CN109065183B - 问诊对话模板生成及问诊数据获取方法、装置 - Google Patents
问诊对话模板生成及问诊数据获取方法、装置 Download PDFInfo
- Publication number
- CN109065183B CN109065183B CN201810724637.3A CN201810724637A CN109065183B CN 109065183 B CN109065183 B CN 109065183B CN 201810724637 A CN201810724637 A CN 201810724637A CN 109065183 B CN109065183 B CN 109065183B
- Authority
- CN
- China
- Prior art keywords
- inquiry
- data
- node
- consultation
- dialogue
- 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 109
- 230000004044 response Effects 0.000 claims abstract description 99
- 238000004590 computer program Methods 0.000 claims description 26
- 230000006870 function Effects 0.000 claims description 18
- 238000007689 inspection Methods 0.000 claims description 15
- 230000003993 interaction Effects 0.000 claims description 7
- 238000012360 testing method Methods 0.000 claims description 7
- 230000008569 process Effects 0.000 abstract description 47
- 238000012163 sequencing technique Methods 0.000 abstract description 6
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 18
- 201000010099 disease Diseases 0.000 description 17
- 238000012795 verification Methods 0.000 description 13
- 238000010586 diagram Methods 0.000 description 8
- 238000003745 diagnosis Methods 0.000 description 7
- 238000000605 extraction Methods 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 238000001356 surgical procedure Methods 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 3
- 239000008280 blood Substances 0.000 description 3
- 210000004369 blood Anatomy 0.000 description 3
- 238000004140 cleaning Methods 0.000 description 3
- 238000004088 simulation Methods 0.000 description 3
- 208000024891 symptom Diseases 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000012790 confirmation Methods 0.000 description 2
- 239000003814 drug Substances 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 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 1
- 206010020772 Hypertension Diseases 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000036772 blood pressure Effects 0.000 description 1
- 230000036760 body temperature Effects 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000001079 digestive effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000002124 endocrine Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000008103 glucose Substances 0.000 description 1
- 230000036039 immunity Effects 0.000 description 1
- 208000015181 infectious disease Diseases 0.000 description 1
- 230000002458 infectious effect Effects 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000002503 metabolic effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 210000000653 nervous system Anatomy 0.000 description 1
- 238000010827 pathological analysis Methods 0.000 description 1
- 230000001575 pathological effect Effects 0.000 description 1
- 230000000241 respiratory effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000002485 urinary effect Effects 0.000 description 1
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
- G16H80/00—ICT specially adapted for facilitating communication between medical practitioners or patients, e.g. for collaborative diagnosis, therapy or health monitoring
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/10—Text processing
- G06F40/166—Editing, e.g. inserting or deleting
- G06F40/186—Templates
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Pathology (AREA)
- Artificial Intelligence (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Computational Linguistics (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Biomedical Technology (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本申请涉及一种问诊对话模板生成及问诊数据获取方法、装置、计算机设备和存储介质。所述方法包括：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。采用本方法得到的问诊对话模板可用于医疗服务的问诊过程中，使问诊过程中无需医生的直接参与，简化了医疗问诊过程，提高了问诊效率。
Description
技术领域
本申请涉及计算机技术领域，特别是涉及一种问诊对话模板生成方法、装置、计算机设备和存储介质，以及一种问诊数据获取方法、装置、计算机设备和存储介质。
背景技术
目前社会医疗资源紧缺，在具体的医疗服务过程中，患者需要预约挂号，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，最后根据诊断结果开具处方。
然而，传统的医生问诊过程中，需要与患者进行多次沟通交互，以获取患者的年龄、性别、身高、体重等个人信息，以及患者感受最为明显的病症的主诉信息，该过程耗时长，导致问诊过程的效率低。
发明内容
基于此，有必要针对上述技术问题，提供一种能够提高医疗服务中问诊效率的问诊对话模板生成及问诊数据获取方法、装置、计算机设备和存储介质。
一种问诊对话模板生成方法，所述方法包括：
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，节点属性包括节点类型、节点标题、应答类型和提问内容；根据提问关键词设定对应的问诊节点的节点属性的步骤包括：
根据提问关键词查询对应的节点属性模板；
根据节点属性模板得到节点类型、节点标题、应答类型和提问内容；
根据节点类型、节点标题、应答类型和提问内容设定对应的问诊节点的节点属性。
在其中一个实施例中，提问数据包括在应答数据前的第一提问数据和在应答数据后的第二提问数据；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的步骤包括：
根据第一提问数据获取对应的第一问诊节点；
根据第二提问数据获取对应的第二问诊节点；
将应答数据作为第一问诊节点和第二问诊节点间的节点流转条件。
在其中一个实施例中，还包括：
确定问诊对话模板所属的医院职能科室；
将问诊对话模板存储至医院职能科室的问诊模板数据库中。
在其中一个实施例中，在将各问诊节点按照节点流转条件依次连接，得到问诊对话模板的步骤之后，还包括：
生成模板检验请求；
将问诊对话模板和模板检验请求发送至终端以请求终端对问诊对话模板进行检验；
根据终端返回的检验结果更新问诊对话模板。
一种问诊数据获取方法，其特征在于，所述方法包括：
当接收到问诊触发消息时，根据问诊触发消息确定医院职能科室；
查询与医院职能科室对应的问诊对话模板，问诊对话模板是通过如上所述的问诊对话模板生成方法生成的；
通过问诊对话模板进行对话问诊，得到问诊数据。
一种问诊对话模板生成装置，所述装置包括：
数据集获取模块，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；
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。
一种问诊数据获取装置，其特征在于，所述装置包括：
科室确定模块，用于当接收到问诊触发消息时，根据问诊触发消息确定医院职能科室；
模板查询模块，用于查询与医院职能科室对应的问诊对话模板，问诊对话模板是通过如上所述的问诊对话模板生成装置生成的；
问诊模块，用于通过问诊对话模板进行对话问诊，得到问诊数据。
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：
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，所述处理器执行所述计算机程序时实现以下步骤：
当接收到问诊触发消息时，根据问诊触发消息确定医院职能科室；
查询与医院职能科室对应的问诊对话模板，问诊对话模板是通过如上所述的问诊对话模板生成方法生成的；
通过问诊对话模板进行对话问诊，得到问诊数据。
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：
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，所述计算机程序被处理器执行时还实现以下步骤：
当接收到问诊触发消息时，根据问诊触发消息确定医院职能科室；
查询与医院职能科室对应的问诊对话模板，问诊对话模板是如上所述的问诊对话模板生成方法生成的；
通过问诊对话模板进行对话问诊，得到问诊数据。
上述问诊对话模板生成及问诊数据获取方法、装置、计算机设备和存储介质，根据提问数据生成问诊节点，并设定问诊节点的节点属性，再结合提问数据和应答数据确定问诊节点间的节点流转条件，最后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。得到的问诊对话模板可用于医疗服务的问诊过程中，使问诊过程中无需医生的直接参与，简化了医疗问诊过程，提高了问诊效率。
附图说明
图1为一个实施例中问诊对话模板生成方法和问诊数据获取的应用场景图；
图2为一个实施例中问诊对话模板生成方法的流程示意图；
图3为一个实施例中根据提问关键词设定对应的问诊节点的节点属性的步骤的流程示意图；
图4为另一个实施例中问诊对话模板生成方法的流程示意图；
图5为一个实施例中问诊数据获取方法的流程示意图；
图6为一个实施例中问诊对话模板生成装置的结构框图；
图7为一个实施例中问诊数据获取装置的结构框图；
图8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。
本申请提供的问诊对话模板生成方法和问诊数据获取方法，均可以应用于如图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。一方面，问诊对话模板生成方法应用中，终端102从服务器104获得问诊对话数据集，包括有序的提问数据及对应的应答数据，在根据提问数据生成问诊节点，并设定问诊节点的节点属性，接着结合提问数据和应答数据确定问诊节点间的节点流转条件，最后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，问诊对话模板可以存储至终端102本地，也可以发送至服务器104进行存储和发布。
另一方面，在问诊数据获取方法的应用中，终端102接收服务器104转发的问诊触发消息，根据该问诊触发消息获取对应的问诊对话模板，再通过该问诊对话模板进行对话问诊，得到问诊数据，问诊数据可以存储至终端102本地，也可以发送至服务器104进行存储和发布。
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，提供了一种问诊对话模板生成方法，以该方法应用于图1中的终端102为例进行说明，包括以下步骤：
S201：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。
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。问诊对话数据集可以为临床医患问诊过程中直接记录的基于自然语言的表述信息，也可以为对基于自然语言的表述信息进行数据清洗，剔除无用的冗余信息后的表述信息。
一般地，在问诊开始后，医生通过观察患者或根据患者的相关检查情况，不断进行提问来排除疾病的可能性。而医生的提问逻辑会根据患者的回答相应改变，即医生会根据患者当前问题的应答选择下一个问题，从而推进问诊过程，获取可以用于诊断的问诊数据。例如，一个高血压的问诊场景下，医生在得到患者年龄、性别等基本信息，会以14岁以下、14-60岁、60岁以上不同人群开展不同的询问方式。问诊对话数据集中的提问数据及对应的应答数据的有序排列逻辑，反映了完整、连续的临床问诊对话过程。具体地，问诊对话数据集可以由服务器104基于临床数据汇总得到，终端102向服务器104请求得到。
S203：按照提问数据的排序，分别生成对应的问诊节点。
其中，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。例如，将问诊过程中先后询问性别、年龄、发病时间的提问数据，分别生成对应的性别节点、年龄节点和发病时间节点。可以通过进一步配置问诊节点的节点属性，如节点标题、提问内容等，以扩展问诊节点的功能。
S205：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。
在提问数据中，包括医生所需要知晓的内容，例如提问“好的，我再冒昧地核实一下您的性别”表示需要了解患者的性别。但提问数据一般为医生基于自然语言表述的，其中可能包括无用的冗余信息，此时需要对提问数据进行清洗，提取核心的提问关键词，提问关键词反映了该提问数据的目的。
具体地，可以基于TextRank关键词提取算法对病理诊断数据进行病理特征词提取。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，可以根据提问数据中涉及的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，而提取出核心的提问关键词。提问关键词可以包括但不限于与患者对象相关的年龄、性别，及与疾病相关的病症部位、症状表现和疾病名称等。如上例中，基于TextRank关键词提取算法进行数据清洗后，可以将“好的”“我”“再”“冒昧”“地”“一下”“您的”等无用冗余的词组剔除，提取得到“核实”“性别”的提问关键词。通过从提问数据中提取提问关键词，可以有效清除提问数据中的冗余、无用数据，降低无用、冗余数据的影响，同时提高问诊节点的处理效率。
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，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。例如，对于上述用于询问性别的问诊节点，可以将该问诊节点的节点标题设为“性别”，以体现该问诊节点功能，将节点类型设为选项，并提供“男”“女”的选项，以由患者终端可以直接通过选择对应选项的形式完成对该问诊节点的回答，不需要患者终端再输入文字或语音，能够有效加快问诊过程推进。
S207：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。
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，而在实际的医生问诊过程中，医生在提问后，会基于患者对应的回答选择下一个问题进行提问。基于此，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。
在具体应用中，可以根据先后相邻问诊节点所对应的提问数据，获取与提问数据对应的应答数据，将该应答数据作为先后相邻问诊节点间的节点流转条件。例如对于性别、年龄、生理时期的三个问诊节点，可以确定只有性别问诊节点和年龄问诊节点对应提问数据的应答数据为女性，且年龄处于生理期年龄段，如20岁时，才会连接到生理时期问诊节点，以询问患者是否处于生理时期。
S209：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。
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。
上述问诊对话模板生成方法中，根据提问数据生成问诊节点，并设定问诊节点的节点属性，再结合提问数据和应答数据确定问诊节点间的节点流转条件，最后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。得到的问诊对话模板可用于医疗服务的问诊过程中，使问诊过程中无需医生的直接参与，简化了医疗问诊过程，提高了问诊效率。
在一个实施例中，如图3所示，节点属性包括节点类型、节点标题、应答类型和提问内容；根据提问关键词设定对应的问诊节点的节点属性的步骤包括：
S301：根据提问关键词查询对应的节点属性模板。
其中，节点类型指问诊节点的交互方式，节点类型可以但不限于包括：文本节点，发送文本形式的消息至患者终端，如疾病症状说明等；图片节点，将图片形式内容发送至患者终端，如人体穴位图、颈肩活动操示意图等；语音节点，发送语音形式内容至患者终端；多媒体节点，将内容以卡片形式发出，卡片支持多种类型展示，如文本、图片和视频等类型。节点标题用于标识各问诊节点，通过节点标题可以得知该问诊节点的作用，如性别、年龄、发病时间、持续时间等。
应答类型指针对问诊节点的问题的应答交互形式，如可以包括点选、多选、输入框、滚轮和日历等形式，通过设置问诊节点的应答类型，可以统一患者终端的应答形式，一方面有利于应答数据的处理，另一方面有利于患者终端针对问诊节点问题的回答，提高了问诊的效率。具体地，对于不同的应答类型，还可以设置特殊的处理逻辑，比如点选可以分为单选、多选；多选选项不满足时还可以支持用户自行输入其他症状信息；滚轮可以分为整数、小数、文本滚轮；输入框类型还可以做特殊类型的值校验，如身份证号，手机号等。而对于需要收集数字类型的信息，可以选择展示类型为滚轮，则用户端的信息采集方式为数字滚轮类型；对于整数类型信息，如年龄，体重，可选择整数滚轮；对于小数类型的信息，如体温，血压，血糖等，可以选择小数滚轮；对于非常规性了解收集问题，如血糖，还可以添加不清楚选项。
提问内容指针对该问诊节点的具体提问内容。例如，对于性别问诊节点，提问内容可以设置为“请问患者的性别是？”，则在该问诊节点进行提问时向患者终端发送该提问内容，以模拟医生问诊过程，推进问诊对话进行。
进一步地，考虑到医院各职能科室的问诊形式不同，可以根据各医院职能科室设置不同的节点属性模板。在根据提问关键词设定设定问诊节点的节点属性时，可以通过查询与提问关键词对应的医院职能科室，并获取对应的节点属性模板，节点属性模板定义了问诊节点节点类型、节点标题、应答类型和提问内容。
S303：根据节点属性模板得到节点类型、节点标题、应答类型和提问内容。
节点属性模板定义了问诊节点节点类型、节点标题、应答类型和提问内容，从查询得到的节点属性模板中，可以进一步得到问诊节点的节点类型、节点标题、应答类型和提问内容。
S305：根据节点类型、节点标题、应答类型和提问内容设定对应的问诊节点的节点属性。
通过节点属性模板中定义的节点类型、节点标题、应答类型和提问内容对问诊节点进行设定，完成对问诊节点的配置。
本实施例中，通过节点属性模板定义的节点属性对问诊节点的节点属性进行配置，能够快速完成对问诊节点的设定，同时规范统一了问诊节点的节点属性，有利于提高对问诊节点的流转等处理的效率。
在一个实施例中，提问数据包括在应答数据前的第一提问数据和在应答数据后的第二提问数据；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的步骤包括：根据第一提问数据获取对应的第一问诊节点；根据第二提问数据获取对应的第二问诊节点；将应答数据作为第一问诊节点和第二问诊节点间的节点流转条件。
在医疗问诊过程中，医生根据患者的回答不断选择问题进行提问，推进问诊过程的运行，逐步汇集患者的问诊数据，即相邻不同的提问数据间的推进是由患者终端提供的应答数据来实现的。对于一应答数据，是作为在前提问数据的对应回答，也是作为在后提问数据的触发条件，即应答数据实现了在前提问数据与在后提问数据之间的流转，推进了问诊过程的运行。
本实施例中，提问数据包括在应答数据前的第一提问数据和在应答数据后的第二提问数据，应当理解，此处第一提问数据和第二提问数据仅在于与应当数据的先后关系区别，而并非对提问数据的其他过多限定。在确定节点流转条件时，根据第一提问数据获取对应的第一问诊节点且根据第二提问数据获取对应的第二问诊节点。问诊节点是由各问诊数据一一对应生成的，通过问诊数据可以查询得到其对应的问诊节点。得到第一问诊节点和第二问诊节点后，将应答数据作为第一问诊节点和第二问诊节点间的节点流转条件。
进一步地，对于第一个问诊节点，可以将患者终端的问诊触发消息作为节点流转条件，以使第一个问诊节点实现响应。通过设定各问诊节点间的节点流转条件，可以将各问诊节点连接起来，形成完整的、有联系的问诊对话模板。
在一个实施例中，还包括：确定问诊对话模板所属的医院职能科室；将问诊对话模板存储至医院职能科室的问诊模板数据库中。
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。其中，外科下属骨外科、肝胆外科、神经外科、五官科、皮肤科、泌尿外科、烧伤外科；内科下属分为呼吸病科、循环病科、消化病科、泌尿系统疾病科、血液病科、内分泌代谢病科、风湿免疫病科、神经系统科、儿科。在具体应用时，医院职能科室划分可以根据实际应用进行调整。一般的，在医疗服务过程中，均会细分到对应医院职能科室，而各医院职能科室所服务的疾病种类并不相同，对应的问诊对话模板也不相同。
本实施例中，在得到问诊对话模板后，进一步确定该问诊对话模板所属的医院职能科室。各医院职能科室具体服务的疾病类型并不相同，其具体涉及的诊疗方法也不尽相同，所以其问诊对话模板也是依据本科室的特点进行针对性设计得到的。具体地，可以直接从问诊对话模板确定其所属的医院职能科室，也可以根据问诊对话模板对应的问诊对话数据集进行分析得到。确定问诊对话模板所属的医院职能科室后，将问诊对话模板存储至医院职能科室的问诊模板数据库中，以便后续的问诊使用。
通过将问诊对话模板存储至对应的医院职能科室的问诊模板数据中，将问诊对话模板按照科室进行分类，以适应各科室的问诊特点，提高了问诊对话模板的针对性，有利于问诊对话模板后续的使用。
在一个实施例中，在将各问诊节点按照节点流转条件依次连接，得到问诊对话模板的步骤之后，还包括：生成模板检验请求；将问诊对话模板和模板检验请求发送至终端以请求终端对问诊对话模板进行检验；根据终端返回的检验结果更新问诊对话模板。
问诊对话模板生成后，基于医学严谨性考虑，可以对生成的问诊对话模板进行校验、修改，进一步确保问诊对话的可信度。具体地，在生成问诊对话模板后，可以进一步生成用于请求医生终端对问诊对话模板进行检验的处方检验请求。在具体应用时，可以生成模板检验请求，并将问诊对话模板和模板检验请求发送至服务器104，由服务器104转发至对应的医生终端进行审核及确认。当接收到医生终端返回的校验结果后，根据该校验结果更新问诊对话模板。
在一个实施例中，如图4所示，提供了一种问诊对话模板生成方法，以该方法应用于图1中的终端102为例进行说明，包括以下步骤：
S401：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。问诊对话数据集为对临床医患问诊过程中直接记录的基于自然语言的表述信息，进行数据清洗、剔除无用的冗余信息后的表述信息。
S402：按照提问数据的排序，分别生成对应的问诊节点。
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。
S403：从提问数据中提取提问关键词，节点属性包括节点类型、节点标题、应答类型和提问内容；
S404：根据提问关键词查询对应的节点属性模板；
S405：根据节点属性模板得到节点类型、节点标题、应答类型和提问内容；
S406：根据节点类型、节点标题、应答类型和提问内容设定对应的问诊节点的节点属性。
本实施例中，节点属性包括节点类型、节点标题、应答类型和提问内容，通过节点属性模板定义的节点属性对问诊节点的节点属性进行配置，能够快速完成对问诊节点的设定，同时也规范统一了问诊节点的节点属性，有利于提高对问诊节点的流转等处理的效率。
S407：根据第一提问数据获取对应的第一问诊节点；
S408：根据第二提问数据获取对应的第二问诊节点；
S409：将应答数据作为第一问诊节点和第二问诊节点间的节点流转条件。
在确定节点流转条件时，可以将提问数据划分为在应答数据前的第一提问数据和在应答数据后的第二提问数据，通过获取第一提问数据和第二提问数据分别对应的第一问诊节点和第二问诊，将应答数据作为第一问诊节点和第二问诊间的节点流转条件，完成节点流转条件的配置。
S410：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。
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独立的问诊节点连接，得到完整的、有序的问诊对话模板。
S411：生成模板检验请求；
S412：将问诊对话模板和模板检验请求发送至终端以请求终端对问诊对话模板进行检验；
S413：根据终端返回的检验结果更新问诊对话模板。
问诊对话模板生成后，进一步生成用于请求医生终端对问诊对话模板进行检验的处方检验请求，将问诊对话模板和模板检验请求发送至服务器104，由服务器104转发至对应的医生终端进行审核及确认。当接收到医生终端返回的校验结果后，根据该校验结果更新问诊对话模板。
S414：确定问诊对话模板所属的医院职能科室；
S415：将问诊对话模板存储至医院职能科室的问诊模板数据库中。
各医院职能科室具体服务的疾病类型并不相同，其具体涉及的诊疗方法也不尽相同，所以其问诊对话模板也是依据本科室的特点进行针对性设计得到的。本实施例中，将问诊对话模板存储至对应的医院职能科室的问诊模板数据中，从而对问诊对话模板按照科室进行分类，以适应各科室的问诊特点，提高了问诊对话模板的针对性，有利于问诊对话模板后续的使用。
在一个实施例中，如图5所示，提供了一种问诊数据获取方法，以该方法应用于图1中的终端102为例进行说明，包括以下步骤：
S501：当接收到问诊触发消息时，根据问诊触发消息确定医院职能科室。
终端102接收到服务器104转发的问诊触发消息时，表示此时需要进行问诊对话，获取问诊数据，进一步根据该问诊触发消息确定医院职能科室。各医院职能科室具体服务的疾病类型并不相同，其具体涉及的诊疗方法也不尽相同，所以其问诊对话模板也是依据本科室的特点进行针对性设计得到的。在进行问诊对话时，需要确定医院职能科室，并获取对应的问诊对话模板进行问诊对话。
S502：查询与医院职能科室对应的问诊对话模板，问诊对话模板是通过如上所述的问诊对话模板生成方法生成的。
确定医院职能科室后，查询对应的问诊对话模板。本实施例中，问诊对话模板是通过如上所述的问诊对话模板生成方法生成的，通过该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。
S503：通过问诊对话模板进行对话问诊，得到问诊数据。
在利用获得的问诊对话模板进行对话问诊时，记录问诊过程中的问答数据，得到问诊数据。问诊数据可以直接反映确切的患者的病症信息，具体可以包括患者性别、年龄、生理时期等个人信息，及与疾病相关的发病时间、持续时间、病症表现等病症信息。在具体应用中，通过问诊对话模板进行对话问诊得到的问诊可由终端102发送至服务器104进行存储，再由服务器104将其转发至医生终端，由医生根据该问诊数据进行诊断。
上述问诊数据获取方法，在接收到问诊触发消息触发问诊时，确定医院职能科室，进一步查询与医院职能科室对应的问诊对话模板，该问诊对话模板是通过上所述的问诊对话模板生成装置生成的，最后通过问诊对话模板进行对话问诊，得到问诊数据。在问诊数据获取过程中，直接通过问诊对话模板生成方法生成的问诊对话模板进行对话问诊，使问诊过程中无需医生的直接参与，简化了医疗问诊过程，提高了问诊数据的获取效率。
应该理解的是，虽然图2-5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2-5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6所示，提供了一种问诊对话模板生成装置，包括：数据集获取模块601、问诊节点生成模块603、节点属性设定模块605、流转条件确定模块607和模板生成模块609，其中：
数据集获取模块601，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603，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605，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607，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；
模板生成模块609，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。
上述问诊对话模板生成装置，通过问诊节点生成模块根据由数据集获取模块获取的提问数据生成问诊节点，并通过节点属性设定模块设定问诊节点的节点属性，再通过流转条件确定模块结合提问数据和应答数据确定问诊节点间的节点流转条件，最后由模板生成模块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。得到的问诊对话模板可用于医疗服务的问诊过程中，使问诊过程中无需医生的直接参与，简化了医疗问诊过程，提高了问诊效率。
在一个实施例中，节点属性包括节点类型、节点标题、应答类型和提问内容；节点属性设定模块605包括模板查询单元、模板划分单元和节点属性设定单元；其中：
模板查询单元，用于根据提问关键词查询对应的节点属性模板；模板划分单元，用于根据节点属性模板得到节点类型、节点标题、应答类型和提问内容；节点属性设定单元，用于根据节点类型、节点标题、应答类型和提问内容设定对应的问诊节点的节点属性。
在一个实施例中，提问数据包括在应答数据前的第一提问数据和在应答数据后的第二提问数据；流转条件确定模块607包括第一问诊节点单元、第二问诊节点单元和流转条件单元；其中：
第一问诊节点单元，用于根据第一提问数据获取对应的第一问诊节点；第二问诊节点单元，用于根据第二提问数据获取对应的第二问诊节点；流转条件单元，用于将应答数据作为第一问诊节点和第二问诊节点间的节点流转条件。
在一个实施例中，还包括科室确定模块和存储模块，其中：
科室确定模块，用于确定问诊对话模板所属的医院职能科室；
存储模块，用于将问诊对话模板存储至医院职能科室的问诊模板数据库中。
在一个实施例中，还包括检验请求模块、请求发送模块和模板更新模块；其中：
检验请求模块，用于生成模板检验请求；
请求发送模块，用于将问诊对话模板和模板检验请求发送至终端以请求终端对问诊对话模板进行检验；
模板更新模块，用于根据终端返回的检验结果更新问诊对话模板。
在一个实施例中，如图7所示，提供了一种问诊数据获取装置，包括：科室确定模块701、模板查询模块703和问诊模块705，其中：
科室确定模块701，用于当接收到问诊触发消息时，根据问诊触发消息确定医院职能科室；
模板查询模块703，用于查询与医院职能科室对应的问诊对话模板，问诊对话模板是通过如上所述的问诊对话模板生成装置生成的；
问诊模块705，用于通过问诊对话模板进行对话问诊，得到问诊数据。
上述问诊数据获取装置，在接收到问诊触发消息触发问诊时，通过科室确定模块确定医院职能科室，通过模板查询模块查询与医院职能科室对应的问诊对话模板，该问诊对话模板是通过上所述的问诊对话模板生成装置生成的，最后由问诊模块通过问诊对话模板进行对话问诊，得到问诊数据。在问诊数据获取过程中，直接通过问诊对话模板生成装置生成的问诊对话模板进行对话问诊，使问诊过程中无需医生的直接参与，简化了医疗问诊过程，提高了问诊数据的获取效率。
关于问诊对话模板生成装置的具体限定可以参见上文中对于问诊对话模板生成方法的限定，关于问诊数据获取装置的具体限定可以参见上文中对问诊数据获取方法的限定，在此不再赘述。上述问诊对话模板生成装置和问诊数据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终端，其内部结构图可以如图8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、显示屏和输入装置。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和计算机程序。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问诊对话模板生成方法或问诊数据获取方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解，图8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：
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，节点属性包括节点类型、节点标题、应答类型和提问内容；处理器执行计算机程序时还实现以下步骤：
根据提问关键词查询对应的节点属性模板；根据节点属性模板得到节点类型、节点标题、应答类型和提问内容；根据节点类型、节点标题、应答类型和提问内容设定对应的问诊节点的节点属性。
在一个实施例中，提问数据包括在应答数据前的第一提问数据和在应答数据后的第二提问数据；处理器执行计算机程序时还实现以下步骤：
根据第一提问数据获取对应的第一问诊节点；根据第二提问数据获取对应的第二问诊节点；将应答数据作为第一问诊节点和第二问诊节点间的节点流转条件。
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：
确定问诊对话模板所属的医院职能科室；将问诊对话模板存储至医院职能科室的问诊模板数据库中。
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：
生成模板检验请求；将问诊对话模板和模板检验请求发送至终端以请求终端对问诊对话模板进行检验；根据终端返回的检验结果更新问诊对话模板。
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：
当接收到问诊触发消息时，根据问诊触发消息确定医院职能科室；
查询与医院职能科室对应的问诊对话模板，问诊对话模板是通过如上所述的问诊对话模板生成方法生成的；
通过问诊对话模板进行对话问诊，得到问诊数据。
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：
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，节点属性包括节点类型、节点标题、应答类型和提问内容；计算机程序被处理器执行时还实现以下步骤：
根据提问关键词查询对应的节点属性模板；根据节点属性模板得到节点类型、节点标题、应答类型和提问内容；根据节点类型、节点标题、应答类型和提问内容设定对应的问诊节点的节点属性。
在一个实施例中，提问数据包括在应答数据前的第一提问数据和在应答数据后的第二提问数据；计算机程序被处理器执行时还实现以下步骤：
根据第一提问数据获取对应的第一问诊节点；根据第二提问数据获取对应的第二问诊节点；将应答数据作为第一问诊节点和第二问诊节点间的节点流转条件。
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：
确定问诊对话模板所属的医院职能科室；将问诊对话模板存储至医院职能科室的问诊模板数据库中。
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：
生成模板检验请求；将问诊对话模板和模板检验请求发送至终端以请求终端对问诊对话模板进行检验；根据终端返回的检验结果更新问诊对话模板。
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：
当接收到问诊触发消息时，根据问诊触发消息确定医院职能科室；
查询与医院职能科室对应的问诊对话模板，问诊对话模板是通过如上所述的问诊对话模板生成方法生成的；
通过问诊对话模板进行对话问诊，得到问诊数据。
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)
1.一种问诊对话模板生成方法，所述方法包括：
获取问诊对话数据集，所述问诊对话数据集包括由问诊者依次发出的有序的提问数据及被问诊者对应回复的应答数据；所述提问数据包括在所述应答数据前的第一提问数据和在所述应答数据后的第二提问数据；所述第一提问数据和所述第二提问数据是相邻的提问数据；
按照所述提问数据的提问先后排序，分别生成对应独立的问诊节点；
从所述提问数据中提取提问关键词，查询与所述提问关键词对应的医院职能科室，并获取所述医院职能科室中针对所述提问关键词设置的节点属性模板；通过所述节点属性模板设定对应的所述问诊节点的节点属性；所述节点属性包括表示节点交互方式的节点类型、用于标识节点的节点标题、表示应答交互形式的应答类型和提问内容；
将所述应答数据，作为所述第一提问数据对应第一问诊节点向所述第二提问数据对应第二问诊节点进行节点间流转的节点流转条件；
将各所述问诊节点按照各自的节点流转条件依次连接，得到包括多个相互关联的问诊节点的问诊对话模板；
将所述问诊对话模板存储到所属医院职能科室的问诊模板数据库中；所述问诊对话模板，用于针对所述医院职能科室的被问诊者进行对话问诊，以获得被问诊者的问诊数据。
2.根据权利要求1所述的方法，其特征在于，所述节点类型包括下发文本形式消息的文本节点、下发图片形式内容的图片节点、下发语音形式内容的语音节点或下发多媒体卡片的多媒体节点。
3.根据权利要求1所述的方法，其特征在于，所述将所述应答数据，作为所述第一提问数据对应第一问诊节点向所述第二提问数据对应第二问诊节点进行节点间流转的节点流转条件，包括：
根据所述第一提问数据获取对应的第一问诊节点；
根据所述第二提问数据获取对应的第二问诊节点；
将所述应答数据作为所述第一问诊节点和所述第二问诊节点间的节点流转条件。
4.根据权利要求1至3任意一项所述的方法，其特征在于，所述将所述问诊对话模板存储到所属医院职能科室的问诊模板数据库中，包括：
确定所述问诊对话模板所属的医院职能科室；
将所述问诊对话模板存储至所述医院职能科室的问诊模板数据库中。
5.根据权利要求4所述的方法，其特征在于，在所述将各所述问诊节点按照各自的节点流转条件依次连接，得到包括相互关联的各问诊节点的问诊对话模板之后，还包括：
生成模板检验请求；
将所述问诊对话模板和所述模板检验请求发送至终端以请求所述终端对所述问诊对话模板进行检验；
根据所述终端返回的检验结果更新所述问诊对话模板。
6.一种问诊数据获取方法，其特征在于，所述方法包括：
当接收到问诊触发消息时，根据所述问诊触发消息确定医院职能科室；
查询与所述医院职能科室对应的问诊对话模板，所述问诊对话模板是通过权利要求1至5中任意一项所述的问诊对话模板生成方法生成的；
通过所述问诊对话模板进行对话问诊，得到问诊数据。
7.一种问诊对话模板生成装置，其特征在于，所述装置包括：
数据集获取模块，用于获取问诊对话数据集，所述问诊对话数据集包括由问诊者依次发出的有序的提问数据及被问诊者对应回复的应答数据；所述提问数据包括在所述应答数据前的第一提问数据和在所述应答数据后的第二提问数据；所述第一提问数据和所述第二提问数据是相邻的提问数据；
问诊节点生成模块，用于按照所述提问数据的提问先后排序，分别生成对应独立的问诊节点；
节点属性设定模块，用于从所述提问数据中提取提问关键词，查询与所述提问关键词对应的医院职能科室，并获取所述医院职能科室中针对所述提问关键词设置的节点属性模板；通过所述节点属性模板设定对应的所述问诊节点的节点属性；所述节点属性包括表示节点交互方式的节点类型、用于标识节点的节点标题、表示应答交互形式的应答类型和提问内容；
流转条件确定模块，用于将所述应答数据，作为所述第一提问数据对应第一问诊节点向所述第二提问数据对应第二问诊节点进行节点间流转的节点流转条件；
模板生成模块，用于将各所述问诊节点按照各自的节点流转条件依次连接，得到包括多个相互关联的问诊节点的问诊对话模板；将所述问诊对话模板存储到所属医院职能科室的问诊模板数据库中；所述问诊对话模板，用于针对所述医院职能科室的被问诊者进行对话问诊，以获得被问诊者的问诊数据。
8.一种问诊数据获取装置，其特征在于，所述装置包括：
科室确定模块，用于当接收到问诊触发消息时，根据所述问诊触发消息确定医院职能科室；
模板查询模块，用于查询与所述医院职能科室对应的问诊对话模板，所述问诊对话模板是通过权利要求1至5中任意一项所述的问诊对话模板生成方法生成的；
问诊模块，用于通过所述问诊对话模板进行对话问诊，得到问诊数据。
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6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6中任一项所述的方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810724637.3A CN109065183B (zh) | 2018-07-04 | 2018-07-04 | 问诊对话模板生成及问诊数据获取方法、装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810724637.3A CN109065183B (zh) | 2018-07-04 | 2018-07-04 | 问诊对话模板生成及问诊数据获取方法、装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109065183A CN109065183A (zh) | 2018-12-21 |
| CN109065183B true CN109065183B (zh) | 2024-03-15 |
Family
ID=64818688
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810724637.3A Active CN109065183B (zh) | 2018-07-04 | 2018-07-04 | 问诊对话模板生成及问诊数据获取方法、装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109065183B (zh) |
Families Citing this family (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109829729A (zh) * | 2019-01-18 | 2019-05-31 | 青牛智胜(深圳)科技有限公司 | 一种智能外呼系统及方法 |
| CN110442698B (zh) * | 2019-08-06 | 2021-12-28 | 思必驰科技股份有限公司 | 对话内容生成方法及系统 |
| CN112035615B (zh) * | 2020-08-31 | 2023-02-07 | 康键信息技术（深圳）有限公司 | 线上问诊数据处理方法、装置和计算机设备 |
| CN112700860A (zh) * | 2020-12-18 | 2021-04-23 | 北京左医科技有限公司 | 预问诊信息的自定义生成方法、生成装置及存储介质 |
| CN113704428B (zh) * | 2021-08-30 | 2023-10-24 | 康键信息技术（深圳）有限公司 | 智能问诊方法、装置、电子设备及存储介质 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106650261A (zh) * | 2016-12-22 | 2017-05-10 | 上海智臻智能网络科技股份有限公司 | 智能问诊方法、装置和系统 |
| 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 |
| CN107423559A (zh) * | 2017-06-16 | 2017-12-01 | 康美健康云服务有限公司 | 一种基于客户端的疾病管理方法及其系统 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9172747B2 (en) * | 2013-02-25 | 2015-10-27 | Artificial Solutions Iberia SL | System and methods for virtual assistant networks |
-
2018
- 2018-07-04 CN CN201810724637.3A patent/CN109065183B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106650261A (zh) * | 2016-12-22 | 2017-05-10 | 上海智臻智能网络科技股份有限公司 | 智能问诊方法、装置和系统 |
| 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 |
| CN107423559A (zh) * | 2017-06-16 | 2017-12-01 | 康美健康云服务有限公司 | 一种基于客户端的疾病管理方法及其系统 |
| 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 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109065183A (zh) | 2018-12-21 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109036544B (zh) | 医疗信息推送方法、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 | |
| CN108766561B (zh) | 病症信息处理方法、装置、计算机设备和存储介质 | |
| Eminović et al. | Teledermatologic consultation and reduction in referrals to dermatologists: a cluster randomized controlled trial | |
| JP6907831B2 (ja) | コンテキストベースの患者類似性の方法及び装置 | |
| Huang et al. | A clinical decision support framework for heterogeneous data sources | |
| CN108899064A (zh) | 电子病历生成方法、装置、计算机设备和存储介质 | |
| Odibo et al. | Telemedicine in obstetrics | |
| CN109065172A (zh) | 病症信息获取方法、装置、计算机设备和存储介质 | |
| US11257572B1 (en) | Remote medical treatment application and operating platform | |
| CN109036545A (zh) | 医疗信息处理方法、装置、计算机设备和存储介质 | |
| CN107767963A (zh) | 健康信息获取的方法和装置 | |
| CN112331298A (zh) | 开具药方的方法、装置、电子设备及存储介质 | |
| KR101177712B1 (ko) | 네트워크를 통한 환자 맞춤형 의료 서비스 매칭 방법 | |
| JP2023026640A (ja) | 情報処理装置、電子カルテ作成方法および電子カルテ作成プログラム | |
| MacLaren et al. | Treating the most critically ill patients with COVID-19: the evolving role of extracorporeal membrane oxygenation | |
| WO2020061562A1 (en) | A data processing system for detecting health risks and causing treatment responsive to the detection | |
| KR20200113954A (ko) | 사용자 맞춤형 건강 정보 서비스 제공 시스템 및 그 방법 | |
| KR20220095104A (ko) | 빅데이터 및 클라우드 시스템 기반 인공지능 응급의료 의사결정 및 응급환자 이송 시스템과 그 방법 | |
| CN111415760A (zh) | 医生推荐方法、系统、计算机设备及存储介质 | |
| EP3425586A1 (en) | Apparatus and method for assisting in medical consultation | |
| KR102595904B1 (ko) | 의료상담 콘텐츠에 기초한 의료상담자 추천 방법 및 시스템 | |
| CN112037904A (zh) | 在线诊疗数据处理方法、装置、计算机设备和存储介质 | |
| US20160371457A1 (en) | System and Method for Data Analyzing of Health-Related Data | |
| EP3719809A1 (en) | Method and system for medical diagnosis assistance |
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 |