CN109767845A - 医疗随访方法、装置、计算机设备和存储介质 - Google Patents
医疗随访方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN109767845A CN109767845A CN201811548323.9A CN201811548323A CN109767845A CN 109767845 A CN109767845 A CN 109767845A CN 201811548323 A CN201811548323 A CN 201811548323A CN 109767845 A CN109767845 A CN 109767845A
- Authority
- CN
- China
- Prior art keywords
- follow
- score value
- mood
- emotion
- patient
- 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.)
- Pending
Links
Landscapes
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
本申请涉及人工智能中的生物识别,特别涉及微表情识别中的情绪识别,也即一种医疗随访方法、装置、计算机设备和存储介质。所述方法包括:获取待随访患者身份信息,并根据所述待随访患者身份信息生成随访问题;将所述随访问题发送至用户终端,接收所述用户终端返回的与所述随访问题对应的随访回答,并计算所述随访回答对应的第一评分值;获取随访视频,根据所述随访视频获取待随访患者的随访情绪信息,并查询所述随访情绪信息对应的第二评分值;根据所述第一评分值与所述第二评分值计算随访得分值;获取就医得分值,根据所述就医得分值与所述随访得分值输出随访结果。采用本方法能够提高随访效率。
Description
技术领域
本申请涉及计算机技术领域,特别是涉及一种医疗随访方法、装置、计算机设备和存储介质。
背景技术
在医疗领域,医疗机构通常会对曾就诊完成的患者进行随访,也即医疗机构通常人工与曾就诊的患者通过通讯的方式定期沟通,从而了解患者病情变化,并且指导患者康复。
传统地,在进行随访时,仅仅是人工进行随访,如通讯询问相关的问题,而如果有大量的患者进行随访时,则医护人员对患者随访的工作量大且效率低。
发明内容
基于此,有必要针对上述技术问题,提供一种能够提高随访效率的医疗随访方法、装置、计算机设备和存储介质。
一种医疗随访方法,所述方法包括:
获取待随访患者身份信息,并根据所述待随访患者身份信息生成随访问题;
将所述随访问题发送至用户终端,接收所述用户终端返回的与所述随访问题对应的随访回答,并计算所述随访回答对应的第一评分值;
获取随访视频,根据所述随访视频获取待随访患者的随访情绪信息,并查询所述随访情绪信息对应的第二评分值;
根据所述第一评分值与所述第二评分值计算随访得分值;
获取就医得分值,根据所述就医得分值与所述随访得分值输出随访结果。
在一个实施例中,所述获取就医得分值,根据所述就医得分值与所述随访得分值输出随访结果,包括:
计算所述就医得分值与所述随访得分值的差值;
获取比对结果范围,查询所述差值对应的所述比对结果范围;
将所述差值对应的所述比对结果范围关联的比对结果作为随访结果。
在一个实施例中,所述根据所述随访视频获取待随访患者的随访情绪信息,包括:
提取所述随访视频中的随访图像,并提取所述随访图像中包含的随访患者图像;
接收所述随访患者图像对应的当前情绪为标准情绪的情绪概率;
对所述情绪概率进行排序,并根据排序后的情绪概率提取与预设数量对应的数量的标准情绪;
判断所提取的标准情绪对应的情绪类型是否相同;
当所提取的标准情绪对应的情绪类型不同时,则获取情绪概率最大的标准情绪所对应的所述情绪类型作为当前情绪信息;
统计所述当前情绪信息所对应的随访图像的帧数;
根据所述当前情绪信息以及帧数得到所述随访图像的随访情绪信息。
在一个实施例中,所述判断所提取的标准情绪对应的情绪类型是否相同之后,包括:
当所提取的所述标准情绪对应有相同的情绪类型时,则查询情绪类型相同的标准情绪;
根据所述情绪类型相同的标准情绪对应的情绪概率计算得到目标概率;
获取所述目标概率以及情绪类型不相同的标准情绪的情绪概率中的最大值;
将所述最大值对应的所述情绪类型作为当前情绪信息。
在一个实施例中,所述计算所述随访回答对应的第一评分值,包括:
查询所述随访回答所对应的分词逻辑;
根据所述分词逻辑,将所述随访回答进行拆分得到拆分后的随访回答;
查询所述拆分后的随访回答中包含的随访症状数据,并查询所述随访症状数据对应的症状得分作为第一评分值。
在一个实施例中,所述根据所述第一评分值与所述第二评分值计算随访得分值,包括:
获取所述第一评分值对应的第一权重,并获取所述第二评分值对应的第二权重;
根据所述第一评分值、所述第一权重、所述第二评分值与所述第二权重计算随访得分值。
一种医疗随访装置,所述装置包括:
生成模块,用于获取待随访患者身份信息,并根据所述待随访患者身份信息生成随访问题;
第一计算模块,用于将所述随访问题发送至用户终端,接收所述用户终端返回的与所述随访问题对应的随访回答,并计算所述随访回答对应的第一评分值;
查询模块,用于获取随访视频,根据所述随访视频获取待随访患者的随访情绪信息,并查询所述随访情绪信息对应的第二评分值;
第二计算模块,用于根据所述第一评分值与所述第二评分值计算随访得分值;
输出模块,用于获取就医得分值,根据所述就医得分值与所述随访得分值输出随访结果。
在一个实施例中,所述输出模块,包括:
差值计算单元,用于计算所述就医得分值与所述随访得分值的差值;
第一查询单元,用于获取比对结果范围,查询所述差值对应的所述比对结果范围;
第二查询单元,用于将所述差值对应的所述比对结果范围关联的比对结果作为随访结果。
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上述方法的步骤。
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上述的方法的步骤。
上述医疗随访方法、装置、计算机设备和存储介质,无需人工逐一对待随访患者进行随访,从而得到相应的随访结果,只需获取待随访患者身份信息,并根据待随访患者身份信息生成随访问题,将待随访问题发送至用户终端,接收用户终端返回的与待随访问题对应的随访回答,并计算随访回答对应的第一评分值,进而获取到随访视频,根据随访视频获取待随访患者的随访情绪信息,并查询随访情绪信息对应的第二评分值,根据第一评分值与第二评分值计算随访得分值,进而获取就医得分值,根据就医得分值与随访得分值得到相应的随访结果,从而可以提高随访效率。
附图说明
图1为一个实施例中医疗随访方法的应用场景图;
图2为一个实施例中医疗随访方法的流程示意图;
图3为一个实施例中随访情绪信息获取步骤的流程示意图;
图4为一个实施例中医疗随访装置的结构框图;
图5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。
本申请提供的医疗随访方法,可以应用于如图1所示的应用环境中。其中,用户终端102通过网络与服务器104进行通信。服务器104获取到待随访患者身份信息,进而根据待随访换阵身份信息生成随访问题,将随访问题发送至用户终端102,进而服务器104接收用户终端102返回的与随访问题对应的随访回答,并计算随访回答对应的第一评分值,进而服务器104获取用户终端102拍摄的随访视频,并根据随访视频获取待随访患者的随访情绪信息,并查询随访情绪信息对应的第二评分值,服务器104根据第一评分值与第二评分值计算随访得分值,进而服务器104获取到就医得分值,根据就医得分值与随访得分值输出随访结果,其中,用户终端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,提供了一种医疗随访方法,以该方法应用于图1中的服务器为例进行说明,包括以下步骤:
S202:获取待随访患者身份信息,并根据待随访患者身份信息生成随访问题。
具体地,待随访患者身份信息是指可以标识曾就诊且需要定期了解病情变化的用户的身份的基本数据,待随访患者身份信息可以是待随访患者的姓名、年龄、联系方式、身份证号码等。具体地,服务器向用户终端发送获取待随访患者身份信息的身份信息获取请求,用户终端根据身份信息获取请求在显示界面上显示相关提示信息,待随访患者根据提示信息输入对应的身份信息,进而用户终端将接收到的用户身份信息返回至服务器,当服务器接收到待随访患者身份信息时,则查询与待随访患者身份信息所关联的健康数据,进而根据健康数据生成随访问题。例如,服务器向用户终端发送获取待随访患者的身份信息的身份信息获取请求,如获取待随访患者的姓名与身份证号码,用户终端接收到该身份信息获取请求时,则在显示界面上将相关的提示信息进行显示,可以是“请输入姓名以及身份证号码”,用户根据该提示信息,输入姓名与身份证号码,进而用户终端将接收到的姓名与身份证号码发送至服务器,服务器接收到姓名与身份证号码时,则查询到预存储的健康数据,如查询到对应的疾病数据以及症状数据等,进而服务器根据查询到的疾病数据与症状数据生成随访问题,该随访问题可以是“请描述近1个月出现的症状,如焦虑、失眠等”。
S204:将随访问题发送至用户终端,接收用户终端返回的与随访问题对应的随访回答,并计算随访回答对应的第一评分值。
具体地,第一评分值是指服务器根据待随访患者针对随访问题得到的随访回答进行的打分,该第一评分值可以是根据待随访回答中包含的不同词语进行打分得到的。服务器根据待随访患者身份信息生成随访问题,则将随访问题发送至对应的用户终端,当用户终端接收到随访问题时,则在显示界面将该随访问题进行显示,进而用户根据随访问题输入随访回答,用户终端将随访回答返回至服务器,服务器根据随访回答,可以提取随访回答中的相关词语,查询相关词语所关联的得分,进而根据所有相关词语关联的得分得到总得分,该总得分即为第一评分值。
S206;获取随访视频,根据随访视频获取待随访患者的随访情绪信息,并查询随访情绪信息对应的第二评分值。
具体地,随访视频是指用户终端在进行随访的过程中录制的相关视频。随访情绪信息是指在随访过程中的待随访患者的整体情绪信息。第二评分值是对随访情绪进行打分得到的评分值。具体地,在服务器计算随访得分时,由于出现的症状数据会与情绪相关,可以将待随访患者的情绪作为考虑维度计算随访得分,当服务器将获取待随访患者身份信息的身份信息获取请求发送至用户终端时,且发送相应的视频获取请求,进而终端根据视频获取请求显示对应的视频获取提示信息,根据待随访患者的选择,对在随访过程中的待随访患者的视频进行采集,当采集得到随访视频时,则将随访视频发送至服务器,当服务器接收到随访视频时,可以先检测是否为待随访患者本人,则先检测随访视频中的人脸图像区域,也即可以是提取随访视频中的随访图像输入至训练完成的人脸检测模型中,从而检测得到人脸图像区域,进而服务器根据待随访患者身份信息查询预存储的待随访患者的预存图像,将人脸图像区域中包含的人脸特征与预存图像的预存特征进行比对得到相似度,当相似度高于预设值时,则随访视频中包含的人脸图像即为待随访患者,当服务器判断为人脸图像即为待随访患者时,则服务器根据接收到的随访视频,获取到随访视频中包含的待随访患者对应的微表情信息,进而根据微表情信息查询得到对应的情绪作为随访情绪信息,进而服务器当获取到随访情绪信息时,查询到随访情绪信息所关联的得分值,该关联的得分值即为第二评分值。
S208:根据第一评分值与第二评分值计算随访得分值。
具体地,随访得分值是指用于评价待随访患者健康状态的参考得分。当服务器计算得到第一评分值,并查询得到第二评分值时,可以计算第一得分值与第二得分值的总和,也可以按照第一评分值与第二评分值对应的不同占比计算随访得分值。
S210:获取就医得分值,根据就医得分值与随访得分值输出随访结果。
具体地,就医得分值是预存储的就医时的相应的评分值,就医评分值可以是诊疗平台获取到待随访患者在就医时录制的视频识别得到的就医情绪以及接收到的症状数据生成的,也即可以是,诊疗平台获取到待随访患者在就医时录制的视频,提取就医时录制的视频中包含的图像,从而根据包含的图像获取待随访患者在就医时微表情,并根据微表情得到相应的就医情绪,进而查询就医情绪对应的就医情绪得分,进而诊疗平台接收到诊疗终端发送的就医症状数据,该症状数据可以是医生输入的就医症状数据,进而诊疗平台查询就医症状数据所对应的就医症状数据得分,根据就医情绪得分与就医症状数据得分计算就医得分值,从而将就医得分值进行存储,其中,诊疗平台可以是相应的诊疗服务器等。具体地,当服务器获取到就医得分值时,则可以比较就医得分值与随访得分值得到相应的比较结果,也即服务器查询随访得分值与就医得分值相比为降低或者升高,从而根据相比得到的降低或者升高的结果得到随访结果,其中,当随访得分值与就医得分值相比升高时,则需要就医,随访结果可以是需要就医,当随访得分值与就医得分值相比降低时,则可以继续保持,进而服务器可以将该随访结果发送至用户终端进行显示。
本实施例中,服务器可以获取待随访患者身份信息,并根据待随访患者身份信息生成随访问题,进而将随访问题发送至用户终端,接收用户终端根据随访问题返回的随访回答,并计算随访回答对应的第一评分值,进而获取随访视频,根据随访视频获取待随访患者的随访情绪信息,并查询随访情绪信息对应的第二评分值,从而根据第一评分值与第二评分值计算随访得分值,则保证从不同维度上考虑随访结果,提高随访结果的准确性,进而获取到就医得分值,根据就医得分值与随访得分值得到随访结果,无需人工逐一对待随访患者进行随访,当有大量的待随访患者需要进行随访时,可以提高随访效率,且避免人工进行通讯随访判断对随访结果具有主观性判断而导致随访结果不准确。
在一个实施例中,根据就医得分值与随访得分值输出随访结果,包括:计算就医得分值与随访得分值的差值;获取比对结果范围,查询差值对应的比对结果范围;将差值对应的比对结果范围关联的比对结果作为随访结果。
具体地,比对结果范围是指就医评分值与随访得分值差值对应的不同的范围,从而根据不同的比对结果范围可以得到不同的随访结果,比对结果可以设置有负值范围以及正值范围,当差值对应在负值范围时,则待随访患者当前无需就医继续保持,当差值对应在正值范围时,则待随访患者需要进行就医,则输出需要就医的随访结果。具体地,当服务器获取到随访评分值时,则可以比较随访评分值与就医得分值,从而获取到对应的随访结果,也即服务器可以计算就医得分值与随访得分值的差值,进而获取到不同的比对结果范围,查询差值所对应的比对结果范围,当服务器查找到对应的比对结果范围时,则查询比对结果范围所关联的比对结果,该比对结果即为随访结果,可以是,当服务器查找到差值对应的比对结果范围对应为负值范围时,则查询比对结果关联的比对结果为“无需就医继续保持”,则将该比对结果作为随访结果,当服务器查找到差值对应的比对结果范围对应为正值范围时,则查询比对结果关联的比对结果为“请及时就医”,也即将该比对结果作为随访结果。另外,当服务器计算得到的差值超过阈值时,则该待随访患者需要立即就医,则为了提醒待随访患者及时就医,则提取待随访患者身份信息,并将该身份信息发送至人工处理平台,使得人工处理平台对应的操作人员与待随访患者及时联系,从而保证待随访患者可以及时就医。
本实施例中,服务器可以根据就医得分值与随访得分值计算差值,从而获取相应的比对结果范围,查询差值对应的比对结果范围,将比对结果范围关联的比对结果作为随访结果,则可以根据随访得分值与就医得分值得到对应的随访结果,从而保证提高获取随访结果的效率。
在一个实施例中,根据随访视频获取待随访患者的随访情绪信息,包括:提取随访视频中的随访图像,并提取随访图像中包含的随访患者图像;接收随访患者图像对应的当前情绪为标准情绪的情绪概率;对情绪概率进行排序,并根据排序后的情绪概率提取与预设数量对应的数量的标准情绪;判断所提取的标准情绪对应的情绪类型是否相同;当所提取的标准情绪对应的情绪类型不同时,则获取情绪概率最大的标准情绪所对应的情绪类型作为当前情绪信息;统计当前情绪信息所对应的随访图像的帧数;根据当前情绪信息以及帧数得到随访图像的随访情绪信息。
在一个实施例中,判断所提取的标准情绪对应的情绪类型是否相同之后,包括:当所提取的标准情绪对应有相同的情绪类型时,则查询情绪类型相同的标准情绪;根据情绪类型相同的标准情绪对应的情绪概率计算得到目标概率;获取目标概率以及情绪类型不相同的标准情绪的情绪概率中的最大值;将最大值对应的情绪类型作为当前情绪信息。
在一个实施例中,请参见图3,提供一随访情绪信息获取步骤的流程示意图,随访情绪信息获取步骤,也即根据随访视频获取待随访患者的随访情绪信息,包括:提取随访视频中的随访图像,并提取随访图像中包含的随访患者图像;接收随访患者图像对应的当前情绪为标准情绪的情绪概率;对情绪概率进行排序,并根据排序后的情绪概率提取与预设数量对应的数量的标准情绪;判断所提取的标准情绪对应的情绪类型是否相同;当所提取的标准情绪对应的情绪类型不同时,则获取情绪概率最大的标准情绪所对应的情绪类型作为当前情绪信息;统计当前情绪信息所对应的随访图像的帧数;根据当前情绪信息以及帧数得到随访图像的随访情绪信息;当所提取的标准情绪对应有相同的情绪类型时,则查询情绪类型相同的标准情绪;根据情绪类型相同的标准情绪对应的情绪概率计算得到目标概率;获取目标概率以及情绪类型不相同的标准情绪的情绪概率中的最大值;将最大值对应的情绪类型作为当前情绪信息。
具体地,标准情绪是指预设的微表情所对应的情绪,预设的微表情可以是不同种类的微表情,如54种微表情等。情绪概率是指按照训练完成的微表情识别模型得到的每种预设的微表情的概率,且情绪概率越大则为该种微表情的可能性越高。情绪类型是指将不同的微表情所对应的情绪进行分类得到的不同情绪分区,可以是,将相近的情绪作为同一个情绪类型,也即可以是,将54种预设的微表情所对应的情绪中相近的情绪作为同一个情绪类型,例如,可以有亢奋,兴奋,高兴,一般,心情不太好,无聊,低落的情绪类型,且每种情绪类型中包含有相近的情绪。目标概率是指对应有相同的情绪类型的标准情绪所关联的概率,该目标概率可以由对应在相同的情绪类型中不同的标准情绪所对应的情绪概率进行计算得到,也即可以是对应在相同的情绪类型中的不同的标准情绪所对应的情绪概率相加得到。当前情绪信息是指每帧随访图像中包含的随访患者图像的当前心情。具体地,当服务器接收到随访视频时,则从随访视频中将图像进行提取作为随访图像,当服务器提取得到随访图像时,则从随访图像中将随访患者图像进行提取,也即可以是,服务器将待随访患者图像输入至训练完成的人脸检测模型中,人脸检测模型可以识别每帧随访图像中包含的人脸特征,从而人脸检测模型可以检测出对应的人脸区域,进而提取人脸区域作为随访患者图像,当提取到随访患者图像时,则接收到每一帧随访图像中包含的随访患者图像的当前情绪为每种标准情绪的情绪概率,进而服务器将接收到的情绪概率进行排序,排序可以从大到小排序,服务器获取到预设数量,从排序完成的情绪概率提取与预设数量对应数量的标准情绪,进而查询提取到的标准情绪所对应的情绪类型,并判断标准情绪所对应的情绪类型是否相同,当提取得到的标准情绪所对应的情绪类型不同时,则查询情绪概率最大的标准情绪所对应的情绪类型,将该情绪类型作为当前情绪信息。当服务器查询到标准情绪对应有相同的情绪类型时,则为了判断准确,则避免直接选取情绪概率最大的标准情绪所对应的情绪类别作为当前情绪信息,也即查询对应相同的情绪类型的不同标准情绪的情绪概率,将对应相同的情绪类型的不同标准情绪的情绪概率进行求和得到目标概率,进而将该目标概率与对应在不相同的情绪类型的标准情绪的情绪概率进行比对,将比对结果大的所对应的情绪类型作为当前情绪信息,当服务器获取到当前情绪信息时,则统计不同的当前情绪信息所对应的随访图像的帧数,服务器根据得到的当前情绪信息,以及当前情绪信息所对应的随访图像的帧数得到随访情绪信息,也即服务器可以查询当前情绪信息所对应的随访图像的帧数,选取当前情绪信息所对应的随访图像的帧数最多的当前情绪信息作为随访情绪信息,也可以是,服务器获取到随访图像总帧数,查询当前情绪信息所对应的图像的帧数,计算当前情绪信息所对应的帧数占总帧数的比例,将比例超过阈值的当前情绪信息作为随访情绪信息。
例如,当服务器接收到随访图像时,则接收每一帧随访图像所对应的当前情绪为标准情绪的概率,也即可以是先查询第一帧待评估图像所对应的不同标准情绪的概率,也即第一帧待评估图像对应的54种标准情绪的情绪概率,将获取到情绪概率进行排序,排序可以是从大到小进行排序,进而获取到预设数量,如预设数量为3,则将排序后的情绪概率排在前三位的标准情绪进行提取,进而查询排在前三位的标准情绪所对应的不同的情绪类型,如情绪类型分别为低落、无聊、心情不太好,也即此时情绪类型为不同的情绪类型,进而查询情绪概率最大的标准情绪所对应的情绪类型,如为低落,则此时低落即为随访患者图像中第一帧随访图像的当前情绪信息,且用相同方法,可以识别随访患者图像中其他帧待评估图像的当前情绪信息。另外,当服务器查询查询排在前三位的标准情绪所对应的情绪类型中有相同的情绪类型,如排名第一位的标准情绪对应为无聊,而排名第二位的标准情绪和排名第三位的标准情绪对应有相同的情绪类型,也即对应在低落,则计算对应在低落情绪类型的标准情绪的情绪概率的总和作为目标概率,将该目标概率与对应在低落情绪类别的标准情绪所对应的情绪概率进行比较,选择比较结果大的概率的标准情绪所对应的情绪类型作为当前情绪信息。需要说明的是,本实施例中,情绪概率是由对应的情绪识别服务器获取到相应的人脸图像,采集人脸图像上的预设表情特征,进而将表情特征输入到训练完成的微表情识别模型中进行识别,得到当前表情是每一种微表情的概率,也即为情绪概率,进而服务器统计随访图像的帧数,如共获取到10000帧随访图像,且得到随访患者图像对应的当前情绪信息有高兴、无聊以及失落,则分别统计10000帧待评估图像中出现高兴的图像的帧数,出现无聊的图像的帧数以及出现失落的图像的帧数,统计得到高兴情绪所对应的图像帧数为1000帧、无聊所对应的图像帧数为3000帧,低落所对应的图像帧数为6000帧,则可以是低落所占帧数最多,则10000帧随访图像的待随访患者的整体情绪信息也即是随访情绪信息即为低落,也可以是,分别计算高兴对应的图像帧数与总帧数的比值为10%,无聊对应的图像帧数与总帧数的比值为30%,低落对应的图像帧数与总帧数的比值为60%,进而服务器获取到阈值为50%,超过阈值的为低落对应的图像帧数与总帧数的比值,因此,将低落作为随访图像的整体情绪信息,也即为随访情绪信息。
本实施例中,获取随访图像对应的当前情绪信息则无需人工进行分析,提高查询当前情绪信息的效率,且避免主观性分析导致分析不准确,提高分析情绪的准确性,且在当服务器提取到的标准情绪对应有相同的情绪类型时,则避免直接采用情绪概率最大的标准情绪所对应的情绪类别作为当前情绪信息导致不准确,则查询情绪类型相同的标准情绪,并根据情绪类型相同的标准情绪所对应的情绪概率计算得到目标概率,进而获取到目标概率以及情绪类型不相同的标准情绪的情绪概率中的最大值,将最大值对应的情绪类型作为当前情绪信息,保证获取到当前情绪信息的准确性,且可以根据随访图像的帧数以及当前情绪信息得到随访情绪信息,得到随访情绪信息的效率高。
在一个实施例中,计算所述随访回答对应的第一评分值,包括:查询随访回答所对应的分词逻辑;根据分词逻辑,将随访回答进行拆分得到拆分后的随访回答;查询拆分后的随访回答中包含的随访症状数据,并查询随访症状数据对应的症状得分作为第一评分值。
具体地,分词逻辑是指可以将随访回答拆分成数个标准术语,该标准术语是指具有独立语义的术语,其不受其之前或之后的文字的影响,仅通过术语内容的文字即可确定完整的专业概念。随访症状数据是指在随访回答中具有疾病对应的症状的特性的数据。症状得分是指不同的症状数据对应的得分,也即当疾病数据中出现的越主要的症状数据的得分可以越高。具体地,服务器获取到分词逻辑,进而根据分词逻辑将随访回答进行拆分,服务器可以根据获取到的分词逻辑对随访回答进行拆分得到不同的分词序列,进而计算每个分词序列所对应的拆分正确率,将拆分正确率最大的分词序列中的分词词组作为拆分后的随访回答,其中,拆分正确率也即是获取到不同的分词序列时,获取预设的每个分词序列中的不同的分词词组的正确率,进而计算不同的分词词组的正确率乘积,从而得到每一个分词序列对应的拆分正确率,进而服务器获取到症状数据存储库,将得到的拆分后的随访回答逐一与症状数据存储库中存储的待匹配数据进行匹配,当匹配成功时,则将与待匹配数据匹配成功的拆分后的随访回答作为随访症状数据,进而服务器查询预存储的与随访症状数据对应的症状得分,可以是,服务器根据待随访患者身份信息查询相应的疾病数据,进而查询疾病数据所对应的症状数据,将拆分后的随访回答中的症状数据与疾病数据所对应的症状数据进行匹配,当匹配成功时,则获取到对应的症状数据的症状得分作为第一评分值。
本实施例中,服务器可以对接收到的随访回答进行拆分得到拆分后的随访回答,进而查询拆分后的随访回答中包含的随访症状数据,并查询随访症状数据对应的症状得分作为第一评分值,也即获取第一评分值简单易行,提高后续得到随访结果的效率。
在一个实施例中,根据第一评分值与第二评分值计算随访得分值,包括:获取第一评分值对应的第一权重,并获取第二评分值对应的第二权重;根据第一评分值、第一权重、第二评分值与第二权重计算随访得分值。
具体地,第一权重是指在计算随访得分值时的随访回答所对应的第一评分值对应的占比。第二权重是指在计算随访得分值时的随访情绪所对应的第二评分值对应的占比。具体地,在计算随访得分值时,可以按照不同占比进行计算,也即服务器可以获取到随访回答的第一评分值对应的第一权重,进而获取到随访情绪信息所对应的第二评分值对应的第二权重,计算第一评分值与第一权重对应的第一乘积,进而计算第二评分值与第二权重的第二乘积,计算第一乘积与第二乘积的总和,将该总和作为随访得分值。例如,在服务器计算随访得分进而输出相应的随访结果时,则可以采用不同的占比,可以是,随访回答对应的第一评分值的占比较高,而随访情绪信息可以作为获得随访结果的辅助判断条件,则可以占比较低,也即,服务器获取到随访回答对应的第一评分值对应的第一权重为0.4,随访情绪信息对应的第二评分值的第二权重为0.6,则计算第一评分值与第一占比的第一乘积,进而计算第二评分值与第二占比的第二乘积,从而将第一乘积与第二乘积求和,将求和结果作为随访得分值。需要说明的是,第一权重与第二权重可以进行设置,如第一权重与第二权重相同,或者第一权重较低,第二权重较高等。
本实施例中,服务器在计算随访得分时,可以根据不同的评价维度进行计算,保证计算的准确性,也即在计算的时候,可以获取到第一评分值对应的第一权重,并获取到第二评分值对应的第二权重,从而根据第一评分值、第一权重、第二评分值与第二权重计算得到相应的随访得分,从而可以提高计算准确性。
应该理解的是,虽然图2-3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2-3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4所示,提供了一种医疗随访装置,包括:生成模块410、第一计算模块420、查询模块430、第二计算模块440和输出模块450,其中:
生成模块410,用于获取待随访患者身份信息,并根据待随访患者身份信息生成随访问题。
第一计算模块420,用于将随访问题发送至用户终端,接收用户终端返回的与随访问题对应的随访回答,并计算随访回答对应的第一评分值。
查询模块430,用于获取随访视频,根据随访视频获取待随访患者的随访情绪信息,并查询随访情绪信息对应的第二评分值。
第二计算模块440,用于根据第一评分值与第二评分值计算随访得分值。
输出模块450,用于获取就医得分值,根据就医得分值与随访得分值输出随访结果。
在一个实施例中,输出模块450,可以包括:
差值计算单元,用于计算就医得分值与随访得分值的差值。
第一查询单元,用于获取比对结果范围,查询差值对应的比对结果范围。
第二查询单元,用于将差值对应的比对结果范围关联的比对结果作为随访结果。
在一个实施例中,查询模块430,可以包括:
提取单元,用于提取随访视频中的随访图像,并提取随访图像中包含的随访患者图像。
接收单元,用于接收随访患者图像对应的当前情绪为标准情绪的情绪概率。
排序单元,用于对情绪概率进行排序,并根据排序后的情绪概率提取与预设数量对应的数量的标准情绪。
判断单元,用于判断所提取的标准情绪对应的情绪类型是否相同。
当前情绪信息获取单元,用于当所提取的标准情绪对应的情绪类型不同时,则获取情绪概率最大的标准情绪所对应的情绪类型作为当前情绪信息。
统计单元,用于统计当前情绪信息所对应的随访图像的帧数。
随访情绪信息获取单元,用于根据当前情绪信息以及帧数得到随访图像的随访情绪信息。
在一个实施例中,查询模块,还可以包括:
标准情绪查询单元,用于当所提取的标准情绪对应有相同的情绪类型时,则查询情绪类型相同的标准情绪。
目标概率计算单元,用于根据情绪类型相同的标准情绪对应的情绪概率计算得到目标概率。
最大值获取单元,用于获取目标概率以及情绪类型不相同的标准情绪的情绪概率中的最大值,还用于将最大值对应的情绪类型作为当前情绪信息。
在一个实施例中,第一计算模块410,可以包括:
分词逻辑查询单元,用于查询随访回答所对应的分词逻辑。
拆分单元,用于根据分词逻辑,将随访回答进行拆分得到拆分后的随访回答。
第一评分值查询单元,用于查询拆分后的随访回答中包含的随访症状数据,并查询随访症状数据对应的症状得分作为第一评分值。
在一个实施例中,第二计算模块440,可以包括:
权重获取单元,用于获取第一评分值对应的第一权重,并获取第二评分值对应的第二权重。
随访得分值计算单元,用于根据第一评分值、第一权重、第二评分值与第二权重计算随访得分值。
关于医疗随访装置的具体限定可以参见上文中对于医疗随访方法的限定,在此不再赘述。上述医疗随访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5所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储医疗随访数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种医疗随访方法。
本领域技术人员可以理解,图5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:获取待随访患者身份信息,并根据待随访患者身份信息生成随访问题。将随访问题发送至用户终端,接收用户终端返回的与随访问题对应的随访回答,并计算随访回答对应的第一评分值。获取随访视频,根据随访视频获取待随访患者的随访情绪信息,并查询随访情绪信息对应的第二评分值。根据第一评分值与第二评分值计算随访得分值。获取就医得分值,根据就医得分值与随访得分值输出随访结果。
在一个实施例中,处理器执行计算机程序时实现获取就医得分值,根据就医得分值与随访得分值输出随访结果,包括:计算就医得分值与随访得分值的差值。获取比对结果范围,查询差值对应的比对结果范围。将差值对应的比对结果范围关联的比对结果作为随访结果。
在一个实施例中,处理器执行计算机程序时实现根据随访视频获取待随访患者的随访情绪信息,包括:提取随访视频中的随访图像,并提取随访图像中包含的随访患者图像。接收随访患者图像对应的当前情绪为标准情绪的情绪概率。对情绪概率进行排序,并根据排序后的情绪概率提取与预设数量对应的数量的标准情绪。判断所提取的标准情绪对应的情绪类型是否相同。当所提取的标准情绪对应的情绪类型不同时,则获取情绪概率最大的标准情绪所对应的情绪类型作为当前情绪信息。统计当前情绪信息所对应的随访图像的帧数。根据当前情绪信息以及帧数得到随访图像的随访情绪信息。
在一个实施例中,处理器执行计算机程序时实现判断所提取的标准情绪对应的情绪类型是否相同之后,包括:当所提取的标准情绪对应有相同的情绪类型时,则查询情绪类型相同的标准情绪。根据情绪类型相同的标准情绪对应的情绪概率计算得到目标概率。获取目标概率以及情绪类型不相同的标准情绪的情绪概率中的最大值。将最大值对应的情绪类型作为当前情绪信息。
在一个实施例中,处理器执行计算机程序时实现计算随访回答对应的第一评分值,包括:查询随访回答所对应的分词逻辑。根据分词逻辑,将随访回答进行拆分得到拆分后的随访回答。查询拆分后的随访回答中包含的随访症状数据,并查询随访症状数据对应的症状得分作为第一评分值。
在一个实施例中,处理器执行计算机程序时实现根据第一评分值与第二评分值计算随访得分值,包括:获取第一评分值对应的第一权重,并获取第二评分值对应的第二权重。根据第一评分值、第一权重、第二评分值与第二权重计算随访得分值。
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:获取待随访患者身份信息,并根据待随访患者身份信息生成随访问题。将随访问题发送至用户终端,接收用户终端返回的与随访问题对应的随访回答,并计算随访回答对应的第一评分值。获取随访视频,根据随访视频获取待随访患者的随访情绪信息,并查询随访情绪信息对应的第二评分值。根据第一评分值与第二评分值计算随访得分值。获取就医得分值,根据就医得分值与随访得分值输出随访结果。
在一个实施例中,计算机程序被处理器执行时实现获取就医得分值,根据就医得分值与随访得分值输出随访结果,包括:计算就医得分值与随访得分值的差值。获取比对结果范围,查询差值对应的比对结果范围。将差值对应的比对结果范围关联的比对结果作为随访结果。
在一个实施例中,计算机程序被处理器执行时实现根据随访视频获取待随访患者的随访情绪信息,包括:提取随访视频中的随访图像,并提取随访图像中包含的随访患者图像。接收随访患者图像对应的当前情绪为标准情绪的情绪概率。对情绪概率进行排序,并根据排序后的情绪概率提取与预设数量对应的数量的标准情绪。判断所提取的标准情绪对应的情绪类型是否相同。当所提取的标准情绪对应的情绪类型不同时,则获取情绪概率最大的标准情绪所对应的情绪类型作为当前情绪信息。统计当前情绪信息所对应的随访图像的帧数。根据当前情绪信息以及帧数得到随访图像的随访情绪信息。
在一个实施例中,计算机程序被处理器执行时实现判断所提取的标准情绪对应的情绪类型是否相同之后,包括:当所提取的标准情绪对应有相同的情绪类型时,则查询情绪类型相同的标准情绪。根据情绪类型相同的标准情绪对应的情绪概率计算得到目标概率。获取目标概率以及情绪类型不相同的标准情绪的情绪概率中的最大值。将最大值对应的情绪类型作为当前情绪信息。
在一个实施例中,计算机程序被处理器执行时实现计算随访回答对应的第一评分值,包括:查询随访回答所对应的分词逻辑。根据分词逻辑,将随访回答进行拆分得到拆分后的随访回答。查询拆分后的随访回答中包含的随访症状数据,并查询随访症状数据对应的症状得分作为第一评分值。
在一个实施例中,计算机程序被处理器执行时实现根据第一评分值与第二评分值计算随访得分值,包括:获取第一评分值对应的第一权重,并获取第二评分值对应的第二权重。根据第一评分值、第一权重、第二评分值与第二权重计算随访得分值。
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)
1.一种医疗随访方法,所述方法包括:
获取待随访患者身份信息,并根据所述待随访患者身份信息生成随访问题;
将所述随访问题发送至用户终端,接收所述用户终端返回的与所述随访问题对应的随访回答,并计算所述随访回答对应的第一评分值;
获取随访视频,根据所述随访视频获取待随访患者的随访情绪信息,并查询所述随访情绪信息对应的第二评分值;
根据所述第一评分值与所述第二评分值计算随访得分值;
获取就医得分值,根据所述就医得分值与所述随访得分值输出随访结果。
2.根据权利要求1所述的方法,其特征在于,所述获取就医得分值,根据所述就医得分值与所述随访得分值输出随访结果,包括:
计算所述就医得分值与所述随访得分值的差值;
获取比对结果范围,查询所述差值对应的所述比对结果范围;
将所述差值对应的所述比对结果范围关联的比对结果作为随访结果。
3.根据权利要求1所述的方法,其特征在于,所述根据所述随访视频获取待随访患者的随访情绪信息,包括:
提取所述随访视频中的随访图像,并提取所述随访图像中包含的随访患者图像;
接收所述随访患者图像对应的当前情绪为标准情绪的情绪概率;
对所述情绪概率进行排序,并根据排序后的情绪概率提取与预设数量对应的数量的标准情绪;
判断所提取的标准情绪对应的情绪类型是否相同;
当所提取的标准情绪对应的情绪类型不同时,则获取情绪概率最大的标准情绪所对应的所述情绪类型作为当前情绪信息;
统计所述当前情绪信息所对应的随访图像的帧数;
根据所述当前情绪信息以及帧数得到所述随访图像的随访情绪信息。
4.根据权利要求3所述的方法,其特征在于,所述判断所提取的标准情绪对应的情绪类型是否相同之后,包括:
当所提取的所述标准情绪对应有相同的情绪类型时,则查询情绪类型相同的标准情绪;
根据所述情绪类型相同的标准情绪对应的情绪概率计算得到目标概率;
获取所述目标概率以及情绪类型不相同的标准情绪的情绪概率中的最大值;
将所述最大值对应的所述情绪类型作为当前情绪信息。
5.根据权利要求1所述的方法,其特征在于,所述计算所述随访回答对应的第一评分值,包括:
查询所述随访回答所对应的分词逻辑;
根据所述分词逻辑,将所述随访回答进行拆分得到拆分后的随访回答;
查询所述拆分后的随访回答中包含的随访症状数据,并查询所述随访症状数据对应的症状得分作为第一评分值。
6.根据权利要求1所述的方法,其特征在于,所述根据所述第一评分值与所述第二评分值计算随访得分值,包括:
获取所述第一评分值对应的第一权重,并获取所述第二评分值对应的第二权重;
根据所述第一评分值、所述第一权重、所述第二评分值与所述第二权重计算随访得分值。
7.一种医疗随访装置,其特征在于,所述装置包括:
生成模块,用于获取待随访患者身份信息,并根据所述待随访患者身份信息生成随访问题;
第一计算模块,用于将所述随访问题发送至用户终端,接收所述用户终端返回的与所述随访问题对应的随访回答,并计算所述随访回答对应的第一评分值;
查询模块,用于获取随访视频,根据所述随访视频获取待随访患者的随访情绪信息,并查询所述随访情绪信息对应的第二评分值;
第二计算模块,用于根据所述第一评分值与所述第二评分值计算随访得分值;
输出模块,用于获取就医得分值,根据所述就医得分值与所述随访得分值输出随访结果。
8.根据权利要求7所述的装置,其特征在于,所述输出模块,包括:
差值计算单元,用于计算所述就医得分值与所述随访得分值的差值;
第一查询单元,用于获取比对结果范围,查询所述差值对应的所述比对结果范围;
第二查询单元,用于将所述差值对应的所述比对结果范围关联的比对结果作为随访结果。
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 |
---|---|---|---|
CN201811548323.9A CN109767845A (zh) | 2018-12-18 | 2018-12-18 | 医疗随访方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811548323.9A CN109767845A (zh) | 2018-12-18 | 2018-12-18 | 医疗随访方法、装置、计算机设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109767845A true CN109767845A (zh) | 2019-05-17 |
Family
ID=66451463
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811548323.9A Pending CN109767845A (zh) | 2018-12-18 | 2018-12-18 | 医疗随访方法、装置、计算机设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109767845A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110675922A (zh) * | 2019-09-23 | 2020-01-10 | 北京阳光欣晴健康科技有限责任公司 | 基于多模态的智能随访方法及系统 |
CN113194323A (zh) * | 2021-04-27 | 2021-07-30 | 口碑(上海)信息技术有限公司 | 信息交互方法、多媒体信息互动方法以及装置 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2015179484A1 (en) * | 2014-05-20 | 2015-11-26 | Akin Jodi J | Clinical trial/patient follow-up platform |
CN105989235A (zh) * | 2015-02-17 | 2016-10-05 | 西部天使(北京)健康科技有限公司 | 一种网络随访方法及系统 |
CN107358047A (zh) * | 2017-07-13 | 2017-11-17 | 刘峰 | 糖尿病患者评估及管理系统 |
CN107391942A (zh) * | 2017-07-26 | 2017-11-24 | 深圳市心上信息技术有限公司 | 随访数据处理方法、装置、存储介质和计算机设备 |
CN107506592A (zh) * | 2017-08-29 | 2017-12-22 | 杭州卓健信息科技有限公司 | 一种随访方法及其随访系统 |
CN107577991A (zh) * | 2017-08-10 | 2018-01-12 | 深圳市心上信息技术有限公司 | 随访数据处理方法、装置、存储介质和计算机设备 |
CN108648787A (zh) * | 2018-05-18 | 2018-10-12 | 杭州认识科技有限公司 | 医疗随访方法和装置 |
CN108806801A (zh) * | 2018-05-18 | 2018-11-13 | 杭州认识科技有限公司 | 医疗随访方法和装置 |
-
2018
- 2018-12-18 CN CN201811548323.9A patent/CN109767845A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2015179484A1 (en) * | 2014-05-20 | 2015-11-26 | Akin Jodi J | Clinical trial/patient follow-up platform |
CN105989235A (zh) * | 2015-02-17 | 2016-10-05 | 西部天使(北京)健康科技有限公司 | 一种网络随访方法及系统 |
CN107358047A (zh) * | 2017-07-13 | 2017-11-17 | 刘峰 | 糖尿病患者评估及管理系统 |
CN107391942A (zh) * | 2017-07-26 | 2017-11-24 | 深圳市心上信息技术有限公司 | 随访数据处理方法、装置、存储介质和计算机设备 |
CN107577991A (zh) * | 2017-08-10 | 2018-01-12 | 深圳市心上信息技术有限公司 | 随访数据处理方法、装置、存储介质和计算机设备 |
CN107506592A (zh) * | 2017-08-29 | 2017-12-22 | 杭州卓健信息科技有限公司 | 一种随访方法及其随访系统 |
CN108648787A (zh) * | 2018-05-18 | 2018-10-12 | 杭州认识科技有限公司 | 医疗随访方法和装置 |
CN108806801A (zh) * | 2018-05-18 | 2018-11-13 | 杭州认识科技有限公司 | 医疗随访方法和装置 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110675922A (zh) * | 2019-09-23 | 2020-01-10 | 北京阳光欣晴健康科技有限责任公司 | 基于多模态的智能随访方法及系统 |
CN113194323A (zh) * | 2021-04-27 | 2021-07-30 | 口碑(上海)信息技术有限公司 | 信息交互方法、多媒体信息互动方法以及装置 |
CN113194323B (zh) * | 2021-04-27 | 2023-11-10 | 口碑(上海)信息技术有限公司 | 信息交互方法、多媒体信息互动方法以及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109729383B (zh) | 双录视频质量检测方法、装置、计算机设备和存储介质 | |
CN112036154B (zh) | 基于问诊对话的电子病历生成方法、装置和计算机设备 | |
CN109766770A (zh) | 服务质量评价方法、装置、计算机设备和存储介质 | |
CN109065139A (zh) | 医疗随访方法、装置、计算机设备和存储介质 | |
CN108986908A (zh) | 问诊数据处理方法、装置、计算机设备和存储介质 | |
CN109766917A (zh) | 面试视频数据处理方法、装置、计算机设备和存储介质 | |
CN110659298B (zh) | 财务数据处理方法、装置、计算机设备和存储介质 | |
CN109523344A (zh) | 产品信息推荐方法、装置、计算机设备和存储介质 | |
CN108509609A (zh) | 智能人机交互方法、装置、计算机设备及存储介质 | |
CN109858958A (zh) | 基于微表情的目标客户定位方法、装置、设备及存储介质 | |
CN109684978A (zh) | 员工情绪监控方法、装置、计算机设备和存储介质 | |
CN109815489A (zh) | 催收信息生成方法、装置、计算机设备和存储介质 | |
CN109766474A (zh) | 审讯信息审核方法、装置、计算机设备和存储介质 | |
CN112035611B (zh) | 目标用户推荐方法、装置、计算机设备和存储介质 | |
CN112287068B (zh) | 基于人工智能的问诊对话数据处理方法及装置 | |
CN109766767A (zh) | 行为数据推送方法、装置、计算机设备和存储介质 | |
CN109767845A (zh) | 医疗随访方法、装置、计算机设备和存储介质 | |
CN109767290A (zh) | 产品推送方法、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 | |
CN109903045A (zh) | 行为轨迹监控方法、装置、计算机设备和介质 | |
CN109872234A (zh) | 交易行为监控方法、装置、计算机设备和介质 | |
CN112397197A (zh) | 基于人工智能的问诊数据处理方法及装置 | |
CN111415760B (zh) | 医生推荐方法、系统、计算机设备及存储介质 | |
CN109766772A (zh) | 风险控制方法、装置、计算机设备和存储介质 | |
CN109408708A (zh) | 用户推荐的方法、装置、计算机设备和存储介质 |
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 |