CN110097936B - 用于输出病历的方法和装置 - Google Patents
用于输出病历的方法和装置 Download PDFInfo
- Publication number
- CN110097936B CN110097936B CN201910379412.3A CN201910379412A CN110097936B CN 110097936 B CN110097936 B CN 110097936B CN 201910379412 A CN201910379412 A CN 201910379412A CN 110097936 B CN110097936 B CN 110097936B
- Authority
- CN
- China
- Prior art keywords
- medical record
- field
- vector
- target
- 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.)
- Active
Links
Images
Classifications
-
- 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
- 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
- Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Theoretical Computer Science (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
本申请实施例公开了用于输出病历的方法和装置。上述方法的一具体实施方式包括:对目标病历中的至少一个字段包括的文字进行编码,得到与至少一个字段对应的至少一个第一向量;对于预设的病历库中的病历,执行以下处理步骤:确定该病历包括的至少一个字段所对应的至少一个第二向量;根据至少一个第一向量以及至少一个第二向量,确定该病历与目标病历的相似度;根据得到的相似度,确定与目标病历相似的病历;输出所确定的病历。该实施方式可以检索出与目标病历相似的病历,有利于医生的医学研究。
Description
技术领域
本申请实施例涉及计算机技术领域,具体涉及用于输出病历的方法和装置。
背景技术
在医疗领域,相似病历检索在科研、临床上具有重大意义。例如,医生在针对某份病历进行病历分析或撰写病历报告时,可以参考具有一定相似度的历史病历。或者,在临床科研中,某些情况下需要从某份病历作为起始点,寻找更多的相似病历进行研究讨论。
发明内容
本申请实施例提出了用于输出病历的方法和装置。
第一方面,本申请实施例提供了一种用于输出病历的方法,包括:对目标病历中的至少一个字段包括的文字进行编码,得到与上述至少一个字段对应的至少一个第一向量;对于预设的病历库中的病历,执行以下处理步骤:确定该病历包括的至少一个字段所对应的至少一个第二向量;根据上述至少一个第一向量以及上述至少一个第二向量,确定该病历与上述目标病历的相似度;根据得到的相似度,确定与上述目标病历相似的病历;输出所确定的病历。
在一些实施例中,上述对目标病历的至少一个字段包括的文字进行编码,得到与上述至少一个字段对应的至少一个第一向量,包括:对于上述目标病历的至少一个字段中的字段,执行以下步骤:对该字段包括的文字进行分词和/或分字处理,以及对处理后的文字进行编码,得到与该字段对应的至少一个第三向量;确定该字段包括的症状信息和体征信息;对所确定的症状信息和体征信息进行编码,得到第四向量;将上述至少一个第三向量和上述第四向量进行拼接,得到该字段对应的第一向量。
在一些实施例中,目标病历包括主诉字段、现病史字段和体格检查字段;以及上述对该字段包括的文字进行分词和/或分字处理,包括:对主诉字段包括的文字进行分词和分字处理;对现病史字段和体格检查字段包括的文字进行分词处理。
在一些实施例中,上述根据上述至少一个第一向量以及上述至少一个第二向量,确定该病历与上述目标病历的相似度,包括:分别确定该病历与上述目标病历中的同一字段对应的第一向量和第二向量;根据对应同一字段的第一向量和第二向量,确定该病历和上述目标病历在单个字段的相似度;根据该病历和上述目标病历在单个字段的相似度,以及上述至少一个字段对应的预设权重,确定该病历与上述目标病历的相似度。
在一些实施例中,病历包括科室信息、疾病信息、症状信息以及体征信息;以及上述对于预设的病历库中的病历,执行以下处理步骤,包括:从上述病历库中,确定出满足以下至少一项的病历:科室信息与上述目标病历的科室信息相同、疾病信息与上述目标病历的疾病信息相同、症状信息包括上述目标病历的症状信息、体征信息包括上述目标病历的体征信息;对所确定出的病历,执行上述处理步骤。
第二方面,本申请实施例提供了一种用于输出病历的装置,包括:编码单元,被配置成对目标病历中的至少一个字段包括的文字进行编码,得到与上述至少一个字段对应的至少一个第一向量;处理单元,被配置成对于预设的病历库中的病历,执行以下处理步骤:确定该病历包括的至少一个字段所对应的至少一个第二向量;根据上述至少一个第一向量以及上述至少一个第二向量,确定该病历与上述目标病历的相似度;确定单元,被配置成根据得到的相似度,确定与上述目标病历相似的病历;输出单元,被配置成输出所确定的病历。
在一些实施例中,上述编码单元进一步被配置成:对于上述目标病历的至少一个字段中的字段,执行以下步骤:对该字段包括的文字进行分词和/或分字处理,以及对处理后的文字进行编码,得到与该字段对应的至少一个第三向量;确定该字段包括的症状信息和体征信息;对所确定的症状信息和体征信息进行编码,得到第四向量;拼接上述至少一个第三向量和上述第四向量,得到该字段对应的第一向量。
在一些实施例中,目标病历包括主诉字段、现病史字段和体格检查字段;以及上述编码单元进一步被配置成:对主诉字段包括的文字进行分词和分字处理;对现病史字段和体格检查字段包括的文字进行分词处理。
在一些实施例中,上述处理单元进一步被配置成:分别确定该病历与上述目标病历中的同一字段对应的第一向量和第二向量;根据对应同一字段的第一向量和第二向量,确定该病历和上述目标病历在单个字段的相似度;根据该病历和上述目标病历在单个字段的相似度,以及上述至少一个字段对应的预设权重,确定该病历与上述目标病历的相似度。
在一些实施例中,病历包括科室信息、疾病信息、症状信息以及体征信息;以及上述处理单元进一步被配置成:从上述病历库中,确定出满足以下至少一项的病历:科室信息与上述目标病历的科室信息相同、疾病信息与上述目标病历的疾病信息相同、症状信息包括上述目标病历的症状信息、体征信息包括上述目标病历的体征信息;对所确定出的病历,执行上述处理步骤。
第三方面,本申请实施例提供了一种服务器,包括:一个或多个处理器;存储装置,其上存储有一个或多个程序,当上述一个或多个程序被上述一个或多个处理器执行,使得上述一个或多个处理器实现如第一方面任一实施例所描述的方法。
第四方面,本申请实施例提供了一种计算机可读介质,其上存储有计算机程序,该程序被处理器执行时实现如第一方面任一实施例所描述的方法。
本申请的上述实施例提供的用于输出病历的方法和装置,可以首先对目标病历中的至少一个字段包括的文字进行编码,得到与至少一个字段对应的至少一个第一向量。然后,对于预设的病历库中的每个病历库,可以执行以下处理步骤:确定该病历包括的至少一个字段所对应的至少一个第二向量;根据至少一个第一向量以及至少一个第二向量,确定该病历与目标病历的相似度。然后,根据得到的相似度,确定与目标病历相似的病历。最后,把所确定的病历输出。本实施例的方法,可以检索出与目标病历相似的病历,有利于医生的医学研究。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述,本申请的其它特征、目的和优点将会变得更明显:
图1是本申请的一个实施例可以应用于其中的示例性***架构图;
图2是根据本申请的用于输出病历的方法的一个实施例的流程图;
图3是根据本申请的用于输出病历的方法的一个应用场景的示意图;
图4是根据本申请的用于输出病历的方法的又一个实施例的流程图;
图5是根据本申请的用于输出病历的装置的一个实施例的结构示意图;
图6是适于用来实现本申请实施例的服务器的计算机***的结构示意图。
具体实施方式
下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释相关发明,而非对该发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与有关发明相关的字段。
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
图1示出了可以应用本申请的用于输出病历的方法或用于输出病历的装置的实施例的示例性***架构100。
如图1所示,***架构100可以包括终端设备101、102、103,网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
用户(例如医生)可以使用终端设备101、102、103通过网络104与服务器105交互,以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用,例如病历撰写应用、检索应用、网页浏览器应用、搜索类应用、即时通信工具、邮箱客户端等。
终端设备101、102、103可以是硬件,也可以是软件。当终端设备101、102、103为硬件时,可以是具有显示屏并且支持病历检索的各种电子设备,包括但不限于平板电脑、膝上型便携计算机和台式计算机等等。当终端设备101、102、103为软件时,可以安装在上述所列举的电子设备中。其可以实现成多个软件或软件模块(例如用来提供分布式服务),也可以实现成单个软件或软件模块。在此不做具体限定。
服务器105可以是提供各种服务的服务器,例如对终端设备101、102、103上显示的病历提供支持的后台服务器。后台服务器可以对接收到的目标病历等数据进行分析等处理,并将处理结果(例如相似的病历)反馈给终端设备101、102、103。服务器105可以与存储病历的病历库连接,实现对病历的检索。
需要说明的是,服务器105可以是硬件,也可以是软件。当服务器105为硬件时,可以实现成多个服务器组成的分布式服务器集群,也可以实现成单个服务器。当服务器105为软件时,可以实现成多个软件或软件模块(例如用来提供分布式服务),也可以实现成单个软件或软件模块。在此不做具体限定。
需要说明的是,本申请实施例所提供的用于输出病历的方法一般由服务器105执行。相应地,用于输出病历的装置一般设置于服务器105中。
应该理解,图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。
继续参考图2,示出了根据本申请的用于输出病历的方法的一个实施例的流程200。本实施例的用于输出病历的方法,包括以下步骤:
步骤201,对目标病历中的至少一个字段包括的文字进行编码,得到与至少一个字段对应的至少一个第一向量。
在本实施例中,目标病历可以是用户(例如,医生)通过终端正在撰写的病历,也可以是执行主体本地存储的病历。目标病历可以包括多个字段,例如,包括主诉、现病史、体格检查。用于输出病历的方法的执行主体(例如图1所示的服务器105)可以通过各种编码方式对目标病历中的至少一个字段包括的文字进行编码。例如,执行主体可以通过卷积神经网络或其它编码算法来对目标病历中的至少一个字段编码。通过编码可以得到至少一个向量,上述向量可以称为第一向量。每个字段对应一个第一向量。
步骤202,对于预设的病历库中的病历,执行以下处理步骤:
在对目标病历编码完成后,执行主体可以对预设的病历库中的每个病历,执行步骤2021~2022中的处理。预设的病历库中可以包括多个病历。上述病历库可以是ElasticSearch病历数据库,ElasticSearch是一个基于Lucene的搜索服务器,它提供了一个分布式多用户能力的全文搜索引擎。
执行主体连接的其它设备中可以存储有与病历库中的各个病历对应的向量集合,向量集合中的每个向量与病历中的每个字段一一对应。可以理解的是,向量集合中的向量可以通过步骤201的方法得到。
步骤2021,确定该病历包括的至少一个字段所对应的至少一个第二向量。
执行主体可以首先确定病历库中的每个病历中的每个字段对应的向量。上述向量可以称为第二向量。可以理解的是,该病历中包括的至少一个字段与目标病历中的至少一个字段相同。举例来说,目标病历中的至少一个字段包括主诉字段、现病史字段和体格检查字段。那么该步骤中也应该获取主诉字段、现病史字段和体格检查字段对应的第二向量。
步骤2022,根据至少一个第一向量以及至少一个第二向量,确定该病历与目标病历的相似度。
执行主体在得到病历库中的病历中的各字段对应的第二向量后,可以根据第一向量与第二向量,确定病历库中的各病历与目标病历的相似度。具体的,对于病历库中的每个病历,执行主体可以根据该病历中的各字段对应的第二向量,与目标病历中各字段对应的第一向量之间的距离,确定该病历与目标病历的相似度。
步骤203,根据得到的相似度,确定与目标病历相似的病历。
在得到各病历与目标病历的相似度后,执行主体可以根据相似度,确定出与目标病历相似的病历。具体的,执行主体可以将相似度大于预设阈值的病历作为与目标病历相似的病历。或者,执行主体可以将各病历按照相似度的由大到小顺序进行排序,然后将排序中的前M个病历作为与目标病历相似的病历。其中,M为自然数。
步骤204,输出所确定的病历。
执行主体可以将确定的、与目标病历相似的病历输出。具体的,执行主体可以将所确定的病历输出至用户(如医生)所使用的终端,以供查看相似病历。
在本实施例的一些可选的实现方式中,在执行步骤202之前,上述方法还可以包括图2中未示出的以下步骤:从病历库中,确定出满足以下至少一项的病历:科室信息与目标病历的科室信息相同、疾病信息与目标病历的疾病信息相同、症状信息包括目标病历的症状信息、体征信息包括目标病历的体征信息。
本实现方式中,目标病历可以包括科室信息、疾病信息、症状信息和体征信息。执行主体可以首先从病历库中筛选出一部分病历,然后对筛选出的病历进行处理,以减少计算量。
执行主体可以筛选出与目标病历所属同一科室的病历。对于医生来说,不同科室之间的差异较大,其他科室的病历对其本身的参考意义并不大。因此,需要首先筛选出与目标病历属于同一科室的病历。
可以理解的是,执行主体还可以筛选出与目标病历的疾病相同的病历。为了进一步缩小相似病历的范围,执行主体还可以将症状信息与目标病历的症状信息相同的,和/或体征信息与目标病历的体征信息相同的病历筛选出来。
继续参见图3,图3是根据本实施例的用于输出病历的方法的一个应用场景的示意图。在图3的应用场景中,医学院教师通过终端输入了一个病历。服务器将该病历作为目标病历,并经过步骤201~204的处理后,向终端输出多个相似病历。医学院教师可以向医学生分享多个相似病历。
本申请的上述实施例提供的用于输出病历的方法,可以首先对目标病历中的至少一个字段包括的文字进行编码,得到与至少一个字段对应的至少一个第一向量。然后,对于预设的病历库中的每个病历库,可以执行以下处理步骤:确定该病历包括的至少一个字段所对应的至少一个第二向量;根据至少一个第一向量以及至少一个第二向量,确定该病历与目标病历的相似度。然后,根据得到的相似度,确定与目标病历相似的病历。最后,把所确定的病历输出。本实施例的方法,可以检索出与目标病历相似的病历,有利于医生的医学研究。
继续参见图4,其示出了根据本申请的用于输出病历的方法的另一个实施例的流程400。如图4所示,本实施例的用于输出病历的方法,可以包括以下步骤:
步骤401,对于目标病历的至少一个字段中的字段,执行以下步骤:
步骤4011,对该字段包括的文字进行分词和/或分字处理,以及对处理后的文字进行编码,得到与该字段对应的至少一个第三向量。
本实施例中,执行主体可以首先对目标病历中的每个字段中包括的文字进行分词和/或分字处理。然后,对处理后的文字进行编码,得到与该字段对应的至少一个第三向量。具体的,执行主体可以对主诉进行分词和分字处理,分别得到分词后的文本和分字后的文本。然后将分词后的文本和分字后的文本输入卷积神经网络,分别得到分词后的文本对应的第三向量和分字后的文本对应的第三向量。
在现有的病历检索方案中,通常包括全文检索。不能分辨出具体的文本的含义。例如,笑得肚子疼与吃坏东西了肚子疼,肚子疼的语义不同。然而,全文检索特征信息会把肚子疼同义匹配检索。本实施例中,通过对字段中包括的文字进行分词和/或分字处理,将单个词和/或单个字表示为语义空间中的向量,利用向量之间的运算可以更准确地描述两个单词之间的语义关系。另外,由于卷积神经网络本身的结构是层次化和序列化的,因此,卷积神经网络能够比较自然地描述自然语言中的层次结构、序列结构和组合操作。同时,卷积神经网络能够很好地利用大规模数据的优势和日益发展的高性能计算的能力,将神经网络的灵活结构,匹配上复杂的自然语言的知识表示。从而,本实施例中的方法,可以模拟人们定义特征来描述规范的一般的语言规律,又可以刻画例外的、特殊的语言现象,能够提高语言处理的精度,进而能够提高病历检索的准确度。
在本实施例的一些可选的实现方式中,目标病历可以包括主诉字段、现病史字段和体格检查字段。执行主体可以对主诉字段进行分词和分字处理,对现病史字段和体格检查字段只进行分词处理。在病历分析过程中,主诉字段可以最核心准确的表达病人的病情,因此主诉字段对于确定患者的病情非常重要。本实现方式中,可以对主诉字段分别进行分词和分字处理。然后将分词处理后的主诉字段的文本输入至预先训练的卷积神经网络中,得到分词处理的文本对应的第三向量。并将分字处理后的文本输入至上述卷积神经网络中,得到分字后的文本对应的第三向量。
步骤4012,确定该字段包括的症状信息和体征信息。
本实施例中,执行主体可以对目标病历中的每个字段包括的症状信息和体征信息。具体的,执行主体可以利用NLU(Natural Language Understanding,自然语言理解)算法来解析各字段包括的文字,来确定每个字段包括的症状信息和体征信息。症状信息表示患者的痛苦表现,例如头疼、腹痛、鼻塞、恶心、呕吐等。体征信息表示具有诊断意义的征候,例如:右下腹麦氏点反跳痛、角弓反张、颈项强直。
步骤4013,对所确定的症状信息和体征信息进行编码,得到第四向量。
在确定每个字段包括的症状信息和体征信息后,执行主体可以对所确定的症状信息和体征信息进行编码,得到第四向量。具体的,执行主体可以将症状信息和体征信息输入至预先训练的深度神经网络,得到每个字段对应的第四向量。本实施例中的深度神经网络可以实现词义在特定医学背景下的学习,可以实现针对病历特征进行的文本匹配学习,强化了病历的症状信息和体征信息。
步骤4014,拼接至少一个第三向量和第四向量,得到该字段对应的第一向量。
在得到每个字段对应的至少一个第三向量和第四向量后,执行主体可以将得到的向量进行拼接,得到每个字段对应的第一向量。具体的,执行主体可以利用concat方法来对各向量进行拼接。concat方法用于连接两个或多个数组。该方法不会改变现有的向量,而仅仅会返回被连接向量的一个副本。这样,可以得到目标病历中每个字段对应的第一向量。
步骤402,分别确定该病历与目标病历中的同一字段对应的第一向量和第二向量。
执行主体还可以进一步确定病历库中的各病历的各字段对应的第二向量。举例来说,执行主体可以确定各病历的主诉字段对应的第二向量、现病史字段对应的第二向量、体格检查字段对应的第二向量。同时,执行主体可以根据步骤4014的处理结果分别得到主诉字段对应的第一向量、现病史字段对应的第一向量、体格检查字段对应的第一向量。
步骤403,根据对应同一字段的第一向量和第二向量,确定该病历和目标病历在单个字段的相似度。
执行主体可以根据同一字段对应的第一向量和第二向量,来确定每个病历与目标病历在各字段的相似度。具体的,执行主体可以计算同一字段对应的第一向量和第二向量之间的距离,并以距离来表示每个病历与目标病历在各字段的相似度。或者,执行主体还可以利用MLP(Multi-Layer Perception,多层感知器)来计算第一向量与第二向量之间的相似度。MLP是一种前向结构的人工神经网络,映射一组输入向量到一组输出向量。
步骤404,根据该病历和目标病历在单个字段的相似度,以及至少一个字段对应的预设权重,确定该病历与目标病历的相似度。
执行主体在得到各病历与目标病历在单个字段的相似度后,可以根据每个字段对应的预设权重以及各病历和目标病历在单个字段的相似度,来确定各病历与目标病历的相似度。举例来说,病历与目标病历在主诉字段的相似度为matching scorecc,在现病史字段的相似度为matching scorehpi,在体格检查字段的相似度为matching scorepe。其中,主诉字段对应的权重为λcc,现病史字段对应的权重为λhpi,体格检查字段对应的权重为λpe。则病历与目标病历的相似度可以通过以下公式来计算:
相似度=λcc·matching scorecc+λhpi·matching scorehpi+λpe·matchingscorepe。
步骤405,根据得到的相似度,确定与目标病历相似的病历。
步骤406,输出所确定的病历。
步骤405、406的原理与步骤203、204的原理类似,此处不再赘述。
本公开的上述实施例提供的用于输出病历的方法,通过对病历中字段包括的文本的分词和/或分字处理,再进行编码,可以实现词义的分布式表示,提高了病历检索的准确度。
进一步参考图5,作为对上述各图所示方法的实现,本申请提供了一种用于输出病历的装置的一个实施例,该装置实施例与图2所示的方法实施例相对应,该装置具体可以应用于各种电子设备中。
如图5所示,本实施例的用于输出病历的装置500包括:编码单元501、处理单元502、确定单元503和输出单元504。
编码单元501,被配置成对目标病历中的至少一个字段包括的文字进行编码,得到与至少一个字段对应的至少一个第一向量。
处理单元502,被配置成对于预设的病历库中的病历,执行以下处理步骤:确定该病历包括的至少一个字段所对应的至少一个第二向量;根据至少一个第一向量以及至少一个第二向量,确定该病历与目标病历的相似度。
确定单元503,被配置成根据得到的相似度,确定与目标病历相似的病历。
输出单元504,被配置成输出所确定的病历。
在本实施例的一些可选的实现方式中,编码单元501还可以进一步被配置成:对于目标病历的至少一个字段中的字段,执行以下步骤:对该字段包括的文字进行分词和/或分字处理,以及对处理后的文字进行编码,得到与该字段对应的至少一个第三向量;确定该字段包括的症状信息和体征信息;对所确定的症状信息和体征信息进行编码,得到第四向量;拼接至少一个第三向量和第四向量,得到该字段对应的第一向量。
在本实施例的一些可选的实现方式中,目标病历可以包括主诉字段、现病史字段和体格检查字段。编码单元501还可以进一步被配置成:对主诉字段包括的文字进行分词和分字处理;对现病史字段和体格检查字段包括的文字进行分词处理。
在本实施例的一些可选的实现方式中,处理单元502进一步被配置成:分别确定该病历与目标病历中的同一字段对应的第一向量和第二向量;根据对应同一字段的第一向量和第二向量,确定该病历和目标病历在单个字段的相似度;根据该病历和目标病历在单个字段的相似度,以及至少一个字段对应的预设权重,确定该病历与目标病历的相似度。
在本实施例的一些可选的实现方式中,病历包括科室信息、疾病信息、症状信息以及体征信息。处理单元502进一步被配置成:从病历库中,确定出满足以下至少一项的病历:科室信息与目标病历的科室信息相同、疾病信息与目标病历的疾病信息相同、症状信息包括目标病历的症状信息、体征信息包括目标病历的体征信息;对所确定出的病历,执行处理步骤。
应当理解,用于输出病历的装置500中记载的单元501至单元504分别与参考图2中描述的方法中的各个步骤相对应。由此,上文针对用于输出病历的方法描述的操作和特征同样适用于装置500及其中包含的单元,在此不再赘述。
下面参考图6,其示出了适于用来实现本公开的实施例的电子设备(例如图1中的服务器)600的结构示意图。图6示出的服务器仅仅是一个示例,不应对本公开的实施例的功能和使用范围带来任何限制。
如图6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RAM 603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、ROM 602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6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。图6中示出的每个方框可以代表一个装置,也可以根据需要代表多个装置。
特别地,根据本公开的实施例,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,本公开的实施例包括一种计算机程序产品,其包括承载在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ROM 602被安装。在该计算机程序被处理装置601执行时,执行本公开的实施例的方法中限定的上述功能。需要说明的是,本公开的实施例所描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***、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。在本公开的实施例中,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***、装置或者器件使用或者与其结合使用。而在本公开的实施例中,计算机可读信号介质可以包括在基带中或者作为载波一字段传播的数据信号,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***、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。
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。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被该电子设备执行时,使得该电子设备:对目标病历中的至少一个字段包括的文字进行编码,得到与至少一个字段对应的至少一个第一向量;对于预设的病历库中的病历,执行以下处理步骤:确定该病历包括的至少一个字段所对应的至少一个第二向量;根据至少一个第一向量以及至少一个第二向量,确定该病历与目标病历的相似度;根据得到的相似度,确定与目标病历相似的病历;输出所确定的病历。
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公开的实施例的操作的计算机程序代码,上述程序设计语言包括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、字段地在用户计算机上执行、作为一个独立的软件包执行、字段在用户计算机上字段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,图示了按照本公开各种实施例的***、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、或代码的一字段,该模块、程序段、或代码的一字段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***来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开的实施例中所涉及到的单元可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中,例如,可以描述为:一种处理器包括编码单元、处理单元、确定单元和输出单元。其中,这些单元的名称在某种情况下并不构成对该单元本身的限定,例如,输出单元还可以被描述为“输出所确定的病历的单元”。
以上描述仅为本公开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,本公开的实施例中所涉及的发明范围,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发明构思的情况下,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。例如上述特征与本公开的实施例中公开的(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。
Claims (6)
1.一种用于输出病历的方法,包括:
对目标病历中的至少一个字段包括的文字进行编码,得到与所述至少一个字段对应的至少一个第一向量,病历包括科室信息、疾病信息、症状信息以及体征信息,目标病历包括主诉字段、现病史字段和体格检查字段;
对于预设的病历库中的病历,从所述病历库中,确定出满足以下至少一项的病历:科室信息与所述目标病历的科室信息相同、疾病信息与所述目标病历的疾病信息相同、症状信息包括所述目标病历的症状信息、体征信息包括所述目标病历的体征信息;对所确定出的病历,执行以下处理步骤:确定该病历包括的至少一个字段所对应的至少一个第二向量;根据所述至少一个第一向量以及所述至少一个第二向量,确定该病历与所述目标病历的相似度;
根据得到的相似度,确定与所述目标病历相似的病历;
输出所确定的病历;
其中,所述对目标病历的至少一个字段包括的文字进行编码,得到与所述至少一个字段对应的至少一个第一向量,包括:
对于所述目标病历的至少一个字段中的字段,执行以下步骤:
对该字段包括的文字进行分词和/或分字处理,以及对处理后的文字进行编码,得到与该字段对应的至少一个第三向量;
确定该字段包括的症状信息和体征信息;
对所确定的症状信息和体征信息进行编码,得到第四向量;
将所述至少一个第三向量和所述第四向量进行拼接,得到该字段对应的第一向量;
所述对该字段包括的文字进行分词和/或分字处理,包括:
对主诉字段包括的文字进行分词和分字处理;
对现病史字段和体格检查字段包括的文字进行分词处理。
2.根据权利要求1所述的方法,其中,所述根据所述至少一个第一向量以及所述至少一个第二向量,确定该病历与所述目标病历的相似度,包括:
分别确定该病历与所述目标病历中的同一字段对应的第一向量和第二向量;
根据对应同一字段的第一向量和第二向量,确定该病历和所述目标病历在单个字段的相似度;
根据该病历和所述目标病历在单个字段的相似度,以及所述至少一个字段对应的预设权重,确定该病历与所述目标病历的相似度。
3.一种用于输出病历的装置,包括:
编码单元,被配置成对目标病历中的至少一个字段包括的文字进行编码,得到与所述至少一个字段对应的至少一个第一向量,病历包括科室信息、疾病信息、症状信息以及体征信息,目标病历包括主诉字段、现病史字段和体格检查字段;
处理单元,被配置成对于预设的病历库中的病历,从所述病历库中,确定出满足以下至少一项的病历:科室信息与所述目标病历的科室信息相同、疾病信息与所述目标病历的疾病信息相同、症状信息包括所述目标病历的症状信息、体征信息包括所述目标病历的体征信息;对所确定出的病历,执行以下处理步骤:确定该病历包括的至少一个字段所对应的至少一个第二向量;根据所述至少一个第一向量以及所述至少一个第二向量,确定该病历与所述目标病历的相似度;
确定单元,被配置成根据得到的相似度,确定与所述目标病历相似的病历;
输出单元,被配置成输出所确定的病历;
其中,所述编码单元进一步被配置成:
对于所述目标病历的至少一个字段中的字段,执行以下步骤:
对该字段包括的文字进行分词和/或分字处理,以及对处理后的文字进行编码,得到与该字段对应的至少一个第三向量;
确定该字段包括的症状信息和体征信息;
对所确定的症状信息和体征信息进行编码,得到第四向量;
拼接所述至少一个第三向量和所述第四向量,得到该字段对应的第一向量;
所述编码单元进一步被配置成:
对主诉字段包括的文字进行分词和分字处理;
对现病史字段和体格检查字段包括的文字进行分词处理。
4.根据权利要求3所述的装置,其中,所述处理单元进一步被配置成:
分别确定该病历与所述目标病历中的同一字段对应的第一向量和第二向量;
根据对应同一字段的第一向量和第二向量,确定该病历和所述目标病历在单个字段的相似度;
根据该病历和所述目标病历在单个字段的相似度,以及所述至少一个字段对应的预设权重,确定该病历与所述目标病历的相似度。
5.一种服务器,包括:
一个或多个处理器;
存储装置,其上存储有一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-2中任一所述的方法。
6.一种计算机可读介质,其上存储有计算机程序,其中,该程序被处理器执行时实现如权利要求1-2中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910379412.3A CN110097936B (zh) | 2019-05-08 | 2019-05-08 | 用于输出病历的方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910379412.3A CN110097936B (zh) | 2019-05-08 | 2019-05-08 | 用于输出病历的方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110097936A CN110097936A (zh) | 2019-08-06 |
CN110097936B true CN110097936B (zh) | 2022-08-05 |
Family
ID=67447292
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910379412.3A Active CN110097936B (zh) | 2019-05-08 | 2019-05-08 | 用于输出病历的方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110097936B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111640517B (zh) * | 2020-05-27 | 2023-05-26 | 医渡云(北京)技术有限公司 | 病历编码方法、装置、存储介质及电子设备 |
CN111986749A (zh) * | 2020-07-15 | 2020-11-24 | 万达信息股份有限公司 | 一种数字病理图像检索*** |
CN112329461A (zh) * | 2020-11-24 | 2021-02-05 | 汤学民 | 相似病历确定方法、计算机设备及计算机存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106557463A (zh) * | 2016-10-31 | 2017-04-05 | 东软集团股份有限公司 | 情感分析方法及装置 |
CN107193919A (zh) * | 2017-05-15 | 2017-09-22 | 清华大学深圳研究生院 | 一种电子病历的检索方法及*** |
CN108563725A (zh) * | 2018-04-04 | 2018-09-21 | 华东理工大学 | 一种中文症状体征构成识别方法 |
CN109215754A (zh) * | 2018-09-10 | 2019-01-15 | 平安科技(深圳)有限公司 | 病历数据处理方法、装置、计算机设备和存储介质 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2191399A1 (en) * | 2007-09-21 | 2010-06-02 | International Business Machines Corporation | System and method for analyzing electronic data records |
CN106897568A (zh) * | 2017-02-28 | 2017-06-27 | 北京大数医达科技有限公司 | 病历结构化的处理方法和装置 |
CN108804591A (zh) * | 2018-05-28 | 2018-11-13 | 杭州依图医疗技术有限公司 | 一种病历文本的文本分类方法及装置 |
CN109473153A (zh) * | 2018-10-30 | 2019-03-15 | 医渡云(北京)技术有限公司 | 医疗数据的处理方法、装置、介质及电子设备 |
CN109524108A (zh) * | 2018-11-21 | 2019-03-26 | 上海依智医疗技术有限公司 | 一种问询模型的建立方法及装置 |
-
2019
- 2019-05-08 CN CN201910379412.3A patent/CN110097936B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106557463A (zh) * | 2016-10-31 | 2017-04-05 | 东软集团股份有限公司 | 情感分析方法及装置 |
CN107193919A (zh) * | 2017-05-15 | 2017-09-22 | 清华大学深圳研究生院 | 一种电子病历的检索方法及*** |
CN108563725A (zh) * | 2018-04-04 | 2018-09-21 | 华东理工大学 | 一种中文症状体征构成识别方法 |
CN109215754A (zh) * | 2018-09-10 | 2019-01-15 | 平安科技(深圳)有限公司 | 病历数据处理方法、装置、计算机设备和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN110097936A (zh) | 2019-08-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7100087B2 (ja) | 情報を出力する方法および装置 | |
Du et al. | ML-Net: multi-label classification of biomedical texts with deep neural networks | |
US10496748B2 (en) | Method and apparatus for outputting information | |
Filguiera et al. | dispel4py: A python framework for data-intensive scientific computing | |
Tang et al. | Predictive modeling in urgent care: a comparative study of machine learning approaches | |
CN110097936B (zh) | 用于输出病历的方法和装置 | |
US11636376B2 (en) | Active learning for concept disambiguation | |
CN110265099B (zh) | 用于输出病历的方法和装置 | |
US11163762B2 (en) | Mapping document data to relational data | |
CN110517767B (zh) | 辅助诊断方法、装置、电子设备及存储介质 | |
US20190206529A1 (en) | Evaluating Completeness and Data Quality of Electronic Medical Record Data Sources | |
Grangier | Contextual inferences, nonlocality, and the incompleteness of quantum mechanics | |
CN114078597A (zh) | 从文本获得支持的决策树用于医疗健康应用 | |
CN111488742A (zh) | 用于翻译的方法和装置 | |
Peng et al. | Clinical concept and relation extraction using prompt-based machine reading comprehension | |
CN111104796B (zh) | 用于翻译的方法和装置 | |
US11080326B2 (en) | Intelligently organizing displays of medical imaging content for rapid browsing and report creation | |
CN112309565A (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 | |
US20210004406A1 (en) | Method and apparatus for storing media files and for retrieving media files | |
US20200104465A1 (en) | Real-Time Prediction of Chemical Properties Through Combining Calculated, Structured and Unstructured Data at Large Scale | |
CN111008213A (zh) | 用于生成语言转换模型的方法和装置 | |
Bai et al. | Ofasys: A multi-modal multi-task learning system for building generalist models | |
Fichtl | Evaluating adapter-based knowledge-enhanced language models in the biomedical domain | |
CN109840072B (zh) | 信息处理方法和装置 | |
JP2021111314A (ja) | 構造化クエリステートメントを出力する方法および装置 |
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 |