CN108962383A - 医院智能导诊方法和装置 - Google Patents

Abstract

本申请涉及一种医院智能导诊方法和装置，所述方法包括：获取用户输入的症状信息，并根据症状信息生成症状向量；从数据库中读取疾病症状矩阵，计算症状向量与疾病症状矩阵之间的相似系数；根据计算结果筛选出相似度最高的疾病，并将相应的疾病名称输出。本申请实现了一个医院智能导诊系统，患者通过输入自己的症状，可以快速、准确地定位到应该挂号的科室以及可能患有的疾病，在一定程度上减少了挂错号等现象；能够解决大型医院就诊流程繁琐的问题，优化资源配置、提升服务质量。

Description

医院智能导诊方法和装置

技术领域

本申请涉及信息系统技术领域，具体涉及一种医院智能导诊方法和装置。

背景技术

随着我国经济发展水平的不断提高，人们对医疗服务的要求也越来越高。传统的医疗服务已经不能满足人们快节奏的生活需求，因此医院的信息化建设至关重要。现代化医院应该采取先进的管理观念，结合先进的计算机技术，以提高病人的就诊体验和减轻医务人员的工作量，让医院能够更加专注于医疗服务质量的提升，从而更好地服务于社会。

对于大型综合性医院而言，医院都以专科为诊疗单元进行日常的诊疗工作。然而现状是，广大民众的医疗基本知识相对匮乏，导致很多患者在就诊时，往往不知道对应的挂号科室，继而导致医院挂号排队现象严重。虽然部分医院设置了专门的导诊服务，但数量有限且工作负荷较大，因而催生了二次排队现象。这在一定程度上导致了医患关系的不和谐，甚至发生冲突。为此，有必要设计并实现一套智能导诊系统，以减少病人的窗口等待时间，缓解医院的三长一短现象。

发明内容

为至少在一定程度上克服相关技术中存在的问题，本申请提供一种医院智能导诊方法和装置。

根据本申请实施例的第一方面，提供一种医院智能导诊方法，包括：

获取用户输入的症状信息，并根据症状信息生成症状向量；

从数据库中读取疾病症状矩阵，计算症状向量与疾病症状矩阵之间的相似系数；

根据计算结果筛选出相似度最高的疾病，并将相应的疾病名称输出。

进一步地，所述方法还包括：

通过整理医院的信息系统构建知识库；所述知识库用于存储所有的发病部位、症状、疾病名称以及对应的门诊诊疗科室。

进一步地，所述根据症状信息生成症状向量，包括：

从数据库中获取疾病症状空间集合，所述疾病症状空间集合中包括多个症状；

生成一个症状向量，该症状向量的多个分量与所述疾病症状空间集合中的多个症状一一对应；

依次给所述症状向量的每一个分量赋值：如果所述症状信息中存在该分量所对应的症状，则将该分量设置为1；如果所述症状信息中不存在该分量所对应的症状，则将该分量设置为0。

进一步地，所述从数据库中读取疾病症状矩阵，包括：

读取数据库中存储的三元组表；

将三元组表转化为疾病症状矩阵。

进一步地，所述疾病症状矩阵为多个疾病的特征向量所组成的向量组；

所述特征向量包括多个分量，一个分量的数值为1代表该疾病存在此分量对应的症状，数值为0表示不存在此分量对应的症状。

进一步地，所述计算症状向量与疾病症状矩阵之间的相似系数，包括：

依次计算所述症状向量与所述疾病症状矩阵中每一个特征向量之间的杰卡德相似系数。

进一步地，所述根据计算结果筛选出相似度最高的疾病，包括：

将计算出的多个杰卡德相似系数进行排序；

选出最大的k个数值所对应的k个特征向量，所对应的k个疾病即为相似度最高的疾病。

进一步地，数值k是系统预设值或者是获取的用户输入值。

进一步地，本申请的方法还包括：

获取用户输入的疾病名称或者科室名称；

直接输出与疾病名称匹配的科室信息或者与与科室名称对应的科室信息。

根据本申请实施例的第二方面，提供一种医院智能导诊装置，包括：

交互模块，用于获取用户输入的症状信息，并根据症状信息生成症状向量；

处理模块，用于从数据库中读取疾病症状矩阵，计算症状向量与疾病症状矩阵之间的相似系数；

输出模块，用于根据计算结果筛选出相似度最高的疾病，并将相应的疾病名称输出。

本申请的实施例提供的技术方案可以包括以下有益效果：

本申请充分利用现有医院信息平台，实现了一个医院智能导诊系统，患者通过输入自己的症状，可以快速、准确地定位到应该挂号的科室以及可能患有的疾病，在一定程度上减少了挂错号等现象，提高了病人就诊效率和就医感受，进而缓和了医患之间的矛盾关系；能够解决大型医院就诊流程繁琐的问题，优化资源配置、提升服务质量。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本申请。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本申请的实施例，并与说明书一起用于解释本申请的原理。

图1是根据一示例性实施例示出的一种医院智能导诊方法的流程图。

图2是根据一示例性实施例示出的一种医院智能导诊装置的电路框图。

图3是根据一示例性实施例示出的医院智能导诊系统总体框架图。

图4是根据一示例性实施例示出的用户操作流程图。

图5是根据一示例性实施例示出的用户操作的用例图。

图6是根据一示例性实施例示出的导诊过程的数据流图。

图7是根据一示例性实施例示出的知识库的E-R图。

具体实施方式

这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。

图1是根据一示例性实施例示出的一种医院智能导诊方法的流程图，包括以下步骤：

步骤101：获取用户输入的症状信息，并根据症状信息生成症状向量；

步骤102：从数据库中读取疾病症状矩阵，计算症状向量与疾病症状矩阵之间的相似系数；

步骤103：根据计算结果筛选出相似度最高的疾病，并将相应的疾病名称输出。

采用本申请的方法，患者通过输入自己的症状，可以快速、准确地定位到应该挂号的科室以及可能患有的疾病，提高了病人就诊效率和就医感受。

一些实施例中，所述方法还包括：

通过整理医院的信息系统构建知识库；所述知识库用于存储所有的发病部位、症状、疾病名称以及对应的门诊诊疗科室。

要实现本申请的方法，首先需要一个知识库，用来存储所有发病部位、症状、对应的疾病名称以及门诊诊疗科室。本申请中，知识库的构建通过医院的HIS(HospitalInformation System)系统进行整理，经过医学专家人工确认，范围仅涉及门诊常见疾病。

容易理解的是，为了保证系统在导诊上的科学性和准确性，管理员可以对数据库中的疾病部位表、症状表、疾病表以及科室表进行增删改操作，不断完善知识库。

一些实施例中，所述根据症状信息生成症状向量，包括：

从数据库中获取疾病症状空间集合，所述疾病症状空间集合中包括多个症状；

生成一个症状向量，该症状向量的多个分量与所述疾病症状空间集合中的多个症状一一对应；

依次给所述症状向量的每一个分量赋值：如果所述症状信息中存在该分量所对应的症状，则将该分量设置为1；如果所述症状信息中不存在该分量所对应的症状，则将该分量设置为0。

为更加详细地阐述本申请的方法，以一个具体的实施例进行说明。假设疾病症状空间集合为：{发烧、咳嗽、头痛、眼干、胸痛、呼吸困难}。

若用户提交的症状包括发烧、咳嗽和胸痛，则其对应的症状向量为：U＝{1,1,0,0,1,0}。

容易理解的是，症状向量可以是行向量也可以是列向量；如果症状向量采用列向量，与本实施例所展示的方法也是完全一致的。

一些实施例中，所述从数据库中读取疾病症状矩阵，包括：

读取数据库中存储的三元组表；

将三元组表转化为疾病症状矩阵。

一些实施例中，所述疾病症状矩阵为多个疾病的特征向量所组成的向量组；

所述特征向量包括多个分量，一个分量的数值为1代表该疾病存在此分量对应的症状，数值为0表示不存在此分量对应的症状。

为了将疾病症状存储到数据库中，系统设置症状数值1代表该疾病存在此症状，0表示不存在该症状。所有疾病将以矩阵形式存储其表现的症状。考虑到绝大多数的疾病所表现出的症状往往只有少数的几个，因此疾病所对应的矩阵会存在大量的0元素，既浪费了存储空间，又降低了存取效率。

为了解决这个问题，本申请采用稀疏矩阵的数据结构来存储疾病与症状的对照信息。通过利用稀疏矩阵压缩存储技术将稀疏矩阵写成三元组表，将非0元素及其对应矩阵的行下标、列下标存入三元表中。

假设疾病症状空间集合为：{发烧、咳嗽、腹泻、皮肤、眼睛充血、失眠}。

有5种疾病分别为红眼病、普通感冒、皮炎、鼻炎和哮喘。红眼病一般仅存在眼睛充血症状，普通感冒往往具有发烧、咳嗽等症状。则疾病症状矩阵可表示如下：

其中，矩阵的列分别对应疾病的症状、行对应各种疾病；矩阵每一行的行向量即对应为一种疾病的特征向量。观测可知，矩阵中存在大量的0元素，占用5×6＝30个单位空间。将上面的矩阵转换为三元组表后如下：

每一行都代表一个矩阵中的非0元素，第一列代表该非0元素的值，第二、三列分别代表该元素在矩阵中的行、列坐标。三元组表仅用了3×6＝18个单位空间，比原矩阵节省12个单位空间。

可见，采用稀疏矩阵压缩技术可以很好的节省存储空间，提高存取效率。因而本申请将疾病症状矩阵以三元组表的形式进行存储，使用时通过简单的转化即可还原出疾病症状矩阵。

一些实施例中，所述计算症状向量与疾病症状矩阵之间的相似系数，包括：

依次计算所述症状向量与所述疾病症状矩阵中每一个特征向量之间的杰卡德相似系数。

如前所述，考虑到疾病与症状矩阵的稀疏特性，对于相比较的两对症状向量，均未出现的症状(即值为0的症状)个数显然很多，而这些症状对度量整体相似度贡献很小。由此，本申请采用更加适合于稀疏数据的杰卡德相似系数度量症状向量之间的相似度。杰卡德相似系数(Jaccard)是衡量两个集合之间相似度的一种指标，常应用于网页去重、论文查重等。

在本申请中，假设p表示疾病A和用户输入的症状向量U中对应症状都为1的症状个数；q表示疾病A对应的症状是1，而用户输入的症状向量U对应的症状是0的症状个数；r表示疾病A对应的症状是0，而用户输入的症状向量U对应的症状是1的症状个数。那么，A和U的杰卡德相似系数为：

从公式(1)可以看出，分子是A和U出现相同症状的个数，分母是A和U中所出现症状的总个数。也就是说，杰卡德相似系数很好地描述了A和U具有的相同症状数量占A和U所出现症状总数量的比例。因此，该系数能准确地描述A和U之间的相似程度。

假设疾病症状空间集合为：{发烧、咳嗽、头痛、眼干、胸痛、呼吸困难}。

对肺炎而言，所表现的症状为发烧、咳嗽、胸痛、呼吸困难；其特征向量为：A＝{1,1,0,0,1,1}。而普通感冒所表现的症状为发烧和咳嗽，其特征向量为：B＝{1,1,0,0,0,0}。

若用户提交的症状包括发烧、咳嗽和胸痛，则其对应的症状向量为：U＝{1,1,0,0,1,0}。对肺炎A和普通感冒B分别计算杰卡德相似系数：

可知U与A的相似度更大，该用户患有肺炎的可能性更大，因此系统会将肺炎及对应的科室反馈给用户。

一些实施例中，所述根据计算结果筛选出相似度最高的疾病，包括：

将计算出的多个杰卡德相似系数进行排序；

选出最大的k个数值所对应的k个特征向量，所对应的k个疾病即为相似度最高的疾病。

一些实施例中，数值k是系统预设值或者是获取的用户输入值。

一些实施例中，本申请的方法还包括：

获取用户输入的疾病名称或者科室名称；

直接输出与疾病名称匹配的科室信息或者与与科室名称对应的科室信息。

为了方便实际使用，用户在获得导诊结果以后，可以查询可能患有的疾病和相关诊疗科室的信息；用户也可以针对某种疾病和诊疗科室进行单独的查询。查询的结果主要是针对该疾病的一些简要介绍、注意事项以及相关诊疗科室的基本信息。

具体的智能导诊算法流程如下所示：

图2是根据一示例性实施例示出的一种医院智能导诊装置的电路框图。参照图2，该装置包括交互模块121、处理模块122和输出模块123。

交互模块121用于获取用户输入的症状信息，并根据症状信息生成症状向量；

处理模块122用于从数据库中读取疾病症状矩阵，计算症状向量与疾病症状矩阵之间的相似系数；

输出模块123用于根据计算结果筛选出相似度最高的疾病，并将相应的疾病名称输出。

关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。

根据以上所述的实施例，本申请还提供一种医院智能导诊系统，包括智能导诊和知识库管理两部分。图3示出了系统总体框架图。

智能导诊部分面向用户，需要一个界面友好的操作界面完成智能导诊过程。用户的操作流程如图4所示。首先，用户选择性别和年龄；其次，选择患病部位，此时界面会提供属于该部位的相关症状，用户可以选择多个症状；然后，当用户选择完毕并确认时，将数据进行后台处理；最后，系统会显示用户当前可能患有的疾病和相关诊疗科室。为了方便实际使用，系统会按照相似度降序排列，给出前几个疾病列表，本系统默认值为前3个。当用户获得导诊结果后，还可以进一步查询疾病的基本信息和相关科室的基本信息。该模块的用例图和数据流图分别如图5和6所示。

知识库管理部分面向系统管理员，管理员结合医学领域知识对疾病部位、疾病症状及对应的名称和诊疗科室进行维护。

知识库的管理主要分为两块：基本数据字典和基本数据字典。

基本数据字典的管理以及科室、疾病、症状之间对照表的管理。基本数据字典的管理主要用于对部位、症状、疾病以及科室等进行单独维护。

对照关系表的管理则相对比较复杂，除了需要相应的医学领域知识，还需要借助于数据库的触发器技术保障数据之间的完整性和一致性。

根据需求分析，知识库包括疾病部位、疾病症状、疾病、科室以及对照关系表五个实体。其中，疾病部位实体包括属性有：部位名称、部位编号；疾病症状实体包括属性有：症状名称、症状编号、症状所属部位；疾病实体包括属性有：疾病名称、疾病编号、诊疗科室、所属部位、拥有症状、疾病介绍；科室实体包括属性有：科室编号、科室名称、科室介绍以及科室地址。对照关系表主要体现了上述四个实体之间的联系。具体E-R图(EntityRelationship Diagram，实体-联系图)如图7所示。

对照关系表是存储疾病、部位、症状以及科室之间对应关系的表，其属性包括疾病编号、部位编号、症状编号以及科室编号。具体结构如表1所示。

表1对照关系表

本申请利用稀疏矩阵和杰卡德相似系数，结合医疗领域知识建立了一个医院智能导诊系统。患者可以通过系统选择症状，系统会给出患者可能患有的疾病和推荐的诊疗科室，从而满足用户的导诊需求，在一定程度上克服了医院现有分诊流程所存在的一些弊端，缓解了医院导诊服务的压力。若将该系统移植到移动端时，考虑到内存的限制，会考虑采用矩阵分块技术实现对照关系表的内存载入。

可以理解的是，上述各实施例中相同或相似部分可以相互参考，在一些实施例中未详细说明的内容可以参见其他实施例中相同或相似的内容。

需要说明的是，在本申请的描述中，术语“第一”、“第二”等仅用于描述目的，而不能理解为指示或暗示相对重要性。此外，在本申请的描述中，除非另有说明，“多个”的含义是指至少两个。

流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本申请的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本申请的实施例所属技术领域的技术人员所理解。

应当理解，本申请的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。

本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是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于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。

此外，在本申请各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。

上述提到的存储介质可以是只读存储器，磁盘或光盘等。

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本申请的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。

尽管上面已经示出和描述了本申请的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本申请的限制，本领域的普通技术人员在本申请的范围内可以对上述实施例进行变化、修改、替换和变型。

Claims (10)

1.一种医院智能导诊方法，其特征在于，包括：

获取用户输入的症状信息，并根据症状信息生成症状向量；

从数据库中读取疾病症状矩阵，计算症状向量与疾病症状矩阵之间的相似系数；

根据计算结果筛选出相似度最高的疾病，并将相应的疾病名称输出。

2.根据权利要求1所述的一种医院智能导诊方法，其特征在于，所述方法还包括：

通过整理医院的信息系统构建知识库；所述知识库用于存储所有的发病部位、症状、疾病名称以及对应的门诊诊疗科室。

3.根据权利要求1所述的一种医院智能导诊方法，其特征在于，所述根据症状信息生成症状向量，包括：

从数据库中获取疾病症状空间集合，所述疾病症状空间集合中包括多个症状；

生成一个症状向量，该症状向量的多个分量与所述疾病症状空间集合中的多个症状一一对应；

依次给所述症状向量的每一个分量赋值：如果所述症状信息中存在该分量所对应的症状，则将该分量设置为1；如果所述症状信息中不存在该分量所对应的症状，则将该分量设置为0。

4.根据权利要求1至3任一项所述的一种医院智能导诊方法，其特征在于，所述从数据库中读取疾病症状矩阵，包括：

读取数据库中存储的三元组表；

将三元组表转化为疾病症状矩阵。

5.根据权利要求4所述的一种医院智能导诊方法，其特征在于：

所述疾病症状矩阵为多个疾病的特征向量所组成的向量组；

所述特征向量包括多个分量，一个分量的数值为1代表该疾病存在此分量对应的症状，数值为0表示不存在此分量对应的症状。

6.根据权利要求5所述的一种医院智能导诊方法，其特征在于，所述计算症状向量与疾病症状矩阵之间的相似系数，包括：

依次计算所述症状向量与所述疾病症状矩阵中每一个特征向量之间的杰卡德相似系数。

7.根据权利要求6所述的一种医院智能导诊方法，其特征在于，所述根据计算结果筛选出相似度最高的疾病，包括：

将计算出的多个杰卡德相似系数进行排序；

选出最大的k个数值所对应的k个特征向量，所对应的k个疾病即为相似度最高的疾病。

8.根据权利要求7所述的一种医院智能导诊方法，其特征在于：数值k是系统预设值或者是获取的用户输入值。

9.根据权利要求2或3所述的一种医院智能导诊方法，其特征在于，还包括：

获取用户输入的疾病名称或者科室名称；

直接输出与疾病名称匹配的科室信息或者与与科室名称对应的科室信息。

10.一种医院智能导诊装置，其特征在于，包括：

交互模块，用于获取用户输入的症状信息，并根据症状信息生成症状向量；

处理模块，用于从数据库中读取疾病症状矩阵，计算症状向量与疾病症状矩阵之间的相似系数；

输出模块，用于根据计算结果筛选出相似度最高的疾病，并将相应的疾病名称输出。