区间（0.6, 2. 5)，如果某一个像素点的加权概率密度位于此区间 内，则判定其为异常点，同时将此点的灰度值置为一；反之，将此像素点的灰度值置零。通过 以上处理，可以得到一幅二值图像。为了去除边缘效应和噪声影响，依次对二值图像做边缘 区域处理和腐蚀处理。此时，二值图像中还会存在一些离散的非零点，为了提高肿瘤区域定 位的准确性，进一步采用一个16X 16的矩形窗扫描二值图像，图像中落入矩形窗内的非零 点（异常点）个数最多的区域则为肿瘤区域。然后利用区域增长算法就能够分割出完整的 肿瘤。图4示出了处理过程的各种状态，图4中的子图a为处理前的状态，子图b为处理过 程中生成的二值图像，子图c为得到的包含异常点最多的区域，子图d为区域增长后得到的 感兴趣区域（ROI)。
[0087] 分割出ROI之后，通过特征提取子模块S430提取感兴趣区域的面积A、周长C以及 最小外接矩形的面积A2,并提取整幅图像的总面积Area。
[0088] 图形描述子构造子模块S440用于利用所述整幅图像的总面积Area、以及所述感 兴趣区域的面积A、周长C和最小外接矩形的面积A2构造感兴趣区域的图形描述子Ci1, i =1，2,3,4,5,其中，
[0090] α 4, α 5是感兴趣区域的边界特征，通过获取感兴趣区域的边界像素点，求取其 重心及边界上每一个点到重心的距离，然后对这组距离值计算其平均值和方差，分别作为 α 4, α 5的值。
[0091] 然后，在相似度计算子模块S450中，通过计算两个医学影像中感兴趣区域的图形 描述子之间的欧氏距离，再取倒数后作为两个医学影像的相似度指标S3。
[0092] 综合相似度计算模块S500用于将针对患者自诉、检查结果和医学影像的三个相 似度指标Si、S2、S3，以及基于专家打分的患者自诉、检查结果和医学影像三者的临床判断重 要性指标（即权重）W1、W2、W3相融合，计算待诊疗患者与病历数据库记载的已诊疗患者的 综合相似度。更具体地说，基于专家打分的患者自诉、检查结果和医学影像三者的临床判断 重要性指标（即权重）W1、W2、W3,可以由若干（如10-20)个行业内专家根据患者自述、诊 断经验、医学影像对于临床判断的重要性进行打分，并综合考虑专家的权威性后获得，三者 之间满足W1+W2+W3 = 1。然后，将三个相似度指标Si、S2、S3与三个权重W1、W2、W3对应相 乘，得到改进后的相似度S1'、S2'、S3'。在获得三个改进后的相似度指标S 1'、S2'、S3'后，将 它们作为相应电子病历的特征向量，通过衡量特征向量间的欧氏距离，值越小这说明这两 份电子病历相似度越高。每份电子病历对应一个患者，因此可以得到待诊疗患者与病历数 据库记载的已诊疗患者的综合相似度。
[0093] 在诊疗方案生成模块中，通过从病历数据库选出与待诊疗患者综合相似度最高的 已诊疗患者的病历并输出其诊疗方案，为医生或者其它用户诊断疾病和制定治疗计划提供 参考。
[0094] 上述虚拟名医综合考虑了病历中的患者自诉、医生的诊断经验和医学影像以及经 验丰富的专家意见，通过衡量三种数据各自的相似度及其对于临床诊断重要性来综合考察 完整病历间的相似度。这种相似度衡量方式不仅较全面利用了电子病历中的数据，还考虑 了行业内权威人士的意见，同时将医生诊断疾病的模式移植到网络平台，完成了虚拟医生 的功能。
【主权项】
1. 一种基于病历数据库的虚拟名医，其特征在于，所述病历数据库记载了已诊疗患者 的患者自述、检查结果、医学影像以及诊疗方案，所述虚拟名医包括： 病历数据录入装置，用于录入待诊疗患者的患者自述、检查结果以及医学影像； 自诉相似度计算模块，用于计算待诊疗患者与病历数据库记载的已诊疗患者针对患者 自诉的相似度指标； 诊断经验相似度计算模块，用于计算待诊疗患者与病历数据库记载的已诊疗患者针对 检查结果的相似度指标； 医学影像相似度计算模块，用于计算待诊疗患者与病历数据库记载的已诊疗患者针对 医学影像的相似度指标； 综合相似度计算模块，用于将针对患者自诉、检查结果和医学影像的三个相似度指标， 以及基于专家打分的患者自诉、检查结果和医学影像三者的临床判断重要性指标相融合， 计算待诊疗患者与病历数据库记载的已诊疗患者的综合相似度；以及 诊疗方案生成模块，用于从病历数据库选出综合相似度最高的已诊疗患者的病历并输 出其诊疗方案。2. 根据权利要求1所述的基于病历数据库的虚拟名医，其特征在于，所述自诉相似度 计算模块为文本相似度计算模块，自诉相似度计算模块设置有关键词的同义词表，用关键 词计算相似度包括用关键词及其同义词计算相似度。3. 根据权利要求1所述的基于病历数据库的虚拟名医，其特征在于，所述诊断经验相 似度计算模块包括： 层次模型构造子模块，用于以待诊疗患者的已检查的项目为准则、病历数据库中记载 的已诊疗患者的病历为待选方案建立目标层-准则层-方案层三层结构的层次模型； 权重计算子模块，用于计算准则层相对于目标层的权重，其权重计算方法包括：用各个 已检查的项目与疾病的关联度指数构造准则层相对于目标层的判断矩阵，将判断矩阵的各 行向量进行几何平均，然后进行归一化处理得到准则层相对于目标层的权重； 单项相似度计算子模块，用于计算待诊疗患者与病历数据库记载的已诊疗患者针对单 个检查结果的相似度；以及 多项综合相似度计算子模块，用于将相对同一个已诊疗患者的各个单项相似度与权重 对应相乘获取诊断经验相似度。4. 根据权利要求3所述的基于病历数据库的虚拟名医，其特征在于，在所述单项相似 度计算子模块中，采用距离系数来判定针对单个检查结果的相似度。5. 根据权利要求4所述的基于病历数据库的虚拟名医，其特征在于，在所述单项相似 度计算子模块中，所述距离系数为相对海明距离D 1 ]n，单项相似度S1 ]n计算如下：其中，i和j表示进行比较的两个病历，η代表第η个检查项目，Xk表示已检查项目第 k个指标，Xkniax表示所有病历中项目η的第k个指标的最大值，X k_表示所有病历中项目η 的第k个指标的最小值，m为指标个数，O < Di^jnS m。6. 根据权利要求1所述的基于病历数据库的虚拟名医，其特征在于，所述医学影像相 似度计算模块包括： 图像预处理子模块，用于对医学影像进行预处理； ROI分割子模块，用于采用GMM算法从预处理后的医学影像中分割出感兴趣区域； 特征提取子模块，用于提取感兴趣区域的面积A、周长C以及最小外接矩形的面积A2， 并提取整幅图像的总面积Area ; 图形描述子构造子模块，用于利用所述整幅图像的总面积Area、以及所述感兴趣区域 的面积A、周长C和最小外接矩形的面积A2构造感兴趣区域的图形描述子Ci1, i = 1，2, 3， 4,5,其中，α 4, α 5是感兴趣区域的边界特征，通过获取感兴趣区域的边界像素点，求取其重心及 边界上每一个点到重心的距离，然后对这组距离值计算其平均值和方差，分别作为α4, 的值；以及 相似度计算子模块，通过计算两个医学影像中感兴趣区域的图形描述子之间的欧氏距 离，再取倒数后作为两个医学影像的相似度。7.根据权利要求6所述的基于病历数据库的虚拟名医，其特征在于，在所述ROI分割子 模块中，采用GMM算法从预处理后的医学影像中分割出感兴趣区域的方法包括： 通过高斯混合模型计算医学影像中每个像素点灰度的加权概率密度，与加权概率密度 的经验区间比较区分出正常点和异常点，将正常点和异常点的灰度值置为两个不同的固定 值从而得到该医学影像的二值图像； 用矩形窗扫描所述二值图像，找出包含异常点最多的区域；以及 用区域增长算法处理所述的包含异常点最多的区域，作为该医学影像中的感兴趣区 域。
【专利摘要】一种基于病历数据库的虚拟名医，其包括：病历数据录入装置；自诉相似度计算模块、诊断经验相似度计算模块及医学影像相似度计算模块，分别用于计算待诊疗患者与病历数据库记载的已诊疗患者针对患者自诉、检查结果及医学影像的相似度指标；综合相似度计算模块，用于将针对患者自诉、检查结果和医学影像的三个相似度指标，以及基于专家打分的患者自诉、检查结果和医学影像三者的临床判断重要性指标相融合，计算待诊疗患者与病历数据库记载的已诊疗患者的综合相似度；以及诊疗方案生成模块，用于从病历数据库选出综合相似度最高的已诊疗患者的病历并输出其诊疗方案。其能够充分发挥电子病历信息资源的临床价值，为医生或者用户提供诊疗建议。
【IPC分类】G06F19/00
【公开号】CN105184103
【申请号】CN201510665261
【发明人】袁克虹, 王庆阳, 李玉婵
【申请人】清华大学深圳研究生院
【公开日】2015年12月23日
【申请日】2015年10月15日