CN114579723A - 问诊方法和装置、电子设备及存储介质 - Google Patents

问诊方法和装置、电子设备及存储介质 Download PDF

Info

Publication number
CN114579723A
CN114579723A CN202210204408.5A CN202210204408A CN114579723A CN 114579723 A CN114579723 A CN 114579723A CN 202210204408 A CN202210204408 A CN 202210204408A CN 114579723 A CN114579723 A CN 114579723A
Authority
CN
China
Prior art keywords
inquiry
data
target
vector
image
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
CN202210204408.5A
Other languages
English (en)
Inventor
王世朋
姚海申
刘佳瑞
孙行智
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.)
Ping An Technology Shenzhen Co Ltd
Original Assignee
Ping An 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 Ping An Technology Shenzhen Co Ltd filed Critical Ping An Technology Shenzhen Co Ltd
Priority to CN202210204408.5A priority Critical patent/CN114579723A/zh
Priority to PCT/CN2022/090732 priority patent/WO2023165012A1/zh
Publication of CN114579723A publication Critical patent/CN114579723A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/33—Querying
    • G06F16/332—Query formulation
    • G06F16/3329—Natural language query formulation or dialogue systems
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computational Linguistics (AREA)
  • Biomedical Technology (AREA)
  • General Health & Medical Sciences (AREA)
  • Evolutionary Computation (AREA)
  • Software Systems (AREA)
  • Medical Informatics (AREA)
  • Computing Systems (AREA)
  • Molecular Biology (AREA)
  • Biophysics (AREA)
  • Databases & Information Systems (AREA)
  • Public Health (AREA)
  • Primary Health Care (AREA)
  • Epidemiology (AREA)
  • Pathology (AREA)
  • Human Computer Interaction (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Medical Treatment And Welfare Office Work (AREA)
  • Image Analysis (AREA)

Abstract

本申请实施例提供了一种问诊方法和装置、电子设备及存储介质，属于人工智能及数字医疗技术领域。该方法包括：获取待识别的目标问诊数据，其中，目标问诊数据包括目标文本数据、目标图像数据；对目标文本数据进行向量化处理，得到问诊文本向量；通过预先训练的图像处理模型对目标图像数据进行特征提取，得到问诊图像向量；对问诊文本向量、问诊图像向量进行融合处理，得到标准对话向量；通过预先训练的对话模型对标准对话向量进行对话预测，生成目标问诊回复数据。本申请实施例能够提高问诊效率。

Description

问诊方法和装置、电子设备及存储介质
技术领域
本申请涉及人工智能及数字医疗技术领域，尤其涉及一种问诊方法和装置、电子设备及存储介质。
背景技术
目前，在用户问诊流程中，医生往往需要对每个用户重复询问类似问题，影响问诊时间和问诊效率。相关技术中，常常采用基于模板的机器导诊方式对用户进行简单的问询，并不能有效地缩短问诊时间，影响问诊效率，因此，如何提供一种问诊方法，提高问诊效率，成为了亟待解决的技术问题。
发明内容
本申请实施例的主要目的在于提出一种问诊方法和装置、电子设备及存储介质，旨在提高问诊效率。
为实现上述目的，本申请实施例的第一方面提出了一种问诊方法，所述方法包括：
获取待识别的目标问诊数据，其中，所述目标问诊数据包括目标文本数据、目标图像数据；
对所述目标文本数据进行向量化处理，得到问诊文本向量；
通过预先训练的图像处理模型对所述目标图像数据进行特征提取，得到问诊图像向量；
对所述问诊文本向量、所述问诊图像向量进行融合处理，得到标准对话向量；
通过预先训练的对话模型对所述标准对话向量进行对话预测，生成目标问诊回复数据。
在一些实施例，所述目标文本数据包括第一文本数据，所述获取待识别的目标问诊数据的步骤，包括：
通过预设的医疗云平台获取原始问诊数据；
通过预设的数据格式识别模型对所述原始问诊数据进行格式识别，得到格式特征数据；
根据预设的格式类别标签和所述格式特征数据对所述原始问诊数据进行标签分类处理，得到所述第一文本数据和所述目标图像数据。
在一些实施例，所述目标文本数据还包括第二文本数据，所述获取待识别的目标问诊数据的步骤，包括：
提取所述原始问诊数据中的音频数据；
根据预设的音素映射表对所述音频数据的语音信号进行语音识别处理，得到每一语音信号对应的语音特征词段；
对所述语音特征词段进行拼接处理，得到语音对话语句；
对所述语音对话语句进行词嵌入处理，得到所述第二文本数据。
在一些实施例，所述图像处理模型包括卷积层、RPN网络、池化层以及全连接层，所述通过预先训练的图像处理模型对所述目标图像数据进行特征提取，得到问诊图像向量的步骤，包括：
通过所述卷积层对所述目标图像数据进行特征提取，得到初始像素特征图；
通过所述RPN网络和预设的参考特征窗口对所述初始像素特征图进行特征遍历，得到多个候选像素特征区域；
通过所述池化层将所述初始像素特征图和所述候选像素特征区域进行特征融合，得到目标像素特征图；
通过所述全连接层的预设函数、预设像素特征类别对所述目标像素特征图进行特征概率计算，得到目标像素特征；
通过所述全连接层的MLP网络将所述目标像素特征映射到预设的向量空间，得到所述问诊图像向量。
在一些实施例，在所述通过预先训练的图像处理模型对所述目标图像数据进行特征提取，得到问诊图像向量的步骤之前，所述方法还包括预先训练所述图像处理模型，具体包括：
获取初始模型，其中，所述初始模型为Faster R-CNN模型；
根据预设的特征维度对所述初始模型的全连接层进行参数微调，得到所述图像处理模型。
在一些实施例，所述对所述问诊文本向量、所述问诊图像向量进行融合处理，得到标准对话向量的步骤，包括：
通过预设的目标检测算法对所述问诊图像向量进行位置识别，得到图像位置特征；
根据所述图像位置特征对所述问诊文本向量、所述问诊图像向量进行融合处理，得到所述标准对话向量。
在一些实施例，所述对话模型包括编码层和transformer层,所述通过预先训练的对话模型对所述标准对话向量进行对话预测，生成目标问诊回复数据的步骤，具体包括：
通过所述编码层对所述标准对话向量进行编码处理，得到对话隐藏特征向量；
通过所述transformer层的多头注意力机制算法对所述对话隐藏特征向量进行对话预测，生成所述目标问诊回复数据。
为实现上述目的，本申请实施例的第二方面提出了一种问诊装置，所述装置包括：
问诊数据获取模块，用于获取待识别的目标问诊数据，其中，所述目标问诊数据包括目标文本数据、目标图像数据；
向量化模块，用于对所述目标文本数据进行向量化处理，得到问诊文本向量；
特征提取模块，用于通过预先训练的图像处理模型对所述目标图像数据进行特征提取，得到问诊图像向量；
融合模块，用于对所述问诊文本向量、所述问诊图像向量进行融合处理，得到标准对话向量；
问诊模块，用于通过预先训练的对话模型对所述标准对话向量进行对话预测，生成目标问诊回复数据。
为实现上述目的，本申请实施例的第三方面提出了一种电子设备，所述电子设备包括存储器、处理器、存储在所述存储器上并可在所述处理器上运行的程序以及用于实现所述处理器和所述存储器之间的连接通信的数据总线，所述程序被所述处理器执行时实现上述第一方面所述的方法。
为实现上述目的，本申请实施例的第四方面提出了一种存储介质，所述存储介质为计算机可读存储介质，用于计算机可读存储，所述存储介质存储有一个或者多个程序，所述一个或者多个程序可被一个或者多个处理器执行，以实现上述第一方面所述的方法。
本申请提出的问诊方法和装置、电子设备及存储介质，其通过获取待识别的目标问诊数据，其中，目标问诊数据包括目标文本数据、目标图像数据；进而对目标文本数据进行向量化处理，得到问诊文本向量，并通过预先训练的图像处理模型对目标图像数据进行特征提取，得到问诊图像向量，从而对问诊文本向量、问诊图像向量进行融合处理，得到标准对话向量，这一方式能够对图像问诊、语音问诊以及文本问诊的数据进行融合，借助多模态融合技术，可以更好的处理图像、语音等多媒体信息，实现多模态问诊。在得到标准对话向量后，通过预先训练的对话模型对标准对话向量进行对话预测，生成目标问诊回复数据，从而根据目标问诊回复数据与患者进行问答。通过对话预测生成目标问诊回复数据能够进一步地优化问诊过程，使得问诊过程更加贴合当前的问诊需求，减少不必要的问诊流程提高了问诊效率。
附图说明
图1是本申请实施例提供的问诊方法的流程图；
图2是图1中的步骤S101的流程图；
图3是图1中的步骤S101的另一流程图；
图4是本申请实施例提供的问诊方法的另一流程图；
图5是图1中的步骤S103的流程图；
图6是图1中的步骤S104的流程图；
图7是图1中的步骤S105的流程图；
图8是本申请实施例提供的问诊装置的结构示意图；
图9是本申请实施例提供的电子设备的硬件结构示意图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本申请，并不用于限定本申请。
需要说明的是，虽然在装置示意图中进行了功能模块划分，在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于装置中的模块划分，或流程图中的顺序执行所示出或描述的步骤。说明书和权利要求书及上述附图中的术语“第一”、“第二”等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。
除非另有定义，本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同。本文中所使用的术语只是为了描述本申请实施例的目的，不是旨在限制本申请。
首先，对本申请中涉及的若干名词进行解析：
人工智能(artificial intelligence，AI)：是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学；人工智能是计算机科学的一个分支，人工智能企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。人工智能可以对人的意识、思维的信息过程的模拟。人工智能还是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。
自然语言处理(natural language processing，NLP)：NLP用计算机来处理、理解以及运用人类语言(如中文、英文等)，NLP属于人工智能的一个分支，是计算机科学与语言学的交叉学科，又常被称为计算语言学。自然语言处理包括语法分析、语义分析、篇章理解等。自然语言处理常用于机器翻译、手写体和印刷体字符识别、语音识别及文语转换、信息意图识别、信息抽取与过滤、文本分类与聚类、舆情分析和观点挖掘等技术领域，它涉及与语言处理相关的数据挖掘、机器学习、知识获取、知识工程、人工智能研究和与语言计算相关的语言学研究等。
信息抽取(Information Extraction，NER)：从自然语言文本中抽取指定类型的实体、关系、事件等事实信息，并形成结构化数据输出的文本处理技术。信息抽取是从文本数据中抽取特定信息的一种技术。文本数据是由一些具体的单位构成的，例如句子、段落、篇章，文本信息正是由一些小的具体的单位构成的，例如字、词、词组、句子、段落或是这些具体的单位的组合。抽取文本数据中的名词短语、人名、地名等都是文本信息抽取，当然，文本信息抽取技术所抽取的信息可以是各种类型的信息。
网络爬虫(又称为网页蜘蛛，网络机器人，在FOAF社区中间，更经常的称为网页追逐者)：网络爬虫是一种按照一定的规则，自动地抓取万维网信息的程序或者脚本。
电子计算机断层扫描(Computed Tomography，CT)：它是利用精确准直的X线束、γ射线、超声波等，与灵敏度极高的探测器一同围绕人体的某一部位作一个接一个的断面扫描，具有扫描时间快，图像清晰等特点，可用于多种疾病的检查；根据所采用的射线不同可分为：X射线CT(X-CT)以及γ射线CT(γ-CT)等。
自动语音识别技术(Automatic Speech Recognition，ASR)：自动语音识别技术是一种将人的语音转换为文本的技术。语音识别的输入一般是时域的语音信号，数学上用一系列向量表示信号长度(length T)和维度(dimensiond)，该自动语义识别技术的输出是文本，用一系列令牌token表示字段长度(length N)和不同令牌(different tokens)。
编码(encoder)：编码用于将输入序列转化成一个固定长度的向量。
下采样(subsampled)：下采样是指缩小图像，也称降采样(downsampled)，其主要目的在于使得图像符合显示区域的大小，以及生成对应图像的缩略图。下采样原理：对于一幅图像I尺寸为M*N，对其进行s倍下采样，即得到(M/s)*(N/s)尺寸的得分辨率图像，当然s应该是M和N的公约数才行，如果考虑的是矩阵形式的图像，就是把原始图像s*s窗口内的图像变成一个像素，这个像素点的值就是窗口内所有像素的均值。
Transformer层：transformer层包括依次相邻的注意力层、加和与归一化(add&norm)层、前馈(feed forward)层、add&norm层。在注意力层，从transformer层的上一层获取P个输入向量，以P个输入向量中的任意的第一输入向量为中心，基于预设的注意力窗口范围内的各个输入向量与该第一输入向量之间的关联度，得到该第一输入向量对应的中间向量，如此确定出P个输入向量对应的P个中间向量；在池化层，将P个中间向量合并为Q个输出向量，其中，将transformer层得到的多个输出向量用作当前输入的特征表示。
注意力机制(Attention Mechanism)：注意力机制源于对人类视觉的研究。在认知科学中，由于信息处理的瓶颈，人类会选择性地关注所有信息的一部分，同时忽略其他可见的信息。上述机制通常被称为注意力机制。注意力一般分为两种：一种是自上而下的有意识的注意力，称为聚焦式(focus)注意力；另一种是自下而上的无意识的注意力，称为基于显著性(saliency-based)的注意力。聚焦式注意力是指有预定目的、依赖任务的、主动有意识地聚焦于某一对象的注意力。基于显著性的注意力是由外界刺激驱动的注意，不需要主动干预，也和任务无关。注意力机制的变体包括多头注意力(multi-head attention)和硬性注意力(hardattention)，多头注意力是利用多个查询，来平行地计算从输入信息中选取多个信息，每个注意力关注输入信息的不同部分。硬性注意力有两种实现方式，一种是选取最高概率的输入信息。另一种可以通过在注意力分布式上随机采样的方式实现。
目前，在用户问诊流程中，医生往往需要对每个用户重复询问类似问题，影响问诊时间和问诊效率。相关技术中，常常采用基于模板的机器导诊方式对用户进行简单的问询，即问诊系统会根据患者选择的症状，或动态或静态的选择下一轮要询问的症状，最终给出一个或多个疑似诊断，不具备真正和患者交流的能力。而其为了提高诊断的准确率，一般会请专业的医生根据常见的症状比如发热、头痛等，分别设置十几到几十轮长度不等的问题模板，问答的过程很长，并不能有效地缩短问诊时间，影响问诊效率，因此，如何提供一种问诊方法，提高问诊效率，成为了亟待解决的技术问题。
基于此，本申请实施例提供了一种问诊方法和装置、电子设备及存储介质，旨在提高问诊效率。本申请实施例提供的问诊方法可应用于智能诊疗、远程会诊。
本申请实施例提供的问诊方法和装置、电子设备及存储介质，具体通过如下实施例进行说明，首先描述本申请实施例中的问诊方法。
本申请实施例可以基于人工智能技术对相关的数据进行获取和处理。其中，人工智能(Artificial Intelligence，AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。
人工智能基础技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理技术、操作/交互系统、机电一体化等技术。人工智能软件技术主要包括计算机视觉技术、机器人技术、生物识别技术、语音处理技术、自然语言处理技术以及机器学习/深度学习等几大方向。
本申请实施例可以基于医疗云技术进行与患者之间的智能问诊。其中，医疗云(Medical cloud)，是指在云计算、移动技术、多媒体、4G通信、大数据、以及物联网等新技术基础上，结合医疗技术，使用“云计算”来创建医疗健康服务云平台，实现了医疗资源的共享和医疗范围的扩大。因为云计算技术的运用于结合，医疗云提高医疗机构的效率，方便居民就医。像现在医院的预约挂号、电子病历、医保等都是云计算与医疗领域结合的产物，医疗云还具有数据安全、信息共享、动态扩展、布局全局的优势。
本申请实施例提供的问诊方法，涉及人工智能及数字医疗技术领域。本申请实施例提供的问诊方法可应用于终端中，也可应用于服务器端中，还可以是运行于终端或服务器端中的软件。在一些实施例中，终端可以是智能手机、平板电脑、笔记本电脑、台式计算机等；服务器端可以配置成独立的物理服务器，也可以配置成多个物理服务器构成的服务器集群或者分布式系统，还可以配置成提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、CDN以及大数据和人工智能平台等基础云计算服务的云服务器；软件可以是实现问诊方法的应用等，但并不局限于以上形式。
本申请可用于众多通用或专用的计算机系统环境或配置中。例如：个人计算机、服务器计算机、手持设备或便携式设备、平板型设备、多处理器系统、基于微处理器的系统、置顶盒、可编程的消费电子设备、网络PC、小型计算机、大型计算机、包括以上任何系统或设备的分布式计算环境等等。本申请可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本申请，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
图1是本申请实施例提供的问诊方法的一个可选的流程图，图1中的方法可以包括但不限于包括步骤S101至步骤S105。
步骤S101，获取待识别的目标问诊数据，其中，目标问诊数据包括目标文本数据、目标图像数据；
步骤S102，对目标文本数据进行向量化处理，得到问诊文本向量；
步骤S103，通过预先训练的图像处理模型对目标图像数据进行特征提取，得到问诊图像向量；
步骤S104，对问诊文本向量、问诊图像向量进行融合处理，得到标准对话向量；
步骤S105，通过预先训练的对话模型对标准对话向量进行对话预测，生成目标问诊回复数据。
本申请实施例的步骤S101至步骤S105，通过对目标文本数据进行向量化处理，得到问诊文本向量，并通过预先训练的图像处理模型对目标图像数据进行特征提取，得到问诊图像向量，从而对问诊文本向量、问诊图像向量进行融合处理，得到标准对话向量，这一方式能够对图像问诊、文本问诊的数据进行融合，借助多模态融合技术，可以更好的处理图像、语音等多媒体信息，实现多模态智能问诊。在得到标准对话向量后，通过预先训练的对话模型对标准对话向量进行对话预测，生成目标问诊回复数据，从而根据目标问诊回复数据与患者进行问答。通过对话预测生成目标问诊回复数据能够进一步地优化问诊过程，使得问诊过程更加贴合当前的问诊需求，减少了不必要的问诊流程，提高了问诊效率。
请参阅图2，在一些实施例中，目标文本数据包括第一文本数据，步骤S101可以包括但不限于包括步骤S201至步骤S203：
步骤S201，通过预设的医疗云平台获取原始问诊数据；
步骤S202，通过预设的数据格式识别模型对原始问诊数据进行格式识别，得到格式特征数据；
步骤S203，根据预设的格式类别标签和格式特征数据对原始问诊数据进行标签分类处理，得到第一文本数据和目标图像数据。
在一些实施例的步骤S201中，可以通过编写网络爬虫,设置好数据源之后对医疗云平台中的医疗数据进行有目标性的爬取，得到原始问诊数据。其中，原始问诊数据主要是患者在问诊过程中提供的原始音频数据、原始文本数据以及原始图像数据，例如，原始音频数据可以包括患者对疾病、疼痛等的描述说明，原始文本数据可以包括患者的基本信息，如性别、年龄、主诉等等，原始图像数据则可以包括患者的病情医疗图像等等。
在一些医学应用场景中，上述的病情医疗图像可以为医学影像，原始医疗图像包含的对象所属类型为病灶，即机体上发生病变的部分。医学影像是指为了医疗或医学研究，以非侵入方式取得的内部组织，例如，胃部、腹部、心脏、膝盖、脑部的影像，比如，电子计算机断层扫描(Computed Tomography，CT)、磁共振成像(Magnetic Resonance Imaging，MRI)、超声(ultrasonic，US)、X光图像、脑电图以及光学摄影灯由医学仪器生成的图像。
在一些实施例的步骤S202中，预设的数据格式识别模型为卷积神经网络模型，包括卷积层、池化层以及全连接层。通过数据格式识别模型的卷积层能够对原始问诊数据进行特征提取，捕捉到原始问诊数据的文件名称，进而通过池化层对文件名称进行格式识别，得到原始问诊数据的文件扩展名，例如，问诊数据A的文件扩展名是“jpg”、问诊数据B的文件扩展名是“doc”等等。
在一些实施例的步骤S203中，根据文件扩展名以及预设的格式类别标签对原始问诊数据进行标签分类处理，得到第一文本数据和目标图像数据。例如，预设的格式类别标签包括文本类、图像类以及音频类，文本类对应的文件扩展名可以包括“doc”、“xsl”等等，图像类对应的文件扩展名可以包括“jpg”、“png”、“gif”等等，音频类对应的文件扩展名可以包括“mp3”、“wav”等等。通过这一方式能够将原始问诊数据分为原始文本数据、原始图像数据以及原始音频数据，其中，将原始文本数据作为用于对话预测的第一文本数据，原始图像数据作为用于对话预测的目标图像数据。
请参阅图3，在一些实施例中，目标文本数据包括第二文本数据，步骤S101可以包括但不限于包括步骤S301至步骤S304：
步骤S301，提取原始问诊数据中的音频数据；
步骤S302，根据预设的音素映射表对音频数据的语音信号进行语音识别处理，得到每一语音信号对应的语音特征词段；
步骤S303，对语音特征词段进行拼接处理，得到语音对话语句；
步骤S304，对语音对话语句进行词嵌入处理，得到第二文本数据。
在一些实施例的步骤S301中，通过预设的格式类别标签和格式特征数据对原始问诊数据进行标签分类处理，得到音频数据，其中，该音频数据为属于音频类的原始问诊数据，这些原始问诊数据的文件扩展名包括“mp3”、“wav”等等。
在一些实施例的步骤S302中，可以根据ASR技术构建语音识别模型，该语音识别模型以声音的基本元素作为单元，由于不同的单词由不同的音素组成，通过识别输入语音中存在哪些音素，进而将这些音素组合成识别出的文字能够得到对应的语音文本，因而，该语音识别模型中根据声音的基础元素设置有一个音素映射表，该音素映射表能够反映语音信号与音素的对应关系。根据这一音素映射表对音频数据的语音信号进行语音识别处理，识别音频数据的语音信号中存在的音素，进而将这些音素组合成识别出的文字，得到每一语音信号对应的语音特征词段。
在一些实施例的步骤S303中，可以通过拼接函数(例如concat函数等等)结合每一语音特征词段的上下文信息，按照基本语法对这些语音特征词段进行拼接处理，得到语义对话语句。
在一些实施例的步骤S304中，利用双向长短期记忆算法(Li-LSTM算法)对语音对话语句分别按照从左到右以及从右到左的顺序进行词嵌入处理，得到语音嵌入向量，进而对语音嵌入向量进行解码处理，得到第二文本数据。第二文本数据与上述的第一文本数据的区别在于：第一文本数据为由患者提供的原始文本数据，第二文本数据则是对患者提供的原始音频数据进行转换生成的文本数据。通过这一方式能够满足音频问诊的需求，使得问诊过程变得多模态化，提高问诊方式的多样性与普适性。
在一些实施例的步骤S102中，通过预设的BERT编码器等对目标文本数据进行向量化处理，得到问诊文本向量。具体地，通过预设的BERT编码器将目标文本数据从语义空间映射到预设维度的向量空间，得到问诊文本向量。为了满足对话预测的需要，该预设维度可以是1024，即通过BERT编码器等将目标文本数据转化为1024维度的问诊文本向量。
请参阅图4，在一些实施例中，在步骤S103之前，问诊方法还可以包括预先训练图像处理模型，具体包括步骤S401至步骤S402：
步骤S401，获取初始模型，其中，初始模型为Faster R-CNN模型；
步骤S402，根据预设的特征维度对初始模型的全连接层进行参数微调，得到图像处理模型。
在一些实施例的步骤S401中，为了能够将目标图像数据的像素特征转换为向量形成，在对目标图像数据进行处理过程中，选取Faster R-CNN模型作为初始模型,Faster R-CNN模型能够输出2048×100的图像特征。
在一些实施例的步骤S402中，为了实现多模态问诊，需要使得生成的图像特征与文本特征对齐，即需要使得生成的问诊图像向量与问诊文本向量能够处于同一维度，因而需要根据预设的特征维度对Faster R-CNN模型的全连接层进行参数微调，例如，预设特征维度为1024，则应当将全连接层的MLP网络的映射参数调整为1024，从而得到图像处理模型，其中，图像处理模型包括卷积层、RPN网络、池化层以及全连接层。
请参阅图5，在一些实施例中，步骤S103可以包括但不限于包括步骤S501至步骤S505：
步骤S501，通过卷积层对目标图像数据进行特征提取，得到初始像素特征图；
步骤S502，通过RPN网络和预设的参考特征窗口对初始像素特征图进行特征遍历，得到多个候选像素特征区域；
步骤S503，通过池化层将初始像素特征图和候选像素特征区域进行特征融合，得到目标像素特征图；
步骤S504，通过全连接层的预设函数、预设像素特征类别对目标像素特征图进行特征概率计算，得到目标像素特征；
步骤S505，通过全连接层的MLP网络将目标像素特征映射到预设的向量空间，得到问诊图像向量。
在一些实施例的步骤S501中，通过卷积层对目标图像数据进行特征提取，捕捉目标图像数据的全局像素特征，得到初始像素特征图。
在一些实施例的步骤S502中，通过RPN网络和预设的参考特征窗口对初始像素特征图进行特征遍历，在RPN网络中从预设节点开始，按顺序查找，遍历所有的参考特征窗口点，计算每一参考特征窗口的像素特征与当前初始像素特征图的相似度，提取相似度大于预设阈值的参考特征窗口，将这一系列参考特征窗口作为候选像素特征区域。
在一些实施例的步骤S503中，通过池化层对初始像素特征图进行局部池化处理，捕捉初始像素特征图的关键像素信息，得到初始像素特征图的局部像素特征，通过池化层对候选像素特征区域进行全局池化处理，得到候选像素区域的全局像素特征，进而，对局部像素特征和全局像素特征进行特征融合，即对局部像素特征和全局像素特征进行像素叠加，得到目标像素特征图。
在一些实施例的步骤S504中，预设函数为softmax函数，通过softmax函数在预设像素特征类别的标签上创建一个概率分布，从而根据概率分布对目标像素特征图进行特征概率计算，得到每一预设像素特征类别的特征概率值，选取最大的特征概率值对应的像素特征类别作为最终的像素特征类别，得到目标像素特征。
在一些实施例的步骤S505中，可以采用MLP网络对目标像素特征进行语义空间到向量空间上的多次映射处理，将目标像素特征映射到预先设定的向量空间中，得到问诊图像向量。
请参阅图6，在一些实施例中，步骤S104还可以包括但不限于包括步骤S601至步骤S602：
步骤S601，通过预设的目标检测算法对问诊图像向量进行位置识别，得到图像位置特征；
步骤S602，根据图像位置特征对问诊文本向量、问诊图像向量进行融合处理，得到标准对话向量。
在一些实施例的步骤S601中，预设的目标检测算法可以是YOLO5算法等等，通过YOLO5算法可以根据原始问诊数据的文件扩展名对问诊图像向量进行位置识别，得到图像位置特征。例如，在一次对话问诊过程中，原始问诊数据为ABABCBAB，其中,A为文本数据，B为语音数据，C为图像数据，则通过YOLO5算法可以识别出问诊图像向量应当在整个原始问诊数据中所处的位置，从而得到图像位置特征。
在一些实施例的步骤S602中，根据图像位置特征，将问诊图像向量融合到多个问诊文本向量中，实现对对问诊文本向量、问诊图像向量的融合处理，得到标准对话向量。
在一些实施例的步骤S105之前，问诊方法还包括预先训练对话模型，该对话模型为Unified LM模型，对话模型包括编码层和transformer层，编码层用于对输入向量进行编码处理，transformer层用于对经过编码处理的输入向量进行注意力计算，确定最高概率的输入信。其中，预先训练对话模型的过程可以包括：
a、获取样本问答文本；
b、将样本问答文本输入至对话模型中；
c、通过对话模型的分割网络对样本问答文本进行分割处理，得到多个样本问答对，其中，每一样本问答对包括一个样本问题以及样本问题对应的样本回复语句；
d、通过对话模型的多头注意力机制算法对样本问答对进行对话预测，得到预测回复文本；
e、通过对话模型的损失函数计算预测回复文本和参考回复文本的相似概率值；
f、根据相似概率值对对话模型的损失函数进行优化，以更新对话模型。
具体地，以一个问诊的对话场景为例，获取一个T轮的样本问答文本DT＝{U1,S1,…,UT}，其中Ui和Si为由文字组成的问诊语句或一张问诊图片。假定UT为预测回复文本的当前回复，D<T＝{U1,S1,…,ST}为样本问答对，则相似概率值的计算公式可以表示为
Figure BDA0003528587450000121
其中，UT表示当前要生成的回复；D<T＝{U1,S1,…,ST}表示样本问答文本；un表示UT中的第n个字符；u＜n表示UT中的前n-1个字符组成的回复序列。通过对对话模型的模型参数进行参数微调，使得相似概率值满足条件最大概率时，能够得到符合需要的对话模型。
请参阅图7，在一些实施例中，对话模型包括编码层和transformer层，步骤S105还可以包括但不限于包括步骤S701至步骤S702：
步骤S701，通过编码层对标准对话向量进行编码处理，得到对话隐藏特征向量；
步骤S702，通过transformer层的多头注意力机制算法对对话隐藏特征向量进行对话预测，生成目标问诊回复数据。
在一些实施例的步骤S701中，通过编码层可以根据自下而上的编码顺序和编码维度，对标准对话向量进行编码处理，例如，对标准对话向量进行初次编码，得到最底层的对话隐藏特征向量z1，然后逐层向上进行下采样处理，得到每一层对应的对话隐藏特征向量[z2,z3…,zk]。
在一些实施例的步骤S702中，通过transformer层的多头注意力机制算法和预设权重对多个对话隐藏特征向量进行加权计算，获得目标问诊数据的高级特征表达，即目标言论表征向量，进而，将目标言论表征向量赋值到预测函数上，其中，预测函数为softmax函数，通过softmax函数在每一参考回答文本类别标签上创建一个概率分布，得到每一参考回答文本的相关概率值，选取相关概率值最大的参考回答文本作为目标问诊回复数据。通过对话预测生成目标问诊回复数据能够进一步地优化问诊过程，使得问诊过程更加贴合当前的问诊需求，提高了问诊效率。
本申请实施例通过获取待识别的目标问诊数据，其中，目标问诊数据包括目标文本数据、目标图像数据；进而对目标文本数据进行向量化处理，得到问诊文本向量，并通过预先训练的图像处理模型对目标图像数据进行特征提取，得到问诊图像向量，从而对问诊文本向量、问诊图像向量进行融合处理，得到标准对话向量，这一方式能够对图像问诊、语音问诊以及文本问诊的数据进行融合，借助多模态融合技术，可以更好的处理图像、语音等多媒体信息，实现多模态问诊。在得到标准对话向量后，通过预先训练的对话模型对标准对话向量进行对话预测，生成目标问诊回复数据，从而根据目标问诊回复数据与患者进行问答。通过对话预测生成目标问诊回复数据能够进一步地优化问诊过程，使得问诊过程更加贴合当前的问诊需求，减少了不必要的问诊流程，提高了问诊效率。
请参阅图8，本申请实施例还提供一种问诊装置，可以实现上述问诊方法，该装置包括：
问诊数据获取模块801，用于获取待识别的目标问诊数据，其中，目标问诊数据包括目标文本数据、目标图像数据；
向量化模块802，用于对目标文本数据进行向量化处理，得到问诊文本向量；
特征提取模块803，用于通过预先训练的图像处理模型对目标图像数据进行特征提取，得到问诊图像向量；
融合模块804，用于对问诊文本向量、问诊图像向量进行融合处理，得到标准对话向量；
问诊模块805，用于通过预先训练的对话模型对标准对话向量进行对话预测，生成目标问诊回复数据。
在一些实施例中，目标文本数据包括第一文本数据，问诊数据获取模块801可以包括：
原始问诊数据获取单元，用于通过预设的医疗云平台获取原始问诊数据；
格式识别单元，用于通过预设的数据格式识别模型对原始问诊数据进行格式识别，得到格式特征数据；
标签分类单元，用于根据预设的格式类别标签和格式特征数据对原始问诊数据进行标签分类处理，得到第一文本数据和目标图像数据。
在一些实施例中，目标文本数据包括第二文本数据，问诊数据获取模块801还可以包括：
提取单元，用于提取原始问诊数据中的音频数据；
语音识别单元，用于根据预设的音素映射表对音频数据的语音信号进行语音识别处理，得到每一语音信号对应的语音特征词段；
拼接单元，用于对语音特征词段进行拼接处理，得到语音对话语句；
词嵌入单元，用于对语音对话语句进行词嵌入处理，得到第二文本数据。
在一些实施例中，图像处理模型包括卷积层、RPN网络、池化层以及全连接层，特征提取模块803可以包括：
特征提取单元，用于通过卷积层对目标图像数据进行特征提取，得到初始像素特征图；
特征遍历单元，用于通过RPN网络和预设的参考特征窗口对初始像素特征图进行特征遍历，得到多个候选像素特征区域；
特征融合单元，用于通过池化层将初始像素特征图和候选像素特征区域进行特征融合，得到目标像素特征图；
特征概率计算单元，用于通过全连接层的预设函数、预设像素特征类别对目标像素特征图进行特征概率计算，得到目标像素特征；
映射单元，用于通过全连接层的MLP网络将目标像素特征映射到预设的向量空间，得到问诊图像向量。
在一些实施例中，融合模块804可以包括：
位置识别单元，用于通过预设的目标检测算法对问诊图像向量进行位置识别，得到图像位置特征；
融合单元，用于根据图像位置特征对问诊文本向量、问诊图像向量进行融合处理，得到标准对话向量。
在一些实施例中，对话模型包括编码层和transformer层，问诊模块805可以包括：
编码单元，用于通过编码层对标准对话向量进行编码处理，得到对话隐藏特征向量；
对话预测单元，用于通过transformer层的多头注意力机制算法对对话隐藏特征向量进行对话预测，生成目标问诊回复数据。
本申请实施例还提供了一种电子设备，电子设备包括：存储器、处理器、存储在存储器上并可在处理器上运行的程序以及用于实现处理器和存储器之间的连接通信的数据总线，程序被处理器执行时实现上述问诊方法。该电子设备可以为包括平板电脑、车载电脑等任意智能终端。
请参阅图9，图9示意了另一实施例的电子设备的硬件结构，电子设备包括：
处理器901，可以采用通用的CPU(CentralProcessingUnit，中央处理器)、微处理器、应用专用集成电路(ApplicationSpecificIntegratedCircuit，ASIC)、或者一个或多个集成电路等方式实现，用于执行相关程序，以实现本申请实施例所提供的技术方案；
存储器902，可以采用只读存储器(ReadOnlyMemory，ROM)、静态存储设备、动态存储设备或者随机存取存储器(RandomAccessMemory，RAM)等形式实现。存储器902可以存储操作系统和其他应用程序，在通过软件或者固件来实现本说明书实施例所提供的技术方案时，相关的程序代码保存在存储器902中，并由处理器901来调用执行本申请实施例的问诊方法；
输入/输出接口903，用于实现信息输入及输出；
通信接口904，用于实现本设备与其他设备的通信交互，可以通过有线方式(例如USB、网线等)实现通信，也可以通过无线方式(例如移动网络、WIFI、蓝牙等)实现通信；
总线905，在设备的各个组件(例如处理器901、存储器902、输入/输出接口903和通信接口904)之间传输信息；
其中处理器901、存储器902、输入/输出接口903和通信接口904通过总线905实现彼此之间在设备内部的通信连接。
本申请实施例还提供了一种存储介质，存储介质为计算机可读存储介质，用于计算机可读存储，存储介质存储有一个或者多个程序，一个或者多个程序可被一个或者多个处理器执行，以实现上述问诊方法。
存储器作为一种非暂态计算机可读存储介质，可用于存储非暂态软件程序以及非暂态性计算机可执行程序。此外，存储器可以包括高速随机存取存储器，还可以包括非暂态存储器，例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施方式中，存储器可选包括相对于处理器远程设置的存储器，这些远程存储器可以通过网络连接至该处理器。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
本申请实施例的问诊方法、问诊装置、电子设备及存储介质，其通过获取待识别的目标问诊数据，其中，目标问诊数据包括目标文本数据、目标图像数据；进而对目标文本数据进行向量化处理，得到问诊文本向量，并通过预先训练的图像处理模型对目标图像数据进行特征提取，得到问诊图像向量，从而对问诊文本向量、问诊图像向量进行融合处理，得到标准对话向量，这一方式能够对图像问诊、语音问诊以及文本问诊的数据进行融合，借助多模态融合技术，可以更好的处理图像、语音等多媒体信息，实现多模态问诊。在得到标准对话向量后，通过预先训练的对话模型对标准对话向量进行对话预测，生成目标问诊回复数据，从而根据目标问诊回复数据与患者进行问答。通过对话预测生成目标问诊回复数据能够进一步地优化问诊过程，使得问诊过程更加贴合当前的问诊需求，减少了不必要的问诊流程，提高了问诊效率。
本申请实施例描述的实施例是为了更加清楚的说明本申请实施例的技术方案，并不构成对于本申请实施例提供的技术方案的限定，本领域技术人员可知，随着技术的演变和新应用场景的出现，本申请实施例提供的技术方案对于类似的技术问题，同样适用。
本领域技术人员可以理解的是，图1-7中示出的技术方案并不构成对本申请实施例的限定，可以包括比图示更多或更少的步骤，或者组合某些步骤，或者不同的步骤。
以上所描述的装置实施例仅仅是示意性的，其中作为分离部件说明的单元可以是或者也可以不是物理上分开的，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
本领域普通技术人员可以理解，上文中所公开方法中的全部或某些步骤、系统、设备中的功能模块/单元可以被实施为软件、固件、硬件及其适当的组合。
本申请的说明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，以便这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，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。
应当理解，在本申请中，“至少一个(项)”是指一个或者多个，“多个”是指两个或两个以上。“和/或”，用于描述关联对象的关联关系，表示可以存在三种关系，例如，“A和/或B”可以表示：只存在A，只存在B以及同时存在A和B三种情况，其中A，B可以是单数或者复数。字符“/”一般表示前后关联对象是一种“或”的关系。“以下至少一项(个)”或其类似表达，是指这些项中的任意组合，包括单项(个)或复数项(个)的任意组合。例如，a，b或c中的至少一项(个)，可以表示：a，b，c，“a和b”，“a和c”，“b和c”，或“a和b和c”，其中a，b，c可以是单个，也可以是多个。
在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，上述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
上述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
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，本申请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，包括多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)执行本申请各个实施例的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，简称ROM)、随机存取存储器(Random Access Memory，简称RAM)、磁碟或者光盘等各种可以存储程序的介质。
以上参照附图说明了本申请实施例的优选实施例，并非因此局限本申请实施例的权利范围。本领域技术人员不脱离本申请实施例的范围和实质内所作的任何修改、等同替换和改进，均应在本申请实施例的权利范围之内。

Claims (10)

1.一种问诊方法，其特征在于，所述方法包括：
获取待识别的目标问诊数据，其中，所述目标问诊数据包括目标文本数据、目标图像数据；
对所述目标文本数据进行向量化处理，得到问诊文本向量；
通过预先训练的图像处理模型对所述目标图像数据进行特征提取，得到问诊图像向量；
对所述问诊文本向量、所述问诊图像向量进行融合处理，得到标准对话向量；
通过预先训练的对话模型对所述标准对话向量进行对话预测，生成目标问诊回复数据。
2.根据权利要求1所述的问诊方法，其特征在于，所述目标文本数据包括第一文本数据，所述获取待识别的目标问诊数据的步骤，包括：
通过预设的医疗云平台获取原始问诊数据；
通过预设的数据格式识别模型对所述原始问诊数据进行格式识别，得到格式特征数据；
根据预设的格式类别标签和所述格式特征数据对所述原始问诊数据进行标签分类处理，得到所述第一文本数据和所述目标图像数据。
3.根据权利要求2所述的问诊方法，其特征在于，所述目标文本数据还包括第二文本数据，所述获取待识别的目标问诊数据的步骤，包括：
提取所述原始问诊数据中的音频数据；
根据预设的音素映射表对所述音频数据的语音信号进行语音识别处理，得到每一语音信号对应的语音特征词段；
对所述语音特征词段进行拼接处理，得到语音对话语句；
对所述语音对话语句进行词嵌入处理，得到所述第二文本数据。
4.根据权利要求1所述的问诊方法，其特征在于，所述图像处理模型包括卷积层、RPN网络、池化层以及全连接层，所述通过预先训练的图像处理模型对所述目标图像数据进行特征提取，得到问诊图像向量的步骤，包括：
通过所述卷积层对所述目标图像数据进行特征提取，得到初始像素特征图；
通过所述RPN网络和预设的参考特征窗口对所述初始像素特征图进行特征遍历，得到多个候选像素特征区域；
通过所述池化层将所述初始像素特征图和所述候选像素特征区域进行特征融合，得到目标像素特征图；
通过所述全连接层的预设函数、预设像素特征类别对所述目标像素特征图进行特征概率计算，得到目标像素特征；
通过所述全连接层的MLP网络将所述目标像素特征映射到预设的向量空间，得到所述问诊图像向量。
5.根据权利要求1所述的问诊方法，其特征在于，在所述通过预先训练的图像处理模型对所述目标图像数据进行特征提取，得到问诊图像向量的步骤之前，所述方法还包括预先训练所述图像处理模型，具体包括：
获取初始模型，其中，所述初始模型为Faster R-CNN模型；
根据预设的特征维度对所述初始模型的全连接层进行参数微调，得到所述图像处理模型。
6.根据权利要求1所述的问诊方法，其特征在于，所述对所述问诊文本向量、所述问诊图像向量进行融合处理，得到标准对话向量的步骤，包括：
通过预设的目标检测算法对所述问诊图像向量进行位置识别，得到图像位置特征；
根据所述图像位置特征对所述问诊文本向量、所述问诊图像向量进行融合处理，得到所述标准对话向量。
7.根据权利要求1至6任一项所述的问诊方法，其特征在于，所述对话模型包括编码层和transformer层,所述通过预先训练的对话模型对所述标准对话向量进行对话预测，生成目标问诊回复数据的步骤，具体包括：
通过所述编码层对所述标准对话向量进行编码处理，得到对话隐藏特征向量；
通过所述transformer层的多头注意力机制算法对所述对话隐藏特征向量进行对话预测，生成所述目标问诊回复数据。
8.一种问诊装置，其特征在于，所述装置包括：
问诊数据获取模块，用于获取待识别的目标问诊数据，其中，所述目标问诊数据包括目标文本数据、目标图像数据；
向量化模块，用于对所述目标文本数据进行向量化处理，得到问诊文本向量；
特征提取模块，用于通过预先训练的图像处理模型对所述目标图像数据进行特征提取，得到问诊图像向量；
融合模块，用于对所述问诊文本向量、所述问诊图像向量进行融合处理，得到标准对话向量；
问诊模块，用于通过预先训练的对话模型对所述标准对话向量进行对话预测，生成目标问诊回复数据。
9.一种电子设备，其特征在于，所述电子设备包括存储器、处理器、存储在所述存储器上并可在所述处理器上运行的程序以及用于实现所述处理器和所述存储器之间的连接通信的数据总线，所述程序被所述处理器执行时实现如权利要求1至7任一项所述的问诊方法的步骤。
10.一种存储介质，所述存储介质为计算机可读存储介质，用于计算机可读存储，其特征在于，所述存储介质存储有一个或者多个程序，所述一个或者多个程序可被一个或者多个处理器执行，以实现权利要求1至7中任一项所述的问诊方法的步骤。
CN202210204408.5A 2022-03-02 2022-03-02 问诊方法和装置、电子设备及存储介质 Pending CN114579723A (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202210204408.5A CN114579723A (zh) 2022-03-02 2022-03-02 问诊方法和装置、电子设备及存储介质
PCT/CN2022/090732 WO2023165012A1 (zh) 2022-03-02 2022-04-29 问诊方法和装置、电子设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210204408.5A CN114579723A (zh) 2022-03-02 2022-03-02 问诊方法和装置、电子设备及存储介质

Publications (1)

Publication Number Publication Date
CN114579723A true CN114579723A (zh) 2022-06-03

Family

ID=81777074

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210204408.5A Pending CN114579723A (zh) 2022-03-02 2022-03-02 问诊方法和装置、电子设备及存储介质

Country Status (2)

Country Link
CN (1) CN114579723A (zh)
WO (1) WO2023165012A1 (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115187996A (zh) * 2022-09-09 2022-10-14 中电科新型智慧城市研究院有限公司 语义识别方法、装置、终端设备和存储介质
CN115631852A (zh) * 2022-11-02 2023-01-20 北京大学重庆大数据研究院 证型推荐方法、装置、电子设备及非易失性存储介质
CN116259407A (zh) * 2023-05-16 2023-06-13 季华实验室 基于多模态数据的疾病诊断方法、装置、设备及介质
CN117238527A (zh) * 2023-11-14 2023-12-15 四川天府智链健康科技有限公司 基于大数据的医疗信息管理方法及系统
CN117473329A (zh) * 2023-12-27 2024-01-30 环球数科集团有限公司 一种基于向量数据库的多模态大模型训练系统及方法
CN118072973A (zh) * 2024-04-15 2024-05-24 慧医谷中医药科技(天津)股份有限公司 基于医学知识库的智能问诊方法与系统

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117370525A (zh) * 2023-10-20 2024-01-09 厦门狄耐克物联智慧科技有限公司 一种基于微调大模型的智能导诊方法

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI562000B (en) * 2015-12-09 2016-12-11 Ind Tech Res Inst Internet question answering system and method, and computer readable recording media
CN113392253B (zh) * 2021-06-28 2023-09-29 北京百度网讯科技有限公司 视觉问答模型训练及视觉问答方法、装置、设备及介质
CN113704428B (zh) * 2021-08-30 2023-10-24 康键信息技术（深圳）有限公司 智能问诊方法、装置、电子设备及存储介质
CN113780486B (zh) * 2021-11-15 2022-02-11 湖南师范大学 一种视觉问答的方法、装置及介质

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115187996A (zh) * 2022-09-09 2022-10-14 中电科新型智慧城市研究院有限公司 语义识别方法、装置、终端设备和存储介质
CN115187996B (zh) * 2022-09-09 2023-01-06 中电科新型智慧城市研究院有限公司 语义识别方法、装置、终端设备和存储介质
CN115631852A (zh) * 2022-11-02 2023-01-20 北京大学重庆大数据研究院 证型推荐方法、装置、电子设备及非易失性存储介质
CN115631852B (zh) * 2022-11-02 2024-04-09 北京大学重庆大数据研究院 证型推荐方法、装置、电子设备及非易失性存储介质
CN116259407A (zh) * 2023-05-16 2023-06-13 季华实验室 基于多模态数据的疾病诊断方法、装置、设备及介质
CN116259407B (zh) * 2023-05-16 2023-07-25 季华实验室 基于多模态数据的疾病诊断方法、装置、设备及介质
CN117238527A (zh) * 2023-11-14 2023-12-15 四川天府智链健康科技有限公司 基于大数据的医疗信息管理方法及系统
CN117238527B (zh) * 2023-11-14 2024-02-13 四川天府智链健康科技有限公司 基于大数据的医疗信息管理方法及系统
CN117473329A (zh) * 2023-12-27 2024-01-30 环球数科集团有限公司 一种基于向量数据库的多模态大模型训练系统及方法
CN117473329B (zh) * 2023-12-27 2024-04-16 环球数科集团有限公司 一种基于向量数据库的多模态大模型训练系统及方法
CN118072973A (zh) * 2024-04-15 2024-05-24 慧医谷中医药科技(天津)股份有限公司 基于医学知识库的智能问诊方法与系统

Also Published As

Publication number Publication date
WO2023165012A1 (zh) 2023-09-07

Similar Documents

Publication Publication Date Title
CN114579723A (zh) 问诊方法和装置、电子设备及存储介质
CN112992317B (zh) 一种医学数据处理方法、系统、设备及介质
CN110069631B (zh) 一种文本处理方法、装置以及相关设备
RU2703679C2 (ru) Способ и система поддержки принятия врачебных решений с использованием математических моделей представления пациентов
CN111316281A (zh) 基于机器学习的自然语言情境中数值数据的语义分类
US11468989B2 (en) Machine-aided dialog system and medical condition inquiry apparatus and method
Islam et al. A comprehensive survey on applications of transformers for deep learning tasks
CN113704428B (zh) 智能问诊方法、装置、电子设备及存储介质
CN112100406B (zh) 数据处理方法、装置、设备以及介质
CN114723996A (zh) 模型的训练方法、图像描述生成方法和装置、设备、介质
CN113707307A (zh) 病情分析方法、装置、电子设备及存储介质
RU2720363C2 (ru) Способ формирования математических моделей пациента с использованием технологий искусственного интеллекта
CN113903422A (zh) 医疗影像诊断报告实体提取方法、装置及设备
CN115394393A (zh) 智能诊疗数据处理方法、装置、电子设备及存储介质
CN116844731A (zh) 疾病分类方法、疾病分类装置、电子设备及存储介质
CN117373602A (zh) 病历生成方法和装置
CN114708976A (zh) 辅助诊断技术的方法、装置、设备及存储介质
CN114613462A (zh) 医疗数据处理方法和装置、电子设备及存储介质
CN114360715A (zh) 体质辨识方法、装置、电子设备及存储介质
CN113935957A (zh) 医疗图像对比方法、装置、电子设备及存储介质
CN116956925A (zh) 电子病历命名实体识别方法和装置、电子设备及存储介质
CN114781393B (zh) 图像描述生成方法和装置、电子设备及存储介质
CN117373591A (zh) 电子病历的疾病识别方法和装置、电子设备及存储介质
CN114648631A (zh) 图像描述生成方法和装置、电子设备及存储介质
CN114863521A (zh) 表情识别方法、表情识别装置、电子设备及存储介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination