[发明专利]一种医疗信息处理方法及装置

权利要求书

1.一种医疗信息处理方法，其特征在于，所述方法包括：

获取患者的至少一类医疗数据；

将所述至少一类医疗数据转化为预设向量空间内对应的一组特征向量；

采用处方生成模型，对所述一组特征向量进行处理，生成建议处方，其中，所述建议处方包括至少一个历史处方和重组处方；

采用疗效预测模型，分别确定各建议处方对应的预测疗效评分，并显示分值。

2.根据权利要求1所述的方法，其特征在于，所述采用处方生成模型，对所述一组特征向量进行处理，生成建议处方的步骤，包括：

根据所述一组特征向量，以及患者网络数据对应的各组特征向量，确定至少一个历史处方，其中，所述患者网络数据包括历史存储的各类患者的医疗数据，以及对应的疗效评分，所述医疗数据包括患者的体征症状数据、患者基本信息以及环境信息；

根据遗传算法，对所述历史处方中的药物组合进行再组合，生成重组处方。

3.根据权利要求2所述的方法，其特征在于，所述根据所述一组特征向量，以及患者网络数据对应的各组特征向量，确定至少一个历史处方的步骤，包括：

根据所述一组特征向量，以及所述患者网络数据对应的各组特征向量，确定与所述患者具有相似病症的关联患者；

根据所述关联患者的医疗数据以及对应的疗效评分，确定至少一个历史处方。

4.根据权利要求2所述的方法，其特征在于，所述采用疗效预测模型，分别确定各建议处方对应的预测疗效评分的步骤，包括：

通过时间递归神经网络，对所述一组特征向量进行特征变换；

将所述一组特征向量经特征变换后的特征信息与所述关联患者的特征信息进行特征融合，获取融合后的特征信息；

通过计算所述融合后的特征信息与各建议处方中药物的匹配关系，确定所述各建议处方对应的预测疗效评分。

5.根据权利要求1所述的方法，其特征在于，所述方法还包括训练疗效预测模型的步骤，包括：

选用带有时序的患者网络数据作为训练样本；

根据疗效预测模型计算得到的疗效评分与对应的训练样本中真实疗效评分的拟合结果，对所述疗效预测模型进行调整。

6.根据权利要求1所述的方法，其特征在于，所述将所述至少一类医疗数据转化为预设向量空间内对应的一组特征向量的步骤，包括：

将所述患者的脉象对应的波形抽样信号，转化为频域振幅特征向量；

采用预先训练的舌像特征识别模型和面像特征识别模型，将患者的舌像和面像的图像，分别转化为对应的特征向量；

将通过结构化动态问诊单获取的问诊数据，转化为与结构化主诉特征和结构化十问特征对应的特征向量；

将患者的基本信息和环境信息，转化为对应的特征向量。

7.根据权利要求1所述的方法，其特征在于，在获取患者的至少一类医疗数据之后，还包括：

当所述医疗数据的维度大于阈值维度时，降低所述医疗数据的维度。

8.根据权利要求1所述的方法，其特征在于，在采用疗效预测模型，分别确定各建议处方对应的预测疗效评分之前，还包括：

获取医生开具的自拟处方；

将所述自拟处方加入至建议处方中。

9.一种医疗信息处理装置，其特征在于，包括：

数据获取模块，用于获取患者的至少一类医疗数据；

数据转化模块，用于将所述至少一类医疗数据转化为预设向量空间内对应的一组特征向量；

建议处方生成模块，用于采用处方生成模型，对所述一组特征向量进行处理，生成建议处方，其中，所述建议处方包括至少一个历史处方和重组处方；

疗效预测模块，用于采用疗效预测模型，分别确定各建议处方对应的预测疗效评分，并显示分值。

10.根据权利要求9所述的装置，其特征在于，所述建议处方生成模块，包括：

历史处方查询子模块，用于根据所述一组特征向量，以及患者网络数据对应的各组特征向量，确定至少一个历史处方，其中，所述患者网络数据包括历史存储的各类患者的医疗数据，以及对应的疗效评分，所述医疗数据包括患者的体征症状数据、患者基本信息以及环境信息；

重组处方生成子模块，用于根据遗传算法，对所述历史处方中的药物组合进行再组合，生成重组处方。