CN112037904B - 在线诊疗数据处理方法、装置、计算机设备和存储介质 - Google Patents
在线诊疗数据处理方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN112037904B CN112037904B CN202010899845.4A CN202010899845A CN112037904B CN 112037904 B CN112037904 B CN 112037904B CN 202010899845 A CN202010899845 A CN 202010899845A CN 112037904 B CN112037904 B CN 112037904B
- Authority
- CN
- China
- Prior art keywords
- treatment
- diagnosis
- content
- online
- candidate
- 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
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
- G16H40/60—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
-
- 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
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2415—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on parametric or probabilistic models, e.g. based on likelihood ratio or false acceptance rate versus a false rejection rate
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/205—Parsing
- G06F40/211—Syntactic parsing, e.g. based on context-free grammar [CFG] or unification grammars
-
- 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
- G06F40/289—Phrasal analysis, e.g. finite state techniques or chunking
- G06F40/295—Named entity recognition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/30—Semantic analysis
-
- 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
- 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
- G06N3/08—Learning methods
-
- 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)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- Biomedical Technology (AREA)
- Mathematical Physics (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Evolutionary Computation (AREA)
- Life Sciences & Earth Sciences (AREA)
- Software Systems (AREA)
- Computing Systems (AREA)
- Molecular Biology (AREA)
- Biophysics (AREA)
- Databases & Information Systems (AREA)
- Business, Economics & Management (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Human Computer Interaction (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Probability & Statistics with Applications (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Business, Economics & Management (AREA)
- Epidemiology (AREA)
- Medical Informatics (AREA)
- Primary Health Care (AREA)
- Public Health (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本申请涉及一种基于深度学习的在线诊疗数据处理方法、装置、计算机设备和存储介质。该方法包括:当接收到患者在互联网诊疗平台的在线会话内容时,若满足辅助诊疗条件,则根据历史会话内容,获取场景特征和症状描述;当识别在线会话内容的语句类型为疑问句时,提取在线会话内容的意图和医疗实体;从候选问题库中匹配满足意图和医疗实体的相关问题;获取相关问题的候选答案,从候选答案中确定与症状描述相关的匹配答案,输出作为在线会话内容的辅助诊疗回复。由于在线诊疗回复综合考虑了会话内容的意图、医疗实体以及症状描述,使得输出的答案非千片一律,而是符合会话内容的,能够提高自动回复内容与患者需求匹配度。
Description
技术领域
本申请涉及人工智能和医疗技术领域,特别是涉及一种在线诊疗数据处理方法、装置、计算机设备和存储介质。
背景技术
传统在线诊疗提供了平台,能够实现基于互联网的医患沟通。
而传统的互联网诊疗平台的功能是提供医患沟通的平台,当医生有事离开时不能及时回复患者的问题时,患者只能等待。为提高用户体验,部分互联网诊疗平台设置通过设置自动回复,能够在一些特殊时候对患者的提问进行自动回复。而自动回复的内容通常是由医生设置的,或是基于规则设置的简单回复。例如,医生有事离开时,可设置自动回复“有事离开,稍后回复”。当接收到患者在医生设置自动回复发送问题时,自动向患者发送该自动回复内容,患者则可获知这个消息,了解医生暂时不能回复的情况。
然而在实际应用中,患者往往较急于了解自己的病情,在这种背景下,简单的自动回复与患者需求匹配度低,不能满足人们的需求。
发明内容
基于此,有必要针对上述技术问题,提供一种能够提高自动回复内容与患者需求匹配度的基于深度学习的在线诊疗数据处理方法、装置、计算机设备和存储介质。
一种在线诊疗数据处理方法,所述方法包括:
当接收到患者在互联网诊疗平台的在线会话内容时,若满足辅助诊疗条件,则根据历史会话内容,获取场景特征和症状描述;
当识别所述在线会话内容的语句类型为疑问句时,提取所述在线会话内容的意图和医疗实体;
从候选问题库中匹配满足所述意图和医疗实体的相关问题;
获取所述相关问题的候选答案,从所述候选答案中确定与所述症状描述相关的匹配答案,输出作为所述在线会话内容的辅助诊疗回复。
在其中一个实施例中,所述获取所述相关问题的候选答案,从所述候选答案中确定与所述症状描述相关的匹配答案,输出作为所述在线会话内容的辅助诊疗回复,包括:
获取所述相关问题的候选答案,根据所述症状描述从所述候选答案中确定匹配答案;
根据所述场景特征,确定所述匹配答案对应的话术转换匹配答案,将所述话术转换匹配答案输出作为所述在线会话内容的辅助诊疗回复。
在其中一个实施例中,当会话内容的语句类型为陈述句时,识别所述在线会话内容的会话类型,获取会话类型对应的回复作为所述在线会话内容的辅助诊疗回复。
在其中一个实施例中,所述从候选问题库中匹配满足所述意图和医疗实体的相关问题,包括:
获取所述候选库中各候选问题的意图标签和医疗实体标签;
根据所述意图标签和所述医疗实体标签,确定与所述在线会话内容的意图和医疗实体匹配的相关问题。
在其中一个实施例中,所述获取所述相关问题的候选答案,根据所述症状描述从所述候选答案中确定匹配答案,包括:
获取所述相关问题的候选答案,以及所述候选答案的症状特征;
将所述症状描述与所述候选答案的症状特征进行匹配,从所述候选答案中确定符合所述症状描述的匹配答案。
在其中一个实施例中,获取所述获取场景特征和症状描述的方式,包括:
获取医生与所述患者对话的历史会话记录,所述历史会话记录包括医生历史记录和患者历史记录;
根据所述医生历史记录获取诊疗的时序特征以及最近一条回复记录的内容特征;
根据所述时序特征和所述内容特征确定所述场景特征;
从所述患者历史记录中获取症状描述。
在其中一个实施例中,所述辅助诊疗条件包括以下至少一种:医生与患者的互动停止时长超过预设时长;医生已退出登录互联网诊疗平台;及医生启用了辅助诊疗。
一种在线诊疗数据处理装置,所述装置包括:
获取模块,用于当接收到患者在互联网诊疗平台的在线会话内容时,若满足辅助诊疗条件,则根据历史会话内容,获取场景特征和症状描述;
提取模块,用于当识别所述在线会话内容的语句类型为疑问句时,提取所述在线会话内容的意图和医疗实体;
问题匹配模块,用于从候选问题库中匹配满足所述意图和医疗实体的相关问题;
输出模块,用于获取所述相关问题的候选答案,从所述候选答案中确定与所述症状描述相关的匹配答案,输出作为所述在线会话内容的辅助诊疗回复。
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:
当接收到患者在互联网诊疗平台的在线会话内容时,若满足辅助诊疗条件,则根据历史会话内容,获取场景特征和症状描述;
当识别所述在线会话内容的语句类型为疑问句时,提取所述在线会话内容的意图和医疗实体;
从候选问题库中匹配满足所述意图和医疗实体的相关问题;
获取所述相关问题的候选答案,从所述候选答案中确定与所述症状描述相关的匹配答案,输出作为所述在线会话内容的辅助诊疗回复。
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:
当接收到患者在互联网诊疗平台的在线会话内容时,若满足辅助诊疗条件,则根据历史会话内容,获取场景特征和症状描述;
当识别所述在线会话内容的语句类型为疑问句时,提取所述在线会话内容的意图和医疗实体;
从候选问题库中匹配满足所述意图和医疗实体的相关问题;
获取所述相关问题的候选答案,从所述候选答案中确定与所述症状描述相关的匹配答案,输出作为所述在线会话内容的辅助诊疗回复。
上述在线诊疗数据处理方法、装置、计算机设备和存储介质,能够实现在线诊疗中,医生不能及时回复时,启用辅助医疗进行辅助的场景,通过采集问诊过程中用户和医生的在线会话内容,提取在线会话内容的意图的医疗实体,从候选问题库中匹配相关问题,进而确定候选问题答案中与症状描述相关的候选答案作为辅助诊疗回复。由于在线诊疗回复综合考虑了会话内容的意图、医疗实体以及症状描述,使得输出的答案非千片一律,而是符合会话内容的,能够提高自动回复内容与患者需求匹配度。
附图说明
图1为一个实施例中在线诊疗数据处理方法的应用场景图;
图2为一个实施例中在线诊疗数据处理方法的流程示意图;
图3为一个实施例中一种深度学习模型的结构示意图;
图4为一个实施例中在线诊疗数据处理装置的结构框图;
图5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。
本申请提供的在线诊疗数据处理方法,可以应用于如图1所示的应用环境中,第一终端102和第二终端106分别通过网络与服务器104通过网络进行通信。患者用户通过第一终端102,医生用户通过第二终端106进行输入交流内容并通过服务器发送至对方,服务器当接收到患者在互联网诊疗平台的在线会话内容时,若满足辅助诊疗条件,则根据历史会话内容,获取场景特征和症状描述;当识别所述在线会话内容的语句类型为疑问句时,提取所述在线会话内容的意图和医疗实体;从候选问题库中匹配满足所述意图和医疗实体的相关问题;获取所述相关问题的候选答案,从所述候选答案中确定与所述症状描述相关的匹配答案,输出作为所述在线会话内容的辅助诊疗回复。其中,第一终端102和第二终端106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,提供了一种基于深度学习的在线诊疗数据处理方法,以该方法应用于图1中的服务器为例进行说明,包括以下步骤:
步骤202,当接收到患者在互联网诊疗平台的在线会话内容时,若满足辅助诊疗条件,则根据历史会话内容,获取场景特征和症状描述。
互联网诊疗平台是以互联网为基础构建的医患沟通平台。医生和患者通过登录互联网诊疗平台即可实现问诊,节约了用户去医院排队挂号等待就诊的时间。
在线会话内容是在互联网诊疗平台线上患者与医生的会话内容。当接收到患者在互联网诊疗平台的在线会话内容时,服务器将在线会话内容发送至第二终端。当服务器检测到互动情况满足辅助诊疗条件时,实施本申请的方法进行自动回复。
其中,辅助诊疗指的是在互联网诊疗平台辅助医生进行诊疗。辅助诊疗的一种实现方式是在医生不能及时回复患者问题的情况下,输出对患者在线会话内容的回复,以避免患者长时间等待。是否触发辅助诊疗,可根据互动情况进行判断,也可根据系统设置进行判断。具体地,辅助诊疗条件包括以下至少一种:医生与患者的互动停止时长超过预设时长;医生已退出登录互联网诊疗平台;及医生启用了辅助诊疗。
其中,针对条件“医生与患者的互动停止时长超过预设时长”,可是以医生与该患者的互动停止时长超过预设时长,也可以是医生与接诊的所有患者的互动停止时长超过预设时长。当接收到患者在互联网诊疗平台的在线会话内容时,若检测到医生与患者的互动停止时长超过预设时长,则触发辅助诊疗。
针对条件“医生已退出登录互联网诊疗平台”,是指医生在互联网诊疗平台退出登录,当接收到患者在互联网诊疗平台的在线会话内容时,若检测到医生在互联网诊疗平台退出登录,则触发辅助诊疗。
针对条件“医生启用了辅助诊疗”,指的是医生设置了启用了辅助诊疗。如,互联网诊疗平台的医生客户端有辅助诊疗设置的快捷键,触发该快捷键即可设置启用辅助诊疗。
具体地,在线诊疗包括了两个阶段,分别为导诊阶段和问诊阶段。在导诊阶段,用户输入主诉后,系统根据用户主诉中提及的疾病和症状划分科室,并进行补充问询。
根据用户输入的主诉使用深度模型进行分类,得到用户问题所属科室。然后根据用户提及的疾病和症状等关键信息,抛出模板进行补充询问,进一步确定用户的病症。对于常见的简单病症,直接给用户对应回答。如果用户得到回答后没有进一步问题,则结束问诊。若用户还有疑问,则继续进入到医生诊室。
在问诊阶段,患者以线与医生进行沟通,沟通形式可以为文字、语音或视频。在患者与医生进行会话时,若互动情况满足辅助诊疗条件时,根据历史会话内容,获取场景特征和症状描述。
其中,历史会话内容包括了导论阶段的会话内容。场景特征具体是指当前会话所处的场景,通常将医生问诊根据诊疗程序,分为问诊场景、诊断场景和开药场景。症状描述是患者对自身疾病的症状描述,包括了在导诊阶段以及问诊阶段的相关描述。
步骤204,当识别所述在线会话内容的语句类型为疑问句时,提取所述在线会话内容的意图和医疗实体。
在问诊阶段,对会话内容分为陈述和疑问分别进行处理。
疑问句是按照句子的语气分出来的一个类,它与陈述句、感叹句、祈使句的最大区别就是它的疑问语气;是问一些事情的,表达的内容并不是陈述,所以是不确定的,往往希望得到相关解答。
一种实施方式中,会话内容的语句类型可通过关键字符进行判断。关键字符包括关键字和标点符号。以疑问句为例,通常采用标点符号“?”结尾,或包含关键字“吗”。预先根据每个语句类型的常用方式,设置用于区分语句类型的关键字符。当在线会话内容包括关键字符时,确定为对应的语句类型。
一种实施方式中,调用模型对在线会话内容的语句类型进行分类,其中,模型是预先经过深度学习训练得到的。
若在线会话内容的语句类型为疑问句,则提取在线会话内容的意图和医疗实体。
具体地,意图是指一句话用户所想达到的目标。根据医学场景,将患者会话内容的意图预先划分为几种,分别为:对某个事项进行确认,询问注意事项等,如,确认病情,又如询问保养方式。
实体是指具有意义能够独立存在的事物,在诊疗问答场景,医疗实体如疾病类型,药物名称等。
具体地,在线会话内容的意图和医疗实体可采用基于深度学习预先训练的模型提取得到。
步骤206,从候选问题库中匹配满足所述意图和医疗实体的相关问题。
候选问题库是预先列出的常见问题库,并为问题库中的每个问题设置了标准回复答案。同时,还设置了每个候选问题的意图和医疗实体。当触发辅助医疗时,从候选问题库中满足该在线会话内容的意图和医疗实体的相关问题。可以理解为,根据意图和医疗实体,从候选问题库中找出与在线会话问题相匹配的问题。
具体地,所述从候选问题库中匹配满足所述意图和医疗实体的相关问题,包括:获取所述候选库中各候选问题的意图标签和医疗实体标签;根据所述意图标签和所述医疗实体标签,确定与所述在线会话内容的意图和医疗实体匹配的相关问题。
具体地,预先为候选问题库中的每个问题打上意图标签和实体标签,通过匹配的方式获取满足意图和实体的相关问题。其中,可采用基于深度学习预先训练的模型预先为每个问题打上意图标签和实体标签。
以“我想知道怀孕了吗”,确定意图为确认病情,实体为怀孕。根据匹配,确定候选问题库匹配的问题为“这是怀孕的表现吗?”
其中,可先使用相似度计算方法,计算会话内容与候选问题库中与具有该实体标签的各问题的相似度,初步确定候选问题,再从候选问题中选择具有该意图标签中相似度前十的问题作为相关问题。
步骤208,获取所述相关问题的候选答案,从所述候选答案中确定与所述症状描述相关的匹配答案,输出作为所述在线会话内容的辅助诊疗回复。
候选问题库中的每个候选问题已预先设置了标准答案,而一个问题有多个标准候选答案,通常至少包括是、否和不确定三种答案。需要从三候选答案中匹配与症状描述最相关的候选答案。
具体地,每个候选答案预先设置了症状特别,根据症状特点,确定症状描述符合候选答案的症状特点。如,候选答案包括:1、是的,恭喜你,你怀孕了;2、现在还不太清楚,你需要做**检查;3、怀孕的症状是,你不符合这些症状,没有怀孕;4,是的,回去要注意休息,**;
以候选答案1为例,候选答案的条件包括:症状为***,检查结果为**。根据症状描述的图像特征和文本特征,图像特征为检查结果,文本特征为关键词,如月经推迟等。将图像特征、文本特征以及候选答案的条件输入了模型,确认是否匹配,若是,则确定1为候选答案。
上述基于深度学习的在线诊疗数据处理方法,能够实现在线诊疗中,医生不能及时回复时,启用辅助医疗进行辅助的场景,通过采集问诊过程中用户和医生的在线会话内容,提取在线会话内容的意图的医疗实体,从候选问题库中匹配相关问题,进而确定候选问题答案中与症状描述相关的候选答案作为辅助诊疗回复。由于在线诊疗回复综合考虑了会话内容的意图、医疗实体以及症状描述,使得输出的答案非千片一律,而是符合会话内容的,能够提高自动回复内容与患者需求匹配度。
在其中一个实施例中,所述获取所述相关问题的候选答案,从所述候选答案中确定与所述症状描述相关的匹配答案,输出作为所述在线会话内容的辅助诊疗回复,包括:获取所述相关问题的候选答案,根据所述症状描述从所述候选答案中确定匹配答案;根据所述场景特征,确定所述匹配答案对应的话术转换匹配答案,将所述话术转换匹配答案输出作为所述在线会话内容的辅助诊疗回复。
具体地,每个问题都预先设置了候选答案,一个问题有多个候选答案,通常至少包括是,否,不确定等三种答案。每种答案设置了相应的症状特点。以怀孕为例,候选答案包括:1、是的;2、现在还不太清楚;3、怀孕的症状是,你不符合这些症状,没有怀孕。对应的,答案1的症状特点包括:B超结果确诊为怀孕,抽血HCG结果显示为怀孕。答案二,语文描述有呕吐、月经推迟等症状。答案3,B超结果未显示怀孕,抽血HCG结果未显示为怀孕。若患者仅症状描述有呕吐、月经推迟,未提供相关检查结果,则匹配答案为答案2。
场景特征具体是指当前会话所处的场景,通常将医生问诊根据诊疗程序,分为问诊场景、诊断场景和开药场景。即使是同一问题的同一答案,在不同阶段需要采用不同的话术进行回复。
进一步地,对于每一个答案均设置了不同场景下的话术转换匹配答案,以适用于不同的场景。每个话术转换匹配答案设置有场景标签,在确定了匹配答案后,从候选答案中选择场景标签符合当前场景特征的话术转换匹配答案输出作为在线会话内容的回复。
以答案1“是的”为例,在问诊场景,话术转换匹配答案“是的,恭喜你,你怀孕了”。在开药场景,话术转换匹配答案“是的,回去要注意休息,等下会有一些补充剂开等你,要按时吃。”
由于匹配答案是根据场景特征进行话术转换过的特征,能够符合场景,可以使辅助诊疗回复灵活,贴合场景。
其中,所述获取所述相关问题的候选答案,根据所述症状描述从所述候选答案中确定匹配答案,包括:获取所述相关问题的候选答案,以及所述候选答案的症状特征;将所述症状描述与所述候选答案的症状特征进行匹配,从所述候选答案中确定符合所述症状描述的匹配答案。即将症状描述和候选答案的症状特征匹配,确定匹配答案。
在另一个实施例中,获取所述获取场景特征和症状描述的方式,包括:获取医生与所述患者对话的历史会话记录,所述历史会话记录包括医生历史记录和患者历史记录;获取诊疗的时序特征以及最近一条医生历史记录的内容特征;根据所述时序特征和所述内容特征确定所述场景特征;从所述患者历史记录中获取症状描述。
诊疗过程的特点是,前期医生通过询问问题了解患者的病情,在确定病情后,有比较长篇幅的回复患者的疑问,或是对患者解释病情相关内容。比如,在病情了解阶段,通常的问题是“哪里不舒服”,在了解病史阶段,通常的问题是“以前得过什么病吗?”在开药阶段,通常的问题是“对什么药过敏”。而患者在前期有较长篇幅回答,进行病情陈述,后期关心病情,提出一些疑问,如如何护理,如何吃药等等。基于诊疗过程的特点,确定诊疗的时序特征为:问诊-诊断-开药。
在此基础上,结合历史会话记录中的医生历史记录,可以窥见场景特征。具体地,获取最近一条回复医生历史记录的内容特征;根据所述时序特征和所述内容特征确定所述场景特征。其中,医生历史记录获取回复的时序特征经历了询问症状、了解病史、查看报告到给出确诊,但最后一条回复记录是关于如何护理的注意事项时,则可推测已确诊完毕,诊断处于开药场景。
而患者的病情症状均是由患者在诊疗沟通过程中向医生描述的,因此,通过患者历史记录可获取症状描述。
在辅助诊疗的实现中,核心算法是使用如图3所示的Tensorflow框架。基于Tensorflow API预定义的计算图,该框架可以自动对常见的深度网络进行优化求解。问答引擎的核心算法模块基于Albert预训练模型,构建了可支持意图识别、句式判定、命名实体识别和语义相似度排序的多任务深度学习模型。
Albert预训练模型是基于大规模语料训练得出的,具有较好的泛化性。该发明取出模型输出的[CLS]向量C,定义权重为W,然后使用log-softmax多分类函数log(softmax(CWT))进行分类预测。除此之外,将Albert模型输出的字向量特征表示平均就能得到句子的表示。
以在线会话内容为“我想知道怀孕了吗”为例,将话内容输入预先训练好的Albert预训练模型,通过模型分类,可确定语句内容为疑问句,并提取这句话的意图和医疗实体,进而通过DNN模型,从候选库中匹配满足意图和医疗实体的相关问题。从所述候选答案中确定与所述症状描述相关的匹配答案,输出作为所述在线会话内容的辅助诊疗回复。
其中,DNN模型是用来抽取结构化文字的特征,然后和已经抽取好的图像特征面向同样的特征进行优化,得到图一中蓝色的特征。该特征向量代表了图像和语义的共同特征,也就是多模态检索向量D,用于下一步的相似答案检索。相似度计算的公式为余弦相似度其中V为答案的特征向量,从候选答案中取相似度最高的TopN即可得到结果。
具体地,先找到与在线会话内容相似度最高的TOPN个候选问题,再在这TOPN个候选问题找到意图和医疗实体匹配的相关问题。获取所述相关问题的候选答案,根据所述症状描述从所述候选答案中确定匹配答案;
根据所述场景特征,确定所述匹配答案对应的话术转换匹配答案,将所述话术转换匹配答案输出作为所述在线会话内容的辅助诊疗回复。
应该理解的是,虽然图2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4所示,提供了一种在线诊疗数据处理装置,包括:
获取模块402,用于当接收到患者在互联网诊疗平台的在线会话内容时,若满足辅助诊疗条件,则根据历史会话内容,获取场景特征和症状描述;
提取模块404,用于当识别所述在线会话内容的语句类型为疑问句时,提取所述在线会话内容的意图和医疗实体;
问题匹配模块406,用于从候选问题库中匹配满足所述意图和医疗实体的相关问题;
输出模块408,用于获取所述相关问题的候选答案,从所述候选答案中确定与所述症状描述相关的匹配答案,输出作为所述在线会话内容的辅助诊疗回复。
上述在线诊疗数据处理装置,能够实现在线诊疗中,医生不能及时回复时,启用辅助医疗进行辅助的场景,通过采集问诊过程中用户和医生的在线会话内容,提取在线会话内容的意图的医疗实体,从候选问题库中匹配相关问题,进而确定候选问题答案中与症状描述相关的候选答案作为辅助诊疗回复。由于在线诊疗回复综合考虑了会话内容的意图、医疗实体以及症状描述,使得输出的答案非千片一律,而是符合会话内容的,能够提高自动回复内容与患者需求匹配度。
在其中一个实施例中,输出模块,包括:
匹配答案模块,用于获取所述相关问题的候选答案,根据所述症状描述从所述候选答案中确定匹配答案。
转换模块,用于根据所述场景特征,确定所述匹配答案对应的话术转换匹配答案,将所述话术转换匹配答案输出作为所述在线会话内容的辅助诊疗回复。
在另一个实施例中,输出模块,还用于当会话内容的语句类型为陈述句时,识别所述在线会话内容的会话类型,获取会话类型对应的回复作为所述在线会话内容的辅助诊疗回复。
在另一个实施例中,匹配模块,包括:
标签获取模块,获取所述候选库中各候选问题的意图标签和医疗实体标签。
标签匹配模块,用于根据所述意图标签和所述医疗实体标签,确定与所述在线会话内容的意图和医疗实体匹配的相关问题。
在另一个实施例中,匹配答案模块,包括:
症状特征获取模块,用于获取所述相关问题的候选答案,以及所述候选答案的症状特征。
症状匹配模块,用于将所述症状描述与所述候选答案的症状特征进行匹配,从所述候选答案中确定符合所述症状描述的匹配答案。
在另一个实施例中,获取模块,包括:
记录获取模块,用于获取医生与所述患者对话的历史会话记录,所述历史会话记录包括医生历史记录和患者历史记录。
内容特征获取模块,用于获取诊疗的时序特征以及最近一条医生历史记录的内容特征;
场景特征获取模块,用于根据所述时序特征和所述内容特征确定所述场景特征;
症状描述获取模块,用于从所述患者历史记录中获取症状描述。
在另一个实施例中,所述辅助诊疗条件包括以下至少一种:医生与患者的互动停止时长超过预设时长;医生已退出登录互联网诊疗平台;及医生启用了辅助诊疗。
关于在线诊疗数据处理装置的具体限定可以参见上文中对于在线诊疗数据处理方法的限定,在此不再赘述。上述在线诊疗数据处理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5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会话内容数据。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在线诊疗数据处理方法。
本领域技术人员可以理解,图5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:
当接收到患者在互联网诊疗平台的在线会话内容时,若满足辅助诊疗条件,则根据历史会话内容,获取场景特征和症状描述;
当识别所述在线会话内容的语句类型为疑问句时,提取所述在线会话内容的意图和医疗实体;
从候选问题库中匹配满足所述意图和医疗实体的相关问题;
获取所述相关问题的候选答案,从所述候选答案中确定与所述症状描述相关的匹配答案,输出作为所述在线会话内容的辅助诊疗回复。
在一个实施例中,所述获取所述相关问题的候选答案,从所述候选答案中确定与所述症状描述相关的匹配答案,输出作为所述在线会话内容的辅助诊疗回复,包括:
获取所述相关问题的候选答案,根据所述症状描述从所述候选答案中确定匹配答案;
根据所述场景特征,确定所述匹配答案对应的话术转换匹配答案,将所述话术转换匹配答案输出作为所述在线会话内容的辅助诊疗回复。
在一个实施例中,当会话内容的语句类型为陈述句时,识别所述在线会话内容的会话类型,获取会话类型对应的回复作为所述在线会话内容的辅助诊疗回复。
在一个实施例中,所述从候选问题库中匹配满足所述意图和医疗实体的相关问题,包括:
获取所述候选库中各候选问题的意图标签和医疗实体标签;
根据所述意图标签和所述医疗实体标签,确定与所述在线会话内容的意图和医疗实体匹配的相关问题。
在一个实施例中,所述获取所述相关问题的候选答案,根据所述症状描述从所述候选答案中确定匹配答案,包括:
获取所述相关问题的候选答案,以及所述候选答案的症状特征;
将所述症状描述与所述候选答案的症状特征进行匹配,从所述候选答案中确定符合所述症状描述的匹配答案。
在一个实施例中,获取所述获取场景特征和症状描述的方式,包括:
获取医生与所述患者对话的历史会话记录,所述历史会话记录包括医生历史记录和患者历史记录;
获取诊疗的时序特征以及最近一条医生历史记录的内容特征;
根据所述时序特征和所述内容特征确定所述场景特征;
从所述患者历史记录中获取症状描述。
在一个实施例中,所述辅助诊疗条件包括以下至少一种:医生与患者的互动停止时长超过预设时长;医生已退出登录互联网诊疗平台;及医生启用了辅助诊疗。
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:
当接收到患者在互联网诊疗平台的在线会话内容时,若满足辅助诊疗条件,则根据历史会话内容,获取场景特征和症状描述;
当识别所述在线会话内容的语句类型为疑问句时,提取所述在线会话内容的意图和医疗实体;
从候选问题库中匹配满足所述意图和医疗实体的相关问题;
获取所述相关问题的候选答案,从所述候选答案中确定与所述症状描述相关的匹配答案,输出作为所述在线会话内容的辅助诊疗回复。
在一个实施例中,所述获取所述相关问题的候选答案,从所述候选答案中确定与所述症状描述相关的匹配答案,输出作为所述在线会话内容的辅助诊疗回复,包括:
获取所述相关问题的候选答案,根据所述症状描述从所述候选答案中确定匹配答案;
根据所述场景特征,确定所述匹配答案对应的话术转换匹配答案,将所述话术转换匹配答案输出作为所述在线会话内容的辅助诊疗回复。
在一个实施例中,当会话内容的语句类型为陈述句时,识别所述在线会话内容的会话类型,获取会话类型对应的回复作为所述在线会话内容的辅助诊疗回复。
在一个实施例中,所述从候选问题库中匹配满足所述意图和医疗实体的相关问题,包括:
获取所述候选库中各候选问题的意图标签和医疗实体标签;
根据所述意图标签和所述医疗实体标签,确定与所述在线会话内容的意图和医疗实体匹配的相关问题。
在一个实施例中,所述获取所述相关问题的候选答案,根据所述症状描述从所述候选答案中确定匹配答案,包括:
获取所述相关问题的候选答案,以及所述候选答案的症状特征;
将所述症状描述与所述候选答案的症状特征进行匹配,从所述候选答案中确定符合所述症状描述的匹配答案。
在一个实施例中,获取所述获取场景特征和症状描述的方式,包括:
获取医生与所述患者对话的历史会话记录,所述历史会话记录包括医生历史记录和患者历史记录;
获取诊疗的时序特征以及最近一条医生历史记录的内容特征;
根据所述时序特征和所述内容特征确定所述场景特征;
从所述患者历史记录中获取症状描述。
在一个实施例中,所述辅助诊疗条件包括以下至少一种:医生与患者的互动停止时长超过预设时长;医生已退出登录互联网诊疗平台;及医生启用了辅助诊疗。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的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。
以上所述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)
1.一种在线诊疗数据处理方法,所述方法包括:
当接收到患者在互联网诊疗平台的在线会话内容时,根据医生和患者的互动情况判断是否满足辅助诊疗条件,所述辅助诊疗条件包括以下至少一种:医生与患者的互动停止时长超过预设时长、医生已退出登录互联网诊疗平台和/或医生启用了辅助诊疗;
若满足辅助诊疗条件,则执行以下步骤以自动获得辅助诊疗回复:
当Albert预训练模型识别所述在线会话内容的语句类型为疑问句时,提取所述在线会话内容的意图和医疗实体;
通过DNN模型找到与所述在线会话内容相似度最高的前N个候选问题,再从所述前N个候选问题中找到与所述在线会话内容的意图和医疗实体匹配的相关问题;
获取医生与所述患者对话的历史会话记录,所述历史会话记录包括医生历史记录和患者历史记录;获取诊疗的时序特征以及最近一条医生历史记录的内容特征;根据所述时序特征和所述内容特征确定场景特征;从所述患者历史记录中获取症状描述;所述场景特征包括问诊场景、诊断场景和开药场景;获取所述相关问题的候选答案,根据所述症状描述从所述候选答案中确定匹配答案;根据所述场景特征,确定所述匹配答案对应的话术转换匹配答案,将所述话术转换匹配答案输出作为所述在线会话内容的辅助诊疗回复。
2.根据权利要求1所述的方法,其特征在于,当会话内容的语句类型为陈述句时,识别所述在线会话内容的会话类型,获取会话类型对应的回复作为所述在线会话内容的辅助诊疗回复。
3.根据权利要求1所述的方法,其特征在于,所述从所述前N个候选问题中找到与所述在线会话内容的意图和医疗实体匹配的相关问题,包括:
获取各候选问题的意图标签和医疗实体标签;
根据所述各候选问题的意图标签和所述医疗实体标签,确定与所述在线会话内容的意图和医疗实体匹配的相关问题。
4.根据权利要求1所述的方法,其特征在于,所述获取所述相关问题的候选答案,根据所述症状描述从所述候选答案中确定匹配答案,包括:
获取所述相关问题的候选答案,以及所述候选答案的症状特征;
将所述症状描述与所述候选答案的症状特征进行匹配,从所述候选答案中确定符合所述症状描述的匹配答案。
5.一种在线诊疗数据处理装置,其特征在于,所述装置包括:
获取模块,用于当接收到患者在互联网诊疗平台的在线会话内容时,根据医生和患者的互动情况判断是否满足辅助诊疗条件,所述辅助诊疗条件包括以下至少一种:医生与患者的互动停止时长超过预设时长、医生已退出登录互联网诊疗平台和/或医生启用了辅助诊疗; 若满足辅助诊疗条件,则执行以下步骤以自动获得辅助诊疗回复:
提取模块,用于当Albert预训练模型识别所述在线会话内容的语句类型为疑问句时,提取所述在线会话内容的意图和医疗实体;
问题匹配模块,用于通过DNN模型找到与所述在线会话内容相似度最高的前N个候选问题,再从所述前N个候选问题中找到与所述在线会话内容的意图和医疗实体匹配的相关问题;
输出模块,用于获取医生与所述患者对话的历史会话记录,所述历史会话记录包括医生历史记录和患者历史记录;获取诊疗的时序特征以及最近一条医生历史记录的内容特征;根据所述时序特征和所述内容特征确定场景特征;从所述患者历史记录中获取症状描述;所述场景特征包括问诊场景、诊断场景和开药场景;获取所述相关问题的候选答案,根据所述症状描述从所述候选答案中确定匹配答案;根据所述场景特征,确定所述匹配答案对应的话术转换匹配答案,将所述话术转换匹配答案输出作为所述在线会话内容的辅助诊疗回复。
6.根据权利要求5所述的装置,其特征在于,所述装置还包括:症状特征获取模块,用于获取所述相关问题的候选答案,以及所述候选答案的症状特征;
症状匹配模块,用于将所述症状描述与所述候选答案的症状特征进行匹配,从所述候选答案中确定符合所述症状描述的匹配答案。
7.根据权利要求5所述的装置,其特征在于,输出模块,还用于当会话内容的语句类型为陈述句时,识别所述在线会话内容的会话类型,获取会话类型对应的回复作为所述在线会话内容的辅助诊疗回复。
8.根据权利要求5所述的装置,其特征在于,所述问题匹配模块,包括:
标签获取模块,用于获取各候选问题的意图标签和医疗实体标签;
标签匹配模块,用于根据所述各候选问题的意图标签和所述医疗实体标签,确定与所述在线会话内容的意图和医疗实体匹配的相关问题。
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。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010899845.4A CN112037904B (zh) | 2020-08-31 | 2020-08-31 | 在线诊疗数据处理方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010899845.4A CN112037904B (zh) | 2020-08-31 | 2020-08-31 | 在线诊疗数据处理方法、装置、计算机设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112037904A CN112037904A (zh) | 2020-12-04 |
CN112037904B true CN112037904B (zh) | 2023-07-18 |
Family
ID=73586711
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010899845.4A Active CN112037904B (zh) | 2020-08-31 | 2020-08-31 | 在线诊疗数据处理方法、装置、计算机设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112037904B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115083624A (zh) * | 2021-03-11 | 2022-09-20 | 海信集团控股股份有限公司 | 在线问诊方法、用户服务器及用户终端设备 |
CN113254613A (zh) * | 2021-05-24 | 2021-08-13 | 深圳壹账通智能科技有限公司 | 对话问答方法、装置、设备及存储介质 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107506372A (zh) * | 2017-07-11 | 2017-12-22 | 哈尔滨工业大学深圳研究生院 | 一种机器人客服在混合类型会话下的自动会话切换方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105068661B (zh) * | 2015-09-07 | 2018-09-07 | 百度在线网络技术(北京)有限公司 | 基于人工智能的人机交互方法和系统 |
US20190065498A1 (en) * | 2017-08-29 | 2019-02-28 | Chirrp, Inc. | System and method for rich conversation in artificial intelligence |
CN108959582A (zh) * | 2018-07-09 | 2018-12-07 | 东莞理工学院 | 一种人工智能辅助问诊系统及使用方法 |
-
2020
- 2020-08-31 CN CN202010899845.4A patent/CN112037904B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107506372A (zh) * | 2017-07-11 | 2017-12-22 | 哈尔滨工业大学深圳研究生院 | 一种机器人客服在混合类型会话下的自动会话切换方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112037904A (zh) | 2020-12-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2021068321A1 (zh) | 基于人机交互的信息推送方法、装置和计算机设备 | |
CN112036154B (zh) | 基于问诊对话的电子病历生成方法、装置和计算机设备 | |
US10438586B2 (en) | Voice dialog device and voice dialog method | |
WO2021174728A1 (zh) | 分诊数据处理方法、装置、计算机设备及存储介质 | |
KR102298330B1 (ko) | 음성인식과 자연어 처리 알고리즘을 통해 의료 상담 요약문과 전자 의무 기록을 생성하는 시스템 | |
CN112037904B (zh) | 在线诊疗数据处理方法、装置、计算机设备和存储介质 | |
CN111259111B (zh) | 基于病历的辅助决策方法、装置、电子设备和存储介质 | |
CN112287068B (zh) | 基于人工智能的问诊对话数据处理方法及装置 | |
CN111710383A (zh) | 病历质控方法、装置、计算机设备和存储介质 | |
WO2020053172A1 (en) | Invoking chatbot in online communication session | |
US11875114B2 (en) | Method and system for extracting information from a document | |
CN116340778B (zh) | 基于多模态的医疗大模型构建方法及其相关设备 | |
CN112837772A (zh) | 一种预问诊病历生成方法及装置 | |
CN107766498B (zh) | 用于生成信息的方法和装置 | |
CN117373602A (zh) | 病历生成方法和装置 | |
CN110377618B (zh) | 裁决结果分析方法、装置、计算机设备和存储介质 | |
US10410655B2 (en) | Estimating experienced emotions | |
CN111429991A (zh) | 药品预测方法、装置、计算机设备及存储介质 | |
WO2023124837A1 (zh) | 问诊处理方法、装置、设备及存储介质 | |
CN110931002A (zh) | 人机交互方法、装置、计算机设备和存储介质 | |
CN116719840A (zh) | 一种基于病历后结构化处理的医疗信息推送方法 | |
CN114913995A (zh) | 自助就诊方法、装置、设备及存储介质 | |
KR102306953B1 (ko) | 음성인식 기반 진료 지원 방법 | |
CN113761899A (zh) | 一种医疗文本生成方法、装置、设备及存储介质 | |
CN114238715A (zh) | 基于社会救助的问答系统、构建方法、计算机设备及介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |