医学数据采集方法、装置、计算机设备及存储介质与流程

1.本技术实施例涉及超声影像处理技术领域，具体涉及一种医学数据采集方法、装置、计算机设备及存储介质(计算机可读存储介质)。


背景技术：

2.随着计算机技术的快速发展，在线诊断得到了广泛的应用，部分在线诊断通过ai实现，ai诊断需要大量搜集病例报告、医学影像等的医学数据进行分析，从而得到ai诊断数据。
3.在实际数据采集的过程中，并非所有的病例报告、医学影像等的医学数据均要搜集起来进行预处理和分析，而是需要先通过人工筛选与疾病相关的重要的、特别的医学数据(病灶畸形、斑块散状等等特殊类型的病情)来汇总，这种筛选数据汇总的工作量非常大,不能达到准确地分析采集的目的。


技术实现要素：

4.本技术实施例提供一种医学数据采集方法、装置、计算机设备及存储介质，解决了当前医学数据采集不准确的技术问题。
5.一方面，本技术实施例提供一种医学数据采集方法，包括：
6.响应医学数据采集请求，获取待采集的医学疾病关联的影响因子，以及所述影响因子对应的医学参考指标；
7.调用预设的数据采集器，执行所述影响因子对应的数据采集任务采集医学数据样本，并将所述医学数据样本输入预设的数据分析器，得到医学数据指标；
8.根据所述医学参考指标和所述医学数据指标，确定待调整的数据采集任务并调整；
9.根据调整后的数据采集任务进行迭代采集，直至采集到医学数据指标与所述医学参考指标相符的目标医学数据样本并输出。
10.在本技术的一些实施例中，所述调用预设的数据采集器，执行所述影响因子对应的数据采集任务采集医学数据样本，并将所述医学数据样本输入预设的数据分析器，得到医学数据指标，包括：
11.获取所述影响因子关联的医学特征，生成各所述医学特征对应的数据采集任务；
12.分别调用各数据采集任务对应的预设的数据采集器对预设的医学数据进行分析，获取各所述数据采集任务对应的医学数据样本；
13.将各所述数据采集任务对应医学数据样本分别输入至所述数据采集任务对应的数据分析器，得到第一医学特征，并从各所述第一医学特征中提取医学数据指标。
14.在本技术的一些实施例中，所述调用预设的数据采集器，执行所述影响因子对应的数据采集任务采集医学数据样本，包括：
15.将预设的医学数据中图像类型的目标医学数据输入预设的数据采集器中的图像
识别模块，得到所述目标医学数据的第二医学特征；和/或，
16.将预设的医学数据中文本类型的目标医学数据输入预设的数据采集器中的字符识别模块，得到所述目标医学数据的第二医学特征；
17.获取与所述影响因子的预设医学特征匹配的目标医学特征，并将所述目标医学特征对应的目标医学数据设置为医学数据样本。
18.在本技术的一些实施例中，所述根据所述医学参考指标和所述医学数据指标，确定待调整的数据采集任务并调整，包括：
19.将同类型的所述医学数据指标与所述医学参考指标进行比较，若所述医学数据指标与所述医学参考指标不符合，则获取差异数据指标；
20.针对与所述差异数据指标对应的数据采集任务，增大所述数据采集任务的样本数量和数量占比，得到新的数据采集任务。
21.在本技术的一些实施例中，所述直至调整的数据采集任务对应的医学数据指标与所述医学参考指标相符，输出所述数据采集任务对应的目标医学数据样本之后，包括：
22.获取各所述数据采集任务对应的医学数据样本，提取所述医学数据样本的医学特征；
23.将所述医学数据样本的医学特征和所述影响因子的预设医学特征进行比较，若存在与所述预设医学特征不同的目标医学特征，则将所述目标医学特征增加到所述影响因子，得到更新的影响因子；
24.配置所述更新的影响因子对应的医学参考指标，并生成新的数据采集任务。
25.在本技术的一些实施例中，所述直至调整的数据采集任务对应的医学数据指标与所述医学参考指标相符，输出所述数据采集任务对应的目标医学数据样本之后，包括
26.将所述目标医学数据样本添加所述目标医学数据样本对应所述影响因子和所述医学数据指标的数据标签，并保存至预设数据库；
27.响应数据分析请求，获取所述数据分析请求对应的目标医学疾病，以及所述目标医学疾病对应的目标影响因子和/或目标医学数据指标；
28.查询所述预设数据库，获取所述目标影响因子和/或所述目标医学数据指标对应的参考医学数据，对所述参考医学数据中的诊断结果进行特征提取，得到所述目标医学疾病的诊断参考信息。
29.在本技术的一些实施例中，所述影响因子包括：体征参数、解剖参数、临床经验特征和组学特征中的至少一种；
30.所述体征参数包括：血压、血液流速、心率和血流量中的至少一种；
31.所述解剖参数包括：解剖位置、解剖形态和解剖体积中的至少一种；
32.所述临床经验特征是指临床记录中疾病患者身体发生的医学变化的特征；
33.所述组学特征是指通过基于组学、蛋白质组学、代谢组学、转录组学、脂类组学、免疫组学、糖组学、rna组学学、影像组学和超声组学获得的特征。
34.另一方面，本技术实施例还提供一种医学数据采集装置，包括：
35.获取模块，用于响应医学数据采集请求，获取待采集的医学疾病关联的影响因子，以及所述影响因子对应的医学参考指标；
36.采集模块，用于调用预设的数据采集器，执行所述影响因子对应的数据采集任务
采集医学数据样本，并将所述医学数据样本输入预设的数据分析器，得到医学数据指标；
37.调整模块，用于根据所述医学参考指标和所述医学数据指标，确定待调整的数据采集任务并调整；
38.输出模块，用于根据调整后的数据采集任务进行迭代采集，直至采集到医学数据指标与所述医学参考指标相符的目标医学数据样本并输出。
39.另一方面，本技术实施例还提供一种计算机设备，计算机设备包括处理器、存储器以及存储于存储器中并可在处理器上运行的医学数据采集程序，处理器执行医学数据采集程序以实现上述的医学数据采集方法中的步骤。
40.另一方面，本技术实施例还提供一种计算机可读存储介质，计算机可读存储介质上存储有医学数据采集程序，医学数据采集程序被处理器执行以实现上述的医学数据采集方法中的步骤。
41.相比于现有技术医学数据采集方法、装置、计算机设备及存储介质，方法包括：响应医学数据采集请求，获取待采集的医学疾病关联的影响因子，以及所述影响因子对应的医学参考指标；调用预设的数据采集器，执行所述影响因子对应的数据采集任务采集医学数据样本，并将所述医学数据样本输入预设的数据分析器，得到医学数据指标；根据所述医学参考指标和所述医学数据指标，确定待调整的数据采集任务并调整；根据调整后的数据采集任务进行迭代采集，直至采集到医学数据指标与所述医学参考指标相符的目标医学数据样本并输出。本技术实施例中预先设置了医学疾病的医学参考指标，先采集医学数据样本，然后根据医学参考指标和采集的医学数据样本的医学数据指标，对数据采集任务进行调整，根据调整后的数据采集任务进行迭代采集，直至采集到医学数据指标与所述医学参考指标相符的目标医学数据样本并输出，本技术实施例中可以自动调整数据采集任务，持续地采集医学数据样本，直至得到需要的医学数据样本，实现了医学数据的自动准确采集。
附图说明
42.为了更清楚地说明本技术实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
43.图1是本技术实施例提供的医学数据采集方法的场景示意图；
44.图2为本技术实施例提供的一种医学数据采集方法的步骤流程示意图；
45.图3为本技术实施例提供的一种医学数据采集方法中数据指标分析的步骤细化流程示意图；
46.图4为本技术实施例提供的一种医学数据采集方法中数据采集任务调整的流程示意图；
47.图5为本技术实施例提供的一种医学数据采集方法中数据采集任务生成的步骤流程示意图；
48.图6为本技术实施例提供的一种医学数据采集方法中数据分析的步骤流程示意图；
49.图7是本技术实施例中提供的医学数据采集装置的一个实施例结构示意图；
50.图8是本技术实施例中提供的计算机设备的一个实施例结构示意图。
具体实施方式
51.下面将结合本技术实施例中的附图，对本技术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，本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明包含的范围。
52.在本技术实施例中，“示例性”一词用来表示“用作例子、例证或说明”。本技术实施例中被描述为“示例性”的任何实施例不一定被解释为比其它实施例更优选或更具优势。为了使本领域任何技术人员能够实现和使用本发明，给出了以下描述。在以下描述中，为了解释的目的而列出了细节。应当明白的是，本领域普通技术人员可以认识到，在不使用这些特定细节的情况下也可以实现本发明。在其它实例中，不会对公知的结构和过程进行详细阐述，以避免不必要的细节使本发明的描述变得晦涩。因此，本发明并非旨在限于所示的实施例，而是与符合本技术实施例所公开的原理和特征的最广范围相一致。
53.本技术实施例中提供一种医学数据采集方法、装置、设备及计算机可读存储介质，以下分别进行详细说明。
54.本技术实施例中医学数据采集方法是以程序的形式部署在医学数据采集装置上，医学数据采集装置是以处理器的形式安装在计算机设备中，计算机设备中的医学数据采集装置通过运行医学数据采集方法对应的程序，以执行如下步骤：
55.响应医学数据采集请求，获取待采集的医学疾病关联的影响因子，以及所述影响因子对应的医学参考指标；
56.调用预设的数据采集器，执行所述影响因子对应的数据采集任务采集医学数据样本，并将所述医学数据样本输入预设的数据分析器，得到医学数据指标；
57.根据所述医学参考指标和所述医学数据指标，确定待调整的数据采集任务并调整；
58.根据调整后的数据采集任务进行迭代采集，直至采集到医学数据指标与所述医学参考指标相符的目标医学数据样本并输出。
59.如图1所示，图1为本技术实施例医学数据采集的实现场景示意图，本技术实施例提供的实现场景示意中包括医学数据采集装置100以及拍摄装置200。其中拍摄装置200主要用于拍摄超声影像，而医学数据采集装置100中运行医学数据采集方法对应的计算机存储介质，以执行医学数据采集的步骤。
60.需要说明的是，图1所示的医学数据采集的场景示意图仅仅是一个示例，本技术实施例描述的医学数据采集的场景是为了更加清楚的说明本技术实施例的技术方案，并不构成对于本技术实施例提供的技术方案的限定。
61.基于上述医学数据采集的实现场景示意图，提出了医学数据采集方法的具体实施例。
62.如图2所示，图2为本技术实施例提供的一种医学数据采集方法的步骤流程示意图，本技术实施例中医学数据采集包括步骤201-204：
63.201，响应医学数据采集请求，获取待采集的医学疾病关联的影响因子，以及所述
影响因子对应的医学参考指标。
64.本技术实施例中的医学数据采集方法应用于计算机设备，计算机设备接收医学数据采集请求，其中，医学数据采集请求的触发方式不做具体限定，医学数据采集请求可以是用户主动触发，例如，用户在计算机设备上输入疾病名称主动触发数据采集请求，此外，数据采集请求还可以是计算机设备自动触发，例如，计算机设备预先设置数据采集的条件为每次医学数据更新时自动触发，计算机设备检测到医学数据更新时，自动触发医学数据采集请求。
65.计算机设备响应医学数据采集请求，获取待采集的医学疾病关联的影响因子，以及影响因子对应的医学参考指标，需要补充说明的是，影响因子和医学参考指标之间的对应关系是预先设置的，通常来说，影响因子中包含大量的医学特征，医学特征可以提取到不同的参考指令，例如，心脏疾病的影响因子的心率、血压等，例如，心率对应的医学参考指标为最大心率和最小心率；血压对应的医学参考指标为最高血压值和最低血压值。
66.其中，医学疾病根据具体场景设置，例如，医学疾病为流行感冒；影响因子包括：体征参数、解剖参数、临床经验特征和组学特征中的至少一种；其中，
67.体征参数包括：血压、血液流速、心率和血流量中的至少一种，血压对应的医学参考指标为最高血压值和最低血压值；血液流速对应的医学参考指标为最高血液流速和最低血液流速；心率对应的医学参考指标为最大心率和最小心率；血流量对应的医学参考指标为最大血流量和最小血流量；可以理解的是，本技术实施例中体征参数还可以包括血液氧含量等，本技术实施例中不做具体限定。
68.解剖参数包括：解剖位置、解剖形态和解剖体积中的至少一种；本技术实施例中解剖位置对应的医学参考指标为解剖位置坐标；解剖形态对应的医学参考指标为解剖状态值；解剖体积对应的医学参考指标为解剖体积值；可以理解的是，本技术实施例中解剖参数还可以包括解剖大小等，本技术实施例中不做具体细化。
69.临床经验特征是指临床记录的疾病患者身体发生的一系列医学变化；其中，临床经验特征常常用作对疾病诊断的重要依据。例如：包括咳嗽，发烧，头痛，无力等各类症状都可称为感冒发烧的临床经验特征，咳嗽，咯血等症状也属于结核的临床表现。单一疾病可能有多种临床表现，而又有许多疾病都有着同样的临床表现(即，同样的临床表现可以表现在多种疾病上。比如咳嗽可以是咽炎，感冒发烧，肺结核，肺炎，气管炎等等多种疾病的临床表现)。
70.组学特征是指通过基于组学、蛋白质组学、代谢组学、转录组学、脂类组学、免疫组学、糖组学、rna组学学、影像组学和超声组学获得的特征。例如，影像组学是指从影像中高通量地提取大量影像信息，实现肿瘤分割，特征提取与模型建立，凭借对海量数据进行更深层次的挖掘、预测和分析来辅助医师做出最准确的诊断，影像组学对应的医学参考指标为图像特征值。
71.202，调用预设的数据采集器，执行所述影响因子对应的数据采集任务采集医学数据样本，并将所述医学数据样本输入预设的数据分析器，得到医学数据指标。
72.计算机设备调用预设的数据采集器，其中，数据采集器通过神经网络训练获得的深度学习算法，数据采集器的模型结构不做具体限定，数据采集器可以对不同类型的医学数据样本进行分析，例如，数据分析器中包含图像识别模块可以对中的图像类型对应的医
学数据样本进行分析；数据分析器中还可以包含文本识别模块可以对字符类型的医学数据样本等进行分析。数据采集器具体用于对医学数据样本进行特征提取，从而采集影响因子对应的医学数据样本。
73.计算机设备调用预设的数据采集器，执行所述影响因子对应的数据采集任务采集医学数据样本，并将所述医学数据样本输入预设的数据分析器，得到医学数据指标，具体地，包括：
74.1、将预设的医学数据中图像类型的目标医学数据输入预设的数据采集器中的图像识别模块，得到所述目标医学数据的第二医学特征；和/或，
75.2、将预设的医学数据中文本类型的目标医学数据输入预设的数据采集器中的字符识别模块，得到所述目标医学数据的第二医学特征；
76.3、获取与所述影响因子的预设医学特征匹配的目标医学特征，并将所述目标医学特征对应的目标医学数据设置为医学数据样本。
77.即，计算机设备将预设的医学数据中图像类型的目标医学数据输入预设的数据采集器中的图像识别模块，得到目标医学数据的第二医学特征；和/或，计算机设备将预设的医学数据中文本类型的目标医学数据输入预设的数据采集器中的字符识别模块，得到目标医学数据的第二医学特征；计算机设备获取影响因子的预设医学特征，计算机设备将第二医学特征与预设医学特征进行比对，计算机设备获取与影响因子的预设医学特征相同或相似高于设定相似度的目标医学特征，计算机设备将目标医学特征对应的目标医学数据设置为医学数据样本。
78.进一步地，计算机设备将医学数据样本输入预设的数据分析器，得到医学数据指标，本技术实施例中先通过数据采集器对大量的医学数据进行初步的特征提取，获取与影响因子的预设医学特征匹配的目标医学特征，并将目标医学特征对应的目标医学数据设置为医学数据样本，然后，计算机设备将医学数据样本输入预设的数据分析器，通过数据分析器中的特征提取模块对各个医学数据样本进行分析，得到各个医学数据样本更详细的医学特征；计算机设备通过数据分析器中的指标提取模块，从医学特征中提取医学数据样本的医学数据指标。
79.本技术实施例中计算机设备先通过调用预设的数据采集器，执行影响因子对应的数据采集任务采集医学数据样本，然后，将医学数据样本输入预设的数据分析器，通过数据分析器进行二次特征提取，得到医学数据指标，这样降低了对计算机设备的性能，同时实现对医学数据的准确分析采集。
80.203，根据所述医学参考指标和所述医学数据指标，确定待调整的数据采集任务并调整。
81.由于影响因子可以对应多个不同类型医学参考指标，计算机设备获取医学参考指标第一指标类型和医学数据指标的第二指标类型，计算机设备将指标类型相同的医学参考指标和医学数据指标进行比较，若医学数据指标在医学参考指标对应的范围内，计算机设备则判定采集到与医学参考指标相符的目标医学数据样本可以进行输出，不需要进行重复采集；若医学数据指标没有在医学参考指标对应的范围内，则计算机设备获取医学参考指标对应的目标医学特征，计算机设备将目标医学特征对应的数据采集任务作为待调整的数据采集任务，计算机设备对待调整的数据采集任务的数据采集量和数据比例进行调整，得
到调整后的数据采集任务。
82.即，本技术实施例中计算机设备对数据采集任务进行调整，这样可以调整不同医学特征对应医学数据的采集量，使得数据采集更具有针对性，减少了无效数据的采集，提高了数据采集效率。
83.204，根据调整后的数据采集任务进行迭代采集，直至采集到医学数据指标与所述医学参考指标相符的目标医学数据样本并输出。
84.计算机设备根据调整后的数据采集任务进行迭代采集，直至采集到医学数据指标与所述医学参考指标相符的目标医学数据样本并输出。本技术实施例中计算机设备预先设置了医学疾病的医学参考指标，先采集医学数据样本，然后根据医学参考指标和采集的医学数据样本的医学数据指标，对数据采集任务进行调整，根据调整后的数据采集任务进行迭代采集，直至采集到医学数据指标与所述医学参考指标相符的目标医学数据样本并输出，本技术实施例中可以自动调整数据采集任务，持续地采集医学数据样本，直至得到需要的医学数据样本，实现了医学数据的自动准确采集。
85.如3所示，图3为本技术实施例提供的一种医学数据采集方法中数据指标分析的步骤细化流程示意图，本技术实施例中医学数据采集方法包括步骤301-303：
86.301，获取所述影响因子关联的医学特征，生成各所述医学特征对应的数据采集任务。
87.计算机设备获取影响因子关联的医学特征，生成各医学特征对应的数据采集任务，即，本技术实施例中计算机设备针对不同的医学特征，创建不同的数据采集任务，这样不同采集任务针对性采集不同特征的医学数据，使得数据采集更加全面，同时方便后期对不同数据采集任务采集到的医学数据进行比对分析。
88.302，分别调用各数据采集任务对应的预设的数据采集器对预设的医学数据进行分析，获取各所述数据采集任务对应的医学数据样本。
89.计算机设备分别调用各数据采集任务对应的预设的数据采集器对预设的医学数据进行分析，其中，预设的医学数据是指数据库中存储海量医学数据样本；计算机设备获取各数据采集任务对应的医学数据样本，本实施例中计算机设备中预先创建不同的数据采集器，通过不同的数据采集器进行数据采集，使得数据采集更具有针对性。
90.303，将各所述数据采集任务对应医学数据样本分别输入至所述数据采集任务对应的数据分析器，得到第一医学特征，并从各所述第一医学特征中提取医学数据指标。
91.计算机设备将各数据采集任务对应医学数据样本分别输入至数据采集任务对应的数据分析器，得到第一医学特征，并从各第一医学特征中提取医学数据指标；本实施例中不同数据采集任务对应不同的数据分析器，这样可以准确地采集第一医学特征，并从第一医学特征中提取医学数据指标；也就是说，本技术实施例中采样多个数据采集器和数据分析器进行数据采集分析，使得数据采集分析更加准确。
92.如图4所示，图4为本技术实施例提供的一种医学数据采集方法中数据采集任务调整的流程示意图，本技术实施例中医学数据采集方法包括步骤401-402：
93.401，将同类型的所述医学数据指标与所述医学参考指标进行比较，若所述医学数据指标与所述医学参考指标不符合，则获取差异数据指标。
94.计算机设备将同类型的医学数据指标与医学参考指标进行比较，例如，医学参考
指标为血压值，计算机设备将医学数据指标对应的第一血压值和医学参考指标中的最大血压和最小血压进行比对，若第一血压值在最大血压和最小血压的范围内，则医学数据指标与医学参考指标相符；若医学数据指标与所述医学参考指标不符合，则获取差异数据指标。
95.本技术实施例中医学数据指标与医学参考指标的种类较多，计算机设备获取医学数据指标与医学参考指标不符合的特定类型的差异数据指标，以方便调整对应的数据采集任务，具体地：
96.402，针对与所述差异数据指标对应的数据采集任务，增大所述数据采集任务的样本数量和数量占比，得到新的数据采集任务。
97.计算机设备判定差异数据指标对应的医疗数据不符合要求，需要重新采集；针对差异数据指标对应的数据采集任务，计算机设备增大所述数据采集任务的样本数量和数量占比，得到新的数据采集任务，计算机设备根据新的数据采集任务进行重新采集，本技术实施例中计算机设备根据采集的医学数据样本，对数据采集任务进行调整，使得采集的数据样本更加符合设定的医学参考指标，从而准确地进行医学数据分析。
98.如图5所示，图5为本技术实施例提供的一种医学数据采集方法中数据采集任务生成的步骤流程示意图，本技术实施例中医学数据采集方法包括步骤501-503：
99.501，获取各所述数据采集任务对应的医学数据样本，提取所述医学数据样本的医学特征.
100.计算机设备获取各数据采集任务对应的医学数据样本，提取医学数据样本的医学特征，本技术实施例中提取医学特征可以是通过深度神经网络提取的，提取方式不做具体限定。
101.502，将所述医学数据样本的医学特征和所述影响因子的预设医学特征进行比较，若存在与所述预设医学特征不同的目标医学特征，则将所述目标医学特征增加到所述影响因子，得到更新的影响因子。
102.计算机设备将医学数据样本的医学特征和影响因子的预设医学特征进行比较，若医学数据样本的医学特征都在影响因子的预设医学特征则不作处理，若存在与预设医学特征不同的目标医学特征，计算机设备则将目标医学特征增加到所述影响因子，得到更新的影响因子。
103.503，配置所述更新的影响因子对应的医学参考指标，并生成新的数据采集任务。
104.计算机设备输出配置提示，以供用户配置新的更新的影响因子对应的医学参考指标，并按照更新的影响因子生成新的数据采集任务，这样进行医学数据的重新采集。本技术实施例中计算机设备对医学疾病关联的影响因子进行实时更新，并更新数据采集任务，以调用预设的数据采集器采集新的医学数据样本，实现了医学数据样本的全面采集分析。
105.如图6所示，图6为本技术实施例提供的一种医学数据采集方法中数据分析的步骤流程示意图，本技术实施例中医学数据采集方法包括步骤601-603：
106.601，将所述目标医学数据样本添加所述目标医学数据样本对应所述影响因子和所述医学数据指标的数据标签，并保存至预设数据库。
107.计算机设备将目标医学数据样本添加目标医学数据样本对应所述影响因子和所述医学数据指标的数据标签，并保存至预设数据库，以方便后期数据快速查找。
108.602，响应数据分析请求，获取所述数据分析请求对应的目标医学疾病，以及所述
目标医学疾病对应的目标影响因子和/或目标医学数据指标。
109.计算机设备响应数据分析请求，计算机设备获取数据分析请求对应的目标医学疾病，以及目标医学疾病对应的目标影响因子和/或目标医学数据指标。
110.603，查询所述预设数据库，获取所述目标影响因子和/或所述目标医学数据指标对应的参考医学数据，对所述参考医学数据中的诊断结果进行特征提取，得到所述目标医学疾病的诊断参考信息。
111.计算机设备查询预设数据库，计算机设备根据数据标签获取所述目标影响因子和/或所述目标医学数据指标对应的参考医学数据，计算机设备对所述参考医学数据中的诊断结果进行特征提取，得到所述目标医学疾病的诊断参考信息。本实施例中从参考医学数据提取特征的方式不做限定，计算机设备可以快速地查询参考医学数据，然后得到对参考医学数据中的诊断结果进行特征提取，得到目标医学疾病的诊断参考信息，可以准确地对医学数据分析，得到在线诊断参考信息。
112.为了更好实施本技术实施例中医学数据采集方法，在医学数据采集方法基础之上，本技术实施例中还提供一种医学数据采集装置。如图7所示，图7是本技术实施例提供的一种医学数据采集装置的结构示意图。
113.医学数据采集装置包括：
114.获取模块701，用于响应医学数据采集请求，获取待采集的医学疾病关联的影响因子，以及所述影响因子对应的医学参考指标；
115.采集模块702，用于调用预设的数据采集器，执行所述影响因子对应的数据采集任务采集医学数据样本，并将所述医学数据样本输入预设的数据分析器，得到医学数据指标；
116.调整模块703，用于根据所述医学参考指标和所述医学数据指标，确定待调整的数据采集任务并调整；
117.输出模块704，用于根据调整后的数据采集任务进行迭代采集，直至采集到医学数据指标与所述医学参考指标相符的目标医学数据样本并输出。
118.在本技术一些实施例中，医学数据采集装置中采集模块702，还用于：
119.获取所述影响因子关联的医学特征，生成各所述医学特征对应的数据采集任务；
120.分别调用各数据采集任务对应的预设的数据采集器对预设的医学数据进行分析，获取各所述数据采集任务对应的医学数据样本；
121.将各所述数据采集任务对应医学数据样本分别输入至所述数据采集任务对应的数据分析器，得到第一医学特征，并从各所述第一医学特征中提取医学数据指标。
122.在本技术一些实施例中，医学数据采集装置中采集模块702，还用于：
123.将预设的医学数据中图像类型的目标医学数据输入预设的数据采集器中的图像识别模块，得到所述目标医学数据的第二医学特征；和/或，
124.将预设的医学数据中文本类型的目标医学数据输入预设的数据采集器中的字符识别模块，得到所述目标医学数据的第二医学特征；
125.获取与所述影响因子的预设医学特征匹配的目标医学特征，并将所述目标医学特征对应的目标医学数据设置为医学数据样本。
126.在本技术一些实施例中，医学数据采集装置中调整模块703，还用于：
127.将同类型的所述医学数据指标与所述医学参考指标进行比较，若所述医学数据指
标与所述医学参考指标不符合，则获取差异数据指标；
128.针对与所述差异数据指标对应的数据采集任务，增大所述数据采集任务的样本数量和数量占比，得到新的数据采集任务。
129.在本技术一些实施例中，医学数据采集装置还用于：
130.获取各所述数据采集任务对应的医学数据样本，提取所述医学数据样本的医学特征；
131.将所述医学数据样本的医学特征和所述影响因子的预设医学特征进行比较，若存在与所述预设医学特征不同的目标医学特征，则将所述目标医学特征增加到所述影响因子，得到更新的影响因子；
132.配置所述更新的影响因子对应的医学参考指标，并生成新的数据采集任务。
133.在本技术一些实施例中，医学数据采集装置还用于：
134.将所述目标医学数据样本添加所述目标医学数据样本对应所述影响因子和所述医学数据指标的数据标签，并保存至预设数据库；
135.响应数据分析请求，获取所述数据分析请求对应的目标医学疾病，以及所述目标医学疾病对应的目标影响因子和/或目标医学数据指标；
136.查询所述预设数据库，获取所述目标影响因子和/或所述目标医学数据指标对应的参考医学数据，对所述参考医学数据中的诊断结果进行特征提取，得到所述目标医学疾病的诊断参考信息。
137.在本技术一些实施例中，医学数据采集装置还用于：
138.所述影响因子包括：体征参数、解剖参数、临床经验特征和组学特征中的至少一种；
139.所述体征参数包括：血压、血液流速、心率和血流量中的至少一种；
140.所述解剖参数包括：解剖位置、解剖形态和解剖体积中的至少一种；
141.所述临床经验特征是指临床记录中疾病患者身体发生的医学变化的特征；
142.所述组学特征是指通过基于组学、蛋白质组学、代谢组学、转录组学、脂类组学、免疫组学、糖组学、rna组学学、影像组学和超声组学获得的特征。
143.本技术实施例中预先设置了医学疾病的医学参考指标，先采集医学数据样本，然后根据医学参考指标和采集的医学数据样本的医学数据指标，对数据采集任务进行调整，根据调整后的数据采集任务进行迭代采集，直至采集到医学数据指标与所述医学参考指标相符的目标医学数据样本并输出，本技术实施例中可以自动调整数据采集任务，持续地采集医学数据样本，直至得到需要的医学数据样本，实现了医学数据的自动准确采集。
144.本技术实施例还提供一种计算机设备，如图8所示，图8是本技术实施例提供的一种计算机设备的结构示意图。
145.计算机设备包括存储器、处理器以及存储于存储器中，并可在处理器上运行的医学数据采集程序，处理器执行医学数据采集程序时实现本技术任一实施例提供的医学数据采集方法中的步骤。
146.具体来讲：计算机设备可以包括一个或者一个以上处理核心的处理器801、一个或一个以上存储介质的存储器802、电源803和输入单元804等部件。本领域技术人员可以理解，图8中示出的计算机设备结构并不构成对计算机设备的限定，可以包括比图示更多或更
少的部件，或者组合某些部件，或者不同的部件布置。其中：
147.处理器801是该计算机设备的控制中心，利用各种接口和线路连接整个计算机设备的各个部分，通过运行或执行存储在存储器802内的软件程序和/或，模块，以及调用存储在存储器802内的数据，执行计算机设备的各种功能和处理数据，从而对计算机设备进行整体监控。可选的，处理器801可包括一个或多个处理核心；优选的，处理器801可集成应用处理器和调制解调处理器，其中，应用处理器主要处理操作系统、用户界面和应用程序等，调制解调处理器主要处理无线通信。可以理解的是，上述调制解调处理器也可以不集成到处理器801中。
148.存储器802可用于存储软件程序以及模块，处理器801通过运行存储在存储器802的软件程序以及模块，从而执行各种功能应用以及数据处理。存储器802可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据计算机设备的使用所创建的数据等。此外，存储器802可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。相应地，存储器802还可以包括存储器控制器，以提供处理器801对存储器802的访问。
149.计算机设备还包括给各个部件供电的电源803，优选的，电源803可以通过电源管理系统与处理器801逻辑相连，从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。电源803还可以包括一个或一个以上的直流或交流电源、再充电系统、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。
150.该计算机设备还可包括输入单元804，该输入单元804可用于接收输入的数字或字符信息，以及产生与用户设置以及功能控制有关的键盘、鼠标、操作杆、光学或者轨迹球信号输入。
151.尽管未示出，计算机设备还可以包括显示单元等，在此不再赘述。具体在本实施例中，计算机设备中的处理器801会按照如下的指令，将一个或一个以上的应用程序的进程对应的可执行文件加载到存储器802中，并由处理器801来运行存储在存储器802中的应用程序，从而实现本技术任一实施例所提供的医学数据采集方法中的步骤。
152.为此，本技术实施例提供一种计算机可读存储介质，该计算机可读存储介质可以包括：只读存储器(rom，read only memory)、随机存取记忆体(ram，random access memory)、磁盘或光盘等。计算机可读存储介质上存储有医学数据采集程序，医学数据采集程序被处理器执行时实现本技术任一实施例所提供的医学数据采集方法中的步骤。
153.在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见上文针对其他实施例的详细描述，此处不再赘述。
154.具体实施时，以上各个单元或结构可以作为独立的实体来实现，也可以进行任意组合，作为同一或若干个实体来实现，以上各个单元或结构的具体实施可参见前面的方法实施例，在此不再赘述。
155.以上各个操作的具体实施可参见前面的实施例，在此不再赘述。
156.以上对本技术实施例所提供的一种医学数据采集方法进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的技术人员，依据本发明的思想，在具体
实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。

技术特征：
1.一种医学数据采集方法，其特征在于，所述医学数据采集方法包括：响应医学数据采集请求，获取待采集的医学疾病关联的影响因子，以及所述影响因子对应的医学参考指标；调用预设的数据采集器，执行所述影响因子对应的数据采集任务采集医学数据样本，并将所述医学数据样本输入预设的数据分析器，得到医学数据指标；根据所述医学参考指标和所述医学数据指标，确定待调整的数据采集任务并调整；根据调整后的数据采集任务进行迭代采集，直至采集到医学数据指标与所述医学参考指标相符的目标医学数据样本并输出。2.根据权利要求1所述的医学数据采集方法，其特征在于，所述调用预设的数据采集器，执行所述影响因子对应的数据采集任务采集医学数据样本，并将所述医学数据样本输入预设的数据分析器，得到医学数据指标，包括：获取所述影响因子关联的医学特征，生成各所述医学特征对应的数据采集任务；分别调用各数据采集任务对应的预设的数据采集器对预设的医学数据进行分析，获取各所述数据采集任务对应的医学数据样本；将各所述数据采集任务对应医学数据样本分别输入至所述数据采集任务对应的数据分析器，得到第一医学特征，并从各所述第一医学特征中提取医学数据指标。3.根据权利要求1所述的医学数据采集方法，其特征在于，所述调用预设的数据采集器，执行所述影响因子对应的数据采集任务采集医学数据样本，包括：将预设的医学数据中图像类型的目标医学数据输入预设的数据采集器中的图像识别模块，得到所述目标医学数据的第二医学特征；和/或，将预设的医学数据中文本类型的目标医学数据输入预设的数据采集器中的字符识别模块，得到所述目标医学数据的第二医学特征；获取与所述影响因子的预设医学特征匹配的目标医学特征，并将所述目标医学特征对应的目标医学数据设置为医学数据样本。4.根据权利要求1所述的医学数据采集方法，其特征在于，所述根据所述医学参考指标和所述医学数据指标，确定待调整的数据采集任务并调整，包括：将同类型的所述医学数据指标与所述医学参考指标进行比较，若所述医学数据指标与所述医学参考指标不符合，则获取差异数据指标；针对与所述差异数据指标对应的数据采集任务，增大所述数据采集任务的样本数量和数量占比，得到新的数据采集任务。5.根据权利要求1所述的医学数据采集方法，其特征在于，所述直至调整的数据采集任务对应的医学数据指标与所述医学参考指标相符，输出所述数据采集任务对应的目标医学数据样本之后，包括：获取各所述数据采集任务对应的医学数据样本，提取所述医学数据样本的医学特征；将所述医学数据样本的医学特征和所述影响因子的预设医学特征进行比较，若存在与所述预设医学特征不同的目标医学特征，则将所述目标医学特征增加到所述影响因子，得到更新的影响因子；配置所述更新的影响因子对应的医学参考指标，并生成新的数据采集任务。6.根据权利要求1所述的医学数据采集方法，其特征在于，所述直至调整的数据采集任
务对应的医学数据指标与所述医学参考指标相符，输出所述数据采集任务对应的目标医学数据样本之后，包括将所述目标医学数据样本添加所述目标医学数据样本对应所述影响因子和所述医学数据指标的数据标签，并保存至预设数据库；响应数据分析请求，获取所述数据分析请求对应的目标医学疾病，以及所述目标医学疾病对应的目标影响因子和/或目标医学数据指标；查询所述预设数据库，获取所述目标影响因子和/或所述目标医学数据指标对应的参考医学数据，对所述参考医学数据中的诊断结果进行特征提取，得到所述目标医学疾病的诊断参考信息。7.根据权利要求1-6任意一项所述的医学数据分析方法，其特征在于，所述影响因子包括：体征参数、解剖参数、临床经验特征和组学特征中的至少一种；所述体征参数包括：血压、血液流速、心率和血流量中的至少一种；所述解剖参数包括：解剖位置、解剖形态和解剖体积中的至少一种；所述临床经验特征是指临床记录中疾病患者身体发生的医学变化的特征；所述组学特征是指通过基于组学、蛋白质组学、代谢组学、转录组学、脂类组学、免疫组学、糖组学、rna组学学、影像组学和超声组学获得的特征。8.一种医学数据采集装置，其特征在于，所述医学数据采集装置包括：获取模块，用于响应医学数据采集请求，获取待采集的医学疾病关联的影响因子，以及所述影响因子对应的医学参考指标；采集模块，用于调用预设的数据采集器，执行所述影响因子对应的数据采集任务采集医学数据样本，并将所述医学数据样本输入预设的数据分析器，得到医学数据指标；调整模块，用于根据所述医学参考指标和所述医学数据指标，确定待调整的数据采集任务并调整；输出模块，用于根据调整后的数据采集任务进行迭代采集，直至采集到医学数据指标与所述医学参考指标相符的目标医学数据样本并输出。9.一种计算机设备，其特征在于，所述计算机设备包括：处理器、存储器以及存储于所述存储器中并可在所述处理器上运行的医学数据采集程序，所述处理器执行所述医学数据采集程序以实现权利要求1至7任一项所述的医学数据采集方法中的步骤。10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有医学数据采集程序，所述医学数据采集程序被处理器执行以实现权利要求1至7任一项所述的医学数据采集方法中的步骤。

技术总结
本申请实施例提供一种医学数据采集方法、装置、计算机设备及存储介质，方法包括：响应医学数据采集请求，获取待采集的医学疾病关联的影响因子，以及所述影响因子对应的医学参考指标；调用预设的数据采集器，执行所述影响因子对应的数据采集任务采集医学数据样本，并将所述医学数据样本输入预设的数据分析器，得到医学数据指标；根据所述医学参考指标和所述医学数据指标，确定待调整的数据采集任务并调整；根据调整后的数据采集任务进行迭代采集，直至采集到医学数据指标与所述医学参考指标相符的目标医学数据样本并输出；本申请实施例中实现了自动高效准确采集医学数据的效果。现了自动高效准确采集医学数据的效果。现了自动高效准确采集医学数据的效果。


技术研发人员：肖月庭 郑超 阳光
受保护的技术使用者：数坤（北京）网络科技股份有限公司
技术研发日：2023.03.28
技术公布日：2023/9/23