CN112837813A - 自动问诊方法及装置 - Google Patents
自动问诊方法及装置 Download PDFInfo
- Publication number
- CN112837813A CN112837813A CN201911163977.4A CN201911163977A CN112837813A CN 112837813 A CN112837813 A CN 112837813A CN 201911163977 A CN201911163977 A CN 201911163977A CN 112837813 A CN112837813 A CN 112837813A
- Authority
- CN
- China
- Prior art keywords
- information
- disease
- inquiry
- diseases
- user
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 52
- 201000010099 disease Diseases 0.000 claims abstract description 274
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims abstract description 274
- 208000024891 symptom Diseases 0.000 claims description 54
- 238000000605 extraction Methods 0.000 claims description 22
- 238000004393 prognosis Methods 0.000 claims description 7
- 230000000977 initiatory effect Effects 0.000 claims description 2
- 238000004891 communication Methods 0.000 description 11
- 238000012545 processing Methods 0.000 description 11
- 238000010586 diagram Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 6
- 238000006243 chemical reaction Methods 0.000 description 4
- 239000003814 drug Substances 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 230000005236 sound signal Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 238000012937 correction Methods 0.000 description 3
- 239000000284 extract Substances 0.000 description 3
- 238000001914 filtration Methods 0.000 description 3
- 230000003993 interaction Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 208000035473 Communicable disease Diseases 0.000 description 2
- 206010019233 Headaches Diseases 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 229940079593 drug Drugs 0.000 description 2
- 230000002349 favourable effect Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 231100000869 headache Toxicity 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000003825 pressing Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 208000035143 Bacterial infection Diseases 0.000 description 1
- 208000010201 Exanthema Diseases 0.000 description 1
- 206010017533 Fungal infection Diseases 0.000 description 1
- 208000031888 Mycoses Diseases 0.000 description 1
- 208000035977 Rare disease Diseases 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 208000022362 bacterial infectious disease Diseases 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 201000005884 exanthem Diseases 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 208000014674 injury Diseases 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 230000001717 pathogenic effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000002085 persistent effect Effects 0.000 description 1
- 206010037844 rash Diseases 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000000241 respiratory effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000000153 supplemental effect Effects 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
- 230000008733 trauma Effects 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
Images
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
- 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
- G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
-
- 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
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- Biomedical Technology (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Pathology (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明公开了一种自动问诊方法及装置，所述方法包括：接收用户的输入信息；对所述输入信息进行信息抽取，得到病症信息；确定所述病症信息是否完整；如果否，则针对所述病症信息中缺少的信息进行询问，并根据用户的回答进行信息补全，直至得到完整的病症信息；根据所述完整的病症信息确定预判疾病；如果所述预判疾病只有一种，则获取并输出问诊结果；如果所述预判疾病有多种，则获取对应所述预判疾病的询问信息，输出所述询问信息。利用本发明，可以提高问诊效率及问诊结果的准确性。
Description
技术领域
本发明涉及问答系统领域，具体涉及一种自动问诊方法及装置。
背景技术
问答系统是信息检索系统的一种高级形式，它不仅能够向用户提供更加自然的人机交互方式，而且可以直接向用户返回问题的答案，帮助用户快速准确地获取所需信息，是目前人工智能和自然语言处理领域中一个倍受关注并具有广泛发展前景的研究方向。不同的应用需要不同形式的问答系统，为此，在医疗领域出现了一些自动问诊系统。但现有的自动问诊产品大都是针对用户输入的信息，给出选项让用户选择，然后再根据用户的选择给出新的选项，直到结束时给出问诊结果。这种方式存在以下缺点：1)流程冗长且枯燥，效率低；2)给出的选项有时不能准确描述用户问题，导致问诊结果准确度不高。
发明内容
本发明实施例提供一种自动问诊方法及装置，以提高问诊效率及问诊结果的准确性。
为此，本发明提供如下技术方案：
一种自动问诊方法，所述方法包括：
接收用户的输入信息；
对所述输入信息进行信息抽取，得到病症信息；
确定所述病症信息是否完整；
如果否，则针对所述病症信息中缺少的信息进行询问，并根据用户的回答进行信息补全，直至得到完整的病症信息；
根据所述完整的病症信息确定预判疾病；
如果所述预判疾病只有一种，则获取并输出问诊结果；
如果所述预判疾病有多种，则获取对应所述预判疾病的询问信息，输出所述询问信息。
可选地，所述确定所述病症信息是否完整包括：
确定根据所述病症信息是否能确定到唯一的疾病类型；
如果是，则确定所述病症信息完整；
否则，确定所述病症信息不完整。
可选地，所述方法还包括：
获取根据所述病症信息确定得到的候选疾病的所有症状；
确定各症状的区分度及权重，并根据所述症状的区分度及权重计算得到所述症状的得分；
所述针对所述病症信息中缺少的信息进行询问包括：
选择得分最高的症状进行询问。
可选地，所述方法还包括：
如果对所述输入信息进行信息抽取未得到病症信息，则引导用户重新输入。
可选地，所述引导用户重新输入包括：
提示用户重新输入详细内容；或者
向用户发起提问，以使用户根据提问内容重新输入。
可选地，所述根据所述完整的病症信息确定预判疾病包括：
根据所述完整的病症信息查找预先建立的医疗知识图谱，确定预判疾病。
可选地，所述预判疾病有多种；所述方法还包括：
利用预先建立的实体预测模型从所述多种预判疾病中选出一种预判疾病。
可选地，所述获取对应所述预判疾病的询问信息包括：
从所述医疗知识图谱中获取所述多种预判疾病的所有询问信息，并确定其中对应每种预判疾病的非共同询问信息。
可选地，所述输出所述询问信息包括：同时输出对应每种预测疾病的非共同询问信息；
所述方法还包括：
在接收到用户针对所述非共同询问信息的输入信息后，对所述输入信息进行信息抽取，得到辅助信息；
确定所述辅助信息是否完整；
如果是，则根据所述完整的辅助信息，确定并输出问诊结果；
否则，引导用户重新输入。
可选地，所述输出所述询问信息包括：
确定所述多种预判疾病中的各种预判疾病的概率；
依照概率由高到低依次输出对应一种预判疾病的非共同询问信息；
所述方法还包括：
在接收到用户针对所述非共同信息的输入信息后，对所述输入信息进行信息抽取，得到补充信息；
确定所述补充信息是否完整；
如果所述补充信息不完整，则继续输出下一种预判疾病的非共同询问信息，直至所有非共同询问信息输出完毕；
在得到完整的补充信息后，根据所述完整的补充信息，确定并输出问诊结果。
可选地，所述输出问诊结果包括：
将所述问诊结果转换为自然语言文本；
输出所述自然语言文本。
可选地，所述将所述问诊结果转换为自然语言文本包括：
将所述问诊结果填充到预设模板中，得到自然语言文本；或者
将所述问诊结果输入预先建立的询问模型，根据所述询问模型的输出得到自然语言文本。
一种自动问诊装置，所述装置包括：
接收模块，用于接收用户的输入信息；
信息抽取模块，用于对所述输入信息进行信息抽取，得到病症信息；
判断模块，用于确定所述病症信息是否完整；
反馈模块，用于在所述判断模块确定所述病症信息不完整时，针对所述病症信息中缺少的信息进行询问，并根据用户的回答进行信息补全，直至得到完整的病症信息；
预测模块，用于根据所述完整的病症信息确定预判疾病；
信息获取模块，用于在所述预判疾病只有一种时，获取问诊结果；在所述预判疾病有多种时，获取对应所述预判疾病的询问信息；
输出模块，用于输出所述问诊结果或所述询问信息。
可选地，所述判断模块，具体用于确定根据所述病症信息是否能确定到唯一的疾病类型；如果是，则确定所述病症信息完整；否则，确定所述病症信息不完整。
可选地，所述装置还包括：
症状获取模块，用于获取根据所述病症信息确定得到的候选疾病的所有症状；
得分确定模块，用于确定各症状的区分度及权重，并根据所述症状的区分度及权重计算得到所述症状的得分；
所述反馈模块选择得分最高的症状进行询问。
可选地，所述装置还包括：
引导模块，用于在所述信息抽取模块对所述输入信息进行信息抽取未得到病症信息时，引导用户重新输入。
可选地，所述引导模块，具体用于通过以下方式引导用户重新输入：提示用户重新输入详细内容；或者向用户发起提问，以使用户根据提问内容重新输入。
可选地，所述预测模块包括：图谱查询模块，用于根据所述完整的病症信息查找预先建立的医疗知识图谱，确定预判疾病。
可选地，所述预判疾病有多种；所述预测模块还包括：
过滤模块，用于利用预先建立的实体预测模型从所述多种预判疾病中选出一种预判疾病。
可选地，所述信息获取模块，具体用于从所述医疗知识图谱中获取所述多种预判疾病的所有询问信息，并确定其中对应每种预判疾病的非共同询问信息。
可选地，所述输出模块，还用于同时输出对应每种预测疾病的非共同询问信息；
所述信息抽取模块，还用于在所述接收模块接收到用户针对所述非共同询问信息的输入信息后，对所述输入信息进行信息抽取，得到辅助信息；
所述判断模块，还用于确定所述辅助信息是否完整；
所述预测模块，还用于在所述判断模块确定所述辅助信息完整时，根据所述完整的辅助信息，确定最终疾病；
所述信息获取模块，还用于获取对应所述最终疾病的问诊结果；
所述输出模块，还用于输出所述问诊结果；
所述引导模块，还用于在所述判断模块确定所述辅助信息不完整时，引导用户重新输入。
可选地，所述装置还包括：
概率计算模块，用于确定所述多种预判疾病中的各种预判疾病的概率；
所述输出模块，还用于依照概率由高到低依次输出对应一种预判疾病的非共同询问信息；
所述信息抽取模块，还用于在所述接收模块接收到用户针对所述非共同信息的输入信息后，对所述输入信息进行信息抽取，得到补充信息；
所述判断模块，还用于确定所述补充信息是否完整；
所述输出模块，还用于在所述判断模块确定所述补充信息不完整时，继续输出下一种预判疾病的非共同询问信息，直至所有非共同询问信息输出完毕；
所述预测模块，还用于在得到完整的补充信息后，根据所述完整的补充信息，确定最终疾病；
所述信息获取模块，还用于获取对应所述最终疾病的问诊结果；
所述输出模块，还用于输出所述问诊结果。
可选地，所述输出模块包括：
文本转换单元，用于将所述询问信息或所述问诊结果转换为自然语言文本；
文本输出单元，用于输出所述自然语言文本。
可选地，所述文本转换单元包括：
模板填充单元，用于将所述询问信息或所述问诊结果填充到预设模板中，得到自然语言文本；或者
文本生成单元，用于将所述询问信息或所述问诊结果输入预先建立的询问模型，根据所述询问模型的输出得到自然语言文本。
一种计算机设备，包括：一个或多个处理器、存储器；
所述存储器用于存储计算机可执行指令，所述处理器用于执行所述计算机可执行指令，以实现前面所述的方法。
一种可读存储介质，其上存储有指令，所述指令被执行以实现前面所述的方法。
本发明实施例提供的自动问诊方法及装置，在接收到用户的输入信息后，对所述输入信息进行信息抽取，得到病症信息。如果抽取得到的病症信息不完整，则针对其中缺少的信息进行询问，并根据用户的回答进行信息补全，直至得到完整的病症信息。针对完整的病症信息，利用预先建立的医疗知识图谱，查找得到可能的预判疾病，进而依据预判疾病获取对应的问诊结果或询问信息并输出根据所述询问信息确定并输出问诊结果。
进一步地，在预判疾病包括多种的情况下，向用户展现这些预判疾病的非共同询问信息，根据用户针对所述非共同询问信息的输入信息得到相应的辅助信息或补充信息，进而根据所述辅助信息或补充信息得到并输出最终的问疹结果。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明中记载的一些实施例，对于本领域普通技术人员来讲，还可以根据这些附图获得其他的附图。
图1是本发明实施例自动问诊方法的一种流程图；
图2是本发明实施例自动问诊方法的另一种流程图；
图3是本发明实施例自动问诊方法的另一种流程图；
图4是本发明实施例自动问诊装置的一种结构框图；
图5是根据一示例性实施例示出的一种用于自动问诊方法的装置的框图；
图6是本发明实施例中服务器的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明实施例的方案，下面结合附图和实施方式对本发明实施例作进一步的详细说明。
本发明实施例提供一种自动问诊方法及系统，在接收到用户的输入信息后，对所述输入信息进行信息抽取，得到病症信息。如果抽取得到的病症信息不完整，则针对其中缺少的信息进行询问，并根据用户的回答进行信息补全，直至得到完整的病症信息。针对完整的病症信息，利用预先建立的医疗知识图谱，查找得到可能的预判疾病，进而依据预判疾病获取对应的询问信息，根据所述询问信息确定并输出问诊结果。
如图1所示，是本发明实施例自动问诊方法的一种流程图，包括以下步骤：
步骤101，接收用户的输入信息。
步骤102，对所述输入信息进行信息抽取，得到病症信息。
用户的输入信息通常为自然语言模式，需要从中抽取出一些与疾病判断所需的相关信息，为了描述方便，将所述相关信息称为病症信息。
在本发明实施例中，所述病症信息包括用户信息和病情信息。其中所述用户信息包括但不限于以下任意一种或多种信息：性别、年龄，还可进一步包括生活环境、工作种类等一些有助于判断疾病的辅助信息；所述病情信息包括但不限于：症状、病史等信息。
信息抽取可以采用现有技术，比如可以利用CRF++模型进行相关医疗实体抽取。另外，考虑到有时针对同一病症可以有多种不同的表述方式或相应的术语，因此为了使抽取到的病症信息更规范化，还可进一步利用相关词典(比如同义词词典、近义词词典等)和TFIDF+SVM模型对抽取到的病症信息进行标准化处理，得到标准化的病症信息。
例如，用户的输入信息为“我头疼的不行了”，抽取得到的病症信息为：“头疼”，标记为“症状”。
步骤103，确定所述病症信息是否完整；如果是，则执行步骤104；否则，执行步骤109。
所述病症信息是否完整的判断标准可以根据每种疾病的特点来确定，具体可以根据抽取到的病症信息是否能确定到唯一的疾病类型来判断。所述疾病类型可以根据不同的标准来划分，比如医院科室、国家标准、国际标准等，对此本发明实施例不做限定。例如按发病部位可以分为眼睛、手、足、心脏等；按科室可分为眼科、内科、呼吸科等；按发病群体可以分为不同年龄段、不同性别的疾病；按发病原因可以分为细菌感染、真菌感染、外伤等；按传染性可以分为高传染性疾病、低传染性疾病等。
步骤104，根据所述完整的病症信息确定预判疾病。
在本发明实施例，可以预先建立医疗知识图谱，通过查找该医疗知识图谱，确定与所述完整的病症信息相对应的疾病，即所述预判疾病。
所述医疗知识图谱是纯知识性图谱，可以通过现有的医疗知识和关系来建立。
其内容包括但不限于以下内容：疾病、疾病所表现的症状、疾病对应的性别、年龄、针对疾病的询问信息(例如病史、工作种类、生活习惯等)等内容。
需要说明的是，由于有一些不同疾病会有一些相同的症状，因此，根据所述完整的病症信息查找该医疗知识图谱得到的预判疾病可能有一种或多种。如果只有一种，则后续可以只针对这一种疾病进行询问；如果有多种，则可以利用预先建立的实体预测模型从所述多种预判疾病中选出一种预判疾病。具体地，利用所述实体预测模型计算其中每种疾病的概率，然后将概率最高的一种作为查找得到的预判疾病。因为一些症状相同的不同疾病，其本身发生的概率不一样，比如有常见病和罕见病发生的概率会有很大不同。所述实体预测模型的训练可以通过现有的医疗问答数据训练得到。
另外，需要说明的是，在实际应用中，用户的输入信息中可能还有用户否认的病症信息，为此，在本发明方法另一实施例中，还可以将这些信息抽取出来作为参考信息，在利用所述医疗知识图谱进行查找时，可以综合这些参考信息，排除掉含有所述参考信息对应症状的疾病。
步骤105，确定所述预判疾病是否只有一种。如果是，则执行步骤106；否则，执行步骤107。
步骤106，获取并输出问诊结果。
所述问诊结果可以从所述医疗知识图谱中获取。
步骤107，获取对应所述预判疾病的询问信息。
具体地，可以直接从所述医疗知识图谱中获取对应所述预判疾病的询问信息。
步骤108，输出所述询问信息。
步骤109，针对所述病症信息中缺少的信息进行询问；然后执行步骤101至步骤103，即继续接收用户的输入信息，并根据用户的回答进行信息补全，直至得到完整的病症信息。
根据抽取到的病症信息可能确定到有多种可能疾病，在这种情况下，可以查找最具有区分度且常见度最高的症状进行提问。区分度高有利于减少对话轮次以提升效率，常见度高有利于用户回答提升用户体验。
具体地，可以获取根据所述病症信息确定得到的候选疾病的所有症状；确定各症状的区分度及权重；根据各症状的区分度及权重计算得到所述症状的得分；然后选择得分最高的症状进行询问。
各症状的区分度及权重可以按照以下方式确定：假设疾病数为a。查找所有与所述多种可能疾病相关的所有症状的常见度，并用Softmax函数处理这些常见度，得到的结果作为各个症状的权重w。再统计每个症状出现在全部疾病中的次数，假设为b，则每个症状对应的区分度为a-b，将所有症状的区分度用Softmax函数处理，之后与其对应的权重w相乘，得到每个症状的得分。
各症状的区分度及权重还可以按照以下方式确定：利用统计分布方法计算得到各症状相对于多种可能疾病的分布，并利用该分布进行计算，得到各症状的区分度及权重。
在有些情况下，可能从用户首轮输入信息中未抽取到任何病症信息，针对这种情况，可以引导用户重新输入，比如，提示用户重新输入详细内容；或者向用户发起提问，以使用户根据提问内容重新输入等。
需要说明的是，在上述步骤104中，根据所述医疗知识图谱查找确定预判疾病时，查找到的预判疾病可能有一种或多种。
如果查找到的预判疾病只有一种，则在步骤106中，可以直接输出对应该预判疾病的询问信息，即将该询问信息作为最终的问诊结果。。
如果查找到的预判疾病有多种，则在上述步骤107中，需要从所述医疗知识图谱中获取所述多种预判疾病的所有询问信息。
相应地，在输出所述询问信息时，采用多种方式，下面结合图2和图3做详细说明。
如图2所示，是本发明实施例自动问诊方法的另一种流程图，包括以下步骤：
步骤201，接收用户的输入信息。
步骤202，对所述输入信息进行信息抽取，得到病症信息。
步骤203，确定所述病症信息是否完整；如果是，则执行步骤204；否则，执行步骤207。
步骤204，根据所述完整的病症信息确定预判疾病，得到多种预判疾病。
步骤205，获取所述多种预判疾病的所有询问信息，并确定其中对应每种预判疾病的非共同询问信息。
步骤206，同时输出对应每种预判疾病的非共同询问信息。
步骤207，在接收到用户针对所述非共同询问信息的输入信息后，对所述输入信息进行信息抽取，得到辅助信息。
步骤208，确定所述辅助信息是否完整。如果是，则执行步骤209；否则，执行步骤210。
需要说明的是，针对不同的疾病，所述辅助信息的数量及内容可以不同，具体可以根据各种疾病的需要来确定。
步骤209，根据所述完整的辅助信息，确定并输出问诊结果。
步骤210，引导用户重新输入。然后返回步骤207。
步骤211，针对所述病症信息中缺少的信息进行询问；然后执行步骤201至步骤203，即继续接收用户的输入信息，并根据用户的回答进行信息补全，直至得到完整的病症信息。
在该实施例中，在查找得到多种预判疾病后，将这些预判疾病的非共同询问信息同时输出，然后，即可根据用户针对所述非共同询问信息的输入信息，抽取到完整的辅助信息，利用所述辅助信息确定最终的疾病，进而得到相应的问诊结果。
如图3所示，是本发明实施例自动问诊方法的另一种流程图，包括以下步骤：
步骤301，接收用户的输入信息。
步骤302，对所述输入信息进行信息抽取，得到病症信息。
步骤303，确定所述病症信息是否完整；如果是，则执行步骤304；否则，执行步骤307。
步骤304，根据所述完整的病症信息确定预判疾病，得到多种预判疾病。
步骤305，获取所述多种预判疾病的所有询问信息，并确定其中对应每种预判疾病的非共同询问信息。
步骤306，确定所述多种预判疾病中的各种预判疾病的概率。
各种预判疾病的概率可以利用前面提到的实体预测模型计算得到。
步骤307，依照概率由高到低依次输出对应一种预判疾病的非共同询问信息。
步骤308，在接收到用户针对所述非共同信息的输入信息后，对所述输入信息进行信息抽取，得到补充信息。
步骤309，确定所述补充信息是否完整。如果是，则执行步骤310；否则，返回步骤307。
步骤310，根据所述完整的补充信息，确定并输出问诊结果。
步骤311，针对所述病症信息中缺少的信息进行询问。
在该实施例中，在查找得到多种预判疾病后，获取这些预判疾病的非共同询问信息，并确定所述多种预判疾病中的各种预判疾病的概率，然后依照概率由高到低依次输出对应一种预判疾病的非共同询问信息，直到得到完整的补充信息。在得到完整的补充信息后，利用所述补充信息确定最终的疾病，进而得到相应的问诊结果。
需要说明的是，所述医疗知识图谱中的询问信息可以是病史、工作种类、生活习惯等可以用来辅助确定疾病的信息。所述问诊结果可以是确诊的疾病、就诊的科室、需要检查的项目、用药建议、生活习惯建议等有助于治疗或减轻用户症状的信息。
为此，在上述各实施例中，可以直接将所述询问信息和所述问疹结果输出，也可以先对其进行处理，使输出的内容更具自然对话的特点。具体地，可以将所述询问信息和所述问诊结果转换为自然语言文本，然后再输出所述自然语言文本。
以询问信息为例，将所述询问信息转换为自然语言文本可以采用以下任意一种方式：
1)将所述询问信息填充到预设模板中，得到自然语言文本；
2)将所述询问信息输入预先建立的询问模型，根据所述询问模型的输出得到自然语言文本。
同样，所述问诊结果转换为自然语言文本的方式与上面相同，在此不再详细描述。
另外，需要说明的是，在本发明另一实施例中，还可在输出问诊结果时，还可以提示用户对输出的问诊结果是否满意进行反馈，比如通过选择控件等方式提示用户。如果接收到用户满意的反馈信息，则结束本次问诊；如果接收到用户不满意的反馈信息，则可继续引导用户输入更多的信息。
本发明实施例提供的自动问诊方法，在接收到用户的输入信息后，对所述输入信息进行信息抽取，得到病症信息。如果抽取得到的病症信息不完整，则针对其中缺少的信息进行询问，并根据用户的回答进行信息补全，直至得到完整的病症信息。针对完整的病症信息，利用预先建立的医疗知识图谱，查找得到可能的预判疾病，进而依据预判疾病获取对应的问诊结果或询问信息，并输出根据所述询问信息确定并输出问诊结果。
相应地，本发明实施例还提供一种自动问诊装置，如图4所示，是该装置的一种结构框图。
在该实施例中，所述装置包括以下各模块：
接收模块401，用于接收用户的输入信息；
信息抽取模块402，用于对所述输入信息进行信息抽取，得到病症信息；
判断模块403，用于确定所述病症信息是否完整；具体可以根据抽取到的病症信息是否能确定到唯一的疾病类型来判断；如果是，则确定所述病症信息完整；否则，确定所述病症信息不完整；
反馈模块404，用于在所述判断模块403确定所述病症信息不完整时，针对所述病症信息中缺少的信息进行询问，并根据用户的回答进行信息补全，直至得到完整的病症信息；
预测模块405，用于根据所述完整的病症信息确定预判疾病；
信息获取模块406，用于在所述预判疾病只有一种时，获取问诊结果；在所述预判疾病有多种时，获取对应所述预判疾病的询问信息；
输出模块407，用于输出所述问诊结果或所述询问信息。
在本发明实施例中，所述病症信息包括用户信息和病情信息，比如：性别、年龄、症状、病史等信息。
前面提到，判断模块403在不能确定到唯一的疾病类型时，表明所述病症信息不完整，此时确定到的疾病类型会有多种。相应地，所述反馈模块404在所述判断模块403确定所述病症信息不完整时，需要针对所述病症信息中缺少的信息进行询问。
在一种具体实施例中，所述反馈模块404可以根据这些疾病中的各症状的得分来确定需要询问的内容。
相应地，在该实施例中，可以设置症状获取模块和得分确定模块，其中：
所述症状获取模块，用于获取根据所述病症信息确定得到的候选疾病的所有症状；
所述得分确定模块，用于确定各症状的区分度及权重，并根据所述症状的区分度及权重计算得到所述症状的得分；所述各症状的区分度及权重的计算可以参照前面本发明方法实施例中的说明，在此不再赘述。
相应地，所述反馈模块404从所述所有症状中选择得分最高的症状进行询问。当然，可以直接输出得分最高的症状信息，也可以将所述症状信息填入相应的模板中，得到并输出自然语言文本等，对此本发明实施例不做限定。
在有些情况下，所述信息抽取模块402可能从用户首轮输入信息中未抽取到任何病症信息，针对这种情况，在本发明装置另一实施例中，还可以设置引导模块(未图示)，用于在所述信息抽取模块402对所述输入信息进行信息抽取未得到病症信息时，引导用户重新输入。比如：提示用户重新输入详细内容；或者向用户发起提问，以使用户根据提问内容重新输入。当然，在实际应用中，也可以将所述引导模块与所述反馈模块404集成于一体，对此本发明实施例不做限定。
所述预测模块405具体通过查找预先建立的医疗知识图谱，确定与所述完整的病症信息相对应的疾病，即所述预判疾病。所述医疗知识图谱在前面已有详细说明，在此不再赘述。
由于有一些不同疾病会有一些相同的症状，因此，根据所述完整的病症信息查找该医疗知识图谱得到的预判疾病可能有一种或多种。为此，在一种具体实现方式中，所述预测模块405包括：图谱查询模块，用于根据所述完整的病症信息查找预先建立的医疗知识图谱，确定预判疾病。在另一种具体实现方式中，所述预测模块405不仅可以包括上述图谱查询模块，还可包括过滤模块，用于利用预先建立的实体预测模型从所述多种预判疾病中选出一种预判疾病。具体地，利用所述实体预测模型计算其中每种疾病的概率，然后将概率最高的一种作为查找得到的预判疾病。
相应地，所述信息获取模块406具体可以从所述医疗知识图谱中获取所述多种预判疾病的所有询问信息，并确定其中对应每种预判疾病的非共同询问信息。
需要说明的是，在一种实施例中，可以利用上述过滤模块从多种预判疾病中选择概率最高的一种作为查找得到的预判疾病。在其它实现方式中，还可通过进一步询问的方式，即由所述输出模块407输出询问信息，并根据用户针对所述询问信息的输入信息，确定最终的疾病。
所述输出模块407输出询问信息也可以有多种方式，比如：
在一种实施例中，所述输出模块407同时输出对应每种预测疾病的非共同询问信息。
相应地，在该实施例中，所述信息抽取模块402还用于在所述接收模块401接收到用户针对所述非共同询问信息的输入信息后，对所述输入信息进行信息抽取，得到辅助信息。所述判断模块403还用于确定所述辅助信息是否完整。
相应地，所述预测模块405还用于在所述判断模块403确定所述辅助信息完整时，根据所述完整的辅助信息，确定最终疾病。
相应地，所述信息获取模块406还用于获取对应所述最终疾病的问诊结果。所述输出模块407还用于输出所述问诊结果。
在该实施例中，在所述判断模块403确定所述辅助信息不完整时，还可以由前面提到的引导模块引导用户重新输入。
在一种实施例中，所述装置还包括：概率计算模块(未图示)，用于确定所述多种预判疾病中的各种预判疾病的概率。相应地，所述输出模块407依照概率由高到低依次输出对应一种预判疾病的非共同询问信息。
相应地，在该实施例中，所述信息抽取模块402还用于在所述接收模块401接收到用户针对所述非共同信息的输入信息后，对所述输入信息进行信息抽取，得到补充信息。所述判断模块403还用于确定所述补充信息是否完整。所述输出模块407还用于在所述判断模块403确定所述补充信息不完整时，继续输出下一种预判疾病的非共同询问信息，直至所有非共同询问信息输出完毕。
相应地，所述预测模块405还用于在得到完整的补充信息后，根据所述完整的补充信息，确定最终疾病。
相应地，所述信息获取模块406还用于获取对应所述最终疾病的问诊结果。所述输出模块407还用于输出所述问诊结果。
需要说明的是，所述医疗知识图谱中的询问信息可以是病史、工作种类、生活习惯等可以用来辅助确定疾病的信息。所述问诊结果可以是确诊的疾病、就诊的科室、需要检查的项目、用药建议、生活习惯建议等有助于治疗或减轻用户症状的信息。
为此，在实际应用中，所述输出模块407可以直接将所述询问信息和所述问疹结果输出，也可以先对其进行处理，使输出的内容更具自然对话的特点。
所述输出模块407具体可以包括以下各单元：
文本转换单元，用于将所述询问信息或所述问诊结果转换为自然语言文本；
文本输出单元，用于输出所述自然语言文本。
其中，所述文本转换单元可以包括：
模板填充单元，用于将所述询问信息或所述问诊结果填充到预设模板中，得到自然语言文本；或者
文本生成单元，用于将所述询问信息或所述问诊结果输入预先建立的询问模型，根据所述询问模型的输出得到自然语言文本。
本发明实施例提供的自动问诊装置，在接收到用户的输入信息后，对所述输入信息进行信息抽取，得到病症信息。如果抽取得到的病症信息不完整，则针对其中缺少的信息进行询问，并根据用户的回答进行信息补全，直至得到完整的病症信息。针对完整的病症信息，利用预先建立的医疗知识图谱，查找得到可能的预判疾病，进而依据预判疾病获取对应的问诊结果或询问信息，并输出根据所述询问信息确定并输出问诊结果。
关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。
需要说明的是，本发明实施例的方法及装置，可以应用于各种终端设备中，比如手机、计算机、笔记本等设备。
图5是根据一示例性实施例示出的一种用于自动问诊方法的装置800的框图。例如，装置800可以是移动电话，计算机，数字广播终端，消息收发设备，游戏控制台，平板设备，医疗设备，健身设备，个人数字助理等。
参照图5，装置800可以包括以下一个或多个组件：处理组件802，存储器804，电源组件806，多媒体组件808，音频组件810，输入/输出(I/O)的接口812，传感器组件814，以及通信组件816。
处理组件802通常控制装置800的整体操作，诸如与显示，电话呼叫，数据通信，相机操作和记录操作相关联的操作。处理元件802可以包括一个或多个处理器820来执行指令，以完成上述的方法的全部或部分步骤。此外，处理组件802可以包括一个或多个模块，便于处理组件802和其他组件之间的交互。例如，处理部件802可以包括多媒体模块，以方便多媒体组件808和处理组件802之间的交互。
存储器804被配置为存储各种类型的数据以支持在设备800的操作。这些数据的示例包括用于在装置800上操作的任何应用程序或方法的指令，联系人数据，电话簿数据，消息，图片，视频等。存储器804可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(SRAM)，电可擦除可编程只读存储器(EEPROM)，可擦除可编程只读存储器(EPROM)，可编程只读存储器(PROM)，只读存储器(ROM)，磁存储器，快闪存储器，磁盘或光盘。
电力组件806为装置800的各种组件提供电力。电力组件806可以包括电源管理系统，一个或多个电源，及其他与为装置800生成、管理和分配电力相关联的组件。
多媒体组件808包括在所述装置800和用户之间的提供一个输出接口的屏幕。在一些实施例中，屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板，屏幕可以被实现为触摸屏，以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界，而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中，多媒体组件808包括一个前置摄像头和/或后置摄像头。当设备800处于操作模式，如拍摄模式或视频模式时，前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。
音频组件810被配置为输出和/或输入音频信号。例如，音频组件810包括一个麦克风(MIC)，当装置800处于操作模式，如呼叫模式、记录模式和语音识别模式时，麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器804或经由通信组件816发送。在一些实施例中，音频组件810还包括一个扬声器，用于输出音频信号。
I/O接口812为处理组件802和外围接口模块之间提供接口，上述外围接口模块可以是键盘，点击轮，按钮等。这些按钮可包括但不限于：主页按钮、音量按钮、启动按钮和锁定按钮。
传感器组件814包括一个或多个传感器，用于为装置800提供各个方面的状态评估。例如，传感器组件814可以检测到设备800的打开/关闭状态，组件的相对定位，例如所述组件为装置800的显示器和小键盘，传感器组件814还可以检测装置800或装置800一个组件的位置改变，用户与装置800接触的存在或不存在，装置800方位或加速/减速和装置800的温度变化。传感器组件814可以包括接近传感器，被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件814还可以包括光传感器，如CMOS或CCD图像传感器，用于在成像应用中使用。在一些实施例中，该传感器组件814还可以包括加速度传感器，陀螺仪传感器，磁传感器，压力传感器或温度传感器。
通信组件816被配置为便于装置800和其他设备之间有线或无线方式的通信。装置800可以接入基于通信标准的无线网络，如WiFi，2G或3G，或它们的组合。在一个示例性实施例中，通信部件816经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中，所述通信部件816还包括近场通信(NFC)模块，以促进短程通信。例如，在NFC模块可基于射频识别(RFID)技术，红外数据协会(IrDA)技术，超宽带(UWB)技术，蓝牙(BT)技术和其他技术来实现。
在示例性实施例中，装置800可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述方法。
在示例性实施例中，还提供了一种包括指令的非临时性计算机可读存储介质，例如包括指令的存储器804，上述指令可由装置800的处理器820执行以完成上述按键误触纠错方法。例如，所述非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
一种非临时性计算机可读存储介质，当所述存储介质中的指令由移动终端的处理器执行时，使得移动终端能够执行一种按键误触纠错方法，所述方法包括：在用户输入过程中，获取各按键被触发时的按压信息；根据获取的按压信息确定误触发按键；对误触发按键进行纠错；确定纠错后的完整输入串对应的各候选词。
图6是本发明实施例中服务器的结构示意图。该服务器1900可因配置或性能不同而产生比较大的差异，可以包括一个或一个以上中央处理器(Central Processing Units，CPU)1922(例如，一个或一个以上处理器)和存储器1932，一个或一个以上存储应用程序1942或数据1944的存储介质1930(例如一个或一个以上海量存储设备)。其中，存储器1932和存储介质1930可以是短暂存储或持久存储。存储在存储介质1930的程序可以包括一个或一个以上模块(图示没标出)，每个模块可以包括对服务器中的一系列指令操作。更进一步地，中央处理器1922可以设置为与存储介质1930通信，在服务器1900上执行存储介质1930中的一系列指令操作。
服务器1900还可以包括一个或一个以上电源1926，一个或一个以上有线或无线网络接口1950，一个或一个以上输入输出接口1958，一个或一个以上键盘1956，和/或，一个或一个以上操作系统1941，例如Windows ServerTM，Mac OS XTM，UnixTM，LinuxTM，FreeBSDTM等等。
一种非临时性计算机可读存储介质，当所述存储介质中的指令由装置的处理器执行时，使得装置能够执行上述按键误触纠错方法。
本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本发明的其它实施方案。本发明旨在涵盖本发明的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本发明的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本发明的真正范围和精神由下面的权利要求指出。
应当理解的是，本发明并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本发明的范围仅由所附的权利要求来限制
以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (10)
1.一种自动问诊方法，其特征在于，所述方法包括：
接收用户的输入信息；
对所述输入信息进行信息抽取，得到病症信息；
确定所述病症信息是否完整；
如果否，则针对所述病症信息中缺少的信息进行询问，并根据用户的回答进行信息补全，直至得到完整的病症信息；
根据所述完整的病症信息确定预判疾病；
如果所述预判疾病只有一种，则获取并输出问诊结果；
如果所述预判疾病有多种，则获取对应所述预判疾病的询问信息，输出所述询问信息。
2.根据权利要求1所述的方法，其特征在于，所述确定所述病症信息是否完整包括：
确定根据所述病症信息是否能确定到唯一的疾病类型；
如果是，则确定所述病症信息完整；
否则，确定所述病症信息不完整。
3.根据权利要求1所述的方法，其特征在于，所述方法还包括：
获取根据所述病症信息确定得到的候选疾病的所有症状；
确定各症状的区分度及权重，并根据所述症状的区分度及权重计算得到所述症状的得分；
所述针对所述病症信息中缺少的信息进行询问包括：
选择得分最高的症状进行询问。
4.根据权利要求1所述的方法，其特征在于，所述方法还包括：
如果对所述输入信息进行信息抽取未得到病症信息，则引导用户重新输入。
5.根据权利要求1所述的方法，其特征在于，所述引导用户重新输入包括：
提示用户重新输入详细内容；或者
向用户发起提问，以使用户根据提问内容重新输入。
6.根据权利要求1所述的方法，其特征在于，所述根据所述完整的病症信息确定预判疾病包括：
根据所述完整的病症信息查找预先建立的医疗知识图谱，确定预判疾病。
7.根据权利要求6所述的方法，其特征在于，所述预判疾病有多种；所述方法还包括：
利用预先建立的实体预测模型从所述多种预判疾病中选出一种预判疾病。
8.一种自动问诊装置，其特征在于，所述装置包括：
接收模块，用于接收用户的输入信息；
信息抽取模块，用于对所述输入信息进行信息抽取，得到病症信息；
判断模块，用于确定所述病症信息是否完整；
反馈模块，用于在所述判断模块确定所述病症信息不完整时，针对所述病症信息中缺少的信息进行询问，并根据用户的回答进行信息补全，直至得到完整的病症信息；
预测模块，用于根据所述完整的病症信息确定预判疾病；
信息获取模块，用于在所述预判疾病只有一种时，获取问诊结果；在所述预判疾病有多种时，获取对应所述预判疾病的询问信息；
输出模块，用于输出所述问诊结果或所述询问信息。
9.一种计算机设备，其特征在于，包括：一个或多个处理器、存储器；
所述存储器用于存储计算机可执行指令，所述处理器用于执行所述计算机可执行指令，以实现如权利要求1至7任一项所述的方法。
10.一种可读存储介质，其上存储有指令，所述指令被执行以实现如权利要求1至7任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911163977.4A CN112837813A (zh) | 2019-11-25 | 2019-11-25 | 自动问诊方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911163977.4A CN112837813A (zh) | 2019-11-25 | 2019-11-25 | 自动问诊方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112837813A true CN112837813A (zh) | 2021-05-25 |
Family
ID=75922069
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911163977.4A Pending CN112837813A (zh) | 2019-11-25 | 2019-11-25 | 自动问诊方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112837813A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113160991A (zh) * | 2021-05-31 | 2021-07-23 | 郑宁 | 一种健康风险预警方法及系统 |
Citations (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2016139221A (ja) * | 2015-01-27 | 2016-08-04 | 一般社団法人 医科学総合研究所 | 病名診断装置、病名診断プログラム、及びそのプログラムを記憶したコンピュータ読取可能な記録媒体 |
| CN106372439A (zh) * | 2016-09-21 | 2017-02-01 | 北京大学 | 基于病例库的疾病症状及其权重知识的获取和处理方法 |
| CN107358052A (zh) * | 2017-07-18 | 2017-11-17 | 广州有宠网络科技股份有限公司 | 一种对宠物疾病进行人工智能问诊的系统及方法 |
| CN107610774A (zh) * | 2017-10-25 | 2018-01-19 | 医渡云（北京）技术有限公司 | 智能问诊方法及装置、存储介质、电子设备 |
| CN107610770A (zh) * | 2016-07-11 | 2018-01-19 | 百度（美国）有限责任公司 | 用于自动化诊断的问题生成系统和方法 |
| CN108242266A (zh) * | 2018-01-22 | 2018-07-03 | 北京颐圣智能科技有限公司 | 辅助诊断装置和方法 |
| CN108877921A (zh) * | 2017-05-12 | 2018-11-23 | 京东方科技集团股份有限公司 | 医疗智能分诊方法和医疗智能分诊系统 |
| CN109036588A (zh) * | 2018-09-10 | 2018-12-18 | 百度在线网络技术（北京）有限公司 | 线上问诊的方法、装置、设备及计算机可读介质 |
| CN109192300A (zh) * | 2018-08-17 | 2019-01-11 | 百度在线网络技术（北京）有限公司 | 智能问诊方法、系统、计算机设备和存储介质 |
| CN109509551A (zh) * | 2018-11-01 | 2019-03-22 | 新博卓畅技术（北京）有限公司 | 一种常见疾病智能诊断方法及系统 |
| CN109545394A (zh) * | 2018-11-21 | 2019-03-29 | 上海依智医疗技术有限公司 | 一种问诊方法及装置 |
| CN109599187A (zh) * | 2018-10-31 | 2019-04-09 | 北京春雨天下软件有限公司 | 一种在线问诊的分诊方法、服务器、终端、设备及介质 |
| CN109635122A (zh) * | 2018-11-28 | 2019-04-16 | 平安科技（深圳）有限公司 | 智能疾病问询方法、装置、设备及存储介质 |
| US20190237193A1 (en) * | 2018-01-29 | 2019-08-01 | Soo Koun KIM | Method for apparatus, server and method of providing self-diagnosis result and medical information |
| CN110136839A (zh) * | 2019-05-14 | 2019-08-16 | 北京百度网讯科技有限公司 | 一种症状信息处理方法、装置和电子设备 |
-
2019
- 2019-11-25 CN CN201911163977.4A patent/CN112837813A/zh active Pending
Patent Citations (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2016139221A (ja) * | 2015-01-27 | 2016-08-04 | 一般社団法人 医科学総合研究所 | 病名診断装置、病名診断プログラム、及びそのプログラムを記憶したコンピュータ読取可能な記録媒体 |
| CN107610770A (zh) * | 2016-07-11 | 2018-01-19 | 百度（美国）有限责任公司 | 用于自动化诊断的问题生成系统和方法 |
| CN106372439A (zh) * | 2016-09-21 | 2017-02-01 | 北京大学 | 基于病例库的疾病症状及其权重知识的获取和处理方法 |
| CN108877921A (zh) * | 2017-05-12 | 2018-11-23 | 京东方科技集团股份有限公司 | 医疗智能分诊方法和医疗智能分诊系统 |
| CN107358052A (zh) * | 2017-07-18 | 2017-11-17 | 广州有宠网络科技股份有限公司 | 一种对宠物疾病进行人工智能问诊的系统及方法 |
| CN107610774A (zh) * | 2017-10-25 | 2018-01-19 | 医渡云（北京）技术有限公司 | 智能问诊方法及装置、存储介质、电子设备 |
| CN108242266A (zh) * | 2018-01-22 | 2018-07-03 | 北京颐圣智能科技有限公司 | 辅助诊断装置和方法 |
| US20190237193A1 (en) * | 2018-01-29 | 2019-08-01 | Soo Koun KIM | Method for apparatus, server and method of providing self-diagnosis result and medical information |
| CN109192300A (zh) * | 2018-08-17 | 2019-01-11 | 百度在线网络技术（北京）有限公司 | 智能问诊方法、系统、计算机设备和存储介质 |
| CN109036588A (zh) * | 2018-09-10 | 2018-12-18 | 百度在线网络技术（北京）有限公司 | 线上问诊的方法、装置、设备及计算机可读介质 |
| CN109599187A (zh) * | 2018-10-31 | 2019-04-09 | 北京春雨天下软件有限公司 | 一种在线问诊的分诊方法、服务器、终端、设备及介质 |
| CN109509551A (zh) * | 2018-11-01 | 2019-03-22 | 新博卓畅技术（北京）有限公司 | 一种常见疾病智能诊断方法及系统 |
| CN109545394A (zh) * | 2018-11-21 | 2019-03-29 | 上海依智医疗技术有限公司 | 一种问诊方法及装置 |
| CN109635122A (zh) * | 2018-11-28 | 2019-04-16 | 平安科技（深圳）有限公司 | 智能疾病问询方法、装置、设备及存储介质 |
| CN110136839A (zh) * | 2019-05-14 | 2019-08-16 | 北京百度网讯科技有限公司 | 一种症状信息处理方法、装置和电子设备 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113160991A (zh) * | 2021-05-31 | 2021-07-23 | 郑宁 | 一种健康风险预警方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| RU2615632C2 (ru) | Способ и устройство распознавания коммуникационных сообщений | |
| CN107436691B (zh) | 一种输入法进行纠错的方法、客户端、服务器及装置 | |
| CN107077845B (zh) | 一种语音输出方法及装置 | |
| EP3133532A1 (en) | Method and device for training classifier and recognizing a type of information | |
| CN109582768B (zh) | 一种文本输入方法和装置 | |
| CN109471919B (zh) | 零代词消解方法及装置 | |
| CN110874145A (zh) | 一种输入方法、装置及电子设备 | |
| US11335348B2 (en) | Input method, device, apparatus, and storage medium | |
| CN109558599B (zh) | 一种转换方法、装置和电子设备 | |
| EP3790001B1 (en) | Speech information processing method, device and storage medium | |
| CN108733718B (zh) | 搜索结果的显示方法、装置以及用于搜索结果的显示装置 | |
| EP3734472A1 (en) | Method and device for text processing | |
| CN112836058A (zh) | 医疗知识图谱建立方法及装置、医疗知识图谱查询方法及装置 | |
| CN110674246A (zh) | 问答模型训练方法、自动问答方法及装置 | |
| CN109388249B (zh) | 输入信息的处理方法、装置、终端及可读存储介质 | |
| CN112133295B (zh) | 语音识别方法、装置及存储介质 | |
| CN107422921B (zh) | 一种输入方法、装置、电子设备以及存储介质 | |
| CN112837813A (zh) | 自动问诊方法及装置 | |
| CN112836026B (zh) | 基于对话的问诊方法及装置 | |
| CN109725736B (zh) | 一种候选排序方法、装置及电子设备 | |
| CN110968246A (zh) | 中文智能手写输入识别方法及装置 | |
| CN114090738A (zh) | 场景数据信息确定的方法、装置、设备及存储介质 | |
| RU2636673C2 (ru) | Способ и устройство для сохранения строки | |
| CN114462410A (zh) | 实体识别方法、装置、终端及存储介质 | |
| CN113035189A (zh) | 一种文档演示的控制方法、装置和设备 |
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 |