CN111986793B - 基于人工智能的导诊处理方法、装置、计算机设备及介质 - Google Patents
基于人工智能的导诊处理方法、装置、计算机设备及介质 Download PDFInfo
- Publication number
- CN111986793B CN111986793B CN202010915716.XA CN202010915716A CN111986793B CN 111986793 B CN111986793 B CN 111986793B CN 202010915716 A CN202010915716 A CN 202010915716A CN 111986793 B CN111986793 B CN 111986793B
- Authority
- CN
- China
- Prior art keywords
- target
- keyword
- information
- video
- determining
- 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
- 238000003745 diagnosis Methods 0.000 title claims abstract description 56
- 238000013473 artificial intelligence Methods 0.000 title claims abstract description 51
- 238000003672 processing method Methods 0.000 title claims abstract description 30
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims abstract description 156
- 201000010099 disease Diseases 0.000 claims abstract description 109
- 208000024891 symptom Diseases 0.000 claims abstract description 64
- 238000012545 processing Methods 0.000 claims abstract description 49
- 238000000034 method Methods 0.000 claims abstract description 36
- 230000008569 process Effects 0.000 claims abstract description 12
- 238000004590 computer program Methods 0.000 claims description 15
- 238000001514 detection method Methods 0.000 claims description 8
- 238000002372 labelling Methods 0.000 claims description 3
- 239000013589 supplement Substances 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 abstract description 5
- 238000010276 construction Methods 0.000 abstract 1
- 208000035475 disorder Diseases 0.000 description 30
- 230000006870 function Effects 0.000 description 8
- 206010019233 Headaches Diseases 0.000 description 6
- 231100000869 headache Toxicity 0.000 description 6
- 206010067171 Regurgitation Diseases 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 206010037660 Pyrexia Diseases 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 239000000047 product Substances 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 206010011224 Cough Diseases 0.000 description 1
- 208000012902 Nervous system disease Diseases 0.000 description 1
- 208000025966 Neurological disease Diseases 0.000 description 1
- 206010068319 Oropharyngeal pain Diseases 0.000 description 1
- 201000007100 Pharyngitis Diseases 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 239000011248 coating agent Substances 0.000 description 1
- 238000000576 coating method Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 239000013598 vector Substances 0.000 description 1
Classifications
-
- 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
- G16H40/20—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 management or administration of healthcare resources or facilities, e.g. managing hospital staff or surgery rooms
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
- G06V20/46—Extracting features or characteristics from the video content, e.g. video fingerprints, representative shots or key frames
-
- 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
- G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
- G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
-
- 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
- G16H30/00—ICT specially adapted for the handling or processing of medical images
- G16H30/20—ICT specially adapted for the handling or processing of medical images for handling medical images, e.g. DICOM, HL7 or PACS
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Biomedical Technology (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Business, Economics & Management (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Business, Economics & Management (AREA)
- Databases & Information Systems (AREA)
- Multimedia (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Pathology (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本申请涉及数据处理技术，提供一种基于人工智能的导诊处理方法、装置、计算机设备与存储介质，包括：当接收到导诊处理指令时，获取并解析当前患者输入的语音信息，得到第一病症信息；匹配与所述第一病症信息的关联度超过预设关联度阈值范围的目标疾病信息；根据所述目标疾病信息确定对应的临床病症集；获取当前患者录制的关于所述临床病症集的病症视频集；调用预先训练好的视频处理模型处理所述病症视频集，确定当前患者的目标病症；根据所述目标病症确定目标诊室。本申请能够提高导诊的正确率，本申请能够促进智慧医疗及智慧城市的建设。
Description
技术领域
本发明涉及数据处理技术领域，尤其涉及一种基于人工智能的导诊处理方法、装置、计算机设备及介质。
背景技术
随着互联网技术的发展，出现了互联网在线挂号平台。然而，对于患者来说，即使有了互联网在线挂号平台，由于往往不知道自身疾病的相关病症应该去哪个科室挂号，进而凭感觉挂号，到医院之后，才发现症不对科而无法就医的问题屡有发生。因此，现有技术大多采用智能导诊的方式，以提高预约挂号的正确性。
目前采用的智能导诊的方式主要包括两种，一种是通过展示人体图形，让用户点击相应部位查看可挂科室，然而，由于患者对人体图形并不熟悉，导致该方法错误率较高；另一种是通过语音、文字助手的方式说明自己受伤的部位，进而得到推荐的可挂科室，然而该方法可能存在文字描述不通畅等问题，导致该方法错误率较高。
因而，有必要提供一种基于人工智能的导诊处理方法，能够提高导诊的正确率。
发明内容
鉴于以上内容，有必要提出一种基于人工智能的导诊处理方法、基于人工智能的导诊处理装置、计算机设备及介质，能够提高导诊的正确率。
本发明实施例第一方面提供一种基于人工智能的导诊处理方法，所述基于人工智能的导诊处理方法包括：
当接收到导诊处理指令时，获取并解析当前患者输入的语音信息，得到第一病症信息；
匹配与所述第一病症信息的关联度超过预设关联度阈值范围的目标疾病信息；
根据所述目标疾病信息确定对应的临床病症集；
获取所述当前患者录制的关于所述临床病症集的病症视频集；
调用预先训练好的视频处理模型处理所述病症视频集，得到所述当前患者的目标病症；
根据所述目标病症确定目标诊室。
进一步地，在本申请实施例提供的上述基于人工智能的导诊处理方法中，所述获取并解析当前患者输入的语音信息，得到第一病症信息包括：
获取当前患者输入的语音信息中的第一关键词；
确定所述第一关键词在所述语音信息中的目标位置；
根据所述目标位置获取对应所述第一关键词的第二关键词；
按照预设格式存储所述第一关键词与所述第二关键词，得到第一病症信息。
进一步地，在本申请实施例提供的上述基于人工智能的导诊处理方法中，所述匹配与所述第一病症信息的关联度超过预设关联度阈值的目标疾病信息包括：
获取所述第一病症信息包含多个的第三关键词；
遍历预设关系树集，确定与每个所述第三关键词对应的关联疾病；
计算每个所述第三关键词与对应的所述关联疾病的第一关联度；
确定超过第一预设关联度阈值范围的所述第一关联度对应的目标关联疾病作为目标疾病信息。
进一步地，在本申请实施例提供的上述基于人工智能的导诊处理方法中，所述根据所述目标疾病信息确定对应的临床病症集包括：
根据所述目标疾病信息确定目标预设关系树；
根据所述目标关系树确定临床病症集；
获取每一临床病症与所述目标疾病信息的第二关联度；
确定超过第二预设关联度阈值范围的所述第二关联度对应的目标临床病症组成临床病症集。
进一步地，在本申请实施例提供的上述基于人工智能的导诊处理方法中，在所述获取当前患者录制的关于所述临床病症集的病症视频集之后，所述方法还包括：
从每个病症视频中提取待识别的多个目标图像帧；
对所述多个目标图像帧进行清晰度识别，得到每个所述目标图像帧的清晰度；
检测所述清晰度是否超过预设清晰度阈值；
当检测结果为所述清晰度超过预设清晰度阈值时，确定所述病症视频符合清晰度要求；
将确定符合清晰度要求的病症视频组成病症视频集。
进一步地，在本申请实施例提供的上述基于人工智能的导诊处理方法中，所述调用预先训练好的视频处理模型处理所述病症视频集，确定当前患者的目标病症包括：
获取所述病症视频集中的每一病症视频；
对所述每一病症视频进行切分，以生成对应所述病症视频的序列视频帧；
提取所述序列视频帧中每个视频帧图像的视频帧特征信息；
根据每个所述视频帧特征信息确定视频帧图像的感兴趣区域；
根据所述感兴趣区域确定当前患者的目标病症。
进一步地，在本申请实施例提供的上述基于人工智能的导诊处理方法中，所述根据所述目标病症确定目标诊室包括：
根据所述目标病症确定诊室信息；
获取包含所述诊室信息的医院集；
获取当前患者的第一地址信息以及所述医院集中每一医院的第二地址信息；
计算所述第一地址信息与第二地址信息的距离值；
确定低于预设距离阈值范围的目标距离值对应的目标医院；
将所述目标医院对应的诊室确定为目标诊室。
本申请实施例第二方面还提供一种基于人工智能的导诊处理装置，所述基于人工智能的导诊处理装置包括：
信息获取模块，用于当接收到导诊处理指令时，获取并解析当前患者输入的语音信息，得到第一病症信息；
信息匹配模块，用于匹配与所述第一病症信息的关联度超过预设关联度阈值范围的目标疾病信息；
病症确定模块，用于根据所述目标疾病信息确定对应的临床病症集；
视频获取模块，用于获取所述当前患者录制的关于所述临床病症集的病症视频集；
病症确定模块，还用于调用预先训练好的视频处理模型处理所述病症视频集，得到所述当前患者的目标病症；
诊室确定模块，用于根据所述目标病症确定目标诊室。
本申请第三实施例还提供一种计算机设备，所述计算机设备包括处理器，所述处理器用于执行存储器中存储的计算机程序时实现如上述任意一项所述基于人工智能的导诊处理方法。
本申请第四实施例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计算机程序，所述计算机程序被处理器执行时实现上述任意一项所述基于人工智能的导诊处理方法。
本申请实施例提供的上述基于人工智能的导诊处理方法、基于人工智能的导诊处理装置、计算机设备以及计算机可读存储介质，基于语音与视频相结合的方式，先通过分析当前患者输入的语音信息得到初始病症信息，再通过视频辅助的方式进一步分析得到当前患者的目标病症信息，能够提高当前患者的病症信息分析的正确率，进而提高导诊的正确率。
附图说明
图1是本发明第一实施方式提供的基于人工智能的导诊处理方法的流程图。
图2是本发明一实施方式的计算机设备的结构示意图。
图3是图2所示的计算机设备的示例性的功能模块图。
如下具体实施方式将结合上述附图进一步说明本发明。
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点，下面结合附图和具体实施例对本发明进行详细描述。需要说明的是，在不冲突的情况下，本申请的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本发明，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本发明。
图1是本发明第一实施方式的基于人工智能的导诊处理方法的流程图。所述基于人工智能的导诊处理方法可以应用于计算机设备，如图1所示，所述基于人工智能的导诊处理方法可以包括如下步骤：
S11、当接收到导诊处理指令时，获取并解析当前患者输入的语音信息，得到第一病症信息。
在本申请的至少一实施例中，所述导诊处理指令是指用于确定挂号诊室的指令，包括触控指令、声控指令等。当前患者输入的语音信息包含病症信息，例如，当前患者输入的语音信息为：“最近总是头疼、还有点反胃”之类的信息。可以理解的是，当患者口述自己的病症信息时，会包含一些不相关的词语，需要对所述语音信息进行清洗处理，去除不相关的词语。所述病症信息还会包含一些表示病症程度的词语，例如，“有点”、“总是”等词语，需要对当前患者输入的语音信息进行解析，得到第一病症信息，所述第一病症信息为结构化信息。
优选地，所述获取并解析当前患者输入的语音信息，得到第一病症信息包括：获取当前患者输入的语音信息中的第一关键词；确定所述第一关键词在所述语音信息中的目标位置；根据所述目标位置获取对应所述第一关键词的第二关键词；按照预设格式存储所述第一关键词与所述第二关键词，得到第一病症信息。
示例性地，所述预设格式为预先设定的格式，例如，所述第一病症信息的存储格式为{头疼，5}、{反胃，2}等。可以将上述语音信息转换为文字信息，并通过文本分析方式对该文字信息进行关键词提取。所述第一关键词是指有关病症信息的词语，例如，“头疼”、“反胃”等关键词。所述第一关键词可通过遍历医疗词典的方式获得，所述医疗词典存储于所述区块链的节点中。所述医疗词典中包含大量的有关病症的关键词，所述医疗词典的内容来源包括但不限于社交网站、分享网站、搜索网站等等，可采用爬虫技术定期爬取上述网站有关病症的关键词，及时更新所述医疗词典。
所述第二关键词是指有关病症程度的词语，例如，“有点”、“总是”等关键词。本申请能够针对病症程度，优先对病症程度较高的病症进行导诊。根据语言习惯，患者在表示病症的同时，通常会对当前病症的程度进行说明，根据所述第一关键词在语音信息中的目标位置，能够快速得到第二关键词。在一实施方式中，所述方法还包括：获取第二关键词，并对所述第二关键词进行数值化处理。例如，按照1-10的数值表示当前病症的严重程度，1-4表示当前病症为轻症；5-8表示当前病症为中症；9-10表示当前病症为重症。在另一实施方式中，所述方法还包括：获取第二关键词，并对所述第二关键词进行标签化处理。例如，按照标签的颜色表示当前病症的严重程度，绿色表示当前病症为轻症；黄色表示当前病症为中症；红色表示当前病症为重症。
在其他实施方式中，有时会存在遗漏说明病症程度的情况，对于该情况，所述方法还包括：检测对应于所述第一关键词是否存在与其匹配的所述第二关键词，当检测结果为对应于所述第一关键词不存在与其匹配的所述第二关键词时，确定不存在与其匹配的第二关键词的目标第一关键词；输出提示，提示当前患者补充说明对应所述目标第一关键词的病症程度。其中，输出提示的方式可通过语音提示、文字提示等方式。所述第一关键词与所述第二关键词为一一对应的关系。
S12、匹配与所述第一病症信息的关联度超过预设关联度阈值范围的目标疾病信息。
在本申请的至少一实施例中，所述方法还包括：构建预设关系树集，所述预设关系树集包含多个预设关系树。所述预设关系树用于表示病症与疾病之间的关联关系以及关联值。由于疾病的数量为多个，所述预设关系树的数量也为多个。其中，所述关联值是指病症与疾病之间关联的程度值。例如，将“发热疾病”、“神经性疾病”、“眼耳鼻喉疾病”等疾病作为所述预设关系树的父节点，经医学临床证明，上述疾病均可能导致“头疼”的病症，因此，可将该病症作为树的子节点，除此之外，上述疾病可能还会对应其他病症，其他病症也一并作为对应疾病的树的子节点，在此不作特别说明。节点间的有向边之间还添加权值属性，所述权值属性用于表示病症与疾病之间的关联程度值。
可以理解的是，通过建立病症与疾病之间的预设关系树，能够直观地看出所述病症与疾病之间的关联关系，减少病症与疾病之间关联关系处理的时间，提高了病症与疾病之间关联关系的处理效率，进而提高导诊的处理效率。
优选地，所述匹配与所述第一病症信息的关联度超过预设关联度阈值范围的目标疾病信息包括：获取所述第一病症信息包含的多个第三关键词；遍历预设关系树集，确定与每个所述第三关键词对应的关联疾病；计算每个所述第三关键词与对应的所述关联疾病的第一关联度；确定超过第一预设关联度阈值范围的所述第一关联度对应的目标关联疾病作为目标疾病信息。其中，所述第三关键词是指有关病症的词语，例如，头疼、反胃等关键词。所述第一病症信息中包含的第三关键词的数量可以为1个，也可以为多个，在此不作限制。所述第一预设关联度阈值为预先设置的，例如，所述第一预设关联度阈值为80％。
示例性地，所述预设关系树的节点间还设有表示疾病与病症之间关联程度值的权值属性，所述方法还包括：确定与所述第三关键词对应的关联疾病；获取所述关联疾病与所述第三关键词对应病症的有向边；确定所述有向边的权值属性，该权值属性即为所述关联疾病的关联度。
S13、根据所述目标疾病信息确定对应的临床病症集。
在本申请的至少一实施例中，不同的疾病信息对应各自的临床病症，所述临床病症的数量可以为1个，也可以为多个。所述临床病症可分为主要临床病症与次要临床病症，主要临床病症是指疾病对应临床病症的概率高，次要临床病症是指疾病对应临床病症的概率低，上述信息也可通过节点间有向边之间的权值属性确定，权值越大，该疾病对应的临床病症的发生概率越高。
优选地，所述根据所述目标疾病信息确定对应的临床病症集包括：根据所述目标疾病信息确定目标预设关系树；根据所述目标预设关系树确定临床病症集；获取每一临床病症与所述目标疾病信息的第二关联度；确定超过第二预设关联度阈值范围的所述第二关联度对应的目标临床病症组成临床病症集。其中，所述目标预设关系树的数量可以为1个，也可以为多个，在此不作限制。可通过查看所述目标预设关系树中临床病症与目标疾病信息间有向边的权值属性确定关联度。所述第二预设关联度阈值为预先设置的，例如，所述第二预设关联度阈值为80％。
在本申请的至少一实施例中，在所述根据所述目标疾病信息确定对应的临床病症集之后，所述方法还包括：输出提示，提示当前患者录制对应临床病症的视频。示例性地，当所述目标疾病信息为“发热疾病”时，其对应的临床病症除了头疼、还可能伴有舌红、咽痛、咳嗽等临床症状，其对应临床病症的视频可为包含咽喉、舌头等方面信息的视频。例如，提示当前患者伸出舌头，录制舌头表面的视频，以及提示当前患者张大嘴巴发出声音“啊”，录制咽喉部位的视频。优选地，在提示当前患者录制视频时，优先选择录制表现直观的视频，表现直观是指能够直观地获取当前患者的病症。对于无法获取表现直观的视频时，可以按照预设规则确定目标疾病，包括但不限于，通过医护人员线上初诊确定，或者，选择与患者病症关联度最高的疾病作为目标疾病等方式。
S14、获取所述当前患者录制的关于所述临床病症集的病症视频集。
在本申请的至少一实施例中，视频清晰度是衡量一个视频质量的重要指标，清晰度是指影像上各细部影纹及其边界的清晰程度，故可通过查看图像的清晰程度来比较图像质量。在导诊时，需确保患者录制视频的图像质量满足质量要求才可。
优选地，在所述获取当前患者录制的关于所述临床病症集的病症视频集之后，所述方法还包括：从每个病症视频中提取待识别的多个目标图像帧；对所述多个目标图像帧进行清晰度识别，得到每个所述目标图像帧的清晰度；检测所述清晰度是否超过预设清晰度阈值；当检测结果为所述清晰度超过预设清晰度阈值时，确定所述病症视频符合清晰度要求；将确定符合清晰度要求的病症视频组成病症视频集。在一实施例中，需要每个所述目标图像帧的清晰度均超过预设清晰度阈值，此时确定所述病症视频符合清晰度要求。
示例性地，所述从病症视频中提取待识别的多个目标图像帧包括：对所述病症视频进行等间隔地抽帧，得到第一图像帧集合；对所述第一图像帧集合中的图像帧进行聚类处理，得到多个相似图像帧子集；从每个所述相似图像帧子集中抽取一个图像帧，并结合未被聚类到任一所述相似图像帧子集的图像组成第二图像帧集合；从所述第二图像帧集合中过滤掉符合模糊条件的图像帧，将所述第二图像帧集合中剩余的多帧图像帧作为多个所述目标图像帧。
其中，可通过多媒体视频处理工具(FFMpeg，Fast Forward Mpeg)实现。即，在服务器接收到视频后，读取视频文件中的流信息，调用FFMpeg解码库中相应的解码器来打开流信息，通过设置的每秒抽取图像的帧数，从视频中解码出多个视频帧，得到图像帧集合。可通过计算任意两个图像帧的图像特征向量间的欧氏距离或余弦距离等方式进行聚类处理。
示例性地，可以基于3D卷积神经网络(深度学习方法)判断视频的清晰度，通过搭建3D-resnet等常用的3D卷积神经网络模型，将已经标注好的视频数据放入模型中进行训练，最终用训练好的模型预测出视频清晰度。所述预设清晰度阈值为预先设置的，例如，所述预设清晰度阈值可以为80％。
S15、调用预先训练好的视频处理模型处理所述病症视频集，得到所述当前患者的目标病症。
在本申请的至少一实施例中，通过视频处理模型获取所述病症视频集中每一所述病症视频的感兴趣区域(ROI，Region Of Interest)，并对所述感兴趣区域进行识病症识别，确定当前患者的目标病症。
优选地，所述调用预先训练好的视频处理模型处理所述病症视频集，得到所述当前患者的目标病症包括：获取所述病症视频集中的每一病症视频；对所述每一病症视频进行切分，以生成对应所述病症视频的序列视频帧；提取所述序列视频帧中每个视频帧图像的视频帧特征信息；根据每个所述视频帧特征信息确定视频帧图像的感兴趣区域；根据所述感兴趣区域确定当前患者的目标病症。
其中，所述感兴趣区域为视频帧图像中目标对象的区域。例如，所述感兴趣区域可以是舌苔、咽喉部等区域。所述根据所述感兴趣区域确定当前患者的目标病症包括：获取所述感兴趣区域；根据所述感兴趣区域匹配目标医学模型；调用所述目标医学模型对所述感兴趣区域进行识别，确定当前患者的目标病症。其中，所述目标医学模型可为舌苔模型、咽喉部模型等预先构建的模型。
S16、根据所述目标病症确定目标诊室。
在本申请的至少一实施例中，所述基于人工智能的导诊处理装置与多个医院His系统(Hospital Information System，医院信息系统)连接，所述医院His系统包括医院的地址信息以及医疗信息等，所述医疗信息包括医院包含的诊室信息(例如，诊室类型、诊室当前排队情况及预约情况)以及医生信息(例如，主治类型)等信息。
优选地，所述根据所述目标病症确定目标诊室包括：根据所述目标病症确定诊室信息；获取包含所述诊室信息的医院集；获取当前患者的第一地址信息以及所述医院集中每一医院的第二地址信息；计算所述第一地址信息与第二地址信息的距离值；确定低于预设距离阈值的目标距离值对应的目标医院；将所述目标医院对应的诊室确定为目标诊室。
其中，目标诊室可通过预先设定的推荐模型进行推荐。所述预设距离阈值为预先设定的值，优先选择距离较近的医院作为目标医院。当所述距离值低于预设距离阈值的医院的数量为多个时，所述方法还包括：确定距离值低于预设距离阈值的医院集；获取所述医院集中每一医院对应诊室的当前排队情况与预约情况；根据所述当前排队情况与预约情况计算当前患者就诊所需等待的时间；确定时间值最短的医院对应的诊室为目标诊室。通过对诊室的当前排队情况与预约情况进行统计，并选择就诊所需等待时间最短的医院诊室作为目标诊室，能够提高诊室分配合理度。
在本申请的至少一实施例中，当患者就医完成后，所述方法还包括：获取当前患者输入的推荐正确性评价，并根据所述推荐正确性评价更新本申请提供的推荐模型，从而提高推荐模型的正确率。
本申请实施例提供的上述基于人工智能的导诊处理方法，基于语音与视频相结合的方式，先通过分析当前患者输入的语音信息得到初始病症信息，再通过视频辅助的方式进一步分析得到当前患者的目标病症信息，能够提高当前患者的病症信息分析的正确率，进而提高导诊的正确率。
以上是对本发明实施例所提供的方法进行的详细描述。根据不同的需求，所示流程图中方块的执行顺序可以改变，某些方块可以省略。下面对本发明实施例所提供的计算机设备1进行描述。
图2是本发明一实施方式的计算机设备的结构示意图，如图2所示，计算机设备1包括存储器10，存储器10中存储有所述基于人工智能的导诊处理装置300。所述计算机设备1可以是计算机、平板电脑、个人数字助理等具有数据处理、分析、程序执行及显示等功能的电子设备。所述基于人工智能的导诊处理装置300可以当接收到导诊处理指令时，获取并解析当前患者输入的语音信息，得到第一病症信息；匹配与所述第一病症信息的关联度超过预设关联度阈值范围的目标疾病信息；根据所述目标疾病信息确定对应的临床病症集；获取当前患者录制的关于所述临床病症集的病症视频集；调用预先训练好的视频处理模型处理所述病症视频集，得到所述当前患者的目标病症；根据所述目标病症确定目标诊室。通过本申请，能够提高导诊的正确率。
本实施方式中，计算机设备1还可以包括显示屏20及处理器30。存储器10、显示屏20可以分别与处理器30电连接。
所述的存储器10可以是不同类型存储设备，用于存储各类数据。例如，可以是计算机设备1的存储器、内存，还可以是可外接于该计算机设备1的存储卡，如闪存、SM卡(SmartMedia Card，智能媒体卡)、SD卡(Secure Digital Card，安全数字卡)等。此外，存储器10可以包括非易失性和易失性存储器，例如硬盘、内存、插接式硬盘，智能存储卡(Smart MediaCard,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他存储器件。存储器10用于存储各类数据，例如，所述计算机设备1中安装的各类应用程序(Applications)、应用上述基于人工智能的导诊处理方法而设置、获取的数据等信息。
显示屏20安装于计算机设备1，用于显示信息。
处理器30用于执行所述基于人工智能的导诊处理方法以及所述计算机设备1内安装的各类软件，例如操作系统及应用显示软件等。处理器30包含但不限于处理器(CentralProcessing Unit，CPU)、微控制单元(Micro Controller Unit，MCU)等用于解释计算机指令以及处理计算机软件中的数据的装置。
所述的基于人工智能的导诊处理装置300可以包括一个或多个的模块，所述一个或多个模块被存储在计算机设备1的存储器10中并被配置成由一个或多个处理器(本实施方式为一个处理器30)执行，以完成本发明实施例。参阅图3所示，所述基于人工智能的导诊处理装置300可以包括信息获取模块301、信息匹配模块302、病症确定模块303、视频获取模块304以及诊室确定模块305。本发明实施例所称的模块可以是完成一特定功能的程序段，比程序更适合于描述软件在处理器30中的执行过程。
可以理解的是，对应上述基于人工智能的导诊处理方法中的各实施方式，基于人工智能的导诊处理装置300可以包括图3中所示的各功能模块中的一部分或全部，各模块的功能将在以下具体介绍。需要说明的是，以上基于人工智能的导诊处理方法的各实施方式中相同的名词相关名词及其具体的解释说明也可以适用于以下对各模块的功能介绍。为节省篇幅及避免重复起见，在此就不再赘述。
信息获取模块301可以用于当接收到导诊处理指令时，获取并解析当前患者输入的语音信息，得到第一病症信息。
信息匹配模块302可以用于匹配与所述第一病症信息的关联度超过预设关联度阈值范围的目标疾病信息。
病症确定模块303可以用于根据所述目标疾病信息确定对应的临床病症集。
视频获取模块304可以用于获取所述当前患者录制的关于所述临床病症集的病症视频集。
病症确定模块303还可以用于调用预先训练好的视频处理模型处理所述病症视频集，得到所述当前患者的目标病症。
诊室确定模块305可以用于根据所述目标病症确定目标诊室。
本发明实施例还提供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30执行时实现上述任一实施方式中的基于人工智能的导诊处理方法的步骤。
所述基于人工智能的导诊处理装置300/计算机设备集成的模块/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，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施方式方法中的全部或部分流程，也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计算机可读存储介质中，该计算机程序在被处理器30执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读存储介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器等。
所称处理器30可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等，所述处理器30是所述基于人工智能的导诊处理装置300/计算机设备1的控制中心，利用各种接口和线路连接整个基于人工智能的导诊处理装置300/计算机设备1的各个部分。
所述存储器10用于存储所述计算机程序和/或模块，所述处理器30通过运行或执行存储在所述存储器10内的计算机程序和/或模块，以及调用存储在存储器10内的数据，实现所述基于人工智能的导诊处理装置300/计算机设备1的各种功能。所述存储器10可主要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、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据计算机设备1的使用所创建的数据(比如音频数据)等。
在本发明所提供的几个具体实施方式中，应该理解到，所揭露的计算机设备和方法，可以通过其它的方式实现。例如，以上所描述的系统实施方式仅仅是示意性的，例如，所述模块的划分，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。
本发明所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain)，本质上是一个去中心化的数据库，是一串使用密码学方法相关联产生的数据块，每一个数据块中包含了一批次网络交易的信息，用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
对于本领域技术人员而言，显然本发明实施例不限于上述示范性实施例的细节，而且在不背离本发明实施例的精神或基本特征的情况下，能够以其他的具体形式实现本发明实施例。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明实施例的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明实施例内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。系统、装置或计算机设备权利要求中陈述的多个单元、模块或装置也可以由同一个单元、模块或装置通过软件或者硬件来实现。
以上实施方式仅用以说明本发明实施例的技术方案而非限制，尽管参照以上较佳实施方式对本发明实施例进行了详细说明，本领域的普通技术人员应当理解，可以对本发明实施例的技术方案进行修改或等同替换都不应脱离本发明实施例的技术方案的精神和范围。
Claims (10)
1.一种基于人工智能的导诊处理方法，其特征在于，所述基于人工智能的导诊处理方法包括：
当接收到导诊处理指令时，获取并解析当前患者输入的语音信息，得到第一病症信息，检测所述第一病症信息中对应于第一关键词是否存在与其匹配的第二关键词，若检测结果为对应于所述第一关键词不存在与其匹配的所述第二关键词，则确定不存在与其匹配的第二关键词的目标第一关键词，输出提示，提示当前患者补充说明对应所述目标第一关键词的病症程度；若检测结果为对应于所述第一关键词存在与其匹配的所述第二关键词，则获取所述第二关键词，并对所述第二关键词进行标签化处理，按照标签的颜色表示当前病症的严重程度；其中，所述第一病症信息包括所述第一关键词与所述第二关键词，所述第一关键词包括描述病症信息的词语，所述第二关键词用于表示病症程度；匹配与所述第一病症信息的关联度超过预设关联度阈值范围的目标疾病信息；
根据所述目标疾病信息确定对应的临床病症集；
输出提示，提示当前患者录制对应所述临床病症集的视频，并获取所述当前患者录制的关于所述临床病症集的病症视频集；
调用预先训练好的视频处理模型处理所述病症视频集，得到所述当前患者的目标病症；
根据所述目标病症确定目标诊室。
2.根据权利要求1所述的基于人工智能的导诊处理方法，其特征在于，所述获取并解析当前患者输入的语音信息，得到第一病症信息包括：
获取当前患者输入的语音信息中的所述第一关键词；
确定所述第一关键词在所述语音信息中的目标位置；
根据所述目标位置获取对应所述第一关键词的所述第二关键词；
按照预设格式存储所述第一关键词与所述第二关键词，得到第一病症信息。
3.根据权利要求2所述的基于人工智能的导诊处理方法，其特征在于，所述匹配与所述第一病症信息的关联度超过预设关联度阈值范围的目标疾病信息包括：
获取所述第一病症信息包含的多个第三关键词，所述第三关键词是指有关病症的词语；
遍历预设关系树集，确定与每个所述第三关键词对应的关联疾病；
计算每个所述第三关键词与对应的所述关联疾病的第一关联度；
确定超过第一预设关联度阈值范围的所述第一关联度对应的目标关联疾病作为目标疾病信息。
4.根据权利要求1所述的基于人工智能的导诊处理方法，其特征在于，所述根据所述目标疾病信息确定对应的临床病症集包括：
根据所述目标疾病信息确定目标预设关系树；
根据所述目标预设关系树确定临床病症集；
获取每一临床病症与所述目标疾病信息的第二关联度；
确定超过第二预设关联度阈值范围的所述第二关联度对应的目标临床病症组成临床病症集。
5.根据权利要求1所述的基于人工智能的导诊处理方法，其特征在于，在所述获取所述当前患者录制的关于所述临床病症集的病症视频集之后，所述方法还包括：
从每个病症视频中提取待识别的多个目标图像帧；
对所述多个目标图像帧进行清晰度识别，得到每个所述目标图像帧的清晰度；
检测所述清晰度是否超过预设清晰度阈值；
当检测结果为所述清晰度超过预设清晰度阈值时，确定所述病症视频符合清晰度要求；
将确定符合清晰度要求的病症视频组成病症视频集。
6.根据权利要求1所述的基于人工智能的导诊处理方法，其特征在于，所述调用预先训练好的视频处理模型处理所述病症视频集，得到所述当前患者的目标病症包括：
获取所述病症视频集中的每一病症视频；
对所述每一病症视频进行切分，以生成对应所述病症视频的序列视频帧；
提取所述序列视频帧中每个视频帧图像的视频帧特征信息；
根据每个所述视频帧特征信息确定视频帧图像的感兴趣区域；
根据所述感兴趣区域确定当前患者的目标病症。
7.根据权利要求1所述的基于人工智能的导诊处理方法，其特征在于，所述根据所述目标病症确定目标诊室包括：
根据所述目标病症确定诊室信息；
获取包含所述诊室信息的医院集；
获取当前患者的第一地址信息以及所述医院集中每一医院的第二地址信息；
计算所述第一地址信息与第二地址信息的距离值；
确定低于预设距离阈值范围的目标距离值对应的目标医院；
将所述目标医院对应的诊室确定为目标诊室。
8.一种基于人工智能的导诊处理装置，其特征在于，所述基于人工智能的导诊处理装置包括：
信息获取模块，用于当接收到导诊处理指令时，获取并解析当前患者输入的语音信息，得到第一病症信息，检测所述第一病症信息中对应于第一关键词是否存在与其匹配的第二关键词，若检测结果为对应于所述第一关键词不存在与其匹配的所述第二关键词，则确定不存在与其匹配的第二关键词的目标第一关键词，输出提示，提示当前患者补充说明对应所述目标第一关键词的病症程度；若检测结果为对应于所述第一关键词存在与其匹配的所述第二关键词，则获取所述第二关键词，并对所述第二关键词进行标签化处理，按照标签的颜色表示当前病症的严重程度；其中，所述第一病症信息包括所述第一关键词与所述第二关键词，所述第一关键词包括描述病症信息的词语，所述第二关键词用于表示病症程度；信息匹配模块，用于匹配与所述第一病症信息的关联度超过预设关联度阈值范围的目标疾病信息；
病症确定模块，用于根据所述目标疾病信息确定对应的临床病症集；
视频获取模块，用于输出提示，提示当前患者录制对应所述临床病症集的视频，并获取所述当前患者录制的关于所述临床病症集的病症视频集；
病症确定模块，还用于调用预先训练好的视频处理模型处理所述病症视频集，得到所述当前患者的目标病症；
诊室确定模块，用于根据所述目标病症确定目标诊室。
9.一种计算机设备，其特征在于，所述计算机设备包括处理器，所述处理器用于执行存储器中存储的计算机程序时实现如权利要求1至7中任意一项所述基于人工智能的导诊处理方法。
10.一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，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7中任意一项所述基于人工智能的导诊处理方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010915716.XA CN111986793B (zh) | 2020-09-03 | 2020-09-03 | 基于人工智能的导诊处理方法、装置、计算机设备及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010915716.XA CN111986793B (zh) | 2020-09-03 | 2020-09-03 | 基于人工智能的导诊处理方法、装置、计算机设备及介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111986793A CN111986793A (zh) | 2020-11-24 |
| CN111986793B true CN111986793B (zh) | 2023-09-19 |
Family
ID=73448032
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010915716.XA Active CN111986793B (zh) | 2020-09-03 | 2020-09-03 | 基于人工智能的导诊处理方法、装置、计算机设备及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111986793B (zh) |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112509656A (zh) * | 2020-12-16 | 2021-03-16 | 平安国际智慧城市科技股份有限公司 | 基于医疗机构的等级评价方法、装置、计算机设备及介质 |
| CN113077895B (zh) * | 2021-04-27 | 2022-10-28 | 上海德衡数据科技有限公司 | 基于软件定义的智能化hie平台的构建方法及电子设备 |
| CN113556571A (zh) * | 2021-07-20 | 2021-10-26 | 苏州景昱医疗器械有限公司 | 视频处理方法、装置、电子设备及计算机可读存储介质 |
| CN113689951A (zh) * | 2021-08-04 | 2021-11-23 | 翼健(上海)信息科技有限公司 | 一种智能导诊方法、系统和计算机可读存储介质 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108122611A (zh) * | 2017-12-22 | 2018-06-05 | 东软集团股份有限公司 | 一种信息推荐方法、装置及存储介质、程序产品 |
| CN109243600A (zh) * | 2018-08-06 | 2019-01-18 | 百度在线网络技术（北京）有限公司 | 用于输出信息的方法和装置 |
| CN109585001A (zh) * | 2017-09-29 | 2019-04-05 | 北京搜狗科技发展有限公司 | 一种数据分析方法、装置、电子设备和存储介质 |
| KR20190123141A (ko) * | 2018-04-23 | 2019-10-31 | (주)블라우비트 | 질병 진단 분석 시스템 및 방법 |
| CN110504028A (zh) * | 2019-08-22 | 2019-11-26 | 上海软中信息系统咨询有限公司 | 一种疾病问诊方法、装置、系统、计算机设备和存储介质 |
| CN110993078A (zh) * | 2019-11-27 | 2020-04-10 | 华中科技大学同济医学院附属协和医院 | 一种医疗分诊方法、装置和存储介质 |
-
2020
- 2020-09-03 CN CN202010915716.XA patent/CN111986793B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109585001A (zh) * | 2017-09-29 | 2019-04-05 | 北京搜狗科技发展有限公司 | 一种数据分析方法、装置、电子设备和存储介质 |
| CN108122611A (zh) * | 2017-12-22 | 2018-06-05 | 东软集团股份有限公司 | 一种信息推荐方法、装置及存储介质、程序产品 |
| KR20190123141A (ko) * | 2018-04-23 | 2019-10-31 | (주)블라우비트 | 질병 진단 분석 시스템 및 방법 |
| CN109243600A (zh) * | 2018-08-06 | 2019-01-18 | 百度在线网络技术（北京）有限公司 | 用于输出信息的方法和装置 |
| CN110504028A (zh) * | 2019-08-22 | 2019-11-26 | 上海软中信息系统咨询有限公司 | 一种疾病问诊方法、装置、系统、计算机设备和存储介质 |
| CN110993078A (zh) * | 2019-11-27 | 2020-04-10 | 华中科技大学同济医学院附属协和医院 | 一种医疗分诊方法、装置和存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111986793A (zh) | 2020-11-24 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111986793B (zh) | 基于人工智能的导诊处理方法、装置、计算机设备及介质 | |
| CN111316281B (zh) | 基于机器学习的自然语言情境中数值数据的语义分类方法以及系统 | |
| US10929420B2 (en) | Structured report data from a medical text report | |
| Lampos et al. | Enhancing feature selection using word embeddings: The case of flu surveillance | |
| Carchiolo et al. | Medical prescription classification: a NLP-based approach | |
| US20180067981A1 (en) | Automatic Detection and Cleansing of Erroneous Concepts in an Aggregated Knowledge Base | |
| US20090259487A1 (en) | Patient Data Mining | |
| US11250958B2 (en) | Systems and techniques for recommending personalized health care based on demographics | |
| CN111798941A (zh) | 用于生成临床查询的预测系统 | |
| Chang et al. | Accelerating mixed methods research with natural language processing of big text data | |
| WO2021208444A1 (zh) | 电子病例自动生成方法、装置、设备及存储介质 | |
| JP2020518050A (ja) | エンティティ間のコンテキスト的類似度の学習及び適用 | |
| CN109299227B (zh) | 基于语音识别的信息查询方法和装置 | |
| CN111755118A (zh) | 医疗信息处理方法、装置、电子设备及存储介质 | |
| US20240112775A1 (en) | Ai platform for processing speech and video information collected during a medical procedure | |
| CN113689951A (zh) | 一种智能导诊方法、系统和计算机可读存储介质 | |
| WO2020053172A1 (en) | Invoking chatbot in online communication session | |
| CN114416967A (zh) | 智能推荐医生的方法、装置、设备及存储介质 | |
| Rajesh et al. | Machine learning for online automatic prediction of common disease attributes using never-ending image learner | |
| WO2021174923A1 (zh) | 概念词序列生成方法、装置、计算机设备及存储介质 | |
| CN113724830A (zh) | 基于人工智能的用药风险检测方法及相关设备 | |
| CN112699669A (zh) | 流性病学调查报告的自然语言处理、装置及存储介质 | |
| CN114758743A (zh) | 信息预测方法、装置、存储介质及计算机设备 | |
| CN114218378A (zh) | 一种基于知识图谱的内容推送方法、装置、设备及介质 | |
| CN112614562A (zh) | 基于电子病历的模型训练方法、装置、设备及存储介质 |
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 | ||
| TA01 | Transfer of patent application right | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20220927 Address after: Room 2601 (Unit 07), Qianhai Free Trade Building, No. 3048, Xinghai Avenue, Nanshan Street, Qianhai Shenzhen-Hong Kong Cooperation Zone, Shenzhen, Guangdong 518000 Applicant after: Shenzhen Ping An Smart Healthcare Technology Co.,Ltd. Address before: 1-34 / F, Qianhai free trade building, 3048 Xinghai Avenue, Mawan, Qianhai Shenzhen Hong Kong cooperation zone, Shenzhen, Guangdong 518000 Applicant before: Ping An International Smart City Technology Co.,Ltd. |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant |