CN112542244B - 辅助信息的生成方法、相关装置及计算机程序产品 - Google Patents
辅助信息的生成方法、相关装置及计算机程序产品 Download PDFInfo
- Publication number
- CN112542244B CN112542244B CN202011430172.4A CN202011430172A CN112542244B CN 112542244 B CN112542244 B CN 112542244B CN 202011430172 A CN202011430172 A CN 202011430172A CN 112542244 B CN112542244 B CN 112542244B
- Authority
- CN
- China
- Prior art keywords
- description information
- diagnosis
- diagnosis result
- illness state
- differential
- 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
- 238000000034 method Methods 0.000 title claims abstract description 58
- 238000004590 computer program Methods 0.000 title abstract description 13
- 238000003745 diagnosis Methods 0.000 claims abstract description 217
- 201000010099 disease Diseases 0.000 claims abstract description 61
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims abstract description 61
- 238000003748 differential diagnosis Methods 0.000 claims description 39
- 238000004458 analytical method Methods 0.000 claims description 19
- 230000004044 response Effects 0.000 claims description 6
- 238000012549 training Methods 0.000 claims description 6
- 238000011156 evaluation Methods 0.000 claims description 5
- 238000013441 quality evaluation Methods 0.000 claims description 3
- 238000001303 quality assessment method Methods 0.000 claims description 2
- 208000024891 symptom Diseases 0.000 abstract description 12
- 230000008569 process Effects 0.000 abstract description 10
- 238000013473 artificial intelligence Methods 0.000 abstract description 7
- 230000000875 corresponding effect Effects 0.000 description 54
- 208000000059 Dyspnea Diseases 0.000 description 12
- 206010013975 Dyspnoeas Diseases 0.000 description 12
- 238000004891 communication Methods 0.000 description 11
- 206010028813 Nausea Diseases 0.000 description 8
- 230000008693 nausea Effects 0.000 description 8
- 238000012545 processing Methods 0.000 description 7
- 206010028748 Nasal obstruction Diseases 0.000 description 5
- 206010037660 Pyrexia Diseases 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 206010036790 Productive cough Diseases 0.000 description 4
- 206010044302 Tracheitis Diseases 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 208000013220 shortness of breath Diseases 0.000 description 4
- 206010011224 Cough Diseases 0.000 description 3
- 206010035664 Pneumonia Diseases 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000012216 screening Methods 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 206010000087 Abdominal pain upper Diseases 0.000 description 1
- 208000017667 Chronic Disease Diseases 0.000 description 1
- 206010012735 Diarrhoea Diseases 0.000 description 1
- 206010020772 Hypertension Diseases 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 206010012601 diabetes mellitus Diseases 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000002496 gastric effect Effects 0.000 description 1
- 206010022000 influenza Diseases 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual 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
- 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
-
- 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)
- Medical Informatics (AREA)
- Biomedical Technology (AREA)
- Public Health (AREA)
- Pathology (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Medical Treatment And Welfare Office Work (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
本申请实施例公开了辅助信息的生成方法、装置、电子设备、计算机可读存储介质及计算机程序产品，涉及人工智能领域，可用于辅助诊断决策场景下。该方法的一具体实施方式包括：从诊断日志中获取实际病情描述信息和对应的初步诊断结果后，根据基于医学知识谱图建立的匹配模型运算得到与初步诊断结果对应的理论病情描述信息，并通过理论病情描述信息和实际病情描述信息确定差异病情描述信息，根据该差异病情描述信息生成诊断辅助信息。该实施方式提供了一种基于诊断日志中的初步诊断结果生成理论病情描述信息后，与诊断日志中记录的实际病情描述信息进行比较的技术方案，帮助医生筛查是否存在漏诊症状，为医生的诊断决策过程提供辅助。
Description
技术领域
本申请涉及人工智能技术领域，具体涉及计算机视觉和智慧医疗技术领域，可用于辅助诊断决策场景下，尤其涉及辅助信息的生成方法、装置、电子设备及计算机可读存储介质。
背景技术
人工智能技术在不断发展进步，且正逐步与医疗领域相结合，利用先进的人工智能技术辅助于基层医疗，通过人工智能技术对医生的诊断结果进行评价，减少漏诊、误诊的情况，从而提升医生的诊疗结果质量。
现有技术中，利用人工智能技术基于患者的症状进行分析后，得到对应的样本诊断结果，然后根据样本诊断结果与医生诊断结果进行相似性比较，以确定医生做出的诊疗结果的质量。
发明内容
本申请实施例提出了一种辅助信息的生成方法、装置、电子设备及计算机可读存储介质。
第一方面，本申请实施例提出了一种辅助信息的生成方法，包括：从诊断日志中获取实际病情描述信息和与该实际病情描述信息对应的初步诊断结果；根据预设的匹配模型运算得到与该初步诊断结果对应的理论病情描述信息；其中，该匹配模型用于病情描述信息与诊断结果之间的匹配；通过该理论病情描述信息和该实际病情描述信息确定差异病情描述信息；根据该差异病情描述信息生成诊断辅助信息。
第二方面，本申请实施例提出了一种辅助信息的生成装置，包括：日志分析单元，被配置成从诊断日志中获取实际病情描述信息和与该实际病情描述信息对应的初步诊断结果；匹配运算单元，被配置成根据预设的匹配模型运算得到与该初步诊断结果对应的理论病情描述信息；其中，该匹配模型用于病情描述信息与诊断结果之间的匹配；差异比较单元，被配置成通过该理论病情描述信息和该实际病情描述信息确定差异病情描述信息；辅助信息生成单元，被配置成根据该差异病情描述信息生成诊断辅助信息。
第三方面，本申请实施例提供了一种电子设备，该电子设备包括：至少一个处理器；以及与至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的指令，该指令被至少一个处理器执行，以使至少一个处理器执行时能够实现如第一方面中任一实现方式描述的辅助信息的生成方法。
第四方面，本申请实施例提供了一种存储有计算机指令的非瞬时计算机可读存储介质，该计算机指令用于使计算机执行时能够实现如第一方面中任一实现方式描述的辅助信息的生成方法。
第五面，本申请实施例提供了一种包括计算机程序的计算机程序产品，该计算机程序在被处理器执行时能够实现如第一方面中任一实现方式描述的辅助信息的生成方法。
本申请实施例提供的辅助信息的生成方法、装置、电子设备及计算机可读存储介质，从诊断日志中获取实际病情描述信息和对应的初步诊断结果后，根据基于医学知识谱图建立的匹配模型运算得到与初步诊断结果对应的理论病情描述信息，并通过理论病情描述信息和实际病情描述信息确定差异病情描述信息，根据该差异病情描述信息生成诊断辅助信息。
本申请可以基于诊断日志中的初步诊断结果生成理论病情描述信息后，然后根据理论病情描述信息与实际病情描述信息的对比情况，确定在诊断过程中是否存在疏漏、未使用的实际病情描述信息，帮助医生筛查是否存在漏诊症状，为医生的诊断决策过程提供辅助。
应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
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是本申请可以应用于其中的示例性***架构；
图2为本申请实施例提供的一种辅助信息的生成方法的流程图；
图3为本申请实施例提供的另一种辅助信息的生成方法的流程图；
图4为本申请实施例提供的在一应用场景下的辅助信息的生成方法的流程示意图；
图5为本申请实施例提供的一种辅助信息的生成装置的结构框图；
图6为本申请实施例提供的一种适用于执行辅助信息的生成方法的电子设备的结构示意图。
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部分。
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辅助信息的生成方法、装置、电子设备及计算机可读存储介质的实施例的示例性***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。
用户可以使用终端设备101、102、103通过网络104与服务器105交互，以实现诊断日志的发送、诊断辅助信息的接收等。终端设备101、102、103和服务器105上可以安装有各种用于实现两者之间进行信息通讯的应用，例如决策辅助类应用、质量评价类应用、复检筛查类应用等。
终端设备101、102、103和服务器105可以是硬件，也可以是软件。当终端设备101、102、103为硬件时，可以是具有显示屏的各种电子设备，包括但不限于智能手机、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，也可以实现成单个软件或软件模块，在此不做具体限定。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；服务器为软件时，可以实现成多个软件或软件模块，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通过内置的各种应用可以提供各种服务，以可以基于诊断日志生成诊断辅助信息的决策辅助类应用为例，服务器105在运行该决策辅助类应用时可实现如下效果：首先，通过网络104从终端设备101、102、103中获取诊断日志，然后服务器105从该诊断日志中获取实际病情描述信息和与该实际病情描述信息对应的初步诊断结果后，根据预设的匹配模型运算得到与该初步诊断结果对应的理论病情描述信息；其中，该匹配模型用于病情描述信息与诊断结果之间的匹配，并通过该理论病情描述信息和实际病情描述信息确定差异病情描述信息，最后根据该差异病情描述信息生成诊断辅助信息。
由于基于诊断日志生成诊断辅助信息需要占用较多的运算资源和较强的运算能力，因此本申请后续各实施例所提供的辅助信息的生成方法一般由拥有较强运算能力、较多运算资源的服务器105来执行，相应地，辅助信息的生成装置一般也设置于服务器105中。但同时也需要指出的是，在终端设备101、102、103也具有满足要求的运算能力和运算资源时，终端设备101、102、103也可以完成上述本交由服务器105做的各项运算，进而输出与服务器105同样的结果。尤其是在同时存在多种具有不同运算能力的终端设备的情况下，但决策辅助类应用判断所在的终端设备拥有较强的运算能力和剩余较多的运算资源时，可以让终端设备来执行上述运算，从而适当减轻服务器105的运算压力，相应的，辅助信息的生成装置也可以设置于终端设备101、102、103中。在此种情况下，示例性***架构100也可以不包括服务器105和网络104。
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。
请参考图2，图2为本申请实施例提供的一种辅助信息的生成方法的流程图，其中流程200包括以下步骤：
步骤201：从诊断日志中获取实际病情描述信息和与实际病情描述信息对应的初步诊断结果。
在本实施例中由辅助信息的生成方法的执行主体(例如图1所示的服务器105)获取诊断日志，以及其中记载的实际病情描述信息和与实际病情描述信息对应的初步诊断结果。
其中，诊断日志通常表现为病例信息，其中对应的记载有病情描述信息，即病人的症状信息，以及医生根据诊断日志中记录的病情描述信息，结合自身经验后，分析、判断做出的初步诊断结果。
需要指出的是，诊断日志可以由上述执行主体直接从本地的存储设备获取，也可以从非本地的存储设备(例如图1所示的终端设备101、102、103)中获取。本地的存储设备可以是设置在上述执行主体内的一个数据存储模块，例如服务器硬盘，在此种情况下，诊断日志可以在本地快速读取到；非本地的存储设备还可以为其它任何被设置用于存储数据的电子设备，例如一些用户终端等，在此情况下，上述执行主体可以被动的接收该电子设备发送的诊断日志，或通过主动的向该电子设备发送获取命令来获取所需的诊断日志。
应当理解的是，诊断日志中可能记录有一条或者多条的实际病情描述信息，同样的也可能对应有多个初步诊断结果，例如实际病情描述信息记录为发热、胃痛、腹泻、鼻塞，对应的初步诊断信息可能为流感、肠胃感冒。
步骤202：根据预设的匹配模型运算得到与初步诊断结果对应的理论病情描述信息。
在本实施例中，在上述执行主体获取到诊断日志中的初步诊断结果后，通过调用用于病情描述信息与诊断结果之间匹配的匹配模型对该初步诊断结果进行处理，以得到与该初步诊断结果对应的理论病情描述信息。
其中，匹配模型通常可以基于现有的标准医学知识图谱构建得到，也可以采用医学专家知识、医学论文知识等数据作为样本集训练现有模型以得到，可以通过该匹配模型实现诊断结果和病情描述信息的双向匹配，可以在输入诊断结果后，基于现有的标准医学知识中记载的对应关系，以实现匹配得到做出该诊断结果时所需要的病情描述信息的目的，例如在确定诊断结果为急性气管炎时，在现有标准的医学知识中，可对应的确定病情描述信息为发热、鼻塞、咳痰、气短和咽部不适等，也可以在输入病情描述信息后，对应的生成诊断结果。
步骤203：通过理论病情描述信息和实际病情描述信息确定差异病情描述信息。
在本实施例中，基于上述步骤202中得到的理论病情描述信息后，将该理论病情描述信息与诊断日志中记录的实际病情描述信息进行比较，以确定两者中不同的病情描述信息，即在实际病情描述信息中存在的、在理论病情描述信息中没有记载的病情描述信息，确定一条或者多条差异病情描述信息。
应当理解的是，在患者患有某一特定疾病时，未必同时具备该特定疾病的全部症状，理论病情描述信息中存在有实际病情描述信息中不存在的病情描述信息是较为常见的情况，但实际病情描述为患者本次存在的具体症状，并且患者本次表现出的具体症状可能因为患者本身存在例如糖尿病、高血压等长期慢性疾病导致出现复合症状。
因此，诊断日志中存在的实际病情描述信息才是更具体贴合患者、有价值的病情描述信息，在确定差异病情描述信息时，以诊断日志中存在的实际病情描述信息作为标准，以判断做出初步诊断结果时所用到的病情描述信息，即理论病情描述信息中是否完全覆盖实际病情描述信息，在理论病情描述信息中没有完全覆盖实际病情描述信息时，认为做出初步诊断结果时可能忽略、遗漏了某一个或某几个实际病情描述信息。
步骤204：根据差异病情描述信息生成诊断辅助信息。
在本实施例中，在上述步骤203中确定了差异病情描述信息后，即确定在做出初步诊断结果时，存在遗漏实际病情描述信息的情况，遗漏的一条或者多条实际病情描述信息，即存在一条或者多条差异病情描述信息，确定存在遗漏、忽略的实际病情描述信息，即可能存在漏诊的情况，将确定到的差异病情描述信息生成诊断辅助信息，用以提示做出初步诊断结果时可能存在漏诊的情况，帮助医生了解该遗漏的实际病情描述信息，为医生的诊断决策过程提供辅助。
本申请实施例提供的辅助信息的生成方法，从诊断日志中获取实际病情描述信息和对应的初步诊断结果后，根据基于医学知识谱图建立的匹配模型运算得到与初步诊断结果对应的理论病情描述信息，并通过理论病情描述信息和实际病情描述信息确定差异病情描述信息，根据该差异病情描述信息生成诊断辅助信息。该实施方式提供了一种基于诊断日志中的初步诊断结果生成理论病情描述信息后，与诊断日志中记录的实际病情描述信息进行比较的技术方案，帮助医生筛查是否存在漏诊症状，为医生的诊断决策过程提供辅助。
请参考图3，图3为本申请实施例提供的另一种辅助信息的生成方法的流程图，其中流程300包括以下步骤：
步骤301：从诊断日志中获取实际病情描述信息和与实际病情描述信息对应的初步诊断结果。
步骤302：根据预设的匹配模型运算得到与初步诊断结果对应的理论病情描述信息。
步骤303：通过理论病情描述信息和实际病情描述信息确定差异病情描述信息。
以上步骤301-303与如图2所示的步骤201-203一致，相同部分内容请参见上一实施例的相应部分，此处不再进行赘述。
步骤304：通过该匹配模型运算得到与差异病情描述信息对应的至少一个差异诊断结果。
在本实施例中，在获取到差异病情描述信息后，通过步骤302中采用的匹配模型输出差异病情描述信息的结果，在存在有多条差异病情描述信息时，可以分别单独选取一条差异病情描述信息来生成对应的差异诊断结果，也可以选取多条差异病情描述信息来生成对应的差异诊断结果。
优选地，分别单独选取一条差异病情描述信息来生成对应的差异诊断结果以获取尽量多的差异诊断结果，避免因差异病情描述信息之间的组合不当造成漏诊，整体提升差异诊断结果的召回率。
应当理解的是，因某些诊断结果之间具有相似、相同的病情描述信息，在用于生成诊断结果的病情描述信息较少时，较大可能会生成多条诊断结果。
步骤305：分别确定每一个差异诊断结果信息与初步诊断结果之间的实际相关度。
在本实施例中，可以通过语义识别神经网络、语义分析模型等方式，或者采用医学知识图谱、医学匹配模型等方式，从语音、或者医学疾病分类等角度，分别确定每一个差异诊断结果与初步诊断结果之间的实际相关度。
步骤306：选取实际相关度大于预设相关度的差异诊断结果对应的差异病情描述信息，生成遗漏病情描述信息。
在本实施例中，在上述步骤305中确定得到每一个差异诊断结果与初步诊断结果的实际相关度，通过预设相关度对得到的差异诊断结果进行筛选，以选取实际相关度满足预设要求的差异诊断结果，基于差异诊断结果与初步诊断结果的相似度，确定差异病情描述信息是否与做出的初步诊断结果的理论病情描述信息相关，将确定到的与理论病情描述信息相关的差异病情描述信息确定为遗漏病情描述信息。
步骤307：根据该遗漏病情描述信息生成诊断辅助信息。
在本实施例中，该步骤与上述图2所示的步骤204一致，相同部分内容请参见上一实施例的相应部分，此处不再进行赘述。
本申请实施例提供的辅助信息的生成方法，通过匹配模型生成差异病情描述信息对应的差异诊断结果后，将该差异诊断结果与初步诊断结果进行比较，在确定两诊断结果之间的相关性满足预设要求时，认为差异病情描述信息与理论病情描述信息存在相关，以实现对差异病情描述信息的筛选，提升得到的差异病情描述信息的质量和使用价值。
在本实施例的一些可选实现方式中，该辅助信息的生成方法还包括：响应于实际相关度大于该预设相关度的差异诊断结果的数量为多个，生成差异诊断结果集合，并按照各该差异诊断结果对应的实际相关度的大小进行集合内排序，得到排序后集合；以及该选取该实际相关度大于预设相关度的差异诊断结果对应的差异病情描述信息，生成遗漏病情描述信息，包括：从该排序后集合中选取排序在前设定数量的差异诊断结果后，确定该差异诊断结果对应的差异并且病情描述信息，并作为该遗漏病情描述信息。
具体的，在存在有多个差异诊断结果时，可以生成差异结果诊断集合，并根据差异诊断结果对应的实际相关度的大小进行集合内排序得到排序后集合，并选取排序后集合汇总在前设定数量的差异诊断结果，确定该部分差异诊断结果对应的差异病情描述信息、生成遗漏病情描述信息，通过这样的方式，以最终实现基于差异病情描述信息与实际病情描述信息之间的相关性筛选，以提升最终得到的差异病情描述信息的质量。
在本实施例的一些可选实现方式中，该通过该匹配模型运算得到与该差异病情描述信息对应的至少一个差异诊断结果，包括：通过日志分析模型运算得到与该差异病情描述信息对应的至少一个参考诊断结果；其中，该日志分析模型以历史诊断日志为训练样本训练得到，用于确定与病情描述信息对应的诊断结果。
具体的，日志分析模型，可以基于利用朴素贝叶斯算法构建病情描述信息-诊断结果关系图，实现日志分析模型的构建，然后以历史诊断日志作为样本，对构建后的模型进行训练，以实现将差异病情描述信息输入至该日志分析模型后可以得到基于历史诊断日志作为分析方向的参考诊断结果，以实现通过历史诊断日志中的病情描述信息和诊断结果的对应关系确定该差异病情描述信息在历史诊断日志中做出的诊断结果，即参考诊断结果，以便于得到的差异诊断结果更贴近诊断日志中的诊断逻辑。
在本实施例的一些可选实现方式中，该辅助信息的生成方法还包括：响应于该参考诊断结果的实际相关度超过预先确定的阈值条件，将该参考诊断结果添加至该诊断辅助信息。
具体的，在得到参考诊断结果后，判断该参考诊断结果参考结果的实际相关度超过预先确定的阈值条件后，确定该参考诊断结果与初步诊断结果具有相关性，将该参考诊断结果添加至诊断辅助信息中，以提供在更为完整按照实际病情进行诊断时得到的诊断结果作为参考，进一步提升辅助信息被采纳的可能性。
考虑到该辅助信息的生成方法生成的诊断辅助信息针对的情况是做出初步诊断结果时所考虑到的实际病情描述信息是否全面、完整，因此还可以基于该诊断辅助信息来评价该初步诊断结果的质量，或者说基于做出初步诊断结果时所考虑到的实际病情描述信息是否全面、完整来实现对做出初步诊断结果的医生进行评价。
因此，在上述任意实施例的基础上，该辅助信息的生成方法还包括：基于该差异病情描述信息和该实际病情描述信息之间的数量关系生成诊断质量评价报告。
具体的，在确定了差异病情描述信息后，可以根据差异病情描述信息与实际病情描述信息数量之间的比值进行划分、评价，以反馈初步诊断结果的质量，例如，患者可以根据该评价结果了解初步诊断结果的质量，分析是否采用该初步诊断结果，医院管理***根据该评价结果实现对医生的评价。
为加深理解，本申请还结合一个具体应用场景，给出了一种具体的实现方案，诊断日志中记载有实际病情描述信息为：“气短、咳痰、持续咳嗽、发热、鼻塞、呼吸困难和恶心”，初步诊断结果为“急性气管炎”，生成诊断辅助信息的过程，请参见如图4所示的流程400。
步骤401：获取诊断日志。
步骤402：根据诊断日志，得到对应的初步诊断结果和对应的实际病情描述信息，即初步诊断结果为急性气管炎，实际病情描述信息为：“气短、咳痰、持续咳嗽、发热、鼻塞、呼吸困难和恶心”。
步骤403：采用匹配模型，根据初步诊断结果得到理论病情描述信息：“气短、咳痰、持续咳嗽、发热、鼻塞”。
步骤404：根据理论病情信息和实际病情描述信息确定是否存在差异病情描述信息，若存在则继续执行步骤405，若不存在则执行步骤408。
根据理论病情信息和实际病情描述信息，确定存在差异病情描述信息，“呼吸困难”和“恶心”。
步骤405：根据差异病情描述信息呼吸困难和恶心来确定对应的差异诊断结果可能为“肺炎”。
具体的，可以根据“呼吸困难”和“恶心”来分别确定对应的备选差异诊断结果后，再联合使用“呼吸困难、恶心”来生成新的备选差异诊断结果，将两者取交集后确定对应的差异诊断结果，例如确定差异诊断结果为“肺炎”。
步骤406：确定“肺炎”和“急性气管炎”之间的实际相关度满足预先确定的阈值要求，因此确定“呼吸困难”和“恶心”为遗漏病情描述信息。
步骤407：根据遗漏病情描述信息生成诊断辅助信息，确定存在漏诊症状，即实际病情描述信息中的“呼吸困难”和“恶心”。
步骤408：结束诊断辅助信息的生成流程。
本申请实施例提供的辅助信息的生成方法，从诊断日志中获取实际病情描述信息和对应的初步诊断结果后，根据基于医学知识谱图建立的匹配模型运算得到与初步诊断结果对应的理论病情描述信息，并通过理论病情描述信息和实际病情描述信息确定差异病情描述信息，根据该差异病情描述信息生成诊断辅助信息。该实施方式提供了一种基于诊断日志中的初步诊断结果生成理论病情描述信息后，与诊断日志中记录的实际病情描述信息进行比较的技术方案，帮助医生筛查是否存在漏诊症状，为医生的诊断决策过程提供辅助。
进一步参考图5，作为对上述各图所示方法的实现，本申请提供了一种辅助信息的生成装置的一个实施例，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，本实施例的辅助信息的生成装置500可以包括：日志分析单元501、匹配运算单元502、差异比较单元503和辅助信息生成单元504。其中，日志分析单元501，被配置成从诊断日志中获取实际病情描述信息和与该实际病情描述信息对应的初步诊断结果；匹配运算单元502，被配置成根据预设的匹配模型运算得到与该初步诊断结果对应的理论病情描述信息；其中，该匹配模型用于病情描述信息与诊断结果之间的匹配；差异比较单元503，被配置成通过该理论病情描述信息和该实际病情描述信息确定差异病情描述信息；辅助信息生成单元504，被配置成根据该差异病情描述信息生成诊断辅助信息。
在本实施例中，辅助信息的生成装置500中：日志分析单元501、匹配运算单元502、差异比较单元503和辅助信息生成单元504的具体处理及其所带来的技术效果可分别参考图2对应实施例中的步骤201-204的相关说明，在此不再赘述。
在本实施例的一些可选实现方式中，辅助信息生成单元504，包括：差异诊断结果获取子单元，被配置成通过该匹配模型运算得到与该差异病情描述信息对应的至少一个差异诊断结果；相关度比较子单元，被配置成分别确定每一个该差异诊断结果信息与该初步诊断结果之间的实际相关度；遗漏信息确定子单元，被配置成选取该实际相关度大于预设相关度的差异诊断结果对应的差异病情描述信息，生成遗漏病情描述信息；辅助信息生成子单元，被配置成根据该遗漏病情描述信息生成诊断辅助信息。
在本实施例的一些可选实现方式中，辅助信息的生成装置500还包括：差异诊断结果集合生成单元，被配置成响应于该实际相关度大于该预设相关度的差异诊断结果的数量为多个，生成差异诊断结果集合，并按照各该差异诊断结果对应的实际相关度的大小进行集合内排序，得到排序后集合；以及遗漏信息确定子单元进一步被配置成，从该排序后集合中选取排序在前设定数量的差异诊断结果后，确定该差异诊断结果对应的差异病情描述信息，并作为该遗漏病情描述信息。
在本实施例的一些可选实现方式中，差异诊断结果获取子单元进一步被配置成，通过日志分析模型运算得到与该差异病情描述信息对应的至少一个参考诊断结果；该日志分析模型以历史诊断日志为训练样本训练得到，用于确定与病情描述信息对应的诊断结果。
在本实施例的一些可选实现方式中，辅助信息的生成装置500还包括：辅助信息更新单元，被配置成响应于该参考诊断结果的实际相关度超过预先确定的阈值条件，将该参考诊断结果添加至该诊断辅助信息
在本实施例的一些可选实现方式中，辅助信息的生成装置500还包括：评价报告生成单元，被配置成基于该差异病情描述信息和该实际病情描述信息之间的数量关系生成诊断质量评价报告。
本实施例作为对应于上述方法实施例的装置实施例存在，本实施例提供的辅助信息的生成装置可以基于诊断日志中的初步诊断结果生成理论病情描述信息后，然后根据理论病情描述信息与实际病情描述信息的对比情况，确定在诊断过程中是否存在疏漏、未使用的实际病情描述信息，帮助医生筛查是否存在漏诊症状，为医生的诊断决策过程提供辅助。
根据本申请的实施例，本申请还提供了一种电子设备、一种计算机可读存储介质和一种计算机程序产品。
图6示出了可以用来实施本公开的实施例的示例电子设备600的示意性框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图6所示，设备600包括计算单元601，其可以根据存储在只读存储器(ROM)602中的计算机程序或者从存储单元608加载到随机访问存储器(RAM)603中的计算机程序，来执行各种适当的动作和处理。在RAM 603中，还可存储设备600操作所需的各种程序和数据。计算单元601、ROM 602以及RAM 603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。
设备600中的多个部件连接至I/O接口605，包括：输入单元606，例如键盘、鼠标等；输出单元607，例如各种类型的显示器、扬声器等；存储单元608，例如磁盘、光盘等；以及通信单元609，例如网卡、调制解调器、无线通信收发机等。通信单元609允许设备600通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元601可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元601的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元601执行上文所描述的各个方法和处理，例如辅助信息的生成方法。例如，在一些实施例中，辅助信息的生成方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元608。在一些实施例中，计算机程序的部分或者全部可以经由ROM 602和/或通信单元609而被载入和/或安装到设备600上。当计算机程序加载到RAM 603并由计算单元601执行时，可以执行上文描述的辅助信息的生成方法的一个或多个步骤。备选地，在其他实施例中，计算单元601可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行辅助信息的生成方法。
本文中以上描述的***和技术的各种实施方式可以在数字电子电路***、集成电路***、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上***的***(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程***上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储***、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储***、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行***、装置或设备使用或与指令执行***、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体***、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互，可以在计算机上实施此处描述的***和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的***和技术实施在包括后台部件的计算***(例如，作为数据服务器)、或者包括中间件部件的计算***(例如，应用服务器)、或者包括前端部件的计算***(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的***和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算***中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将***的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)和互联网。
计算机***可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决传统物理主机与虚拟专用服务器(VPS，Virtual Private Server)服务中存在的管理难度大，业务扩展性弱的缺陷。
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本申请公开的技术方案所期望的结果，本文在此不进行限制。
上述具体实施方式，并不构成对本申请保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等，均应包含在本申请保护范围之内。
Claims (12)
1.一种辅助信息的生成方法，包括：
从诊断日志中获取实际病情描述信息和与所述实际病情描述信息对应的初步诊断结果；
根据预设的匹配模型运算得到与所述初步诊断结果对应的理论病情描述信息；其中，所述匹配模型用于病情描述信息与诊断结果之间的匹配；
通过所述理论病情描述信息和所述实际病情描述信息确定差异病情描述信息；
根据所述差异病情描述信息生成诊断辅助信息，包括：通过所述匹配模型运算得到与所述差异病情描述信息对应的至少一个差异诊断结果；分别确定每一个所述差异诊断结果信息与所述初步诊断结果之间的实际相关度；选取所述实际相关度大于预设相关度的差异诊断结果对应的差异病情描述信息，生成遗漏病情描述信息；根据所述遗漏病情描述信息生成诊断辅助信息。
2.根据权利要求1所述的方法，还包括；
响应于所述实际相关度大于所述预设相关度的差异诊断结果的数量为多个，生成差异诊断结果集合，并按照各所述差异诊断结果对应的实际相关度的大小进行集合内排序，得到排序后集合；以及
所述选取所述实际相关度大于预设相关度的差异诊断结果对应的差异病情描述信息，生成遗漏病情描述信息，包括：
从所述排序后集合中选取排序在前设定数量的差异诊断结果后，确定所述差异诊断结果对应的差异病情描述信息，并作为所述遗漏病情描述信息。
3.根据权利要求1所述的方法，其中，所述通过所述匹配模型运算得到与所述差异病情描述信息对应的至少一个差异诊断结果，包括：
通过日志分析模型运算得到与所述差异病情描述信息对应的至少一个参考诊断结果；其中，所述日志分析模型以历史诊断日志为训练样本训练得到，用于确定与病情描述信息对应的诊断结果。
4.根据权利要求3所述的方法，还包括：
响应于所述参考诊断结果的实际相关度超过预先确定的阈值条件，将所述参考诊断结果添加至所述诊断辅助信息。
5.根据权利要求1所述的方法，还包括：
基于所述差异病情描述信息和所述实际病情描述信息之间的数量关系生成诊断质量评价报告。
6.一种辅助信息的生成装置，包括：
日志分析单元，被配置成从诊断日志中获取实际病情描述信息和与所述实际病情描述信息对应的初步诊断结果；
匹配运算单元，被配置成根据预设的匹配模型运算得到与所述初步诊断结果对应的理论病情描述信息；其中，所述匹配模型用于病情描述信息与诊断结果之间的匹配；
差异比较单元，被配置成通过所述理论病情描述信息和所述实际病情描述信息确定差异病情描述信息；
辅助信息生成单元，被配置成根据所述差异病情描述信息生成诊断辅助信息，所述辅助信息生成单元，包括：差异诊断结果获取子单元，被配置成通过所述匹配模型运算得到与所述差异病情描述信息对应的至少一个差异诊断结果；相关度比较子单元，被配置成分别确定每一个所述差异诊断结果信息与所述初步诊断结果之间的实际相关度；遗漏信息确定子单元，被配置成选取所述实际相关度大于预设相关度的差异诊断结果对应的差异病情描述信息，生成遗漏病情描述信息；辅助信息生成子单元，被配置成根据所述遗漏病情描述信息生成诊断辅助信息。
7. 根据权利要求6所述的装置，还包括：
差异诊断结果集合生成单元，被配置成响应于所述实际相关度大于所述预设相关度的差异诊断结果的数量为多个，生成差异诊断结果集合，并按照各所述差异诊断结果对应的实际相关度的大小进行集合内排序，得到排序后集合；以及
所述遗漏信息确定子单元进一步被配置成，从所述排序后集合中选取排序在前设定数量的差异诊断结果后，确定所述差异诊断结果对应的差异病情描述信息，并作为所述遗漏病情描述信息。
8.根据权利要求7所述的装置，其中，所述差异诊断结果获取子单元进一步被配置成，通过日志分析模型运算得到与所述差异病情描述信息对应的至少一个参考诊断结果；所述日志分析模型以历史诊断日志为训练样本训练得到，用于确定与病情描述信息对应的诊断结果。
9.根据权利要求8所述的装置，还包括：
辅助信息更新单元，被配置成响应于所述参考诊断结果的实际相关度超过预先确定的阈值条件，将所述参考诊断结果添加至所述诊断辅助信息。
10.根据权利要求6所述的装置，还包括：
评价报告生成单元，被配置成基于所述差异病情描述信息和所述实际病情描述信息之间的数量关系生成诊断质量评价报告。
11. 一种电子设备，包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-5中任一项所述的辅助信息的生成方法。
12.一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使所述计算机执行权利要求1-5中任一项所述的辅助信息的生成方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011430172.4A CN112542244B (zh) | 2020-12-09 | 2020-12-09 | 辅助信息的生成方法、相关装置及计算机程序产品 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011430172.4A CN112542244B (zh) | 2020-12-09 | 2020-12-09 | 辅助信息的生成方法、相关装置及计算机程序产品 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112542244A CN112542244A (zh) | 2021-03-23 |
| CN112542244B true CN112542244B (zh) | 2023-07-18 |
Family
ID=75019727
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011430172.4A Active CN112542244B (zh) | 2020-12-09 | 2020-12-09 | 辅助信息的生成方法、相关装置及计算机程序产品 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112542244B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113096799B (zh) * | 2021-04-25 | 2024-04-02 | 北京百度网讯科技有限公司 | 质控方法和装置 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2002056099A (ja) * | 2000-08-11 | 2002-02-20 | Ntt Me Corp | 健康管理システム |
| JP2018081526A (ja) * | 2016-11-17 | 2018-05-24 | きりんカルテシステム株式会社 | 電子カルテシステム |
| CN109346171A (zh) * | 2018-10-31 | 2019-02-15 | 北京惠每云科技有限公司 | 一种辅助诊断方法、装置和计算机设备 |
| CN109691983A (zh) * | 2018-11-13 | 2019-04-30 | 深圳市和缘科技有限公司 | 一种智能帕金森患者监护*** |
| CN110070940A (zh) * | 2019-03-11 | 2019-07-30 | 贡鸣 | 一种患病风险值确定方法、装置、电子设备及存储介质 |
| CN111402979A (zh) * | 2020-03-24 | 2020-07-10 | 清华大学 | 病情描述与诊断一致性检测方法及装置 |
| CN111685742A (zh) * | 2020-06-16 | 2020-09-22 | 德阳市人民医院 | 一种用于脑卒中病治疗的评估***及方法 |
-
2020
- 2020-12-09 CN CN202011430172.4A patent/CN112542244B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2002056099A (ja) * | 2000-08-11 | 2002-02-20 | Ntt Me Corp | 健康管理システム |
| JP2018081526A (ja) * | 2016-11-17 | 2018-05-24 | きりんカルテシステム株式会社 | 電子カルテシステム |
| CN109346171A (zh) * | 2018-10-31 | 2019-02-15 | 北京惠每云科技有限公司 | 一种辅助诊断方法、装置和计算机设备 |
| CN109691983A (zh) * | 2018-11-13 | 2019-04-30 | 深圳市和缘科技有限公司 | 一种智能帕金森患者监护*** |
| CN110070940A (zh) * | 2019-03-11 | 2019-07-30 | 贡鸣 | 一种患病风险值确定方法、装置、电子设备及存储介质 |
| CN111402979A (zh) * | 2020-03-24 | 2020-07-10 | 清华大学 | 病情描述与诊断一致性检测方法及装置 |
| CN111685742A (zh) * | 2020-06-16 | 2020-09-22 | 德阳市人民医院 | 一种用于脑卒中病治疗的评估***及方法 |
Non-Patent Citations (1)
| Title |
|---|
| 住院病案会诊记录缺陷与对策探讨;陈明贞;王燕贞;杨晶;;黑龙江医学(03);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112542244A (zh) | 2021-03-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| WO2021184571A1 (zh) | 动态表单生成方法、装置、计算机设备和存储介质 | |
| US20220326970A1 (en) | User interface for providing a medical best practice recommendation based on a user-entered medical observation of a patient | |
| WO2021218069A1 (zh) | 基于场景动态配置的交互处理方法、装置、计算机设备 | |
| EP4006909B1 (en) | Method, apparatus and device for quality control and storage medium | |
| WO2023178958A1 (zh) | 线上医疗问诊的医生分配方法、装置、存储介质及设备 | |
| CN114428677B (zh) | 任务处理方法、处理装置、电子设备及存储介质 | |
| CN113407677B (zh) | 评估咨询对话质量的方法、装置、设备和存储介质 | |
| US20220292405A1 (en) | Methods, systems, and frameworks for data analytics using machine learning | |
| CN115686908A (zh) | 一种数据处理方法及相关设备 | |
| CN114692778B (zh) | 用于智能巡检的多模态样本集生成方法、训练方法及装置 | |
| CN112542244B (zh) | 辅助信息的生成方法、相关装置及计算机程序产品 | |
| CN113657249B (zh) | 训练方法、预测方法、装置、电子设备以及存储介质 | |
| CN113052246B (zh) | 用于训练分类模型及图像分类的方法和相关装置 | |
| CN113609195A (zh) | 报告生成方法、装置、电子设备及存储介质 | |
| US8918406B2 (en) | Intelligent analysis queue construction | |
| CN116680401A (zh) | 文档处理方法、文档处理装置、设备及存储介质 | |
| CN113360672B (zh) | 用于生成知识图谱的方法、装置、设备、介质和产品 | |
| CN116468479A (zh) | 确定页面质量评估维度方法、页面质量的评估方法和装置 | |
| CN113990514A (zh) | 医师诊疗行为的异常检测装置、计算机设备及存储介质 | |
| CN111428767A (zh) | 数据处理方法及装置、处理器、电子设备及存储介质 | |
| CN111369375A (zh) | 一种社交关系确定方法、装置、设备及存储介质 | |
| CN113096799B (zh) | 质控方法和装置 | |
| CN113313196B (zh) | 标注数据处理方法、相关装置及计算机程序产品 | |
| WO2024051364A1 (zh) | 活体检测模型训练方法、装置、存储介质以及终端 | |
| CN114501112B (zh) | 用于生成视频笔记的方法、装置、设备、介质和产品 |
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 |