本发明专利技术提供了一种基于大模型的医疗表格内容解析方法及系统，包括：获取涉及医疗检查的表格图像，提取关于患者的诊断内容；生成用户病史数据；将用户病史数据输入到预训练的疾病关系模型，得到疾病关系图谱，基于疾病关系图谱进行第一联合分析，获取第一关联信息；基于第一关联信息生成可能患有的疾病及其概率的疾病风险信息。本发明专利技术提供了一种基于大模型的医疗表格内容解析方法及系统，对纸质报告的表格内容进行识别与提取，以数字化形式进行存储，通过生成的用户病史信息、生成的疾病关系图谱，对报告内容的各项检测项进行多角度的解读与分析，得到涉及可能患有的疾病及概率的疾病风险信息，提出疾病预防建议，解决了病历内容难以理解的问题。
【技术实现步骤摘要】
本专利技术涉及医疗信息处理，特别涉及一种基于大模型的医疗表格内容解析方法及系统。
技术介绍
1、随着大模型技术的出现和发展，得益于更强大的表示能力、更好的泛化能力、更高效的迁移学习能够，推动了人工智能技术的发展，并在医疗、教育等多种行业得到实际应用，推进了医疗服务的智能化。
2、目前的互联网医疗平台产品充分利用大模型的智能生成优势，实现如智能客服、智能问答等功能，解决了用户小病就医问诊等较为麻烦的问题，进而节省了用户简要了解自身健康状况的时间。然而为了获取更加全面、更加系统的自身健康状况信息，还需要到医院就诊，用户就诊后，通常会获取到病历和检验检查报告，纸质病历或检验检查报告不仅存在保存困难的问题，还存在内容冗长容易遗忘，病历内容难以解读的情况，因而用户无法通过检查检验报告直接、切实地了解到自身身体状况。
3、由此，目前需要有一种方案来解决上述问题。
技术实现思路
1、针对现有技术中的缺陷，本申请提出了一种基于大模型的医疗表格内容解析方法及系统，为解决以上技术问题，本申请的技术方案是：
2、一种基于大模型的医疗表格内容解析方法，包括：
3、获取涉及医疗检查的表格图像，基于所述表格图像提取关于患者的诊断内容；
4、将提取的所述诊断内容存入数据库，生成用户病史数据；
5、将所述用户病史数据输入到预训练的疾病关系模型中，得到疾病关系图谱，所述疾病关系图谱包括涉及检测指标信息的第一节点与涉及疾病信息的第二节点；
6、基于所述第一节点与所述第二节点进行第一联合分析，获取第一关联信息；所述第一关联信息包括与所述用户异常的检测指标信息相关联的疾病；
7、基于所述第一关联信息，生成可能患有的疾病及其概率的疾病风险信息。
8、在一个具体实施例中，所述第一节点包括：检测项、与所述检测项对应的指标数值及正常指标区间；
9、所述第二节点包括：疾病字段、与所述疾病字段相关的异常项及异常指标区间；
10、所述“所述第一联合分析”包括：一次比对与二次比对；
11、所述一次比对包括：判断所述第一节点的各指标数值是否处于相应的正常指标区间，并筛选出不符合正常指标区间的指标数值，得到第一指标数值；
12、所述二次比对包括：将第一指标数值对应的检测项关联到第二节点，判断各第一指标数值是否处于某一或多疾病字段所对应的所述异常指标区间，若是，则将该异常指标区间所对应的异常项定义为第一检测项，将一或多疾病字段作为第一疾病，整合所有所述第一疾病及各所述第一疾病对应的所述第一检测项作为第一关联信息；
13、基于所述第一关联信息，生成涉及可能患有的疾病及其概率的疾病风险信息。
14、在一个具体实施例中，所述疾病关系模型提取所述用户病史数据生成各检测项及其指标数值；
15、对应各所述检测项的所述正常指标区间、对应各所述异常项的所述异常指标区间均包括多个预设值；
16、所述正常指标区间与所述异常指标区间的所述预设值的选择依据用户的性别和/或年龄进行匹配。
17、在一个具体实施例中，所述方法还包括：基于所述用户病史数据，进行第二联合分析，获取涉及各检测项变化趋势的第二关联信息；
18、结合所述第一关联信息与所述第二关联信息，生成全面的涉及可能患有的疾病及其概率的疾病风险信息。
19、在一个具体实施例中，所述第二联合分析包括：
20、获取多时间段的所述用户病史数据；
21、按时间段的先后顺序排列所述用户病史数据，分析各检测项对应的指标数值的历史变化趋势及近期变化趋势，结合不同指标数值的所述历史变化趋势与所述近期变化趋势生成第二关联信息。
22、在一个具体实施例中，在所述“基于所述表格图像提取关于患者的诊断内容”之前，还包括：
23、对所述表格图像的预处理；
24、所述预处理包括去除噪音、增强对比度、调整图像尺寸；
25、基于预处理后的所述表格图像定位文本区域与边界，将所述文本区域分割成多个字段特征；
26、对分割后的所述字段特征进行识别，获得识别结果，对所述识别结果进行校正处理。
27、在一个具体实施例中，所述“将提取的所述关于患者的诊断内容存入数据库”包括：
28、匹配所述表格图像中的字段特征与所述数据库的字段特征，获得匹配成功的所述字段特征的数量占比，判断所述数量占比是否符合预设值，若符合预设值，则将提取的表格内容存入数据库；若不符合预设值，则提示表格内容不匹配。
29、在一个具体实施例中，所述方法还包括：
30、分析疾病风险信息中包含的多种疾病的共病关系、病因关系、遗传关系与治疗关系，提出疾病预防措施。
31、一种基于大模型的医疗表格内容解析系统，用于执行第一部分任一项所述的一种基于大模型的医疗表格内容解析方法；
32、所述系统包括：
33、表格内容提取模块，用以获取涉及医疗检查的表格图像，提取关于患者的诊断内容；
34、存储模块，用以将提取的所述诊断内容存入数据库，生成用户病史数据；
35、图谱构建模块，用以将所述用户病史数据输入到预训练的疾病关系模型中，得到疾病关系图谱；
36、疾病联合分析模块，用以基于所述疾病关系图谱的所述第一节点与所述第二节点进行第一联合分析，获取第一关联信息，基于所述第一关联信息，生成可能患有的疾病及其概率基本的疾病风险信息。
37、在一个具体实施例中，所述疾病联合分析模块，还用以基于所述用户病史数据，进行第二联合分析，获取涉及各检测项变化趋势的第二关联信息，结合所述第一关联信息与所述第二关联信息，生成全面的可能患有的疾病及其概率的疾病风险信息；
38、所述系统还包括：健康指引自动生成模块，用于提出健康生活建议和/或疾病预防措施。
39、有益效果：
40、本专利技术提供了一种基于大模型的医疗表格内容解析方法及系统，通过大模型平台对纸质报告的表格内容进行识别与提取，以数字化形式进行存储，通过生成的用户病史信息、生成的疾病关系图谱，对报告内容的各项检测项进行多角度的解读与分析，得到涉及可能患有的疾病及概率的疾病风险信息，提出疾病预防建议，解决了病历内容难以被用户理解的问题。
本文档来自技高网...
【技术保护点】
1.一种基于大模型的医疗表格内容解析方法，其特征在于，包括：
2.根据权利要求1所述的一种基于大模型的医疗表格内容解析方法，其特征在于，所述第一节点包括：检测项、与所述检测项对应的指标数值及正常指标区间；
3.根据权利要求2所述的一种基于大模型的医疗表格内容解析方法，其特征在于，所述疾病关系模型提取所述用户病史数据生成各检测项及其指标数值；
4.根据权利要求1所述的一种基于大模型的医疗表格内容解析方法，其特征在于，所述方法还包括：基于所述用户病史数据，进行第二联合分析，获取涉及各检测项变化趋势的第二关联信息；
5.根据权利要求4所述的一种基于大模型的医疗表格内容解析方法，其特征在于，所述第二联合分析包括：
6.根据权利要求1所述的一种基于大模型的医疗表格内容解析方法，其特征在于，在所述“基于所述表格图像提取关于患者的诊断内容”之前，还包括：
7.根据权利要求1所述的一种基于大模型的医疗表格内容解析方法，其特征在于，所述“将提取的所述关于患者的诊断内容存入数据库”包括：
8.根据权利要求1所述的一种基于大模型的医疗表格内容解析方法，其特征在于，所述方法还包括：
9.一种基于大模型的医疗表格内容解析系统，其特征在于，用于执行权利要求1至8任一项所述的一种基于大模型的医疗表格内容解析方法；
10.根据权利要求9所述的一种基于大模型的医疗表格内容解析系统，其特征在于，所述疾病联合分析模块，还用以基于所述用户病史数据，进行第二联合分析，获取涉及各检测项变化趋势的第二关联信息，结合所述第一关联信息与所述第二关联信息，生成全面的可能患有的疾病及其概率的疾病风险信息；
...
【技术特征摘要】
1.一种基于大模型的医疗表格内容解析方法，其特征在于，包括：
2.根据权利要求1所述的一种基于大模型的医疗表格内容解析方法，其特征在于，所述第一节点包括：检测项、与所述检测项对应的指标数值及正常指标区间；
3.根据权利要求2所述的一种基于大模型的医疗表格内容解析方法，其特征在于，所述疾病关系模型提取所述用户病史数据生成各检测项及其指标数值；
4.根据权利要求1所述的一种基于大模型的医疗表格内容解析方法，其特征在于，所述方法还包括：基于所述用户病史数据，进行第二联合分析，获取涉及各检测项变化趋势的第二关联信息；
5.根据权利要求4所述的一种基于大模型的医疗表格内容解析方法，其特征在于，所述第二联合分析包括：
6.根据权利要求1所述的一种基于大模型的医疗表格内容解析方法，其特征...
【专利技术属性】
技术研发人员：罗宁政，邱伟俊，孙喜琢，魏超杰，
申请(专利权)人：深圳市维康致远科技有限公司，
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。