CN110277155A - 导诊方法及装置、存储介质、电子装置 - Google Patents

Abstract

本发明公开了一种导诊方法及装置、存储介质、电子装置。其中，该方法包括：获取待诊断患者的疾病信息；将疾病信息输入至目标模型，得到目标模型输出的与疾病信息对应的每个候选科室的概率；从每个候选科室的概率中确定出的与待诊断患者的选择对应的候选科室，得到目标科室，其中，目标科室是待诊断患者挂号的科室。本发明解决了相关技术中存在的不能基于患者的信息给出相关科室的推荐供患者选择的技术问题。

Description

导诊方法及装置、存储介质、电子装置

技术领域

本发明涉及计算机领域，具体而言，涉及一种导诊方法及装置、存储介质、电子装置。

背景技术

当今在中国看病是一大难题，医院挂号难、看诊难、费用高的问题依然存在，随着移动互联网的发展，越来越多的互联网公司推出医疗应用程序，患者可以在应用程序上进行预约、挂号、看诊，从而来缓解医院人满为患的问题，但是患者在应用程序上选择的科室可能并不是自己想要挂号的科室，应用程序并不能基于患者的信息给出相关科室的推荐供患者选择。

针对上述的问题，目前尚未提出有效的解决方案。

发明内容

本发明实施例提供了一种导诊方法及装置、存储介质、电子装置，以至少解决相关技术中存在的不能基于患者的信息给出相关科室的推荐供患者选择的技术问题。

根据本发明实施例的一个方面，提供了一种导诊方法，包括：获取待诊断患者的疾病信息；将所述疾病信息输入至目标模型，得到所述目标模型输出的与所述疾病信息对应的每个候选科室的概率；从所述每个候选科室的概率中确定出的与所述待诊断患者的选择对应的候选科室，得到目标科室，其中，所述目标科室是所述待诊断患者挂号的科室。

可选地，将所述疾病信息输入至目标模型包括：将所述疾病信息依次输入至所述目标模型中的依次连接的M个卷积层和1个全连接层，其中，所述M为大于1的自然数。

可选地，在将所述疾病信息输入至目标模型，得到所述目标模型输出的与所述疾病信息对应的每个候选科室的概率之前，所述方法还包括：获取患者的多个样本疾病信息、以及与所述多个样本疾病信息中的每个样本疾病信息对应的实际科室，其中，所述实际科室用于表示所述患者在科室集合中挂号的科室；使用所述多个样本疾病信息对所述原始模型进行训练，得到所述目标模型，其中，所述多个样本疾病信息为所述原始模型的输入，所述目标模型输出的所述每个样本疾病信息对应的每个候选科室的概率与每个样本疾病信息对应的实际科室信息对应。

可选地，将所述疾病信息输入至目标模型，得到所述目标模型输出的与所述疾病信息对应的每个候选科室的概率包括：将所述疾病信息与预先存储的疾病关键字进行匹配，从所述疾病信息中提取出匹配的疾病关键字，得到目标关键字；将所述目标关键字输入至所述目标模型中，得到所述目标模型输出的与所述目标关键字对应的每个候选科室的概率。

可选地，在从所述每个候选科室的概率中确定出的与所述待诊断患者的选择对应的候选科室，得到所述目标科室之后，所述方法还包括：在客户端上显示出与所述目标科室对应的每个医院的信息，其中，所述每个医院的信息中包括以下至少之一：患者对所述每个医院中设置的所述目标科室的评价信息、所述每个医院中设置的所述目标科室的能力信息。

可选地，在所述客户端上显示出与所述目标科室对应的每个医院的信息之后，所述方法还包括：在所述客户端上接收所述待诊断患者选择的医院，得到目标医院；在所述客户端上显示与所述目标医院中的目标科室对应的医生信息。

根据本发明实施例的另一方面，还提供了一种导诊装置，包括：第一获取模块，用于获取待诊断患者的疾病信息；第一确定模块，用于将所述疾病信息输入至目标模型，得到所述目标模型输出的与所述疾病信息对应的每个候选科室的概率；第二确定模块，用于从所述每个候选科室的概率中确定出的与所述待诊断患者的选择对应的候选科室，得到目标科室，其中，所述目标科室是所述待诊断患者挂号的科室。

在本发明实施例中，采用在客户端上获取待诊断患者的疾病信息；并将疾病信息输入至目标模型，得到目标模型输出的与疾病信息对应的每个候选科室的概率；从每个候选科室的概率中确定出的与待诊断患者的选择对应的候选科室，得到目标科室，其中，目标科室是待诊断患者挂号的科室。从而达到用户可以基于每个科室所占的比例进行选择的目的。进而解决了相关技术中存在的不能基于患者的信息给出相关科室的推荐供患者选择的技术问题。

附图说明

此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：

图1是本发明实施例的一种导诊方法的移动终端的硬件结构框图；

图2是根据本发明实施例的导诊方法的流程图；

图3是根据本发明实施例的导诊装置的示意图。

具体实施方式

下文中将参考附图并结合实施例来详细说明本发明。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。

需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。

本申请实施例所提供的方法实施例可以在移动终端、计算机终端或者类似的运算装置中执行。以运行在移动终端上为例，图1是本发明实施例的一种导诊方法的移动终端的硬件结构框图。如图1所示，移动终端10可以包括一个或多个(图1中仅示出一个)处理器102(处理器102可以包括但不限于微处理器MCU或可编程逻辑器件FPGA等的处理装置)和用于存储数据的存储器104，可选地，上述移动终端还可以包括用于通信功能的传输设备106以及输入输出设备108。本领域普通技术人员可以理解，图1所示的结构仅为示意，其并不对上述移动终端的结构造成限定。例如，移动终端10还可包括比图1中所示更多或者更少的组件，或者具有与图1所示不同的配置。

存储器104可用于存储计算机程序，例如，应用软件的软件程序以及模块，如本发明实施例中的导诊方法对应的计算机程序，处理器102通过运行存储在存储器104内的计算机程序，从而执行各种功能应用以及数据处理，即实现上述的方法。存储器104可包括高速随机存储器，还可包括非易失性存储器，如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中，存储器104可进一步包括相对于处理器102远程设置的存储器，这些远程存储器可以通过网络连接至移动终端10。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

传输装置106用于经由一个网络接收或者发送数据。上述的网络具体实例可包括移动终端10的通信供应商提供的无线网络。在一个实例中，传输装置106包括一个网络适配器(Network Interface Controller，简称为NIC)，其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中，传输装置106可以为射频(Radio Frequency，简称为RF)模块，其用于通过无线方式与互联网进行通讯。

在本实施例中提供了一种导诊方法，图2是根据本发明实施例的导诊方法的流程图，如图2所示，该流程包括如下步骤：

步骤S202，获取待诊断患者的疾病信息；

步骤S204，将疾病信息输入至目标模型，得到目标模型输出的与疾病信息对应的每个候选科室的概率；

步骤S206，从每个候选科室的概率中确定出的与待诊断患者的选择对应的候选科室，得到目标科室，其中，目标科室是待诊断患者挂号的科室。

通过本发明，采用在客户端上获取待诊断患者的疾病信息；并将疾病信息输入至目标模型，得到目标模型输出的与疾病信息对应的每个候选科室的概率；从每个候选科室的概率中确定出的与待诊断患者的选择对应的候选科室，得到目标科室，其中，目标科室是待诊断患者挂号的科室。从而达到用户可以基于每个科室所占的比例进行选择的目的。进而解决了相关技术中存在的不能基于患者的信息给出相关科室的推荐供患者选择的技术问题。

可选地，上述步骤的执行主体可以为服务器等，但不限于此。

可选地，上述中可以应用于医院挂号的场景中。在该场景中，可以直接在医院中设置的挂号机中进行挂号，也可以在手机安装的应用程序中挂号等。

可选地，疾病信息可以是待诊断患者语音输入的信息，例如“最近总是失眠”。也可以是在应用程序中选择的疾病信息，例如“咳嗽”等等。

可选地，目标模型可以是神经网络模型，但不限于此。候选科室包括但不限于神经外科、神经内科、发热门诊、肠胃科、皮肤科等等。

在一个可选的实施例中，将疾病信息输入至目标模型包括：

S1，将疾病信息依次输入至目标模型中的依次连接的M个卷积层和1个全连接层，其中，M为大于1的自然数。

可选地，在本实施例中，目标模型中可以包括两个卷积层可1个全连接层，将将疾病信息依次输入至两个卷积层可1个全连接层中。

通过本实施例，采用卷积层和全连接层的神经网络模型对预测与疾病信息对应的候选科室，可以减少计算功率，增加计算的速度。

在一个可选的实施例中，在将疾病信息输入至目标模型，得到目标模型输出的与疾病信息对应的每个候选科室的概率之前，方法还包括：

S1，获取患者的多个样本疾病信息、以及与多个样本疾病信息中的每个样本疾病信息对应的实际科室，其中，实际科室用于表示患者在科室集合中挂号的科室；

S2，使用多个样本疾病信息对原始模型进行训练，得到目标模型，其中，多个样本疾病信息为原始模型的输入，目标模型输出的每个样本疾病信息对应的每个候选科室的概率与每个样本疾病信息对应的实际科室信息对应。

可选地，患者的多个样本疾病信息可以在医院挂号处获取，样本数量越多，对原始模型的训练越准确。原始模型可以是神经网络模型。在本实施例中，实际科室用于验证原始模型输出的每个科室的概率。

通过本实施例，利用多个样本疾病信息对原始模型进行训练，可以增加训练的准确性。

在一个可选的实施例中，将疾病信息输入至目标模型，得到目标模型输出的与疾病信息对应的每个候选科室的概率包括：

S1，将疾病信息与预先存储的疾病关键字进行匹配，从疾病信息中提取出匹配的疾病关键字，得到目标关键字；

S2，将目标关键字输入至目标模型中，得到目标模型输出的与目标关键字对应的每个候选科室的概率。

可选地，在本实施例中，预先存储的疾病关键字可以是与疾病相关的词语，例如“咳嗽”、“感冒”、“胃疼”等等，也可以是患者自身感受的词语，例如“身体不舒服”、“胃难受”、“没食欲”等等。

通过本实施例，采用关键字匹配的方式确定出疾病信息，可以减少计算量，增加输出目标科室的效率。

在一个可选的实施例中，在从每个候选科室的概率中确定出的与待诊断患者的选择对应的候选科室，得到目标科室之后，方法还包括：

S1，在客户端上显示出与目标科室对应的每个医院的信息，其中，每个医院的信息中包括以下至少之一：患者对每个医院中设置的目标科室的评价信息、每个医院中设置的目标科室的能力信息。

可选地，在本实施例中，可以基于医院的信息指导患者选择医院。可以利用患者对每个医院中设置的目标科室的评价信息选择医院，例如，某某医院的牙科特别专业、某某医院主治肿瘤等等。

通过本实施例，在确定目标科室之后，患者可以选择比较专业的医院，从而增加了应用程序的多样化，增加了用户体验。

在一个可选的实施例中，在客户端上显示出与目标科室对应的每个医院的信息之后，方法还包括：

S1，在客户端上接收待诊断患者选择的医院，得到目标医院；

S2，在客户端上显示与目标医院中的目标科室对应的医生信息。

可选地，在本实施例中，通过待诊断患者在客户端上的选择，服务器响应选择，确定出目标医院，增加了与患者的交互性。

可选地，客户端包括但不限于手机、平板电脑等。

综上所述，本实施例，可以缓解挂号难、看病难的问题，缓解医院人满为患的问题。可以减少线上人工咨询的问题，减少人工成本，同时提高了效率。

需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明并不受所描述的动作顺序的限制，因为依据本发明，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本发明所必须的。

根据本发明实施例的另一个方面，还提供了一种用于实施上述导诊方法的导诊装置。如图3所示，该装置包括：

第一获取模块32，用于获取待诊断患者的疾病信息；

第一确定模块34，用于将所述疾病信息输入至目标模型，得到所述目标模型输出的与所述疾病信息对应的每个候选科室的概率；

第二确定模块36，用于从所述每个候选科室的概率中确定出的与所述待诊断患者的选择对应的候选科室，得到目标科室，其中，所述目标科室是所述待诊断患者挂号的科室。

通过本发明，采用在客户端上获取待诊断患者的疾病信息；并将疾病信息输入至目标模型，得到目标模型输出的与疾病信息对应的每个候选科室的概率；从每个候选科室的概率中确定出的与待诊断患者的选择对应的候选科室，得到目标科室，其中，目标科室是待诊断患者挂号的科室。从而达到用户可以基于每个科室所占的比例进行选择的目的。进而解决了相关技术中存在的不能基于患者的信息给出相关科室的推荐供患者选择的技术问题。

可选地，上述中可以应用于医院挂号的场景中。在该场景中，可以直接在医院中设置的挂号机中进行挂号，也可以在手机安装的应用程序中挂号等。

可选地，疾病信息可以是待诊断患者语音输入的信息，例如“最近总是失眠”。也可以是在应用程序中选择的疾病信息，例如“咳嗽”等等。

可选地，目标模型可以是神经网络模型，但不限于此。候选科室包括但不限于神经外科、神经内科、发热门诊、肠胃科、皮肤科等等。

在一个可选的实施例中，上述第一确定模块34包括：

输入单元，将疾病信息依次输入至目标模型中的依次连接的M个卷积层和1个全连接层，其中，M为大于1的自然数。

可选地，在本实施例中，目标模型中可以包括两个卷积层可1个全连接层，将将疾病信息依次输入至两个卷积层可1个全连接层中。

通过本实施例，采用卷积层和全连接层的神经网络模型对预测与疾病信息对应的候选科室，可以减少计算功率，增加计算的速度。

在一个可选的实施例中，上述装置还包括：

第二获取模块，用于获取在将疾病信息输入至目标模型，得到目标模型输出的与疾病信息对应的每个候选科室的概率之前，获取患者的多个样本疾病信息、以及与多个样本疾病信息中的每个样本疾病信息对应的实际科室，其中，实际科室用于表示患者在科室集合中挂号的科室；

第三确定模块，用于使用多个样本疾病信息对原始模型进行训练，得到目标模型，其中，多个样本疾病信息为原始模型的输入，目标模型输出的每个样本疾病信息对应的每个候选科室的概率与每个样本疾病信息对应的实际科室信息对应。

可选地，患者的多个样本疾病信息可以在医院挂号处获取，样本数量越多，对原始模型的训练越准确。原始模型可以是神经网络模型。在本实施例中，实际科室用于验证原始模型输出的每个科室的概率。

通过本实施例，利用多个样本疾病信息对原始模型进行训练，可以增加训练的准确性。

在一个可选的实施例中，上述第一确定模块32包括：

第一确定单元，用于将疾病信息与预先存储的疾病关键字进行匹配，从疾病信息中提取出匹配的疾病关键字，得到目标关键字；

第二确定单元，用于将目标关键字输入至目标模型中，得到目标模型输出的与目标关键字对应的每个候选科室的概率。

可选地，在本实施例中，预先存储的疾病关键字可以是与疾病相关的词语，例如“咳嗽”、“感冒”、“胃疼”等等，也可以是患者自身感受的词语，例如“身体不舒服”、“胃难受”、“没食欲”等等。

通过本实施例，采用关键字匹配的方式确定出疾病信息，可以减少计算量，增加输出目标科室的效率。

在一个可选的实施例中，上述装置还包括第一显示模块，用于在从每个候选科室的概率中确定出的与待诊断患者的选择对应的候选科室，得到目标科室之后，在客户端上显示出与目标科室对应的每个医院的信息，其中，每个医院的信息中包括以下至少之一：患者对每个医院中设置的目标科室的评价信息、每个医院中设置的目标科室的能力信息。

可选地，在本实施例中，可以基于医院的信息指导患者选择医院。可以利用患者对每个医院中设置的目标科室的评价信息选择医院，例如，某某医院的牙科特别专业、某某医院主治肿瘤等等。

通过本实施例，在确定目标科室之后，患者可以选择比较专业的医院，从而增加了应用程序的多样化，增加了用户体验。

在一个可选的实施例中，上述装置还包括：第四确定模块，用于在客户端上显示出与目标科室对应的每个医院的信息之后，在客户端上接收待诊断患者选择的医院，得到目标医院；

第二显示模块，用于在客户端上显示与目标医院中的目标科室对应的医生信息。

可选地，在本实施例中，通过待诊断患者在客户端上的选择，服务器响应选择，确定出目标医院，增加了与患者的交互性。

可选地，客户端包括但不限于手机、平板电脑等。

综上所述，本实施例，可以缓解挂号难、看病难的问题，缓解医院人满为患的问题。可以减少线上人工咨询的问题，减少人工成本，同时提高了效率。

上述实施例中的集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在上述计算机可读取的存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在存储介质中，包括若干指令用以使得一台或多台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。

在本发明的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。

在本申请所提供的几个实施例中，应该理解到，所揭露的客户端，可通过其它的方式实现。其中，以上所描述的装置实施例仅仅是示意性的，例如所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，单元或模块的间接耦合或通信连接，可以是电性或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (9)

1.一种导诊方法，其特征在于，包括：

获取待诊断患者的疾病信息；

将所述疾病信息输入至目标模型，得到所述目标模型输出的与所述疾病信息对应的每个候选科室的概率；

从所述每个候选科室的概率中确定出的与所述待诊断患者的选择对应的候选科室，得到目标科室，其中，所述目标科室是所述待诊断患者挂号的科室。

2.根据权利要求1所述的方法，其特征在于，将所述疾病信息输入至目标模型包括：

将所述疾病信息依次输入至所述目标模型中的依次连接的M个卷积层和1个全连接层，其中，所述M为大于1的自然数。

3.根据权利要求1所述的方法，其特征在于，在将所述疾病信息输入至目标模型，得到所述目标模型输出的与所述疾病信息对应的每个候选科室的概率之前，所述方法还包括：

获取患者的多个样本疾病信息、以及与所述多个样本疾病信息中的每个样本疾病信息对应的实际科室，其中，所述实际科室用于表示所述患者在科室集合中挂号的科室；

使用所述多个样本疾病信息对所述原始模型进行训练，得到所述目标模型，其中，所述多个样本疾病信息为所述原始模型的输入，所述目标模型输出的所述每个样本疾病信息对应的每个候选科室的概率与每个样本疾病信息对应的实际科室信息对应。

4.根据权利要求1所述的方法，其特征在于，将所述疾病信息输入至目标模型，得到所述目标模型输出的与所述疾病信息对应的每个候选科室的概率包括：

将所述疾病信息与预先存储的疾病关键字进行匹配，从所述疾病信息中提取出匹配的疾病关键字，得到目标关键字；

将所述目标关键字输入至所述目标模型中，得到所述目标模型输出的与所述目标关键字对应的每个候选科室的概率。

5.根据权利要求1所述的方法，其特征在于，在从所述每个候选科室的概率中确定出的与所述待诊断患者的选择对应的候选科室，得到所述目标科室之后，所述方法还包括：

在客户端上显示出与所述目标科室对应的每个医院的信息，其中，所述每个医院的信息中包括以下至少之一：患者对所述每个医院中设置的所述目标科室的评价信息、所述每个医院中设置的所述目标科室的能力信息。

6.根据权利要求5所述的方法，其特征在于，在所述客户端上显示出与所述目标科室对应的每个医院的信息之后，所述方法还包括：

在所述客户端上接收所述待诊断患者选择的医院，得到目标医院；

在所述客户端上显示与所述目标医院中的目标科室对应的医生信息。

7.一种导诊装置，其特征在于，包括：

第一获取模块，用于获取待诊断患者的疾病信息；

第一确定模块，用于将所述疾病信息输入至目标模型，得到所述目标模型输出的与所述疾病信息对应的每个候选科室的概率；

第二确定模块，用于从所述每个候选科室的概率中确定出的与所述待诊断患者的选择对应的候选科室，得到目标科室，其中，所述目标科室是所述待诊断患者挂号的科室。

8.一种存储介质，所述存储介质中存储有计算机程序，其特征在于，所述计算机程序被设置为运行时执行所述权利要求1至6任一项中所述的方法。

9.一种电子装置，包括存储器和处理器，其特征在于，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以执行所述权利要求1至6任一项中所述的方法。