本公开涉及一种基于智能纸笔的医疗信息记录方法和装置，其中，方法包括：获取智能笔发送的书写轨迹数据；从书写轨迹数据中提取多个轨迹点坐标输入已训练的隐马尔科夫模型HMM进行解码处理，获取第一候选识别结果集合；从书写轨迹数据中提取图像帧序列输入已训练的深度神经网络模型DNN进行解码处理，获取第二候选识别结果集合；根据第一候选识别结果集合和第二候选识别结果集合中每个识别结果和对应的分数值进行计算，确定目标识别结果；对目标识别结果进行语义分析，获取结构化数据，并将结构化数据和书写轨迹数据存储在数据库中。由此，实时采集医生的原始手写记录数据并保存，以及提高医疗信息录入的效率和准确性。以及提高医疗信息录入的效率和准确性。以及提高医疗信息录入的效率和准确性。
【技术实现步骤摘要】
一种基于智能纸笔的医疗信息记录方法和装置
[0001]本公开涉及医疗数据处理
，尤其涉及一种基于智能纸笔的医疗信息记录方法和装置。
技术介绍
[0002]随着医疗信息化的普及，大量的医疗数据都是以数字化形式在信息化系统中进行记录、管理、查询、分析等等。但是在一些医疗场景中，比如门诊、住院查房、随访、临床科研等，受限于使用习惯、场景复杂性、以及医疗效率的一些因素，数据记录还是大量采用纸质手写的方式，比如门诊的病历记录、患者随访数据记录等，后续再通过人工的方式，把纸质信息二次录入到系统中，比如图1所示。
[0003]然而，二次人工转录的效率不高，浪费了有限的医疗人工资源，以及二次人工转录会带来一定的信息丢失和错误，也可能存在在数据记录后以及转录过程中，数据可能被篡改，无法保证数据的真实性的技术问题。
技术实现思路
[0004]为了解决上述技术问题或者至少部分地解决上述技术问题，本公开提供了一种基于智能纸笔的医疗信息记录方法和装置。
[0005]本公开提供了一种基于智能纸笔的医疗信息记录方法，包括：
[0006]获取智能笔发送的书写轨迹数据；
[0007]从所述书写轨迹数据中提取多个轨迹点坐标输入已训练的隐马尔科夫模型HMM(Hidden Markov Model，隐马尔科夫模型)进行解码处理，获取第一候选识别结果集合；
[0008]从所述书写轨迹数据中提取图像帧序列输入已训练的深度神经网络模型DNN(Deep Neural Network深度神经网络)进行解码处理，获取第二候选识别结果集合；
[0009]根据所述第一候选识别结果集合和所述第二候选识别结果集合中每个识别结果和对应的分数值进行计算，确定目标识别结果；
[0010]对所述目标识别结果进行语义分析，获取结构化数据，并将所述结构化数据和所述书写轨迹数据存储在数据库中。
[0011]在本公开的一个可选实施例中，在所述从所述书写轨迹数据中提取多个轨迹点坐标输入已训练的隐马尔科夫模型HMM进行解码处理之前，还包括：
[0012]获取多个文字样本，将每个所述文字样本拆分为多个子单元样本；其中，每个所述子单元样本包括点坐标和时序的对应关系；
[0013]将每个所述点坐标和时序的对应关系对应一个多状态的HMM，以及针对具有多种笔画顺序的所述子单元样本采用了多路径HMM建模，生成所述已训练的隐马尔科夫模型HMM，其中，HMM状态的数目与所述子单元样本的笔划数成正比。
[0014]在本公开的一个可选实施例中，在所述从所述书写轨迹数据中提取图像帧序列输入已训练的深度神经网络模型DNN进行解码处理之前，包括：
[0015]获取多个文字样本，并获取每个所述文字样本对应的灰度图片；其中，所述灰度图片的灰度值为手写轨迹的方向；
[0016]对所述灰度图片从左往右进行分帧采样获取每个所述文字样本对应的图像帧序列样本；
[0017]将所述图像帧序列样本和标签输入DNN进行训练，获取所述已训练的DNN。
[0018]在本公开的一个可选实施例中，所述多个文字样本包括药品名称的英文缩写、药品的剂量用法多个医疗术语样本。
[0019]在本公开的一个可选实施例中，所述对所述目标识别结果进行语义分析，获取结构化数据，包括：
[0020]根据所述目标识别结果和对应的排版信息将所述目标识别结果分割成多个单元；
[0021]通过预训练的信息提取模型对每个所述单元进行信息提取，获取多个关键词；
[0022]根据预设的词典和映射模型对所述多个关键词进行数据规范化处理，获取目标词语，以及抽取所述多个关键词之间的实体关系；
[0023]根据所述目标词语和所述实体关系生成所述结构化数据。
[0024]在本公开的一个可选实施例中，所述目标识别结果对应的排版信息包括：所述目标识别结果的文字位置信息和字体信息。
[0025]在本公开的一个可选实施例中，根据所述目标识别结果和对应的排版信息将所述目标识别结果分割成多个单元，包括：
[0026]根据所述目标识别结果和对应的排版信息确定个人信息、主诉、症状、检查结果、处方和治疗记录；
[0027]根据所述个人信息、所述主诉、所述症状、所述检查结果、所述处方和所述治疗记录将所述目标识别结果分割成六个单元。
[0028]在本公开的一个可选实施例中，所述的基于智能纸笔的医疗信息记录方法，还包括：
[0029]将所述结构化数据发送到终端显示；
[0030]接收到对所述结构化数据的确认指令或更新指令，获取所述书写轨迹数据、确认或更新的文本信息训练HMM和DNN。
[0031]在本公开的一个可选实施例中，所述的基于智能纸笔的医疗信息记录方法，还包括：
[0032]将所述结构化数据发送到终端显示；
[0033]接收到对所述结构化数据的确认指令，对所述结构化数据进行标注作为训练样本用于训练语义分析模型；其中，所述语义分析模型包括信息提取模型、词典和映射模型、以及标准实体库。
[0034]本公开提供了另一种基于智能纸笔的医疗信息记录装置，包括：
[0035]获取模块，用于获取智能笔发送的书写轨迹数据；
[0036]第一处理模块，用于从所述书写轨迹数据中提取多个轨迹点坐标输入已训练的隐马尔科夫模型HMM进行解码处理，获取第一候选识别结果集合；
[0037]第二处理模块，用于从所述书写轨迹数据中提取图像帧序列输入已训练的深度神经网络模型DNN进行解码处理，获取第二候选识别结果集合；
[0038]计算模块，用于根据所述第一候选识别结果集合和所述第二候选识别结果集合中每个识别结果和对应的分数值进行计算，确定目标识别结果；
[0039]获取存储模块，用于对所述目标识别结果进行语义分析，获取结构化数据，并将所述结构化数据和所述书写轨迹数据存储在数据库中。
[0040]本公开实施例提供的技术方案与现有技术相比具有如下优点：
[0041]通过获取智能笔发送的书写轨迹数据，从书写轨迹数据中提取多个轨迹点坐标输入已训练的隐马尔科夫模型HMM进行解码处理，获取第一候选识别结果集合，从书写轨迹数据中提取图像帧序列输入已训练的深度神经网络模型DNN进行解码处理，获取第二候选识别结果集合，根据第一候选识别结果集合和第二候选识别结果集合中每个识别结果和对应的分数值进行计算，确定目标识别结果，对目标识别结果进行语义分析，获取结构化数据，并将结构化数据和书写轨迹数据存储在数据库中。由此，在不改变传统纸笔书写习惯的前提下，实时采集医生的原始手写记录数据并保存，以及提高医疗信息录入的效率和准确性。
附图说明
[0042]此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。
[0043]为了更清楚地说明本公开实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于智能纸笔的医疗信息记录方法，其特征在于，包括：获取智能笔发送的书写轨迹数据；从所述书写轨迹数据中提取多个轨迹点坐标输入已训练的隐马尔科夫模型HMM进行解码处理，获取第一候选识别结果集合；从所述书写轨迹数据中提取图像帧序列输入已训练的深度神经网络模型DNN进行解码处理，获取第二候选识别结果集合；根据所述第一候选识别结果集合和所述第二候选识别结果集合中每个识别结果和对应的分数值进行计算，确定目标识别结果；对所述目标识别结果进行语义分析，获取结构化数据，并将所述结构化数据和所述书写轨迹数据存储在数据库中。2.根据权利要求1所述的基于智能纸笔的医疗信息记录方法，其特征在于，在所述从所述书写轨迹数据中提取多个轨迹点坐标输入已训练的隐马尔科夫模型HMM进行解码处理之前，还包括：获取多个文字样本，将每个所述文字样本拆分为多个子单元样本；其中，每个所述子单元样本包括点坐标和时序的对应关系；将每个所述点坐标和时序的对应关系对应一个多状态的HMM，以及针对具有多种笔画顺序的所述子单元样本采用了多路径HMM建模，生成所述已训练的隐马尔科夫模型HMM，其中，HMM状态的数目与所述子单元样本的笔划数成正比。3.根据权利要求1所述的基于智能纸笔的医疗信息记录方法，其特征在于，在所述从所述书写轨迹数据中提取图像帧序列输入已训练的深度神经网络模型DNN进行解码处理之前，包括：获取多个文字样本，并获取每个所述文字样本对应的灰度图片；其中，所述灰度图片的灰度值为手写轨迹的方向；对所述灰度图片从左往右进行分帧采样获取每个所述文字样本对应的图像帧序列样本；将所述图像帧序列样本和标签输入DNN进行训练，获取所述已训练的DNN。4.根据权利要求2或3所述的基于智能纸笔的医疗信息记录方法，其特征在于，所述多个文字样本包括药品名称的英文缩写、药品的剂量用法多个医疗术语样本。5.根据权利要求1所述的基于智能纸笔的医疗信息记录方法，其特征在于，所述对所述目标识别结果进行语义分析，获取结构化数据，包括：根据所述目标识别结果和对应的排版信息将所述目标识别结果分割成多个单元；通过预训练的信息提取模型对每个所述...
【专利技术属性】
技术研发人员：赖伟，陈良军，周昌伟，
申请(专利权)人：北京易康医疗科技有限公司，
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。