CN115719640A - 中医主次症状识别***、装置、电子设备及其存储介质 - Google Patents
中医主次症状识别***、装置、电子设备及其存储介质 Download PDFInfo
- Publication number
- CN115719640A CN115719640A CN202211366935.2A CN202211366935A CN115719640A CN 115719640 A CN115719640 A CN 115719640A CN 202211366935 A CN202211366935 A CN 202211366935A CN 115719640 A CN115719640 A CN 115719640A
- Authority
- CN
- China
- Prior art keywords
- symptom
- symptoms
- target object
- nodes
- primary
- 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.)
- Granted
Links
- 208000024891 symptom Diseases 0.000 title claims abstract description 691
- 239000003814 drug Substances 0.000 title claims abstract description 62
- 238000000034 method Methods 0.000 claims description 51
- 238000004590 computer program Methods 0.000 claims description 17
- 230000002596 correlated effect Effects 0.000 claims description 3
- 208000011580 syndromic disease Diseases 0.000 abstract description 13
- 238000003745 diagnosis Methods 0.000 abstract description 9
- 230000000875 corresponding effect Effects 0.000 description 26
- 238000012545 processing Methods 0.000 description 14
- 238000010586 diagram Methods 0.000 description 13
- 238000004891 communication Methods 0.000 description 8
- 201000010099 disease Diseases 0.000 description 8
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 8
- 238000004422 calculation algorithm Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 7
- 238000004364 calculation method Methods 0.000 description 6
- 238000012163 sequencing technique Methods 0.000 description 4
- 238000011161 development Methods 0.000 description 3
- 230000004069 differentiation Effects 0.000 description 3
- 238000010801 machine learning Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000033228 biological regulation Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 241001465754 Metazoa Species 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000006698 induction Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000008506 pathogenesis Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000003908 quality control method Methods 0.000 description 1
- 238000011160 research Methods 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
Images
Classifications
-
- 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
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明公开了一种中医主次症状识别***、电子设备及其存储介质。该***包括处理器,配置与执行如下步骤:获取目标对象的源数据,基于源数据形成目标对象的症状关系图;其中,症状关系图中包括目标对象的症状节点,且具有关联关系的症状节点之间相互连接;基于症状关系图中症状节点之间的关系确定各症状节点的推荐指数;基于症状节点的推荐指数识别得到目标对象的推荐主次症状。通过这种中医主次症状识别***,能够更快更全面的反映病症的本质,帮助临床医生智能识别主次症,快速确定证型并选择处方,提高了基层医疗机构中医诊疗服务能力。
Description
技术领域
本发明涉及中医症状智能识别技术领域,尤其涉及中医主次症状识别***、装置、电子设备及其存储介质。
背景技术
在中医辩证思维领域中,基于望闻问切四诊所获得的症状与体征总称为“症”,是中医辨证思维展开的基础。临床辨证应先辨“症”再辨“证”,有利于明确病因病机。
随着科学技术的发展,在采用中医传统方法进行诊断的同时,加入技术手段辅助临床医生完成诊断,中医辨症方法所采用的技术手段主要是基于数学模型的相关研究,在获取全部主诉信息之后,通过数据建模、案例推理等方法完成诊断。
通过数据建模、案例推理等方法完成辩症,对数据的处理大多是从症状要素开始,考虑因素比较单一,并没有考虑中医辨证的本质,忽视了中医整体的辩症思维,未明确主次症,导致***诊断速度慢且诊断结果不准确,同时也缺少了对医生专业素质的考虑,使得该方法缺少通用性。
发明内容
本发明提供了一种中医主次症状识别***、装置、电子设备及其存储介质,以解决中医无法准确辨别主次症状的难题,提高中医辨证***的准确性和通用性。
根据本发明的一方面,提供了一种中医主次症状识别***,包括:
处理器,配置与执行如下步骤:
获取目标对象的源数据,基于源数据形成目标对象的症状关系图;其中,症状关系图中包括目标对象的症状节点,且具有关联关系的症状节点之间相互连接;
基于症状关系图中症状节点之间的关系确定各症状节点的推荐指数;
基于症状节点的推荐指数识别得到目标对象的推荐主次症状。
根据本发明的另一方面,提供了一种中医主次症状识别装置,包括:
源数据获取模块,用于获取目标对象的源数据;
症状关系图生成模块,用于基于源数据形成目标对象的症状关系图;其中,症状关系图中包括目标对象的症状节点,且具有关联关系的症状节点之间相互连接;
推荐指数确定模块,用于基于症状关系图中症状节点之间的关系确定各症状节点的推荐指数;
主次症状推荐模块,用于基于症状节点的推荐指数识别得到目标对象的推荐主次症状。
根据本发明的另一方面,提供了一种电子设备,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计算机程序,计算机程序被至少一个处理器执行,以使至少一个处理器能够执行如下方法:
获取目标对象的源数据,基于源数据形成目标对象的症状关系图;其中,症状关系图中包括目标对象的症状节点,且具有关联关系的症状节点之间相互连接;
基于症状关系图中症状节点之间的关系确定各症状节点的推荐指数;
基于症状节点的推荐指数识别得到目标对象的推荐主次症状。
根据本发明的另一方面,提供了一种计算机可读存储介质,计算机可读存储介质存储有计算机指令,计算机指令用于使处理器执行时实现如下方法:
获取目标对象的源数据,基于源数据形成目标对象的症状关系图;其中,症状关系图中包括目标对象的症状节点,且具有关联关系的症状节点之间相互连接;
基于症状关系图中症状节点之间的关系确定各症状节点的推荐指数;
基于症状节点的推荐指数识别得到目标对象的推荐主次症状。
本发明实施例的技术方案,通过一种中医主次症状识别***,对临床医生水平差异提供不同的辩症辅助方法,解决了医生较难和较慢抓准主次症的问题,帮助了不同专业水平的医生能够快速和准确的确定主症状,也能辨别次症状,使得中医主次症识别***具有更高的准确性和通用性。
应当理解,本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征,也不用于限制本发明的范围。本发明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
为了更清楚地说明本发明实施例中的技术方案,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发明的一些实施例,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是本发明实施例一提供的一种中医主次症状识别***所执行方法的流程图。
图2是本发明实施例二提供的一种中医主次症状识别***所执行方法的流程图。
图3是本发明实施例三提供的一种中医主次症状识别***的结构示意图。
图4是本发明实施例中的一种电子设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,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的实施例,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,都应当属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、***、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
本申请所涉及技术方案中对数据的获取、存储和/或处理,符合国家法律法规的相关规定。
实施例一
图1是本发明实施例一提供的一种中医主次症状识别***所执行方法的流程图,本实施例可适用于采用基于目标对象的相关信息推荐主次症的情况,该方法可以由中医主次症状识别***来执行,该中医主次症状识别***可以采用硬件和/或软件的形式实现,该中医主次症状识别***可配置于诸如计算机、手机、服务器等的电子设备中。实施例中的中医主次症状识别***包括处理器,该处理器配置与执行如下步骤:
S110、获取目标对象的源数据,基于源数据形成目标对象的症状关系图;其中,症状关系图中包括目标对象的症状节点,且具有关联关系的症状节点之间相互连接。
其中,目标对象指的是需要通过中医辨证思路进行处理的对象,可以是人体对象,也可以是其他需要诊断的有生命力的动物等,此处对目标对象不作限定。源数据是目标对象提供的数据,该源数据可以是通过输入设备输入的数据,还可以是由外部导入的数据(例如从医学设备中导入的),或者,还可以是从特定服务器或者数据库等存储空间中读取的数据。该源数据可以包括但不限于目标对象的基础体征数据、主诉数据、病历数据、历史诊疗数据、医学影像数据、医学设备采集数据等。该源数据可以是目标对象提供的最新数据,也可以是***存储的历史数据。
目标对象的症状基于目标对象提供的源数据确定的,在一些实施例中,可以是调用症状匹配库,将源数据在症状匹配库中匹配得到,在一些实施例中,可以是调用机器学习模型,例如症状识别模型,将源数据输入至症状识别模型中,得到该症状识别模型输出的症状。其中症状匹配库和症状识别模型等可以是设置在中医主次症状识别***中,还可以是设置在云端或者服务器中,通过将源数据上传至云端或者服务器中,得到云端或者服务器反馈的症状信息。
目标对象的症状可以是多个,本实施例中,通过症状关系图的形式展示多个症状,并从多个症状中识别得到主症状和次症状。症状关系图指的是将获取到的每一症状信息分别作为症状节点处理,并按照症状信息之间的关联关系连接到一起而得到的一种关系图。示例性的,症状关系图可以是一种树型的症状关系图,例如多叉树形式的关系图,也可以是一种网状的症状关系图,例如知识图谱形式的关系图等,此处不限定症状关系图的具体形式。其中,各个症状在关系图中分别作为一个症状节点,各个节点之间存在着关联关系,将具有关联关系的节点之间相互连接,形成目标对象的症状关系图。
具体的,获取目标对象的源数据,确定目标对象对应的症状信息,按照一定的关联关系将各症状连接起来,获得目标对象的症状关系图。可以理解的是,预先设置各症状信息之间的关联关系,该关联关系可以是通过预设关系表的形式存储,还可以是通过关联模型等形式存储。对于目标对象确定的症状信息,通过上述预设的症状信息之间的关联关系进行查询,若目标对象的症状信息中,任意两症状信息之间存在关联关系,则将上述两症状信息分别对应的症状节点之间设置连接线。遍历目标对象的症状信息,形成症状关系图。
示例性的,***操作员书写病历录入目标对象的主诉,通过***解析主诉中的文本内容,获得源数据,将解析后的数据信息与中医症状库进行关键字匹配,根据匹配度获取症状信息,把匹配度较高的若干症状提取出来,一般是2-3个症状信息,先将其设为主要症状,每个主要症状均有一组次要症状,***根据症状两两之间的关联关系进行连接,生成目标对象的症状关系图。
可选的,获取目标对象的源数据,包括如下的一项或多项:获取目标对象的主诉数据;获取目标对象的病历数据;获取目标对象的病史数据。
其中,主诉数据是目标对象提供的一种数据,一般由***操作用户录入***并存储。主诉数据是对目标对象的相关病情进行的高度概括和描述的数据,用最简捷的文字进行科学提炼和归纳。病历数据是医疗机构管理和病种质量控制的重要信息资料数据,是一个诊断和治疗过程的详细的记录,该病历数据可以是***操作用户记录的一些文本信息或者科学数字,也可以是从特定服务器或者数据库等存储空间中读取的数据。该病历数据可以包括但不限于目标对象的门诊数据、住院和治疗数据、疾病种类、医学影像数据、流程用药数据、手术信息数据等。病史数据是目标对象本次和历次患病经历和治疗情况的记录数据,记述了目标对象病后的全过程,即发生、发展、演变和诊治经过数据,可以通过输入设备输入的数据,还可以是由外部导入的数据(例如从医学设备中导入的),或者,还可以是从特定服务器或者数据库等存储空间中读取的数据。该病史数据可以包含但不限于目标对象的现病史数据、既往病史数据、个人病史数据、生育史数据、家族病史数据等。
可选的,基于源数据形成目标对象的症状关系图,包括:将源数据输入至症状匹配模型中,得到症状匹配模型输出的多个症状;将每一症状作为一个症状节点,基于各症状节点之间的关联关系,形成症状关系图。
其中,症状匹配模型是完成源数据中的症状信息与中医症状库匹配的模型,输入参数是源数据和中医症状库,输出结果是多个症状信息,一般是2-3个症状信息,可选的,症状匹配模型的实现原理是采用关键字匹配,匹配度较高的症状信息作为匹配模块的输出结果,例如基于匹配度对各症状信息进行排序,根据排序选择满足排序条件的症状信息;或者,将各症状信息的匹配度与匹配阈值进行比对,将大于匹配阈值的匹配度对应的症状信息作为匹配到的症状信息。其中,中医症状库是汇总了中医学中症状的专业术语的一种数据库,该数据库可根据需求增加新症状,以进行更新。中医症状库可以是直接存储在***中的数据库,也可以是从特定服务器或者数据库等存储空间中读取的数据。该中医症状库里面的数据根据不同的病症的特征进行分类,可以包含但不仅限于疾病名称和其术语、症状信息等。
具体的,通过将初步收集的数据源(例如主诉数据)作为输入参数,将其输入到症状匹配模型中,输入参数即可以作为关键字与中医症状库中症状信息进行匹配,症状匹配模型最终可以输出2-3个症状信息。***将匹配到的症状信息设为主要症状,其中,每个主要症状均有一组次要症状。将获取到的每一个症状信息作为一个症状节点,通过症状匹配模型中预先设置的各症状之间的关联关系,判断上述获得的症状节点之间是否存在关系,如果任意两个节点之间存在关联关系,则将在这两个症状节点之间设置连接线,遍历完所有的症状节点,完成连接线的设置,最终形成一个症状关系图。
示例性的,根据医生水平的差异,形成症状关系图也会有一定的差异。对于会写病历的临床医生,***继续解析录入的现病史内容,***将其作为输入参数输入到症状匹配模型中,匹配模型处理后,输出若干症状供医生操作选择,此时将这些症状作为***参数输入,判断出这些症状间的两两相互主次关系,根据这些主次关系对节点进行连线,最终形成该目标对象的一个网状的症状体系。
在本实施例中,通过获取目标对象的源数据,并将目标对象的各个症状按照症状匹配模型之中预先设置的关联关系连接起来,形成一种症状关系图,这样可以更清晰的看出哪些症状的关系更加紧密,哪些症状是主要的问题所在,为准确抓取主次症奠定了良好的基础;同时,还给根据临床医生的水平差异提供2种辨症辅助方法获取症状关系图。
S120、基于症状关系图中症状节点之间的关系确定各症状节点的推荐指数。
其中,症状节点的推荐指数表征症状节点处症状信息被推荐的置信度,推荐指数越大,被推荐的置信度越大,相应的,被推荐为主症状的概率越大。该推荐指数可以但不仅限于使用百分数表示。症状节点的推荐指数是根据目标对象的症状关系图中节点的层级和分支的多少为该节点进行赋值而获得的,节点赋值越大表示该节点的推荐指数就越高。
具体的,症状关系图是通过有关联关系的症状连接起来而得到的,也就是有关联关系的节点连接起来得到的,对于不同的节点来说,与之有关系的节点数量是不定的,层级和分支数量也有差异,***根据节点的层级和分支的多少进行赋值,得到每个症状节点的推荐指数。
示例性的,可以通过***获得目标对象的一个树型的症状关系图或网状的症状关系图,根据该症状关系图计算各个节点的层级和分支的多少进行赋值,得到每个症状节点的推荐指数。
在本实施例中,通过基于症状关系图获得每个症状节点的推荐指数,从而获得症状节点对应的症状的推荐指数,症状的推荐指数的确定有助于准确辨别主症状和次症状,***将辨别结果推荐给医生,对医生了解目标对象的症状提供了帮助。
可选的,基于症状关系图中症状节点之间的关系确定各症状节点的推荐指数,包括:对于任一症状节点,基于症状节点的关联症状节点的数量,确定症状节点的推荐指数,其中,症状节点的推荐指数与关联症状节点的数量正相关。
其中,数量正相关指的是症状节点的推荐指数与关联症状节点的数量的变化趋势相同,可以是,关联症状节点的数量越大,那么症状节点的推荐指数就越高。
症状节点的推荐指数的确定是基于目标对象的症状关系图确定的,可以通过确定任一症状节点的关联症状节点的数量来确定推荐指数,例如可以把症状节点的数量直接作为推荐指数,也可以对其进行百分比处理,获得相应的百分数,作为该症状节点的推荐指数。
可选的,基于症状关系图中症状节点之间的关系确定各症状节点的推荐指数,包括:
对于任一症状节点,基于症状节点的关联症状节点,以及关联症状节点的权重,确定症状节点的推荐指数。
其中,权重是指症状节点在症状关系图中的重要程度。每一症状节点的权重可以是预先设置。预先设置规则可以是基于医生的临床经验进行综合分析而获得的症状的权重数据库,分别记录每一个症状对应的权重值;也可以是调用机器学习模型,将症状作为模型的输入参数,经模型处理后,获取该症状对应的权重值等。
症状节点的推荐指数的确定是基于目标对象的症状关系图确定的,可以通过对任一症状节点的关联症状节点的权重按照预先设置的计算规则来确定该症状节点的推荐指数,该计算规则可以预先设置在***中,也可以设置在权重计算模型中等。该计算规则可以是对任一症状节点的各个关联症状节点的权重进行加法计算,所得的和作为该症状节点的推荐指数;也可以是对任一症状节点的各个关联症状节点的权重进行乘法、正则运算等其他算法,所得的计算结果作为该症状加点的推荐指数等。具体的,对于任一症状节点,通过获取基于它的关联症状节点的数量或者权重,可以确定该症状节点的推荐指数。可以理解的是,症状节点的推荐指数的确定方法可以是,在症状关系图中,任意一个症状节点会有不同数量与之连接的关联症状节点,将这个连接数量作为推荐指数,数量越大,推荐指数越高。或者,通过***预先设置每一个症状节点的权重值,任意一个症状节点的所有关联症状节点的权重之和作为该症状节点的权重值,权重值越大,推荐指数越高。
在本实施例中,根据获得的症状关系图,不管是树型症状关系图还是网状症状关系图,可以通过确定任一症状节点的关联症状节点的数量或者权重来确定该症状节点的推荐指数。通过这种方法,可以更直观的展现出在症状关系图中的影响最大的症状节点,即推荐指数最高的症状节点,对于判断出主症状提供了可靠的理论依据。
S130、基于症状节点的推荐指数识别得到目标对象的推荐主次症状。
其中,推荐主次症状包含目标对象的推荐主症状和推荐次症状,推荐主症状指的是推荐指数高的症状节点对应的症状,反之,推荐次症状指的是推荐指数低的症状节点对应的症状。其中,***通过采用一定的方法得出症状节点的推荐指数的高低,该方法可以是通过算法模型进行确定,将症状节点的推荐指数作为该算法模型的输入参数,由算法模型进行处理,获得对推荐指数高低的判断结果。
具体的,获得每一个症状节点的推荐指数,判断推荐指数的高低,可以通过算法模型进行判断,获得对推荐指数高低的判断结果,将判断得出的推荐指数高的症状节点对应的症状作为推荐主症状,其他的推荐指数的症状节点对应的症状作为推荐次症状。
在本实施例中,***基于症状节点的推荐指数进行处理,通过采用算法判断推荐指数的高低,获得推荐指数高对应的症状和推荐指数低对应的症状,得出推荐主症状和推荐次症状。通过以上处理方法获得推荐主次症状,有助于***较为准确的抓准目标对象的主次症状。可选的,基于症状节点的推荐指数识别得到目标对象的推荐主次症状,包括:根据各症状节点的推荐指数对各症状进行排序,基于排序确定预设数量的主症状,并将主症状之外的其他症状确定为次症状。
可选的,基于症状节点的推荐指数识别得到目标对象的推荐主次症状,包括:将满足阈值条件的症状确定为主症状,并将主症状之外的其他症状确定为次症状。
其中,阈值指的是一种临界值,是判断主次症状的一个临界值,满足这个临界值可以作为主症状,反之,可以作为次症状。该阈值可以预先设置并存储在***中。
具体的,对于识别目标对象的推荐主次症状,可以根据各症状节点的推荐指数进行判断。可以预先设置规则,从高到低对症状节点的推荐指数进行排序,将推荐指数排名靠前的一个或者多个的症状节点对应的症状作为主症状,其他的症状即为次症状;或者,通过设置一定的阈值条件判断主次症,满足这个阈值的症状节点对应的症状作为主症状,不满足此阈值的症状节点对应的症状视为次症状。
示例性的,确定目标对象的症状关系图,***识别症状关系图得到了症状节点1、症状节点2、症状节点3等三个症状节点的推荐指数分别是99%、90%、88%,那么可以将症状节点1对应的症状视为主症状,症状节点2和症状节点3可以视为次症状。还可以,预先设置阈值为89%,那么症状节点1和症状节点2对应的症状作为主症状,症状节点3对应的症状作为次症状。
进一步的,中医主次症识别***中的处理器,配置与执行的还包括:
根据主次症判断结果,选择证型名;根据疾病和证型,推荐方剂。
症状确定后,需选择中医证型名,***提示证型的症状引导,会直接提示疾病对应的证型名以及相关症状匹配度,通过医生勾选确定最终的证型名,根据疾病和证型,***会推荐方剂,医生则根据推荐选择方剂,也可以对方剂进行修改,录入最适合目标对象的中医处方。
本实施例的技术方案,通过中医主次症状识别***所执行的方法,获取目标对象的源数据。通过症状匹配模型完成源数据与中医症状库的匹配,获取一组症状,根据获取的症状之间的关系生成树型症状关系图或者是网状症状关系图。基于这些关系图,获取任一症状节点的关联症状的数量或者权重,判断症状节点的推荐指数,并确定推荐主次症状;通过此种方法,通过数据处理的方式确定推荐主次症状,提高主次症状识别***更具有准确性和通用性。
实施例二
图2是本发明实施例二提供的一种中医主次症状识别***所执行方法的流程图,在上述实施例的基础上进行优化,可选的,基于源数据形成目标对象的症状关系图,包括:获取目标对象的主诉数据和/或病史数据,基于主诉数据和/或病史数据匹配得到至少一个初始症状,以及各初始症状的关联症状;将初始症状和初始状态的关联症状通过显示界面进行展示,基于检测到的选择操作确定被选择的关联症状;基于初始症状和被选择的关联症状形成症状关系图。如图2所示,该方法包括:
S210、获取目标对象的主诉数据和/或病史数据,基于主诉数据和/或病史数据匹配得到至少一个初始症状,以及各初始症状的关联症状。
其中,初始症状指的是目标对象的最初症状,仅通过主诉数据和/或病史数据首次执行匹配操作获得的症状,每个初始症状会有一组关联的症状。初始症状可以通过调用症状匹配模型获得,将主诉数据和/或病史数据输入到症状匹配模型中,经过模型处理之后,输出初始症状。或者,可以调用外部服务获得,比如外部接口服务,将目标对象的主诉数据和/或病史数据作为输入参数去调用外部的症状匹配接口服务,该接口将返回目标对象的初始症状。关联症状指的是与初始症状有一定关联关系的症状,该关联关系是进行预先设置的,可以是通过预设关系表的形式存储,还可以是通过关联模型等形式存储。
具体的,由***操作员录入的主诉数据和***调取的病史数据作为***的输入参数,***根据关键字匹配原理匹配出至少一个初始症状,***同时会给出与每个初始症状相关的一组关联症状,其中,关联症状通过获取关联关系表中与初始症状有关联关系的症状,也可以通过关联模型获取与初始症状的关联症状。
S220、将初始症状和初始状态的关联症状通过显示界面进行展示,基于检测到的选择操作确定被选择的关联症状。
其中,检测到的选择操作是***操作员对显示界面上展示的初始症状和关联症状执行选中的操作。确定被选择的关联症状是***操作员根据目标对象问诊情况在***上选择与之相关的症状,就是说,源数据经***处理后得到的相关的症状词展示在屏幕上,医生选择一个或者多个症状词,***将其确定为关联症状。
具体的,在***中,展示界面展示目标对象的初始症状和对应的一组关联症状,选择的初始症状不同,展示界面就会更新相应的关联症状。医生根据目标对象的症状判断选择一个或者多个合适的关联症状,***检测到选中的症状,并将其保存至***中。
进一步的,显示界面中每一症状的显示位置处,设置有选择控件,和/或,操作提示信息。
其中,操作提示信息是提示***操作员下一步执行的操作的信息,这类提示信息可以是文本信息,也可以是图像信息等。此类信息是预先设置在***中的,会根据***操作员的操作不同而有所差异。示例性的,当显示界面的窗口展示的是症状信息,那么提示信息的内容是“请操作员选择症状信息”。控件是帮助***操作员完成选择症状的工具,想要选择任意的症状,点击控件即可完成症状选择。
S230、基于被选择的关联症状确定新增关联症状,并将新增关联症状通过显示界面进行展示,其中,新增关联症状在被选择的情况下,继续确定新增关联症状,直到不存在新增关联症状。
其中,新增关联症状是***对关联症状进行处理后而推荐的该关联症状的关联症状中的一个或者多个关联症状。通过将被选择的关联症状作为症状匹配模型的输入参数,症状匹配模型输出多个关联症状,新增关联症状从这些关联症状中选择而获得。按照上述方法继续确定新增关联症状,直到显示界面不再展示关联症状。
具体的,在***的显示界面中,医生选择合适的关联症状之后,***将其作为新增关联症状进行存储,之后,***会根据新增关联症继续进行判断,一旦有基于此新增关联症状的关联症状展示,医生继续选择合适的症状作为新增关联症状,直到不再提示有新增关联症状为止。
示例性的,对目标对象的源数据收集和辨识,根据症状的分值排序,即可判断出主要症状和次要症状。根据匹配度会推荐3-5个中医疾病名称,提示医生勾选,医生也可以新增录入症状,此时根据确定的症状,会再次调整症状的权重分值。可以理解的是,新增录入的症状,***会重新计算症状节点关系图中的各个节点的权重,调整症状的权重分值。
S240、基于初始症状和被选择的关联症状形成症状关系图。
其中,被选择的关联症状指的是***操作员在***的显示界面上选择的适合目标对象的症状。该被选择的关联症状是通过***的处理之后得到的目标对象的关联症状。症状关系图的形成是基于初始症状、被选择的关联症状以及两者之间的关联关系形成的,将存在关联关系的关联症状相互连接,形成目标对象的症状关系图。
具体的,获得初始症状和被选择的关联症状等信息,通过***预先设置的初始症状和被选择的关联症状之间的关联关系,将存在关联关系的症状对应的症状节点之间设置连接线,遍历所有的初始症状和被选择的关联症状完成对应的症状节点之间的连接线设置,形成症状关系图。
S250、基于症状关系图中症状节点之间的关系确定各症状节点的推荐指数。
S260、基于症状节点的推荐指数识别得到目标对象的推荐主次症状。
本实施例的技术方案,获取目标对象的主诉数据和/或病史数据,通过匹配模块完成该数据和中医症状库的匹配,获取初始症状以及与初始症相关的症状,***将这些信息在显示界面上进行展示,医生通过选择这些症状获得新增的关联症状,直到没有新增关联症状出现为止。***将这些症状根据他们之间的关联关系进行连接,形成一种树型或者网状的症状关系图,基于症状关系图判断出每个症状节点的权重,按照分值进行排序。可以通过指定某个分值的症状作为主症状,其余的症状均为次症状;也可以通过设置一个阈值,满足这个阈值的症状节点对应的症状作为主症状,不满足的症状节点对应的症状为次症状。这个方法的执行,可以辅助***操作员更快速更准确的抓准主症状和次症状,为***操作员确定最有效的处方提供了很大的帮助。例如临床经验较少的医生也能通过此***的辅助完成主症状和次症状的辨别,提高了***的通用性。
实施例三
图3是本发明实施例三提供的中医主次症状识别装置的结构示意图,该装置可实现本发明实施例的中医主次症状识别***执行的方法。该装置具体结构如下:
源数据获取模块310,用于获取目标对象的源数据;
症状关系图生成模块320,用于基于源数据形成目标对象的症状关系图;其中,症状关系图中包括目标对象的症状节点,且具有关联关系的症状节点之间相互连接;
推荐指数确定模块330,用于基于症状关系图中症状节点之间的关系确定各症状节点的推荐指数;
主次症状推荐模块340,用于基于症状节点的推荐指数识别得到目标对象的推荐主次症状。
可选的,源数据获取模块310,具体用于:
获取目标对象的主诉数据;
获取目标对象的病历数据;
获取目标对象的病史数据。
可选的,症状关系图生成模块320,具体用于:
将源数据输入至症状匹配模型中,得到症状匹配模型输出的多个症状;
将每一症状作为一个症状节点,基于各症状节点之间的关联关系,形成症状关系图。
可选的,推荐指数确定模块330,具体用于:
对于任一症状节点,基于症状节点的关联症状节点的数量,确定症状节点的推荐指数,其中,症状节点的推荐指数与关联症状节点的数量正相关;
对于任一症状节点,基于症状节点的关联症状节点,以及关联症状节点的权重,确定症状节点的推荐指数。
可选的,主次症状推荐模块340,具体用于:
根据各症状节点的推荐指数对各症状进行排序,基于排序确定预设数量的主症状,并将主症状之外的其他症状确定为次症状;
将满足阈值条件的症状确定为主症状,并将主症状之外的其他症状确定为次症状。
本实施例的技术方案,通过各模块之间的相互配合,实现了中医主次症状识别***中,***通过输入目标对象的数据源之后,结合***操作员的选择操作完成主次症状的辨别。本发明实施例避免了在中医辩证的过程中对中医整体的辩证思维的忽略,解决了医生较难辨别主次症的难题,同时***又考虑到***操作者的专业技能的差异并给出了多种辨别方式,提高了***的通用性和准确性。
实施例四
图4是本发明实施例四提供的一种电子设备的结构示意图。电子设备10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(如头盔、眼镜、手表等)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/或者要求的本发明的实现。
如图4所示,电子设备10包括至少一个处理器11,以及与至少一个处理器11通信连接的存储器,如只读存储器(ROM)12、随机访问存储器(RAM)13等,其中,存储器存储有可被至少一个处理器执行的计算机程序,处理器11可以根据存储在只读存储器(ROM)12中的计算机程序或者从存储单元18加载到随机访问存储器(RAM)13中的计算机程序,来执行各种适当的动作和处理。在RAM 13中,还可存储电子设备10操作所需的各种程序和数据。处理器11、ROM 12以及RAM 13通过总线14彼此相连。输入/输出(I/O)接口15也连接至总线14。
电子设备10中的多个部件连接至I/O接口15,包括:输入单元16,例如键盘、鼠标等;输出单元17,例如各种类型的显示器、扬声器等;存储单元18,例如磁盘、光盘等;以及通信单元19,例如网卡、调制解调器、无线通信收发机等。通信单元19允许电子设备10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。
处理器11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。处理器11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处理器、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。处理器11执行上文所描述的各个方法和处理,例如中医主次症状识别***所执行的方法。
在一些实施例中,中医主次症状识别***所执行的方法可被实现为计算机程序,其被有形地包含于计算机可读存储介质,例如存储单元18。在一些实施例中,计算机程序的部分或者全部可以经由ROM 12和/或通信单元19而被载入和/或安装到电子设备10上。当计算机程序加载到RAM 13并由处理器11执行时,可以执行上文描述的中医主次症状识别***所执行的方法的一个或多个步骤。备选地,在其他实施例中,处理器11可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行中医主次症状识别***所执行的方法。
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。
用于实施本发明的中医主次症状识别***所执行的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序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,使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序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。
实施例五
本发明实施例五还提供了一种计算机可读存储介质,计算机可读存储介质存储有计算机指令,计算机指令用于使处理器执行一种中医主次症状识别***所执行的方法,该方法包括:
获取目标对象的源数据,基于源数据形成目标对象的症状关系图;其中,症状关系图中包括目标对象的症状节点,且具有关联关系的症状节点之间相互连接;
基于症状关系图中症状节点之间的关系确定各症状节点的推荐指数;
基于症状节点的推荐指数识别得到目标对象的推荐主次症状。
在本发明的上下文中,计算机可读存储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计算机程序。计算机可读存储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。备选地,计算机可读存储介质可以是机器可读信号介质。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,可以在电子设备上实施此处描述的***和技术,该电子设备具有: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电子设备。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)、区块链网络和互联网。
计算***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,以解决了传统物理主机与VPS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,本发明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,只要能够实现本发明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,并不构成对本发明保护范围的限制。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。任何在本发明的精神和原则之内所作的修改、等同替换和改进等,均应包含在本发明保护范围之内。
Claims (11)
1.一种中医主次症状识别***,其特征在于,包括:
处理器,配置与执行如下步骤:
获取目标对象的源数据,基于所述源数据形成所述目标对象的症状关系图;其中,所述症状关系图中包括所述目标对象的症状节点,且具有关联关系的症状节点之间相互连接;
基于所述症状关系图中症状节点之间的关系确定各所述症状节点的推荐指数;
基于所述症状节点的推荐指数识别得到所述目标对象的推荐主次症状。
2.根据权利要求1所述的中医主次症状识别***,其特征在于,所述基于所述源数据形成所述目标对象的症状关系图,包括:
获取所述目标对象的主诉数据和/或病史数据,基于所述主诉数据和/或病史数据匹配得到至少一个初始症状,以及各所述初始症状的关联症状;
将所述初始症状和所述初始状态的关联症状通过显示界面进行展示,基于检测到的选择操作确定被选择的关联症状;
基于所述初始症状和所述被选择的关联症状形成症状关系图。
3.根据权利要求2所述的中医主次症状识别***,其特征在于,在基于检测到的选择操作确定被选择的关联症状之后,所述方法还包括:
基于所述被选择的关联症状确定新增关联症状,并将所述新增关联症状通过显示界面进行展示,其中,所述新增关联症状在被选择的情况下,继续确定新增关联症状,直到不存在新增关联症状。
4.根据权利要求2所述的中医主次症状识别***,其特征在于,所述显示界面中每一症状的显示位置处,设置有选择控件,和/或,操作提示信息。
5.根据权利要求1所述的中医主次症状识别***,其特征在于,所述获取目标对象的源数据,包括如下的一项或多项;
获取所述目标对象的主诉数据;
获取所述目标对象的病历数据;
获取所述目标对象的病史数据。
6.根据权利要求5所述的中医主次症状识别***,其特征在于,所述基于所述源数据形成所述目标对象的症状关系图,包括:
将所述源数据输入至症状匹配模型中,得到所述症状匹配模型输出的多个症状;
将每一症状作为一个症状节点,基于各症状节点之间的关联关系,形成症状关系图。
7.根据权利要求1所述的中医主次症状识别***,其特征在于,所述基于所述症状关系图中症状节点之间的关系确定各所述症状节点的推荐指数,包括:
对于任一症状节点,基于所述症状节点的关联症状节点的数量,确定所述症状节点的推荐指数,其中,所述症状节点的推荐指数与所述关联症状节点的数量正相关;或者,
对于任一症状节点,基于所述症状节点的关联症状节点,以及所述关联症状节点的权重,确定所述症状节点的推荐指数。
8.根据权利要求1所述的中医主次症状识别***,其特征在于,所述基于所述症状节点的推荐指数识别得到所述目标对象的推荐主次症状,包括:
根据各所述症状节点的推荐指数对各症状进行排序,基于所述排序确定预设数量的主症状,并将所述主症状之外的其他症状确定为次症状;
或者,将满足阈值条件的症状确定为主症状,并将所述主症状之外的其他症状确定为次症状。
9.一种中医主次症状识别装置,其特征在于,包括:
源数据获取模块,用于获取目标对象的源数据;
症状关系图生成模块,用于基于所述源数据形成所述目标对象的症状关系图;其中,所述症状关系图中包括所述目标对象的症状节点,且具有关联关系的症状节点之间相互连接;
推荐指数确定模块,用于基于所述症状关系图中症状节点之间的关系确定各所述症状节点的推荐指数;
主次症状推荐模块,用于基于所述症状节点的推荐指数识别得到所述目标对象的推荐主次症状。
10.一种电子设备,其特征在于,所述电子设备包括:
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计算机程序,所述计算机程序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如下方法:
获取目标对象的源数据,基于所述源数据形成所述目标对象的症状关系图;其中,所述症状关系图中包括所述目标对象的症状节点,且具有关联关系的症状节点之间相互连接;
基于所述症状关系图中症状节点之间的关系确定各所述症状节点的推荐指数;
基于所述症状节点的推荐指数识别得到所述目标对象的推荐主次症状。
11.一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存储有计算机指令,所述计算机指令用于使处理器执行时实现如下方法:
获取目标对象的源数据,基于所述源数据形成所述目标对象的症状关系图;其中,所述症状关系图中包括所述目标对象的症状节点,且具有关联关系的症状节点之间相互连接;
基于所述症状关系图中症状节点之间的关系确定各所述症状节点的推荐指数;
基于所述症状节点的推荐指数识别得到所述目标对象的推荐主次症状。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211366935.2A CN115719640B (zh) | 2022-11-02 | 2022-11-02 | 中医主次症状识别***、装置、电子设备及其存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211366935.2A CN115719640B (zh) | 2022-11-02 | 2022-11-02 | 中医主次症状识别***、装置、电子设备及其存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115719640A true CN115719640A (zh) | 2023-02-28 |
CN115719640B CN115719640B (zh) | 2023-08-08 |
Family
ID=85254650
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211366935.2A Active CN115719640B (zh) | 2022-11-02 | 2022-11-02 | 中医主次症状识别***、装置、电子设备及其存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115719640B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116469543A (zh) * | 2023-04-21 | 2023-07-21 | 脉景(杭州)健康管理有限公司 | 一种主症兼症识别方法、***及设备 |
Citations (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1280091A2 (en) * | 1996-07-12 | 2003-01-29 | First Opinion Corporation | Computerized medical diagnostic system utilizing list-based processing |
US20080249761A1 (en) * | 2007-04-04 | 2008-10-09 | Easterly Orville E | System and method for the automatic generation of grammatically correct electronic medical records |
US20100010806A1 (en) * | 2008-06-27 | 2010-01-14 | Li Sha Bi | Storage system for symptom information of Traditional Chinese Medicine (TCM) and method for storing TCM symptom information |
CN102184314A (zh) * | 2011-04-02 | 2011-09-14 | 中国医学科学院医学信息研究所 | 面向偏差性症状描述的自动辅助诊断方法 |
US20130268203A1 (en) * | 2012-04-09 | 2013-10-10 | Vincent Thekkethala Pyloth | System and method for disease diagnosis through iterative discovery of symptoms using matrix based correlation engine |
US20150310179A1 (en) * | 2014-04-23 | 2015-10-29 | Vipindas Chengat | System and method that applies relational and non-relational data structures to medical diagnosis |
US20160048651A1 (en) * | 2000-08-01 | 2016-02-18 | Logical Images, Inc. | System and method to aid diagnoses using sympticons |
US20160350508A1 (en) * | 2015-06-01 | 2016-12-01 | International Business Machines Corporation | Recommending available medication based on symptoms |
US20180046773A1 (en) * | 2016-08-11 | 2018-02-15 | Htc Corporation | Medical system and method for providing medical prediction |
CN109346170A (zh) * | 2018-10-26 | 2019-02-15 | 北京惠每云科技有限公司 | 一种智能问诊方法、装置及计算机存储介质 |
KR20200027091A (ko) * | 2018-08-31 | 2020-03-12 | 주식회사 비플컨설팅 | 환자의 주증상과 진단 관계에 대하여 인공신경망 기법을 이용하여 유사성 정도를 추론하여 진단 사례를 추천하는 시스템 |
CN112015917A (zh) * | 2020-09-07 | 2020-12-01 | 平安科技(深圳)有限公司 | 基于知识图谱的数据处理方法、装置及计算机设备 |
WO2021151325A1 (zh) * | 2020-09-09 | 2021-08-05 | 平安科技(深圳)有限公司 | 基于医疗知识图谱的分诊模型训练方法、装置及设备 |
US20210375479A1 (en) * | 2020-05-29 | 2021-12-02 | Beijing Baidu Netcom Science And Technology Co., Ltd. | Method and apparatus for processing electronic medical record data, device and medium |
US20220059228A1 (en) * | 2020-08-21 | 2022-02-24 | Cambia Health Solutions, Inc. | Systems and methods for healthcare insights with knowledge graphs |
CN114464312A (zh) * | 2022-01-04 | 2022-05-10 | 北京欧应信息技术有限公司 | 用于辅助疾病推理的***及存储介质 |
US20220208373A1 (en) * | 2020-12-31 | 2022-06-30 | International Business Machines Corporation | Inquiry recommendation for medical diagnosis |
US20220223245A1 (en) * | 2021-01-13 | 2022-07-14 | Boe Technology Group Co., Ltd. | Drug recommendation method, apparatus and system, electronic device and storage medium |
CN115101193A (zh) * | 2022-06-22 | 2022-09-23 | 脉景(杭州)健康管理有限公司 | 一种症状推荐方法、设备及计算机可读存储介质 |
-
2022
- 2022-11-02 CN CN202211366935.2A patent/CN115719640B/zh active Active
Patent Citations (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1280091A2 (en) * | 1996-07-12 | 2003-01-29 | First Opinion Corporation | Computerized medical diagnostic system utilizing list-based processing |
US20160048651A1 (en) * | 2000-08-01 | 2016-02-18 | Logical Images, Inc. | System and method to aid diagnoses using sympticons |
US20080249761A1 (en) * | 2007-04-04 | 2008-10-09 | Easterly Orville E | System and method for the automatic generation of grammatically correct electronic medical records |
US20100010806A1 (en) * | 2008-06-27 | 2010-01-14 | Li Sha Bi | Storage system for symptom information of Traditional Chinese Medicine (TCM) and method for storing TCM symptom information |
CN102184314A (zh) * | 2011-04-02 | 2011-09-14 | 中国医学科学院医学信息研究所 | 面向偏差性症状描述的自动辅助诊断方法 |
US20130268203A1 (en) * | 2012-04-09 | 2013-10-10 | Vincent Thekkethala Pyloth | System and method for disease diagnosis through iterative discovery of symptoms using matrix based correlation engine |
US20150310179A1 (en) * | 2014-04-23 | 2015-10-29 | Vipindas Chengat | System and method that applies relational and non-relational data structures to medical diagnosis |
US20160350508A1 (en) * | 2015-06-01 | 2016-12-01 | International Business Machines Corporation | Recommending available medication based on symptoms |
US20180046773A1 (en) * | 2016-08-11 | 2018-02-15 | Htc Corporation | Medical system and method for providing medical prediction |
KR20200027091A (ko) * | 2018-08-31 | 2020-03-12 | 주식회사 비플컨설팅 | 환자의 주증상과 진단 관계에 대하여 인공신경망 기법을 이용하여 유사성 정도를 추론하여 진단 사례를 추천하는 시스템 |
CN109346170A (zh) * | 2018-10-26 | 2019-02-15 | 北京惠每云科技有限公司 | 一种智能问诊方法、装置及计算机存储介质 |
US20210375479A1 (en) * | 2020-05-29 | 2021-12-02 | Beijing Baidu Netcom Science And Technology Co., Ltd. | Method and apparatus for processing electronic medical record data, device and medium |
US20220059228A1 (en) * | 2020-08-21 | 2022-02-24 | Cambia Health Solutions, Inc. | Systems and methods for healthcare insights with knowledge graphs |
CN112015917A (zh) * | 2020-09-07 | 2020-12-01 | 平安科技(深圳)有限公司 | 基于知识图谱的数据处理方法、装置及计算机设备 |
WO2021151325A1 (zh) * | 2020-09-09 | 2021-08-05 | 平安科技(深圳)有限公司 | 基于医疗知识图谱的分诊模型训练方法、装置及设备 |
US20220208373A1 (en) * | 2020-12-31 | 2022-06-30 | International Business Machines Corporation | Inquiry recommendation for medical diagnosis |
US20220223245A1 (en) * | 2021-01-13 | 2022-07-14 | Boe Technology Group Co., Ltd. | Drug recommendation method, apparatus and system, electronic device and storage medium |
CN114464312A (zh) * | 2022-01-04 | 2022-05-10 | 北京欧应信息技术有限公司 | 用于辅助疾病推理的***及存储介质 |
CN115101193A (zh) * | 2022-06-22 | 2022-09-23 | 脉景(杭州)健康管理有限公司 | 一种症状推荐方法、设备及计算机可读存储介质 |
Non-Patent Citations (2)
Title |
---|
陈静锋: "《基于电子病历的典型诊疗模式挖掘方法研究》", 《中国博士学位论文全文数据库》, pages 1 - 137 * |
马钰;王宏志;高宏;: "基于医疗知识库的辅助诊疗***", 计算机应用, no. 1, pages 222 - 224 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116469543A (zh) * | 2023-04-21 | 2023-07-21 | 脉景(杭州)健康管理有限公司 | 一种主症兼症识别方法、***及设备 |
CN116469543B (zh) * | 2023-04-21 | 2023-10-27 | 脉景(杭州)健康管理有限公司 | 一种主症兼症识别方法、***及设备 |
Also Published As
Publication number | Publication date |
---|---|
CN115719640B (zh) | 2023-08-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113345577B (zh) | 诊疗辅助信息的生成方法、模型训练方法、装置、设备以及存储介质 | |
US20200151186A1 (en) | Cognitive Computer Assisted Attribute Acquisition Through Iterative Disclosure | |
JP6916310B2 (ja) | 人間参加型対話式モデル訓練 | |
CN110299209B (zh) | 相似病历查找方法、装置、设备及可读存储介质 | |
CN112530576A (zh) | 一种线上医患匹配方法、装置、电子设备及存储介质 | |
JP2020501278A (ja) | 健康状態の計算解析を容易化するシステム及び方法 | |
CN114613523A (zh) | 线上医疗问诊的医生分配方法、装置、存储介质及设备 | |
US20200058408A1 (en) | Systems, methods, and apparatus for linking family electronic medical records and prediction of medical conditions and health management | |
US8977061B2 (en) | Merging face clusters | |
CN110473636B (zh) | 基于深度学习的智能医嘱推荐方法及*** | |
CN115719640B (zh) | 中医主次症状识别***、装置、电子设备及其存储介质 | |
US20240143605A1 (en) | System And Method For Improved State Identification And Prediction In Computerized Queries | |
CN113724860A (zh) | 基于人工智能的医疗检查推荐方法、装置、设备及介质 | |
CN113010783A (zh) | 基于多模态心血管疾病信息的医疗推荐方法、***及介质 | |
CN116580802A (zh) | 信息处理方法、装置、设备、存储介质和程序产品 | |
CN114579626B (zh) | 数据处理方法、数据处理装置、电子设备和介质 | |
CN116386813A (zh) | 手术间负荷均衡方法、装置、设备及存储介质 | |
CN114078576B (zh) | 临床辅助决策方法、装置、设备及介质 | |
CN113838573B (zh) | 临床辅助决策诊断自学习方法、装置、设备和存储介质 | |
CN115472257A (zh) | 一种招募用户的方法、装置、电子设备及存储介质 | |
CN114664421A (zh) | 一种医患匹配方法、装置、电子设备、介质及产品 | |
CN115034196A (zh) | 一种文本信息匹配方法、装置、电子设备及存储介质 | |
CN113870998A (zh) | 问诊方法、装置、电子设备和存储介质 | |
JP2021507392A (ja) | エンティティ間のコンテキスト的類似性の学習および適用 | |
CN116127053B (zh) | 实体词消歧、知识图谱生成和知识推荐方法以及装置 |
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 | ||
PE01 | Entry into force of the registration of the contract for pledge of patent right |
Denomination of invention: Traditional Chinese Medicine primary and secondary symptom recognition system, device, electronic device and its storage medium Granted publication date: 20230808 Pledgee: Agricultural Bank of China Limited Shanghai Free Trade Zone Branch Pledgor: Lianren healthcare Big Data Technology Co.,Ltd. Registration number: Y2024310000046 |
|
PE01 | Entry into force of the registration of the contract for pledge of patent right |