[發明專利]電子病歷的處理方法及系統

有效

• 申請號: 201711014641.2
• 申請日: 2017-10-26
• 公開（公告）號: CN107562732B
• 公開（公告）日: 2022-06-14
• 發明（設計）人: 朱少杰
• 申請（專利權）人: 北京康夫子健康技術有限公司
• 主分類號: G06F40/289
• 分類號: G06F40/289;G06F40/242;G06F40/258;G16H10/60
• 代理公司: 北京千壹知識產權代理事務所(普通合伙) 11940
• 代理人: 王玉玲

1.一種電子病歷的處理方法，其特征在于，包括：

提取指定電子病歷文本中的每個電子病歷文本中的標題和正文，消除所述標題和正文中存在的噪聲信息，利用一級切分符對所述正文進行切分，得到待切分句子集，利用二級切分符對所述待切分句子集進行二次切分，得到所述正文對應的句子集，其中所述一級切分符的優先級高于所述二級切分符的優先級；所述指定電子病歷文本為同一患者整體病程的電子病歷文本；將每個電子病歷文本的標題和句子集中的首句分別與預設病歷類型進行匹配，得到第一候選病歷類型和第二候選病歷類型，判斷所述第一候選病歷類型和第二候選病歷類型是否相同，當所述第一候選病歷類型和第二候選病歷類型相同時，選擇其一作為該電子病歷文本的病歷類型；當所述第一候選病歷類型和第二候選病歷類型不相同時，根據所述預設病歷類型中的優先級排序，選擇所述第一候選病歷類型和第二候選病歷類型中優先級高的病歷類型作為該電子病歷文本的病歷類型；根據子主題分類模型、每個電子病歷文本對應的病歷類型和句子集，確定每個電子病歷文本的子主題內容塊；

對每個電子病歷文本對應的子主題內容塊中的句子進行分詞，根據術語詞典對每個電子病歷文本對應的子主題內容塊中的句子進行術語標注，根據parser分析器對每個電子病歷文本對應的子主題內容塊中的句子進行句法分析，得到每個電子病歷文本對應的子主題內容塊中的句子的淺層句法分析結果；判定每個電子病歷文本對應的子主題內容塊中的否定詞的作用范圍，識別每個電子病歷文本對應的子主題內容塊中的屬性信息，根據所述淺層句法分析結果，確定每個電子病歷文本對應的子主題內容塊中的術語邊界，矯正每個電子病歷文本對應的子主題內容塊中標注的術語，得到每個電子病歷文本對應的結構化信息；所述結構化信息包括時間、病歷類型和核心內容，所述核心內容包括每個電子病歷文本中子主題內容塊中的術語及屬性信息；

根據病歷類型對應的摘要生成規則以及每個電子病歷文本對應的結構化信息，得到每個電子病歷文本對應的病程摘要；

按照時間順序，根據每個電子病歷文本對應的病程摘要，得到所述指定電子病歷文本對應的病程摘要序列。

2.根據權利要求1所述的電子病歷的處理方法，其特征在于，在所述得到每個電子病歷文本對應的病程摘要之后，所述方法還包括：

根據預設學習算法，將每個電子病歷文本對應的病程摘要中的特征轉換為特征向量；

根據樸素貝葉斯分類器、預設病情狀態類型和每個電子病歷文本對應的病程摘要對應的特征向量，確定并標記每個電子病歷文本對應的病程摘要對應的病情狀態類型。

3.根據權利要求2所述的電子病歷的處理方法，其特征在于，所述根據預設學習算法，將每個電子病歷文本對應的病程摘要中的特征轉換為特征向量包括：

根據特征提取算法，將每個電子病歷文本對應的病程摘要中的特征轉換為特征向量，其中，所述特征包括癥狀、檢查、治療項目、會診、手術、病危通知和轉歸關鍵詞。

4.根據權利要求2所述的電子病歷的處理方法，其特征在于，所述根據預設學習算法，將每個電子病歷文本對應的病程摘要中的特征轉換為特征向量包括：

根據深度學習算法，將每個電子病歷文本對應的病程摘要中的特征轉換為特征向量。

5.根據權利要求1所述的電子病歷的處理方法，其特征在于，在所述得到每個電子病歷文本對應的病程摘要之后，所述方法還包括：

根據預設轉歸關鍵詞表，確定每個電子病歷文本對應的病程摘要對應的轉歸關鍵詞分值，所述預設轉歸關鍵詞表包括預設轉歸關鍵詞和對應的權重值；

根據所述轉歸關鍵詞分值、預設閾值和預設病情狀態類型，確定并標記每個電子病歷文本對應的病程摘要對應的病情狀態類型。

6.根據權利要求2或5所述的電子病歷的處理方法，其特征在于，所述方法還包括：

按照時間順序，曲線顯示所述指定電子病歷文本對應的病程摘要序列，并在所述曲線上標注每個電子病歷文本對應的病程摘要對應的病情狀態類型。