CN114255855A - 一种基于人工智能的医疗分级诊疗挂号管理方法及系统 - Google Patents

Abstract

本发明公开了一种基于人工智能的医疗分级诊疗挂号管理方法，应用于一智能挂号管理系统，其中，所述方法包括：依据第一用户的就医请求获得第一症状关键词；通过与知识库进行关键词匹配获得第一匹配结果，并对用户进行症状提问获得第二症状关键词；将第一症状关键词和第二症状关键词进行组合，获得第一症状信息；依据用户所在的第一区域获得第一医疗分级模型；将所述第一症状信息作为输入数据输入至所述第一医疗分级模型，获得第一医疗分级信息，并发送至第一用户。解决了现有技术中分级诊疗过程中，医疗资源分配不均，医疗人员负荷过重，分级诊疗系统的信息化程度无法缓解就医难，诊疗效率低的技术问题。

Description

一种基于人工智能的医疗分级诊疗挂号管理方法及系统

技术领域

本发明涉及人工智能领域，尤其涉及一种基于人工智能的医疗 分级诊疗挂号管理方法及系统。

背景技术

分级诊疗就是按照疾病的轻重缓急及治疗的难易程度进行分级，不同 级别的医疗机构承担不同疾病的治疗，逐步实现从全科到专业化的医疗过 程，其内涵包括基层首诊、双向转诊、急慢分治、上下联动。

本申请发明人在实现本申请实施例中发明技术方案的过程中，发 现上述技术至少存在如下技术问题：

分级诊疗过程中，医疗资源分配不均，医疗人员负荷过重，分级 诊疗系统的信息化程度无法缓解就医难，诊疗效率低。

发明内容

本申请实施例通过提供一种基于人工智能的医疗分级诊疗挂号 管理方法及系统，解决了现有技术中分级诊疗过程中，医疗资源分配 不均，医疗人员负荷过重，分级诊疗系统的信息化程度无法缓解就医 难，诊疗效率低的技术问题。实现了通过构建患者症状数据库，基于 自然语言处理及关键词匹配对患者进行症状分析，从而为用户智能确 定挂号信息，并分配最合理的医疗资源的技术目的。

鉴于上述问题，本申请实施例提供一种基于人工智能的医疗分级 诊疗挂号管理方法及系统。

第一方面，本申请提供了一种基于人工智能的医疗分级诊疗挂号 管理方法，其中，所述方法包括：获得第一用户的第一就医请求；依 据所述第一就医请求获得所述第一用户的第一症状关键词；获得第一 症状知识库；将所述第一症状关键词输入至所述第一症状知识库进行 匹配，获得第一匹配结果；依据所述第一匹配结果获得第一提问指令； 将所述第一提问指令发送至所述第一用户，获得第二症状关键词；将 所述第一症状关键词和所述第二症状关键词进行组合，获得第一症状 信息；获得所述第一用户所在的第一区域；获得第一医疗分级模型， 所述第一医疗分级模型由所述智能挂号管理系统依据所述第一区域 获得；将所述第一症状信息作为输入数据输入至所述第一医疗分级模 型，获得第一医疗分级信息；将所述第一医疗分级信息发送至第一用 户。

另一方面，本申请还提供了一种基于人工智能的医疗分级诊疗挂 号管理系统，其中，所述系统包括：第一获得单元，所述第一获得单 元用于获得第一用户的第一就医请求；第二获得单元，所述第二获得 单元用于依据所述第一就医请求获得所述第一用户的第一症状关键 词；第三获得单元，所述第三获得单元用于获得第一症状知识库；第 一输入单元，所述第一输入单元用于将所述第一症状关键词输入至所 述第一症状知识库进行匹配，获得第一匹配结果；第四获得单元，所 述第四获得单元用于依据所述第一匹配结果获得第一提问指令；第一 发送单元，所述第一发送单元用于将所述第一提问指令发送至所述第一用户，获得第二症状关键词；第五获得单元，所述第五获得单元用 于将所述第一症状关键词和所述第二症状关键词进行组合，获得第一 症状信息；第六获得单元，所述第六获得单元用于获得所述第一用户 所在的第一区域；第七获得单元，所述第七获得单元用于获得第一医 疗分级模型，所述第一医疗分级模型由所述智能挂号管理系统依据所 述第一区域获得；第二输入单元，所述第二输入单元用于将所述第一 症状信息作为输入数据输入至所述第一医疗分级模型，获得第一医疗 分级信息；第二发送单元，所述第二发送单元用于将所述第一医疗分 级信息发送至第一用户。

另一方面，本申请实施例还提供了一种基于人工智能的医疗分级 诊疗挂号管理学习系统，包括存储器、处理器及存储在存储器上并可 在处理器上运行的计算机程序，其中，所述处理器执行所述程序时实 现上述第一方面所述方法的步骤。

本申请实施例中提供的一个或多个技术方案，至少具有如下技术 效果或优点：

由于采用了通过构建症状数据库，基于语义分析及自然语言处理， 对用户发出的就诊请求进行关键词提取，并在数据库中匹配对应的症 状信息，并进一步通过语音识别对用户进行相关症状信息的获取，从 而获得准确的症状判断信息，将症状信息输入至神经网络模型进行训 练，从而实现为用户智能分配分级诊疗挂号机构，提高分级诊疗系统 的智能、高效性的技术目的。

上述说明是本申请技术方案的概述，为了能够更清楚了解本申请 的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的 上述和其它目的、特征和优点能够更明显易懂，以下特举本申请的具 体实施方式。

附图说明

图1为本申请实施例一种基于人工智能的医疗分级诊疗挂号管 理方法的流程示意图；

图2为本申请实施例一种基于人工智能的医疗分级诊疗挂号管 理系统的结构示意图；

图3为本申请实施例示例性电子设备的结构示意图。

附图标记说明：第一获得单元11，第二获得单元12，第三获得 单元13，第一输入单元14，第四获得单元15，第一发送单元16，第 五获得单元17，第六获得单元18，第七获得单元19，第二输入单元 20，第二发送单元21，总线300，接收器301，处理器302，发送器 303，存储器304，总线接口305。

具体实施方式

本申请实施例通过提供一种基于人工智能的医疗分级诊疗挂号 管理方法及系统，解决了现有技术中分级诊疗过程中，医疗资源分配 不均，医疗人员负荷过重，分级诊疗系统的信息化程度无法缓解就医 难，诊疗效率低的技术问题。实现了通过构建患者症状数据库，基于 自然语言处理及关键词匹配对患者进行症状分析，从而为用户智能确 定挂号信息，并分配最合理的医疗资源的技术目的。

下面，将参考附图详细的描述本申请的示例实施例，显然，所描 述的实施例仅是本申请的一部分实施例，而不是本申请的全部实施例， 应理解，本申请不受这里描述的示例实施例的限制。

申请概述

现有技术中还存在着分级诊疗过程中，医疗资源分配不均，医疗 人员负荷过重，分级诊疗系统的信息化程度无法缓解就医难，诊疗效 率低的技术问题。

针对上述技术问题，本申请提供的技术方案总体思路如下：

本申请提供了一种基于人工智能的医疗分级诊疗挂号管理方法， 其中，所述方法包括：获得第一用户的第一就医请求；依据所述第一 就医请求获得所述第一用户的第一症状关键词；获得第一症状知识库； 将所述第一症状关键词输入至所述第一症状知识库进行匹配，获得第 一匹配结果；依据所述第一匹配结果获得第一提问指令；将所述第一 提问指令发送至所述第一用户，获得第二症状关键词；将所述第一症 状关键词和所述第二症状关键词进行组合，获得第一症状信息；获得 所述第一用户所在的第一区域；获得第一医疗分级模型，所述第一医 疗分级模型由所述智能挂号管理系统依据所述第一区域获得；将所述第一症状信息作为输入数据输入至所述第一医疗分级模型，获得第一 医疗分级信息；将所述第一医疗分级信息发送至第一用户。

在介绍了本申请基本原理后，下面将结合说明书附图来具体介绍 本申请的各种非限制性的实施方式。

实施例一

如图1所示，本申请实施例提供了一种基于人工智能的医疗分级 诊疗挂号管理方法，应用于一智能挂号管理系统，其中，所述方法包 括：

步骤S100：获得第一用户的第一就医请求；

具体而言，医疗分级诊疗制度是指医疗机构依据患者病情的轻重 缓急首先对患者进行分级，在分级诊疗过程中，对于用户的病情初步 进行正确诊断，并为其选择对应等级和医疗水平的医院进行挂号，是 实现分级诊疗的重要前提。因此通过构建所述智能挂号管理系统，当 用户需要进行就诊时，由用户在用户端发起就诊请求，并将所述第一 就医请求发送至系统，由系统进行下一步的分级处理。其中，所述第 一就医请求包括所述第一用户的就诊需求。

步骤S200：依据所述第一就医请求获得所述第一用户的第一症 状关键词；

具体而言，所述智能挂号管理系统基于语义分析技术，在获得所 述第一就医请求之后，对所述第一就医请求进行文本信息提取，继而 对文本进行文本预处理、文本特征提取以及分类模型构建，实现对于 所述第一就医请求中关键词的正确划分和提取。其中，文本预处理为 对文本信息进行分词处理，包括基于词典、统计和情感三种方式，对 文本信息进行正确分词处理；文本特征提取为通过分析词语在文本中 的重要程度，以及词语的词义，对词语的特征进行标记；而分类模型 的构建包括NB模型、随机森林模型等，通过模型进行深度学习，实 现对于词语的分类。对所述第一就医请求进行语义识别、文本处理之 后，获得所述第一症状关键词，所述第一症状关键词为用户端提交的 就医请求，为机器进行初步症状分类奠定了基础。

步骤S300：获得第一症状知识库；

步骤S400：将所述第一症状关键词输入至所述第一症状知识库 进行匹配，获得第一匹配结果；

具体而言，所述第一症状知识库为所述智能挂号管理系统所建立 的包含用户历史就诊症状的知识数据库。所述第一症状知识库包含各 症状的用户主观描述、用户图像特征、系统分析结果以及对该症状用 户所进行分级诊疗的诊疗机构、机构对于该症状的治疗方案、确诊信 息等。基于大数据技术和分级诊疗区域内的各医院的医疗资源共享， 通过信息采集实现数据库的构建，并对数据库内容进行定期更新和维 护，确保数据库的准确、有效性。将所述第一症状关键词输入至所述 第一症状知识库之后，通过关键词检索、匹配，获得所述第一症状关 键词匹配的症状信息，即所述第一匹配结果。所述第一匹配结果为基于用户主观描述所确定的症状信息，所述第一匹配结果的获取，为对 用户进行智能分级诊疗奠定了基础。

步骤S500：依据所述第一匹配结果获得第一提问指令；

步骤S600：将所述第一提问指令发送至所述第一用户，获得第 二症状关键词；

具体而言，由于所述第一匹配结果为基于用户主观描述所获得的， 所述第一匹配结果所包含的症状匹配信息并非唯一确定，因此在获得 所述第一匹配结果之后，需要由所述智能挂号管理系统针对所述第一 匹配结果中的相关症状信息对用户进行智能提问，由用户进行语音回 答，基于语音识别及自然语言处理技术，对用户的语音回答信息进行 进一步处理，从而获得所述第二症状关键词来得到用户对于症状的描 述。通过智能语音处理进一步确定症状信息，从而提高了症状分析预 处理的准确性。

步骤S700：将所述第一症状关键词和所述第二症状关键词进行 组合，获得第一症状信息；

具体而言，将所述第一症状关键词中的用户的症状描述关键词， 和所述第二症状关键词中用户描述的症状表现关键词进行结合，获得 所述第一症状信息，所述第一症状信息为最终确定的，为用户进行分 级诊疗挂号的基础信息，在确定所述第一症状信息之后，通过对所述 第一症状信息进行分析，从而依据用户症状的诊疗等级，为用户分配 合适的挂号医疗机构。所述第一症状信息的正确获取，是提高诊疗效 率的前提条件。

步骤S800：获得所述第一用户所在的第一区域；

步骤S900：获得第一医疗分级模型，所述第一医疗分级模型由 所述智能挂号管理系统依据所述第一区域获得；

具体而言，由于分级诊疗具有“上下联动”的特点，即在医疗机 构之间建立分工协作机制，促进优质医疗资源纵向流动。因此医疗分 级体系的建立，是以区域为单位，连接基层医院和中心医院，进行整 体的分工和协调，同时进行医疗资源整合。因此通过获得所述第一用 户所在的所述第一区域，由于各区域的医疗资源分布不同，因此各区 域具有不同的医疗分级诊疗标准。依据各区域的分级诊疗信息建立医 疗分级模型数据库，从而依据各区域对应的神经网络模型，实现不同 区域用户的分级诊疗。因此在确定所述第一用户所在的所述第一区域 之后，进一步由所述智能挂号系统从模型数据库中获得所述第一区域 对应的所述第一医疗分级模型。所述第一医疗分级模型为一神经网络 模型，具有不断学习、获取经验来处理数据的特点，使得输出数据更 为准确。

步骤S1000：将所述第一症状信息作为输入数据输入至所述第一 医疗分级模型，获得第一医疗分级信息；

步骤S1100：将所述第一医疗分级信息发送至第一用户。

具体而言，将所述第一症状信息作为输入数据输入至所述第一医 疗分级模型进行数据训练，通过训练数据，不断调整输出值，从而获 得准确的所述第一医疗分级信息，所述第一医疗分级信息包括为所述 第一用户所划分的就诊医院信息以及挂号信息，继而将所述第一医疗 分级信息发送至所述第一用户，引导所述第一用户进行诊疗，从而进 一步提高了分级诊疗系统的高效、智能性。

进一步而言，本申请实施例步骤S700还包括：

步骤S710：获得所述第一用户的第一图像信息；

步骤S720：对所述第一图像信息进行卷积特征提取，获得第一 图像特征集；

步骤S730：依据所述症状知识库获得所述第一症状信息的第二 图像特征集；

步骤S740：获得所述第一图像特征集和所述第二图像特征集的 第一匹配度；

步骤S750：判断所述第一匹配度是否超过第一阈值；

步骤S760：若所述第一匹配度超过所述第一阈值，依据所述第 一匹配度获得第一修正指令；

步骤S770：依据所述第一修正指令，对所述第一症状信息进行 修正。

具体而言，所述第一图像信息包括所述第一用户的面部及肢体图 像信息，由于症状的表现形式之一就是面部或肢体具有症状相关特征， 因此由图像捕捉装置获得所述第一用户的所述第一图像信息之后，通 过卷积神经网络，对图像信息进行特征提取。卷积神经网络是通过卷 积层、池化层和全连接层实现对图像的多特征提取的神经网络模型， 通过训练不同的卷积核来提取图像不同特征，包括图像的灰度、色值、 边缘等特征。因此通过对所述第一图像信息进行卷积特征提取，获得 所述第一图像特征集，所述第一图像特征集为所述第一用户的图像特 征；所述第二图像特征集为所述第一症状信息中，对应患者的图像特 征。通过系统对所述第一图像特征集和所述第二图像特征集进行匹配 度分析，获得所述第一匹配度。所述第一匹配度越高，所述第一症状 信息的获取越准确。若所述第一匹配度不处于所述第一阈值，则代表 所述第一症状信息准确性较低，需要依据所述第一修正指令对所述第 一症状信息进行修正。通过基于卷积神经网络模型对用户的图像信息 进行特征提取，提高了机器判断症状的准确性。

进一步而言，本申请实施例步骤S760还包括：

步骤S761：由所述症状知识库获得图像特征数据库；

步骤S762：将所述第一图像特征集输入至所述图像特征数据库 进行检索，获得第一检索结果，其中，所述第一检索结果满足第一检 索规则；

步骤S763：判断所述第一检索结果是否存在；

步骤S764：若所述第一检索结果不存在，依据所述第一用户的 第一就诊信息获得所述第一症状信息的第一可靠度；

步骤S765：若所述第一可靠度超过第二阈值，将所述第一症状 信息和所述第一图像特征集进行组合，获得第一数据映射；

步骤S766：获得第一更新指令，依据所述第一更新指令将第一 数据映射更新至所述图像特征数据库。

具体而言，由于所述第一症状知识库包含各症状的用户主观描述、 用户图像特征、系统分析结果以及对该症状用户所进行分级诊疗的诊 疗机构、机构对于该症状的治疗方案、确诊信息等，因此基于所述症 状知识库中各症状信息对应的各图像特征，可以构建所述图像特征数 据库。从而依据所述第一检索规则，将所述第一用户的所述第一图像 特征集输入至所述图像特征数据库进行检索，若检索结果满足所述第 一检索规则，则判定所述第一检索结果存在，所述第一规则为检索结 果中的图像特征集与所述第一图像特征集的匹配度满足预设；若不满 足，则所述第一检索结果不存在，即所述第一用户的图像特征无法与 数据库进行匹配，则需要对所述第一图像特征集进行标记，并在所述 第一用户就诊结束之后，获得所述第一用户的就诊结果，依据就诊结 果获得所述第一症状信息的第一可靠度，若所述第一可靠度满足预设 的所述第二阈值，则建立所述第一用户的图像特征集和症状信息的数 据映射关系，从而将映射数据添加存储至所述图像特征数据库中，从 而通过不断扩充及修正图像特征数据库，使得特征匹配更为准确。

进一步而言，本申请实施例步骤S1000还包括：

步骤S1010：依据所述第一医疗分级信息，获得第一可挂号医院 列表；

步骤S1020：获得所述第一挂号医院列表中各可挂号医院的第一 医疗资源信息；

步骤S1030：获得所述第一症状信息的第一紧急程度；

步骤S1040：依据所述第一医疗资源信息和所述第一紧急程度获 得第一排序规则；

步骤S1050：依据所述第一排序规则对所述各可挂号医院进行排 序，获得第一排序结果；

步骤S1060：依据所述第一排序结果确定第一挂号医院，其中， 所述第一挂号医院为所述第一排序结果中处于首位的医院。

具体而言，所述第一医疗分级信息中包含依据用户的症状信息确 定的可挂号就诊的医院范围，即所述第一可挂号医院列表。基于大数 据信息处理技术，获得所述第一可挂号医院列表中各医院的医疗资源 信息，医疗资源信息包括各医院的住院床位剩余、出诊医师资源剩余 等，选择医疗资源充足的医院，有助于加强分级诊疗中的合理分配医 疗资源。因此通过结合所述第一可挂号医院列表中各医院的医疗资源 分布，以及用户症状的紧急程度，依据所述第一排序规则，对所述第 一可挂号医院列表进行排序处理，所述第一排序规则为按照匹配程度 由高到低进行排序，排在首位的医院信息为匹配度最高的医院，因此， 将所述第一排序结果中处于首位的医院确定为所述第一挂号医院，提 高了诊疗机构分配的合理性。

进一步而言，本申请实施例步骤S1050还包括：

步骤S1051：获得所述第一用户的第一用户信息；

步骤S1052：依据所述第一用户信息获得所述第一用户的第一用 户画像；

步骤S1053：依据所述第一用户画像获得经济因素在所述第一用 户决策的第一权重值；

步骤S1054：依据所述第一权重值获得第一影响系数，其中，所 述第一影响系数为经济因素对于所述第一排序结果的影响系数；

步骤S1055：依据所述第一影响系数对所述第一排序结果进行修 正，获得第二排序结果；

步骤S1056：依据所述第二排序结果确定第二挂号医院。

具体而言，所述第一用户画像为基于大数据技术，建立所述第一 用户的用户画像，用户画像是真实用户的虚拟代表，用于将用户的属 性、行为等标签化，构建用户的可视化特征。基于所述第一用户画像， 获得经济因素在所述第一用户决策的第一权重值，所述第一权重值越 高，用户在就医等决策时，经济因素所占比重越高，因此所述第一权 重值影响所述第一用户的医疗机构选择。依据所述第一权重值确定经 济因素对于所述第一排序结果的所述第一影响系数，依据所述第一影 响系数对所述第一排序结果进行修正，从而得到更为合理、更贴合用 户需求的排序结果，继而依据所述第二排序结果，确定所述第二挂号 医院，作为最终的分级诊疗结果。

进一步而言，本申请实施例步骤S1056还包括：

步骤S10561：获得第一挂号指令，所述第一挂号指令为依据所 述第二挂号医院的挂号信息获得挂号指令，用于帮助所述第一用户进 行挂号操作；

步骤S10562：将所述第一挂号指令发送至所述第一用户，获得 第一用户确认信息；

步骤S10563：获得第一身份验证信息；

步骤S10564：依据所述第一用户确认信息和所述第一身份验证 信息获得第一就诊时间；

步骤S10565：在所述第一就诊时间到来第一时间阈值内，将第 一提醒信息发送至所述第一用户。

具体而言，在为所述第一用户确定所述第二挂号医院之后，系统 自动获取所述第二挂号医院的挂号信息，并生成所述第一挂号指令， 发送至所述第一用户，由所述第一用户在用户端对挂号的内容、时间、 医师、费用等信息进行确认，并通过人脸识别、虹膜识别等方式进行 身份验证，验证通过后，系统自动依据用户所确认的挂号信息，为所 述第一用户进行挂号操作，并在挂号信息中的所述第一就诊时间到来 第一时间阈值内，向所述第一用户发送所述第一提醒信息，为用户进 行挂号操作进行智能引导以及智能提醒，增强了分级诊疗系统的便利 有效性。

进一步而言，本申请实施例步骤S1000还包括：

步骤S1010a：将所述第一症状信息作为输入数据输入至所述第 一医疗分级模型，所述第一资源分配模型通过多组训练数据训练获得， 其中，所述多组训练数据均包含所述第一症状信息以及用于标识所述 第一医疗分级信息的标识信息；

步骤S1020a：获得所述第一医疗分级模型的第一输出结果，所 述第一输出结果包括所述第一医疗分级信息。

具体而言，所述第一资源分配模型为一神经网络模型，所述神经 网络模型通过多组训练数据训练获得，所述神经网络模型通过训练数 据训练的过程本质上为监督学习的过程。所述多组中的训练数据中的 每一组训练数据均包括所述第一症状信息以及用于标识所述第一医 疗分级信息的标识信息；利用所述第一医疗分级信息及标识所述第一 医疗分级信息的标识信息，组建多组训练数据，在获得所述第一医疗 分级信息的情况下，神经网络模型会输出所述第一医疗分级信息的标 识信息来对神经网络模型输出的所述第一医疗分级信息进行校验，如 果输出的所述第一医疗分级信息同标识的所述第一医疗分级信息相 一致，则本数据监督学习完成，则进行下一组数据监督学习；如果输 出的所述第一医疗分级信息同标识的所述第一医疗分级信息不一致， 则神经网络模型自身进行调整，直到神经网络模型达到预期的准确率 后，进行下一组数据的监督学习。通过训练数据使神经网络模型自身 不断地修正、优化，通过监督学习的过程来提高神经网络模型处理所 述数据的准确性，进而使得所述第一医疗分级信息更加准确。

综上所述，本申请实施例所提供的一种基于人工智能的医疗分级 诊疗挂号管理方法具有如下技术效果：

1、由于采用了通过构建症状数据库，基于语义分析及自然语言 处理，对用户发出的就诊请求进行关键词提取，并在数据库中匹配对 应的症状信息，并进一步通过语音识别对用户进行相关症状信息的获 取，从而获得准确的症状判断信息，将症状信息输入至神经网络模型 进行训练，从而实现为用户智能分配分级诊疗挂号机构，提高分级诊 疗系统的智能、高效性的技术目的。

2、由于采用了通过神经网络模型进行训练学习，将所述第一症 状信息作为输入数据输入至所述第一医疗分级模型，基于训练模型能 够不断学习、获取经验来处理数据的特点，使得所获得的所述第一医 疗分级信息更为准确。

3、由于采用了通过卷积神经网络模型对用户的图像特征进行特 征提取，通过图像特征比对，从而结合用户的症状图像特征对症状信 息加以补充，并对图像特征比对数据库进行及时更新及扩充，从而获 得更为精确的机器判定结果。

实施例二

基于与前述实施例中一种基于人工智能的医疗分级诊疗挂号管 理方法同样发明构思，本发明还提供了一种基于人工智能的医疗分级 诊疗挂号管理系统，如图2所示，所述系统包括：

第一获得单元11，所述第一获得单元11用于获得第一用户的第 一就医请求；

第二获得单元12，所述第二获得单元12用于依据所述第一就医 请求获得所述第一用户的第一症状关键词；

第三获得单元13，所述第三获得单元13用于获得第一症状知识 库；

第一输入单元14，所述第一输入单元14用于将所述第一症状关 键词输入至所述第一症状知识库进行匹配，获得第一匹配结果；

第四获得单元15，所述第四获得单元15用于依据所述第一匹配 结果获得第一提问指令；

第一发送单元16，所述第一发送单元16用于将所述第一提问指 令发送至所述第一用户，获得第二症状关键词；

第五获得单元17，所述第五获得单元17用于将所述第一症状关 键词和所述第二症状关键词进行组合，获得第一症状信息；

第六获得单元18，所述第六获得单元18用于获得所述第一用户 所在的第一区域；

第七获得单元19，所述第七获得单元19用于获得第一医疗分级 模型，所述第一医疗分级模型由所述智能挂号管理系统依据所述第一 区域获得；

第二输入单元20，所述第二输入单元20用于将所述第一症状信 息作为输入数据输入至所述第一医疗分级模型，获得第一医疗分级信 息；

第二发送单元21，所述第二发送单元21用于将所述第一医疗分 级信息发送至第一用户。

进一步的，所述系统还包括：

第八获得单元，所述第八获得单元用于获得所述第一用户的第一 图像信息；

第九获得单元，所述第九获得单元用于对所述第一图像信息进行 卷积特征提取，获得第一图像特征集；

第十获得单元，所述第十获得单元用于依据所述症状知识库获得 所述第一症状信息的第二图像特征集；

第十一获得单元，所述第十一获得单元用于获得所述第一图像特 征集和所述第二图像特征集的第一匹配度；

第一判断单元，所述第一判断单元用于判断所述第一匹配度是否 超过第一阈值；

第十二获得单元，所述第十二获得单元用于若所述第一匹配度超 过所述第一阈值，依据所述第一匹配度获得第一修正指令；

第一修正单元，所述第一修正单元用于依据所述第一修正指令， 对所述第一症状信息进行修正。

进一步的，所述系统还包括：

第十三获得单元，所述第十三获得单元用于由所述症状知识库获 得图像特征数据库；

第三输入单元，所述第三输入单元用于将所述第一图像特征集输 入至所述图像特征数据库进行检索，获得第一检索结果，其中，所述 第一检索结果满足第一检索规则；

第二判断单元，所述第二判断单元用于判断所述第一检索结果是 否存在；

第十四获得单元，所述第十四获得单元用于若所述第一检索结果 不存在，依据所述第一用户的第一就诊信息获得所述第一症状信息的 第一可靠度；

第十五获得单元，所述第十五获得单元用于若所述第一可靠度超 过第二阈值，将所述第一症状信息和所述第一图像特征集进行组合， 获得第一数据映射；

第十六获得单元，所述第十六获得单元用于获得第一更新指令， 依据所述第一更新指令将第一数据映射更新至所述图像特征数据库。

进一步的，所述系统还包括：

第十七获得单元，所述第十七获得单元用于依据所述第一医疗分 级信息，获得第一可挂号医院列表；

第十八获得单元，所述第十八获得单元用于获得所述第一挂号医 院列表中各可挂号医院的第一医疗资源信息；

第十九获得单元，所述第十九获得单元用于获得所述第一症状信 息的第一紧急程度；

第二十获得单元，所述第二十获得单元用于依据所述第一医疗资 源信息和所述第一紧急程度获得第一排序规则；

第二十一获得单元，所述第二十一获得单元用于依据所述第一排 序规则对所述各可挂号医院进行排序，获得第一排序结果；

第二十二获得单元，所述第二十二获得单元用于依据所述第一排 序结果确定第一挂号医院，其中，所述第一挂号医院为所述第一排序 结果中处于首位的医院。

进一步的，所述系统还包括：

第二十三获得单元，所述第二十三获得单元用于获得所述第一用 户的第一用户信息；

第二十四获得单元，所述第二十四获得单元用于依据所述第一用 户信息获得所述第一用户的第一用户画像；

第二十五获得单元，所述第二十五获得单元用于依据所述第一用 户画像获得经济因素在所述第一用户决策的第一权重值；

第二十六获得单元，所述第二十六获得单元用于依据所述第一权 重值获得第一影响系数，其中，所述第一影响系数为经济因素对于所 述第一排序结果的影响系数；

第二十七获得单元，所述第二十七获得单元用于依据所述第一影 响系数对所述第一排序结果进行修正，获得第二排序结果；

第二十八获得单元，所述第二十八获得单元用于依据所述第二排 序结果确定第二挂号医院。

进一步的，所述系统还包括：

第二十九获得单元，所述第二十九获得单元用于获得第一挂号指 令，所述第一挂号指令为依据所述第二挂号医院的挂号信息获得挂号 指令，用于帮助所述第一用户进行挂号操作；

第三发送单元，所述第三发送单元用于将所述第一挂号指令发送 至所述第一用户，获得第一用户确认信息；

第三十获得单元，所述第三十获得单元用于获得第一身份验证信 息；

第三十一获得单元，所述第三十一获得单元用于依据所述第一用 户确认信息和所述第一身份验证信息获得第一就诊时间；

第四发送单元，所述第四发送单元用于在所述第一就诊时间到来 第一时间阈值内，将第一提醒信息发送至所述第一用户。

进一步的，所述系统还包括：

第四输入单元，所述第四输入单元用于将所述第一症状信息作为 输入数据输入至所述第一医疗分级模型，所述第一资源分配模型通过 多组训练数据训练获得，其中，所述多组训练数据均包含所述第一症 状信息以及用于标识所述第一医疗分级信息的标识信息；

第三十二获得单元，所述第三十二获得单元用于获得所述第一医 疗分级模型的第一输出结果，所述第一输出结果包括所述第一医疗分 级信息。

前述图1实施例一中的一种基于人工智能的医疗分级诊疗挂号 管理方法和具体实例同样适用于本实施例的一种基于人工智能的医 疗分级诊疗挂号管理系统，通过前述对一种基于人工智能的医疗分级 诊疗挂号管理方法的详细描述，本领域技术人员可以清楚的知道本实 施例中一种基于人工智能的医疗分级诊疗挂号管理系统，所以为了说 明书的简洁，在此不再详述。

示例性电子设备

下面参考图3来描述本申请实施例的电子设备。

图3图示了根据本申请实施例的电子设备的结构示意图。

基于与前述实施例一种基于人工智能的医疗分级诊疗挂号管理 方法的发明构思，本发明还提供一种基于人工智能的医疗分级诊疗挂 号管理系统，其上存储有计算机程序，该程序被处理器执行时实现前 文所述一种基于人工智能的医疗分级诊疗挂号管理方法的任一方法 的步骤。

其中，在图3中，总线架构(用总线300来代表)，总线300可 以包括任意数量的互联的总线和桥，总线300将包括由处理器302代 表的一个或多个处理器和存储器304代表的存储器的各种电路链接 在一起。总线300还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路链接在一起，这些都是本领域所公知的，因此， 本文不再对其进行进一步描述。总线接口305在总线300和接收器 301和发送器303之间提供接口。接收器301和发送器303可以是同 一个元件，即收发机，提供用于在传输介质上与各种其他装置通信的单元。

处理器302负责管理总线300和通常的处理，而存储器304可以 被用于存储处理器302在执行操作时所使用的数据。

本申请提供了一种基于人工智能的医疗分级诊疗挂号管理方法， 其中，所述方法包括：获得第一用户的第一就医请求；依据所述第一 就医请求获得所述第一用户的第一症状关键词；获得第一症状知识库； 将所述第一症状关键词输入至所述第一症状知识库进行匹配，获得第 一匹配结果；依据所述第一匹配结果获得第一提问指令；将所述第一 提问指令发送至所述第一用户，获得第二症状关键词；将所述第一症 状关键词和所述第二症状关键词进行组合，获得第一症状信息；获得 所述第一用户所在的第一区域；获得第一医疗分级模型，所述第一医 疗分级模型由所述智能挂号管理系统依据所述第一区域获得；将所述第一症状信息作为输入数据输入至所述第一医疗分级模型，获得第一 医疗分级信息；将所述第一医疗分级信息发送至第一用户。

本领域内的技术人员应明白，本发明的实施例可提供为方法、装 置、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全 软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明 可采用在一个或多个其中包含有计算机可用程序代码的计算机可用 存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上 实施的计算机程序产品的形式。

本发明是参照本发明实施例的方法、设备(系统)、和计算机程 序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令 实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/ 或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到 通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备 的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设 备的处理器执行的指令产生用于实现在流程图一个流程或多个流程 和/或方框图一个方框或多个方框中指定的功能的系统。

这些计算机程序指令也可存储在能引导计算机或其他可编程数 据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计 算机可读存储器中的指令产生包括指令系统的制造品，该指令系统实 现在流程图一个流程或多个流程和/或方框图一个方框或多个方框 中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理 设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产 生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令 提供用于实现在流程图一个流程或多个流程和/或方框图一个方框 或多个方框中指定的功能的步骤。尽管已描述了本发明的优选实施例， 但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施 例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选 实施例以及落入本发明范围的所有变更和修改。

显然，本领域的技术人员可以对本发明进行各种改动和变型而不 脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于 本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些 改动和变型在内。

Claims (9)

1.一种基于人工智能的医疗分级诊疗挂号管理方法，应用于一智能挂号管理系统，其中，所述方法包括：

获得第一用户的第一就医请求；

依据所述第一就医请求获得所述第一用户的第一症状关键词；

获得第一症状知识库；

将所述第一症状关键词输入至所述第一症状知识库进行匹配，获得第一匹配结果；

依据所述第一匹配结果获得第一提问指令；

将所述第一提问指令发送至所述第一用户，获得第二症状关键词；

将所述第一症状关键词和所述第二症状关键词进行组合，获得第一症状信息；

获得所述第一用户所在的第一区域；

获得第一医疗分级模型，所述第一医疗分级模型由所述智能挂号管理系统依据所述第一区域获得；

将所述第一症状信息作为输入数据输入至所述第一医疗分级模型，获得第一医疗分级信息；

将所述第一医疗分级信息发送至第一用户。

2.如权利要求1所述的方法，其中，所述方法还包括：

获得所述第一用户的第一图像信息；

对所述第一图像信息进行卷积特征提取，获得第一图像特征集；

依据所述症状知识库获得所述第一症状信息的第二图像特征集；

获得所述第一图像特征集和所述第二图像特征集的第一匹配度；

判断所述第一匹配度是否超过第一阈值；

若所述第一匹配度超过所述第一阈值，依据所述第一匹配度获得第一修正指令；

依据所述第一修正指令，对所述第一症状信息进行修正。

3.如权利要求2所述的方法，其中，若所述第一匹配度未超过所述第一阈值，所述方法还包括：

由所述症状知识库获得图像特征数据库；

将所述第一图像特征集输入至所述图像特征数据库进行检索，获得第一检索结果，其中，所述第一检索结果满足第一检索规则；

判断所述第一检索结果是否存在；

若所述第一检索结果不存在，依据所述第一用户的第一就诊信息获得所述第一症状信息的第一可靠度；

若所述第一可靠度超过第二阈值，将所述第一症状信息和所述第一图像特征集进行组合，获得第一数据映射；

获得第一更新指令，依据所述第一更新指令将第一数据映射更新至所述图像特征数据库。

4.如权利要求1所述的方法，其中，所述获得第一医疗分级信息，还包括：

依据所述第一医疗分级信息，获得第一可挂号医院列表；

获得所述第一挂号医院列表中各可挂号医院的第一医疗资源信息；

获得所述第一症状信息的第一紧急程度；

依据所述第一医疗资源信息和所述第一紧急程度获得第一排序规则；

依据所述第一排序规则对所述各可挂号医院进行排序，获得第一排序结果；

依据所述第一排序结果确定第一挂号医院，其中，所述第一挂号医院为所述第一排序结果中处于首位的医院。

5.如权利要求1所述的方法，其中，所述方法包括：

获得所述第一用户的第一用户信息；

依据所述第一用户信息获得所述第一用户的第一用户画像；

依据所述第一用户画像获得经济因素在所述第一用户决策的第一权重值；

依据所述第一权重值获得第一影响系数，其中，所述第一影响系数为经济因素对于所述第一排序结果的影响系数；

依据所述第一影响系数对所述第一排序结果进行修正，获得第二排序结果；

依据所述第二排序结果确定第二挂号医院。

6.如权利要求5所述的方法，其中，所述方法包括：

获得第一挂号指令，所述第一挂号指令为依据所述第二挂号医院的挂号信息获得挂号指令，用于帮助所述第一用户进行挂号操作；

将所述第一挂号指令发送至所述第一用户，获得第一用户确认信息；

获得第一身份验证信息；

依据所述第一用户确认信息和所述第一身份验证信息获得第一就诊时间；

在所述第一就诊时间到来第一时间阈值内，将第一提醒信息发送至所述第一用户。

7.如权利要求1所述的方法，其中，所述方法包括：

将所述第一症状信息作为输入数据输入至所述第一医疗分级模型，所述第一资源分配模型通过多组训练数据训练获得，其中，所述多组训练数据均包含所述第一症状信息以及用于标识所述第一医疗分级信息的标识信息；

获得所述第一医疗分级模型的第一输出结果，所述第一输出结果包括所述第一医疗分级信息。

8.一种基于人工智能的医疗分级诊疗挂号管理系统，其中，所述系统包括：

第一获得单元，所述第一获得单元用于获得第一用户的第一就医请求；

第二获得单元，所述第二获得单元用于依据所述第一就医请求获得所述第一用户的第一症状关键词；

第三获得单元，所述第三获得单元用于获得第一症状知识库；

第一输入单元，所述第一输入单元用于将所述第一症状关键词输入至所述第一症状知识库进行匹配，获得第一匹配结果；

第四获得单元，所述第四获得单元用于依据所述第一匹配结果获得第一提问指令；

第一发送单元，所述第一发送单元用于将所述第一提问指令发送至所述第一用户，获得第二症状关键词；

第五获得单元，所述第五获得单元用于将所述第一症状关键词和所述第二症状关键词进行组合，获得第一症状信息；

第六获得单元，所述第六获得单元用于获得所述第一用户所在的第一区域；

第七获得单元，所述第七获得单元用于获得第一医疗分级模型，所述第一医疗分级模型由所述智能挂号管理系统依据所述第一区域获得；

第二输入单元，所述第二输入单元用于将所述第一症状信息作为输入数据输入至所述第一医疗分级模型，获得第一医疗分级信息；

第二发送单元，所述第二发送单元用于将所述第一医疗分级信息发送至第一用户。

9.一种基于人工智能的医疗分级诊疗挂号管理系统，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其中，所述处理器执行所述程序时实现权利要求1-7任一项所述方法的步骤。

Images