CN111159369B - 多轮智能问诊方法、装置及计算机可读存储介质 - Google Patents
多轮智能问诊方法、装置及计算机可读存储介质 Download PDFInfo
- Publication number
- CN111159369B CN111159369B CN201911313505.2A CN201911313505A CN111159369B CN 111159369 B CN111159369 B CN 111159369B CN 201911313505 A CN201911313505 A CN 201911313505A CN 111159369 B CN111159369 B CN 111159369B
- Authority
- CN
- China
- Prior art keywords
- question
- inquiry
- information
- answer
- case
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 53
- 238000004364 calculation method Methods 0.000 claims abstract description 19
- 238000003745 diagnosis Methods 0.000 claims description 38
- 238000010276 construction Methods 0.000 claims description 18
- 230000006870 function Effects 0.000 claims description 5
- 238000013473 artificial intelligence Methods 0.000 abstract description 2
- 239000011159 matrix material Substances 0.000 description 6
- 208000004998 Abdominal Pain Diseases 0.000 description 4
- 208000010201 Exanthema Diseases 0.000 description 4
- 238000004891 communication Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 201000005884 exanthem Diseases 0.000 description 4
- 210000005036 nerve Anatomy 0.000 description 4
- 206010037844 rash Diseases 0.000 description 4
- 206010046788 Uterine haemorrhage Diseases 0.000 description 2
- 206010047700 Vomiting Diseases 0.000 description 2
- 230000004596 appetite loss Effects 0.000 description 2
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 2
- 230000002496 gastric effect Effects 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 229910052760 oxygen Inorganic materials 0.000 description 2
- 239000001301 oxygen Substances 0.000 description 2
- 230000035935 pregnancy Effects 0.000 description 2
- 238000009597 pregnancy test Methods 0.000 description 2
- 238000004590 computer program Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/332—Query formulation
- G06F16/3329—Natural language query formulation or dialogue systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/35—Clustering; Classification
-
- 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
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/20—ICT 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
-
- 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
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
-
- 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
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Health & Medical Sciences (AREA)
- Public Health (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Medical Informatics (AREA)
- Databases & Information Systems (AREA)
- Biomedical Technology (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Pathology (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Artificial Intelligence (AREA)
- Human Computer Interaction (AREA)
- Computational Linguistics (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明涉及一种人工智能技术,揭露了一种多轮智能问诊方法,包括:接收用户输入的就诊人员信息,开放语义输入模板集,所述语义输入模板集提供多种病例问诊模板和病例未匹配模板,并提示用户选择其中一种模板,若用户选择所述病例未匹配模板,则根据所述就诊人员信息自动接入人工就诊,若用户选择其中一种所述病例问诊模板,根据所述病例问诊模板和所述就诊人员信息,利用预先构建的智能问诊模型进行节点计算,得到问诊顺序题目集,根据所述问诊顺序题目集并根据用户对所述问诊顺序题目集的回答,依次对用户执行问诊,完成多轮智能问诊。本发明还提出一种多轮智能问诊装置以及一种计算机可读存储介质。本发明可以实现精准高效的多轮智能问诊功能。
Description
技术领域
本发明涉及人工智能技术领域,尤其涉及一种多轮智能问诊的方法、装置及计算机可读存储介质。
背景技术
目前市场上已有的问诊系统,例如Your.MD、Ada等都是单轮对话且会限制用户的输入的方式,只能通过单选的方式进行推进,用户对话过程中会感到厌倦且受输入方式限制无法补充更多相关的疾病情况,因此问诊过程简单,问诊精度不高。
发明内容
本发明提供一种多轮智能问诊方法、装置及计算机可读存储介质,其主要目的在于根据用户的查询要求而进行多轮智能问诊。
为实现上述目的,本发明提供的一种多轮智能问诊方法,包括:
接收用户输入的就诊人员信息,开放语义输入模板集,所述语义输入模板集提供多种病例问诊模板和病例未匹配模板,并提示用户选择其中一种模板;
若用户选择所述病例未匹配模板,则根据所述就诊人员信息自动接入人工就诊;
若用户选择其中一种所述病例问诊模板,根据所述病例问诊模板和所述就诊人员信息,利用预先构建的智能问诊模型进行节点计算,得到问诊顺序题目集;
根据所述问诊顺序题目集并根据用户对所述问诊顺序题目集的回答,依次对用户执行问诊,完成多轮智能问诊。
可选地,所述根据所述就诊人员信息自动接入人工就诊,包括:
搜寻所述就诊人员信息中的就诊部位信息,若搜寻到所述就诊部位信息,则根据所述就诊部位信息接入与所述就诊部位信息相匹配的诊断人员系统;
若未遍历到所述就诊部位信息,则自动转入至人工咨询系统。
可选地,所述利用预先构建的智能问诊模型进行节点计算,得到与所述用户所提问题相匹配的智能问诊题目集,包括:
根据所述病例问诊模板从病史记录集中提取与所述病例问诊模板相关的所有问题和答案得到问答集;
根据所述就诊人员信息中的和所述问答集构建树分类问答顺序;
根据所述问答顺序和所述问答集得到所述问诊顺序题目集。
可选地,所述构建树分类问答顺序包括:
根据所述就诊人员信息和所述问答集构建基尼指数;
遍历所述问答集,并计算每个问题的基尼指数值,取出基尼指数值最大的问答作为第一节点;
根据所述第一节点计算剩余问题的基尼指数值得到基尼指数集,判断所述基尼指数集内的值是否有大于预设阈值,若都小于所述预设阈值,则完成构建过程得到分类问答顺序;
若有大于所述预设阈值的基尼指数值,提取最大的基尼指数值对应的问答作为第二节点,以此类推,直至所有的基尼指数值小于所述预设阈值后,完成所述构建过程得到分类问答顺序。
可选地,其中所述基尼指数的计算方法为:
其中,D表示节点,Ck表示所述问答集,T为所述就诊人员信息,K为所述问答集的数量。
此外,为实现上述目的,本发明还提供一种多轮智能问诊装置,该装置包括存储器和处理器,所述存储器中存储有可在所述处理器上运行的多轮智能问诊程序,所述多轮智能问诊程序被所述处理器执行时实现如下步骤:
接收用户输入的就诊人员信息,开放语义输入模板集,所述语义输入模板集提供多种病例问诊模板和病例未匹配模板,并提示用户选择其中一种模板;
若用户选择所述病例未匹配模板,则根据所述就诊人员信息自动接入人工就诊:
若用户选择其中一种所述病例问诊模板,根据所述病例问诊模板和所述就诊人员信息,利用预先构建的智能问诊模型进行节点计算,得到问诊顺序题目集;
根据所述问诊顺序题目集并根据用户对所述问诊顺序题目集的回答,依次对用户执行问诊,完成多轮智能问诊。
可选地,所述根据所述就诊人员信息自动接入人工就诊,包括:
搜寻所述就诊人员信息中的就诊部位信息,若搜寻到所述就诊部位信息,则根据所述就诊部位信息接入与所述就诊部位信息相匹配的诊断人员系统;
若未遍历到所述就诊部位信息,则自动转入至人工咨询系统。
可选地,所述利用预先构建的智能问诊模型进行节点计算,得到与所述用户所提问题相匹配的智能问诊题目集,包括:
根据所述病例问诊模板从病史记录集中提取与所述病例问诊模板相关的所有问题和答案得到问答集;
根据所述就诊人员信息中的和所述问答集构建树分类问答顺序;
根据所述问答顺序和所述问答集得到所述问诊顺序题目集。
可选地,所述构建树分类问答顺序包括:
根据所述就诊人员信息和所述问答集构建基尼指数;
遍历所述问答集,并计算每个问题的基尼指数值,取出基尼指数值最大的问答作为第一节点;
根据所述第一节点计算剩余问题的基尼指数值得到基尼指数集,判断所述基尼指数集内的值是否有大于预设阈值,若都小于所述预设阈值,则完成构建过程得到分类问答顺序;
若有大于所述预设阈值的基尼指数值,提取最大的基尼指数值对应的问答作为第二节点,以此类推,直至所有的基尼指数值小于所述预设阈值后,完成所述构建过程得到分类问答顺序。
此外,为实现上述目的,本发明还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多轮智能问诊程序,所述多轮智能问诊程序可被一个或者多个处理器执行,以实现如上所述的多轮智能问诊方法的步骤。
本发明通过开放语义输入模板集并收集就诊人员信息进行病例匹配,通过病例匹配可以减少误诊的概率,利用预先构建的智能问诊模型进行节点计算,得到问诊顺序题目集,可以从大量的问诊题目中抽取到核心的问诊题目,进一步减少误诊的概率,根据所述问诊顺序题目集并根据用户对所述问诊顺序题目集的回答,提高了智能化的问诊程度。因此本发明提出的多轮智能问诊方法、装置及计算机可读存储介质,可以实现精准简便的智能问诊功能。
附图说明
图1为本发明一实施例提供的多轮智能问诊方法的流程示意图;
图2为本发明一实施例提供的多轮智能问诊装置的内部结构示意图;
图3为本发明一实施例提供的多轮智能问诊装置中多轮智能问诊程序的模块示意图。
图4为本发明一实施例提供的多轮智能问诊方法中问诊顺序题目集的示意图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
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。
本发明提供一种多轮智能问诊方法。参照图1所示,为本发明一实施例提供的多轮智能问诊方法的流程示意图。该方法可以由一个装置执行,该装置可以由软件和/或硬件实现。
在本实施例中,多轮智能问诊方法包括:
S1、接收用户输入的就诊人员信息,开放语义输入模板集,所述语义输入模板集提供多种病例问诊模板和病例未匹配模板,并提示用户选择其中一种模板。
本发明较佳实施例,所述就诊人员信息包括就诊人员想要诊断或治疗的部位信息,如心脏、皮肤、神经、小儿皮疹、孕检等,同时也包括就诊人员基本信息,如年龄、性别等。
优选地,所述语义输入模板是本发明预先构建的多分类系统,为后续智能问诊做好前提准备。本发明较佳实施例中,所述语义输入模板包括,但不限于,心脏病例问诊模板、皮肤病例问诊模板、神经病例问诊模板、小儿皮疹病例问诊模板、孕检病例问诊模板等,也包括非以上模板的病例未匹配模板。用户根据就诊人员信息,可以进行有目的性的选择其中一种模板。
S2、若用户选择所述病例未匹配模板,则根据所述就诊人员信息自动接入医生诊室进行人工就诊。
优选地,若用户觉得任何一种病例问诊模板都无法贴合地满足问诊需要,则可以选择病例未匹配模板。当用户选择了病例未匹配模板时,可直接进行人工就诊。
较佳地,所述根据所述就诊人员信息自动接入人工就诊,包括:搜寻所述就诊人员信息内的就诊部位信息,若搜寻到所述就诊部位,根据所述就诊部位信息接入与所述就诊部位相匹配的诊断人员系统中,若未搜寻到所述就诊部位信息,则自动转入至人工咨询系统中。
优选地,所述诊断人员系统和所述人工咨询系统可以是电话热线形式、文本形式提示所述诊断人员或所述人工咨询所在科室地址等形式。
S3、若用户选择其中一种所述病例问诊模板,则根据所述病例问诊模板和所述就诊人员信息,利用预先构建的智能问诊模型进行节点计算,得到问诊顺序题目集。
优选地,利用预先构建的智能问诊模型进行节点计算,得到智能问诊题目集,包括:根据所述病例问诊模板从病史记录集中提取与所述病例问诊模板相关的所有问题和答案得到问答集,根据所述就诊人员信息和所述问答集构建树分类问答顺序,根据所述问答顺序和所述问答集得到所述问诊顺序题目集。
进一步地,所述构建树分类问答顺序包括:根据所述就诊人员信息和所述问答集构建基尼指数,遍历所述问答集,并计算每个问题的基尼指数值,取出基尼指数值最大的问答作为第一节点,根据所述第一节点计算剩余问题的基尼指数值得到基尼指数集,判断所述基尼指数集内的值是否有大于预设阈值,若都小于所述预设阈值,则完成构建过程得到分类问答顺序,若有大于所述预设阈值的基尼指数值,提取最大的基尼指数值对应的问答作为第二节点,以此类推,直至所有的基尼指数值小于所述预设阈值后,完成所述构建过程得到分类问答顺序。
较佳地,所述基尼指数的计算方法为:
其中,D表示节点,Ck表示所述问答集,T为所述就诊人员信息,K为所述问答集的数量。
所述预设阈值一般采用如下计算方法:
其中,Ts表示所述病史记录集中的以往就诊人员信息,Gini(T,A)表示所述预设阈值,其中A为误差允许值。
进一步地,根据所述问答顺序和所述问答集得到所述问诊顺序题目集,可参阅说明附图4所示,其中所述第一节点代表第一个问题,根据所述第一个问题的不同,会选择出不同的第二个问题进行问题(图中节点代表第二节点、第三节点等),以此类推得到完整的智能对话。
S4、根据所述问诊顺序题目集并根据用户对所述问诊顺序题目集的回答,依次对用户执行问诊,完成多轮智能问诊。
优选地,如用户A想就诊肠胃问题,则根据S3的处理后,得到的问诊顺序题目集为:
问题A:目前有下列不舒服的情况吗?
选项:1腹痛;2子宫出血;3恶心、呕吐;4食欲减退;5以上都无
问题B:当用户选择2时,则对应的问题B为请问您生过几个宝宝呢?
选项:1个,2个,3个
若用户选择1时,则对应的问题B为请问您腹痛一般是什么时候?
选项:1吃饭后,2剧烈运动时,3睡觉时,4空气质量下降,氧气浓度偏低时(如高温环境,烈日当头时)
以此类推,直至每个问题最终的基尼指数小于所述预设阈值后完成对话。
发明还提供一种多轮智能问诊装置。参照图2所示,为本发明一实施例提供的多轮智能问诊装置的内部结构示意图。
在本实施例中,所述多轮智能问诊装置1可以是PC(Personal Computer,个人电脑),或者是智能手机、平板电脑、便携计算机等终端设备,也可以是一种服务器等。该多轮智能问诊装置1至少包括存储器11、处理器12,通信总线13,以及网络接口14。
其中,存储器11至少包括一种类型的可读存储介质,所述可读存储介质包括闪存、硬盘、多媒体卡、卡型存储器(例如,SD或DX存储器等)、磁性存储器、磁盘、光盘等。存储器11在一些实施例中可以是多轮智能问诊装置1的内部存储单元,例如该多轮智能问诊装置1的硬盘。存储器11在另一些实施例中也可以是多轮智能问诊装置1的外部存储设备,例如多轮智能问诊装置1上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。进一步地,存储器11还可以既包括多轮智能问诊装置1的内部存储单元也包括外部存储设备。存储器11不仅可以用于存储安装于多轮智能问诊装置1的应用软件及各类数据,例如多轮智能问诊程序01的代码等,还可以用于暂时地存储已经输出或者将要输出的数据。
处理器12在一些实施例中可以是一中央处理器(Central Processing Unit,CPU)、控制器、微控制器、微处理器或其他数据处理芯片,用于运行存储器11中存储的程序代码或处理数据,例如执行多轮智能问诊程序01等。
通信总线13用于实现这些组件之间的连接通信。
网络接口14可选的可以包括标准的有线接口、无线接口(如WI-FI接口),通常用于在该装置1与其他电子设备之间建立通信连接。
可选地,该装置1还可以包括用户接口,用户接口可以包括显示器(Display)、输入单元比如键盘(Keyboard),可选的用户接口还可以包括标准的有线接口、无线接口。可选地,在一些实施例中,显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode,有机发光二极管)触摸器等。其中,显示器也可以适当的称为显示屏或显示单元,用于显示在多轮智能问诊装置1中处理的信息以及用于显示可视化的用户界面。
图2仅示出了具有组件11-14以及多轮智能问诊程序01的多轮智能问诊装置1,本领域技术人员可以理解的是,图1示出的结构并不构成对多轮智能问诊装置1的限定,可以包括比图示更少或者更多的部件,或者组合某些部件,或者不同的部件布置。
在图2所示的装置1实施例中,存储器11中存储有多轮智能问诊程序01;处理器12执行存储器11中存储的多轮智能问诊程序01时实现如下步骤:
步骤一、接收用户输入的就诊人员信息,开放语义输入模板集,所述语义输入模板集提供多种病例问诊模板和病例未匹配模板,并提示用户选择其中一种模板。
本发明较佳实施例,所述就诊人员信息包括就诊人员想要诊断或治疗的部位信息,如心脏、皮肤、神经、小儿皮疹、孕检等,同时也包括就诊人员基本信息,如年龄、性别等。
优选地,所述语义输入模板是本发明预先构建的多分类系统,为后续智能问诊做好前提准备。本发明较佳实施例中,所述语义输入模板包括,但不限于,心脏病例问诊模板、皮肤病例问诊模板、神经病例问诊模板、小儿皮疹病例问诊模板、孕检病例问诊模板等,也包括非以上模板的病例未匹配模板。用户根据就诊人员信息,可以进行有目的性的选择其中一种模板。
步骤二、若用户选择所述病例未匹配模板,则根据所述就诊人员信息自动接入医生诊室进行人工就诊。
优选地,若用户觉得任何一种病例问诊模板都无法贴合地满足问诊需要,则可以选择病例未匹配模板。当用户选择了病例未匹配模板时,可直接进行人工就诊。
较佳地,所述根据所述就诊人员信息自动接入人工就诊,包括:搜寻所述就诊人员信息内的就诊部位信息,若搜寻到所述就诊部位,根据所述就诊部位信息接入与所述就诊部位相匹配的诊断人员系统中,若未搜寻到所述就诊部位信息,则自动转入至人工咨询系统中。
优选地,所述诊断人员系统和所述人工咨询系统可以是电话热线形式、文本形式提示所述诊断人员或所述人工咨询所在科室地址等形式。
步骤三、若用户选择其中一种所述病例问诊模板,则根据所述病例问诊模板和所述就诊人员信息,利用预先构建的智能问诊模型进行节点计算,得到问诊顺序题目集。
优选地,利用预先构建的智能问诊模型进行节点计算,得到智能问诊题目集,包括:根据所述病例问诊模板从病史记录集中提取与所述病例问诊模板相关的所有问题和答案得到问答集,根据所述就诊人员信息和所述问答集构建树分类问答顺序,根据所述问答顺序和所述问答集得到所述问诊顺序题目集。
进一步地,所述构建树分类问答顺序包括:根据所述就诊人员信息和所述问答集构建基尼指数,遍历所述问答集,并计算每个问题的基尼指数值,取出基尼指数值最大的问答作为第一节点,根据所述第一节点计算剩余问题的基尼指数值得到基尼指数集,判断所述基尼指数集内的值是否有大于预设阈值,若都小于所述预设阈值,则完成构建过程得到分类问答顺序,若有大于所述预设阈值的基尼指数值,提取最大的基尼指数值对应的问答作为第二节点,以此类推,直至所有的基尼指数值小于所述预设阈值后,完成所述构建过程得到分类问答顺序。
较佳地,所述基尼指数的计算方法为:
其中,D表示节点,Ck表示所述问答集,T为所述就诊人员信息,K为所述问答集的数量。
所述预设阈值一般采用如下计算方法:
其中,Ts表示所述病史记录集中的以往就诊人员信息,Gini(T,A)表示所述预设阈值,其中A为误差允许值。
进一步地,根据所述问答顺序和所述问答集得到所述问诊顺序题目集,可参阅说明附图4所示,其中所述第一节点代表第一个问题,根据所述第一个问题的不同,会选择出不同的第二个问题进行问题(图中节点代表第二节点、第三节点等),以此类推得到完整的智能对话。
步骤四、根据所述问诊顺序题目集并根据用户对所述问诊顺序题目集的回答,依次对用户执行问诊,完成多轮智能问诊。
优选地,如用户A想就诊肠胃问题,则根据S3的处理后,得到的问诊顺序题目集为:
问题A:目前有下列不舒服的情况吗?
选项:1腹痛;2子宫出血;3恶心、呕吐;4食欲减退;5以上都无
问题B:当用户选择2时,则对应的问题B为请问您生过几个宝宝呢?
选项:1个,2个,3个
若用户选择1时,则对应的问题B为请问您腹痛一般是什么时候?
选项:1吃饭后,2剧烈运动时,3睡觉时,4空气质量下降,氧气浓度偏低时(如高温环境,烈日当头时)
以此类推,直至每个问题最终的基尼指数小于所述预设阈值后完成对话。
可选地,在其他实施例中,多轮智能问诊程序还可以被分割为一个或者多个模块,一个或者多个模块被存储于存储器11中,并由一个或多个处理器(本实施例为处理器12)所执行以完成本发明,本发明所称的模块是指能够完成特定功能的一系列计算机程序指令段,用于描述多轮智能问诊程序在多轮智能问诊装置中的执行过程。
例如,参照图3所示,为本发明多轮智能问诊装置一实施例中的多轮智能问诊程序的程序模块示意图,该实施例中,所述多轮智能问诊程序可以被分割为语义开放和信息接收模块10、病例匹配模块20、节点计算模块30、智能问诊模块40示例性地:
所述语义开放和信息接收模块10用于:接收用户输入的就诊人员信息,开放语义输入模板集,所述语义输入模板集提供多种病例问诊模板和病例未匹配模板,并提示用户选择其中一种模板。
所述病例匹配模块20用于:若用户选择所述病例未匹配模板,则根据所述就诊人员信息自动接入人工就诊。
所述节点计算模块30用于:若用户选择其中一种所述病例问诊模板,根据所述病例问诊模板和所述就诊人员信息,利用预先构建的智能问诊模型进行节点计算,得到问诊顺序题目集。
所述智能问诊模块40用于:根据所述问诊顺序题目集并根据用户对所述问诊顺序题目集的回答,依次对用户执行问诊,完成多轮智能问诊。
上述语义开放和信息接收模块10、病例匹配模块20、节点计算模块30、智能问诊模块40等程序模块被执行时所实现的功能或操作步骤与上述实施例大体相同,在此不再赘述。
此外,本发明实施例还提出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多轮智能问诊程序,所述多轮智能问诊程序可被一个或多个处理器执行,以实现如下操作:
接收用户输入的就诊人员信息,开放语义输入模板集,所述语义输入模板集提供多种病例问诊模板和病例未匹配模板,并提示用户选择其中一种模板。
若用户选择所述病例未匹配模板,则根据所述就诊人员信息自动接入人工就诊。
若用户选择其中一种所述病例问诊模板,根据所述病例问诊模板和所述就诊人员信息,利用预先构建的智能问诊模型进行节点计算,得到问诊顺序题目集。
根据所述问诊顺序题目集并根据用户对所述问诊顺序题目集的回答,依次对用户执行问诊,完成多轮智能问诊。
需要说明的是,上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。并且本文中的术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、装置、物品或者方法不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、装置、物品或者方法所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、装置、物品或者方法中还存在另外的相同要素。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。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如上所述的一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,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的方法。
以上仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (7)
1.一种多轮智能问诊方法,其特征在于,所述方法包括:
接收用户输入的就诊人员信息,开放语义输入模板集,所述语义输入模板集提供多种病例问诊模板和病例未匹配模板,并提示用户选择其中一种模板;
若用户选择所述病例未匹配模板,则根据所述就诊人员信息自动接入人工就诊;
若用户选择其中一种所述病例问诊模板,根据所述病例问诊模板得到问答集;根据所述就诊人员信息和所述问答集构建树分类问答顺序,根据所述问答顺序和所述问答集得到问诊顺序题目集,其中,所述问答集构建树分类问答顺序使用的预设阈值计算公式为:
其中,Gini()为基尼指数函数,T1-Ts表示预设病史记录集中的以往就诊人员信息,D表示节点,Gini(T,A)表示所述预设阈值,其中T为所述就诊人员信息,A为误差允许值;所述构建树分类问答顺序包括:根据所述就诊人员信息和所述问答集构建基尼指数,遍历所述问答集,并计算其中每个问题的基尼指数值,取出基尼指数值最大的问答作为第一节点,根据所述第一节点计算剩余问题的基尼指数值得到基尼指数集,判断所述基尼指数集内的值是否有大于所述预设阈值,若都小于所述预设阈值,则完成构建过程得到分类问答顺序,若有大于所述预设阈值的基尼指数值,提取最大的基尼指数值对应的问答作为第二节点,以此类推,直至所有的基尼指数值小于所述预设阈值后,完成所述构建过程得到分类问答顺序,其中,所述基尼指数的计算公式为:
其中,D表示节点,Ck表示所述问答集,T为所述就诊人员信息,K为所述问答集的数量;
根据所述问诊顺序题目集并根据用户对所述问诊顺序题目集的回答,依次对用户执行问诊,完成多轮智能问诊。
2.如权利要求1所述的多轮智能问诊方法,其特征在于,所述根据所述就诊人员信息自动接入人工就诊,包括:
搜寻所述就诊人员信息中的就诊部位信息,若搜寻到所述就诊部位信息,则根据所述就诊部位信息接入与所述就诊部位信息相匹配的诊断人员系统;
若未遍历到所述就诊部位信息,则自动转入至人工咨询系统。
3.如权利要求1所述的多轮智能问诊方法,其特征在于,所述根据所述病例问诊模板得到问答集,包括:
根据所述病例问诊模板从所述病史记录集中提取与所述病例问诊模板相关的所有问题和答案得到问答集。
4.一种多轮智能问诊装置,其特征在于,所述装置包括存储器和处理器,所述存储器上存储有可在所述处理器上运行的多轮智能问诊程序,所述多轮智能问诊程序被所述处理器执行时实现如下步骤:
接收用户输入的就诊人员信息,开放语义输入模板集,所述语义输入模板集提供多种病例问诊模板和病例未匹配模板,并提示用户选择其中一种模板;
若用户选择所述病例未匹配模板,则根据所述就诊人员信息自动接入人工就诊;
若用户选择其中一种所述病例问诊模板,根据所述病例问诊模板得到问答集;根据所述就诊人员信息和所述问答集构建树分类问答顺序,根据所述问答顺序和所述问答集得到问诊顺序题目集,其中,所述问答集构建树分类问答顺序使用的预设阈值计算公式为:
其中,Gini()为基尼指数函数,T1-Ts表示预设病史记录集中的以往就诊人员信息,D表示节点,Gini(T,A)表示所述预设阈值,其中T为所述就诊人员信息,A为误差允许值;所述构建树分类问答顺序包括:根据所述就诊人员信息和所述问答集构建基尼指数,遍历所述问答集,并计算其中每个问题的基尼指数值,取出基尼指数值最大的问答作为第一节点,根据所述第一节点计算剩余问题的基尼指数值得到基尼指数集,判断所述基尼指数集内的值是否有大于所述预设阈值,若都小于所述预设阈值,则完成构建过程得到分类问答顺序,若有大于所述预设阈值的基尼指数值,提取最大的基尼指数值对应的问答作为第二节点,以此类推,直至所有的基尼指数值小于所述预设阈值后,完成所述构建过程得到分类问答顺序,其中,所述基尼指数的计算公式为:
其中,D表示节点,Ck表示所述问答集,T为所述就诊人员信息,K为所述问答集的数量;
根据所述问诊顺序题目集并根据用户对所述问诊顺序题目集的回答,依次对用户执行问诊,完成多轮智能问诊。
5.如权利要求4所述的多轮智能问诊装置,其特征在于,所述根据所述就诊人员信息自动接入人工就诊,包括:
搜寻所述就诊人员信息中的就诊部位信息,若搜寻到所述就诊部位信息,则根据所述就诊部位信息接入与所述就诊部位信息相匹配的诊断人员系统;
若未遍历到所述就诊部位信息,则自动转入至人工咨询系统。
6.如权利要求4所述的多轮智能问诊装置,其特征在于,所述根据所述病例问诊模板得到问答集,包括:
根据所述病例问诊模板从所述病史记录集中提取与所述病例问诊模板相关的所有问题和答案得到问答集。
7.一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多轮智能问诊程序,所述多轮智能问诊程序可被一个或者多个处理器执行,以实现如权利要求1至3中任一项所述的多轮智能问诊方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911313505.2A CN111159369B (zh) | 2019-12-18 | 2019-12-18 | 多轮智能问诊方法、装置及计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911313505.2A CN111159369B (zh) | 2019-12-18 | 2019-12-18 | 多轮智能问诊方法、装置及计算机可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111159369A CN111159369A (zh) | 2020-05-15 |
CN111159369B true CN111159369B (zh) | 2023-12-05 |
Family
ID=70557322
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911313505.2A Active CN111159369B (zh) | 2019-12-18 | 2019-12-18 | 多轮智能问诊方法、装置及计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111159369B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112035615B (zh) * | 2020-08-31 | 2023-02-07 | 康键信息技术(深圳)有限公司 | 线上问诊数据处理方法、装置和计算机设备 |
CN112786182B (zh) * | 2020-12-31 | 2024-05-10 | 深圳平安智慧医健科技有限公司 | 智能导诊方法、装置、电子设备及存储介质 |
CN113704428B (zh) * | 2021-08-30 | 2023-10-24 | 康键信息技术(深圳)有限公司 | 智能问诊方法、装置、电子设备及存储介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107292186A (zh) * | 2016-03-31 | 2017-10-24 | 阿里巴巴集团控股有限公司 | 一种基于随机森林的模型训练方法和装置 |
CN110033851A (zh) * | 2019-04-02 | 2019-07-19 | 腾讯科技(深圳)有限公司 | 信息推荐方法、装置、存储介质及服务器 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109101624A (zh) * | 2018-08-13 | 2018-12-28 | 腾讯科技(深圳)有限公司 | 对话处理方法、装置、电子设备及存储介质 |
-
2019
- 2019-12-18 CN CN201911313505.2A patent/CN111159369B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107292186A (zh) * | 2016-03-31 | 2017-10-24 | 阿里巴巴集团控股有限公司 | 一种基于随机森林的模型训练方法和装置 |
CN110033851A (zh) * | 2019-04-02 | 2019-07-19 | 腾讯科技(深圳)有限公司 | 信息推荐方法、装置、存储介质及服务器 |
Also Published As
Publication number | Publication date |
---|---|
CN111159369A (zh) | 2020-05-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111159369B (zh) | 多轮智能问诊方法、装置及计算机可读存储介质 | |
CN111033636B (zh) | 用于构建医疗提供方数据库的系统和方法 | |
CN112256828B (zh) | 医学实体关系抽取方法、装置、计算机设备及可读存储介质 | |
CN112329964B (zh) | 用于推送信息的方法、装置、设备以及存储介质 | |
CN110060750B (zh) | 医疗数据推送方法、系统、计算机设备及可读存储介质 | |
CN113707303A (zh) | 基于知识图谱的医疗问题解答方法、装置、设备及介质 | |
CN112418059B (zh) | 一种情绪识别的方法、装置、计算机设备及存储介质 | |
CN111695354A (zh) | 基于命名实体的文本问答方法、装置及可读存储介质 | |
CN109065183B (zh) | 问诊对话模板生成及问诊数据获取方法、装置 | |
CN112287069A (zh) | 基于语音语义的信息检索方法、装置及计算机设备 | |
CN114491072A (zh) | 一种中医数据处理系统、方法、存储介质及终端 | |
CN110265153A (zh) | 慢性病随访方法及电子装置 | |
CN117290488A (zh) | 基于大模型的人机交互方法、装置、电子设备及存储介质 | |
CN110752027B (zh) | 电子病历数据推送方法、装置、计算机设备和存储介质 | |
CN110399547A (zh) | 用于更新模型参数的方法、装置、设备和存储介质 | |
CN111180077A (zh) | 医美主题识别方法、装置、设备及存储介质 | |
CN111783473B (zh) | 医疗问答中最佳答案的识别方法、装置和计算机设备 | |
CN117292783A (zh) | 医学影像报告生成系统 | |
CN110929526B (zh) | 样本生成方法、装置以及电子设备 | |
CN117253629A (zh) | 导医信息推送方法、装置、设备、介质和计算机程序产品 | |
CN112037904A (zh) | 在线诊疗数据处理方法、装置、计算机设备和存储介质 | |
CN111931503A (zh) | 信息抽取方法及装置、设备、计算机可读存储介质 | |
CN116469534A (zh) | 医院叫号管理系统及其方法 | |
CN116702776A (zh) | 基于跨中西医的多任务语义划分方法、装置、设备及介质 | |
WO2023029514A1 (zh) | 科室分诊方法、系统、设备以及存储介质 |
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 | ||
REG | Reference to a national code |
Ref country code: HK Ref legal event code: DE Ref document number: 40023050 Country of ref document: HK |
|
GR01 | Patent grant | ||
GR01 | Patent grant |