医案是记录中医医师临床辨证论治过程的重要载体，借助大数据处理技术等手段，深度挖掘利用医案信息，对中医传承具有重要意义。古今医案云平台集成语音识别、光学字符识别（OCR）、四诊仪等智能信息采集技术，以及关联分析、贝叶斯分析、层次聚类等算法，挖掘医案中名医辨证、选方、用药、取穴等规律。本文从近现代名医经验的挖掘、古代医案学术思想的总结、专科疾病诊疗规律的分析、单味药及药对应用规律的整理及方剂配伍的探究5个方面对平台进行简要介绍。

目的:设计一种基于光学字符识别(optical character recognition,OCR)模型的医疗救治装备数据采集平台,以实现应急灾害救援条件下医疗数据的自动化采集.方法:该平台以医疗物联网"感知—网络—平台"架构为基础构建.首先,选取Raspberry Pi 4B作为边缘节点,使用视频采集卡、摄像头、平板计算机等搭建硬件环境.其次,基于卷积循环神经网络(convolutional recurrent neural network,CRNN)优化OCR模型,通过软硬件协同方式实现医疗终端视频流处理与数据提取.最后,采用FineBI工具实现交互界面设计与数据库链接.结果:经实验验证,该平台的硬件环境可靠、稳定,优化后的OCR模型文本识别准确率提升,且采用该平台能够实现对医疗设备数据的快速、自动化采集.结论:采用该平台能够为医护人员提供全面、准确的医疗救治装备数据支撑,有利于提升医疗救治效率.

目的 在肿瘤专科医院的互联网医院建立云上精准床位预约渠道,实现肿瘤患者线上入院资格智能评估和床位预约办理.方法 基于信息系统建设,采用光学字符识别和人工智能算法等新技术,对床位申请、审核、预约流程进行整合再造,建设云上精准床位预约系统.结果 人工智能支撑的云上精准床位预约系统运行4个月间,接收患者床位预约申请8 100次,智能初筛通过率为10.4%,初筛成功后医生接诊率为79.1%,医生接诊后可收治入院率为16.5%,高于同时期线下门诊患者平均收治住院率13.0%.结论 通过建立诊前的患者线上入院评估流程,可减少入院流程的信息不对称,降低患者时间和经济成本,提高医疗资源利用率和患者满意度.

目的 在影像归档和通信系统(Picture Archiving and Communication System,PACS)数据库文件丢失或损坏后,实现影像资料和PDF报告关键信息的快速识别和重组,供患者回诊使用.方法 利用基于深度学习的光学字符识别技术和Pydicom技术分别读取PDF和DCOM文件中的基本信息,重新建立起患者、影像、报告三者之间的联系,并将关联数据写入数据库.结果 经抽样验证,该方法识别同类图像精度的准确度、精准度及召回率均为100%,综合指标F1值为1,在不同组别独立样本间的识别精度表现出一致性.平均每份报告识别时间约为0.14 s(t=-1.005,P=0.315),说明不同组别独立样本间的识别时间表现出一致性.结论 该方法的使用能有效缩短数据库故障后患者等待时长,能够在短时间内恢复医疗秩序,可用于PACS数据库数据丢失后的应急处置,也为PACS的数据整合提供依据,为医学影像数据恢复和数据整合提供一种新思路.

目的:为了解决医疗设备管理过程中资产手工盘点导致的效率低、准确性差等问题,设计一种医疗设备移动智能盘点系统.方法:该系统基于射频识别(radio frequency identification,RFID)技术、光学字符识别技术和无线网络技术设计,由拍照采集装置、盘点工作站、无线路由器、移动台车、RFID条码打印机和移动电源组成.其中拍照采集装置为手机或平板计算机,通过拍照采集App实现待盘点设备的图片信息采集;盘点工作站由离线盘点系统和设备铭牌识别系统组成,采用Tomcat提供的Web服务创建盘点任务,并利用基于特征学习的算法识别设备铭牌信息;RFID条码打印机的驱动程序内嵌入离线盘点系统,由离线盘点系统控制打印标签.结果:采用该系统可实现在盘点医疗设备的同时完成贴标签工作,能够为每台设备建立准确、完整的电子档案,实现账物统一.结论:该系统提高了医疗设备盘点的效率,规范了医疗设备台账的管理流程,为医疗设备的全生命周期管理提供了有力的支撑.

为提高心电监护仪的工作效率,节约采购成本,本研究基于传统心电监护仪提出了一种数字化方法.首先,在心电监护仪上加装光学摄像头,以实时获取心电监护仪的视频影像;然后,利用峰值搜索方法实现图像分割和感兴趣区域识别;最后,采用模板匹配方法对字符进行识别,定时提取心电监护仪上的典型数值,并进行数据存储与处理.实验表明,本研究方法受光线和拍摄角度的影响较小,适应环境能力较强,可满足数据提取需要.本研究可实现心电监护仪的数字化改进.

高质量、结构化的病历是医学临床数据库的基础.我们开发了全新的基于专病结构化病史采集的智能移动端病历辅助书写系统.系统包括定制专病模块化病历模板,嵌入光学字符识别功能,利用移动端采集病历信息,并借助网络技术实现数据内外网之间的安全传输;建立疾病知识图谱,依靠人工智能自动生成诊断、鉴别诊断等内容.与医院系统对接后进行临床试用,通过评价医师对软件的接受度,记录病史采集的时间、质量,检验结构化数据库的数量等,阐明病历辅助系统将以最为便捷的途径为科研提供宝贵数据,提高病案书写质量,并显著提高临床工作效率.

本研究利用自然语言处理、光学字符识别及语音识别等人工智能技术,解析用户上传的症状数据,构建了基于知识图谱的中医智能养生系统,可辨识用户的体质、评估其身体状况,并基于推荐算法向用户推送个性化养生方案,一定程度上满足了大众对于中医养生的需求,提高其自主养生保健能力,缓解中医医疗资源匮乏及医患沟通不足引起的健康服务矛盾,是对中医诊疗信息化的积极探索.

目的:探究立体定向放射治疗设备故障数据的自动采集, 解决立体定向放射治疗设备可靠性分析过程中存在的设备故障数据难获取、真实性差及有效性低等问题.方法:采用图像识别中预处理、模板识别及光学字符识别等技术分析上传视频, 完成数据清洗工作, 建立数据仓库.利用数据变换和数据归约完成整个数据预处理过程;利用模板匹配技术获取开始照射时间、结束照射时间及回复照射时间等可靠性分析过程中的关键信息.结果:通过立体定向放射治疗设备故障数据的自动采集, 实现了故障信息实时采集, 确保了信息的完整性和可用性.图像识别技术实现了在海量数据中对有用信息的提取和智能化处理.结论:利用图像采集器和图像识别技术完成故障数据的自动记录和分类, 确保数据的真实性、有效性和及时性, 为立体定向放射治疗设备可靠性分析提供数据基础.

目的 由于化验单内容可以真实地记录患者健康状态,因此将纸质的化验单转为医疗电子档案进行存储在进行保险理赔、转院、远程会诊、建立健康档案时都具有重要作用.但目前在临床上尚缺乏能识别化验单内容,把化验单直接转成医疗电子档案的工具,为此本文设计了一套完整的自动化医学化验单内容的光学字符识别(optical character recognition,OCR)方法.方法 首先对化验单图像进行预处理,利用大津法对化验单图像进行二值化、用霍夫变换对图像进行抗扭斜和特征提取,然后使用Tesseract的集束搜索算法和K邻近算法对化验单内容进行识别,对字库进行训练,利用医学词典文件与模糊字文件来对识别内容进行纠错,并以此建立医学化验单OCR引擎.最后利用从上海某社区医院收集的302条化验单数据对OCR引擎的准确率进行了评估.结果 经评估验证,本文方法的识别准确率为92.72％,可基本满足临床需求.结论 基于Tesseract建立的医学化验单OCR引擎可以免去手动输入化验单数据的麻烦,医生仅需拍照上传化验单照片,即可将化验单中的内容转成结构化医疗电子档案,极大提高了医生的工作效率,有助于数据的进一步利用.