[发明专利]辅助诊断方法及系统在审

专利信息
申请号: 202010239185.7 申请日: 2020-03-30
公开(公告)号: CN111462895A 公开(公告)日: 2020-07-28
发明(设计)人: 汪雪松;刘士豪 申请(专利权)人: 安徽科大讯飞医疗信息技术有限公司
主分类号: G16H50/20 分类号: G16H50/20;G06F16/35;G06F40/30
代理公司: 北京路浩知识产权代理有限公司 11002 代理人: 郑朝然
地址: 230088 安徽省合肥市高新区*** 国省代码: 安徽;34
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 辅助 诊断 方法 系统
【权利要求书】:

1.一种辅助诊断方法,其特征在于,包括:

基于症状分组库,确定待判别病历中的待判别症状词的分组策略;其中所述症状分组库为,通过对病历数据库中的症状词进行分组获得多个症状组,进而确定任一所述症状组的最似然诊断以及诊断质量特征,来获得;所述症状分组库包括一一对应的所述症状组、所述最似然诊断和所述诊断质量特征;

基于所述症状分组库确定与任一所述分组策略中各症状组对应的最似然诊断和诊断质量特征;

基于所述分组策略中各症状组对应的最似然诊断和诊断质量特征,确定用于辅助诊断的待判别病历语义表达。

2.根据权利要求1所述的辅助诊断方法,其特征在于,所述对病历数据库中的症状词进行分组,获得多个症状组,包括:

确定所述病历数据库中的症状词之间的紧密度特征;基于所述紧密度特征,通过紧密度阈值和邻居数阈值,对所述症状词进行聚类分簇;

基于所述聚类分簇的结果,获得多个所述症状组。

3.根据权利要求2所述的辅助诊断方法,其特征在于,所述基于所述紧密度特征,通过紧密度阈值和邻居数阈值,对所述症状词进行聚类分簇,包括:

基于所述聚类分簇的结果的表现特征,确定所述紧密度阈值和所述邻居数阈值;其中,所述表现特征基于簇的纯度、部位元素的集中度以及症状元素的集中度确定。

4.根据权利要求2所述的辅助诊断方法,其特征在于,所述基于所述聚类分簇的结果,获得多个所述症状组,包括:

针对仅一个症状词的簇,将该症状词作为一组;针对有多个症状词的簇,先将其中每一个症状词各自作为一组,再将该簇整体看成无向图,将其中每一个连通子图对应的症状词作为一组。

5.根据权利要求2所述的辅助诊断方法,其特征在于,所述症状词之间的紧密度特征包括:所述症状词之间的间隔词数特征、所述症状词之间的时间属性特征以及所述症状词之间的伴随程度特征。

6.根据权利要求1-5任一项所述的辅助诊断方法,其特征在于,所述确定任一所述症状组的最似然诊断以及诊断质量特征,包括:

基于所述病历数据库中包含任一所述症状组内的全部症状词的单诊断病历,确定任一所述症状组的似然诊断以及其频次占比特征;

将任一所述症状组的所述频次占比特征最高的似然诊断作为最似然诊断;

基于所述最似然诊断的所述频次占比特征以及所述症状组的所述频次占比特征的标准差,确定任一所述症状组的诊断质量特征;

基于任一所述症状组的最似然诊断以及所述最似然诊断对应的诊断质量特征确定症状分组库,所述症状分组库包括一一对应的所述症状组、所述最似然诊断和所述诊断质量特征。

7.根据权利要求1-5任一项所述的辅助诊断方法,其特征在于,所述基于所述分组策略中各症状组对应的最似然诊断和诊断质量特征,确定用于辅助诊断的待判别病历语义表达,包括:

基于所述分组策略中各症状组对应的最似然诊断和诊断质量特征,确定任一所述分组策略对应的待判别病历备用语义表达;

基于任一所述分组策略中各症状组对应的所述诊断质量特征的总和以及所述待判别病历备用语义表达的差异度,确定任一分组策略的评估特征;

基于全部分组策略的所述评估特征,确定最优分组策略,将最优分组策略对应的所述待判别病历备用语义表达作为用于辅助诊断的待判别病历语义表达。

8.一种辅助诊断系统,其特征在于,包括:

分组单元,用于基于症状分组库,确定待判别病历中的待判别症状词的分组策略;其中所述症状分组库为,通过对病历数据库中的症状词进行分组获得多个症状组,进而确定任一所述症状组的最似然诊断以及诊断质量特征,来获得;所述症状分组库包括一一对应的所述症状组、所述最似然诊断和所述诊断质量特征;

处理单元,用于基于所述症状分组库确定与任一所述分组策略中各症状组对应的最似然诊断和诊断质量特征;

确定单元,用于基于所述分组策略中各症状组对应的最似然诊断和诊断质量特征,确定用于辅助诊断的待判别病历语义表达。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于安徽科大讯飞医疗信息技术有限公司,未经安徽科大讯飞医疗信息技术有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202010239185.7/1.html,转载请声明来源钻瓜专利网。

同类专利
专利分类
×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top