于根据医学标准话术生成患者采集信息。
在一个实施例中,患者信息采集装置还可以包括:
路径图生成模块,用于将所有选择的当前节点进行连接生成模板执行路径图。
信息实例生成模块,用于将采集到的患者回复数据与模板执行路径图中对应的当前节点进行关联后生成患者信息采集实例。
科室代码获取模块,用于获取信息收集模板对应的科室代码。
采集数据发送模块,用于将患者采集信息与患者信息采集实例发送至科室代码对应的科室终端。
关于患者信息采集装置的具体限定可以参见上文中对于患者信息采集方法的限定,在此不再赘述。上述患者信息采集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终端,其内部结构图可以如图6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、显示屏和输入装置。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***和计算机程序。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患者信息采集方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏,该计算机设备的输入装置可以是显示屏上覆盖的触摸层,也可以是计算机设备外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解,图6中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
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:获取患者主诉数据;从患者主诉数据中提取主诉关键词,查找与主诉关键词匹配的信息收集模板,加载信息收集模板对应的模板数据;从模板数据中选择与主诉关键词对应的起始节点;根据起始节点对应的节点数据生成采集问题并输出,获取与采集问题对应的患者回复数据;从模板数据中获取起始节点对应的连接节点,从连接节点中选择与患者回复数据对应的第一节点,将第一节点作为当前节点,并继续根据当前节点对应的当前节点数据生成当前采集问题并输出,直至采集到的患者回复数据对应的当前节点为模板末梢节点为止;根据采集到的患者回复数据生成患者采集信息。
在一个实施例中,处理器执行计算机程序实现从患者主诉数据中提取主诉关键词,查找与主诉关键词匹配的信息收集模板的步骤时还用于:对患者主诉数据进行切词处理得到切词字段;将切词字段与标签库中的特征标签进行匹配,将与特征标签成功匹配的切词字段提取为主诉关键词;当主诉关键词对应的特征标签中包含疾病标签时,从疾病模板库中查找与主诉关键词对应的疾病信息收集模板;当主诉关键词对应的特征标签中不包含疾病标签时,从症状模板库中查找与主诉关键词对应的症状信息收集模板。
在一个实施例中,处理器执行计算机程序实现从连接节点中选择与患者回复数据对应的第一节点作为当前节点的步骤时还用于:获取患者回复数据的数据类型;当数据类型为复合数据时,对患者回复数据进行组合生成回复数据组;从连接节点中查找与回复数据组匹配的匹配节点;获取匹配节点的节点优先级,将节点优先级最高的匹配节点提取为第一节点并作为当前节点。
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:获取第一节点对应的第一节点数据,从第一节点数据中提取节点关联属性;节点关联属性为数据关联时,从患者主诉数据中提取患者标识,查找与患者标识对应的历史回复数据;从第一节点数据中提取节点描述问题,当从历史回复数据中查找到与节点描述问题匹配的历史回复记录时,则将历史回复记录作为采集的与第一节点对应的患者回复数据。
在一个实施例中,处理器执行计算机程序实现加载所述信息收集模板对应的模板数据的步骤时还用于:获取所述信息收集模板的模板结构类型;当所述模板结构类型为嵌套模板时,将所述信息收集模板中的母模板数据从模板数据库加载至本地缓存;还实现以下步骤:判断第一节点是否为嵌套模板跳转节点;当判定第一节点为嵌套模板跳转节点时,获取第一节点所属的嵌套子模板,将嵌套子模板对应的子模板数据从模板数据库加载至本地缓存。
在一个实施例中,处理器执行计算机程序实现根据采集到的患者回复数据生成患者采集信息的步骤时还用于:对患者回复数据进行数据预处理;通过语义分析将预处理后的患者回复数据转换为医学标准话术;根据医学标准话术生成患者采集信息。
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:将所有选择的当前节点进行连接生成模板执行路径图;将采集到的患者回复数据与模板执行路径图中对应的当前节点进行关联后生成患者信息采集实例;获取信息收集模板对应的科室代码;将患者采集信息与患者信息采集实例发送至科室代码对应的科室终端。
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:获取患者主诉数据;从患者主诉数据中提取主诉关键词,查找与主诉关键词匹配的信息收集模板,加载信息收集模板对应的模板数据;从模板数据中选择与主诉关键词对应的起始节点;根据起始节点对应的节点数据生成采集问题并输出,获取与采集问题对应的患者回复数据;从模板数据中获取起始节点对应的连接节点,从连接节点中选择与患者回复数据对应的第一节点,将第一节点作为当前节点,并继续根据当前节点对应的当前节点数据生成当前采集问题并输出,直至采集到的患者回复数据对应的当前节点为模板末梢节点为止;根据采集到的患者回复数据生成患者采集信息。
在一个实施例中,计算机程序被处理器执行实现从患者主诉数据中提取主诉关键词,查找与主诉关键词匹配的信息收集模板的步骤时还用于:对患者主诉数据进行切词处理得到切词字段;将切词字段与标签库中的特征标签进行匹配,将与特征标签成功匹配的切词字段提取为主诉关键词;当主诉关键词对应的特征标签中包含疾病标签时,从疾病模板库中查找与主诉关键词对应的疾病信息收集模板;当主诉关键词对应的特征标签中不包含疾病标签时,从症状模板库中查找与主诉关键词对应的症状信息收集模板。
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:实现从连接节点中选择与患者回复数据对应的第一节点作为当前节点的步骤时还用于:获取患者回复数据的数据类型;当数据类型为复合数据时,对患者回复数据进行组合生成回复数据组;从连接节点中查找与回复数据组匹配的匹配节点;获取匹配节点的节点优先级,将节点优先级最高的匹配节点提取为第一节点并作为当前节点。
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:获取第一节点对应的第一节点数据,从第一节点数据中提取节点关联属性;节点关联属性为数据关联时,从患者主诉数据中提取患者标识,查找与患者标识对应的历史回复数据;从第一节点数据中提取节点描述问题,当从历史回复数据中查找到与节点描述问题匹配的历史回复记录时,则将历史回复记录作为采集的与第一节点对应的患者回复数据。
在一个实施例中,计算机程序被处理器执行实现加载所述信息收集模板对应的模板数据的步骤时还用于:获取所述信息收集模板的模板结构类型;当所述模板结构类型为嵌套模板时,将所述信息收集模板中的母模板数据从模板数据库加载至本地缓存;还实现以下步骤:判断第一节点是否为嵌套模板跳转节点;当判定第一节点为嵌套模板跳转节点时,获取第一节点所属的嵌套子模板,将嵌套子模板对应的子模板数据从模板数据库加载至本地缓存。
在一个实施例中,计算机程序被处理器执行实现根据采集到的患者回复数据生成患者采集信息的步骤时还用于:对患者回复数据进行数据预处理;通过语义分析将预处理后的患者回复数据转换为医学标准话术;根据医学标准话术生成患者采集信息。
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:将所有选择的当前节点进行连接生成模板执行路径图;将采集到的患者回复数据与模板执行路径图中对应的当前节点进行关联后生成患者信息采集实例;获取信息收集模板对应的科室代码;将患者采集信息与患者信息采集实例发送至科室代码对应的科室终端。
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,所述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。
以上所述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)
1.一种患者信息采集方法,所述方法包括:
获取患者主诉数据;
从所述患者主诉数据中提取主诉关键词,查找与所述主诉关键词匹配的信息收集模板,加载所述信息收集模板对应的模板数据;
从所述模板数据中选择与所述主诉关键词对应的起始节点;
根据所述起始节点对应的节点数据生成采集问题并输出,获取与所述采集问题对应的患者回复数据;
从所述模板数据中获取所述起始节点对应的连接节点,从所述连接节点中选择与所述患者回复数据对应的第一节点,将所述第一节点作为当前节点,并继续根据所述当前节点对应的当前节点数据生成当前采集问题并输出,直至采集到的患者回复数据对应的当前节点为模板末梢节点为止;
根据采集到的所述患者回复数据生成患者采集信息。
2.根据权利要求1所述的方法,其特征在于,所述从所述患者主诉数据中提取主诉关键词,查找与所述主诉关键词匹配的信息收集模板,包括:
对所述患者主诉数据进行切词处理得到切词字段;
将所述切词字段与标签库中的特征标签进行匹配,将与所述特征标签成功匹配的切词字段提取为主诉关键词;
当所述主诉关键词对应的特征标签中包含疾病标签时,从疾病模板库中查找与所述主诉关键词对应的疾病信息收集模板;
当所述主诉关键词对应的特征标签中不包含疾病标签时,从症状模板库中查找与所述主诉关键词对应的症状信息收集模板。
3.根据权利要求1所述的方法,其特征在于,所述从所述连接节点中选择与所述患者回复数据对应的第一节点作为当前节点,包括:
获取所述患者回复数据的数据类型;
当所述数据类型为复合数据时,对所述患者回复数据进行组合生成回复数据组;
从所述连接节点中查找与所述回复数据组匹配的匹配节点;
获取所述匹配节点的节点优先级,将所述节点优先级最高的匹配节点提取为第一节点并作为当前节点。
4.根据权利要求1所述的方法,其特征在于,所述连接节点中选择与所述患者回复数据对应的第一节点作为当前节点之后,还包括:
获取所述第一节点对应的第一节点数据,从所述第一节点数据中提取节点关联属性;
当所述节点关联属性为数据关联时,从所述患者主诉数据中提取患者标识,查找与所述患者标识对应的历史回复数据;
从所述第一节点数据中提取节点描述问题,当从所述历史回复数据中查找到与所述节点描述问题匹配的历史回复记录时,则将所述历史回复记录作为采集的与所述第一节点对应的患者回复数据。
5.根据权利要求1所述的方法,其特征在于,所述加载所述信息收集模板对应的模板数据,包括:
获取所述信息收集模板的模板结构类型;
当所述模板结构类型为嵌套模板时,将所述信息收集模板中的母模板数据从模板数据库加载至本地缓存;
所述继续采集与所述当前节点对应的患者回复数据之前,还包括:
判断所述第一节点是否为嵌套模板跳转节点;
当判定所述第一节点为嵌套模板跳转节点时,获取所述第一节点所属的嵌套子模板,将所述嵌套子模板对应的子模板数据从模板数据库加载至本地缓存。
6.根据权利要求1所述的方法,其特征在于,所述根据采集到的所述患者回复数据生成患者采集信息,包括:
对所述患者回复数据进行数据预处理;
通过语义分析将预处理后的患者回复数据转换为医学标准话术;
根据所述医学标准话术生成患者采集信息。
7.根据权利要求1所述的方法,其特征在于,所述方法还包括:
将所有选择的当前节点进行连接生成模板执行路径图;
将采集到的所述患者回复数据与所述模板执行路径图中对应的当前节点进行关联后生成患者信息采集实例;
获取所述信息收集模板对应的科室标签;
将所述患者采集信息与所述患者信息采集实例发送至所述科室代码对应的科室终端。
8.一种患者信息采集装置,其特征在于,所述装置包括:
主诉数据获取模块,用于获取患者主诉数据;
模板数据查找模块,用于从所述患者主诉数据中提取主诉关键词,查找与所述主诉关键词匹配的信息收集模板,加载所述信息收集模板对应的模板数据;
当前节点选择模块,用于从所述模板数据中选择与所述主诉关键词对应的起始节点;
回复数据获取模块,用于根据所述起始节点对应的节点数据生成采集问题并输出,获取与所述采集问题对应的患者回复数据;
连接节点选择模块,用于从所述模板数据中获取所述起始节点对应的连接节点,从所述连接节点中选择与所述患者回复数据对应的第一节点,将所述第一节点作为当前节点,并继续根据所述当前节点对应的当前节点数据生成当前采集问题并输出,直至采集到的患者回复数据对应的当前节点为模板末梢节点为止;
采集信息生成模块,用于根据采集到的所述患者回复数据生成患者采集信息。
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7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7中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810725368.2A CN109087688B (zh) | 2018-07-04 | 2018-07-04 | 患者信息采集方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810725368.2A CN109087688B (zh) | 2018-07-04 | 2018-07-04 | 患者信息采集方法、装置、计算机设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109087688A true CN109087688A (zh) | 2018-12-25 |
CN109087688B CN109087688B (zh) | 2024-02-20 |
Family
ID=64837346
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810725368.2A Active CN109087688B (zh) | 2018-07-04 | 2018-07-04 | 患者信息采集方法、装置、计算机设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109087688B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110134775A (zh) * | 2019-05-10 | 2019-08-16 | 中国联合网络通信集团有限公司 | 问答数据生成方法及装置、存储介质 |
CN110176314A (zh) * | 2019-05-30 | 2019-08-27 | 爱多特(广东)网络技术有限公司 | 病患线上咨询方法及*** |
CN110236572A (zh) * | 2019-05-07 | 2019-09-17 | 平安科技(深圳)有限公司 | 基于体温信息的抑郁症预测*** |
CN115691740A (zh) * | 2022-12-12 | 2023-02-03 | 广州知汇云科技有限公司 | 一种病历数据结构化分析处理方法及*** |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103617343A (zh) * | 2013-11-06 | 2014-03-05 | 中国人民解放军第四军医大学 | 一种急诊电子病历***及其信息处理方法 |
CN105912846A (zh) * | 2016-04-07 | 2016-08-31 | 南京小网科技有限责任公司 | 基于云计算和医学知识库技术的智能医疗辅助决策*** |
CN106650261A (zh) * | 2016-12-22 | 2017-05-10 | 上海智臻智能网络科技股份有限公司 | 智能问诊方法、装置和*** |
CN106845061A (zh) * | 2016-11-02 | 2017-06-13 | 百度在线网络技术(北京)有限公司 | 智能问诊***和方法 |
-
2018
- 2018-07-04 CN CN201810725368.2A patent/CN109087688B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103617343A (zh) * | 2013-11-06 | 2014-03-05 | 中国人民解放军第四军医大学 | 一种急诊电子病历***及其信息处理方法 |
CN105912846A (zh) * | 2016-04-07 | 2016-08-31 | 南京小网科技有限责任公司 | 基于云计算和医学知识库技术的智能医疗辅助决策*** |
CN106845061A (zh) * | 2016-11-02 | 2017-06-13 | 百度在线网络技术(北京)有限公司 | 智能问诊***和方法 |
CN106650261A (zh) * | 2016-12-22 | 2017-05-10 | 上海智臻智能网络科技股份有限公司 | 智能问诊方法、装置和*** |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110236572A (zh) * | 2019-05-07 | 2019-09-17 | 平安科技(深圳)有限公司 | 基于体温信息的抑郁症预测*** |
CN110236572B (zh) * | 2019-05-07 | 2021-10-26 | 平安科技(深圳)有限公司 | 基于体温信息的抑郁症预测*** |
CN110134775A (zh) * | 2019-05-10 | 2019-08-16 | 中国联合网络通信集团有限公司 | 问答数据生成方法及装置、存储介质 |
CN110134775B (zh) * | 2019-05-10 | 2021-08-24 | 中国联合网络通信集团有限公司 | 问答数据生成方法及装置、存储介质 |
CN110176314A (zh) * | 2019-05-30 | 2019-08-27 | 爱多特(广东)网络技术有限公司 | 病患线上咨询方法及*** |
CN115691740A (zh) * | 2022-12-12 | 2023-02-03 | 广州知汇云科技有限公司 | 一种病历数据结构化分析处理方法及*** |
Also Published As
Publication number | Publication date |
---|---|
CN109087688B (zh) | 2024-02-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108986908B (zh) | 问诊数据处理方法、装置、计算机设备和存储介质 | |
CN109215754A (zh) | 病历数据处理方法、装置、计算机设备和存储介质 | |
CN109087688A (zh) | 患者信息采集方法、装置、计算机设备和存储介质 | |
CN110021439A (zh) | 基于机器学习的医疗数据分类方法、装置和计算机设备 | |
CN112036154B (zh) | 基于问诊对话的电子病历生成方法、装置和计算机设备 | |
CN109065172B (zh) | 病症信息获取方法、装置、计算机设备和存储介质 | |
CN109635122A (zh) | 智能疾病问询方法、装置、设备及存储介质 | |
CN109147934A (zh) | 问诊数据推荐方法、装置、计算机设备和存储介质 | |
CN110069631A (zh) | 一种文本处理方法、装置以及相关设备 | |
CN108899064A (zh) | 电子病历生成方法、装置、计算机设备和存储介质 | |
CN110299209B (zh) | 相似病历查找方法、装置、设备及可读存储介质 | |
Folino et al. | A comorbidity-based recommendation engine for disease prediction | |
CN112035614B (zh) | 测试集生成方法、装置、计算机设备和存储介质 | |
CN111710383A (zh) | 病历质控方法、装置、计算机设备和存储介质 | |
CN112201359A (zh) | 基于人工智能的重症问诊数据识别方法及装置 | |
CN109065183A (zh) | 问诊对话模板生成及问诊数据获取方法、装置 | |
CN111415760B (zh) | 医生推荐方法、***、计算机设备及存储介质 | |
CN113919336A (zh) | 基于深度学习的文章生成方法、装置及相关设备 | |
CN117786086A (zh) | 答复文本生成方法、装置、计算机设备和可读存储介质 | |
CN110532229A (zh) | 证据文件检索方法、装置、计算机设备和存储介质 | |
KR102202810B1 (ko) | 수의 경험지식 및 전문 정보를 이용한 가축 진단을 위한 자동 소견생성 시스템 | |
Kwon et al. | A study on the web-based intelligent self-diagnosis medical system | |
Wang et al. | Coad: Automatic diagnosis through symptom and disease collaborative generation | |
CN116403706A (zh) | 一种融合知识扩展和卷积神经网络的糖尿病预测方法 | |
CN114676258B (zh) | 一种基于症状描述文本的非诊断为目的的疾病分类方法 |
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 |