[go: up one dir, main page]

CN109166618A - 分诊系统和分诊方法 - Google Patents

分诊系统和分诊方法 Download PDF

Info

Publication number
CN109166618A
CN109166618A CN201710507456.0A CN201710507456A CN109166618A CN 109166618 A CN109166618 A CN 109166618A CN 201710507456 A CN201710507456 A CN 201710507456A CN 109166618 A CN109166618 A CN 109166618A
Authority
CN
China
Prior art keywords
patient
information
department
standard
hospital
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
CN201710507456.0A
Other languages
English (en)
Inventor
刘建涛
张洪雷
吕学文
刘芳
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.)
BOE Technology Group Co Ltd
Original Assignee
BOE Technology Group 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 BOE Technology Group Co Ltd filed Critical BOE Technology Group Co Ltd
Priority to CN201710507456.0A priority Critical patent/CN109166618A/zh
Priority to PCT/CN2017/116191 priority patent/WO2019000852A1/en
Priority to US16/063,940 priority patent/US20210202085A1/en
Publication of CN109166618A publication Critical patent/CN109166618A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/30—Semantic analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • G06F18/2155—Generating training patterns; Bootstrap methods, e.g. bagging or boosting characterised by the incorporation of unlabelled data, e.g. multiple instance learning [MIL], semi-supervised techniques using expectation-maximisation [EM] or naïve labelling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G06F18/232—Non-hierarchical techniques
    • G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
    • G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G06F18/2413—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on distances to training or reference patterns
    • G06F18/24147—Distances to closest patterns, e.g. nearest neighbour classification
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/40—Processing or translation of natural language
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
    • G16H10/20—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for electronic clinical trials or questionnaires
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H30/00—ICT specially adapted for the handling or processing of medical images
    • G16H30/40—ICT specially adapted for the handling or processing of medical images for processing medical images, e.g. editing
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
    • G16H40/20—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the management or administration of healthcare resources or facilities, e.g. managing hospital staff or surgery rooms
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
    • G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
    • G16H40/67—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for remote operation
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/50—Network services
    • H04L67/55—Push-based network services

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Computational Linguistics (AREA)
  • Biomedical Technology (AREA)
  • Evolutionary Computation (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Public Health (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Medical Informatics (AREA)
  • Primary Health Care (AREA)
  • Epidemiology (AREA)
  • Evolutionary Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • General Business, Economics & Management (AREA)
  • Business, Economics & Management (AREA)
  • Software Systems (AREA)
  • Mathematical Physics (AREA)
  • Computing Systems (AREA)
  • Molecular Biology (AREA)
  • Biophysics (AREA)
  • Probability & Statistics with Applications (AREA)
  • Radiology & Medical Imaging (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Databases & Information Systems (AREA)
  • Pathology (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Human Computer Interaction (AREA)
  • Multimedia (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)

Abstract

本发明提供一种分诊系统和分诊方法，属于分诊技术领域，其可至少部分解决现有的分诊方式不能准确将患者分到合适的医院和科室的问题。本发明的分诊系统包括：信息接收单元，用于接收来自终端的患者信息；特征提取单元，用于从所述患者信息中提取特征信息；分诊单元，用于根据所述特征信息得出推荐患者就诊的医院和科室；信息推送单元，用于将所述推荐患者就诊的医院和科室推送给终端。

Description

分诊系统和分诊方法
技术领域
本发明属于分诊技术领域，具体涉及一种分诊系统和分诊方法。
背景技术
分诊(即将患者分到特定的科室)是患者到医院就诊时所经历第一环节。只有正确将病患分到对症的科室，才能使患者得到适合的治疗；如果分诊不正确，则可能导致患者要重新就诊，造成患者时间和医疗资源的浪费，甚至，如果患者在不合适的科室进行了诊治，可能导致治疗不正确，严重耽误病情。
在实际生活中，患者去哪个医院、哪个科室就诊，主要由患者根据症状自己做出判断，或者是询问医院分诊台的工作人员。而随着医学的发展，学科越分越细，如仅内科就可分为十个科室。在这种情况下，多数患者的医学知识有限，很难自己做出准确的判断；即使是分诊台的工作人员，也很难对全部科室所适于诊治的病症都做出准确判断。
另外，多数医院都有自己擅长的专科，而如果患者去的医院不合适，则可能导致该医院根本没有适合诊治其病症的科室，需要再重新去别的医院尝试，十分麻烦。
发明内容
本发明至少部分解决现有的分诊方式不能准确将患者分到合适的医院和科室的问题，提供一种可准确将患者分到合适医院和科室的分诊系统和分诊方法。
解决本发明技术问题所采用的技术方案是一种分诊系统，其包括：
信息接收单元，用于接收来自终端的患者信息；
特征提取单元，用于从所述患者信息中提取特征信息；
分诊单元，用于根据所述特征信息得出推荐患者就诊的医院和科室；
信息推送单元，用于将所述推荐患者就诊的医院和科室推送给终端。
优选的是，所述分诊单元用于对所述特征信息与预存的标准信息进行比较，并以与所述特征信息相近的标准信息对应的医院和科室作为推荐患者就诊的医院和科室；其中，所述标准信息为适于各医院各科室诊治的患者的信息。
进一步优选的是，所述患者信息为患者身体的图像；所述特征提取单元用于通过图像识别技术从患者身体的图像中提取特征部分图像作为特征信息；所述标准信息为标准图像，所述标准图像为适于各医院各科室诊治的患者的特征部分的图像；所述分诊单元用于通过分类算法找到与特征部分图像相近的标准图像。
进一步优选的是，所述分类算法包括k-means算法或基于学习矢量量化神经网络的分类算法。
进一步优选的是，所述患者信息为诊治文字的图像；所述特征提取单元用于通过文字识别技术识别诊治文字的图像中的文字，并通过语义分析技术提取所述文字所代表的特征语义为特征信息；所述标准信息为标准语义，所述标准语义为代表适于各医院各科室诊治的患者的特征的语义；所述分诊单元用于比较所述特征语义与标准语义，以找出与所述特征语义相近的标准语义。
进一步优选的是，所述语义分析技术包括自然语言处理技术。
进一步优选的是，所述分诊系统还包括：提问单元，用于向终端发送用于确定患者身体状况的问题；所述信息接收单元用于接收来自终端的对所述问题的回答作为患者信息。
优选的是，所述分诊单元用于得出多个推荐患者就诊的医院和科室，并按照推荐程度将其排序；所述推送单元用于将推荐程度最高的医院和科室推送给终端，或者用于按照推荐程度的顺序将多个医院和科室推送给终端。
解决本发明技术问题所采用的技术方案是一种分诊方法，其包括：
分诊系统接收来自终端的患者信息；
分诊系统从所述患者信息中提取特征信息；
分诊系统根据所述特征信息得出推荐患者就诊的医院和科室；
分诊系统将所述推荐患者就诊的医院和科室推送给终端。
优选的是，所述根据所述特征信息得出推荐患者就诊的医院和科室包括：对所述特征信息与预存的标准信息进行比较，并以与所述特征信息相近的标准信息对应的医院和科室作为推荐患者就诊的医院和科室；其中，所述标准信息为适于各医院各科室诊治的患者的信息。
进一步优选的是，所述患者信息为患者身体的图像；所述从所述患者信息中提取特征信息包括：通过图像识别技术从患者身体的图像中提取特征部分图像作为特征信息；所述标准信息为标准图像，所述标准图像为适于各医院各科室诊治的患者的特征部分的图像；所述对所述特征信息与预存的标准信息进行比较包括：通过分类算法找到与特征部分图像相近的标准图像。
进一步优选的是，所述患者信息为诊治文字的图像；所述从所述患者信息中提取特征信息包括：通过文字识别技术识别诊治文字的图像中的文字，并通过语义分析技术提取所述文字所代表的特征语义为特征信息；所述标准信息为标准语义，所述标准语义为代表适于各医院各科室诊治的患者的特征的语义；所述对所述特征信息与预存的标准信息进行比较包括：比较所述特征语义与标准语义，以找出与所述特征语义相近的标准语义。
本发明的分诊系统中，可远程接收患者信息，并通过对患者信息的分析准确的得出适合患者就诊的医院和科室，并将该医院和科室发送给患者，从而患者可到该医院和科室就诊，获得最为及时准确的治疗，避免因分诊不准确造成的时间耽搁、资源浪费、错误诊治等。
附图说明
图1为本发明的实施例的一种分诊系统的组成框图；
图2为舌苔图像与病症的对应关系图；
图3为本发明的实施例的一种分诊方法的流程图。
具体实施方式
为使本领域技术人员更好地理解本发明的技术方案，下面结合附图和具体实施方式对本发明作进一步详细描述。
实施例1：
如图1所示，本实施例提供一种分诊系统，其包括：
信息接收单元，用于接收来自终端的患者信息；
特征提取单元，用于从患者信息中提取特征信息；
分诊单元，用于根据特征信息得出推荐患者就诊的医院和科室；
信息推送单元，用于将推荐患者就诊的医院和科室推送给终端。
在该分诊系统中，信息接收单元可通过互联网、无线通信等方式接收来自终端(例如患者的电脑、手机等)的患者信息，即代表患者身体状况的信息；而特征提取单元则从患者信息中提取出可用于确定分诊状况的特征信息；分诊单元则对该特征信息进行分析，从而得出推荐患者就诊的医院和科室；信息推送单元再通过互联网、无线通信等方式将推荐患者就诊的医院和科室发给患者的终端，以便患者按照推荐的医院和科室就诊。
本实施例的分诊系统中，可远程接收患者信息，并通过对患者信息的分析准确的得出适合患者就诊的医院和科室，并将该医院和科室发送给患者，从而患者可到该医院和科室就诊，获得最为及时准确的治疗，避免因分诊不准确造成的时间耽搁、资源浪费、错误诊治等。
优选的，分诊单元用于对特征信息与预存的标准信息进行比较，并以与特征信息相近的标准信息对应的医院和科室作为推荐患者就诊的医院和科室；其中，标准信息为适于各医院各科室诊治的患者的信息。
也就是说，分诊单元可将特征信息与标准信息进行比对，而标准信息为适于在各医院和科室就诊的患者的信息。显然，特征信息与哪个医院和科室的标准信息越相近，就代表患者越适于在该医院和科室就诊，故可将该医院和科室推荐给患者。
优选的，作为本实施例的一种方式，患者信息为患者身体的图像；特征提取单元用于通过图像识别技术从患者身体的图像中提取特征部分图像作为特征信息；标准信息为标准图像，标准图像为适于各医院各科室诊治的患者的特征部分的图像；分诊单元用于通过分类算法找到与特征部分图像相近的标准图像。更优选的，分类算法包括k-means算法或基于学习矢量量化神经网络的分类算法。
也就是说，可用舌苔图像、X光片、CT片等能直接表现患者身体状况的图像作为患者信息；而特征提取单元则通过图像识别技术该图像中提取特征部分图像，以该特征部分图像作为特征信息；分诊单元则可将该特征部分图像与适于各医院和科室诊治的患者的相应部分的标准图像进行对比，并通过k-means算法、基于学习矢量量化神经网络的分类算法等将找到与特征部分图像分最相近的标准图像(即分入标准图像的类中)，以便向患者推荐与该标准图像(标准信息)对应的医院和科室。
例如，图2示出了中医学中舌苔图像与病症的对应关系图，可见，舌头可分为舌根、舌中、舌尖三部分，其中舌根异常多与肾脏病疾有关，舌中异常则可能与肝胆脾胃病有关，舌尖异常则代表心肺疾病。因此，特征提取单元可从舌苔图像中分别提取出舌根、舌中、舌尖位置的图像作为特征部分图像，而分诊单元中则存储有舌头的相应部分在不同情况下的图像作为标准图像，如各舌头各部分的颜色分别为淡红、淡白、红、绛、紫、青的标准图像，其中淡红色的标准图像为正常，而其它颜色的标准图像都对应不同的疾病，以及适于诊治该疾病的医院和科室。
进而，分诊单元可采用k-means算法、基于学习矢量量化(LVQ)神经网络的分类算法等找到与特征部分图像近似的标准图像，例如，某患者的舌胎图像舌根和舌中部分均与淡红色的标准图像最相近，而舌尖部分则与紫色标准图像最相近，即该患者是舌尖部分为紫色的异常，可能有心脏病，应向其推荐诊治心脏病的医院和科室。
优选的，作为本实施例的另一种方式，患者信息为诊治文字的图像；特征提取单元用于通过文字识别技术识别诊治文字的图像中的文字，并通过语义分析技术提取文字所代表的特征语义为特征信息；标准信息为标准语义，标准语义为代表适于各医院各科室诊治的患者的特征的语义；分诊单元用于比较特征语义与标准语义，以找出与特征语义相近的标准语义。更优选的，语义分析技术包括自然语言处理技术。
也就是说，以上患者信息也可以是患者的体检报告、化验单等的图像，而这类图像实际是通过其中的文字体现患者身体状况的。为此，对诊治文字的图像，特征提取单元先要通过文字识别技术识别其中的文字，即将其中的文字转换为分诊系统中的文档，之后再通过自然语言处理技术等语义分析技术提取文字所代表的特征语义，或者说文字代表的实际含义，例如心电图结论是否正常，乙肝五项为阴性还是阳性等。
而分诊单元则将特征语义与标准语义向比较，以确定适于患者就诊的医院和科室，例如，特征语义代表心电图的结论为房室传导阻滞，则可将患者分入诊治心脏病的医院和科室，若特征语义代表乙肝表面抗原、乙肝e抗原、乙肝核心抗体均为阳性，则可将患者分入诊治乙肝的医院和科室。
优选的，作为本实施例的另一种方式，分诊系统还可包括：提问单元，用于向终端发送用于确定患者身体状况的问题；而信息接收单元用于接收来自终端的对问题的回答作为患者信息。
也就是说，也可用提问单元通过终端向患者发送问题，例如“是否发烧？”、“是否拉肚子？”、“身体哪部分有疼痛？”等。而信息接收单元则将接收到的回答作为患者信息。从而分诊系统可根据这些回答给出建议患者就诊的医院和科室。例如，若回答为患者胃部疼痛，则可推荐患者到诊治胃病的医院和科室就诊。
以上对部分具体类型的患者信息进行了介绍，但应当理解，患者信息也可为其它形式，只要分诊系统可根据该患者信息分析得到推荐患者就诊的医院和科室即可，在此不再详细描述。
优选的，分诊单元用于得出多个推荐患者就诊的医院和科室，并按照推荐程度将其排序；推送单元用于将推荐程度最高的医院和科室推送给终端，或者用于按照推荐程度的顺序将多个医院和科室推送给终端。
在分诊单元进行分诊时，可能得出多个不同的医院和科室都适于诊治患者(即多个科室的标准信息都与特征信息有一定程度的相近)，此时可按照信息近似程度得出对各医院和科室的推荐程度的排序，当然，该推荐程度还可综合考虑科室的治疗水平、收费标准、当前就诊人数、与患者家的距离等。
之后，推送单元可只将推荐程度最高的医院和科室推送给终端，让患者直接去该医院和科室就诊；或者，推送单元也可按照推荐程度的排序将多个医院和科室都推送给终端，让患者自行决定到哪个医院和科室就诊。
实施例2：
如图1、图3所示，本实施例提供一种分诊方法，其包括：
S201、分诊系统接收来自终端的患者信息。
也就是说，分诊系统通过互联网、无线通信等方式接收来自终端(例如患者的电脑、手机等)的患者信息，即代表患者身体状况的信息。
S202、分诊系统从患者信息中提取特征信息。
也就是说，分诊系统从患者信息中提取出可用于确定分诊状况的特征信息。
S203、分诊系统根据特征信息得出推荐患者就诊的医院和科室。
也就是说，分诊系统对该特征信息进行分析，从而得出推荐患者就诊的医院和科室。
优选的，本步骤具体为：对特征信息与预存的标准信息进行比较，并以与特征信息相近的标准信息对应的医院和科室作为推荐患者就诊的医院和科室；其中，标准信息为适于各医院各科室诊治的患者的信息。
也就是说，分诊系统可将特征信息与标准信息进行比对，而标准信息为适于在各医院和科室就诊的患者的信息。显然，特征信息与哪个医院和科室的标准信息越相近，就代表患者越适于在该医院和科室就诊，故可将该医院和科室推荐给患者。
S204、分诊系统将推荐患者就诊的医院和科室推送给终端。
也就是说，分诊系统通过互联网、无线通信等方式将推荐患者就诊的医院和科室发给患者的终端，以便患者按照推荐的医院和科室就诊。
本实施例的分诊方法中，可远程接收患者信息，并通过对患者信息的分析准确的得出适合患者就诊的医院和科室，并将该医院和科室发送给患者，从而患者可到该医院和科室就诊，获得最为及时准确的治疗，避免因分诊不准确造成的时间耽搁、资源浪费、错误诊治等。
优选的，作为本实施例的一种方式，患者信息为患者身体的图像；从患者信息中提取特征信息包括：通过图像识别技术从患者身体的图像中提取特征部分图像作为特征信息；标准信息为标准图像，标准图像为适于各医院各科室诊治的患者的特征部分的图像；对特征信息与预存的标准信息进行比较包括：通过分类算法找到与特征部分图像相近的标准图像。
优选的，作为本实施例的另一种方式，患者信息为诊治文字的图像；从患者信息中提取特征信息包括：通过文字识别技术识别诊治文字的图像中的文字，并通过语义分析技术提取文字所代表的特征语义为特征信息；标准信息为标准语义，标准语义为代表适于各医院各科室诊治的患者的特征的语义；对特征信息与预存的标准信息进行比较包括：比较特征语义与标准语义，以找出与特征语义相近的标准语义。
也就是说，与以上的分诊系统类似，当患者信息为不同的具体类型时，可按照不同方式对其进行处理，以获得推荐患者就诊的医院和科室。
可以理解的是，以上实施方式仅仅是为了说明本发明的原理而采用的示例性实施方式，然而本发明并不局限于此。对于本领域内的普通技术人员而言，在不脱离本发明的精神和实质的情况下，可以做出各种变型和改进，这些变型和改进也视为本发明的保护范围。

Claims (12)

1.一种分诊系统，其特征在于，包括：
信息接收单元，用于接收来自终端的患者信息；
特征提取单元，用于从所述患者信息中提取特征信息；
分诊单元，用于根据所述特征信息得出推荐患者就诊的医院和科室；
信息推送单元，用于将所述推荐患者就诊的医院和科室推送给终端。
2.根据权利要求1所述的分诊系统，其特征在于，
所述分诊单元用于对所述特征信息与预存的标准信息进行比较，并以与所述特征信息相近的标准信息对应的医院和科室作为推荐患者就诊的医院和科室；其中，所述标准信息为适于各医院各科室诊治的患者的信息。
3.根据权利要求2所述的分诊系统，其特征在于，
所述患者信息为患者身体的图像；
所述特征提取单元用于通过图像识别技术从患者身体的图像中提取特征部分图像作为特征信息；
所述标准信息为标准图像，所述标准图像为适于各医院各科室诊治的患者的特征部分的图像；
所述分诊单元用于通过分类算法找到与特征部分图像相近的标准图像。
4.根据权利要求3所述的分诊系统，其特征在于，
所述分类算法包括k-means算法或基于学习矢量量化神经网络的分类算法。
5.根据权利要求2所述的分诊系统，其特征在于，
所述患者信息为诊治文字的图像；
所述特征提取单元用于通过文字识别技术识别诊治文字的图像中的文字，并通过语义分析技术提取所述文字所代表的特征语义作为特征信息；
所述标准信息为标准语义，所述标准语义为代表适于各医院各科室诊治的患者的特征的语义；
所述分诊单元用于比较所述特征语义与标准语义，以找出与所述特征语义相近的标准语义。
6.根据权利要求5所述的分诊系统，其特征在于，
所述语义分析技术包括自然语言处理技术。
7.根据权利要求1所述的分诊系统，其特征在于，还包括：
提问单元，用于向终端发送用于确定患者身体状况的问题；
所述信息接收单元用于接收来自终端的对所述问题的回答作为患者信息。
8.根据权利要求1至7中任意一项所述的分诊系统，其特征在于，
所述分诊单元用于得出多个推荐患者就诊的医院和科室，并按照推荐程度将其排序；
所述推送单元用于将推荐程度最高的医院和科室推送给终端，或者用于按照推荐程度的顺序将多个医院和科室推送给终端。
9.一种分诊方法，其特征在于，包括：
分诊系统接收来自终端的患者信息；
分诊系统从所述患者信息中提取特征信息；
分诊系统根据所述特征信息得出推荐患者就诊的医院和科室；
分诊系统将所述推荐患者就诊的医院和科室推送给终端。
10.根据权利要求9所述的分诊方法，其特征在于，所述根据所述特征信息得出推荐患者就诊的医院和科室包括：
对所述特征信息与预存的标准信息进行比较，并以与所述特征信息相近的标准信息对应的医院和科室作为推荐患者就诊的医院和科室；其中，所述标准信息为适于各医院各科室诊治的患者的信息。
11.根据权利要求10所述的分诊方法，其特征在于，
所述患者信息为患者身体的图像；
所述从所述患者信息中提取特征信息包括：通过图像识别技术从患者身体的图像中提取特征部分图像作为特征信息；
所述标准信息为标准图像，所述标准图像为适于各医院各科室诊治的患者的特征部分的图像；
所述对所述特征信息与预存的标准信息进行比较包括：通过分类算法找到与特征部分图像相近的标准图像。
12.根据权利要求10所述的分诊方法，其特征在于，
所述患者信息为诊治文字的图像；
所述从所述患者信息中提取特征信息包括：通过文字识别技术识别诊治文字的图像中的文字，并通过语义分析技术提取所述文字所代表的特征语义作为特征信息；
所述标准信息包为标准语义，所述标准语义为代表适于各医院各科室诊治的患者的特征的语义；
所述对所述特征信息与预存的标准信息进行比较包括：比较所述特征语义与标准语义，以找出与所述特征语义相近的标准语义。
CN201710507456.0A 2017-06-28 2017-06-28 分诊系统和分诊方法 Pending CN109166618A (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN201710507456.0A CN109166618A (zh) 2017-06-28 2017-06-28 分诊系统和分诊方法
PCT/CN2017/116191 WO2019000852A1 (en) 2017-06-28 2017-12-14 AUTOMATIC PATIENT SORTING APPARATUS AND AUTOMATIC SORTING METHOD
US16/063,940 US20210202085A1 (en) 2017-06-28 2017-12-14 Apparatus for automatically triaging patient and automatic triage method

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710507456.0A CN109166618A (zh) 2017-06-28 2017-06-28 分诊系统和分诊方法

Publications (1)

Publication Number Publication Date
CN109166618A true CN109166618A (zh) 2019-01-08

Family

ID=64740967

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710507456.0A Pending CN109166618A (zh) 2017-06-28 2017-06-28 分诊系统和分诊方法

Country Status (3)

Country Link
US (1) US20210202085A1 (zh)
CN (1) CN109166618A (zh)
WO (1) WO2019000852A1 (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109585001A (zh) * 2017-09-29 2019-04-05 北京搜狗科技发展有限公司 一种数据分析方法、装置、电子设备和存储介质
US20190155991A1 (en) * 2017-11-20 2019-05-23 International Business Machines Corporation Employing a multi-modality algorithm to generate recommendation information associated with hospital department selection
CN112927787A (zh) * 2021-03-22 2021-06-08 塔米智能科技（北京）有限公司 一种分诊方法、装置、设备及存储介质
CN113284589A (zh) * 2021-05-12 2021-08-20 徐献 一种基于区域区块链的大数据统计系统及统计方法
CN113707304A (zh) * 2021-08-30 2021-11-26 平安国际智慧城市科技股份有限公司 分诊数据处理方法、装置、设备及存储介质
CN113707301A (zh) * 2021-08-30 2021-11-26 康键信息技术（深圳）有限公司 基于人工智能的远程问诊方法、装置、设备及介质

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109788056A (zh) * 2019-01-10 2019-05-21 四川新网银行股份有限公司 基于聚类分析的用户主题消息推送方法及系统
CN112037912B (zh) * 2020-09-09 2023-07-11 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
ES2943486B2 (es) * 2021-12-13 2024-03-26 Univ Rey Juan Carlos Método y sistema de triaje para atender a víctimas afectadas por una emergencia o catástrofe
TR2022012702A2 (tr) * 2022-08-11 2022-08-22 Vi̇telco Bi̇li̇şi̇m Hi̇zmetleri̇ Anoni̇m Şi̇rketi̇ Yapay zeka tabanli tri̇yaj si̇stemi̇ ve çalişma yöntemi̇

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104361542A (zh) * 2014-11-26 2015-02-18 王常松 一种智能个人医疗档案系统
CN104537275A (zh) * 2014-05-15 2015-04-22 成都睿感科技有限公司 一种基于患者身体病症的导医系统
CN106295139A (zh) * 2016-07-29 2017-01-04 姹ゅ钩 一种基于深度卷积神经网络的舌体自诊健康云服务系统
US20170049389A1 (en) * 2015-08-19 2017-02-23 Zhiyi (Shanghai) Health Technology Internet-Based Traditional Chinese Medical Science Health Consultation System

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6149585A (en) * 1998-10-28 2000-11-21 Sage Health Management Solutions, Inc. Diagnostic enhancement method and apparatus
JP2002073822A (ja) * 2000-08-30 2002-03-12 Fujitsu Ltd 医療情報システム
US7716070B2 (en) * 2004-11-09 2010-05-11 Medcor, Inc. Medical triage system
WO2011066486A2 (en) * 2009-11-25 2011-06-03 The Board Of Regents Of The University Of Texas System Advanced multimedia structured reporting
CN102129526A (zh) * 2011-04-02 2011-07-20 中国医学科学院医学信息研究所 面向公众的就医向导式自助分诊挂号方法及系统
US20160012197A1 (en) * 2014-04-01 2016-01-14 Ersno Eromo Health advising system
CN105023073A (zh) * 2014-04-16 2015-11-04 北京百和园科技有限公司 一种基于人工神经网络的医院智能评估分诊系统
CN106354998A (zh) * 2016-08-26 2017-01-25 成都汉康信息产业有限公司 一种支持远程问诊的在线医疗系统
US10825167B2 (en) * 2017-04-28 2020-11-03 Siemens Healthcare Gmbh Rapid assessment and outcome analysis for medical patients

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104537275A (zh) * 2014-05-15 2015-04-22 成都睿感科技有限公司 一种基于患者身体病症的导医系统
CN104361542A (zh) * 2014-11-26 2015-02-18 王常松 一种智能个人医疗档案系统
US20170049389A1 (en) * 2015-08-19 2017-02-23 Zhiyi (Shanghai) Health Technology Internet-Based Traditional Chinese Medical Science Health Consultation System
CN106295139A (zh) * 2016-07-29 2017-01-04 姹ゅ钩 一种基于深度卷积神经网络的舌体自诊健康云服务系统

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109585001A (zh) * 2017-09-29 2019-04-05 北京搜狗科技发展有限公司 一种数据分析方法、装置、电子设备和存储介质
US20190155991A1 (en) * 2017-11-20 2019-05-23 International Business Machines Corporation Employing a multi-modality algorithm to generate recommendation information associated with hospital department selection
CN112927787A (zh) * 2021-03-22 2021-06-08 塔米智能科技（北京）有限公司 一种分诊方法、装置、设备及存储介质
CN113284589A (zh) * 2021-05-12 2021-08-20 徐献 一种基于区域区块链的大数据统计系统及统计方法
CN113707304A (zh) * 2021-08-30 2021-11-26 平安国际智慧城市科技股份有限公司 分诊数据处理方法、装置、设备及存储介质
CN113707301A (zh) * 2021-08-30 2021-11-26 康键信息技术（深圳）有限公司 基于人工智能的远程问诊方法、装置、设备及介质
WO2023029510A1 (zh) * 2021-08-30 2023-03-09 康键信息技术（深圳）有限公司 基于人工智能的远程问诊方法、装置、设备及介质
CN113707304B (zh) * 2021-08-30 2023-08-01 深圳平安智慧医健科技有限公司 分诊数据处理方法、装置、设备及存储介质

Also Published As

Publication number Publication date
WO2019000852A1 (en) 2019-01-03
US20210202085A1 (en) 2021-07-01

Similar Documents

Publication Publication Date Title
CN109166618A (zh) 分诊系统和分诊方法
Clifford et al. A meta‐analysis of anal cancer incidence by risk group: toward a unified anal cancer risk scale
Cubie et al. Cervical cancer screening–the challenges of complete pathways of care in low-income countries: focus on Malawi
Dror et al. “Cannot decide”: the fine line between appropriate inconclusive determinations versus unjustifiably deciding not to decide
CN110085307B (zh) 一种基于多源知识图谱融合的智能导诊方法和系统
WO2018205609A1 (zh) 医疗智能分诊方法和设备
CN106874695B (zh) 医疗知识图谱的构建方法和装置
Okazaki et al. Methodological issues in assessment research with ethnic minorities.
US11373422B2 (en) Evaluation assistance method, evaluation assistance system, and computer-readable medium
JP3854966B2 (ja) 舌映像からの関心領域の抽出方法及び舌映像を利用した健康モニタリング方法及び装置
Bevilacqua et al. A novel approach to evaluate blood parameters using computer vision techniques
Katragadda et al. Technique standards for skin lesion imaging: a Delphi consensus statement
CN113488157B (zh) 智能导诊处理方法、装置、电子设备及存储介质
Atari et al. Mate preferences in three Muslim-majority countries: sex differences and personality correlates
WO2023178971A1 (zh) 就医的互联网挂号方法、装置、设备及存储介质
Kanawong et al. Tongue image analysis and its mobile app development for health diagnosis
Currie et al. Scoping review of the characteristics assessed by vulnerability indices applied to people experiencing homelessness
CN109785977A (zh) 自动化信息录入方法、系统、装置及存储介质
Yao et al. Development and validation of an artificial intelligence‐based system for predicting colorectal cancer invasion depth using multi‐modal data
Gutiérrez-Fragoso et al. Optimization of classification strategies of acetowhite temporal patterns towards improving diagnostic performance of colposcopy
CN113553840A (zh) 一种文本信息处理方法、装置、设备及存储介质
Svahn et al. Burden and incidence of human papillomavirus-associated cancers and precancerous lesions in Denmark
Morse et al. Machine learning prediction of combat basic training injury from 3D body shape images
Chirayil et al. Predicting human papilloma virus vaccination and pap smear screening intentions among young Singaporean women using the theory of planned behavior
US20180260529A1 (en) Apparatus and system for processing diagnostic data on the basis of medical interview data and camera data

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