CN110504028A - 一种疾病问诊方法、装置、系统、计算机设备和存储介质 - Google Patents

Abstract

本发明属于医疗技术领域，尤其涉及一种疾病问诊方法、装置、系统、计算机设备和存储介质。所述疾病问诊方法包括：获取用户问诊信息，从所述用户问诊信息提取问诊症状；根据所述问诊症状从预设的医疗知识图谱中查找所有与所述问诊症状关联的疾病，并生成关联疾病集合；计算所述关联疾病集合中包含的各种疾病与所述问诊症状的相关度，并将相关度最大的疾病作为问诊结果进行输出。本发明实施例提供的一种疾病问诊方法，通过对用户的问诊信息在医疗知识图谱中进行对比和相关度计算，查找出用户症状对应的最有可能的疾病，进而能够快速确定用户问诊的诊断结果，不需要与医生进行实时交流，大大提高了问诊的效率，节约了医生和病人的时间。

Description

一种疾病问诊方法、装置、系统、计算机设备和存储介质

技术领域

本发明属于医疗技术领域，尤其涉及一种疾病问诊方法、装置、系统、计算机设备和存储介质。

背景技术

在医疗技术迅猛发展和医疗知识不断产生更新的背景下，当前的医疗知识体系庞大且不断更新，越来越多的智能医疗系统出现。

目前，比较广泛使用的在线问诊技术是病人通过网络与线上空闲的医生建立会话，医生与病人通过网络对话的方式进行症状询问和疾病分析诊断，进而得到诊断结果，并对病人进行一定的就诊指导。但是，由于医生属于固定职业，大部分在线时间都是不固定的，需要保证医生与病人一对一并且能够有效地、及时的进行对话时很难，医生繁忙时病人不得不处于等待就诊的状态，因而问诊的时间周期就比较长。

可见，现有技术中，由于医生与病人之间时间对接的问题，不能够及时有效的进行问诊，问诊时间周期长，效率不高。

发明内容

本发明实施例的目的在于提供一种疾病问诊方法，旨在解决现有技术中由于医生和病人需要实时对接而引起的问诊效率低、问诊周期长的问题。

本发明实施例是这样实现的，一种疾病问诊方法，所述方法包括：

获取用户问诊信息，从所述用户问诊信息提取问诊症状；

根据所述问诊症状从预设的医疗知识图谱中查找所有与所述问诊症状关联的疾病，并生成关联疾病集合；

计算所述关联疾病集合中包含的各种疾病与所述问诊症状的相关度，并将相关度最大的疾病作为问诊结果进行输出。

本发明实施例的另一目的在于提供一种疾病问诊装置，所述装置包括：

症状提取模块，用于获取用户问诊信息，从所述用户问诊信息提取问诊症状；

疾病查找模块，用于根据所述问诊症状从预设的医疗知识图谱中查找所有与所述问诊症状关联的疾病，并生成关联疾病集合；以及

疾病确定输出模块，用于计算所述关联疾病集合中包含的各种疾病与所述问诊症状的相关度，并将相关度最大的疾病作为问诊结果进行输出。

本发明实施例的另一目的在于提供一种疾病问诊系统，所述系统包括：

客户端，用于接收用户输入的用户问诊信息和展示反馈疾病问诊结果；

服务器，用于获取所述用户问诊信息，执行本发明实施例中所述疾病问诊方法，确定疾病问诊结果并发送至所述客户端进行反馈。

本发明实施例的另一目的在于提供一种计算机设备，所述包括存储器和处理器，所述存储器中存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行本发明实施例中所述疾病问诊方法的步骤

本发明实施例的另一目的在于提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行本发明实施例中所述疾病问诊方法的步骤。

本发明实施例提供的一种疾病问诊方法，通过对用户的问诊信息在医疗知识图谱中进行对比和相关度计算，查找出用户症状对应的最有可能的疾病，进而能够快速确定用户问诊的诊断结果，不需要与医生进行实时交流，大大提高了问诊的效率，节约了医生和病人的时间。

附图说明

图1为本发明实施例提供的疾病问诊方法的应用环境图；

图2为本发明实施例提供的疾病问诊方法的流程图；

图3为本发明实施例提供的确定问诊症状的流程图；

图4为本发明实施例提供的确定病症词汇的流程图；

图5为本发明实施例提供的构建医疗知识图谱的流程图；

图6为本发明实施例提供的计算症状与疾病相关度的流程图；

图7为本发明实施例提供的将诊断结果进行评估的流程图；

图8为本发明实施例提供的疾病问诊装置的结构框图；

图9为本发明实施例提供的疾病问诊装置中的症状提取模块的结构框图；

图10为本发明实施例提供的症状提取模块中的信息提取单元的结构框图；

图11为本发明实施例提供的另一疾病问诊装置的结构框图；

图12为本发明实施例提供的疾病问诊装置中的疾病确定输出模块的结构框图；

图13为本发明实施例提供的又一疾病问诊装置中的结构框图；

图14为本发明实施例提供的疾病问诊系统的结构框图；

图15为一个实施例中计算机设备的内部结构框图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

可以理解，本申请所使用的术语“第一”、“第二”等可在本文中用于描述各种元件，但除非特别说明，这些元件不受这些术语限制。这些术语仅用于将第一个元件与另一个元件区分。举例来说，在不脱离本申请的范围的情况下，可以将第一xx脚本称为第二xx脚本，且类似地，可将第二xx脚本称为第一xx脚本。

图1为本发明实施例提供的疾病问诊方法的应用环境图，如图1所示，在该应用环境中，包括终端110以及计算机设备120。

计算机设备120可以是独立的物理服务器或终端，也可以是多个物理服务器构成的服务器集群，可以是提供云服务器、云数据库、云存储和CDN等基础云计算服务的云服务器。

终端110可以是智能手机、平板电脑、笔记本电脑、台式计算机、智能音箱、智能手表等，但并不局限于此。终端110以及计算机设备120可以通过网络进行连接，本发明在此不做限制。

实施例一

如图2所示，在一个实施例中，提出了一种疾病问诊方法，本实施例主要以该方法应用于上述图1中的服务器120来举例说明。一种疾病问诊方法，具体可以包括以下步骤：

步骤S202，获取用户问诊信息，从用户问诊信息提取问诊症状。

在本发明实施例中，用户问诊信息可以是包括下列项目：一般情况(姓名、性别、年龄、职业、婚姻、民族、籍贯、住址、就诊日期等可选项)、疾病发生发展情况、当前症状、个人病史、家族病史等，对妇女还可提供月经史、生育史。其中问诊症状是问诊的主要内容和辨证的重要依据，问诊症状主要有包括提供对应问寒热、问汗、问头身、问胸胁、问胃脘、问腰腹、问饮食、问睡眠、问情志、问二便等信息，还包括妇女、小儿某些情况的询问，本发明实施例中不再进一步的陈述和列举，本领域技术人员可根据实际情况的需求进行简单设计和丰富。

在本发明一个实施例中，如图3所示，步骤S202具体可以包括：

步骤S302，获取用户问诊信息；

步骤S304，对用户问诊信息进行分词处理，提取用户问诊信息中的用户病症词汇，确定问诊症状。

在本发明实施例中常用的分词处理大都基于已有知识库的情况下可以对句法进一步分析。具体可以包括：首先对于采集的用户问诊信息中的每个词汇进行分词，依照知识库中每个词所对应的依存关系，构建所有有可能的句法树，形成特殊矩阵；其次根据知识库和句法公理，筛选合适的中心词并剔除不合理的依存关系；然后依据句法公理，可以对剩余的句法树进行剪枝操作，经过剪枝的句法树会残缺，在最后搜索环节中就可以去除所有残缺的句法树，大大提高检索的效率；最后对句法分析的效果进行评价和优化，就可以得到用户病症词汇。

在本发明一个实施例中，如图4所示，步骤S304具体可以包括：

步骤S402，构建病症词库，病症词库中将描述同一病症的病症词汇进行关联，病症词汇至少包括标准病症词汇和非标准病症词汇，非标准病症词汇至少包括口语化病症词汇。

在本发明实施例中，考虑到由于病人并非专业的学医人员，可能对自身的症状的描述的用词不一定能够被仅仅使用标准词汇的系统识别，故而设置了非标准病症词汇库，用于收录一些病人常见的口语化描述。甚至可以根据地方的不同，设计方言的非标准病症词汇，进而使得即使没有人工帮助的情况下，系统也能够有针对性并且准确地识别用户对病症的描述，提高系统的问诊能力。另外具体的一些用于描述同一病症的词汇也可以进行关联汇总，比如描述头痛症状的“脑子痛”、“脑壳痛”、“脑门痛”等可将其归结为同一病症等。更多的具体实施方式本发明实施例不再进一步列举和描述，本领域技术人员可根据实际情况进行简单变形和设计。

步骤S404，根据用户病症词汇从病症词库中匹配标准病症词汇，并将标准病症词汇发送至客户端供用户确认是否一致，若是，则确定问诊症状。

通过将标准病症词汇反馈给用户，用户进行确定之后进而明确了病症，如果用户认为标准病症没有正确描述自身的情况，还可以进一步的输入问诊信息，进而再一次进行确定，提高用户疾病问诊的准确度和效率。

步骤S204，根据问诊症状从预设的医疗知识图谱中查找所有与问诊症状关联的疾病，并生成关联疾病集合。

在本发明实施例中，考虑到由于单一病症的出现，其可能对应的疾病是多种多样的，进而将病症对应的疾病进行一一列举，使得在后面的相关度计算确定最终结果时，能够考虑全面，诊断结果更加准确。

在本发明一个实施例中，如图5所示，执行步骤S204之前，还可以包括：

步骤S502，获取疾病诊断样本数据，根据疾病诊断样本数据确定疾病症状与疾病之间的关联关系；

步骤S504，根据关联关系构建医疗知识图谱。

在本发明实施例中，疾病诊断样本数据可以是医生以往诊断疾病时的一些经验总结以及一些用户的资源分享或者资源平台的统计数据，主要用于起到大数据统计之后的模板的作用。比如曾经有病人患病并且病症与当前用户输入的一模一样，则能够很快的历史的疾病作为参考。

在本发明实施例中，医疗知识图谱包括实体(实体属性)与关系构成的网状结构，加上规则或规律，利用知识图谱可以方便进行搜索、预测等操作，现有技术中医疗知识图谱的构造已经非常成熟，比如可以通过获取样本数据，分析样本数据中医疗关键词以及医疗关键词之间的关联关系，根据分析的结果计算关键词之间关联的强度，进而基于关键词以及关键词之间的关联强度构建医疗知识图谱。本发明实施例中仅仅是一其中一种构建医疗知识图谱的原理进行简单的描述，更多的构建方式本领域技术人员可查阅现有技术进行参考和设计，本发明实施例中不再进一步列举和描述。

步骤S206，计算关联疾病集合中包含的各种疾病与问诊症状的相关度，并将相关度最大的疾病作为问诊结果进行输出。

在本发明一个实施例中，如图6所示，步骤S206具体可以包括：

步骤S602，计算问诊症状在关联疾病集合的各种疾病中的特有权重和特有概率，特有权重用于表示问诊时问诊症状出现的频率大小，特有概率用于表示疾病发生时问诊症状出现的概率大小；

步骤S604，结合特有权重和特有概率计算单个问诊症状与关联疾病集合中包含的所有疾病的相关度；

步骤S606，对关联为同一疾病的所有问诊症状的相关度进行归一化处理，获得关联疾病集合的各种疾病的相对相关度，将相对相关度最大的作为诊断结果进行输出反馈。

具体的，本发明实施例中，计算相关度的函数可采用以下公式：

其中S为问诊症状与疾病的相关度；t为问诊症状数量，由于不同疾病的描述症状数量有所不同，描述症状较多的疾病被检索的概率会高于描述症状少的疾病，因此为了消除此类差异，需要采用症状数量的平均数来平衡疾病被检索概率差异问题；q为每个问诊症状的特有权重，特有权重用于表示问诊时问诊症状出现的频率大小，高频症状被赋予较高的权重，稀有症状被赋予较低权重，并以此权重判定疾病诊断的主要症状和次要症状；d为每个症状在每种疾病的症状描述中出现的特有频率，特有概率用于表示疾病发生时问诊症状出现的概率大小，进而表征某症状相对于某疾病的重要程度。

在本发明一个实施例中，如图7所示，将相关度最大的疾病作为问诊结果进行输出之前，还包括：

步骤S702，将关联疾病集合中相关度由大到小排列的预设数量疾病作为疾病目标集合发送至医生客户端，以供医生进行疾病确定并得到人为诊断疾病；

步骤S704，计算相关度最大的疾病与人为诊断疾病的权重比，若权重比等于1则证明问诊准确。

具体的，在本发明实施例中，计算权重比可采用以下公式进行：

α＝0.5*((x/max)+1)

其中，x为医生的诊断结果疾病目标集合中的相关度排名，max为系统诊断结果疾病在疾病目标集合排名，当二者比值越接近1即α越接近1时，说明两个诊断的疾病重合，属于同一疾病，从而系统诊断结果正确。

本发明实施例提供的一种疾病问诊方法，通过对用户的问诊信息在医疗知识图谱中进行对比和相关度计算，查找出用户症状对应的最有可能的疾病，进而能够快速确定用户问诊的诊断结果，不需要与医生进行实时交流，大大提高了问诊的效率，节约了医生和病人的时间。

实施例二

如图8所示，在一个实施例中，提出了一种疾病问诊装置，本实施例主要以该装置组合应用于上述图1中的服务器120来举例说明。一种疾病问诊装置，具体可以包括：

症状提取模块801，用于获取用户问诊信息，从用户问诊信息提取问诊症状。

在本发明实施例中，用户问诊信息可以是包括下列项目：一般情况(姓名、性别、年龄、职业、婚姻、民族、籍贯、住址、就诊日期等可选项)、疾病发生发展情况、当前症状、个人病史、家族病史等，对妇女还可提供月经史、生育史。其中问诊症状是问诊的主要内容和辨证的重要依据，问诊症状主要有包括提供对应问寒热、问汗、问头身、问胸胁、问胃脘、问腰腹、问饮食、问睡眠、问情志、问二便等信息，还包括妇女、小儿某些情况的询问，本发明实施例中不再进一步的陈述和列举，本领域技术人员可根据实际情况的需求进行简单设计和丰富。

在本发明一个实施例中，如图9所示，症状提取模块801具体可以包括：

获取单元901，用于获取用户问诊信息；

信息提取单元902，用于对用户问诊信息进行分词处理，提取用户问诊信息中的用户病症词汇，确定问诊症状。

在本发明实施例中常用的分词处理大都基于已有知识库的情况下可以对句法进一步分析。具体可以包括：首先对于采集的用户问诊信息中的每个词汇进行分词，依照知识库中每个词所对应的依存关系，构建所有有可能的句法树，形成特殊矩阵；其次根据知识库和句法公理，筛选合适的中心词并剔除不合理的依存关系；然后依据句法公理，可以对剩余的句法树进行剪枝操作，经过剪枝的句法树会残缺，在最后搜索环节中就可以去除所有残缺的句法树，大大提高检索的效率；最后对句法分析的效果进行评价和优化，就可以得到用户病症词汇。

在本发明一个实施例中，如图10所示，信息提取单元902具体可以包括：

词库构建子单元1001，用于构建病症词库，病症词库中将描述同一病症的病症词汇进行关联，病症词汇至少包括标准病症词汇和非标准病症词汇，非标准病症词汇至少包括口语化病症词汇。

在本发明实施例中，考虑到由于病人并非专业的学医人员，可能对自身的症状的描述的用词不一定能够被仅仅使用标准词汇的系统识别，故而设置了非标准病症词汇库，用于收录一些病人常见的口语化描述。甚至可以根据地方的不同，设计方言的非标准病症词汇，进而使得即使没有人工帮助的情况下，系统也能够有针对性并且准确地识别用户对病症的描述，提高系统的问诊能力。另外具体的一些用于描述同一病症的词汇也可以进行关联汇总，比如描述头痛症状的“脑子痛”、“脑壳痛”、“脑门痛”等可将其归结为同一病症等。更多的具体实施方式本发明实施例不再进一步列举和描述，本领域技术人员可根据实际情况进行简单变形和设计。

词汇匹配单元1002，用于根据用户病症词汇从病症词库中匹配标准病症词汇，并将标准病症词汇发送至客户端供用户确认是否一致，若是，则确定问诊症状。

通过将标准病症词汇反馈给用户，用户进行确定之后进而明确了病症，如果用户认为标准病症没有正确描述自身的情况，还可以进一步的输入问诊信息，进而再一次进行确定，提高用户疾病问诊的准确度和效率。

疾病查找模块802，用于根据问诊症状从预设的医疗知识图谱中查找所有与问诊症状关联的疾病，并生成关联疾病集合。

在本发明实施例中，考虑到由于单一病症的出现，其可能对应的疾病是多种多样的，进而将病症对应的疾病进行一一列举，使得在后面的相关度计算确定最终结果时，能够考虑全面，诊断结果更加准确。

在本发明一个实施例中，如图11所示，疾病问诊装置还可以包括：

样本数据获取单元1101，用于获取疾病诊断样本数据，根据疾病诊断样本数据确定疾病症状与疾病之间的关联关系；

图库构建单元1102，用于根据关联关系构建医疗知识图谱。

在本发明实施例中，疾病诊断样本数据可以是医生以往诊断疾病时的一些经验总结以及一些用户的资源分享或者资源平台的统计数据，主要用于起到大数据统计之后的模板的作用。比如曾经有病人患病并且病症与当前用户输入的一模一样，则能够很快的历史的疾病作为参考。

在本发明实施例中，医疗知识图谱包括实体(实体属性)与关系构成的网状结构，加上规则或规律，利用知识图谱可以方便进行搜索、预测等操作，现有技术中医疗知识图谱的构造已经非常成熟，比如可以通过获取样本数据，分析样本数据中医疗关键词以及医疗关键词之间的关联关系，根据分析的结果计算关键词之间关联的强度，进而基于关键词以及关键词之间的关联强度构建医疗知识图谱。本发明实施例中仅仅是其中一种构建医疗知识图谱的原理进行简单的描述，更多的构建方式本领域技术人员可查阅现有技术进行参考和设计，本发明实施例中不再进一步列举和描述。

疾病确定输出模块803，用于计算关联疾病集合中包含的各种疾病与问诊症状的相关度，并将相关度最大的疾病作为问诊结果进行输出。

在本发明一个实施例中，如图12所示，疾病确定输出模块803具体可以包括：

权重和概率计算单元1201，用于计算问诊症状在关联疾病集合的各种疾病中的特有权重和特有概率，特有权重用于表示问诊时问诊症状出现的频率大小，特有概率用于表示疾病发生时问诊症状出现的概率大小；

相关度计算单元1202，用于结合特有权重和特有概率计算单个问诊症状与关联疾病集合中包含的所有疾病的相关度；

相对相关度计算单元1203，用于对关联为同一疾病的所有问诊症状的相关度进行归一化处理，获得关联疾病集合的各种疾病的相对相关度；

问诊结果确定单元1204，用于将相对相关度最大的疾病作为诊断结果进行输出反馈。

具体的，本发明实施例中，计算相关度的函数可采用以下公式：

其中S为问诊症状与疾病的相关度；t为问诊症状数量，由于不同疾病的描述症状数量有所不同，描述症状较多的疾病被检索的概率会高于描述症状少的疾病，因此为了消除此类差异，需要采用症状数量的平均数来平衡疾病被检索概率差异问题；q为每个问诊症状的特有权重，特有权重用于表示问诊时问诊症状出现的频率大小，高频症状被赋予较高的权重，稀有症状被赋予较低权重，并以此权重判定疾病诊断的主要症状和次要症状；d为每个症状在每种疾病的症状描述中出现的特有频率，特有概率用于表示疾病发生时问诊症状出现的概率大小，进而表征某症状相对于某疾病的重要程度。

在本发明一个实施例中，如图13所示，疾病诊断装置还包括：

医生交互单元1301，用于将关联疾病集合中相关度由大到小排列的预设数量疾病作为疾病目标集合发送至医生客户端，以供医生进行疾病确定并得到人为诊断疾病；

问诊结果判断单元1302，用于计算相关度最大的疾病与人为诊断疾病的权重比，若权重比等于1则证明问诊准确。

具体的，在本发明实施例中，计算权重比可采用以下公式进行：

α＝0.5*((x/max)+1)

其中，x为医生的诊断结果疾病目标集合中的相关度排名，max为系统诊断结果疾病在疾病目标集合排名，当二者比值越接近1即α越接近1时，说明两个诊断的疾病重合，属于同一疾病，从而系统诊断结果正确。

本发明实施例提供的一种疾病问诊装置，通过对用户的问诊信息在医疗知识图谱中进行对比和相关度计算，查找出用户症状对应的最有可能的疾病，进而能够快速确定用户问诊的诊断结果，不需要与医生进行实时交流，大大提高了问诊的效率，节约了医生和病人的时间。

实施例三

如图14所示，在一个实施例中，提出了一种疾病问诊系统，具体可以包括：

客户端1401，用于接收用户输入的用户问诊信息和展示反馈疾病问诊结果；

服务器1402，用于获取用户问诊信息，执行本发明实施例所述疾病问诊方法，确定疾病问诊结果并发送至客户端1401进行反馈。

本发明实施例提供的一种疾病问诊系统，通过对用户的问诊信息在医疗知识图谱中进行对比和相关度计算，查找出用户症状对应的最有可能的疾病，进而能够快速确定用户问诊的诊断结果，不需要与医生进行实时交流，大大提高了问诊的效率，节约了医生和病人的时间。

实施例四

图15示出了一个实施例中计算机设备的内部结构图。在一个实施例中，提出了一种计算机设备，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程序，处理器执行计算机程序时实现以下步骤：

获取用户问诊信息，从用户问诊信息提取问诊症状；

根据问诊症状从预设的医疗知识图谱中查找所有与问诊症状关联的疾病，并生成关联疾病集合；

计算关联疾病集合中包含的各种疾病与问诊症状的相关度，并将相关度最大的疾病作为问诊结果进行输出。

在本发明实施例中，该计算机设备具体可以是图1中的服务器120。如图15所示，该计算机设备包括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、输入装置和显示屏。其中，存储器包括非易失性存储介质和内存储器。该计算机设备的非易失性存储介质存储有操作系统，还可存储有计算机程序，该计算机程序被处理器执行时，可使得处理器实现疾病问诊方法。该内存储器中也可储存有计算机程序，该计算机程序被处理器执行时，可使得处理器执行疾病问诊方法。计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。

本领域技术人员可以理解，图15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。

实施例五

在一个实施例中，提供一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，计算机程序被处理器执行时，使得处理器执行以下步骤：

获取用户问诊信息，从用户问诊信息提取问诊症状；

根据问诊症状从预设的医疗知识图谱中查找所有与问诊症状关联的疾病，并生成关联疾病集合；

计算关联疾病集合中包含的各种疾病与问诊症状的相关度，并将相关度最大的疾病作为问诊结果进行输出。

应该理解的是，虽然本发明各实施例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，各实施例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。

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非易失性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，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。

以上所述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发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本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，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种疾病诊断方法，其特征在于，所述方法包括：

获取用户问诊信息，从所述用户问诊信息提取问诊症状；

根据所述问诊症状从预设的医疗知识图谱中查找所有与所述问诊症状关联的疾病，并生成关联疾病集合；

计算所述关联疾病集合中包含的各种疾病与所述问诊症状的相关度，并将相关度最大的疾病作为问诊结果进行输出。

2.根据权利要求1所述的疾病诊断方法，其特征在于，所述获取用户问诊信息，从所述用户问诊信息提取问诊症状，具体包括：

获取用户问诊信息；

对所述用户问诊信息进行分词处理，提取所述用户问诊信息中的用户病症词汇，确定问诊症状。

3.根据权利要求2所述的疾病诊断方法，其特征在于，所述对所述用户问诊信息进行分词处理，提取所述用户问诊信息中的用户病症词汇，确定问诊症状，具体还包括：

构建病症词库，所述病症词库中将描述同一病症的病症词汇进行关联，所述病症词汇至少包括标准病症词汇和非标准病症词汇，所述非标准病症词汇至少包括口语化病症词汇；

根据所述用户病症词汇从所述病症词库中匹配标准病症词汇，并将所述标准病症词汇发送至客户端供用户确认是否一致，若是，则确定问诊症状。

4.根据权利要求1所述的疾病诊断方法，其特征在于，所述根据所述问诊症状从预设的医疗知识图谱中查找所有与所述问诊症状关联的疾病，并生成关联疾病集合之前，具体还包括：

获取疾病诊断样本数据，根据所述疾病诊断样本数据确定疾病症状与疾病之间的关联关系；

根据所述关联关系构建医疗知识图谱。

5.根据权利要求1所述的疾病诊断方法，其特征在于，所述计算所述关联疾病集合中包含的各种疾病与所述问诊症状的相关度，并将相关度最大的疾病作为问诊结果进行输出，具体包括：

计算所述问诊症状在所述关联疾病集合的各种疾病中的特有权重和特有概率，所述特有权重用于表示问诊时问诊症状出现的频率大小，所述特有概率用于表示疾病发生时所述问诊症状出现的概率大小；

结合所述特有权重和所述特有概率计算单个所述问诊症状与所述关联疾病集合中包含的所有疾病的相关度；

对关联为同一疾病的所有所述问诊症状的相关度进行归一化处理，获得所述关联疾病集合的各种疾病的相对相关度；

将所述相对相关度最大的疾病作为诊断结果进行输出反馈。

6.根据权利要求1所述的疾病诊断方法，其特征在于，所述将相关度最大的疾病作为问诊结果进行输出之前，还包括：

将所述关联疾病集合中相关度由大到小排列的预设数量疾病作为疾病目标集合发送至客户端，以供医生进行疾病确定并得到人为诊断疾病；

计算相关度最大的疾病与人为诊断疾病的权重比，若所述权重比等于1则证明问诊准确。

7.一种疾病问诊装置，其特征在于，所述装置包括：

症状提取模块，用于获取用户问诊信息，从所述用户问诊信息提取问诊症状；

疾病查找模块，用于根据所述问诊症状从预设的医疗知识图谱中查找所有与所述问诊症状关联的疾病，并生成关联疾病集合；以及

疾病确定输出模块，用于计算所述关联疾病集合中包含的各种疾病与所述问诊症状的相关度，并将相关度最大的疾病作为问诊结果进行输出。

8.一种疾病问诊系统，其特征在于，所述系统包括：

客户端，用于接收用户输入的用户问诊信息和展示反馈疾病问诊结果；

服务器，用于获取所述用户问诊信息，执行权利要求1~6任一项所述疾病问诊方法，确定疾病问诊结果并发送至所述客户端进行反馈。

9.一种计算机设备，其特征在于，其包括存储器和处理器，所述存储器中存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行权利要求1至6中任一项所述疾病问诊方法的步骤。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行权利要求1至6中任一项所述疾病问诊方法的步骤。