CN111753072A - 一种分诊的方法、装置、设备以及存储介质 - Google Patents

一种分诊的方法、装置、设备以及存储介质 Download PDF

Info

Publication number
CN111753072A
CN111753072A CN202010604983.5A CN202010604983A CN111753072A CN 111753072 A CN111753072 A CN 111753072A CN 202010604983 A CN202010604983 A CN 202010604983A CN 111753072 A CN111753072 A CN 111753072A
Authority
CN
China
Prior art keywords
medical information
piece
triage
candidate
target medical
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
Application number
CN202010604983.5A
Other languages
English (en)
Inventor
崔力娟
林荣逸
何源川
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.)
Beijing Baidu Netcom Science and Technology Co Ltd
Original Assignee
Beijing Baidu Netcom Science and Technology 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 Beijing Baidu Netcom Science and Technology Co Ltd filed Critical Beijing Baidu Netcom Science and Technology Co Ltd
Priority to CN202010604983.5A priority Critical patent/CN111753072A/zh
Publication of CN111753072A publication Critical patent/CN111753072A/zh
Pending legal-status Critical Current

Links

Images

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
    • G06F16/33—Querying
    • G06F16/335—Filtering based on additional data, e.g. user or group profiles
    • 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
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G06F40/279—Recognition of textual entities
    • G06F40/284—Lexical analysis, e.g. tokenisation or collocates
    • 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
    • G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
    • G16H20/10—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to drugs or medications, e.g. for ensuring correct administration to patients
    • 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
    • G16H40/60—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 operation of medical equipment or devices
    • G16H40/67—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 operation of medical equipment or devices for remote operation

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Primary Health Care (AREA)
  • Mathematical Physics (AREA)
  • Biomedical Technology (AREA)
  • Artificial Intelligence (AREA)
  • Epidemiology (AREA)
  • Medical Informatics (AREA)
  • Medicinal Chemistry (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Business, Economics & Management (AREA)
  • General Business, Economics & Management (AREA)
  • Human Computer Interaction (AREA)
  • Chemical & Material Sciences (AREA)
  • Medical Treatment And Welfare Office Work (AREA)

Abstract

本申请公开了分诊的方法、装置、设备以及存储介质。涉及语音技术、智能搜索、AI医疗以及深度学习领域。具体实现方案为：对接收到的查询语句进行词向量提取；根据词向量得到至少一条目标医学信息；根据至少一条目标医学信息中的每条目标医学信息，确定分诊结果。基于对患者查询信息的解析。对解析结果进行判断，即可直接得到分诊结果。解决了现有技术依赖人工的弊端，并且由于分诊结果可以针对患者不同的查询信息，打破了相关技术中分诊规则的壁垒，可以实现服务于任何患者的查询信息，提高了分诊结果的命中率。

Description

一种分诊的方法、装置、设备以及存储介质
技术领域
本申请涉及数据处理领域，尤其涉及语音技术、智能搜索、AI医疗以及深度学习领域。
背景技术
实体医院采用医务人员根据患者描述，基于已有的医学知识对患者进行分诊。上述分诊方式依赖于医务人员的医学知识，人力成本较高的同时且效率低下。
在线上的互联网问诊平台中，预先建立分诊规则，只有当患者输入的信息命中上述分诊规则时，才会进行准确分诊。该方式导致分诊的命中率较低。
发明内容
本申请提供了一种分诊的方法、装置、设备以及存储介质。
根据本申请的一方面，提供了一种分诊的方法，包括以下步骤：
从接收到的查询语句中提取词向量；
根据词向量得到至少一条目标医学信息；
根据至少一条目标医学信息中的每条目标医学信息，确定分诊结果。
根据本申请的另一方面，提供了一种分诊的装置，包括以下部件：
词向量提取模块，用于从接收到的查询语句中提取词向量；
目标医学信息匹配模块，用于根据词向量得到至少一条目标医学信息；
分诊结果确定模块，用于根据至少一条目标医学信息中的每条目标医学信息，确定分诊结果。
根据本申请的第三方面，本申请实施例提供一种电子设备，包括：
至少一个处理器；以及
与至少一个处理器通信连接的存储器；其中，
存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行本申请任意一项实施例所提供的方法。
根据本申请的第四方面，本申请实施例提供一种存储有计算机指令的非瞬时计算机可读存储介质，计算机指令用于使计算机执行本申请任意一项实施例所提供的方法。
本申请基于对患者查询信息的解析，对解析结果进行判断，即可直接得到分诊结果。解决了现有技术依赖人工的弊端，并且由于分诊结果可以针对患者不同的查询信息，打破了相关技术中分诊规则的壁垒，可以实现服务于任何患者的查询信息，提高了分诊结果的命中率。
应当理解，本部分所描述的内容并非旨在标识本申请的实施例的关键或重要特征，也不用于限制本申请的范围。本申请的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案，不构成对本申请的限定。其中：
图1是根据本申请第一实施例的分诊的方法的流程图；
图2是根据本申请第一实施例的得到目标医学信息的流程图；
图3是根据本申请第二实施例的分诊的方法的流程图；
图4是根据本申请第三实施例的分诊的装置的示意图
图5是用来实现本申请实施例的分诊的方法的电子设备的框图。
具体实施方式
以下结合附图对本申请的示范性实施例做出说明，其中包括本申请实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本申请的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
如图1所示，在一种实施方式中，本申请实施例提供一种分诊的方法，包括以下步骤：
S101：从接收到的查询语句中提取词向量；
S102：根据词向量得到至少一条目标医学信息；
S103：根据至少一条目标医学信息中的每条目标医学信息，确定分诊结果。
本申请实施例的执行主体可以是设置在医院挂号大厅的分诊设备，也可以是具有交互功能的智能设备，例如手机、智能音箱等设备。执行主体接收患者输入查询语句，查询语句可以是文字形式或者是语音形式等。
接收到查询语句后，对查询语句进行解析以提取词向量。解析方式可以包括词嵌入(Word Embedding)技术或者分布式向量(Distributional Vectors)技术等。通过词语解析，对提取出的词向量进行筛选，保留与医学相关的词向量。词向量可以以编码形式表示，例如可是采用热编码(One-Hot Code)等。
例如，患者输入的查询语句是“我今天头晕，体温39度，全身都没劲。”则与医学相关的词向量可以包括“头晕”、“体温39℃”、“全身没劲”等。
医学信息可以是与症状、疾病、药品相关的名词等信息。医学信息是医学领域已有或是已经约定俗成的信息。例如，以与上述查询语句相关的症状类医学信息为例，可以包括“头痛”、“发烧”以及“四肢无力”等。
可以预先训练词向量与医学信息的对应关系模型，利用该模型可以根据词向量得到至少一条目标医学信息。例如，前述示例中的词向量为“头晕”、“体温39℃”、“全身没劲”，利用对应关系模型可以确定出的目标医学信息可以包括“头痛”、“头晕”、“发烧”、“四肢无力”、“乏力”等。
将确定出的目标医学信息输入分诊模型，分诊模型根据目标医学信息可以确定并输出分诊结果。例如，分诊模型可以根据“头痛”、“头晕”、“发烧”、“四肢无力”等可以确定并输出分诊结果为“普通内科”和/或“呼吸科”。
通过上述方案，基于对患者查询信息的解析，利用分诊模型对解析结果进行判断，即可直接得到分诊结果。解决了现有技术依赖人工的弊端，并且由于分诊结果可以针对患者不同的查询信息，打破了相关技术中分诊规则的壁垒，可以实现服务于任何患者的查询信息，提高了分诊结果的命中率。
如图2所示，在一种实施方式中，步骤S102包括：
S1021：获取与词向量相关的至少一条候选医学信息；
S1022：对至少一条候选医学信息中的每条候选医学信息进行筛选，将筛选后保留的候选医学信息作为目标医学信息。
根据对应关系模型可以得到与词向量相关的至少一条候选医学信息。由于候选医学信息是基于词向量得到的，因此上述医学信息中可能存在噪声。
例如，患者输入的查询语句为“我想开一些治疗头痛的药”。根据对应关系模型可以匹配到多种治疗头痛的药品名称。上述通过对应关系模型匹配得到的多种治疗头痛的药品名称均可以作为候选医学信息。
进一步的，引起患者头痛的原因多种多样，例如包括感冒、发烧、贫血、或者是血压问题、脑血管问题等等。对于不同的病因会采用不同的药品进行治疗。例如，对于贫血导致的头痛，可以在血液科开药治疗。而对于感冒、发烧导致的头痛，可以在呼吸内科或者传感病科开药治疗。
因此，有部分治疗头痛的药品名称便可能是噪声。如果将包含噪声在内的所有治疗头痛的药品名称均输入分诊模型，则有可能造成分诊结果的不准确。
在此情况下，可以对上述示例中的多种治疗头痛的药品名称进行筛选。例如，可以提示患者输入辅助信息以辨别噪声。或者，可以根据该患者的历史就诊记录分析出导致该患者头痛的原因，并基于该原因辨别噪声。
将筛选后保留下的治疗头痛的药品作为目标医学信息。后续将目标医学信息输入分诊模型，从而降低噪声对后续分诊的干扰。
通过上述方案，可以采用对候选医学信息进行筛选的方式减少噪声，一方面可以降低数据量，另一方面可以提高后续分诊的准确度。
在一种实施方式中，步骤S1021包括：
利用预先建立的对应关系模型和/或知识图谱获取与词向量相关的至少一条候选医学信息。
对应关系模型可以采用近似最近邻搜索(ANN，Approximate Nearest Neighbor)模型。预先利用已经标注的词向量样本和医学信息样本对该对应关系模型进行训练。训练好的模型可以根据接收到的词向量确定并输出医学信息。
另外，还可以构建医学知识图谱，通过该知识图谱，可以得到词向量的相关医学信息。例如，以发烧为例，知识图谱可以根据输入的词向量“发烧”，得到“阿司匹林”、“病毒性感冒”等与发烧相关的医学信息。
通过上述方案，采用多种方式对候选医学信息进行获取，可以得到与词向量相关的医学信息。由于医学信息是是医学领域已有或是已经约定俗成的信息，从而可以对患者的查询语句进行规范化处理。便于后续分诊的准确。
在一种实施方式中，步骤S1022包括：
根据与查询语句的相关性，对至少一条候选医学信息中的每条候选医学信息进行排序；
根据排序的结果，保留预定数量的候选医学信息作为目标医学信息。
在当前实施例中，相关性模型可以是利用患者查询语句的大数据样本和医学信息样本进行训练的。大数据可以是现有搜索引擎。患者或用户在搜索引擎中的输入信息可以作为查询语句，用于所选择或点击的查询结果可以作为医学信息样本。例如，用户在搜索引擎中输入“感冒吃什么药”，根据搜索结果最终点击了“感冒灵”，则可以将“感冒药”或者“感冒”与“感冒灵”建立相关性关联。
进一步的，相关性模型可以采用端到端模型，例如，相关性模型中包括词向量提取子模型和相似度判定子模型。利用查询语句样本和医学信息样本同时对端到端模型中的词向量提取子模型和相似度判定子模型进行训练，一方面可以提高训练效率，另一方面两个子模型联动训练，可以彼此影响，使得两个子模型的训练相互促进。
通过上述方案，当根据词向量得到的候选医学信息有多个时，可以根据多个候选医学信息与查询语句的相关性进行筛选。由于查询语句是利用大数据样本以及医学信息样本训练的，可以筛选出与查询语句相关较高的候选医学信息。
在一种实施方式中，步骤S103包括：
将至少一条目标医学信息中的每条目标医学信息输入预先训练的分诊模型，获取分诊模型输出的分诊结果；
分诊模型是利用医学信息样本和分诊结果样本训练得到的。
分诊模型可以预先采用医学信息样本和分诊结果样本进行训练。训练过程中，分诊模型根据医学信息样本得到分诊结果的预测值。利用分诊结果的预测值和分诊结果样本之间的差值对分诊模型中的参数进行训练，直至分诊结果的预测值和分诊结果样本之间的差值在允许范围内。
通过上述方案，可以利用分类模型，根据目标医学信息即可确定分诊结果。由于目标医学信息是从查询语句中获取来的，因此整个流程可以实现基于患者的查询语句得到分诊结果。克服了现有技术中的缺陷，可以快速、准确的实现分诊。
如图3所示，在一种实施方式中，分诊的方法包括以下过程：
利用第一编码器提取医学信息样本的编码。
建立编码对应关系库。编码对应关系库中存储着医学信息样本中的医学信息与编码的对应关系。
建立索引库，提取医学信息样本的词向量。词向量与医学信息样本的编码一一对应，基于编码可以确定医学信息样本的词向量。通过预定规则，可以将不同医学信息样本的词向量在索引库中进行区域划分。在后续进行检索时，可以先基于区域缩小范围，进而在小范围中进行遍历检索。
利用第二编码器提取查询语句(或查询语句词向量)的编码。
利用检索技术，基于查询语句的编码查询出与其最近似的医学信息的编码，从而提取出医学信息的词向量或者医学信息。
对提取出的医学信息的词向量或者医学信息进行筛选，保留与查询语句相关的一个或若干个医学信息的词向量或者医学信息。
将保留下来的一个或若干个医学信息的词向量或者医学信息输入分诊模型，可以得到最终分诊结果。
如图4所示，本申请的实施例提供一种分诊的装置，包括：
词向量提取模块401，用于从接收到的查询语句中提取词向量；
目标医学信息匹配模块402，用于根据词向量得到至少一条目标医学信息；
分诊结果确定模块403，用于根据至少一条目标医学信息中的每条目标医学信息，确定分诊结果。
在一种实施方式中，目标医学信息匹配模块402，包括：
候选医学信息获取子模块4021，用于获取与词向量相关的至少一条候选医学信息；
目标医学信息匹配执行子模块4022，用于对至少一条候选医学信息中的每条候选医学信息进行筛选，将筛选后保留的候选医学信息作为目标医学信息。
在一种实施方式中，候选医学信息获取子模块4021还具体用于：
利用预先建立的对应关系模型和/或知识图谱获取与词向量相关的至少一条候选医学信息。
在一种实施方式中，目标医学信息匹配执行子模块4022，包括：
排序单元40221，用于根据与查询语句的相关性，对至少一条候选医学信息中的每条候选医学信息进行排序；
目标医学信息确定单元40222，用于根据排序的结果，保留预定数量的候选医学信息作为目标医学信息。
在一种实施方式中，词向量提取模块401具体用于：
将至少一条目标医学信息中的每条目标医学信息输入预先训练的分诊模型，获取分诊模型输出的分诊结果；
分诊模型是利用医学信息样本和分诊结果样本训练得到的。
根据本申请的实施例，本申请还提供了一种电子设备和一种可读存储介质。
如图5所示，是根据本申请实施例的分诊的方法的电子设备的框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本申请的实现。
如图5所示，该电子设备包括：一个或多个处理器510、存储器520，以及用于连接各部件的接口，包括高速接口和低速接口。各个部件利用不同的总线互相连接，并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在电子设备内执行的指令进行处理，包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如，耦合至接口的显示设备)上显示GUI的图形信息的指令。在其它实施方式中，若需要，可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样，可以连接多个电子设备，各个设备提供部分必要的操作(例如，作为服务器阵列、一组刀片式服务器、或者多处理器系统)。图5中以一个处理器510为例。
存储器520即为本申请所提供的非瞬时计算机可读存储介质。其中，所述存储器存储有可由至少一个处理器执行的指令，以使所述至少一个处理器执行本申请所提供的分诊的方法。本申请的非瞬时计算机可读存储介质存储计算机指令，该计算机指令用于使计算机执行本申请所提供的分诊的方法。
存储器520作为一种非瞬时计算机可读存储介质，可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块，如本申请实施例中的分诊的方法对应的程序指令/模块(例如，附图4所示的词向量提取模块401、目标医学信息匹配模块402和分诊结果确定模块403)。处理器510通过运行存储在存储器520中的非瞬时软件程序、指令以及模块，从而执行服务器的各种功能应用以及数据处理，即实现上述方法实施例中的分诊的方法。
存储器520可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储根据分诊的方法的电子设备的使用所创建的数据等。此外，存储器520可以包括高速随机存取存储器，还可以包括非瞬时存储器，例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中，存储器520可选包括相对于处理器510远程设置的存储器，这些远程存储器可以通过网络连接至分诊的方法的电子设备。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。
分诊的方法的电子设备还可以包括：输入装置530和输出装置540。处理器510、存储器520、输入装置530和输出装置540可以通过总线或者其他方式连接，图5中以通过总线连接为例。
输入装置530可接收输入的数字或字符信息，以及产生与分诊的方法的电子设备的用户设置以及功能控制有关的键信号输入，例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出装置540可以包括显示设备、辅助照明装置(例如，LED)和触觉反馈装置(例如，振动电机)等。该显示设备可以包括但不限于，液晶显示器(LCD)、发光二极管(LED)显示器和等离子体显示器。在一些实施方式中，显示设备可以是触摸屏。
此处描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、专用ASIC(专用集成电路)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
这些计算程序(也称作程序、软件、软件应用、或者代码)包括可编程处理器的机器指令，并且可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。如本文使用的，术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如，磁盘、光盘、存储器、可编程逻辑装置(PLD))，包括，接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。
为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与VPS服务中，存在的管理难度大，业务扩展性弱的缺陷。
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本申请公开的技术方案所期望的结果，本文在此不进行限制。
上述具体实施方式，并不构成对本申请保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等，均应包含在本申请保护范围之内。

Claims (12)

1.一种分诊的方法，包括：
从接收到的查询语句中提取词向量；
根据所述词向量得到至少一条目标医学信息；
根据所述至少一条目标医学信息中的每条目标医学信息，确定分诊结果。
2.根据权利要求1所述的方法，其中，所述根据所述词向量得到至少一条目标医学信息，包括：
获取与所述词向量相关的至少一条候选医学信息；
对所述至少一条候选医学信息中的每条候选医学信息进行筛选，将筛选后保留的候选医学信息作为所述目标医学信息。
3.根据权利要求2所述的方法，其中，所述获取与所述词向量相关的至少一条候选医学信息，包括：
利用预先建立的对应关系模型和/或知识图谱获取与所述词向量相关的至少一条候选医学信息。
4.根据权利要求2所述的方法，其中，所述对所述至少一条候选医学信息中的每条候选医学信息进行筛选，包括：
根据与所述查询语句的相关性，对所述至少一条候选医学信息中的每条候选医学信息进行排序；
根据所述排序的结果，保留预定数量的候选医学信息作为所述目标医学信息。
5.根据权利要求1所述的方法，其中，所述根据所述至少一条目标医学信息中的每条目标医学信息，确定分诊结果，包括：
将所述至少一条目标医学信息中的每条目标医学信息输入预先训练的分诊模型，获取所述分诊模型输出的分诊结果；
所述分诊模型是利用医学信息样本和分诊结果样本训练得到的。
6.一种分诊的装置，包括：
词向量提取模块，用于从接收到的查询语句中提取词向量；
目标医学信息匹配模块，用于根据所述词向量得到至少一条目标医学信息；
分诊结果确定模块，用于根据所述至少一条目标医学信息中的每条目标医学信息，确定分诊结果。
7.根据权利要求6所述的装置，其中，所述目标医学信息匹配模块，包括：
候选医学信息获取子模块，用于获取与所述词向量相关的至少一条候选医学信息；
目标医学信息匹配执行子模块，用于对所述至少一条候选医学信息中的每条候选医学信息进行筛选，将筛选后保留的候选医学信息作为所述目标医学信息。
8.根据权利要求7所述的装置，其中，所述候选医学信息获取子模块还具体用于：
利用预先建立的对应关系模型和/或知识图谱获取与所述词向量相关的至少一条候选医学信息。
9.根据权利要求7所述的装置，其中，所述目标医学信息匹配执行子模块，包括：
排序单元，用于根据与所述查询语句的相关性，对所述至少一条候选医学信息中的每条候选医学信息进行排序；
目标医学信息确定单元，用于根据所述排序的结果，保留预定数量的候选医学信息作为所述目标医学信息。
10.根据权利要求6所述的装置，其中，所述词向量提取模块具体用于：
将所述至少一条目标医学信息中的每条目标医学信息输入预先训练的分诊模型，获取所述分诊模型输出的分诊结果；
所述分诊模型是利用医学信息样本和分诊结果样本训练得到的。
11.一种电子设备，其特征在于，包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1至5中任一项所述的方法。
12.一种存储有计算机指令的非瞬时计算机可读存储介质，其特征在于，所述计算机指令用于使所述计算机执行权利要求1至5中任一项所述的方法。
CN202010604983.5A 2020-06-29 2020-06-29 一种分诊的方法、装置、设备以及存储介质 Pending CN111753072A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010604983.5A CN111753072A (zh) 2020-06-29 2020-06-29 一种分诊的方法、装置、设备以及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010604983.5A CN111753072A (zh) 2020-06-29 2020-06-29 一种分诊的方法、装置、设备以及存储介质

Publications (1)

Publication Number Publication Date
CN111753072A true CN111753072A (zh) 2020-10-09

Family

ID=72677881

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010604983.5A Pending CN111753072A (zh) 2020-06-29 2020-06-29 一种分诊的方法、装置、设备以及存储介质

Country Status (1)

Country Link
CN (1) CN111753072A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112530576A (zh) * 2020-11-30 2021-03-19 百度健康(北京)科技有限公司 一种线上医患匹配方法、装置、电子设备及存储介质

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110196704A1 (en) * 2010-02-11 2011-08-11 Eclipsys Corporation Intelligent tokens for automated health care information systems
US20150379241A1 (en) * 2014-06-27 2015-12-31 Passport Health Communications, Inc. Automatic medical coding system and method
CN106933806A (zh) * 2017-03-15 2017-07-07 北京大数医达科技有限公司 医疗同义词的确定方法和装置
CN106951684A (zh) * 2017-02-28 2017-07-14 北京大学 一种医学疾病诊断记录中实体消歧的方法
CN108305690A (zh) * 2018-02-07 2018-07-20 王博冉 神经系统疾病分诊方法及神经系统疾病的分诊系统
CN109256216A (zh) * 2018-08-14 2019-01-22 平安医疗健康管理股份有限公司 医学数据处理方法、装置、计算机设备和存储介质
CN109359300A (zh) * 2018-10-12 2019-02-19 北京大学第三医院 基于深度学习的医学文献中关键词筛选方法及装置
CN110675944A (zh) * 2019-09-20 2020-01-10 京东方科技集团股份有限公司 分诊方法及装置、计算机设备及介质

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110196704A1 (en) * 2010-02-11 2011-08-11 Eclipsys Corporation Intelligent tokens for automated health care information systems
US20150379241A1 (en) * 2014-06-27 2015-12-31 Passport Health Communications, Inc. Automatic medical coding system and method
CN106951684A (zh) * 2017-02-28 2017-07-14 北京大学 一种医学疾病诊断记录中实体消歧的方法
CN106933806A (zh) * 2017-03-15 2017-07-07 北京大数医达科技有限公司 医疗同义词的确定方法和装置
CN108305690A (zh) * 2018-02-07 2018-07-20 王博冉 神经系统疾病分诊方法及神经系统疾病的分诊系统
CN109256216A (zh) * 2018-08-14 2019-01-22 平安医疗健康管理股份有限公司 医学数据处理方法、装置、计算机设备和存储介质
CN109359300A (zh) * 2018-10-12 2019-02-19 北京大学第三医院 基于深度学习的医学文献中关键词筛选方法及装置
CN110675944A (zh) * 2019-09-20 2020-01-10 京东方科技集团股份有限公司 分诊方法及装置、计算机设备及介质

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
董天舒;张梅奎;艾雪伟;: "远程会诊系统中自动化分诊技术的研究", 中国数字医学, no. 10, 15 October 2017 (2017-10-15) *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112530576A (zh) * 2020-11-30 2021-03-19 百度健康(北京)科技有限公司 一种线上医患匹配方法、装置、电子设备及存储介质

Similar Documents

Publication Publication Date Title
CN111221983B (zh) 时序知识图谱生成方法、装置、设备和介质
JP6714024B2 (ja) 言語入力データからｎグラムおよび概念関係の自動生成
KR102532396B1 (ko) 데이터 세트 처리 방법, 장치, 전자 기기 및 저장 매체
CN111428507A (zh) 实体链指方法、装置、设备以及存储介质
CN111967262A (zh) 实体标签的确定方法和装置
CN111460095B (zh) 问答处理方法、装置、电子设备及存储介质
CN112528001B (zh) 一种信息查询方法、装置及电子设备
US11847411B2 (en) Obtaining supported decision trees from text for medical health applications
CN111274397B (zh) 建立实体关系检测模型的方法以及装置
CN112530576A (zh) 一种线上医患匹配方法、装置、电子设备及存储介质
CN111640511B (zh) 医疗事实验证的方法、装置、电子设备及存储介质
CN111738014B (zh) 一种药物分类方法、装置、设备及存储介质
CN111460116B (zh) 问答方法、问答系统、电子设备和存储介质
CN111563385A (zh) 语义处理方法、装置、电子设备和介质
CN111401033A (zh) 事件抽取方法、事件抽取装置和电子设备
CN111984774B (zh) 搜索方法、装置、设备以及存储介质
CA3164921A1 (en) Unsupervised taxonomy extraction from medical clinical trials
CN111708800A (zh) 查询方法、装置及电子设备
CN111079945A (zh) 端到端模型的训练方法及装置
CN112562807A (zh) 医疗数据分析方法、装置、设备、存储介质和程序产品
CN111539209A (zh) 用于实体分类的方法和装置
CN111090991A (zh) 场景纠错方法、装置、电子设备和存储介质
CN112579750A (zh) 相似病案的检索方法、装置、设备及存储介质
CN111966781A (zh) 数据查询的交互方法及装置、电子设备和存储介质
CN111666372A (zh) 解析查询词query的方法、装置、电子设备和可读存储介质

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