CN115691789A - 中医贴敷的数字化开方方法及*** - Google Patents

Abstract

本发明公开了一种中医贴敷的数字化开方方法及***，通过在患者档案中建立并储存患者病历信息；结合患者档案中建立的患者病历信息，根据出现的统计规律，判断患者病症；根据判断出的患者病症信息，智能推荐出与患者病症信息相适配的中医贴敷处方模板；获取患者病历信息中的患者相关信息，在智能推荐出的中医贴敷处方模板中选择一份与患者相关信息适配性最高的中医贴敷处方模板；实时获取患者病情，在适配性最高的中医贴敷处方模板的基础上调整中医贴敷用药用量，开出中医贴敷的数字化处方，保存为患者个人模板。本发明公开的中医贴敷的数字化开方方法及***，本发明自动化程度高、治疗效果好；智能化程度高、提高医护人员工作效率；可追溯性强，便于治疗效果跟踪。

Description

中医贴敷的数字化开方方法及***

技术领域

本发明涉及医疗管理技术领域，尤其公开了一种中医贴敷的数字化开方方法及***。

背景技术

贴敷疗法是以中医基本理论为指导，应用中草药制剂，施于皮肤、孔窍、腧穴、经络及病变局部等部位的治病方法，属于中药外治法。

现有技术的中医贴敷开方流程主要为挂号-主诉病情-医生辨证-根据症状手写处方。这一过程中，贴敷处方需要医生手写，且没有参考模板，具体药品没有用量规范。处方单没有留存。同时不同时间不同地点适用的贴敷处方会有一定变动，对医生技术考验较大，需要根据时间地点分析思考具体用药用量，工作量较大。目前在贴敷开方这一方面，暂未形成规范化模板和数字化流程。并且医生在开具处方的时候没有模板参考。

因此，现有中医贴敷开方流程中存在的上述缺陷，是目前亟待解决的技术问题。

发明内容

本发明提供了一种中医贴敷的数字化开方方法及***，旨在解决现有中医贴敷开方流程中存在的上述缺陷。

本发明的一方面涉及一种中医贴敷的数字化开方方法，包括以下步骤：

在患者档案中建立患者病历信息；

根据患者档案中建立的患者病历信息，判断患者病症；

根据判断出的患者病症信息，引用相应的处方模板，智能推荐出与患者病症信息相适配的中医贴敷处方模板；

获取患者病历信息中的患者相关信息，在智能推荐出的中医贴敷处方模板中选择一份与患者相关信息适配性最高的中医贴敷处方模板；

实时获取患者病情，在适配性最高的中医贴敷处方模板的基础上调整中医贴敷用药用量，开出中医贴敷的数字化处方，保存为患者个人模板。

进一步地，实时获取患者病情，在适配性最高的中医贴敷处方模板的基础上调整中医贴敷用药用量，开出中医贴敷的数字化处方的步骤之后还包括：

获取患者档案中建立的患者复诊信息，实时调整上次保存的患者个人模板。

进一步地，根据患者档案中建立的患者病历信息，判断患者病症的步骤包括：

根据患者档案中建立的患者病历信息，获取患者主诉，并根据预设的患者主诉与中医辩证关系的规律性，判断患者病症。

进一步地，根据判断出的患者病症信息，引用相应的处方模板，智能推荐出与患者病症信息相适配的中医贴敷处方模板的步骤包括：

建立以中医贴敷处方为对象的权重算法推荐体系；

根据建立的权重算法推荐体系，智能推荐出与患者病症信息相适配的中医贴敷处方模板。

进一步地，建立以中医贴敷处方为对象的权重算法推荐体系的步骤包括：

假定指定数据集中所有病历数量为D，某个病症关键词w在此数据集中出现次数为Dw，在权重算法推荐体系中，计算出逆文本频率指数，逆文本频率指数为：

其中，IDF为逆文本频率指数，D为指定数据集中所有病历数量，Dw为某个病症关键词w在指定数据集中出现次数；

对病历处方里的某个药品名定义为关键词，并对定义的关键词出现次数进行归一化处理，计算出关键词的频率，关键词的频率为：

其中，TF为关键词的频率，A(1)为对病历处方里的某个药品名，A为全部数据集里面的药品关键词的统计总次数；

查询与数据集中所有处方的相关性，结合计算出的逆文本频率指数，进行加权求和，得出含有多味药品的处方综合权重，然后根据权重大小进行中医贴敷处方模板推荐，含有多味药品的处方综合权重为：

TF-IDF＝∑TF(n)·IDF(n)

其中，TF-IDF为含有多味药品的处方综合权重；TF(n)为第n个药品名w(n)出现的词频；IDF(n)为第n个药品名w(n)出现的逆文本频率指数。

本发明的另一方面涉及一种中医贴敷的数字化开方***，包括：

建立模块，用于在患者档案中建立患者病历信息；

判断模块，用于根据患者档案中建立的患者病历信息，判断患者病症；

推荐模块，用于根据判断出的患者病症信息，引用相应的处方模板，智能推荐出与患者病症信息相适配的中医贴敷处方模板；

选择模块，用于获取患者病历信息中的患者相关信息，在智能推荐出的中医贴敷处方模板中选择一份与患者相关信息适配性最高的中医贴敷处方模板；

第一调整模块，用于实时获取患者病情，在适配性最高的中医贴敷处方模板的基础上调整中医贴敷用药用量，开出中医贴敷的数字化处方，保存为患者个人模板。

进一步地，中医贴敷的数字化开方***还包括：

第二调整模块，用于获取患者档案中建立的患者复诊信息，实时调整上次保存的患者个人模板。

进一步地，判断模块，具体用于根据患者档案中建立的患者病历信息，获取患者主诉，并根据预设的患者主诉与中医辩证关系的规律性，判断患者病症；

进一步地，推荐模块包括：

建立单元，用于建立以中医贴敷处方为对象的权重算法推荐体系；

推荐单元，用于根据建立的权重算法推荐体系，智能推荐出与患者病症信息相适配的中医贴敷处方模板。

进一步地，建立单元包括：

第一计算子单元，用于假定指定数据集中所有病历数量为D，某个病症关键词w在此数据集中出现次数为Dw，在权重算法推荐体系中，计算出逆文本频率指数，逆文本频率指数为：

其中，IDF为逆文本频率指数，D为指定数据集中所有病历数量，Dw为某个病症关键词w在指定数据集中出现次数；

第二计算子单元，用于对病历处方里的某个药品名定义为关键词，并对定义的关键词出现次数进行归一化处理，计算出关键词的频率，关键词的频率为：

其中，TF为关键词的频率，A(1)为对病历处方里的某个药品名，A为全部数据集里面的药品关键词的统计总次数；

第三计算子单元，用于查询与数据集中所有处方的相关性，结合计算出的逆文本频率指数，进行加权求和，得出含有多味药品的处方综合权重，然后根据权重大小进行中医贴敷处方模板推荐，含有多味药品的处方综合权重为：

TF-IDF＝∑TF(n)·IDF(n)

其中，TF-IDF为含有多味药品的处方综合权重；TF(n)为第n个药品名w(n)出现的词频；IDF(n)为第n个药品名w(n)出现的逆文本频率指数。

本发明所取得的有益效果为：

本发明提供一种中医贴敷的数字化开方方法及***，通过在患者档案中建立患者病历信息；根据患者档案中建立的患者病历信息，判断患者病症；根据判断出的患者病症信息，引用相应的处方模板，智能推荐出与患者病症信息相适配的中医贴敷处方模板；获取患者病历信息中的患者相关信息，在智能推荐出的中医贴敷处方模板中选择一份与患者相关信息适配性最高的中医贴敷处方模板；实时获取患者病情，在适配性最高的中医贴敷处方模板的基础上调整中医贴敷用药用量，开出中医贴敷的数字化处方，保存为患者个人模板。本发明公开的中医贴敷的数字化开方方法及***，***连接业务管理平台，由学术专家团队管理编辑修改处方模板，根据不同时间不同省份不同病症、体质进行处方推荐；***后台连接业管平台，处方模板由专业学术团队审核编辑优化，依托后台智能推荐算法根据病症体质地区进行智能推荐，自动化程度高、治疗效果好；智能化程度高、提高医护人员工作效率；可追溯性强，便于治疗效果跟踪。

附图说明

图1为本发明提供的中医贴敷的数字化开方方法第一实施例的流程示意图；

图2为本发明提供的中医贴敷的数字化开方方法第二实施例的流程示意图；

图3为图1中所示的获取患者病历信息中的患者相关信息，在智能推荐出的中医贴敷处方模板中选择一份与患者相关信息适配性最高的中医贴敷处方模板步骤中一实施例的细化流程示意图；

图4为本发明提供的中医贴敷的数字化开方***第一实施例的功能框图；

图5为本发明提供的中医贴敷的数字化开方***第二实施例的功能框图。

图6为图4中所示的推荐模块一实施例的功能模块示意图；

图7为图6中所示的建立单元一实施例的子功能模块示意图；

附图标号说明：

10、建立模块；20、判断模块；30、推荐模块；40、选择模块；50、第一调整模块；60、第二调整模块；31、建立单元；32、推荐单元；311、第一计算子单元；312、第二计算子单元；313、第三计算子单元。

具体实施方式

为了更好的理解上述技术方案，下面将结合说明书附图以及具体的实施方式对上述技术方案做详细的说明。

如图1和图2所示，本发明第一实施例提出一种中医贴敷的数字化开方方法，包括以下步骤：

步骤S100、在患者档案中建立患者病历信息。

医生接诊患者后，可点击快速接诊建立患者档案，输入患者基本信息。包含姓名，性别，出生年月，联系方式等。通过患者主诉填写病历内容，体质，病史信息，过敏史等，便于后续诊断和处方推荐参考。

步骤S200、根据患者档案中建立的患者病历信息，判断患者病症。

医生根据患者档案中建立的患者病历信息，获取患者主诉，并根据预设的患者主诉与中医辩证关系的规律性，判断患者病症，选择自己开方或者使用使用贴敷处方模板。若医生选择自己开方，则点击贴敷处方，进行药品选择和规格调整。

步骤S300、根据判断出的患者病症信息，引用相应的处方模板，智能推荐出与患者病症信息相适配的中医贴敷处方模板。

若医生选择使用模板，则点击处方模板，***会根据判断出的患者病症信息，例如根据病症病人体质地区等引用相应的处方模板，智能推荐出与患者病症信息相适配的中医贴敷处方模板。

步骤S400、获取患者病历信息中的患者相关信息，在智能推荐出的中医贴敷处方模板中选择一份与患者相关信息适配性最高的中医贴敷处方模板。

***获取患者病历信息中的患者相关信息，例如地区、体质、证型、病症、相似病历来推荐合适模块，在智能推荐出的中医贴敷处方模板中选择一份与患者相关信息适配性最高的中医贴敷处方模板。

步骤S500、实时获取患者病情，在适配性最高的中医贴敷处方模板的基础上调整中医贴敷用药用量，开出中医贴敷的数字化处方，保存为患者个人模板。

医生实时获取患者病情，根据患者病情对中医贴敷处方模板进行修改，在适配性最高的中医贴敷处方模板的基础上调整中医贴敷用药用量，开出中医贴敷的数字化处方，并保存为患者个人模板。

本实施例提供的中医贴敷的数字化开方方法，同现有技术相比，通过在患者档案中建立患者病历信息；根据患者档案中建立的患者病历信息，判断患者病症；根据判断出的患者病症信息，引用相应的处方模板，智能推荐出与患者病症信息相适配的中医贴敷处方模板；获取患者病历信息中的患者相关信息，在智能推荐出的中医贴敷处方模板中选择一份与患者相关信息适配性最高的中医贴敷处方模板；实时获取患者病情，在适配性最高的中医贴敷处方模板的基础上调整中医贴敷用药用量，开出中医贴敷的数字化处方，保存为患者个人模板。本实施例公开的中医贴敷的数字化开方方法，***连接业务管理平台，由学术专家团队管理编辑修改处方模板，根据不同时间不同省份不同病症、体质进行处方推荐；***后台连接业管平台，处方模板由专业学术团队审核编辑优化，依托后台智能推荐算法根据病症体质地区进行智能推荐，自动化程度高、治疗效果好；智能化程度高、提高医护人员工作效率；可追溯性强，便于治疗效果跟踪。

进一步地，请见图2，图2为本发明提供的中医贴敷的数字化开方方法第二实施例的流程示意图，在第一实施例的基础上，步骤S500之后还包括：

步骤S600、获取患者档案中建立的患者复诊信息，实时调整上次保存的患者个人模板。

医生询问复诊患者治情，在患者档案中建立患者复诊信息，实时调整上次保存的患者个人模板，调整执行贴敷处方。

本实施例提供的中医贴敷的数字化开方方法，同现有技术相比，通过在患者档案中建立患者病历信息；根据患者档案中建立的患者病历信息，判断患者病症；根据判断出的患者病症信息，引用相应的处方模板，智能推荐出与患者病症信息相适配的中医贴敷处方模板；获取患者病历信息中的患者相关信息，在智能推荐出的中医贴敷处方模板中选择一份与患者相关信息适配性最高的中医贴敷处方模板；实时获取患者病情，在适配性最高的中医贴敷处方模板的基础上调整中医贴敷用药用量，开出中医贴敷的数字化处方，保存为患者个人模板；获取患者档案中建立的患者复诊信息，实时调整上次保存的患者个人模板。本实施例公开的中医贴敷的数字化开方方法，***连接业务管理平台，由学术专家团队管理编辑修改处方模板，根据不同时间不同省份不同病症、体质进行处方推荐；***后台连接业管平台，处方模板由专业学术团队审核编辑优化，依托后台智能推荐算法根据病症体质地区进行智能推荐，自动化程度高、治疗效果好；智能化程度高、提高医护人员工作效率；可追溯性强，便于治疗效果跟踪。

优选地，请见图3，图3为图1中所示的步骤S400的细化流程示意图，在本实施例中，步骤S400包括：

步骤S410、建立以中医贴敷处方为对象的权重算法推荐体系。

步骤S420、根据建立的权重算法推荐体系，智能推荐出与患者病症信息相适配的中医贴敷处方模板。

进一步地，步骤S410包括：

假定指定数据集中所有病历数量为D，某个病症关键词w在此数据集中出现次数为Dw，在权重算法推荐体系中，计算出逆文本频率指数，逆文本频率指数为：

在公式(1)中，IDF(Inverse Document Frenquency，逆文本频率指数)为逆文本频率指数，D为指定数据集中所有病历数量，Dw为某个病症关键词w在指定数据集中出现次数。Dw越大，w的权重越小。

对病历处方里的某个药品名定义为关键词，并对定义的关键词出现次数进行归一化处理，计算出关键词的频率，关键词的频率为：

在公式(2)中，TF(Term Frequency，关键词的频率)为关键词的频率，A(1)为对病历处方里的某个药品名，A为全部数据集里面的药品关键词的统计总次数。对定义的关键词出现次数进行归一化处理，也就是用关键词的出现的次数A(1)除以全部数据集里面的药品关键词的统计总次数A。

查询与数据集中所有处方的相关性，结合计算出的逆文本频率指数，进行加权求和，得出含有多味药品的处方综合权重，然后根据权重大小进行中医贴敷处方模板推荐，含有多味药品的处方综合权重为：

TF-IDF＝∑TF(n).IDF(n) (3)

在公式(3)中，TF-IDF为含有多味药品的处方综合权重；TF(n)为第n个药品名w(n)出现的词频；IDF(n)为第n个药品名w(n)出现的逆文本频率指数。

在本实施例中，如果一个病症w查询包含n个药品名w(1)，w(2),…w(n)，它们在一个出现的词频分别是TF(1),TF(2)…TF(n)，然后本次查询的与数据集中所有处方的相关性是：TF(1)+TF(2)…+TF(n)。综合上面的的“逆文本频率指数”IDF，进行加权求和TF(1)·IDF(1)+TF(2)·IDF(2)+…+TF(n)·IDF(n)，就能得出含有多味药品的处方综合权重TF-IDF，然后根据权重大小进行推荐。

本实施例提供的中医贴敷的数字化开方方法，同现有技术相比，通过建立以中医贴敷处方为对象的权重算法推荐体系；根据建立的权重算法推荐体系，智能推荐出与患者病症信息相适配的中医贴敷处方模板。本实施例公开的中医贴敷的数字化开方方法，***连接业务管理平台，由学术专家团队管理编辑修改处方模板，根据不同时间不同省份不同病症、体质进行处方推荐；***后台连接业管平台，处方模板由专业学术团队审核编辑优化，依托后台智能推荐算法根据病症体质地区进行智能推荐，自动化程度高、治疗效果好；智能化程度高、提高医护人员工作效率；可追溯性强，便于治疗效果跟踪。

请见图4，图4为本发明提供的中医贴敷的数字化开方***第一实施例的功能框图，在本实施例中，该中医贴敷的数字化开方***包括建立模块10、判断模块20、推荐模块30、选择模块40和第一调整模块50，其中，建立模块10，用于在患者档案中建立患者病历信息；判断模块20，用于根据患者档案中建立的患者病历信息，判断患者病症；推荐模块30，用于根据判断出的患者病症信息，引用相应的处方模板，智能推荐出与患者病症信息相适配的中医贴敷处方模板；选择模块40，用于获取患者病历信息中的患者相关信息，在智能推荐出的中医贴敷处方模板中选择一份与患者相关信息适配性最高的中医贴敷处方模板；第一调整模块50，用于实时获取患者病情，在适配性最高的中医贴敷处方模板的基础上调整中医贴敷用药用量，开出中医贴敷的数字化处方，保存为患者个人模板。

建立模块10建立患者档案，录入患者基本信息。包含姓名，性别，出生年月，联系方式等。通过患者主诉填写病历内容，体质，病史信息，过敏史等，便于后续诊断和处方推荐参考。

判断模块20根据患者档案中建立的患者病历信息，获取患者主诉，并根据预设的患者主诉与中医辩证关系的规律性，判断患者病症，选择自己开方或者使用使用贴敷处方模板。若医生选择自己开方，则点击贴敷处方，进行药品选择和规格调整。

若医生选择使用模板，则点击处方模板，推荐模块30会根据判断出的患者病症信息，例如根据病症病人体质地区等引用相应的处方模板，智能推荐出与患者病症信息相适配的中医贴敷处方模板。

选择模块40获取患者病历信息中的患者相关信息，例如地区、体质、证型、病症、相似病历来推荐合适模块，在智能推荐出的中医贴敷处方模板中选择一份与患者相关信息适配性最高的中医贴敷处方模板。

第一调整模块50在适配性最高的中医贴敷处方模板的基础上调整中医贴敷用药用量，开出中医贴敷的数字化处方，并保存为患者个人模板。

本实施例提供的中医贴敷的数字化开方***，同现有技术相比，采用建立模块10、判断模块20、推荐模块30、选择模块40和第一调整模块50，通过在患者档案中建立患者病历信息；根据患者档案中建立的患者病历信息，判断患者病症；根据判断出的患者病症信息，引用相应的处方模板，智能推荐出与患者病症信息相适配的中医贴敷处方模板；获取患者病历信息中的患者相关信息，在智能推荐出的中医贴敷处方模板中选择一份与患者相关信息适配性最高的中医贴敷处方模板；实时获取患者病情，在适配性最高的中医贴敷处方模板的基础上调整中医贴敷用药用量，开出中医贴敷的数字化处方，保存为患者个人模板。本实施例公开的中医贴敷的数字化开方***，***连接业务管理平台，由学术专家团队管理编辑修改处方模板，根据不同时间不同省份不同病症、体质进行处方推荐；***后台连接业管平台，处方模板由专业学术团队审核编辑优化，依托后台智能推荐算法根据病症体质地区进行智能推荐，自动化程度高、治疗效果好；智能化程度高、提高医护人员工作效率；可追溯性强，便于治疗效果跟踪。

进一步地，请见图5，图5为本发明提供的中医贴敷的数字化开方***第二实施例的功能框图，在第一实施例的基础上，中医贴敷的数字化开方***还包括第二调整模块60，其中，第二调整模块60，用于获取患者档案中建立的患者复诊信息，实时调整上次保存的患者个人模板。

医生询问复诊患者治情，在患者档案中建立患者复诊信息，实时调整上次保存的患者个人模板，调整执行贴敷处方。

本实施例提供的中医贴敷的数字化开方***，同现有技术相比，采用建立模块10、判断模块20、推荐模块30、选择模块40、第一调整模块50和第二调整模块60，通过在患者档案中建立患者病历信息；根据患者档案中建立的患者病历信息，判断患者病症；根据判断出的患者病症信息，引用相应的处方模板，智能推荐出与患者病症信息相适配的中医贴敷处方模板；获取患者病历信息中的患者相关信息，在智能推荐出的中医贴敷处方模板中选择一份与患者相关信息适配性最高的中医贴敷处方模板；实时获取患者病情，在适配性最高的中医贴敷处方模板的基础上调整中医贴敷用药用量，开出中医贴敷的数字化处方，保存为患者个人模板；获取患者档案中建立的患者复诊信息，实时调整上次保存的患者个人模板。本实施例公开的中医贴敷的数字化开方***，***连接业务管理平台，由学术专家团队管理编辑修改处方模板，根据不同时间不同省份不同病症、体质进行处方推荐；***后台连接业管平台，处方模板由专业学术团队审核编辑优化，依托后台智能推荐算法根据病症体质地区进行智能推荐，自动化程度高、治疗效果好；智能化程度高、提高医护人员工作效率；可追溯性强，便于治疗效果跟踪。

进一步地，参见图6，图6为图4中所示的推荐模块一实施例的功能模块示意图，在本实施例中，推荐模块30包括建立单元31和推荐单元32，其中，建立单元31，用于建立以中医贴敷处方为对象的权重算法推荐体系；推荐单元32，用于根据建立的权重算法推荐体系，智能推荐出与患者病症信息相适配的中医贴敷处方模板。

优选地，请见图7，图7为图6中所示的建立单元一实施例的子功能模块示意图，在本实施例中，建立单元31包括第一计算子单元311、第二计算子单元312和第三计算子单元313，其中，

第一计算子单元311，用于假定指定数据集中所有病历数量为D，某个病症关键词w在此数据集中出现次数为Dw，在权重算法推荐体系中，计算出逆文本频率指数，逆文本频率指数为：

在公式(4)中，IDF(Inverse Document Frenquency，逆文本频率指数)为逆文本频率指数，D为指定数据集中所有病历数量，Dw为某个病症关键词w在指定数据集中出现次数。Dw越大，w的权重越小。

第二计算子单元312，用于对病历处方里的某个药品名定义为关键词，并对定义的关键词出现次数进行归一化处理，计算出关键词的频率，关键词的频率为：

在公式(5)，TF(Term Frequency，关键词的频率)为关键词的频率，A(1)为对病历处方里的某个药品名，A为全部数据集里面的药品关键词的统计总次数。

第三计算子单元313，用于查询与数据集中所有处方的相关性，结合计算出的逆文本频率指数，进行加权求和，得出含有多味药品的处方综合权重，然后根据权重大小进行中医贴敷处方模板推荐，含有多味药品的处方综合权重为：

TF-IDF＝∑TF(n).IDF(n) (6)

在公式(6)中，TF-IDF为含有多味药品的处方综合权重；TF(n)为第n个药品名w(n)出现的词频；IDF(n)为第n个药品名w(n)出现的逆文本频率指数。

在本实施例中，如果一个病症w查询包含n个药品名w(1)，w(2),…w(n)，它们在一个出现的词频分别是TF(1),TF(2)…TF(n)，然后本次查询的与数据集中所有处方的相关性是：TF(1)+TF(2)…+TF(n)。综合上面的的“逆文本频率指数”IDF，进行加权求和TF(1)·IDF(1)+TF(2)·IDF(2)+…+TF(n)·IDF(n)，就能得出含有多味药品的处方综合权重TF-IDF，然后根据权重大小进行推荐。

本实施例提供的中医贴敷的数字化开方***，同现有技术相比，采用建立单元31和推荐单元32，通过建立以中医贴敷处方为对象的权重算法推荐体系；根据建立的权重算法推荐体系，智能推荐出与患者病症信息相适配的中医贴敷处方模板。本实施例公开的中医贴敷的数字化开方***，***连接业务管理平台，由学术专家团队管理编辑修改处方模板，根据不同时间不同省份不同病症、体质进行处方推荐；***后台连接业管平台，处方模板由专业学术团队审核编辑优化，依托后台智能推荐算法根据病症体质地区进行智能推荐，自动化程度高、治疗效果好；智能化程度高、提高医护人员工作效率；可追溯性强，便于治疗效果跟踪。

尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (10)

1.一种中医贴敷的数字化开方方法，其特征在于，包括以下步骤：

在患者档案中建立患者病历信息；

根据所述患者档案中建立的所述患者病历信息，判断患者病症；

根据判断出的患者病症信息，引用相应的处方模板，智能推荐出与所述患者病症信息相适配的中医贴敷处方模板；

获取所述患者病历信息中的患者相关信息，在智能推荐出的中医贴敷处方模板中选择一份与所述患者相关信息适配性最高的中医贴敷处方模板；

实时获取患者病情，在适配性最高的中医贴敷处方模板的基础上调整中医贴敷用药用量，开出中医贴敷的数字化处方，保存为患者个人模板。

2.如权利要求1所述的中医贴敷的数字化开方方法，其特征在于，所述实时获取患者病情，在适配性最高的中医贴敷处方模板的基础上调整中医贴敷用药用量，开出中医贴敷的数字化处方的步骤之后还包括：

获取所述患者档案中建立的患者复诊信息，实时调整执行上次保存的所述患者个人模板。

3.如权利要求1所述的中医贴敷的数字化开方方法，其特征在于，所述根据所述患者档案中建立的所述患者病历信息，判断患者病症的步骤包括：

根据所述患者档案中建立的所述患者病历信息，获取患者主诉，并根据预设的患者主诉与中医辩证关系的规律性，判断患者病症。

4.如权利要求1所述的中医贴敷的数字化开方方法，其特征在于，所述根据判断出的患者病症信息，引用相应的处方模板，智能推荐出与所述患者病症信息相适配的中医贴敷处方模板的步骤包括：

建立以中医贴敷处方为对象的权重算法推荐体系；

根据建立的所述权重算法推荐体系，智能推荐出与所述患者病症信息相适配的中医贴敷处方模板。

5.如权利要求4所述的中医贴敷的数字化开方方法，其特征在于，所述建立以中医贴敷处方为对象的权重算法推荐体系的步骤包括：

假定指定数据集中所有病历数量为D，某个病症关键词w在此数据集中出现次数为Dw，在所述权重算法推荐体系中，计算出逆文本频率指数，所述逆文本频率指数为：

其中，IDF为逆文本频率指数，D为指定数据集中所有病历数量，Dw为某个病症关键词w在指定数据集中出现次数；

对病历处方里的某个药品名定义为关键词，并对定义的关键词出现次数进行归一化处理，计算出关键词的频率，所述关键词的频率为：

其中，TF为关键词的频率，A(1)为对病历处方里的某个药品名，A为全部数据集里面的药品关键词的统计总次数；

查询与数据集中所有处方的相关性，结合计算出的所述逆文本频率指数，进行加权求和，得出含有多味药品的处方综合权重，然后根据权重大小进行中医贴敷处方模板推荐，所述含有多味药品的处方综合权重为：

TF-IDF＝∑TF(n)·IDF(n)

其中，TF-IDF为含有多味药品的处方综合权重；TF(n)为第n个药品名w(n)出现的词频；IDF(n)为第n个药品名w(n)出现的逆文本频率指数。

6.一种中医贴敷的数字化开方***，其特征在于，包括：

建立模块(10)，用于在患者档案中建立患者病历信息；

判断模块(20)，用于根据所述患者档案中建立的所述患者病历信息，判断患者病症；

推荐模块(30)，用于根据判断出的患者病症信息，引用相应的处方模板，智能推荐出与所述患者病症信息相适配的中医贴敷处方模板；

选择模块(40)，用于获取所述患者病历信息中的患者相关信息，在智能推荐出的中医贴敷处方模板中选择一份与所述患者相关信息适配性最高的中医贴敷处方模板；

第一调整模块(50)，用于实时获取患者病情，在适配性最高的中医贴敷处方模板的基础上调整中医贴敷用药用量，开出中医贴敷的数字化处方，保存为患者个人模板。

7.如权利要求6所述的中医贴敷的数字化开方***，其特征在于，所述中医贴敷的数字化开方***还包括：

第二调整模块(60)，用于获取所述患者档案中建立的患者复诊信息，实时调整执行上次保存的所述患者个人模板。

8.如权利要求6所述的中医贴敷的数字化开方***，其特征在于，所述判断模块(20)，具体用于根据所述患者档案中建立的所述患者病历信息，获取患者主诉，并根据预设的患者主诉与中医辩证关系的规律性，判断患者病症。

9.如权利要求6所述的中医贴敷的数字化开方***，其特征在于，所述推荐模块(30)包括：

建立单元(31)，用于建立以中医贴敷处方为对象的权重算法推荐体系；

推荐单元(32)，用于根据建立的所述权重算法推荐体系，智能推荐出与所述患者病症信息相适配的中医贴敷处方模板。

10.如权利要求9所述的中医贴敷的数字化开方***，其特征在于，所述建立单元(31)包括：

第一计算子单元(311)，用于假定指定数据集中所有病历数量为D，某个病症关键词w在此数据集中出现次数为Dw，在所述权重算法推荐体系中，计算出逆文本频率指数，所述逆文本频率指数为：

其中，IDF为逆文本频率指数，D为指定数据集中所有病历数量，Dw为某个病症关键词w在指定数据集中出现次数；

第二计算子单元(312)，用于对病历处方里的某个药品名定义为关键词，并对定义的关键词出现次数进行归一化处理，计算出关键词的频率，所述关键词的频率为：

其中，TF为关键词的频率，A(1)为对病历处方里的某个药品名，A为全部数据集里面的药品关键词的统计总次数；

第三计算子单元(313)，用于查询与数据集中所有处方的相关性，结合计算出的所述逆文本频率指数，进行加权求和，得出含有多味药品的处方综合权重，然后根据权重大小进行中医贴敷处方模板推荐，所述含有多味药品的处方综合权重为：

TF-IDF＝∑TF(n)·IDF(n)

其中，TF-IDF为含有多味药品的处方综合权重；TF(n)为第n个药品名w(n)出现的词频；IDF(n)为第n个药品名w(n)出现的逆文本频率指数。

Images