CN115910319A - 耳科问诊辅助方法、装置、电子设备及存储介质 - Google Patents

Abstract

本申请涉及医疗信息化技术领域，尤其是一种耳科问诊辅助方法、装置、电子设备及存储介质。该方法包括：采集问诊中的语音数据；采集病人的体征数据和身份数据；根据所述语音数据和所述体征数据获得问诊中生成的即时病历信息；根据所述身份数据从预先构建的数据库中获得病人的历史病历信息，获取所述病人的历史病历信息对应的历史处理策略信息；根据所述病人的历史病历信息对应的历史处理策略信息生成与所述即时病历信息对应的即时处理策略信息。本申请的技术方案无需全程依赖于医生个人，通过问诊时的智能化大大提高了问诊效率。

Description

耳科问诊辅助方法、装置、电子设备及存储介质

技术领域

本申请涉及医疗信息化技术领域，尤其是一种耳科问诊辅助方法、装置、电子设备及存储介质。

背景技术

病历作为患者的医疗记录，是医疗机构诊治过程中记录的非常重要的文档，在现有技术中，为了提高医生的工作效率，逐渐抛弃了传统的纸质病历而改用电子病历，医生在给患者看病时或者看病结束后，可以在电脑等电子设备中的病历系统上录入、整理患者的诊断治疗信息，得到电子病历，从而更加便于保存、管理和重现。

然而，现有的电子病历系统仍属于半自动系统，仍然需要医生进行人工手动录入和整理，消耗了医生很多的工作时间，令医生不能将精力完全集中在治病救人上，例如，为了防止患者信息被遗忘或出现混乱，医生一般都是在给患者看病的同时进行电子病历的填写，这就容易造成医生的注意力难以集中在患者本身，最终可能会影响诊断效果，并降低了看病效率。

发明内容

本申请的目的是提供一种耳科问诊辅助方法、装置、电子设备及存储介质，旨在提高耳科问诊的效率。

第一方面，提供一种耳科问诊辅助方法，包括：

采集问诊中的语音数据；

采集病人的体征数据和身份数据；

根据所述语音数据和所述体征数据获得问诊中生成的即时病历信息；

根据所述身份数据从预先构建的数据库中获得病人的历史病历信息，获取所述病人的历史病历信息对应的历史处理策略信息；

根据所述病人的历史病历信息对应的历史处理策略信息生成与所述即时病历信息对应的即时处理策略信息。

在一些实施例中，所述采集问诊中的语音数据，包括：

识别问诊中各个声音来源产生的语音内容；

基于所述语音内容的声音来源为所述语音内容分配用户标签，并将所述语音内容转换为文本内容；

提取所述文本内容中的关键特征词，基于所述关键特征词将所述文本内容进行匹配，得到文本内容块；

根据所述用户标签对所述文本内容块中的文本内容进行用户分类，得到语音数据。

在一些实施例中，所述根据所述语音数据和所述体征数据获得问诊中生成的即时病历信息，包括：

将所述语音数据和所述体征数据输入到预设的问诊模型进行数据分类处理，得到数据分类结果；

按照预设的病历模板导入所述数据分类结果，生成即时病历信息。

在一些实施例中，所述将所述语音数据和所述体征数据输入到预设的问诊模型进行数据分类处理，得到数据分类结果，包括：

对所述语音数据进行分词处理以及对所述体征数据进行数据提取处理，得到分词结果和数据提取结果；

从多个所述分词结果中确定出目标分词结果，将所述目标分词结果与对应的数据提取结果进行关联，得到关联性数据；

通过预设的问诊模型对所述关联性数据进行特征提取，基于所述关联性数据的数据特征对所述关联性数据的类别进行预测，以概率最高的预测输出值表示所述关联性数据的类别，得到数据分类结果。

在一些实施例中，所述根据所述身份数据从预先构建的数据库中获得病人的历史病历信息，获取所述病人的历史病历信息对应的历史处理策略信息，包括：

基于所述身份数据向预先构建的数据库发送历史病历信息查询请求；

接收所述数据库返回的所述病人的历史病历信息和对应的历史处理策略信息，所述历史处理策略信息包括所述病人的历史病历信息对应的处理策略信息和相似病历信息对应的处理策略信息，所述相似病历信息是将所述即时病历信息和其他病人的历史病历信息进行比对得到的。

在一些实施例中，当未能从预先构建的数据库中获得所述病人的历史病历信息时，接收所述数据库返回的相似病历信息和对应的处理策略信息。

在一些实施例中，所述根据所述病人的历史病历信息对应的历史处理策略信息生成与所述即时病历信息对应的即时处理策略信息，包括：

识别所述病人的历史病历信息和所述即时病历信息之间的差异信息；

根据所述差异信息生成修改指令；

根据所述修改指令对所述历史处理策略信息进行修改，得到即时处理策略信息。

第二方面，提供一种耳科问诊辅助装置，所述装置包括：

第一采集模块，用于采集问诊中的语音数据；

第二采集模块，用于采集病人的体征数据和身份数据；

病历生成模块，用于根据所述语音数据和所述体征数据获得问诊中生成的即时病历信息；

策略获取模块，用于根据所述身份数据从预先构建的数据库中获得病人的历史病历信息，获取所述病人的历史病历信息对应的历史处理策略信息；

策略生成模块，用于根据所述病人的历史病历信息对应的历史处理策略信息生成与所述即时病历信息对应的即时处理策略信息。

第三方面，提供一种电子设备，所述电子设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现第一方面所述的耳科问诊辅助方法。

第四方面，提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现第一方面所述的耳科问诊辅助方法。

本申请的有益效果：根据采集问诊中的语音数据和病人的体征数据获得问诊中自动生成的即时病历信息，再从预先构建的数据库中获取与即时病历信息相关联的病人的历史病历信息，基于病人的历史病历信息对应的历史处理策略信息生成与即时病历信息对应的即时处理策略信息，使用生成的即时处理策略信息辅助问诊以及为形成病历处方提供参考，无需全程依赖于医生个人，避免了问诊时的局限性，通过问诊时的智能化大大提高了问诊效率。

附图说明

图1是本申请实施例提供的耳科问诊辅助方法的流程图；

图2是图1中的步骤S101的流程图；

图3是图1中的步骤S103的流程图；

图4是图1中的步骤S104的流程图；

图5是图1中的步骤S105的流程图；

图6是本申请实施例提供的耳科问诊辅助装置的结构示意图；

图7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：

1)人工智能(Artificial Intelligence，AI)

人工智能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。换句话说，人工智能是计算机科学的一个综合技术，它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。人工智能也就是研究各种智能机器的设计原理与实现方法，使机器具有感知、推理与决策的功能。

人工智能技术是一门综合学科，涉及领域广泛，既有硬件层面的技术也有软件层面的技术。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、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。

2)机器学习(Machine Learning，ML)

机器学习是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。机器学习是人工智能的核心，是使计算机具有智能的根本途径，其应用遍及人工智能的各个领域。机器学习和深度学习通常包括人工神经网络、置信网络、强化学习、迁移学习、归纳学习、示教学习等技术。

基于此，本申请实施例提供了一种耳科问诊辅助方法、装置、电子设备及存储介质，旨在提高耳科问诊的效率。

本申请实施例提供的推荐方法和装置、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推荐方法。

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。

本申请实施例提供的耳科问诊辅助方法，涉及人工智能技术领域。本申请实施例提供的耳科问诊辅助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；软件可以是实现耳科问诊辅助方法的应用等，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。

需要说明的是，在本申请的各个具体实施方式中，当涉及到需要根据用户信息、用户行为数据，用户历史数据以及用户位置信息等与用户身份或特性相关的数据进行相关处理时，都会先获得用户的许可或者同意，而且，对这些数据的收集、使用和处理等，都会遵守相关国家和地区的相关法律法规和标准。此外，当本申请实施例需要获取用户的敏感个人信息时，会通过弹窗或者跳转到确认页面等方式获得用户的单独许可或者单独同意，在明确获得用户的单独许可或者单独同意之后，再获取用于使本申请实施例能够正常运行的必要的用户相关数据。

图1是本申请实施例提供的耳科问诊辅助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，采集问诊中的语音数据；

步骤S102，采集病人的体征数据和身份数据；

步骤S103，根据语音数据和体征数据获得问诊中生成的即时病历信息；

步骤S104，根据身份数据从预先构建的数据库中获得病人的历史病历信息，获取病人的历史病历信息对应的历史处理策略信息；

步骤S105，根据病人的历史病历信息对应的历史处理策略信息生成与即时病历信息对应的即时处理策略信息。

在一些实施例的步骤S101中，采集问诊中的语音数据，可以是在问诊设置至少一个具有语音采集功能的设备，实时记录问诊过程中医生和病人产生的声音信息，通过语音识别采集所有问诊交互过程，并通过设置的语音理解算法进行语义解析，得到的对应的文本内容，具体包括对于患者的症状部位严重程度诱因及缓解等情况、生活习惯及过往病史等，记录最终检查检验单及检查结果、医生诊断、治疗方法及后续复诊情况，最终得到语音数据。实现问诊中声音信息的采集，可以是对医生和病人面对面问诊过程中的对话进行声音信息的采集，也可以是对医生和病人在远程问诊过程中的对话进行声音信息采集，还可以是通过其他方式进行声音信息采集。

在一些实施例的步骤S102中，采集病人的体征数据和身份数据，可以是通过佩戴式采集设备对病人的体征数据和身份数据进行采集。佩戴式采集设备可以是智能手环、入耳式监测设备或头戴式监测设备等，佩戴式采集设备可以是采集病人的心率、血氧和体温等体征数据。佩戴式采集设备可以是在被病人佩戴使用前或使用过程中录入病人的身份数据，病人的体征数据和身份数据进行匹配打包，形成数据包。

在一些实施例的步骤S103中，病历信息可以是通过识别语音数据和体征数据并提取的病人的患病经过和治疗情况等的文本记录，病历信息至少包括即时病历信息，该即时病历信息是当前问诊过程所生成的。根据语音数据和体征数据获得问诊中生成的即时病历信息，可以是通过提取语音数据中与病理相关的信息以及体征数据中各项体征相关的数字信息，将提取得到的病理相关信息和体征相关的数字信息进行数据分类处理，确定各项信息分别对应的类别，再将分类后的信息依照预设的填写规则导入至预设的病历模板，得到即时病历信息。

在一些实施例的步骤S104中，预先构建的数据库可以是由耳科疾病病史数据库、耳科疾病影像数据库、耳科疾病病理数据库、医院多平台数据库访问系统、疾病辅助诊断系统集成而成，通过医院多平台数据库访问系统将患者的检验、检查结果完整调出。根据身份数据从预先构建的数据库中获得病人的历史病历信息，获取病人的历史病历信息对应的历史处理策略信息，可以是将病人的身份数据发送至服务器进行身份验证，身份数据通过验证后服务器基于该身份数据从预先构建的数据库调出该病人的历史病历信息以及对应的历史处理策略信息，将病人的历史病历信息和对应的历史处理策略信息打包发送至问诊医生使用的数据终端。

在一些实施例的步骤S105中，根据病人的历史病历信息对应的历史处理策略信息生成与即时病历信息对应的即时处理策略信息，可以是通过比较病人的历史病历信息和即时病历信息，找出历史病历信息和即时病历信息之间的差异信息，例如是病历信息中与病理相关的信息或者是体征相关的数字信息，基于差异信息的差异幅度以及预设的调整修改逻辑进行信息替换，在历史病历信息对应的历史处理策略信息基础上进行修改，进而得到即时病历信息对应的即时处理策略信息。基于差异信息的差异幅度以及预设的调整修改逻辑进行信息替换，可以是根据差异信息的差异幅度对差异信息进行加权处理，将加权后的差异信息输入至预设的计算模型并计算该差异幅度下预设的调整修改逻辑中所对应的输出值，以输出值作为对应的历史处理策略信息的修改依据。

本申请实施例所示意的步骤S101至步骤S105，根据采集问诊中的语音数据和病人的体征数据获得问诊中自动生成的即时病历信息，再从预先构建的数据库中获取与即时病历信息相关联的病人的历史病历信息，基于病人的历史病历信息对应的历史处理策略信息生成与即时病历信息对应的即时处理策略信息，使用生成的即时处理策略信息辅助问诊以及为形成病历处方提供参考，无需全程依赖于医生个人，避免了问诊时的局限性，通过问诊时的智能化大大提高了问诊效率。

请参阅图2，在一些实施例中，步骤S101可以包括但不限于包括步骤S201至步骤S204。

步骤S201，识别问诊中各个声音来源产生的语音内容；

步骤S202，基于语音内容的声音来源为语音内容分配用户标签，并将语音内容转换为文本内容；

步骤S203，提取文本内容中的关键特征词，基于关键特征词将文本内容进行匹配，得到文本内容块；

步骤S204，根据用户标签对文本内容块中的文本内容进行用户分类，得到语音数据。

在一些实施例的步骤S201中，识别问诊中各个声音来源产生的语音内容，可以是在问诊之前，预先存储有医生的声音信息，从而在采集声音信息中识别出与医生的声音信息匹配的声音信息，进而识别医生的语音内容，也可以将声音信息识别为语音内容后，对语音内容进行语义归纳，分别提取出医生和病人分别对应的语音内容，还可以通过其他的方式识别医生和病人分别对应的语音内容。

在一些实施例的步骤S202中，基于语音内容的声音来源为语音内容分配用户标签，并将语音内容转换为文本内容，可以是识别语音内容所对应的声音来源，进而根据声音来源确定形成该语音内容的用户，用户包括医生和病人，识别到语音内容来自医生则为该语音内容分配用于表示医生的用户标签，识别到语音内容来自病人则为该语音内容分配用于表示病人的用户标签，再将添加用户标签后的语音内容转换为文本内容，转换得到的文本内容也带有该用户标签。

在一些实施例的步骤S203中，提取文本内容中的关键特征词，可以是首先对文本内容进行分词处理，对分词后得到的多个词条进行语义识别，识别出关键特征词，关键特征词用于表征问诊关键信息，提取关键特征词的预设条件是医学相关名词，例如耳鸣、耳闷、听力和分泌性中耳炎等词语，或者是心率、血氧和体温等体征数据。基于关键特征词将文本内容进行匹配，得到文本内容块，可以是在提取出关键特征词后在文本内容的范围内搜索与该关键特征词相关的文本信息，将搜索到的文本信息进行整合，得到一个整体的文本信息，即为文本内容块，例如，关键特征词为耳鸣时，搜索出现耳鸣或与耳鸣内容相关的文本信息，将这些文本信息单独提取出来并按照形成的时间进行排序。

在一些实施例的步骤S204中，根据用户标签对文本内容块中的文本内容进行用户分类，得到语音数据，具体是从文本内容块中逐条对各文本信息的用户标签进行识别，将文本信息分类为医生文本信息和病人文本信息。

在一些实施例中，用户分类可以是存在于关键特征词提取过程中，具体是对文本内容进行分词处理后，用户标签对文本内容块中的文本内容进行用户分类，对医生文本信息得到的多个词条进行语义识别，识别出关键特征词，提取关键特征词的预设条件是医学相关名词，在病人文本信息的范围内搜索与该关键特征词相关的文本信息。

请参阅图3，在一些实施例中，步骤S103可以包括但不限于包括步骤S301至步骤S304。

步骤S301，将语音数据和体征数据输入到预设的问诊模型进行数据分类处理，得到数据分类结果；

步骤S302，按照预设的病历模板导入数据分类结果，生成即时病历信息。

可理解地，预设的问诊模型为训练完成的用于提取输入的语音数据和体征数据的数据特征，并对提取的数据特征进行数据类型预测的模型。

在一些实施例的步骤S301中，将语音数据和体征数据输入到预设的问诊模型进行数据分类处理，得到数据分类结果，可以是将语音数据和体征数据输入到预设的问诊模型，由预设的问诊模型的一个或多个隐藏层从输入中提取特征，每一层通过一个具有不同的权重矩阵和偏移向量的同一个函数进行特征提取，最后一层输出最后一个隐藏层的结果，由最后一层输出分类结果作为数据分类结果。

更为具体地，步骤S301包括以下步骤：

对语音数据进行分词处理以及对体征数据进行数据提取处理，得到分词结果和数据提取结果；

从多个分词结果中确定出目标分词结果，将目标分词结果与对应的数据提取结果进行关联，得到关联性数据；

通过预设的问诊模型对关联性数据进行特征提取，基于关联性数据的数据特征对关联性数据的类别进行预测，以概率最高的预测输出值表示关联性数据的类别，得到数据分类结果。

对语音数据进行分词处理的过程以及从多个分词结果中确定出目标分词结果可以参照上述实施例的步骤S203，对体征数据进行数据提取处理可以是从采集体征数据的设备获得。目标分词结果可以是具有对应的数据提取结果，也可以是不具有对应的数据提取结果，当前的目标分词结果具有对应的数据提取结果时，将将目标分词结果与对应的数据提取结果进行关联以得到关联性数据，当前的目标分词结果不具有对应的数据提取结果时，将目标分词结果作为关联性数据。

本实施例中，问诊模型采用前向人工神经网络模型，问诊模型由一个输入层、两个隐藏层和一个输出层组成，输入层具有1480个输入，两个隐层分别由6个和6个神经元组成，输出层由15个神经元组成，以Softmax为分类器。问诊模型对关联性数据的类别进行预测的过程具体为：

向第一层输入PBV X_i＝{x_i1,x_i2,...,x_in}并且采用下列公式计算输出：

z⁽¹⁾＝W⁽¹⁾σ(X_i)+b⁽¹⁾；

其中，σ(X_i)是ReLU函数：

ReLU(x)＝max[0,x]；

对于第二个隐藏层，计算输出如下：

z⁽²⁾＝W⁽²⁾σ(z⁽¹⁾)+b⁽²⁾；

softmax形式的全连接层输出最后的结果：

其中，

z_j是第j个神经元的输出，z_i是第i个神经元的输出，n是类别总数，概率最高的输出表示输入值的类别。

请参阅图4，在一些实施例中，步骤S104可以包括但不限于包括步骤S401至步骤S402。

步骤S401，基于身份数据向预先构建的数据库发送历史病历信息查询请求；

步骤S402，接收数据库返回的病人的历史病历信息和对应的历史处理策略信息，历史处理策略信息包括病人的历史病历信息对应的处理策略信息和相似病历信息对应的处理策略信息，相似病历信息是将即时病历信息和其他病人的历史病历信息进行比对得到的。

在本实施例中，预先构建的数据库为服务器中的数据库。

可以理解的是，服务器中预先构建的数据库包含各种历史病历信息及其对应的历史处理策略信息。用户对即时病历信息进行处理后，将该即时病历信息及其对应的即时处理策略信息上传至服务器，存储于预先构建的数据库中，作为数据库中的历史病历信息及对应的历史处理策略信息，为以后的问诊提供参考。医生在问诊过程中通过终端设备获取问诊时的历史病历信息后，向服务器发送病人的身份数据，用于请求获取病人的历史病历信息和对应的历史处理策略信息。

历史处理策略信息包含该病人接受过的处理策略信息和其他病人接受过的处理策略信息，通过即时病历信息和病人的历史病历信息从数据库中进行病历信息搜索，得到相似病历信息以及相似病历信息对应的处理策略信息。接收历史病历信息查询请求后，服务器查找数据库中的病人的历史病历信息和对应的历史处理策略信息，医生在问诊过程中通过终端接收服务器返回的病人的历史病历信息和对应的历史处理策略信息。

在一些实施例中，当未能从预先构建的数据库中获得所述病人的历史病历信息时，接收数据库返回的相似病历信息和对应的处理策略信息。

请参阅图5，在一些实施例中，步骤S105可以包括但不限于包括步骤S501至步骤S502。

步骤S501，识别病人的历史病历信息和即时病历信息之间的差异信息；

步骤S502，根据差异信息生成修改指令；

步骤S503，根据修改指令对历史处理策略信息进行修改，得到即时处理策略信息。

在一些实施例的步骤S501中，差异信息是指病人的历史病历信息和即时病历信息中对应栏目下存在区别的数据，识别病人的历史病历信息和即时病历信息之间的差异信息，可以是将病人的历史病历信息和即时病历信息中对应栏目下的数据进行比较，确定其差异信息的差异幅度，并根据差异信息的差异幅度对差异信息进行加权处理。

在一些实施例的步骤S502中，根据差异信息生成修改指令，可以是根据差异信息的加权值将加权后的差异信息输入至预设的计算模型并计算该差异幅度下预设的调整修改逻辑中所对应的输出值，以输出值作为修改指令的生成依据，并生成修改依据。

在一些实施例的步骤S503中，根据修改指令对历史处理策略信息进行修改，得到即时处理策略信息，终端在接收到修改指令后，在历史处理策略信息的基础上进行修改，直至历遍病人的历史病历信息和即时病历信息之间的全部差异信息，进而生成即时处理策略信息。

请参阅图6，本申请实施例还提供一种耳科问诊辅助装置，可以实现上述耳科问诊辅助方法，该装置包括：

第一采集模块，用于采集问诊中的语音数据；

第二采集模块，用于采集病人的体征数据和身份数据；

病历生成模块，用于根据语音数据和体征数据获得问诊中生成的即时病历信息；

策略获取模块，用于根据身份数据从预先构建的数据库中获得病人的历史病历信息，获取病人的历史病历信息对应的历史处理策略信息；

策略生成模块，用于根据病人的历史病历信息对应的历史处理策略信息生成与所述即时病历信息对应的即时处理策略信息。

该耳科问诊辅助装置的具体实施方式与上述耳科问诊辅助方法的具体实施例基本相同，在此不再赘述。

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和处理器，存储器存储有计算机程序，处理器执行计算机程序时实现上述耳科问诊辅助方法。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7，图7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701，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702，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702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702中，并由处理器701来调用执行本申请实施例的耳科问诊辅助方法；

输入/输出接口703，用于实现信息输入及输出；

通信接口704，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705，在设备的各个组件(例如处理器701、存储器702、输入/输出接口703和通信接口704)之间传输信息；

其中处理器701、存储器702、输入/输出接口703和通信接口704通过总线705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计算机可读存储介质，该计算机可读存储介质存储有计算机程序，该计算机程序被处理器执行时实现上述耳科问诊辅助方法。

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。

本申请实施例提供的耳科问诊辅助方法、装置、电子设备及存储介质，根据采集问诊中的语音数据和病人的体征数据获得问诊中自动生成的即时病历信息，再从预先构建的数据库中获取与即时病历信息相关联的病人的历史病历信息，基于病人的历史病历信息对应的历史处理策略信息生成与即时病历信息对应的即时处理策略信息，使用生成的即时处理策略信息辅助问诊以及为形成病历处方提供参考，无需全程依赖于医生个人，避免了问诊时的局限性，通过问诊时的智能化大大提高了问诊效率。。

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)

1.一种耳科问诊辅助方法，其特征在于，包括：

采集问诊中的语音数据；

采集病人的体征数据和身份数据；

根据所述语音数据和所述体征数据获得问诊中生成的即时病历信息；

根据所述身份数据从预先构建的数据库中获得病人的历史病历信息，获取所述病人的历史病历信息对应的历史处理策略信息；

根据所述病人的历史病历信息对应的历史处理策略信息生成与所述即时病历信息对应的即时处理策略信息。

2.根据权利要求1所述的耳科问诊辅助方法，其特征在于，所述采集问诊中的语音数据，包括：

识别问诊中各个声音来源产生的语音内容；

基于所述语音内容的声音来源为所述语音内容分配用户标签，并将所述语音内容转换为文本内容；

提取所述文本内容中的关键特征词，基于所述关键特征词将所述文本内容进行匹配，得到文本内容块；

根据所述用户标签对所述文本内容块中的文本内容进行用户分类，得到语音数据。

3.根据权利要求1所述的耳科问诊辅助方法，其特征在于，所述根据所述语音数据和所述体征数据获得问诊中生成的即时病历信息，包括：

将所述语音数据和所述体征数据输入到预设的问诊模型进行数据分类处理，得到数据分类结果；

按照预设的病历模板导入所述数据分类结果，生成即时病历信息。

4.根据权利要求3所述的耳科问诊辅助方法，其特征在于，所述将所述语音数据和所述体征数据输入到预设的问诊模型进行数据分类处理，得到数据分类结果，包括：

对所述语音数据进行分词处理以及对所述体征数据进行数据提取处理，得到分词结果和数据提取结果；

从多个所述分词结果中确定出目标分词结果，将所述目标分词结果与对应的数据提取结果进行关联，得到关联性数据；

通过预设的问诊模型对所述关联性数据进行特征提取，基于所述关联性数据的数据特征对所述关联性数据的类别进行预测，以概率最高的预测输出值表示所述关联性数据的类别，得到数据分类结果。

5.根据权利要求1所述的耳科问诊辅助方法，其特征在于，所述根据所述身份数据从预先构建的数据库中获得病人的历史病历信息，获取所述病人的历史病历信息对应的历史处理策略信息，包括：

基于所述身份数据向预先构建的数据库发送历史病历信息查询请求；

接收所述数据库返回的所述病人的历史病历信息和对应的历史处理策略信息，所述历史处理策略信息包括所述病人的历史病历信息对应的处理策略信息和相似病历信息对应的处理策略信息，所述相似病历信息是将所述即时病历信息和其他病人的历史病历信息进行比对得到的。

6.根据权利要求5所述的耳科问诊辅助方法，其特征在于，当未能从预先构建的数据库中获得所述病人的历史病历信息时，接收所述数据库返回的相似病历信息和对应的处理策略信息。

7.根据权利要求1所述的耳科问诊辅助方法，其特征在于，所述根据所述病人的历史病历信息对应的历史处理策略信息生成与所述即时病历信息对应的即时处理策略信息，包括：

识别所述病人的历史病历信息和所述即时病历信息之间的差异信息；

根据所述差异信息生成修改指令；

根据所述修改指令对所述历史处理策略信息进行修改，得到即时处理策略信息。

8.一种耳科问诊辅助装置，其特征在于，所述装置包括：

第一采集模块，用于采集问诊中的语音数据；

第二采集模块，用于采集病人的体征数据和身份数据；

病历生成模块，用于根据所述语音数据和所述体征数据获得问诊中生成的即时病历信息；

策略获取模块，用于根据所述身份数据从预先构建的数据库中获得病人的历史病历信息，获取所述病人的历史病历信息对应的历史处理策略信息；

策略生成模块，用于根据所述病人的历史病历信息对应的历史处理策略信息生成与所述即时病历信息对应的即时处理策略信息。

9.一种电子设备，其特征在于，所述电子设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现权利要求1至7任一项所述的耳科问诊辅助方法。

10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的耳科问诊辅助方法。

Images