CN112802566A - 一种电子病历的编码方法及装置 - Google Patents
一种电子病历的编码方法及装置 Download PDFInfo
- Publication number
- CN112802566A CN112802566A CN202011619725.0A CN202011619725A CN112802566A CN 112802566 A CN112802566 A CN 112802566A CN 202011619725 A CN202011619725 A CN 202011619725A CN 112802566 A CN112802566 A CN 112802566A
- Authority
- CN
- China
- Prior art keywords
- code
- keyword
- determining
- target
- target case
- 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
- 238000000034 method Methods 0.000 title claims abstract description 48
- 238000004458 analytical method Methods 0.000 claims abstract description 54
- 230000002159 abnormal effect Effects 0.000 claims description 13
- 238000004590 computer program Methods 0.000 claims description 7
- 230000004048 modification Effects 0.000 claims description 5
- 238000012986 modification Methods 0.000 claims description 5
- 239000003607 modifier Substances 0.000 claims description 4
- 238000012216 screening Methods 0.000 abstract description 3
- 201000010099 disease Diseases 0.000 description 11
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 11
- 238000003745 diagnosis Methods 0.000 description 8
- 201000011510 cancer Diseases 0.000 description 6
- 206010019233 Headaches Diseases 0.000 description 5
- 206010017758 gastric cancer Diseases 0.000 description 5
- 210000004229 gastric stump Anatomy 0.000 description 5
- 231100000869 headache Toxicity 0.000 description 5
- 208000004998 Abdominal Pain Diseases 0.000 description 4
- 208000005718 Stomach Neoplasms Diseases 0.000 description 4
- 201000011549 stomach cancer Diseases 0.000 description 4
- 208000024891 symptom Diseases 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 210000003141 lower extremity Anatomy 0.000 description 3
- 230000007547 defect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000010827 pathological analysis Methods 0.000 description 2
- 206010051055 Deep vein thrombosis Diseases 0.000 description 1
- 206010020772 Hypertension Diseases 0.000 description 1
- 206010028980 Neoplasm Diseases 0.000 description 1
- 208000002193 Pain Diseases 0.000 description 1
- 206010037660 Pyrexia Diseases 0.000 description 1
- 208000007536 Thrombosis Diseases 0.000 description 1
- 206010047249 Venous thrombosis Diseases 0.000 description 1
- 210000001015 abdomen Anatomy 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 238000007792 addition Methods 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000001684 chronic effect Effects 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 210000003414 extremity Anatomy 0.000 description 1
- 208000010749 gastric carcinoma Diseases 0.000 description 1
- 210000003128 head Anatomy 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000035935 pregnancy Effects 0.000 description 1
- 238000005215 recombination Methods 0.000 description 1
- 230000006798 recombination Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 210000002784 stomach Anatomy 0.000 description 1
- 201000000498 stomach carcinoma Diseases 0.000 description 1
- 210000003462 vein Anatomy 0.000 description 1
Images
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
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
- G06F16/367—Ontology
-
- 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
- G06F40/289—Phrasal analysis, e.g. finite state techniques or chunking
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/30—Semantic analysis
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Computational Linguistics (AREA)
- Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Artificial Intelligence (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Animal Behavior & Ethology (AREA)
- Epidemiology (AREA)
- Medical Informatics (AREA)
- Primary Health Care (AREA)
- Public Health (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明公开一种电子病历的编码方法及装置,包括:针对目标病例进行语义识别,以确定所述目标病例对应的关键词集合;利用预设的分析模型对所述关键词集合进行编码分析,以确定所述关键词集合对应的第一编码集合;从所述第一编码集合中,确定所述目标病例对应的目标编码;通过与语义分析确定关键词集合,利用分析模型确定待选编码,并从待选编码中筛选出目标编码;由此实现了自动/半自动的电子病历编码方式,节约了编码过程中的人力消耗,提高了编码效率;并且基于统一的分析逻辑确定目标编码,也提高了编码的准确性。
Description
技术领域
本发明涉及计算机技术领域,尤其涉及一种电子病历的编码方法及装置。
背景技术
在目前医疗领域信息化升级的过程中,大部分的医疗机构都部署了专用的信息***,患者病例也逐步的实现了电子化。而基于电子病历的编码,是信息***运维中不可或缺的环节。电子病历的编码,就是根据《国际疾病分类》(简称ICD)对每个病例进行分类,确定其相应的分类编号。可以说,对于病例的编码是将病例进一步数据化的过程。
在现有技术中,对于电子病历的编码是人工完成的。即专业的编码人员根据电子病历中的各类医疗信息(如疾病诊断、病理诊断、手术记录等)进行ICD查询,从而确定相应的编码。人工进行编码的缺陷在于,需要耗费大量人力,效率低下;并且编码结果以来编码人员的经验和主观判断,错误率较高。
发明内容
本发明提供一种电子病历的编码方法及装置,以至少解决现有技术中存在的以上技术问题。
第一方面,本发明提供一种电子病历的编码方法,包括:
针对目标病例进行语义识别,以确定所述目标病例对应的关键词集合;
利用预设的分析模型对所述关键词集合进行编码分析,以确定所述关键词集合对应的第一编码集合;
从所述第一编码集合中,确定所述目标病例对应的目标编码。
优选地,所述针对目标病例进行语义识别,以确定所述目标病例对应的关键词集合包括:
对所述目标病例进行语义识别,以确定至少一个主导关键词,和至少一个修饰关键词;
根据所述主导关键词和所述修饰关键词,确定所述关键词集合。
优选地,所述利用预设的分析模型对所述关键词集合进行编码分析,以确定所述关键词集合对应的第一编码集合包括:
利用预设的分析模型,对各所述主导关键词和各所述修饰关键词进行编码分析,以确定至少一个待选编码;
根据各所述待选编码,确定所述第一编码集合。
优选地,所述从所述第一编码集合中,确定所述目标病例对应的目标编码包括:
确定各所述待选编码与所述目标病例的匹配度指数;
将所述匹配度指数满足预设条件的待选编码,确定为所述目标编码。
优选地,还包括:
确定查询条件集合;
利用所述分析模型对所述查询条件集合进行编码分析,以确定查询编码。
优选地,所述查询条件集合包括,第一查询条件和第二查询条件;所述利用所述分析模型对所述查询条件集合进行编码分析,以确定查询编码包括:
根据所述第一查询条件,确定第二编码集合;
根据所述第二查询条件,从所述第二编码集合中确定查询编码。
优选地,还包括:
对所述目标病例进行校验,以确定所述目标病例中的异常数据项。
第二方面,本发明提供一种电子病历的编码装置,包括:
关键词集合确定模块,用于针对目标病例进行语义识别,以确定所述目标病例对应的关键词集合;
编码集合确定模块,用于利用预设的分析模型对所述关键词集合进行编码分析,以确定所述关键词集合对应的第一编码集合;
目标编码确定模块,用于从所述第一编码集合中,确定所述目标病例对应的目标编码。
第三方面,本发明提供一种计算机可读存储介质,所述存储介质存储有计算机程序,所述计算机程序用于执行本发明所述的电子病历的编码方法。
第四方面,本发明提供一种电子设备,包括:
处理器;
用于存储所述处理器可执行指令的存储器;
所述处理器,用于从所述存储器中读取所述可执行指令,并执行所述指令以实现本发明所述的电子病历的编码方法。
与现有技术相比,本发明提供的一种电子病历的编码方法及装置,通过与语义分析确定关键词集合,利用分析模型确定待选编码,并从待选编码中筛选出目标编码;由此实现了自动/半自动的电子病历编码方式,节约了编码过程中的人力消耗,提高了编码效率;并且基于统一的分析逻辑确定目标编码,也提高了编码的准确性。
附图说明
图1为本发明一实施例提供的一种电子病历的编码方法的流程示意图;
图2为本发明一实施例提供的另一种电子病历的编码方法的流程示意图;
图3为本发明一实施例提供的一种电子病历的编码装置的结构示意图。
具体实施方式
为使本发明的目的、特征、优点能够更加的明显和易懂,下面将结合本发明实施例中的附图,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,而非全部实施例。基于本发明中的实施例,本领域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。
申请概述
基于电子病历的编码,是信息***运维中不可或缺的环节。电子病历的编码,就是根据《国际疾病分类》(简称ICD)对每个病例进行分类,确定其相应的分类编号。可以说,对于病例的编码是将病例进一步数据化的过程。
在现有技术中,对于电子病历的编码是人工完成的。即专业的编码人员根据电子病历中的各类医疗信息(如疾病诊断、病理诊断、手术记录等)进行ICD查询,从而确定相应的编码。人工进行编码的缺陷在于,需要耗费大量人力,效率低下;并且编码结果以来编码人员的经验和主观判断,错误率较高。
示例性方法
因此,本发明实施例将提供一种电子病历的编码方法,以至少解决现有技术中存在的以上技术问题。如图1所示,本实施例中方法包括以下步骤:
步骤101、针对目标病例进行语义识别,以确定目标病例对应的关键词集合。
目标病例,就是需要进行编码的患者病例。目标病例中可以包括对于患者的诊断、患者主诉、治疗过程描述等各类病例信息。但由于很多目标病例是医生手书,所以其中可能有某些措辞、描述并不完全规范,无法与编码规则(例如《国际疾病分类》)中的用词严格对应。因此往往无法根据对于目标病例的语义分析直接确定其相应的目标编码。所以本实施例中,将通过语义分析,从目标病例中提取出关键词,以构成关键词集合。
具体的,可以对目标病例进行语义识别,以确定至少一个主导关键词,和至少一个修饰关键词;根据主导关键词和所述修饰关键词,确定关键词集合。其中,主导关键词是指,描述疾病、异常症状、异常体征及异常组织等内容的词汇;如腹痛,发热等。修饰关键词是指,描述主导关键词的属性,部位、方位、疾病程度及性质分型等内容的词汇;如下肢、右侧、轻度、慢性等。例如在“下肢深静脉血栓”这一诊断中,“血栓”为主导关键词,“下肢深静脉”为修饰关键词。
从一个完整的目标病例中,通常可以提取到多个主导关键词和多个修饰关键词,因此构建根据各主导关键词和各修饰关键词,确定关键词集合。
例如,本实施例中有具体的目标病例,内容如下:诊断名称“残胃癌”,患者主诉:胃大切术后30年,发现残胃恶性肿瘤10天。门诊拟“残胃癌”收入我科。起病以来,患者有头痛、腹痛症状。
在上述目标病例中,诊断名称“残胃癌”即为“不规范”描述,所以无法在编码规则直接确定对应的编码。本步骤中根据语义分析,可确定出主导关键词如下:癌、恶性肿瘤、痛;可确定出修饰关键词如下:残胃、胃、头、腹。以此可构成关键词集合。
步骤102、利用预设的分析模型对关键词集合进行编码分析,以确定关键词集合对应的第一编码集合。
本实施例中,可以利用预设的分析模型,对各主导关键词和各修饰关键词进行编码分析,以确定至少一个待选编码;根据各待选编码,确定第一编码集合。该分析模型可以是基于编码规则、疾病知识图谱为基础,利用自然语言技术构建的分析模型。具体的,可利用分析模型分析主导关键词和修饰关键词之间的各种组合方式,若某种组合方式在编码规则中存在对应的编码,则将该编码确定为待选编码。
例如在本实施例中,可得到的组合方式与待选编码如下表所示:
组合方式 | 待选编码 |
胃癌 | 编码1 |
残胃恶性肿瘤 | 编码2 |
头痛 | 编码3 |
腹痛 | 编码4 |
通常,上述组合方式中应当存在一种对应了目标病例在编码规则中的规范表述。也就是说,各个待选编码中,应当有一个是目标病例正确的编码。
步骤103、从第一编码集合中,确定目标病例对应的目标编码。
确定了待选编码之后,还将进一步的对于待选编码进行筛选。例如,可以确定各待选编码与目标病例的匹配度指数。通常来说,目标病例中的诊断名称与目标病例在编码规则中的规范表述往往比较接近。所以可以基于语义相似度,词向量相似度,句向量相似度等计算方式,确定各个组合方式与诊断名称的相似度指数。
例如本实施例中,各个组合方式的相似度指数如下表:
组合方式 | 待选编码 | 相似度指数 |
胃癌 | 编码1 | 70% |
残胃恶性肿瘤 | 编码2 | 98% |
头痛 | 编码3 | 3% |
腹痛 | 编码4 | 7% |
进而,可将匹配度指数满足预设条件的待选编码,确定为目标编码。目标编码,也就是目标病例正确的编码。
例如在一些情况下,可将相似度指数最高的待选编码确定为目标编码。或者也可将各个待选编码按照相似度指数排序并提供给编码人员,以便于其更快捷的进行人工选择。
本实施例中,则最终确定“残胃恶性肿瘤”对应的编码2为目标编码。
通过以上技术方案可知,本实施例存在的有益效果是:通过与语义分析确定关键词集合,利用分析模型确定待选编码,并从待选编码中筛选出目标编码;由此实现了自动/半自动的电子病历编码方式,节约了编码过程中的人力消耗,提高了编码效率;并且基于统一的分析逻辑确定目标编码,也提高了编码的准确性。
图1所示仅为本发明所述方法的基础实施例,在其基础上进行一定的优化和拓展,还能够得到所述方法的其他优选实施例。
如图2所示,为本发明所述电子病历的编码方法的另一个具体实施例。本实施例在前述实施例的基础上,进行进一步拓展。图1所示的实施例中,可针对目标病例直接进行语义分析,得到目标编码。但是在另一些场景下,可能会处于某些原因导致目标病例无法直接输入分析***以开启上述方法流程。所以在上述方法的基础上,本实施例中还包括通过输入查询条件进行查询,以进行编码的方式。具体包括以下步骤:
步骤201、确定查询条件集合。
在一些情况下,可能目标病例无法直接作为输入。则编码人员可以从目标病例中确定某些查询条件作为输入,并基于查询条件进行查询,以确定正确的编码。
具体的查询条件集合包括,第一查询条件和第二查询条件。其中,第一查询条件类似于上述的主导关键词,可以是描述疾病、异常症状、异常体征及异常组织等内容的词汇。第二查询条件类似于修饰关键词,可以是描述主导关键词的属性,部位、方位、疾病程度及性质分型等内容的词汇。
步骤202、利用分析模型对查询条件集合进行编码分析,以确定查询编码。
具体的,可以首先输入第一查询条件,根据第一查询条件,确定第二编码集合。例如本实施例中第一查询条件可以是“高血压”。输入该查询条件之后,可以得出多个有关的编码,即确定第二编码集合。
然后在此基础上输入第二查询条件,根据第二查询条件,从第二编码集合中确定查询编码。例如本实施例中,第二查询条件可以是“病因:继发性,症状:妊娠,疾病时间:产褥期”。由此可在第二编码集合中进一步筛选,得到查询编码。
由此,本实施例中实现了通过查询的方式,高效的确定电子病历的编码。
另外优选的,本实施例中还可包括:
步骤203、对目标病例进行校验,以确定目标病例中的异常数据项。
具体的,可在必要的情况下对目标病例进行校验,从而确定其中是否有数据项存在错误,即确定异常数据项。例如,手术治疗费不为零,但是手术操作栏目为空,则显然该数据项存在异常。本实施例中可将异常数据项向编码人员做出提示,以避免异常数据项导致编码错误的发生,从而进一步的提高了编码的准确率。
示例性装置
如图3所示,为本发明所述电子病历的编码装置的一个具体实施例。本实施例装置,即用于执行图1~2所述方法的实体装置。其技术方案本质上与上述实施例一致,上述实施例中的相应描述同样适用于本实施例中。本实施例中装置包括:
关键词集合确定模块301,用于针对目标病例进行语义识别,以确定目标病例对应的关键词集合。
编码集合确定模块302,用于利用预设的分析模型对关键词集合进行编码分析,以确定关键词集合对应的第一编码集合。
目标编码确定模块303,用于从第一编码集合中,确定目标病例对应的目标编码。
另外在图3所示实施例的基础上,优选的,还包括:
关键词集合确定模块301包括:
语义识别单元311,用于对目标病例进行语义识别,以确定至少一个主导关键词,和至少一个修饰关键词;
关键词集合确定单元312,用于根据主导关键词和修饰关键词,确定关键词集合。
编码集合确定模块302包括:
待选编码确定单元321,用于利用预设的分析模型,对各主导关键词和各修饰关键词进行编码分析,以确定至少一个待选编码;
第一集合确定单元322,用于根据各待选编码,确定第一编码集合。
目标编码确定模块303包括:
匹配度单元331,用于确定各待选编码与目标病例的匹配度指数;
目标编码确定单元332,用于将匹配度指数满足预设条件的待选编码,确定为目标编码。
还包括:
查询模块304、用于确定查询条件集合;利用分析模型对查询条件集合进行编码分析,以确定查询编码。
查询条件集合包括,第一查询条件和第二查询条件;查询模块304包括:
第一查询单元341,用于根据第一查询条件,确定第二编码集合;
第二查询单元342,用于根据第二查询条件,从第二编码集合中确定查询编码。
还包括:
校验模块305,用于对目标病例进行校验,以确定目标病例中的异常数据项。
示例性计算机程序产品和计算机可读存储介质
除了上述方法和设备以外,本发明的实施例还可以是计算机程序产品,其包括计算机程序指令,所述计算机程序指令在被处理器运行时使得所述处理器执行本说明书上述“示例性方法”部分中描述的根据本发明各种实施例的方法中的步骤。
所述计算机程序产品可以以一种或多种程序设计语言的任意组合来编写用于执行本发明实施例操作的程序代码,所述程序设计语言包括面向对象的程序设计语言,诸如Java、C++等,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设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。
此外,本发明的实施例还可以是计算机可读存储介质,其上存储有计算机程序指令,所述计算机程序指令在被处理器运行时使得所述处理器执行本说明书上述“示例性方法”部分中描述的根据本发明各种实施例的方法中的步骤。
所述计算机可读存储介质可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以包括但不限于电、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。可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(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。
以上结合具体实施例描述了本发明的基本原理,但是,需要指出的是,在本发明中提及的优点、优势、效果等仅是示例而非限制,不能认为这些优点、优势、效果等是本发明的各个实施例必须具备的。另外,上述公开的具体细节仅是为了示例的作用和便于理解的作用,而非限制,上述细节并不限制本发明为必须采用上述具体的细节来实现。
本发明中涉及的器件、装置、设备、***的方框图仅作为例示性的例子并且不意图要求或暗示必须按照方框图示出的方式进行连接、布置、配置。如本领域技术人员将认识到的,可以按任意方式连接、布置、配置这些器件、装置、设备、***。诸如“包括”、“包含”、“具有”等等的词语是开放性词汇,指“包括但不限于”,且可与其互换使用。这里所使用的词汇“或”和“和”指词汇“和/或”,且可与其互换使用,除非上下文明确指示不是如此。这里所使用的词汇“诸如”指词组“如但不限于”,且可与其互换使用。
还需要指出的是,在本发明的装置、设备和方法中,各部件或各步骤是可以分解和/或重新组合的。这些分解和/或重新组合应视为本发明的等效方案。
提供所公开的方面的以上描述以使本领域的任何技术人员能够做出或者使用本发明。对这些方面的各种修改对于本领域技术人员而言是非常显而易见的,并且在此定义的一般原理可以应用于其他方面而不脱离本发明的范围。因此,本发明不意图被限制到在此示出的方面,而是按照与在此公开的原理和新颖的特征一致的最宽范围。
为了例示和描述的目的已经给出了以上描述。此外,此描述不意图将本发明的实施例限制到在此公开的形式。尽管以上已经讨论了多个示例方面和实施例,但是本领域技术人员将认识到其某些变型、修改、改变、添加和子组合。
Claims (10)
1.一种电子病历的编码方法,其特征在于,包括:
针对目标病例进行语义识别,以确定所述目标病例对应的关键词集合;
利用预设的分析模型对所述关键词集合进行编码分析,以确定所述关键词集合对应的第一编码集合;
从所述第一编码集合中,确定所述目标病例对应的目标编码。
2.根据权利要求1所述方法,其特征在于,所述针对目标病例进行语义识别,以确定所述目标病例对应的关键词集合包括:
对所述目标病例进行语义识别,以确定至少一个主导关键词,和至少一个修饰关键词;
根据所述主导关键词和所述修饰关键词,确定所述关键词集合。
3.根据权利要求2所述方法,其特征在于,所述利用预设的分析模型对所述关键词集合进行编码分析,以确定所述关键词集合对应的第一编码集合包括:
利用预设的分析模型,对各所述主导关键词和各所述修饰关键词进行编码分析,以确定至少一个待选编码;
根据各所述待选编码,确定所述第一编码集合。
4.根据权利要求3所述方法,其特征在于,所述从所述第一编码集合中,确定所述目标病例对应的目标编码包括:
确定各所述待选编码与所述目标病例的匹配度指数;
将所述匹配度指数满足预设条件的待选编码,确定为所述目标编码。
5.根据权利要求1~4任意一项所述方法,其特征在于,还包括:
确定查询条件集合;
利用所述分析模型对所述查询条件集合进行编码分析,以确定查询编码。
6.根据权利要求5所述方法,其特征在于,所述查询条件集合包括,第一查询条件和第二查询条件;所述利用所述分析模型对所述查询条件集合进行编码分析,以确定查询编码包括:
根据所述第一查询条件,确定第二编码集合;
根据所述第二查询条件,从所述第二编码集合中确定查询编码。
7.根据权利要求1~4任意一项所述方法,其特征在于,还包括:
对所述目标病例进行校验,以确定所述目标病例中的异常数据项。
8.一种电子病历的编码装置,其特征在于,包括:
关键词集合确定模块,用于针对目标病例进行语义识别,以确定所述目标病例对应的关键词集合;
编码集合确定模块,用于利用预设的分析模型对所述关键词集合进行编码分析,以确定所述关键词集合对应的第一编码集合;
目标编码确定模块,用于从所述第一编码集合中,确定所述目标病例对应的目标编码。
9.一种计算机可读存储介质,所述存储介质存储有计算机程序,所述计算机程序用于执行上述权利要求1-7任一项所述的电子病历的编码方法。
10.一种电子设备,包括:
处理器;
用于存储所述处理器可执行指令的存储器;
所述处理器,用于从所述存储器中读取所述可执行指令,并执行所述指令以实现上述权利要求1-7任一项所述的电子病历的编码方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011619725.0A CN112802566A (zh) | 2020-12-31 | 2020-12-31 | 一种电子病历的编码方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011619725.0A CN112802566A (zh) | 2020-12-31 | 2020-12-31 | 一种电子病历的编码方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112802566A true CN112802566A (zh) | 2021-05-14 |
Family
ID=75804850
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011619725.0A Pending CN112802566A (zh) | 2020-12-31 | 2020-12-31 | 一种电子病历的编码方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112802566A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113743414A (zh) * | 2021-08-02 | 2021-12-03 | 清华大学 | 基于语义编码的病灶识别方法、装置及*** |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106326640A (zh) * | 2016-08-12 | 2017-01-11 | 上海交通大学医学院附属瑞金医院卢湾分院 | 一种医疗语音控制***及其控制方法 |
CN107731269A (zh) * | 2017-10-25 | 2018-02-23 | 山东众阳软件有限公司 | 基于原始诊断数据和病历文件数据的疾病编码方法及*** |
CN108182207A (zh) * | 2017-12-15 | 2018-06-19 | 上海长江科技发展有限公司 | 基于分词网络的中文手术操作的智能编码方法及*** |
CN109065157A (zh) * | 2018-08-01 | 2018-12-21 | 中国人民解放军第二军医大学 | 一种疾病诊断标准化编码推荐列表确定方法及*** |
CN109273062A (zh) * | 2018-08-09 | 2019-01-25 | 北京爱医声科技有限公司 | Icd智能辅助编码*** |
CN109994215A (zh) * | 2019-04-25 | 2019-07-09 | 清华大学 | 疾病自动编码***、方法、设备和存储介质 |
CN110364234A (zh) * | 2019-06-26 | 2019-10-22 | 浙江大学 | 电子病历智能存储分析检索***及方法 |
CN111081333A (zh) * | 2019-12-03 | 2020-04-28 | 中国医学科学院北京协和医院 | 一种罕见病登记方法 |
CN111180062A (zh) * | 2019-12-12 | 2020-05-19 | 山东众阳健康科技集团有限公司 | 基于原始诊断数据的疾病分类编码智能推荐方法 |
CN111640517A (zh) * | 2020-05-27 | 2020-09-08 | 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 |
CN111899829A (zh) * | 2020-07-31 | 2020-11-06 | 青岛百洋智能科技股份有限公司 | 一种基于icd9/10分词词库的全文检索匹配引擎 |
-
2020
- 2020-12-31 CN CN202011619725.0A patent/CN112802566A/zh active Pending
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106326640A (zh) * | 2016-08-12 | 2017-01-11 | 上海交通大学医学院附属瑞金医院卢湾分院 | 一种医疗语音控制***及其控制方法 |
CN107731269A (zh) * | 2017-10-25 | 2018-02-23 | 山东众阳软件有限公司 | 基于原始诊断数据和病历文件数据的疾病编码方法及*** |
CN108182207A (zh) * | 2017-12-15 | 2018-06-19 | 上海长江科技发展有限公司 | 基于分词网络的中文手术操作的智能编码方法及*** |
CN109065157A (zh) * | 2018-08-01 | 2018-12-21 | 中国人民解放军第二军医大学 | 一种疾病诊断标准化编码推荐列表确定方法及*** |
CN109273062A (zh) * | 2018-08-09 | 2019-01-25 | 北京爱医声科技有限公司 | Icd智能辅助编码*** |
CN109994215A (zh) * | 2019-04-25 | 2019-07-09 | 清华大学 | 疾病自动编码***、方法、设备和存储介质 |
CN110364234A (zh) * | 2019-06-26 | 2019-10-22 | 浙江大学 | 电子病历智能存储分析检索***及方法 |
CN111081333A (zh) * | 2019-12-03 | 2020-04-28 | 中国医学科学院北京协和医院 | 一种罕见病登记方法 |
CN111180062A (zh) * | 2019-12-12 | 2020-05-19 | 山东众阳健康科技集团有限公司 | 基于原始诊断数据的疾病分类编码智能推荐方法 |
CN111640517A (zh) * | 2020-05-27 | 2020-09-08 | 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 |
CN111899829A (zh) * | 2020-07-31 | 2020-11-06 | 青岛百洋智能科技股份有限公司 | 一种基于icd9/10分词词库的全文检索匹配引擎 |
Non-Patent Citations (1)
Title |
---|
黄嘉俊;: "基于组合语义相似度计算的疾病术语自动编码", 微型电脑应用, no. 08, pages 157 - 160 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113743414A (zh) * | 2021-08-02 | 2021-12-03 | 清华大学 | 基于语义编码的病灶识别方法、装置及*** |
CN113743414B (zh) * | 2021-08-02 | 2022-08-05 | 清华大学 | 基于语义编码的病灶识别方法、装置及*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Sohn et al. | Clinical documentation variations and NLP system portability: a case study in asthma birth cohorts across institutions | |
US10275576B2 (en) | Automatic medical coding system and method | |
EP3928322A1 (en) | Automated generation of structured patient data record | |
CN111091881B (zh) | 医疗信息分类方法、医疗分类信息的存储方法及计算设备 | |
US20150046182A1 (en) | Methods and automated systems that assign medical codes to electronic medical records | |
US20140108047A1 (en) | Methods and systems for medical auto-coding using multiple agents with automatic adjustment | |
US11625935B2 (en) | Systems and methods for classification of scholastic works | |
Ito et al. | J-MeDic: A Japanese disease name dictionary based on real clinical usage | |
Zhang et al. | Detecting clinically relevant new information in clinical notes across specialties and settings | |
WO2020048952A1 (en) | Method of classifying medical records | |
US20140244293A1 (en) | Method and system for propagating labels to patient encounter data | |
CN111061835B (zh) | 查询方法及装置、电子设备和计算机可读存储介质 | |
CN112802566A (zh) | 一种电子病历的编码方法及装置 | |
Joo et al. | Neural machine translation–based automated current procedural terminology classification system using procedure text: Development and validation study | |
Yogarajan et al. | Seeing the whole patient: using multi-label medical text classification techniques to enhance predictions of medical codes | |
CN110555212A (zh) | 基于自然语言处理的文档校验方法、装置和电子设备 | |
Zheng et al. | Automatically detecting acute myocardial infarction Events from EHR text: a preliminary study | |
Bozkurt et al. | Automated detection of ambiguity in BI-RADS assessment categories in mammography reports | |
CN115631823A (zh) | 相似病例推荐方法及*** | |
Schneider et al. | CardioBERTpt: Transformer-based Models for Cardiology Language Representation in Portuguese | |
Zeng et al. | Adapting a natural language processing tool to facilitate clinical trial curation for personalized cancer therapy | |
CN113077857A (zh) | 一种医疗数据的关联方法及装置 | |
CN113535938A (zh) | 基于内容识别的标准数据构建方法、***、设备及介质 | |
Lee et al. | An Efficient, Robust, and Customizable Information Extraction and Pre-processing Pipeline for Electronic Health Records. | |
Baghal et al. | Agile natural language processing model for pathology knowledge extraction and integration with clinical enterprise data warehouse |
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 |