CN115331837A - 一种人机交互智能问诊系统 - Google Patents

一种人机交互智能问诊系统 Download PDF

Info

Publication number
CN115331837A
CN115331837A CN202210974908.7A CN202210974908A CN115331837A CN 115331837 A CN115331837 A CN 115331837A CN 202210974908 A CN202210974908 A CN 202210974908A CN 115331837 A CN115331837 A CN 115331837A
Authority
CN
China
Prior art keywords
information
user
module
inquiry
diagnosis
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
CN202210974908.7A
Other languages
English (en)
Inventor
庞郁悦
程捷
胡珺
朱福
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.)
Shanghai Yijia Medical Technology Co ltd
Original Assignee
Shanghai Yijia Medical Technology 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 Shanghai Yijia Medical Technology Co ltd filed Critical Shanghai Yijia Medical Technology Co ltd
Priority to CN202210974908.7A priority Critical patent/CN115331837A/zh
Publication of CN115331837A publication Critical patent/CN115331837A/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
    • 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
    • G16H15/00—ICT specially adapted for medical reports, e.g. generation or transmission thereof
    • 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
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • Biomedical Technology (AREA)
  • Epidemiology (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Pathology (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Medical Treatment And Welfare Office Work (AREA)

Abstract

本发明涉及医疗问诊系统技术领域，且公开了一种人机交互智能问诊系统，包括后台服务器、与后台服务器相互通讯的医疗数据库、检测设备、用户端和输出端；用户端用于为用户提供人机交互的访问界面，输出端用于对用户端信息分析之后生成分诊记录和建议治疗信息；后台服务器包括：接收模块、分析模块、风险系数定义模块和分类科室模块，将病人问诊信息记录存储，统一分发通信至具体匹配的分诊科室由医生进行查阅和跟踪病人后期情况。本发明通过病人口述一段语音向虚拟医生描述病情，虚拟医生基于医生大脑，通过多次补充的语音问答，以及病人EMR和当前的检测指标，完成一次智能问诊，得到初步的分诊结论和下一步确诊的建议。

Description

一种人机交互智能问诊系统
技术领域
本发明涉及医疗问诊系统技术领域，具体为一种人机交互智能问诊系统。
背景技术
传统的医疗方式是通过挂号排队，医生与病人面对面问诊诊断。病人身体不舒服，想去医院看看，很多人第一反应会根据自己的症状选门诊科室，不过现在医院科室越分越细，由于病人遇到疾病时，并不确定自己疾病在哪个科室，造成不了解病情属于具体分诊科室是哪个科室的情况，总是能看到一些病人跑错科室、挂错号的情况，不仅浪费时间，还可能耽误病情。
而随着计算机和多媒体技术以及通信技术迅猛发展，就诊有自助设备辅助收集病人症状信息，将能提高看诊医生的预约看诊效率，但由于诊疗过程的病人症状信息收集，是一个复杂的问答交流过程，在此过程中需以渐进式推力来缩小症状判定范围，现有的自助设备只能做到辅助收集病人信息，无法模拟和病人交流问题，不能进一步了解病人的病情，进而也做不到病人治疗轻重缓急的问题，容易耽误疾病的治疗时间。
发明内容
本发明提供了一种人机交互智能问诊系统，具备智能问诊并对病人情况风险评估，得到初步的分诊结论和下一步确诊的建议，进而提高问诊效率和精准性的有益效果，解决了上述背景技术中所提到的现有的医疗问诊系统只能做到辅助收集病人信息，无法模拟和病人交流问题，不能进一步了解病人的病情，进而也做不到病人治疗轻重缓急的问题，容易耽误疾病的治疗时间问题。
本发明提供如下技术方案：一种人机交互智能问诊系统，包括后台服务器、与后台服务器相互通讯的医疗数据库、检测设备、用户端和输出端；
所述用户端用于为用户提供人机交互的访问界面，所述输出端用于对用户端信息分析之后生成分诊记录和建议治疗信息；
所述后台服务器包括：
接收模块，用户将用户端通讯并将通讯的问诊数据存储在医疗数据库中，其中，所述接收模块获取用户端发送的问诊需求，通过人机交互设备的麦克风识别用户口述表述的语音采集用户语音数据；
分析模块，用户将用户的问诊需求、检测指标信息、历史病例进行分析对比后得出初步的分诊结果；
风险系数定义模块，用户将信息进行分析模块之后划分风险系数归类后，将得到的信息结合数据库联网数据进行下一步确诊的建议；
分类科室模块，通过用户端输出的问诊信息，将病人问诊信息记录存储，统一分发通信至具体匹配的分诊科室由医生进行查阅和跟踪病人后期情况。
作为本发明所述一种人机交互智能问诊系统的一种可选方案，其中：所述接收模块包括语音采集单元、除燥单元、语义处理单元和语音输出单元；
所述语音采集单元通过YS-HM6麦克风对用户端发出的命令进行语音信号采集，并将用户语音信号传送至除燥单元进行除燥处理后，再将除燥后的语音信号发送语义处理单元进行处理；
语义处理单元对收集的声源进行语句分析，关键词提取，通过关键词匹配预设的答案，计算出用户命令，根据用户命令做出相对应的匹配处理；
语音输出单元用于系统中虚拟医生对于计算出用户命令进行延伸的智能问题以音频进行询问病人的病情，如此反复得出更多用户命令和潜在风险命令。
作为本发明所述一种人机交互智能问诊系统的一种可选方案，其中：所述语义处理单元包括处理模块和标签聚焦模块；
所述处理模块鉴于所述问诊对话问题的固定指向标签对所述用户做大信息进行分析，进而通过标签聚焦模块将获得对应固定指向标签下的需求信息，进而将标签需求信息转送至所述语音输出单元。
作为本发明所述一种人机交互智能问诊系统的一种可选方案，其中：所述检测设备包括心电监护仪、电子血压计、电子温度计和智能听诊器。
作为本发明所述一种人机交互智能问诊系统的一种可选方案，其中：所述医疗数据库包括病史数据单元、既往来史数据单元、分诊科室匹配单元和科室导航单元；
所述分诊科室匹配单元通过对接收模块中得到的所述用户命令配合病史数据单元和既往来史数据单元进行有效匹配，匹配用户的手机号、出生年月日，从数据库中匹配病史、既往来史和就诊数据进行匹配后对应聚焦需要的科室信息后，再根据具体分类的科室进行推送科室导航、科室专家信息和挂号信息。
作为本发明所述一种人机交互智能问诊系统的一种可选方案，其中：所述分析模块，用于对接收模块接收的用户命令结合数据库内的用户以往历史信息进行调取后比对、分析、过滤；
所述用户以往历史信息包括用户病例、既往来史数据和就诊信息；
所述用户端配置为，由医疗数据库内获取用户的电子病历、就医记录，基于用户端的问诊信息进行参考；
将用户以往历史信息和从检测设备中当下检测的心率、血压和体温等检测指标信息进行比对，结合所述用户命令和潜在风险命令进行深度分析和过滤，得出初步的分诊结果，得出电子病例问诊信息。
作为本发明所述一种人机交互智能问诊系统的一种可选方案，其中：所述风险系数定义模块，用于对初步的分诊结果进行风险划定，通过将用户现在的检测指标信息和用户历史进行比对，得出现在检测报告的风险系数；
所述风险系数划分为0级、Ⅰ级、Ⅱ级、Ⅲ级四个等级进行划分，当现有的检测指标信息数据风险值高于之前历史就诊信息最高值时，得出风险判定为Ⅲ级进行判定；
现有的检测指标信息数据风险值和历史就诊信息数值相近，但高于正常监控范围数值时，得出风险判定为I级或Ⅱ级进行判定；
所述I级或Ⅱ级的判定依据在于是否新增新疾病，如新增用户命令输出有新增胸闷气短、睡眠障碍等新疾病时，判定为Ⅱ级风险评估，当数值和历史就诊信息数值相近，趋向稳定时，采用I级风险评估；
当现有的检测指标信息数据风险值在正常范围区间，得到风险判定为0级分析模块和风险评估模块将问诊记录和评估信息通过输出端，生成建议治疗信息；
所述建议治疗信息包括建议住院治疗、建议观察治疗和建议服药治疗。
作为本发明所述一种人机交互智能问诊系统的一种可选方案，其中：所述：所述用户端包括认证模块和诊疗记录模块；
所述用户端登录认证模块通过识别身份证/医保卡/视频认证方可登录成功；
所述诊疗记录模块用于存储此次问诊音频、问诊需求和检测指标数据。
作为本发明所述一种人机交互智能问诊系统的一种可选方案，其中：所述后台服务器通信连接有高清摄像头和麦克风。
作为本发明所述一种人机交互智能问诊系统的一种可选方案，其中：所述分类科室模块还包括诊后随访模块，被配置为获取针对电子发送的诊后随访请求，根据诊后随访请求收集诊后随访计划，并根据诊后随访计划进行诊后随访交流的会话窗口、记录和康复情况信息存储。
本发明具备以下有益效果：
1、该一种人机交互智能问诊系统，病人通过口述一段语音向虚拟医生描述病情，虚拟医生基于医生大脑，通过多次补充的语音问答，以及病人EMR和当前的检测指标，完成一次智能问诊，得到初步的分诊结论和下一步确诊的建议。
2、该一种人机交互智能问诊系统，后台服务器通过调取病人历史病例和在线的问诊需求、检测指标信息进行分析对比后，推荐用户选择分类科室进行问诊，对病人的情况进行风险评估和推荐诊疗方式，提高预约看诊效率的准确性和分诊结果。
3、该一种人机交互智能问诊系统，用户端包括认证模块进行认证，每次诊疗后都进行存储每次诊疗的记录，方便诊断、问诊记录的调查，在出现医疗事故后，方便医疗的调查。
附图说明
图1为本发明结构系统流程示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
实施例1
本实施例意在促进解决现在病人遇到疾病时，不确定自己疾病属于哪个科室，造成跑错科室、挂错号的情况。本发明提供如下技术方案：一种人机交互智能问诊系统，请参阅图1，包括后台服务器、与后台服务器相互通讯的医疗数据库、检测设备、用户端和输出端；
所述用户端用于为用户提供人机交互的访问界面，所述输出端用于对用户端信息分析之后生成分诊记录和建议治疗信息；
所述后台服务器包括：
接收模块，用户将用户端通讯并将通讯的问诊数据存储在医疗数据库中，其中，所述接收模块获取用户端发送的问诊需求，通过人机交互设备的麦克风识别用户口述表述的语音采集用户语音数据；
分析模块，用户将用户的问诊需求、检测指标信息、历史病例进行分析对比后得出初步的分诊结果；
风险系数定义模块，用户将信息进行分析模块之后划分风险系数归类后，将得到的信息结合数据库联网数据进行下一步确诊的建议；
分类科室模块，通过用户端输出的问诊信息，将病人问诊信息记录存储，统一分发通信至具体匹配的分诊科室由医生进行查阅和跟踪病人后期情况。
病人通过用户端登录访问界面后，通过身份认证后，病人通过口述一段语音向后台服务器的虚拟医生描述病情，虚拟医生基于医生大脑，通过多次补充的语音问答，后台服务器的接收模块对用户端访问的音频进行采集、分析后，再推荐用户选择的分类科室进行问诊，减少病人不确定自己疾病属于哪个科室，造成跑错科室、挂错号的情况；
通过病人在线检测设备监测后得到检测指标数据后，通过调取病人历史病例，问诊需求、检测指标信息、历史病例进行分析对比后，得出初步的分诊科室结果，进行跟踪和风险评估，进而对病人进行推荐治疗方式。
本实施例中：后台服务器通过病人通过口述一段语音向后台服务器的虚拟医生描述病情，通过多次补充的语音问答，后台服务器通过调取病人历史病例，问诊需求、检测指标信息、历史病例进行分析对比后，推荐用户选择分类科室进行问诊，对病人的情况进行风险评估和推荐诊疗方式，提高预约看诊效率的准确性和分诊结果。
实施例2
本实施例意在促进后台服务器如何采集和采集语音的精准性。
本实施例是在实施例1的基础上做出的解释说明，具体的，请参阅图1，其中：所述接收模块包括语音采集单元、除燥单元、语义处理单元和语音输出单元；
所述语音采集单元通过YS-HM6麦克风对用户端发出的命令进行语音信号采集，并将用户语音信号传送至除燥单元进行除燥处理后，再将除燥后的语音信号发送语义处理单元进行处理；
语义处理单元对收集的声源进行语句分析，关键词提取，通过关键词匹配预设的答案，计算出用户命令，根据用户命令做出相对应的匹配处理；
语音输出单元用于系统中虚拟医生对于计算出用户命令进行延伸的智能问题以音频进行询问病人的病情，如此反复得出更多用户命令和潜在风险命令。
其中：所述语义处理单元包括处理模块和标签聚焦模块；
所述处理模块鉴于所述问诊对话问题的固定指向标签对所述用户做大信息进行分析，进而通过标签聚焦模块将获得对应固定指向标签下的需求信息，进而将标签需求信息转送至所述语音输出单元。
通过接收模块对病人用户的口述语音进行采集语音数据和除燥后，进行语义处理单元进行分析、关键词提取、进而和联网数据库内的预设答案进行匹配，进而计算得到转化答案，根据用户命令做出相对应的匹配后通过语音输出单元中虚拟医生的延伸问题问答，进而实现智能问诊，提高语义处理的精准采集，进而提高智能问诊精确性。
实施例3
本实施例是在实施例1的基础上做出的解释说明，具体的，请参阅图1，
其中：所述检测设备包括心电监护仪、电子血压计、电子温度计和智能听诊器；所述心电监护仪、电子血压计、电子温度计和智能听诊器均和后台服务器通讯连接。
检测设备用于监测病人的心电图、呼吸、体温、血压、血氧饱和度、脉率等生理参数，为疾病治疗提供帮助，方便讲检测设备检测的检测指标数据对于历史病例、历史数据指标进行分析对比后，得出初步的分诊科室结果，进行跟踪和风险评估，进而对病人进行推荐治疗方式。
实施例4
本实施例是在实施例1的基础上做出的解释说明，具体的，请参阅图1，
其中：所述医疗数据库包括病史数据单元、既往来史数据单元、分诊科室匹配单元和科室导航单元；
所述分诊科室匹配单元通过对接收模块中得到的所述用户命令配合病史数据单元和既往来史数据单元进行有效匹配，匹配用户的手机号、出生年月日，从数据库中匹配病史、既往来史和就诊数据进行匹配后对应聚焦需要的科室信息后，再根据具体分类的科室进行推送科室导航、科室专家信息和挂号信息。
其中：所述分析模块，用于对接收模块接收的用户命令结合数据库内的用户以往历史信息进行调取后比对、分析、过滤；
所述用户以往历史信息包括用户病例、既往来史数据和就诊信息；
所述用户端配置为，由医疗数据库内获取用户的电子病例、就医记录，基于用户端的问诊信息进行参考；
本实施例中：通过医疗数据库中存储的病人病史数据、既往来史数据，当病人问诊的同时，调取相关病人的数据信息和现在问诊问题、检测指标数据进行分析对比后，推荐相关分类的科室进行推送科室导航、科室专家信息和挂号信息，提高问诊效率。
将用户以往历史信息和从检测设备中当下检测的心率、血压和体温等检测指标信息进行比对，结合所述用户命令和潜在风险命令进行深度分析和过滤，得出初步的分诊结果，得出电子病例问诊信息。
实施例5
本实施例意在促进病人治疗轻重缓急的问题，减少耽误急症病人的问诊时间。
本实施例是在实施例1的基础上做出的解释说明，具体的，请参阅图1，
其中：所述风险系数定义模块，用于对初步的分诊结果进行风险划定，通过将用户现在的检测指标信息和用户历史信息进行比对，得出现在检测报告的风险系数；
所述风险系数划分为0级、Ⅰ级、Ⅱ级、Ⅲ级四个等级进行划分，当现有的检测指标信息数据风险值高于之前历史就诊信息最高值时，得出风险判定为Ⅲ级进行判定；
现有的检测指标信息数据风险值和历史就诊信息数值相近，但高于正常监控范围数值时，得出风险判定为I级或Ⅱ级进行判定；
所述I级或Ⅱ级的判定依据在于是否新增新疾病，如新增用户命令输出有新增胸闷气短、睡眠障碍等新疾病时，判定为Ⅱ级风险评估，当数值和历史就诊信息数值相近，趋向稳定时，采用I级风险评估；
当现有的检测指标信息数据风险值在正常范围区间，得到风险判定为0级分析模块和风险评估模块将问诊记录和评估信息通过输出端，生成建议治疗信息；
所述建议治疗信息包括建议住院治疗、建议观察治疗和建议服药治疗。
本实施例中：通过将病人用户现在的检测指标信息和用户历史信息进行比对，得出现在检测报告的风险系数；例如血压，设置的血压标准，与患者历史血压体检设局的最高、最低、中间值对比，处于什么风险段，通过病人EMR系统，俗称计算机化病例系统调取病例，进而进行现在疾病风险评估，并对相应的风险系数采用建议治疗通知，利于病人快速根据病情的轻重进行及时治疗，减少耽误疾病治疗时间的情况。
实施例6
本实施例是在实施例1的基础上做出的解释说明，具体的，请参阅图1，其中：所述用户端包括认证模块和诊疗记录模块；
所述用户端登录认证模块通过识别身份证/医保卡/视频认证方可登录成功；
所述诊疗记录模块用于存储此次问诊音频、问诊需求和检测指标数据。
其中：所述后台服务器通信连接有高清摄像头和麦克风。
本实施例中：用户端包括认证模块进行认证，每次诊疗后都进行存储每次诊疗的记录，方便诊断、问诊记录的调查，在出现医疗事故后，方便医疗的调查。
实施例7
本实施例是在实施例1的基础上做出的解释说明，具体的，请参阅图1，
其中：所述分类科室模块还包括诊后随访模块，被配置为获取针对电子发送的诊后随访请求，根据诊后随访请求收集诊后随访计划，并根据诊后随访计划进行诊后随访交流的会话窗口、记录和康复情况信息存储。
通过诊后随访模块对病人进行随访跟踪，达到对每个问诊病人的跟踪随访，提高对病人的关心度，减少病人因疾病未诊治而造成疾病恶化的情况。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (10)

1.一种人机交互智能问诊系统，其特征在于：包括后台服务器、与后台服务器相互通讯的医疗数据库、检测设备、用户端和输出端；
所述用户端用于为用户提供人机交互的访问界面，所述输出端用于对用户端信息分析之后生成分诊记录和建议治疗信息；
所述后台服务器包括：
接收模块，用户将用户端通讯并将通讯的问诊数据存储在医疗数据库中，其中，所述接收模块获取用户端发送的问诊需求，通过人机交互设备的麦克风识别用户口述表述的语音采集用户语音数据；
分析模块，用户将用户的问诊需求、检测指标信息、历史病例进行分析对比后得出初步的分诊结果；
风险系数定义模块，用户将信息进行分析模块之后划分风险系数归类后，将得到的信息结合数据库联网数据进行下一步确诊的建议；
分类科室模块，通过用户端输出的问诊信息，将病人问诊信息记录存储，统一分发通信至具体匹配的分诊科室由医生进行查阅和跟踪病人后期情况。
2.根据权利要求1所述的一种人机交互智能问诊系统，其特征在于：所述接收模块包括语音采集单元、除燥单元、语义处理单元和语音输出单元；
所述语音采集单元通过YS-HM6麦克风对用户端发出的命令进行语音信号采集，并将用户语音信号传送至除燥单元进行除燥处理后，再将除燥后的语音信号发送语义处理单元进行处理；
语义处理单元对收集的声源进行语句分析，关键词提取，通过关键词匹配预设的答案，计算出用户命令，根据用户命令做出相对应的匹配处理；
语音输出单元用于系统中虚拟医生对于计算出用户命令进行延伸的智能问题以音频进行询问病人的病情，如此反复得出更多用户命令和潜在风险命令。
3.根据权利要求2所述的一种人机交互智能问诊系统，其特征在于：所述语义处理单元包括处理模块和标签聚焦模块；
所述处理模块鉴于所述问诊对话问题的固定指向标签对所述用户做大信息进行分析，进而通过标签聚焦模块将获得对应固定指向标签下的需求信息，进而将标签需求信息转送至所述语音输出单元。
4.根据权利要求1所述的一种人机交互智能问诊系统，其特征在于：所述检测设备包括心电监护仪、电子血压计、电子温度计和智能听诊器。
5.根据权利要求1所述的一种人机交互智能问诊系统，其特征在于：所述医疗数据库包括病史数据单元、既往来史数据单元、分诊科室匹配单元和科室导航单元；
所述分诊科室匹配单元通过对接收模块中得到的所述用户命令配合病史数据单元和既往来史数据单元进行有效匹配，匹配用户的手机号、出生年月日，从数据库中匹配病史、既往来史和就诊数据进行匹配后对应聚焦需要的科室信息后，再根据具体分类的科室进行推送科室导航、科室专家信息和挂号信息。
6.根据权利要求1所述的一种人机交互智能问诊系统，其特征在于：所述分析模块，用于对接收模块接收的用户命令结合数据库内的用户以往历史信息进行调取后比对、分析、过滤；
所述用户以往历史信息包括用户病例、既往来史数据和就诊信息；
所述用户端配置为，由医疗数据库内获取用户的电子病历、就医记录，基于用户端的问诊信息进行参考；
将用户以往历史信息和从检测设备中当下检测的心率、血压和体温等检测指标信息进行比对，结合所述用户命令和潜在风险命令进行深度分析和过滤，得出初步的分诊结果，得出电子病例问诊信息。
7.根据权利要求1所述的一种人机交互智能问诊系统，其特征在于：所述风险系数定义模块，用于对初步的分诊结果进行风险划定，通过将用户现在的检测指标信息和用户历史进行比对，得出现在检测报告的风险系数；
所述风险系数划分为0级、Ⅰ级、Ⅱ级、Ⅲ级四个等级进行划分，当现有的检测指标信息数据风险值高于之前历史就诊信息最高值时，得出风险判定为Ⅲ级进行判定；
现有的检测指标信息数据风险值和历史就诊信息数值相近，但高于正常监控范围数值时，得出风险判定为I级或Ⅱ级进行判定；
所述I级或Ⅱ级的判定依据在于是否新增新疾病，如新增用户命令输出有新增胸闷气短、睡眠障碍等新疾病时，判定为Ⅱ级风险评估，当数值和历史就诊信息数值相近，趋向稳定时，采用I级风险评估；
当现有的检测指标信息数据风险值在正常范围区间，得到风险判定为0级分析模块和风险评估模块将问诊记录和评估信息通过输出端，生成建议治疗信息；
所述建议治疗信息包括建议住院治疗、建议观察治疗和建议服药治疗。
8.根据权利要求1所述的一种人机交互智能问诊系统，其特征在于：所述：所述用户端包括认证模块和诊疗记录模块；
所述用户端登录认证模块通过识别身份证/医保卡/视频认证方可登录成功；
所述诊疗记录模块用于存储此次问诊音频、问诊需求和检测指标数据。
9.根据权利要求1所述的一种人机交互智能问诊系统，其特征在于：所述后台服务器通信连接有高清摄像头和麦克风。
10.根据权利要求1所述的一种人机交互智能问诊系统，其特征在于：所述分类科室模块还包括诊后随访模块，被配置为获取针对电子发送的诊后随访请求，根据诊后随访请求收集诊后随访计划，并根据诊后随访计划进行诊后随访交流的会话窗口、记录和康复情况信息存储。
CN202210974908.7A 2022-08-15 2022-08-15 一种人机交互智能问诊系统 Pending CN115331837A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210974908.7A CN115331837A (zh) 2022-08-15 2022-08-15 一种人机交互智能问诊系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210974908.7A CN115331837A (zh) 2022-08-15 2022-08-15 一种人机交互智能问诊系统

Publications (1)

Publication Number Publication Date
CN115331837A true CN115331837A (zh) 2022-11-11

Family

ID=83923984

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210974908.7A Pending CN115331837A (zh) 2022-08-15 2022-08-15 一种人机交互智能问诊系统

Country Status (1)

Country Link
CN (1) CN115331837A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116825312A (zh) * 2023-07-24 2023-09-29 广州腾方医信科技有限公司 一种基于信创环境的分诊系统及方法

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116825312A (zh) * 2023-07-24 2023-09-29 广州腾方医信科技有限公司 一种基于信创环境的分诊系统及方法

Similar Documents

Publication Publication Date Title
Liang et al. A new, short-recorded photoplethysmogram dataset for blood pressure monitoring in China
Lee et al. Open-access MIMIC-II database for intensive care research
US9183351B2 (en) Mobile system with network-distributed data processing for biomedical applications
Pecchia et al. Remote health monitoring of heart failure with data mining via CART method on HRV features
US6852080B2 (en) System and method for providing feedback to an individual patient for automated remote patient care
US7429243B2 (en) System and method for transacting an automated patient communications session
CN116580830B (zh) 一种基于云平台的远程智能医疗服务系统
EP3776586A1 (en) Managing respiratory conditions based on sounds of the respiratory system
EP1072994B1 (en) System and method for providing normalized voice feedback from an individual patient in an automated collection and analysis patient care system
US20070293772A1 (en) System and method for processing voice feedback in conjunction with heart failure assessment
CN111613335A (zh) 一种健康预警系统及方法
Chen et al. Intelligent heartsound diagnostics on a cellphone using a hands-free kit
CN114023423A (zh) 一种智能交班方法、装置以及设备
CN115331837A (zh) 一种人机交互智能问诊系统
CN115089179A (zh) 一种心理情绪洞察分析方法及系统
CN117476217B (zh) 一种慢性心脏病病情发展趋势预测系统
Tanasković et al. A new algorithm for fetal heart rate detection: Fractional order calculus approach
Athaya et al. An efficient fingertip photoplethysmographic signal artifact detection method: A machine learning approach
Panagiotou et al. A multi: modal decision making system for an ambient assisted living environment
CN110974260A (zh) 基于脑电特征的案例推理抑郁症识别系统
Jeon et al. Robust detection of heartbeats using association models from blood pressure and EEG signals
Fuster-Barceló et al. Unleashing the Power of Electrocardiograms: A novel approach for Patient Identification in Healthcare Systems with ECG Signals
Zhang et al. Heart failure classification using deep learning to extract spatiotemporal features from ECG
Song et al. Development of a data-based interactive medical expert system for supporting pregnancy consultations: General architecture and methodology
CN113208609A (zh) 心电信息管理系统

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