CN112883712B - 一种电子病历的智能输入方法及装置 - Google Patents
一种电子病历的智能输入方法及装置 Download PDFInfo
- Publication number
- CN112883712B CN112883712B CN202110162692.XA CN202110162692A CN112883712B CN 112883712 B CN112883712 B CN 112883712B CN 202110162692 A CN202110162692 A CN 202110162692A CN 112883712 B CN112883712 B CN 112883712B
- Authority
- CN
- China
- Prior art keywords
- sentence
- library
- sentences
- similarity
- frequency
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/205—Parsing
- G06F40/211—Syntactic parsing, e.g. based on context-free grammar [CFG] or unification grammars
-
- 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
- G06F16/35—Clustering; Classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/10—Text processing
- G06F40/194—Calculation of difference between files
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/205—Parsing
- G06F40/216—Parsing using statistical methods
-
- 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
- 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
-
- 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
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Computational Linguistics (AREA)
- Artificial Intelligence (AREA)
- Data Mining & Analysis (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- Databases & Information Systems (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Probability & Statistics with Applications (AREA)
- Biomedical Technology (AREA)
- Pathology (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明提供了一种电子病历的智能输入方法及装置,包括如下步骤:对海量电子病历文本数据按病种进行分类;对每一个病种下的句子进行相似度计算,并依据相似度对句子进行聚类;提取同类句子前几个字以内的关键字或词作为句头,建立句头库,同类句子除句头以外的其他部分作为句尾,建立句尾库,统计同类句尾出现频率,建立句频库;输入特定关键字或词,匹配句头库后,确定句子聚类类别,调用句尾库和句频库,进行句尾补全,并在显示设备上展示句频库中频率排序从高到低的多个句尾供用户选择;获取每次用户选择的句尾并实时更新句频库。本发明可有效提高医护人员的病历输入效率,进而留出更多的时间用于治疗患者,提升医疗质量。
Description
技术领域
本发明涉及电子病历技术领域,尤其是涉及一种电子病历的智能输入方法及装置。
背景技术
电子病历(EMR,Electronic Medical Record)是用电子设备进行输入、保存、管理、传输的数字化的病人的医疗记录。随着社会的发展,目前电子病历在我国几乎已取代手写纸张病历。然而随着电子病历的推广,大量的病历输入负担成为占据临床医生时间的一大难题,导致医生花在治疗患者过程的时间减少,最终影响医疗质量。
发明内容
本发明的目的在于提供一种电子病历的智能输入方法及装置,旨在解决电子病历的输入效率问题;
本发明提供一种电子病历的智能输入方法,其特征在于,包括如下步骤:
S1、对海量电子病历文本数据按病种进行分类;
S2、对每一个病种下的句子进行相似度计算,并依据相似度对句子进行聚类;
S3、提取同类句子前几个字以内的关键字或词作为句头,建立句头库,同类句子除句头以外的其他部分作为句尾,建立句尾库,统计同类句尾出现频率,建立句频库;
S4、输入特定关键字或词,匹配句头库后,确定句子聚类类别,调用句尾库和句频库,进行句尾补全,并在显示设备上展示句频库中频率排序从高到低的多个句尾供用户选择;
S5、获取每次用户选择的句尾,并实时更新句频库。
优选的,所述对每一个病种下的句子进行相似度计算,并对句子进行聚类,具体包括:
S21、取第1个句子与第2个句子计算相似度,若相似度大于等于75%,则两个归为一类,反之则计算第1个句子与第3个句子的相似度;
S22、若第1个句子和第2个句子归为一类,则第3个句子需要与第1个句子和第2个句子进行相似度计算,若2个相似度都大于等于75%,则3个句子聚为一类,反之则计算第1个句子与第4个句子的相似度和第2个句子与第4个句子的相似度,依次类推;
S23、得到一种聚类库,重复S21-S22,得到其他聚类库。
优选的,所述对每一个病种下的句子进行相似度计算包括:
根据以下相似度计算的公式对每一个病种下的句子进行相似度计算:
S=1-较短句子变成与较长句子一模一样所需变化的汉字数/较长句子的总汉字数。
优选的,所述对每一个病种下的句子进行相似度计算包括:
根据以下相似度计算的公式对每一个病种下的句子进行相似度计算:
S=1-较短句子变成与较长句子一模一样所需增加的汉字数和替换的汉字数/较长句子的总汉字数。
本发明实施例还提供了一种电子病历的智能输入装置,包括如下模块:
分类模块:用于对海量电子病历文本数据按病种进行分类;
计算模块:用于对每一个病种下的句子进行相似度计算,并依据相似度对句子进行聚类;
建库模块:提取同类句子前几个字以内的关键字或词作为句头,建立句头库,同类句子除句头以外的其他部分作为句尾,建立句尾库,统计同类句尾出现频率,建立句频库;
补全模块:输入特定关键字或词,匹配句头库后,确定句子聚类类别,调用句尾库和句频库,进行句尾补全,并在显示设备上展示句频库中频率排序从高到低的多个句尾供用户选择;
更新模块:用于获取每次用户选择的句尾,并实时更新句频库。
优选的,所述计算模块具体用于:
取第1个句子与第2个句子计算相似度,若相似度大于等于75%,则两个归为一类,反之则计算第1个句子与第3个句子的相似度;
若第1个句子和第2个句子归为一类,则第3个句子需要与第1个句子和第2个句子进行相似度计算,若2个相似度都大于等于75%,则3个句子聚为一类,反之则计算第1个句子与第4个句子的相似度和第2个句子与第4个句子的相似度,依次类推;
得到一种聚类库,重复上述步骤,得到其他聚类库。
优选的,所述计算模块具体用于:
根据以下相似度计算的公式对每一个病种下的句子进行相似度计算:
S=1-较短句子变成与较长句子一模一样所需变化的汉字数/较长句子的总汉字数。
优选的,所述计算模块具体用于:
根据以下相似度计算的公式对每一个病种下的句子进行相似度计算:
S=1-较短句子变成与较长句子一模一样所需增加的汉字数和替换的汉字数/较长句子的总汉字数。
本发明实施例还提供了一种电子病历的智能输入装置,其特征在于,包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述计算机程序被所述处理器执行时实现如上述的电子病历的智能输入方法的步骤。
本发明实施例还提供了一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有信息传递的实现程序,所述程序被处理器执行时实现如上述的电子病历的智能输入方法的步骤。
采用本发明实施例,有效提高医护人员的病历输入效率,进而留出更多的时间用于治疗患者,提升医疗质量。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施方式,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为本发明实施例的电子病历的智能输入方法流程图;
图2为本发明实施例的电子病历的智能输入补全更新方法示意图;
图3为本发明实施例的电子病历的智能输入装置模块示意图;
图4为本发明实施例的电子病历的智能输入电子设备示意图。
附图标记说明:301:分类模块;302:计算模块;303:建库模块;304:补全模块;305:更新模块;410:存储器;420:处理器。
具体实施方式
下面将结合实施例对本发明的技术方案进行清楚、完整地描述,显然,所描述的实施例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。
在本发明的描述中,需要理解的是,术语"中心"、"纵向"、"横向"、"长度"、"宽度"、"厚度"、"上"、"下"、"前"、"后"、"左"、"右"、"竖直"、"水平"、"顶"、"底"、"内"、"外"、"顺时针"、"逆时针"等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。
此外,术语"第一"、"第二"仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有"第一"、"第二"的特征可以明示或者隐含地包括一个或者更多个所述特征。在本发明的描述中,"多个"的含义是两个或两个以上,除非另有明确具体的限定。此外,术语“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。
方法实施例
根据本发明实施例,提供了一种电子病历的智能输入方法,图1是本发明实施例的电子病历的智能输入方法流程图,如图1所示,具体包括:
首先,对海量电子病历文本数据按病种进行分类;
进而,对每一个病种下的句子进行相似度计算,计算公式为S=1-较短句子变成与较长句子一模一样所需增加的汉字数和替换的汉字数/较长句子的总汉字数,并对句子进行聚类,具体步骤一到步骤三如下:
步骤一,取第1个句子与第2个句子计算相似度,若相似度大于等于75%,则两个归为一类,反之则计算第1个句子与第3个句子的相似度;
步骤二,若第1个句子和第2个句子归为一类,则第3个句子需要与第1个句子和第2个句子进行相似度计算,若2个相似度都大于等于75%,则3个句子聚为一类,反之则计算第1个句子与第4个句子的相似度和第2个句子与第4个句子的相似度,依次类推;
步骤三,得到一种聚类库,重复上述步骤,得到其他聚类库。
然后,提取同类句子前几个字以内的关键字或词作为句头,建立句头库,同类句子除句头以外的其他部分作为句尾,建立句尾库,统计同类句尾出现频率,建立句频库;
当用户选择高血压病种后,匹配句头库,确定句子聚类类别,调用句尾库和句频库,图2是本发明实施例的电子病历的智能输入补全更新方法示意图,如图2所示:
当输入关键词“双肺”时,按句尾出现频率进行输入“双肺”后的剩余句子补全,并在显示设备上展示句频库中频率高的未闻及湿性啰音;可闻及湿性啰音;未闻及较多湿性啰音;可闻及湿性啰音;呼吸音清,以供选择;而后用户根据实际情况进行选择;
最后将选择的句尾添加进句频库中进行实时更新。
采用本发明实施例,有效提高医护人员的病历输入效率,进而留出更多的时间用于治疗患者,提升医疗质量。
装置实施例一
根据本发明实施例,提供了一种电子病历的智能输入装置,图3是本发明实施例的电子病历的智能输入装置模块示意图,如图3所示,具体包括:
分类模块301:用于对海量电子病历文本数据按病种进行分类;
计算模块302:用于对每一个病种下的句子进行相似度计算,并对句子进行聚类,统计每一类别里各句子的出现频率,建立句频库;
计算模块具体用于:
取第1个句子与第2个句子计算相似度,相似度计算公式为:
S=1-较短句子变成与较长句子一模一样所需增加的汉字数和替换的汉字数/较长句子的总汉字数;
与下述计算公式相同。
若相似度大于等于75%,则两个归为一类,反之则计算第1个句子与第3个句子的相似度;
若第1个句子和第2个句子归为一类,则第3个句子需要与第1个句子和第2个句子进行相似度计算,若2个相似度都大于等于75%,则3个句子聚为一类,反之则计算第1个句子与第4个句子的相似度和第2个句子与第4个句子的相似度,依次类推;
得到一种聚类库,重复上述处理,得到其他聚类库。
建库模块303:提取同类句子前几个字以内的关键字或词作为句头,建立句头库,同类句子除句头以外的其他部分作为句尾,建立句尾库,同类句尾出现频率,建立句频库;
补全模块304:输入特定关键字或词,匹配句头库后,确定句子聚类类别,调用句尾库和句频库,进行句尾补全,并在显示设备上展示句频库中频率排序从高到低的多个句尾供用户选择;
更新模块305:用于获取每次用户选择的句尾,实时更新句频库。
本发明实施例是与上述方法实施例对应的装置实施例,各个模块的具体操作可以参照方法实施例的描述进行理解,在此不再赘述。
装置实施例二
本发明实施例提供一种电子病历的智能输入装置,如图4所示,包括:存储器410、处理器420及存储在存储器410上并可在处理器420上运行的计算机程序,计算机程序被处理器执行时实现上述方法实施例中一种电子病历的智能输入方法的步骤。
装置实施例三
本发明实施例提供一种计算机可读存储介质,计算机可读存储介质上存储有信息传输的实现程序,程序被处理器420执行时实现一种电子病历的智能输入方法方法步骤。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (10)
1.一种电子病历的智能输入方法,其特征在于,包括如下步骤:
S1、对海量电子病历文本数据按病种进行分类;
S2、对每一个病种下的句子进行相似度计算,并依据相似度对句子进行聚类;
S3、提取同类句子前几个字以内的关键字或词作为句头,建立句头库,同类句子除句头以外的其他部分作为句尾,建立句尾库,统计同类句尾出现频率,建立句频库;
S4、输入特定关键字或词,匹配句头库后,确定句子聚类类别,调用句尾库和句频库,进行句尾补全,并在显示设备上展示句频库中频率排序从高到低的多个句尾供用户选择;
S5、获取每次用户选择的句尾,并实时更新句频库。
2.根据权利要求1所述的方法,其特征在于,所述对每一个病种下的句子进行相似度计算,并对句子进行聚类,具体包括:
S21、取第1个句子与第2个句子计算相似度,若相似度大于等于75%,则两个归为一类,反之则计算第1个句子与第3个句子的相似度;
S22、若第1个句子和第2个句子归为一类,则第3个句子需要与第1个句子和第2个句子进行相似度计算,若2个相似度都大于等于75%,则3个句子聚为一类,反之则计算第1个句子与第4个句子的相似度和第2个句子与第4个句子的相似度,依次类推;
S23、得到一种聚类库,重复S21-S22,得到其他聚类库。
3.根据权利要求2所述的方法,其特征在于,所述对每一个病种下的句子进行相似度计算包括:
根据以下相似度计算的公式对每一个病种下的句子进行相似度计算:
S=1-较短句子变成与较长句子一模一样所需变化的汉字数/较长句子的总汉字数。
4.根据权利要求2所述的方法,其特征在于,所述对每一个病种下的句子进行相似度计算包括:
根据以下相似度计算的公式对每一个病种下的句子进行相似度计算:
S=1-较短句子变成与较长句子一模一样所需增加的汉字数和替换的汉字数/较长句子的总汉字数。
5.一种电子病历的智能输入装置,其特征在于,包括如下模块:
分类模块:用于对海量电子病历文本数据按病种进行分类;
计算模块:用于对每一个病种下的句子进行相似度计算,并依据相似度对句子进行聚类;
建库模块:提取同类句子前几个字以内的关键字或词作为句头,建立句头库,同类句子除句头以外的其他部分作为句尾,建立句尾库,统计同类句尾出现频率,建立句频库;
补全模块:输入特定关键字或词,匹配句头库后,确定句子聚类类别,调用句尾库和句频库,进行句尾补全,并在显示设备上展示句频库中频率排序从高到低的多个句尾供用户选择;
更新模块:用于获取每次用户选择的句尾,并实时更新句频库。
6.根据权利要求5所述的一种装置,其特征在于,所述计算模块具体用于:
取第1个句子与第2个句子计算相似度,若相似度大于等于75%,则两个归为一类,反之则计算第1个句子与第3个句子的相似度;
若第1个句子和第2个句子归为一类,则第3个句子需要与第1个句子和第2个句子进行相似度计算,若2个相似度都大于等于75%,则3个句子聚为一类,反之则计算第1个句子与第4个句子的相似度和第2个句子与第4个句子的相似度,依次类推;
得到一种聚类库,重复上述处理,得到其他聚类库。
7.根据权利要求6所述的装置,其特征在于,所述计算模块具体用于:
根据以下相似度计算的公式对每一个病种下的句子进行相似度计算:
S=1-较短句子变成与较长句子一模一样所需变化的汉字数/较长句子的总汉字数。
8.根据权利要求6所述的装置,其特征在于,所述计算模块具体用于:
根据以下相似度计算的公式对每一个病种下的句子进行相似度计算:
S=1-较短句子变成与较长句子一模一样所需增加的汉字数和替换的汉字数/较长句子的总汉字数。
9.一种电子病历的智能输入装置,其特征在于,包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述计算机程序被所述处理器执行时实现如权利要求1至4中任一项所述的电子病历的智能输入方法的步骤。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有信息传递的实现程序,所述程序被处理器执行时实现如权利要求1至4中任一项所述的电子病历的智能输入方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110162692.XA CN112883712B (zh) | 2021-02-05 | 2021-02-05 | 一种电子病历的智能输入方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110162692.XA CN112883712B (zh) | 2021-02-05 | 2021-02-05 | 一种电子病历的智能输入方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112883712A CN112883712A (zh) | 2021-06-01 |
CN112883712B true CN112883712B (zh) | 2023-05-02 |
Family
ID=76055914
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110162692.XA Active CN112883712B (zh) | 2021-02-05 | 2021-02-05 | 一种电子病历的智能输入方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112883712B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114743621A (zh) * | 2022-03-21 | 2022-07-12 | 北京左医科技有限公司 | 病历的输入预测方法、病历的输入预测装置以及存储介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109637605A (zh) * | 2018-12-11 | 2019-04-16 | 北京大学 | 电子病历结构化方法及计算机可读存储介质 |
CN112016279A (zh) * | 2020-09-04 | 2020-12-01 | 平安科技(深圳)有限公司 | 电子病历结构化方法、装置、计算机设备和存储介质 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111180023A (zh) * | 2018-11-09 | 2020-05-19 | 上海依智医疗技术有限公司 | 生成病历的方法和装置 |
CN111259635A (zh) * | 2020-01-09 | 2020-06-09 | 智业软件股份有限公司 | 一种对病历书写文本补全和预测的方法及*** |
CN112035651B (zh) * | 2020-09-25 | 2024-04-09 | 北京小米松果电子有限公司 | 语句补全方法、装置及计算机可读存储介质 |
-
2021
- 2021-02-05 CN CN202110162692.XA patent/CN112883712B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109637605A (zh) * | 2018-12-11 | 2019-04-16 | 北京大学 | 电子病历结构化方法及计算机可读存储介质 |
CN112016279A (zh) * | 2020-09-04 | 2020-12-01 | 平安科技(深圳)有限公司 | 电子病历结构化方法、装置、计算机设备和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN112883712A (zh) | 2021-06-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11210292B2 (en) | Search method and apparatus | |
JP5952835B2 (ja) | 撮像プロトコルの更新及び/又はリコメンダ | |
US8577109B2 (en) | Systems and methods for automated extraction of measurement information in medical videos | |
US20220301670A1 (en) | Automated information extraction and enrichment in pathology report using natural language processing | |
CN110069779B (zh) | 医疗文本的症状实体识别方法及相关装置 | |
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 | |
CN111317464B (zh) | 心电图分析方法和装置 | |
CN111627512A (zh) | 一种相似病历的推荐方法、装置,电子设备及存储介质 | |
WO2021151302A1 (zh) | 基于机器学习的药品质控分析方法、装置、设备及介质 | |
CN109543718B (zh) | 修改病种描述的方法和装置 | |
CN112466462B (zh) | 一种基于图深度学习的emr信息关联及演化方法 | |
CN111292814A (zh) | 一种医疗数据标准化的方法及装置 | |
CN112541066A (zh) | 基于文本结构化的医技报告检测方法及相关设备 | |
CN114358001A (zh) | 诊断结果的标准化方法及其相关装置、设备和存储介质 | |
CN112635072A (zh) | 基于相似度计算的icu相似病例检索方法、***及存储介质 | |
CN112883712B (zh) | 一种电子病历的智能输入方法及装置 | |
CN112347257A (zh) | 一种患者症状口语化标准化方法和装置 | |
CN111785383A (zh) | 数据处理方法及相关设备 | |
CN111640517B (zh) | 病历编码方法、装置、存储介质及电子设备 | |
CN112802598A (zh) | 基于语音诊疗数据的实时辅助诊疗方法及*** | |
CN112908493A (zh) | 一种在线问诊处理方法、装置、介质及终端设备 | |
CN116206767A (zh) | 疾病知识挖掘方法、装置、电子设备和存储介质 | |
US20230377697A1 (en) | System and a way to automatically monitor clinical trials - virtual monitor (vm) and a way to record medical history | |
CN115458138A (zh) | 一种dip预分组推荐方法、装置、设备和存储介质 | |
CN116259396A (zh) | 基于机器学习的治疗费用预测方法、***、设备及存储介质 |
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 |