CN109147927B - 一种人机交互方法、装置、设备及介质 - Google Patents
一种人机交互方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN109147927B CN109147927B CN201811022591.7A CN201811022591A CN109147927B CN 109147927 B CN109147927 B CN 109147927B CN 201811022591 A CN201811022591 A CN 201811022591A CN 109147927 B CN109147927 B CN 109147927B
- Authority
- CN
- China
- Prior art keywords
- knowledge point
- interactive
- instruction
- point information
- disease diagnosis
- 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
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
- 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
- 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
- G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
- G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
- G16H40/67—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for remote operation
-
- 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)
- Biomedical Technology (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- General Physics & Mathematics (AREA)
- Biophysics (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Business, Economics & Management (AREA)
- Evolutionary Computation (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Business, Economics & Management (AREA)
- Databases & Information Systems (AREA)
- Pathology (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明实施例公开了一种人机交互方法、装置、设备及介质。所述方法包括:根据检测到的交互指令,基于预先建立的知识点库中的知识点信息获取与所述交互指令对应的交互内容,将所述交互内容输出,以完成与交互对象的交互。其中,所述知识点库中的知识点信息是通过预先训练好的解析模型对疾病诊断模型进行解析得到的。本发明实施例所提供的人机交互方法在使用疾病诊断模型进行疾病诊断的基础上,使用对其解析出的知识点信息进行人机交互,使交互对象能够在不参与简单疾病诊断的情况下,通过学习从疾病诊断模型中解析获得的知识点将人工智能积累的知识转化为自身的知识和经验,完成从初级到高级的知识经验积累。
Description
技术领域
本发明实施例涉及计算机技术,尤其涉及一种人机交互方法、装置、设备及介质。
背景技术
近来,基于大数据及人工神经网络的基础上,演化出越来越多的人工智能应用。可以预见,在不久的将来,人类的部分工作将会被人工智能系统取代。比如,在医疗诊断领域,人工智能将会取代初级的医生,进行简单疾病的诊断,仅有高水平的医生暂时不会被替代。然而,每一个人的知识积累过程,通俗的说成长过程,必然是从初级到高级的过程。但是如果人类不再参与简单的工作,不再有机会去进行简单的练习和试错,则无法完成从初级到高级的成长。而人工智能能够迅速的完成知识积累,实现自我进化。如何使人类在不参与简单疾病诊断的情况下完成知识的积累是一个亟待解决的问题。
发明内容
本发明实施例提供了一种人机交互方法、装置、设备及介质,以实现在不参与简单疾病诊断的情况下,协助人类完成知识的积累。
第一方面,本发明实施例提供了一种人机交互方法,包括:
根据检测到的交互指令,基于预先建立的知识点库中的知识点信息获取与所述交互指令对应的交互内容,所述知识点库中的知识点信息是通过预先训练好的解析模型对诊断模型进行解析得到的;
将所述交互内容输出,以完成与交互对象的交互。
第二方面,本发明实施例还提供了一种人机交互装置,包括:
交互内容获取模块,用于根据检测到的交互指令,基于预先建立的知识点库中的知识点信息获取与所述交互指令对应的交互内容,所述知识点库中的知识点信息是通过预先训练好的解析模型对疾病诊断模型进行解析得到的;
交互内容输出模块,用于将所述交互内容输出,以完成与交互对象的交互。
第三方面,本发明实施例还提供了一种计算机设备,所述设备包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如本发明任意实施例所提供的人机交互方法。
第四方面,本发明实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如本发明任意实施例所提供的人机交互方法。
本发明实施例通过根据检测到的交互指令,基于预先建立的知识点库中的知识点信息获取与所述交互指令对应的交互内容,并将所述交互内容输出,以完成与交互对象的交互。其中,所述知识点库中的知识点信息是通过预先训练好的解析模型对疾病诊断模型进行解析得到的。在使用疾病诊断模型进行疾病诊断的基础上,使用对其解析出的知识点信息进行人机交互,使交互对象能够在不参与简单疾病诊断的情况下,通过学习从疾病诊断模型中解析获得的知识点将人工智能积累的知识转化为自身的知识和经验,完成从初级到高级的知识经验积累。
附图说明
图1是本发明实施例一所提供的人机交互方法的流程图;
图2是本发明实施例二所提供的人机交互方法的流程图;
图3A是本发明实施例三所提供的人机交互方法的流程图;
图3B是本发明实施例三所提供的训练好的解析模型结构示意图;
图4是本发明实施例四所提供的人机交互装置的结构示意图;
图5是本发明实施例五所提供的计算机设备的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本发明,而非对本发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部结构。
实施例一
图1是本发明实施例一所提供的人机交互方法的流程图,本实施例可适用于使用人工智能积累的知识进行人机交互的情形。该方法可以由人机交互装置执行,该人机交互装置可以采用软件和/或硬件的方式实现,例如,该人机交互装置可配置于计算机设备或者计算机断层扫描(computed tomography,CT)设置、磁共振成像(magnetic resonance,MR)设备、X射线(X-ray)成像设备、正电子发射扫描(positron emission tomography)成像设备等医学成像系统中。如图1所示,该方法具体包括:
S110、根据检测到的交互指令,基于预先建立的知识点库中的知识点信息获取与交互指令对应的交互内容。
在本实施例中,知识点库中的知识点信息是通过预先训练好的解析模型对疾病诊断模型进行解析得到的。可选的,疾病诊断模型是根据患者病理特征数据对患者进行疾病诊断的机器学习模型。在本实施例中,获得至少一个诊断模型中所包含的知识点信息,将各知识点信息归纳整合成知识点库。可选的,交互内容是知识点信息的各种表达形式。可选的,知识点信息可以以显示形式、问答形式和/或测试形式存储在知识点库中,当检测到用户输入的交互指令后,确定与交互指令的类型匹配的表达形式,并将以该表达形式存储的知识点信息作为与交互指令对应的交互内容。
可选的,交互指令可以包括用户输入的关键词和交互形式,用户输入的方式可以包括手动输入或者语音输入。交互形式包括阅读形式、问答形式和测试形式中的至少一种。在本实施例中,可以将交互形式显示在交互界面上,用户在选择交互形式后输入关键词,当用户触发交互操作后,获取用户输入的关键词和用户选择的交互形式,将其作为交互指令。
例如,当用户希望查询冠状动脉疾病的相关知识点信息时,可以在交互界面中选择阅读形式,并输入“冠状动脉疾病”,点击“查询”后,获取用户输入的关键词“冠状动脉疾病”和“阅读形式”,从知识点库中选取以阅读形式存储的与“冠状动脉疾病”相关的知识点信息作为交互内容。可选的,当交互指令中仅包含关键词时,在用户触发交互操作后,可以提示用户选择交互形式,或直接将以阅读形式显示的与关键词匹配的知识点信息作为交互内容。当交互指令中仅包含交互形式时,可以从知识点库中选取与该交互形式对应的表达形式,并将该表达形式存储的全部知识点信息或部分知识点信息作为交互内容。
可选的,交互指令可以为用户通过语音输入或触摸/按键输入的交互指令,还可以为用户通过体感操作输入的交互指令。当用户使用语音输入交互指令时,可通过语音识别技术识别出用户输入的交互指令,例如,可以通过预先训练的语音识别模型识别出用户所输入的语音指令,从而确定用户输入的交互指令;当用户使用触摸/按键输入的方式输入指令信息时,可以根据用户触摸的位置或按键对应的功能确定用户输入的交互指令;当用户使用体感操作的方式输入指令信息时,可通过对用户体感动作的识别确定用户输入的交互指令。
S120、将所述交互内容输出,以完成与交互对象的交互。
可选的,确定与用户输入的交互指令对应的交互内容后,将交互内容输出,反馈至用户,以完成与用户之间的交互。可选的,交互内容的输出形式可以为显示形式和/或语音播报形式。即可以将交互内容显示在交互界面上,也可以将交互内容进行语音播报,也可以同时将交互内容显示在交互界面上,并将交互内容以语音播放的形式输出。可选的,交互内容以显示形式输出时,可以通过平面显示、增强现实显示和/或虚拟现实显示方式输出。
本发明实施例通过根据检测到的交互指令,基于预先建立的知识点库中的知识点信息获取与所述交互指令对应的交互内容,并将所述交互内容输出,以完成与交互对象的交互。其中,所述知识点库中的知识点信息是通过预先训练好的解析模型对诊断模型进行解析得到的。在使用疾病诊断模型进行疾病诊断的基础上,使用对其解析出的知识点信息进行人机交互,使交互对象能够在不参与简单疾病诊断的情况下,通过学习从诊断模型中解析获得的知识点将人工智能积累的知识转化为自身的知识和经验,完成从初级到高级的知识经验积累。
在上述方案的基础上,所述根据检测到的交互指令,基于预先建立的知识点库中的知识点信息获取与所述交互指令对应的交互内容,包括:
若所述交互指令为阅读指令,则从预先建立的知识点库中获取与所述阅读指令对应的阅读内容;
相应的,所述将所述交互内容输出包括:
将所述阅读内容进行语音播报和/或将所述阅读内容显示在显示界面上。
可选的,可以通过交互指令中的交互形式确定交互指令的类型。当交互指令中的交互形式为阅读形式时,确定交互指令为阅读指令。当检测到的交互指令为阅读指令时,根据阅读指令中包含的关键词从预先建立的知识点库中获取与所述关键词匹配的以阅读形式存储的知识点信息。
在本实施例中,可以分别建立以阅读形式、问答形式和测试形式显示的知识点库,即分别建立阅读知识点库、问答知识点库和测试知识点库,阅读知识点库中存储有阅读形式的知识点信息,问答知识点库中存储有问答形式的知识点信息,测试知识点库中存储有测试形式的知识点信息。
可选的,当检测到的交互指令为阅读指令时,从阅读知识点库中获取与关键词匹配的知识点信息作为与阅读指令对应的阅读内容,并将阅读内容进行语音播报和/或将阅读内容显示在显示界面上,将阅读内容以语音播放的形式或和/或显示形式输出。可选的,当用户未输入关键词时,可以将阅读知识点库中的全部知识点信息或从阅读知识点库中随机选取部分知识点信息作为与阅读指令对应的阅读内容,并将阅读内容输出。
可选的,还可以将阅读知识点信息根据其所对应的疾病领域对阅读知识点信息进行划分,用户可以通过选择疾病领域获取与该疾病领域对应的阅读知识点信息。例如,将阅读知识点信息划分为内科、外科、儿科、妇科、眼科、耳鼻喉科、口腔科、皮肤科等领域。还可以对各领域进行进一步细分,如将内科划分为呼吸内科、消化内科、泌尿内科、心内科、血液科、内分泌科、神经内科等。通过阅读指令中用户选择的疾病领域,获取对应的阅读知识点信息,并将阅读知识点信息作为与阅读指令对应的阅读内容。
在上述方案的基础上,所述根据检测到的交互指令,获取与所述交互指令对应的交互内容,包括:
若所述交互指令为问答指令,则从预先建立的知识点库中获取与所述问答指令对应的问答内容;
相应的,将所述交互内容输出包括:
将所述问答内容进行语音播报和/或将所述问答内容显示在显示界面上。
可选的,可以通过交互指令中的交互形式确定交互指令的类型。当交互指令中的交互形式为问答形式时,确定交互指令为问答指令。当检测到的交互指令为问答指令时,根据问答指令中包含的问题信息从知识点库中选取与问题信息对应的答案内容。
可选的,从预先建立的知识点库中获取与所述问答指令对应的问答内容包括:从所述问答指令中的问题信息中提取出问题关键词,并将所述问题关键词与问答知识点库中的预存问题信息进行匹配;将匹配成功的预存问题信息对应的答案信息作为与所述问答指令对应的问答内容。
在本实施中,可以在问答知识点库中建立问题信息与答案信息的对应关系,从用户输入的问题信息中提取出问题关键词后,将问题关键词与问答知识点库中的问题信息匹配,将匹配成功的问题信息对应的答案信息作为与问答指令对应的问答内容。需要说明的是,问题关键词可能在问答知识点库中匹配到多个问题信息,可以将匹配到的问题信息及对应的答案信息作为与问答指令对应的问答内容,并将问答内容输出。可选的,可以根据问题关键词与问答知识点库中问题信息的匹配度对待输出的问答信息进行排序,便于用户根据问答内容中问答信息的顺序判断问答内容与问答指令的匹配程度。
可选的,还可以根据问题关键词从阅读知识点库中选取与问题信息对应的答案内容。具体的,可以将问题信息中提取出的问题关键词与阅读知识点库中的知识点信息进行关键词匹配,将匹配成功的知识点信息作为问答指令对应的答案信息。
可选的,用户可以通过在交互界面中的问题输入区域输入想要查询的问题信息,还可以通过语音输入的形式输入想要查询的问题信息。当用户通过语音输入的形式输入问题信息时,对检测到的语音信号进行语音识别,将语音识别结果作为用户输入的问题信息。
在上述方案的基础上,所述根据检测到的交互指令,基于预先建立的知识点库中的知识点信息获取与所述交互指令对应的交互内容,包括:
若所述交互指令为测试指令,则从预先建立的知识点库中获取与所述测试指令对应的测试内容;
相应的,将所述交互内容输出包括:
将所述测试内容进行语音播报和/或将所述测试内容显示在显示界面上。
可选的,可以通过交互指令中的交互形式确定交互指令的类型。当交互指令中的交互形式为测试形式时,确定交互指令为测试指令。当检测到的交互指令为测试指令时,根据测试指令中包含的测试关键词从知识点库中选取与测试指令对应的测试内容。
在本实施中,可以通过测试指令中的关键词从测试知识点库中获取与测试指令对应的测试知识点信息。可选的,测试知识点信息包括测试题目和标准答案,将测试知识点信息中的测试题目作为测试内容,并将测试内容通过语音形式和/或显示形式输出。
可选的,还可以将测试知识点信息根据其所对应的疾病领域对测试知识点信息进行划分,用户可以通过选择疾病领域获取与该疾病领域对应的测试知识点信息。通过测试指令中用户选择的疾病领域,获取对应的测试知识点信息,将测试知识点信息中的测试题目作为与测试指令对应的测试内容。
在上述方案的基础上,所述方法还包括:
获取用户输入的测试答案,将所述测试答案与标准答案进行匹配,并根据匹配结果输出测试结果。
在本实施例中,检测到测试完毕指令触发时,获取用户输入的测试答案,将测试答案与测试知识点信息中的标准答案进行匹配,根据预先设置的评分标准对此次测试行为评分,将评分作为测试结果输出。可选的,还可以将用户输入的测试答案与标准答案不匹配的测试题目作为测试结果输出,方便用户纠错。
在上述方案的基础上,所述方法还包括记录整个系统预先建立的知识点库中的历史状态、检测到的交互指令后的系统变换、完成与交互对象的交互等导致的状态变化,医师通过上述状态变化可及时了解整个系统的工作情况,以保证整个系统输出结果的可靠性。
实施例二
图2是本发明实施例二所提供的人机交互方法的流程图,本实施例在上述实施例的基础上进行进一步地优化。如图2所示,所述方法包括:
S210、使用训练好的解析模型对各疾病诊断模型进行解析,获得以自然语言描述的各知识点信息。
在本实施例中,知识点信息是使用训练好的解析模型对各疾病诊断模型进行解析获得的。可选的,将疾病诊断模型作为解析模型的输入参数,输入至训练好的解析模型中,得到解析模型输出的疾病诊断模型对应的知识点信息。其中,知识点信息是以自然语言描述的,人类可以理解的知识点信息。知识点信息可以为归纳性语言或描述性语言,例如,知识点信息可以为某类型肿瘤的图像特征信息(波谱图像特征、增强灌注特征、弥散加权图像特征等),知识点信息还可以为根据疾病诊断模型生成的计算公式。
可选的,可以根据疾病诊断模型所使用的机器学习模型对疾病诊断模型进行分类,将使用相同机器学习模型的疾病诊断模型划分为同一类型,相同类型的疾病诊断模型对应同一个解析模型。使用同一个解析模型对相同类型的疾病诊断模型进行解析能够使疾病诊断模型的解析更加方便简单,减少解析模型的训练次数。
可选的,还可以针对每一个疾病诊断模型,设置对应的解析模型。使用与疾病诊断模型对应的解析模型对疾病诊断模型进行解析,获得以自然语言描述的疾病诊断模型对应的知识点信息。疾病诊断模型与解析模型一一对应可以使获得的知识点信息更加准确。可选的,一个疾病诊断模型解析出的知识点信息可能为多个。
S220、将各所述知识点信息进行归纳,形成知识点库。
在本实施例中,将各疾病诊断模型解析出的知识点信息进行归纳汇总,形成包含有个知识点信息的知识点库,所述知识点库中包含以显示形式、问答形式和/或测试形式所对应的知识点信息。可选的,为了方便人机交互时选取与交互指令对应的交互内容,可以将知识点信息分别以显示形式、问答形式和测试形式存储至知识点库中。
可选的,可以分别建立阅读知识点库、问答知识点库和测试知识点库。将显示形式的知识点信息存储至阅读知识点库中,将问答形式的知识点信息存储至问答知识点库中,将测试形式的知识点信息存储至测试知识点库中,以使检测到用户输入的交互指令时,从对应的知识点库中选取与交互指令对应的交互内容。
可选的,疾病诊断模型训练时需要大量的样本数据,如健康人及病人的生理特征数据(如血压、心电图信息、影像信息等),将知识点信息进行归纳总结时,可以结合疾病诊断模型中存储的样本数据中的生理特征数据将知识点信息整合为易于用户理解的展示形式。例如将知识点信息及其对应的图像共同展示给用户,便于用户理解。
S230、根据检测到的交互指令,基于预先建立的知识点库中的知识点信息获取与交互指令对应的交互内容。
S240、将所述交互内容输出,以完成与交互对象的交互。
需要说明的是,本发明实施例所提供的知识点库形成方法可单独执行。也就是说,可以单独使用本发明实施例所提供的S210-S220中的操作步骤形成疾病诊断模型对应的知识点库,不再执行后续步骤S230-S240中基于构建好的知识点库进行人机交互的操作。
本发明实施例的技术方案,在上述实施例的基础上增加了构建疾病诊断模型对应的知识点库的操作,通过使用训练好的解析模型对各疾病诊断模型进行解析,获得以自然语言描述的各知识点信息;将各所述知识点信息进行归纳,形成知识点库,所述知识点库中包含以显示形式、问答形式和/或测试形式所对应的知识点信息,使得疾病诊断模型在进行疾病诊断的基础上,将对其解析出的知识点信息构建知识点库,实现了将人工智能积累的经验转化为人类可识别的知识点信息。
实施例三
图3A是本发明实施例三所提供的人机交互方法的流程图,本实施例在上述实施例的基础上进行进一步地优化。如图3A所示,所述方法包括:
S310、获取历史疾病诊断模型和所述历史疾病诊断模型对应的历史知识点信息。
S320、基于所述历史疾病诊断模型和所述历史知识点信息生成训练样本集,使用所述训练样本集对预先建立好的解析模型进行训练,得到训练好的解析模型。
在本实施例中,可以人工对各历史疾病诊断模型进行解析,得到各历史疾病诊断模型对应的历史知识点信息。将人工解析的历史知识点信息及其对应的历史疾病诊断模型作为解析模型的训练样本,对预先建立好的解析模型进行训练,得到训练好的解析模型。
可选的,可以将使用相同机器学习模型的历史诊断模型划分为同一类型,将同一类型的历史疾病诊断模型及其对应的历史知识点信息作为同一个解析模型的训练样本,对预先建立好的解析模型进行训练,得到与该类型对应的疾病诊断模型。可选的,还可以针对每一个历史疾病诊断模型,训练对应的解析模型,得到与该历史疾病诊断模型对应的解析模型。
S330、使用训练好的解析模型对各疾病诊断模型进行解析,获得以自然语言描述的各知识点信息。
S340、将各所述知识点信息进行归纳,形成知识点库。
S350、根据检测到的交互指令,基于预先建立的知识点库中的知识点信息获取与交互指令对应的交互内容。
S360、将所述交互内容输出,以完成与交互对象的交互。
图3B是本发明实施例三所提供的训练好的解析模型结构示意图。本实施例中,以神经网络为例说明,训练的结果由人工神经元权重、阈值系数或网络结构、网络层数等形式存储,整个解析模型包括主干、支干以及子节点等不同层级,属于同一层级的元素表示不同的类别。w11和w12分别表述属于同一支干h1的子节点所代表的元素的权重;w31和w32分别表述属于同一主干h3的支干h1、h2所代表的元素的权重。需要说明的是,本发明实施例对于解析模型的层级并不作具体限制,在其他实施例中还可根据实际病理样本的不同设置为四层或者更多次层。
需要说明的是,本发明实施例所提供的解析模型的训练方法可单独执行。也就是说,可以单独使用本发明实施例所提供的S310-S320中的操作步骤完成对出险概率预测模型和赔付率预测模型的训练,不再执行后续步骤S330-S360中对疾病诊断模型进行解析构建知识点库,并基于构建的知识点库进行人机交互的操作。
本发明实施例的技术方案,在上述实施例的基础上增加了对解析模型进行训练的操作,通过获取历史疾病诊断模型和所述历史疾病诊断模型对应的历史知识点信息;基于所述历史疾病诊断模型和所述历史知识点信息生成训练样本集,使用所述训练样本集对预先建立好的解析模型进行训练,得到训练好的解析模型,使得解析疾病诊断模型获得的知识点信息更加准确。
实施例四
图4是本发明实施例四所提供的人机交互装置的结构示意图。该人机交互装置可以采用软件和/或硬件的方式实现,例如该人机交互装置可以配置于计算机设备,如图4所示,所述装置包括:
交互内容获取模块410,用于根据检测到的交互指令,基于预先建立的知识点库中的知识点信息获取与所述交互指令对应的交互内容,所述知识点库中的知识点信息是通过预先训练好的解析模型对疾病诊断模型进行解析得到的;
交互内容输出模块420,用于将所述交互内容输出,以完成与交互对象的交互。可选地,交互内容输出模块420可以设置成LED显示器或者功放器、扬声器等。
在一个实施例中,交互内容获取模块410可以设置为语音接收装置,该语音接收装置可包括传感器、放大器、模数转换器、滤波器等。示例性地,该语音接收装置的工作过程为:操作医师可向语音接收装置语音发送交互指令;传感器可接收到该语音信号,并将语音信号转换为模拟电信号;模拟电信号经过放大器进行放大处理;放大后的模拟电信号发送至模数转换器进行模数转换处理,形成数字信号;进一步地,数字信号经过滤波器进行去噪处理,以生成计算机可识别的二进制码形式,该二级制码可与预先建立的知识点库中的知识点信息所对应的二进制码进行匹配,以确定与所述交互指令对应的交互内容。
本发明实施例通过交互内容获取模块根据检测到的交互指令,基于预先建立的知识点库中的知识点信息获取与所述交互指令对应的交互内容,其中,所述知识点库中的知识点信息是通过预先训练好的解析模型对疾病诊断模型进行解析得到的。通过交互内容输出模块将所述交互内容输出,以完成与交互对象的交互。在使用疾病诊断模型进行疾病诊断的基础上,使用对其解析出的知识点信息进行人机交互,使交互对象能够在不参与简单疾病诊断的情况下,通过学习从诊断模型中解析获得的知识点将人工智能积累的知识转化为自身的知识和经验,完成从初级到高级的知识经验积累。
在上述方案的基础上,所述交互内容获取模块410具体用于:
若所述交互指令为阅读指令,则从预先建立的知识点库中获取与所述阅读指令对应的阅读内容。
相应的,所述交互内容输出模块420具体用于:
将所述阅读内容进行语音播报和/或将所述阅读内容显示在显示界面上。
在上述方案的基础上,所述交互内容获取模块410具体用于:
若所述交互指令为问答指令,则从预先建立的知识点库中获取与所述问答指令对应的问答内容。
相应的,所述交互内容输出模块420具体用于:
将所述问答内容进行语音播报和/或将所述问答内容显示在显示界面上。
在上述方案的基础上,所述交互内容获取模块410具体用于:
若所述交互指令为测试指令,则从预先建立的知识点库中获取与所述测试指令对应的测试内容。
相应的,所述交互内容输出模块420具体用于:
将所述测试内容进行语音播报和/或将所述测试内容显示在显示界面上。
在上述方案的基础上,所述装置还包括:
测试结果输出模块,用于获取用户输入的测试答案,将所述测试答案与标准答案进行匹配,并根据匹配结果输出测试结果。
在上述方案的基础上,所述装置还包括:
知识点解析模块,用于在根据检测到的交互指令,基于预先建立的知识点库中的知识点信息获取与所述交互指令对应的交互内容之前,使用训练好的解析模型对各疾病诊断模型进行解析,获得以自然语言描述的各知识点信息;
知识点归纳模块,用于将各所述知识点信息进行归纳,形成知识点库,所述知识点库中包含以显示形式、问答形式和/或测试形式所对应的知识点信息。
在上述方案的基础上,所述装置还包括:
训练样本获取模块,用于在使用训练好的解析模型对各疾病诊断模型进行解析之前,获取历史疾病诊断模型和所述历史疾病诊断模型对应的历史知识点信息;
解析模型训练模块,用于基于所述历史疾病诊断模型和所述历史知识点信息生成训练样本集,使用所述训练样本集对预先建立好的解析模型进行训练,得到训练好的解析模型。
本发明实施例所提供的人机交互装置可执行任意实施例所提供的人机交互方法,具备执行方法相应的功能模块和有益效果。
实施例五
图5是本发明实施例五所提供的计算机设备的结构示意图。图5示出了适于用来实现本发明实施方式的示例性计算机设备512的框图。图5显示的计算机设备512仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图5所示,计算机设备512以通用计算设备的形式表现。计算机设备512的组件可以包括但不限于:一个或者多个处理器516,系统存储器528,连接不同系统组件(包括系统存储器528和处理器516)的总线518。
总线518表示几类总线结构中的一种或多种,包括存储器总线或者存储器控制器,外围总线,图形加速端口,处理器516或者使用多种总线结构中的任意总线结构的局域总线。举例来说,这些体系结构包括但不限于工业标准体系结构(ISA)总线,微通道体系结构(MAC)总线,增强型ISA总线、视频电子标准协会(VESA)局域总线以及外围组件互连(PCI)总线。
计算机设备512典型地包括多种计算机系统可读介质。这些介质可以是任何能够被计算机设备512访问的可用介质,包括易失性和非易失性介质,可移动的和不可移动的介质。
系统存储器528可以包括易失性存储器形式的计算机系统可读介质,例如随机存取存储器(RAM)530和/或高速缓存存储器532。计算机设备512可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例,存储装置534可以用于读写不可移动的、非易失性磁介质(图5未显示,通常称为“硬盘驱动器”)。尽管图5中未示出,可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器,以及对可移动非易失性光盘(例如CD-ROM,DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下,每个驱动器可以通过一个或者多个数据介质接口与总线518相连。存储器528可以包括至少一个程序产品,该程序产品具有一组(例如至少一个)程序模块,这些程序模块被配置以执行本发明各实施例的功能。
具有一组(至少一个)程序模块542的程序/实用工具540,可以存储在例如存储器528中,这样的程序模块542包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块542通常执行本发明所描述的实施例中的功能和/或方法。
计算机设备512也可以与一个或多个外部设备514(例如键盘、指向设备、显示器524等)通信,还可与一个或者多个使得用户能与该计算机设备512交互的设备通信,和/或与使得该计算机设备512能与一个或多个其它计算设备进行通信的任何设备(例如网卡,调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口522进行。并且,计算机设备512还可以通过网络适配器520与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。如图所示,网络适配器520通过总线518与计算机设备512的其它模块通信。应当明白,尽管图中未示出,可以结合计算机设备512使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
处理器516通过运行存储在系统存储器528中的程序,从而执行各种功能应用以及数据处理,例如实现本发明实施例所提供的人机交互方法,该方法包括:
根据检测到的交互指令,基于预先建立的知识点库中的知识点信息获取与所述交互指令对应的交互内容,所述知识点库中的知识点信息是通过预先训练好的解析模型对疾病诊断模型进行解析得到的;
将所述交互内容输出,以完成与交互对象的交互。
当然,本领域技术人员可以理解,处理器还可以实现本发明任意实施例所提供的人机交互方法的技术方案。
实施例五
本发明实施例五还提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如本发明实施例所提供的人机交互方法,该方法包括:
根据检测到的交互指令,基于预先建立的知识点库中的知识点信息获取与所述交互指令对应的交互内容,所述知识点库中的知识点信息是通过预先训练好的解析模型对疾病诊断模型进行解析得到的;
将所述交互内容输出,以完成与交互对象的交互。
当然,本发明实施例所提供的一种计算机可读存储介质,其上存储的计算机程序不限于如上所述的方法操作,还可以执行本发明任意实施例所提供的人机交互方法中的相关操作。
本发明实施例的计算机存储介质,可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括——但不限于无线、电线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。
Claims (9)
1.一种人机交互方法,其特征在于,包括:
根据检测到的交互指令,基于预先建立的知识点库中的知识点信息获取与所述交互指令对应的交互内容,所述知识点库中的知识点信息是通过预先训练好的解析模型对疾病诊断模型进行解析得到的;
将所述交互内容输出,以完成与交互对象的交互;
所述通过预先训练好的解析模型对疾病诊断模型进行解析之前,还包括:
获取历史疾病诊断模型和所述历史疾病诊断模型对应的历史知识点信息;
基于所述历史疾病诊断模型和所述历史知识点信息生成训练样本集,使用所述训练样本集对预先建立好的解析模型进行训练,得到训练好的解析模型。
2.根据权利要求1所述的方法,其特征在于,所述根据检测到的交互指令,基于预先建立的知识点库中的知识点信息获取与所述交互指令对应的交互内容,包括:
若所述交互指令为阅读指令,则从预先建立的知识点库中获取与所述阅读指令对应的阅读内容;
相应的,所述将所述交互内容输出包括:
将所述阅读内容进行语音播报和/或将所述阅读内容显示在显示界面上。
3.根据权利要求1所述的方法,其特征在于,所述根据检测到的交互指令,基于预先建立的知识点库中的知识点信息获取与所述交互指令对应的交互内容,包括:
若所述交互指令为问答指令,则从预先建立的知识点库中获取与所述问答指令对应的问答内容;
相应的,将所述交互内容输出包括:
将所述问答内容进行语音播报和/或将所述问答内容显示在显示界面上。
4.根据权利要求1所述的方法,其特征在于,所述根据检测到的交互指令,基于预先建立的知识点库中的知识点信息获取与所述交互指令对应的交互内容,包括:
若所述交互指令为测试指令,则从预先建立的知识点库中获取与所述测试指令对应的测试内容;
相应的,将所述交互内容输出包括:
将所述测试内容进行语音播报和/或将所述测试内容显示在显示界面上。
5.根据权利要求4所述的方法,其特征在于,还包括:
获取用户输入的测试答案,将所述测试答案与标准答案进行匹配,并根据匹配结果输出测试结果。
6.根据权利要求1所述的方法,其特征在于,在根据检测到的交互指令,基于预先建立的知识点库中的知识点信息获取与所述交互指令对应的交互内容之前,还包括:
使用训练好的解析模型对各疾病诊断模型进行解析,获得以自然语言描述的各知识点信息;
将各所述知识点信息进行归纳,形成知识点库,所述知识点库中包含以显示形式、问答形式和/或测试形式所对应的知识点信息。
7.一种人机交互装置,其特征在于,包括:
交互内容获取模块,用于根据检测到的交互指令,基于预先建立的知识点库中的知识点信息获取与所述交互指令对应的交互内容,所述知识点库中的知识点信息是通过预先训练好的解析模型对疾病诊断模型进行解析得到的;
交互内容输出模块,用于将所述交互内容输出,以完成与交互对象的交互;
训练样本获取模块,用于在使用训练好的解析模型对各疾病诊断模型进行解析之前,获取历史疾病诊断模型和所述历史疾病诊断模型对应的历史知识点信息;
解析模型训练模块,用于基于所述历史疾病诊断模型和所述历史知识点信息生成训练样本集,使用所述训练样本集对预先建立好的解析模型进行训练,得到训练好的解析模型。
8.一种计算机设备,其特征在于,所述设备包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-6中任一所述的人机交互方法。
9.一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,该程序被处理器执行时实现如权利要求1-6中任一所述的人机交互方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811022591.7A CN109147927B (zh) | 2018-09-03 | 2018-09-03 | 一种人机交互方法、装置、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811022591.7A CN109147927B (zh) | 2018-09-03 | 2018-09-03 | 一种人机交互方法、装置、设备及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109147927A CN109147927A (zh) | 2019-01-04 |
CN109147927B true CN109147927B (zh) | 2022-05-24 |
Family
ID=64826428
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811022591.7A Active CN109147927B (zh) | 2018-09-03 | 2018-09-03 | 一种人机交互方法、装置、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109147927B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110008328A (zh) * | 2019-04-04 | 2019-07-12 | 福建奇点时空数字科技有限公司 | 一种通过人机交互技术实现自动客户服务的方法和设备 |
CN111178209B (zh) * | 2019-12-20 | 2021-04-20 | 凯思轩达医疗科技无锡有限公司 | 核磁共振交互处理方法、装置及核磁共振交互系统 |
CN111180064B (zh) * | 2019-12-25 | 2023-04-07 | 北京亚信数据有限公司 | 一种辅助诊断模型的评测方法、装置及计算设备 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101625799A (zh) * | 2008-07-07 | 2010-01-13 | 梁昌年 | 用于个性化学习的界面 |
CN106295186A (zh) * | 2016-08-11 | 2017-01-04 | 中国科学院计算技术研究所 | 一种基于智能推理的辅助疾病诊断的方法与系统 |
CN108231193A (zh) * | 2018-03-12 | 2018-06-29 | 东南大学 | 一种临床决策辅助系统及方法 |
CN108319705A (zh) * | 2018-02-06 | 2018-07-24 | 中山大学 | 一种基于教学资源的个性化教学过程自动生成方法及系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150169833A1 (en) * | 2013-12-16 | 2015-06-18 | Ulli Waltinger | Method and System for Supporting a Clinical Diagnosis |
-
2018
- 2018-09-03 CN CN201811022591.7A patent/CN109147927B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101625799A (zh) * | 2008-07-07 | 2010-01-13 | 梁昌年 | 用于个性化学习的界面 |
CN106295186A (zh) * | 2016-08-11 | 2017-01-04 | 中国科学院计算技术研究所 | 一种基于智能推理的辅助疾病诊断的方法与系统 |
CN108319705A (zh) * | 2018-02-06 | 2018-07-24 | 中山大学 | 一种基于教学资源的个性化教学过程自动生成方法及系统 |
CN108231193A (zh) * | 2018-03-12 | 2018-06-29 | 东南大学 | 一种临床决策辅助系统及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109147927A (zh) | 2019-01-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107103201B (zh) | 医疗导航路径的生成方法、装置及医疗路径导航方法 | |
US8060178B2 (en) | System and method for performing probabilistic classification and decision support using multidimensional medical image databases | |
JP6542664B2 (ja) | 患者情報を臨床基準にマッチングするシステム及び方法 | |
US20160321414A1 (en) | Diagnostic Test Planning | |
CN110675951A (zh) | 智能化的疾病诊断方法及装置、计算机设备与可读介质 | |
CN111316281A (zh) | 基于机器学习的自然语言情境中数值数据的语义分类 | |
US11900266B2 (en) | Database systems and interactive user interfaces for dynamic conversational interactions | |
CN110033859A (zh) | 评估患者的医学检查结果的方法、系统、程序和存储介质 | |
Mazzanti et al. | Imaging, health record, and artificial intelligence: hype or hope? | |
CN109147927B (zh) | 一种人机交互方法、装置、设备及介质 | |
CN115994902A (zh) | 医学图像分析方法、电子设备及存储介质 | |
US20240127436A1 (en) | Multi-modal computer-aided diagnosis systems and methods for prostate cancer | |
US20160321402A1 (en) | Data-Enriched Electronic Healthcare Guidelines For Analytics, Visualization Or Clinical Decision Support | |
JP7492769B2 (ja) | 認知症診断に必要な情報の提供方法及び装置 | |
CN103098061A (zh) | 临床状态时间线 | |
EP4199002A1 (en) | A computer implemented method and a system | |
CN117457175A (zh) | 影像检查方法、装置和计算机设备 | |
CN117216322A (zh) | 一种电子病历的生成方法、装置、设备及存储介质 | |
CN112669973B (zh) | 基于大数据深度学习的疾病协同递进预测方法和机器人 | |
US11399757B1 (en) | Medical imaging with features to determine emotional state | |
US20230238151A1 (en) | Determining a medical professional having experience relevant to a medical procedure | |
Cheng et al. | Mining discriminative patterns to predict health status for cardiopulmonary patients | |
CN114283912A (zh) | 基于rthd、人工智能的医学病历建档方法及云平台系统 | |
CN110889836A (zh) | 一种影像数据分析方法、装置、终端设备及存储介质 | |
US20230368895A1 (en) | Device at the point of imaging for integrating training of ai algorithms into the clinical workflow |
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 | ||
CB02 | Change of applicant information |
Address after: 201807 Shanghai City, north of the city of Jiading District Road No. 2258 Applicant after: Shanghai Lianying Medical Technology Co., Ltd Address before: 201807 Shanghai City, north of the city of Jiading District Road No. 2258 Applicant before: SHANGHAI UNITED IMAGING HEALTHCARE Co.,Ltd. |
|
CB02 | Change of applicant information | ||
GR01 | Patent grant | ||
GR01 | Patent grant |