CN111445993B - 疾病的层级关系处理方法、装置及电子设备 - Google Patents
疾病的层级关系处理方法、装置及电子设备 Download PDFInfo
- Publication number
- CN111445993B CN111445993B CN202010217517.1A CN202010217517A CN111445993B CN 111445993 B CN111445993 B CN 111445993B CN 202010217517 A CN202010217517 A CN 202010217517A CN 111445993 B CN111445993 B CN 111445993B
- Authority
- CN
- China
- Prior art keywords
- disease
- information
- type
- disease type
- target
- 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
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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/02—Knowledge representation; Symbolic representation
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Public Health (AREA)
- Biomedical Technology (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Medical Informatics (AREA)
- Primary Health Care (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Pathology (AREA)
- Artificial Intelligence (AREA)
- Computational Linguistics (AREA)
- Evolutionary Computation (AREA)
- Epidemiology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Databases & Information Systems (AREA)
- Medical Treatment And Welfare Office Work (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
本申请公开了一种疾病的层级关系处理方法、装置及电子设备,所述方法包括:获得待处理的目标疾病类型的疾病信息,所述疾病信息中至少包括疾病查验信息、疾病症状信息及病变信息;利用所述疾病信息中的疾病查验信息、疾病症状信息及病变信息,在医疗知识库中筛选出所述目标疾病类型所属的父疾病类型;其中,所述医疗知识库中具有多个疾病类型,且所述疾病类型之间具有层级关系,所述父疾病类型的疾病查验信息与所述目标疾病类型的疾病查验信息相关,所述目标疾病类型的疾病症状信息与所述父疾病类型的疾病症状信息相关,所述父疾病类型的病变信息与所述目标疾病类型的病变信息相关。
Description
技术领域
本申请涉及数据处理技术领域,尤其涉及一种疾病的层级关系处理方法、装置及电子设备。
背景技术
目前,为了丰富医疗知识库中各种疾病之间的关系,需要将各种疾病之间的所属关系或层级关系进行确定,例如,“1型糖尿病”是一个需要新增到医疗知识库中的疾病类型,其父疾病类型即所属的上一级疾病类型为“糖尿病”。
而在构建医疗知识库的过程中,如果出现一个新增的疾病类型但是在医疗知识库中没有与该新增疾病类型相关的层级关系时,需要医学编辑人员手动确定该疾病类型的父疾病类型,即该新增疾病类型所属的上一级疾病类型,由此会耗费大量的人力,导致确定疾病类型的父疾病类型的效率较低。
发明内容
有鉴于此,本申请提供一种疾病的层级关系处理方法、装置及电子设备,如下:
一种疾病的层级关系处理方法,所述方法包括:
获得待处理的目标疾病类型的疾病信息,所述疾病信息中至少包括疾病查验信息、疾病症状信息及病变信息;
利用所述疾病信息中的疾病查验信息、疾病症状信息及病变信息,在医疗知识库中筛选出所述目标疾病类型所属的父疾病类型;
其中,所述医疗知识库中具有多个疾病类型,且所述疾病类型之间具有层级关系,所述父疾病类型的疾病查验信息与所述目标疾病类型的疾病查验信息相关,所述目标疾病类型的疾病症状信息与所述父疾病类型的疾病症状信息相关,所述父疾病类型的病变信息与所述目标疾病类型的病变信息相关。
上述方法,优选的,利用所述疾病信息中的疾病查验信息、疾病症状信息及病变信息,在医疗知识库中筛选出所述目标疾病类型所属的父疾病类型,包括:
在医疗知识库中,筛选出疾病查验信息与所述目标疾病类型的疾病查验信息相关的第一疾病类型;
在所述第一疾病类型中,筛选出疾病症状信息与所述目标疾病类型的疾病症状信息相关的第二疾病类型;
在所述第二疾病类型中,筛选出病变信息与所述目标疾病类型的病变信息相关的父疾病类型。
上述方法,优选的,所述疾病查验信息包括:查验项目和查验结果;
其中,在医疗知识库中,筛选出疾病查验信息与所述目标疾病类型的疾病查验信息相关的第一疾病类型,包括:
在医疗知识库中,筛选出查验项目包含在所述目标疾病类型的查验项目中且查验结果包含所述目标疾病类型的查验结果的第一疾病类型。
上述方法,优选的,所述疾病症状信息包括:疾病类型的典型症状;
其中,在所述第一疾病类型中,筛选出疾病症状信息与所述目标疾病类型的疾病症状信息相关的第二疾病类型,包括:
在所述第一疾病类型中,筛选出典型症状包含于症状集合的第二疾病类型;
其中,所述症状集合中包括:所述目标疾病类型的典型症状的所有父症状和所述目标疾病类型的典型症状,所述目标疾病类型的典型症状的所有父症状在所述医疗知识库中的疾病症状层级关系中获得。
上述方法,优选的,在所述第二疾病类型中,筛选出病变信息与所述目标疾病类型的病变信息相关的父疾病类型,包括:
根据所述第二疾病类型按照其在所述医疗知识库中的层级关系,获得所述第二疾病类型中处于最末级的疾病类型;
如果所述最末级的疾病类型的病变信息包含所述目标疾病类型的病变信息,确定所述最末级的疾病类型为所述目标疾病类型的父疾病类型。
上述方法,优选的,所述病变信息包括:病变原因信息、病变性质信息和病变部位信息中的任意一项或任意多项;
其中,所述最末级的疾病类型的病变信息包含所述目标疾病类型的病变信息,包括以下任意一项或任意多项:
所述最末级的疾病类型的病变信息中的病变原因信息包括:所述目标疾病类型的病变信息中的病变原因信息;
所述最末级的疾病类型的病变信息中的病变性质信息包括:所述目标疾病类型的病变信息中的病变性质信息;
所述最末级的疾病类型的病变信息中的病变部位信息包括:所述目标疾病类型的病变信息中的病变部位信息。
上述方法,优选的,还包括:
将所述目标疾病类型添加到所述医疗知识库中,以建立所述目标疾病类型与其所属的父疾病类型之间的层级关系。
上述方法,优选的,如果没有筛选出所述目标疾病类型所属的父疾病类型,所述方法还包括:
将所述目标疾病类型作为根疾病类型添加到所述医疗知识库。
一种疾病的层级关系处理装置,所述装置包括:
信息获得单元,用于获得待处理的目标疾病类型的疾病信息,所述疾病信息中至少包括疾病查验信息、疾病症状信息及病变信息;
父疾病筛选单元,用于利用所述疾病信息中的疾病查验信息、疾病症状信息及病变信息,在医疗知识库中筛选出所述目标疾病类型所属的父疾病类型;
其中,所述医疗知识库中具有多个疾病类型,且所述疾病类型之间具有层级关系,所述父疾病类型的疾病查验信息与所述目标疾病类型的疾病查验信息相关,所述目标疾病类型的疾病症状信息与所述父疾病类型的疾病症状信息相关,所述父疾病类型的病变信息与所述目标疾病类型的病变信息相关。
一种电子设备,包括:
存储器,用于存储应用程序及所述应用程序执行所产生的数据;
处理器,用于执行所述应用程序,以实现:获得待处理的目标疾病类型的疾病信息,所述疾病信息中至少包括疾病查验信息、疾病症状信息及病变信息;利用所述疾病信息中的疾病查验信息、疾病症状信息及病变信息,在医疗知识库中筛选出所述目标疾病类型所属的父疾病类型;
其中,所述医疗知识库中具有多个疾病类型,且所述疾病类型之间具有层级关系,所述父疾病类型的疾病查验信息与所述目标疾病类型的疾病查验信息相关,所述目标疾病类型的疾病症状信息与所述父疾病类型的疾病症状信息相关,所述父疾病类型的病变信息与所述目标疾病类型的病变信息相关。
从上述技术方案可以看出,本申请公开的一种疾病的层级关系处理方法、装置及电子设备,通过获得待处理的目标疾病类型的疾病信息,诸如包括疾病查验信息、疾病症状信息及病变信息等,进而再利用疾病信息中的疾病查验信息、疾病症状信息及病变信息,在具有多个疾病类型且疾病类型之间具有层级关系的医疗知识库中,筛选出目标疾病类型所属的父疾病类型,所筛选出的父疾病类型的疾病查验信息与目标疾病类型的疾病查验信息相关,目标疾病类型的疾病症状信息与父疾病类型的疾病症状信息相关,且父疾病类型的病变信息与目标疾病类型的病变信息相关。可见,本申请中无需医学编辑人员手动确定该疾病类型的父疾病类型,而是利用目标疾病类型的疾病信息在医疗知识库中筛选出目标疾病类型的父疾病类型,由此避免消耗大量的人力资源,从而提高确定疾病类型的父疾病类型的效率。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1-图3分别为疾病层次关系的示例图;
图4为本申请实施例一提供的一种疾病的层级关系处理方法的流程图;
图5-图9分别为本申请实施例的示例图;
图10为本申请实施例一的部分流程图;
图11为本申请实施例一的另一流程图;
图12为本申请的技术方案适用于对“2型糖尿病”的父疾病进行查找的实现流程图;
图13为本申请实施例二提供的一种疾病的层级关系处理装置的结构示意图;
图14为本申请实施例三提供的一种电子设备的结构示意图。
具体实施方式
目前的医疗知识库中,包括有疾病的检查项目、检查结果、检验细项项目、检验细项结果、典型症状这些数据,这些数据的获取方法如下:
第一:获取大量电子病历信息;
第二:从医疗电子病历的“辅助检查”项中统计出每个疾病的检查项目、检查结果、检验细项项目、检验细项结果;
第三:从医疗电子病历的“主诉”和“现病史”中统计出每个疾病的典型症状。
需要说明的是,具有相同特征和相同典型症状的疾病统称为同一类疾病(同一疾病类型),对这一类疾病再根据发病原因、病变性质或者主要病变部位分类,把这一类疾病细分成若干类组。例如,糖尿病是一组由于胰岛素分泌不足或(和)胰岛素作用低下而引起的代谢性疾病,其特征是高血糖症,典型症状是多食、多饮、多尿和体重减轻。糖尿病根据发病原因分为四大类型:1型糖尿病、2型糖尿病、其他特殊类型糖尿病和妊娠期糖尿病。本例中的糖尿病即是具有高血糖症特征和多食、多饮、多尿、体重减轻的典型症状的一类疾病的统称,1型糖尿病、2型糖尿病、其他特殊类型糖尿病和妊娠期糖尿病则是根据发病原因不同细分的四种类型。
其中,如果疾病A是疾病B的一种分类,那么A称为B的子疾病,B称为A的父疾病。例如“1型糖尿病”是“糖尿病”的一种分类,那么“1型糖尿病”是“糖尿病”的子疾病,“糖尿病”是“1型糖尿病”的父疾病。具体的,在医疗知识库中,可以用疾病层级表来表征疾病类型之间的层级关系,其中,疾病层级表用来描述疾病间的父子关系。其中,疾病层级表中包括根、一级疾病、二级疾病、……,层级的级数不限。相对于一级疾病,其父疾病是根(或者说是没有父亲),相对于二级疾病,其父疾病是一级疾病。如图1中所示。例如,“21-三体综合征”的父疾病是根(或者说是没有父亲),“21-三体综合征”是“21罗伯逊易位综合征”的父疾病,“21罗伯逊易位综合征”是“21-三体综合征”的子疾病。而“21-三体综合征”的父疾病在库中的存储形式如图2中所示。图2中“attribution”代表父疾病字段,由于“21-三体综合征”的父疾病是根,所以库中“attribution”字段中存储的是“root”。再如,“21罗伯逊易位综合征”的父疾病在库中的存储形式如下图所示。再如,图3中“attribution”代表父疾病字段,由于“21罗伯逊易位综合征”的父疾病是“21-三体综合征”,所以库中“attribution”字段中存储的是“21-三体综合征”。
需要说明的是,现有的医疗知识库中,每个实体的属性中使用的名称都为标准名称,例如疾病的检查项目名称、检验细项项目名称、典型症状名称都为标准名称,所以在整个方案中,筛选时比较的名称都为医学领域所定义的标准名称。
而挖掘疾病的父疾病是为了完善知识库中疾病间的父子关系。疾病父子关系至少有以下几种用途:
(1)疾病的父子关系可以用来提高疾病的查全率。例如在疾病检索“糖尿病”的时候,因为“1型糖尿病”、“2型糖尿病”和“DIDMOAD综合征”等“糖尿病”的子疾病也都是一种“糖尿病”的细分类型,所以应该同时检索出“1型糖尿病”、“2型糖尿病”和“DIDMOAD综合征”等“糖尿病”的子疾病,这样会提高检索结果的命中率。如果没有做疾病实体的父子关系的话,很难查出所有属于“糖尿病”细分类型的疾病。
(2)疾病的父子关系可以用来提高疾病预测***的准确率。例如先推断一个患者可能是“糖尿病”,缩小患者所患疾病的范围,再细化分析患者的信息,从“糖尿病”的子疾病中推断出该患者具体属于“糖尿病”的哪个子疾病,这样会提高预测的准确率。如果没有做疾病实体的父子关系的话,那么就需要根据患者的信息一下子确定到具体疾病,增加了预测***的难度,同时也减小了***的准确率。
在做预测的时候还有一种情况是某些交叉学科的疾病在不同的科室下属于不同类别,例如呼吸***性疾病、消化***性疾病,但是其父疾病就可能没有多科室的问题,所以,先确定父疾病,再确定细分的类型这种方法比一下子确定到具体疾病准确率高。
(3)还有一种情况是要把子疾病对应到父疾病上。例如在某些情况下,细分的疾病只对专业人士有意义,对非专业人士没有意义,所以对非专业人士来讲,不需要知道细分的疾病类型,所以在提供给非专业人士信息时,需要通过父子关系把细分的类型转换为其父疾病。
而现有医疗知识库中疾病的层级关系和症状的层级关系主要靠专业医学编辑人工编辑,虽然准确性很高,但效率较低,所以需要一种能够自动挖掘疾病父疾病的方案,减轻医学编辑的负担。
为解决以上问题,本申请提出一种自动挖掘疾病的父疾病方案,是一套专门针对新增疾病(或者没有层级的疾病)自动确定其父疾病的方案,通过这个方案,当大量新增疾病需要确定层级关系时可以取代人工确定,节省人力。
下面将结合本申请实施例中的附图,对本申请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申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,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,都属于本申请保护的范围。
参考图4,为本申请实施例一提供的一种疾病的层级关系处理方法的实现流程图,该方法可以适用于能够进行数据处理的电子设备,如计算机或服务器等设备。本实施例中的方法主要用于确定疾病类型的层级关系,以提高效率。
具体的,本实施例中的方法可以包括以下步骤:
步骤401:获得待处理的目标疾病类型的疾病信息。
其中,疾病信息中至少包括疾病查验信息、疾病症状信息及病变信息,而目标疾病类型可以理解为新增疾病类型,即需要添加到医疗知识库中的疾病类型。
需要说明的是,疾病信息中的疾病查验信息中可以包括有检查项目和检验项目(包括有检验主项项目和检验细项项目),检查项目主要由B超和CT的检查项目组成,用于查看被病患的身体内部情况,而检验项目的检验主项项目主要包括有血液项目和体液项目,而血液项目和体液项目中各自包括多项检验细项项目,例如,检验主项“血常规”主要包括有:“红细胞计数”、“血红蛋白”、“白细胞”、“白细胞分类计数”及“血小板”等检验细项项目。
而疾病信息中的疾病症状信息是指由疾病引发的客观迹象,如咳嗽、腹泻、口渴等,警觉的病患可以根据典型症状对疾病做出判断。而症状之间是具有层级的,具体可以用症状层级表来描述,参考图5所示,症状层级表中包括根、一级症状、二级症状、……,其中,症状层级的级数不限。相对于一级症状,其父症状是根,相对于二级症状,其父症状是一级症状。
如图5中所示,症状“嗳气”的父症状是根(或者说是没有父症状),症状“嗳气”是症状“持续性嗳气”的父症状,症状“持续性嗳气”是症状“嗳气”的子症状。
具体的,症状“嗳气”的父症状在医疗知识库中的存储形式如图6中所示。图6中“attribution”代表父症状字段,由于症状“嗳气”的父症状是根,所以医疗知识库中“attribution”字段中存储的是“root”。再如,症状“持续性嗳气”的父症状在医疗知识库中的存储形式如图7所示。图7中“attribution”代表父症状字段,由于症状“持续性嗳气”的父症状是“嗳气”,所以库中“attribution”字段中存储的是“嗳气”。
而病变信息中可以包括有病变原因、病变性质及病变部位等中的任意一项或任意多项,其中,病变部位是指由疾病引起的细胞或组织变化的身体部位,如胃部或肝脏等,病变原因是指引起疾病的原因,如过度节食或暴饮暴食等,病变性质是指疾病的严重程度,如恶性或良性等。
具体的,本实施例中可以在目标疾病类型所属的病患的医疗电子病历中获得目标疾病类型的疾病信息(当然是获得病患授权的情况下),其中,医疗电子病历是病患在就诊治疗全过程的原始记录,它包含有病案首页、病程记录、检查检验结果、医嘱、手术记录、护理记录等等。基于此,本实施例中可以在医疗电子病历中的辅助检查(辅助检查包括本实施例中提到的检查、检验主项和检验细项)、主诉和现病史等内容中获得目标疾病类型的各项疾病信息,分别如图8和图9中所示:查验项目包括“胸片”和“血常规”,“胸片”属于检查项目,“血常规”属于检验主项项目,由图8中的查验结果可以看出检验主项项目“血常规”包括的检验细项项目有“白细胞”、“血红蛋白”、“血小板”、“中性粒细胞百分数”。而图9中,现病史中描述的“出血”、“肌肉酸痛”、“全身乏力”、“发热”、“肝脾大”等都是疾病类型“急性髓性白血病”的典型症状。
需要说明的是,知识库(Knowledge base)是用于知识管理的一种特殊的数据库,以便于有关领域知识的采集、整理以及提取。医疗知识库中的知识源于领域专家,它是求解问题所需领域知识的集合,包括基本事实、规则和其它有关信息。而本实施例中的医疗知识库(Medical Knowledge base)是一种以疾病为核心的特殊的数据库,包括疾病、检查项目、检验主项项目、检验细项项目、症状、病变信息等本体数据。
其中,疾病本体中的每个疾病实例都包含检查、检验主项、检验细项、症状、父疾病等属性,其中通过父疾病属性字段将疾病实例(疾病类型)组织到层级关系中,也就是说,以父疾病属性字段表征疾病实例之间的层级关系。而检验细项本体中的每个检验细项实例都包含所属检验主项等属性。症状本体中的每个症状实例都包含父症状等属性,其中通过父症状属性字段将症状实例组织到层级关系中。
步骤402:利用疾病信息中的疾病查验信息、疾病症状信息及病变信息,在医疗知识库中筛选出目标疾病类型所属的父疾病类型。
其中,医疗知识库中具有多个疾病类型,且疾病类型之间具有层级关系,如父子关系等,而本实施例中所筛选出的目标疾病类型的父疾病类型的疾病查验信息与目标疾病类型的疾病查验信息相关,目标疾病类型的疾病症状信息与其父疾病类型的疾病症状信息相关,目标疾病类型的父疾病类型的病变信息与目标疾病类型的病变信息相关。
具体的,本实施例中可以按照疾病信息中的疾病查验信息、疾病症状信息及病变信息在医疗知识库中将目标疾病类型依次与医疗知识库中的各疾病类型进行比对筛选,进而筛选出目标疾病类型所属的父疾病类型,而父疾病类型与目标疾病类型之间关于疾病信息满足以上条件,即:目标疾病类型的父疾病类型的疾病查验信息与目标疾病类型的疾病查验信息相关,目标疾病类型的疾病症状信息与其父疾病类型的疾病症状信息相关,目标疾病类型的父疾病类型的病变信息与目标疾病类型的病变信息相关。
需要说明的是,这里的包含和包含于可以按照以下理解:集合A中的全部元素都是集合B中的元素,则称集合B包含集合A,;或者集合A包含于集合B,集合A有可能等于集合B。而如果集合A中的有一个元素不是集合B中的元素,则称集合B不包含集合A,或者集合A不包含于集合B。也就是说,目标疾病类型的父疾病类型的疾病查验信息包含目标疾病类型的疾病查验信息,是指:目标疾病类型的疾病查验信息中的元素如检查项目和检验项目等均包含目标疾病类型的父疾病类型的疾病查验信息,目标疾病类型的疾病查验信息中的元素如检查项目的结果和检验项目的结果等均包含在目标疾病类型的父疾病类型的疾病查验信息中;目标疾病类型的疾病症状信息包含其父疾病类型的疾病症状信息,是指:目标疾病类型父疾病类型的疾病症状信息中的所有元素如典型症状等均包含在目标疾病类型的疾病症状信息对应的症状集合中;目标疾病类型的父疾病类型的病变信息包含目标疾病类型的病变信息,是指:目标疾病类型的病变信息中病变原因、病变性质或病变部位等元素均包含在目标疾病类型的父疾病类型的病变信息中。
由上述方案可知,本申请实施例一提供的一种疾病的层级关系处理方法,通过获得待处理的目标疾病类型的疾病信息,诸如包括疾病查验信息、疾病症状信息及病变信息等,进而再利用疾病信息中的疾病查验信息、疾病症状信息及病变信息,在具有多个疾病类型且疾病类型之间具有层级关系的医疗知识库中,筛选出目标疾病类型所属的父疾病类型,所筛选出的父疾病类型的疾病查验信息包含目标疾病类型的疾病查验信息,目标疾病类型的疾病症状信息包含父疾病类型的疾病症状信息,且父疾病类型的病变信息包含目标疾病类型的病变信息。可见,本实施例中无需医学编辑人员手动确定该疾病类型的父疾病类型,而是利用目标疾病类型的疾病信息在医疗知识库中筛选出目标疾病类型的父疾病类型,由此避免消耗大量的人力资源,从而提高确定疾病类型的父疾病类型的效率。
在一种实现方式中,步骤102中在利用疾病信息中的疾病查验信息、疾病症状信息及病变信息,在医疗知识库中筛选出目标疾病类型所属的父疾病类型时,可以通过以下步骤实现,如图10中所示:
步骤1001:在医疗知识库中,筛选出疾病查验信息与目标疾病类型的疾病查验信息相关的第一疾病类型。
其中,疾病查验信息包括:查验项目和查验结果,如检查项目和检查结果、检验项目和检验结果,其中包含检验主项项目和检验细项项目,相应的检验结果包含:检验细项结果。
相应的,步骤1001中在医疗知识库中,筛选出疾病查验信息与所述目标疾病类型的疾病查验信息相关的第一疾病类型时,可以通过以下方式实现:
在医疗知识库中,筛选出查验项目包含在所述目标疾病类型的查验项目中且查验结果包含所述目标疾病类型的查验结果的第一疾病类型。例如,首先,从医疗知识库中筛选出检查项目和检验细项项目包含于目标疾病类型的检查项目和检验细项项目的疾病类型,以组成疾病集合,记为candidates_set。再从candidates_set中筛选出检查结果和检验细项结果包含目标疾病类型的检查结果和检验细项结果的第一疾病类型,以组成疾病集合,记为candidates_set。
步骤1002:在第一疾病类型中,筛选出疾病症状信息与目标疾病类型的疾病症状信息相关的第二疾病类型。
其中,疾病症状信息包括:疾病类型的典型症状。
相应的,步骤1002在第一疾病类型中,筛选出疾病症状信息与目标疾病类型的疾病症状信息相关的第二疾病类型时,可以通过以下方式实现:
在第一疾病类型中,筛选出典型症状包含于症状集合的第二疾病类型;
其中,症状集合中包括:目标疾病类型的典型症状的所有父症状和目标疾病类型的典型症状,目标疾病类型的典型症状的所有父症状在医疗知识库中的疾病症状层级关系中获得。也就是说,首先在医疗知识库中的疾病症状层级关系中获得目标疾病类型的典型症状的所有父症状,再将目标疾病类型的典型症状和这些典型症状的所有父症状组成症状集合,之后再在第一疾病类型中筛选出典型症状包含于这个症状集合的第二疾病类型。例如,从医疗知识库中的症状层级关系中取出目标疾病类型的典型症状的所有父症状,把目标疾病类型的典型症状的所有父症状和目标疾病类型的典型症状组成的集合记作symptom_set,从candidates_set中筛选出典型症状包含于symptom_set中的疾病集合,记为candidates_set。
步骤1003:在所第二疾病类型中,筛选出病变信息与目标疾病类型的病变信息相关的父疾病类型。
其中,病变信息包括:病变原因、病变性质和病变部位中的任意一项或任意多项,具体的,步骤1003可以通过以下方式实现:
首先,根据第二疾病类型按照其在医疗知识库中的层级关系,获得第二疾病类型中处于最末级的疾病类型,如图1中所示,两个或更多个疾病类型之间是具有层级关系的,根据这些层级关系,获得处于最末级的疾病类型,如图1中的二级疾病类型,如“21罗伯逊易位综合征”等。
之后,判断最末级的疾病类型的病变信息是否包含目标疾病类型的病变信息,如果最末级的疾病类型的病变信息包含目标疾病类型的病变信息,确定最末级的疾病类型为目标疾病类型的父疾病类型,如果不是,那么这个最末级的疾病类型不是目标疾病类型的父疾病类型。
其中,最末级的疾病类型的病变信息包含目标疾病类型的病变信息,包括以下任意一项或任意多项:
最末级的疾病类型的病变信息中的病变原因包括:目标疾病类型的病变信息中的病变原因;
最末级的疾病类型的病变信息中的病变性质包括:目标疾病类型的病变信息中的病变性质;
最末级的疾病类型的病变信息中的病变部位包括:目标疾病类型的病变信息中的病变部位。
例如,根据病变信息中的病变原因、病变性质或者主要病变部位筛选时,可以首先按照疾病类型之间的层级关系,如果candidates_set中的疾病类型之间存在父子关系,则从最末级的疾病开始与新增的目标疾病类型进行比较,如果最末级的疾病类型的病变原因、病变性质或者主要病变部位中有一个不包含目标疾病类型的病变原因、病变性质或者主要病变部位,则认为该最末级的疾病类型不是该新增的目标疾病类型的父疾病,从candidates_set中删除;如果最末级的疾病类型的病变原因、病变性质或者主要病变部位都包含新增的目标疾病类型的病变原因、病变性质或者主要病变部位,则认为该最末级的疾病类型是该新增的目标疾病类型的父疾病,将该最末级的疾病类型添加到结果Result中,并将与该最末级的疾病类型有父子关系的所有疾病类型从candidates_set中删除,之后,继续比较candidates_set中当前最末级的疾病类型,直到candidates_set为空,在结果Result中的疾病类型即为目标疾病类型的父疾病类型。
在一种实现方式中,本实施例中在步骤402中筛选出目标疾病类型的父疾病类型之后,本实施例中的方法还可以以下步骤,如图11中所示:
步骤403:将所目标疾病类型添加到医疗知识库中,以建立目标疾病类型与其所属的父疾病类型之间的层级关系。
而如果没有筛选出目标疾病类型的父疾病类型,本实施例中的方法还可以以下步骤:
步骤404:将目标疾病类型作为根疾病类型添加到医疗知识库。
针对以上实现,假设医疗知识库中已有“糖尿病”、“1型糖尿病”、“妊娠期糖尿病”,并且“1型糖尿病”和“妊娠期糖尿病”的父疾病是“糖尿病”。以想要从知识库中找到“2型糖尿病”的父疾病类型为例,对本申请的技术方案进行举例说明:
首先,本申请的技术方案所实现的理论基础在于:具有相同特征和相同典型症状的疾病统称为同一类疾病,而疾病的父子关系描述的正是同一类疾病中疾病之间的层级关系,所以具有父子关系的疾病都具有相同特征和相同典型症状,进一步推理得出:新增的目标疾病类型和它的父疾病一定具有相同特征和相同典型症状。因此,从医疗知识库中找出与新增的目标疾病类型具有相同特征和相同典型症状是本方案的重要工作。下面具体分析特征和典型症状:
疾病的特征是一个描述性信息,具有主观性(不同的语言描述可以表达同一个疾病特征),所以不能直接依据疾病的特征作为筛选条件。但是由于疾病的特征是由检查和检验的结果得出,所以可以通过检查和检验作为筛选条件。一般情况下,医生先根据患者描述的症状让患者做相关的检查项目或检验项目,然后根据检查结果或检验细项结果确定患者所患疾病,但如果需要进一步细分疾病的类型的话,就可能需要再做进一步的检查项目或检验项目,所以子疾病的检查项目和检验细项项目包含父疾病的检查项目和检验细项项目。那么以下两个步骤就可以从医疗知识库中筛选出与新增的目标疾病类型具有相同特征的疾病集合:(1)从医疗知识库中筛选出包含于新增的目标疾病类型的检查项目和检验细项项目的疾病集合;(2)再从这个疾病集合中筛选出检查结果和检验结果包含新增疾病检查结果和检验细项结果的疾病集合。
而且,症状之间也有层级关系,具有父子关系的症状也是同一类症状,例如父疾病的一个典型症状是“多食”,子疾病的一个典型症状可能是“间歇性多食”,所以筛选出知识库中与新增疾病具有相同症状的疾病,就需要增加症状的层级关系。
基于以上理论,如图12中所示,本申请的技术方案中可以首先根据检查项目和检验细项项目筛选:
一般情况下,一个子疾病确诊做的检查和检验要比父疾病的详细,例如一个患者查了血糖之后,医生诊断为“糖尿病”,要进一步确定该患者是哪一种“糖尿病”的话,还得做进一步的检查或者检验。又因为医生虽然开的检验,但实际上患者做的检验是一个个的检验细项,所以本申请中比较的其实是检验细项。
基于以上经验得出结论:父疾病和子疾病的检查项目或者检验细项项目一定有包含关系。所以在挖掘父疾病的时从知识库中筛选出检查项目和检验细项项目包含于新增疾病的检查项目和检验细项项目的疾病集合作为候选父疾病集合,记为candidates_set。
之后,本申请的技术方案中可以再根据检查结果和检验细项结果筛选:
假设一个子疾病的检查结果范围、检验细项结果范围要不包含于其父疾病的检查结果范围、检验细项结果范围内,那么这个子疾病和其父疾病就没有共同的特征,但由于子疾病和父疾病一定有相同的特征,所以该假设不成立。所以子疾病的检查结果范围、检验细项结果范围一定包含于父疾病的检查结果范围、检验细项结果范围内。例如“糖尿病”和“1型糖尿病”的共同特征是“高血糖症”,“高血糖症”是指空腹血糖浓度超过7.0mmol/L,那么“糖尿病”和“1型糖尿病”的“空腹血糖”这一检验细项结果的范围都应该大于等于7.0mmol/L。假设“1型糖尿病”的“空腹血糖”这一检验细项结果的范围小于7.0mmol/L,那“1型糖尿病”就没有“高血糖症”这个特征,则说明“1型糖尿病”和“糖尿病”就不是同一类疾病,但实际上“1型糖尿病”是“糖尿病”的子疾病,是同一类疾病,具有相同的特征,所以假设不成立,即“1型糖尿病”的“空腹血糖”这一检验细项结果的范围一定大于等于7.0mmol/L。
基于以上推论,从candidates_set中筛选出检查结果和检验细项结果包含新增疾病的检查结果和检验细项结果的疾病集合,记为candidates_set;
其次,本申请的技术方案中再根据典型症状筛选:
为了保证候选父疾病集合中都是同一类疾病,所以还需要进一步根据典型症状筛选出具有相同典型症状的疾病作为候选父疾病集合。但由于症状之间也有层级关系,具有父子关系的症状也是同一类症状,同时子症状是父症状的一种细分类型,例如一个父疾病的典型症状是“多食”,其子疾病的典型症状可能是“间歇性多食”,所以在根据典型症状筛选的时候需要考虑症状的层级关系。
假设由子疾病的典型症状和所有该典型症状的父症状组成的症状集合不包含父疾病的典型症状,那么有两种可能:
父疾病的典型症状和子疾病的典型症状不是父子关系,那么说明父疾病的典型症状和子疾病的典型症状不是同一类症状,但是由于父疾病和子疾病具有相同的典型症状,则假设不成立。
由子疾病的典型症状的所有子典型症状组成的症状集合包含父疾病的典型症状,那么说明父疾病的典型症状是子疾病典型症状的一种细分类型,但由于子疾病是父疾病的一种细分类型,所以子疾病的典型症状也应该是父疾病的典型症状的一种细分类型或者是与父疾病的典型症状相等,则假设不成立。
基于以上推理得出:由子疾病的典型症状和所有该典型症状的父症状组成的症状集合一定包含父疾病的典型症状。
基于以上结论,本申请的技术方案中从症状层级中取出新增疾病典型症状的所有父症状,把新增疾病典型症状的所有父症状和新增疾病典型症状组成的集合记作symptom_set,从candidates_set中筛选出典型症状包含于symptom_set中的疾病集合,记为candidates_set;
最后,本申请的技术方案中根据发病原因、病变性质或者主要病变部位筛选:
由以上三步筛选出来的疾病只能保证和新增疾病是同一类疾病,即筛选出来的候选疾病集合中有可能有新增疾病的父疾病、兄弟、子疾病、父疾病的父疾病、兄弟的子疾病、子疾病的子疾病等,所以按照疾病层级关系,把candidates_set中存在父子关系的疾病用其父子关系连接起来,例如candidates_set={A,B,C,D,E,F},其中存在父子关系为:B和C的父疾病是A,D和E的父疾病是B,F没有父疾病和子疾病,由于疾病分类是根据发病原因、病变性质或者主要病变部位分类,所以从最末级的疾病开始与新增疾病比较,如果最末级的疾病的发病原因、病变性质或者主要病变部位中有一个不包含新增疾病的发病原因、病变性质或者主要病变部位,则认为该末级疾病不是该新增疾病的父亲,从candidates_set中删除;如果最末级的疾病的发病原因、病变性质或者主要病变部位都包含新增疾病的发病原因、病变性质或者主要病变部位,则认为该末级疾病是该新增疾病的父亲,将该末级疾病添加到结果Result中,并将与该末级疾病有父子关系的所有疾病从candidates_set中删除。例如先比较D和新增疾病的发病原因、病变性质或者主要病变部位,如果D的发病原因、病变性质或者主要病变部位中有一个不包含新增疾病的发病原因、病变性质或者主要病变部位,则从candidates_set中把D删掉,candidates_set变成{A,B,C,E,F};如果D的发病原因、病变性质或者主要病变部位都包含新增疾病的发病原因、病变性质或者主要病变部位,则认为D是该新增疾病的父亲,将该D添加到结果Result中,并将A、B、C、D和E从candidates_set中删除,之后,继续比较candidates_set中当前最末级的疾病,直到candidates_set为空。
最终,Result中的疾病为新增疾病的父疾病。但如果Result为空,说明现有知识库中没有与该新增疾病具有相同特征和相同典型症状的疾病,说明该新增疾病是现有知识库中的一个新类别,则把该新增疾病作为层级关系的一级疾病,即设置“attribution”字段值为“root”。
综上可见,本申请的技术方案不仅清晰的定义了疾病分类、父疾病和子疾病,而且紧紧围绕父疾病和子疾病具有相同特征和相同典型症状的特点,进行挖掘父疾病;同时,在本申请的技术方案中,把具有主观描述性的信息转换成客观性的可度量的属性,且基于症状的层级关系,避免了在比较典型特征的时候仅仅从字面上比较,从而提高准确性。
参考图13,为本申请实施例二提供的一种疾病的层级关系处理装置的结构示意图,该装置可以配置在能够进行数据处理的电子设备,如计算机或服务器等设备。本实施例中的装置主要用于确定疾病类型的层级关系,以提高效率。
具体的,本实施例中的装置可以包括以下单元:
信息获得单元1301,用于获得待处理的目标疾病类型的疾病信息,所述疾病信息中至少包括疾病查验信息、疾病症状信息及病变信息;
父疾病筛选单元1302,用于利用所述疾病信息中的疾病查验信息、疾病症状信息及病变信息,在医疗知识库中筛选出所述目标疾病类型所属的父疾病类型;
其中,所述医疗知识库中具有多个疾病类型,且所述疾病类型之间具有层级关系,所述父疾病类型的疾病查验信息与所述目标疾病类型的疾病查验信息相关,所述目标疾病类型的疾病症状信息与所述父疾病类型的疾病症状信息相关,所述父疾病类型的病变信息与所述目标疾病类型的病变信息相关。
从上述技术方案可以看出,本申请实施例二提供的一种疾病的层级关系处理装置,通过获得待处理的目标疾病类型的疾病信息,诸如包括疾病查验信息、疾病症状信息及病变信息等,进而再利用疾病信息中的疾病查验信息、疾病症状信息及病变信息,在具有多个疾病类型且疾病类型之间具有层级关系的医疗知识库中,筛选出目标疾病类型所属的父疾病类型,所筛选出的父疾病类型的疾病查验信息与目标疾病类型的疾病查验信息相关,目标疾病类型的疾病症状信息与父疾病类型的疾病症状信息相关,且父疾病类型的病变信息与目标疾病类型的病变信息相关。可见,本实施例中无需医学编辑人员手动确定该疾病类型的父疾病类型,而是利用目标疾病类型的疾病信息在医疗知识库中筛选出目标疾病类型的父疾病类型,由此避免消耗大量的人力资源,从而提高确定疾病类型的父疾病类型的效率。
在一种实现方式中,父疾病筛选单元1302利用所述疾病信息中的疾病查验信息、疾病症状信息及病变信息,在医疗知识库中筛选出所述目标疾病类型所属的父疾病类型,包括:
在医疗知识库中,筛选出疾病查验信息与所述目标疾病类型的疾病查验信息相关的第一疾病类型;在所述第一疾病类型中,筛选出疾病症状信息与所述目标疾病类型的疾病症状信息相关的第二疾病类型;在所述第二疾病类型中,筛选出病变信息与所述目标疾病类型的病变信息相关的父疾病类型。
其中,所述疾病查验信息包括:查验项目和查验结果,例如,所述查验项目包括检查项目和检验项目;所述查验结果包括:检查结果和检验结果。相应的,父疾病筛选单元1302在医疗知识库中,筛选出疾病查验信息与所述目标疾病类型的疾病查验信息相关的第一疾病类型,包括:在医疗知识库中,筛选出查验项目包含在所述目标疾病类型的查验项目中且查验结果包含所述目标疾病类型的查验结果的第一疾病类型。
在一种实现方式中,所述疾病症状信息包括:疾病类型的典型症状;相应的,父疾病筛选单元1302在所述第一疾病类型中,筛选出疾病症状信息与所述目标疾病类型的疾病症状信息相关的第二疾病类型,包括:
在所述第一疾病类型中,筛选出典型症状包含于症状集合的第二疾病类型;其中,所述症状集合中包括:所述目标疾病类型的典型症状的所有父症状和所述目标疾病类型的典型症状,所述目标疾病类型的典型症状的所有父症状在所述医疗知识库中的疾病症状层级关系中获得。
在一种实现方式中,父疾病筛选单元1302在所述第二疾病类型中,筛选出病变信息与所述目标疾病类型的病变信息相关的父疾病类型,包括:
根据所述第二疾病类型按照其在所述医疗知识库中的层级关系,获得所述第二疾病类型中处于最末级的疾病类型;如果所述最末级的疾病类型的病变信息包含所述目标疾病类型的病变信息,确定所述最末级的疾病类型为所述目标疾病类型的父疾病类型。
优选的,所述病变信息包括:病变原因信息、病变性质信息和病变部位信息中的任意一项或任意多项;其中,所述最末级的疾病类型的病变信息包含所述目标疾病类型的病变信息,包括以下任意一项或任意多项:
所述最末级的疾病类型的病变信息中的病变原因信息包括:所述目标疾病类型的病变信息中的病变原因信息;
所述最末级的疾病类型的病变信息中的病变性质信息包括:所述目标疾病类型的病变信息中的病变性质信息;
所述最末级的疾病类型的病变信息中的病变部位信息包括:所述目标疾病类型的病变信息中的病变部位信息。
在一种实现方式中,在筛选出目标疾病类型的父疾病类型之后,本实施例中的装置还用于:将所述目标疾病类型添加到所述医疗知识库中,以建立所述目标疾病类型与其所属的父疾病类型之间的层级关系。
在一种实现方式中,如果没有筛选出所述目标疾病类型所属的父疾病类型,本实施例中的装置还用于:将所述目标疾病类型作为根疾病类型添加到所述医疗知识库。
参考图14,为本申请实施例三提供的一种电子设备的结构示意图,该电子设备可以为能够进行数据处理的电子设备,如计算机或服务器等设备。本实施例中的电子设备主要用于确定疾病类型的层级关系,以提高效率。
具体的,本实施例中的电子设备可以包括以下结构:
存储器1401,用于存储应用程序及所述应用程序执行所产生的数据;
处理器1402,用于执行所述应用程序,以实现:获得待处理的目标疾病类型的疾病信息,所述疾病信息中至少包括疾病查验信息、疾病症状信息及病变信息;利用所述疾病信息中的疾病查验信息、疾病症状信息及病变信息,在医疗知识库中筛选出所述目标疾病类型所属的父疾病类型;
其中,所述医疗知识库中具有多个疾病类型,且所述疾病类型之间具有层级关系,所述父疾病类型的疾病查验信息与所述目标疾病类型的疾病查验信息相关,所述目标疾病类型的疾病症状信息与所述父疾病类型的疾病症状信息相关,所述父疾病类型的病变信息与所述目标疾病类型的病变信息相关。
从上述技术方案可以看出,本申请实施例三提供的一种电子设备,通过获得待处理的目标疾病类型的疾病信息,诸如包括疾病查验信息、疾病症状信息及病变信息等,进而再利用疾病信息中的疾病查验信息、疾病症状信息及病变信息,在具有多个疾病类型且疾病类型之间具有层级关系的医疗知识库中,筛选出目标疾病类型所属的父疾病类型,所筛选出的父疾病类型的疾病查验信息与目标疾病类型的疾病查验信息相关,目标疾病类型的疾病症状信息与父疾病类型的疾病症状信息相关,且父疾病类型的病变信息与目标疾病类型的病变信息相关。可见,本实施例中无需医学编辑人员手动确定该疾病类型的父疾病类型,而是利用目标疾病类型的疾病信息在医疗知识库中筛选出目标疾病类型的父疾病类型,由此避免消耗大量的人力资源,从而提高确定疾病类型的父疾病类型的效率。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
专业人员还可以进一步意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块,或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下,在其它实施例中实现。因此,本申请将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (9)
1.一种疾病的层级关系处理方法,其特征在于,所述方法包括:
获得待处理的目标疾病类型的疾病信息,所述疾病信息中至少包括疾病查验信息、疾病症状信息及病变信息;
利用所述疾病信息中的疾病查验信息、疾病症状信息及病变信息,在医疗知识库中筛选出所述目标疾病类型所属的父疾病类型;
将所述目标疾病类型添加到所述医疗知识库中,以建立所述目标疾病类型与其所属的父疾病类型之间的层级关系;
其中,所述医疗知识库中具有多个疾病类型,且所述疾病类型之间具有层级关系,所述父疾病类型的疾病查验信息与所述目标疾病类型的疾病查验信息相关,所述目标疾病类型的疾病症状信息与所述父疾病类型的疾病症状信息相关,所述父疾病类型的病变信息与所述目标疾病类型的病变信息相关。
2.根据权利要求1所述的方法,其特征在于,利用所述疾病信息中的疾病查验信息、疾病症状信息及病变信息,在医疗知识库中筛选出所述目标疾病类型所属的父疾病类型,包括:
在医疗知识库中,筛选出疾病查验信息与所述目标疾病类型的疾病查验信息相关的第一疾病类型;
在所述第一疾病类型中,筛选出疾病症状信息与所述目标疾病类型的疾病症状信息相关的第二疾病类型;
在所述第二疾病类型中,筛选出病变信息与所述目标疾病类型的病变信息相关的父疾病类型。
3.根据权利要求2所述的方法,其特征在于,所述疾病查验信息包括:查验项目和查验结果;
其中,在医疗知识库中,筛选出疾病查验信息与所述目标疾病类型的疾病查验信息相关的第一疾病类型,包括:
在医疗知识库中,筛选出查验项目包含在所述目标疾病类型的查验项目中且查验结果包含所述目标疾病类型的查验结果的第一疾病类型。
4.根据权利要求2所述的方法,其特征在于,所述疾病症状信息包括:疾病类型的典型症状;
其中,在所述第一疾病类型中,筛选出疾病症状信息与所述目标疾病类型的疾病症状信息相关的第二疾病类型,包括:
在所述第一疾病类型中,筛选出典型症状包含于症状集合的第二疾病类型;
其中,所述症状集合中包括:所述目标疾病类型的典型症状的所有父症状和所述目标疾病类型的典型症状,所述目标疾病类型的典型症状的所有父症状在所述医疗知识库中的疾病症状层级关系中获得。
5.根据权利要求2所述的方法,其特征在于,在所述第二疾病类型中,筛选出病变信息与所述目标疾病类型的病变信息相关的父疾病类型,包括:
根据所述第二疾病类型按照其在所述医疗知识库中的层级关系,获得所述第二疾病类型中处于最末级的疾病类型;
如果所述最末级的疾病类型的病变信息包含所述目标疾病类型的病变信息,确定所述最末级的疾病类型为所述目标疾病类型的父疾病类型。
6.根据权利要求5所述的方法,其特征在于,所述病变信息包括:病变原因信息、病变性质信息和病变部位信息中的任意一项或任意多项;
其中,所述最末级的疾病类型的病变信息包含所述目标疾病类型的病变信息,包括以下任意一项或任意多项:
所述最末级的疾病类型的病变信息中的病变原因信息包括:所述目标疾病类型的病变信息中的病变原因信息;
所述最末级的疾病类型的病变信息中的病变性质信息包括:所述目标疾病类型的病变信息中的病变性质信息;
所述最末级的疾病类型的病变信息中的病变部位信息包括:所述目标疾病类型的病变信息中的病变部位信息。
7.根据权利要求1所述的方法,其特征在于,如果没有筛选出所述目标疾病类型所属的父疾病类型,所述方法还包括:
将所述目标疾病类型作为根疾病类型添加到所述医疗知识库。
8.一种疾病的层级关系处理装置,其特征在于,所述装置包括:
信息获得单元,用于获得待处理的目标疾病类型的疾病信息,所述疾病信息中至少包括疾病查验信息、疾病症状信息及病变信息;
父疾病筛选单元,用于利用所述疾病信息中的疾病查验信息、疾病症状信息及病变信息,在医疗知识库中筛选出所述目标疾病类型所属的父疾病类型;将所述目标疾病类型添加到所述医疗知识库中,以建立所述目标疾病类型与其所属的父疾病类型之间的层级关系;
其中,所述医疗知识库中具有多个疾病类型,且所述疾病类型之间具有层级关系,所述父疾病类型的疾病查验信息与所述目标疾病类型的疾病查验信息相关,所述目标疾病类型的疾病症状信息与所述父疾病类型的疾病症状信息相关,所述父疾病类型的病变信息与所述目标疾病类型的病变信息相关。
9.一种电子设备,其特征在于,包括:
存储器,用于存储应用程序及所述应用程序执行所产生的数据;
处理器,用于执行所述应用程序,以实现:获得待处理的目标疾病类型的疾病信息,所述疾病信息中至少包括疾病查验信息、疾病症状信息及病变信息;利用所述疾病信息中的疾病查验信息、疾病症状信息及病变信息,在医疗知识库中筛选出所述目标疾病类型所属的父疾病类型;将所述目标疾病类型添加到所述医疗知识库中,以建立所述目标疾病类型与其所属的父疾病类型之间的层级关系;
其中,所述医疗知识库中具有多个疾病类型,且所述疾病类型之间具有层级关系,所述父疾病类型的疾病查验信息与所述目标疾病类型的疾病查验信息相关,所述目标疾病类型的疾病症状信息与所述父疾病类型的疾病症状信息相关,所述父疾病类型的病变信息与所述目标疾病类型的病变信息相关。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010217517.1A CN111445993B (zh) | 2020-03-25 | 2020-03-25 | 疾病的层级关系处理方法、装置及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010217517.1A CN111445993B (zh) | 2020-03-25 | 2020-03-25 | 疾病的层级关系处理方法、装置及电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111445993A CN111445993A (zh) | 2020-07-24 |
CN111445993B true CN111445993B (zh) | 2023-08-08 |
Family
ID=71652469
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010217517.1A Active CN111445993B (zh) | 2020-03-25 | 2020-03-25 | 疾病的层级关系处理方法、装置及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111445993B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113948201A (zh) * | 2021-09-29 | 2022-01-18 | 新瑞鹏宠物医疗集团有限公司 | 临床决策辅助方法及*** |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104598642A (zh) * | 2015-02-13 | 2015-05-06 | 杜雨阳 | 一种标准疾病名称查找方法和*** |
CN106169165A (zh) * | 2015-05-20 | 2016-11-30 | 詹宇 | 面向诊疗数据的症状层次关联及预测方法 |
CN108154928A (zh) * | 2017-12-27 | 2018-06-12 | 北京嘉和美康信息技术有限公司 | 一种疾病诊断方法及装置 |
CN108920661A (zh) * | 2018-07-04 | 2018-11-30 | 平安健康保险股份有限公司 | 国际疾病分类标记方法、装置、计算机设备及存储介质 |
CN109582797A (zh) * | 2018-12-13 | 2019-04-05 | 泰康保险集团股份有限公司 | 获取疾病分类推荐的方法、装置、介质及电子设备 |
CN109753516A (zh) * | 2019-01-31 | 2019-05-14 | 北京嘉和美康信息技术有限公司 | 一种病历搜索结果的排序方法和相关装置 |
CN109766445A (zh) * | 2018-12-13 | 2019-05-17 | 平安科技(深圳)有限公司 | 一种知识图谱构建方法及数据处理装置 |
CN109935336A (zh) * | 2019-01-15 | 2019-06-25 | 北京思普科软件股份有限公司 | 一种儿童呼吸科疾病的智能辅助诊断方法及诊断*** |
CN110610766A (zh) * | 2019-09-06 | 2019-12-24 | 中润普达(十堰)大数据中心有限公司 | 基于症状特征权重推导疾病概率的装置和存储介质 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050108045A1 (en) * | 2003-11-17 | 2005-05-19 | Jiao Gong | Method of network hospital of reclassification of diseases that have been made a diagnosis |
-
2020
- 2020-03-25 CN CN202010217517.1A patent/CN111445993B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104598642A (zh) * | 2015-02-13 | 2015-05-06 | 杜雨阳 | 一种标准疾病名称查找方法和*** |
CN106169165A (zh) * | 2015-05-20 | 2016-11-30 | 詹宇 | 面向诊疗数据的症状层次关联及预测方法 |
CN108154928A (zh) * | 2017-12-27 | 2018-06-12 | 北京嘉和美康信息技术有限公司 | 一种疾病诊断方法及装置 |
CN108920661A (zh) * | 2018-07-04 | 2018-11-30 | 平安健康保险股份有限公司 | 国际疾病分类标记方法、装置、计算机设备及存储介质 |
CN109582797A (zh) * | 2018-12-13 | 2019-04-05 | 泰康保险集团股份有限公司 | 获取疾病分类推荐的方法、装置、介质及电子设备 |
CN109766445A (zh) * | 2018-12-13 | 2019-05-17 | 平安科技(深圳)有限公司 | 一种知识图谱构建方法及数据处理装置 |
CN109935336A (zh) * | 2019-01-15 | 2019-06-25 | 北京思普科软件股份有限公司 | 一种儿童呼吸科疾病的智能辅助诊断方法及诊断*** |
CN109753516A (zh) * | 2019-01-31 | 2019-05-14 | 北京嘉和美康信息技术有限公司 | 一种病历搜索结果的排序方法和相关装置 |
CN110610766A (zh) * | 2019-09-06 | 2019-12-24 | 中润普达(十堰)大数据中心有限公司 | 基于症状特征权重推导疾病概率的装置和存储介质 |
Non-Patent Citations (1)
Title |
---|
徐冉.基于文本挖掘的疾病辅助导诊技术研究.《中国优秀硕士学位论文全文数据库医药卫生科技辑》.2015,第8卷第E060-1页. * |
Also Published As
Publication number | Publication date |
---|---|
CN111445993A (zh) | 2020-07-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Christe et al. | Computer-aided diagnosis of pulmonary fibrosis using deep learning and CT images | |
US11367184B2 (en) | Explainable AI (xAI) platform for computational pathology | |
Fuhrman et al. | A review of explainable and interpretable AI with applications in COVID‐19 imaging | |
Wang et al. | Risk assessment of coronary heart disease based on cloud-random forest | |
Gould et al. | Machine learning for early lung cancer identification using routine clinical and laboratory data | |
US10755810B2 (en) | Methods and systems for representing, storing, and accessing computable medical imaging-derived quantities | |
Bartholmai et al. | Quantitative computed tomography imaging of interstitial lung diseases | |
Azar et al. | Decision tree classifiers for automated medical diagnosis | |
WO2013065090A1 (ja) | 類似症例検索装置および類似症例検索方法 | |
Alksas et al. | A novel computer-aided diagnostic system for accurate detection and grading of liver tumors | |
RU2459244C2 (ru) | Направляемая клиницистом компьютерная диагностика на базе примеров | |
JP2006500075A (ja) | 肺がん判別のための患者データマイニング | |
Messaoudi et al. | Ontology-based approach for liver cancer diagnosis and treatment | |
Faulconer et al. | An eight-step method for assessing diagnostic data quality in practice: chronic obstructive pulmonary disease as an exemplar. | |
KR102057277B1 (ko) | 의료 영상의 정량화 및 분석에 기반한 빅데이터 데이터베이스를 구축하기 위한 서버 및 서버 기반의 의료 영상 분석 방법 | |
Pavlov et al. | Reference medical datasets (MosMedData) for independent external evaluation of algorithms based on artificial intelligence in diagnostics | |
Fu et al. | Deep learning for head and neck CT angiography: stenosis and plaque classification | |
CN111445993B (zh) | 疾病的层级关系处理方法、装置及电子设备 | |
Macchia et al. | Multidisciplinary tumor board smart virtual assistant in locally advanced cervical cancer: A proof of concept | |
Gauthier et al. | Breast cancer risk score: a data mining approach to improve readability | |
Marazza et al. | Comparing process models for patient populations: application in breast cancer care | |
Ameljańczyk | Multicriteria similarity models for medical diagnostic support algorithms | |
Coldman et al. | Organized breast screening programs in Canada: effect of radiologist reading volumes on outcomes | |
Depeursinge et al. | Image-based diagnostic aid for interstitial lung disease with secondary data integration | |
Ashrafinia et al. | Standardized Radiomics Analysis of Clinical Myocardial Perfusion Stress SPECT Images to Identify Coronary Artery Calcification |
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 |