【技术实现步骤摘要】
本专利技术属于信息管理，具体涉及一种基于多级联通的患者信息管理方法及系统。
技术介绍
1、随着医疗信息化的发展，医院信息管理系统逐渐成为医疗机构的重要组成部分。传统的患者信息管理主要依赖于手工记录和纸质病历，不仅效率低下，而且容易出现信息错漏和丢失的问题。近年来，虽然电子病历系统得到了广泛应用，但其在数据共享、实时更新和跨部门协作方面仍存在诸多不足。
2、(1)信息孤岛：不同医院之间的信息无法实现无缝对接，导致患者在不同医院就诊时信息无法共享，影响了医疗服务的连续性和有效性。
3、(2)数据安全隐患：由于缺乏有效的数据加密和访问控制机制，患者的个人信息容易被泄露或篡改。
4、(3)数据冗余：在治疗环节，不同部门之间所需的信息不同，通过简单的信息检索获取患者所有信息，再经过人工进行信息筛选获取有用信息导致工作效率低，由于人工参与信息筛选会导致失误率提升。
技术实现思路
1、为解决现有技术中存在的上述问题，本专利技术提供了一种基于多级联通的患者信息管理方法，
2、s1：通过患者子系统获取患者个人信息数据，根据所述患者个人信息数据建立数据库表，获取患者病理数据，根据所述患者个人信息数据将所述患者病理数据通过分组加密算法进行加密存储至所述数据库表中；
3、s2：获取搜索语义，根据所述搜索语义对所述数据库表进行检索得到所述患者病理数据，将所述患者病理数据传输至医生子系统，通过所述医生子系统获取患者病历数据；
4、s3：根
5、s4：将所述相关指标数据与预设阈值进行比对得到病情程度数据，根据所述病情程度数据对所述疾病名称进行标的得到标的数据，根据所述搜索语义将所述标的数据和所述结构化数据通过分组加密算法进行加密存储至所述数据库表中；
6、s5：根据所述搜索语义对所述数据库表进行检索得到所述治疗数据，将所述治疗数据传输至服务中心子系统，通过所述服务中心子系统获取患者治疗后数据，根据所述搜索语义将所述患者治疗后数据通过分组加密算法进行加密存储在所述数据库表中。
7、作为本专利技术的一种优选技术方案，所述患者病理数据包括生活习惯调查数据、生命特征数据、患者基础病史、影像数据；所述生活习惯调查数据包括吸烟史、饮酒史、睡眠状态、饮食习惯、运动频次；所述生命特征数据通过外部设备测量得到，包括血常规、身高、体重、三围；所述患者基础病史包括遗传病史和家族病史。
8、具体地，所述标准化模型用于将不同来源的非结构化的所述患者病历数据进行格式统一形成所述结构化数据，确保了数据的一致性和兼容性，所述标准化模型通过对所述患者病历数据的后缀名进行识别得到识别结果，根据所述识别结果选择转化模型，将所述患者病历数据通过所述转化模型计算得到所述结构化数据；所述转化模型包括文本类转化模型和图像类转化模型。
9、具体地，所述文本类转化模型具体计算步骤如下：
10、s401：预定义实体词-逻辑标签关系序列，将所述文本类病历数据进行数值编码得到编码文本数据，根据所述编码文本数据通过skip-gram模型计算得到词向量序列；
11、s402：根据所述词向量序列通过bi-lstm-crf模型进行计算得到识别实体词的逻辑标签序列；
12、s403：根据所述逻辑标签序列对所述实体词－逻辑标签关系序列进行检索得到所述实体词序列；
13、s404：根据所述逻辑标签序列的特征对所述实体词序列进行关系提取的所述关系数据，将所述实体词序列与所述关系数据组成三元组得到所述结构化数据。
14、具体地，所述图像类转化模型是基于所述文本类转化模型实现的，具体计算步骤为：
15、s501：根据所述图像类病历数据通过透视变换得到矫正图像数据，根据所述矫正图像数据通过预处理得到预处理数据；所述预处理包括降噪、二值化、参数调整；
16、s502：通过canny算子对所述预处理数据进行边缘定位得到文本区域定位图像数据；
17、s503：根据所述文本区域定位图像数据通过基于字符投影图校正技术进行字符校正得到校正字符图像数据，根据所述校正字符图像数据通过垂直投影切分法计算得到字符切分图像数据；
18、s504：根据所述字符切分图像数据通过分裂合并归一法计算得到归一化文字图像数据，通过笔画方向密度特征提取技术对所述归一化文字图像数据进行特征提取得到特征数据，根据所述特征数据通过ocr字符识别技术计算得到文字识别结果，根据所述文字识别结果通过文本类转化模型计算得到所述结构化数据。
19、具体地，将bi-lstm的输出作为crf层的输入，所述crf层根据每个预测标签序列得分通过softmax算法计算得到每个预测标签序列概率值，根据所述每个预测标签序列概率值通过最大似然估计法计算得到正确标签对数概率最大化值，将所述正确标签对数概率最大化值对应的标签序列进行输出得到所述逻辑标签序列，所述正确标签对数概率最大化值计算公式为：
20、
21、其中，s(c，y)为预测标签序列y的得分，yc为句子c所有可能的标签序列，p(y|c)为预测标签序列y的概率值，n为bi-lstm的输出个数，a为变量参数。
22、具体地，所述特征提取算法是基于文字笔画与方向的概率统计实现的，具体的计算公式为：
23、
24、其中，pdi为第i方向特征，l表示从该像素点开始的向8方向进行延伸到字符笔画末端的距离大小，i为变量参数。
25、一种基于多级联通的患者信息管理方法的基于多级联通的患者信息管理系统，包括：建表模块、数据获取模块、数据处理模块、数据标的模块、数据存储模块；
26、所述建表模块，用于通过患者子系统获取患者个人信息数据，根据所述患者个人信息数据建立数据库表，获取患者病理数据，根据所述患者个人信息数据将所述患者病理数据通过分组加密算法进行加密存储至所述数据库表中；
27、所述数据获取模块，用于获取搜索语义，根据所述搜索语义对所述数据库表进行检索得到所述患者病理数据，将所述患者病理数据传输至医生子系统，通过所述医生子系统获取患者病历数据；
28、所述数据处理模块，用于根据所述患者病历数据通过标准化模型计算得到结构化数据，根据所述结构化数据的实体词序列和关系数据对所述结构化数据进行划分得到诊断数据和治疗数据，根据所述诊断数据中的疾病名称对预设影响关系库进行检索得到影响因素，根据所述影响因素对所述患者病理数据进行检索得到相关指标数据；
29、所述数据标的模块，用于将所述相关指标数据与预设阈值进行比对得到病情程度数据，根据所本文档来自技高网...
【技术保护点】
1.一种基于多级联通的患者信息管理方法，其特征在于，包括：
2.根据权利要求1所述的基于多级联通的患者信息管理方法，其特征在于，所述患者病理数据包括生活习惯调查数据、生命特征数据、患者基础病史、影像数据；所述生活习惯调查数据包括吸烟史、饮酒史、睡眠状态、饮食习惯、运动频次；所述生命特征数据通过外部设备测量得到，包括血常规、身高、体重、三围；所述患者基础病史包括遗传病史和家族病史。
3.根据权利要求1所述的基于多级联通的患者信息管理方法，其特征在于，所述标准化模型通过对所述患者病历数据的后缀名进行识别得到识别结果，根据所述识别结果选择转化模型，将所述患者病历数据通过所述转化模型计算得到所述结构化数据；所述转化模型包括文本类转化模型和图像类转化模型。
4.根据权利要求1所述的基于多级联通的患者信息管理方法，其特征在于，所述文本类转化模型具体计算步骤如下：
5.根据权利要求1所述的基于多级联通的患者信息管理方法，其特征在于，所述图像类转化模型是基于所述文本类转化模型实现的，具体计算步骤为：
6.根据权利要求4所述的基于多级联通
7.根据权利要求5所述的基于多级联通的患者信息管理方法，其特征在于，所述特征提取算法是基于文字笔画与方向的概率统计实现的，具体的计算公式为：
8.一种应用权利要求1所述的基于多级联通的患者信息管理方法的基于多级联通的患者信息管理系统，其特征在于，包括：建表模块、数据获取模块、数据处理模块、数据标的模块、数据存储模块；
9.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-7中任一所述的基于多级联通的患者信息管理方法。
10.一种包含计算机可执行指令的存储介质，其特征在于，所述计算机可执行指令在由计算机处理器执行时用于执行如权利要求1-7中任一所述的基于多级联通的患者信息管理方法。
...【技术特征摘要】
1.一种基于多级联通的患者信息管理方法，其特征在于，包括：
2.根据权利要求1所述的基于多级联通的患者信息管理方法，其特征在于，所述患者病理数据包括生活习惯调查数据、生命特征数据、患者基础病史、影像数据；所述生活习惯调查数据包括吸烟史、饮酒史、睡眠状态、饮食习惯、运动频次；所述生命特征数据通过外部设备测量得到，包括血常规、身高、体重、三围；所述患者基础病史包括遗传病史和家族病史。
3.根据权利要求1所述的基于多级联通的患者信息管理方法，其特征在于，所述标准化模型通过对所述患者病历数据的后缀名进行识别得到识别结果，根据所述识别结果选择转化模型，将所述患者病历数据通过所述转化模型计算得到所述结构化数据；所述转化模型包括文本类转化模型和图像类转化模型。
4.根据权利要求1所述的基于多级联通的患者信息管理方法，其特征在于，所述文本类转化模型具体计算步骤如下：
5.根据权利要求1所述的基于多级联通的患者信息管理方法，其特征在于，所述图像类转化模型是基于所述文本类转化模型实现的，具体计算步骤为：
6.根据权利要求4所述的基于多级联通的患者信息管理方法，其特征在于，将bi-ls...
【专利技术属性】
技术研发人员：吴政阳，
申请(专利权)人：上海米喜网络科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。