本發明專利技術提供了一種基于大模型的醫療表格內容解析方法及系統，包括：獲取涉及醫療檢查的表格圖像，提取關于患者的診斷內容；生成用戶病史數據；將用戶病史數據輸入到預訓練的疾病關系模型，得到疾病關系圖譜，基于疾病關系圖譜進行第一聯合分析，獲取第一關聯信息；基于第一關聯信息生成可能患有的疾病及其概率的疾病風險信息。本發明專利技術提供了一種基于大模型的醫療表格內容解析方法及系統，對紙質報告的表格內容進行識別與提取，以數字化形式進行存儲，通過生成的用戶病史信息、生成的疾病關系圖譜，對報告內容的各項檢測項進行多角度的解讀與分析，得到涉及可能患有的疾病及概率的疾病風險信息，提出疾病預防建議，解決了病歷內容難以理解的問題。
【技術實現步驟摘要】
本專利技術涉及醫療信息處理，特別涉及一種基于大模型的醫療表格內容解析方法及系統。
技術介紹
1、隨著大模型技術的出現和發展，得益于更強大的表示能力、更好的泛化能力、更高效的遷移學習能夠，推動了人工智能技術的發展，并在醫療、教育等多種行業得到實際應用，推進了醫療服務的智能化。
2、目前的互聯網醫療平臺產品充分利用大模型的智能生成優勢，實現如智能客服、智能問答等功能，解決了用戶小病就醫問診等較為麻煩的問題，進而節省了用戶簡要了解自身健康狀況的時間。然而為了獲取更加全面、更加系統的自身健康狀況信息，還需要到醫院就診，用戶就診后，通常會獲取到病歷和檢驗檢查報告，紙質病歷或檢驗檢查報告不僅存在保存困難的問題，還存在內容冗長容易遺忘，病歷內容難以解讀的情況，因而用戶無法通過檢查檢驗報告直接、切實地了解到自身身體狀況。
3、由此，目前需要有一種方案來解決上述問題。
技術實現思路
1、針對現有技術中的缺陷，本申請提出了一種基于大模型的醫療表格內容解析方法及系統，為解決以上技術問題，本申請的技術方案是：
2、一種基于大模型的醫療表格內容解析方法，包括：
3、獲取涉及醫療檢查的表格圖像，基于所述表格圖像提取關于患者的診斷內容；
4、將提取的所述診斷內容存入數據庫，生成用戶病史數據；
5、將所述用戶病史數據輸入到預訓練的疾病關系模型中，得到疾病關系圖譜，所述疾病關系圖譜包括涉及檢測指標信息的第一節點與涉及疾病信息的第二節點；
6、基于所述第一節點與所述第二節點進行第一聯合分析，獲取第一關聯信息；所述第一關聯信息包括與所述用戶異常的檢測指標信息相關聯的疾??；
7、基于所述第一關聯信息，生成可能患有的疾病及其概率的疾病風險信息。
8、在一個具體實施例中，所述第一節點包括：檢測項、與所述檢測項對應的指標數值及正常指標區間；
9、所述第二節點包括：疾病字段、與所述疾病字段相關的異常項及異常指標區間；
10、所述“所述第一聯合分析”包括：一次比對與二次比對；
11、所述一次比對包括：判斷所述第一節點的各指標數值是否處于相應的正常指標區間，并篩選出不符合正常指標區間的指標數值，得到第一指標數值；
12、所述二次比對包括：將第一指標數值對應的檢測項關聯到第二節點，判斷各第一指標數值是否處于某一或多疾病字段所對應的所述異常指標區間，若是，則將該異常指標區間所對應的異常項定義為第一檢測項，將一或多疾病字段作為第一疾病，整合所有所述第一疾病及各所述第一疾病對應的所述第一檢測項作為第一關聯信息；
13、基于所述第一關聯信息，生成涉及可能患有的疾病及其概率的疾病風險信息。
14、在一個具體實施例中，所述疾病關系模型提取所述用戶病史數據生成各檢測項及其指標數值；
15、對應各所述檢測項的所述正常指標區間、對應各所述異常項的所述異常指標區間均包括多個預設值；
16、所述正常指標區間與所述異常指標區間的所述預設值的選擇依據用戶的性別和/或年齡進行匹配。
17、在一個具體實施例中，所述方法還包括：基于所述用戶病史數據，進行第二聯合分析，獲取涉及各檢測項變化趨勢的第二關聯信息；
18、結合所述第一關聯信息與所述第二關聯信息，生成全面的涉及可能患有的疾病及其概率的疾病風險信息。
19、在一個具體實施例中，所述第二聯合分析包括：
20、獲取多時間段的所述用戶病史數據；
21、按時間段的先后順序排列所述用戶病史數據，分析各檢測項對應的指標數值的歷史變化趨勢及近期變化趨勢，結合不同指標數值的所述歷史變化趨勢與所述近期變化趨勢生成第二關聯信息。
22、在一個具體實施例中，在所述“基于所述表格圖像提取關于患者的診斷內容”之前，還包括：
23、對所述表格圖像的預處理；
24、所述預處理包括去除噪音、增強對比度、調整圖像尺寸；
25、基于預處理后的所述表格圖像定位文本區域與邊界，將所述文本區域分割成多個字段特征；
26、對分割后的所述字段特征進行識別，獲得識別結果，對所述識別結果進行校正處理。
27、在一個具體實施例中，所述“將提取的所述關于患者的診斷內容存入數據庫”包括：
28、匹配所述表格圖像中的字段特征與所述數據庫的字段特征，獲得匹配成功的所述字段特征的數量占比，判斷所述數量占比是否符合預設值，若符合預設值，則將提取的表格內容存入數據庫；若不符合預設值，則提示表格內容不匹配。
29、在一個具體實施例中，所述方法還包括：
30、分析疾病風險信息中包含的多種疾病的共病關系、病因關系、遺傳關系與治療關系，提出疾病預防措施。
31、一種基于大模型的醫療表格內容解析系統，用于執行第一部分任一項所述的一種基于大模型的醫療表格內容解析方法；
32、所述系統包括：
33、表格內容提取模塊，用以獲取涉及醫療檢查的表格圖像，提取關于患者的診斷內容；
34、存儲模塊，用以將提取的所述診斷內容存入數據庫，生成用戶病史數據；
35、圖譜構建模塊，用以將所述用戶病史數據輸入到預訓練的疾病關系模型中，得到疾病關系圖譜；
36、疾病聯合分析模塊，用以基于所述疾病關系圖譜的所述第一節點與所述第二節點進行第一聯合分析，獲取第一關聯信息，基于所述第一關聯信息，生成可能患有的疾病及其概率基本的疾病風險信息。
37、在一個具體實施例中，所述疾病聯合分析模塊，還用以基于所述用戶病史數據，進行第二聯合分析，獲取涉及各檢測項變化趨勢的第二關聯信息，結合所述第一關聯信息與所述第二關聯信息，生成全面的可能患有的疾病及其概率的疾病風險信息；
38、所述系統還包括：健康指引自動生成模塊，用于提出健康生活建議和/或疾病預防措施。
39、有益效果：
40、本專利技術提供了一種基于大模型的醫療表格內容解析方法及系統，通過大模型平臺對紙質報告的表格內容進行識別與提取，以數字化形式進行存儲，通過生成的用戶病史信息、生成的疾病關系圖譜，對報告內容的各項檢測項進行多角度的解讀與分析，得到涉及可能患有的疾病及概率的疾病風險信息，提出疾病預防建議，解決了病歷內容難以被用戶理解的問題。
本文檔來自技高網...
【技術保護點】
1.一種基于大模型的醫療表格內容解析方法，其特征在于，包括：
2.根據權利要求1所述的一種基于大模型的醫療表格內容解析方法，其特征在于，所述第一節點包括：檢測項、與所述檢測項對應的指標數值及正常指標區間；
3.根據權利要求2所述的一種基于大模型的醫療表格內容解析方法，其特征在于，所述疾病關系模型提取所述用戶病史數據生成各檢測項及其指標數值；
4.根據權利要求1所述的一種基于大模型的醫療表格內容解析方法，其特征在于，所述方法還包括：基于所述用戶病史數據，進行第二聯合分析，獲取涉及各檢測項變化趨勢的第二關聯信息；
5.根據權利要求4所述的一種基于大模型的醫療表格內容解析方法，其特征在于，所述第二聯合分析包括：
6.根據權利要求1所述的一種基于大模型的醫療表格內容解析方法，其特征在于，在所述“基于所述表格圖像提取關于患者的診斷內容”之前，還包括：
7.根據權利要求1所述的一種基于大模型的醫療表格內容解析方法，其特征在于，所述“將提取的所述關于患者的診斷內容存入數據庫”包括：
8.根據權利要求1所述的一種基于大模型的醫療表格內容解析方法，其特征在于，所述方法還包括：
9.一種基于大模型的醫療表格內容解析系統，其特征在于，用于執行權利要求1至8任一項所述的一種基于大模型的醫療表格內容解析方法；
10.根據權利要求9所述的一種基于大模型的醫療表格內容解析系統，其特征在于，所述疾病聯合分析模塊，還用以基于所述用戶病史數據，進行第二聯合分析，獲取涉及各檢測項變化趨勢的第二關聯信息，結合所述第一關聯信息與所述第二關聯信息，生成全面的可能患有的疾病及其概率的疾病風險信息；
...
【技術特征摘要】
1.一種基于大模型的醫療表格內容解析方法，其特征在于，包括：
2.根據權利要求1所述的一種基于大模型的醫療表格內容解析方法，其特征在于，所述第一節點包括：檢測項、與所述檢測項對應的指標數值及正常指標區間；
3.根據權利要求2所述的一種基于大模型的醫療表格內容解析方法，其特征在于，所述疾病關系模型提取所述用戶病史數據生成各檢測項及其指標數值；
4.根據權利要求1所述的一種基于大模型的醫療表格內容解析方法，其特征在于，所述方法還包括：基于所述用戶病史數據，進行第二聯合分析，獲取涉及各檢測項變化趨勢的第二關聯信息；
5.根據權利要求4所述的一種基于大模型的醫療表格內容解析方法，其特征在于，所述第二聯合分析包括：
6.根據權利要求1所述的一種基于大模型的醫療表格內容解析方法，其特征...
【專利技術屬性】
技術研發人員：羅寧政，邱偉俊，孫喜琢，魏超杰，
申請(專利權)人：深圳市維康致遠科技有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。