CN109659013B - 病症分诊及路径优化方法、装置、设备及存储介质 - Google Patents

病症分诊及路径优化方法、装置、设备及存储介质 Download PDF

Info

Publication number
CN109659013B
CN109659013B CN201811434644.6A CN201811434644A CN109659013B CN 109659013 B CN109659013 B CN 109659013B CN 201811434644 A CN201811434644 A CN 201811434644A CN 109659013 B CN109659013 B CN 109659013B
Authority
CN
China
Prior art keywords
diagnosis
examination
triage
keywords
department
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
CN201811434644.6A
Other languages
English (en)
Other versions
CN109659013A (zh
Inventor
林桂
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.)
Ping An Technology Shenzhen Co Ltd
Original Assignee
Ping An 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 Ping An Technology Shenzhen Co Ltd filed Critical Ping An Technology Shenzhen Co Ltd
Priority to CN201811434644.6A priority Critical patent/CN109659013B/zh
Publication of CN109659013A publication Critical patent/CN109659013A/zh
Application granted granted Critical
Publication of CN109659013B publication Critical patent/CN109659013B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • 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
    • G16H40/20—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 management or administration of healthcare resources or facilities, e.g. managing hospital staff or surgery rooms
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/02—Reservations, e.g. for tickets, services or events
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • 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

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • General Business, Economics & Management (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Development Economics (AREA)
  • Health & Medical Sciences (AREA)
  • Quality & Reliability (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Operations Research (AREA)
  • Marketing (AREA)
  • Epidemiology (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Biomedical Technology (AREA)
  • Primary Health Care (AREA)
  • Public Health (AREA)
  • Game Theory and Decision Science (AREA)
  • Medical Treatment And Welfare Office Work (AREA)

Abstract

本发明公开了一种病症分诊及路径优化方法、装置、设备及存储介质，所述方法包括：获取用户录入的自然问询语句，并提取自然问询语句中的病症关键词；通过分诊模型识别知识图谱中与病症关键词对应的分诊科室；通过查验项目推荐函数查询与病症关键词对应的预检查项目；获取与病症关键词对应的各预检查项目的可预约时间及其检查时长，并根据可预约时间以及检查时长获取各预检查项目的最佳预约时间；将分诊科室、与病症关键词对应的各预检查项目以及最佳预约时间，通过预设提示方式提示给用户，以供用户选择最终确认的预约时间。本发明可以提高分诊精度，优化就医效率；且病人可以在挂号就诊之前就针对预检查项目进行预约规划，大大提升了用户体验。

Description

病症分诊及路径优化方法、装置、设备及存储介质
技术领域
本发明涉及智能决策领域，具体涉及一种基于知识图谱的病症分诊及路径优化方法、装置、设备及存储介质。
背景技术
目前，随着医疗系统的发展和细化，用户在医院进行看病时，都需要首先进行分诊，在现有技术中，进行分诊时，首先需要用户对于自身疾病症状进行主诉，此后分诊医生再对该疾病症状进行理解，此后，再根据其理解进行分诊。
该方案的不足之处在于：由于分诊医生可能仅为一个科室的专科医生，因此所知晓的医学知识有限，对于用户主诉的疾病症状，分诊医生可能并不了解，此时很可能会导致分诊科室的偏差，进而用户需要重新进行挂号预约等，浪费了用户的看病时间，大大影响了用户体验。同时，若用户问及该疾病的成因或其他相关信息，分诊医生由于不属于该疾病的专科医生，显然无法回答用户。并且，用户在根据推荐的分诊科室挂号就诊后，往往会出现以下情况：若需要看该类型的病症，首先需要排队等候分诊科室的医生问询，之后在该医生的指引下去做相应的常规检查，且在常规检查过后，回到分诊科室时依旧又需要二次排队等候问诊，造成就诊效率低下。
发明内容
本发明实施例提供一种病症分诊及路径优化方法、装置、设备及存储介质，本发明可以提高分诊精度，节约医生因为病人挂错科室号而浪费的诊断时间，优化了就医效率；同时，病人可以在挂号就诊之前就针对预检查项目进行预约规划，大大提升了用户体验。
一种病症分诊及路径优化方法，包括：
获取用户录入的自然问询语句，并提取所述自然问询语句中的病症关键词；
将所述病症关键词输入预设的分诊模型，通过所述分诊模型识别知识图谱中与所述病症关键词对应的分诊科室；
通过查验项目推荐函数查询所述知识图谱中的所述分诊科室的所有预检查项目中是否存在与所述病症关键词对应的预检查项目；
在存在与所述病症关键词对应的预检查项目时，获取与所述病症关键词对应的各所述预检查项目的可预约时间及其检查时长，并根据所述可预约时间以及所述检查时长获取各所述预检查项目的最佳预约时间；
将所述分诊科室、与所述病症关键词对应的各所述预检查项目以及各所述预检查项目的最佳预约时间，通过预设提示方式提示给所述用户，以供用户选择最终确认的预约时间。
一种病症分诊及路径优化装置，包括：
第一获取模块，用于获取用户录入的自然问询语句，并提取所述自然问询语句中的病症关键词；
识别模块，用于将所述病症关键词输入预设的分诊模型，通过所述分诊模型识别知识图谱中与所述病症关键词对应的分诊科室；
查询模块，用于通过查验项目推荐函数查询所述知识图谱中的所述分诊科室的所有预检查项目中是否存在与所述病症关键词对应的预检查项目；
第二获取模块，用于在存在与所述病症关键词对应的预检查项目时，获取与所述病症关键词对应的各所述预检查项目的可预约时间及其检查时长，并根据所述可预约时间以及所述检查时长获取各所述预检查项目的最佳预约时间；
提示模块，用于将所述分诊科室、与所述病症关键词对应的各所述预检查项目以及各所述预检查项目的最佳预约时间，通过预设提示方式提示给所述用户，以供用户选择最终确认的预约时间。
一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机可读指令，所述处理器执行所述计算机可读指令时实现上述病症分诊及路径优化方法的步骤。
一种计算机可读存储介质，所述计算机可读存储介质存储有计算机可读指令，所述计算机可读指令被处理器执行时实现上述病症分诊及路径优化方法的步骤。
本发明提供的病症分诊及路径优化方法、装置、设备及存储介质，基于知识图谱实现智能分诊和就诊路径优化，在用户通过自然问询语句问询时，准确为用户提示与自然问询语句中的病症关键词对应的分诊科室，并且在确定分诊科室之后，还可以确认是否有与自然问询语句中的病症关键词对应的预检查项目，在具有预检查项目时，规划各所述预检查项目的最佳预约时间并将其提示给用户。本发明可以提高分诊精度，节约医生因为病人挂错科室号而浪费的诊断时间，优化了就医效率；同时，病人可以在挂号就诊之前就针对预检查项目进行预约规划，如此，在诊前就完成了预检查项目的查验，无需二次排队就诊，大大提升了用户体验。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对本发明实施例的描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅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1是本发明一实施例中病症分诊及路径优化方法的应用环境示意图；
图2是本发明一实施例中病症分诊及路径优化方法的流程图；
图3是本发明一实施例中病症分诊及路径优化方法的步骤S10的流程图；
图4是本发明一实施例中的知识图谱示例图；
图5是本发明一实施例中病症分诊及路径优化方法的步骤S20的流程图；
图6是本发明一实施例中病症分诊及路径优化方法的步骤S202的流程图；
图7是本发明一实施例中病症分诊及路径优化方法的步骤S30的流程图；
图8是本发明另一实施例中病症分诊及路径优化方法的流程图；
图9是本发明一实施例中病症分诊及路径优化装置的原理框图；
图10是本发明一实施例中计算机设备的示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明提供的病症分诊及路径优化方法，基于知识图谱实现智能分诊和就诊路径优化，在用户通过自然问询语句问询时，准确为用户提示与自然问询语句中的病症关键词对应的分诊科室，并且在确定分诊科室之后，还可以确认是否有与自然问询语句中的病症关键词对应的预检查项目，在具有预检查项目时，规划各所述预检查项目的最佳预约时间并将其提示给用户。本发明可以提高分诊精度，节约医生因为病人挂错科室号而浪费的诊断时间，优化了就医效率；同时，病人可以在挂号就诊之前就针对预检查项目进行预约规划，如此，在诊前就完成了预检查项目的查验，无需二次排队就诊，大大提升了用户体验。本发明可应用在如图1的应用环境中，其中，客户端(计算机设备)通过网络与服务器进行通信。其中，客户端(计算机设备)包括但不限于为各种个人计算机、笔记本电脑、智能手机、平板电脑、摄像头和便携式可穿戴设备。服务器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。
在一实施例中，如图2所示，提供一种病症分诊及路径优化方法，以该方法应用在图1中的服务器为例进行说明，包括以下步骤：
S10，获取用户录入的自然问询语句，并提取所述自然问询语句中的病症关键词。
可理解地，用户可以在客户端的显示界面上输入(或者通过语音录入)包含病症关键词的自然问询语句。在获取用户录入的自然问询语句之后，由于每一个自然问询语句中可能包含病症关键词，亦可能不包含病症关键词，因此，首先要检测该自然问询语句中是否包含病症关键词，若包含，则进一步在所述步骤S20中确认该自然问询语句中的分诊科室，否则，提示用户该自然问询语句为与医学无关问询。
在一实施例中，如图3所示，所述步骤S10中，所述提取所述自然问询语句中的病症关键词，包括：
S101，获取关键词库中预先存储的病症关键词；也即，可以预先在服务器的关键词库中预先存储所有和病症相关的病症关键词，比如“头晕”、“发烧”、“生病”“治疗”等等，在本步骤中获取关键词库中的病症关键词，可以用于在后续步骤中比对所述自然问询语句中的词语是否为病症关键词。
S102，检测所述自然问询语句中是否存在与所述病症关键词匹配的词语；也即，检测所述自然问询语句中是否存在与所述病症关键词一致的词语，若存在，则说明所述自然问询语句中存在病症关键词，若不存在，则说明所述自然问询语句中不存在病症关键词，此时该自然问询语句与病症问询和分诊问询均无关。
S103，在存在与所述病症关键词匹配的词语时，将与所述病症关键词匹配的该词语记录为所述自然问询语句中的病症关键词；比如，用户输入自然问询语句“感觉胸闷，还有头晕，一般是什么原因？”则可以确认出所述自然问询语句中的病症关键词至少包含“胸闷”和“头晕”。此时，在所述自然问询语句中包含病症关键词时，每一个自然问询语句均有一个与之对应的分诊科室，所述分诊科室包括但不限于为病症问询和分诊问询等。
可理解地，所述步骤S102之后还包括：在不存在与所述病症关键词匹配的词语时，提示所述用户所述自然问询语句为医学无关问询。比如，用户输入自然问询语句“今天天气怎样？”则此时会提示该问题与医学无关，将会建议用户提出与医学更相关的就诊等问题。
S20，将所述病症关键词输入预设的分诊模型，通过所述分诊模型识别知识图谱中与所述病症关键词对应的分诊科室。
知识图谱是增强搜索引擎功能的知识库，旨在描述真实世界中存在的各种实体或概念及其关系,其构成一张巨大的语义网络图，图中包括节点和连接两个节点的若干边。知识图谱中包括实体、实体的属性和属性值以及各实体之间的关系等，其中，语义网络图中的节点表示实体或者概念等，边则由属性或关系构成。
如图4所示，图4中对知识图谱进行了具体介绍：
实体:指的是具有可区别性且独立存在的某种事物。如某一个人、某一个城市、某一种植物等、某一种商品等等。世界万物由具体事物组成，此指实体。如图1的“中国”、“美国”、“日本”等。实体是知识图谱中的最基本元素，不同的实体间存在不同的关系。
语义类(概念)：具有同种特性的实体构成的集合，如国家、民族、书籍、电脑等。概念主要指集合、类别、对象类型、事物的种类，例如人物、地理等。内容:通常作为实体和语义类的名字、描述、解释等，可以由文本、图像、音视频等来表达。
属性(值):从一个实体指向它的属性值。不同的属性类型对应于不同类型属性的边。属性值主要指对象指定属性的值。如图2所示的“面积”、“人口”、“首都”是几种不同的属性。属性值主要指对象指定属性的值，例如960万平方公里等。
关系:代表知识图谱中的三元组集合。三元组的基本形式主要包括(实体1-关系-实体2)和(实体-属性-属性值)等。每个实体(概念的外延)可用一个全局唯一确定的ID来标识，每个属性-属性值对(attribute-value pair，AVP)可用来刻画实体的内在特性，而关系可用来连接两个实体，刻画它们之间的关联。如图1的知识图谱例子所示，中国是一个实体，北京是一个实体，中国-首都-北京是一个(实体-关系-实体)的三元组样例。北京是一个实体，人口是一种属性，2069.3万是属性值。北京-人口-2069.3万构成一个(实体-属性-属性值)的三元组样例。
在一实施例中，如图5所示，所述步骤S20中，所述通过所述分诊模型识别知识图谱中与所述病症关键词对应的分诊科室，包括：
S201，获取知识图谱中的科室实体及各科室实体的分诊属性；所述分诊属性是指该科室实体可以分诊治疗的疾病实体或/和症状属性。
在一实施例中，所述病症关键词包括知识图谱中的疾病实体或/和疾病实体的症状属性；所述知识图谱中包含科室实体和疾病实体，也可以包含该疾病实体的症状属性。因分诊科室对应的每一扩展概念(疾病实体和该疾病实体的症状属性)是在实体、语义或属性上与该分诊科室密切相关的相关概念，而在本实施例中，分诊科室是用户进行分诊时需要最终获取的对象，可以推断，本步骤可以根据获取的每一扩展概念追溯至与其关联的分诊科室(科室实体)，上述疾病实体和症状属性均可以作为知识图谱中区分该疾病实体与其他疾病实体的分诊属性，从而根据该分诊属性去进行分诊，以确定分诊之后所对应的科室实体；比如科室实体为呼吸内科，该科室实体的分诊属性包括肺炎这种疾病实体，同时还可以包括肺炎的症状属性“呼吸困难”、“呼吸困难”、“食欲减退”等。此时，若自然问询语句中包含“肺炎”、“呼吸困难”这两个病症关键词，此时可以根据上述病症关键词(该病症关键词中的肺炎为分诊属性中的疾病实体，呼吸困难为分诊属性中的症状属性)确定其疾病实体为“肺炎”，进而根据该疾病实体(也即分诊属性)确定其分诊科室(科室实体)为呼吸内科。
S202，根据各所述科室实体及各所述科室实体的分诊属性训练所述分诊模型；也即，将上述知识图谱中的各科室实体及其对应的分诊属性均输入值所述分诊模型中，其中，所述分诊模型亦可基于神经网络进行训练，此时，如图6所示，所述步骤S202包括如下步骤：
S2021，获取分诊训练样本。其中，所述分诊训练样本为预先存储在数据库中的对应于同一分诊科室的多个(比如三万个)各所述科室实体的分诊属性。
S2022，通过包含初始参数的分诊模型对所述分诊训练样本进行识别，并获取识别之后得到的分诊科室与所述分诊训练样本对应的分诊科室之间的整体偏差程度。
在一实施例中，所述步骤S2022包括以下步骤：
从所述分诊训练样本中选取一个尚未被选取进行识别的分诊训练样本作为当前样本。样本的选取顺序可以是随机的，也可以是按照预设的顺序进行的，例如，预先可以对所述分诊训练样本进行标号，然后按照标号从小到大的顺序依次进行选取。
使用所述分诊模型对所述当前样本进行识别，得到对所述当前样本识别之后的分诊科室。
根据预设的偏差判定规则确定所述当前样本识别之后的分诊科室与所述分诊训练样本对应的分诊科室之间的样本偏差度。其中，在所述偏差判定规则中，根据识别之后输出的分诊科室与所述分诊训练样本对应的分诊科室之间的偏差情况预设了不同的样本偏差度，比如，所述分诊训练样本对应的分诊科室为眼科，但是识别之后输出的分诊科室为耳鼻喉科，则所述样本偏差度可以设定为50％-100％之间的一个数值(该样本偏差度的数值可以根据两个分诊科室之间的关联关系再进一步确定)。本实施例中，根据预设的偏差判定规则获取所述当前样本识别之后的分诊科室与所述分诊训练样本的分诊科室之间的所述偏差比例，并将所述偏差比例记录为样本偏差度即可。
判断所述分诊训练样本中是否存在尚未被选取进行识别的分诊训练样本；若存在尚未被选取进行识别的分诊训练样本，则返回执行步骤S20221。
若不存在尚未被选取进行识别的分诊训练样本，将被选取进行识别的所有分诊训练样本的样本偏差度之和除以所有分诊训练样本的数量之后，将其确定为整体偏差度。也即，被选取进行识别的所有分诊训练样本的样本偏差度之和，与所有分诊训练样本的数量相除之后所得的商，即为本实施例中所述的整体偏差度。
S2023，判断所述整体偏差度是否大于预设的偏差阈值；所述偏差阈值可以根据需求进行设定。
S2024，若所述整体偏差度大于所述偏差阈值，则将所述分诊模型的初始参数调整为修正后参数，并通过具有所述修正后参数的所述分诊模型对所述分诊训练样本进行识别，并获取本次识别之后得到的分诊科室与所述分诊训练样本对应的分诊科室之间的整体偏差程度，判断该整体偏差度是否大于预设的偏差阈值，以此类推，直至所述整体偏差度小于或等于所述偏差阈值。
S2025，若所述整体偏差度小于或等于所述偏差阈值，则提示所述分诊模型训练完成。此时，所述分诊模型训练完成。确定出来的分诊模型经过了大量的样本训练，且其整体偏差度保持在一个较小的范围(小于或等于偏差阈值)内，使用该分诊模型对自然问询语句进行识别，即可得到所述自然问询语句的分诊科室。
在上述实施例中，首先将各所述科室实体的分诊属性作为分诊训练样本，此后通过包含初始参数的分诊模型对所述分诊训练样本进行识别，并获取识别之后得到的科室实体与所述分诊训练样本所属的科室实体之间的整体偏差程度；判断所述整体偏差度是否大于预设的偏差阈值；若所述整体偏差度大于所述偏差阈值，则对所述分诊模型的初始参数进行调整，并返回执行所述通过所述分诊模型对所述分诊训练样本进行识别，直至所述整体偏差度小于或等于所述偏差阈值；若所述整体偏差度小于或等于所述偏差阈值，则提示所述分诊模型的训练完成。
S203，将所述病症关键词输入所述分诊模型；也即，将所述病症关键词中的疾病实体或/和疾病实体的症状属性输入所述分诊模型进行识别。
S204，通过所述分诊模型识别与所述病症关键词匹配度最高的所述分诊属性所对应的科室实体，并将该科室实体记录为与所述病症关键词对应的分诊科室之后，通过所述分诊模型输出所述分诊科室。此时，完成对于该自然问询语句的分诊问询，将所述分诊科室展示在客户端的当前显示界面上或通过语音播报给用户，同时还可以同步提示用户该分诊科室的位置，以及从用户当前所在位置去往该分诊科室的导航路线。
该实施例中，通过所述分诊模型识别与所述病症关键词匹配的分诊科室，也即是指根据所述分诊模型在所述知识图谱中的分诊科室(也即科室实体，每一个科室实体关联至少一所述疾病实体或/和疾病实体的症状属性)中，找寻一个与所述病症关键词对应的分诊科室。具体地，本步骤中服务器可基于步骤S10中获取的疾病关键词，通过所述分诊模型在所述知识图谱中匹配分诊科室(科室实体)，可以获取每一病症关键词在所述知识图谱中关联的至少一个相邻节点，该相邻节点即为该分诊科室对应的扩展概念(比如一个科室实体的分诊属性)，进而根据该相邻节点最终确定科室实体。
S30，通过查验项目推荐函数查询所述知识图谱中的所述分诊科室的所有预检查项目中是否存在与所述病症关键词对应的预检查项目。
所述查验项目推荐函数为预先设置的具有搜索功能的函数，该查验项目推荐函数可以用于搜索所述分诊科室中与所述病症关键词匹配的至少一个预检查项目，以及与所述预检查项目关联的症状属性。在本实施例中，需要通过该查验项目推荐函数去查询该分诊科室的所有预检查项目中，是否存在与该病症关键词对应的预检查项目，进而提示用户首先需要查验与该病症关键词对应的预检查项目之后，再挂号就诊，如此，用户避免了在挂号就诊之后，在医生的指示下才知道需要进行上述预检查项目，再去检查之后再次排队就诊，进而导致的就诊效率低下的情况。很显然本方案在挂号排队就诊之前，就已经可以预知所有需要进行的预检查项目，在进行预检查之后再去排队就诊，无需再次排队，大大提升了就诊效率。
在一实施例中，如图7所示，所述步骤S30包括：
S301，调用预设的查验项目推荐函数；
S302，将与所述病症关键词对应的分诊科室以及所述病症关键词输入所述查验项目推荐函数；
S303，通过所述查验项目推荐函数扫描知识图谱中的所有分诊科室，并在所述知识图谱的所有分诊科室中找寻与所述病症关键词对应的分诊科室，并在找寻到该分诊科室之后，获取与该分诊科室关联的所有预检查项目以及与各所述预检查项目关联的症状属性；
在本实施例中，所述知识图谱中在上述步骤S20中已经确定的分诊科室(科室实体)、与该分诊科室关联的所有预检查项目以及与各所述预检查项目关联的症状属性(知识图谱中与该分诊科室关联的相邻节点)。因分诊科室对应的每一扩展概念(与各所述分诊科室关联的所有预检查项目以及与各所述预检查项目关联的症状属性)是在实体、语义或属性上与该分诊科室密切相关的相关概念，而在本实施例中，预检查项目是用户需要最终获取的对象，可以推断，本步骤可以根据获取的该科室实体中的与预检查项目关联的扩展概念追溯至该预检查项目。因此，在本实施例中，首先需要获取与该分诊科室关联的所有预检查项目关联的症状属性，从而确定与所述病症关键词匹配的症状属性；进而根据该症状属性获取所述知识图谱中与其关联的预检查项目。
S304，通过所述查验项目推荐函数在获取到的所有症状属性中找寻是否存在与所述病症关键词匹配的症状属性；具体地，本步骤中服务器可基于步骤S20中获取的分诊科室，通过所述过查验项目推荐函数在所述知识图谱中查询与所述病症关键词匹配的该分诊科室的预检查项目的症状属性。具体地，可以获取每一病症关键词在所述知识图谱中关联的至少一个相邻节点(预检查项目关联的症状属性)，该相邻节点即为该分诊科室的预检查项目对应的扩展概念。因预检查项目的症状属性对应的每一扩展概念是在实体、语义或属性上与该症状属性密切相关的相关概念，而该预检查项目是用户进行分诊时需要最终获取的对象，可以推断，本步骤可以根据获取的每一扩展概念追溯至与其关联的预检查项目。
S305，在存在与所述病症关键词匹配的症状属性时，将与所述病症关键词匹配的所述症状属性关联的所述预检查项目设定为与所述病症关键词对应的预检查项目。
S306，在不存在与所述病症关键词匹配的症状属性时，确认不存在与所述病症关键词对应的预检查项目。
在上述实施例中，可以首先将所有所述分诊科室、与各所述分诊科室关联的所有预检查项目以及与各所述预检查项目关联的症状属性均存储至数据库或输入所述查验项目推荐函数中，进而可以通过该所述查验项目推荐函数在其中查询相关数据。在本实施例中，通过所述查验项目推荐函数在获取到的知识图谱中对应于所述步骤S20中确定的分诊科室的所有预检查项目的症状属性中找寻与所述病症关键词匹配的症状属性，是指找寻与所述病症关键词的相似度超过预设阈值的症状属性。可理解地，由于在上述步骤S20中，已经确定了分诊科室，因此，只需要在知识图谱中获取与该分诊科室对应的所有预检查项目所对应的症状属性，进而确定其是否与所述病症关键词匹配即可，在一个预检查项目的症状属性与所述病症关键词匹配时，说明该预检查项目是该病症关键词对应的病症实体需要进行查验的预检查项目(可理解地，需要进行查验的该预检查项目可以为一个或多个)，否则说明，该病症关键词对应的病症实体无需进行该预检查项目的查验。
S40，在存在与所述病症关键词对应的预检查项目时，获取与所述病症关键词对应的各所述预检查项目的可预约时间及其检查时长，并根据所述可预约时间以及所述检查时长获取各所述预检查项目的最佳预约时间；
可理解地，服务器可以根据各所述预检查项目的可预约时间来确定其中一个预检查项目进行预约的预约时间，然后根据其检查时长确定下一个预检查项目的预约时间，以此类推，获取其中的一个预约规划线；作为优选，可以根据各预检查项目的排列组合获取不同的多条预约规划线，选取其中的总持续时长最短或者最终一个预检查项目的结束时间点最早的一个预约规划线作为最佳预约规划线，并将最佳预约规划线中的各所述预检查项目的预约时间记录为最佳预约时间。
S50，将所述分诊科室、与所述病症关键词对应的各所述预检查项目以及各所述预检查项目的最佳预约时间，通过预设提示方式提示给所述用户，以供用户选择最终确认的预约时间。其中，所述预设提示方式包括但不限定于为语音播报、短信提示、在当前显示界面上显示、邮件提示、在小票上打印等方式。
可理解地，在一实施例中，如图8所示，所述步骤S40之后还包括：
S60，获取用户最终确认的各所述预检查项目的所述预约时间，根据所述预约时间以及各所述预检查项目的所述检查时长，获取用户完成所有与所述病症关键词对应的所述预检查项目的结束时间点；
S70，获取所述结束时间点之后该分诊科室对应的挂号时间段，以供用户根据所述挂号时间段选取在该分诊科室的挂号就诊时间。
也即，在上述实施例中，由于预检查项目需要一定的检查时间，甚至需要好几天才可以完成查验，由于医院的挂号均有时间限制且只能使用一次，因此，为了避免用户挂号之后但是预检查项目尚未完成的情况出现，可以在获取(可以为用户手动录入或者是在医院数据库中直接获取)用户预约各个预检查项目的预约时间之后，根据所述预约时间以及每个所述预检查项目预设的检查时长(该检查时长可以根据实际的检测情况进行设定或修改)，确定所有预检查项目完成之后的结束时间点，进而根据该结束时间点确认用户可以进行挂号就诊的挂号时间段，使得用户可以选取在该分诊科室的最快挂号就诊时间，并完成就诊，提升了用户体验。
在一实施例中，所述步骤S30之后还包括：
在不存在与所述病症关键词对应的预检查项目时，提示所述用户在基于所述病症关键词就诊时，无需查验预检查项目，并向所述用户指示与该分诊科室对应的挂号和就诊位置。
也即，在无需进行预检查项目时，提示用户基于当前其提供的自然问询语句，无需进行预检查项目即可进行挂号就诊，并同时提示需要进行挂号。
在一实施例中，如图9所示，提供一种病症分诊及路径优化装置，该病症分诊及路径优化装置与上述实施例中病症分诊及路径优化方法一一对应。所述病症分诊及路径优化装置包括：
第一获取模块11，用于获取用户录入的自然问询语句，并提取所述自然问询语句中的病症关键词；
识别模块12，用于将所述病症关键词输入预设的分诊模型，通过所述分诊模型识别知识图谱中与所述病症关键词对应的分诊科室；
查询模块13，用于通过查验项目推荐函数查询所述知识图谱中的所述分诊科室的所有预检查项目中是否存在与所述病症关键词对应的预检查项目；
第二获取模块14，用于在存在与所述病症关键词对应的预检查项目时，获取与所述病症关键词对应的各所述预检查项目的可预约时间及其检查时长，并根据所述可预约时间以及所述检查时长获取各所述预检查项目的最佳预约时间；
提示模块15，用于将所述分诊科室、与所述病症关键词对应的各所述预检查项目以及各所述预检查项目的最佳预约时间，通过预设提示方式提示给所述用户，以供用户选择最终确认的预约时间。
关于病症分诊及路径优化装置的具体限定可以参见上文中对于病症分诊及路径优化方法的限定，在此不再赘述。上述病症分诊及路径优化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10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、计算机可读指令和数据库。该内存储器为非易失性存储介质中的操作系统和计算机可读指令的运行提供环境。。该计算机可读指令被处理器执行时以实现一种病症分诊及路径优化方法。
在一个实施例中，提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机可读指令，处理器执行计算机可读指令时实现以下步骤：
获取用户录入的自然问询语句，并提取所述自然问询语句中的病症关键词；
将所述病症关键词输入预设的分诊模型，通过所述分诊模型识别知识图谱中与所述病症关键词对应的分诊科室；
通过查验项目推荐函数查询所述知识图谱中的所述分诊科室的所有预检查项目中是否存在与所述病症关键词对应的预检查项目；
在存在与所述病症关键词对应的预检查项目时，获取与所述病症关键词对应的各所述预检查项目的可预约时间及其检查时长，并根据所述可预约时间以及所述检查时长获取各所述预检查项目的最佳预约时间；
将所述分诊科室、与所述病症关键词对应的各所述预检查项目以及各所述预检查项目的最佳预约时间，通过预设提示方式提示给所述用户，以供用户选择最终确认的预约时间。
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机可读指令，计算机可读指令被处理器执行时实现以下步骤：
获取用户录入的自然问询语句，并提取所述自然问询语句中的病症关键词；
将所述病症关键词输入预设的分诊模型，通过所述分诊模型识别知识图谱中与所述病症关键词对应的分诊科室；
通过查验项目推荐函数查询所述知识图谱中的所述分诊科室的所有预检查项目中是否存在与所述病症关键词对应的预检查项目；
在存在与所述病症关键词对应的预检查项目时，获取与所述病症关键词对应的各所述预检查项目的可预约时间及其检查时长，并根据所述可预约时间以及所述检查时长获取各所述预检查项目的最佳预约时间；
将所述分诊科室、与所述病症关键词对应的各所述预检查项目以及各所述预检查项目的最佳预约时间，通过预设提示方式提示给所述用户，以供用户选择最终确认的预约时间。
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，是可以通过计算机可读指令来指令相关的硬件来完成，所述的计算机可读指令可存储于一非易失性计算机可读取存储介质中，该计算机可读指令在执行时，可包括如上述各方法的实施例的流程。其中，本发明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DRAM(SLDRAM)、存储器总线直接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。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元或模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元或模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。
以上所述实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围，均应包含在本发明的保护范围之内。

Claims (8)

1.一种病症分诊及路径优化方法，其特征在于，包括：
获取用户录入的自然问询语句，并提取所述自然问询语句中的病症关键词；
将所述病症关键词输入预设的分诊模型，通过所述分诊模型识别知识图谱中与所述病症关键词对应的分诊科室；所述通过所述分诊模型识别知识图谱中与所述病症关键词对应的分诊科室，包括：获取知识图谱中的科室实体及各科室实体的分诊属性；根据各所述科室实体及各所述科室实体的分诊属性训练所述分诊模型； 将所述病症关键词输入所述分诊模型；通过所述分诊模型识别与所述病症关键词匹配度最高的所述分诊属性所对应的科室实体，并将该科室实体记录为与所述病症关键词对应的分诊科室之后，通过所述分诊模型输出所述分诊科室；
通过查验项目推荐函数查询所述知识图谱中的所述分诊科室的所有预检查项目中是否存在与所述病症关键词对应的预检查项目；所述通过查验项目推荐函数查询所述知识图谱中的所述分诊科室的所有预检查项目中是否存在与所述病症关键词对应的预检查项目，包括：调用预设的查验项目推荐函数；将与所述病症关键词对应的分诊科室以及所述病症关键词输入所述查验项目推荐函数；通过所述查验项目推荐函数扫描知识图谱中的所有分诊科室，并在所述知识图谱的所有分诊科室中找寻与所述病症关键词对应的分诊科室，并在找寻到该分诊科室之后，获取与该分诊科室关联的所有预检查项目以及与各所述预检查项目关联的症状属性；通过所述查验项目推荐函数在获取到的所有症状属性中找寻是否存在与所述病症关键词匹配的症状属性；在存在与所述病症关键词匹配的症状属性时，将与所述病症关键词匹配的所述症状属性关联的所述预检查项目设定为与所述病症关键词对应的预检查项目；在不存在与所述病症关键词匹配的症状属性时，确认不存在与所述病症关键词对应的预检查项目；
在存在与所述病症关键词对应的预检查项目时，获取与所述病症关键词对应的各所述预检查项目的可预约时间及其检查时长，并根据所述可预约时间以及所述检查时长获取各所述预检查项目的最佳预约时间；
将所述分诊科室、与所述病症关键词对应的各所述预检查项目以及各所述预检查项目的最佳预约时间，通过预设提示方式提示给所述用户，以供用户选择最终确认的预约时间。
2.如权利要求1所述的病症分诊及路径优化方法，其特征在于，所述提取所述自然问询语句中的病症关键词，包括：
获取关键词库中预先存储的病症关键词；
检测所述自然问询语句中是否存在与所述病症关键词匹配的词语；
在存在与所述病症关键词匹配的词语时，将与所述病症关键词匹配的该词语记录为所述自然问询语句中的病症关键词。
3.如权利要求1所述的病症分诊及路径优化方法，其特征在于，所述根据各所述科室实体及各所述科室实体的分诊属性训练所述分诊模型，包括：
获取分诊训练样本；
通过包含初始参数的分诊模型对所述分诊训练样本进行识别，并获取识别之后得到的分诊科室与所述分诊训练样本对应的分诊科室之间的整体偏差程度；
若所述整体偏差度大于预设的偏差阈值，则将所述分诊模型的初始参数调整为修正后参数，并通过具有所述修正后参数的所述分诊模型对所述分诊训练样本进行识别，并获取本次识别之后得到的分诊科室与所述分诊训练样本对应的分诊科室之间的整体偏差程度，判断该整体偏差度是否大于预设的偏差阈值，以此类推，直至所述整体偏差度小于或等于所述偏差阈值；
若所述整体偏差度小于或等于所述偏差阈值，则提示所述分诊模型训练完成。
4.如权利要求1所述的病症分诊及路径优化方法，其特征在于，所述根据所述可预约时间以及所述检查时长获取各所述预检查项目的最佳预约时间之后，包括：
获取用户最终确认的各所述预检查项目的所述预约时间，根据所述预约时间以及各所述预检查项目的所述检查时长，获取用户完成所有与所述病症关键词对应的所述预检查项目的结束时间点；
获取所述结束时间点之后该分诊科室对应的挂号时间段，以供用户根据所述挂号时间段选取在该分诊科室的挂号就诊时间。
5.如权利要求1所述的病症分诊及路径优化方法，其特征在于，所述通过查验项目推荐函数查询所述知识图谱中的所述分诊科室的所有预检查项目中是否存在与所述病症关键词对应的预检查项目之后，包括：
在不存在与所述病症关键词对应的预检查项目时，提示所述用户在基于所述病症关键词就诊时，无需查验预检查项目，并向所述用户指示与该分诊科室对应的挂号和就诊位置。
6.一种病症分诊及路径优化装置，其特征在于，包括：
第一获取模块，用于获取用户录入的自然问询语句，并提取所述自然问询语句中的病症关键词；
识别模块，用于将所述病症关键词输入预设的分诊模型，通过所述分诊模型识别知识图谱中与所述病症关键词对应的分诊科室；所述识别模块还用于：获取知识图谱中的科室实体及各科室实体的分诊属性；根据各所述科室实体及各所述科室实体的分诊属性训练所述分诊模型； 将所述病症关键词输入所述分诊模型；通过所述分诊模型识别与所述病症关键词匹配度最高的所述分诊属性所对应的科室实体，并将该科室实体记录为与所述病症关键词对应的分诊科室之后，通过所述分诊模型输出所述分诊科室；
查询模块，用于通过查验项目推荐函数查询所述知识图谱中的所述分诊科室的所有预检查项目中是否存在与所述病症关键词对应的预检查项目；所述查询模块还用于：调用预设的查验项目推荐函数；将与所述病症关键词对应的分诊科室以及所述病症关键词输入所述查验项目推荐函数；通过所述查验项目推荐函数扫描知识图谱中的所有分诊科室，并在所述知识图谱的所有分诊科室中找寻与所述病症关键词对应的分诊科室，并在找寻到该分诊科室之后，获取与该分诊科室关联的所有预检查项目以及与各所述预检查项目关联的症状属性；通过所述查验项目推荐函数在获取到的所有症状属性中找寻是否存在与所述病症关键词匹配的症状属性；在存在与所述病症关键词匹配的症状属性时，将与所述病症关键词匹配的所述症状属性关联的所述预检查项目设定为与所述病症关键词对应的预检查项目；在不存在与所述病症关键词匹配的症状属性时，确认不存在与所述病症关键词对应的预检查项目；
第二获取模块，用于在存在与所述病症关键词对应的预检查项目时，获取与所述病症关键词对应的各所述预检查项目的可预约时间及其检查时长，并根据所述可预约时间以及所述检查时长获取各所述预检查项目的最佳预约时间；
提示模块，用于将所述分诊科室、与所述病症关键词对应的各所述预检查项目以及各所述预检查项目的最佳预约时间，通过预设提示方式提示给所述用户，以供用户选择最终确认的预约时间。
7.一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机可读指令，其特征在于，所述处理器执行所述计算机可读指令时实现如权利要求1至5任一项所述病症分诊及路径优化方法的步骤。
8.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机可读指令，其特征在于，所述计算机可读指令被处理器执行时实现如权利要求1至5任一项所述病症分诊及路径优化方法的步骤。
CN201811434644.6A 2018-11-28 2018-11-28 病症分诊及路径优化方法、装置、设备及存储介质 Active CN109659013B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811434644.6A CN109659013B (zh) 2018-11-28 2018-11-28 病症分诊及路径优化方法、装置、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811434644.6A CN109659013B (zh) 2018-11-28 2018-11-28 病症分诊及路径优化方法、装置、设备及存储介质

Publications (2)

Publication Number Publication Date
CN109659013A CN109659013A (zh) 2019-04-19
CN109659013B true CN109659013B (zh) 2023-07-07

Family

ID=66111029

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811434644.6A Active CN109659013B (zh) 2018-11-28 2018-11-28 病症分诊及路径优化方法、装置、设备及存储介质

Country Status (1)

Country Link
CN (1) CN109659013B (zh)

Families Citing this family (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110470303B (zh) * 2019-08-14 2021-09-17 新疆维吾尔自治区人民医院 一种医院内就诊导航方法及装置
CN110619376B (zh) * 2019-08-22 2023-03-24 江苏大学 一种就诊路径查询方法
CN110598116A (zh) * 2019-09-19 2019-12-20 上海腾程医学科技信息有限公司 检验项目推荐方法及装置、终端设备、存储介质
CN110660490B (zh) * 2019-09-26 2022-11-15 深圳安泰创新科技股份有限公司 检查单开具方法、系统及计算机可读存储介质
CN110866038A (zh) * 2019-11-12 2020-03-06 维沃移动通信有限公司 信息推荐方法及终端设备
CN110993078A (zh) * 2019-11-27 2020-04-10 华中科技大学同济医学院附属协和医院 一种医疗分诊方法、装置和存储介质
CN111260520A (zh) * 2020-01-10 2020-06-09 上海市浦东新区公利医院(第二军医大学附属公利医院) 基于智能语音多轮问询和自助挂号技术的导诊导医系统
CN111785368A (zh) * 2020-06-30 2020-10-16 平安科技（深圳）有限公司 基于医疗知识图谱的分诊方法、装置、设备及存储介质
CN111951942B (zh) * 2020-08-25 2022-10-11 河北省科学院应用数学研究所 门诊预检分诊方法、装置、终端及存储介质
CN112016318B (zh) * 2020-09-08 2023-11-21 平安科技（深圳）有限公司 基于解释模型的分诊信息推荐方法、装置、设备及介质
CN112382375B (zh) * 2020-10-28 2022-10-11 浙江工业大学 一种基于差异检测的医院就诊流程优化方法
CN112397170A (zh) * 2020-12-01 2021-02-23 山东勤成健康科技股份有限公司 一种电子病历生成方法及装置
CN112349435A (zh) * 2020-12-08 2021-02-09 微医云(杭州)控股有限公司 一种在线问诊方法、装置、服务器、介质和系统
CN112562834A (zh) * 2020-12-10 2021-03-26 南通市第一人民医院 一种基于机器学习的疫情预检分诊的方法及系统
CN112700862B (zh) * 2020-12-25 2024-04-16 上海钛米机器人股份有限公司 目标科室的确定方法、装置、电子设备及存储介质
CN112951394A (zh) * 2021-03-10 2021-06-11 中电健康云科技有限公司 一种基于深度学习的医院分诊和预测医学检查项目的方法
CN113409932A (zh) * 2021-07-21 2021-09-17 挂号网（杭州）科技有限公司 分诊方法、装置、计算机设备及存储介质
CN115688760B (zh) * 2022-11-11 2023-08-04 深圳市蒲睿科技有限公司 一种智能化导诊方法、装置、设备及存储介质

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107993724A (zh) * 2017-11-09 2018-05-04 易保互联医疗信息科技（北京）有限公司 一种医学智能问答数据处理的方法及装置
CN108305175A (zh) * 2017-12-30 2018-07-20 上海栈略数据技术有限公司 基于智能医学知识图谱的保险理赔风控辅助审核系统
CN108877921A (zh) * 2017-05-12 2018-11-23 京东方科技集团股份有限公司 医疗智能分诊方法和医疗智能分诊系统

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20170344711A1 (en) * 2016-05-31 2017-11-30 Baidu Usa Llc System and method for processing medical queries using automatic question and answering diagnosis system

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108877921A (zh) * 2017-05-12 2018-11-23 京东方科技集团股份有限公司 医疗智能分诊方法和医疗智能分诊系统
CN107993724A (zh) * 2017-11-09 2018-05-04 易保互联医疗信息科技（北京）有限公司 一种医学智能问答数据处理的方法及装置
CN108305175A (zh) * 2017-12-30 2018-07-20 上海栈略数据技术有限公司 基于智能医学知识图谱的保险理赔风控辅助审核系统

Also Published As

Publication number Publication date
CN109659013A (zh) 2019-04-19

Similar Documents

Publication Publication Date Title
CN109659013B (zh) 病症分诊及路径优化方法、装置、设备及存储介质
CN110457431B (zh) 基于知识图谱的问答方法、装置、计算机设备和存储介质
CN107609163B (zh) 医学知识图谱的生成方法、存储介质及服务器
CN109635122A (zh) 智能疾病问询方法、装置、设备及存储介质
CN111785368A (zh) 基于医疗知识图谱的分诊方法、装置、设备及存储介质
CN109065172B (zh) 病症信息获取方法、装置、计算机设备和存储介质
CN112035674B (zh) 导诊数据获取方法、装置、计算机设备和存储介质
CN108899064A (zh) 电子病历生成方法、装置、计算机设备和存储介质
US20140351228A1 (en) Dialog system, redundant message removal method and redundant message removal program
CN110716991B (zh) 基于电子书的实体关联信息的展示方法及电子设备
CN109522397B (zh) 信息处理方法及装置
Boeschoten et al. A framework for privacy preserving digital trace data collection through data donation
CN109522705B (zh) 一种权限管理方法、装置、电子设备及介质
WO2022068160A1 (zh) 基于人工智能的重症问诊数据识别方法、装置、设备及介质
CN110782998A (zh) 数据审核方法、装置、计算机设备和存储介质
CN109087688B (zh) 患者信息采集方法、装置、计算机设备和存储介质
CN113724858A (zh) 基于人工智能的疾病检查项目推荐设备、方法及装置
CN112287068A (zh) 基于人工智能的问诊对话数据处理方法及装置
CN110752027B (zh) 电子病历数据推送方法、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
CN112035619A (zh) 基于人工智能的医疗问诊单筛选方法、装置、设备和介质
CN109299238B (zh) 一种数据查询方法和装置
KR102252873B1 (ko) 클라우드 기반 임상 데이터 관리 방법 및 시스템
CN113707304A (zh) 分诊数据处理方法、装置、设备及存储介质
CN112036161A (zh) 需求文档处理方法、装置、设备及存储介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant