CN113436723A - 视频问诊方法、装置、设备及存储介质 - Google Patents
视频问诊方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN113436723A CN113436723A CN202110698592.9A CN202110698592A CN113436723A CN 113436723 A CN113436723 A CN 113436723A CN 202110698592 A CN202110698592 A CN 202110698592A CN 113436723 A CN113436723 A CN 113436723A
- Authority
- CN
- China
- Prior art keywords
- inquiry
- user
- disease
- information
- data
- 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
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
- G16H50/20—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
-
- 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
-
- 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)
- Biomedical Technology (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Medical Informatics (AREA)
- Theoretical Computer Science (AREA)
- Public Health (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Life Sciences & Earth Sciences (AREA)
- Animal Behavior & Ethology (AREA)
- Computational Linguistics (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Pathology (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明涉及大数据领域,公开了一种视频问诊方法、装置、设备及存储介质。本方法包括:基于预置智能传感设备获取用户问诊数据,对问诊数据进行预诊断,获得预诊断结果;当预诊断结果与用户对应病症不匹配时,接收用户端上传的问诊请求,并根据问诊请求确定向用户分配的科室;获取与科室对应的医疗知识图谱,根据医疗知识图谱对用户问诊数据进行解析,得到医疗决策信息;根据医疗决策信息对用户进行诊断,生成最终诊断结果。将在线医疗的便捷性和传统医疗机构医院的专业性相结合,通过采集的大量患者数据对用户群体进行病情预测,解决了解决现有的视频问诊方式,诊断的准确率低的技术问题。
Description
技术领域
本发明涉及大数据领域,尤其涉及一种视频问诊方法、装置、设备及存储介质。
背景技术
在线医疗技术是国家医疗体系重要的新兴领域,目前各大互联网巨头已推出图文问诊/视频问诊。一些简单的小病用户通过手机APP通过在线问诊,医生通过用户给出的图文信息或视频问诊给出开药建议,直接在线完成就医,避免长时间的医院排队。大大提升患者就医速率,同时分摊国内医疗机构的就医压力,赋能国家医疗体系。
但由于图文问诊的比较繁琐,且部分部位难以拍摄到符合质量的图片,用户很难对自身的不适进行准确描述,导致医生判断失误造成误诊。而视频问诊受限于设备像素质量,拍摄角度等问题。能够提供给医生的信息质量较低,导致医生难以准确判断患者状况。因此,对用户的病情进行精准预测和诊断成为了本领域技术人员需要面临的技术问题。
发明内容
本发明主要是解决现有的视频问诊方式,诊断的准确率低的技术问题。
本发明第一方面提供了一种视频问诊方法,包括:基于预置智能传感设备获取用户问诊数据,其中,所述问诊数据包括所述用户的基础信息和主诉内容;对所述问诊数据进行预诊断,获得预诊断结果;当所述预诊断结果与所述用户对应病症不匹配时,接收用户端上传的问诊请求,并根据所述问诊请求确定向所述用户分配的科室;获取与所述科室对应的医疗知识图谱,根据所述医疗知识图谱对所述用户问诊数据进行解析,得到医疗决策信息;根据所述医疗决策信息对所述用户进行诊断,生成最终诊断结果。
可选地,在本发明第一方面的第一种实现方式中,所述对所述问诊数据进行预诊断,获得预诊断结果包括:对所述问诊数据进行关键字提取,以获取症状关键字;根据所述症状关键字在大数据中查询对应的待选病症信息;在所述待选病症信息与所述主诉内容之间的匹配程度大于预设匹配程度时,将所述待选病症信息标记为目标病症信息;将所述目标病症信息作为预诊断结果。
可选地,在本发明第一方面的第二种实现方式中,对所述问诊数据进行预诊断,获得预诊断结果之后,还包括:当所述预诊断结果与所述用户对应病症匹配时,将所述病症信息输入至预置疾病匹配模型中,通过所述疾病匹配模型对所述病症信息进行匹配处理,得到病症信息处理结果;将得到的所述病症信息处理结果推送至预设用户端。
可选地,在本发明第一方面的第三种实现方式中,在所述将得到的所述病症信息处理结果推送至预设用户端之后,还包括:提取所述病症信息处理结果中的病理关键词;根据所述病理关键词确定对应处方关键词,并将所述处方关键词组输入至对应的药品匹配模型中进行特征匹配;根据匹配结果中的药品清单生成处方推荐,并将所述处方推送至预设用户端。
可选地,在本发明第一方面的第四种实现方式中,在所述获取与所述科室对应的医疗知识图谱,根据所述医疗知识图谱对所述用户问诊数据进行解析,得到医疗决策信息之后,还包括:接收实时问诊数据,对所述问诊数据进行预处理,得到所述问诊数据中的第一问答对;对所述第一问答对进行特征提取,得到所述第一问答对对应的第二特征;从预置问诊数据库中筛选出与所述第一问答对和所述第二特征匹配的历史问诊记录;获取所述历史问诊记录对应的诊断结果和治疗意见,将所述诊断结果和治疗意见推送至所述实时问诊请求对应用户的用户端。
可选地,在本发明第一方面的第五种实现方式中,在所述接收实时问诊数据,对所述问诊数据进行预处理,得到所述问诊数据中的第一问答对之前,还包括:获取历次问诊记录对应的问诊数据集合,对所述问诊数据集合进行预处理;对预处理后的问诊数据集合提取第二问答对,并对提取的所述第二问答对进行特征提取;将所述第二问答对及所述第二问答对对应的所述特征对应存储至问诊数据库;根据所述特征对所述问诊数据库建立索引。
本发明第二方面提供了一种视频问诊装置,包括:
第一获取模块,用于基于预置智能传感设备获取用户问诊数据,其中,所述问诊数据包括所述用户的基础信息和主诉内容;分析模块,用于对所述问诊数据进行预诊断,获得预诊断结果;确定模块,用于当所述预诊断结果与所述用户对应病症不匹配时,接收用户端上传的问诊请求,并根据所述问诊请求确定向所述用户分配的科室;解析模块,用于获取与所述科室对应的医疗知识图谱,根据所述医疗知识图谱对所述用户问诊数据进行解析,得到医疗决策信息;诊断模块,用于根据所述医疗决策信息对所述用户进行诊断,生成最终诊断结果。
可选地,在本发明第二方面的第一种实现方式中,所述分析模块包括:提取单元,用于对所述问诊数据进行关键字提取,以获取症状关键字;查询单元,用于根据所述症状关键字在大数据中查询对应的待选病症信息;标记单元,用于在所述待选病症信息与所述主诉内容之间的匹配程度大于预设匹配程度时,将所述待选病症信息标记为目标病症信息;将所述目标病症信息作为预诊断结果。
可选地,在本发明第二方面的第二种实现方式中,所述视频问诊装置还包括:病症匹配模块,用于若所述用户对所述分析结果认可,则将所述病症信息输入至预置疾病匹配模型中,通过所述疾病匹配模型对所述病症信息进行匹配处理,得到病症信息处理结果;第一推送模块,用于将得到的所述病症信息处理结果推送至预设用户端。
可选地,在本发明第二方面的第三种实现方式中,所述视频问诊装置还包括:第一提取模块,用于提取所述病症信息处理结果中的病理关键词;特征匹配模块,用于根据所述病理关键词确定对应处方关键词,并将所述处方关键词组输入至对应的药品匹配模型中进行特征匹配;第二推送模块,用于推送根据匹厨房配结果中的药品清单生成处方推荐,并将所述处方推送至预设用户端。
可选地,在本发明第二方面的第四种实现方式中,所述视频问诊装置还包括:预处理模块,用于接收实时问诊数据,对所述问诊数据进行预处理,得到所述问诊数据中的第一问答对;第二提取模块,用于对所述第一问答对进行特征提取,得到所述第一问答对对应的第二特征;筛选模块,用于从预置问诊数据库中筛选出与所述第一问答对和所述第二特征匹配的历史问诊记录;第三推送模块,用于获取所述历史问诊记录对应的诊断结果和治疗意见,将所述诊断结果和治疗意见推送至所述实时问诊请求对应用户的用户端。
可选地,在本发明第二方面的第五种实现方式中,所述视频问诊装置还包括:第二获取模块,用于获取历次问诊记录对应的问诊数据集合,对所述问诊数据集合进行预处理;第三提取模块,用于对预处理后的问诊数据集合提取第二问答对,并对提取的所述第二问答对进行特征提取;存储模块,用于将所述第二问答对及所述第二问答对对应的所述特征对应存储至问诊数据库;根据所述特征对所述问诊数据库建立索引。
本发明第三方面提供了一种视频问诊设备,包括:存储器和至少一个处理器,所述存储器中存储有指令,所述存储器和所述至少一个处理器通过线路互连;
所述至少一个处理器调用所述存储器中的所述指令,以使得所述视频问诊设备执行上述的视频问诊方法。
本发明的第四方面提供了一种计算机可读存储介质,所述计算机可读存储介质中存储有指令,当其在计算机上运行时,使得计算机执行上述的视频问诊方法。
本发明提供的技术方案中,通过基于预置智能传感设备获取用户问诊数据,对问诊数据进行预诊断,获得预诊断结果;当预诊断结果与用户对应病症不匹配时,接收用户端上传的问诊请求,并根据问诊请求确定向用户分配的科室;获取与科室对应的医疗知识图谱,根据医疗知识图谱对用户问诊数据进行解析,得到医疗决策信息;根据医疗决策信息对用户进行诊断,生成最终诊断结果。将在线医疗的便捷性和传统医疗机构医院的专业性相结合,通过采集的大量患者数据对用户群体进行病情预测,解决了解决现有的视频问诊方式,诊断的准确率低的技术问题。
附图说明
图1为本发明视频问诊方法的第一个实施例示意图;
图2为本发明视频问诊方法的第二个实施例示意图;
图3为本发明视频问诊方法的第三个实施例示意图;
图4为本发明视频问诊方法的第四个实施例示意图;
图5为本发明视频问诊方法的第五个实施例示意图;
图6为本发明视频问诊装置的第一个实施例示意图;
图7为本发明视频问诊装置的第二个实施例示意图;
图8为本发明视频问诊设备的一个实施例示意图。
具体实施方式
本发明实施例提供了一种视频问诊方法、装置、设备及存储介质,本发明的技术方案中,首先基于预置智能传感设备获取用户问诊数据,对问诊数据进行预诊断,获得预诊断结果;当预诊断结果与用户对应病症不匹配时,接收用户端上传的问诊请求,并根据问诊请求确定向用户分配的科室;获取与科室对应的医疗知识图谱,根据医疗知识图谱对用户问诊数据进行解析,得到医疗决策信息;根据医疗决策信息对用户进行诊断,生成最终诊断结果。将在线医疗的便捷性和传统医疗机构医院的专业性相结合,通过采集的大量患者数据对用户群体进行病情预测,解决了解决现有的视频问诊方式,诊断的准确率低的技术问题。
本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。此外,术语“包括”或“具有”及其任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
为便于理解,下面对本发明实施例的具体流程进行描述,请参阅图1,本发明实施例中视频问诊方法的第一个实施例包括:
101、基于预置智能传感设备获取用户问诊数据;
本实施例中,基于预置智能传感设备,通过用户端获取用户问诊数据,其中,所述问诊数据包括所述用户的基础信息和主诉内容。
本发明实施例的执行主体为具有远程就诊功能的服务器端。需要说明的是,所述用户端可以为患者使用的PC端、手机、平板电脑、智能手表、智能手环等智能端,用户通过所述用户端录入问诊数据,其中,所述问诊数据信息可以包括:患者的基础信息和主诉内容。比如,主诉内容可以包括:患病时间(发病时间、持续时间或每次发病的持续时间)、患者症状、患者身份信息、患者基础病症(例如:除当前症状外患者已经患有何种慢性疾病)等。
102、对问诊数据进行预诊断,获得预诊断结果;
本实施例中,对所述问诊数据进行预诊断,获得预诊断结果。其中,预诊断结果也就是问诊数据对应的分析结果。
进一步地,本实施例还包括:接收用户端上传的主诉内容,对所述主诉内容进行关键字提取,以获取症状关键字;根据所述症状关键字在大数据中查询对应的待选病症信息;在所述待选病症信息与所述主诉内容之间的匹配程度大于等于预设匹配程度时,将所述待选病症信息作为目标病症信息;将所述目标病症信息作为分析结果。
易于理解的是,所述主诉内容是患者对其症状进行描述的语言信息,描述方式更偏向于口语,为对所述症状信息进行初步诊断,需要对所述症状信息进行关键字的提取。例如:患者描述的症状信息为:从周一开始感觉喉咙不舒服,打喷嚏,头昏昏沉沉的。则提取其中的关键词为:“喉咙”、“打喷嚏”、“头昏”,再对该症状信息进行分析,得到关于症状时间的关键词“周一”,根据今日时间推导患者症状的持续时间为N天,根据上述关键词及持续天数在大数据中查询待选病症信息。
103、当预诊断结果与用户对应病症不匹配时,接收用户端上传的问诊请求,并根据问诊请求确定向用户分配的科室;
本实施例中,当预诊断结果与用户对应病症不匹配时,接收用户端上传的问诊请求,并根据问诊请求确定向用户分配的科室。首先,判断用户对系统对问诊数据进行分析得到的预诊断结果,也即分析结果是否认可。结合用户身体基本健康信息使用大数据分析技术,计算用户可能的病因,并以文字形式描述用户可能出现的症状,比如,“您经常感觉到气短、胸闷吗”,若用户认为满足描述的症状(诊断结果),可以给出可使用药物,在线购买,并给出康复建议;若用户不认可我们的症状描述,可以选择与医生开始视频问诊;结合用户的症状匹配到合适科室的医生。当用户对分析结果不认可时,接收用户端上传的问诊请求,并根据问诊请求确定向用户分配的科室。
本实施例中,当预诊断结果与用户对应病症不匹配时,接收用户端上传的问诊请求,并根据问诊请求确定向所述用户分配的科室。
本实施例中,用户端安装有在线问诊的应用程序,在用户上传问诊请求时,会同时上传用户的一些注册信息,包含了用户标识、性别,科室等基本信息。当用户希望在线咨询医生时,可以点击应用程序中的问诊按钮,生成问诊请求,通过应用程序向服务器发送问诊请求。服务器接收用户终端上传的问诊请求,调用第一神经网络模型,通过第一神经网络模型为用户分配的科室。服务器根据科室为用户分配相应的医生。服务器建立用户终端与医生终端之间的通信连接。
用户端和医生端建立通信连接,从而从用户端中获取所就诊医院的问诊请求界面,其中,问诊请求界面包括有医院的多个科室信息,每一科室信息对应一科室。可选地,用户可以通过预先安装的应用(APP)如微信、支付宝或者微信小程序等的“扫一扫”功能扫描识别该医院的宣传单或者其他媒介中所粘贴的二维码与服务端建立连接,或者是利用预先开发的配套APP与服务端建立连接,再或者是通过访问医院的相关网页与服务端建立连接,本实施例中对于通信连接具体的连接方式不做限定。
104、获取与科室对应的医疗知识图谱,根据医疗知识图谱对用户问诊数据进行解析,得到医疗决策信息;
本实施例中,获取与所述科室对应的医疗知识图谱,根据所述医疗知识图谱对所述用户问诊数据进行解析,得到医疗决策信息。其中,知识图谱是指由实体及实体关系组成的结构化知识图形,医疗知识图谱就是医学领域的知识图谱,其实体维度包括疾病、症状、症状部位、检查体征和药品等,关系可以是“包含关系”、“不包含关系”或者“金标准关系”(如所有炎症都会带来发热就是金标准),疾病和医生可以定义“医生擅长治疗疾病”,医生和医院可以定义“归属于关系”等。不同科室对应的医疗知识图谱不同,例如,科室为骨科的医疗室知识图谱的实体维度包括骨折、膝盖和酸痛等。
可以理解地,医疗知识图谱包含的医疗信息数据非常庞大,因此,根据科室,获取该科室对应的医疗知识图谱作为目标医疗知识图谱,减少了其他科室对应的医疗知识图谱的干扰,提高了后续进行智能初诊的速度。
本实施例中,医疗决策信息是组成医疗知识图谱的知识结构图形中的与医疗相关的实体维度的信息。医疗决策信息用于作为影像筛查决策的依据,即用于作为疾病初步诊断的依据。该医疗决策信息可以是但不限于是疾病、症状、症状部位、检查体征或药品等。
具体地,在获取了目标医疗知识图谱后,提取出患者描述信息中的关键词,通过将关键词与目标医疗知识图谱的关联挖掘,得到关键词与目标医疗知识图谱的关联信息,并通过对关联信息进行解析,确定医疗决策信息。由于,医疗决策信息的获取是通过对目标医疗知识图谱对患者描述信息进行关联挖掘和解析得到,保证了医疗决策信息的准确度,提高了后续智能初诊的准确率。
105、根据医疗决策信息对用户进行诊断,生成最终诊断结果。
本实施例中,根据所述医疗决策信息对所述用户进行诊断,生成最终诊断结果。其中,最终诊断结果用于指示患者进行医疗决策信息对应的诊断结果。
本实施例中,可选地,该诊断结果可以是一段文字,也可以是示意图等。例如,当医疗决策信息为“子宫部位”,则诊断结果即为对子宫部位进行影像检查。
本实施例中,根据医疗决策信息生成结果,实现了对患者的智能初步诊断,省去了人工问诊的时间,提高了智能诊断的效率。
本实施例中,首先,获取用于端发送的问诊请求,问诊请求包括科室和用户的主诉信息。然后,获取与科室对应的医疗知识图谱,作为目标医疗知识图谱,提高了后续进行智能诊断的速度。
本发明实施例中,通过基于预置智能传感设备获取用户问诊数据,对问诊数据进行预诊断,获得预诊断结果;当预诊断结果与用户对应病症不匹配时,接收用户端上传的问诊请求,并根据问诊请求确定向用户分配的科室;获取与科室对应的医疗知识图谱,根据医疗知识图谱对用户问诊数据进行解析,得到医疗决策信息;根据医疗决策信息对用户进行诊断,生成最终诊断结果。将在线医疗的便捷性和传统医疗机构医院的专业性相结合,通过采集的大量患者数据对用户群体进行病情预测,解决了解决现有的视频问诊方式,诊断的准确率低的技术问题。
请参阅图2,本发明实施例中视频问诊方法的第二个实施例包括:
201、基于预置智能传感设备获取用户问诊数据;
202、对问诊数据进行关键字提取,以获取症状关键字;
本实施例中,对所述问诊数据进行关键字提取,以获取症状关键字。其中,所述问诊数据中的主诉信息是患者对其症状进行描述的语言信息,描述方式更偏向于口语,为对所述症状信息进行初步诊断,需要对所述症状信息进行关键字的提取。例如:患者描述的症状信息为:从周一开始感觉喉咙不舒服,打喷嚏,头昏昏沉沉的。则提取其中的关键词为:“喉咙”、“打喷嚏”、“头昏”。
203、根据症状关键字在大数据中查询对应的待选病症信息;
本实施例中,根据所述症状关键字在大数据中查询对应的待选病症信息。其中,对该症状信息进行分析,得到关于症状时间的关键词,比如:从周一开始感觉喉咙不舒服,打喷嚏,头昏昏沉沉的。则提取其中的关键词为:“喉咙”、“打喷嚏”、“头昏”。其中,根据关键词“周一”,根据今日时间推导患者症状的持续时间为N,根据上述关键词及持续天数在大数据中查询待选病症信息。
应当理解的是,若患者给出的症状信息不够详细,导致得到的待选病症信息过多,则向用户端发送待选病症信息,使用户端自行选择目标病症;或者向用户端发送待选病症提问,使用户端补充症状信息,以缩小待选病症范围。
204、在待选病症信息与主诉内容之间的匹配程度大于预设匹配程度时,将待选病症信息作为目标病症信息;
本实施例中,在所述待选病症信息与所述主诉内容之间的匹配程度大于等于预设匹配程度时,将所述待选病症信息作为目标病症信息。比如,当所述匹配程度为80%至100%,所述用户的主诉信息可以包含图片信息、声音信息及文字信息。例如:患者皮肤过敏,患者对自己的皮肤进行拍照,并将照片上传,并配以文字信息:皮肤起红疹并瘙痒,则根据图片信息与文字信息中的关键字在大数据中查询。以初步确认患者的目标病症信息。
205、将目标病症信息作为预诊断结果;
本实施例中,将所述目标病症信息作为分析结果。其中,接收用户端上传的患者症状信息,对所述患者症状信息进行关键字提取,以获取症状关键字;根据所述症状关键字在大数据中查询对应的待选病症信息;在所述待选病症信息与所述患者症状信息之间的匹配程度大于等于预设匹配程度时,将所述待选病症信息作为目标病症信息;将所述目标病症信息作为分析结果。
206、当预诊断结果与用户对应病症不匹配时,接收用户端上传的问诊请求,并根据问诊请求确定向用户分配的科室;
207、获取与科室对应的医疗知识图谱,根据医疗知识图谱对用户问诊数据进行解析,得到医疗决策信息;
208、根据医疗决策信息对用户进行诊断,生成最终诊断结果。
本实施例中步骤206-208与第一实施例中的步骤103-105类似,此处不再赘述。
本发明实施例中,通过基于预置智能传感设备获取用户问诊数据,对问诊数据进行预诊断,获得预诊断结果;当预诊断结果与用户对应病症不匹配时,接收用户端上传的问诊请求,并根据问诊请求确定向用户分配的科室;获取与科室对应的医疗知识图谱,根据医疗知识图谱对用户问诊数据进行解析,得到医疗决策信息;根据医疗决策信息对用户进行诊断,生成最终诊断结果。将在线医疗的便捷性和传统医疗机构医院的专业性相结合,通过采集的大量患者数据对用户群体进行病情预测,解决了解决现有的视频问诊方式,诊断的准确率低的技术问题。
请参阅图3,本发明实施例中视频问诊方法的第三个实施例包括:
301、基于预置智能传感设备获取用户问诊数据;
302、对问诊数据进行预诊断,获得预诊断结果;
303、当预诊断结果与用户对应病症匹配时,将病症信息输入至预置疾病匹配模型中,通过疾病匹配模型对病症信息进行匹配处理,得到病症信息处理结果;
本实施例中,当预诊断结果与用户对应病症匹配时,将病症信息输入至预置疾病匹配模型中,通过疾病匹配模型对病症信息进行匹配处理,得到病症信息处理结果。其中,疾病匹配模型包括各种疾病特征与疾病名称的映射关系,该映射关系可以但不限于为从各种疾病的疾病名称、疾病编号、病患对象、对应用药等信息中提取的疾病特征词组成,通过映射关系可以唯一确定对应的疾病。通过疾病匹配模型可以实现病症信息与疾病特征的特征匹配,其可以对输入的病症信息进行疾病匹配处理,输出病症信息处理结果。具体的,疾病匹配模型可以为基于贝叶斯算法得到的朴素贝叶斯概率模型,其可以根据输入的特征词组统计各疾病的概率。此外,疾病匹配模型也可以基于人工神经网络算法得到的疾病匹配神经网络。通过将病症信息输入至疾病匹配模型中,由疾病匹配模型对病症信息进行匹配处理,得到病症信息处理结果。
304、将得到的病症信息处理结果推送至预设用户端;
本实施例中,病症信息处理结果可以作为医生诊断时的参考信息,或作为患者自身的拟诊结果。具体地,得到病症信息处理结果后,将其推送至医生终端,以供医生对患者进行诊断时的参考;同时还可以将病症信息处理结果推送至患者终端,以便患者能够初步了解自身病情,后续选择性前往医院就诊。
上述医疗信息推送方法中,在接收到挂号问诊服务请求类型的服务请求消息时,通过对应的问诊对话模板进行对话问诊,从对话问诊过程中的问答数据得到病症信息,最后将病症信息输入疾病匹配模型中进行处理,得到病症信息处理结果并将该病症信息处理结果推送。直接通过问诊对话模板进行对话问诊,再将得到的病症信息输入对应的疾病匹配模型中进行处理,得到病症信息处理结果并推送。
305、提取病症信息处理结果中的病理关键词;
本实施例中,提取所述病症信息处理结果中的病理关键词。在获得患者的病症信息后,从中提取病理关键词,如疾病部位、疾病名称、ICD-10疾病编码和症状表现等。出于医疗严谨性,考虑到对于患者的用药,除病症信息外,还需要考虑患者的个人体质特点,如对于过敏源包括青霉素的患者,若仅仅根据病症信息的病理关键词进行处方开具,使用了青霉素药物,则可能会导致药物失效或引发严重副作用。基于此,得到病理关键词后,结合档案关键词进一步生成处方关键词组。处方关键词组为病理关键词和档案关键词按照预设的组合条件进行组合得到。例如,可以按照预设的优先级划分条件进行优先级划分后,优先级可以反映出重要程度,再按照优先级级别进行组合,得到该处方关键词组。
306、根据病理关键词确定对应处方关键词,并将处方关键词组输入至对应的药品匹配模型中进行特征匹配;
本实施例中,根据所述病理关键词确定对应处方关键词,并将所述处方关键词组输入至对应的药品匹配模型中进行特征匹配。得到处方关键词组后,将其输入至对应的药品匹配模型中进行特征匹配。
其中,药品匹配模型包括各种药品特征的映射关系,该映射关系可以但不限于为从各种药品的药名、药品编号、使用对象、用法、功能、用量和禁忌等信息中提取的药品特征词组成,通过映射关系可以唯一确定对应的药品。通过药品匹配模型可以实现处方关键词组与药品特征的特征匹配,其可以根据输入的处方关键词组进行药品匹配,输出匹配的药品。具体的,药品匹配模型可以为基于贝叶斯算法得到的朴素贝叶斯概率模型,其可以根据输入的处方关键词组统计各药品的概率,并输出概率最高的药品。
307、根据匹配结果中的药品清单生成处方推荐,并将处方推送至预设用户端;
本实施例中,根据匹配结果中的药品清单生成处方推荐,并将所述处方推送至预设用户端。在具体实现时,各医院职能科室对应的药品匹配模型可能不同,此时,可以先查询与医院职能科室对应的药品匹配模型后,再将处方关键词组输入进行特征匹配,得到相应输出结果。
得到药品匹配模型的匹配结果后,根据匹配结果中的药品清单生成处方推荐,并将处方推荐进行推送。其中,处方是医生为患者开具的药品清单,为医生对病人用药的书面文件,是药剂人员调配药品的依据。本实施例中得到的处方推荐可以为作为医生开具处方时的参考,特别地,若处方推荐中药品清单合适,则可以直接作为处方。
308、当预诊断结果与用户对应病症不匹配时,接收用户端上传的问诊请求,并根据问诊请求确定向用户分配的科室;
309、获取与科室对应的医疗知识图谱,根据医疗知识图谱对用户问诊数据进行解析,得到医疗决策信息;
310、根据医疗决策信息对用户进行诊断,生成最终诊断结果。
本实施例中步骤301-303、309-311与第一实施例中的步骤101-103、104-106类似,此处不再赘述。
本发明实施例中,通过基于预置智能传感设备获取用户问诊数据,对问诊数据进行预诊断,获得预诊断结果;当预诊断结果与用户对应病症不匹配时,接收用户端上传的问诊请求,并根据问诊请求确定向用户分配的科室;获取与科室对应的医疗知识图谱,根据医疗知识图谱对用户问诊数据进行解析,得到医疗决策信息;根据医疗决策信息对用户进行诊断,生成最终诊断结果。将在线医疗的便捷性和传统医疗机构医院的专业性相结合,通过采集的大量患者数据对用户群体进行病情预测,解决了解决现有的视频问诊方式,诊断的准确率低的技术问题。
请参阅图4,本发明实施例中视频问诊方法的第四个实施例包括:
401、基于预置智能传感设备获取用户问诊数据;
402、对问诊数据进行预诊断,获得预诊断结果;
403、当预诊断结果与用户对应病症不匹配时,接收用户端上传的问诊请求,并根据问诊请求确定向用户分配的科室;
404、获取与科室对应的医疗知识图谱,根据医疗知识图谱对用户问诊数据进行解析,得到医疗决策信息;
405、获取历次问诊记录对应的问诊数据集合,对问诊数据集合进行预处理;
本实施例中,获取历次问诊记录对应的问诊数据集合,对所述问诊数据集合进行预处理。历次问诊记录指的是当前时间之前已完成的各次问诊,问诊信息集合指的是一次完整的问诊中由问诊用户的问诊信息与医生用户的回复信息组成的信息集合问诊信息。
406、对预处理后的问诊数据集合提取第二问答对,并对提取的第二问答对进行特征提取;
本实施例中,在问诊用户一次完整的问诊中,通常会多次提出问题,问诊用户每一次提出问题后医生会进行答复,问诊用户的每一次提问时的问题和该问题对应的医生答复即组成一个问答对。提取问答对即从一次完整的问诊对应的问诊信息中将问答对提取出来。
进一步,服务器对提取的问答对进行特征提取。在一个实施例中,特征提取可以是对问答对中的问题提取关键词。在另一个实施例中,抽取的特征例如可以是问答对中的单句数量、形容词个数、疑问词等等。
407、将第二问答对及第二问答对对应的特征对应存储至问诊数据库;
本实施例中,将所述第二问答对及所述第二问答对对应的所述特征对应存储至问诊数据库。服务器将问答对和问答对对应的特征对应地存储至问诊数据库,即将问答对和问答对对应的特征存储为数据库中表的同一行中不同的列。
在一个实施例中,问诊用户在问诊时,与医生通过即时消息进行通讯,消息中携带通讯双方各自的用户标识,包括问诊用户标识与医生用户标识,具体来说,由问诊终端发送的信息,携带问诊用户标识,由医生终端发送的信息携带医生用户标识,因此,服务器在获取到历次问诊对应的问诊信息时,可同时获取到问诊信息对应的用户标识,然后将问答对对应的用户标识与问答对、问答对对应的特征一一对应存储至问诊数据库。
408、根据特征对问诊数据库建立索引;
本实施例中,根据所述特征对所述问诊数据库建立索引。服务器根据问诊数据库中特征所在的列数据建立索引,索引中各个节点分别对应问诊数据库中的一行数据,至少包括问答对、问答对对应的特征。在一个实施例中,服务器还可根据用户标识、特征建立索引
409、根据医疗决策信息对用户进行诊断,生成最终诊断结果。
本实施例中步骤401-404、409与第一实施例中的步骤101-104、105类似,此处不再赘述。
本发明实施例中,通过基于预置智能传感设备获取用户问诊数据,对问诊数据进行预诊断,获得预诊断结果;当预诊断结果与用户对应病症不匹配时,接收用户端上传的问诊请求,并根据问诊请求确定向用户分配的科室;获取与科室对应的医疗知识图谱,根据医疗知识图谱对用户问诊数据进行解析,得到医疗决策信息;根据医疗决策信息对用户进行诊断,生成最终诊断结果。将在线医疗的便捷性和传统医疗机构医院的专业性相结合,通过采集的大量患者数据对用户群体进行病情预测,解决了解决现有的视频问诊方式,诊断的准确率低的技术问题。
请参阅图5,本发明实施例中视频问诊方法的第五个实施例包括:
501、基于预置智能传感设备获取用户问诊数据;
502、对问诊数据进行预诊断,获得预诊断结果;
503、当预诊断结果与用户对应病症不匹配时,接收用户端上传的问诊请求,并根据问诊请求确定向用户分配的科室;
504、获取与科室对应的医疗知识图谱,根据医疗知识图谱对用户问诊数据进行解析,得到医疗决策信息;
505、接收实时问诊数据,对问诊数据进行预处理,得到问诊数据中的第一问答对;
本实施例中,接收实时问诊数据,对所述问诊数据进行预处理,得到所述问诊数据中的第一问答对。其中,实时问诊指的是当前时间之前已完成的各次问诊,问诊信息集合指的是一次完整的问诊中由问诊用户的问诊信息与医生用户的回复信息组成的信息集合问诊信息。
在本实施例中,预处理包括分句、指代消解、上下文处理等。其中,分句指的是将一条信息切分为单个的句子;指代消解指的是计算句子中代词的指代内容,可通过句法分析和编辑距离进行计算;上下文处理指的是补全上下文。例如:D:你是不是头晕?U:是的,把“是的”扩展成“我是头晕”。让第二句表达的意思更加全面;上下文处理使用句法分析和句式判断。
在问诊用户一次完整的问诊中,通常会多次提出问题,问诊用户每一次提出问题后医生会进行答复,问诊用户的每一次提问时的问题和该问题对应的医生答复即组成一个问答对。提取问答对即从一次完整的问诊对应的问诊信息中将问答对提取出来。
506、对第一问答对进行特征提取,得到第一问答对对应的第二特征;
本实施例中,对所述第一问答对进行特征提取,得到所述第一问答对对应的第二特征。其中,本实施例中的特征提取是指文字特征提取。很多机器学习问题涉及自然语言处理(NLP),必然要处理文字信息。文字必须转换成可以量化的特征向量。下面我们就来介绍最常用的文字表示方法:词库模型(Bag-of-wordsmodel)。
词库模型是文字模型化的最常用方法。对于一个文档(document),忽略其词序和语法,句法,将其仅仅看作是一个词集合,或者说是词的一个组合,文档中每个词的出现都是独立的,不依赖于其他词是否出现,或者说当这篇文章的作者在任意一个位置选择一个词汇都不受前面句子的影响而独立选择的。词库模型可以看成是独热编码的一种扩展,它为每个单词设值一个特征值。词库模型依据是用类似单词的文章意思也差不多。词库模型可以通过有限的编码信息实现有效的文档分类和检索。
服务器对提取的问答对进行特征提取。在一个实施例中,特征提取可以是对问答对中的问题提取关键词。在另一个实施例中,抽取的特征例如可以是问答对中的单句数量、形容词个数、疑问词等等。
507、从预置问诊数据库中筛选出与第一问答对和第二特征匹配的历史问诊记录;
本实施例中,从预置问诊数据库中筛选出与所述第一问答对和所述第二特征匹配的历史问诊记录。
本实施例中,服务器将从历史问诊记录中得到的问答对和问答对对应的特征对应地存储至问诊数据库,即将问答对和问答对对应的特征存储为数据库中表的同一行中不同的列。当新患者来就诊时,可以根据新患者的问诊数据中(主诉信息)提取的特征和问答对,与预置问诊数据库中的问答对和问答对对应的特征进行匹配,匹配类似症状的用户。获取历史问诊记录的评分最高的问诊记录,给出可能的病因和治疗参考意见。
508、获取历史问诊记录对应的诊断结果和治疗意见,将诊断结果和治疗意见推送至实时问诊请求对应用户的用户端;
本实施例中,获取所述历史问诊记录对应的诊断结果和治疗意见,将所述诊断结果和治疗意见推送至所述实时问诊请求对应用户的用户端。比如,当新患者来就诊时,可以根据新患者的问诊数据中(主诉信息)提取的特征和问答对,与预置问诊数据库中的问答对和问答对对应的特征进行匹配,匹配类似症状的用户。获取历史问诊记录的评分最高的问诊记录,给出可能的病因和治疗参考意见。减少用户就医时间,提升了患者的就医体验,也提高了诊断的准确度。同时还可以根据采集的大量患者数据,通过大数据分析出各个人群可能患病可能,提前给出预防建。
509、根据医疗决策信息对用户进行诊断,生成最终诊断结果。
本实施例中步骤501-504、509与第一实施例中的101-104、105类似,此处不再赘述。
在本发明实施例中,通过基于预置智能传感设备获取用户问诊数据,对问诊数据进行预诊断,获得预诊断结果;当预诊断结果与用户对应病症不匹配时,接收用户端上传的问诊请求,并根据问诊请求确定向用户分配的科室;获取与科室对应的医疗知识图谱,根据医疗知识图谱对用户问诊数据进行解析,得到医疗决策信息;根据医疗决策信息对用户进行诊断,生成最终诊断结果。将在线医疗的便捷性和传统医疗机构医院的专业性相结合,通过采集的大量患者数据对用户群体进行病情预测,解决了解决现有的视频问诊方式,诊断的准确率低的技术问题。
上面对本发明实施例中视频问诊方法进行了描述,下面对本发明实施例中视频问诊装置进行描述,请参阅图6,本发明实施例中视频问诊装置的第一个实施例包括:
第一获取模块601,用于基于预置智能传感设备获取用户问诊数据,其中,所述问诊数据包括所述用户的基础信息和主诉内容;
分析模块602,用于对所述问诊数据进行预诊断,获得预诊断结果;
确定模块603,用于当所述预诊断结果与所述用户对应病症不匹配时,接收用户端上传的问诊请求,并根据所述问诊请求确定向所述用户分配的科室;
解析模块604,用于获取与所述科室对应的医疗知识图谱,根据所述医疗知识图谱对所述用户问诊数据进行解析,得到医疗决策信息;
诊断模块605,用于根据所述医疗决策信息对所述用户进行诊断,生成最终诊断结果。
本发明实施例中,通过基于预置智能传感设备获取用户问诊数据,对问诊数据进行预诊断,获得预诊断结果;当预诊断结果与用户对应病症不匹配时,接收用户端上传的问诊请求,并根据问诊请求确定向用户分配的科室;获取与科室对应的医疗知识图谱,根据医疗知识图谱对用户问诊数据进行解析,得到医疗决策信息;根据医疗决策信息对用户进行诊断,生成最终诊断结果。将在线医疗的便捷性和传统医疗机构医院的专业性相结合,通过采集的大量患者数据对用户群体进行病情预测,解决了解决现有的视频问诊方式,诊断的准确率低的技术问题。
请参阅图7,本发明实施例中视频问诊装置的第二个实施例,该视频问诊装置具体包括:
获取模块601,用于基于预置智能传感设备获取用户问诊数据,其中,所述问诊数据包括所述用户的基础信息和主诉内容;
分析模块602,用于对所述问诊数据进行预诊断,获得预诊断结果;
确定模块603,用于当所述预诊断结果与所述用户对应病症不匹配时,接收用户端上传的问诊请求,并根据所述问诊请求确定向所述用户分配的科室;
解析模块604,用于获取与所述科室对应的医疗知识图谱,根据所述医疗知识图谱对所述用户问诊数据进行解析,得到医疗决策信息;
诊断模块605,用于根据所述医疗决策信息对所述用户进行诊断,生成最终诊断结果。
本实施例中,所述分析模块602包括:
提取单元6021,用于对所述问诊数据进行关键字提取,以获取症状关键字;
查询单元6022,用于根据所述症状关键字在大数据中查询对应的待选病症信息;
标记单元6023,用于在所述待选病症信息与所述主诉内容之间的匹配程度大于预设匹配程度时,将所述待选病症信息标记为目标病症信息;将所述目标病症信息作为预诊断结果。
本实施例中,所述视频问诊装置还包括:
病症匹配模块606,用于当所述预诊断结果与所述用户对应病症匹配时,将所述病症信息输入至预置疾病匹配模型中,通过所述疾病匹配模型对所述病症信息进行匹配处理,得到病症信息处理结果;
第一推送模块607,用于将得到的所述病症信息处理结果推送至预设用户端。
本实施例中,所述视频问诊装置还包括:
第一提取模块608,用于提取所述病症信息处理结果中的病理关键词;
特征匹配模块609,用于根据所述病理关键词确定对应处方关键词,并将所述处方关键词组输入至对应的药品匹配模型中进行特征匹配;
第二推送模块610,用于推送根据匹厨房配结果中的药品清单生成处方推荐,并将所述处方推送至预设用户端。
本实施例中,所述视频问诊装置还包括:
预处理模块611,用于接收实时问诊数据,对所述问诊数据进行预处理,得到所述问诊数据中的第一问答对;
第二提取模块612,用于对所述第一问答对进行特征提取,得到所述第一问答对对应的第二特征;
筛选模块613,用于从预置问诊数据库中筛选出与所述第一问答对和所述第二特征匹配的历史问诊记录;
第三推送模块614,用于获取所述历史问诊记录对应的诊断结果和治疗意见,将所述诊断结果和治疗意见推送至所述实时问诊请求对应用户的用户端。
本实施例中,所述视频问诊装置还包括:
第二获取模块615,用于获取历次问诊记录对应的问诊数据集合,对所述问诊数据集合进行预处理;
第三提取模块616,用于对预处理后的问诊数据集合提取第二问答对,并对提取的所述第二问答对进行特征提取;
存储模块617,用于将所述第二问答对及所述第二问答对对应的所述特征对应存储至问诊数据库;根据所述特征对所述问诊数据库建立索引。
本发明实施例中,通过基于预置智能传感设备获取用户问诊数据,对问诊数据进行预诊断,获得预诊断结果;当预诊断结果与用户对应病症不匹配时,接收用户端上传的问诊请求,并根据问诊请求确定向用户分配的科室;获取与科室对应的医疗知识图谱,根据医疗知识图谱对用户问诊数据进行解析,得到医疗决策信息;根据医疗决策信息对用户进行诊断,生成最终诊断结果。将在线医疗的便捷性和传统医疗机构医院的专业性相结合,通过采集的大量患者数据对用户群体进行病情预测,解决了解决现有的视频问诊方式,诊断的准确率低的技术问题。
上面图6和图7从模块化功能实体的角度对本发明实施例中的视频问诊装置进行详细描述,下面从硬件处理的角度对本发明实施例中视频问诊设备进行详细描述。
图8是本发明实施例提供的一种视频问诊设备的结构示意图,该视频问诊设备800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处理器(centralprocessing units,CPU)810(例如,一个或一个以上处理器)和存储器820,一个或一个以上存储应用程序833或数据832的存储介质830(例如一个或一个以上海量存储设备)。其中,存储器820和存储介质830可以是短暂存储或持久存储。存储在存储介质830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视频问诊设备800中的一系列指令操作。更进一步地,处理器810可以设置为与存储介质830通信,在视频问诊设备800上执行存储介质830中的一系列指令操作,以实现上述各方法实施例提供的视频问诊方法的步骤。
视频问诊设备800还可以包括一个或一个以上电源840,一个或一个以上有线或无线网络接口850,一个或一个以上输入输出接口860,和/或,一个或一个以上操作系统831,例如Windows Serve,Mac OS X,Unix,Linux,FreeBSD等等。本领域技术人员可以理解,图8示出的视频问诊设备结构并不构成对本申请提供的视频问诊设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
本发明还提供一种计算机可读存储介质,该计算机可读存储介质可以为非易失性计算机可读存储介质,该计算机可读存储介质也可以为易失性计算机可读存储介质,所述计算机可读存储介质中存储有指令,当所述指令在计算机上运行时,使得计算机执行上述视频问诊方法的步骤。
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。
所述领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统,装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
所述集成的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,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(read-only memory,ROM)、随机存取存储器(random access memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种视频问诊方法,其特征在于,所述视频问诊方法包括:
基于预置智能传感设备获取用户问诊数据,其中,所述问诊数据包括所述用户的基础信息和主诉内容;
对所述问诊数据进行预诊断,获得预诊断结果;
当所述预诊断结果与所述用户对应病症不匹配时,接收用户端上传的问诊请求,并根据所述问诊请求确定向所述用户分配的科室;
获取与所述科室对应的医疗知识图谱,根据所述医疗知识图谱对所述用户问诊数据进行解析,得到医疗决策信息;
根据所述医疗决策信息对所述用户问诊数据进行诊断,生成最终诊断结果。
2.根据权利要求1所述的视频问诊方法,其特征在于,所述对所述问诊数据进行预诊断,获得预诊断结果包括:
对所述问诊数据进行关键字提取,以获取症状关键字;
根据所述症状关键字在大数据中查询对应的待选病症信息;
在所述待选病症信息与所述主诉内容之间的匹配程度大于预设匹配程度时,将所述待选病症信息标记为目标病症信息;
将所述目标病症信息作为预诊断结果。
3.根据权利要求1所述的视频问诊方法,其特征在于,在所述对所述问诊数据进行预诊断,获得预诊断结果之后,还包括:
当所述预诊断结果与所述用户对应病症匹配时,将所述病症信息输入至预置疾病匹配模型中,通过所述疾病匹配模型对所述病症信息进行匹配处理,得到病症信息处理结果;
将得到的所述病症信息处理结果推送至预设用户端。
4.根据权利要求3所述的视频问诊方法,其特征在于,在所述将得到的所述病症信息处理结果推送至预设用户端之后,还包括:
提取所述病症信息处理结果中的病理关键词;
根据所述病理关键词确定对应处方关键词,并将所述处方关键词组输入至对应的药品匹配模型中进行特征匹配;
根据匹配结果中的药品清单生成处方推荐,并将所述处方推送至预设用户端。
5.根据权利要求1所述的视频问诊方法,其特征在于,在所述获取与所述科室对应的医疗知识图谱,根据所述医疗知识图谱对所述用户问诊数据进行解析,得到医疗决策信息之后,还包括:
接收实时问诊数据,对所述问诊数据进行预处理,得到所述问诊数据中的第一问答对;
对所述第一问答对进行特征提取,得到所述第一问答对对应的第二特征;
从预置问诊数据库中筛选出与所述第一问答对和所述第二特征匹配的历史问诊记录;
获取所述历史问诊记录对应的诊断结果和治疗意见,将所述诊断结果和治疗意见推送至所述实时问诊请求对应用户的用户端。
6.根据权利要求5所述的视频问诊方法,其特征在于,在所述接收实时问诊数据,对所述问诊数据进行预处理,得到所述问诊数据中的第一问答对之前,还包括:
获取历次问诊记录对应的问诊数据集合,对所述问诊数据集合进行预处理;
对预处理后的问诊数据集合提取第二问答对,并对提取的所述第二问答对进行特征提取;
将所述第二问答对及所述第二问答对对应的所述特征对应存储至问诊数据库;
根据所述特征对所述问诊数据库建立索引。
7.一种视频问诊装置,其特征在于,所述视频问诊装置包括:
第一获取模块,用于基于预置智能传感设备获取用户问诊数据,其中,所述问诊数据包括所述用户的基础信息和主诉内容;
分析模块,用于对所述问诊数据进行预诊断,获得预诊断结果;确定模块,用于当所述预诊断结果与所述用户对应病症不匹配时,接收用户端上传的问诊请求,并根据所述问诊请求确定向所述用户分配的科室;
解析模块,用于获取与所述科室对应的医疗知识图谱,根据所述医疗知识图谱对所述用户问诊数据进行解析,得到医疗决策信息;
诊断模块,用于根据所述医疗决策信息对所述用户进行诊断,生成最终诊断结果。
8.根据权利要求7所述的视频问诊装置,其特征在于,所述视频问诊装置还包括:
病症匹配模块,用于当所述预诊断结果与所述用户对应病症匹配时,将所述病症信息输入至预置疾病匹配模型中,通过所述疾病匹配模型对所述病症信息进行匹配处理,得到病症信息处理结果;
第一推送模块,用于将得到的所述病症信息处理结果推送至预设用户端。
9.一种视频问诊设备,其特征在于,所述视频问诊设备包括:存储器和至少一个处理器,所述存储器中存储有指令,所述存储器和所述至少一个处理器通过线路互连;
所述至少一个处理器调用所述存储器中的所述指令,以使得所述视频问诊设备执行如权利要求1-7中任一项所述的视频问诊方法的步骤。
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1-7中任一项所述的视频问诊方法的步骤。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110698592.9A CN113436723A (zh) | 2021-06-23 | 2021-06-23 | 视频问诊方法、装置、设备及存储介质 |
PCT/CN2022/088890 WO2022267678A1 (zh) | 2021-06-23 | 2022-04-25 | 视频问诊方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110698592.9A CN113436723A (zh) | 2021-06-23 | 2021-06-23 | 视频问诊方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113436723A true CN113436723A (zh) | 2021-09-24 |
Family
ID=77753670
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110698592.9A Pending CN113436723A (zh) | 2021-06-23 | 2021-06-23 | 视频问诊方法、装置、设备及存储介质 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN113436723A (zh) |
WO (1) | WO2022267678A1 (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113840006A (zh) * | 2021-09-27 | 2021-12-24 | 平安国际智慧城市科技股份有限公司 | 问诊接口的管理方法、装置、电子设备以及存储介质 |
WO2022267678A1 (zh) * | 2021-06-23 | 2022-12-29 | 康键信息技术(深圳)有限公司 | 视频问诊方法、装置、设备及存储介质 |
CN116013552A (zh) * | 2023-03-27 | 2023-04-25 | 慧医谷中医药科技(天津)股份有限公司 | 一种基于区块链的远程会诊方法及系统 |
CN116052907A (zh) * | 2022-12-16 | 2023-05-02 | 北京邮电大学 | 问诊方法、装置及电子设备 |
CN117649933A (zh) * | 2023-11-28 | 2024-03-05 | 广州方舟信息科技有限公司 | 在线问诊辅助方法、装置、电子设备和存储介质 |
CN117709493A (zh) * | 2023-12-26 | 2024-03-15 | 江苏道朴网络科技有限公司 | 一种基于历史病理的智能医疗问诊系统 |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115910314A (zh) * | 2023-03-01 | 2023-04-04 | 庆云县人民医院 | 一种医疗保健信息实时通信系统 |
CN117153378B (zh) * | 2023-10-31 | 2024-03-01 | 北京博晖创新生物技术集团股份有限公司 | 一种导诊方法、装置、电子设备及存储介质 |
CN117476218B (zh) * | 2023-12-27 | 2024-03-08 | 长春中医药大学 | 一种基于临床知识图谱的中医妇科护理辅助决策系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107656969A (zh) * | 2017-08-31 | 2018-02-02 | 深圳市谷熊网络科技有限公司 | 一种信息推荐方法及装置 |
CN109036544A (zh) * | 2018-05-31 | 2018-12-18 | 平安医疗科技有限公司 | 医疗信息推送方法、装置、计算机设备和存储介质 |
CN109559822A (zh) * | 2018-11-12 | 2019-04-02 | 平安科技(深圳)有限公司 | 智能初诊方法、装置、计算机设备及存储介质 |
CN111798997A (zh) * | 2020-09-10 | 2020-10-20 | 平安国际智慧城市科技股份有限公司 | 远程就诊方法、装置、设备及存储介质 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20150031173A (ko) * | 2013-09-13 | 2015-03-23 | 유선용 | 원격의료지원 시스템 및 그의 제어방법 |
US10572626B2 (en) * | 2015-10-05 | 2020-02-25 | Ricoh Co., Ltd. | Advanced telemedicine system with virtual doctor |
CN106557653B (zh) * | 2016-11-15 | 2017-09-22 | 合肥工业大学 | 一种移动医疗智能导医系统及其方法 |
US10950346B2 (en) * | 2017-04-28 | 2021-03-16 | International Business Machines Corporation | Utilizing artificial intelligence for data extraction |
CN110111886A (zh) * | 2019-05-16 | 2019-08-09 | 闻康集团股份有限公司 | 一种基于XGBoost疾病预测的智能问诊系统及方法 |
CN112015917A (zh) * | 2020-09-07 | 2020-12-01 | 平安科技(深圳)有限公司 | 基于知识图谱的数据处理方法、装置及计算机设备 |
CN113436723A (zh) * | 2021-06-23 | 2021-09-24 | 康键信息技术(深圳)有限公司 | 视频问诊方法、装置、设备及存储介质 |
-
2021
- 2021-06-23 CN CN202110698592.9A patent/CN113436723A/zh active Pending
-
2022
- 2022-04-25 WO PCT/CN2022/088890 patent/WO2022267678A1/zh unknown
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107656969A (zh) * | 2017-08-31 | 2018-02-02 | 深圳市谷熊网络科技有限公司 | 一种信息推荐方法及装置 |
CN109036544A (zh) * | 2018-05-31 | 2018-12-18 | 平安医疗科技有限公司 | 医疗信息推送方法、装置、计算机设备和存储介质 |
CN109559822A (zh) * | 2018-11-12 | 2019-04-02 | 平安科技(深圳)有限公司 | 智能初诊方法、装置、计算机设备及存储介质 |
CN111798997A (zh) * | 2020-09-10 | 2020-10-20 | 平安国际智慧城市科技股份有限公司 | 远程就诊方法、装置、设备及存储介质 |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022267678A1 (zh) * | 2021-06-23 | 2022-12-29 | 康键信息技术(深圳)有限公司 | 视频问诊方法、装置、设备及存储介质 |
CN113840006A (zh) * | 2021-09-27 | 2021-12-24 | 平安国际智慧城市科技股份有限公司 | 问诊接口的管理方法、装置、电子设备以及存储介质 |
CN113840006B (zh) * | 2021-09-27 | 2023-07-11 | 深圳平安智慧医健科技有限公司 | 问诊接口的管理方法、装置、电子设备以及存储介质 |
CN116052907A (zh) * | 2022-12-16 | 2023-05-02 | 北京邮电大学 | 问诊方法、装置及电子设备 |
CN116013552A (zh) * | 2023-03-27 | 2023-04-25 | 慧医谷中医药科技(天津)股份有限公司 | 一种基于区块链的远程会诊方法及系统 |
CN116013552B (zh) * | 2023-03-27 | 2023-06-06 | 慧医谷中医药科技(天津)股份有限公司 | 一种基于区块链的远程会诊方法及系统 |
CN117649933A (zh) * | 2023-11-28 | 2024-03-05 | 广州方舟信息科技有限公司 | 在线问诊辅助方法、装置、电子设备和存储介质 |
CN117649933B (zh) * | 2023-11-28 | 2024-05-28 | 广州方舟信息科技有限公司 | 在线问诊辅助方法、装置、电子设备和存储介质 |
CN117709493A (zh) * | 2023-12-26 | 2024-03-15 | 江苏道朴网络科技有限公司 | 一种基于历史病理的智能医疗问诊系统 |
Also Published As
Publication number | Publication date |
---|---|
WO2022267678A1 (zh) | 2022-12-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113436723A (zh) | 视频问诊方法、装置、设备及存储介质 | |
CN108877921B (zh) | 医疗智能分诊方法和医疗智能分诊系统 | |
CN109670727B (zh) | 一种基于众包的分词标注质量评估系统及评估方法 | |
CN112863630A (zh) | 基于数据和知识的个性化精准医疗问答系统 | |
CN110675951A (zh) | 智能化的疾病诊断方法及装置、计算机设备与可读介质 | |
CN111933291A (zh) | 医疗信息推荐装置、方法、系统、设备及可读存储介质 | |
CN111091906A (zh) | 一种基于真实世界数据的辅助医疗诊断方法及系统 | |
CN111191415A (zh) | 基于原始手术数据的手术分类编码方法 | |
KR102479692B1 (ko) | 빅데이터 및 클라우드 시스템 기반 인공지능 응급의료 의사결정 및 응급환자 이송 시스템과 그 방법 | |
JP6908977B2 (ja) | 医療情報処理システム、医療情報処理装置及び医療情報処理方法 | |
CN115394393A (zh) | 智能诊疗数据处理方法、装置、电子设备及存储介质 | |
CN113707253A (zh) | 医疗方案推荐方法、装置、设备及介质 | |
CN114416967A (zh) | 智能推荐医生的方法、装置、设备及存储介质 | |
CN115346634A (zh) | 一种体检报告解读预测方法、系统、电子设备和存储介质 | |
CN113724830B (zh) | 基于人工智能的用药风险检测方法及相关设备 | |
KR20230030992A (ko) | 의료상담 콘텐츠에 기초한 의료상담자 추천 방법 및 시스템 | |
CN116453674A (zh) | 一种智慧医疗系统 | |
CN115579153A (zh) | 问诊评价方法、问诊评价装置、电子设备和可读存储介质 | |
CN114743647A (zh) | 医疗数据处理方法、装置、设备及存储介质 | |
US20230377697A1 (en) | System and a way to automatically monitor clinical trials - virtual monitor (vm) and a way to record medical history | |
CN115083561A (zh) | 基于患者实际需求为导向的用药教育推送方法及系统 | |
CN113553840A (zh) | 一种文本信息处理方法、装置、设备及存储介质 | |
CN110289065A (zh) | 一种辅助生成医学电子报告的控制方法以及装置 | |
CN110491488B (zh) | 一种确定医学数据标注终端的控制方法及系统 | |
JP7291440B1 (ja) | プログラム、情報処理装置、方法及びシステム |
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 |