一种肝损伤缺血再灌注治疗器材与方法与流程

1.本发明属于治疗器材技术领域，尤其涉及一种肝损伤缺血再灌注治疗器材与方法。


背景技术：

2.医疗器械是指直接或者间接用于人体的仪器、设备、器具、体外诊断试剂及校准物、材料以及其他类似或者相关的物品，包括所需要的计算机软件。医疗器械包括医疗设备和医用耗材。效用主要通过物理等方式获得，不是通过药理学、免疫学或者代谢的方式获得，或者虽然有这些方式参与但是只起辅助作用。目的是疾病的诊断、预防、监护、治疗或者缓解；损伤的诊断、监护、治疗、缓解或者功能补偿；生理结构或者生理过程的检验、替代、调节或者支持；生命的支持或者维持；妊娠控制；通过对来自人体的样本进行检查，为医疗或者诊断目的提供信息。然而，现有肝损伤缺血再灌注治疗器材与方法是根据医生的专业经验的肝损伤病情进行检测，效率低，准确性差；同时，由于患者的历史病历往往是纸质病历或者历史病历无法进行数据共享，常常给患者后续的就医带来不便，影响肝损伤病情分析准确性及分析效率。
3.综上所述，现有技术存在的问题是：现有肝损伤缺血再灌注治疗器材与方法是根据医生的专业经验的肝损伤病情进行检测，效率低，准确性差；同时，由于患者的历史病历往往是纸质病历或者历史病历无法进行数据共享，常常给患者后续的就医带来不便，影响肝损伤病情分析准确性及分析效率。


技术实现要素：

4.针对现有技术存在的问题，本发明提供了一种肝损伤缺血再灌注治疗器材与方法。
5.本发明是这样实现的，一种肝损伤缺血再灌注治疗器材包括：
6.生理指数采集模块、主控模块、检测模型构建模块、病情诊断模块、病情分析模块、注射模块、治疗效果评价模块、显示模块；
7.生理指数采集模块，与主控模块连接，用于通过生理监测设备采集生理数据指标；
8.主控模块，与生理指数采集模块、检测模型构建模块、病情诊断模块、病情分析模块、注射模块、治疗效果评价模块、显示模块连接，用于控制各个模块正常工作；
9.检测模型构建模块，与主控模块连接，用于构建肝损伤病情检测模型；
10.病情诊断模块，与主控模块连接，用于对肝损伤病情进行诊断；
11.输入待分割肝损伤图像和肝损伤形状图像先验；曲线初始化；肝损伤形状图像先验对齐；将对齐的肝损伤形状图像先验用水平集函数编码；构成肝损伤形状图像先验矩阵；用独立成分分析降维；将当前水平集函数投影到低维空间；估计肝损伤形状图像先验的概率分布，构造肝损伤形状图像驱动能量项，和数据驱动能量项结合，构成能量函数；最小化能量函数，驱动曲线演化，得到肝损伤分割结果，将肝损伤分割结果与数据库预存的数据进
行比对，获得是否异常；
12.病情分析模块，与主控模块连接，用于对肝损伤病情进行分析；
13.注射模块，与主控模块连接，用于注射治疗缺血再灌注损伤化合物；
14.治疗效果评价模块，与主控模块连接，用于对肝损伤病情治疗效果进行评价；
15.显示模块，与主控模块连接，用于显示生理指数、病情诊断结果、病情分析结果、治疗效果评价结果。
16.进一步，所述肝损伤分割方法包括：
17.(1)输入大小为m
×
n的待肝损伤分割图像i和n个肝损伤形状图像先验；
18.(2)人工或者自动地初始化演化曲线，并用水平集函数编码为φ0；
19.(3)用基于矩的方法将n个肝损伤形状图像先验对齐；
20.(4)将对齐的肝损伤形状图像先验用水平集函数编码，得到
21.(5)将肝损伤形状图像先验的水平集函数按列展开成列向量构成肝损伤形状图像先验矩阵
22.(6)用独立成分分析对肝损伤形状图像先验矩阵d进行降维：对肝损伤形状图像先验矩阵预处理；对预处理后的肝损伤形状图像先验矩阵，进行降维；
23.(7)将当前水平集函数φ
t
按列展开成向量，用(6)中得到的投影矩阵将其映射到低维空间；
24.(8)在低维空间估计肝损伤形状图像先验的概率分布，构造肝损伤形状图像驱动能量项，并和基于区域的数据驱动能量项结合，构成总的能量函数；
25.(9)最小化能量函数，驱动曲线演化，得到分割结果；
26.所述对肝损伤形状图像先验矩阵预处理的方法包括：
27.第一步，数据中心化：肝损伤形状图像先验矩阵d减去均值，得到中心化后的肝损伤形状图像先验矩阵：
28.第二步，对中心化的肝损伤形状图像先验矩阵d1进行主成分分析：首先求d1的协方差矩阵，c＝d1d
1t
，其中d
1t
为矩阵d1的转置，对协方差矩阵c进行特征值分解，c＝uλu
t
，其中为c的特征值构成的对角矩阵，u＝[u1,...,um×n]为c的特征向量；
[0029]
第三步，对中心化的肝损伤形状图像先验矩阵d1进行白化处理：计算白化矩阵w＝inv(sqrt(λ))u
t
，得到白化后的矩阵满足每个特征维度上的方差为1，并且不同特征维度之间不相关；
[0030]
降维处理的步骤如下：
[0031]
第一步，设定要提取的独立成分的数量，即降维之后的特征数k；
[0032]
第二步，假设映射矩阵为其中，列向量fi∈rm×n,i＝1,...,k，则降维后
的肝损伤形状图像先验特征向量为构成矩阵ψ＝[ψ1,...,ψn]；
[0033]
第三步，用峰度度量降维后肝损伤形状图像先验特征向量ψi,i＝1,...,n的非高斯性；
[0034]
第四步，用固定点迭代算法求解使得峰度最大的方向{f
1t
,...,f
nt
}；
[0035]
第五步，得到映射矩阵f和降维之后的肝损伤形状图像先验矩阵
[0036]
病情诊断模块，与主控模块连接，用于对肝损伤病情进行诊断；
[0037]
病情分析模块，与主控模块连接，用于对肝损伤病情进行分析；
[0038]
注射模块，与主控模块连接，用于注射治疗缺血再灌注损伤化合物；
[0039]
治疗效果评价模块，与主控模块连接，用于对肝损伤病情治疗效果进行评价；
[0040]
显示模块，与主控模块连接，用于显示生理指数、病情诊断结果、病情分析结果、治疗效果评价结果。
[0041]
本发明的另一目的在于提供一种肝损伤缺血再灌注器材的控制方法包括以下步骤：
[0042]
步骤一，通过生理指数采集模块利用生理监测设备采集生理数据指标；
[0043]
步骤二，主控模块通过检测模型构建模块构建肝损伤病情检测模型；
[0044]
步骤三，通过病情诊断模块对肝损伤病情进行诊断；通过病情分析模块对肝损伤病情进行分析；
[0045]
步骤四，通过注射模块注射治疗缺血再灌注损伤化合物；通过治疗效果评价模块对肝损伤病情治疗效果进行评价；
[0046]
步骤五，通过显示模块显示生理指数、病情诊断结果、病情分析结果、治疗效果评价结果。
[0047]
进一步，所述检测模型构建模块构建方法如下：
[0048]
(1)构建样本数据库，检测肝损伤病情样本数据的肝损伤病情类别值；并将检测肝损伤病情样本数据存入样本数据库中；
[0049]
获取训练样本集，所述训练样本集包括多个肝损伤病情样本数据，每个所述肝损伤病情样本数据包括：身份特征数据和目标指标数据，所述目标指标数据包括生理特征指标数据、疾病特征指标数据和病史特征指标数据中的至少一个；所述多个肝损伤病情样本数据中包括有标记的肝损伤病情样本数据和无标记的肝损伤病情样本数据；
[0050]
(2)将所述训练样本集输入到所述肝损伤病情检测模型中，对所述肝损伤病情检测模型进行迭代训练；
[0051]
(3)直至满足预设训练条件，得到训练后的肝损伤病情检测模型。
[0052]
进一步，所述将所述训练样本集输入到所述肝损伤病情检测模型中，对所述肝损伤病情检测模型进行迭代训练，直至满足预设训练条件，得到训练后的肝损伤病情检测模型，具体包括：
[0053]
将所述训练样本集输入到所述肝损伤病情检测模型中，得到所述训练样本集的分类结果；
[0054]
判断分类结果是否满足预设条件，如果所述分类结果满足所述预设条件，得到训练后的肝损伤病情检测模型；
[0055]
如果所述分类结果不满足所述预设条件，调整模型参数，
[0056]
将所述训练样本集输入到参数调整后的肝损伤病情检测模型中，得到所述训练样本集的分类结果；返回判断分类结果是否满足预设条件。
[0057]
进一步，所述在所述得到训练后的肝损伤病情检测模型之后，所述方法还包括：
[0058]
将有标记的肝损伤病情样本数据输入到所述肝损伤病情检测模型中，对所述肝损伤病情检测模型进行优化，得到优化后的肝损伤病情检测模型。
[0059]
进一步，所述在所述将所述训练样本集输入到所述肝损伤病情检测模型中之前，所述方法还包括：
[0060]
对所述肝损伤病情样本数据进行标准化预处理，使所述肝损伤病情样本数据缩小至指定区间，得到第一肝损伤病情样本数据；
[0061]
对所述第一肝损伤病情样本数据进行降维处理，确定第二肝损伤病情样本数据；
[0062]
根据所述第二肝损伤病情样本数据和与所述第二肝损伤病情样本数据对应的医生反馈信息，确定第三肝损伤病情样本数据；
[0063]
相应地，所述将所述训练样本集输入到所述肝损伤病情检测模型中，对所述肝损伤病情检测模型进行迭代训练，具体包括：
[0064]
将第三肝损伤病情样本数据输入到所述肝损伤病情检测模型中，对所述肝损伤病情检测模型进行迭代训练。
[0065]
进一步，所述对所述第一肝损伤病情样本数据进行降维处理，确定第二肝损伤病情样本数据，包括：
[0066]
获取所述第一样本数据中包括的生理特征指标数据的数量，以及身份特征数据、疾病特征指标数据和病史特征指标数据的数量总和，以及第一样本数据的采样次数；
[0067]
根据所述采样次数、所述生理特征指标数据的数量和，以及所述身份特征数据、疾病特征指标数据、和病史特征指标数据的数量总和确定所述第一样本数据的第一维度；
[0068]
基于主成分分析算法和/或自编码器算法对第一维度的第一肝损伤病情样本数据进行降维处理，得到第二维度的所述第二肝损伤病情样本数据。
[0069]
进一步，所述根据所述第二肝损伤病情样本数据和与所述第二肝损伤病情样本数据对应的医生反馈信息，确定第三肝损伤病情样本数据，包括：
[0070]
在所述医生反馈信息为误报警信息或病人需求信息的情况下，确定所述第二肝损伤病情样本数据为第一样本数据；
[0071]
在所述医生反馈信息为指标异常信息的情况下，确定所述第二肝损伤病情样本数据为第二样本数据，其中，所述第二样本数据包括多个第二样本数据的类别值；
[0072]
在所述第二肝损伤病情样本数据没有对应的医生反馈信息的情况下，确定所述第二肝损伤病情样本数据为无标记的肝损伤病情样本数据；
[0073]
将所述正常样本数据和所述异常样本数据确定为有标记的肝损伤病情样本数据；
[0074]
将所述有标记的肝损伤病情样本数据和所述无标记的肝损伤病情样本数据确定为所述第三肝损伤病情样本数据。
[0075]
进一步，所述病情分析模块分析方法如下：
[0076]
1)将肝损伤电子病历数据存储到云服务器中，通过云服务器获取肝损伤电子病历数据；对所述肝损伤电子病历数据进行实体特征提取，得到目标肝损伤病情信息；
[0077]
2)利用预先训练的肝损伤病情识别模型对所述目标肝损伤病情信息进行处理，生成与所述目标肝损伤病情信息对应的治疗提醒；
[0078]
3)接收用户端根据所述治疗提醒响应的治疗反馈数据；根据所述治疗反馈数据和所述目标肝损伤病情信息，生成诊断结论标签；根据所述诊断结论标签生成肝损伤病情分析报告。
[0079]
进一步，所述对所述肝损伤电子病历数据进行实体特征提取，得到目标肝损伤病情信息的步骤，包括：
[0080]
提取所述肝损伤电子病历数据中的自然语言文本；
[0081]
利用预设的词法分析模型识别所述自然语言文本中的实体特征；
[0082]
对所述自然语言文本进行分割处理，得到自然语言词汇序列；
[0083]
根据所述实体特征和所述自然语言词汇序列，构建特征序列表；
[0084]
根据所述特征序列表确定目标肝损伤病情信息。
[0085]
进一步，所述利用预先训练的肝损伤病情识别模型对所述目标肝损伤病情信息进行处理，生成与所述目标肝损伤病情信息对应的治疗提醒的步骤，包括：
[0086]
将所述目标肝损伤病情信息输入至预先训练的肝损伤病情识别模型中；
[0087]
通过所述肝损伤病情识别模型对所述目标肝损伤病情信息进行象限分区，得到分区肝损伤病情信息；
[0088]
对每一象限的分区肝损伤病情信息进行拟合处理，生成用药提醒或者就医提醒。
[0089]
进一步，所述在所述接收用户端根据所述治疗提醒响应的治疗反馈数据的步骤之后，所述方法还包括：
[0090]
对所述目标肝损伤病情信息中的药物数据进行分析，得到药物反应信息；其中，所述药物反应信息包括不良药物反应信息；
[0091]
根据所述不良药物反应信息识别出所述治疗反馈数据中的异常用药数据。
[0092]
本发明的优点及积极效果为：本发明通过检测模型构建模块根据病人的包括身份特征数据和目标指标数据的肝损伤病情样本数据训练肝损伤病情检测模型，其中目标指标数据包括生理特征指标数据、疾病特征指标数据和病史特征指标数据中的至少一个，基于训练后的肝损伤病情检测模型检测来检测肝损伤病情数据，可以提高肝损伤病情检测的效率和准确率；同时，通过病情分析模块对治疗反馈数据和目标肝损伤病情信息进行分析，得到诊断结论标签，能够较为方便地评估出治疗效果；根据诊断结论标签生成肝损伤病情分析报告，通过对用户的历史肝损伤病情进行分析得到肝损伤病情分析报告，为后续的诊断过程提供可参考的病理数据，提高了肝损伤病情分析效率，同时也可以降低患者的就医成本和用药成本。
[0093]
病情诊断模块用于对肝损伤病情进行诊断；输入待分割肝损伤图像和肝损伤形状图像先验；曲线初始化；肝损伤形状图像先验对齐；将对齐的肝损伤形状图像先验用水平集函数编码；构成肝损伤形状图像先验矩阵；用独立成分分析降维；将当前水平集函数投影到低维空间；估计肝损伤形状图像先验的概率分布，构造肝损伤形状图像驱动能量项，和数据驱动能量项结合，构成能量函数；最小化能量函数，驱动曲线演化，得到肝损伤分割结果，将肝损伤分割结果与数据库预存的数据进行比对，获得是否异常。
附图说明
[0094]
图1是本发明实施例提供的肝损伤缺血再灌注器材的控制方法流程图。
[0095]
图2是本发明实施例提供的肝损伤缺血再灌注治疗器材结构框图。
[0096]
图3是本发明实施例提供的检测模型构建模块构建方法流程图。
[0097]
图4是本发明实施例提供的病情分析模块分析方法流程图。
[0098]
图2中：1、生理指数采集模块；2、主控模块；3、检测模型构建模块；4、病情诊断模块；5、病情分析模块；6、注射模块；7、治疗效果评价模块；8、显示模块。
具体实施方式
[0099]
为能进一步了解本发明的发明内容、特点及功效，兹例举以下实施例，并配合附图详细说明如下。
[0100]
下面结合附图对本发明的结构作详细的描述。
[0101]
如图1所示，本发明提供的肝损伤缺血再灌注器材的控制方法包括以下步骤：
[0102]
s101，通过生理指数采集模块利用生理监测设备采集生理数据指标；
[0103]
s102，主控模块通过检测模型构建模块构建肝损伤病情检测模型；
[0104]
s103，通过病情诊断模块对肝损伤病情进行诊断；通过病情分析模块对肝损伤病情进行分析；
[0105]
s104，通过注射模块注射治疗缺血再灌注损伤化合物；通过治疗效果评价模块对肝损伤病情治疗效果进行评价；
[0106]
s105，通过显示模块显示生理指数、病情诊断结果、病情分析结果、治疗效果评价结果。
[0107]
如图2所示，本发明实施例提供的肝损伤缺血再灌注治疗器材包括：生理指数采集模块1、主控模块2、检测模型构建模块3、病情诊断模块4、病情分析模块5、注射模块6、治疗效果评价模块7、显示模块8。
[0108]
生理指数采集模块1，与主控模块2连接，用于通过生理监测设备采集生理数据指标；
[0109]
主控模块2，与生理指数采集模块1、检测模型构建模块3、病情诊断模块4、病情分析模块5、注射模块6、治疗效果评价模块7、显示模块8连接，用于控制各个模块正常工作；
[0110]
检测模型构建模块3，与主控模块2连接，用于构建肝损伤病情检测模型；
[0111]
病情诊断模块4，与主控模块2连接，用于对肝损伤病情进行诊断；
[0112]
病情分析模块5，与主控模块2连接，用于对肝损伤病情进行分析；
[0113]
注射模块6，与主控模块2连接，用于注射治疗缺血再灌注损伤化合物；
[0114]
治疗效果评价模块7，与主控模块2连接，用于对肝损伤病情治疗效果进行评价；
[0115]
显示模块8，与主控模块2连接，用于显示生理指数、病情诊断结果、病情分析结果、治疗效果评价结果。
[0116]
所述病情诊断模块4对肝损伤病情进行诊断包括：
[0117]
输入待分割肝损伤图像和肝损伤形状图像先验；曲线初始化；肝损伤形状图像先验对齐；将对齐的肝损伤形状图像先验用水平集函数编码；构成肝损伤形状图像先验矩阵；用独立成分分析降维；将当前水平集函数投影到低维空间；估计肝损伤形状图像先验的概
率分布，构造肝损伤形状图像驱动能量项，和数据驱动能量项结合，构成能量函数；最小化能量函数，驱动曲线演化，得到肝损伤分割结果，将肝损伤分割结果与数据库预存的数据进行比对，获得是否异常；
[0118]
所述肝损伤分割方法包括：
[0119]
(1)输入大小为m
×
n的待肝损伤分割图像i和n个肝损伤形状图像先验；
[0120]
(2)人工或者自动地初始化演化曲线，并用水平集函数编码为φ0；
[0121]
(3)用基于矩的方法将n个肝损伤形状图像先验对齐；
[0122]
(4)将对齐的肝损伤形状图像先验用水平集函数编码，得到
[0123]
(5)将肝损伤形状图像先验的水平集函数按列展开成列向量构成肝损伤形状图像先验矩阵
[0124]
(6)用独立成分分析对肝损伤形状图像先验矩阵d进行降维：对肝损伤形状图像先验矩阵预处理；对预处理后的肝损伤形状图像先验矩阵，进行降维；
[0125]
(7)将当前水平集函数φ
t
按列展开成向量，用(6)中得到的投影矩阵将其映射到低维空间；
[0126]
(8)在低维空间估计肝损伤形状图像先验的概率分布，构造肝损伤形状图像驱动能量项，并和基于区域的数据驱动能量项结合，构成总的能量函数；
[0127]
(9)最小化能量函数，驱动曲线演化，得到分割结果；
[0128]
所述对肝损伤形状图像先验矩阵预处理的方法包括：
[0129]
第一步，数据中心化：肝损伤形状图像先验矩阵d减去均值，得到中心化后的肝损伤形状图像先验矩阵：
[0130]
第二步，对中心化的肝损伤形状图像先验矩阵d1进行主成分分析：首先求d1的协方差矩阵，c＝d1d
1t
，其中d
1t
为矩阵d1的转置，对协方差矩阵c进行特征值分解，c＝uλu
t
，其中为c的特征值构成的对角矩阵，u＝[u1,...,um×n]为c的特征向量；
[0131]
第三步，对中心化的肝损伤形状图像先验矩阵d1进行白化处理：计算白化矩阵w＝inv(sqrt(λ))u
t
，得到白化后的矩阵满足每个特征维度上的方差为1，并且不同特征维度之间不相关；
[0132]
降维处理的步骤如下：
[0133]
第一步，设定要提取的独立成分的数量，即降维之后的特征数k；
[0134]
第二步，假设映射矩阵为其中，列向量fi∈rm×n,i＝1,...,k，则降维后的肝损伤形状图像先验特征向量为构成矩阵ψ＝[ψ1,...,ψn]；
[0135]
第三步，用峰度度量降维后肝损伤形状图像先验特征向量ψi,i＝1,...,n的非高斯性；
[0136]
第四步，用固定点迭代算法求解使得峰度最大的方向{f
1t
,...,f
nt
}；
[0137]
第五步，得到映射矩阵f和降维之后的肝损伤形状图像先验矩阵
[0138]
如图3所示，本发明提供的检测模型构建模块3构建方法如下：
[0139]
s201，构建样本数据库，检测肝损伤病情样本数据的肝损伤病情类别值；并将检测肝损伤病情样本数据存入样本数据库中；
[0140]
获取训练样本集，所述训练样本集包括多个肝损伤病情样本数据，每个所述肝损伤病情样本数据包括：身份特征数据和目标指标数据，所述目标指标数据包括生理特征指标数据、疾病特征指标数据和病史特征指标数据中的至少一个；所述多个肝损伤病情样本数据中包括有标记的肝损伤病情样本数据和无标记的肝损伤病情样本数据；
[0141]
s202，将所述训练样本集输入到所述肝损伤病情检测模型中，对所述肝损伤病情检测模型进行迭代训练；
[0142]
s203，直至满足预设训练条件，得到训练后的肝损伤病情检测模型。
[0143]
本发明提供的将所述训练样本集输入到所述肝损伤病情检测模型中，对所述肝损伤病情检测模型进行迭代训练，直至满足预设训练条件，得到训练后的肝损伤病情检测模型，具体包括：
[0144]
将所述训练样本集输入到所述肝损伤病情检测模型中，得到所述训练样本集的分类结果；
[0145]
判断分类结果是否满足预设条件，如果所述分类结果满足所述预设条件，得到训练后的肝损伤病情检测模型；
[0146]
如果所述分类结果不满足所述预设条件，调整模型参数，
[0147]
将所述训练样本集输入到参数调整后的肝损伤病情检测模型中，得到所述训练样本集的分类结果；返回判断分类结果是否满足预设条件。
[0148]
本发明提供的在所述得到训练后的肝损伤病情检测模型之后，所述方法还包括：
[0149]
将有标记的肝损伤病情样本数据输入到所述肝损伤病情检测模型中，对所述肝损伤病情检测模型进行优化，得到优化后的肝损伤病情检测模型。
[0150]
本发明提供的在所述将所述训练样本集输入到所述肝损伤病情检测模型中之前，所述方法还包括：
[0151]
对所述肝损伤病情样本数据进行标准化预处理，使所述肝损伤病情样本数据缩小至指定区间，得到第一肝损伤病情样本数据；
[0152]
对所述第一肝损伤病情样本数据进行降维处理，确定第二肝损伤病情样本数据；
[0153]
根据所述第二肝损伤病情样本数据和与所述第二肝损伤病情样本数据对应的医生反馈信息，确定第三肝损伤病情样本数据；
[0154]
相应地，所述将所述训练样本集输入到所述肝损伤病情检测模型中，对所述肝损伤病情检测模型进行迭代训练，具体包括：
[0155]
将第三肝损伤病情样本数据输入到所述肝损伤病情检测模型中，对所述肝损伤病情检测模型进行迭代训练。
[0156]
本发明提供的对所述第一肝损伤病情样本数据进行降维处理，确定第二肝损伤病情样本数据，包括：
[0157]
获取所述第一样本数据中包括的生理特征指标数据的数量，以及身份特征数据、
疾病特征指标数据和病史特征指标数据的数量总和，以及第一样本数据的采样次数；
[0158]
根据所述采样次数、所述生理特征指标数据的数量和，以及所述身份特征数据、疾病特征指标数据、和病史特征指标数据的数量总和确定所述第一样本数据的第一维度；
[0159]
基于主成分分析算法和/或自编码器算法对第一维度的第一肝损伤病情样本数据进行降维处理，得到第二维度的所述第二肝损伤病情样本数据。
[0160]
本发明提供的根据所述第二肝损伤病情样本数据和与所述第二肝损伤病情样本数据对应的医生反馈信息，确定第三肝损伤病情样本数据，包括：
[0161]
在所述医生反馈信息为误报警信息或病人需求信息的情况下，确定所述第二肝损伤病情样本数据为第一样本数据；
[0162]
在所述医生反馈信息为指标异常信息的情况下，确定所述第二肝损伤病情样本数据为第二样本数据，其中，所述第二样本数据包括多个第二样本数据的类别值；
[0163]
在所述第二肝损伤病情样本数据没有对应的医生反馈信息的情况下，确定所述第二肝损伤病情样本数据为无标记的肝损伤病情样本数据；
[0164]
将所述正常样本数据和所述异常样本数据确定为有标记的肝损伤病情样本数据；
[0165]
将所述有标记的肝损伤病情样本数据和所述无标记的肝损伤病情样本数据确定为所述第三肝损伤病情样本数据。
[0166]
如图4所示，本发明提供的病情分析模块5分析方法如下：
[0167]
s301，将肝损伤电子病历数据存储到云服务器中，通过云服务器获取肝损伤电子病历数据；对所述肝损伤电子病历数据进行实体特征提取，得到目标肝损伤病情信息；
[0168]
s302，利用预先训练的肝损伤病情识别模型对所述目标肝损伤病情信息进行处理，生成与所述目标肝损伤病情信息对应的治疗提醒；
[0169]
s303，接收用户端根据所述治疗提醒响应的治疗反馈数据；根据所述治疗反馈数据和所述目标肝损伤病情信息，生成诊断结论标签；根据所述诊断结论标签生成肝损伤病情分析报告。
[0170]
本发明提供的对所述肝损伤电子病历数据进行实体特征提取，得到目标肝损伤病情信息的步骤，包括：
[0171]
提取所述肝损伤电子病历数据中的自然语言文本；
[0172]
利用预设的词法分析模型识别所述自然语言文本中的实体特征；
[0173]
对所述自然语言文本进行分割处理，得到自然语言词汇序列；
[0174]
根据所述实体特征和所述自然语言词汇序列，构建特征序列表；
[0175]
根据所述特征序列表确定目标肝损伤病情信息。
[0176]
本发明提供的利用预先训练的肝损伤病情识别模型对所述目标肝损伤病情信息进行处理，生成与所述目标肝损伤病情信息对应的治疗提醒的步骤，包括：
[0177]
将所述目标肝损伤病情信息输入至预先训练的肝损伤病情识别模型中；
[0178]
通过所述肝损伤病情识别模型对所述目标肝损伤病情信息进行象限分区，得到分区肝损伤病情信息；
[0179]
对每一象限的分区肝损伤病情信息进行拟合处理，生成用药提醒或者就医提醒。
[0180]
本发明提供的在所述接收用户端根据所述治疗提醒响应的治疗反馈数据的步骤之后，所述方法还包括：
[0181]
对所述目标肝损伤病情信息中的药物数据进行分析，得到药物反应信息；其中，所述药物反应信息包括不良药物反应信息；
[0182]
根据所述不良药物反应信息识别出所述治疗反馈数据中的异常用药数据。
[0183]
以上所述仅是对本发明的较佳实施例而已，并非对本发明作任何形式上的限制，凡是依据本发明的技术实质对以上实施例所做的任何简单修改，等同变化与修饰，均属于本发明技术方案的范围内。