CN109036506B - 互联网医疗问诊的监管方法、电子装置及可读存储介质 - Google Patents
互联网医疗问诊的监管方法、电子装置及可读存储介质 Download PDFInfo
- Publication number
- CN109036506B CN109036506B CN201810829531.XA CN201810829531A CN109036506B CN 109036506 B CN109036506 B CN 109036506B CN 201810829531 A CN201810829531 A CN 201810829531A CN 109036506 B CN109036506 B CN 109036506B
- Authority
- CN
- China
- Prior art keywords
- questionnaire
- emergency
- internet medical
- inquiry
- internet
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 72
- 238000012544 monitoring process Methods 0.000 claims abstract description 23
- 238000012550 audit Methods 0.000 claims abstract description 20
- 238000004458 analytical method Methods 0.000 claims abstract description 11
- 238000012549 training Methods 0.000 claims description 27
- 201000010099 disease Diseases 0.000 claims description 23
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims description 23
- 230000008569 process Effects 0.000 claims description 23
- 230000000875 corresponding effect Effects 0.000 claims description 20
- 238000012795 verification Methods 0.000 claims description 16
- 238000013527 convolutional neural network Methods 0.000 claims description 10
- 238000005516 engineering process Methods 0.000 claims description 7
- 238000004891 communication Methods 0.000 claims description 3
- 230000002596 correlated effect Effects 0.000 claims description 2
- 230000011218 segmentation Effects 0.000 description 32
- 238000003058 natural language processing Methods 0.000 description 10
- 238000012545 processing Methods 0.000 description 9
- 239000003814 drug Substances 0.000 description 8
- 238000012552 review Methods 0.000 description 6
- 210000004369 blood Anatomy 0.000 description 4
- 239000008280 blood Substances 0.000 description 4
- 238000003745 diagnosis Methods 0.000 description 4
- 230000036541 health Effects 0.000 description 4
- 208000024891 symptom Diseases 0.000 description 4
- WQZGKKKJIJFFOK-GASJEMHNSA-N Glucose Natural products OC[C@H]1OC(O)[C@H](O)[C@@H](O)[C@@H]1O WQZGKKKJIJFFOK-GASJEMHNSA-N 0.000 description 3
- 239000008103 glucose Substances 0.000 description 3
- 230000002457 bidirectional effect Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 206010012601 diabetes mellitus Diseases 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 229940079593 drug Drugs 0.000 description 2
- 230000003203 everyday effect Effects 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 208000017169 kidney disease Diseases 0.000 description 2
- 208000032839 leukemia Diseases 0.000 description 2
- 210000000265 leukocyte Anatomy 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 230000001915 proofreading effect Effects 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 238000013519 translation Methods 0.000 description 2
- 230000008094 contradictory effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H15/00—ICT specially adapted for medical reports, e.g. generation or transmission thereof
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/279—Recognition of textual entities
- G06F40/289—Phrasal analysis, e.g. finite state techniques or chunking
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H80/00—ICT specially adapted for facilitating communication between medical practitioners or patients, e.g. for collaborative diagnosis, therapy or health monitoring
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Computational Linguistics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Primary Health Care (AREA)
- Evolutionary Computation (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Biophysics (AREA)
- Public Health (AREA)
- Epidemiology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Molecular Biology (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Pathology (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明涉及一种互联网医疗问诊的监管方法、电子装置及可读存储介质,该方法包括:获取待审核的互联网医疗问诊单;提取出所述互联网医疗问诊单中的预设关键特征信息;将提取出的预设关键特征信息输入预先确定的识别模型中进行识别分析,以识别分析出所述互联网医疗问诊单是否为重急症问诊单;若分析所述互联网医疗问诊单是重急症问诊单,则将所述互联网医疗问诊单发送至预设的后台审核服务器,以供后台审核人员对重急症问诊单进行审核。本发明由于无需人工手动对互联网医疗问诊单进行抽查选出重急症问诊单,而是自动筛选出互联网医疗问诊单中的重急症问诊单,提高了互联网医疗问诊的监管效率,且能有效减少对重急症问诊单的漏查。
Description
技术领域
本发明涉及计算机技术领域,尤其涉及一种互联网医疗问诊的监管方法、电子装置及可读存储介质。
背景技术
目前,基于互联网的在线问诊医疗系统逐渐兴起,用户可以在互联网上便捷的进行在线医疗问诊。现有技术中对互联网在线医疗问诊的审核大多数都是基于人工的手动方式进行抽查,效率低下,且容易造成互联网在线医疗问诊中重急症问诊单的漏查。
发明内容
本发明的目的在于提供一种互联网医疗问诊的监管方法、电子装置及可读存储介质,旨在对互联网医疗问诊进行高效的审查。
为实现上述目的,本发明提供一种互联网医疗问诊的监管方法,所述互联网医疗问诊的监管方法包括:
获取待审核的互联网医疗问诊单;
提取出所述互联网医疗问诊单中的预设关键特征信息;
将提取出的预设关键特征信息输入预先确定的识别模型中进行识别分析,以识别分析出所述互联网医疗问诊单是否为重急症问诊单;其中,所述预先确定的识别模型为预先通过对标注有重急症标签和普通标签的预设数量问诊单样本及所述预设数量问诊单样本的预设关键特征信息进行训练得到的预设类型模型;
若分析所述互联网医疗问诊单是重急症问诊单,则将所述互联网医疗问诊单发送至预设的后台审核服务器,以供后台审核人员对重急症问诊单进行审核。
优选地,所述预设关键特征信息包括:
所述互联网医疗问诊单中医患对话时医生诊断出的疾病相关特征,和/或,用户的个人医学相关特征。
优选地,所述预先确定的识别模型为深度卷积神经网络模型,所述预先确定的识别模型的训练过程如下:
A、准备预设数量的标注有重急症标签的重急症问诊单样本和标注有普通标签的普通问诊单样本;
B、将所有样本分为第一比例的训练样本和第二比例的验证样本;
C、分别提取出每个训练样本的预设关键特征信息和每个验证样本的预设关键特征信息,将各个训练样本对应的预设关键特征信息输入预设的深度卷积神经网络模型中进行模型训练,以训练出识别模型;
D、利用各个验证样本的预设关键特征信息验证训练出的识别模型的准确率,若准确率大于或者等于预设阈值,则训练结束,或者,若准确率小于预设阈值,则增加标注有重急症标签的重急症问诊单样本和/或标注有普通标签的普通问诊单样本的样本数量并重新执行上述步骤B、C、D。
此外,为实现上述目的,本发明还提供一种互联网医疗问诊的监管方法,所述互联网医疗问诊的监管方法包括:
获取待审核的互联网医疗问诊单;
提取出所述互联网医疗问诊单中的预设关键特征信息;
根据提取的预设关键特征信息及预设规则分析所述互联网医疗问诊单是否为重急症问诊单;
若分析所述互联网医疗问诊单是重急症问诊单,则将所述互联网医疗问诊单发送至预设的后台审核服务器,并在后台审核人员对重急症问诊单进行审核后,将筛选出的重急症问诊单及对应的后台审核记录进行关联存储。
优选地,所述预设关键特征信息包括:
所述互联网医疗问诊单中医患对话时医生诊断出的疾病相关特征,和/或,用户的个人医学相关特征。
优选地,所述根据提取的预设关键特征信息及预设规则分析所述互联网医疗问诊单是否为重急症问诊单的步骤包括:
若提取的所述互联网医疗问诊单中医患对话时医生诊断出的疾病相关特征在预设的重急症特征范围内,则分析所述互联网医疗问诊单是重急症问诊单,否则,分析不是;或者,
若提取的所述互联网医疗问诊单中医患对话时用户的个人医学相关特征在预设的重急症特征范围内,则分析所述互联网医疗问诊单是重急症问诊单,否则,分析不是;或者,
若提取的所述互联网医疗问诊单中医患对话时医生诊断出的疾病相关特征与用户的个人医学相关特征进行组合的组合特征在预设的重急症特征范围内,则分析所述互联网医疗问诊单是重急症问诊单,否则,分析不是。
优选地,所述若分析所述互联网医疗问诊单是重急症问诊单,则将所述互联网医疗问诊单发送至预设的后台审核服务器的步骤包括:
若分析所述互联网医疗问诊单是重急症问诊单,则将所述互联网医疗问诊单转换为预设的标准审核界面,将转换的标准审核界面发送至预设的后台审核服务器,以供后台审核人员在转换的标准审核界面上对重急症问诊单进行审核评分;所述预设的标准审核界面中设置有用于显示所述互联网医疗问诊单中医患对话内容的正文显示区,所述预设的标准审核界面中还设置有若干评分项及对应的评分输入框。
优选地,所述提取出所述互联网医疗问诊单中的预设关键特征信息的步骤包括:
对所述互联网医疗问诊单中的医患对话文本进行分词处理,将得到的各个分词与预先确定的医疗领域词汇库进行匹配,提取出各个分词中的医疗领域词汇,作为所述互联网医疗问诊单中的预设关键特征信息。
进一步地,为实现上述目的,本发明还提供一种电子装置,所述电子装置包括存储器、处理器,所述存储器上存储有可在所述处理器上运行的互联网医疗问诊的监管系统,所述互联网医疗问诊的监管系统被所述处理器执行时实现如上所述的互联网医疗问诊的监管方法的步骤。
进一步地,为实现上述目的,本发明还提供一种计算机可读存储介质,所述计算机可读存储介质存储有互联网医疗问诊的监管系统,所述互联网医疗问诊的监管系统可被至少一个处理器执行,以使所述至少一个处理器执行如上述的互联网医疗问诊的监管方法的步骤。
本发明提出的互联网医疗问诊的监管方法、电子装置及可读存储介质,通过提取出待审核的互联网医疗问诊单中的预设关键特征信息,并对所述互联网医疗问诊单中的预设关键特征信息利用预先确定的识别模型进行识别,根据识别结果分析出所述互联网医疗问诊单是否为重急症问诊单;若分析所述互联网医疗问诊单是重急症问诊单,则将所述互联网医疗问诊单发送至预设的后台审核服务器,以供后台审核人员对重急症问诊单进行审核。由于无需人工手动对互联网医疗问诊单进行抽查选出重急症问诊单,而是自动筛选出互联网医疗问诊单中的重急症问诊单,提高了互联网医疗问诊的监管效率,且能有效减少对重急症问诊单的漏查。
附图说明
图1为本发明互联网医疗问诊的监管系统10较佳实施例的运行环境示意图;
图2为本发明互联网医疗问诊的监管方法一实施例的流程示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
需要说明的是,在本发明中涉及“第一”、“第二”等的描述仅用于描述目的,而不能理解为指示或暗示其相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。另外,各个实施例之间的技术方案可以相互结合,但是必须是以本领域普通技术人员能够实现为基础,当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在,也不在本发明要求的保护范围之内。
本发明提供一种互联网医疗问诊的监管系统。请参阅图1,是本发明互联网医疗问诊的监管系统10较佳实施例的运行环境示意图。
在本实施例中,所述的互联网医疗问诊的监管系统10安装并运行于电子装置1中。该电子装置1可包括,但不仅限于,存储器11、处理器12及显示器13。图1仅示出了具有组件11-13的电子装置1,但是应理解的是,并不要求实施所有示出的组件,可以替代的实施更多或者更少的组件。
所述存储器11为至少一种类型的可读计算机存储介质,所述存储器11在一些实施例中可以是所述电子装置1的内部存储单元,例如该电子装置1的硬盘或内存。所述存储器11在另一些实施例中也可以是所述电子装置1的外部存储设备,例如所述电子装置1上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。进一步地,所述存储器11还可以既包括所述电子装置1的内部存储单元也包括外部存储设备。所述存储器11用于存储安装于所述电子装置1的应用软件及各类数据,例如所述互联网医疗问诊的监管系统10的程序代码等。所述存储器11还可以用于暂时地存储已经输出或者将要输出的数据。
所述处理器12在一些实施例中可以是一中央处理器(Central Processing Unit,CPU),微处理器或其他数据处理芯片,用于运行所述存储器11中存储的程序代码或处理数据,例如执行所述互联网医疗问诊的监管系统10等。
所述显示器13在一些实施例中可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode,有机发光二极管)触摸器等。所述显示器13用于显示在所述电子装置1中处理的信息以及用于显示可视化的用户界面,例如确定为重急症问诊单的互联网医疗问诊单、由互联网医疗问诊单转换的标准审核界面、审核结果或评分等。所述电子装置1的部件11-13通过系统总线相互通信。
互联网医疗问诊的监管系统10包括至少一个存储在所述存储器11中的计算机可读指令,该至少一个计算机可读指令可被所述处理器12执行,以实现本申请各实施例。
其中,上述互联网医疗问诊的监管系统10被所述处理器12执行时实现如下步骤:
步骤S1,获取待审核的互联网医疗问诊单。
本实施例中,互联网医疗问诊的监管系统实时监控互联网在线医疗问诊过程中的医患对话,当问诊结束后,获取对应的互联网医疗问诊单。例如,实时监控用户通过手机、平板电脑、自助终端设备等终端进行的互联网在线医疗问诊,如实时监控用户通过手机、平板电脑、自助终端设备等终端中预先安装的客户端进行的互联网在线医疗问诊,或实时监控用户通过手机、平板电脑、自助终端设备等终端中的浏览器系统进行的互联网在线医疗问诊。
步骤S2,提取出所述互联网医疗问诊单中的预设关键特征信息。
本实施例中,并不是对每一个互联网医疗问诊单均进行审核,而只是对互联网医疗问诊单中属于重急症问诊单的互联网医疗问诊单来进行重点审核。在获取到监控的互联网医疗问诊单后,针对互联网医疗问诊单中的医患对话文本信息,可利用自然语言检索(Natural Language Retrieval,NLR)、自然语言处理(Natural Language Processing,NLP)等技术提取出医患对话文本信息中的预设关键特征信息。如可利用NLR对医患对话文本中自然语言提问进行分析与理解、为形成能与提问进行匹配的文本索引而对自然语言文本进行的理解和检索匹配过程中的词汇控制或相似度计算。利用NLP完成医患对话文本中用户医学特征词的获取,主要技术包括语音识别、中文自动分词、词性标注、句法分析、自然语言生成、文本分类、信息检索、信息抽取、文字校对、问答系统、机器翻译、自动摘要、文字蕴涵、句式判断,如主谓宾副词判断,相似词归一化等。
在一种可选的实施方式中,对互联网医疗问诊单中的医患对话文本进行自然语言处理时,在收到医患对话文本后,首先对收到的医患对话文本进行分词处理。例如,可根据标点符号将医患对话文本切分成一条条完整的语句,再对各个切分的语句进行分词处理,如可利用字符串匹配的分词方法对各个切分的语句进行分词处理,如正向最大匹配法,把一个切分的语句中的字符串从左至右来分词;或者,反向最大匹配法,把一个切分的语句中的字符串从右至左来分词;或者,最短路径分词法,一个切分的语句中的字符串里面要求切出的词数是最少的;或者,双向最大匹配法,正反向同时进行分词匹配。还可利用词义分词法对各个切分的语句进行分词处理,词义分词法是一种机器语音判断的分词方法,利用句法信息和语义信息来处理歧义现象来分词。还可利用统计分词法对各个切分的语句进行分词处理,从当前用户的历史搜索记录或大众用户的历史搜索记录中,根据词组的统计,会统计有些两个相邻的字出现的频率较多,则可将这两个相邻的字作为词组来进行分词。对医患对话文本完成分词处理后,将该医患对话文本对应的各个分词与预先确定的医疗领域词汇库进行匹配,预先确定的医疗领域词汇库中可包括通用医药词典中的医药词库、根据大量医学文本(例如互联网上的开源医疗数据)中抽取得到的各种不同疾病对应的简介信息、症状信息、并发症信息、治疗药品信息或治疗科室信息中的医疗词汇,等等。该医疗领域词汇库可以是固定不变的,也可以是根据互联网上最新的开源医疗数据定期更新医疗领域专用词汇库中的医疗词汇。提取出该医患对话文本对应的各个分词中与预先确定的医疗领域词汇库相匹配的医疗词汇,即可获取到该医患对话文本中与医疗相关的预设关键特征信息。
步骤S3,根据提取的预设关键特征信息及预设规则分析所述互联网医疗问诊单是否为重急症问诊单。
本实施例中,在提取出互联网医疗问诊单的医患对话文本中与医疗相关的预设关键特征信息后,可根据预先设定好的规则筛选出互联网医疗问诊单中的重急症问诊单。具体的,预设关键特征信息可包括医患对话过程中出现的医学、疾病、健康相关的特征,或用户的个人医学特征(包括体征、病症、历史特征、生物学特征等)。预先设定好的规则可包括如下几种情况:1、若预设关键特征信息中医生诊断出的疾病特征达到预设的重急症特征范围,则判断为重急症问诊单。例如医生诊断出的疾病特征为白血病、肾病等预先设定为重急症范围内的疾病时,则直接判断为重急症问诊单,需要进行审核。2、若预设关键特征信息中用户的个人医学特征达到预设的重急症范围,则判断为重急症问诊单。例如若医患对话文本的用户发言中提取的用户个人医学特征如血糖浓度高于一定预设值、白细胞总数低于预设值时,分析可能为重急症,则直接判断为重急症问诊单,需要进行审核。3、医患对话过程中出现的医学、疾病、健康相关的特征与用户的个人医学特征进行组合落入了预设的重急症范围,则判断为重急症问诊单。例如若医患对话过程中出现了“轻型糖尿病”疾病特征,且同时该医患对话过程中用户个人医学特征如血糖浓度达到最大预设值(如300mg/dL),则说明该用户有恶化为重症的可能,则直接判断为重急症问诊单,需要进行审核。
步骤S4,若分析所述互联网医疗问诊单是重急症问诊单,则将所述互联网医疗问诊单发送至预设的后台审核服务器,以供后台审核人员对重急症问诊单进行审核。
本实施例中,若分析所述互联网医疗问诊单是重急症问诊单,则将所述互联网医疗问诊单发送至预设的后台审核服务器,以供后台审核人员对重急症问诊单进行审核。进一步地,将筛选出的重急症问诊单发送至预设的后台审核服务器,以供后台审核人员对重急症问诊单进行审核时,可提供标准后审核界面。例如,若分析所述互联网医疗问诊单是重急症问诊单,则将所述互联网医疗问诊单转换为预设的标准审核界面,将转换的标准审核界面发送至预设的后台审核服务器,以供后台审核人员在转换的标准审核界面上对重急症问诊单进行审核评分;所述预设的标准审核界面中设置有用于显示所述互联网医疗问诊单中医患对话内容的正文显示区,所述预设的标准审核界面中还设置有若干评分项及对应的评分输入框。例如,该标准审核界面中设置显示区来显示筛选出的重急症问诊单,该标准审核界面中还设置有若干评分项,以供后台审核人员对显示的筛选出的重急症问诊单进行评分(如可打分或勾选),如可设置专业性、服务态度、用药准确性、是否有明显误诊等多方面的评分选项供后台审核人员对每一个筛选出的重急症问诊单进行统一标准化的评分。真正实现了基于互联网问诊单审核的电子化,提高了监管质量,极大地提高了互联网医疗问诊单的审核效率。
本实施例通过提取出待审核的互联网医疗问诊单中的预设关键特征信息,并根据预设规则分析所述互联网医疗问诊单是否为重急症问诊单;若分析所述互联网医疗问诊单是重急症问诊单,则将所述互联网医疗问诊单发送至预设的后台审核服务器,以供后台审核人员对重急症问诊单进行审核。由于无需人工手动对互联网医疗问诊单进行抽查选出重急症问诊单,而是自动筛选出互联网医疗问诊单中的重急症问诊单,提高了互联网医疗问诊的监管效率,且能有效减少对重急症问诊单的漏查。
进一步地,在一种可选的实施方式中,本实施例中在分析所述互联网医疗问诊单是否为重急症问诊单时,可将提取出的预设关键特征信息输入预先确定的识别模型中进行识别分析,以识别分析出所述互联网医疗问诊单是否为重急症问诊单;其中,所述预先确定的识别模型为预先通过对标注有重急症标签和普通标签的预设数量问诊单样本及所述预设数量问诊单样本的预设关键特征信息进行训练得到的深度卷积神经网络模型。例如,预先准备海量的(例如50万份)问诊单样本,针对每一个样本进行重急症标签和普通标签的标注,然后将所有样本分为第一比例(例如75%)的训练样本和第二比例(例如25%)的验证样本,分别提取出每个训练样本的预设关键特征信息和每个验证样本的预设关键特征信息,将各个训练样本对应的预设关键特征信息输入预设类型的模型中(例如,支持向量机模型、深度卷积神经网络CNN模型等)进行模型训练,以训练出识别模型,并利用各个验证样本的预设关键特征信息验证训练好的识别模型;若准确率大于或等于预设阈值(例如,99.5%),则训练结束,或者,若小于预设阈值,则增加问诊单样本的数量,并重复执行上述模型训练的步骤,直到准确率大于预设阈值。本实施例中这种利用训练好的模型来识别分析所述互联网医疗问诊单是否为重急症问诊单的方式只要样本数量足够多,识别精度就会足够高,无需预先人工设置大量的参数,更加便捷及精确。
进一步地,在一种可选的实施方式中,本实施例中对互联网在线医疗问诊过程中的医患对话进行实时监控并筛选出重急症问诊单时,可对问诊过程进行盲审,建立起当前医患对话中的坐诊医生与后台审核人员之间的通信,这样,后台审核人员可以对当前医患对话中的坐诊医生提出建议以及改正方案,帮助坐诊医生或者助理交流问诊的效率和问法提升技能。
进一步地,在一种可选的实施方式中,本实施例中对互联网在线医疗问诊过程中的医患对话进行实时监控并筛选出重急症问诊单时,还可关联当前医患对话中患者的历史体检记录,将患者的历史体检记录数据发送至当前医患对话中的坐诊医生,为坐诊医生审核决断提供更多依据。
进一步地,在一种可选的实施方式中,本实施例中可定期(如每天)将筛选出的重急症问诊单及对应的后台审核记录进行归档存储,以供后续复检使用。在存储时,还可将单次的问诊视为一个会话,独立存储。
进一步地,在一种可选的实施方式中,本实施例中的互联网在线医疗问诊包括IM问诊,语音问诊,视频问诊等。在语音问诊、视频问诊中可提取出其中的音频数据,并将音频数据通过语音识别转换为对应的医患对话文本信息,继而利用自然语言处理等技术提取出医患对话文本信息中的预设关键特征信息以筛选出重急症问诊单。
如图2所示,图2为本发明互联网医疗问诊的监管方法一实施例的流程示意图,该互联网医疗问诊的监管方法包括以下步骤:
步骤S10,获取待审核的互联网医疗问诊单。
本实施例中,互联网医疗问诊的监管系统实时监控互联网在线医疗问诊过程中的医患对话,当问诊结束后,获取对应的互联网医疗问诊单。例如,实时监控用户通过手机、平板电脑、自助终端设备等终端进行的互联网在线医疗问诊,如实时监控用户通过手机、平板电脑、自助终端设备等终端中预先安装的客户端进行的互联网在线医疗问诊,或实时监控用户通过手机、平板电脑、自助终端设备等终端中的浏览器系统进行的互联网在线医疗问诊。
步骤S20,提取出所述互联网医疗问诊单中的预设关键特征信息。
本实施例中,并不是对每一个互联网医疗问诊单均进行审核,而只是对互联网医疗问诊单中属于重急症问诊单的互联网医疗问诊单来进行重点审核。在获取到监控的互联网医疗问诊单后,针对互联网医疗问诊单中的医患对话文本信息,可利用自然语言检索(Natural Language Retrieval,NLR)、自然语言处理(Natural Language Processing,NLP)等技术提取出医患对话文本信息中的预设关键特征信息。如可利用NLR对医患对话文本中自然语言提问进行分析与理解、为形成能与提问进行匹配的文本索引而对自然语言文本进行的理解和检索匹配过程中的词汇控制或相似度计算。利用NLP完成医患对话文本中用户医学特征词的获取,主要技术包括语音识别、中文自动分词、词性标注、句法分析、自然语言生成、文本分类、信息检索、信息抽取、文字校对、问答系统、机器翻译、自动摘要、文字蕴涵、句式判断,如主谓宾副词判断,相似词归一化等。
在一种可选的实施方式中,对互联网医疗问诊单中的医患对话文本进行自然语言处理时,在收到医患对话文本后,首先对收到的医患对话文本进行分词处理。例如,可根据标点符号将医患对话文本切分成一条条完整的语句,再对各个切分的语句进行分词处理,如可利用字符串匹配的分词方法对各个切分的语句进行分词处理,如正向最大匹配法,把一个切分的语句中的字符串从左至右来分词;或者,反向最大匹配法,把一个切分的语句中的字符串从右至左来分词;或者,最短路径分词法,一个切分的语句中的字符串里面要求切出的词数是最少的;或者,双向最大匹配法,正反向同时进行分词匹配。还可利用词义分词法对各个切分的语句进行分词处理,词义分词法是一种机器语音判断的分词方法,利用句法信息和语义信息来处理歧义现象来分词。还可利用统计分词法对各个切分的语句进行分词处理,从当前用户的历史搜索记录或大众用户的历史搜索记录中,根据词组的统计,会统计有些两个相邻的字出现的频率较多,则可将这两个相邻的字作为词组来进行分词。对医患对话文本完成分词处理后,将该医患对话文本对应的各个分词与预先确定的医疗领域词汇库进行匹配,预先确定的医疗领域词汇库中可包括通用医药词典中的医药词库、根据大量医学文本(例如互联网上的开源医疗数据)中抽取得到的各种不同疾病对应的简介信息、症状信息、并发症信息、治疗药品信息或治疗科室信息中的医疗词汇,等等。该医疗领域词汇库可以是固定不变的,也可以是根据互联网上最新的开源医疗数据定期更新医疗领域专用词汇库中的医疗词汇。提取出该医患对话文本对应的各个分词中与预先确定的医疗领域词汇库相匹配的医疗词汇,即可获取到该医患对话文本中与医疗相关的预设关键特征信息。
步骤S30,根据提取的预设关键特征信息及预设规则分析所述互联网医疗问诊单是否为重急症问诊单。
本实施例中,在提取出互联网医疗问诊单的医患对话文本中与医疗相关的预设关键特征信息后,可根据预先设定好的规则筛选出互联网医疗问诊单中的重急症问诊单。具体的,预设关键特征信息可包括医患对话过程中出现的医学、疾病、健康相关的特征,或用户的个人医学特征(包括体征、病症、历史特征、生物学特征等)。预先设定好的规则可包括如下几种情况:1、若预设关键特征信息中医生诊断出的疾病特征达到预设的重急症特征范围,则判断为重急症问诊单。例如医生诊断出的疾病特征为白血病、肾病等预先设定为重急症范围内的疾病时,则直接判断为重急症问诊单,需要进行审核。2、若预设关键特征信息中用户的个人医学特征达到预设的重急症范围,则判断为重急症问诊单。例如若医患对话文本的用户发言中提取的用户个人医学特征如血糖浓度高于一定预设值、白细胞总数低于预设值时,分析可能为重急症,则直接判断为重急症问诊单,需要进行审核。3、医患对话过程中出现的医学、疾病、健康相关的特征与用户的个人医学特征进行组合落入了预设的重急症范围,则判断为重急症问诊单。例如若医患对话过程中出现了“轻型糖尿病”疾病特征,且同时该医患对话过程中用户个人医学特征如血糖浓度达到最大预设值(如300mg/dL),则说明该用户有恶化为重症的可能,则直接判断为重急症问诊单,需要进行审核。
步骤S40,若分析所述互联网医疗问诊单是重急症问诊单,则将所述互联网医疗问诊单发送至预设的后台审核服务器,以供后台审核人员对重急症问诊单进行审核。
本实施例中,若分析所述互联网医疗问诊单是重急症问诊单,则将所述互联网医疗问诊单发送至预设的后台审核服务器,以供后台审核人员对重急症问诊单进行审核。进一步地,将筛选出的重急症问诊单发送至预设的后台审核服务器,以供后台审核人员对重急症问诊单进行审核时,可提供标准后审核界面。例如,若分析所述互联网医疗问诊单是重急症问诊单,则将所述互联网医疗问诊单转换为预设的标准审核界面,将转换的标准审核界面发送至预设的后台审核服务器,以供后台审核人员在转换的标准审核界面上对重急症问诊单进行审核评分;所述预设的标准审核界面中设置有用于显示所述互联网医疗问诊单中医患对话内容的正文显示区,所述预设的标准审核界面中还设置有若干评分项及对应的评分输入框。例如,该标准审核界面中设置显示区来显示筛选出的重急症问诊单,该标准审核界面中还设置有若干评分项,以供后台审核人员对显示的筛选出的重急症问诊单进行评分(如可打分或勾选),如可设置专业性、服务态度、用药准确性、是否有明显误诊等多方面的评分选项供后台审核人员对每一个筛选出的重急症问诊单进行统一标准化的评分。真正实现了基于互联网问诊单审核的电子化,提高了监管质量,极大地提高了互联网医疗问诊单的审核效率。
本实施例通过提取出待审核的互联网医疗问诊单中的预设关键特征信息,并根据预设规则分析所述互联网医疗问诊单是否为重急症问诊单;若分析所述互联网医疗问诊单是重急症问诊单,则将所述互联网医疗问诊单发送至预设的后台审核服务器,以供后台审核人员对重急症问诊单进行审核。由于无需人工手动对互联网医疗问诊单进行抽查选出重急症问诊单,而是自动筛选出互联网医疗问诊单中的重急症问诊单,提高了互联网医疗问诊的监管效率,且能有效减少对重急症问诊单的漏查。
进一步地,在一种可选的实施方式中,本实施例中在分析所述互联网医疗问诊单是否为重急症问诊单时,可将提取出的预设关键特征信息输入预先确定的识别模型中进行识别分析,以识别分析出所述互联网医疗问诊单是否为重急症问诊单;其中,所述预先确定的识别模型为预先通过对标注有重急症标签和普通标签的预设数量问诊单样本及所述预设数量问诊单样本的预设关键特征信息进行训练得到的深度卷积神经网络模型。例如,预先准备海量的(例如50万份)问诊单样本,针对每一个样本进行重急症标签和普通标签的标注,然后将所有样本分为第一比例(例如75%)的训练样本和第二比例(例如25%)的验证样本,分别提取出每个训练样本的预设关键特征信息和每个验证样本的预设关键特征信息,将各个训练样本对应的预设关键特征信息输入预设类型的模型中(例如,支持向量机模型、深度卷积神经网络CNN模型等)进行模型训练,以训练出识别模型,并利用各个验证样本的预设关键特征信息验证训练好的识别模型;若准确率大于或等于预设阈值(例如,99.5%),则训练结束,或者,若小于预设阈值,则增加问诊单样本的数量,并重复执行上述模型训练的步骤,直到准确率大于预设阈值。本实施例中这种利用训练好的模型来识别分析所述互联网医疗问诊单是否为重急症问诊单的方式只要样本数量足够多,识别精度就会足够高,无需预先人工设置大量的参数,更加便捷及精确。
进一步地,在一种可选的实施方式中,本实施例中对互联网在线医疗问诊过程中的医患对话进行实时监控并筛选出重急症问诊单时,可对问诊过程进行盲审,建立起当前医患对话中的坐诊医生与后台审核人员之间的通信,这样,后台审核人员可以对当前医患对话中的坐诊医生提出建议以及改正方案,帮助坐诊医生或者助理交流问诊的效率和问法提升技能。
进一步地,在一种可选的实施方式中,本实施例中对互联网在线医疗问诊过程中的医患对话进行实时监控并筛选出重急症问诊单时,还可关联当前医患对话中患者的历史体检记录,将患者的历史体检记录数据发送至当前医患对话中的坐诊医生,为坐诊医生审核决断提供更多依据。
进一步地,在一种可选的实施方式中,本实施例中可定期(如每天)将筛选出的重急症问诊单及对应的后台审核记录进行归档存储,以供后续复检使用。在存储时,还可将单次的问诊视为一个会话,独立存储。
进一步地,在一种可选的实施方式中,本实施例中的互联网在线医疗问诊包括IM问诊,语音问诊,视频问诊等。在语音问诊、视频问诊中可提取出其中的音频数据,并将音频数据通过语音识别转换为对应的医患对话文本信息,继而利用自然语言处理等技术提取出医患对话文本信息中的预设关键特征信息以筛选出重急症问诊单。
此外,本发明还提供一种计算机可读存储介质,所述计算机可读存储介质存储有互联网医疗问诊的监管系统,所述互联网医疗问诊的监管系统可被至少一个处理器执行,以使所述至少一个处理器执行如上述实施例中的互联网医疗问诊的监管方法的步骤,该互联网医疗问诊的监管方法的步骤S10、S20、S30等具体实施过程如上文所述,在此不再赘述。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件来实现,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,空调器,或者网络设备等)执行本发明各个实施例所述的方法。
以上参照附图说明了本发明的优选实施例,并非因此局限本发明的权利范围。上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。另外,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
本领域技术人员不脱离本发明的范围和实质,可以有多种变型方案实现本发明,比如作为一个实施例的特征可用于另一实施例而得到又一实施例。凡在运用本发明的技术构思之内所作的任何修改、等同替换和改进,均应在本发明的权利范围之内。
Claims (4)
1.一种互联网医疗问诊的监管方法,其特征在于,所述互联网医疗问诊的监管方法包括:
实时监控互联网在线医疗问诊过程中的医患对话,获取待审核的互联网医疗问诊单;
针对互联网医疗问诊单中的医患对话文本信息,利用自然语言技术提取出所述互联网医疗问诊单中的预设关键特征信息,所述预设关键特征信息包括所述互联网医疗问诊单中医患对话时医生诊断出的疾病相关特征,和/或,用户的个人医学相关特征;
将提取出的预设关键特征信息输入预先确定的识别模型中进行识别分析,以识别分析出所述互联网医疗问诊单是否为重急症问诊单;其中,所述预先确定的识别模型为预先通过对标注有重急症标签和普通标签的预设数量问诊单样本及所述预设数量问诊单样本的预设关键特征信息进行训练得到的预设类型模型;
若分析所述互联网医疗问诊单是重急症问诊单,则将所述互联网医疗问诊单发送至预设的后台审核服务器,以供后台审核人员对重急症问诊单进行审核,并建立实时监控的当前医患对话中的坐诊医生与后台审核人员之间的通信;
在分析所述互联网医疗问诊单是重急症问诊单时,关联所述互联网医疗问诊单中患者的历史体检记录,将患者的历史体检记录数据发送至当前医患对话中的坐诊医生进行审核。
2.如权利要求1所述的互联网医疗问诊的监管方法,其特征在于,所述预先确定的识别模型为深度卷积神经网络模型,所述预先确定的识别模型的训练过程如下:
A、准备预设数量的标注有重急症标签的重急症问诊单样本和标注有普通标签的普通问诊单样本;
B、将所有样本分为第一比例的训练样本和第二比例的验证样本;
C、分别提取出每个训练样本的预设关键特征信息和每个验证样本的预设关键特征信息,将各个训练样本对应的预设关键特征信息输入预设的深度卷积神经网络模型中进行模型训练,以训练出识别模型;
D、利用各个验证样本的预设关键特征信息验证训练出的识别模型的准确率,若准确率大于或者等于预设阈值,则训练结束,或者,若准确率小于预设阈值,则增加标注有重急症标签的重急症问诊单样本和/或标注有普通标签的普通问诊单样本的样本数量并重新执行上述步骤B、C、D。
3.一种电子装置,其特征在于,所述电子装置包括存储器、处理器,所述存储器上存储有可在所述处理器上运行的互联网医疗问诊的监管系统,所述互联网医疗问诊的监管系统被所述处理器执行时实现如权利要求1或2所述的互联网医疗问诊的监管方法的步骤。
4.一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互联网医疗问诊的监管系统,所述互联网医疗问诊的监管系统被处理器执行时实现如权利要求1或2所述的互联网医疗问诊的监管方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810829531.XA CN109036506B (zh) | 2018-07-25 | 2018-07-25 | 互联网医疗问诊的监管方法、电子装置及可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810829531.XA CN109036506B (zh) | 2018-07-25 | 2018-07-25 | 互联网医疗问诊的监管方法、电子装置及可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109036506A CN109036506A (zh) | 2018-12-18 |
CN109036506B true CN109036506B (zh) | 2023-04-18 |
Family
ID=64645381
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810829531.XA Active CN109036506B (zh) | 2018-07-25 | 2018-07-25 | 互联网医疗问诊的监管方法、电子装置及可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109036506B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110210018B (zh) * | 2019-05-14 | 2023-07-11 | 北京百度网讯科技有限公司 | 挂号科室的匹配方法和装置 |
CN112035619A (zh) * | 2020-08-31 | 2020-12-04 | 康键信息技术(深圳)有限公司 | 基于人工智能的医疗问诊单筛选方法、装置、设备和介质 |
CN112201359B (zh) * | 2020-09-30 | 2024-05-03 | 平安科技(深圳)有限公司 | 基于人工智能的重症问诊数据识别方法及装置 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107247868A (zh) * | 2017-05-18 | 2017-10-13 | 深思考人工智能机器人科技(北京)有限公司 | 一种人工智能辅助问诊系统 |
Family Cites Families (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA2284168A1 (en) * | 1997-03-13 | 1998-09-17 | First Opinion Corporation | Disease management system |
CN104574246A (zh) * | 2014-12-22 | 2015-04-29 | 百度在线网络技术(北京)有限公司 | 医疗智能分诊方法、装置及设备 |
CN106529112A (zh) * | 2015-09-15 | 2017-03-22 | 平安科技(深圳)有限公司 | 自助信息查询方法及服务器 |
CN106557653B (zh) * | 2016-11-15 | 2017-09-22 | 合肥工业大学 | 一种移动医疗智能导医系统及其方法 |
CN106878469A (zh) * | 2017-04-18 | 2017-06-20 | 成都晟远致和信息技术咨询有限公司 | 基于通信网络的远程问诊平台 |
CN107766400A (zh) * | 2017-05-05 | 2018-03-06 | 平安科技(深圳)有限公司 | 文本检索方法及系统 |
CN107680689A (zh) * | 2017-05-05 | 2018-02-09 | 平安科技(深圳)有限公司 | 医疗文本的潜在疾病推断方法、系统及可读存储介质 |
CN107085817B (zh) * | 2017-05-27 | 2020-12-01 | 北京医健保健康管理有限公司 | 医疗系统 |
CN107609980A (zh) * | 2017-09-07 | 2018-01-19 | 平安医疗健康管理股份有限公司 | 医疗数据处理方法、装置、计算机设备及存储介质 |
CN107833629A (zh) * | 2017-10-25 | 2018-03-23 | 厦门大学 | 基于深度学习的辅助诊断方法及系统 |
CN107785075A (zh) * | 2017-11-01 | 2018-03-09 | 杭州依图医疗技术有限公司 | 基于文本病历的小儿发热疾病深度学习辅助诊断系统 |
CN108154134B (zh) * | 2018-01-11 | 2019-07-23 | 天格科技(杭州)有限公司 | 基于深度卷积神经网络的互联网直播色情图像检测方法 |
CN108231194A (zh) * | 2018-04-04 | 2018-06-29 | 苏州医云健康管理有限公司 | 一种疾病诊断系统 |
CN108986908B (zh) * | 2018-05-31 | 2023-04-18 | 平安医疗科技有限公司 | 问诊数据处理方法、装置、计算机设备和存储介质 |
CN109378082A (zh) * | 2018-05-31 | 2019-02-22 | 康键信息技术(深圳)有限公司 | 互联网医疗问诊的监管方法、电子装置及可读存储介质 |
-
2018
- 2018-07-25 CN CN201810829531.XA patent/CN109036506B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107247868A (zh) * | 2017-05-18 | 2017-10-13 | 深思考人工智能机器人科技(北京)有限公司 | 一种人工智能辅助问诊系统 |
Also Published As
Publication number | Publication date |
---|---|
CN109036506A (zh) | 2018-12-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109213870B (zh) | 文档处理 | |
US10818397B2 (en) | Clinical content analytics engine | |
US10176164B2 (en) | Segmenting and interpreting a document, and relocating document fragments to corresponding sections | |
US9886427B2 (en) | Suggesting relevant terms during text entry | |
US9779211B2 (en) | Computer-assisted abstraction for reporting of quality measures | |
JP5065420B2 (ja) | ウェブ・サービス定義の品質を事前評価および精密化するための方法、システム、およびコンピュータ読み取り可能媒体 | |
US10176890B2 (en) | Segmenting and interpreting a document, and relocating document fragments to corresponding sections | |
US20140181128A1 (en) | Systems and Methods for Processing Patient Data History | |
KR20110081194A (ko) | 텍스트 세그먼트를 가진 문서로부터 용어를 추출하기 위한 시스템 | |
US20180181544A1 (en) | Systems for Automatically Extracting Job Skills from an Electronic Document | |
CN109036506B (zh) | 互联网医疗问诊的监管方法、电子装置及可读存储介质 | |
CN111145903B (zh) | 获取眩晕症问诊文本的方法、装置、电子设备及问诊系统 | |
CN111180025B (zh) | 表示病历文本向量的方法、装置及问诊系统 | |
CN112017744A (zh) | 电子病例自动生成方法、装置、设备及存储介质 | |
CN111597789A (zh) | 一种电子病历文本的评估方法及设备 | |
CN109378082A (zh) | 互联网医疗问诊的监管方法、电子装置及可读存储介质 | |
US20220189486A1 (en) | Method of labeling and automating information associations for clinical applications | |
Jui et al. | A machine learning-based segmentation approach for measuring similarity between sign languages | |
CN112948559B (zh) | 一种用于药店服务人员辅助的音频识别方法及系统 | |
CN110941713A (zh) | 基于主题模型的自优化金融资讯版块分类方法 | |
CN113139058A (zh) | 一种用户障碍识别方法和系统 | |
CN108549730A (zh) | 一种专家信息的检索方法及装置 | |
Brandl | FutureType: Word completion for medical reports | |
CN117037775A (zh) | 来电通话的客户需求分析方法系统 | |
CN113761899A (zh) | 一种医疗文本生成方法、装置、设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |