CN109065172A - 病症信息获取方法、装置、计算机设备和存储介质 - Google Patents
病症信息获取方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN109065172A CN109065172A CN201810726116.1A CN201810726116A CN109065172A CN 109065172 A CN109065172 A CN 109065172A CN 201810726116 A CN201810726116 A CN 201810726116A CN 109065172 A CN109065172 A CN 109065172A
- Authority
- CN
- China
- Prior art keywords
- interrogation
- node
- message
- main suit
- information
- 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.)
- Granted
Links
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
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
-
- 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
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
-
- 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)
- Medical Informatics (AREA)
- Public Health (AREA)
- Biomedical Technology (AREA)
- Data Mining & Analysis (AREA)
- Pathology (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Databases & Information Systems (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本申请涉及一种病症信息获取方法、装置、计算机设备和存储介质。所述方法包括:当接收到触发问诊的主诉消息时,查询与主诉消息对应的问诊对话模板;获取主诉消息中对应患者的个人档案信息;根据主诉消息和个人档案信息确定问诊对话模板中的响应节点,响应节点为通过问诊对话模板进行对话问诊时的初始提问节点;通过响应节点响应主诉消息,进行对话问诊;根据对话问诊过程中的问答数据得到病症信息。采用本方法能够直接通过问诊对话模板进行对话问诊,并根据问答数据得到病症信息,病症信息的获取过程中无需医生直接参与,避免了医患之间的反复沟通交互,简化了病症信息获取过程,提高了病症信息的获取效率。
Description
技术领域
本申请涉及计算机技术领域,特别是涉及一种病症信息获取方法、装置、计算机设备和存储介质。
背景技术
传统的医疗服务过程中,需要患者预约挂号,挂号成功后,由医生与患者之间进行多番沟通,了解患者的病情,并以此逐步分析排除疑似病例,给出诊断结果,进一步根据诊断结果开具处方。
而目前社会医疗资源紧缺,传统的由医生与患者进行问诊沟通的过程中,需要医生与患者进行多次沟通交互,以获取患者的年龄、性别、身高、体重等基本个人信息,以及患者感受最为明显的疾病表现的病症信息,该过程繁杂、耗时长,导致在问诊过程中获取患者相关的病症信息的效率低。
发明内容
基于此,有必要针对上述技术问题,提供一种能够提高病症信息获取效率的病症信息获取方法、装置、计算机设备和存储介质。
一种病症信息获取方法,所述方法包括:
当接收到触发问诊的主诉消息时,查询与主诉消息对应的问诊对话模板;
获取主诉消息中对应患者的个人档案信息;
根据主诉消息和个人档案信息确定问诊对话模板中的响应节点,响应节点为通过问诊对话模板进行对话问诊时的初始提问节点;
通过响应节点响应主诉消息,进行对话问诊;
根据对话问诊过程中的问答数据得到病症信息。
在其中一个实施例中,查询与主诉消息对应的问诊对话模板的步骤包括:
从主诉消息中提取主诉关键词;
将主诉关键词与各医院职能科室的科室关键词进行科室匹配,并根据科室匹配结果确定对应的医院职能科室;
查询与医院职能科室对应的问诊对话模板。
在其中一个实施例中,根据主诉消息和个人档案信息确定问诊对话模板中的响应节点的步骤包括:
从个人档案信息中提取档案关键词;
将主诉关键词和档案关键词组合得到关键词组;
将关键词组与问诊对话模板中的各问诊节点依次进行节点匹配;
当关键词组与问诊对话模板中的问诊节点不匹配时,将不匹配的问诊节点作为响应节点。
在其中一个实施例中,根据对话问诊过程中的问答数据得到病症信息的步骤包括:
获取对话问诊过程中的问答数据;
从问答数据中提取问题关键词及对应的答案关键词;
建立问题关键词和对应的答案关键词之间的映射关系,根据具有映射关系的问题关键词和答案关键词生成病症信息。
在其中一个实施例中,在当接收到触发问诊的主诉消息时,查询与主诉消息对应的问诊对话模板的步骤之前,还包括:
获取问诊对话数据集,问诊对话数据集包括有序的提问数据及对应的应答数据;
按照提问数据的排序,分别生成对应的问诊节点;
从提问数据中提取提问关键词,并根据提问关键词设定对应的问诊节点的节点属性;
根据提问数据和应答数据,确定问诊节点间的节点流转条件;
将各问诊节点按照节点流转条件依次连接,得到问诊对话模板。
在其中一个实施例中,在根据对话问诊过程中的问答数据得到病症信息的步骤之后,还包括:
将病症信息与个人档案信息进行比较;
当病症信息与个人档案信息不一致时,根据病症信息更新个人档案信息。
在其中一个实施例中,还包括:
将病症信息输入至预设的疾病匹配模型中进行疾病匹配;
根据疾病匹配结果生成拟诊推荐信息。
一种病症信息获取装置,其特征在于,所述装置包括:
对话模板查询模块,用于当接收到触发问诊的主诉消息时,查询与主诉消息对应的问诊对话模板;
档案信息获取模块,用于获取主诉消息中对应患者的个人档案信息;
响应节点确定模块,用于根据主诉消息和个人档案信息确定问诊对话模板中的响应节点,响应节点为通过问诊对话模板进行对话问诊时的初始提问节点;
对话问诊模块,用于通过响应节点响应主诉消息,进行对话问诊;
病症信息获取模块,用于根据对话问诊过程中的问答数据得到病症信息。
一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现以下步骤:
当接收到触发问诊的主诉消息时,查询与主诉消息对应的问诊对话模板;
获取主诉消息中对应患者的个人档案信息;
根据主诉消息和个人档案信息确定问诊对话模板中的响应节点,响应节点为通过问诊对话模板进行对话问诊时的初始提问节点;
通过响应节点响应主诉消息,进行对话问诊;
根据对话问诊过程中的问答数据得到病症信息。
一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现以下步骤:
当接收到触发问诊的主诉消息时,查询与主诉消息对应的问诊对话模板;
获取主诉消息中对应患者的个人档案信息;
根据主诉消息和个人档案信息确定问诊对话模板中的响应节点,响应节点为通过问诊对话模板进行对话问诊时的初始提问节点;
通过响应节点响应主诉消息,进行对话问诊;
根据对话问诊过程中的问答数据得到病症信息。
上述病症信息获取方法、装置、计算机设备和存储介质,在触发问诊时,通过主诉消息获取对应的问诊对话模板和个人档案信息,并结合主诉信息和个人档案信息确定问诊对话模板中的响应节点,最后通过该响应节点响应主诉消息,进行对话问诊,并从对话问诊过程中的问答数据得到病症信息。直接通过问诊对话模板进行对话问诊,并根据问答数据得到病症信息,病症信息的获取过程中无需医生直接参与,避免了医患之间的反复沟通交互,简化了病症信息获取过程,提高了病症信息的获取效率。
附图说明
图1为一个实施例中病症信息获取方法的应用场景图;
图2为一个实施例中病症信息获取方法的流程示意图;
图3为一个实施例中根据对话问诊过程中的问答数据得到病症信息的步骤的流程示意图;
图4为另一个实施例中病症信息获取方法的流程示意图;
图5为一个实施例中病症信息获取装置的结构框图;
图6为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
本申请提供的病症信息获取方法,可以应用于如图1所示的应用环境中。其中,终端102通过网络与服务器104通过网络进行通信。终端102向服务器104发送主诉消息,服务器104接收到该主诉消息并触发问诊时,通过主诉消息获取对应的问诊对话模板和个人档案信息,并结合主诉信息和个人档案信息确定问诊对话模板中的响应节点,最后通过该响应节点响应主诉消息,与终端102进行对话问诊,并从该对话问诊过程中的问答数据得到病症信息。其中,终端102可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备,服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
在一个实施例中,如图2所示,提供了一种病症信息获取方法,以该方法应用于图1中的服务器为例进行说明,包括以下步骤:
S201:当接收到触发问诊的主诉消息时,查询与主诉消息对应的问诊对话模板。
问诊是指医生采用对话方式,向患者查询疾病的发生、发展情况和病情症状、治疗经过等,以诊断疾病的过程。主诉消息为患者在问诊开始时向医生的病症表述内容,可以包括但不限于患者对象信息、疾病部位、病症表现等。在具体实现时,主诉消息的形式可以但不限于为文本消息、语音消息、音视频等多媒体消息。例如,主诉消息可以为文本消息“我从三天前开始睡眠很轻,每天早上很早就醒,晚上很难入睡”。问诊对话模板为预先构建的模拟医患问诊过程的对话模型,通过问诊对话模板,可以实现服务器104与患者进行问诊对话。在具体实现中,问诊对话模板包括问诊节点和节点流转条件,其中,问诊节点反映了病症信息获取过程中医生的提问,通过问诊节点可以生成相应的提问消息;节点流转条件对应于患者的回答,根据患者不同的回答,问诊节点的流向会不同。考虑到各种疾病的特点,不同疾病会对应与不同的问诊对话内容,即不同疾病对应与不同的问诊对话模板,可以确保进行有针对性的问诊对话。
在一个具体应用中,患者通过终端102向服务器104发送主诉消息,服务器104接收到该主诉消息后,触发问诊,查询与该主诉消息对应对话模板数据库,从中获取对应的问诊对话模板。
S203:获取主诉消息中对应患者的个人档案信息。
主诉消息中包括与患者对象相关的信息,根据该主诉消息查询对应患者的个人档案信息。个人档案信息为档案数据库中已保存的患者的个人信息,具体可以包括但不限于性别、年龄、地域、体质特点、过敏源和既往病史等。通过患者的个人档案信息,可以快速了解患者的信息,以避免通过问诊对话模板进行对话问诊时重复询问的问题。
具体地,可以通过服务器104从患者的注册信息、系统的健康档案中直接获取,其中,注册信息可以为患者用于注册医疗系统时所预留的信息,一般包括年龄、性别等;健康档案是医疗服务系统为已注册患者所建立的档案数据,除了个人基本信息,如出生日期、年龄、性别外,健康档案还可以记录有用户的既往病史、过敏源等医疗健康信息。
S205:根据主诉消息和个人档案信息确定问诊对话模板中的响应节点,响应节点为通过问诊对话模板进行对话问诊时的初始提问节点。
在获得与主诉消息对应的问诊对话模板后,进一步根据主诉消息和个人档案信息中已知信息,确定问诊对话模板的初始提问节点,这样在通过问诊对话模板进行对话问诊时,可以针对性跳过已知答案的问诊对话模板中的问诊节点,能够有效提高对话问诊的效率。具体地,根据主诉消息和个人档案信息确定问诊对话模板中的响应节点,该响应节点即为进行对话问诊时问诊对话模板的初始提问节点。例如,接收到患者发出的主诉消息触发问诊后,从患者的个人档案信息中查询到该患者2天前有问诊治疗记录,则可以判断该患者为复诊,则可以确定问诊对话模板中复诊相关节点为响应节点。
S207:通过响应节点响应主诉消息,进行对话问诊。
确定响应节点后,通过问诊对话模板中的该响应节点响应患者发出的主诉消息,即根据该响应节点生成相应提问消息并下发,实现对话问诊。在通过问诊对话形式获取病症信息过程中,需要根据患者对上一个提问的回答,针对性选择下一个提问,以此确保病症信息获取的准确性。具体地,在响应节点生成提问消息并下发后,接收终端102由患者返回的对应回答消息,再根据该回答消息从问诊对话模板中选择响应节点后的流转节点,通过流转节点生成下一个提问消息并下发,以此推进问诊对话模板的运行,实现了对话问诊。
S209:根据对话问诊过程中的问答数据得到病症信息。
一般地,医生会在与患者的对话沟通问诊过程中,记录患者的相关信息,得到患者的病症信息,该病症信息可用于后续医生诊断使用,具体可以包括但不限于患者的性别、年龄、生理时期情况及疾病部位、疾病名称和症状表现。本实施例中,在通过问诊对话模板进行对话问诊过程中,记录问答数据,得到患者的病症信息。
上述病症信息获取方法中,在触发问诊时,通过主诉消息获取对应的问诊对话模板和个人档案信息,并结合主诉信息和个人档案信息确定问诊对话模板中的响应节点,最后通过该响应节点响应主诉消息,进行对话问诊,并从对话问诊过程中的问答数据得到病症信息。直接通过问诊对话模板进行对话问诊,并根据问答数据得到病症信息,病症信息的获取过程中无需医生直接参与,避免了医患之间的反复沟通交互,简化了病症信息获取过程,提高了病症信息的获取效率。
在一个实施例中,查询与主诉消息对应的问诊对话模板的步骤包括:从主诉消息中提取主诉关键词;将主诉关键词与各医院职能科室的科室关键词进行科室匹配,并根据科室匹配结果确定对应的医院职能科室;查询与医院职能科室对应的问诊对话模板。
患者提供的主诉消息一般为基于自然语言的表述,其中可能包括无用的冗余信息,此时需要对主诉消息进行清洗,提取核心的主诉关键词,以提高对主诉消息的处理效率。具体地,从主诉消息中提取主诉关键词可以基于TextRank关键词提取算法进行实现。其中,TextRank关键词提取算法是一种用于文本的基于图的排序算法,其基本思想为通过把文本分割成若干组成单元(单词、句子)并建立图模型,利用投票机制对文本中的重要成分进行排序,仅利用单篇文档本身的信息即可实现关键词提取、文摘。
在具体应用中,可以根据主诉消息中各词组的词性进行判断,例如代词、副词等可以初步判断为冗余数据;也可以基于对临床数据的大数据分析,根据各词组的语义进行判断,而提取出核心的主诉关键词。主诉关键词可以包括但不限于患者的性别、年龄、病症部位、症状表现和疾病名称。例如,文本形式的主诉消息“有点头痛,发热,怀疑受凉发烧了,鼻塞严重”,其中“有点”“怀疑”“了”“严重”等词与疾病本身无关,是自然语言中的表述形式,可以作为冗余数据剔除,而保留“头痛”“发热”“受凉”“发烧”“鼻塞”等与疾病密切相关的主诉关键词。
进一步地,考虑到在病症信息获取过程中,各种疾病的获取方式不同,即各种疾病对应的对话问答的内容和逻辑并不相同,可以以医院职能科室为单位,为各医院职能科室设置不同的问诊对话模板,以确保病症信息获取效率及获得的病症信息的有效性。其中,医院职能科室可以为按照医疗服务中疾病类型进行划分得到的,例如可以划分为内科(血液系统类疾病)、外科(外部疾病)、妇产科、传染科。具体地,在得到主诉关键词后,将主诉关键词与各医院职能科室的科室关键词进行匹配,根据匹配结果确定该主诉消息所对应的医院职能科室。
确定主诉消息对应的医院职能科室后,获取与该医院职能科室对应的问诊对话模板。本实施例中,各医院职能科室均分别设置对应的问诊对话模板,在具体实施时,还可以对医院职能科室进行多级划分,并对多级划分科室均分别设定问诊对话模板。例如,外科可以二级划分为骨外科、肝胆外科、神经外科、五官科、皮肤科、泌尿外科、烧伤外科,则可以分别为各二级划分科室构建问诊对话模板。
在一个实施例中,根据主诉消息和个人档案信息确定问诊对话模板中的响应节点的步骤包括:从个人档案信息中提取档案关键词;将主诉关键词和档案关键词组合得到关键词组;将关键词组与问诊对话模板中的各问诊节点依次进行节点匹配;当关键词组与问诊对话模板中的问诊节点不匹配时,将不匹配的问诊节点作为响应节点。
个人档案信息中包括患者的性别、年龄、地域、体质特点、过敏源和既往病史等各种信息,而对于问诊对话模板的响应节点的确定而言,并非个人档案信息中的所有数据均需考虑,此时需要从中提取与响应节点确定相关的档案关键词。其中,从个人档案信息中提取档案关键词也可以基于TextRank关键词提取算法进行实现。
获得档案关键词后,将档案关键词和主诉关键词可以按照预设组合条件进行组合,得到关键词组。预设的组合条件可以为按照固定顺序如患者性别,年龄,疾病部位,疾病名称,病症表现等顺序进行组合。此外,档案关键词和主诉关键词也可以进行无差别简单地组合,以减少中间操作过程,提高处理效率。
问诊对话模板中的各问诊节点对应于病症信息获取时医生的提问内容,而得到关键词组后,已经得到部分病症信息,为了避免问诊对话时重复提问,将关键词组与问诊对话模板中的各问诊节点依次进行节点匹配,当关键词组与问诊对话模板中的问诊节点不匹配时,将不匹配的问诊节点作为响应节点。将关键词组与问诊节点进行匹配时,可以按照问诊对话模板中的问诊节点的先后顺序进行匹配,若匹配成功则表明该问诊节点对应的提问内容需要的患者应答数据已经获取,不需要重复提问,可以跳转该节点。当匹配不成功时,则表明该问诊节点所需要的应答数据还未获取,需要进行提问,即将该问诊节点作为响应节点,推进对话问诊的运行。
在一个实施例中,如图3所示,根据对话问诊过程中的问答数据得到病症信息的步骤包括:
S301:获取对话问诊过程中的问答数据。
问答数据为在进行对话问诊过程中的提问数据和对应的应答数据。在通过问诊对话模板进行对话问诊时,按照顺序记录服务器104发出的提问数据及终端102对应返回的应答数据。例如,提问数据为“性别”,应答数据为“男”。
S303:从问答数据中提取问题关键词及对应的答案关键词。
在对话问诊过程中,患者针对提问数据的应答,会基于自然语言进行表述,则需要对应答数据进行清洗,去除冗余信息。而对于提问数据,为了便于患者理解问题,也会基于自然语言进行问题表述。如上例性别询问中,提问数据可以为“请问患者的性别是?”,问答数据可能为“男孩”。所以,需要从问答数据中分别提取问题关键词及对应的答案关键词,以减少数据量,提高数据处理效率。
S305:建立问题关键词和对应的答案关键词之间的映射关系,根据具有映射关系的问题关键词和答案关键词生成病症信息。
得到问题关键词及对应的答案关键词后,建立二者间的映射关系,并根据该映射关系生成病症信息。患者的应答数据是针对对应的提问数据进行回复的,二者存在对应关系,据此建立二者的映射关系。病症信息反映了患者在对话问诊中及个人档案信息中的病情,其可以按照个性化的形式进行展示,例如列表、制卡等形式。通过根据问题关键词和答案关键词生成病症信息,通过预设的形式进行展示,可供医生直接进行诊断参考,无需医生再重新查询患者个人档案或再与患者进行沟通,简化了病症信息的获取过程,提高了病症信息的获取效率。
在一个实施例中,在当接收到触发问诊的主诉消息时,查询与主诉消息对应的问诊对话模板的步骤之前,还包括:获取问诊对话数据集,问诊对话数据集包括有序的提问数据及对应的应答数据;按照提问数据的排序,分别生成对应的问诊节点;从提问数据中提取提问关键词,并根据提问关键词设定对应的问诊节点的节点属性;根据提问数据和应答数据,确定问诊节点间的节点流转条件;将各问诊节点按照节点流转条件依次连接,得到问诊对话模板。
其中,问诊对话数据是指临床医疗服务中,医患在问诊过程中的各种对话数据,通过汇总临床问诊过程中的问诊对话数据,按照对话中的出现顺序进行组合排序,可以得到问诊对话数据集。问诊对话数据集中包括有序的提问数据及对应的应答数据,提问数据表征医生在问诊过程中的问询。
问诊节点按照各提问数据的排序对应生成,对应于临床医患问诊过程中医生的各项问题。在问诊对话数据集中,应答数据是患者针对医生的回复数据,其联系各提问数据,即对应于医生前一提问数据的回复,同时连接医生下一提问数据。从提问数据中得到提问关键词后,根据该提问关键词设定对应问诊节点的节点属性。通过配置问诊节点的节点属性,如节点标题、提问内容等,可以扩展问诊节点的功能,如实现与患者终端的灵活交互等,有利于通过问诊节点推进对话过程,实现医患问诊对话模拟。
配置完表征提问数据的问诊节点的节点属性后,各问诊节点是相互独立的模板元素,而进一步通过设置问诊节点间的节点流转条件,可以将各问诊节点连接起来,得到完整的、有联系的问诊对话模板。具体地,进一步根据提问数据和对应的应答数据确定各问诊节点间的节点流转条件。节点流转条件用于连接各问诊节点,推进问诊节点的运行,可以将与前后提问数据之间的应答数据作为前后提问数据间的流转条件。
确定问诊节点间的节点流转条件后,按照该节点流转条件将各问诊节点连接,得到问诊对话模板。如前述,问诊节点作为问诊对话模板的各项独立元素,而节点流转条件可以将各独立元素按照问诊过程的顺序形成联系,得到完整的、有序的问诊对话模板。通过得到的问诊对话模板可以与患者的问诊对话,实现问诊模拟,以简化医疗问诊过程,使问诊过程中无需医生的直接参与,有效提高问诊效率。
在一个实施例中,在根据对话问诊过程中的问答数据得到病症信息的步骤之后,还包括:将病症信息与个人档案信息进行比较;当病症信息与个人档案信息不一致时,根据病症信息更新个人档案信息。
在通过问诊对话模板与患者进行问诊对话过程中,能够获取得到患者最新的个人信息,根据最新的个人信息对应更新患者的个人档案信息。具体地,将获得的病症信息与患者的个人档案信息进行比较,根据不一致的病症信息更新个人档案信息,以及时对个人档案信息进行更新,确保信息的有效性。
在一个实施例中,还包括:将病症信息输入至预设的疾病匹配模型中进行疾病匹配;根据疾病匹配结果生成拟诊推荐信息。
在完成对话问诊获得患者的病症信息后,可以进一步对该病症信息进行分析匹配,生成拟诊推荐,以供医生诊断时参考。具体地,将病症信息输入预设的疾病匹配模型中进行疾病匹配,再根据匹配结果生成拟诊推荐消息。拟诊推荐消息可以发送至医生终端或患者终端,以供参考。
其中,疾病匹配模型可以为基于贝叶斯算法构建的朴素贝叶斯概率模型,其为一个条件概率模型p(C|F1,...,Fn)。具体地,假定病症信息为独立的类别变量,则独立的类别变量C有若干类别,条件依赖于若干特征变量F1,F2,...,Fn。当类别变量C的特征数量n较大或者每个特征能取大量值,即基于概率模型列出概率表变得不现实时,根据贝叶斯定理得到式(1):
式中,分母不依赖于C而且任意特征Fi的值是给定的,于是分母可以认为是一个常数,而分子就等价于联合分布模型,重复使用链式法则,可将该式(1)写成条件概率的形式,得到式(2):
(2)
此时,考虑到已假定病症信息为独立的类别变量,即每个特征Fi对于其他特征Fj是条件独立的,即p(Fi|C,Fj)=p(Fi|C),则有式(3):
进一步地,类别变量C的条件分布可以表达为如下式:
其中Z是一个只依赖与F1,...,Fn等的缩放因子,当特征变量的值已知时是一个常数。由此,可以进一步得到朴素贝叶斯概率模型:
该朴素贝叶斯概率模型即为疾病匹配模型,可以计算病症信息中各种疾病描述词出现时,诊断结果中包括某种疾病的概率,最后从中选择满足预设概率阈值的疾病作为匹配结果输出。
在另一个实施例中,疾病匹配模型也可以为基于人工神经网络算法得到的疾病匹配神经网络。在一个实施例中,疾病匹配神经网络为卷积神经网络,在训练时,可以包括正向求值和反向传播两方面。其中,正向求值是由神经网络从输入计算得到预测输出的过程;反向传播是通过对参数w和b计算梯度的过程。通过对正向求值的结果,不断计算真实值与预测值之间的损失结果,然后再使用反向传播的算法不断循环迭代,使达到对所有训练样本的损失函数结果最小,以确保匹配结果准确可信。
此外,疾病匹配模型可以以医院职能科室为单位进行划分,为各医院职能科室分别设置不同的、适合该科室的疾病匹配模型,以确保疾病匹配效率和匹配结果的可信度。
在一个实施例中,如图4所示,提供了一种病症信息获取方法,以该方法应用于图1中的服务器为例进行说明,包括以下步骤:
S401:当接收到触发问诊的主诉消息时,从主诉消息中提取主诉关键词;
S402:将主诉关键词与各医院职能科室的科室关键词进行科室匹配,并根据科室匹配结果确定对应的医院职能科室;
S403:查询与医院职能科室对应的问诊对话模板。
本实施例中,当接收到终端102发送的主诉消息时,触发问诊,提取主诉关键词,根据主诉关键词匹配对应的医院职能科室并获取对应的问诊对话模板。其中,问诊对话模板以医院职能科室为单位,各医院职能科室设置不同的问诊对话模板,以确保病症信息获取效率及获得的病症信息的有效性。
S404:获取主诉消息中对应患者的个人档案信息;
S405:从个人档案信息中提取档案关键词;
S406:将主诉关键词和档案关键词组合得到关键词组;
S407:将关键词组与问诊对话模板中的各问诊节点依次进行节点匹配;
S408:当关键词组与问诊对话模板中的问诊节点不匹配时,将不匹配的问诊节点作为响应节点,响应节点为通过问诊对话模板进行对话问诊时的初始提问节点;
S409:通过响应节点响应主诉消息,进行对话问诊。
进一步获取患者个人档案信息的档案关键词,将其与主诉关键词组合得到关键词组,通过关键词组匹配响应节点,最后通过响应节点进行对话问诊。问诊对话模板中的各问诊节点对应于病症信息获取时医生的提问内容,而得到关键词组后,已经得到部分病症信息,为了避免问诊对话时重复提问,将关键词组与问诊对话模板中的各问诊节点依次进行节点匹配,只将不匹配的问诊节点作为响应节点,推进对话问诊的运行。
S410:获取对话问诊过程中的问答数据;
S411:从问答数据中提取问题关键词及对应的答案关键词;
S412:建立问题关键词和对应的答案关键词之间的映射关系,根据具有映射关系的问题关键词和答案关键词生成病症信息。
按照顺序记录服务器104发出的提问数据及终端102对应返回的应答数据,从问答数据中分别提取问题关键词及对应的答案关键词,以减少数据量,提高数据处理效率,最后通过根据问题关键词和答案关键词生成病症信息,通过预设的形式进行展示,可供医生直接进行诊断参考,无需医生再重新查询患者个人档案或再与患者进行沟通,简化了病症信息的获取过程,进一步提高了病症信息的获取效率。
S413:将病症信息与个人档案信息进行比较;
S414:当病症信息与个人档案信息不一致时,根据病症信息更新个人档案信息
将获得的病症信息与患者的个人档案信息进行比较,根据不一致的病症信息更新个人档案信息,以及时对个人档案信息进行更新,确保信息的有效性。
S415:将病症信息输入至预设的疾病匹配模型中进行疾病匹配;
S416:根据疾病匹配结果生成拟诊推荐信息。
将病症信息输入预设的疾病匹配模型中进行疾病匹配,再根据匹配结果生成拟诊推荐消息。拟诊推荐消息可以发送至医生终端或患者终端,以供参考,能够辅助医生进行诊断,也能使患者初步了解病情。
应该理解的是,虽然图2-4的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,图2-4中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些子步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中,如图5所示,提供了一种病症信息获取装置,包括:对话模板查询模块501、档案信息获取模块503、响应节点确定模块505、对话问诊模块507和病症信息获取模块509,其中:
对话模板查询模块501,用于当接收到触发问诊的主诉消息时,查询与主诉消息对应的问诊对话模板;
档案信息获取模块503,用于获取主诉消息中对应患者的个人档案信息;
响应节点确定模块505,用于根据主诉消息和个人档案信息确定问诊对话模板中的响应节点,响应节点为通过问诊对话模板进行对话问诊时的初始提问节点;
对话问诊模块507,用于通过响应节点响应主诉消息,进行对话问诊;
病症信息获取模块509,用于根据对话问诊过程中的问答数据得到病症信息。
在一个实施例中,对话模板查询模块501包括主诉关键词单元、科室匹配单元和模板获取单元,其中:主诉关键词单元,用于从主诉消息中提取主诉关键词;科室匹配单元,用于将主诉关键词与各医院职能科室的科室关键词进行科室匹配,并根据科室匹配结果确定对应的医院职能科室;模板获取单元,用于查询与医院职能科室对应的问诊对话模板。
在一个实施例中,响应节点确定模块505包括档案关键词单元、关键词组单元、节点匹配单元和响应节点确定单元,其中:档案关键词单元,用于从个人档案信息中提取档案关键词;关键词组单元,用于将主诉关键词和档案关键词组合得到关键词组;节点匹配单元,用于将关键词组与问诊对话模板中的各问诊节点依次进行节点匹配;响应节点确定单元,用于当关键词组与问诊对话模板中的问诊节点不匹配时,将不匹配的问诊节点作为响应节点。
在一个实施例中,病症信息获取模块509包括问答数据获取单元、答案关键词单元和病症信息生成单元,其中:问答数据获取单元,用于获取对话问诊过程中的问答数据;答案关键词单元,用于从问答数据中提取问题关键词及对应的答案关键词;病症信息生成单元,用于建立问题关键词和对应的答案关键词之间的映射关系,根据具有映射关系的问题关键词和答案关键词生成病症信息。
在一个实施例中,还包括对话数据集模块、问诊节点生成模块、节点属性设定模块、流转条件确定模块和对话模板生成模块,其中:对话数据集模块,用于获取问诊对话数据集,问诊对话数据集包括有序的提问数据及对应的应答数据;问诊节点生成模块,用于按照提问数据的排序,分别生成对应的问诊节点;节点属性设定模块,用于从提问数据中提取提问关键词,并根据提问关键词设定对应的问诊节点的节点属性;流转条件确定模块,用于根据提问数据和应答数据,确定问诊节点间的节点流转条件;对话模板生成模块,用于将各问诊节点按照节点流转条件依次连接,得到问诊对话模板。
在一个实施例中,还包括信息比较模块和档案信息更新模块,其中:信息比较模块,用于将病症信息与个人档案信息进行比较;档案信息更新模块,用于当病症信息与个人档案信息不一致时,根据病症信息更新个人档案信息。
在一个实施例中,还包括疾病匹配模块和推荐生成模块,其中:疾病匹配模块,用于将病症信息输入至预设的疾病匹配模型中进行疾病匹配;推荐生成模块,用于根据疾病匹配结果生成拟诊推荐信息。
关于病症信息获取装置的具体限定可以参见上文中对于病症信息获取方法的限定,在此不再赘述。上述病症信息获取装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是服务器,其内部结构图可以如图6所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库可以用于存储问诊对话模板数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种病症信息获取方法。
本领域技术人员可以理解,图6中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,该存储器存储有计算机程序,该处理器执行计算机程序时实现以下步骤:
当接收到触发问诊的主诉消息时,查询与主诉消息对应的问诊对话模板;
获取主诉消息中对应患者的个人档案信息;
根据主诉消息和个人档案信息确定问诊对话模板中的响应节点,响应节点为通过问诊对话模板进行对话问诊时的初始提问节点;
通过响应节点响应主诉消息,进行对话问诊;
根据对话问诊过程中的问答数据得到病症信息。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
从主诉消息中提取主诉关键词;将主诉关键词与各医院职能科室的科室关键词进行科室匹配,并根据科室匹配结果确定对应的医院职能科室;查询与医院职能科室对应的问诊对话模板。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
从个人档案信息中提取档案关键词;将主诉关键词和档案关键词组合得到关键词组;将关键词组与问诊对话模板中的各问诊节点依次进行节点匹配;当关键词组与问诊对话模板中的问诊节点不匹配时,将不匹配的问诊节点作为响应节点。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
获取对话问诊过程中的问答数据;从问答数据中提取问题关键词及对应的答案关键词;建立问题关键词和对应的答案关键词之间的映射关系,根据具有映射关系的问题关键词和答案关键词生成病症信息。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
获取问诊对话数据集,问诊对话数据集包括有序的提问数据及对应的应答数据;按照提问数据的排序,分别生成对应的问诊节点;从提问数据中提取提问关键词,并根据提问关键词设定对应的问诊节点的节点属性;根据提问数据和应答数据,确定问诊节点间的节点流转条件;将各问诊节点按照节点流转条件依次连接,得到问诊对话模板。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
将病症信息与个人档案信息进行比较;当病症信息与个人档案信息不一致时,根据病症信息更新个人档案信息。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
将病症信息输入至预设的疾病匹配模型中进行疾病匹配;根据疾病匹配结果生成拟诊推荐信息。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:
当接收到触发问诊的主诉消息时,查询与主诉消息对应的问诊对话模板;
获取主诉消息中对应患者的个人档案信息;
根据主诉消息和个人档案信息确定问诊对话模板中的响应节点,响应节点为通过问诊对话模板进行对话问诊时的初始提问节点;
通过响应节点响应主诉消息,进行对话问诊;
根据对话问诊过程中的问答数据得到病症信息。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
从主诉消息中提取主诉关键词;将主诉关键词与各医院职能科室的科室关键词进行科室匹配,并根据科室匹配结果确定对应的医院职能科室;查询与医院职能科室对应的问诊对话模板。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
从个人档案信息中提取档案关键词;将主诉关键词和档案关键词组合得到关键词组;将关键词组与问诊对话模板中的各问诊节点依次进行节点匹配;当关键词组与问诊对话模板中的问诊节点不匹配时,将不匹配的问诊节点作为响应节点。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
获取对话问诊过程中的问答数据;从问答数据中提取问题关键词及对应的答案关键词;建立问题关键词和对应的答案关键词之间的映射关系,根据具有映射关系的问题关键词和答案关键词生成病症信息。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
获取问诊对话数据集,问诊对话数据集包括有序的提问数据及对应的应答数据;按照提问数据的排序,分别生成对应的问诊节点;从提问数据中提取提问关键词,并根据提问关键词设定对应的问诊节点的节点属性;根据提问数据和应答数据,确定问诊节点间的节点流转条件;将各问诊节点按照节点流转条件依次连接,得到问诊对话模板。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
将病症信息与个人档案信息进行比较;当病症信息与个人档案信息不一致时,根据病症信息更新个人档案信息。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
将病症信息输入至预设的疾病匹配模型中进行疾病匹配;根据疾病匹配结果生成拟诊推荐信息。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种病症信息获取方法,所述方法包括:
当接收到触发问诊的主诉消息时,查询与所述主诉消息对应的问诊对话模板;
获取所述主诉消息中对应患者的个人档案信息;
根据所述主诉消息和所述个人档案信息确定所述问诊对话模板中的响应节点,所述响应节点为通过所述问诊对话模板进行对话问诊时的初始提问节点;
通过所述响应节点响应所述主诉消息,进行对话问诊;
根据对话问诊过程中的问答数据得到病症信息。
2.根据权利要求1所述的方法,其特征在于,所述查询与所述主诉消息对应的问诊对话模板的步骤包括:
从所述主诉消息中提取主诉关键词;
将所述主诉关键词与各医院职能科室的科室关键词进行科室匹配,并根据科室匹配结果确定对应的所述医院职能科室;
查询与所述医院职能科室对应的问诊对话模板。
3.根据权利要求2所述的方法,其特征在于,所述根据所述主诉消息和所述个人档案信息确定所述问诊对话模板中的响应节点的步骤包括:
从所述个人档案信息中提取档案关键词;
将所述主诉关键词和所述档案关键词组合得到关键词组;
将所述关键词组与所述问诊对话模板中的各问诊节点依次进行节点匹配;
当所述关键词组与所述问诊对话模板中的问诊节点不匹配时,将不匹配的所述问诊节点作为所述响应节点。
4.根据权利要求1所述的方法,其特征在于,所述根据对话问诊过程中的问答数据得到病症信息的步骤包括:
获取对话问诊过程中的问答数据;
从所述问答数据中提取问题关键词及对应的答案关键词;
建立所述问题关键词和对应的所述答案关键词之间的映射关系,根据具有所述映射关系的所述问题关键词和所述答案关键词生成所述病症信息。
5.根据权利要求1至4任意一项所述的方法,其特征在于,在当接收到触发问诊的主诉消息时,查询与所述主诉消息对应的问诊对话模板的步骤之前,还包括:
获取问诊对话数据集,所述问诊对话数据集包括有序的提问数据及对应的应答数据;
按照所述提问数据的排序,分别生成对应的问诊节点;
从所述提问数据中提取提问关键词,并根据所述提问关键词设定对应的所述问诊节点的节点属性;
根据所述提问数据和所述应答数据,确定所述问诊节点间的节点流转条件;
将各所述问诊节点按照所述节点流转条件依次连接,得到所述问诊对话模板。
6.根据权利要求1所述的方法,其特征在于,在所述根据对话问诊过程中的问答数据得到病症信息的步骤之后,还包括:
将所述病症信息与所述个人档案信息进行比较;
当所述病症信息与所述个人档案信息不一致时,根据所述病症信息更新所述个人档案信息。
7.根据权利要求1所述的方法,其特征在于,还包括:
将所述病症信息输入至预设的疾病匹配模型中进行疾病匹配;
根据疾病匹配结果生成拟诊推荐信息。
8.一种病症信息获取装置,其特征在于,所述装置包括:
对话模板查询模块,用于当接收到触发问诊的主诉消息时,查询与所述主诉消息对应的问诊对话模板;
档案信息获取模块,用于获取所述主诉消息中对应患者的个人档案信息;
响应节点确定模块,用于根据所述主诉消息和所述个人档案信息确定所述问诊对话模板中的响应节点,所述响应节点为通过所述问诊对话模板进行对话问诊时的初始提问节点;
对话问诊模块,用于通过所述响应节点响应所述主诉消息,进行对话问诊;
病症信息获取模块,用于根据对话问诊过程中的问答数据得到病症信息。
9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810726116.1A CN109065172B (zh) | 2018-07-04 | 2018-07-04 | 病症信息获取方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810726116.1A CN109065172B (zh) | 2018-07-04 | 2018-07-04 | 病症信息获取方法、装置、计算机设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109065172A true CN109065172A (zh) | 2018-12-21 |
CN109065172B CN109065172B (zh) | 2023-04-11 |
Family
ID=64818727
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810726116.1A Active CN109065172B (zh) | 2018-07-04 | 2018-07-04 | 病症信息获取方法、装置、计算机设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109065172B (zh) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110377719A (zh) * | 2019-07-25 | 2019-10-25 | 广东工业大学 | 医疗问答方法及装置 |
CN110516052A (zh) * | 2019-07-28 | 2019-11-29 | 厦门快商通科技股份有限公司 | 机器人问答交互方法、系统及机器人 |
CN111221947A (zh) * | 2019-12-26 | 2020-06-02 | 北京邮电大学 | 眼科预问诊装置的多轮对话实现方法及装置 |
CN111429991A (zh) * | 2018-12-24 | 2020-07-17 | 深圳市优必选科技有限公司 | 药品预测方法、装置、计算机设备及存储介质 |
CN111599488A (zh) * | 2020-05-19 | 2020-08-28 | 万达信息股份有限公司 | 一种智能问诊实现方法、系统和存储介质 |
CN112035674A (zh) * | 2020-08-28 | 2020-12-04 | 康键信息技术(深圳)有限公司 | 导诊数据获取方法、装置、计算机设备和存储介质 |
CN112397197A (zh) * | 2020-11-16 | 2021-02-23 | 康键信息技术(深圳)有限公司 | 基于人工智能的问诊数据处理方法及装置 |
CN112820364A (zh) * | 2021-02-22 | 2021-05-18 | 中国人民解放军联勤保障部队第九八〇医院 | 一种基于数据库架构的口腔门诊电子病历系统 |
CN112905778A (zh) * | 2021-03-22 | 2021-06-04 | 湖南智芯智能科技有限公司 | 一种用于药店服务人员的问询辅助方法及系统 |
CN113223648A (zh) * | 2021-05-08 | 2021-08-06 | 北京嘉和海森健康科技有限公司 | 一种诊前信息采集方法及装置 |
CN113407690A (zh) * | 2021-06-17 | 2021-09-17 | 重庆大牛认知科技有限公司 | 一种基于智能交互的iptv端健康咨询方法和系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104321765A (zh) * | 2012-06-29 | 2015-01-28 | 国际商业机器公司 | 对专家会话构建器的扩展 |
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 |
CN107358052A (zh) * | 2017-07-18 | 2017-11-17 | 广州有宠网络科技股份有限公司 | 一种对宠物疾病进行人工智能问诊的系统及方法 |
CN108170792A (zh) * | 2017-12-27 | 2018-06-15 | 北京百度网讯科技有限公司 | 基于人工智能的问答引导方法、装置和计算机设备 |
-
2018
- 2018-07-04 CN CN201810726116.1A patent/CN109065172B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104321765A (zh) * | 2012-06-29 | 2015-01-28 | 国际商业机器公司 | 对专家会话构建器的扩展 |
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 |
CN107358052A (zh) * | 2017-07-18 | 2017-11-17 | 广州有宠网络科技股份有限公司 | 一种对宠物疾病进行人工智能问诊的系统及方法 |
CN108170792A (zh) * | 2017-12-27 | 2018-06-15 | 北京百度网讯科技有限公司 | 基于人工智能的问答引导方法、装置和计算机设备 |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111429991A (zh) * | 2018-12-24 | 2020-07-17 | 深圳市优必选科技有限公司 | 药品预测方法、装置、计算机设备及存储介质 |
CN110377719B (zh) * | 2019-07-25 | 2022-02-15 | 广东工业大学 | 医疗问答方法及装置 |
CN110377719A (zh) * | 2019-07-25 | 2019-10-25 | 广东工业大学 | 医疗问答方法及装置 |
CN110516052A (zh) * | 2019-07-28 | 2019-11-29 | 厦门快商通科技股份有限公司 | 机器人问答交互方法、系统及机器人 |
CN111221947A (zh) * | 2019-12-26 | 2020-06-02 | 北京邮电大学 | 眼科预问诊装置的多轮对话实现方法及装置 |
CN111221947B (zh) * | 2019-12-26 | 2023-11-24 | 北京邮电大学 | 眼科预问诊装置的多轮对话实现方法及装置 |
CN111599488A (zh) * | 2020-05-19 | 2020-08-28 | 万达信息股份有限公司 | 一种智能问诊实现方法、系统和存储介质 |
CN112035674A (zh) * | 2020-08-28 | 2020-12-04 | 康键信息技术(深圳)有限公司 | 导诊数据获取方法、装置、计算机设备和存储介质 |
CN112397197A (zh) * | 2020-11-16 | 2021-02-23 | 康键信息技术(深圳)有限公司 | 基于人工智能的问诊数据处理方法及装置 |
CN112820364A (zh) * | 2021-02-22 | 2021-05-18 | 中国人民解放军联勤保障部队第九八〇医院 | 一种基于数据库架构的口腔门诊电子病历系统 |
CN112905778A (zh) * | 2021-03-22 | 2021-06-04 | 湖南智芯智能科技有限公司 | 一种用于药店服务人员的问询辅助方法及系统 |
CN113223648A (zh) * | 2021-05-08 | 2021-08-06 | 北京嘉和海森健康科技有限公司 | 一种诊前信息采集方法及装置 |
CN113223648B (zh) * | 2021-05-08 | 2023-10-24 | 北京嘉和海森健康科技有限公司 | 一种诊前信息采集方法及装置 |
CN113407690A (zh) * | 2021-06-17 | 2021-09-17 | 重庆大牛认知科技有限公司 | 一种基于智能交互的iptv端健康咨询方法和系统 |
Also Published As
Publication number | Publication date |
---|---|
CN109065172B (zh) | 2023-04-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109065172A (zh) | 病症信息获取方法、装置、计算机设备和存储介质 | |
CN109036544B (zh) | 医疗信息推送方法、装置、计算机设备和存储介质 | |
CN108899070B (zh) | 处方推荐生成方法、装置、计算机设备和存储介质 | |
CN108766561B (zh) | 病症信息处理方法、装置、计算机设备和存储介质 | |
US20210233658A1 (en) | Identifying Relevant Medical Data for Facilitating Accurate Medical Diagnosis | |
KR102217457B1 (ko) | 채팅로봇이 탑재되어 고객의 니즈에 따라 의료상담이 가능한 채팅 서비스 제공 시스템 | |
WO2020123723A1 (en) | System and method for providing health information | |
CN109036545B (zh) | 医疗信息处理方法、装置、计算机设备和存储介质 | |
CN109065183B (zh) | 问诊对话模板生成及问诊数据获取方法、装置 | |
CN110993093B (zh) | 基于深度学习的眼科预问诊方法与装置 | |
EP3298518A1 (en) | Computer implemented method for determining clinical trial suitability or relevance | |
CN111477310A (zh) | 分诊数据处理方法、装置、计算机设备及存储介质 | |
US20200265953A1 (en) | Identifying Valid Medical Data for Facilitating Accurate Medical Diagnosis | |
US20210287800A1 (en) | Ai supported personalized, natural language-based patient interface for medical-bot | |
US20200258599A1 (en) | Methods and systems for predicting clinical trial criteria using machine learning techniques | |
CN111933291A (zh) | 医疗信息推荐装置、方法、系统、设备及可读存储介质 | |
CN112349435A (zh) | 一种在线问诊方法、装置、服务器、介质和系统 | |
CN117093679B (zh) | 一种大语言模型智能问诊对话方法、系统、设备及介质 | |
WO2021151356A1 (zh) | 分诊数据处理方法、装置、计算机设备及存储介质 | |
CN108874773A (zh) | 关键词新增方法、装置、计算机设备和存储介质 | |
CN109087688A (zh) | 患者信息采集方法、装置、计算机设备和存储介质 | |
CN112837772A (zh) | 一种预问诊病历生成方法及装置 | |
CN112037904A (zh) | 在线诊疗数据处理方法、装置、计算机设备和存储介质 | |
CN113707285A (zh) | 科室分诊方法、系统、设备以及存储介质 | |
KR102678552B1 (ko) | 지능형 챗봇을 이용한 비대면 진단 시스템 |
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 |