CN109326352B - 疾病预测方法、装置、终端及存储介质 - Google Patents

疾病预测方法、装置、终端及存储介质 Download PDF

Info

Publication number
CN109326352B
CN109326352B CN201811266685.9A CN201811266685A CN109326352B CN 109326352 B CN109326352 B CN 109326352B CN 201811266685 A CN201811266685 A CN 201811266685A CN 109326352 B CN109326352 B CN 109326352B
Authority
CN
China
Prior art keywords
disease
word
symptom
vector
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.)
Active
Application number
CN201811266685.9A
Other languages
English (en)
Other versions
CN109326352A (zh
Inventor
苏丽娟
陈志刚
王万新
赵京伟
郑会丽
唐晓昱
杨奕凡
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Tencent Technology Shenzhen Co Ltd
Original Assignee
Tencent Technology Shenzhen Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Tencent Technology Shenzhen Co Ltd filed Critical Tencent Technology Shenzhen Co Ltd
Priority to CN201811266685.9A priority Critical patent/CN109326352B/zh
Publication of CN109326352A publication Critical patent/CN109326352A/zh
Application granted granted Critical
Publication of CN109326352B publication Critical patent/CN109326352B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G16INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16HHEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/20ICT 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Biomedical Technology (AREA)
  • Public Health (AREA)
  • Pathology (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Epidemiology (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Medical Treatment And Welfare Office Work (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)

Abstract

本发明实施例公开了一种疾病预测方法、装置、终端及存储介质,其中方法包括:在用户界面中获取待检测用户的疾病描述信息,并根据所述疾病描述信息生成目标疾病向量;从疾病向量集合中筛选出匹配疾病向量,所述匹配疾病向量是指所述疾病向量集合包括的疾病向量中与所述目标疾病向量相匹配的疾病向量;根据所述匹配疾病向量预测所述待检测用户的疾病信息;可以更好地预测待检测用户的疾病信息。

Description

疾病预测方法、装置、终端及存储介质
技术领域
本发明涉及计算机技术领域,尤其涉及一种疾病预测方法、装置、终端及存储介质。
背景技术
目前,当患病用户感觉身体不适却不清楚病情时,通常会盲目地选择科室以及医生进行挂号就诊。此情况下,可能会出现患病用户所选择的医生无法对该患病用户进行诊断,从而可能需要患病用户重新选择科室以及医生进行挂号就诊。由此可见,在患病用户的就诊过程中,可能会由于不清楚病情导致患病用户重复进行挂号就诊等操作,从而导致患病用户不能及时就诊,且其时间成本以及人力成本较高。
因此,若可以在患病用户就诊前,对患病用户进行疾病分析预测,则可以使得患病用户根据疾病预测结果正确选择科室以及医生进行挂号就诊,使得患病用户及时就诊,这使得如何对患病用户进行疾病分析预测成为了研究热点。
发明内容
本发明实施例提供了一种疾病预测方法、装置、终端及存储介质,可更好地对患病用户等待检测用户进行疾病分析预测。
一方面,本发明实施例提供了一种疾病预测方法,包括:
在用户界面中获取待检测用户的疾病描述信息,并根据所述疾病描述信息生成目标疾病向量;
从疾病向量集合中筛选出匹配疾病向量,所述匹配疾病向量是指所述疾病向量集合包括的疾病向量中与所述目标疾病向量相匹配的疾病向量;
根据所述匹配疾病向量预测所述待检测用户的疾病信息。
另一方面,本发明实施例提供了一种疾病预测装置,包括:
获取单元,用于在用户界面中获取待检测用户的疾病描述信息,并根据所述疾病描述信息生成目标疾病向量;
筛选单元,用于从疾病向量集合中筛选出匹配疾病向量,所述匹配疾病向量是指所述疾病向量集合包括的疾病向量中与所述目标疾病向量相匹配的疾病向量;
确定单元,用于根据所述匹配疾病向量预测所述待检测用户的疾病信息。
再一方面,本发明实施例提供一种智能终端,包括处理器、输入设备、输出设备和存储器,所述处理器、输入设备、输出设备和存储器相互连接,其中,所述存储器用于存储计算机程序,所述计算机程序包括程序指令,所述处理器被配置用于调用所述程序指令,执行如下步骤:
在用户界面中获取待检测用户的疾病描述信息,并根据所述疾病描述信息生成目标疾病向量;
从疾病向量集合中筛选出匹配疾病向量,所述匹配疾病向量是指所述疾病向量集合包括的疾病向量中与所述目标疾病向量相匹配的疾病向量;
根据所述匹配疾病向量预测所述待检测用户的疾病信息。
再一方面,本发明实施例提供一种计算机存储介质,该计算机存储介质存储有计算机程序指令,该计算机程序指令被执行时用于实现上述的疾病预测方法。
本发明实施例可以先根据待检测用户的疾病描述信息生成目标疾病向量,用目标疾病向量表示疾病描述信息可以降低技术难度,提高效率。由于疾病向量集合中包括至少一个疾病向量,每个疾病向量均可以表示一个疾病,因此可以通过向量匹配的方式从疾病向量集合中筛选出匹配疾病向量,根据匹配疾病向量预测待检测用户的疾病信息。由此可见,通过对待检测用户进行疾病预测,可以使得待检测用户根据预测得到的疾病信息正确选择科室以及医生进行挂号诊断,可以使得待检测用户及时就诊,可以较大程度地节省时间成本以及人力成本。
附图说明
为了更清楚地说明本发明实施例技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1a是本发明实施例提供的一种疾病预测功能的应用场景图;
图1b是本发明实施例提供的另一种疾病预测功能的应用场景图;
图2是本发明实施例提供的一种疾病预测方法的流程示意图;
图3是本发明另一实施例提供的一种疾病预测方法的流程示意图;
图4是本发明实施例提供的一种疾病向量集合的构建示意图;
图5a是本发明实施例提供的一种用户界面的示意图;
图5b是本发明实施例提供的另一种用户界面的示意图;
图5c是本发明实施例提供的另一种用户界面的示意图;
图5d是本发明实施例提供的另一种用户界面的示意图;
图6是本发明实施例提供的一种疾病预测装置的结构示意图;
图7是本发明实施例提供的一种智能终端的结构示意图。
具体实施方式
在本发明实施例中,智能终端(简称终端)可以为待检测用户提供一个疾病预测功能,当待检测用户感觉到身体不适时,可以打开终端中的疾病预测功能,此时终端可以在用户界面引导待检测用户输入身体不适的相关描述,如图1a所示。终端获取到待检测用户输入的相关描述后,可以根据该相关描述确定待检测用户的疾病描述信息,并根据疾病描述信息预测待检测用户的疾病信息,将预测得到的疾病信息推送给待检测用户,如图1b所示,预测得到的疾病信息中包括待检测用户可能患有的疾病名称。待检测用户可以根据该疾病信息选择合适的医生进行就诊,避免挂号错误以及重复挂号等操作,可以使待检测用户及时就诊,可以较大程度地节省时间成本以及人力成本。
在一个实施例中,该疾病预测功能可以作为独立的功能模块添加到终端已安装的应用软件中,例如该疾病预测功能可以作为独立的功能模块添加到某即时通讯应用软件中的公众号中,又如该疾病预测功能可以作为独立的功能模块添加到某即时通讯应用软件中的应用小程序中;再一个实施例中,该疾病预测功能也可以作为独立的应用软件运行于终端中;再一个实施例中,该疾病预测功能还可以作为终端的独立的系统功能。
基于上述疾病预测功能的描述,本发明实施例在图2中提出了一种疾病预测方法的示意流程图。本发明实施例的所述方法可以由一个终端来实现,例如智能手机、平板电脑等移动智能终端,以及台式电脑等,也可以由运行在终端中的应用程序来实现等等。为了便于描述,本发明实施例以终端执行该疾病预测方法为例。
待检测用户感觉身体不适时,可以打开终端中的疾病预测功能。终端在检测到开启疾病预测功能的指令后,可以呈现一个用户界面给待检测用户,该用户界面中可以包括向待检测用户推送的至少一个疾病推送症状词,以使得待检测用户可以根据自身的身体情况在该用户界面中输入身体不适的相关描述等交互信息,和/或在用户界面中的至少一个疾病推送症状词中选择与身体不适的症状相匹配的疾病推送症状词。此时终端可以通过S201在用户界面中获取待检测用户的疾病描述信息,并根据该疾病描述信息生成目标疾病向量。此处获取的疾病描述信息可以由待检测用户输入的身体不适的交互信息和/或待检测用户选择的疾病推送症状词确定。
在一种实施方式中,疾病描述信息可以是根据待检测用户的用户信息在用户界面上向待检测用户推送至少一个疾病推送症状词之后,根据待检测用户输入的交互信息和/或待检测用户从用户界面选择的疾病推送症状词所确定的信息。再一种实施方式中,疾病描述信息可以是根据待检测用户输入的多个反馈信息所确定的信息,每个反馈信息均是在用户界面向待检测用户推送至少一个疾病推送症状词之后,根据待检测用户输入的交互信息和/或待检测用户从用户界面当前显示的至少一个疾病推送症状词中所选择的疾病推送症状词确定的。
由于本发明实施例主要运用计算机技术对待检测用户进行疾病预测,因此在确认过程中需要将疾病描述信息与计算机技术结合,将其转化为终端所能识别的机器语言,以便于终端可以识别该机器语言并根据该机器语言进行相应的疾病预测等操作。由于不同的疾病描述信息对应不同的疾病,因此可以采用终端可以识别的疾病向量来表示疾病描述信息,不同疾病向量可以表示不同的疾病描述信息。因此,在获取到疾病描述信息之后,可以根据该疾病描述信息生成目标疾病向量。
在生成目标疾病向量之后,可以在S202中从疾病向量集合中筛选出匹配疾病向量,所述匹配疾病向量是指所述疾病向量集合包括的疾病向量中与所述目标疾病向量相匹配的疾病向量。该疾病向量集合可以是预先设置的,疾病向量集合中可以包括至少一个疾病向量,每个疾病向量可以对应一个疾病信息,例如对应一个疾病名称。由于每个疾病向量均具有大小和方向,因此在一种实施方式中,从疾病向量集合中筛选出匹配疾病向量的具体实施方式可以是:先从疾病向量集合中筛选出与目标疾病向量方向相同的候选疾病向量,此处的方向相同可以包括:候选疾病向量的方向与目标疾病向量的方向一致,或者候选疾病向量的方向与目标疾病向量的方向之间的夹角小于预设角度;然后从候选疾病向量中筛选出与目标疾病向量大小相同的匹配疾病向量。再一种实施方式中,也可以先从疾病向量集合中筛选出与目标疾病向量大小相同的候选疾病向量,然后从候选疾病向量中筛选出与目标疾病向量方向相同的匹配疾病向量。
再一种实施方式中,从疾病向量集合中筛选出匹配疾病向量的具体实施方式可以是:计算疾病向量集合中的各疾病向量与目标疾病向量之间的疾病向量相似性;根据该疾病向量相似性从疾病向量集合中筛选出匹配疾病向量,该匹配疾病向量和目标疾病向量之间的相似性大于第二预设阈值。
在得到匹配疾病向量后,可以在S203中根据该匹配疾病向量预测待检测用户的疾病信息。具体的,由前述可知,疾病向量集合中的每个疾病向量均对应一个疾病名称,而匹配疾病向量是从疾病向量集合中确定的,因此可以找到该匹配疾病向量所对应的疾病名称。由于匹配疾病向量与目标疾病向量相匹配,因此可以将该匹配疾病向量所对应的疾病名称确定为待检测用户的疾病信息中的疾病名称。
本发明实施例可以先根据待检测用户的疾病描述信息生成目标疾病向量,用目标疾病向量表示疾病描述信息可以降低技术难度,提高效率。由于疾病向量集合中包括至少一个疾病向量,每个疾病向量均可以表示一个疾病,因此可以通过向量匹配的方式从疾病向量集合中筛选出匹配疾病向量,根据匹配疾病向量预测待检测用户的疾病信息。由此可见,通过对待检测用户进行疾病预测,可以使得待检测用户根据预测得到的疾病信息正确选择科室以及医生进行挂号诊断,可以使得待检测用户及时就诊,可以较大程度地节省时间成本以及人力成本。
再一个实施例中,本发明实施例在图3中提出了另一种疾病预测方法的示意流程图。本发明实施例的所述疾病预测方法可以由一个终端来实现,例如智能手机、平板电脑等移动智能终端,以及台式电脑等,也可以由运行在终端中的应用程序来实现等等。为了便于描述,本发明实施例以终端执行该疾病预测方法为例。
终端可以预先构建一个疾病向量集合,构建疾病向量集合的方法请一并参见图4,终端可以在S301中获取疾病症状体征库,该疾病症状体征库中包括至少一个疾病名称、每个疾病名称对应一个或多个疾病症状词。此处的疾病症状体征库可以由专业的医学人员标注并构建的症状体征库。由于每个疾病名称可以对应多个疾病症状词,每个疾病症状词对疾病名称的判断导向的影响不同。例如某疾病名称为多动症,其对应的疾病症状词包括“多动作”和“做事拖拉”,实践表明,若用户输入“多动作”,则预测得到待检测用户的疾病信息中的疾病名称为多动症的概率较大,若用户输入“做事拖拉”,则预测得到待检测用户的疾病信息中的疾病名称为多动症的概率较小。因此在一个实施例中,在构建疾病症状体征库时,可以根据疾病症状词对疾病名称的判断导向的影响程度对各疾病症状词进行症状等级的划分,即疾病症状体征库可以如表1所示:
表1
疾病 编号 一级症状 二级症状 三级症状 疾病别名
产后异常 062 引产 产力异常 月经紊乱
肠易激综合征 K58 双下肢皮损 腹胀、腹痛 肠痉挛
抽动障碍 F95 强迫行为 不自主运动 抽搐、抽动 抽动症
多动症 O56 做事拖拉 多动作
在获取到疾病症状体征库之后,可以在S302中获取疾病症状体征库中目标疾病名称所对应的疾病症状词的词向量,该目标疾病名称可以是疾病症状体征库中的任意一个疾病名称,也可以是基于医院的大量就诊数据从疾病症状体征库中确定的常见疾病的疾病名称。具体的,可以先获取目标疾病名称所对应的疾病症状词,然后可以采用词向量模型对目标疾病名称所对应的疾病症状词进行向量转换,以得到目标疾病名称所对应的疾病症状词的词向量。在一个实施例中,每一个疾病症状词的词向量均可以是一维或多维向量,例如采用250维向量来表示一个疾病症状词。
所述词向量模型可以利用文本分类算法、词向量训练工具以及训练语料对初始模型进行训练得到,该训练语料可以包括但不限于:各大网站中的文本、医学问答系统中的问答信息等。词向量模型的训练原理主要是:在训练语料中寻找上下文关系,获取特定词汇的词向量,获取到的特征词汇的词向量应该满足在训练语料中的位置以及意思相近的词汇所对应的词向量的方向相近,所述方向相近是指两词向量之间的夹角小于预设角度。例如,“发烧”和“发热”两词在训练预料中出现的位置相似,根据上下文关系可以确定“发烧”的词向量和“发热”的词向量的方向应该相近,若通过初始模型得到的“发烧”的词向量和“发热”的词向量之间的夹角小于预设角度,则说明该初始模型可以准确生成词向量,可以将该初始模型作为词向量模型。若通过初始模型得到的“发烧”的词向量和“发热”的词向量之间的夹角大于预设角度,则继续对初始模型进行训练,不断更改初始模型的模型参数,直至训练得到的初始模型生成的“发烧”的词向量和“发热”的词向量之间的夹角小于预设角度,此时模型训练完成,将此时的初始模型作为词向量模型。
在得到目标疾病名称所对应的疾病症状词的词向量之后,可以在S303中根据目标疾病名称所对应的疾病症状词的词向量,生成目标疾病名称所对应的疾病向量。在一种实施方式中,可以将目标疾病名称所对应的疾病症状词的词向量直接相加,将相加得到的向量作为目标疾病名称所对应的疾病向量。再一种实施方式中,可以求取目标疾病名称所对应的疾病症状词的词向量的平均向量,将该平均向量作为目标疾病名称所对应的疾病向量。
再一种实施方式中,所述目标疾病名称所对应的疾病症状词至少包括:一级疾病症状词和二级疾病症状词;相应的,根据目标疾病名称所对应的疾病症状词的词向量,生成目标疾病名称所对应的疾病向量的具体实施方式还可以是:获取一级疾病症状词所对应的第一权重值,以及二级疾病症状词所对应的第二权重值;根据一级疾病症状词的词向量和第一权重值,以及二级疾病症状词的词向量和第二权重值进行加权处理,生成目标疾病名称所对应的疾病向量。例如:一级疾病症状词的词向量为(1,2,3)和第一权重值为5,二级疾病症状词的词向量为(2,3,1)和第二权重值为10,那么目标疾病名称所对应的疾病向量等于5*(1,2,3)+10*(2,3,1)=(25,40,25)。
需要说明的是,在其他实施例中,所述目标疾病名称所对应的疾病症状词还可以包括更多症状等级的疾病症状词,例如包括:一级疾病症状词、二级疾病症状词、三级疾病症状词以及四级疾病症状词。同理,可以根据各症状等级的疾病症状词的词向量以及对应的权重值进行加权处理,生成目标疾病名称所对应的疾病向量。不同症状等级的疾病症状词具有不同的权重值,由于症状等级越高的疾病症状词对目标疾病名称的判断导向的影响程度越高,因此症状等级越高的疾病症状词的权重值越大。参考疾病症状词对目标疾病名称的判断导向的影响程度计算目标疾病名称所对应的疾病向量,可以使得计算出的目标疾病名称所对应的疾病向量更准确,以便于后续实现更加准确地对待检测用户进行疾病预测。
在得到目标疾病名称所对应的疾病向量之后,可以在S304中采用目标疾病名称所对应的疾病向量构成疾病向量集合,即该疾病向量集合中包括至少一个疾病向量。终端还可以通过S305在用户界面中获取待检测用户的疾病描述信息,并根据该疾病描述信息生成目标疾病向量。在一个实施例中,在用户界面中获取待检测用户的疾病描述信息的具体实施方式可以包括如下步骤s11-s13:
s11,获取待检测用户的用户信息,所述用户信息包括以下至少一种:年龄信息、性别信息、历史诊断信息。
具体实施过程中,终端可以获取与待检测用户相关的就诊卡信息,该相关的就诊卡信息可以包括待检测用户的就诊卡信息和/或与待检测用户相关联的关联用户(如父母、姐弟、朋友等用户)的就诊卡信息,并在用户界面向待检测用户推送该相关的就诊卡信息,以供待检测用户选择。根据待检测用户所选择的目标就诊卡信息查询该目标就诊卡信息所对应的用户信息,并将查询到的用户信息作为待检测用户的用户信息。可选的,在其他实施例中,待检测用户可以在用户界面中手动输入年龄、性别以及历史诊断信息等用户信息,以使得终端可以在用户界面中获取该用户信息。需要说明的是,所述用户信息可以为用户于用户界面中输入的信息,或者获得用户授权在用户界面中录入的信息。
s12,根据用户信息和疾病症状词推送策略进行第一推送处理,以推送至少一个第一疾病推送症状词。
在一种实施方式中,在获取到用户信息之后,可以根据年龄信息以及性别信息确定出待检测用户所属人群通常患有的疾病的第一疾病名称,然后从疾病症状体征库中查询该第一疾病名称所对应的疾病症状词,将该第一疾病名称所对应的疾病症状词作为第一疾病推送症状词,并将该第一疾病推送症状词显示在用户界面中以完成第一推送处理。
再一种实施方式中,在获取到用户信息之后,可以根据历史诊断信息确定待检测用户可能患有的疾病的第二疾病名称,然后从疾病症状体征库中查询该第二疾病名称所对应的疾病症状词,将该第二疾病名称所对应的疾病症状词作为第一疾病推送症状词,并将该第一疾病推送症状词显示在用户界面中以完成第一推送处理。
s13,获取待检测用户的疾病描述信息,所述疾病描述信息是根据选择操作所选择的第一疾病推送症状词和/或在输入界面中输入的第一交互信息确定的。
终端向待检测用户推送至少一个第一疾病推送症状词之后,待检测用户可以判断推送的第一疾病推送症状词中是否存在与身体不适的症状相匹配的第一疾病推送症状词。若存在,则可以通过选择操作直接选择该相匹配的第一疾病推送症状词,所述选择操作可以包括:对相匹配的第一疾病推送症状词的点击操作,或者输入语音指令的输入操作,语音指令用于指示终端确定相匹配的第一疾病推送症状词。若不存在,则可以通过输入界面输入第一交互信息,该第一交互信息可以是待检测用户输入的描述身体不适的症状的相关描述信息。需要说明的是,待检测用户既可以选择相匹配的第一疾病推送症状词,也可以在输入界面中输入第一交互信息。
疾病描述信息可以由一个或多个目标疾病症状词构成。若待检测用户在输入界面输入了第一交互信息,则可以对第一交互信息进行疾病症状词的提取处理,将提取出的疾病症状词作为疾病描述信息中的目标疾病症状词。若待检测用户通过选择操作选择了第一疾病推送症状词,则可以将选择操作所选择的第一疾病推送症状词作为疾病描述信息中的目标疾病症状词。若待检测用户既选择了第一疾病推送症状词,也输入了第一交互信息,则可以将在第一交互信息中提取得到疾病症状词以及选择的第一疾病推送症状词均作为疾病描述信息中的目标疾病症状词。
再一个实施例中,在用户界面中获取待检测用户的疾病描述信息的具体实施方式可以包括如下步骤s21-s25:
s21,基于疾病症状词推送策略进行第二推送处理,以推送至少一个第二疾病推送症状词。
在一种实施方式中,终端可以获取待检测用户的用户信息,所述用户信息包括以下至少一种:年龄信息、性别信息、历史诊断信息;根据用户信息和疾病症状词推送策略进行第一推送处理,以推送至少一个第一疾病推送症状词。终端接收到选择操作所选择的第一疾病推送症状词和/或在输入界面中输入的第一交互信息之后,可以根据选择操作所选择的第一疾病推送症状词和/或第一交互信息确定第二疾病推送症状词,并将该第二疾病推送症状词显示在用户界面中以完成第二推送处理。在一个实施例中,完成第二推送处理之后,终端还可以在用户界面输出第一问题以询问待检测用户身体不适的症状,例如第一问题可以是“请问患者哪里不舒服?”。
其中,根据选择操作所选择的第一疾病推送症状词和/或第一交互信息确定第二疾病推送症状词的具体实施方式可以是:计算选择操作所选择的第一疾病推送症状词的词向量和/或在第一交互信息中提取得到疾病症状词的词向量;基于计算得到的词向量从疾病的疾病向量集合中查找相匹配的词向量,将该相匹配的词向量所对应的疾病症状词作为第二疾病推送症状词。
再一种实施方式中,终端检测到开启疾病预测功能的指令后,可以基于随机原则从疾病向量集合中获取一些疾病症状词,将这些疾病症状词作为第二疾病推送症状词,并将该第二疾病推送症状词显示在用户界面中以完成第二推送处理。此处的随机原则可以包括:从疾病向量集合中任意选取,或者基于医院的大量就诊数据从疾病向量集合中选取。
s22,获取第一反馈信息,所述第一反馈信息是根据选择操作所选择的第二疾病推送症状词和/或在输入界面中输入的第二交互信息确定的。
终端向待检测用户推送至少一个第二疾病推送症状词之后,待检测用户可以通过选择操作直接选择该相匹配的第二疾病推送症状词,和/或通过输入界面输入第二交互信息,该第二交互信息可以是待检测用户输入的描述身体不适的症状的相关描述信息。相应的,第一反馈信息是根据选择操作所选择的第二疾病推送症状词和/或在输入界面中输入的第二交互信息确定的。第一反馈信息可以由一个或多个疾病症状词构成,也就是说,第一反馈信息中的疾病症状词可以包括根据选择操作所选择的第二疾病推送症状词和/或在第二交互信息中提取得到的疾病症状词。
s23,根据所述第一反馈信息和所述疾病症状词推送策略进行第三推送处理,以推送至少一个第三疾病推送症状词。
具体实施过程中,可以先计算疾病症状体征库中的各疾病症状词的词向量与第一反馈信息中的疾病症状词的词向量之间的词向量相似性;其次,根据所述词向量相似性从疾病症状体征库中筛选出第三疾病推送症状词,所述第三疾病推送症状词的词向量和所述第一反馈信息中的疾病症状词之间的相似性大于第一预设阈值,该第一预设阈值可以是根据经验值确定的;然后,根据所述第三疾病推送症状词进行第三推送处理。在一个实施例中,若确定出的第三疾病推送症状词的数量较多,则可以根据第三疾病推送症状词的词向量和第一反馈信息中的疾病症状词之间的相似性,选取相似性最高的前N的第三疾病推送症状词进行第三推送处理,N可以根据业务需求确定,如N=5。在一个实施例中,完成第三推送处理之后,终端还可以在用户界面输出第二问题以询问待检测用户是否还有其他身体不适的症状,例如第二问题可以是“患者还有其他不适症状吗?”。
在一种实施方式中,根据所述第一反馈信息和所述疾病症状词推送策略进行第三推送处理时,还可以根据第一反馈信息中的疾病症状词生成第一反馈信息所对应的疾病向量,根据第一反馈信息所对应的疾病向量确定第一反馈信息所对应的疾病名称,获取该第一反馈信息所对应的疾病名称所对应的疾病症状词,将获取到的疾病症状词作为第三疾病推送症状词。然后根据所述第三疾病推送症状词进行第三推送处理。
s24,获取第二反馈信息,所述第二反馈信息是根据选择操作所选择的第三疾病推送症状词和/或在输入界面中输入的第三交互信息确定的。
终端向待检测用户推送至少一个第三疾病推送症状词之后,待检测用户可以通过选择操作直接选择该相匹配的第三疾病推送症状词,和/或通过输入界面输入第三交互信息。在一种实施方式中,该第三交互信息可以是待检测用户输入的描述身体不适的症状的相关描述信息。相应的,第二反馈信息是根据选择操作所选择的第三疾病推送症状词和/或在输入界面中输入的第三交互信息确定的。此情况下,第二反馈信息可以由一个或多个疾病症状词构成,也就是说,第二反馈信息中的疾病症状词可以包括根据选择操作所选择的第二疾病推送症状词和/或在第三交互信息中提取得到的疾病症状词。
再一种实施方式中,该第三交互信息可以是没有包含疾病症状词的交互信息,该第三交互信息可用于表示待检测用户无其他症状描述信息。若待检测用户已经在步骤s22中输入了身体不适的全部症状的描述信息,则待检测用户可以不再进行选择操作,可以在输入界面输入该第三交互信息,例如待检测用户输入的第三交互信息可以是“无其他症状,请进行疾病预测”“以上都没有”等等。相应的,此情况下,根据该第三交互信息确定的第二反馈信息中无疾病症状词。
s25,根据所述第二反馈信息和所述第一反馈信息确定疾病描述信息。
疾病描述信息可以由一个或多个目标疾病症状词构成。若第二反馈信息中包括疾病症状词,则疾病描述信息中的目标疾病症状词可以包括第一反馈信息中的疾病症状词以及第二反馈信息中的疾病症状词。若第二反馈信息中无疾病症状词,则疾病描述信息中的目标疾病症状词可以只包括第一反馈信息中的疾病症状词。
在其他实施例中,若终端在预设时长内未获取到第二反馈信息,则可以自动根据第一反馈信息确定疾病描述信息,即此情况下的疾病描述信息中的目标疾病症状词可以只包括第一反馈信息中的疾病症状词。需要说明的是,上述步骤s21-s25中可以进行更多次的推送处理,例如在获取到第二反馈信息之后,可以根据所述第二反馈信息和所述疾病症状词推送策略进行第四推送处理,以推送至少一个第四疾病推送症状词,获取第三反馈信息。根据第一反馈信息、第二反馈信息以及第三反馈信息确定疾病描述信息。
在获取到待检测用户的疾病描述信息之后,可以根据疾病描述信息生成目标疾病向量。具体的,所述疾病描述信息包括至少一个目标疾病症状词,所述根据所述疾病描述信息生成目标疾病向量,包括:将所述疾病描述信息中的至少一个目标疾病症状词进行词向量转换,得到所述至少一个目标疾病症状词的词向量;将至少一个目标疾病症状词的词向量直接相加,将相加得到的向量作为目标疾病向量。再一种实施方式中,可以求取至少一个目标疾病症状词的词向量的平均向量,将该平均向量作为目标疾病向量。
再一种实施方式中,所述疾病描述信息包括至少一个目标疾病症状词,所述根据所述疾病描述信息生成目标疾病向量,包括:将所述疾病描述信息中的至少一个目标疾病症状词进行词向量转换,得到所述至少一个目标疾病症状词的词向量;获取所述至少一个目标疾病症状词的权重值,所述权重值是根据所述目标疾病症状词的症状等级设置的;根据所述至少一个目标疾病症状词的词向量和所述权重值进行加权处理,生成目标疾病向量。根据目标疾病症状词对待检测用户的疾病信息中的疾病名称的判断导向的影响程度计算目标疾病向量,可以使得计算出的目标疾病向量更准确,从而可以实现更加准确地对待检测用户进行疾病预测。
在确定出目标疾病向量之后,可以在S306中,从疾病向量集合中筛选出匹配疾病向量,所述匹配疾病向量是指所述疾病向量集合包括的疾病向量中与所述目标疾病向量相匹配的疾病向量。具体的,可以计算所述疾病向量集合中的各疾病向量与所述目标疾病向量之间的疾病向量相似性;根据所述疾病向量相似性从所述疾病向量集合中筛选出匹配疾病向量,所述匹配疾病向量和所述目标疾病向量之间的相似性大于第二预设阈值,该第二预设阈值可以是根据经验值确定的。在一种实施方式中,可以采用余弦距离公式、欧式距离公式、曼哈顿距离公式、欧几里得距离公式等公式计算疾病向量集合中的各疾病向量与所述目标疾病向量之间的疾病向量相似性。在得到匹配疾病向量之后,可以在S307中根据匹配疾病向量预测所述待检测用户的疾病信息。
在一个实施例中,在预测得到待检测用户的疾病信息后,可以根据待检测用户的疾病信息确定推荐医生,所述推荐医生为1个或多个;获取推荐医生的目标信息,所述目标信息包括以下至少一种:姓名、职称、就职医院、工作简介、挂号情况;在用户界面中输出所述目标信息,以供待检测用户根据所述目标信息从所述推荐医生中选择就诊医生。由于根据待检测用户的疾病信息所查找的合适的医生均是可治疗该疾病且短时间可支持挂号的医生,这样可以避免待检测用户盲目地选择到短时间不支持挂号的医生,可以帮助医院更好地分配医疗资源。
本发明实施例可以先根据待检测用户的疾病描述信息生成目标疾病向量,用目标疾病向量表示疾病描述信息可以降低技术难度,提高效率。由于疾病向量集合中包括至少一个疾病向量,每个疾病向量均可以表示一个疾病,因此可以通过向量匹配的方式从疾病向量集合中筛选出匹配疾病向量,根据匹配疾病向量预测待检测用户的疾病信息。由此可见,通过对待检测用户进行疾病预测,可以使得待检测用户根据预测得到的疾病信息正确选择科室以及医生进行挂号诊断,可以使得待检测用户及时就诊,可以较大程度地节省时间成本以及人力成本。
基于上述方法实施例的描述,本发明实施例提供了一种疾病预测方法的应用场景图。在本应用场景中,将该疾病预测方法应用在线上挂号平台为例,即本发明实施例还可以提供一个线上挂号平台。该线上挂号平台可以作为一个独立的应用软件,运行于智能终端中;也可以作为智能终端中的一个系统功能;还可以是智能终端中所安装的某一个应用软件中的小程序;在其他实施例中,该线上挂号平台还可以是一个由服务器搭建的平台,运行于网页中。
在该线上挂号平台中可以引导待检测用户(也可称为患病用户)输入相关信息,该相关信息可以包括但不限于:身体不适的相关描述信息,以及待检测用户的就诊卡信息。例如:用户访问该线上挂号平台时,线上挂号平台可以在如图5a的所示的用户界面中引导待检测用户输入就诊卡信息,该就诊卡信息可以包括姓名、就诊卡号等信息。待获取到待检测用户输入的就诊卡信息之后,可以根据该就诊卡信息确定待检测用户的性别以及年龄,并可以根据待检测用户的性别和年龄对待检测用户的症状进行首轮问答。在首轮问答中,可以根据待检测用户的性别和年龄确定至少一个第一疾病推送症状词,并在如图5b所示的用户界面中向待检测用户推送该至少一个第一疾病推送症状词,以供待检测用户选择。待检测用户可以从该至少一个第一疾病推送症状词中选择一个或多个与身体不适的症状相匹配的第一疾病推送症状词,也可以手动输入第一交互信息。
线上挂号平台在首轮回答中获取到待检测用户选择的第一疾病推送症状词和/或输入的第一交互信息等信息之后,可以根据待检测用户的性别、年龄和/或在首轮答复获取到的信息再次进行多轮问答,每一轮问答均可以根据待检测用户的性别、年龄以及上一轮问答中输入的交互信息或者选择的疾病推送症状词进一步确定待推送的至少一个疾病推送症状词,并在如图5c所示的用户界面中向待检测用户推送进一步确定的疾病推送症状词,以供待检测用户选择。当然,在每一轮问答中,待检测用户均可以从推送的疾病推送症状词中选择一个或多个疾病推送症状词,也可以手动输入交互信息。
在多轮问答结束后,可以获取待检测用户每一轮问答中输入的交互信息和/或选择的疾病推送症状词,将在这些交互信息中提取得到的疾病症状词以及选择的疾病推送症状词生成词向量。根据生成的词向量确定目标疾病向量,并根据目标疾病向量预测待检测用户的疾病信息。在预测得到待检测用户的疾病信息之后,还可以根据该疾病信息查找合适的医生,该合适的医生可治疗该疾病信息所对应的疾病且短时间可支持挂号;并可以在图5d所示的用户界面中输出各合适的医生的个人信息,个人信息包括医生姓名、职称、地址、工作经验等信息,以供待检测用户从各合适的医生中选择就诊医生并进行挂号。
由此可见,本发明实施例提出的线上挂号平台可以在待检测用户不清楚病情的情况下,向待检测用户推送合适的医生,避免待检测用户挂号错误以及重复挂号,可以较大程度地减少时间成本和人力成本。并且,根据待检测用户的疾病所查找的合适的医生均是可治疗该疾病且短时间可支持挂号的医生,这样可以避免待检测用户盲目地选择到短时间不支持挂号的医生,可以帮助医院更好地分配医疗资源。
基于上述方法实施例的描述,在一个实施例中,本发明实施例还提供了一种如图6所示的疾病预测装置的结构示意图。如图6所示,本发明实施例中的可包括:
获取单元101,用于在用户界面中获取待检测用户的疾病描述信息,并根据所述疾病描述信息生成目标疾病向量;
筛选单元102,用于从疾病向量集合中筛选出匹配疾病向量,所述匹配疾病向量是指所述疾病向量集合包括的疾病向量中与所述目标疾病向量相匹配的疾病向量;
确定单元103,用于根据所述匹配疾病向量预测所述待检测用户的疾病信息。
在一个实施例中,在用户界面获取待检测用户的疾病描述信息时,获取单元101可具体用于:获取待检测用户的用户信息,所述用户信息包括以下至少一种:年龄信息、性别信息、历史诊断信息;根据所述用户信息和疾病症状词推送策略进行第一推送处理,以推送至少一个第一疾病推送症状词;获取所述待检测用户的疾病描述信息,所述疾病描述信息是根据选择操作所选择的第一疾病推送症状词和/或在输入界面中输入的第一交互信息确定的。
再一个实施例中,在用户界面获取待检测用户的疾病描述信息时,获取单元101可具体用于:基于疾病症状词推送策略进行第二推送处理,以推送至少一个第二疾病推送症状词;获取第一反馈信息,所述第一反馈信息是根据选择操作所选择的第二疾病推送症状词和/或在输入界面中输入的第二交互信息确定的;根据所述第一反馈信息和所述疾病症状词推送策略进行第三推送处理,以推送至少一个第三疾病推送症状词;获取第二反馈信息,所述第二反馈信息是根据选择操作所选择的第三疾病推送症状词和/或在输入界面中输入的第三交互信息确定的;根据所述第二反馈信息和所述第一反馈信息确定疾病描述信息。
再一个实施例中,在根据所述第一反馈信息和所述疾病症状词推送策略进行第三推送处理时,获取单元101具体用于:计算疾病症状体征库中的各疾病症状词的词向量与所述第一反馈信息中的疾病症状词的词向量之间的词向量相似性;根据所述词向量相似性从所述疾病症状体征库中筛选出第三疾病推送症状词,所述第三疾病推送症状词的词向量和所述第一反馈信息中的疾病症状词之间的相似性大于第一预设阈值;根据所述第三疾病推送症状词进行第三推送处理。
再一个实施例中,所述疾病描述信息包括至少一个目标疾病症状词,在根据所述疾病描述信息生成目标疾病向量时,获取单元101可具体用于:将所述疾病描述信息中的至少一个目标疾病症状词进行词向量转换,得到所述至少一个目标疾病症状词的词向量;获取所述至少一个目标疾病症状词的权重值,所述权重值是根据所述目标疾病症状词的症状等级设置的;根据所述至少一个目标疾病症状词的词向量和所述权重值进行加权处理,生成目标疾病向量。
再一个实施例中,在从疾病向量集合中筛选匹配疾病向量时,筛选单元102具体用于:计算所述疾病向量集合中的各疾病向量与所述目标疾病向量之间的疾病向量相似性;根据所述疾病向量相似性从所述疾病向量集合中筛选出匹配疾病向量,所述匹配疾病向量和所述目标疾病向量之间的相似性大于第二预设阈值。
再一个实施例中,获取单元101还可用于:获取疾病症状体征库,所述疾病症状体征库中包括至少一个疾病名称、每个疾病名称对应一个或多个疾病症状词;获取所述疾病症状体征库中目标疾病名称所对应的疾病症状词的词向量;根据所述目标疾病名称所对应的疾病症状词的词向量,生成所述目标疾病名称所对应的疾病向量;采用所述目标疾病名称所对应的疾病向量构成疾病向量集合。
再一个实施例中,所述目标疾病名称所对应的疾病症状词至少包括:一级疾病症状词和二级疾病症状词;在根据所述目标疾病名称所对应的疾病症状词的词向量,生成所述目标疾病名称所对应的疾病向量时,获取单元101可具体用于:获取所述一级疾病症状词所对应的第一权重值,以及所述二级疾病症状词所对应的第二权重值;根据所述一级疾病症状词的词向量和第一权重值,以及所述二级疾病症状词的词向量和第二权重值进行加权处理,生成所述目标疾病名称所对应的疾病向量。
本发明实施例可以先根据待检测用户的疾病描述信息生成目标疾病向量,用目标疾病向量表示疾病描述信息可以降低技术难度,提高效率。由于疾病向量集合中包括至少一个疾病向量,每个疾病向量均可以表示一个疾病,因此可以通过向量匹配的方式从疾病向量集合中筛选出匹配疾病向量,根据匹配疾病向量预测待检测用户的疾病信息。由此可见,通过对待检测用户进行疾病预测,可以使得待检测用户根据预测得到的疾病信息正确选择科室以及医生进行挂号诊断,可以使得待检测用户及时就诊,可以较大程度地节省时间成本以及人力成本。
请参见图7,是本发明实施例提供的一种智能终端的结构示意图。如图7所示的本实施例中的智能终端可以包括:一个或多个处理器201;一个或多个输入设备202,一个或多个输出设备203和存储器204。上述处理器201、输入设备202、输出设备203和存储器204通过总线205连接。存储器204用于存储计算机程序,所述计算机程序包括程序指令,处理器201用于执行所述存储器204存储的程序指令以执行上述的疾病预测方法。
在一个实施例中,该处理器201可以是中央处理单元(Central Processing Unit,CPU),该处理器还可以是其他通用处理器,即微处理器或者任何常规的处理器。该存储器204可以包括只读存储器和随机存取存储器,并向处理器201提供指令和数据。因此,在此对于处理器201和存储器204不作限定。
本发明实施例还提供一种计算机存储介质,所述计算机存储介质存储有计算机程序指令,由处理器201加载并执行计算机存储介质中存放的一条或一条以上计算机程序指令,以实现上述相应实施例中的方法的相应步骤;具体实现中,计算机存储介质中的至少一条计算机程序指令由处理器201加载并执行如下步骤:
在用户界面中获取待检测用户的疾病描述信息,并根据所述疾病描述信息生成目标疾病向量;
从疾病向量集合中筛选出匹配疾病向量,所述匹配疾病向量是指所述疾病向量集合包括的疾病向量中与所述目标疾病向量相匹配的疾病向量;
根据所述匹配疾病向量预测所述待检测用户的疾病信息。
在一个实施例中,在执行在用户界面获取待检测用户的疾病描述信息时,该至少一条计算机程序指令可由该处理器201加载并具体用于执行:获取待检测用户的用户信息,所述用户信息包括以下至少一种:年龄信息、性别信息、历史诊断信息;根据所述用户信息和疾病症状词推送策略进行第一推送处理,以推送至少一个第一疾病推送症状词;获取所述待检测用户的疾病描述信息,所述疾病描述信息是根据选择操作所选择的第一疾病推送症状词和/或在输入界面中输入的第一交互信息确定的。
再一个实施例中,在执行在用户界面获取待检测用户的疾病描述信息时,该至少一条计算机程序指令可由该处理器201加载并具体用于执行:基于疾病症状词推送策略进行第二推送处理,以推送至少一个第二疾病推送症状词;获取第一反馈信息,所述第一反馈信息是根据选择操作所选择的第二疾病推送症状词和/或在输入界面中输入的第二交互信息确定的;根据所述第一反馈信息和所述疾病症状词推送策略进行第三推送处理,以推送至少一个第三疾病推送症状词;获取第二反馈信息,所述第二反馈信息是根据选择操作所选择的第三疾病推送症状词和/或在输入界面中输入的第三交互信息确定的;根据所述第二反馈信息和所述第一反馈信息确定疾病描述信息。
再一个实施例中,在执行根据所述第一反馈信息和所述疾病症状词推送策略进行第三推送处理时,该至少一条计算机程序指令可由该处理器201加载并具体用于执行:计算疾病症状体征库中的各疾病症状词的词向量与所述第一反馈信息中的疾病症状词的词向量之间的词向量相似性;根据所述词向量相似性从所述疾病症状体征库中筛选出第三疾病推送症状词,所述第三疾病推送症状词的词向量和所述第一反馈信息中的疾病症状词之间的相似性大于第一预设阈值;根据所述第三疾病推送症状词进行第三推送处理。
再一个实施例中,所述疾病描述信息包括至少一个目标疾病症状词,在执行根据所述疾病描述信息生成目标疾病向量时,该至少一条计算机程序指令可由该处理器201加载并具体用于执行:将所述疾病描述信息中的至少一个目标疾病症状词进行词向量转换,得到所述至少一个目标疾病症状词的词向量;获取所述至少一个目标疾病症状词的权重值,所述权重值是根据所述目标疾病症状词的症状等级设置的;根据所述至少一个目标疾病症状词的词向量和所述权重值进行加权处理,生成目标疾病向量。
再一个实施例中,在执行从疾病向量集合中筛选出匹配疾病向量时,该至少一条计算机程序指令可由该处理器201加载并具体用于执行:计算所述疾病向量集合中的各疾病向量与所述目标疾病向量之间的疾病向量相似性;根据所述疾病向量相似性从所述疾病向量集合中筛选出匹配疾病向量,所述匹配疾病向量和所述目标疾病向量之间的相似性大于第二预设阈值。
再一个实施例中,该至少一条计算机程序指令还可由该处理器201加载并具体用于执行:获取疾病症状体征库,所述疾病症状体征库中包括至少一个疾病名称、每个疾病名称对应一个或多个疾病症状词;获取所述疾病症状体征库中目标疾病名称所对应的疾病症状词的词向量;根据所述目标疾病名称所对应的疾病症状词的词向量,生成所述目标疾病名称所对应的疾病向量;采用所述目标疾病名称所对应的疾病向量构成疾病向量集合。
再一个实施例中,所述目标疾病名称所对应的疾病症状词至少包括:一级疾病症状词和二级疾病症状词;在执行根据所述目标疾病名称所对应的疾病症状词的词向量,生成所述目标疾病名称所对应的疾病向量时,该至少一条计算机程序指令可由该处理器201加载并具体用于执行:获取所述一级疾病症状词所对应的第一权重值,以及所述二级疾病症状词所对应的第二权重值;根据所述一级疾病症状词的词向量和第一权重值,以及所述二级疾病症状词的词向量和第二权重值进行加权处理,生成所述目标疾病名称所对应的疾病向量。
本发明实施例可以先根据待检测用户的疾病描述信息生成目标疾病向量,用目标疾病向量表示疾病描述信息可以降低技术难度,提高效率。由于疾病向量集合中包括至少一个疾病向量,每个疾病向量均可以表示一个疾病,因此可以通过向量匹配的方式从疾病向量集合中筛选出匹配疾病向量,根据匹配疾病向量预测待检测用户的疾病信息。由此可见,通过对待检测用户进行疾病预测,可以使得待检测用户根据预测得到的疾病信息正确选择科室以及医生进行挂号诊断,可以使得待检测用户及时就诊,可以较大程度地节省时间成本以及人力成本。
需要说明的是,上述描述的终端和单元的具体工作过程,可以参考前述各个实施例中的相关描述,在此不再赘述。
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,所述的程序可存储于一计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)或随机存储记忆体(Random AccessMemory,RAM)等。
以上所揭露的仅为本发明的部分实施例而已,当然不能以此来限定本发明之权利范围,本领域普通技术人员可以理解实现上述实施例的全部或部分流程,并依本发明权利要求所作的等同变化,仍属于发明所涵盖的范围。

Claims (9)

1.一种疾病预测方法,其特征在于,包括:
获取待检测用户的用户信息,所述用户信息包括以下至少一种:年龄信息、性别信息、历史诊断信息;
根据所述用户信息和疾病症状词推送策略进行第一推送处理,以推送至少一个第一疾病推送症状词;
根据选择操作所选择的第一疾病推送症状词和/或在输入界面中输入的第一交互信息确定第二疾病推送症状词,并将所述第二疾病推送症状词显示在用户界面中以完成第二推送处理;
获取第一反馈信息,所述第一反馈信息是根据选择操作所选择的第二疾病推送症状词和/或在输入界面中输入的第二交互信息确定的;
根据所述第一反馈信息和所述疾病症状词推送策略进行第三推送处理,以推送至少一个第三疾病推送症状词;
获取第二反馈信息,所述第二反馈信息是根据选择操作所选择的第三疾病推送症状词和/或在输入界面中输入的第三交互信息确定的;
根据所述第二反馈信息和所述第一反馈信息确定疾病描述信息,并根据所述疾病描述信息生成目标疾病向量;
从疾病向量集合中筛选出匹配疾病向量,所述匹配疾病向量是指所述疾病向量集合包括的疾病向量中与所述目标疾病向量相匹配的疾病向量;
根据所述匹配疾病向量预测所述待检测用户的疾病信息。
2.如权利要求1所述的方法,其特征在于,所述根据所述第一反馈信息和所述疾病症状词推送策略进行第三推送处理,包括:
计算疾病症状体征库中的各疾病症状词的词向量与所述第一反馈信息中的疾病症状词的词向量之间的词向量相似性;
根据所述词向量相似性从所述疾病症状体征库中筛选出第三疾病推送症状词,所述第三疾病推送症状词的词向量和所述第一反馈信息中的疾病症状词之间的相似性大于第一预设阈值;
根据所述第三疾病推送症状词进行第三推送处理。
3.如权利要求1或2所述的方法,其特征在于,所述疾病描述信息包括至少一个目标疾病症状词,所述根据所述疾病描述信息生成目标疾病向量,包括:
将所述疾病描述信息中的至少一个目标疾病症状词进行词向量转换,得到所述至少一个目标疾病症状词的词向量;
获取所述至少一个目标疾病症状词的权重值,所述权重值是根据所述目标疾病症状词的症状等级设置的;
根据所述至少一个目标疾病症状词的词向量和所述权重值进行加权处理,生成目标疾病向量。
4.如权利要求1或2所述的方法,其特征在于,所述从疾病向量集合中筛选出匹配疾病向量,包括:
计算所述疾病向量集合中的各疾病向量与所述目标疾病向量之间的疾病向量相似性;
根据所述疾病向量相似性从所述疾病向量集合中筛选出匹配疾病向量,所述匹配疾病向量和所述目标疾病向量之间的相似性大于第二预设阈值。
5.如权利要求1所述的方法,其特征在于,所述方法还包括:
获取疾病症状体征库,所述疾病症状体征库中包括至少一个疾病名称、每个疾病名称对应一个或多个疾病症状词;
获取所述疾病症状体征库中目标疾病名称所对应的疾病症状词的词向量;
根据所述目标疾病名称所对应的疾病症状词的词向量,生成所述目标疾病名称所对应的疾病向量;
采用所述目标疾病名称所对应的疾病向量构成疾病向量集合。
6.如权利要求5所述的方法,其特征在于,所述目标疾病名称所对应的疾病症状词至少包括:一级疾病症状词和二级疾病症状词;
所述根据所述目标疾病名称所对应的疾病症状词的词向量,生成所述目标疾病名称所对应的疾病向量,包括:
获取所述一级疾病症状词所对应的第一权重值,以及所述二级疾病症状词所对应的第二权重值;
根据所述一级疾病症状词的词向量和第一权重值,以及所述二级疾病症状词的词向量和第二权重值进行加权处理,生成所述目标疾病名称所对应的疾病向量。
7.一种疾病预测装置,其特征在于,包括:
获取单元,用于获取待检测用户的用户信息,所述用户信息包括以下至少一种:年龄信息、性别信息、历史诊断信息;根据所述用户信息和疾病症状词推送策略进行第一推送处理,以推送至少一个第一疾病推送症状词;根据选择操作所选择的第一疾病推送症状词和/或在输入界面中输入的第一交互信息确定第二疾病推送症状词,并将所述第二疾病推送症状词显示在用户界面中以完成第二推送处理;获取第一反馈信息,所述第一反馈信息是根据选择操作所选择的第二疾病推送症状词和/或在输入界面中输入的第二交互信息确定的;根据所述第一反馈信息和所述疾病症状词推送策略进行第三推送处理,以推送至少一个第三疾病推送症状词;获取第二反馈信息,所述第二反馈信息是根据选择操作所选择的第三疾病推送症状词和/或在输入界面中输入的第三交互信息确定的;根据所述第二反馈信息和所述第一反馈信息确定疾病描述信息,并根据所述疾病描述信息生成目标疾病向量;
筛选单元,用于从疾病向量集合中筛选出匹配疾病向量,所述匹配疾病向量是指所述疾病向量集合包括的疾病向量中与所述目标疾病向量相匹配的疾病向量;
确定单元,用于根据所述匹配疾病向量预测所述待检测用户的疾病信息。
8.一种智能终端,其特征在于,包括处理器、输入设备、输出设备和存储器,所述处理器、输入设备、输出设备和存储器相互连接,其中,所述存储器用于存储计算机程序,所述计算机程序包括程序指令,所述处理器被配置用于调用所述程序指令,执行如权利要求1-6任一项所述的疾病预测方法。
9.一种计算机存储介质,其特征在于,所述计算机存储介质存储有计算机程序指令,所述计算机程序指令适于由处理器加载并执行如权利要求1-6任一项所述的疾病预测方法。
CN201811266685.9A 2018-10-26 2018-10-26 疾病预测方法、装置、终端及存储介质 Active CN109326352B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811266685.9A CN109326352B (zh) 2018-10-26 2018-10-26 疾病预测方法、装置、终端及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811266685.9A CN109326352B (zh) 2018-10-26 2018-10-26 疾病预测方法、装置、终端及存储介质

Publications (2)

Publication Number Publication Date
CN109326352A CN109326352A (zh) 2019-02-12
CN109326352B true CN109326352B (zh) 2022-04-15

Family

ID=65259685

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811266685.9A Active CN109326352B (zh) 2018-10-26 2018-10-26 疾病预测方法、装置、终端及存储介质

Country Status (1)

Country Link
CN (1) CN109326352B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110580955A (zh) * 2019-07-31 2019-12-17 平安科技(深圳)有限公司 疾病信息识别方法、装置、计算机设备及存储介质
CN111063430B (zh) * 2019-11-04 2024-01-26 珠海健康云科技有限公司 一种疾病预测方法及装置
CN115132303A (zh) * 2022-04-28 2022-09-30 腾讯科技(深圳)有限公司 生理标签预测方法、模型训练方法、装置、设备及介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102156812A (zh) * 2011-04-02 2011-08-17 中国医学科学院医学信息研究所 基于症状相似度分析的就医辅助决策方法
CN105678066A (zh) * 2015-12-31 2016-06-15 天津迈沃医药技术有限公司 基于用户反馈信息完成数据训练的疾病自诊方法及系统
CN107330289A (zh) * 2017-07-10 2017-11-07 叮当(深圳)健康机器人科技有限公司 一种症状信息分析方法及装置
CN108335755A (zh) * 2017-01-19 2018-07-27 京东方科技集团股份有限公司 数据分析方法和设备

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3033698A4 (en) * 2013-08-12 2017-05-03 Your.MD AS Method and arrangement for matching of diseases and detection of changes for a disease by the use of mathematical models
CN106372439A (zh) * 2016-09-21 2017-02-01 北京大学 基于病例库的疾病症状及其权重知识的获取和处理方法
CN107066818A (zh) * 2017-03-30 2017-08-18 深圳市金立通信设备有限公司 一种疾病诊断方法及终端

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102156812A (zh) * 2011-04-02 2011-08-17 中国医学科学院医学信息研究所 基于症状相似度分析的就医辅助决策方法
CN105678066A (zh) * 2015-12-31 2016-06-15 天津迈沃医药技术有限公司 基于用户反馈信息完成数据训练的疾病自诊方法及系统
CN108335755A (zh) * 2017-01-19 2018-07-27 京东方科技集团股份有限公司 数据分析方法和设备
CN107330289A (zh) * 2017-07-10 2017-11-07 叮当(深圳)健康机器人科技有限公司 一种症状信息分析方法及装置

Also Published As

Publication number Publication date
CN109326352A (zh) 2019-02-12

Similar Documents

Publication Publication Date Title
US20210043324A1 (en) Computer aided medical method and medical system for medical prediction
CN109326352B (zh) 疾病预测方法、装置、终端及存储介质
CN111949890B (zh) 基于医学领域的数据推荐方法、设备、服务器及存储介质
CN108549710B (zh) 智能问答方法、装置、存储介质及设备
CN110838359B (zh) 基于对话机器人的分诊方法、装置、存储介质及机器人
CN111951943B (zh) 智能分诊方法、装置、电子设备及存储介质
US20200074342A1 (en) Question answering system, question answering processing method, and question answering integrated system
CN110110049A (zh) 服务咨询方法、装置、系统、服务机器人及存储介质
US20230274151A1 (en) Multi-modal neural network architecture search
CN114287013A (zh) 检查值预测装置、检查值预测系统、检查值预测方法以及程序
CN112287068A (zh) 基于人工智能的问诊对话数据处理方法及装置
US20230005382A1 (en) Method, device, and system for recommending solution content maximizing an educational effect for users
US20230004752A1 (en) Method, device, and system for evaluation a learning ability of an user based on search information of the user
CN112397197A (zh) 基于人工智能的问诊数据处理方法及装置
KR20230005752A (ko) 사용자에게 교육 효과가 최대화되는 웹페이지를 추천하는 방법, 장치, 및 시스템
CN111383724A (zh) 多中心协同临床试验中受试者随机入组的辅助系统和方法
CN112017788B (zh) 基于强化学习模型的疾病排序方法、装置、设备及介质
CN110473636B (zh) 基于深度学习的智能医嘱推荐方法及系统
CN117334308A (zh) 医疗信息处理方法、装置、设备及存储介质
JP6751955B1 (ja) 学習方法、評価装置、及び評価システム
CN109766539B (zh) 标准词库分词方法、装置、设备及计算机可读存储介质
JP7052438B2 (ja) 学習データ生成方法、学習データ生成プログラムおよびデータ構造
US11189364B1 (en) Computing platform for establishing referrals
CN110827979A (zh) 基于区块链的预测系统及方法
KR102568338B1 (ko) 다중 라벨 분류 알고리즘 생성 방법 및 장치, 환자의 정서 장애 예측 방법, 컴퓨터 판독 가능한 기록 매체 및 컴퓨터 프로그램

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