CN110289065A - 一种辅助生成医学电子报告的控制方法以及装置 - Google Patents
一种辅助生成医学电子报告的控制方法以及装置 Download PDFInfo
- Publication number
- CN110289065A CN110289065A CN201910538730.XA CN201910538730A CN110289065A CN 110289065 A CN110289065 A CN 110289065A CN 201910538730 A CN201910538730 A CN 201910538730A CN 110289065 A CN110289065 A CN 110289065A
- Authority
- CN
- China
- Prior art keywords
- information
- template
- template information
- input
- electronic report
- 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.)
- Withdrawn
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
- G16H15/00—ICT specially adapted for medical reports, e.g. generation or transmission thereof
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)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
本发明公开一种辅助生成医学电子报告的控制方法,其基于自然语言处理技术确定一个或多个电子报告,包括如下步骤:基于输入信息确定与所述输入信息相匹配的一个或多个第一模板信息;基于用户的选择及调整,确定在一个或多个第一模板信息中的至少一个第三模板信息;将所述第三模板信息作为电子报告进行展示。本发明使用简单,操作便捷,功能强大,实用性强,学习能力强大,预测准确,具有极高的商业价值。
Description
技术领域
本发明属于计算机医学应用领域,具体地,涉及一种辅助生成医学电子报告的控制方法以及装置。
背景技术
目前大部分的医院中,其电子报告的撰写多数是完全依靠人工来实现的。而主要实现的主体往往是医生,医生常常会花费过多的时间在病例的撰写上,从而浪费了非常多的诊断时间,为能让医生更多地关注在诊疗过程,减少逐个敲字完成的时间,现有技术中提供了一种HIS***,其用于辅助医生完成电子报告的撰写,而很多HIS厂商推出了很多方案,例如建立预置文字模板并整体粘贴文本,又如使用纯结构化方式(即预置条目,使用勾选的方式选择)并存储,而这样的方式建立在医生对于该***存在一定的使用基础。
而手工撰写病历的质量往往和医生本身的素质相关,比如实习医生和从业多年的医生提供的病历质量相差很多,为此需要病历生成***来保障病历质量。
而这些方案存在很多缺点,其一,上述中建立预置文字模板并整体粘贴文本这样的方案使得预置文字模板无法适应不同病人、疾病的特定场景,最多只能满足医生个性化的要求;其二,上述中的纯结构化方式的方案,没有生成最终的自然文本,与医生的日常习惯不符,而且预置条目的表现能力也存在不足;其三,上述方式中,文字模板和条目模板的选择都是人工手动选择完成;其四,未提供其他和诊疗步骤相关的帮助。
目前在现有的技术中,并没有一种能够解决上述技术问题的技术方案,具体地,缺少一种辅助生成医学电子报告的控制方法以及装置。
发明内容
针对现有技术存在的技术缺陷,本发明的目的是提供一种辅助生成医学电子报告的控制方法,其基于自然语言处理技术确定一个或多个电子报告,包括如下步骤:
a.基于输入信息确定与所述输入信息相匹配的一个或多个第一模板信息;
b.基于用户的选择及调整,确定在一个或多个第一模板信息中的至少一个第三模板信息;
c.将所述第三模板信息作为电子报告进行展示。
优选地,所述步骤a包括如下步骤:
a1:将所述输入信息向量化表示;
a2:将所述输入信息向量化表示作为输入,确定每个模板信息的相似度;
a3:将相似度大于第一阈值的模板信息作为第一模板信息。
优选地,所述输入信息至少包括:
患者主诉信息;
现病史信息;
检查结果;或者
家庭史信息。
优选地,所述模板信息均有医学事件矢量组成。
优选地,所述步骤b包括如下步骤:
b1:基于用户的选择,确定在一个或多个第一模板信息中的至少一个第二模板信息,;
b2:基于用户的调整以及第二模板信息,确定第三模板信息。
优选地,在所述步骤c中,所述电子报告至少包括:病历信息以及推荐检查项目信息。
优选地,在所述步骤c之后,还包括步骤d:基于所述第三模板信息对所述第一模板信息进行更新。
根据本发明的另一个方面,提供了一种辅助生成医学电子报告的控制装置,包括:
第一确定装置:基于输入信息确定与所述输入信息相匹配的一个或多个第一模板信息;
第二确定装置:基于用户的选择及调整,确定在一个或多个第一模板信息中的至少一个第三模板信息;
第一处理装置:将所述第三模板信息作为电子报告进行展示。
优选地,所述第一确定装置包括:
第二处理装置:将所述输入信息向量化表示;
第三确定装置:将所述输入信息向量化表示作为输入,确定每个模板信息的相似度;
第三处理装置:将相似度大于第一阈值的模板信息作为第一模板信息。
优选地,所述第二确定装置包括:
第四确定装置:基于用户的选择,确定在一个或多个第一模板信息中的至少一个第二模板信息,;
第五确定装置:基于用户的调整以及第二模板信息,确定第三模板信息。
优选地,还包括第四处理装置:基于所述第三模板信息对所述第一模板信息进行更新。
本发明公开了一种辅助生成医学电子报告的控制方法以及装置,其基于自然语言处理技术确定一个或多个电子报告,通过输入信息确定第一模板信息,并基于用户的选择及调整,确定在一个或多个第一模板信息中的至少一个第三模板信息,最后将所述第三模板信息作为电子报告进行展示。本发明采用自然语言处理技术,分析主诉、现病史、检查、家庭史等信息,并结构化为医学事件矢量。通过医院已有数据的分析,完成针对疾病建立独立的病历模板和推荐检查项目模板,模板均由医学事件矢量组成,且各模板根据对应疾病特点和数据分布预置阳性(或勾选)。通过主诉驱动,提供“首次预测”,给出较符合疾病集合供医生选择,引导模板信息的选择,并展示模板中的特征信息(如症状、检查等)。通过医生对于界面信息的选择(模板中的症状、检查信息)
完成电子报告“草稿”文本的生成,并提供给HIS,医生可以在草稿基础上做细节调整。在得到最终的电子报告和检查化验结果后,***将做“二次预测”,提供更准确的候选诊断,帮助医生进一步排查可疑诊断。对于后台收集的实际数据自动学习,完成病历模板和推荐检查项目模板的更新,其颗粒度可以细化到医生级别。本发明使用简单,操作便捷,功能强大,实用性强,学习能力强大,预测准确,具有极高的商业价值。
附图说明
通过阅读参照以下附图对非限制性实施例所作的详细描述,本发明的其它特征、目的和优点将会变得更明显:
图1示出了本发明的具体实施方式的,一种辅助生成医学电子报告的控制方法的具体流程示意图;
图2示出了本发明的第一实施例的,基于输入信息确定与所述输入信息相匹配的一个或多个第一模板信息的具体流程示意图;
图3示出了本发明的第二实施例的,基于用户的选择及调整,确定在一个或多个第一模板信息中的至少一个第三模板信息的具体流程示意图;
图4示出了本发明的第三实施例的,一种辅助生成医学电子报告的控制方法的具体流程示意图;以及
图5示出了本发明的另一具体实施方式的,一种辅助生成医学电子报告的控制装置的模块连接示意图。
具体实施方式
为了更好的使本发明的技术方案清晰的表示出来,下面结合附图对本发明作进一步说明。
图1示出了本发明的具体实施方式的,一种辅助生成医学电子报告的控制方法的具体流程示意图,其基于自然语言处理技术确定一个或多个电子报告,具体地,其通过将输入的信息在模型中进行匹配,获取中间模板,并基于用户的再次输入、调整,最终得到最后的电子报告,具体地,包括如下步骤:
首先,进入步骤S101,基于输入信息确定与所述输入信息相匹配的一个或多个第一模板信息,所述输入信息至少包括患者主诉信息、现病史信息、检查结果或者家庭史信息,患者主诉的信息即为患者口诉自己当前身体状态的信息,这些信息可以直观的反映出患者当前身体不舒服的可能原因是什么问题,当然,所述患者主诉信息也可以是患者口诉或笔诉的信息,而医生根据患者的描述进行概括而归纳出的信息,
所述现病史信息即为患者当前所患有的疾病,比如,心脏病、糖尿病、关节炎等等,知道现病史能有效的对当前患者的症状进行排查,所述检查结果则是患者就医时所拿到的各种化验、诊断、检查等结果,其能够帮助医生进行疾病排查,而家庭史信息则用于得知患者是否具有一些遗传疾病等等。
本领域技术人员理解,所述模板信息均由医学事件矢量组成,在一个优选地实施例中,若所述输入信息包括某男子,30岁,剧烈头痛,伴呕吐,则我们可以将其在多个第一模板中进行匹配,同时匹配出第一模板信息为:呼吸***疾病-急性上呼吸道感染以及循环***疾病-心律失常的推荐诊断组合,则呼吸***疾病-急性上呼吸道感染以及循环***疾病-心律失常均为第一模板信息,且均根据其输入信息匹配得到。
然后,进入步骤S102,基于用户的选择及调整,确定在一个或多个第一模板信息中的至少一个第三模板信息,所述用户的选择包括用户手动选择模板,在一个优选地实施例中,根据步骤S101,本发明所提供的控制方法根据输入信息给用户多个第一模板信息进行选择,而用户则根据这些第一模板信息并结合患者实际情况选择最适合患者的第一模板信息,而所述用户的调整即为,当用户选择了第一模板信息后,虽然在众多第一模板信息中的当前第一模板信息最为事宜,但还有一些信息、结构以及内容需要根据患者的自身情况进行调整,而这些调整需要用户勾选或者填写,只有经过用户的选择及调整,才能得到最后的第三模板信息,这些将在后述的具体实施方式中做进一步地描述,在此不予赘述。而本发明中的用户优选地为医生或者相应地医护人员。
最后,进入步骤S103,将所述第三模板信息作为电子报告进行展示,本领域技术人员理解,所述电子报告至少包括病历信息以及推荐检查项目信息,所述病历信息即为患者根据患者的输入信息以及医生诊断之后得出的诊断结果内容的信息,而推荐检查项目信息则是医生根据输入信息以及第一模板信息调整之后得出的推荐患者进行检查项目的信息。
本领域技术人员理解,本发明中提供的辅助生成医学电子报告的控制方法并不涉及到医学疾病的诊断、治疗,结合本申请全篇内容,也没有通过本发明的控制方法来诊断病患、治疗病患从而改善治疗结果,本发明仅仅提供了一种能够辅助医生进行快速撰写电子报告的方法,解放医生的双手,使医生能有更多的时间、把更多的重心放在病患身上,故本申请属于可以被授予发明专利的客体,在此不予赘述。
图2示出了本发明的第一实施例的,基于输入信息确定与所述输入信息相匹配的一个或多个第一模板信息的具体流程示意图,本领域技术人员理解,图2示出了一种如何基于病患的自诉等信息得到与所述病患最匹配的第一模板信息的具体步骤,具体地,包括:
首先,进入步骤S1011,将所述输入信息向量化表示,本领域技术人员理解,基于Embedding模型,将词进行向量化表示,实体的抽象成了数学描述,就可以进行建模,应用到很多任务中,例如比较词语词之间的相似性,可以直接通过向量之间的余弦距离度量来确定,词语向量化表示需要基于输入信息等获取输入信息中的特征,对输入信息中的每个字符进行拆解,将输入信息转换为深度神经网络能够理解的数值形式,本领域技术人员理解,将输入信息转换成计算机能识别的数据,解析出每个词和它所对应的词向量,进行向量化表示后,利用Embedding模型,将所述一个或多个向量矩阵加载到Embedding层中,所述一个或多个特征向量经过Embedding模型,将原始的稀疏向量,转换成一个稠密的向量表示,其目的是为了降低特征维数。具体地,在进行稠密向量划表示后,可以用计算向量之间相似度的方法(如余弦相似度),来计算语义的相似度。具体地,所述一个或多个原始的稀疏向量,转换成一个或多个稠密的向量表示,这个过程中,不仅仅考虑到原始向量的特征,而是对隐含空间的特征进行了分析。
进一步地,Embedding是将自然语言表示的单词转换为计算机能够理解的向量或矩阵形式的技术,它也是目前自然语言处理领域中一种将文本中的单词映射成低维数值向量的关键技术,经过Embedding训练出来的词向量既可以作为完全的单词特征输入到某些特定任务的有监督学习算法中,也可以作为依赖于不同任务所特定提取特征的有益扩充。
进一步地,所述输入信息包括但不限于症状、检查结果以及其他资料,例如,还包括病史、在获得以上数据后,形成一个基于病人主诉,现病史,影像检查和实验室检验等医疗信息中提取的标准化矢量集合,并对其进行结构化操作。
然后,进入步骤S1012,将所述输入信息向量化表示作为输入,确定每个模板信息的相似度,基于模型将所述输入信息向量化表示作为输入,确定所述输入信息向量化表示在模型中每个模板信息的相似度,本领域技术人员理解,在将所述输入信息向量化表示后,将Embedding的结果输入到预先构建的模型中,经过模型训练,得到隐含空间的映射,对比所述输入信息向量化表示与模型中每个模板的相似度,最终确定出每个模板信息的相似度。
最后,进入步骤S1013,将相似度大于第一阈值的模板信息作为第一模板信息,本领域技术人员理解,若所述第一阈值为80,而超过相似度为80的模板信息有三个,则优选地将这三个模板信息同时作为第一模板信息。
图3示出了本发明的第二实施例的,基于用户的选择及调整,确定在一个或多个第一模板信息中的至少一个第三模板信息的具体流程示意图,所述第一模板信息可以为一个,也可以为多个,而所述第三模板信息可以为一个,也可以为多个,具体地,包括如下步骤:
首先,进入步骤S1021,基于用户的选择,确定在一个或多个第一模板信息中的至少一个第二模板信息,所述用户的选择为医生根据呈现出的一个或多个第一模板信息并优选地结合患者当前的实际情况,选择最适合患者的一个或多个模板信息,所述一个或多个模板信息即为所述第二模板信息,所述第二模板信息由医学事件矢量组成。本领域技术人员理解,在步骤S1021之后,优选地对所述第二模板信息进行展示,而在这样的实施例中,所述展示的电子报告暂时缺失最终诊断结果以及检查结果。
然后,进入步骤S1022,基于用户的调整以及第二模板信息,确定第三模板信息,所述用户的调整,即为医生根据患者的情况对第二模板信息中的一个或多个信息进行增加、删除、修改等操作,使之更符合患者当前的情况,本领域技术人员理解,虽然根据步骤S1021,选择出了适合患者的第二模板信息,而第二模板信息也是一种学习模型中的模板信息,并无法根据患者的自身情况进行切身调整,这里,就需要人为的干预,使之更符合患者的情况,在此不予赘述,结合上述步骤S1021中的实施例,当进一步地检验检查结果出来后,医护人员或者其他工作人员可以根据检验检查结果选择需要展示的相关重要检查指标数据信息,而在一个优选地实施例中,若根据检验检查数据得出第二模版的诊断有误,则对其进行最终调整,并将其作为最终结果进行展示。
图4示出了本发明的第三实施例的,一种辅助生成医学电子报告的控制方法的具体流程示意图,具体地,包括如下步骤:
本领域技术人员理解,所述步骤S201至步骤S203可以参考前述步骤中的步骤S101至步骤S103,在此不予赘述。
最后,进入步骤S204,基于所述第三模板信息对所述第一模板信息进行更新,本领域技术人员理解,此步骤主要是为了更好的完善学习模型,使之更加完整的匹配各类人群,例如,在前述的实施例中,经过医生的选择以及调整,并结合输入信息,得出了第三模版信息,此时将所述第三模版信息的资料融入到第一模版信息中,在今后的电子病例填写过程中,若存在同样的输入信息,则可以匹配出更加适合患者的第三模版信息作为医生的首选,而不需要在进行调整,在此不予赘述。
图5示出了本发明的另一具体实施方式的,一种辅助生成医学电子报告的控制装置的模块连接示意图,具体地,包括第一确定装置:基于输入信息确定与所述输入信息相匹配的一个或多个第一模板信息,所述第一确定装置的工作原理可以参考步骤S101,在此不予赘述。
进一步地,还包括第二确定装置:基于用户的选择及调整,确定在一个或多个第一模板信息中的至少一个第三模板信息,所述第二确定装置的工作原理可以参考步骤S102,在此不予赘述。
进一步地,还包括第一处理装置:将所述第三模板信息作为电子报告进行展示,所述第一处理装置的工作原理可以参考步骤S103,在此不予赘述。
优选地,所述第一确定装置1包括第二处理装置11:将所述输入信息向量化表示,第二处理装置11的工作原理可以参考步骤S1011,在此不予赘述。
进一步地,还包括第三确定装置12:将所述输入信息向量化表示作为输入,确定每个模板信息的相似度,第三确定装置12的工作原理可以参考步骤S1012,在此不予赘述。
进一步地,还包括第三处理装置13:将相似度大于第一阈值的模板信息作为第一模板信息,第三处理装置13的工作原理可以参考步骤S1013,在此不予赘述。
进一步地,所述第二确定装置2包括第四确定装置21:基于用户的选择,确定在一个或多个第一模板信息中的至少一个第二模板信息,第四确定装置21的工作原理可以参考步骤S1021,在此不予赘述。
进一步地,还包括第五确定装置22:基于用户的调整以及第二模板信息,确定第三模板信息,第五确定装置22的工作原理可以参考步骤S1022,在此不予赘述。
进一步地,还包括第四处理装置4:基于所述第三模板信息对所述第一模板信息进行更新,第四处理装置4的工作原理可以参考步骤S204,在此不予赘述。
本领域技术人员理解,基于疾病预测的电子报告生成***的诊疗流程图所示,其每个数据流节点介绍如下:首次预测输入:主诉文本和病人基本信息(如年龄、性别等)。首次预测:根据主诉文本和病人基本信息预测可能疾病诊断集合,并按照疾病***和可能概率归并和排序,在展示到前端。模板选择:通过疾病诊断选择病历模板和推荐检查项目模板。二次预测:通过完整的电子报告信息、检查化验结果和病人基本信息完成对疾病诊断的预测。检验检查(阳性)模板选择:通过疾病诊断生成已选病历模板并选择阳性检验检查模板。
进一步地,所述辅助生成医学电子报告的***的结构,基于疾病预测的电子病历生成***的架构,包括如下模块:自然语言分析模块:基于电子病历的分析为基础,提取病人的主诉、现病史、检验检查、家庭史等数据信息矢量化。医学事件分析模块:从医院事件的多维度层面(如:疾病、症状、检验、检查等)对电子病历矢量化信息进行清洗、归一相关分析。疾病预测模块:通过引入深度的神经网络模型,学习超长矢量中的单特征和深度的交互特征,同时结合一定的关联性假设进行疾病预测。后台学习模块深度交互特征学习可利用GPU硬件资源,具有高效的模型学习效率。它也是完全自动化的,可随时适配数据的更新。数据接收模块接收电子病历信息,接收到的数据推给疾病预测模块预测结果,随后结果返回给助手前端模块用于操作交互上的展示。助手前端模块通过页面展现电子病历的辅助诊断首次、二次预测的交互操作场景。
以上对本发明的具体实施例进行了描述。需要理解的是,本发明并不局限于上述特定实施方式,本领域技术人员可以在权利要求的范围内做出各种变形或修改,这并不影响本发明的实质内容。
Claims (11)
1.一种辅助生成医学电子报告的控制方法,其基于自然语言处理技术确定一个或多个电子报告,其特征在于,包括如下步骤:
a.基于输入信息确定与所述输入信息相匹配的一个或多个第一模板信息;
b.基于用户的选择及调整,确定在一个或多个第一模板信息中的至少一个第三模板信息;
c.将所述第三模板信息作为电子报告进行展示。
2.根据权利要求1所述的控制方法,其特征在于,所述步骤a包括如下步骤:
a1:将所述输入信息向量化表示;
a2:将所述输入信息向量化表示作为输入,确定每个模板信息的相似度;
a3:将相似度大于第一阈值的模板信息作为第一模板信息。
3.根据权利要求2所述的控制方法,其特征在于,所述输入信息至少包括:
患者主诉信息;
现病史信息;
检查结果;或者
家庭史信息。
4.根据权利要求1所述的控制方法,其特征在于,所述模板信息均由医学事件矢量组成。
5.根据权利要求2所述的控制方法,其特征在于,所述步骤b包括如下步骤:
b1:基于用户的选择,确定在一个或多个第一模板信息中的至少一个第二模板信息;
b2:基于用户的调整以及第二模板信息,确定第三模板信息。
6.根据权利要求1所述的控制方法,其特征在于,在所述步骤c中,所述电子报告至少包括:病历信息以及推荐检查项目信息。
7.根据权利要求5所述的控制方法,其特征在于,在所述步骤c之后,还包括步骤d:基于所述第三模板信息对所述第一模板信息进行更新。
8.一种辅助生成医学电子报告的控制装置,其特征在于,包括:
第一确定装置(1):基于输入信息确定与所述输入信息相匹配的一个或多个第一模板信息;
第二确定装置(2):基于用户的选择及调整,确定在一个或多个第一模板信息中的至少一个第三模板信息;
第一处理装置(3):将所述第三模板信息作为电子报告进行展示。
9.根据权利要求8所述的控制装置,其特征在于,所述第一确定装置(1)包括:
第二处理装置(11):将所述输入信息向量化表示;
第三确定装置(12):将所述输入信息向量化表示作为输入,确定每个模板信息的相似度;
第三处理装置(13):将相似度大于第一阈值的模板信息作为第一模板信息。
10.根据权利要求2所述的控制装置,其特征在于,所述第二确定装置(2)包括:
第四确定装置(21):基于用户的选择,确定在一个或多个第一模板信息中的至少一个第二模板信息,;
第五确定装置(22):基于用户的调整以及第二模板信息,确定第三模板信息。
11.根据权利要求5所述的控制装置,其特征在于,还包括第四处理装置(4):基于所述第三模板信息对所述第一模板信息进行更新。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910538730.XA CN110289065A (zh) | 2019-06-20 | 2019-06-20 | 一种辅助生成医学电子报告的控制方法以及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910538730.XA CN110289065A (zh) | 2019-06-20 | 2019-06-20 | 一种辅助生成医学电子报告的控制方法以及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110289065A true CN110289065A (zh) | 2019-09-27 |
Family
ID=68004977
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910538730.XA Withdrawn CN110289065A (zh) | 2019-06-20 | 2019-06-20 | 一种辅助生成医学电子报告的控制方法以及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110289065A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111710381A (zh) * | 2020-06-10 | 2020-09-25 | 深圳市好克医疗仪器股份有限公司 | 远程诊断方法、装置、设备及计算机存储介质 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100114597A1 (en) * | 2008-09-25 | 2010-05-06 | Algotec Systems Ltd. | Method and system for medical imaging reporting |
US20100114598A1 (en) * | 2007-03-29 | 2010-05-06 | Oez Mehmet M | Method and system for generating a medical report and computer program product therefor |
US20120054230A1 (en) * | 2010-08-25 | 2012-03-01 | Fujifilm Corporation | Apparatus, method and program for assisting medical report creation and providing medical information |
CN102612696A (zh) * | 2009-09-28 | 2012-07-25 | 皇家飞利浦电子股份有限公司 | 具有报告验证器和报告增强器的医学信息*** |
CN104899194A (zh) * | 2014-01-09 | 2015-09-09 | 武汉联影医疗科技有限公司 | 一种基于html5的医学报告的制作方法 |
CN109065112A (zh) * | 2018-08-21 | 2018-12-21 | 上海商汤智能科技有限公司 | 信息处理方法及装置、电子设备及存储介质 |
CN109192261A (zh) * | 2018-08-21 | 2019-01-11 | 上海商汤智能科技有限公司 | 信息处理方法及装置、电子设备及存储介质 |
CN109273066A (zh) * | 2018-08-21 | 2019-01-25 | 上海商汤智能科技有限公司 | 医疗报告生成方法及装置、电子设备及存储介质 |
-
2019
- 2019-06-20 CN CN201910538730.XA patent/CN110289065A/zh not_active Withdrawn
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100114598A1 (en) * | 2007-03-29 | 2010-05-06 | Oez Mehmet M | Method and system for generating a medical report and computer program product therefor |
US20100114597A1 (en) * | 2008-09-25 | 2010-05-06 | Algotec Systems Ltd. | Method and system for medical imaging reporting |
CN102612696A (zh) * | 2009-09-28 | 2012-07-25 | 皇家飞利浦电子股份有限公司 | 具有报告验证器和报告增强器的医学信息*** |
US20120054230A1 (en) * | 2010-08-25 | 2012-03-01 | Fujifilm Corporation | Apparatus, method and program for assisting medical report creation and providing medical information |
CN104899194A (zh) * | 2014-01-09 | 2015-09-09 | 武汉联影医疗科技有限公司 | 一种基于html5的医学报告的制作方法 |
CN109065112A (zh) * | 2018-08-21 | 2018-12-21 | 上海商汤智能科技有限公司 | 信息处理方法及装置、电子设备及存储介质 |
CN109192261A (zh) * | 2018-08-21 | 2019-01-11 | 上海商汤智能科技有限公司 | 信息处理方法及装置、电子设备及存储介质 |
CN109273066A (zh) * | 2018-08-21 | 2019-01-25 | 上海商汤智能科技有限公司 | 医疗报告生成方法及装置、电子设备及存储介质 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111710381A (zh) * | 2020-06-10 | 2020-09-25 | 深圳市好克医疗仪器股份有限公司 | 远程诊断方法、装置、设备及计算机存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111540468B (zh) | 一种诊断原因可视化的icd自动编码方法与*** | |
CN110838368B (zh) | 一种基于中医临床知识图谱的主动问诊机器人 | |
US11670420B2 (en) | Drawing conclusions from free form texts with deep reinforcement learning | |
CN110675944A (zh) | 分诊方法及装置、计算机设备及介质 | |
CN113241135A (zh) | 一种基于多模态融合的疾病风险预测方法和*** | |
US20090259487A1 (en) | Patient Data Mining | |
CN112015917A (zh) | 基于知识图谱的数据处理方法、装置及计算机设备 | |
CN109378066A (zh) | 一种基于特征向量实现疾病预测的控制方法及控制装置 | |
CN111666477A (zh) | 一种数据处理方法、装置、智能设备及介质 | |
TWI521467B (zh) | Nursing decision support system | |
JP6908977B2 (ja) | 医療情報処理システム、医療情報処理装置及び医療情報処理方法 | |
CN114330267A (zh) | 一种基于语义学关联的结构化报告模板的设计方法 | |
CN115497616A (zh) | 一种感染性疾病辅助决策的方法、***、设备及存储介质 | |
Gudivada et al. | A literature review on machine learning based medical information retrieval systems | |
CN111429985B (zh) | 电子病历数据处理方法及*** | |
WO2023110477A1 (en) | A computer implemented method and a system | |
CN117216322A (zh) | 一种电子病历的生成方法、装置、设备及存储介质 | |
Li et al. | Personalized intelligent syndrome differentiation guided by TCM consultation philosophy | |
CN110289065A (zh) | 一种辅助生成医学电子报告的控制方法以及装置 | |
CN110610766A (zh) | 基于症状特征权重推导疾病概率的装置和存储介质 | |
CN114743647A (zh) | 医疗数据处理方法、装置、设备及存储介质 | |
Zubke et al. | Using openEHR archetypes for automated extraction of numerical information from clinical narratives | |
CN117690582B (zh) | 护理工作站的信息管理***及方法 | |
CN114822830B (zh) | 问诊交互方法及相关装置、电子设备、存储介质 | |
CN116894125B (zh) | 一种基于人工智能的医疗器械推荐方法及*** |
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 | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20190927 |
|
WW01 | Invention patent application withdrawn after publication |