本发明涉及电子病历技术领域，具体地说，涉及一种对病历书写文本补全和预测的方法及系统。
背景技术：
医生书写电子病历时往往需要录入大量的专业词汇和语句，输入这些含有大量医疗专业词汇的病历时容易出错，录入效率也非常的低，影响医生的工作效率。现有的大多电子病历系统都是依靠单纯的手工输入或者输入法的联想功能，或者是实现自己的联想推荐功能，但这些方法推荐都不是很精准。本专利具有自学习的能力，通过不断的自学习，使推荐精度越来越高，即使是专业生僻的医疗词汇也能高效的录入。
技术实现要素：
本发明的目的在于提供一种对病历书写文本补全和预测的方法及系统，以解决上述背景技术中提出的问题。
为实现上述技术问题的解决，本发明的目的之一在于，提供一种对病历书写文本补全和预测的方法，其方法包括如下步骤：
s1、语义分析，根据医生平时书写的病历内容，进行智能分词分句处理。此步骤不是简单的进行汉语言分词处理，而是使用智能算法对专业的医疗语句进行带有上下文语义分段处理，形成上下文相关的语义片段，以及对数字、单位等进行特殊处理；
s2、语义关联，对分词分句好的语义片段进行上下文语义关联，并进行频次、权重分析，处理后存储到后台大数据系统中；
s3、触发推荐，医生书写病历时触发推荐算法，结合书写上下文环境，从后台大数据系统中分析后，来推荐剩下需要录入的内容。根据智能算法得到的推荐语义片段按精准度由高到低排序；
s4、自动补全，推荐的语义片段展示在医生书写的光标处，医生根据实际情况选择推荐的语义片段，自动补全剩下需要录入的病历内容，如果语义片段中含有数字，光标会自动定位到数字位置处，键入数字回车即可录入完整的语义片段；
s5、自学习，医生保存病历在反复执行s1-s3，如此达到自学习的目的，医生使用的次数越多，推荐的语义路径就越准确。
作为优选，所述s1中，语义分析的方法包括如下步骤：
s1.1、根据标点符号如逗号、句号、分号分析出语句语义片段；
s1.2、使用代码内置的医学常用语义片段匹配分析出常用语义片段；
s1.3、使用自然语言处理(nlp)技术分析得到自然语义片段；
s1.4、分析数字字符得到数字型语义片段；
s1.5、分析单位字符串得到单位型语义片段。
作为优选，所述s2中，语义关联的方法包括如下步骤：
s2.1、使用s1得到的语义片段，结合病历中的上下文内容，将语义片段按顺序串起来，就得到了一张有向图，具体如图4所示；
s2.2、如果碰到数字型，则将数字型替换为“？”，这样能抹去数字带来的权重影响；
s2.3、将上步骤中得到有向图存储在图形数据库中，这样图形数据库中就含有多张有向图；
s2.4、在存储的过程中，如果图形数据库中已经有和此图中有相同的语义片段节点，通过和数据库已经存在的相关的有向图进行对比分析后再进行合并操作，得到一张新的有向图，并且赋予关联关系频率权重；例如“？咳嗽”和“乏力”两个节点，举例如图5所示，新的有向图如图6所示；
s2.5、加上科室用户相关信息赋予属性关系权重更新频次信息；
s2.6、最终将最新的有向图更新到图形数据库中存储。
作为优选，所述s2.5中，在加上科室用户相关信息赋予属性关系权重更新频次信息的步骤中，如果碰到单位型，会通过内置的常用的单位进行分析，例如体温。
作为优选，所述s3中，触发推荐的方法包括如下步骤：
s3.1、根据医生书写的语句进行自然语言处理(nlp)技术得到关键词；
s3.2、使用关键词到图形数据库中搜索相关的有向图；
s3.3、指定深度的遍历有向图的节点，得到多条语句路径；
例如医生书写了“心慌”两个字得到的路径为：
①心慌->胸闷->？余天->乏力->？天；
②心慌->胸闷->？余天->伴有->哮喘->？天；
③心慌->胸闷->？余天；
④心慌->胸闷；
⑤...；
s3.4、根据频率权重和属性权重对路径进行排序，得到推荐语义路径列表。
作为优选，所述s4中，自动补全的方法包括如下步骤：
s4.1、根据s3.4中得到的推荐语义路径列表，展示在界面中，权重最大的语义路径展示在列表的最前面；
s4.2、医生选择想要的语义路径,直接填充到病历文本中；
s4.3、如果选中的推荐语义片段中含有数字，则会弹出数字录入框，录入实际需要的数字，回车确定便可插入到病历文本中。
本发明的目的之二在于，提供一种对病历书写文本补全和预测的系统，包括：
语义分析模块：用于根据医生平时书写的病历内容，进行智能分词分句处理；
语义关联模块：用于对分词分句好的语义片段进行上下文语义关联，并进行频次、权重分析；
触发推荐模块：用于从后台大数据系统中分析推荐需要录入的内容；
自动补全模块：用于自动补全需要录入的病历内容。
本发明的目的之三在于，提供一种对病历书写文本补全和预测的装置，包括处理器、存储器以及存储在所述存储器中并在所述处理器上运行的计算机程序，所述处理器执行上述的计算机程序时实现如上述中任一所述的对病历书写文本补全和预测的方法的步骤。
本发明的目的之四在于，一种计算机可读存储介质，所述存储介质中存储有至少一段程序，所述至少一段程序由上述的处理器执行以实现如上述中任一所述的对病历书写文本补全和预测的方法的步骤。
与现有技术相比，本发明的有益效果：
1、该对病历书写文本补全和预测的方法及系统中，采用语义片段分析方法，根据标点符号，常用语句，数字，单位多维度属性进行分析出语义片段。
2、该对病历书写文本补全和预测的方法及系统中，采用自学习方法，系统能够根据医生书写保存病历不断更新推荐语义片段节点和权重，从而提高推荐准确度，达到自学习的目的，系统使用前不需要大量的前置配和学习工作。
3、该对病历书写文本补全和预测的方法及系统中，数值型录入处理，分析出数字字符，抹去数字字符带来的权重影响，如果选中的推荐语义片段中含有数字，则会弹出数字录入框，录入实际需要的数字，回车确定便可插入到病历文本中。
4、该对病历书写文本补全和预测的方法及系统中，常用医学单位符号处理，内置处理大部分医学使用到的单位符号，医生书写过的单位符号，会再书写数字后出现在推荐列表中。
5、该对病历书写文本补全和预测的方法及系统中，有向图数据模型，使用有向图作为此方法的基础模型，构建图鉴语义片段的有向图网络，并使用图形数据库存储。
附图说明
图1为本发明的整体流程框图；
图2为本发明语义分析的方法流程图；
图3为本发明语义关联的方法流程图；
图4为本发明的语义片段按顺序串联的有向图的举例图；
图5为本发明的“？咳嗽”和“乏力”两个节点的举例图；
图6为本发明的获得新的有向图的举例图；
图7为本发明触发推荐的方法流程图；
图8为本发明自动补全的方法流程图；
图9为本发明填充到病历文本的方法流程图；
图10为本发明的对病历书写文本补全和预测的装置结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
请参阅图1-图10所示，本发明提供一种技术方案：
本发明提供一种对病历书写文本补全和预测的方法，其方法包括如下步骤：
s1、语义分析，根据医生平时书写的病历内容，进行智能分词分句处理，此步骤不是简单的进行汉语言分词处理，而是使用智能算法对专业的医疗语句进行带有上下文语义分段处理，形成上下文相关的语义片段，以及对数字、单位等进行特殊处理；
s2、语义关联，对分词分句好的语义片段进行上下文语义关联，并进行频次、权重分析，处理后存储到后台大数据系统中；
s3、触发推荐，医生书写病历时触发推荐算法，结合书写上下文环境，从后台大数据系统中分析后，来推荐剩下需要录入的内容。根据智能算法得到的推荐语义片段按精准度由高到低排序；
s4、自动补全，推荐的语义片段展示在医生书写的光标处，医生根据实际情况选择推荐的语义片段，自动补全剩下需要录入的病历内容，如果语义片段中含有数字，光标会自动定位到数字位置处，键入数字回车即可录入完整的语义片段；
s5、自学习，医生保存病历在反复执行s1-s3，如此达到自学习的目的，医生使用的次数越多，推荐的语义路径就越准确。
本实施例中，s1中，语义分析的方法包括如下步骤：
s1.1、根据标点符号如逗号、句号、分号分析出语句语义片段；
s1.2、使用代码内置的医学常用语义片段匹配分析出常用语义片段；
s1.3、使用自然语言处理(nlp)技术分析得到自然语义片段；
s1.4、分析数字字符得到数字型语义片段；
s1.5、分析单位字符串得到单位型语义片段。
进一步的，s2中，语义关联的方法包括如下步骤：
s2.1、使用s1得到的语义片段，结合病历中的上下文内容，将语义片段按顺序串起来，就得到了一张有向图，具体如图4所示；
s2.2、如果碰到数字型，则将数字型替换为“？”，这样能抹去数字带来的权重影响；
s2.3、将上步骤中得到有向图存储在图形数据库中，这样图形数据库中就含有多张有向图；
s2.4、在存储的过程中，如果图形数据库中已经有和此图中有相同的语义片段节点，通过和数据库已经存在的相关的有向图进行对比分析后再进行合并操作，得到一张新的有向图，并且赋予关联关系频率权重；例如“？咳嗽”和“乏力”两个节点，举例如图5所示，新的有向图如图6所示；
s2.5、加上科室用户相关信息赋予属性关系权重更新频次信息；
s2.6、最终将最新的有向图更新到图形数据库中存储。
具体的，s2.5中，在加上科室用户相关信息赋予属性关系权重更新频次信息的步骤中，如果碰到单位型，会通过内置的常用的单位进行分析，例如体温。
值得说明的是，s3中，触发推荐的方法包括如下步骤：
s3.1、根据医生书写的语句进行自然语言处理(nlp)技术得到关键词；
s3.2、使用关键词到图形数据库中搜索相关的有向图；
s3.3、指定深度的遍历有向图的节点，得到多条语句路径；
例如医生书写了“心慌”两个字得到的路径为：
①心慌->胸闷->？余天->乏力->？天；
②心慌->胸闷->？余天->伴有->哮喘->？天；
③心慌->胸闷->？余天；
④心慌->胸闷；
⑤...；
s3.4、根据频率权重和属性权重对路径进行排序，得到推荐语义路径列表。
此外，s4中，自动补全的方法包括如下步骤：
s4.1、根据s3.4中得到的推荐语义路径列表，展示在界面中，权重最大的语义路径展示在列表的最前面；
s4.2、医生选择想要的语义路径,直接填充到病历文本中；
s4.3、如果选中的推荐语义片段中含有数字，则会弹出数字录入框，录入实际需要的数字，回车确定便可插入到病历文本中。
本发明的目的之二在于，提供一种对病历书写文本补全和预测的系统，包括：
语义分析模块：用于根据医生平时书写的病历内容，进行智能分词分句处理；
语义关联模块：用于对分词分句好的语义片段进行上下文语义关联，并进行频次、权重分析；
触发推荐模块：用于从后台大数据系统中分析推荐需要录入的内容；
自动补全模块：用于自动补全需要录入的病历内容。
需要说明的是，语义分析模块、语义关联模块、语义关联模块、触发推荐模块和自动补全模块的功能具体参见各模块对应的方法部分的描述，这里就不再赘述。
参阅图10，示出了本发明实施例所涉及的一种对病历书写文本补全和预测的装置结构示意图，该装置包括处理器、存储器和总线。
处理器包括一个或一个以上处理核心，处理器通过总线与处理器相连，存储器用于存储程序指令，处理器执行存储器中的程序指令时实现上述的对病历书写文本补全和预测的方法。
可选的，存储器可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随时存取存储器(sram)，电可擦除可编程只读存储器(eeprom)，可擦除可编程只读存储器(eprom)，可编程只读存储器(prom)，只读存储器(rom)，磁存储器，快闪存储器，磁盘或光盘。
此外，本发明还提供一种计算机可读存储介质，存储介质中存储有至少一段程序，至少一段程序由上述的处理器执行以实现如上述中任一的对病历书写文本补全和预测的方法的步骤。
可选的，本发明还提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述各方面对病历书写文本补全和预测的方法的步骤。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成，也可以通过程序来指令相关的硬件完成，所述的程序可以存储与一种计算机可读存储介质中，上述提到的存储介质可以是只读存储器，磁盘或光盘等。
以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的仅为本发明的优选例，并不用来限制本发明，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。
1.一种对病历书写文本补全和预测的方法，其方法包括如下步骤：
s1、语义分析，根据医生平时书写的病历内容，进行智能分词分句处理；
s2、语义关联，对分词分句好的语义片段进行上下文语义关联，并进行频次、权重分析，处理后存储到后台大数据系统中；
s3、触发推荐，书写病历时触发推荐算法，结合书写上下文环境，从后台大数据系统中分析后，来推荐剩下需要录入的内容；
s4、自动补全，推荐的语义片段展示在书写的光标处，选择推荐的语义片段，自动补全剩下需要录入的病历内容，如果语义片段中含有数字，光标会自动定位到数字位置处，键入数字回车即可录入完整的语义片段；
s5、自学习，保存病历在反复执行s1-s3，达到自学习的目的。
2.根据权利要求1所述的对病历书写文本补全和预测的方法，其特征在于：所述s1中，语义分析的方法包括如下步骤：
s1.1、根据标点符号如逗号、句号、分号分析出语句语义片段；
s1.2、使用代码内置的医学常用语义片段匹配分析出常用语义片段；
s1.3、使用自然语言处理(nlp)技术分析得到自然语义片段；
s1.4、分析数字字符得到数字型语义片段；
s1.5、分析单位字符串得到单位型语义片段。
3.根据权利要求1所述的对病历书写文本补全和预测的方法，其特征在于：所述s2中，语义关联的方法包括如下步骤：
s2.1、使用s1得到的语义片段，结合病历中的上下文内容，将语义片段按顺序串起来，得到有向图；
s2.2、如果碰到数字型，则将数字型替换为“？”；
s2.3、将上步骤中得到有向图存储在图形数据库中；
s2.4、在存储的过程中，如果图形数据库中已经有和此图中有相同的语义片段节点，通过和数据库已经存在的相关的有向图进行对比分析后再进行合并操作，得到新的有向图，并且赋予关联关系频率权重；
s2.5、加上科室用户相关信息赋予属性关系权重更新频次信息；
s2.6、最终将新的有向图更新到图形数据库中存储。
4.根据权利要求3所述的对病历书写文本补全和预测的方法，其特征在于：所述s2.5中，在加上科室用户相关信息赋予属性关系权重更新频次信息的步骤中，如果碰到单位型，通过内置的单位进行分析。
5.根据权利要求1所述的对病历书写文本补全和预测的方法，其特征在于：所述s3中，触发推荐的方法包括如下步骤：
s3.1、根据书写的语句进行自然语言处理(nlp)技术得到关键词；
s3.2、使用关键词到图形数据库中搜索相关的有向图；
s3.3、指定深度的遍历有向图的节点，得到多条语句路径；
s3.4、根据频率权重和属性权重对路径进行排序，得到推荐语义路径列表。
6.根据权利要求5所述的对病历书写文本补全和预测的方法，其特征在于：所述s4中，自动补全的方法包括如下步骤：
s4.1、根据s3.4中得到的推荐语义路径列表，展示在界面中，权重最大的语义路径展示在列表的最前面；
s4.2、选择想要的语义路径,直接填充到病历文本中；
s4.3、如果选中的推荐语义片段中含有数字，则会弹出数字录入框，录入实际需要的数字。
7.一种对病历书写文本补全和预测的系统，包括：
语义分析模块：用于根据医生平时书写的病历内容，进行智能分词分句处理；
语义关联模块：用于对分词分句好的语义片段进行上下文语义关联，并进行频次、权重分析；
触发推荐模块：用于从后台大数据系统中分析推荐需要录入的内容；
自动补全模块：用于自动补全需要录入的病历内容。
8.一种对病历书写文本补全和预测的装置，其特征在于：包括处理器、存储器以及存储在所述存储器中并在所述处理器上运行的计算机程序，所述处理器执行上述的计算机程序时实现如权利要求1-6中任一所述的对病历书写文本补全和预测的方法的步骤。
9.一种计算机可读存储介质，其特征在于，所述存储介质中存储有至少一段程序，所述至少一段程序由上述的处理器执行以实现如权利要求1-6中任一所述的对病历书写文本补全和预测的方法的步骤。
技术总结