CN107578818A - 一种基于深度学习的辅助开方方法及装置 - Google Patents

Abstract

本发明提供了一种基于深度学习的辅助开方方法及装置，可以根据用户输入的临床表现，快速的识别其中对于关键症状的表述，并通过与预设数据库进行比对，对所获取的关键症状的表述进行识别，并转换成专业的中医症候语言，并根据转换所得的中医症候语从预存的处方数据库中获取匹配的处方，发送给医生或患者作为参考；同时，对于存在并发症的患者，系统还可以自动将多个适合的中药处方进行合方处理，并将合方后的处方信息发送给医生或患者作为参考。

Description

一种基于深度学习的辅助开方方法及装置

技术领域

本发明涉及医疗信息化技术领域，特别涉及一种基于深度学习的辅助开方方法及装置。

背景技术

随着电子信息技术的发展，医院管理信息系统(Hospital ManagementInformation System)逐渐推广开来，传统的医院管理方式中纸质文件的保存及管理不便的问题逐渐获得改善，极大的提高了医院的管理效率，规范了管理流程。

但是，目前大多数医院管理信息系统都是针对西医系统设立的，对于中医系统而言，缺乏一套信息化管理系统，中、西医之间主要的区别在于，西药处方的开具是各种独立的药品组合而成的，然而中药处方是严格按中药配伍规则，通过各种药材调配而成的，并不是随意简单的组合，需要医生具备扎实的中药学理论基础和丰富的实操经验，且需要大量记忆或经验开具，一方面这就增加了门诊医生的工作难度，降低了医生的工作效率，且极易造成中药处方的错漏，轻者影响疗效，重者影响身体健康。因此，现在需要一套能够帮助医生降低工作难度，减少医生处方记忆量的管理系统。

发明内容

本发明的目的在于克服现有技术不足，提供了一种基于深度学习的辅助开方方法及装置，能对用户输入的、以自然语言表述的病情进行语义识别及判断，并将其转换成专业的中医症候语言，并根据转换后的中医症候语言从预设的处方库中获取匹配的处方以供医生参考。

本发明为实现上述目的采用以下的技术方案：

第一方面，本发明提供了一种基于深度学习的辅助开方方法，包括：

获取第一用户输入的临床表现信息；

根据所获取的临床表现信息生成中医症候序列，其中所述中医症候序列包括至少一个中医症候语；

获取预设处方数据库中的所有处方信息；

记与所述中医症候序列匹配的处方信息为最优处方信息；

将所述最优处方信息推送给第一用户和/或第二用户。

在本发明一实施例中，所述根据所获取的临床表现信息生成中医症候序列，具体包括：

从所获取的临床表现信息中按顺序提取至少一个病症单元，并根据所提取的病症单元及其提取顺序及生成病症序列；

获取预设主症数据库，其中，所述主症数据库包含至少一个主症信息；

根据所述预设主症数据库，记所述病症序列中与所述主症信息匹配的病症单元，为主症单元，记所述病症序列中与所述主症信息不匹配的病症单元，为非主症单元；

获取与所述主症单元匹配的非主症单元；

根据所述主症单元及匹配的非主症单元，从预设中医症候数据库中获取匹配的中医症候语；

根据所获取的中医症候语生成中医症候序列。

进一步的，在本发明一实施例中，记所述病症序列中第i个主症单元为第i主症单元，其中，i∈[1,n]，n为所述病症序列中主症单元的个数；

则，所述获取与所述主症单元匹配的非主症单元，具体包括：

获取第j主症单元与第j+1主症单元之间的所有非主症单元，记为与所述第j主症单元匹配的非主症单元，其中j∈[1,n)。

进一步的，在本发明一实施例中，所述获取与所述主症单元匹配的非主症单元，还包括：

获取第n主症单元之后的所有非主症单元，记为与所述第n主症单元匹配的非主症单元。

在本发明一实施例中，所述预设中医数据库包括一级数据库及二级数据库，其中，所述一级数据库包括至少一个一级中医症候语，各个所述一级中医症候语分别匹配有唯一的二级数据库，所述二级数据库中包括至少一个与所述一级中医症候语匹配的二级中医症候语；

则，所述根据所述主症单元及匹配的非主症单元，从预设中医症候数据库中获取匹配的中医症候语，具体包括：

从所述一级数据库中获取与所述主症单元匹配的一级中医症候语；

获取与所述一级中医症候语匹配的二级数据库；

从所获取的二级数据库中，获取与所述非主症单元匹配的二级中医症候语；

记所获取的二级中医症候语为匹配的中医症候语。

进一步的，当所述主症单元没有匹配的非主症单元时，

则，所述根据所述主症单元及匹配的非主症单元，从预设中医症候数据库中获取匹配的中医症候语，还包括：

从所述一级数据库中获取与所述主症单元匹配的一级中医症候语；

记所述一级中医症候语为匹配的中医症候语。

在本发明一实施例中，所述处方信息包括中药成分信息及中医诊断信息；

则，所述记与所述中医症候序列匹配的处方信息为最优处方信息，具体包括：

获取各个处方信息中的中医诊断信息；

将所述各个处方的中医诊断信息与所述中医症候序列进行比较；

根据所述中医诊断信息与所述中医症候序列相似度生成处方评分；

记所述处方评分不低于预设评分的处方为优选处方信息。

在本发明一实施例中，所述根据所述中医诊断信息与所述中医症候序列相似度生成处方评分，具体包括：

获取所述处方包含的所有中医诊断信息的个数，记为m；

获取所述处方中与所述中医症候序列中包含的中医症候语匹配的中医诊断信息的个数，记为k；

记所述处方的评分为p，p＝k/m。

在本发明一实施例中，所述处方信息还包括主治病症信息；

则，所述记所述处方评分不低于预设评分的处方为优选处方信息，具体包括：

获取所述处方评分不低于预设评分的处方；

当所获取的处方数量不小于二，且所获取的处方的主治病症信息不相同时，记所述处方评分不低于预设评分的处方为候选处方；

将所获取的主治病症信息相同的处方分为同一处方分组；

分别获取各个处方分组中处方评分最高的处方，记为候选处方；

分别获取各个候选处方的中药成分信息，其中，所述中药成分信息包括中药名称及中药用量；

分别获取各个候选处方中中药名称不一致的中药成分信息，记为第一合方信息；

分别获取各个候选处方中中药名称一致的中药成分信息，并将包含相同中药名称的中药成分信息分为同一中药分组；

分别获取各个中药分组中中药用量最大的中药成分信息，记为第二合方信息；

根据所述第一合方信息及第二合方信息生成处方信息，记为最优处方信息。

第二方面，本发明还提供了一种基于深度学习的辅助开方装置，包括通信模块、存储器、及存储在所述存储器中的可执行代码、及至少一个处理器；

其中，所述通信模块用于获取用户输入的临床表现信息；

所述存储器，存储有可执行代码、预设主症数据库、预设中医症候数据库、预设处方数据库；

所述处理器，耦接至所述通信模块及存储器，且经配置以执行所述可执行代码，以实现本发明第一方面所提供的基于深度学习的辅助开方方法。

第三方面，本发明还提供了一种基于深度学习的辅助开方装置，包括用户信息获取模块、中医症候语识别模块、处方获取模块、处方筛选模块、中成药推送模块；

其中，所述用户信息获取模块用于获取第一用户输入的临床表现信息；

所述中医症候语识别模块用于根据所获取的临床表现信息生成中医症候序列，其中所述中医症候序列包括至少一个中医症候语；

所述处方获取模块用于获取预设处方数据库中的所有处方信息；

所述处方筛选模块用于记与所述中医症候序列匹配的处方信息为最优处方信息；

所述中成药推送模块用于将所述获最优处方信息推送给第一用户和/或第二用户。

本发明的有益效果：

本发明提供了一种基于深度学习的辅助开方方法及装置，可以根据用户输入的临床表现，快速的识别其中对于关键症状的表述，并通过与预设数据库进行比对，对所获取的关键症状的表述进行识别，并转换成专业的中医症候语言，并根据转换所得的中医症候语从预存的处方数据库中获取匹配的处方，发送给医生或患者作为参考；同时，对于存在并发症的患者，系统还可以自动将多个适合的中药处方进行合方处理，并将合方后的处方信息发送给医生或患者作为参考。

附图说明

图1为本发明一实施例中一种基于深度学习的辅助开方方法的流程示意图；

图2为本发明一实施例中一种基于深度学习的辅助开方装置的结构示意图。

具体实施方式

下面结合附图以及具体实施例对本发明做进一步说明，其中的示意性实施例以及说明仅用来解释本发明，但并不作为对本发明的限定。

第一方面，如图1所示，本发明提供了一种基于深度学习的辅助开方方法，包括：

S100：获取用户输入的临床表现信息；

具体的，所述临床表现信息包括用户通过语音或文字输入的对自身病况及身体感受的表述。

S200：根据所获取的临床表现信息生成中医症候序列，其中所述中医症候序列包括至少一个中医症候语；

S300：获取预设处方数据库中的所有处方信息；

S400：记与所述中医症候序列匹配的处方信息为最优处方信息；

S500：将所述最优处方信息推送给第一用户和/或第二用户。

在本发明一实施例中，步骤S200，具体包括：

从所获取的临床表现信息中按顺序提取至少一个病症单元，并根据所提取的病症单元及其提取顺序及生成病症序列；

具体的，所述病症单元为用户对自身病况或身体感受表述的关键词，如头晕、头昏、头疼、头痛、耳鸣等；所述病症序列为以所提取的病症单元形成的序列，其中序列中病症单元的顺序按照用户输入临床表现时的语序顺序设置；

如，用户输入的临床表现为，“昨晚开始出现头晕，头疼的情况，偶尔会有耳鸣的感觉”，根据上述临床表现生成的病症序列为“头晕，头疼，耳鸣”。

获取预设主症数据库，其中，所述主症数据库包含至少一个主症信息；

具体的，所述主症信息为病患在描述病情或身体状况是常用的关键词；如，头晕，头疼，胸闷，手脚乏力，四肢乏力等常用表述。

根据所述预设主症数据库，记所述病症序列中与所述主症信息匹配的病症单元，为主症单元，记所述病症序列中与所述主症信息不匹配的病症单元，为非主症单元；

具体的，所述非主症单元为与常用症状表述不同，但对症状的发作部位、发作强度、发作间隔、加重情形等对医生判断具有参考价值的表述；如，遇寒冷时疼痛更加明显，牵连着后背也疼，痰的颜色偏白等。

获取与所述主症单元匹配的非主症单元；

根据所述主症单元及匹配的非主症单元，从预设中医症候数据库中获取匹配的中医症候语；

根据所获取的中医症候语生成中医症候序列。

进一步的，在本发明一实施例中，记所述病症序列中第i个主症单元为第i主症单元，其中，i∈[1,n]，n为所述病症序列中主症单元的个数；

则，所述获取与所述主症单元匹配的非主症单元，具体包括：

获取第j主症单元与第j+1主症单元之间的所有非主症单元，记为与所述第j主症单元匹配的非主症单元，其中j∈[1,n)。

具体的，如根据用户输入的临床表现信息生成的病症序列为“胸闷，好像有东西压着的感觉，痰多，身体觉得沉重，不愿意动弹，疲倦，乏力，不愿意多说话，肚子胀，没胃口”

其中，所述病症序列提取的主症单元包括“胸闷，痰多，身体觉得沉重，疲倦，乏力，肚子胀”，即第1主症单元为“胸闷”，第2主症单元为“痰多”，第3主症单元为“身体觉得沉重”，以此类推；

第1主症单元为“胸闷”与第2主症单元为“痰多”之间包含1个非主症单元“好像有东西压着的感觉”，即与第1主症单元“胸闷”匹配的非主症单元为“好像有东西压着的感觉”。

进一步的，在本发明一实施例中，所述获取与所述主症单元匹配的非主症单元，还包括：

获取第n主症单元之后的所有非主症单元，记为与所述第n主症单元匹配的非主症单元。

具体的，沿用上例，所述病症序列中一共有6个主症单元，其中，第6主症单元为“肚子胀”，第6主症单元“肚子胀”之后的所有非主症单元为“没胃口”，即与第6主症单元为“肚子胀”匹配的非主症单元为“没胃口”。

进一步的，在本发明一实施例中，所述预设中医数据库包括一级数据库及二级数据库，其中，所述一级数据库包括至少一个一级中医症候语，各个所述一级中医症候语分别匹配有唯一的二级数据库，所述二级数据库中包括至少一个与所述一级中医症候语匹配的二级中医症候语；

则，所述根据所述主症单元及匹配的非主症单元，从预设中医症候数据库中获取匹配的中医症候语，具体包括：

从所述一级数据库中获取与所述主症单元匹配的一级中医症候语；

获取与所述一级中医症候语匹配的二级数据库；

从所获取的二级数据库中，获取与所述非主症单元匹配的二级中医症候语；

记所获取的二级中医症候语为匹配的中医症候语。

进一步的，当所述主症单元没有匹配的非主症单元时，则，步骤S600还包括：

从所述一级数据库中获取与所述主症单元匹配的一级中医症候语；

记所述一级中医症候语为匹配的中医症候语。

在本发明一实施例中，所述处方信息包括中药成分信息及中医诊断信息；

则，步骤S400，具体包括：

获取各个处方信息中的中医诊断信息；

将所述各个处方的中医诊断信息与所述中医症候序列进行比较；

根据所述中医诊断信息与所述中医症候序列相似度生成处方评分；

记所述处方评分不低于预设评分的处方为优选处方信息。

在本发明一实施例中，所述根据所述中医诊断信息与所述中医症候序列相似度生成处方评分，具体包括：

获取所述处方包含的所有中医诊断信息的个数，记为m；

获取所述处方中与所述中医症候序列中包含的中医症候语匹配的中医诊断信息的个数，记为k；

记所述处方的评分为p，p＝k/m。

在本发明一实施例中，所述处方信息还包括主治病症信息；

则，所述记所述处方评分不低于预设评分的处方为优选处方信息，具体包括：

获取所述处方评分不低于预设评分的处方；

当所获取的处方数量不小于二，且所获取的处方的主治病症信息不相同时，记所述处方评分不低于预设评分的处方为候选处方；

将所获取的主治病症信息相同的处方分为同一处方分组；

分别获取各个处方分组中处方评分最高的处方，记为候选处方；

分别获取各个候选处方的中药成分信息，其中，所述中药成分信息包括中药名称及中药用量；

分别获取各个候选处方中中药名称不一致的中药成分信息，记为第一合方信息；

分别获取各个候选处方中中药名称一致的中药成分信息，并将包含相同中药名称的中药成分信息分为同一中药分组；

分别获取各个中药分组中中药用量最大的中药成分信息，记为第二合方信息；

根据所述第一合方信息及第二合方信息生成处方信息，记为最优处方信息。

具体的，在本发明一具体应用场景中，本发明第一方面所提供的方法由医院后台管理系统完成；

用户通过设立在医院中的自助终端输入自己的临床表现信息，为“我昨天开始出现胸闷，胸口感觉好像有东西压着的感觉，喉咙痰多，身体觉得沉重，不愿意动弹，感觉很疲倦、乏力，很累，不愿意多说话，吃饭的时候感觉肚子胀，没什么胃口。”

自助终端将用户输入的临床表现信息发送给所述医院后台管理系统，医院后台管理系统根据现有的语义识别算法提取所接收到的临床表现信息中的关键词，排除无用的表述用语，并生成该用户的病症序列为“胸闷，好像有东西压着，痰多，身体觉得沉重，不愿意动弹，疲倦，乏力，不愿意多说话，肚子胀，没胃口”；

其中，医院后台管理系统根据预设的主症数据库提取用户病症序列中的主症单元，包括“胸口闷，痰多，身体觉得沉重，疲倦，乏力，肚子胀”；同时，医院后台管理系统获取与所述各个主症单元匹配的非主症单元，如第1主症单元为“胸口闷”与第2主症单元为“痰多”之间包含1个非主症单元“好像有东西压着”，即与第1主症单元“胸口闷”匹配的非主症单元为“好像有东西压着”；

医院后台管理系统根据所获取的主症单元及其匹配的非主症单元从预设中医症候数据库中获取匹配的中医症候语，如根据第1主症单元为“胸口闷”，从预设中医症候数据库中获取匹配的一级中医症候语为胸闷，并根据与第1主症单元匹配的非主症单元“好像有东西压着”获取匹配的二级中医症候语为胸闷如窒而痛；医院后台管理系统根据所获取的中医症候语生成该用户的中医症候序列为“胸闷如窒而痛，痰多，肢体困重，神疲懒言，纳呆腹胀。”。

医院后台管理系统获取预设处方数据库中的所有处方信息，并根据处方信息中记录的医生诊断信息，医院后台管理系统根据医生诊断信息与生成的中医症候序列生成各个处方的评分，医院后台管理系统获取处方评分不低于预设评分的处方作为最优处方；医院后台管理系统根据所获取的最优处方信息发送给自助终端或医生终端作为参考；

当医院后台管理系统获取到2个或2个以上处方评分不低于预设评分的处方，且所获取的处方中记录的主治病症不唯一时，证明该病人可能还患有多个疾病或并发症，对此传统的中医医治方法会将针对两种不同病症的处方进行合方处理；即，医院后台管理系统对所获取到的针对不同病症的处方进行合方处理，合并后的处方包含各个处方中的所有药材，其中对于在多个处方中均出现过的药材，依据处方中的最大用量作为该类药材的用量；

如，医院后台管理系统根据所生成的中医症候序列获取到的不低于预设评分的处方有2个，分别为针对病症A的处方1“杏仁9克、白寇仁9克、薏苡仁18克、厚朴9克、通草6克、滑石18克、半夏12克、竹叶6克”；

及针对病症B的处方2“半夏10克、橘红10克、白茯苓9克炙甘草5克”；

医院后台管理系统对处方1和处方2的进行合方处理，获得最优处方为“杏仁9克、白寇仁9克、薏苡仁18克、厚朴9克、通草6克、滑石18克、半夏12克、竹叶6克、橘红10克、白茯苓9克炙甘草5克”。

第二方面，本发明还提供了一种基于深度学习的辅助开方装置，包括通信模块、存储器、及存储在所述存储器中的可执行代码、及至少一个处理器；

其中，所述通信模块用于获取用户输入的临床表现信息；

所述存储器，存储有可执行代码、预设处方数据库、预设主症数据库、预设中医症候数据库；

所述处理器，耦接至所述通信模块及存储器，且经配置以执行所述可执行代码，以实现本发明第一方面所提供的基于深度学习的辅助开方方法。

第三方面，本发明还提供了一种计算机可读存储介质，其特征在于，存储有可执行代码，其中，所述可执行代码经配置为被至少一个处理器执行，以实现本发明第一方面所提供的基于深度学习的辅助开方方法。

第四方面，如图2所示，本发明还提供了一种基于深度学习的辅助开方装置，包括用户信息获取模块100、中医症候语识别模块200、处方获取模块300、处方筛选模块400、中成药推送模块500；

用户信息获取模块100用于获取第一用户输入的临床表现信息；

中医症候语识别模块200用于根据所获取的临床表现信息生成中医症候序列，其中所述中医症候序列包括至少一个中医症候语；

处方获取模块300用于获取预设处方数据库中的所有处方信息；

处方筛选模块400用于记与所述中医症候序列匹配的处方信息为最优处方信息；

中成药推送模块500用于将所获取的中成药信息推送给第一用户和/或第二用户。

具体的，在本发明一具体应用场景中，用户信息获取模块100为设立在医院中的自助终端，中医症候语识别模块200、处方获取模块300、处方筛选模块400、中成药推送模块500集成在医院后台管理系统中；

用户通过设立在医院中的自助终端输入自己的临床表现信息，为“我昨天开始出现胸闷，胸口感觉好像有东西压着的感觉，喉咙痰多，身体觉得沉重，不愿意动弹，感觉很疲倦、乏力，很累，不愿意多说话，吃饭的时候感觉肚子胀，没什么胃口。”

自助终端将用户输入的临床表现信息发送给所述医院后台管理系统，医院后台管理系统根据现有的语义识别算法提取所接收到的临床表现信息中的关键词，排除无用的表述用语，并生成该用户的病症序列为“胸闷，好像有东西压着，痰多，身体觉得沉重，不愿意动弹，疲倦，乏力，不愿意多说话，肚子胀，没胃口”；

其中，医院后台管理系统根据预设的主症数据库提取用户病症序列中的主症单元，包括“胸口闷，痰多，身体觉得沉重，疲倦，乏力，肚子胀”；同时，医院后台管理系统获取与所述各个主症单元匹配的非主症单元，如第1主症单元为“胸口闷”与第2主症单元为“痰多”之间包含1个非主症单元“好像有东西压着”，即与第1主症单元“胸口闷”匹配的非主症单元为“好像有东西压着”；

医院后台管理系统根据所获取的主症单元及其匹配的非主症单元从预设中医症候数据库中获取匹配的中医症候语，如根据第1主症单元为“胸口闷”，从预设中医症候数据库中获取匹配的一级中医症候语为胸闷，并根据与第1主症单元匹配的非主症单元“好像有东西压着”获取匹配的二级中医症候语为胸闷如窒而痛；医院后台管理系统根据所获取的中医症候语生成该用户的中医症候序列为“胸闷如窒而痛，痰多，肢体困重，神疲懒言，纳呆腹胀。”。

医院后台管理系统获取预设处方数据库中的所有处方信息，并根据处方信息中记录的医生诊断信息，医院后台管理系统根据医生诊断信息与生成的中医症候序列生成各个处方的评分，医院后台管理系统获取处方评分不低于预设评分的处方作为最优处方；医院后台管理系统根据所获取的最优处方信息发送给自助终端或医生终端作为参考。

显然，上述实施例仅仅是为了更清楚的表达本发明技术方案所作的举例，而非对本发明实施方式的限定。对于本领域技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动，在不脱离本发明构思的前提下，这些都属于本发明的保护范围。因此本发明专利的保护范围应以所附权利要求为准。

Claims (10)

1.一种基于深度学习的辅助开方方法，其特征在于，包括：

获取第一用户输入的临床表现信息；

根据所获取的临床表现信息生成中医症候序列，其中所述中医症候序列包括至少一个中医症候语；

获取预设处方数据库中的所有处方信息；

记与所述中医症候序列匹配的处方信息为最优处方信息；

将所述最优处方信息推送给第一用户和/或第二用户。

2.如权利要求1所述的一种基于深度学习的辅助开方方法，其特征在于，所述根据所获取的临床表现信息生成中医症候序列，其中所述中医症候序列包括至少一个中医症候语，具体包括

从所获取的临床表现信息中按顺序提取至少一个病症单元，并根据所提取的病症单元及其提取顺序及生成病症序列；

获取预设主症数据库，其中，所述主症数据库包含至少一个主症信息；

根据所述预设主症数据库，记所述病症序列中与所述主症信息匹配的病症单元，为主症单元，记所述病症序列中与所述主症信息不匹配的病症单元，为非主症单元；

获取与所述主症单元匹配的非主症单元；

根据所述主症单元及匹配的非主症单元，从预设中医症候数据库中获取匹配的中医症候语；

根据所获取的中医症候语生成中医症候序列。

3.如权利要求2所述的一种基于深度学习的辅助开方方法，其特征在于，记所述病症序列中第i个主症单元为第i主症单元，其中，i∈[1,n]，n为所述病症序列中主症单元的个数；

则，所述获取与所述主症单元匹配的非主症单元，具体包括：

获取第j主症单元与第j+1主症单元之间的所有非主症单元，记为与所述第j主症单元匹配的非主症单元，其中j∈[1,n)。

4.如权利要求3所述的一种基于深度学习的辅助开方方法，其特征在于，所述获取与所述主症单元匹配的非主症单元，还包括：

获取第n主症单元之后的所有非主症单元，记为与所述第n主症单元匹配的非主症单元。

5.如权利要求1所述的一种基于深度学习的辅助开方方法，其特征在于，所述处方信息包括中药成分信息及中医诊断信息；

则，所述记与所述中医症候序列匹配的处方信息为最优处方信息，具体包括：

获取各个处方信息中的中医诊断信息；

将所述各个处方的中医诊断信息与所述中医症候序列进行比较；

根据所述中医诊断信息与所述中医症候序列相似度生成处方评分；

记所述处方评分不低于预设评分的处方为优选处方信息。

6.如权利要求5所述的一种基于深度学习的辅助开方方法，其特征在于，所述根据所述中医诊断信息与所述中医症候序列相似度生成处方评分，具体包括：

获取所述处方包含的所有中医诊断信息的个数，记为m；

获取所述处方中与所述中医症候序列中包含的中医症候语匹配的中医诊断信息的个数，记为k；

记所述处方的评分为p，p＝k/m。

7.如权利要求5所述的一种基于深度学习的辅助开方方法，其特征在于，所述处方信息还包括主治病症信息；

则，所述记所述处方评分不低于预设评分的处方为优选处方信息，具体包括：

获取所述处方评分不低于预设评分的处方；

当所获取的处方数量不小于二，且所获取的处方的主治病症信息不相同时，记所述处方评分不低于预设评分的处方为候选处方；

将所获取的主治病症信息相同的处方分为同一处方分组；

分别获取各个处方分组中处方评分最高的处方，记为候选处方；

分别获取各个候选处方的中药成分信息，其中，所述中药成分信息包括中药名称及中药用量；

分别获取各个候选处方中中药名称不一致的中药成分信息，记为第一合方信息；

分别获取各个候选处方中中药名称一致的中药成分信息，并将包含相同中药名称的中药成分信息分为同一中药分组；

分别获取各个中药分组中中药用量最大的中药成分信息，记为第二合方信息；

根据所述第一合方信息及第二合方信息生成处方信息，记为最优处方信息。

8.一种基于深度学习的辅助开方装置，其特征在于，包括通信模块、存储器、及存储在所述存储器中的可执行代码、及至少一个处理器；

其中，所述通信模块用于获取用户输入的临床表现信息；

所述存储器，存储有可执行代码、预设主症数据库、预设中医症候数据库、预设处方数据库；

所述处理器，耦接至所述通信模块及存储器，且经配置以执行所述可执行代码，以实现如权利要求1至7任意一项所述的基于深度学习的辅助开方方法。

9.一种计算机可读存储介质，其特征在于，存储有可执行代码，其中，所述可执行代码经配置为被至少一个处理器执行，以实现如权利要求1至7任意一项所述的一种基于深度学习的辅助开方方法。

10.一种基于深度学习的辅助开方装置，其特征在于，包括用户信息获取模块、中医症候语识别模块、处方获取模块、处方筛选模块、中成药推送模块；

其中，所述用户信息获取模块用于获取第一用户输入的临床表现信息；

所述中医症候语识别模块用于根据所获取的临床表现信息生成中医症候序列，其中所述中医症候序列包括至少一个中医症候语；

所述处方获取模块用于获取预设处方数据库中的所有处方信息；

所述处方筛选模块用于记与所述中医症候序列匹配的处方信息为最优处方信息；

所述中成药推送模块用于将所述获最优处方信息推送给第一用户和/或第二用户。