CN110600123A - 一种中医临床辅助诊断方法 - Google Patents
一种中医临床辅助诊断方法 Download PDFInfo
- Publication number
- CN110600123A CN110600123A CN201910805443.0A CN201910805443A CN110600123A CN 110600123 A CN110600123 A CN 110600123A CN 201910805443 A CN201910805443 A CN 201910805443A CN 110600123 A CN110600123 A CN 110600123A
- Authority
- CN
- China
- Prior art keywords
- chinese medicine
- data
- traditional chinese
- inquiry
- clinical
- 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.)
- Pending
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
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
-
- 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
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- Biomedical Technology (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Pathology (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明公开了一种中医临床辅助诊断方法，具体涉及中医临床诊断领域，具体辅助诊断方法如下：S1、首先经网上以及各个中医院搜集中医临床问诊数据，得到中医临床记录中的各种病症以及问诊记录，然后将问诊记录和其对应病症整理成文本数据归类存储在中医临床辅助诊断***中；S2、通过数据表征方法将整理的中医问诊文本数据表示为计算机可计算的数值数据形式；S3、将表征后的数据形式通过多层感知机模型计算判断出中医问诊数据对应的病症情况。本发明通过数据表征方法将文本数据转换为数值数据，最后输入至多层感知机模型内，经多标签分类任务搜索，能够实现辅助中医医疗人员，特别是在经验不足或者医疗资源稀少的情况下，进行中医医疗诊断。
Description
技术领域
本发明涉及中医临床诊断技术领域，更具体地说，本发明涉及一种中医临床辅助诊断方法。
背景技术
目前，我国中医临床诊断极为依赖医生所掌握的理论知识储备和临床经验，其很大程度受限于医生本人的医疗水平，而我国的医疗发展不平衡，这导致了一些医学专家数量不足的医院，疑难杂症的误诊率比中心医院要高很多。一旦出现误诊，不仅浪费患者的诊疗费用，给患者的心理和生理上带来巨大的痛苦，更为严重的是会耽误治疗的最佳时间，导致患者病情恶化，最终给患者带来极大的伤害。为了得到相对准确诊断结果，研究者已经越来越多的关注中医临床辅助断证。
近年来由于深度学习的流行，基于深度神经网络的中医临床辅助断证研究也已逐步展开，但是绝大多数方法都是对于网络结构的改进，而关于数据表征方法的研究未见相关报道。数据表征是指将原始数据形式进行数值表征处理，由于神经网络模型无法直接对形式如字符串或者纯文本的数据进行计算，需要将数据的原始形式转换为数值才能带入模型计算，因此数据表征成为了深度学习的基础。而中医临床辅助断证又是基于中医临床记录数据的研究，其中中医临床记录属于短文本数据形式，因此关于中医临床记录的数据表征研究也成为了基于深度神经网络的中医临床辅助断证研究的基础。
医疗资源的不平衡发展使得中医临床辅助断证的研究在医疗资源相对匮乏的地区显得尤为重要。近年来，基于深度学习的中医临床辅助断证方法研究较多。数据表征是获得更好结果的最重要因素之一。因此，在文中研究了基于多层感知器模型的多类多标签中医临床辅助断证任务的不同数据表征形式，想通过这样的方式得到辅助中医医疗人员，特别是在经验不足或者医疗资源稀少的情况下，进行中医医疗诊断。
发明内容
为了克服现有技术的上述缺陷，本发明的实施例提供一种中医临床辅助诊断方法，通过数据表征方法将整理的中医问诊文本数据表示为计算机可计算的数值数据形式，然后将表征后的数据形式通过多层感知机模型计算判断出中医问诊数据对应的病症情况，在病症辅助诊断***中，搜索病症关键词，此时先通过数据表征方法将文本数据转换为数值数据，最后输入至多层感知机模型内，经多标签分类任务搜索，得到病症对应的子目录，即病症的类型、问诊记录以及解决方案，从而能够实现辅助中医医疗人员，特别是在经验不足或者医疗资源稀少的情况下，进行中医医疗诊断。
为实现上述目的，本发明提供如下技术方案：一种中医临床辅助诊断方法，具体辅助诊断方法如下：
S1、首先经网上以及各个中医院搜集中医临床问诊数据，得到中医临床记录中的各种病症以及问诊记录，然后将问诊记录和其对应病症整理成文本数据归类存储在中医临床辅助诊断***中；
S2、通过数据表征方法将整理的中医问诊文本数据表示为计算机可计算的数值数据形式，具体包括以下步骤：
S2.1、首先将中医问诊文本数据分词，通过数据表征方法计算得到词向量；
S2.2、用词向量代替中医问诊数据中的词汇，一个词汇用一个固定大小的向量表示，一条文本形成一个新的向量，如文本词汇30个，词向量大小300，新的向量大小30*300；
S3、将表征后的数据形式通过多层感知机模型计算判断出中医问诊数据对应的病症情况，具体包括以下步骤：
S3.1、首先，将中医临床记录中病症看作天然的标签，因此根据不同的临床病症，将中医临床辅助断证视为多标签分类任务；
S3.2、在中医临床辅助诊断***中进行中医问诊时，将经数据表征处理后新的病症的数据向量输入进多层感知机模型中，进行数据向量计算，通过多标签分类任务搜索，多层感知机模型访问中医临床辅助诊断***中的数据库，查询资料，最终搜索出相关病症以及问诊记录，实现中医病症查询。
在一个优选地实施方式中，所述步骤S1中，每个病症和其对应的解决方案存储在辅助诊断模型的后台数据库内，通过管理员终端可以编辑输入新的病症及其解决方案。
在一个优选地实施方式中，所述步骤S1中，中医临床问诊数据还可以包括每个病症对应的解决方案。
在一个优选地实施方式中，所述步骤S2中数据表征方法具体为向量空间表征和分布式表征方法。
在一个优选地实施方式中，所述存储在中医临床辅助诊断***的后台数据库内的数据向量作为多标签分类任务的数据支持。
在一个优选地实施方式中，所述步骤S3中，每个病症标签对应一个数据向量，进行多标签分类任务搜索后，其对应的病症的类型、问诊记录以及解决方案以子目录的形式进行展示。
本发明的技术效果和优点：
1、本发明通过数据表征方法将整理的中医问诊文本数据表示为计算机可计算的数值数据形式，然后将表征后的数据形式通过多层感知机模型计算判断出中医问诊数据对应的病症情况，在病症辅助诊断***中，搜索病症关键词，此时先通过数据表征方法将文本数据转换为数值数据，最后输入至多层感知机模型内，经多标签分类任务搜索，得到病症对应的子目录，即病症的类型、问诊记录以及解决方案，从而能够实现辅助中医医疗人员，特别是在经验不足或者医疗资源稀少的情况下，进行中医医疗诊断；
2、本发明中每个病症、问诊记录和其对应的解决方案存储在辅助诊断模型的后台数据库内，通过管理员终端可以编辑输入新的病症、问诊记录及其解决方案，同时能够对旧的不准确的病症解决方案进行调整，这样能够在医生经验不足或者医疗资源稀少的情况下，提高诊断的正确率出，保证中医诊断顺畅。
具体实施方式
下面将结合本发明中的实施例，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
实施例1：
本发明提供了一种中医临床辅助诊断方法，具体辅助诊断方法如下：
S1、首先经网上以及各个中医院搜集中医临床问诊数据，得到中医临床记录中的各种病症以及问诊记录，然后将问诊记录和其对应病症整理成文本数据归类存储在中医临床辅助诊断***中，存储在中医临床辅助诊断***的后台数据库内的数据向量作为多标签分类任务的数据支持；
S2、通过数据表征方法将整理的中医问诊文本数据表示为计算机可计算的数值数据形式，数据表征方法具体为向量空间表征和分布式表征方法，具体包括以下步骤：
S2.1、首先将中医问诊文本数据分词，通过数据表征方法计算得到词向量；
S2.2、用词向量代替中医问诊数据中的词汇，一个词汇用一个固定大小的向量表示，一条文本形成一个新的向量，如文本词汇30个，词向量大小300，新的向量大小30*300；
S3、将表征后的数据形式通过多层感知机模型计算判断出中医问诊数据对应的病症情况，具体包括以下步骤：
S3.1、首先，将中医临床记录中病症看作天然的标签，因此根据不同的临床病症，将中医临床辅助断证视为多标签分类任务，见表1；
S3.2、在中医临床辅助诊断***中进行中医问诊时，将经数据表征处理后新的病症的数据向量输入进多层感知机模型中，进行数据向量计算，通过多标签分类任务搜索，多层感知机模型访问中医临床辅助诊断***中的数据库，查询资料，最终搜索出相关病症以及问诊记录，实现中医病症查询；
表1中医问诊数据
每个病症标签对应一个数据向量，进行多标签分类任务搜索后，其对应的病症解决方案以子目录的形式进行展示。
通过在病症辅助诊断***中，搜索病症关键词，此时先通过数据表征方法将文本数据转换为数值数据，最后输入至多层感知机模型内，经多标签分类任务搜索，得到病症对应的子目录，即病症的类型以及问诊记录，从而能够实现辅助中医医疗人员，特别是在经验不足或者医疗资源稀少的情况下，进行中医医疗诊断。
实施例2：
中医临床问诊数据还可以包括每个病症对应的解决方案；
每个病症、问诊记录和其对应的解决方案存储在辅助诊断模型的后台数据库内，通过管理员终端可以编辑输入新的病症、问诊记录及其解决方案，同时能够对旧的不准确的病症解决方案进行调整；
这样能够在医生经验不足或者医疗资源稀少的情况下，提高诊断的正确率出，保证中医诊断顺畅。
最后：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (6)
1.一种中医临床辅助诊断方法，其特征在于，具体辅助诊断方法如下：
S1、首先经网上以及各个中医院搜集中医临床问诊数据，得到中医临床记录中的各种病症以及问诊记录，然后将问诊记录和其对应病症整理成文本数据归类存储在中医临床辅助诊断***中；
S2、通过数据表征方法将整理的中医问诊文本数据表示为计算机可计算的数值数据形式，具体包括以下步骤：
S2.1、首先将中医问诊文本数据分词，通过数据表征方法计算得到词向量；
S2.2、用词向量代替中医问诊数据中的词汇，一个词汇用一个固定大小的向量表示，一条文本形成一个新的向量；
S3、将表征后的数据形式通过多层感知机模型计算判断出中医问诊数据对应的病症情况，具体包括以下步骤：
S3.1、首先，将中医临床记录中病症看作天然的标签，因此根据不同的临床病症，将中医临床辅助断证视为多标签分类任务；
S3.2、在中医临床辅助诊断***中进行中医问诊时，将经数据表征处理后新的病症的数据向量输入进多层感知机模型中，进行数据向量计算，通过多标签分类任务搜索，多层感知机模型访问中医临床辅助诊断***中的数据库，查询资料，最终搜索出相关病症以及问诊记录，实现中医病症查询。
2.根据权利要求1所述的一种中医临床辅助诊断方法，其特征在于：所述步骤S1中，每个病症和其对应的解决方案存储在辅助诊断模型的后台数据库内，通过管理员终端可以编辑输入新的病症及其问诊记录。
3.根据权利要求1所述的一种中医临床辅助诊断方法，其特征在于：所述步骤S1中，中医临床问诊数据还可以包括每个病症对应的解决方案。
4.根据权利要求1所述的一种中医临床辅助诊断方法，其特征在于：所述步骤S2中数据表征方法具体为向量空间表征和分布式表征方法。
5.根据权利要求1所述的一种中医临床辅助诊断方法，其特征在于：所述存储在中医临床辅助诊断***的后台数据库内的数据向量作为多标签分类任务的数据支持。
6.根据权利要求3所述的一种中医临床辅助诊断方法，其特征在于：所述步骤S3中，每个病症标签对应一个数据向量，进行多标签分类任务搜索后，其对应的病症的类型、问诊记录以及解决方案以子目录的形式进行展示。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910805443.0A CN110600123A (zh) | 2019-08-29 | 2019-08-29 | 一种中医临床辅助诊断方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910805443.0A CN110600123A (zh) | 2019-08-29 | 2019-08-29 | 一种中医临床辅助诊断方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110600123A true CN110600123A (zh) | 2019-12-20 |
Family
ID=68856137
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910805443.0A Pending CN110600123A (zh) | 2019-08-29 | 2019-08-29 | 一种中医临床辅助诊断方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110600123A (zh) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111445995A (zh) * | 2020-03-30 | 2020-07-24 | 崔书克 | 基于中医大数据分析的人工智能辅助诊断方法及*** |
| CN111986782A (zh) * | 2020-07-15 | 2020-11-24 | 中国中医科学院中医药信息研究所 | 一种集成多平台的中医诊疗*** |
| CN112002409A (zh) * | 2020-07-27 | 2020-11-27 | 山东师范大学 | 一种中医辅助诊断*** |
| CN112837810A (zh) * | 2021-03-03 | 2021-05-25 | 湖南中医药大学 | 一种中医特色专科医疗信息化综合处理方法 |
| CN115631852A (zh) * | 2022-11-02 | 2023-01-20 | 北京大学重庆大数据研究院 | 证型推荐方法、装置、电子设备及非易失性存储介质 |
| CN116825304A (zh) * | 2023-06-25 | 2023-09-29 | 湖南大学 | 基于深度互联的在线医疗方法与*** |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105740612A (zh) * | 2016-01-27 | 2016-07-06 | 北京国医精诚科技有限公司 | 基于中医临床医案的疾病诊疗方法和*** |
| CN107368547A (zh) * | 2017-06-28 | 2017-11-21 | 西安交通大学 | 一种基于深度学习的智能医疗自动问答方法 |
| CN109460473A (zh) * | 2018-11-21 | 2019-03-12 | 中南大学 | 基于症状提取和特征表示的电子病历多标签分类方法 |
| CN109947901A (zh) * | 2019-02-20 | 2019-06-28 | 杭州师范大学 | 基于多层感知机和自然语言处理技术的方剂功效预测方法 |
-
2019
- 2019-08-29 CN CN201910805443.0A patent/CN110600123A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105740612A (zh) * | 2016-01-27 | 2016-07-06 | 北京国医精诚科技有限公司 | 基于中医临床医案的疾病诊疗方法和*** |
| CN107368547A (zh) * | 2017-06-28 | 2017-11-21 | 西安交通大学 | 一种基于深度学习的智能医疗自动问答方法 |
| CN109460473A (zh) * | 2018-11-21 | 2019-03-12 | 中南大学 | 基于症状提取和特征表示的电子病历多标签分类方法 |
| CN109947901A (zh) * | 2019-02-20 | 2019-06-28 | 杭州师范大学 | 基于多层感知机和自然语言处理技术的方剂功效预测方法 |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111445995A (zh) * | 2020-03-30 | 2020-07-24 | 崔书克 | 基于中医大数据分析的人工智能辅助诊断方法及*** |
| CN111986782A (zh) * | 2020-07-15 | 2020-11-24 | 中国中医科学院中医药信息研究所 | 一种集成多平台的中医诊疗*** |
| CN112002409A (zh) * | 2020-07-27 | 2020-11-27 | 山东师范大学 | 一种中医辅助诊断*** |
| CN112837810A (zh) * | 2021-03-03 | 2021-05-25 | 湖南中医药大学 | 一种中医特色专科医疗信息化综合处理方法 |
| CN115631852A (zh) * | 2022-11-02 | 2023-01-20 | 北京大学重庆大数据研究院 | 证型推荐方法、装置、电子设备及非易失性存储介质 |
| CN115631852B (zh) * | 2022-11-02 | 2024-04-09 | 北京大学重庆大数据研究院 | 证型推荐方法、装置、电子设备及非易失性存储介质 |
| CN116825304A (zh) * | 2023-06-25 | 2023-09-29 | 湖南大学 | 基于深度互联的在线医疗方法与*** |
| CN116825304B (zh) * | 2023-06-25 | 2024-02-23 | 湖南大学 | 基于深度互联的在线医疗方法与*** |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110600123A (zh) | 一种中医临床辅助诊断方法 | |
| CN107391906B (zh) | 基于神经网络和图谱结构的健康饮食知识网络构建方法 | |
| CN110222201B (zh) | 一种专病知识图谱构建方法及装置 | |
| CN107731269B (zh) | 基于原始诊断数据和病历文件数据的疾病编码方法及*** | |
| CN108182262A (zh) | 基于深度学习和知识图谱的智能问答***构建方法和*** | |
| CN110990590A (zh) | 一种基于强化学习和迁移学习的动态金融知识图谱构建方法 | |
| CN111949759A (zh) | 病历文本相似度的检索方法、***及计算机设备 | |
| CN107993724A (zh) | 一种医学智能问答数据处理的方法及装置 | |
| CN107368547A (zh) | 一种基于深度学习的智能医疗自动问答方法 | |
| CN106776711A (zh) | 一种基于深度学习的中文医学知识图谱构建方法 | |
| CN112614565A (zh) | 一种基于知识图谱技术的中药经典名方智能推荐方法 | |
| CN113505243A (zh) | 基于医疗知识图谱的智能问答方法和装置 | |
| CN106934069A (zh) | 数据检索方法及*** | |
| CN112559684A (zh) | 一种关键词提取及信息检索方法 | |
| CN109841285B (zh) | 一种临床研究协作***及方法 | |
| CN110970112A (zh) | 一种面向营养健康的知识图谱构建方法和*** | |
| CN112466462A (zh) | 一种基于图深度学习的emr信息关联及演化方法 | |
| CN113254609B (zh) | 一种基于负样本多样性的问答模型集成方法 | |
| CN114528419A (zh) | 一种中医智能病案推荐方法及推荐*** | |
| CN111460173B (zh) | 一种甲状腺癌的疾病本体模型的构建方法 | |
| CN111178047B (zh) | 基于层次序列标注的古代医案处方抽取方法 | |
| CN111062193B (zh) | 医疗数据标注方法及装置、存储介质、电子设备 | |
| CN116227594A (zh) | 面向多源数据的医疗行业高可信度知识图谱的构建方法 | |
| CN105956362B (zh) | 一种可信的病历结构化方法及*** | |
| Qin | Research on the application of intelligent speech recognition technology in medical big data fog computing system |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20191220 |
|
| RJ01 | Rejection of invention patent application after publication |