Nothing Special   »   [go: up one dir, main page]

CN109522422A - 医疗文献推送方法、系统、设备及存储介质 - Google Patents

医疗文献推送方法、系统、设备及存储介质 Download PDF

Info

Publication number
CN109522422A
CN109522422A CN201811339084.6A CN201811339084A CN109522422A CN 109522422 A CN109522422 A CN 109522422A CN 201811339084 A CN201811339084 A CN 201811339084A CN 109522422 A CN109522422 A CN 109522422A
Authority
CN
China
Prior art keywords
medical literature
label
medical
illness
diagnosis
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
Application number
CN201811339084.6A
Other languages
English (en)
Inventor
李林峰
张春宇
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Yiyi Medical Cloud Technology Co Ltd
Original Assignee
Beijing Yiyi Medical Cloud Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Yiyi Medical Cloud Technology Co Ltd filed Critical Beijing Yiyi Medical Cloud Technology Co Ltd
Priority to CN201811339084.6A priority Critical patent/CN109522422A/zh
Publication of CN109522422A publication Critical patent/CN109522422A/zh
Pending legal-status Critical Current

Links

Classifications

    • GPHYSICS
    • G16INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16HHEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/70ICT 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • Biomedical Technology (AREA)
  • Databases & Information Systems (AREA)
  • Pathology (AREA)
  • Epidemiology (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Medical Treatment And Welfare Office Work (AREA)

Abstract

本发明提供了医疗文献推送方法、系统、设备及存储介质,包括步骤:采集诊疗数据,在诊疗数据中提取当前医生的诊断疾病,以作为第一标签;在医疗文献数据库中获取并按相关度排列与第一标签关联的第一医疗文献;获取与诊断疾病对应的诊疗手段,以作为第二标签,在医疗文献数据库中获取并按相关度排列与第一标签以及第二标签共同关联的第二医疗文献;向医生推送前数个第一医疗文献以及前数个第二医疗文献,通过从诊疗数据中提取当前医生的诊断疾病,从而有针对性地获取当前医生的个性化标签,提高了医疗文献推送准确性,有效解决了冷启动问题。

Description

医疗文献推送方法、系统、设备及存储介质
技术领域
本发明涉及医疗以及信息抽取技术领域,具体地说,涉及医疗文献推送方法、系统、设备及存储介质。
背景技术
医疗文献记载着前人和当代人有关医学的大量实践经验和理论,因此是医务人员及其有关工作人员时刻离不开的知识宝库。不但有重要的历史价值,而且是交流经验,提高医疗水平的重要手段。而精准快速的获得与自身领域相关的文献,能够帮助医学工作着提高科研效率,时刻了解与自身息息相关的知识的发展情况。
现有的学术文献推送方法通常使用协同过滤法、邻近信息法以及矩阵分解法。协同过滤法根据用户的以往行为,如学术文献的选择情况或者对学术文献的评价,利用用户与学术文献间的关系,用户之间以及学术文献之间的相互依赖联系,来预测新的用户与学术文献的关系,从而对学术文献进行新的推送。邻近信息法的研究重点在于如何寻找相似用户与相似的学术文献,通过分析一个学术文献与用户已选择过的学术文献的相似性,来预测用户对该学术文献的喜好。矩阵分解法通过历史中的选择信息来学习影响用户与学术文献间关系的潜在因子,挖掘潜在因子矩阵表示用户和学术文献,从而预测用户的选择。
然而上述的学术文献推送方法均没有专门针对医疗文献的推送方法,没有考虑到医疗文献的主要用户为医生的特殊性,无法准确推送用户感兴趣的内容。同时,在没有大量用户历史选择以及评价的情况下,也难以准确推送文献,即存在冷启动问题。
发明内容
针对上述技术中的问题,本发明为了解决上述技术问题,提供了一种医疗文献推送的方法、系统、设备及存储介质,本发明的第一方面提供一种医疗文献推送的方法,包括步骤:采集诊疗数据,在诊疗数据中提取当前医生的诊断疾病,以作为第一标签;在医疗文献数据库中获取并按相关度排列与第一标签关联的第一医疗文献;获取与诊断疾病对应的诊疗手段,以作为第二标签,在医疗文献数据库中获取并按相关度排列与第一标签以及第二标签共同关联的第二医疗文献;向医生推送前数个第一医疗文献以及前数个第二医疗文献。
优选地,在诊疗数据中提取当前医生的诊断疾病的步骤包括,在诊疗数据中提取当前医生在第一时间区间内的诊断病例,按诊断疾病分类累加诊断病例数,提取诊断病例数量多的前一个或前数个诊断疾病。
优选地,在医疗文献数据库中获取并按相关度排列与第一标签关联的第一医疗文献的步骤包括对第一标签对应的诊断疾病进行文献标准化重写,以文献标准化重写后的诊断疾病为关键词在医疗文献数据库中搜索并按相关度排列第一医疗文献。
优选地,获取与诊断疾病对应的诊疗手段,以作为第二标签,在医疗文献数据库中获取并按相关度排列与第一标签以及第二标签共同关联的第二医疗文献的步骤包括:在诊疗数据中提取诊断疾病对应的诊疗手段;以第一标签以及第二标签为关键词在医疗文献数据库中搜索并按相关度排列第二医疗文献。
优选地,向医生推送前数个第一医疗文献以及前数个第二医疗文献的步骤包括:选取前数个第一医疗文献,并按发表时间降序向医生推送;去除与已选取的第一医疗文献重复的第二医疗文献,选取前数个去重后的第二医疗文献,并按发表时间降序向医生推送。
优选地,当存在多个第一标签时,将第一标签以诊断病例数量降序排列,分别获取每一个第一标签对应的第一医疗文献以及第二医疗文献,按第一标签的排列顺序向医生推送对应第一标签的前数个第一医疗文献以及前数个第二医疗文献。
优选地,第二标签包括诊断疾病对应的用药以及诊断疾病对应的手术,分别获取与诊断疾病对应的用药关联的第二医疗文献,与诊断疾病对应的手术关联的第二文献,按第一标签的排列顺序向医生推送第一医疗文献后,按第一标签的排列顺序向医生推送与诊断疾病对应的用药关联的第二医疗文献,最后按第一标签的排列顺序向医生推送与诊断疾病对应的手术关联的第二文献。
优选地,还包括步骤:获取医生在第二时间区间内的医疗文献检索数据,在医疗文献检索数据中提取检索数量多的前一个或前数个诊断疾病,并加入第一标签。
本发明的第二方面提供一种医疗文献推送系统,包括:第一标签模块,第一标签模块用于在诊疗数据中提取当前医生的诊断疾病,以作为第一标签;第二标签模块,第二标签模块用于在诊疗数据中提取与诊断疾病对应的诊疗手段,以作为第二标签;检索模块,检索模块用于在医疗文献数据库中获取并按相关度排列与第一标签关联的第一医疗文献,在医疗文献数据库中获取并按相关度排列与第一标签以及第二标签共同关联的第二医疗文献;推送模块,推送模块用于向医生推送前数个第一医疗文献以及前数个第二医疗文献。
本发明的第三方面还提供一种医疗文献推送设备,包括:处理器;存储器,其中存储有处理器的可执行指令;其中,处理器配置为经由执行可执行指令来执行上述第一方面的医疗文献推送的方法的步骤。
本发明的第四方面还提供一种计算机可读存储介质,用于存储程序,程序被执行时实现上述第一方面的医疗文献推送的方法的步骤。
本发明所提供的医疗文献推送的方法、系统、设备及存储介质通过对于当前医生诊疗数据的获取,从诊疗数据中提取诊断疾病,从而有针对性地获取当前医生的个性化标签,提高了医疗文献推送准确性。由于不依赖于用户历史选择以及评价,因此有效解决了冷启动问题。
附图说明
通过阅读参照以下附图对非限制性实施例所作的详细描述,本发明的其它特征、目的和优点将会变得更明显。
图1是本发明一实施例的医疗文献推送的方法的流程图;
图2是图1中步骤S11的详细流程图;
图3是图1中步骤S12的详细流程图;
图4是图1中步骤S13的详细流程图;
图5是图1中步骤S14的详细流程图;
图6是本发明一实施例的推送医疗文献的排列的示意图;
图7是本发明一实施例的包括医疗文献推送系统的模块示意图;
图8是本发明一实施例的医疗文献推送的设备的结构示意图;以及
图9是本发明一实施例的计算机可读存储介质的结构示意图。
具体实施方式
现在将参考附图更全面地描述示例实施方式。然而,示例实施方式能够以多种形式实施,且不应被理解为限于在此阐述的实施方式。相反,提供这些实施方式使得本发明将全面和完整,并将示例实施方式的构思全面地传达给本领域的技术人员。在图中相同的附图标记表示相同或类似的结构,因而将省略对它们的重复描述。
现有技术没有专门针对医疗文献的推送方法,没有考虑到医疗文献的主要用户为医生的特殊性,无法准确推送用户感兴趣的内容。现有的学术文献推送方法在没有大量用户历史选择以及评价的情况下,也难以准确推送文献,即存在冷启动问题。
本发明提供一种针对特定医生推送医疗文献的方法、系统、设备及存储介质,通过获取当前医生诊疗数据,从诊疗数据中提取诊断疾病,从而有针对性地获取当前医生的个性化标签,提高了医疗文献推送准确性。由于不依赖于医生对于医疗文献的历史选择以及评价,因此有效解决了冷启动问题。
图1是本发明一实施例的医疗文献推送的方法的流程图。如图1所示,本发明的医疗文献推送的方法,包括以下步骤:
S11、采集诊疗数据,在诊疗数据中提取当前医生的诊断疾病,以作为第一标签。图2是图1中步骤S11的详细流程图,如图2所示,步骤S11进一步包括步骤S111,采集诊疗数据。各个医院的诊疗数据,按照业务不同,分布在多个不同信息系统中,较为常见的有医院信息系统,检验信息系统,放射信息管理系统,医学影像存档与通讯系统,电子病历等。获取上述医院已有的信息系统中的诊疗数据。
如步骤S112,提取当前医生在第一时间区间内的诊断病例。本发明提供的医疗文献推送方法针对特定医生,当前使用医疗文献检索系统的使用者或当前医疗文献推送的对象即为当前医生。在获取的诊疗数据中提取当前医生在第一时间区间内的诊断病例,在本实施例中第一时间区间取当前时间的前3个月至当前时间。
如步骤S113,按诊断疾病分类累加诊断病例数,即对相同疾病的诊断病例数进行累加,从而计算当前医生诊断的一个或多个诊断疾病的诊断病例数。在本实施例中,首先抽取诊疗数据中出各个诊断病例的主诊断,也就是每一个诊断病例中对应的主要疾病以作为诊断疾病。诊断疾病依据ICD-10(国际疾病分类,international Classification ofdiseases)进行分类确定,ICD是WHO制定的国际统一的疾病分类方法,它根据疾病的病因、病理、临床表现和解剖位置等特性,将疾病分门别类,使其成为一个有序的组合,目前全世界通用的是第10次修订本《疾病和有关健康问题的国际统计分类》并被统称为ICD-10。
如步骤S114,提取诊断病例数量多的前一个或前数个诊断疾病为第一标签。在本实施例中将诊断疾病按照诊断病例数量降序排列,取前一个或数个诊断疾病为第一标签。
由步骤S111至S114的描述可看出,第一标签通过当前医生的诊疗数据提取,因此是针对当前医生的个性化标签,提高了医疗文献推送的准确性,无需参考任何用户对文献的历史选择以及评价,没有冷启动问题。
优选地,步骤S115至步骤S117是通过医疗文献检索数据对第一标签进一步的补充,提高医疗文献推送的准确性。在其他实施例中也可以不包括步骤S115至步骤S117,而仅通过诊疗数据获取当前医生的第一标签。
具体地,如步骤S115,通过医疗文献检索系统获取当前医生在第二时间区间内的医疗文献检索数据。医疗文献检索数据即医生对医疗文献的历史检索、选择以及评价数据,医疗文献检索数据从医疗文献检索系统中获取。在本实施例中第二时间区间为当前时间前3个月至当前时间。本实施例从历史检索数据中提取诊断疾病,如步骤S116,累加诊断疾病的检索次数。如步骤S117,提取检索次数多的前一个或前数个诊断疾病,并将上述诊断疾病加入步骤S114获取第一标签中。
S12、在医疗文献数据库中获取并按相关度排列与第一标签关联的第一医疗文献。图3是图1中步骤S12的详细流程图,如图3所示,优选地,本实例中步骤S12包括步骤S121,对第一标签对应的诊断疾病进行文献标准化重写。由于部分诊断疾病在文献中并不常用,所以本实施例中根据词典或医疗文献统计词库,对第一标签所对应的诊断疾病进行重写,这样就能保证在后续步骤中检索到更高相关度的医疗文献。如步骤S122,以文献标准化重写后的诊断疾病为关键词在医疗文献数据库中搜索,获取第一医疗文献。在其他实施中也可以不实施步骤S121以及S122,即不对诊断疾病进行重写,而直接以原始提取的诊断疾病在医疗文献数据库中搜索,获取第一医疗文献。
如步骤S123,按相关度排列第一医疗文献。在本实施例中,计算题名关键词匹配数以及全文关键词匹配数,累加题名关键词权重数乘以匹配数,全文关键词权重数乘以匹配数以及发表时间权重数乘以发表距今时间,从而计算获得相关度值,并按数值高低排列。在其他实施例中相关度排序也可以使用其他现有的文献排序方式。
S13、获取与诊断疾病对应的诊疗手段,以作为第二标签,在医疗文献数据库中获取并按相关度排列与第一标签以及第二标签共同关联的第二医疗文献。图4是图1中步骤S13的详细流程图,如图4所示,如步骤S131,在诊疗数据中提取诊断疾病对应的诊疗手段,以作为第二标签。诊疗手段为与诊断疾病对应的用药、手术、检查、检验。以步骤S11中获取的诊疗数据为基础,根据诊断疾病,统计出针对该诊断疾病的常见用药、常见手术、常见检查、常见检验,即诊疗手段,从而作为多个第二标签。
如步骤S132,以第一标签以及第二标签为关键词在医疗文献数据库中搜索,获取第二医疗文献。具体而言,多个第二标签之间以逻辑或,第二标签与第一标签之间以逻辑和的方式组成关键词逻辑关系,在医疗文献数据库中搜索,例如分别以诊断疾病与常见手术为组合关键词,诊断疾病与常见用药为组合关键词分别搜索获取第二医疗文献。在本步骤中,同样可以对第一标签进行文献标准化重写。
如步骤S133,按相关度排列第二医疗文献,相关度排列的方法如上述步骤S123,此处不再赘述。
S14、向当前医生推送第一医疗文献以及第二医疗文献。图5是图1中步骤S14的详细流程图,如图5所示,如步骤S141,获取前数个第一医疗文献,并按发表时间降序向当前医生推送。也就是说,选取相关度高的前数个第一医疗文献以发表时间新近的优先向当前医生推送。推送的方式例如可以是在医疗文献检索系统中向当前医生推送,或连接外部邮件系统以邮件方式推送,或向当前用户端发送推送消息。
如步骤S142,去除与已选取的第一医疗文献重复的第二医疗文献。S143,选取前数个去重后的第二医疗文献,并按发表时间降序向所述医生推送。由于第一医疗文献仅与第一标签相关,而第二医疗文献与第一标签以及第二标签共同关联,因此第一医疗文献包含第二医疗文献,然而由于采用了相关度排序并选取前数个,所以向当前医生推送的第一医疗文献与第二医疗文献不完全相同,通过S142的去重步骤进一步区别推送文献,避免了重复推送。采用第一医疗文献与第二医疗文献的双重推送方式能够有效避免单一维度的数据偏差,提高推送文献的准确性。
图6是本发明一实施例的推送医疗文献的排列的示意图。如图6所示,当存在多个第一标签时,将第一标签以诊断病例数量降序排列,分别获取每一个第一标签对应的第一医疗文献101以及第二医疗文献102,按第一标签的排列顺序向当前医生推送对应第一标签的前数个第一医疗文献101以及前数个第二医疗文献102,从而在保证推送文献准确性的前提下,有效提高了推送信息的覆盖范围。
在本实施例中,为了达到推送医疗文献的信息量最大化,在保证相关度以及及时性的情况下,提高推送文献的内容覆盖面,首先按第一标签的排列顺序推送所有第一标签对应的第一篇第一医疗文献,然后推送所有第一标签对应的第二篇第一医疗文献,以此类推。将第一医疗文献推送完毕后,按第一标签的排列顺序推送所有第一标签对应的第一篇第二医疗文献,然后推送所有第一标签对应的第二篇第二医疗文献,以此类推。
优选地,第二标签包括诊断疾病对应的用药以及诊断疾病对应的手术。
获取每一个第一标签对应的第一医疗文献101后,分别获取每一个第一标签以及与其对应的用药关联的第二医疗文献103,获取每一个第一标签以及与其对应的手术关联的第二医疗文献104。
如文件推荐列表201的排列方式向对应以上推荐医疗文献,具体而言,首先按第一标签的排列顺序向医生推送第一医疗文献104后,按第一标签的排列顺序向医生推送与用药关联的第二医疗文献103,最后按第一标签的排列顺序向医生推送与手术关联的第二文献104。
本发明提供了专门针对医疗文献的推送方法,考虑到医疗文献的主要用户为医生的特殊性,通过获取当前医生诊疗数据,从诊疗数据中提取当前医生的诊断疾病作为第一标签,从而有针对性地获取当前医生的个性化标签,提高了医疗文献推送准确性。由于不依赖于医生对于医疗文献的历史选择以及评价,因此有效解决了冷启动问题。
获取诊断疾病对应的诊疗手段作为第二标签,以第一标签获得第一医疗文献,第一标签以及第二标签共同获得第二医疗文献,采用第一医疗文献与第二医疗文献的双重推送方式,增加推送维度,有效避免单一维度的数据偏差,提高推送文献的准确性。
本发明还提供了一种医疗文献推送的系统,该医疗文献推送的系统从诊疗数据中提取当前医生的诊断疾病作为第一标签,从而有针对性地获取当前医生的个性化标签,提高了医疗文献推送准确性。由于不依赖于医生对于医疗文献的历史选择以及评价,因此有效解决了冷启动问题。
图7是本发明一实施例的包括医疗文献推送系统的模块示意图。如图7所示,本发明的医疗文献推送系统11包括第一标签模块11,第二标签模块12,检索模块13,推送模块14。
第一标签模块11与第二标签模块12与外部的医院诊疗信息系统20数据连接。医院诊疗信息系统20通常包括医院信息系统,检验信息系统,放射信息管理系统,医学影像存档与通讯系统,电子病历等。医院诊疗信息系统20中存储诊疗信息。
第一标签模块11用于在诊疗数据中提取当前医生的诊断疾病,以作为第一标签。第二标签模块12用于在诊疗数据中提取与诊断疾病对应的诊疗手段,以作为第二标签。
检索模块13与外部的医疗文献数据库30数据连接,用于在医疗文献数据库30中获取并按相关度排列与第一标签关联的第一医疗文献,在医疗文献数据库30中获取并按相关度排列与第一标签以及第二标签共同关联的第二医疗文献。
推送模块14用于向当前医生推送前数个第一医疗文献以及前数个第二医疗文献。
可以理解的是,本医疗文献推送系统10还包括其他支持医疗文献推送系统10运行的现有功能模块。图7显示的医疗文献推送系统10仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
本实施例中的医疗文献推送系统10用于实现上述的医疗文献推送的方法,因此对于医疗文献推送系统10的具体实施步骤可以参照上述对医疗文献推送的方法的描述,此处不再赘述。
本发明实施例还提供一种医疗文献推送设备,包括处理器。存储器,其中存储有处理器的可执行指令。其中,处理器配置为经由执行可执行指令来执行的上述的医疗文献推送的方法的步骤。
如上,该实施例通过从诊疗数据中提取当前医生的诊断疾病作为第一标签,从而有针对性地获取当前医生的个性化标签,提高了医疗文献推送准确性。由于不依赖于医生对于医疗文献的历史选择以及评价,因此有效解决了冷启动问题。
所属技术领域的技术人员能够理解,本发明的各个方面可以实现为系统、方法或程序产品。因此,本发明的各个方面可以具体实现为以下形式,即:完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等),或硬件和软件方面结合的实施方式,这里可以统称为“电路”、“模块”或“平台”。
图8是本发明一实施例的医疗文献推送设备的结构示意图。下面参照图8来描述根据本发明的这种实施方式的医疗文献推送设备600。图8显示的医疗文献推送设备600仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图8所示,医疗文献推送设备600以通用计算设备的形式表现。医疗文献推送设备600的组件可以包括但不限于:至少一个处理单元610、至少一个存储单元620、连接不同平台组件(包括存储单元620和处理单元610)的总线630、显示单元640等。
其中,存储单元存储有程序代码,程序代码可以被处理单元610执行,使得处理单元610执行本说明书上述电子处方流转处理方法部分中描述的根据本发明各种示例性实施方式的步骤。例如,处理单元610可以执行如图1中所示的步骤。
存储单元620可以包括易失性存储单元形式的可读介质,例如随机存取存储单元(RAM)6201和/或高速缓存存储单元6202,还可以进一步包括只读存储单元(ROM)6203。
存储单元620还可以包括具有一组(至少一个)程序模块6205的程序/实用工具6204,这样的程序模块6205包括但不限于:操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。
总线630可以为表示几类总线结构中的一种或多种,包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。
医疗文献推送设备600也可以与一个或多个外部设备700(例如键盘、指向设备、蓝牙设备等)通信,还可与一个或者多个使得用户能与该医疗文献推送设备600交互的设备通信,和/或与使得该医疗文献推送设备600能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口650进行。并且,医疗文献推送设备600还可以通过网络适配器660与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。网络适配器660可以通过总线630与医疗文献推送设备600的其它模块通信。应当明白,尽管图中未示出,可以结合医疗文献推送设备600使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储平台等。
本发明实施例还提供一种计算机可读存储介质,用于存储程序,程序被执行时实现上述实施例中的医疗文献推送的方法的步骤。在一些可能的实施方式中,本发明的各个方面还可以实现为一种程序产品的形式,其包括程序代码,当程序产品在终端设备上运行时,程序代码用于使终端设备执行本说明书上述电子处方流转处理方法部分中描述的根据本发明各种示例性实施方式的步骤。
如上所示,该实施例的计算机可读存储介质的程序在执行时,通过从诊疗数据中提取当前医生的诊断疾病作为第一标签,从而有针对性地获取当前医生的个性化标签,提高了医疗文献推送准确性。由于不依赖于医生对于医疗文献的历史选择以及评价,因此有效解决了冷启动问题
图9是本发明一实施例的计算机可读存储介质的结构示意图。参考图9所示,描述了根据本发明的实施方式的用于实现上述方法的程序产品800,其可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码,并可以在终端设备,例如个人电脑上运行。然而,本发明的程序产品不限于此,在本文件中,可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
程序产品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为但不限于电、磁、光、电磁、红外线、或半导体的系统、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。
计算机可读存储介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了可读程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。可读存储介质还可以是可读存储介质以外的任何可读介质,该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。可读存储介质上包含的程序代码可以用任何适当的介质传输,包括但不限于无线、有线、光缆、RF等等,或者上述的任意合适的组合。
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操作的程序代码,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。在涉及远程计算设备的情形中,远程计算设备可以通过任意种类的网络,包括局域网(LAN)或广域网(WAN),连接到用户计算设备,或者,可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
本发明的医疗文献推送的方法、系统、设备及存储介质通过从诊疗数据中提取当前医生的诊断疾病作为第一标签,从而有针对性地获取当前医生的个性化标签,提高了医疗文献推送准确性。由于不依赖于医生对于医疗文献的历史选择以及评价,因此有效解决了冷启动问题。
通过获取诊断疾病对应的诊疗手段作为第二标签,以第一标签获得第一医疗文献,第一标签以及第二标签共同获得第二医疗文献,采用第一医疗文献与第二医疗文献的双重推送方式,增加推送维度,有效避免单一维度的数据偏差,提高推送文献的准确性。
以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明,不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干简单推演或替换,都应当视为属于本发明的保护范围。

Claims (11)

1.一种医疗文献推送方法,其特征在于包括步骤:
采集诊疗数据,在所述诊疗数据中提取当前医生的诊断疾病,以作为第一标签;
在医疗文献数据库中获取并按相关度排列与所述第一标签关联的第一医疗文献;
获取与所述诊断疾病对应的诊疗手段,以作为第二标签,在医疗文献数据库中获取并按相关度排列与所述第一标签以及所述第二标签共同关联的第二医疗文献;
向所述医生推送前数个所述第一医疗文献以及前数个所述第二医疗文献。
2.如权利要求1所述的医疗文献推送方法,其特征在于,在所述诊疗数据中提取当前医生的诊断疾病的步骤包括,在所述诊疗数据中提取当前医生在第一时间区间内的诊断病例,按诊断疾病分类累加诊断病例数,提取诊断病例数量多的前一个或前数个诊断疾病。
3.如权利要求1所述的医疗文献推送方法,其特征在于,在医疗文献数据库中获取并按相关度排列与所述第一标签关联的第一医疗文献的步骤包括对所述第一标签对应的诊断疾病进行文献标准化重写,以文献标准化重写后的诊断疾病为关键词在医疗文献数据库中搜索并按相关度排列第一医疗文献。
4.如权利要求1所述的医疗文献推送方法,其特征在于,获取与所述诊断疾病对应的诊疗手段,以作为第二标签,在医疗文献数据库中获取并按相关度排列与所述第一标签以及所述第二标签共同关联的第二医疗文献的步骤包括:
在所述诊疗数据中提取所述诊断疾病对应的诊疗手段;
以第一标签以及第二标签为关键词在医疗文献数据库中搜索并按相关度排列第二医疗文献。
5.如权利要求1所述的医疗文献推送方法,其特征在于,向所述医生推送前数个所述第一医疗文献以及前数个所述第二医疗文献的步骤包括:
选取前数个所述第一医疗文献,并按发表时间降序向所述医生推送;
去除与已选取的第一医疗文献重复的第二医疗文献,选取前数个去重后的第二医疗文献,并按发表时间降序向所述医生推送。
6.如权利要求2所述的医疗文献推送方法,其特征在于,当存在多个第一标签时,将所述第一标签以诊断病例数量降序排列,分别获取每一个第一标签对应的第一医疗文献以及第二医疗文献,按所述第一标签的排列顺序向所述医生推送对应第一标签的前数个第一医疗文献以及前数个第二医疗文献。
7.如权利要求6所述的医疗文献推送方法,其特征在于,所述第二标签包括诊断疾病对应的用药以及诊断疾病对应的手术,分别获取与所述诊断疾病对应的用药关联的第二医疗文献,与所述诊断疾病对应的手术关联的第二文献,按所述第一标签的排列顺序向所述医生推送第一医疗文献后,按所述第一标签的排列顺序向所述医生推送与所述诊断疾病对应的用药关联的第二医疗文献,最后按所述第一标签的排列顺序向所述医生推送与所述诊断疾病对应的手术关联的第二文献。
8.如权利要求1所述的医疗文献推送方法,其特征在于还包括步骤:
获取所述医生在第二时间区间内的医疗文献检索数据,在所述医疗文献检索数据中提取检索数量多的前一个或前数个诊断疾病,并加入所述第一标签。
9.一种医疗文献推送的系统,其特征在于包括:
第一标签模块,所述第一标签模块用于在诊疗数据中提取当前医生的诊断疾病,以作为第一标签;
第二标签模块,所述第二标签模块用于在诊疗数据中提取与所述诊断疾病对应的诊疗手段,以作为第二标签;
检索模块,所述检索模块用于在医疗文献数据库中获取并按相关度排列与所述第一标签关联的第一医疗文献,在医疗文献数据库中获取并按相关度排列与所述第一标签以及所述第二标签共同关联的第二医疗文献;
推送模块,所述推送模块用于向所述医生推送前数个所述第一医疗文献以及前数个所述第二医疗文献。
10.一种医疗文献推送的设备,其特征在于,包括:
处理器;
存储器,其中存储有所述处理器的可执行指令;
其中,所述处理器配置为经由执行所述可执行指令来执行权利要求1至8中任意一项所述医疗文献推送的方法的步骤。
11.一种计算机可读存储介质,用于存储程序,其特征在于,所述程序被执行时实现权利要求1至8中任意一项所述医疗文献推送的方法的步骤。
CN201811339084.6A 2018-11-12 2018-11-12 医疗文献推送方法、系统、设备及存储介质 Pending CN109522422A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811339084.6A CN109522422A (zh) 2018-11-12 2018-11-12 医疗文献推送方法、系统、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811339084.6A CN109522422A (zh) 2018-11-12 2018-11-12 医疗文献推送方法、系统、设备及存储介质

Publications (1)

Publication Number Publication Date
CN109522422A true CN109522422A (zh) 2019-03-26

Family

ID=65773562

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811339084.6A Pending CN109522422A (zh) 2018-11-12 2018-11-12 医疗文献推送方法、系统、设备及存储介质

Country Status (1)

Country Link
CN (1) CN109522422A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111858901A (zh) * 2019-04-30 2020-10-30 北京智慧星光信息技术有限公司 一种基于语义相似的文本推荐方法及系统
CN114496143A (zh) * 2021-12-31 2022-05-13 医渡云(北京)技术有限公司 临床数据与文献的关联方法、装置、电子设备及存储介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130060793A1 (en) * 2011-09-01 2013-03-07 Infosys Limited Extracting information from medical documents
CN105760705A (zh) * 2016-05-20 2016-07-13 陕西科技大学 一种基于大数据的医疗诊断系统
CN106227880A (zh) * 2016-08-01 2016-12-14 挂号网(杭州)科技有限公司 医生搜索推荐的实现方法
CN107818169A (zh) * 2017-11-13 2018-03-20 医渡云(北京)技术有限公司 电子病历检索方法及装置、电子病历存储方法及装置
CN107992630A (zh) * 2017-12-26 2018-05-04 医渡云(北京)技术有限公司 医疗数据检索方法及装置、存储介质、电子设备

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130060793A1 (en) * 2011-09-01 2013-03-07 Infosys Limited Extracting information from medical documents
CN105760705A (zh) * 2016-05-20 2016-07-13 陕西科技大学 一种基于大数据的医疗诊断系统
CN106227880A (zh) * 2016-08-01 2016-12-14 挂号网(杭州)科技有限公司 医生搜索推荐的实现方法
CN107818169A (zh) * 2017-11-13 2018-03-20 医渡云(北京)技术有限公司 电子病历检索方法及装置、电子病历存储方法及装置
CN107992630A (zh) * 2017-12-26 2018-05-04 医渡云(北京)技术有限公司 医疗数据检索方法及装置、存储介质、电子设备

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111858901A (zh) * 2019-04-30 2020-10-30 北京智慧星光信息技术有限公司 一种基于语义相似的文本推荐方法及系统
CN114496143A (zh) * 2021-12-31 2022-05-13 医渡云(北京)技术有限公司 临床数据与文献的关联方法、装置、电子设备及存储介质
CN114496143B (zh) * 2021-12-31 2022-12-09 医渡云(北京)技术有限公司 临床数据与文献的关联方法、装置、电子设备及存储介质

Similar Documents

Publication Publication Date Title
Waitman et al. Expressing observations from electronic medical record flowsheets in an i2b2 based clinical data repository to support research and quality improvement
Hsu et al. Context-based electronic health record: toward patient specific healthcare
MacLean et al. Identifying medical terms in patient-authored text: a crowdsourcing-based approach
AU2011247830B2 (en) Method and system for generating text
US11464455B2 (en) Method and apparatus of context-based patient similarity
CA2704637C (en) Systems and methods for interfacing with healthcare organization coding system
US20140350961A1 (en) Targeted summarization of medical data based on implicit queries
EP3928322A1 (en) Automated generation of structured patient data record
CN111382275A (zh) 医疗知识图谱的构建方法、装置、介质及电子设备
AU2015253661A1 (en) Identification and analysis of copied and pasted passages in medical documents
US20160019365A1 (en) Classifying medical records for identification of clinical concepts
CN111081329A (zh) 临床数据自动录入方法及装置、电子设备、存储介质
EP2922018A1 (en) Medical information analysis program, medical information analysis device, and medical information analysis method
CN109427420A (zh) 诊断有效性工具
US20240053307A1 (en) Identifying Repetitive Portions of Clinical Notes and Generating Summaries Pertinent to Treatment of a Patient Based on the Identified Repetitive Portions
CN111785383B (zh) 数据处理方法及相关设备
JP2015533437A (ja) 識別不能化および再識別を用いた医療情報解析のためのシステムおよび方法
US20160019351A1 (en) Identification of clinical concepts from medical records
Steindel A comparison between a SNOMED CT problem list and the ICD-10-CM/PCS HIPAA code sets
US20210202111A1 (en) Method of classifying medical records
US20180067986A1 (en) Database model with improved storage and search string generation techniques
US11837343B2 (en) Identifying repetitive portions of clinical notes and generating summaries pertinent to treatment of a patient based on the identified repetitive portions
Yu et al. Clinical coverage of an archetype repository over SNOMED-CT
US20140278556A1 (en) Filtering medical information
CN109522422A (zh) 医疗文献推送方法、系统、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