CN112035674B - 导诊数据获取方法、装置、计算机设备和存储介质 - Google Patents

导诊数据获取方法、装置、计算机设备和存储介质 Download PDF

Info

Publication number
CN112035674B
CN112035674B CN202010886683.0A CN202010886683A CN112035674B CN 112035674 B CN112035674 B CN 112035674B CN 202010886683 A CN202010886683 A CN 202010886683A CN 112035674 B CN112035674 B CN 112035674B
Authority
CN
China
Prior art keywords
diagnosis
inquiry
information
user
personalized
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
Application number
CN202010886683.0A
Other languages
English (en)
Other versions
CN112035674A (zh
Inventor
赵建双
周尚思
侯永帅
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.)
Kangjian Information Technology Shenzhen Co Ltd
Original Assignee
Kangjian Information Technology Shenzhen 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 Kangjian Information Technology Shenzhen Co Ltd filed Critical Kangjian Information Technology Shenzhen Co Ltd
Priority to CN202010886683.0A priority Critical patent/CN112035674B/zh
Publication of CN112035674A publication Critical patent/CN112035674A/zh
Priority to PCT/CN2021/084346 priority patent/WO2022041722A1/zh
Application granted granted Critical
Publication of CN112035674B publication Critical patent/CN112035674B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
    • G06F16/367—Ontology
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • 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
    • 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
    • G16H80/00—ICT specially adapted for facilitating communication between medical practitioners or patients, e.g. for collaborative diagnosis, therapy or health monitoring
    • 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)
  • Health & Medical Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Biomedical Technology (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Primary Health Care (AREA)
  • General Business, Economics & Management (AREA)
  • Computational Linguistics (AREA)
  • Business, Economics & Management (AREA)
  • Public Health (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Epidemiology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Animal Behavior & Ethology (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • Pathology (AREA)
  • Mathematical Physics (AREA)
  • Biophysics (AREA)
  • Computing Systems (AREA)
  • Molecular Biology (AREA)
  • Evolutionary Computation (AREA)
  • Medical Treatment And Welfare Office Work (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本申请涉及数据分析的知识关系分析，具体涉及一种导诊数据获取方法、装置、计算机设备和存储介质。所述方法通过接收终端发送的问诊主诉信息以及用户身份信息，根据问诊主诉信息以及用户身份信息，确定用户的问诊意图；并生成个性化问诊问题，发送个性化问诊问题至终端；接收终端根据个性化问诊问题反馈的个性化回复；根据问诊主诉信息、用户身份信息以及个性化回复，获取用户对应的诊断路径；根据诊断路径获取用户对应的导诊数据。本申请通过先确定用户的问诊意图、问诊主诉以及身份信息，而后基于问诊意图、问诊主诉以及身份信息来构建用户相应的诊断路径，基于诊断路径来获得导诊数据，可以有效减少问诊过程中无效的对话轮数，可以有效提高导诊数据的收集效率。

Description

导诊数据获取方法、装置、计算机设备和存储介质
技术领域
本申请涉及数据分析领域的知识关系分析，特别是涉及一种导诊数据获取方法、装置、计算机设备和存储介质。
背景技术
用户对病症信息不了解是“看病难”原因之一，大多数用户是知症不知病、知病不知科，往往就会出现挂错号和找错医生的情况。面对“一号难求”的挂号局面，这种情况的发生无疑是雪上加霜，一方面导致不能对疾病进行及时的诊治，甚至可能错过最佳治疗时间；另一方面也是一种资源的浪费，用户的病情与专家所擅长的领域并不匹配；更重要的是，在这个过程中大大增加了用户及家属的心理负担和经济压力。所以，可以通过导诊技术来对用户进行引导。导诊即人们常说的导医。其工作涉及指导用户就医、护送用户做各种化验、检查、交费、取药、办理入院手续并护送用户到相应科室等一系列细致的内容。
传统导诊技术在使用时具体负责收集用户最基本的信息，而后进行预测科室以及分配医生等操作，然而在导诊的过程中，现有技术需要通过预设的多轮固定问话来明确用户的问诊意图、问诊主诉以及身份信息，而这多轮固定问话包含若干对于当前用户而言无意义的问话，从而导致导诊信息收集的效率较低。
发明内容
基于此，有必要针对上述技术问题，提供一种能够有效提高导诊信息收集效率的导诊数据获取方法、装置、计算机设备和存储介质。
一种导诊数据获取方法，所述方法包括：
接收终端发送的问诊主诉信息以及用户身份信息，根据所述问诊主诉信息以及所述用户身份信息，确定用户的问诊意图；
根据所述问诊意图、所述问诊主诉信息以及所述用户身份信息生成个性化问诊问题，发送个性化问诊问题至所述终端；
接收所述终端根据所述个性化问诊问题反馈的个性化回复；
根据所述问诊主诉信息、所述用户身份信息以及所述个性化回复，获取用户对应的诊断路径；
根据所述诊断路径获取用户对应的导诊数据。
在其中一个实施例中，所述接收终端发送的问诊主诉信息以及用户身份信息之前，还包括：
接收终端发送的导诊请求；
根据所述导诊请求向所述终端反馈预设导诊问题；
所述接收终端发送的问诊主诉信息以及用户身份信息包括：
接收终端根据所述预设导诊问题反馈的问诊主诉信息以及用户身份信息。
在其中一个实施例中，所述根据所述问诊主诉信息、所述用户身份信息以及所述个性化回复获取用户对应的诊断路径包括：
根据所述问诊主诉信息、所述用户身份信息以及所述个性化回复构建第一多维特征向量矩阵，将所述第一多维特征向量矩阵输入预设第一深度神经网络导诊模型，获取科室信息；
根据所述问诊主诉信息、所述用户身份信息、所述个性化回复以及所述科室信息构建第二多维特征向量矩阵，将所述第二多维特征向量矩阵输入预设第二深度神经网络导诊模型，获取诊断路径。
在其中一个实施例中，所述根据所述问诊主诉信息、所述用户身份信息、所述个性化回复以及所述科室信息构建第二多维特征向量矩阵，将所述第二多维特征向量矩阵输入预设第二深度神经网络导诊模型，获取诊断路径包括：
根据所述问诊主诉信息、所述用户身份信息、所述个性化回复以及所述科室信息构建第二多维特征向量矩阵，将所述第二多维特征向量矩阵输入预设第二深度神经网络导诊模型，通过所述预设第二深度神经网络导诊模型从预设诊断模拟问题知识图谱中抽取相应的诊断模拟问题；
根据所述诊断模拟问题构建诊断路径。
在其中一个实施例中，所述根据所述问诊主诉信息、所述用户身份信息、所述个性化回复以及所述科室信息构建第二多维特征向量矩阵，将所述第二多维特征向量矩阵输入预设第二深度神经网络导诊模型，通过所述预设第二深度神经网络导诊模型从预设诊断模拟问题知识图谱中抽取相应的诊断模拟问题之前，还包括：
获取诊断模拟问题；
对所述诊断模拟问题进行实体命名识别操作和关系抽取操作；
根据所述实体命名识别操作和关系抽取操作的处理结果，构建预设诊断模拟问题知识图谱。
在其中一个实施例中，所述诊断路径包括科室信息，所述根据所述诊断路径获取用户对应的导诊数据之后，还包括：
提取所述导诊数据中的症状特征标签；
基于所述症状特征标签与医生特征标签，获取各个医生的推荐度，所述医生特征标签为所述科室信息对应医生的医生特征标签；
根据所述科室信息获取推荐科室，根据所述推荐度获取推荐医生；
向所述终端反馈推荐科室以及推荐医生。
一种导诊数据获取装置，所述装置包括：
信息获取模块，用于接收终端发送的问诊主诉信息以及用户身份信息，根据所述问诊主诉信息以及所述用户身份信息，确定用户的问诊意图；
个性化处理模块，用于根据所述问诊意图、所述问诊主诉信息以及所述用户身份信息生成个性化问诊问题，发送个性化问诊问题至所述终端；
回复接收模块，用于接收所述终端根据所述个性化问诊问题反馈的个性化回复；
诊断路径获取模块，用于根据所述问诊主诉信息、所述用户身份信息以及所述个性化回复，获取用户对应的诊断路径；
导诊数据获取模块，用于根据所述诊断路径获取用户对应的导诊数据。
在其中一个实施例中，诊断路径获取模块具体用于：
根据所述问诊主诉信息、所述用户身份信息以及所述个性化回复构建第一多维特征向量矩阵，将所述第一多维特征向量矩阵输入预设第一深度神经网络导诊模型，获取科室信息；
根据所述问诊主诉信息、所述用户身份信息、所述个性化回复以及所述科室信息构建第二多维特征向量矩阵，将所述第二多维特征向量矩阵输入预设第二深度神经网络导诊模型，获取诊断路径。
一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
接收终端发送的问诊主诉信息以及用户身份信息，根据所述问诊主诉信息以及所述用户身份信息，确定用户的问诊意图；
根据所述问诊意图、所述问诊主诉信息以及所述用户身份信息生成个性化问诊问题，发送个性化问诊问题至所述终端；
接收所述终端根据所述个性化问诊问题反馈的个性化回复；
根据所述问诊主诉信息、所述用户身份信息以及所述个性化回复，获取用户对应的诊断路径；
根据所述诊断路径获取用户对应的导诊数据。
一种计算机存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：
接收终端发送的问诊主诉信息以及用户身份信息，根据所述问诊主诉信息以及所述用户身份信息，确定用户的问诊意图；
根据所述问诊意图、所述问诊主诉信息以及所述用户身份信息生成个性化问诊问题，发送个性化问诊问题至所述终端；
接收所述终端根据所述个性化问诊问题反馈的个性化回复；
根据所述问诊主诉信息、所述用户身份信息以及所述个性化回复，获取用户对应的诊断路径；
根据所述诊断路径获取用户对应的导诊数据。
上述导诊数据获取方法、装置、计算机设备和存储介质，通过接收终端发送的问诊主诉信息以及用户身份信息，根据问诊主诉信息以及用户身份信息，确定用户的问诊意图；根据问诊意图、问诊主诉信息以及用户身份信息生成个性化问诊问题，发送个性化问诊问题至终端；接收终端根据个性化问诊问题反馈的个性化回复；根据问诊主诉信息、用户身份信息以及个性化回复，获取用户对应的诊断路径；根据诊断路径获取用户对应的导诊数据。本申请通过先确定用户的问诊意图、问诊主诉以及身份信息，而后基于问诊意图、问诊主诉以及身份信息来构建用户相应的诊断路径，基于诊断路径来获得导诊数据，可以有效减少问诊过程中无效的对话轮数，可以有效提高导诊数据的收集效率。
附图说明
图1为一个实施例中导诊数据获取方法的应用场景图；
图2为一个实施例中导诊数据获取方法的流程示意图；
图3为一个实施例中向终端反馈预设导诊问题步骤的流程示意图；
图4为一个实施例中图2中步骤207的子流程示意图；
图5为一个实施例中构建知识图谱步骤的流程示意图；
图6为一个实施例中进行用户推荐步骤的流程示意图；
图7为一个实施例中导诊数据获取装置的结构框图；
图8为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
本申请提供的导诊数据获取方法，可以应用于如图1所示的应用环境中。其中，终端102通过网络与智能导诊服务器104通过网络进行通信。当用户前往医院就医前，或者在处于医院前台时，可以通过智能化的医疗交互平台来实现智能导诊，而搭载本方案的导诊数据获取方法的智能导诊服务器104可以通过医疗交互平台与用户进行模拟问答交流，从而获得用户相应的导诊数据。具体地，用户可以通过终端102来登录医疗交互平台。首先，终端102发送问诊主诉信息以及用户身份信息至智能导诊服务器104。智能导诊服务器104接收终端102发送的问诊主诉信息以及用户身份信息，根据问诊主诉信息以及用户身份信息，确定用户的问诊意图；根据问诊意图、问诊主诉信息以及用户身份信息生成个性化问诊问题，发送个性化问诊问题至终端102；接收终端102根据个性化问诊问题反馈的个性化回复；根据问诊主诉信息、用户身份信息以及个性化回复，获取用户对应的诊断路径；根据诊断路径获取用户对应的导诊数据。其中，终端102可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备，服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
在一个实施例中，如图2所示，提供了一种导诊数据获取方法，以该方法应用于图1中的智能导诊服务器104为例进行说明，包括以下步骤：
步骤201，接收终端发送的问诊主诉信息以及用户身份信息，根据问诊主诉信息以及用户身份信息，确定用户的问诊意图。
其中，问诊主诉信息是指用户输入的包含所要问诊疾病的主要症状的信息。而用户身份信息则具体是指用户的姓名、性别、身份证号、住址以及年龄等信息。而问诊意图是指用户输入的问诊主诉信息表明用户是否希望进行问诊。
具体地，在进行一次导诊数据获取时，用户需要先通过终端102向智能导诊服务器104提供相应的问诊主诉信息以及用户身份信息。而后智能导诊服务器104可以根据这些信息从用户获取相应的导诊数据，同时还会将得到的用户提交给到对应的医生，从而最终最大限度的提高问诊过程中医生的问诊效率，及用户体验。而后用户输入主诉后，智能导诊服务器104需要首先进行无效主诉判断，确定用户是否用户输入的主诉内包含的问诊意图是否明确，当明确时即可直接确定问诊主诉信息，而如果非问诊或问诊意图不明显，对用户进行个性化问询，补充相关问诊信息，包括相关症状、过敏史、检查、用药等，用于更好的预测科室和诊断路径。具体的，当用输入的问诊主诉信息为“你好”或者“谢谢”之类的与问诊并无关联的无意义信息时，则确定用户输入的问诊主诉信息对应的问诊意图不明确，而当用户输入的为具体的症状信息时，则可以判断用户的问诊意图较为明确。
步骤203，根据问诊意图、问诊主诉信息以及用户身份信息生成个性化问诊问题，发送个性化问诊问题至终端。
步骤205，接收终端根据个性化问诊问题反馈的个性化回复。
个性化问诊问题是指针对用户信息所确定的问题，用于从用户方获取更详细的病情信息。
具体地，个性化问诊问题基于用户以及问诊主诉信息确定。个性化问诊问题都预存于相应的问诊问题数据库内。基于用户主诉信息以及用户身份信息查找获取，一般的对于问诊意图不明显的用户，其对应的个性化问诊问题相较于问诊意图明显的用户问题更多，从而获得更多的用于判断问诊的信息，而个性化问题则具体可以包括相关症状、过敏史、检查、用药等，用于更好的预测科室和诊断路径。通过对用户主诉进行无效主诉，而后通过个性化问诊问题来进行问诊意图的判断及补全，可收集更多对于用户诊断路径判别的信息，使得诊断路径的判断更准确。
步骤207，根据问诊主诉信息、用户身份信息以及个性化回复，获取用户对应的诊断路径。
其中，诊断路径具体是指已经设计好的模拟问诊问题，相较于前面的个性化问题，诊断路径更倾向于对病症的具体分析，类似于模拟科室内医生的问诊过程，从而提高导诊数据获取过程的信息获取效率。
具体的，在得到用户反馈的个性化回复后，可以基于用户提交的问诊主诉信息、用户身份信息以及个性化回复等进行分析，得到用户对应的诊断路径。通过对用户主诉进行无效主诉及问诊意图的判断及补全，可收集更多对于用户拟诊路径判别的信息，使得预判更准确。
步骤209，根据诊断路径获取用户对应的导诊数据。
具体的，当得到用于模拟问诊的诊断路径后，可以依次向用户反馈诊断路径中的问题，这些问题可以基于预先的问题设计，以问答或者选择的形式向用户反馈过去，而用户可以依序对诊断路径的问题进行回复，当用户完成诊断路径内问题的全部答复后，智能导诊服务器所获得的用户答复信息即为导诊数据。
上述导诊数据获取方法，通过接收终端发送的问诊主诉信息以及用户身份信息，根据问诊主诉信息以及用户身份信息，确定用户的问诊意图；根据问诊意图、问诊主诉信息以及用户身份信息生成个性化问诊问题，发送个性化问诊问题至终端；接收终端根据个性化问诊问题反馈的个性化回复；根据问诊主诉信息、用户身份信息以及个性化回复，获取用户对应的诊断路径；根据诊断路径获取用户对应的导诊数据。本申请通过先确定用户的问诊意图、问诊主诉以及身份信息，而后基于问诊意图、问诊主诉以及身份信息来构建用户相应的诊断路径，基于诊断路径来获得导诊数据，可以有效减少问诊过程中无效的对话轮数，可以有效提高导诊数据的收集效率。
在其中一个实施例中，如图3所示，步骤201之前，还包括：
步骤302，接收终端发送的导诊请求。
步骤304，根据导诊请求向终端反馈预设导诊问题。
步骤201包括：接收终端根据预设导诊问题反馈的问诊主诉信息以及用户身份信息。
具体地，当用户通过终端102在医疗交互平台上选择导诊后，即可视为向智能导诊服务器104发送导诊请求，而后智能导诊服务器104可以向用户推送请输入主诉信息(具体症状信息)的预设导诊问题，从而获取用户输入的问诊主诉信息，而后推送用于填写身份信息的表格，由用户填写完成的表格来收集用户的个人身份信息。用户具体可以以文字、图像或者音频的方式来上传问诊主诉信息。其中，文字是指由用户打字直接输入的问诊主诉信息，而图像是指用户可以以拍照的方式上传历史病历，将历史病历的图像作为问诊主诉信息，而音频是指由用户通过录音的方式上传语音的方式来上传问诊主诉信息。而智能导诊服务器则会将用户以各种形式输入的问诊主诉信息都转化成文字信息。通过问答的形式拉进行拟人化方式的话术问询，可以有效提高用户在导诊过程中的在线体验，并提升导诊数据获取的效率。
在其中一个实施例中，如图4所示，步骤207包括：
步骤401，根据问诊主诉信息、用户身份信息以及个性化回复构建第一多维特征向量矩阵，将第一多维特征向量矩阵输入预设第一深度神经网络导诊模型，获取科室信息。
其中，预设第一深度神经网络导诊模型基于历史的问诊数据构建，该模型具体可以为分类模型，分类的输出结果为医院的可选科室。具体地，通过提取收集到的问诊主诉信息，用户的性别以及年龄等用户身份信息，还有症状、部位、过敏史、检查以及用药等个性化回复信息中的特征，而后构建相应的多维特征向量矩阵，并通过将深度神经网络模型对多维特征向量矩阵对应的分类结果进行预测，从医院的可选科室中得到当前用户最合适的科室。
步骤403，根据问诊主诉信息、用户身份信息、个性化回复以及科室信息构建第二多维特征向量矩阵，将第二多维特征向量矩阵输入预设第二深度神经网络导诊模型，获取诊断路径。
具体地，诊断路径是指已经设计好的模拟问诊问题，这些模拟问题也被预先存储在相应的数据库内，可以通过预设第二深度神经网络导诊模型从数据库内查找到相应的模拟问诊问题，从而构建完整的诊断路径。一般一个科室可以负责若干的病症，而获取诊断路径的过程即可以视为在科室内对用户进行进一步问诊，以获得更详细的病症信息的过程。可以通过预测得到的科室信息，及收集到的问诊主诉信息，用户的性别以及年龄等用户身份信息，还有症状、部位、过敏史、检查以及用药等个性化回复信息中的特征，而后构建相应的第二多维特征向量矩阵，并通过第二深度神经网络导诊模型，得到当前用户最合适的诊断路径。而后就可以通过诊断路径来对用户进行模拟问诊，来获取相应的导诊数据。本实施例中，通过使用多维信息构建相应的多维向量矩阵，利用深度神经网络预测科室，并找到最合适的拟诊判决路径，可有效提高拟诊的准确率，并减少无效的对话轮数，提升问诊效率及用户体验。
在其中一个实施例中，步骤403包括：
根据问诊主诉信息、用户身份信息、个性化回复以及科室信息构建第二多维特征向量矩阵，将第二多维特征向量矩阵输入预设第二深度神经网络导诊模型，通过预设第二深度神经网络导诊模型从预设诊断模拟问题知识图谱中抽取相应的诊断模拟问题；根据诊断模拟问题构建诊断路径。
其中，知识图谱在图书情报界称为知识域可视化或知识领域映射地图，是显示知识发展进程与结构关系的一系列各种不同的图形，用可视化技术描述知识资源及其载体，挖掘、分析、构建、绘制和显示知识及它们之间的相互联系。
具体的，在本实施例中，可以以知识图谱的方式来将诊断路径中的模拟问诊问题进行关联存储，并将其与预设第二深度神经网络导诊模型相关联。而后在获取诊断路径的过程中，就可以基于知识图谱的关联关系来不断挖掘确定诊断路径中的问题，同时还可以在模型的使用过程中不断对知识图谱内的问题进行拓展，以得到更加精确地问诊模拟问题。在本实施例中，通过将知识图谱与诊断路径的获取相关联，可以更方便地进行诊断路径的挖掘确定工作，从而提高导诊数据获取的效率。
在其中一个实施例中，如图5所示，根据问诊主诉信息、用户身份信息、个性化回复以及科室信息构建第二多维特征向量矩阵，将第二多维特征向量矩阵输入预设第二深度神经网络导诊模型，通过预设第二深度神经网络导诊模型从预设诊断模拟问题知识图谱中抽取相应的诊断模拟问题之前，还包括：
步骤502，获取诊断模拟问题。
步骤504，对诊断模拟问题进行实体命名识别操作和关系抽取操作。
步骤506，根据实体命名识别操作和关系抽取操作的处理结果，构建预设诊断模拟问题知识图谱。
其中，诊断模拟问题是构成知识图谱的基础，可以基于不同病症以及症状来构建相关的诊断模拟问题，相同症状的诊断模拟问题存在关联关系，相同疾病的诊断模拟问题也存在关联关系。通过知识图谱的方式可以将这些关联关系进行存储，同时在构建诊断路径也可以通过预设第二深度神经网络导诊模型来挖掘用户所提交信息相应的诊断模拟问题。来构建诊断路径。
具体地，在构建预设诊断模拟问题知识图谱时，导诊数据获取服务器104端的运营工作人员可以先构建海量诊断模拟问题，而后将这些诊断模拟问题以文本形式输入到导诊数据获取服务器104内，导诊数据获取服务器104可以基于知识图谱构建的规则，对诊断模拟问题进行实体命名识别操作和关系抽取操作，而后基于处理结果来构建预设诊断模拟问题知识图谱。本实施例中，通过预先获取诊断模拟问题，而后基于这些问题来构建知识图谱，可以有效实现预设诊断模拟问题知识图谱的构建。
在其中一个实施例中，如图6所示，步骤209之后，还包括：
步骤601，提取导诊数据中的症状特征标签。
步骤603，基于症状特征标签与医生特征标签，获取各个医生的推荐度，医生特征标签为科室信息对应医生的医生特征标签。
步骤605，根据科室信息获取推荐科室，根据推荐度获取推荐医生。
步骤607，向终端反馈推荐科室以及推荐医生。
其中，症状特征标签用于体现用户病症的特征症状，以及这些症状所对应的病症类型，而医生特征标签则是根据医生所擅长的领域以及病症来进行确定的。
具体地，可以通过在导诊数据中提取出特征标签，而后基于特征标签来比对查找所确定的科室内各个医生对应的医生特征标签，基于标签之间的匹配度来获取各个医生相对于当前患者的推荐度。而后根据推荐度的排名来向用户推荐医生，在其中一个实施例中，还可以将医生的候诊人数作为一项计算推荐度的数据加入。从而优先向用户推荐不需要等待过久的医生，提高用户的候诊效率。此外，在获取导诊数据之后，还可以根据科室信息向科室内的医生反馈用户的导诊数据，这一步骤反馈的导诊数据具体包含了提交给用户的诊断路径以及用户对诊断路径的反馈，此时医生可以通过诊断路径来对用户的具体情况进行分析，从而缩短实际的问诊时间，提高问诊效率。
应该理解的是，虽然图2-6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，图2-6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。
在一个实施例中，如图7所示，提供了一种导诊数据获取装置，包括：
信息获取模块701，用于接收终端发送的问诊主诉信息以及用户身份信息，根据问诊主诉信息以及用户身份信息，确定用户的问诊意图；
个性化处理模块703，用于根据问诊意图、问诊主诉信息以及用户身份信息生成个性化问诊问题，发送个性化问诊问题至终端；
回复接收模块705，用于接收终端根据个性化问诊问题反馈的个性化回复；
诊断路径获取模块707，用于根据问诊主诉信息、用户身份信息以及个性化回复，获取用户对应的诊断路径；
导诊数据获取模块709，用于根据诊断路径获取用户对应的导诊数据。
在其中一个实施例中，还包括，问题反馈模块，用于：接收终端发送的导诊请求；根据导诊请求向终端反馈预设导诊问题。信息获取模块701具体用于：接收终端根据预设导诊问题反馈的问诊主诉信息以及用户身份信息。
在其中一个实施例中，诊断路径获取模块707具体用于：根据问诊主诉信息、用户身份信息以及个性化回复构建第一多维特征向量矩阵，将第一多维特征向量矩阵输入预设第一深度神经网络导诊模型，获取科室信息；根据问诊主诉信息、用户身份信息、个性化回复以及科室信息构建第二多维特征向量矩阵，将第二多维特征向量矩阵输入预设第二深度神经网络导诊模型，获取诊断路径。
在其中一个实施例中，诊断路径获取模块707还用于：根据问诊主诉信息、用户身份信息、个性化回复以及科室信息构建第二多维特征向量矩阵，将第二多维特征向量矩阵输入预设第二深度神经网络导诊模型，通过预设第二深度神经网络导诊模型从预设诊断模拟问题知识图谱中抽取相应的诊断模拟问题；根据诊断模拟问题构建诊断路径。
在其中一个实施例中，还包括图谱构建模块，用于：获取诊断模拟问题；对诊断模拟问题进行实体命名识别操作和关系抽取操作；根据实体命名识别操作和关系抽取操作的处理结果，构建预设诊断模拟问题知识图谱。
在其中一个实施例中，还包括推荐信息反馈模块，用于：提取导诊数据中的症状特征标签；基于症状特征标签与医生特征标签，获取各个医生的推荐度，医生特征标签为科室信息对应医生的医生特征标签；根据科室信息获取推荐科室，根据推荐度获取推荐医生；向终端反馈推荐科室以及推荐医生。
关于导诊数据获取装置的具体限定可以参见上文中对于导诊数据获取方法的限定，在此不再赘述。上述导诊数据获取装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图8所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储导诊数据获取数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种导诊数据获取方法。
本领域技术人员可以理解，图8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。
在一个实施例中，提供了一种计算机设备，包括存储器和处理器，该存储器存储有计算机程序，该处理器执行计算机程序时实现以下步骤：
接收终端发送的问诊主诉信息以及用户身份信息，根据问诊主诉信息以及用户身份信息，确定用户的问诊意图；
根据问诊意图、问诊主诉信息以及用户身份信息生成个性化问诊问题，发送个性化问诊问题至终端；
接收终端根据个性化问诊问题反馈的个性化回复；
根据问诊主诉信息、用户身份信息以及个性化回复，获取用户对应的诊断路径；
根据诊断路径获取用户对应的导诊数据。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：接收终端发送的导诊请求；根据所述导诊请求向所述终端反馈预设导诊问题。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：根据问诊主诉信息、用户身份信息以及个性化回复构建第一多维特征向量矩阵，将第一多维特征向量矩阵输入预设第一深度神经网络导诊模型，获取科室信息；根据问诊主诉信息、用户身份信息、个性化回复以及科室信息构建第二多维特征向量矩阵，将第二多维特征向量矩阵输入预设第二深度神经网络导诊模型，获取诊断路径。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：根据问诊主诉信息、用户身份信息、个性化回复以及科室信息构建第二多维特征向量矩阵，将第二多维特征向量矩阵输入预设第二深度神经网络导诊模型，通过预设第二深度神经网络导诊模型从预设诊断模拟问题知识图谱中抽取相应的诊断模拟问题；根据诊断模拟问题构建诊断路径。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：获取诊断模拟问题；对诊断模拟问题进行实体命名识别操作和关系抽取操作；根据实体命名识别操作和关系抽取操作的处理结果，构建预设诊断模拟问题知识图谱。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：提取导诊数据中的症状特征标签；基于症状特征标签与医生特征标签，获取各个医生的推荐度，医生特征标签为科室信息对应医生的医生特征标签；根据科室信息获取推荐科室，根据推荐度获取推荐医生；向终端反馈推荐科室以及推荐医生。
在一个实施例中，提供了一种计算机存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：
接收终端发送的问诊主诉信息以及用户身份信息，根据问诊主诉信息以及用户身份信息，确定用户的问诊意图；
根据问诊意图、问诊主诉信息以及用户身份信息生成个性化问诊问题，发送个性化问诊问题至终端；
接收终端根据个性化问诊问题反馈的个性化回复；
根据问诊主诉信息、用户身份信息以及个性化回复，获取用户对应的诊断路径；
根据诊断路径获取用户对应的导诊数据。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：接收终端发送的导诊请求；根据所述导诊请求向所述终端反馈预设导诊问题。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：根据问诊主诉信息、用户身份信息以及个性化回复构建第一多维特征向量矩阵，将第一多维特征向量矩阵输入预设第一深度神经网络导诊模型，获取科室信息；根据问诊主诉信息、用户身份信息、个性化回复以及科室信息构建第二多维特征向量矩阵，将第二多维特征向量矩阵输入预设第二深度神经网络导诊模型，获取诊断路径。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：根据问诊主诉信息、用户身份信息、个性化回复以及科室信息构建第二多维特征向量矩阵，将第二多维特征向量矩阵输入预设第二深度神经网络导诊模型，通过预设第二深度神经网络导诊模型从预设诊断模拟问题知识图谱中抽取相应的诊断模拟问题；根据诊断模拟问题构建诊断路径。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：获取诊断模拟问题；对诊断模拟问题进行实体命名识别操作和关系抽取操作；根据实体命名识别操作和关系抽取操作的处理结果，构建预设诊断模拟问题知识图谱。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：提取导诊数据中的症状特征标签；基于症状特征标签与医生特征标签，获取各个医生的推荐度，医生特征标签为科室信息对应医生的医生特征标签；根据科室信息获取推荐科室，根据推荐度获取推荐医生；向终端反馈推荐科室以及推荐医生。
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，的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，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。
以上实施例仅表达了本申请的几种实施方式，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，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。

Claims (10)

1.一种导诊数据获取方法，所述方法包括：
接收终端发送的问诊主诉信息以及用户身份信息，根据所述问诊主诉信息以及所述用户身份信息，确定用户的问诊意图；
根据所述问诊意图、所述问诊主诉信息以及所述用户身份信息生成个性化问诊问题，发送个性化问诊问题至所述终端，所述个性化问诊问题用于实现所述问诊意图的判断与补全；
接收所述终端根据所述个性化问诊问题反馈的个性化回复；
根据所述问诊主诉信息、所述用户身份信息以及所述个性化回复，获取用户对应的诊断路径，所述诊断路径用于模拟问诊过程；
根据所述诊断路径获取用户对应的导诊数据；
所述根据所述问诊主诉信息、所述用户身份信息以及所述个性化回复获取用户对应的诊断路径包括：
根据所述问诊主诉信息、所述用户身份信息以及所述个性化回复构建第一多维特征向量矩阵，将所述第一多维特征向量矩阵输入预设第一深度神经网络导诊模型，获取科室信息；
根据所述问诊主诉信息、所述用户身份信息、所述个性化回复以及所述科室信息构建第二多维特征向量矩阵，将所述第二多维特征向量矩阵输入预设第二深度神经网络导诊模型，通过所述预设第二深度神经网络导诊模型从预设诊断模拟问题知识图谱中抽取相应的诊断模拟问题，所述预设诊断模拟问题知识图谱用于存储相同症状的诊断模拟问题之间的关联关系和相同疾病的诊断模拟问题之间的关联关系；
根据所述诊断模拟问题构建诊断路径；
所述根据所述诊断路径获取用户对应的导诊数据包括：
依次向所述用户反馈所述诊断路径中的诊断模拟问题，将用户对所述诊断模拟问题的用户答复信息作为导诊数据。
2.根据权利要求1所述的方法，其特征在于，所述接收终端发送的问诊主诉信息以及用户身份信息之前，还包括：
接收终端发送的导诊请求；
根据所述导诊请求向所述终端反馈预设导诊问题；
所述接收终端发送的问诊主诉信息以及用户身份信息包括：
接收终端根据所述预设导诊问题反馈的问诊主诉信息以及用户身份信息。
3.根据权利要求1所述的方法，其特征在于，所述根据所述问诊主诉信息、所述用户身份信息、所述个性化回复以及所述科室信息构建第二多维特征向量矩阵，将所述第二多维特征向量矩阵输入预设第二深度神经网络导诊模型，通过所述预设第二深度神经网络导诊模型从预设诊断模拟问题知识图谱中抽取相应的诊断模拟问题之前，还包括：
获取诊断模拟问题；
对所述诊断模拟问题进行实体命名识别操作和关系抽取操作；
根据所述实体命名识别操作和关系抽取操作的处理结果，构建预设诊断模拟问题知识图谱。
4.根据权利要求1所述的方法，其特征在于，所述诊断路径包括科室信息，所述根据所述诊断路径获取用户对应的导诊数据之后，还包括：
提取所述导诊数据中的症状特征标签；
基于所述症状特征标签与医生特征标签，获取各个医生的推荐度，所述医生特征标签为所述科室信息对应医生的医生特征标签；
根据所述科室信息获取推荐科室，根据所述推荐度获取推荐医生；
向所述终端反馈推荐科室以及推荐医生。
5.一种导诊数据获取装置，其特征在于，所述装置包括：
信息获取模块，用于接收终端发送的问诊主诉信息以及用户身份信息，根据所述问诊主诉信息以及所述用户身份信息，确定用户的问诊意图；
个性化处理模块，用于根据所述问诊意图、所述问诊主诉信息以及所述用户身份信息生成个性化问诊问题，发送个性化问诊问题至所述终端，所述个性化问诊问题用于获取病情信息，以实现所述问诊意图的判断与补全；
回复接收模块，用于接收所述终端根据所述个性化问诊问题反馈的个性化回复；
诊断路径获取模块，用于根据所述问诊主诉信息、所述用户身份信息以及所述个性化回复，获取用户对应的诊断路径，所述诊断路径用于模拟问诊过程；
导诊数据获取模块，用于根据所述诊断路径获取用户对应的导诊数据；
所述诊断路径获取模块具体用于：根据所述问诊主诉信息、所述用户身份信息以及所述个性化回复构建第一多维特征向量矩阵，将所述第一多维特征向量矩阵输入预设第一深度神经网络导诊模型，获取科室信息；根据所述问诊主诉信息、所述用户身份信息、所述个性化回复以及所述科室信息构建第二多维特征向量矩阵，将所述第二多维特征向量矩阵输入预设第二深度神经网络导诊模型，通过所述预设第二深度神经网络导诊模型从预设诊断模拟问题知识图谱中抽取相应的诊断模拟问题，所述预设诊断模拟问题知识图谱用于存储相同症状的诊断模拟问题之间的关联关系和相同疾病的诊断模拟问题之间的关联关系；根据所述诊断模拟问题构建诊断路径；
所述导诊数据获取模块具体用于：依次向所述用户反馈所述诊断路径中的诊断模拟问题，将用户对所述诊断模拟问题的用户答复信息作为导诊数据。
6.根据权利要求5所述的装置，其特征在于，还包括问题反馈模块，用于：接收终端发送的导诊请求；根据所述导诊请求向所述终端反馈预设导诊问题；所述信息获取模块具体用于：接收终端根据所述预设导诊问题反馈的问诊主诉信息以及用户身份信息。
7.根据权利要求5所述的装置，其特征在于，还包括图谱构建模块，用于：获取诊断模拟问题；对所述诊断模拟问题进行实体命名识别操作和关系抽取操作；根据所述实体命名识别操作和关系抽取操作的处理结果，构建预设诊断模拟问题知识图谱。
8.根据权利要求5所述的装置，其特征在于，还包括推荐信息反馈模块，用于：提取所述导诊数据中的症状特征标签；基于所述症状特征标签与医生特征标签，获取各个医生的推荐度，所述医生特征标签为所述科室信息对应医生的医生特征标签；根据所述科室信息获取推荐科室，根据所述推荐度获取推荐医生；向所述终端反馈推荐科室以及推荐医生。
9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至4中任一项所述方法的步骤。
10.一种计算机存储介质，其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权利要求1至4中任一项所述的方法的步骤。
CN202010886683.0A 2020-08-28 2020-08-28 导诊数据获取方法、装置、计算机设备和存储介质 Active CN112035674B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202010886683.0A CN112035674B (zh) 2020-08-28 2020-08-28 导诊数据获取方法、装置、计算机设备和存储介质
PCT/CN2021/084346 WO2022041722A1 (zh) 2020-08-28 2021-03-31 导诊数据获取方法、装置、计算机设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010886683.0A CN112035674B (zh) 2020-08-28 2020-08-28 导诊数据获取方法、装置、计算机设备和存储介质

Publications (2)

Publication Number Publication Date
CN112035674A CN112035674A (zh) 2020-12-04
CN112035674B true CN112035674B (zh) 2023-05-23

Family

ID=73587623

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010886683.0A Active CN112035674B (zh) 2020-08-28 2020-08-28 导诊数据获取方法、装置、计算机设备和存储介质

Country Status (2)

Country Link
CN (1) CN112035674B (zh)
WO (1) WO2022041722A1 (zh)

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112035674B (zh) * 2020-08-28 2023-05-23 康键信息技术（深圳）有限公司 导诊数据获取方法、装置、计算机设备和存储介质
CN113282761A (zh) * 2021-05-27 2021-08-20 平安科技（深圳）有限公司 科室信息的推送方法、装置、设备以及存储介质
CN113707304B (zh) * 2021-08-30 2023-08-01 深圳平安智慧医健科技有限公司 分诊数据处理方法、装置、设备及存储介质
CN113934346A (zh) * 2021-09-16 2022-01-14 阿里健康科技(中国)有限公司 接诊方法
CN113963765A (zh) * 2021-10-22 2022-01-21 浙江远图互联科技股份有限公司 一种智能问诊方法、装置、设备及储存介质
CN113851219A (zh) * 2021-11-29 2021-12-28 山东交通学院 一种基于多模态知识图谱的智能导诊方法
CN115274086B (zh) * 2022-09-27 2023-01-13 无码科技（杭州）有限公司 一种智能导诊方法及系统
CN116469542B (zh) * 2023-04-20 2024-01-02 智远汇壹(苏州)健康医疗科技有限公司 一种个性化医疗影像诊断路径生成系统及方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108198620A (zh) * 2018-01-12 2018-06-22 洛阳飞来石软件开发有限公司 一种基于深度学习的皮肤疾病智能辅助诊断系统
CN108922634A (zh) * 2018-06-13 2018-11-30 平安医疗科技有限公司 基于在线问诊的问题答复处理方法、装置和计算机设备
CN108932974A (zh) * 2018-05-31 2018-12-04 平安医疗科技有限公司 在线问诊分配医生的方法、装置、计算机设备和存储介质
CN110838368A (zh) * 2019-11-19 2020-02-25 广州西思数字科技有限公司 一种基于中医临床知识图谱的机器人主动问诊方法

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103164616A (zh) * 2013-02-02 2013-06-19 杭州卓健信息科技有限公司 一种智能导诊系统和方法
CN109147930A (zh) * 2017-06-28 2019-01-04 京东方科技集团股份有限公司 分诊对话方法、分诊对话设备及系统
CN108877929A (zh) * 2018-05-31 2018-11-23 平安医疗科技有限公司 基于神经网络的拟诊推荐处理方法、装置和计算机设备
CN108766545B (zh) * 2018-05-31 2023-10-03 平安医疗科技有限公司 在线问诊科室分配方法、装置、计算机设备和存储介质
CN109065172B (zh) * 2018-07-04 2023-04-11 平安科技（深圳）有限公司 病症信息获取方法、装置、计算机设备和存储介质
CN109887587A (zh) * 2019-01-22 2019-06-14 平安科技（深圳）有限公司 智能分诊方法、系统、装置及存储介质
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
CN111063429A (zh) * 2019-10-25 2020-04-24 中国科学院自动化研究所 一种医疗咨询方法、装置、设备和计算机可读存储介质
CN112035674B (zh) * 2020-08-28 2023-05-23 康键信息技术（深圳）有限公司 导诊数据获取方法、装置、计算机设备和存储介质

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108198620A (zh) * 2018-01-12 2018-06-22 洛阳飞来石软件开发有限公司 一种基于深度学习的皮肤疾病智能辅助诊断系统
CN108932974A (zh) * 2018-05-31 2018-12-04 平安医疗科技有限公司 在线问诊分配医生的方法、装置、计算机设备和存储介质
CN108922634A (zh) * 2018-06-13 2018-11-30 平安医疗科技有限公司 基于在线问诊的问题答复处理方法、装置和计算机设备
CN110838368A (zh) * 2019-11-19 2020-02-25 广州西思数字科技有限公司 一种基于中医临床知识图谱的机器人主动问诊方法

Also Published As

Publication number Publication date
CN112035674A (zh) 2020-12-04
WO2022041722A1 (zh) 2022-03-03

Similar Documents

Publication Publication Date Title
CN112035674B (zh) 导诊数据获取方法、装置、计算机设备和存储介质
US9639662B2 (en) Systems and methods for event stream platforms which enable applications
CN109584975B (zh) 医疗数据标准化处理方法及装置
WO2021184571A1 (zh) 动态表单生成方法、装置、计算机设备和存储介质
CN112071425B (zh) 一种数据处理方法、装置、计算机设备及存储介质
CN107766574A (zh) 数据查询方法及装置、数据存储方法及装置
CN108899064A (zh) 电子病历生成方法、装置、计算机设备和存储介质
US20170053064A1 (en) Personalized content-based patient retrieval system
US20130311201A1 (en) Medical record generation and processing
US20060184489A1 (en) Genetic knowledgebase creation for personalized analysis of medical conditions
EP3547327A1 (en) Feature engineering method, apparatus and system
CN112035611B (zh) 目标用户推荐方法、装置、计算机设备和存储介质
CN111445968A (zh) 电子病历查询方法、装置、计算机设备和存储介质
Mohammed et al. Developing a semantic web model for medical differential diagnosis recommendation
CN111383754B (zh) 医疗决策方法、医疗决策装置、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
CN113724858A (zh) 基于人工智能的疾病检查项目推荐设备、方法及装置
CN112447270A (zh) 一种用药推荐方法、装置、设备及存储介质
CN112035619A (zh) 基于人工智能的医疗问诊单筛选方法、装置、设备和介质
CN114078593A (zh) 临床决策支持
CN113808762A (zh) 互联网医院远程会诊系统
CN111415760B (zh) 医生推荐方法、系统、计算机设备及存储介质
CN113160914A (zh) 在线问诊方法、装置、电子设备及存储介质
JP7278256B2 (ja) 画像獲得ワークフローを最適化するためのデバイス、システム、及び方法
EP4199002A1 (en) A computer implemented method and a system

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
GR01 Patent grant
GR01 Patent grant