【技术实现步骤摘要】
一种儿童社区获得性肺炎的智能诊断方法
本专利技术涉及人工智能
，尤其涉及一种儿童社区获得性肺炎的智能诊断方法。
技术介绍
目前，地方医疗结构和社区医疗机构医生水平有限，经历的病例数有限同时也缺乏培训。为提高临床医生的医疗能力实现“医疗专家资源下沉”三级医院主要通过现场培训和专家坐诊方式解决，但此方式时间和人力成本较高，且限于时间和地域限制很难实现针对性辅导，效果并不显著。另外，市面上的人工智能产品都是基于成人常见病诊断，缺少儿童专科专病疾病诊断，现实中，临床医生对于成人常见病的鉴别诊断及治疗经验相对丰富，但临床医生对于儿童疾病的认知及诊断水平较低，往往延误病情、拖延治疗、危及患者生命，医生的诊治水平难以得到实质提高。
技术实现思路
为了准确推荐，本申请实施例提出了一种儿童社区获得性肺炎的智能诊断方法。为了达到上述目的，本专利技术采用的主要技术方案包括：S101，获取儿童的电子病历；S102，识别电子病历中的关键数据及基础数据，所述关键数据为检测的指标数据，所述基础数据...
【技术保护点】
1.一种儿童社区获得性肺炎的智能诊断方法，其特征在于，所述方法包括：/nS101，获取儿童的电子病历；/nS102，识别电子病历中的关键数据及基础数据，所述关键数据为检测的指标数据，所述基础数据为所述儿童的身份及历史诊断数据；/nS103，根据所述关键数据和基础数据，通过预先训练的典型症状诊断模型，获得诊断结果。/n
【技术特征摘要】
1.一种儿童社区获得性肺炎的智能诊断方法，其特征在于，所述方法包括：
S101，获取儿童的电子病历；
S102，识别电子病历中的关键数据及基础数据，所述关键数据为检测的指标数据，所述基础数据为所述儿童的身份及历史诊断数据；
S103，根据所述关键数据和基础数据，通过预先训练的典型症状诊断模型，获得诊断结果。
2.根据权利要求1所述的方法，其特征在于，所述S102具体包括：
S102-1，从所述电子病例中获取本次的就诊信息及本次检测结果；
S102-2，从所述电子病例中获取最近一次的就诊信息及最近一次检测结果；
S102-3，根据所述本次的就诊信息，本次检测结果，最近一次的就诊信息和最近一次检测结果识别关键数据及基础数据。
3.根据权利要求2所述的方法，其特征在于，所述S102-3具体包括：
从所述电子病例中确定与本次就诊信息相关的上次就诊信息，若相关的上次就诊信息为最近一次的就诊信息，则
将所述本次就诊信息中的，姓名，性别，年龄，病情以及所述最近一次的就诊信息中的病情，诊断结果，诊治记录作为基础数据；
根据所述本次检测结果和所述最近一次检测结果确定关键数据。
4.根据权利要求3所述的方法，其特征在于，所述根据所述本次检测结果和所述最近一次检测结果确定关键数据，包括：
获取本次检测结果中的各项指标名称及指标值；
获取最近一次检测结果中的各项指标名称及指标值；
确定各指标值的正常属性，所述正常属性为正常，风险，异常；
将各项指标名称，对应的正常属性，以及异常和风险属性的指标值确定为关键数据。
5.根据权利要求2所述的方法，其特征在于，所述S102-3具体包括：
从所述电子病例中确定与本次就诊信息相关的上次就诊信息，若相关的上次就诊信息非最近一次的就诊信息，则
获取相关的上次就诊信息及相关的上次检测结果；
将如下信息作为基础数据：本次就诊信息中的姓名、性别、年龄、病情作，最近一次的就诊信息中的病情、诊断结果、诊治记录，相关的上次就诊信息中的病情、诊断结果、诊治记录；
根据所述本次检测结果、所述最近一次检测结果和相关的上次检测结果确定关键数据。
6.根据权利要求5所述的方法，其特征在于，所述根据所述本次检测结果、所述最近一次检测结果和相关的上次检测结果确定关键数据，包括：
获取本次检测结果中的各项指标名称及指标值；
获取最近一次检测结果中的各项指标名称及指标值；
获取相关的上次检测结果中各项指标名称及指标值；
确定各指标值的正常属性，所述正常属性为正常，风险，异常；
根据各项指标名称，对应的正常属性，以及异常和风险属性的指标值确定关键数据。
7.根据权利要求6所述的方法，其特征在于，所述根据各项指标名称，对应的...
【专利技术属性】
技术研发人员：倪鑫，赵顺英，李惠民，刘原虎，杨海明，徐新，赵琼姝，
申请(专利权)人：首都医科大学附属北京儿童医院，
类型：发明
国别省市：北京;11
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。