一种医疗报告的智能解读装置

1.本发明涉及一种医疗报告的智能解读装置。


背景技术：

2.随着快节奏的生活方式现象越来越普遍，人们愈来愈注重自身健康问题，加之国家大力扶贫致富政策的推动，越来越多的普通老百姓也有能力负担在就医体检方面的花费。根据大家的生活经验，当我们去做血常规、尿检、入职体检以后，考量到医院的相关检验科人力是否充足、检验条件(是否要送检到别的医院)、患者的送检时间等因素，当天拿到检查报告的可能性较小。这样就引出一系列现实问题，首先，人们需要花费人力物力时间(再排队或预约挂号回诊)；其次，即使通过医院的公众号平台能在线看到体检报告，但提供的电子报告说明信息极少，非专业人员也看不懂。当然还受时间冲突、距离医院路程较远或者受其他生活工作等原因的影响，比如：上半年一次和下半年一次的教职工体检，教师们拿到好几页文字性的检查指标数据，脑子里必然一团晕，可能需要借助搜索引擎或在线就医来进一步查询更详细的体检情况，这无疑耗时又耗力，而且搜索到最后的结果对用户来说也并不是很清晰。还有可能被网络上的广告给迷惑和误导，无法做出有效的判断和解决办法，更导致用户对网络的医疗存在了很大程度的不相信。
3.与本发明相关的现有技术一：1.1在线医疗平台：通过网络与就诊医生聊天，采用一问一答的形式来会诊；1.2医疗自助机检查报告：通过就诊卡或者医保卡进行自助查看以及打印个人检查报告。但是现有技术一存在缺点：1.倾向于诊导，根据用户的症状回答，预测出病因，并推荐用药；2.人工在线解读分析医疗报告的解读较为浅显，主要建议医院就诊；3.比较耗费时间和精力，如果短时间离开聊天的界面，系统会关闭掉聊天的通道；4.在线分析平台很多是基于医院网站来完成的，医院难免给用户推送医院宣传性的信息，让用户眼花缭乱，并不能够清晰的了解用户自身的状况。与本发明相关的现有技术二：健康医疗软件app：康康在线、掌上医疗、平安好医生、微医等。这些软件app都有一些共性，都包括了体检预约、简单问诊、查看体检套餐、解读检查报告。总之功能繁多。但是现有技术二也存在缺点：1.报告解读较为简单，医学术语较多，用户不一定能懂；2.对于城乡居民，面对五花八门的用户功能，眼花缭乱，反而无所适从，给用户造成一定的困扰；3.回诊率高。
4.在人工智能的时代背景下，ai技术被广泛地应用到不同领域中，具体产品包括器械、软件、手机端app、网站等等。本发明将文字检测识别提取和深度学习技术融入到手机app中，针对报告中常见的一些检查指标、大家咨询较多的一些项目作一个简明、可靠、清晰的解读，彻底解决上述人群所遇到的难题，并且以最直观的可视化方式让用户掌握自身的检查情况，真正实现心中有数。


技术实现要素：

5.为解决上述问题，提供一种医疗报告的智能解读装置，本发明采用了如下技术方案：
6.本发明提供了一种医疗报告的智能解读装置，其特征在于，包括：获取部，获取用户对医疗报告进行拍摄得到的医疗报告图像；医学知识图谱存储部，存储有预定的健康标准评价参数以及对应的检测结果和治疗方案；预处理部，对医疗报告图像进行预处理得到预处理医疗报告图像；识别分析部，对预处理医疗报告图像进行识别分析从而分析出医疗报告的报告类型，报告类型为纸质体检报告以及x光片；关键指标识别部，用于对报告类型为纸质体检报告的预处理医疗报告图像进行关键词识别得到用户在医疗报告中每项检查的检查名称以及对应的关键指标；病理特征识别部，用于对报告类型为x光片的医疗报告图像分析出病理特征；匹配部，将关键指标以及病理特征与医学知识图谱存储部中的健康标准评价参数进行对比，从而匹配出对应的检测结果以及治疗方案；以及显示部，将检测结果通过图形化的方式显示给用户并显示对应的治疗方案。
7.本发明提供的一种医疗报告的智能解读装置，还可以具有这样的技术特征，其中，预处理部包括：图像增强单元，对医疗报告图像进行图像增强处理；以及图像尺寸修改单元，对医疗报告图像的图像大小进行统一处理从而形成预处理医疗报告图像。
8.本发明提供的一种医疗报告的智能解读装置，还可以具有这样的技术特征，其中，数据识别部包括：文字识别部，通过ocr技术提取出预处理医疗报告图像中的文字信息，以及关键词识别单元，通过预先训练好的关键词提取模型对文字信息进行医学关键字特征提取处理从而得到检查名称以及对应的关键指标。
9.本发明提供的一种医疗报告的智能解读装置，还可以具有这样的技术特征，其中，关键词提取模型的训练方法为：构建初始模型；采用无监督方法对初始模型进行训练从而在初始模型中建立常用医疗检查词表，然后完成训练得到关键词提取模型。
10.本发明提供的一种医疗报告的智能解读装置，还可以具有这样的技术特征，其中，病理特征识别部具有vgg
‑
19深度学习模型，通过该vgg
‑
19深度学习模型对x光片的医疗报告图像进行识别分析，从而分析得到病理特征。
11.发明作用与效果
12.根据本发明的一种医疗报告的智能解读装置，由于预处理部对医疗报告图像进行预处理得到预处理医疗报告图像；识别分析部对预处理医疗报告图像进行报告类型的识别分析，分析出报告类型为纸质体检报告以及x光片；关键指标识别部对纸质体检报告进行关键词识别得到医疗报告中每项检查的检查名称以及对应的关键指标；病理特征识别部对述x光片分析出病理特征；然后匹配部再将关键指标以及病理特征与医学知识图谱存储部中的健康标准评价参数进行对比，匹配出对应的检测结果以及治疗方案，因此本发明对医疗报告作出了一个简明、可靠、清晰的解读，解决了人们在医疗报告中所遇到的难题，并且本发明以最直观的可视化方式让用户掌握自身检查情况，并获知注意事项和潜在风险，真正实现心中有数。
附图说明
13.图1是本发明实施例中的医疗报告的智能解读装置的结构框图；
14.图2是本发明实施例中的医疗报告的智能解读装置的流程图。
具体实施方式
15.为了使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解，以下结合实施例及附图对本发明的一种医疗报告的智能解读装置作具体阐述。
16.<实施例>
17.图1是本发明实施例中的医疗报告的智能解读装置的结构框图。
18.如图1所示，医疗报告的智能解读装置100包括获取部11、医学知识图谱存储部12、预处理部13、识别分析部14、关键指标识别部15、病理特征识别部16、匹配部17、显示部18以及用于控制上述各部的控制部19。
19.其中，
20.获取部11获取用户对医疗报告进行拍摄得到的医疗报告图像。
21.医学知识图谱存储部12存储有预定的健康标准评价参数以及对应的检测结果和治疗方案。
22.预处理部13对医疗报告图像进行预处理得到预处理医疗报告图像。
23.识别分析部14对预处理医疗报告图像进行识别分析从而分析出医疗报告的报告类型，报告类型为纸质体检报告以及x光片。
24.关键指标识别部15用于对报告类型为纸质体检报告的预处理医疗报告图像进行关键词识别得到用户在医疗报告中每项检查的检查名称以及对应的关键指标。
25.病理特征识别部16用于对报告类型为x光片的医疗报告图像分析出病理特征。
26.匹配部17将关键指标以及病理特征与医学知识图谱存储部中的健康标准评价参数进行对比，从而匹配出对应的检测结果以及治疗方案。
27.以及显示部18将检测结果通过图形化的方式显示给用户并显示对应的治疗方案。
28.图2是本发明实施例中的医疗报告的智能解读装置的流程图。
29.如图2所示，医疗报告的智能解读装置的工作流程包括步骤s1至步骤s6。
30.步骤s1，获取部11获取用户对医疗报告进行拍摄得到的医疗报告图像。
31.本实施例中，医疗报告图像的获取方式为：
32.用户打开软件，点击软件界面的上传报告按钮(如通过显示部18显示输入画面，让用户进行上传)；
33.用户选择本地上传(从手机照片集中选取医疗报告图像)或者现场采集(使用安卓或者苹果手机端相机对纸质检查报告或者x光片类报告进行拍照，拍照时要尽量光线充足、照片清晰，照片质量尽可能好)。
34.通过上述方式即可获取医疗报告图像。
35.步骤s2，预处理部13对医疗报告图像进行预处理得到预处理医疗报告图像。
36.本实施例中，预处理的具体过程如下：
37.对医疗报告图像进行图像增强处理，以便改善医疗报告图像的图像质量；
38.对医疗报告图像的图像大小进行统一处理从而形成预处理医疗报告图像，以便于识别分析部对预处理医疗报告图像进行识别分析从而分析出医疗报告的报告类型。
39.步骤s3，识别分析部14对预处理医疗报告图像进行识别分析从而分析出医疗报告的报告类型，报告类型为纸质体检报告以及x光片。
40.步骤s4，根据上述报告类型为纸质体检报告以及x光片，分别对应关键指标识别部
15以及病理特征识别部16。
41.关键指标识别部15用于对报告类型为纸质体检报告的预处理医疗报告图像进行关键词识别得到用户在医疗报告中每项检查的检查名称以及对应的关键指标。
42.本实施例中，关键指标识别部15的流程为：
43.使用python通过ocr技术提取出预处理医疗报告图像中的文字信息，并将该信息按行保存到临时文件extract.txt；
44.再通过预先训练好的关键词提取模型对文字信息进行医学关键字特征提取处理从而得到检查名称以及对应的关键指标。
45.本实施例中，关键指标为：指标值和参考范围。
46.本实施例中，关键词提取模型需通过预先训练得到，该关键词提取模型的训练方法为：
47.构建初始模型；
48.采用无监督方法对初始模型进行训练从而在初始模型中建立常用医疗检查词表，然后完成训练得到关键词提取模型。
49.病理特征识别部16用于对报告类型为x光片的医疗报告图像分析出病理特征。
50.本实施例中，对于报告类型为x光片的医疗报告图像的识别，收集50000张各种不同类型的x光片，其中肺部片子数量为3000张，心脏片子3000张，其他部位的x光片各3000张，再采用vgg
‑
19深度学习模型进行训练得到训练好的vgg
‑
19深度学习模型，然后逐一调用训练好的不同部位的识别模型进行病理识别，将调用每一个模型的识别结果进行对比分析，最终确定出精确的检测部位以及对该部位的识别结果，将最终识别保存到临时文件extract.txt中，从而分析得到病理特征。
51.步骤s5，匹配部17将关键指标以及病理特征与医学知识图谱存储部12中的健康标准评价参数进行对比，从而匹配出对应的检测结果以及治疗方案。
52.本实施例中，医学知识图谱存储部12中存储有预定的健康标准评价参数以及对应的检测结果和治疗方案。
53.步骤s6，显示部18将检测结果通过图形化的方式显示给用户并显示对应的治疗方案。
54.本实施例中，治疗方案如：提示血糖指标偏高的用户，每天摄入糖量的阈值是多少，具体量化到实例，比如，水果食用量不能超过半个苹果等，建议多吃一些粗粮，比如大米、小麦等，并给出具体的运动时长和运动类型。消除用户因为检查“后患”所带来的烦恼。
55.通过上述步骤，即可完成对医疗报告的智能解读。
56.实施例作用与效果
57.根据本实施例提供的一种医疗报告的智能解读装置，由于预处理部对医疗报告图像进行预处理得到预处理医疗报告图像，因此改善了医疗报告图像的图像质量，同时也方便了识别分析部对预处理医疗报告图像分析出医疗报告的报告类型。
58.接下来，由于预处理部对医疗报告图像进行预处理得到预处理医疗报告图像；识别分析部对预处理医疗报告图像进行报告类型的识别分析，分析出报告类型为纸质体检报告以及x光片；关键指标识别部对纸质体检报告进行关键词识别得到医疗报告中每项检查的检查名称以及对应的关键指标；病理特征识别部对述x光片分析出病理特征；然后匹配部
再将关键指标以及病理特征与医学知识图谱存储部中的健康标准评价参数进行对比，匹配出对应的检测结果以及治疗方案，因此本发明对医疗报告作出了一个简明、可靠、清晰的解读，解决了人们在医疗报告中所遇到的难题，并且本发明以最直观的可视化方式让用户掌握自身检查情况，并获知注意事项和潜在风险，真正实现心中有数。
59.上述实施例仅用于举例说明本发明的具体实施方式，而本发明不限于上述实施例的描述范围。