CN113744897A - 网络问诊方法、计算机装置和存储介质 - Google Patents

网络问诊方法、计算机装置和存储介质 Download PDF

Info

Publication number
CN113744897A
CN113744897A CN202111005932.1A CN202111005932A CN113744897A CN 113744897 A CN113744897 A CN 113744897A CN 202111005932 A CN202111005932 A CN 202111005932A CN 113744897 A CN113744897 A CN 113744897A
Authority
CN
China
Prior art keywords
information
terminal
diagnosis
inquiry
medical staff
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
Application number
CN202111005932.1A
Other languages
English (en)
Inventor
成刚
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 CN202111005932.1A priority Critical patent/CN113744897A/zh
Publication of CN113744897A publication Critical patent/CN113744897A/zh
Pending legal-status Critical Current

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
    • G16H80/00—ICT specially adapted for facilitating communication between medical practitioners or patients, e.g. for collaborative diagnosis, therapy or health monitoring
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06311—Scheduling, planning or task assignment for a person or group
    • 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
    • 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
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/14—Session management

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Medical Informatics (AREA)
  • Biomedical Technology (AREA)
  • Public Health (AREA)
  • General Business, Economics & Management (AREA)
  • Epidemiology (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Pathology (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Game Theory and Decision Science (AREA)
  • Marketing (AREA)
  • Databases & Information Systems (AREA)
  • Educational Administration (AREA)
  • Signal Processing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Data Mining & Analysis (AREA)
  • Development Economics (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Medical Treatment And Welfare Office Work (AREA)

Abstract

本发明公开了一种网络问诊方法、装置和存储介质。网络问诊方法包括：当进行在线问诊，排队轮至求诊信息，根据求诊信息匹配具有相应职业属性信息和空闲度信息的医务人员，建立第一终端与医务人员所使用的第二终端之间的在线会话；当进行离线问诊，缓存求诊信息，向第三终端发送求诊信息，接收第三终端的反馈信息，将反馈信息发送至第一终端等步骤。本发明可以实现网络在线问诊，能够避免患者与医生面对面接触，避免医生的精力受到患者影响，从而提高诊断效率、改善诊断效果以及避免医患摩擦；通过离线问诊模式可以将求诊信息缓存起来，待有诊断结果后再通知患者，无需患者花时间排队候诊，节约患者的时间。本发明可广泛应用于数字医疗技术领域。

Description

网络问诊方法、计算机装置和存储介质
技术领域
本发明涉及数字医疗技术领域，尤其是一种网络问诊方法、计算机装置和存储介质。
背景技术
目前，患者求诊时需要到医院等医疗机构面见医生，在此之前还需要花费大量时间进行预约登记、挂号和排队等候等操作；医生方面，由于医生需要接见的患者人数众多，而医生的工作时间和精力有限，分配到每个患者的接诊时间和精力也有限，因此广泛存在“候诊两小时，看病五分钟”的现象，造成了医生劳累，但是患者所获得的治疗效果却不一定良好的后果。另一方面，患者本身受到疾病困扰心情不佳，医生由于长时间集中精神工作难以提供面面俱到的服务，目前的就诊流程中，即使是轻微的疾病也需要患者和医生面对面接触，因此容易引发医患之间的摩擦，甚至导致恶性事件发生。
目前问诊信息化的相关技术中，较为成熟的技术主要是医院的挂号和呼号系统，但是这些系统只是解决了患者排队的问题，患者排完队之后的问诊过程还是与常规流程一样并未实现信息化。一些医疗机构向患者提供与医生视频聊天的渠道来进行沟通，但是局限于患者与医疗机构初步沟通以了解其医疗水平、患者问诊前与医生进行有限的初步咨询等过程，医生和患者的信息交互不充分。总之，目前的相关技术存在的问题包括信息化覆盖的问诊流程有限，而且具体问诊流程的信息化程度有限。
发明内容
针对上述问诊流程信息化程度低等技术问题，本发明的目的在于提供一种网络问诊方法、计算机装置和存储介质。
一方面，本发明实施例提供一种网络问诊方法，包括：
获取第一终端发出的求诊信息；
获取所述第一终端选择的问诊模式；所述问诊模式包括在线问诊和离线问诊；
当所述第一终端选择在线问诊，执行以下步骤：
将所述求诊信息映射到第一队列中进行排队；
获取医务人员的职业属性信息和空闲度信息；
当所述第一队列中的排队轮至所述求诊信息，根据所述求诊信息，匹配具有相应所述职业属性信息和所述空闲度信息的医务人员；
将所述求诊信息发送至第二终端；所述第二终端为被匹配到的医务人员一侧的终端；
当检测到所述第二终端确认所述求诊信息，建立所述第一终端与所述第二终端之间的在线会话；
或者，当所述第一终端选择离线问诊，执行以下步骤：
缓存所述求诊信息；
向第三终端发送所述求诊信息；
当接收到所述第三终端的反馈信息，将所述反馈信息发送至所述第一终端；所述第三终端为医务人员一侧的终端。
进一步地，在所述建立所述第一终端与所述第二终端之间的在线会话的步骤之后，所述网络问诊方法还包括：
设定所述在线会话的时间期限；
在所述时间期限到达前，保持所述在线会话；
当距离所述时间期限的时长小于预设阈值，向所述第一终端发出到期提醒；
当检测到所述第一终端完成延时操作，延迟所述时间期限。
进一步地，所述第一终端完成延时操作，包括：
向所述第一终端发出延时费用订单；所述延时费用订单的金额与所述时间期限的延迟时长正相关；
所述第一终端支付所述延时费用订单；
或者，
所述第一终端向至少一个第四终端发出延时请求；所述第四终端为所述第一队列中正在排队的其他求诊信息对应的发出终端；
所述第四终端确认同意所述延时请求。
进一步地，所述网络问诊方法还包括：
获取人工智能模型；
将所述求诊信息的部分或全部输入至所述人工智能模型进行处理；
获取所述人工智能模型输出的辅助诊断信息；
将所述辅助诊断信息发送至所述第二终端。
进一步地，在所述将所述辅助诊断信息发送至所述第二终端的步骤之后，所述网络问诊方法还包括：
获取所述第二终端返回的人工诊断信息；
根据所述人工诊断信息，对所述辅助诊断信息进行确认或调整；
将经过确认或调整的所述辅助诊断信息发送至所述第一终端。
进一步地，所述网络问诊方法还包括：
设定多个医务人员组别；不同的所述医务人员组别具有不同的高低级别；
根据各所述医务人员的职业属性信息，将各所述医务人员映射到相应的所述医务人员组别；
获取所述医务人员针对所述求诊信息作出的人工诊断信息，以及所述人工智能模型对相同所述求诊信息进行处理所得的辅助诊断信息；
获取所述医务人员作出的人工诊断信息与所述人工智能模型处理所得的辅助诊断信息之间的吻合度；
根据所述吻合度，调整所述医务人员与所述医务人员组别之间的映射关系。
进一步地，所述网络问诊方法还包括：
从高低级别高于预设阈值的所述医务人员组别中，选定多个所述医务人员；
获取所选定的所述医务人员所作出的人工诊断信息，以及作出所述人工诊断信息所依据的求诊信息；
以获取到的所述人工诊断信息作为标签数据，以所述人工诊断信息相应的所述求诊信息作为训练输入数据，组建训练数据集；
使用所述训练数据集训练所述人工智能模型。
进一步地，所述获取所述第一终端选择的问诊模式，包括：
获取所述第一队列的当前长度信息；
根据所述当前长度信息，计算得到剩余排队时间信息；
将所述剩余排队时间信息发送至所述第一终端；
控制所述第一终端显示所述剩余排队时间信息，以及显示用于选择所述问诊模式的选项；
接收所述第一终端检测到的选择操作；
根据所述选择操作，确定所述第一终端选择的问诊模式。
进一步地，所述获取医务人员的职业属性信息和空闲度信息，包括：
获取医务人员的科室信息、专业方向信息、从业年限信息、职务级别信息、专家评分信息、患者评分信息和助手级别信息；
获取医务人员的历史接诊数量、当前接诊数量、最大接诊数量和助手人数；
以所述科室信息、专业方向信息、从业年限信息、职务级别信息、专家评分信息、患者评分信息和助手级别信息作为所述职业属性信息；
根据所述历史接诊数量、当前接诊数量、最大接诊数量和助手人数的加权和，确定所述空闲度信息。
另一方面，本发明实施例还提供一种计算机装置，包括存储器和处理器，所述存储器用于存储至少一个程序，所述处理器用于加载所述至少一个程序以执行本发明的实施例中的网络问诊方法。
另一方面，本发明实施例还提供一种存储介质，其中存储有处理器可执行的程序，所述处理器可执行的程序在由处理器执行时用于执行本发明的实施例中的网络问诊方法。
本发明的有益效果包括：实施例中的网络问诊方法，可以向患者所使用的第一终端提供在线问诊模式和离线问诊模式，其中通过在线问诊模式可以根据患者的求诊信息，为患者匹配到具有合适的职业属性信息和空闲度信息的医生，从而建立患者与医生之间的在线会话，实现网络在线问诊，能够减少患者与医生面对面接触的机会，减轻医生的精力受到患者的影响，从而提高诊断效率、改善诊断效果以及减少医患摩擦；通过离线问诊模式可以将求诊信息缓存起来供医生进行处理，待有诊断结果后再通知患者，无需患者花时间排队候诊，从而节约患者的时间，也缓解医疗资源的紧缺程度；实施例中的网络问诊方法在患者排队、分配医生和医患交流等问诊主要环节都实现了信息化，并且在排队和分配医生等的过程中进行了患者的求诊信息和医生的职业属性信息以及空闲度信息的交互匹配，医生和患者的信息交互更充分，而且在在线问诊和离线问诊过程都实现了信息化，实现了覆盖程度更高的数字化医疗。
附图说明
图1为实施例中应用网络问诊方法的场景示意图；
图2为实施例中网络问诊方法的流程图；
图3为实施例中选择问诊模式时第一终端的显示效果示意图；
图4为实施例中显示排队队列时第二终端的显示效果示意图；
图5为实施例中与第二终端进行在线会话时第一终端的显示效果示意图；
图6为实施例中与第一终端进行在线会话时第二终端的显示效果示意图；
图7为实施例中接收到第一终端发出的延时请求后第四终端的显示效果示意图；
图8为实施例中第四终端接受延时请求后的显示效果示意图；
图9为实施例中进行离线问诊时第三终端的显示效果示意图；
图10为实施例中应用人工智能模型的原理示意图；
图11为本发明的实施例中执行网络问诊方法的计算机装置的结构示意图；
图中，101表示第一终端，102表示第二终端，103表示第三终端，104表示第四终端。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚明白，下文中将结合附图对本申请的实施例进行详细说明。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互任意组合。
本实施例中，网络问诊方法可以应用在图1所示的系统上。图1中，可以由医院等医疗机构或者专门提供网络服务的第三方机构设置服务器，该服务器可以设在医院或者云端。服务器可供第一终端、第二终端、第三终端和第四终端等不同终端访问，与这些终端进行数据交互，从而使得服务器可以执行本实施例中的网络问诊方法。
本实施例中，医务人员可以指医生、护士、实习人员、医学学生、护工或者医生助手等。第一终端和第四终端的使用者有可能是患者，也有可能是并未患病只是希望咨询医生的人员，由于本实施例的应用不局限于用户的具体身份，因此可以以医生和患者为例子进行说明。
参照图1，第一终端和第四终端是患者侧的终端，分别由患者甲、患者乙和患者丙等人员使用。第二终端和第三终端是医生侧的终端，分别由负责在线问诊的医生和负责离线问诊的医生等医务人员使用。具体地，第一终端、第二终端、第三终端和第四终端可以是手机、平板电脑、笔记本电脑、智能手表等通用的移动终端，其中第一终端和第二终端可以是医院在挂号处设置的终端机等设备，第三终端和第四终端也可以是医院专门为医生配备的专用终端。
本实施例中，对于通用的移动终端，服务器可以开放不同版本的APP供终端安装，例如服务器可以开放患者侧APP和医生侧APP，当通用的移动终端安装患者侧APP，则这个移动终端可以作为本实施例中的第一终端或第四终端；当通用的移动终端安装医生侧APP，则这个移动终端可以作为本实施例中的第二终端或第三终端。
本实施例中，对于通用的移动终端，服务器也可以开放同一版本的APP供终端安装，而通过不同的登录账号来识别移动终端的用户类型。例如，患者可以预先在服务器注册一个患者账号，在移动终端使用该患者账号登录APP，则该移动终端可以作为本实施例中的第一终端或第四终端，即患者侧终端；医生可以预先在服务器注册一个患者账号，在移动终端使用该患者账号登录APP，则该移动终端可以作为本实施例中的第二终端或第三终端，即医生侧终端。
本实施例中，网络问诊方法由服务器来执行。但是，由服务器执行网络问诊方法只是一种示例性的说明，并不构成对本申请执行主体的限定。
参照图2，网络问诊方法包括以下步骤：
S1.获取第一终端发出的求诊信息；
S2.获取第一终端选择的问诊模式；其中，问诊模式包括在线问诊和离线问诊；
当第一终端选择在线问诊，执行以下步骤：
S301A.将求诊信息映射到第一队列中进行排队；
S302A.获取医务人员的职业属性信息和空闲度信息；
S303A.当第一队列中的排队轮至求诊信息,根据求诊信息，匹配具有相应职业属性信息和空闲度信息的医务人员；
S304A.将求诊信息发送至第二终端；
S305A.当检测到第二终端确认求诊信息，建立第一终端与第二终端之间的在线会话；
当第一终端选择离线问诊，执行以下步骤：
S301B.缓存求诊信息；
S302B.向第三终端发送求诊信息；
S303B.当接收到第三终端的反馈信息，将反馈信息发送至第一终端。
在执行步骤S1之前，可以先要求患者进行注册、登录、选择医疗套餐以及预缴医疗费用等操作。
步骤S1中，可由患者操作第一终端输入求诊信息，其中求诊信息可以包括患者的姓名、身份证号码、年龄、性别等个人身份信息，以及主诉信息和病历信息。其中，主诉信息可以通过文字、语音、图片、视频以及其他数据格式等格式来表示。文字格式的主诉信息可以是患者根据自己的病征和感受编辑形成的文字；语音格式的主诉信息可以是患者根据自己的病征和感受说出的话，或者录制的咳嗽声等能够描述病征的声音；图片和视频格式的主诉信息可以是患者对病灶进行拍摄和录制所得的图片或视频片段；其他数据格式的主诉信息可以是患者使用具有体温测量功能、血糖检测功能等终端测得的体温和血糖等数据。
步骤S2中，服务器可以执行以下步骤S201-S206：
S201.获取第一队列的当前长度信息；
S202.根据当前长度信息，计算得到剩余排队时间信息；
S203.将剩余排队时间信息发送至第一终端；
S204.指令第一终端显示剩余排队时间信息，以及显示用于选择问诊模式的选项；
S205.接收第一终端检测到的选择操作；
S206.根据选择操作，确定第一终端选择的问诊模式。
服务器可以创建至少一个排队序列，分别用于不同类型患者的排队。例如，可以根据患者是否属于急诊、患者购买的医疗套餐等因素，确定患者会被排进的排队队列。示例性地，服务器中可设有第一队列和第二队列两个排队队列，其中第一队列为常规队列，用于对患非急诊疾病的患者进行排队；第二队列为急诊队列，用于对患急诊疾病的患者进行排队。本实施例中，以第一终端的使用者属于患非急诊疾病的患者为例进行说明，该患者将被排进第一队列。
因此，步骤S201中，服务器获取第一队列的当前长度信息，即当前第一队列中有多少个人正在排队。步骤S202中，服务器根据第一队列的当前长度信息，以及第一队列的长度在之前一小时内的变化速度，估算剩余排队时间信息。步骤S203中，服务器将第一队列的当前长度信息和剩余排队时间信息发送至第一终端，并在步骤S204中指令第一终端显示剩余排队时间信息，以及显示用于选择问诊模式的选项，使得第一终端的显示界面有如图3所示的显示效果。参照图3，使用第一终端的患者可以查看估计剩余排队时间，结合自身需求，如果希望不进行本次问诊则可以点击“退出”按钮，如果希望进行离线排队则可以点击“离线排队”按钮，如果希望进行在线排队则可以点击“在线排队”按钮。
第一终端检测患者的操作，根据患者的操作生成指令，向服务器发送指令。步骤S205中，服务器接收第一终端的指令，识别出患者的选择操作。步骤S206中，服务器根据第一终端的选择操作确定患者选择的问诊模式。
如果步骤S2中患者选择的问诊模式是在线问诊，那么服务器可以执行以下步骤S301A-S305A：
S301A.将求诊信息映射到第一队列中进行排队；
S302A.当第一队列中的排队轮至求诊信息，获取医务人员的职业属性信息和空闲度信息；
S303A.根据求诊信息，匹配具有相应职业属性信息和空闲度信息的医务人员；
S304A.将求诊信息发送至第二终端；
S305A.当检测到第二终端确认求诊信息，建立第一终端与第二终端之间的在线会话；
本实施例中，第二终端是由负责在线问诊的医生使用的终端，因此步骤S301A-S305A中是由第二终端接收相关信息。
步骤S301A中，服务器将求诊信息映射到第一队列中进行排队。具体地，服务器可以将求诊信息的全部或者其中的身份信息等关键部分写入第一队列中进行排队，服务器也可以向求诊信息分配一个编号，将编号写入第一队列中进行排队。
在执行步骤S301A后，服务器可以不将第一队列等排队队列的信息发给患者使用的第一终端，这样第一终端便只会显示第一队列的长度以及估计剩余排队时间，而不会显示第一队列中的其他患者的信息。在执行步骤S301A后，服务器可以将第一队列等排队队列的信息发给医生使用的第二终端，这样第一终端便只会显示第一队列的长度以及估计剩余排队时间，而不会显示第一队列中的其他患者的信息
步骤S302A中，服务器根据医生的诊疗过程，对第一队列进行动态调整。具体地，服务器可以使用先进先出法对第一队列进行排队，按照写入到第一队列中的时间，将第一队列中的求诊信息逐个读出，被读出的求诊信息便是被轮到的求诊信息。
步骤S302A中，服务器也可以控制第二终端将第一队列等排队队列的信息显示出来，显示效果可以如图4所示。图4中，第二终端以头像的方式显示出第一队列中包含的患者信息，以及他们在第一队列中的顺序。医生可以在第二终端中操作，例如将第一队列中任意位置的头像拖拽至“快速接诊”区域，这样被拖拽出的头像对应的求诊信息便是被轮到的求诊信息。通过该方式，可以使得医生能够根据当时的问诊情况需求，自主选择下一个问诊的患者，而无需受限于“先进先出”等排队规则。
步骤S302A中，如果由负责问诊的医生直接将第一队列中患者头像拖拽至“快速接诊”区域，这样可以直接由这位负责问诊的医生来对其选择的患者进行问诊，可以跳过步骤S303A进行医生分配的环节，以及跳过步骤S304A进行医生确认问诊的环节，直接执行步骤S305A，建立第一终端与第二终端之间的在线会话。如果步骤S302A中，是通过第一队列“先进先出”等原则自然排队轮到步骤S1中的求诊信息，或者由问诊医生之外的医院普通管理人员通过拖拽头像的形式选定患者，那么这个被轮到的患者的求诊信息就还没有被分配到相应的问诊医生，需要执行步骤S303A为被轮到的患者分配医生。
步骤S303A中，根据患者通过第一终端上传的求诊信息，匹配具有相应职业属性信息和空闲度信息的医务人员。
本实施例中，医生的职业属性信息包括科室信息、专业方向信息、从业年限信息、职务级别信息、专家评分信息、患者评分信息和助手级别信息等，其中科室信息表示医生工作于医院哪个科室，专业方向信息表示医生的学历、学术研究方向以及主要擅长治疗的疾病类型等，从业年限信息表示医生的累计执业年限，职务级别信息表示医生的职称以及在医院担任的职位，专家评分信息表示医生的执业经历或者学术研究被同行专家评价的分数，患者评分信息表示被该医生诊治过的患者对该医生的评价，助手级别信息表示医院为医生所配备的助手的学历、职务级别等信息。这些信息分别从不同方面反映了医生的职业素养和专业能力。
本实施例中，医生的空闲度信息可由医生的历史接诊数量、当前接诊数量、最大接诊数量和助手人数等数据计算获得。具体地，空闲度信息的公式可以是：
idle＝10000-((0.3*queuesocre+0.2*consultscore+0.3*assstantsocre-0.2*occurtime socre+0.1)*10000)；
其中，idle表示空闲度，queuesocre表示当前接诊数量，consultscore表示历史接诊数量，assstantsocre表示助手人数，occurtimesocre表示最大接诊数量。
步骤S303A中，可以通过逐项匹配的方式，寻找与求诊信息相匹配的职业属性信息和空闲度信息。例如，可以对求诊信息中的主诉信息进行数据清洗，筛选出表达症状、严重程度以及对服务态度的要求等关键词。然后，根据表达症状的关键词匹配相应的科室信息和专业方向信息；根据表达严重程度的关键词匹配相应的从业年限信息、职务级别信息、专家评分信息和助手级别信息，例如关键词所反映出的症状越严重则应匹配越长的从业年限、越高的职务级别、越高的专家评分以及越高的助手级别；根据表达对服务态度的要求的关键词匹配相应的患者评分信息，例如对服务态度的要求越高则匹配越高的患者评分。
根据上述过程匹配到的科室信息、专业方向信息、从业年限信息、职务级别信息、专家评分信息、患者评分信息和助手级别信息，能够确定所要匹配的职业属性信息，根据匹配到的职业属性信息，可以筛选出符合条件的医生。
服务器在筛选出的符合职业属性信息条件的医生中，进一步匹配符合空闲度信息要求的医生。具体地，服务器在筛选出的符合职业属性信息条件的医生中选择具有最高空闲度的医生，作为最终匹配到的医生。
当执行完步骤S303A确定了向第一终端分配的医生，确定该医生所使用的第二终端，然后执行步骤S304A，将求诊信息发送至这个第二终端。第二终端可以显示出提示标志以提醒医生，目前有患者等待求诊。医生可以操作第二终端以对求诊信息进行拒绝、忽略或者确认。
当医生操作第二终端确认求诊信息，第二终端将医生的确认操作返回至服务器，服务器执行步骤S305A，建立第一终端与第二终端之间的在线会话。
在第一终端与第二终端之间的在线会话中，第一终端的显示界面可以如图5所示，第二终端的显示界面可以如图6所示。参照图5和图6，医生和患者可以在线会话中进行IM聊天，聊天界面中提供文字输入、视频聊天、图像拍摄以及体征采集等丰富的沟通工具与方式，患者可以在聊天中上传病历、患处图片等信息便于医生进一步诊断。医生在聊天过程中，可以总结用户患者病历，归纳总结并给出问诊诊断，并在聊天对话过程中可以查询患者历史问诊诊疗信息，在治疗对话过程中，医生可以给患者提供诊断结果、推荐用药建议等诊疗方案。当在线会话结束，第二终端可以自动弹出窗口提示医生，让医生填写本次病历小结，描述用户患者病史、过敏史、禁忌症和体格检查结果等，病历小结上传到服务器之后保存在云端，并可以发送至第一终端供患者参考。
本实施例中，服务器还可以为第一终端与第二终端之间的在线会话设定时间期限，在会话建立后开始计时，在时间期限到达前，保持第一终端与第二终端之间的在线会话；在时间期限到达前，而且距离时间期限的时长小于预设阈值，例如在时间期限到达前5分钟，服务器向第一终端发出到期提醒，从而提示患者在线会话即将到期；在时间期限到达后，如果服务器没有检测到第一终端完成延时操作，服务器就会结束第一终端与第二终端之间的在线会话，视为使用第一终端的患者结束问诊过程。
通过设定在线会话的时间期限，可以对医生与患者之间的问诊过程进行适当的时间限制，有助于提高问诊效率，使得更多的患者受惠。
具体地，服务器可以为每个患者设定一个基础的时间期限，例如对于患普通疾病的患者，其基础的时间期限可以是20分钟。基础的时间期限可以根据患者所患的疾病、属于初诊或者复诊、所选择的医疗套餐等情况进行调整。
本实施例中，服务器可以通过第一终端提示患者完成延时操作，从而获得更长的在线会话时间期限。
其中一种延时操作，是患者点击图5所示显示界面中的“申请延时”，然后在弹出的输入框中输入所希望延长的时间，从而触发服务器生成延时费用订单，延时费用订单的金额与患者希望延长的时间正相关，例如呈5元/分钟等的关系。患者操作第一终端通过支付平台支付延时费用订单后，服务器延长第一终端与第二终端之间的在线会话时间期限。
另外一种延时操作，是目前正在问诊的患者操作其使用的第一终端，通过服务器向至少一个第四终端发出延时请求，其中，第四终端是指第一队列中正在排队的其他求诊信息所来自的终端，也就是排在目前正在问诊的患者之后、目前等待问诊的其他患者所使用的终端。服务器向第四终端转发第一终端发出的延时请求后，第四终端可以显示如图7所示的界面，使用第四终端的患者可以通过点击对话框中的“接受”或“不接受”来表示同意或不同意第一终端的延时请求。当一个第四终端同意第一终端的延时请求，可以进一步在这个第四终端显示图8所示的界面，要求使用第四终端的患者输入愿意向第一终端转让的问诊时间，然后将从第四终端对应的基础时间期限中扣减所转让的问诊时间，向第一终端对应的基础时间期限加上被转让的问诊时间。
例如，其中一个第四终端的患者愿意向第一终端转让的问诊时间为5分钟，那么就从这个第四终端的基础时间期限中扣减5分钟，也就是这个第四终端的基础时间期限剩下15分钟，而第一终端的在线会话时间期限被延长5分钟。如果有多个第四终端的患者愿意向第一终端转让问诊时间，那么服务器从每个第四终端的基础时间期限中分别扣减其所转让的时间，以这些第四终端所转让的问诊时间之和调整延长第一终端的在线会话时间期限。
通过第一种延时操作方式，能够满足使用第一终端的患者的问诊需求，又能满足医疗机构的利益。通过第二种延时操作方式，能够保障使用第一终端的患者的问诊需求，又能尊重其他患者的意愿，避免其他患者的受治疗权利受到影响，而时间期限转让制度能够实现患者之间平衡需求，提高问诊效率。
如果步骤S2中患者选择的问诊模式是离线问诊，那么服务器可以执行以下步骤S301B、S302B和S303B：
S301B.缓存求诊信息；
S302B.向第三终端发送求诊信息；
S303B.当接收到第三终端的反馈信息，将反馈信息发送至第一终端。
使用第一终端的患者选择离线问诊后，服务器执行步骤S301B，将患者上传的求诊信息缓存起来，存储到第一队列的最后或者专门的队列中。等到专门的工作时间或者专门负责离线问诊的医生开启第三终端后，服务器执行步骤S302B，向第三终端发送所缓存的求诊信息。
本实施例中，第三终端的显示界面如图9所示，第三终端通过留言的方式向负责离线问诊的医生展示患者上传的求诊信息。负责离线问诊的医生可以根据专业知识，根据求诊信息得到诊断结果，或者认为单凭求诊信息尚不足以确定诊断结果，医生可以根据诊断结果或者不能作出诊断结果的结论编辑反馈消息，向服务器上传反馈消息。服务器执行步骤S303B，将接收到的第三终端的反馈信息发送至第一终端，患者可以再次登录APP查看反馈消息，从而得知自己的治疗结果。
通过设置离线问诊模式，患者在上传求诊消息后，可以操作第一终端退出APP，结束第一终端与服务器之间的连接状态，患者可以不用守候在第一终端旁边等待排队结束，可以去工作或者做其他事，从而避免花长时间排队，也可以避免抢夺其他真正需要排队等候问诊的患者的医疗资源。
本实施例中，还引入人工智能模型来进行辅助诊断。可以使用卷积神经网络作为人工智能模型。
在使用卷积神经网络前，建立训练数据集来对人工智能模型进行训练。参照图10，服务器先将设定多个医务人员组别，不同的医务人员组别具有不同的高低级别。具体地，可以设置高级医务人员组、中级医务人员组和初级医务人员组这三个医务人员组别。然后根据各医生的职业属性信息，对这些医生进行初始分组，从而使得每个医生都被映射到相应的一个医务人员组别。具体地，可以为职业属性信息中的每个属性设定不同的权重，将职业属性信息中的每个属性量化后求加权平均数，然后为每个医务人员组别设定不同的数值范围，根据医生的职业属性信息对应的加权平均数，确定其所在的数值范围，查找对应的医务人员组别，然后在初始分组时将这个医生分到这个医务人员组别中。
由于本实施例中医生的职业属性信息是衡量医生专业能力水平的标准，因此能够通过职业属性信息来区分不同医生的专业能力水平，并通过将医生分组来体现医生的专业能力水平差异。通过根据职业属性信息来对医生进行分组，所得的高级医务人员组中的医生具有相对最高的专业能力水平，中级医务人员组中的医生具有相对中等的专业能力水平，初级医务人员组中的医生具有相对初等的专业能力水平。
参照图10，本实施例中，认为高低级别高于预设阈值的医务人员组别中的医生，其专业能力水平足够高，因此独立根据求诊信息作出的人工诊断信息在医学上来看也是比较可靠的。因此，可以通过翻查病历记录，查找这些高低级别高于预设阈值的医务人员组别中的医生所作出的人工诊断信息，以及作出人工诊断信息所依据的求诊信息，利用查找到的人工诊断信息作为标签数据，以查找到的人工诊断信息相应的求诊信息作为训练输入数据，组建训练数据集。
本实施例中，建立训练数据集所使用求诊信息可以是主诉信息。具体地，可以对主诉信息中的视频格式进行特征帧提取，从而将视频格式的主诉信息转换成图像格式；对于文字格式和图像格式的主诉信息，可以使用特征提取算法提取其中的特征向量，从而将求诊信息转换成相应的特征向量。特征向量是卷积神经网络能够处理的数据格式。本实施例中，由于能够将求诊信息转换得到相应的特征向量，因此可以不区分求诊信息以及其转换得到的特征向量。
具体地，本实施例中，认为被初始分组到高级医务人员组和中级医务人员组中的医生，其专业能力水平足够高，因此独立根据求诊信息作出的人工诊断信息在医学上来看也是比较可靠的。因此，选定高级医务人员组和中级医务人员组中的医生后，查找这些医生所作出的人工诊断信息，以及作出人工诊断信息所依据的求诊信息，形成求诊信息1-人工诊断信息1、求诊信息2-人工诊断信息2、……求诊信息n-人工诊断信息n的配对关系，其中，人工诊断信息n是高级医务人员组或中级医务人员组中的一个医生独立作出的人工诊断信息，求诊信息n是同一医生作出人工诊断信息n所依据的求诊信息。将上述求诊信息和人工诊断信息以及它们的配对关系组成训练数据集。
在使用训练数据集训练卷积神经网络时，以其中的求诊信息i作为卷积神经网络的输入数据，经过卷积神经网络的卷积、池化和非线性激活等处理，获得输出结果i；以求诊信息i对应的人工诊断信息i作为卷积神经网络的期望输出，也就是将输出结果i与人工诊断信息i进行对比确定误差，当误差未使得损失函数收敛，则调整卷积神经网络部分或全部层的网络参数，再进行下一轮训练，即向卷积神经网络输入求诊信息i+1，获取对求诊信息i+1进行处理所得的输出结果i+1，将输出结果i+1与人工诊断信息i+1进行对比确定误差，直至损失函数收敛后停止训练卷积神经网络。
在训练好卷积神经网络之后，可以使用卷积神经网络来辅助医生进行诊断。参照图6和图9，负责在线问诊的医生所使用的第二终端和负责离线问诊的医生所使用的第三终端都可以显示“AI辅助诊断”按钮，如果医生点击该按钮，第二终端或者第三终端可以将患者发送过来的求诊信息发送至服务器，由服务器计算获得求诊信息对应的特征向量，然后将特征向量输入到训练好的卷积神经网络进行处理，以卷积神经网络的输出结果作为辅助诊断信息。
服务器将卷积神经网络输出的辅助诊断信息发送至第二终端，第二终端将辅助诊断信息显示出来供医生参考。辅助诊断信息可以是一段记载处方和医嘱的文字，医生根据自己的专业知识，如果认为辅助诊断信息的内容无误，可以直接操作第二终端确认辅助诊断信息；如果认为辅助诊断信息基本内容无误，但是存在需要修改的地方，可以在辅助诊断信息的基础上进行修改和确认。第二终端将确认或修改调整后的辅助诊断信息上传到服务器，由服务器将确认或修改调整后的辅助诊断信息发送至第一终端进行显示。
本实施例中，由于卷积神经网络经过了专业能力水平较高的医生独立作出的人工诊断信息训练，因此卷积神经网络获得了对求诊信息的分类处理能力，能够对患者操作的第一终端上传的求诊信息进行处理，输出具有医学诊断意义的辅助诊断信息，医生可以参考辅助诊断信息甚至直接使用辅助诊断信息作为其诊断结果，从而实现辅助医生进行诊断。因此，通过引入卷积神经网络等人工智能模型进行辅助诊断，可以提高医生的问诊效率。
本实施例中，参照图10，还可以根据医生作出的人工诊断信息与人工智能模型输出的辅助诊断信息之间的吻合度，调整医务人员与医务人员组别之间的映射关系，即调整医生所属的医务人员组别。具体地，服务器可以在医生进行在线问诊或者离线问诊的过程中，无论医生是否点击“AI辅助诊断”，都将医生通过第二终端或第三终端查看到的求诊信息输入至卷积神经网络，获取卷积神经网络输出的辅助诊断信息。即使医生点击了“AI辅助诊断”，服务器获得了辅助诊断信息，也不即时向第二终端或第三终端发送辅助诊断信息，而是通过第二终端或第三终端提示医生先独立根据求诊信息进行诊断，获得人工诊断信息，并将人工诊断信息输入至第二终端或第三终端上传到服务器。服务器将医生先独立诊断获得的人工诊断信息与卷积神经网络针对同一求诊信息进行处理所输出的辅助诊断信息进行对比，计算人工诊断信息与辅助诊断信息之间的吻合度，并记录下来。
当对同一个医生作出的人工诊断信息与辅助诊断信息之间的吻合度记录得足够多，便可以根据这些吻合度来调整这个医生所属的医务人员组别。具体地，可以设定吻合度上限阈值和吻合度下限阈值，如果一个医生作出的一个人工诊断信息与相应辅助诊断信息之间的吻合度低于吻合度下限阈值，便记该医生一次不合格；如果这个医生作出的一个人工诊断信息与相应辅助诊断信息之间的吻合度在吻合度上限阈值和吻合度下限阈值之间，便记该医生一次合格；如果这个医生作出的一个人工诊断信息与相应辅助诊断信息之间的吻合度高于吻合度上限阈值，便记该医生一次优秀。当这个医生所获得的不合格次数达到阈值，便可以对这个医生进行降级处理，例如该医生原本属于高级医务人员组，则可以将这个医生调整为属于中级医务人员组。当这个医生所获得的优秀次数达到阈值，便可以对这个医生进行升级处理，例如该医生原本属于初级医务人员组，则可以将这个医生调整为属于中级医务人员组。
另外，也可以设定吻合度上限阈值和吻合度下限阈值，计算一个医生在一段时间内统计所得的所有吻合度的平均值，如果平均值高于吻合度上限阈值，则对这个医生进行升级处理；如果平均值低于吻合度下限阈值，则对这个医生进行降级处理；如果平均值在吻合度上限阈值和吻合度上限阈值之间，则维持这个医生所属的医务人员组别不变。
通过根据医生作出的人工诊断信息与人工智能模型输出的辅助诊断信息之间的吻合度，调整医务人员与医务人员组别之间的映射关系，可以在医生进行网络问诊的过程中根据医生的工作表现来进行动态评价，有助于提升医生的专业能力水平，有助于医生的成长，也有益于患者的健康。而且，由于原先较低级别的医务人员组别中的医务人员，因为其作出的人工诊断信息与人工智能网络作出的辅助诊断信息吻合度高而升级到较高级别的医务人员组别，而在升级到较高级别的医务人员组别之后，较高级别的医务人员组别中的医务人员作出的人工诊断信息可能会被用作构建训练数据集，因此存在部分医务人员，其与人工智能网络之间存在“之前所作出的人工诊断信息被人工智能网络评价，之后所作出的人工诊断信息用于训练人工智能网络”的过程，因此能够产生医务人员与人工智能网络之间相互训练的效果，能够促进医务人员和人工智能网络的诊断能力水平，并且有助于稳定诊断标准。
本发明的实施例中，可以使用具有图11所示结构的计算机装置来执行网络问诊方法中的各步骤，其中，计算机装置包括存储器6001和处理器6002，其中存储器6001用于存储至少一个程序，处理器6002用于加载至少一个程序以执行本发明实施例中的网络问诊方法。通过运行该计算机装置，可以实现与本发明实施例中的网络问诊方法相同的技术效果。
本发明的实施例中，提供一种存储介质，其中存储有处理器可执行的程序，其中处理器可执行的程序在由处理器执行时用于执行本发明实施例中的网络问诊方法。通过使用该存储介质，可以实现与本发明实施例中的网络问诊方法相同的技术效果。
需要说明的是，如无特殊说明，当某一特征被称为“固定”、“连接”在另一个特征，它可以直接固定、连接在另一个特征上，也可以间接地固定、连接在另一个特征上。此外，本公开中所使用的上、下、左、右等描述仅仅是相对于附图中本公开各组成部分的相互位置关系来说的。在本公开中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。此外，除非另有定义，本实施例所使用的所有的技术和科学术语与本技术领域的技术人员通常理解的含义相同。本实施例说明书中所使用的术语只是为了描述具体的实施例，而不是为了限制本发明。本实施例所使用的术语“和/或”包括一个或多个相关的所列项目的任意的组合。
应当理解，尽管在本公开可能采用术语第一、第二、第三等来描述各种元件，但这些元件不应限于这些术语。这些术语仅用来将同一类型的元件彼此区分开。例如，在不脱离本公开范围的情况下，第一元件也可以被称为第二元件，类似地，第二元件也可以被称为第一元件。本实施例所提供的任何以及所有实例或示例性语言(“例如”、“如”等)的使用仅意图更好地说明本发明的实施例，并且除非另外要求，否则不会对本发明的范围施加限制。
应当认识到，本发明的实施例可以由计算机硬件、硬件和软件的组合、或者通过存储在非暂时性计算机可读存储器中的计算机指令来实现或实施。所述方法可以使用标准编程技术-包括配置有计算机程序的非暂时性计算机可读存储介质在计算机程序中实现，其中如此配置的存储介质使得计算机以特定和预定义的方式操作——根据在具体实施例中描述的方法和附图。每个程序可以以高级过程或面向对象的编程语言来实现以与计算机系统通信。然而，若需要，该程序可以以汇编或机器语言实现。在任何情况下，该语言可以是编译或解释的语言。此外，为此目的该程序能够在编程的专用集成电路上运行。
此外，可按任何合适的顺序来执行本实施例描述的过程的操作，除非本实施例另外指示或以其他方式明显地与上下文矛盾。本实施例描述的过程(或变型和/或其组合)可在配置有可执行指令的一个或多个计算机系统的控制下执行，并且可作为共同地在一个或多个处理器上执行的代码(例如，可执行指令、一个或多个计算机程序或一个或多个应用)、由硬件或其组合来实现。所述计算机程序包括可由一个或多个处理器执行的多个指令。
进一步，所述方法可以在可操作地连接至合适的任何类型的计算平台中实现，包括但不限于个人电脑、迷你计算机、主框架、工作站、网络或分布式计算环境、单独的或集成的计算机平台、或者与带电粒子工具或其它成像装置通信等等。本发明的各方面可以以存储在非暂时性存储介质或设备上的机器可读代码来实现，无论是可移动的还是集成至计算平台，如硬盘、光学读取和/或写入存储介质、RAM、ROM等，使得其可由可编程计算机读取，当存储介质或设备由计算机读取时可用于配置和操作计算机以执行在此所描述的过程。此外，机器可读代码，或其部分可以通过有线或无线网络传输。当此类媒体包括结合微处理器或其他数据处理器实现上文所述步骤的指令或程序时，本实施例所述的发明包括这些和其他不同类型的非暂时性计算机可读存储介质。当根据本发明所述的方法和技术编程时，本发明还包括计算机本身。
计算机程序能够应用于输入数据以执行本实施例所述的功能，从而转换输入数据以生成存储至非易失性存储器的输出数据。输出信息还可以应用于一个或多个输出设备如显示器。在本发明优选的实施例中，转换的数据表示物理和有形的对象，包括显示器上产生的物理和有形对象的特定视觉描绘。
以上所述，只是本发明的较佳实施例而已，本发明并不局限于上述实施方式，只要其以相同的手段达到本发明的技术效果，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明保护的范围之内。在本发明的保护范围内其技术方案和/或实施方式可以有各种不同的修改和变化。

Claims (10)

1.一种网络问诊方法，其特征在于，包括：
获取第一终端发出的求诊信息；
获取所述第一终端选择的问诊模式；所述问诊模式包括在线问诊和离线问诊；
当所述第一终端选择在线问诊，执行以下步骤：
将所述求诊信息映射到第一队列中进行排队；
获取医务人员的职业属性信息和空闲度信息；
当所述第一队列中的排队轮至所述求诊信息，根据所述求诊信息，匹配具有相应所述职业属性信息和所述空闲度信息的医务人员；
将所述求诊信息发送至第二终端；所述第二终端为被匹配到的医务人员一侧的终端；
当检测到所述第二终端确认所述求诊信息，建立所述第一终端与所述第二终端之间的在线会话；
或者，当所述第一终端选择离线问诊，执行以下步骤：
缓存所述求诊信息；
向第三终端发送所述求诊信息；
当接收到所述第三终端的反馈信息，将所述反馈信息发送至所述第一终端；所述第三终端为医务人员一侧的终端。
2.根据权利要求1所述的网络问诊方法，其特征在于，在所述建立所述第一终端与所述第二终端之间的在线会话的步骤之后，所述网络问诊方法还包括：
设定所述在线会话的时间期限；
在所述时间期限到达前，保持所述在线会话；
当距离所述时间期限的时长小于预设阈值，向所述第一终端发出到期提醒；
当检测到所述第一终端完成延时操作，延迟所述时间期限。
3.根据权利要求2所述的网络问诊方法，其特征在于，所述第一终端完成延时操作，包括：
向所述第一终端发出延时费用订单；所述延时费用订单的金额与所述时间期限的延迟时长正相关；
所述第一终端支付所述延时费用订单；
或者，
所述第一终端向至少一个第四终端发出延时请求；所述第四终端为所述第一队列中正在排队的其他求诊信息对应的发出终端；
所述第四终端确认同意所述延时请求。
4.根据权利要求1-3任一项所述的网络问诊方法，其特征在于，所述网络问诊方法还包括：
获取人工智能模型；
将所述求诊信息的部分或全部输入至所述人工智能模型进行处理；
获取所述人工智能模型输出的辅助诊断信息；
将所述辅助诊断信息发送至所述第二终端。
5.根据权利要求4所述的网络问诊方法，其特征在于，所述网络问诊方法还包括：
设定多个医务人员组别；不同的所述医务人员组别具有不同的高低级别；
根据各所述医务人员的职业属性信息，将各所述医务人员映射到相应的所述医务人员组别；
获取所述医务人员针对所述求诊信息作出的人工诊断信息，以及所述人工智能模型对相同所述求诊信息进行处理所得的辅助诊断信息；
获取所述医务人员作出的人工诊断信息与所述人工智能模型处理所得的辅助诊断信息之间的吻合度；
根据所述吻合度，调整所述医务人员与所述医务人员组别之间的映射关系。
6.根据权利要求5所述的网络问诊方法，其特征在于，所述网络问诊方法还包括：
从高低级别高于预设阈值的所述医务人员组别中，选定多个所述医务人员；
获取所选定的所述医务人员所作出的人工诊断信息，以及作出所述人工诊断信息所依据的求诊信息；
以获取到的所述人工诊断信息作为标签数据，以所述人工诊断信息相应的所述求诊信息作为训练输入数据，组建训练数据集；
使用所述训练数据集训练所述人工智能模型。
7.根据权利要求1-3任一项所述的网络问诊方法，其特征在于，所述获取所述第一终端选择的问诊模式，包括：
获取所述第一队列的当前长度信息；
根据所述当前长度信息，计算得到剩余排队时间信息；
将所述剩余排队时间信息发送至所述第一终端；
控制所述第一终端显示所述剩余排队时间信息，以及显示用于选择所述问诊模式的选项；
接收所述第一终端检测到的选择操作；
根据所述选择操作，确定所述第一终端选择的问诊模式。
8.根据权利要求1-3任一项所述的网络问诊方法，其特征在于，所述获取医务人员的职业属性信息和空闲度信息，包括：
获取医务人员的科室信息、专业方向信息、从业年限信息、职务级别信息、专家评分信息、患者评分信息和助手级别信息；
获取医务人员的历史接诊数量、当前接诊数量、最大接诊数量和助手人数；
以所述科室信息、专业方向信息、从业年限信息、职务级别信息、专家评分信息、患者评分信息和助手级别信息作为所述职业属性信息；
根据所述历史接诊数量、当前接诊数量、最大接诊数量和助手人数的加权和，确定所述空闲度信息。
9.一种计算机装置，其特征在于，包括存储器和处理器，所述存储器用于存储至少一个程序，所述处理器用于加载所述至少一个程序以执行权利要求1-8任一项所述的网络问诊方法。
10.一种存储介质，其中存储有处理器可执行的程序，其特征在于，所述处理器可执行的程序在由处理器执行时用于执行如权利要求1-8任一项所述的网络问诊方法。
CN202111005932.1A 2021-08-30 2021-08-30 网络问诊方法、计算机装置和存储介质 Pending CN113744897A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111005932.1A CN113744897A (zh) 2021-08-30 2021-08-30 网络问诊方法、计算机装置和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111005932.1A CN113744897A (zh) 2021-08-30 2021-08-30 网络问诊方法、计算机装置和存储介质

Publications (1)

Publication Number Publication Date
CN113744897A true CN113744897A (zh) 2021-12-03

Family

ID=78733935

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111005932.1A Pending CN113744897A (zh) 2021-08-30 2021-08-30 网络问诊方法、计算机装置和存储介质

Country Status (1)

Country Link
CN (1) CN113744897A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115019980A (zh) * 2022-08-08 2022-09-06 阿里健康科技(杭州)有限公司 一种问诊数据处理方法和装置、用户终端和服务器

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108847278A (zh) * 2018-05-31 2018-11-20 平安医疗科技有限公司 线上问诊自动分配方法、装置、计算机设备和存储介质
CN111681779A (zh) * 2020-04-22 2020-09-18 北京捷通华声科技股份有限公司 一种医疗诊断系统
CN112349435A (zh) * 2020-12-08 2021-02-09 微医云(杭州)控股有限公司 一种在线问诊方法、装置、服务器、介质和系统
CN112489817A (zh) * 2020-12-11 2021-03-12 武汉源启科技股份有限公司 一种在线问诊方法、在线问诊平台、电子设备及存储介质
CN113096797A (zh) * 2021-04-16 2021-07-09 杭州卓健信息科技有限公司 基于智能终端的问诊系统

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108847278A (zh) * 2018-05-31 2018-11-20 平安医疗科技有限公司 线上问诊自动分配方法、装置、计算机设备和存储介质
CN111681779A (zh) * 2020-04-22 2020-09-18 北京捷通华声科技股份有限公司 一种医疗诊断系统
CN112349435A (zh) * 2020-12-08 2021-02-09 微医云(杭州)控股有限公司 一种在线问诊方法、装置、服务器、介质和系统
CN112489817A (zh) * 2020-12-11 2021-03-12 武汉源启科技股份有限公司 一种在线问诊方法、在线问诊平台、电子设备及存储介质
CN113096797A (zh) * 2021-04-16 2021-07-09 杭州卓健信息科技有限公司 基于智能终端的问诊系统

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115019980A (zh) * 2022-08-08 2022-09-06 阿里健康科技(杭州)有限公司 一种问诊数据处理方法和装置、用户终端和服务器

Similar Documents

Publication Publication Date Title
US11551792B2 (en) Identification, stratification, and prioritization of patients who qualify for care management services
US11264128B2 (en) Machine-learning framework for coordinating and optimizing healthcare resource utilization and delivery of healthcare services across an integrated healthcare system
CN111128333A (zh) 一种一站式智能诊断与智能就医管理系统
US20170061091A1 (en) Indication of Outreach Options for Healthcare Facility to Facilitate Patient Actions
US20110224998A1 (en) Online Care For Provider Practices
US20200090132A1 (en) COGNITIVE APPOINTMENT SCHEDULING AND MANAGEMENT INTEGRATING IoT DATA
US10742811B2 (en) Smart communications and analytics learning engine
US20230274821A1 (en) Systems and methods to provide real-time feedback for patient wait time
US20240055082A1 (en) Voice-Activated Ambulance Booking
CN110782979A (zh) 医疗任务分配方法及装置、电子设备、存储介质
US20210313053A1 (en) Medical information processing system, medical information processing device, and medical information processing method
US20170103171A1 (en) More-intelligent health care advisor
CN113744897A (zh) 网络问诊方法、计算机装置和存储介质
US20180330825A1 (en) Physician-Patient Active Learning Base Communication Method and System
US20210319898A1 (en) Health monitoring system having portable health monitoring devices and method therefor
WO2020041754A1 (en) Interactive health care plans and related methods and systems
KR102501195B1 (ko) 병원의 의사결정 장치, 방법, 컴퓨터 판독 가능한 기록매체 및 컴퓨터 프로그램
CN112164450A (zh) 一种医疗服务的签约方法和系统
US11657914B2 (en) Systems, methods and devices for dynamic procedure management
Zimlichman 15 Using patient-reported outcomes to drive patient-centered care
US20240145093A1 (en) Artificial intelligence system for facilitating physician assessment
WO2023038152A1 (ja) プログラム、方法、情報処理装置、システム
US20240096481A1 (en) Scheduling healthcare-related services, emr access, and wound detection
US20230317260A1 (en) Systems and Methods for Medical Claims Analytics and Processing Support
US20220392634A1 (en) Controlling Physical Property Access Using Health Parameters

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