大数据医疗信息处理方法、系统、终端设备及存储介质与流程

本发明涉及终端设备技术领域，尤其涉及一种大数据医疗信息处理方法、系统、终端设备及存储介质。

背景技术

目前，面对医疗配备越来越紧缺，对医疗服务的要求也越来越高，医生诊断的技术也参差不齐，并且，现在对于疾病的诊断还是依赖于传统的挂号看病的方式，在医生诊断错误的情况下，对病人的生理以及心理造成影响，不利于社会的健康发展，也会造成医患关系的紧张。

技术实现要素：

本发明的主要目的在于提出一种大数据医疗信息处理方法、系统、终端设备及存储介质，旨在解决现有技术中无法实现智能化的疾病诊断的技术问题。

为实现上述目的，本发明提供一种大数据医疗信息处理方法，所述大数据医疗信息处理方法包括以下步骤：

采集用户的医疗信息，所述医疗信息包括检查报告信息和标签信息；

提取所述检查报告信息中的特征信息，根据所述特征信息生成特征向量；

将所述特征向量与存有大数据的诊断模型中特征信息进行比较，根据比较结果确定所述特征向量对应的目标诊断结果信息；

根据所述标签信息查找对应的历史诊断结果信息，根据历史诊断结果信息对所述目标诊断结果进行验证；

在验证结果为匹配时，将所述目标诊断结果信息进行展示。

优选地，所述提取所述检查报告信息中的特征信息，根据所述特征信息生成特征向量，具体包括：

提取所述检查报告信息中的采样区域，将所述采样区域采集的特征信息通过sift算法生成特征向量。

优选地，所述提取所述检查报告信息中的采样区域，将所述采样区域采集的特征信息通过sift算法生成特征向量之前，所述方法还包括：

获取原始检查报告信息，将所述原始检查报告信息进行格式转化，转换为预设格式，所述预设格式携带有采样区域。

优选地，所述将所述特征向量与存有大数据的诊断模型中特征信息进行比较，根据比较结果确定所述特征向量对应的目标诊断结果信息之前，所述方法还包括：

获取大数据的特征向量与大数据的诊断结果的对应关系，将所述对应关系生成大数据的诊断模型。

优选地，所述根据所述标签信息查找对应的历史诊断结果信息，根据历史诊断结果信息对所述目标诊断结果进行验证之前，所述方法还包括：

预存有历史标签信息以及对应的历史诊断结果信息的关系映射表，根据所述关系映射表执行根据所述标签信息查找对应的历史诊断结果信息，根据历史诊断结果信息对所述目标诊断结果进行验证。

优选地，所述根据所述标签信息查找对应的历史诊断结果信息，根据历史诊断结果信息对所述目标诊断结果进行验证，具体包括：

根据所述标签信息查找对应的历史诊断结果信息，在未查找所述历史诊断结果信息时，查找与所述特征向量匹配的其他标签信息对应的诊断结果信息对所述目标诊断结果进行验证。

优选地，所述采集用户的医疗信息之前，所述方法还包括：

判断所述医疗信息是否合法，在所述医疗信息合法时，执行采集用户的医疗信息。

此外，为实现上述目的，本发明还提出一种大数据医疗信息处理系统，所述大数据医疗信息处理系统包括：

采集模块，用于采集用户的医疗信息，所述医疗信息包括检查报告信息和标签信息；

提取模块，用于提取所述检查报告信息中的特征信息，根据所述特征信息生成特征向量；

比较模块，用于将所述特征向量与存有大数据的诊断模型中特征信息进行比较，根据比较结果确定所述特征向量对应的目标诊断结果信息；

验证模块，用于根据所述标签信息查找对应的历史诊断结果信息，根据历史诊断结果信息对所述目标诊断结果进行验证；

展示模块，用于在验证结果为匹配时，将所述目标诊断结果信息进行展示。

此外，为实现上述目的，本发明还提出一种终端设备，所述终端设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的大数据医疗信息处理程序，所述大数据医疗信息处理程序配置为实现如上所述的大数据医疗信息处理方法的步骤。

此外，为实现上述目的，本发明还提出一种存储介质，所述存储介质上存储有大数据医疗信息处理程序，所述大数据医疗信息处理程序被处理器执行时实现如上文所述的大数据医疗信息处理方法的步骤。

本发明提出的大数据医疗信息处理方法，通过终端设备将用户的检查报告与预设诊断模型中的特征信息进行比较，确定用户的诊断结果，从而通过自动化的诊断提高诊断效率。

附图说明

图1是本发明实施例方案涉及的硬件运行环境的终端设备结构示意图；

图2为本发明大数据医疗信息处理方法第一实施例的流程示意图；

图3为本发明大数据医疗信息处理方法第二实施例的流程示意图；

图4为本发明大数据医疗信息处理方法第三实施例的流程示意图；

图5为本发明大数据医疗信息处理系统第一实施例的功能模块示意图。

本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。

具体实施方式

应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

参照图1，图1为本发明实施例方案涉及的硬件运行环境的终端设备结构示意图。

如图1所示，该终端设备可以包括：处理器1001，例如cpu，通信总线1002、用户接口1003，网络接口1004，存储器1005。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(display)、输入单元比如按键，可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如wi-fi接口)。存储器1005可以是高速ram存储器，也可以是稳定的存储器(non-volatilememory)，例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。

本领域技术人员可以理解，图1中示出的终端设备结构并不构成对终端设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。

如图1所示，作为一种存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及大数据医疗信息处理程序。

在图1所示的终端设备中，网络接口1004主要用于连接终端设备，与终端设备进行数据通信；用户接口1003主要用于连接用户终端，与终端进行数据通信；本发明终端设备通过处理器1001调用存储器1005中存储的大数据医疗信息处理程序，并执行以下操作：

采集用户的医疗信息，所述医疗信息包括检查报告信息和标签信息；

提取所述检查报告信息中的特征信息，根据所述特征信息生成特征向量；

将所述特征向量与存有大数据的诊断模型中特征信息进行比较，根据比较结果确定所述特征向量对应的目标诊断结果信息；

根据所述标签信息查找对应的历史诊断结果信息，根据历史诊断结果信息对所述目标诊断结果进行验证；

在验证结果为匹配时，将所述目标诊断结果信息进行展示。

进一步地，处理器1001可以调用存储器1005中存储的大数据医疗信息处理程序，还执行以下操作：

提取所述检查报告信息中的采样区域，将所述采样区域采集的特征信息通过sift算法生成特征向量。

进一步地，处理器1001可以调用存储器1005中存储的大数据医疗信息处理程序，还执行以下操作：

获取原始检查报告信息，将所述原始检查报告信息进行格式转化，转换为预设格式，所述预设格式携带有采样区域。

进一步地，处理器1001可以调用存储器1005中存储的大数据医疗信息处理程序，还执行以下操作：

获取大数据的特征向量与大数据的诊断结果的对应关系，将所述对应关系生成大数据的诊断模型。

进一步地，处理器1001可以调用存储器1005中存储的大数据医疗信息处理程序，还执行以下操作：

预存有历史标签信息以及对应的历史诊断结果信息的关系映射表，根据所述关系映射表执行根据所述标签信息查找对应的历史诊断结果信息，根据历史诊断结果信息对所述目标诊断结果进行验证。

进一步地，处理器1001可以调用存储器1005中存储的大数据医疗信息处理程序，还执行以下操作：

根据所述标签信息查找对应的历史诊断结果信息，在未查找所述历史诊断结果信息时，查找与所述特征向量匹配的其他标签信息对应的诊断结果信息对所述目标诊断结果进行验证。

进一步地，处理器1001可以调用存储器1005中存储的大数据医疗信息处理程序，还执行以下操作：

判断所述医疗信息是否合法，在所述医疗信息合法时，执行采集用户的医疗信息。

本实施例通过上述方案，通过终端设备将用户的检查报告与预设诊断模型中的特征信息进行比较，确定用户的诊断结果，从而通过自动化的诊断提高诊断效率。

基于上述硬件结构，提出本发明大数据医疗信息处理方法实施例。

参照图2，图2为本发明大数据医疗信息处理方法第一实施例的流程示意图。

在第一实施例中，所述大数据医疗信息处理方法包括以下步骤：

步骤s10，采集用户的医疗信息，所述医疗信息包括检查报告信息和标签信息。

在本实施例中，基于一套医疗诊断系统，所述医疗诊断系统包括各个诊断设备，例如b超设备，电子计算机断层扫描(computedtomography，ct)设备等，还可包括其他医疗诊断设备，本实施例对此不作限制，在本系统中，所述医疗设备进行互连，可进行数据通信，医疗设备将诊断信息发送中本实施例中的终端处理设备，对所述医疗信息进行分析处理。

在具体实现中，为了便于为医疗信息的管理，在医疗设备采集用户的诊断信息之后将所述诊断信息标上用户的标签，从而与其他用户的区分，还可通过其他方式进行用户标识，本实施例对此不作限制。

步骤s20，提取所述检查报告信息中的特征信息，根据所述特征信息生成特征向量。

在具体实现中，通过采集各信息点，将各信息点组成特征向量，首先，根据检查报告信息中预设项的数据生成特征信息，例如在胃的b超检查中，对于胃以及周边部位检测的回声大小以及形状大小，对于回声大小是针对检查结果的关键参考因素，因此，可将回声大小的数据作为特征信息，还可包括其他关键的参数信息，通过获取的参数信息生成特征向量，从而可通过特征向量提取报告信息中的关键参数。

步骤s30，将所述特征向量与存有大数据的诊断模型中特征信息进行比较，根据比较结果确定所述特征向量对应的目标诊断结果信息。

需要说明的是，在本实施例中，设有大数据的诊断模型，所述大数据的诊断模型设有不同特征信息以及对应的诊断结果，基本囊括几十年的疾病诊断信息，从而对疾病诊断提供有效地参考依据。

在具体实现中，可将特征向量放入所述大数据与的诊断模型中进行迭代匹配，得到对应的诊断结果，从而减小个人医生诊断的片面性以及降低诊断的错误率，并提高诊断效率。

步骤s40，根据所述标签信息查找对应的历史诊断结果信息，根据历史诊断结果信息对所述目标诊断结果进行验证。

需要说明的是，还可通过标签信息查找与所述标签信息对应的历史诊断结果信息，例如，系统上已经备份了用户之前的历史诊断信息，可从用户的标签信息跟踪到用户之前的诊断结果，对当前的诊断结果进行验证，从而提高系统验证的准确性。

在具体实现中，例如用户之前针对该疾病进行的相应的诊断，可对该次诊断信息进行备份至数据库，在用户再次进行诊断时，从用户个人信息在数据库中查找之前的诊断信息，从而一方面可进一步的进行疾病跟踪，另一方面对大数据的诊断模型得出的诊断结果进行验证，判断大数据的诊断模型的准确度。

步骤s50，在验证结果为匹配时，将所述目标诊断结果信息进行展示。

需要说明的是，在获取到诊断结果时，可将诊断结果通过打印的方式获取，还可通过界面进行展示，本实施例对此不作限制，从而便于用户查看诊断结果，提高用户体验。

本实施例通过上述方案，通过终端设备将用户的检查报告与预设诊断模型中的特征信息进行比较，确定用户的诊断结果，从而通过自动化的诊断提高诊断效率。

进一步地，如图3所示，基于第一实施例提出本发明大数据医疗信息处理方法第二实施例，在本实施例中，所述步骤s20，具体包括：

步骤s201，提取所述检查报告信息中的采样区域，将所述采样区域采集的特征信息通过sift算法生成特征向量。

在本实施例中，通过sift算法首先获取检测报告信息中的采样区域，提取采样区域中的采样点，并将采样点进行组合生成特征向量，从而实现对特征信息的提取。

进一步地，所述步骤s201之前，所述方法还包括：

步骤s202，获取原始检查报告信息，将所述原始检查报告信息进行格式转化，转换为预设格式，所述预设格式携带有采样区域。

需要说明的是，由于不同检查报告信息中项目内容各不相同，为了实现对数据的处理，在本实施例中，将检查报告信息转换为统一的报告格式，在所述统一的报告格式中设有多个采集区域，将所述采集区域作为生成特征向量的采集区域，从而实现对不同检查报告中的信息提取，使所述系统适应不同的诊断设备的需求，提高系统处理的灵活性。

本实施例提供的方案，通过sift算法检查报告信息进行信息提取，并通过统一的报告格式对不同的检查报告信息进行格式转换，从而实现对不同检查报告的处理，提高系统处理的灵活性。

进一步地，如图4所示，基于第一实施例或第二实施例提出本发明大数据医疗信息处理方法第三实施例，在本实施例中，基于第一实施例进行说明，所述步骤s30之前，所述方法还包括：

步骤s301，获取大数据的特征向量与大数据的诊断结果的对应关系，将所述对应关系生成大数据的诊断模型。

需要说明的是，在本实施例中，首先创建原始诊断模型，将采样数据对原始诊断模型进行训练，从而使所述原始诊断模型学习各个数据信息，生成大数据的诊断模型，并通过所述大数据的诊断模型对检查报告信息进行处理，实现大数据的数据分析。

进一步地，所述步骤s40之前，所述方法还包括：

步骤s401，预存有历史标签信息以及对应的历史诊断结果信息的关系映射表，根据所述关系映射表执行根据所述标签信息查找对应的历史诊断结果信息，根据历史诊断结果信息对所述目标诊断结果进行验证。

在本实施例中，建立标签信息与诊断结果的映射关系表，即获取用户的诊断信息，将用户的诊断信息根据用户分类生成与用户对应的信息，从而在获取到用户对应的标签信息之后，自动查找到与用户标签信息对应的诊断信息，从而实现对用户信息的个性化管理，有利于进行数据分析。

进一步地，所述步骤s40，具体包括：

步骤s402，根据所述标签信息查找对应的历史诊断结果信息，在未查找所述历史诊断结果信息时，查找与所述特征向量匹配的其他标签信息对应的诊断结果信息对所述目标诊断结果进行验证。

需要说明的是，在所述标签信息对应的用户的信息下并没有历史诊断结果信息时，在这种情况下，可根据用户的特征信息查找其他用户匹配的特征信息对应的诊断结果，将此诊断结果对当前的诊断结果进行验证，从而提高诊断结果的准确度。

进一步地，所述步骤s10之前，所述方法还包括：

步骤s101，判断所述医疗信息是否合法，在所述医疗信息合法时，执行采集用户的医疗信息。

可以理解的是，为了提高系统处理数据的安全性，在本实施例中，可获取的医疗信息进行安全验证，判断所述医疗信息是否为安全性，在医疗信息为安全的情况下，再对所述医疗信息进行处理。

在具体实现中，可判断所述医疗信息的格式是否为预设格式，在所述医疗信息的格式与预设格式不一致时，则表明所述医疗信息并不是安全的医疗信息，则不进行处理，相应地，在所述医疗信息的格式与预设格式一致时，则表明所述医疗信息为安全的医疗信息，再进行处理，从而提高系统处理的安全性。

本实施例通过上述方案，通过终端设备将用户的检查报告与预设诊断模型中的特征信息进行比较，确定用户的诊断结果，从而通过自动化的诊断提高诊断效率。

本发明进一步提供一种大数据医疗信息处理系统。

参照图5，图5为本发明大数据医疗信息处理系统第一实施例的功能模块示意图。

本发明大数据医疗信息处理系统第一实施例中，该大数据医疗信息处理系统包括：

采集模块10，用于采集用户的医疗信息，所述医疗信息包括检查报告信息和标签信息。

在本实施例中，基于一套医疗诊断系统，所述医疗诊断系统包括各个诊断设备，例如b超设备，电子计算机断层扫描(computedtomography，ct)设备等，还可包括其他医疗诊断设备，本实施例对此不作限制，在本系统中，所述医疗设备进行互连，可进行数据通信，医疗设备将诊断信息发送中本实施例中的终端处理设备，对所述医疗信息进行分析处理。

在具体实现中，为了便于为医疗信息的管理，在医疗设备采集用户的诊断信息之后将所述诊断信息标上用户的标签，从而与其他用户的区分，还可通过其他方式进行用户标识，本实施例对此不作限制。

提取模块20，用于提取所述检查报告信息中的特征信息，根据所述特征信息生成特征向量。

在具体实现中，通过采集各信息点，将各信息点组成特征向量，首先，根据检查报告信息中预设项的数据生成特征信息，例如在胃的b超检查中，对于胃以及周边部位检测的回声大小以及形状大小，对于回声大小是针对检查结果的关键参考因素，因此，可将回声大小的数据作为特征信息，还可包括其他关键的参数信息，通过获取的参数信息生成特征向量，从而可通过特征向量提取报告信息中的关键参数。

比较模块30，用于将所述特征向量与存有大数据的诊断模型中特征信息进行比较，根据比较结果确定所述特征向量对应的目标诊断结果信息。

需要说明的是，在本实施例中，设有大数据的诊断模型，所述大数据的诊断模型设有不同特征信息以及对应的诊断结果，基本囊括几十年的疾病诊断信息，从而对疾病诊断提供有效地参考依据。

在具体实现中，可将特征向量放入所述大数据与的诊断模型中进行迭代匹配，得到对应的诊断结果，从而减小个人医生诊断的片面性以及降低诊断的错误率，并提高诊断效率。

验证模块40，用于根据所述标签信息查找对应的历史诊断结果信息，根据历史诊断结果信息对所述目标诊断结果进行验证。

需要说明的是，还可通过标签信息查找与所述标签信息对应的历史诊断结果信息，例如，系统上已经备份了用户之前的历史诊断信息，可从用户的标签信息跟踪到用户之前的诊断结果，对当前的诊断结果进行验证，从而提高系统验证的准确性。

在具体实现中，例如用户之前针对该疾病进行的相应的诊断，可对该次诊断信息进行备份至数据库，在用户再次进行诊断时，从用户个人信息在数据库中查找之前的诊断信息，从而一方面可进一步的进行疾病跟踪，另一方面对大数据的诊断模型得出的诊断结果进行验证，判断大数据的诊断模型的准确度。

展示模块50，用于在验证结果为匹配时，将所述目标诊断结果信息进行展示。

需要说明的是，在获取到诊断结果时，可将诊断结果通过打印的方式获取，还可通过界面进行展示，本实施例对此不作限制，从而便于用户查看诊断结果，提高用户体验。

本实施例通过上述方案，通过终端设备将用户的检查报告与预设诊断模型中的特征信息进行比较，确定用户的诊断结果，从而通过自动化的诊断提高诊断效率。

此外，为实现上述目的，本发明还提出一种终端设备，所述终端设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的大数据医疗信息处理程序，所述大数据医疗信息处理程序配置为实现如上文所述的大数据医疗信息处理方法的步骤。

此外，本发明实施例还提出一种存储介质，所述存储介质上存储有大数据医疗信息处理程序，所述大数据医疗信息处理程序被处理器执行时实现如下操作：

采集用户的医疗信息，所述医疗信息包括检查报告信息和标签信息；

提取所述检查报告信息中的特征信息，根据所述特征信息生成特征向量；

将所述特征向量与存有大数据的诊断模型中特征信息进行比较，根据比较结果确定所述特征向量对应的目标诊断结果信息；

根据所述标签信息查找对应的历史诊断结果信息，根据历史诊断结果信息对所述目标诊断结果进行验证；

在验证结果为匹配时，将所述目标诊断结果信息进行展示。

进一步地，所述大数据医疗信息处理程序被处理器执行时还实现如下操作：

提取所述检查报告信息中的采样区域，将所述采样区域采集的特征信息通过sift算法生成特征向量。

进一步地，所述大数据医疗信息处理程序被处理器执行时还实现如下操作：

获取原始检查报告信息，将所述原始检查报告信息进行格式转化，转换为预设格式，所述预设格式携带有采样区域。

进一步地，所述大数据医疗信息处理程序被处理器执行时还实现如下操作：

获取大数据的特征向量与大数据的诊断结果的对应关系，将所述对应关系生成大数据的诊断模型。

进一步地，所述大数据医疗信息处理程序被处理器执行时还实现如下操作：

预存有历史标签信息以及对应的历史诊断结果信息的关系映射表，根据所述关系映射表执行根据所述标签信息查找对应的历史诊断结果信息，根据历史诊断结果信息对所述目标诊断结果进行验证。

进一步地，所述大数据医疗信息处理程序被处理器执行时还实现如下操作：

根据所述标签信息查找对应的历史诊断结果信息，在未查找所述历史诊断结果信息时，查找与所述特征向量匹配的其他标签信息对应的诊断结果信息对所述目标诊断结果进行验证。

进一步地，所述大数据医疗信息处理程序被处理器执行时还实现如下操作：

判断所述医疗信息是否合法，在所述医疗信息合法时，执行采集用户的医疗信息。

本实施例通过上述方案，通过终端设备将用户的检查报告与预设诊断模型中的特征信息进行比较，确定用户的诊断结果，从而通过自动化的诊断提高诊断效率。

需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。

上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在如上所述的一个计算机可读存储介质(如rom/ram、磁碟、光盘)中，包括若干指令用以使得一台智能终端(可以是手机，计算机，终端设备，空调器，或者网络设备等)执行本发明各个实施例所述的方法。

以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。