(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210915393.3 (22)申请日 2022.08.01 (71)申请人 安图实验仪 器 （郑州） 有限公司 地址 450016 河南省郑州市经济技 术开发 区第十五大街19 9号 (72)发明人 侯剑平　朱俊涛　王康　许亚洋　 冯晓鹏　宋军瑞　王超　刘聪　 (74)专利代理 机构 郑州异开专利事务所(普通 合伙) 41114 专利代理师 韩鹏程 (51)Int.Cl. G16H 50/20(2018.01) G16H 50/70(2018.01) G06V 30/14(2022.01) G06V 30/148(2022.01)G06V 30/41(2022.01) G06F 16/36(2019.01) G06N 20/00(2019.01) G06K 9/62(2022.01) (54)发明名称 医学检验报告智能解读方法及系统 (57)摘要 本发明公开了一种医学检验报告智能解读 方法及系统， 通过目标分割、 OCR识别、 标题关键 词正则匹配， 自动抽取检验项目知识； 然后基于 数据标注、 实体识别模型、 关系抽取模型构建所 述检验项目知识三元组， 并引入 所述三元组属性 组信息和空节点， 区分需要联合出现的三元组， 构建检验知识图谱； 再通过单检验项目异常结果 解读、 多检验项目结果联合对比分析、 人群分布 分析、 两两检验项目结果 分析、 3D散点图分析、 检 验雷达图分析， 完成检验报告中检验项目的结果 解读。 本发明优点在于提高了报告解读的适用 性； 预测疾病的同时可推荐需要进一步检验的项 目， 诊断准确与全面的优点， 能辅助用户对患者 数据进行深度分析与挖掘， 为业务开展提供深度 支撑。 权利要求书2页 说明书6页 附图4页 CN 115312183 A 2022.11.08 CN 115312183 A 1.一种医学检验报告智能解读方法， 其特 征在于， 包括以下步骤： S1， 通过目标分割 、 OCR识别、 标题关键词正则匹配， 自动抽取检验项目知识； S2， 基于数据标注、 实体识别模型、 关系抽取模型构建所述检验项目知识三元组， 并引 入所述三元组属性组信息和空节点， 区分需要联合出现的三元组， 构建检验知识图谱； S3， 通过单检验项目异常结果解读、 多检验项目结果联合对比分析、 人群分布分析、 两 两检验项目结果分析、 3D 散点图分析、 检验雷达图分析， 完成检验报告中检验项目的结果解 读。 2.根据权利要求1所述的医学检验报告智能解读方法， 其特 征在于： 还 包括以下步骤： S4， 根据所述结果解读， 依次采用基于规则引擎的疾病预测方法、 基于知识图谱的疾病 预测方法、 基于数据建模的疾病预测方法的顺序预测疑似 疾病， 直到确定出 所述疑似 疾病； S5， 抽取疑似疾病的关键词， 与案例库中的疾病 主题词匹配， 筛选与疑似疾病相关的案 例。 3.根据权利要求1所述的医学检验报告智能解读方法， 其特征在于： S2步中的所述检验 知识图谱中实体类型包括检验项目、 疾病、 人群、 检验结果、 参考区间、 药物； 实体关系包括 检验分组、 疑似疾病、 疾病大类、 参考区间范围、 适宜人群、 药物干扰因素、 生理干扰因素、 其 他干扰因素。 4.根据权利要求1所述的医学检验报告智能解读方法， 其特征在于： S3步中所述单检验 项目异常结果 解读包括以下步骤： S3.1， 归一 化计算单个所述检验项目及其检测结果； S3.2， 在所述检验知识图谱中查询与S3.1步归一化后的检验项目及其检测结果相匹配 的所述三元组， 同义 转换为临床意 义、 干扰因素知识内容； 所述多检验项目结果联合对比分析包括针对检验报告中的所有检验项目， 同时对多个 检验项目开展历史结果趋势图、 阳性 率统计图展示； 所述人群分布分析包括通过自动指定或人工指定， 计算检验项目的检验结果在各检验 结果区间的人数比例直方图， 以及当前检验报告中检验项目的检验结果在所述人数比例直 方图中的区间位置； 所述两两检验项目结果分析包括对于数值 ‑数值型检验项目， 计算spearman相关性， 绘 制检验项目 ‑检验项目散点图， 并在散点图上显示检验项目的参考区间范围； 对于类别 ‑类 别型检验项目， 计算 卡法检验相关性， 绘制检验项目 ‑检验项目列联表； 所述3D散点图分析以任意三个检验项目构建空间坐标系， 按照疾病名称绘制所述三个 检验项目的检测结果在空间坐标系的位置， 分析三个 检验项目与疾病的关联性； 所述检验雷达图分析是指使用雷达图展示， 按科室、 疾病、 性别筛选历史检验报告中检 验项目的检验结果的分布情况。 5.根据权利要求2所述的医学检验报告智能解读方法， 其特征在于： S4步中所述基于规 则引擎的疾病预测方法包括以下步骤： S4.1.1， 通过拖拉拽的方式定义疾病决策树 规则引擎； S4.1.2， 采用递归算法， 对所述疾病决策树规则引擎中各子树分别抽取， 形成独立规 则， 并将每 个所述独立 规则结构化 为输入、 规则、 输出的形式； S4.1.3， 若检验报告中所述检验项目与某个独立规则所需的输入匹配率为1， 则独立规权　利　要　求　书 1/2 页 2 CN 115312183 A 2则对应的疾病为疑似 疾病； 所述基于知识图谱的疾病预测方法包括以下步骤： S4.2.1， 将检验项目及其检验结果归一 化处理， 作为输入； S4.2.2， 在所述检验知识图谱中查询与患者检验报告中每个检验项目的检验结果匹配 的所有疑似 疾病， 统计 每种疑似 疾病检索到的次数， 记为frequence； S4.2.3， 在检验知识图谱中查询每种疑似 疾病相关的检验项目数量， 记为count； S4.2.4， 计算每种疑似疾病的疑似得分score， 其中score=frequence/count； score为1 的疑似疾病为患者的疑似 疾病； 所述基于数据建模的疾病预测方法包括以下步骤： S4.3.1， 收集特定疾病的患者检验报告数据为正样本， 非特定疾病且存在与正样本相 似的检验项目的报告数据为负 样本， 构建训练集 ‑验证集‑测试集； S4.3.2， 采用CatBo ost机器学习算法构建疾病诊断分类模型； S4.3.3， 通过 K折交叉验证确定所述疾病诊断分类模型的最优参数； S4.3.4， 经灵敏度、 特异性、 AUC、 KS 指标评价疾病诊断分类模型效果后， 实施疾病预测。 6.根据权利要求5所述的医学检验报告智能解读方法， 其特征在于： 还包括推荐检验项 目， 具体内容 为： 所述基于规则引擎的疾病预测方法确定所述疑似疾病后， 将所述匹配率大于0.5且小 于1的所述独立规则对应的疾病的检验项目集合， 与患者检验报告的所有所述检验项目的 差集作为推荐检验项目； 所述基于知识图谱的疾病预测方法确定疑似疾病后， 将疑似得分score小于1的疑似疾 病所需的检验项目集 合与患者检验报告的所有检验项目的差集作为推荐检验项目； 所述基于数据建模的疾病预测方法获得疑似疾病后， 将疑似疾病所需的检验项目与患 者检验报告的所有检验项目的差集作为推荐检验项目。 7.一种医学检验报告智能解读系统， 其特征在于： 包括检验知识库模块、 异常解读模 块、 疾病预测模块； 其中， 所述检验知识库模块， 包括检验知识自动抽取模块与检验知识图谱构建模块； 用 于自动抽取检验知识， 并构建检验知识图谱； 所述报告解读模块， 包括单检验项目异常结果解读、 多检验项目结果联合对比分析、 人 群分布分析、 两两检验项目结果分析、 3D散点图分析、 检验雷达图分析； 用于解读医学检验 报告中的检验项目结果； 所述疾病预测模块， 包括疾病预测、 检验项目推荐和疾病案例筛 选推送。权　利　要　求　书 2/2 页 3 CN 115312183 A 3