CN109524072A - 电子病历生成方法、装置、计算机设备和存储介质 - Google Patents
电子病历生成方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN109524072A CN109524072A CN201811399572.6A CN201811399572A CN109524072A CN 109524072 A CN109524072 A CN 109524072A CN 201811399572 A CN201811399572 A CN 201811399572A CN 109524072 A CN109524072 A CN 109524072A
- Authority
- CN
- China
- Prior art keywords
- medical record
- record information
- electronic health
- information
- correlation
- 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
- 230000036541 health Effects 0.000 title claims abstract description 160
- 238000000034 method Methods 0.000 title claims abstract description 42
- 230000002159 abnormal effect Effects 0.000 claims abstract description 45
- 238000012545 processing Methods 0.000 claims abstract description 35
- 238000013507 mapping Methods 0.000 claims abstract description 31
- 201000010099 disease Diseases 0.000 claims description 56
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims description 56
- 238000004590 computer program Methods 0.000 claims description 28
- 239000000463 material Substances 0.000 claims description 14
- 238000003745 diagnosis Methods 0.000 claims description 9
- 206010012601 diabetes mellitus Diseases 0.000 description 10
- 210000003743 erythrocyte Anatomy 0.000 description 10
- 238000012216 screening Methods 0.000 description 9
- LEHOTFFKMJEONL-UHFFFAOYSA-N Uric Acid Chemical compound N1C(=O)NC(=O)C2=C1NC(=O)N2 LEHOTFFKMJEONL-UHFFFAOYSA-N 0.000 description 8
- TVWHNULVHGKJHS-UHFFFAOYSA-N Uric acid Natural products N1C(=O)NC(=O)C2NC(=O)NC21 TVWHNULVHGKJHS-UHFFFAOYSA-N 0.000 description 8
- 229940116269 uric acid Drugs 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 230000007830 nerve conduction Effects 0.000 description 7
- 230000008569 process Effects 0.000 description 7
- 210000004369 blood Anatomy 0.000 description 6
- 239000008280 blood Substances 0.000 description 6
- 238000007689 inspection Methods 0.000 description 6
- 239000013589 supplement Substances 0.000 description 6
- 238000004820 blood count Methods 0.000 description 5
- 201000005569 Gout Diseases 0.000 description 4
- 238000012163 sequencing technique Methods 0.000 description 4
- 230000007423 decrease Effects 0.000 description 3
- 208000032131 Diabetic Neuropathies Diseases 0.000 description 2
- ZRALSGWEFCBTJO-UHFFFAOYSA-N Guanidine Chemical compound NC(N)=N ZRALSGWEFCBTJO-UHFFFAOYSA-N 0.000 description 2
- 230000001174 ascending effect Effects 0.000 description 2
- 229940079593 drug Drugs 0.000 description 2
- 239000003814 drug Substances 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 230000000153 supplemental effect Effects 0.000 description 2
- 229940123208 Biguanide Drugs 0.000 description 1
- CHJJGSNFBQVOTG-UHFFFAOYSA-N N-methyl-guanidine Natural products CNC(N)=N CHJJGSNFBQVOTG-UHFFFAOYSA-N 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 150000004283 biguanides Chemical class 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- SWSQBOPZIKWTGO-UHFFFAOYSA-N dimethylaminoamidine Natural products CN(C)C(N)=N SWSQBOPZIKWTGO-UHFFFAOYSA-N 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000001360 synchronised effect Effects 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
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Primary Health Care (AREA)
- Public Health (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本申请涉及一种电子病历方法、装置、计算机设备和存储介质。所述方法包括：接收电子病历生成指令，所述电子病历生成指令携带有用户标识；从医院服务器获取到与所述用户标识对应的第一病历信息和诊断信息；根据知识图谱判断所述第一病历信息中是否存在异常结果；当存在异常结果时，则对存在异常结果的第一病历信息进行第一标记；获取正常结果的第一病历信息对应的相关度，所述相关度是所述正常结果的第一病历信息与所述诊断信息的相关度；当所述相关度大于第一阈值时，则对所述相关度大于第一阈值的第一病历信息进行第一标记处理；根据所述第一标记处理对应的第一病历信息生成电子病历。采用本方法能够优化电子病历内容。
Description
技术领域
本申请涉及计算机技术领域，特别是涉及一种电子病历生成方法、装置、计算机设备和存储介质。
背景技术
电子病历自动生成能减轻医生在临床实践中的工作量，使其花更多的精力在患者诊疗上。
传统的电子病历生成***主要由模板填充的形式生成，其模板需要提前预设，而不同的疾病需要不同的模板，且模板这类基于规则的信息收集方式使得电子病历同质化，对医生参考价值弱化。另一方面，小的模板涵盖信息量少，宽泛的模板则包含大量无效信息浪费医院信息资源，且不利于医生阅读、决策及后期的疾病数据分析和应用。
发明内容
基于此，有必要针对上述技术问题，提供一种能够优化电子病历内容的电子病历生成方法、装置、计算机设备和存储介质。
一种电子病历生成方法，所述方法包括：
接收电子病历生成指令，所述电子病历生成指令携带有用户标识；
从医院服务器获取到与所述用户标识对应的第一病历信息和诊断信息；
根据知识图谱判断所述第一病历信息中是否存在异常结果；
当存在异常结果时，则对存在异常结果的第一病历信息进行第一标记；
获取正常结果的第一病历信息对应的相关度，所述相关度是所述正常结果的第一病历信息与所述诊断信息的相关度；
当所述相关度大于第一阈值时，则对所述相关度大于第一阈值的病历信息进行第一标记处理；
根据所述第一标记处理对应的第一病历信息生成电子病历。
在其中一个实施例中，所述方法还包括：
从所述第一病历信息选取第二病历信息，所述第二病历信息与所述知识图谱中存在共同出现概率的预设病历信息相匹配；
当第二病历信息的共同出现概率低于第二阈值时，则对共同出现概率低于第二阈值的病历信息进行第二标记处理；
将所述第二标记处理对应的第二病历信息添加至所述电子病历中。
在其中一个实施例中，所述将所述第二标记处理对应的第二病历信息添加至所述电子病历中，包括：
根据所述第二病历信息的共同出现概率对所述第二病历信息进行排序；
输出排序后的所述第二病历材料；
接收输入的针对所述第二病历材料的选择指令；
将所述选择指令选中的所述第二病历材料添加至所述电子病历中。
在其中一个实施例中，所述根据所述第一标记处理对应的第一病历信息生成电子病历，包括：
获取第一标记处理对应的第一病历信息的关系词；
选取与所述关系词对应的句式模板；
根据所选取的句式模板和所述第一疾病信息生成电子病历。
在其中一个实施例中，所述根据所述第一标记处理对应的第一病历信息生成电子病历，包括：
从所述第一标记处理对应的第一病历信息中获取相关度大于第一阈值的第三病历信息；
根据所述相从大到小的顺序对所述第三病历信息进行排序，并按照排序后的第三病历信息依次生成电子病历；
从所述第一标记处理对应的第一病历信息中获取相关度小于第一阈值的第四病历信息；
根据所述相关度从小到大的顺序对所述第四病历信息进行排序，并将排序后的第四病历信息添加至所述电子病历中。
在其中一个实施例中，所述将所述第二标记处理对应的第二病历信息添加至所述电子病历中，包括：
根据所述相关度从小到大的顺序对所述第二标记处理对应的第二病历信息进行排序；
将排序后的第二病历信息添加至所述电子病历中，并位于所述第四病历信息之后。
在其中一个实施例中，所述第一阈值的生成方式包括：
获取所述病历信息与所述诊断信息之间的相关度；
计算所述相关度的均值和标准差；
根据所述均值和所述标准差的差值得到第一阈值。
一种电子病历生成装置，所述装置包括：
接收模块，用于接收电子病历生成指令，所述电子病历生成指令携带有用户标识；
第一获取模块，用于从医院服务器获取到与所述用户标识对应的第一病历信息和诊断信息；
判断模块，用于根据知识图谱判断所述第一病历信息中是否存在异常结果；
第一标记模块，用于当存在异常结果时，则对存在异常结果的第一病历信息进行第一标记；
相关度获取模块，用于获取正常结果的第一病历信息对应的相关度，所述相关度是所述正常结果的第一病历信息与所述诊断信息的相关度；
第二标记模块，用于当所述相关度大于第一阈值时，则对所述相关度大于第一阈值的病历信息进行第一标记处理；
第一生成模块，用于根据所述第一标记处理对应的第一病历信息生成电子病历。
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任一项所述方法的步骤。
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任一项所述的方法的步骤。
上述电子病历生成方法、装置、计算机设备和存储介质，在生成电子病历时，首先获取到第一病历信息和诊断信息，查询第一病历信息中的异常结果，当存在异常结果则输出进行第一标记，并从正常结果的第一病历信息中获取到相关度，当第一病历信息与诊断信息的相关度大于阈值时，也进行第一标记，最后将进行第一标记的病历信息生成电子病历，避免将所有的第一病历信息都放在电子病历中，导致电子病历冗长且没有重点。
附图说明
图1为一个实施例中电子病历生成方法的应用场景图；
图2为一个实施例中电子病历生成方法的流程示意图；
图3为一个实施例中知识图谱的示意图；
图4为另一个实施例中电子病历生成方法的流程示意图；
图5为一个实施例中电子病历生成装置的结构框图；
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。
本申请提供的电子病历生成方法，可以应用于如图1所示的应用环境中。其中，终端通过网络与医院服务器进行通信。其中终端接收到电子病历生成指令后，从医院服务器获取到与用户标识对应的第一病历信息和诊断信息，然后根据知识图谱来判断第一病历信息中是否存在异常结果，当存在，则将该异常结果对应的第一病历信息进行第一标记，以便于后续添加至电子病历中，而对于正常结果，则按照其与诊断信息的相关度进行排序，获取相关度大于阈值的正常结果对应的第一病历信息，也进行第一标记，即需要将该第一病历信息添加至电子病历中，且终端最后根据添加了第一标记的第一病历信息生成电子病历。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，医院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，提供了一种电子病历生成方法，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：
S202：接收电子病历生成指令，电子病历生成指令携带有用户标识。
具体地，电子病历生成指令是终端用户输入的，即当患者看完病后，医生用户点击终端上的确认按钮，从而终端可以接收根据点击终端上的确认按钮生成的电子病历生成指令。其中用户标识是指患者的就诊号或者是EMPI(患者主索引)。
S204：从医院服务器获取到与用户标识对应的第一病历信息和诊断信息。
具体地，当终端接收到电子病历生成指令后，终端则与医院服务器建立连接，并从医院服务器获取到第一病历信息和诊断信息，其中诊断信息是指医生输入的诊断结果，例如所患疾病的名称等，第一病历信息包括新增的实验室检查、检测仪器、诊疗操作以及服用的药品种类、剂量等信息。
S206：根据知识图谱判断第一病历信息中是否存在异常结果。
具体地，知识图谱是一种图数数据库，其中建立了各个诊断信息与第一病历信息的关系，且存储了各个第一病历信息的结果判断阈值，根据该结果判断阈值可以判断相应的第一病历信息是否为异常结果，具体可以参见图3所示，图3为一实施例中的知识图谱的结构示意图，其中包括诊断信息“糖尿病”、“痛风”等，还包括了第一病历信息“二甲双胍”、“红细胞计数”等，其中“二甲双胍”的结果判断阈值为0.5g，即大于0.5g则为异常值，小于0.5g则为正常值。
S208：当存在异常结果时，则对存在异常结果的第一病历信息进行第一标记。
具体地，终端根据知识图谱中的结果判断阈值判断第一病历信息中是否存在异常结果，如果存在异常结果，则对异常结果的第一病历信息进行第一标记。
其中第一标记可以是添加标志位、标红、高亮等方式，以将异常结果对应的第一病历信息与其他的第一病历信息区分开来，从而从第一病历信息中选取了生成电子病历的第一份材料。
S210：获取正常结果的第一病历信息对应的相关度，相关度是正常结果的第一病历信息与诊断信息的相关度。
具体地，相关度是指第一病历信息与诊断信息的相关度，如图3中，“糖尿病”与“二甲双胍”的相关度为“0.8”，与“红细胞计数”的相关度为0.3。
对于正常结果的第一病历信息，终端则获取对应的相关度，从而根据相关度选取生成电子病历的第二份材料。
S212：当相关度大于第一阈值时，则对相关度大于第一阈值的第一病历信息进行第一标记处理。
具体地，第一阈值是用于衡量第一病历信息与诊断信息的相关度的，即该第一阈值用于将该患者的所有的第一病历信息中的相关度相对较大的第一病历信息筛选出来，以便于添加至电子病历中，供医生用户查看，该第一阈值可以是由用户自行设置，也可以是根据该患者的所有的第一病历信息与诊断信息的相关度生成的。对于相关度小于第一阈值的第一病历信息则直接忽略，不会添加到电子病历中。
S214：根据第一标记处理对应的第一病历信息生成电子病历。
具体地，上述步骤S202至步骤S212均是为了从医院服务器获取到第一病历信息并从该获取到的第一病历信息中筛选出有价值的合适的信息，该步骤S214则是根据该些筛选出来的有价值的信息生成电子病历，例如可以获取到模板，并将所筛选出的第一病历信息添加至该获取到的模板中，从而即可以生成对应的电子病历。
上述电子病历生成方法，在生成电子病历时，首先获取到第一病历信息和诊断信息，查询第一病历信息中的异常结果，当存在异常结果则输出进行第一标记，并从正常结果的第一病历信息中获取到相关度，当第一病历信息与诊断信息的相关度大于阈值时，也进行第一标记，最后将进行第一标记的病历信息生成电子病历，避免将所有的第一病历信息都放在电子病历中，导致电子病历冗长且没有重点。
在其中一个实施例中，该电子病历的生成方法还可以包括：从第一病历信息选取第二病历信息，第二病历信息与知识图谱中存在共同出现概率的预设病历信息相匹配；当第二病历信息的共同出现概率低于第二阈值时，则对共同出现概率低于第二阈值的病历信息进行第二标记处理；将第二标记处理对应的第二病历信息添加至电子病历中。
具体地，结合图3，其中对于“神经传导速率”和“尿酸”的共同出现概率为0.01。因此终端可以首先将第一病历信息与知识图谱中的病历信息进行匹配，以寻找到第一病历信息在知识图谱中的位置，然后根据第一病历信息在知识图谱中的位置判断该第一病历信息是否存在共同出现概率，如果存在，则从第一病历信息中筛选出该第二病历信息。结合图3，终端首先寻找到第一病历信息在知识图谱中的位置，如“神经传导速率”和“尿酸”的位置，然后根据知识图谱判断是否存在共同出现概率，如果存在，则从第一病历信息中筛选出该第二病历信息；然后获取到共同出现概率的第二阈值，如果该第二病历信息的共同出现概率低于第二阈值，则表示两个不经常一起出现的病历信息现在出现了。则将该共同出现概率低于第二阈值的病历信息进行第二标记处理，例如进行标志位表示、高亮、标红等处理，从而可以表示该进行第二标记处理的第二病历信息需要添加至电子病历中。其中，上述的第二阈值一般是由用户参考显著性水平取值范围进行设置，因此一般取值为0.05。
上述实施例中，在对第一病历信息进行筛选时，不仅仅是将异常结果的第一病历信息以及相关度大于第一阈值的正常结果的第一病历信息筛选出来，还将共同出现概率低于第二阈值的第二病历信息筛选出来，以便于生成电子病历，保证了有价值的内容才会被写入电子病历中。
在其中一个实施例中，上述将第二标记处理对应的第二病历信息添加至电子病历中，可以包括：根据第二病历信息的共同出现概率对第二病历信息进行排序；输出排序后的第二病历信息；接收输入的针对第二病历信息的选择指令；将选择指令选中的第二病历信息添加至电子病历中。
具体地，即当共同出现概率小于第二阈值的第二病历信息至少为一个时，则首先根据共同出现概率的大小对第二病历信息进行排序，例如按照共同出现概率的由小及大的顺序进行排序，然后终端输出排序后的第二病历信息，以供医生进行查看，并促使医生写入该第二病历信息共同出现的原因，即终端接收医生用户输入的针对第二病历信息的选择指令，并将选择指令所选中的第二病历信息添加至电子病历中，且可选地，在生成电子病历的时候，可以将医生输入的该第二病历信息共同出现的原因以注释的形式补充在该第二病历信息之后，例如：“第二病历信息【医生补充部分：***原因】”。
上述实施例中，当存在共同出现概率低于第二阈值的第二病历信息时，则按照共同出现概率的由小及大的顺序输出该第二病历信息，由医生用户决定是否将该第二病历信息纳入电子病历中，如果需要，则需要医生给出共同出现的原因，以便于下次疾病就诊时清楚明白的了解进行该第二疾病信息对应的诊疗操作的原因。
在其中一个实施例中，根据第一标记处理对应的第一病历信息生成电子病历，可以包括：获取第一标记处理对应的第一病历信息的关系词；选取与关系词对应的句式模板；根据所选取的句式模板和第一疾病信息生成电子病历。
具体地，参见图3所示，在知识图谱中已经给出了第一病历信息与诊断信息之间的关系词，例如“糖尿病”与“二甲双胍”之间的关系词为“药品”，“糖尿病”与“红细胞计数”之间的关系词为“检验”，因此终端可以根据知识图谱获取每个第一病历信息对应的关系词，即第一病例信息与诊断信息之间的关系词，然后根据关系词从已有的句式模板中选取对应的句式模板，再根据句式模板以及第一疾病信息生成电子病历，例如将第一疾病信息对应的诊断信息和第一疾病信息分别填写至句式模板的对应位置处。具体地，通过知识图谱中的关系组织句式模板，例如：如果随机血糖检验为8，则可读取随机血糖与糖尿病的关系为“检验”，通过句式模板“【某疾病】的【检验】随机血糖值为8，大于【正常值】”，来生成句子。再如痛风为“相关疾病”，当出现尿酸值异常时可通过判断其与糖尿病构建关系通路的链路是“相关疾病”，可获取句式模板“【某检验】值异常【实际值】，注意【相关疾病】【痛风】”。再如：【某检查】值异常【实际值】，注意【并发症】【糖尿病神经病变】，每一种关系词都有固定的句式模板。同样地，将第二病历信息添加至对应的电子病历中也可以采用上述句式模板的方式，在此不再赘述。
上述实施例中，在获取到第一病历信息和第二病历信息后，可以根据知识图谱中第一病历信息、第二病历信息对应的关系词获取到对应的句式模板，然后根据句式模板生成对应的语句，填写到电子病历中，以准确低生成电子病历。
在其中一个实施例中，根据第一标记处理对应的第一病历信息生成电子病历，可以包括：从第一标记处理对应的第一病历信息中获取相关度大于第一阈值的第三病历信息；根据相从大到小的顺序对第三病历信息进行排序，并按照排序后的第三病历信息依次生成电子病历；从第一标记处理对应的第一病历信息中获取相关度小于等于第一阈值的第四病历信息；根据相关度从小到大的顺序对第四病历信息进行排序，并将排序后的第四病历信息添加至电子病历中。
在其中一个实施例中，将第二标记处理对应的第二病历信息添加至电子病历中，可以包括：根据相关度从小到大的顺序对第二标记处理对应的第二病历信息进行排序；将排序后的第二病历信息添加至电子病历中，并位于第四病历信息之后。
具体地，上述电子病历的生成过程主要包括两个主要过程，一个是病历信息的筛选过程，另外一个是根据筛选出的病历信息生成对应的病历的过程。由上文可以知，筛选的病历信息至少包括结果为异常结果的第一病历信息和结果为正常结果但是相关度大于第一阈值的第一病历信息的其中一个，还可能包括共同出现概率小于第二阈值的第二病历信息。下文为了方便，将结果为异常结果的第一病历信息称为A类病历信息，将结果为正常结果但是相关度大于第一阈值的第一病历信息称为B类病历信息，将共同出现概率小于第二阈值的第二病历信息称为C类病历信息。
为了方便，在该实施例中，假设包括上述A类病历信息、B类病历信息和C类病历信息，在其他的实施例中可以包含该三类病历信息至少其中一类，且处理步骤按照下述逻辑进行，在没有该类病历信息时，则相应地减少对应的处理步骤。
首先终端获取到进行了第一标记处理的第一病历信息，即其中的A类病历信息和B类病历信息，然后从中获取到相关度大于第一阈值的第三病历信息，按照相关度由大到小的顺序对第三病历信息进行排序，并按照排序后的第三病历信息依次获取到关系词，生成对应的句子，按照相关度由大到小的顺序将生成的句子依次写入到电子病历中。
第二，终端从进行了第一标记处理的病历信息中选取相关度小于等于第一阈值的第四病历信息，然后按照相关度从小到大的顺序对第四病历信息进行排序，并按照排序后的第四病历信息依次获取到关系词，生成对应的句子，按照相关度由小到大的顺序将生成的句子依次写入到电子病历中。可选地，相关度小于等于第一阈值的第四病历材料在填写到电子病历中后，可以预留医生补充信息位置，以便于医生进行补充，且在补充后，以不同颜色的字体进行显示。
第三，终端在将A类病历信息、B类病历信息，即上文中的第一病历信息填写到电子病历中后，再判断是否存在C类病历信息，即上文中的第二病历信息，如果存在，则根据相关度从小到大的顺序对第二标记处理对应的第二病历信息进行排序，按照排序后的第二病历信息依次获取到关系词，生成对应的句子，按照相关度由小到大的顺序将生成的句子依次写入到电子病历中。可选地，对于该第二病历信息可以预留医生补充信息位置，以便于医生进行补充，且在补充后，以不同颜色的字体进行显示。
上述实施例中，在获取到筛选后的病历信息后，首先按照A类病历信息、B类病历信息和C类病历信息的顺序将病历信息依次生成对应的句子，然后填写到电子病历中，保证了电子病历按照重要程度进行生成。
在其中一个实施例中，第一阈值的生成方式可以包括：获取病历信息与诊断信息之间的相关度；计算相关度的均值和标准差；根据均值和标准差的差值得到第一阈值。
具体地，第一阈值可以是由用户进行设置的，也可以是根据疾病信息生成的，如下表1所示：
表1
| 疾病信息 | 相关度 |
| 疾病信息1 | 1 |
| 疾病信息2 | 0.8 |
| 疾病信息3 | 0.8 |
| 疾病信息4 | 0.3 |
其中，终端可以根据知识图谱获取到各个疾病信息的相关度，然后计算得到相关度的均值，如上表1，均值为(1+0.8+0.8+0.3)/4＝0.725。然后计算得到相关度的标准差为0.259，最后根据均值和标准差得到第一阈值，即根据均值和标准差的差值得到，因此表1中所得到的第一阈值为：0.725-0.259＝0.466。
上述实施例中，根据患者的所有的病历材料的相关度，计算得到相关度的均值和标准差，再根据均值和标准差按计算得到第一阈值，保证了第一阈值的可靠性。
参阅图4，图4为另一实施例中电子病历生成方法的流程图，在该实施例中主要涉及到两部分内容，一部分是病历信息的筛选，另一部分是电子病历的生成。
终端首先从医院服务器获取到病历信息，其中以A患者为例，其就诊号为A001在医院服务器中查到的患者病历信息如下：诊断：糖尿病，随机血糖：10mmol/L，神经传导速率：下降，尿酸：500μmol/L，二甲双胍：0.5g bid，红细胞计数：5*1012/L，类风湿因子：阳性。
第二，终端判断获取到的病历信息是否存在异常结果，如果存在则进行第一标记处理，以标记为该病历信息需要纳入电子病历；对于正常结果，则根据知识图谱(如图3，知识图谱中圆圈代表节点，连线代表关系，连线上的数值代表节点间关系的紧密程度，多个节点间关联程度按概率计算方法计算)获取到相关度，按照相关度进行排序，获取相关度大于第一阈值的病历信息，并进行第一标记处理，以标记为该病历信息需要纳入电子病历，而对于相关度小于等于第一阈值的，则直接忽略，因此不需要纳入电子病历中。
具体地，以上述病历信息为例，首先按照正常结果和异常结果进行分类得到表2：
表2
如上表所示：首先将异常结果纳入到电子病历中，故糖尿病，随机血糖：10mmol/L，神经传导速率：下降，尿酸：500μmol/L，类风湿因子：阳性均需要纳入电子病历中。然后假设第一阈值设置为0.5，因此正常结果中相关度大于0.5的也需要纳入电子病历，因此二甲双胍：0.5g bid需要纳入，而红细胞计数：5*1012/L则不需要纳入。
第三，终端还需要获取存在共同出现概率的病历信息，根据知识图谱，“尿酸”和“神经传导速率”存在共同出现概率，且其共同出现概率为0.01，小于第二阈值(此处假设第二阈值为0.05)，因此需要将该“尿酸”和“神经传导速率”输出，以便于医生用户进行选择，至此完成了病历信息的筛选过程。
第四，终端在获取到筛选后的病历材料后，对筛选后的病历材料进行排序，以按照顺序将筛选后的病历材料生成对应的句子，并将生成的句子填写到电子病历中。
具体地，首先根据第一阈值进行判断，将相关度大于第一阈值的按照从大到小进行排序，并按照从大到小的顺序生成对应的句子，填写到电子病历中，其次将相关度小于第一阈值的按照从小到大排序，并按照从小打到的顺序生成对应的橛子，填写到电子病历中，最后将存在共同出现概率的病历信息按照相关度从小到大排序填写到电子病历中。以上述例子进行说明，病历信息填写到电子病历中的顺序参见下表3：
表3
其中根据医生选择决定是否将共同出现概率小于第二阈值的部分写入，如果选择写入，则提示医生写明原因。
第五，终端生成并输出电子病历，根据以上材料及与糖尿病间的关系可以生成病例：
A患者糖尿病，现测随机血糖10mmol/L，以二甲双胍0.5g bid治疗，其神经传导速率下降，注意糖尿病神经病变并发症，患者类风湿因子阳性，注意类风关可能【医生补充部分】，尿酸高于临界值，注意痛风病情【医生补充部分】。
上述实施例中，首先对病历信息进行了筛选，然后根据筛选后的病历信息进行排序，依次添加到电子病历中，避免将所有的第一病历信息都放在电子病历中，导致电子病历冗长且没有重点。
应该理解的是，虽然图2和图4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和图4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5所示，提供了一种电子病历生成装置，包括：指令接收模块100、获取模块200、判断模块300、第一标记模块400、第一相关度获取模块500、第二标记模块600和第一生成模块700，其中：
指令接收模块100，用于接收电子病历生成指令，电子病历生成指令携带有用户标识。
获取模块200，用于从医院服务器获取到与用户标识对应的第一病历信息和诊断信息。
判断模块300，用于根据知识图谱判断第一病历信息中是否存在异常结果。
第一标记模块400，用于当存在异常结果时，则对存在异常结果的第一病历信息进行第一标记。
第一相关度获取模块500，用于获取正常结果的第一病历信息对应的相关度，相关度是正常结果的第一病历信息与诊断信息的相关度。
第二标记模块600，用于当相关度大于第一阈值时，则对相关度大于第一阈值的病历信息进行第一标记处理。
第一生成模块700，用于根据第一标记处理对应的第一病历信息生成电子病历。
在其中一个实施例中，装置还包括：
匹配模块，用于从第一病历信息选取第二病历信息，第二病历信息与知识图谱中存在共同出现概率的预设病历信息相匹配。
第三标记模块600，用于当第二病历信息的共同出现概率低于第二阈值时，则对共同出现概率低于第二阈值的病历信息进行第二标记处理。
第二生成模块，用于将第二标记处理对应的第二病历信息添加至电子病历中。
在其中一个实施例中，第二生成模块包括：
第一排序单元，用于根据第二病历信息的共同出现概率对第二病历信息进行排序。
第一输出单元，用于输出排序后的第二病历信息。
选择指令接收单元，用于接收输入的针对第二病历信息的选择指令。
第一生成单元，用于将选择指令选中的第二病历信息添加至电子病历中。
在其中一个实施例中，第一生成模块700包括：
关系词获取单元，用于获取第一标记处理对应的第一病历信息的关系词。
第一选取单元，用于选取与关系词对应的句式模板。
第二生成单元，用于根据所选取的句式模板和第一疾病信息生成电子病历。
在其中一个实施例中，第一生成模块700包括：
第二选取单元，用于从第一标记处理对应的第一病历信息中获取相关度大于第一阈值的第三病历信息。
第二排序单元，用于根据相从大到小的顺序对第三病历信息进行排序，并按照排序后的第三病历信息依次生成电子病历。
第三选取单元，用于从第一标记处理对应的第一病历信息中获取相关度小于等于第一阈值的第四病历信息。
第三排序单元，用于根据相关度从小到大的顺序对第四病历信息进行排序，并将排序后的第四病历信息添加至电子病历中。
在其中一个实施例中，第二生成模块包括：
第四排序单元，用于根据相关度从小到大的顺序对第二标记处理对应的第二病历信息进行排序。
第三生成单元，用于将排序后的第二病历信息添加至电子病历中，并位于第四病历信息之后。
在其中一个实施例中，装置还包括：
第二相关度获取模块，用于获取病历信息与诊断信息之间的相关度。
计算模块，用于计算相关度的均值和标准差。
第一阈值生成模块，用于根据均值和标准差的差值得到第一阈值。
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电子病历生成方法。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：接收电子病历生成指令，电子病历生成指令携带有用户标识；从医院服务器获取到与用户标识对应的第一病历信息和诊断信息；根据知识图谱判断第一病历信息中是否存在异常结果；当存在异常结果时，则对存在异常结果的第一病历信息进行第一标记；获取正常结果的第一病历信息对应的相关度，相关度是正常结果的第一病历信息与诊断信息的相关度；当相关度大于第一阈值时，则对相关度大于第一阈值的病历信息进行第一标记处理；根据第一标记处理对应的第一病历信息生成电子病历。
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：从第一病历信息选取第二病历信息，第二病历信息与知识图谱中存在共同出现概率的预设病历信息相匹配；当第二病历信息的共同出现概率低于第二阈值时，则对共同出现概率低于第二阈值的病历信息进行第二标记处理；将第二标记处理对应的第二病历信息添加至电子病历中。
在一个实施例中，处理器执行计算机程序时所实现的将第二标记处理对应的第二病历信息添加至电子病历中，可以包括：根据第二病历信息的共同出现概率对第二病历信息进行排序；输出排序后的第二病历信息；接收输入的针对第二病历信息的选择指令；将选择指令选中的第二病历信息添加至电子病历中。
在一个实施例中，处理器执行计算机程序时所实现的根据第一标记处理对应的第一病历信息生成电子病历，可以包括：获取第一标记处理对应的第一病历信息的关系词；选取与关系词对应的句式模板；根据所选取的句式模板和第一疾病信息生成电子病历。
在一个实施例中，处理器执行计算机程序时所实现的根据第一标记处理对应的第一病历信息生成电子病历，可以包括：从第一标记处理对应的第一病历信息中获取相关度大于第一阈值的第三病历信息；根据相从大到小的顺序对第三病历信息进行排序，并按照排序后的第三病历信息依次生成电子病历；从第一标记处理对应的第一病历信息中获取相关度小于等于第一阈值的第四病历信息；根据相关度从小到大的顺序对第四病历信息进行排序，并将排序后的第四病历信息添加至电子病历中。
在一个实施例中，处理器执行计算机程序时所实现的将第二标记处理对应的第二病历信息添加至电子病历中，可以包括：根据相关度从小到大的顺序对第二标记处理对应的第二病历信息进行排序；将排序后的第二病历信息添加至电子病历中，并位于第四病历信息之后。
在一个实施例中，处理器执行计算机程序时所涉及的第一阈值的生成方式可以包括：获取病历信息与诊断信息之间的相关度；计算相关度的均值和标准差；根据均值和标准差的差值得到第一阈值。
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：接收电子病历生成指令，电子病历生成指令携带有用户标识；从医院服务器获取到与用户标识对应的第一病历信息和诊断信息；根据知识图谱判断第一病历信息中是否存在异常结果；当存在异常结果时，则对存在异常结果的第一病历信息进行第一标记；获取正常结果的第一病历信息对应的相关度，相关度是正常结果的第一病历信息与诊断信息的相关度；当相关度大于第一阈值时，则对相关度大于第一阈值的病历信息进行第一标记处理；根据第一标记处理对应的第一病历信息生成电子病历。
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：从第一病历信息选取第二病历信息，第二病历信息与知识图谱中存在共同出现概率的预设病历信息相匹配；当第二病历信息的共同出现概率低于第二阈值时，则对共同出现概率低于第二阈值的病历信息进行第二标记处理；将第二标记处理对应的第二病历信息添加至电子病历中。
在一个实施例中，计算机程序被处理器执行时所实现的将第二标记处理对应的第二病历信息添加至电子病历中，可以包括：根据第二病历信息的共同出现概率对第二病历信息进行排序；输出排序后的第二病历信息；接收输入的针对第二病历信息的选择指令；将选择指令选中的第二病历信息添加至电子病历中。
在一个实施例中，计算机程序被处理器执行时所实现的根据第一标记处理对应的第一病历信息生成电子病历，可以包括：获取第一标记处理对应的第一病历信息的关系词；选取与关系词对应的句式模板；根据所选取的句式模板和第一疾病信息生成电子病历。
在一个实施例中，计算机程序被处理器执行时所实现的根据第一标记处理对应的第一病历信息生成电子病历，可以包括：从第一标记处理对应的第一病历信息中获取相关度大于第一阈值的第三病历信息；根据相从大到小的顺序对第三病历信息进行排序，并按照排序后的第三病历信息依次生成电子病历；从第一标记处理对应的第一病历信息中获取相关度小于等于第一阈值的第四病历信息；根据相关度从小到大的顺序对第四病历信息进行排序，并将排序后的第四病历信息添加至电子病历中。
在一个实施例中，计算机程序被处理器执行时所实现的将第二标记处理对应的第二病历信息添加至电子病历中，可以包括：根据相关度从小到大的顺序对第二标记处理对应的第二病历信息进行排序；将排序后的第二病历信息添加至电子病历中，并位于第四病历信息之后。
在一个实施例中，计算机程序被处理器执行时所涉及的第一阈值的生成方式可以包括：获取病历信息与诊断信息之间的相关度；计算相关度的均值和标准差；根据均值和标准差的差值得到第一阈值。
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)
1.一种电子病历生成方法，所述方法包括：
接收电子病历生成指令，所述电子病历生成指令携带有用户标识；
从医院服务器获取到与所述用户标识对应的第一病历信息和诊断信息；
根据知识图谱判断所述第一病历信息中是否存在异常结果；
当存在异常结果时，则对存在异常结果的第一病历信息进行第一标记；
获取正常结果的第一病历信息对应的相关度，所述相关度是所述正常结果的第一病历信息与所述诊断信息的相关度；
当所述相关度大于第一阈值时，则对所述相关度大于第一阈值的第一病历信息进行第一标记处理；
根据所述第一标记处理对应的第一病历信息生成电子病历。
2.根据权利要求1所述的方法，其特征在于，所述方法还包括：
从所述第一病历信息选取第二病历信息，所述第二病历信息与所述知识图谱中存在共同出现概率的预设病历信息相匹配；
当第二病历信息的共同出现概率低于第二阈值时，则对共同出现概率低于第二阈值的病历信息进行第二标记处理；
将所述第二标记处理对应的第二病历信息添加至所述电子病历中。
3.根据权利要求2所述的方法，其特征在于，所述将所述第二标记处理对应的第二病历信息添加至所述电子病历中，包括：
根据所述第二病历信息的共同出现概率对所述第二病历信息进行排序；
输出排序后的所述第二病历材料；
接收输入的针对所述第二病历材料的选择指令；
将所述选择指令选中的所述第二病历材料添加至所述电子病历中。
4.根据权利要求1至3任意一项所述的方法，其特征在于，所述根据所述第一标记处理对应的第一病历信息生成电子病历，包括：
获取第一标记处理对应的第一病历信息的关系词；
选取与所述关系词对应的句式模板；
根据所选取的句式模板和所述第一疾病信息生成电子病历。
5.根据权利要求2或3所述的方法，其特征在于，所述根据所述第一标记处理对应的第一病历信息生成电子病历，包括：
从所述第一标记处理对应的第一病历信息中获取相关度大于第一阈值的第三病历信息；
根据所述相从大到小的顺序对所述第三病历信息进行排序，并按照排序后的第三病历信息依次生成电子病历；
从所述第一标记处理对应的第一病历信息中获取相关度小于等于第一阈值的第四病历信息；
根据所述相关度从小到大的顺序对所述第四病历信息进行排序，并将排序后的第四病历信息添加至所述电子病历中。
6.根据权利要求5所述的方法，其特征在于，所述将所述第二标记处理对应的第二病历信息添加至所述电子病历中，包括：
根据所述相关度从小到大的顺序对所述第二标记处理对应的第二病历信息进行排序；
将排序后的第二病历信息添加至所述电子病历中，并位于所述第四病历信息之后。
7.根据权利要求5所述的方法，其特征在于，所述第一阈值的生成方式包括：
获取所述病历信息与所述诊断信息之间的相关度；
计算所述相关度的均值和标准差；
根据所述均值和所述标准差的差值得到第一阈值。
8.一种电子病历生成装置，其特征在于，所述装置包括：
指令接收模块，用于接收电子病历生成指令，所述电子病历生成指令携带有用户标识；
第一获取模块，用于从医院服务器获取到与所述用户标识对应的第一病历信息和诊断信息；
判断模块，用于根据知识图谱判断所述第一病历信息中是否存在异常结果；
第一标记模块，用于当存在异常结果时，则对存在异常结果的第一病历信息进行第一标记；
相关度获取模块，用于获取正常结果的第一病历信息对应的相关度，所述相关度是所述正常结果的第一病历信息与所述诊断信息的相关度；
第二标记模块，用于当所述相关度大于第一阈值时，则对所述相关度大于第一阈值的病历信息进行第一标记处理；
第一生成模块，用于根据所述第一标记处理对应的第一病历信息生成电子病历。
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 |
|---|---|---|---|
| PCT/CN2019/097070 WO2020103482A1 (zh) | 2018-05-28 | 2019-07-22 | 电子病历生成方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810525308 | 2018-05-28 | ||
| CN2018105253086 | 2018-05-28 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109524072A true CN109524072A (zh) | 2019-03-26 |
| CN109524072B CN109524072B (zh) | 2024-06-28 |
Family
ID=
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111180024A (zh) * | 2019-12-13 | 2020-05-19 | 平安医疗健康管理股份有限公司 | 基于词频逆文档频率的数据处理方法、装置和计算机设备 |
| WO2020103482A1 (zh) * | 2018-05-28 | 2020-05-28 | 平安医疗健康管理股份有限公司 | 电子病历生成方法、装置、计算机设备和存储介质 |
| CN111209742A (zh) * | 2019-12-25 | 2020-05-29 | 南京医睿科技有限公司 | 诊断依据数据的确定方法、装置、可读介质及电子设备 |
| CN111599483A (zh) * | 2020-05-29 | 2020-08-28 | 安徽科大讯飞医疗信息技术有限公司 | 一种病历集优化方法、装置、设备及存储介质 |
| CN113674827A (zh) * | 2021-08-27 | 2021-11-19 | 中山大学肿瘤防治中心 | 电子病历的生成方法、装置、电子设备及计算机可读介质 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2008171133A (ja) * | 2007-01-10 | 2008-07-24 | Toshiba Corp | 電子カルテシステム、カルテ情報取得方法、及びカルテ情報取得プログラム |
| CN104240171A (zh) * | 2014-10-09 | 2014-12-24 | 北京嘉和美康信息技术有限公司 | 电子病历生成方法及*** |
| WO2016101351A1 (zh) * | 2014-12-26 | 2016-06-30 | 深圳市前海安测信息技术有限公司 | 基于网络医院的全科医生辅助诊疗***及方法 |
| CN105808931A (zh) * | 2016-03-03 | 2016-07-27 | 北京大学深圳研究生院 | 一种基于知识图谱的针灸决策支持方法及装置 |
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2008171133A (ja) * | 2007-01-10 | 2008-07-24 | Toshiba Corp | 電子カルテシステム、カルテ情報取得方法、及びカルテ情報取得プログラム |
| CN104240171A (zh) * | 2014-10-09 | 2014-12-24 | 北京嘉和美康信息技术有限公司 | 电子病历生成方法及*** |
| WO2016101351A1 (zh) * | 2014-12-26 | 2016-06-30 | 深圳市前海安测信息技术有限公司 | 基于网络医院的全科医生辅助诊疗***及方法 |
| CN105808931A (zh) * | 2016-03-03 | 2016-07-27 | 北京大学深圳研究生院 | 一种基于知识图谱的针灸决策支持方法及装置 |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2020103482A1 (zh) * | 2018-05-28 | 2020-05-28 | 平安医疗健康管理股份有限公司 | 电子病历生成方法、装置、计算机设备和存储介质 |
| CN111180024A (zh) * | 2019-12-13 | 2020-05-19 | 平安医疗健康管理股份有限公司 | 基于词频逆文档频率的数据处理方法、装置和计算机设备 |
| CN111180024B (zh) * | 2019-12-13 | 2023-03-21 | 深圳平安医疗健康科技服务有限公司 | 基于词频逆文档频率的数据处理方法、装置和计算机设备 |
| CN111209742A (zh) * | 2019-12-25 | 2020-05-29 | 南京医睿科技有限公司 | 诊断依据数据的确定方法、装置、可读介质及电子设备 |
| CN111599483A (zh) * | 2020-05-29 | 2020-08-28 | 安徽科大讯飞医疗信息技术有限公司 | 一种病历集优化方法、装置、设备及存储介质 |
| CN111599483B (zh) * | 2020-05-29 | 2023-12-22 | 讯飞医疗科技股份有限公司 | 一种病历集优化方法、装置、设备及存储介质 |
| CN113674827A (zh) * | 2021-08-27 | 2021-11-19 | 中山大学肿瘤防治中心 | 电子病历的生成方法、装置、电子设备及计算机可读介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| WO2020103482A1 (zh) | 2020-05-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US20090089082A1 (en) | Get prep questions to ask doctor | |
| US20220044809A1 (en) | Systems and methods for using deep learning to generate acuity scores for critically ill or injured patients | |
| US11989878B2 (en) | Enhancing medical imaging workflows using artificial intelligence | |
| CN112083919B (zh) | 一种基于yaml模板的目标服务代码生成方法及装置 | |
| CN109419525A (zh) | 用于控制医学成像***的方法和控制设备 | |
| US20240021280A1 (en) | Oncology workflow for clinical decision support | |
| US20220157410A1 (en) | Medical information processing method and medical information acquisition method | |
| Gardner et al. | Computerized blood gas interpretation and reporting system | |
| CN110807761A (zh) | 标注面板生成方法、装置、存储介质和计算机设备 | |
| US20190122750A1 (en) | Auto-populating patient reports | |
| CN110459306A (zh) | 医学影像显示方法和显示设备 | |
| CN113744845A (zh) | 基于人工智能的医学影像处理方法、装置、设备及介质 | |
| Vázquez-Ingelmo et al. | Usability study of CARTIER-IA: a platform for medical data and imaging management | |
| CN113160914A (zh) | 在线问诊方法、装置、电子设备及存储介质 | |
| CN109524072A (zh) | 电子病历生成方法、装置、计算机设备和存储介质 | |
| CN109102845B (zh) | 医疗单据审核方法、装置、计算机设备和存储介质 | |
| CN115618841A (zh) | 一种文档导出方法、装置、设备及存储介质 | |
| CN112331355B (zh) | 病种评估表的生成方法、装置、电子设备及存储介质 | |
| CN109524072B (zh) | 电子病历生成方法、装置、计算机设备和存储介质 | |
| TWI825467B (zh) | 資料分析系統及資料分析方法 | |
| CN114093454A (zh) | 一种影像下肢动脉结构化报告书写设计方法和*** | |
| CN110751994B (zh) | 一种病历模板的差异化显示方法和*** | |
| CN111199805B (zh) | 一种基于医疗数据的类型层级提取方法及装置 | |
| EP4165646A1 (en) | Methods and systems for searching an ecg database | |
| JP2023020667A (ja) | 医療情報処理方法、医療情報処理装置およびプログラム |
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 | ||
| TA01 | Transfer of patent application right | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20220519 Address after: 518048 China Aviation Center 2901, No. 1018, Huafu Road, Huahang community, Huaqiang North Street, Futian District, Shenzhen, Guangdong Province Applicant after: Shenzhen Ping An medical and Health Technology Service Co.,Ltd. Address before: Room 12G, Area H, 666 Beijing East Road, Huangpu District, Shanghai 200001 Applicant before: PING AN MEDICAL AND HEALTHCARE MANAGEMENT Co.,Ltd. |
|
| GR01 | Patent grant |