CN117174341A - 基于人工智能的语音识别医疗助手系统及方法 - Google Patents
基于人工智能的语音识别医疗助手系统及方法 Download PDFInfo
- Publication number
- CN117174341A CN117174341A CN202311437505.XA CN202311437505A CN117174341A CN 117174341 A CN117174341 A CN 117174341A CN 202311437505 A CN202311437505 A CN 202311437505A CN 117174341 A CN117174341 A CN 117174341A
- Authority
- CN
- China
- Prior art keywords
- medical
- module
- matching
- information
- planning
- 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.)
- Granted
Links
- 238000013473 artificial intelligence Methods 0.000 title claims abstract description 25
- 238000000034 method Methods 0.000 title claims abstract description 18
- 238000003745 diagnosis Methods 0.000 claims abstract description 41
- 238000004364 calculation method Methods 0.000 claims abstract description 25
- 238000004458 analytical method Methods 0.000 claims abstract description 17
- 238000005516 engineering process Methods 0.000 claims abstract description 14
- 238000012549 training Methods 0.000 claims abstract description 11
- 238000012545 processing Methods 0.000 claims description 22
- 238000011156 evaluation Methods 0.000 claims description 20
- 238000012937 correction Methods 0.000 claims description 11
- 230000003993 interaction Effects 0.000 claims description 11
- 208000024891 symptom Diseases 0.000 claims description 10
- 201000010099 disease Diseases 0.000 claims description 6
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims description 6
- 238000000605 extraction Methods 0.000 claims description 6
- 230000002452 interceptive effect Effects 0.000 claims description 6
- 239000003814 drug Substances 0.000 claims description 4
- 239000000284 extract Substances 0.000 claims description 4
- 238000013528 artificial neural network Methods 0.000 claims description 3
- 238000003066 decision tree Methods 0.000 claims description 3
- 230000006870 function Effects 0.000 claims description 3
- 238000007477 logistic regression Methods 0.000 claims description 3
- 238000007637 random forest analysis Methods 0.000 claims description 3
- 238000004148 unit process Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 2
- 208000002193 Pain Diseases 0.000 description 1
- 206010039203 Road traffic accident Diseases 0.000 description 1
- 208000005298 acute pain Diseases 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000010485 coping Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000002526 effect on cardiovascular system Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Landscapes
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明公开了基于人工智能的语音识别医疗助手系统及方法，涉及人工智能技术领域，该系统运行时，通过医疗数据库模块，建立医疗数据库，并通过NLP技术将用户语音转化为文本格式，形成信息描述集，通过问题解析模块对获取的信息描述集进行解析，提取关键字和短语，作为特征数据，将特征数据集和医疗数据库进行匹配，获取匹配频率集，获取医生排班信息、排号信息和解决病患问题的频率值，作为就诊信息集，对匹配频率集和就诊信息集进行建立模型，通过训练和计算，获取：规划指数Ghzs，将规划指数Ghzs和预设阈值对比，获取等级规划策略方案，并对预设展示模板进行填充，进而展示，根据用户的个人情况，为其提供个性化的医疗建议。
Description
技术领域
本发明涉及人工智能技术领域，具体为基于人工智能的语音识别医疗助手系统及方法。
背景技术
尽管常规的语音识别医疗助手系统已经在医疗领域取得了一些进展，但它们仍然存在一些潜在的问题和局限性，往往只能简单地识别语音输入并提供通用性的回答，而在医院环境中，用户通常需要更多的个性化和实际帮助，以应对复杂的就医流程和问题。
通常提供一般性的医学知识和信息，但无法满足用户具体的医疗问题，包括，患者可能需要知道特定科室的位置，以便就医，他们可能需要了解某一疾病的最新治疗方法或临床试验的相关病例信息，此外，患者还可能需要针对其个人情况的医疗建议，包括基于他们的症状和医疗历史，确定哪种科室适合他们，并预约相应的医生，由于没挂号之前不了解前方排队的人数，以及多久能够排到自己，需要用户自身前去挂号后，自主判断医生解决病患的速度，进而选择等待还是次日再来进行就诊。
发明内容
针对现有技术的不足，本发明提供了基于人工智能的语音识别医疗助手系统，解决了背景技术中提到的问题。
为实现以上目的，本发明通过以下技术方案予以实现：基于人工智能的语音识别医疗助手系统，包括医疗数据库模块、语音识别模块、问题解析模块、匹配模块、就诊模块、评估模块和展示模块；
所述医疗数据库模块通过从相关医学文献和相关病例数据库源头获取数据，构建医疗数据库；
所述语音识别模块通过NLP技术将用户语言描述自身相关问题后，再对预设的相关症状问题的回答进行识别，进而转化为文本格式，形成信息描述集，发送至所述问题解析模块；
所述问题解析模块对获取的信息描述集进行解析，提取其中的关键字和短语，作为特征数据发送至所述匹配模块；
所述匹配模块用于对获取的特征数据对所述医疗数据库中的数据进行匹配，获取匹配频率集；
所述就诊模块通过获取的各个科室医生的排班信息、排号人数和解决病患问题的频率值，组成就诊信息集；
所述评估模块通过对所述匹配频率集和所述就诊信息集进行建立模型，通过建立模型，并进行训练和计算，获取：规划指数Ghzs，将规划指数Ghzs和预设阈值对比，获取等级规划策略方案；
所述规划指数Ghzs通过以下公式获取：
；
式中，Ppxs表示匹配系数，Jzxs表示就诊系数，表示匹配系数Ppxs的权重值，/>表示就诊系数Jzxs的权重值，/>表示修正常数；
所述匹配系数Ppxs通过所述匹配频率集计算获取；
所述就诊系数Jzxs通过所述就诊信息集计算获取；
所述展示模块通过获取的所述等级规划策略方案的内容，对预设模板进行填充，进而展示在交互页面上，以供用户参考，来规划自身的行程安排。
优选的，所述医疗数据库模块包括数据源单元和处理单元；
所述数据源单元用于连接从医学文献数据库、药物数据库、病例数据库和医院排班系统，获取医疗数据；
所述处理单元对多个来源数据库的文本和相关文献数据进行处理，包括去除重复数据、处理缺失值、纠正错误数据和标准化数据格式。
优选的，所述语音识别模块包括语言识别引擎；
所述语言识别引擎用于接收用户通过语音提出的医疗问题，使用NLP语音识别技术将语音转化为文本形式，包括问题的描述和相关回答。
优选的，所述问题解析模块包括提取单元和特征生成单元；
所述提取单元用于识别和提取问题描述中的关键词、短语或术语，这些信息可能与症状、疾病和医疗历史相关联，并标识以标识重要的关键字和短语；
所述特征生成单元对标识的关键字和短语进行组织，形成特征数据集合，这些特征数据用于描述用户问题的关键方面和需求。
优选的，所述匹配模块包括频率单元；
所述频率单元对获取的所述特征数据集合与所述医疗数据库进行匹配，并记录所述特征数据集合中的关键字和出现的频率，对于每个相关病例、医嘱和其他医疗知识，都会计算出匹配频率值，进而获取匹配频率集；
所述匹配频率集包括：内科频率值Nkpl、外科频率值Wkpl、儿科频率值Ekpl、眼科频率值Ykpl和耳鼻喉科频率值Ebhk，并将最大频率值记录到优先频率值Maxz中。
优选的，所述就诊模块包括信息获取单元和解决速率单元；
所述信息获取单元获取各个科室医生的排班信息，包括工作时间、出诊时间和休息时间，以及排号信息，包括病患的排队人数；
所述解决速率单元用于获取医生解决病患问题的历史频率值，以及医生的工作效率和处理病患问题的速度；
所述就诊信息集包括：医生工作时长Gzsc、出诊时间值Czsj、休息时间值Xxsj、排号人数Phrs、处理速度值Clsd和可工作时长Kgsc；
所述可工作时长Kgsc通过以下公式获取：
；
通过可工作时长Kgsc公式，计算获取医生剩余工作时长，并把医生休息时间计算在内。
优选的，所述评估模块包括选择单元、计算单元和评估单元；
所述选择单元用于依据数据类型选择模型，包括：决策树、随机森林、逻辑回归、神经网络和梯度提升树；
所述计算单元通过选择的模型进行训练和计算，获取：匹配系数Ppxs和就诊系数Jzxs，再通过匹配系数Ppxs和就诊系数Jzxs进行计算，获取：规划指数Ghzs；
所述评估单元通过获取的规划指数Ghzs和预设阈值进行对比，以获取多个等级的规划策略方案。
优选的，所述匹配系数Ppxs通过以下公式获取：
；
式中，a、b、c、d和e分别表示内科频率值Nkpl、外科频率值Wkpl、儿科频率值Ekpl、眼科频率值Ykpl和耳鼻喉科频率值Ebhk的权重值；
其中，，/>，/>，/>，，且，/>，F表示修正常数；
所述就诊系数Jzxs通过以下公式获取：
；
式中，k、h和j分别表示排号人数Phrs、可工作时长Kgsc和处理速度值Clsd的权重值；
其中，，/>，/>，且，/>，G表示修正常数；
所述等级规划策略方案通过规划指数Ghzs和预设阈值X和预设阈值N对比获取，并根据优先频率值Maxz匹配相应科室进行相应的路线规划：
规划指数Ghzs＜预设阈值X，获取一级规划方案，建议用户前往指定的科室，用户在医生可工作时间内获得就诊，并提供具体路线规划和一键挂号；
预设阈值X≤规划指数Ghzs≤预设阈值N，获取二级规划方案，提示用户需要等待二十分钟以上才能进行问诊，为用户提供立即挂号等待或选择次日挂号的选择，以便更灵活地安排就诊时间，并提供具体路线规划；
预设阈值N＜规划指数Ghzs，获取三级规划方案，医生的工作时间内的挂号名额已经满额，为用户提供一键次日挂号和路线规划，方便用户安排行程，并提供急诊科室一键挂号，并提供急诊服务的相关信息和路线规划。
优选的，所述展示模块包括填充单元和交互单元；
所述填充单元将获取的等级规划策略方案内容，对预设展示模板进行填充，包括文字、图像、科室医生相关信息和规划路线；
所述交互单元用于处理用户和展示页面的交互，包括滚动查看、放大查看和缩小查看，并提供保存功能，包括纸质保存、二维码保存、小程序保存和邮箱保存。
基于人工智能的语音识别医疗助手系统及方法，包括以下步骤：
步骤一：通过医疗数据库模块获取相关数据，构建医疗数据库；
步骤二：通过语言识别模块的NLP技术将用户语音录入的信息进行转化为文本格式，形成信息描述集；
步骤三：通过问题解析模块对获取的信息描述集进行解析，提取关键字和短语，作为特征数据集；
步骤四：通过匹配模块将特征数据集和医疗数据库进行匹配，获取匹配频率值；
步骤五：通过就诊模块获取医生排班信息、排号信息和解决病患问题的频率值，作为就诊信息集；
步骤六：通过评估模块对匹配频率集和就诊信息集进行建立模型，通过训练和计算，获取：规划指数Ghzs，将规划指数Ghzs和预设阈值对比，获取等级规划策略方案；
步骤七：通过展示模块将获取的等级规划策略方案内容，对预设展示模板进行填充，进而展示在交互页面上，供用户参考，来规划自身行程安排。
本发明提供了基于人工智能的语音识别医疗助手系统及方法，具备以下有益效果：
（1）系统运行时，通过医疗数据库模块，建立医疗数据库，并通过NLP技术将用户语音转化为文本格式，形成信息描述集，通过问题解析模块对获取的信息描述集进行解析，提取关键字和短语，作为特征数据，将特征数据集和医疗数据库进行匹配，获取匹配频率集，获取医生排班信息、排号信息和解决病患问题的频率值，作为就诊信息集，通过评估模块对匹配频率集和就诊信息集进行建立模型，通过训练和计算，获取：规划指数Ghzs，将规划指数Ghzs和预设阈值对比，获取等级规划策略方案，通过展示模块将获取的等级规划策略方案内容，对预设展示模板进行填充，进而展示在交互页面上，用户可以获取有关特定疾病的详细信息，包括病历历史、治疗方案和医学研究进展，此外，根据用户的个人情况，为其提供个性化的医疗建议，包括挂号科室推荐和就医时间，帮助用户更好地规划自己的医疗行程。
（2）通过多等级规划策略方案，可以有效的应对多种情况，从而为用户提供相应的建议和指导，满足了不同用户的各种需求，提供了更灵活的就医选择，节省了时间，提高了就医效率，同时也提供了应对紧急情况的指导，进而为用户提供了更便捷和个性化的医疗支持。
（3）本发明方法，通过步骤一至步骤七，构建出医疗数据库，并通过NLP技术将用户语音录入的信息进行转化为文本格式，形成信息描述集，通过对信息描述集的解析，提取关键字和短语，作为特征数据集，并和医疗数据库进行匹配，获取匹配频率值，获取医生排班信息、排号信息和解决病患问题的频率值，作为就诊信息集，对匹配频率值和就诊信息集进行建立模型，通过训练和计算获取：规划指数Ghzs，将规划指数Ghzs和预设阈值对比，获取等级规划策略方案，根据获取的等级规划策略方案的内容，来进行展示，供用户参考，规划自身形成安排，进而为用户提供个性化的医疗建议，根据其症状，确定适合他们的科室和医生，并提供预约服务，并进行规划就医行程，避免了长时间的等待和排队，提高了就医的便捷性。
附图说明
图1为本发明基于人工智能的语音识别医疗助手系统框图流程示意图；
图2为本发明基于人工智能的语音识别医疗助手方法步骤示意图。
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、完整的描述，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。
尽管常规的语音识别医疗助手系统已经在医疗领域取得了一些进展，但它们仍然存在一些潜在的问题和局限性，往往只能简单地识别语音输入并提供通用性的回答，而在医院环境中，用户通常需要更多的个性化和实际帮助，以应对复杂的就医流程和问题。
通常提供一般性的医学知识和信息，但无法满足用户具体的医疗问题，包括，患者可能需要知道特定科室的位置，以便就医，他们可能需要了解某一疾病的最新治疗方法或临床试验的相关病例信息，此外，患者还可能需要针对其个人情况的医疗建议，包括基于他们的症状和医疗历史，确定哪种科室适合他们，并预约相应的医生，由于没挂号之前不了解前方排队的人数，以及多久能够排到自己，需要用户自身前去挂号后，自主判断医生解决病患的速度，进而选择等待还是次日再来进行就诊。
实施例1
本发明提供基于人工智能的语音识别医疗助手系统，请参阅图1，包括医疗数据库模块、语音识别模块、问题解析模块、匹配模块、就诊模块、评估模块和展示模块；
所述医疗数据库模块通过从相关医学文献和相关病例数据库源头获取数据，构建医疗数据库；
所述语音识别模块通过NLP技术将用户语言描述自身相关问题后，再对预设的相关症状问题的回答进行识别，进而转化为文本格式，形成信息描述集，发送至所述问题解析模块；
所述问题解析模块对获取的信息描述集进行解析，提取其中的关键字和短语，作为特征数据发送至所述匹配模块；
所述匹配模块用于对获取的特征数据对所述医疗数据库中的数据进行匹配，获取匹配频率集；
所述就诊模块通过获取的各个科室医生的排班信息、排号人数和解决病患问题的频率值，组成就诊信息集；
所述评估模块通过对所述匹配频率集和所述就诊信息集进行建立模型，通过建立模型，并进行训练和计算，获取：规划指数Ghzs，将规划指数Ghzs和预设阈值对比，获取等级规划策略方案；
所述规划指数Ghzs通过以下公式获取：
；
式中，Ppxs表示匹配系数，Jzxs表示就诊系数，表示匹配系数Ppxs的权重值，/>表示就诊系数Jzxs的权重值，/>表示修正常数；
其中，，/>，且，/>；
所述匹配系数Ppxs通过所述匹配频率集计算获取；
所述就诊系数Jzxs通过所述就诊信息集计算获取；
所述展示模块通过获取的所述等级规划策略方案的内容，对预设模板进行填充，进而展示在交互页面上，以供用户参考，来规划自身的行程安排。
本实施例中，通过医疗数据库模块，建立医疗数据库，通过语言识别模块的NLP技术将用户语音录入的信息转化为文本格式，形成信息描述集，通过问题解析模块对获取的信息描述集进行解析，提取关键字和短语，作为特征数据，通过匹配模块将特征数据集和医疗数据库进行匹配，获取匹配频率集，通过就诊模块获取医生排班信息、排号信息和解决病患问题的频率值，作为就诊信息集，通过评估模块对匹配频率集和就诊信息集进行建立模型，通过训练和计算，获取：规划指数Ghzs，将规划指数Ghzs和预设阈值对比，获取等级规划策略方案，通过展示模块将获取的等级规划策略方案内容，对预设展示模板进行填充，进而展示在交互页面上，供用户参考，进而达到了解自身相关病情的相关病历信息和临床治疗方法，以及针对自身进而规划出的医疗建议。
实施例2
本实施例是在实施例1中进行的解释说明，请参照图1，具体的：所述医疗数据库模块包括数据源单元和处理单元；
所述数据源单元用于连接从医学文献数据库、药物数据库、病例数据库和医院排班系统，获取医疗数据；
所述处理单元对多个来源数据库的文本和相关文献数据进行处理，包括去除重复数据、处理缺失值、纠正错误数据和标准化数据格式。
所述语音识别模块包括语言识别引擎；
所述语言识别引擎用于接收用户通过语音提出的医疗问题，使用NLP语音识别技术将语音转化为文本形式，包括问题的描述和相关回答，语言识别引擎不仅能够简单地将语音转化为文本，还能理解语境和意图，进而分析问题的上下文，从中提取关键信息，以更好地满足用户的需求。
所述问题解析模块包括提取单元和特征生成单元；
所述提取单元用于识别和提取问题描述中的关键词、短语或术语，这些信息可能与症状、疾病和医疗历史相关联，并标识以标识重要的关键字和短语；
所述特征生成单元对标识的关键字和短语进行组织，形成特征数据集合，这些特征数据用于描述用户问题的关键方面和需求。
所述匹配模块包括频率单元；
所述频率单元对获取的所述特征数据集合与所述医疗数据库进行匹配，并记录所述特征数据集合中的关键字和出现的频率，对于每个相关病例、医嘱和其他医疗知识，都会计算出匹配频率值，进而获取匹配频率集；
所述匹配频率集包括：内科频率值Nkpl、外科频率值Wkpl、儿科频率值Ekpl、眼科频率值Ykpl和耳鼻喉科频率值Ebhk，并将最大频率值记录到优先频率值Maxz中。
所述就诊模块包括信息获取单元和解决速率单元；
所述信息获取单元获取各个科室医生的排班信息，包括工作时间、出诊时间和休息时间，以及排号信息，包括病患的排队人数；
所述解决速率单元用于获取医生解决病患问题的历史频率值，以及医生的工作效率和处理病患问题的速度；
所述就诊信息集包括：医生工作时长Gzsc、出诊时间值Czsj、休息时间值Xxsj、排号人数Phrs、处理速度值Clsd和可工作时长Kgsc；
所述可工作时长Kgsc通过以下公式获取：
；
通过可工作时长Kgsc公式，计算获取医生剩余工作时长，并把医生休息时间计算在内。
所述评估模块包括选择单元、计算单元和评估单元；
所述选择单元用于依据数据类型选择模型，包括：决策树、随机森林、逻辑回归、神经网络和梯度提升树；
所述计算单元通过选择的模型进行训练和计算，获取：匹配系数Ppxs和就诊系数Jzxs，再通过匹配系数Ppxs和就诊系数Jzxs进行计算，获取：规划指数Ghzs；
所述评估单元通过获取的规划指数Ghzs和预设阈值进行对比，以获取多个等级的规划策略方案。
实施例3
本实施例是在实施例1中进行的解释说明，请参照图1，具体的：所述匹配系数Ppxs通过以下公式获取：
；
式中，a、b、c、d和e分别表示内科频率值Nkpl、外科频率值Wkpl、儿科频率值Ekpl、眼科频率值Ykpl和耳鼻喉科频率值Ebhk的权重值；
其中，，/>，/>，/>，，且，/>，F表示修正常数；
所述就诊系数Jzxs通过以下公式获取：
；
式中，k、h和j分别表示排号人数Phrs、可工作时长Kgsc和处理速度值Clsd的权重值；
其中，，/>，/>，且，/>，G表示修正常数；
所述等级规划策略方案通过规划指数Ghzs和预设阈值X和预设阈值N对比获取，并根据优先频率值Maxz匹配相应科室进行相应的路线规划：
规划指数Ghzs＜预设阈值X，获取一级规划方案，建议用户前往指定的科室，用户在医生可工作时间内获得就诊，并提供具体路线规划和一键挂号，用户根据具体路线规划前往指定的医疗科室，以确保他们在医生的工作时间内获得诊疗服务，此外，根据具体的路线规划，以帮助用户准确到达目的地，一键挂号，使用户可以轻松地安排自己的就医行程，从而解决了长时间等待和不确定性的问题；
预设阈值X≤规划指数Ghzs≤预设阈值N，获取二级规划方案，提示用户需要等待二十分钟以上才能进行问诊，因为存在挂号排队情况或三十分钟达到医生下班时间，为用户提供立即挂号等待或选择次日挂号的选择，以便更灵活地安排就诊时间，并为立即挂号等待的用户提供具体路线规划，以便帮助用户快速准确到达指定科室；
预设阈值N＜规划指数Ghzs，获取三级规划方案，医生的工作时间内的挂号名额已经满额，为用户提供一键次日挂号和提供具体路线规划，方便用户安排次日行程，进而能够更灵活地安排就医时间，并避免不必要的等待时间，并提供急诊科室一键挂号，以便能够在短时间内需要治疗的用户获得医疗服务，包括突发病患者、交通事故人员、心脑血管病患、急性疼痛患者和儿童急症患者，并提供急诊服务的相关信息和路线规划，以便帮助用户快速准确到达指定科室。
所述展示模块包括填充单元和交互单元；
所述填充单元将获取的等级规划策略方案内容，对预设展示模板进行填充，包括文字、图像、科室医生相关信息和规划路线；
所述交互单元用于处理用户和展示页面的交互，包括滚动查看、放大查看和缩小查看，并提供保存功能，包括纸质保存、二维码保存、小程序保存和邮箱保存；
本实施例中，通过多等级规划策略方案，可以有效的应对多种情况，从而为用户提供相应的建议和指导，满足了不同用户的各种需求，提供了更灵活的就医选择，节省了时间，提高了就医效率，同时也提供了应对紧急情况的指导，进而为用户提供了更便捷和个性化的医疗支持。
实施例4
基于人工智能的语音识别医疗助手方法，请参照图2，具体的：包括以下步骤：
步骤一：通过医疗数据库模块获取相关数据，构建医疗数据库；
步骤二：通过语言识别模块的NLP技术将用户语音录入的信息进行转化为文本格式，形成信息描述集；
步骤三：通过问题解析模块对获取的信息描述集进行解析，提取关键字和短语，作为特征数据集；
步骤四：通过匹配模块将特征数据集和医疗数据库进行匹配，获取匹配频率值；
步骤五：通过就诊模块获取医生排班信息、排号信息和解决病患问题的频率值，作为就诊信息集；
步骤六：通过评估模块对匹配频率集和就诊信息集进行建立模型，通过训练和计算，获取：规划指数Ghzs，将规划指数Ghzs和预设阈值对比，获取等级规划策略方案；
步骤七：通过展示模块将获取的等级规划策略方案内容，对预设展示模板进行填充，进而展示在交互页面上，供用户参考，来规划自身行程安排。
本实施例中，通过步骤一至步骤七，构建出医疗数据库，并通过NLP技术将用户语音录入的信息进行转化为文本格式，形成信息描述集，通过对信息描述集的解析，提取关键字和短语，作为特征数据集，并和医疗数据库进行匹配，获取匹配频率值，获取医生排班信息、排号信息和解决病患问题的频率值，作为就诊信息集，对匹配频率值和就诊信息集进行建立模型，通过训练和计算获取：规划指数Ghzs，将规划指数Ghzs和预设阈值对比，获取等级规划策略方案，根据获取的等级规划策略方案的内容，来进行展示，供用户参考，规划自身形成安排，进而为用户提供个性化的医疗建议，根据其症状，确定适合他们的科室和医生，并提供预约服务，并进行规划就医行程，避免了长时间的等待和排队，提高了就医的便捷性。
具体示例：一种某某医院使用的基于人工智能的语音识别医疗助手系统，将使用一些具体的参数和值来演示如何计算：规划指数Ghzs、匹配系数Ppxs和就诊系数Jzxs；
假设拥有以下参数值：内科频率值Nkpl=25、外科频率值Wkpl=30、儿科频率值Ekpl=20、眼科频率值Ykpl=15、耳鼻喉科频率值Ebhk=10，权重值：a=0.22、b=0.26、c=0.17、d=0.13、e=0.19，修正常数：5；
根据匹配系数Ppxs计算公式：
Ppxs=[(25*0.22)+(30*0.26)+(20*0.17)+(15*0.13)+(10*0.19)]*15%+5=8.09；
可工作时长Kgsc=6小时、排号人数Phrs=40、处理速度值Clsd=30，权重值：k=0.28、h=0.32、j=0.40，修正常数：5；
根据就诊系数Jzxs计算公式：
Jzxs=[(40*0.28)-(6*0.32)/(30*0.40)]+5=15.8；
权重值：：0.46、/>：0.54；
根据规划指数Ghzs计算公式：
Ghzs=[(8.09*0.46)+(15.08*0.54)]*10%+5=6.18；
将预设阈值X设置为6，预设阈值N设置为11，将规划指数Ghzs和预设阈值X和预设阈值N对比获取，预设阈值X≤规划指数Ghzs≤预设阈值N，获取二级规划方案，用户可能需要稍微等待一段时间才能获得问诊，前方排队人数较多或临近医生休息时间，用户选择立即挂号医生或选择次日挂号，以便更灵活地安排就诊时间，并提供具体路线规划。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。
Claims (10)
1.基于人工智能的语音识别医疗助手系统，其特征在于：包括医疗数据库模块、语音识别模块、问题解析模块、匹配模块、就诊模块、评估模块和展示模块；
所述医疗数据库模块通过从相关医学文献和相关病例数据库源头获取数据，构建医疗数据库；
所述语音识别模块通过NLP技术将用户语言描述自身相关问题后，再对预设的相关症状问题的回答进行识别，进而转化为文本格式，形成信息描述集，发送至所述问题解析模块；
所述问题解析模块对获取的信息描述集进行解析，提取其中的关键字和短语，作为特征数据发送至所述匹配模块；
所述匹配模块用于对获取的特征数据对所述医疗数据库中的数据进行匹配，获取匹配频率集；
所述就诊模块通过获取的各个科室医生的排班信息、排号人数和解决病患问题的频率值，组成就诊信息集；
所述评估模块通过对所述匹配频率集和所述就诊信息集进行建立模型，通过建立模型，并进行训练和计算，获取：规划指数Ghzs，将规划指数Ghzs和预设阈值对比，获取等级规划策略方案；
所述规划指数Ghzs通过以下公式获取：
；
式中，Ppxs表示匹配系数，Jzxs表示就诊系数，表示匹配系数Ppxs的权重值，/>表示就诊系数Jzxs的权重值，/>表示修正常数；
所述匹配系数Ppxs通过所述匹配频率集计算获取；
所述就诊系数Jzxs通过所述就诊信息集计算获取；
所述展示模块通过获取的所述等级规划策略方案的内容，对预设模板进行填充，进而展示在交互页面上，以供用户参考，来规划自身的行程安排。
2.根据权利要求1所述的基于人工智能的语音识别医疗助手系统，其特征在于：所述医疗数据库模块包括数据源单元和处理单元；
所述数据源单元用于连接从医学文献数据库、药物数据库、病例数据库和医院排班系统，获取医疗数据；
所述处理单元对多个来源数据库的文本和相关文献数据进行处理，包括去除重复数据、处理缺失值、纠正错误数据和标准化数据格式。
3.根据权利要求1所述的基于人工智能的语音识别医疗助手系统，其特征在于：所述语音识别模块包括语言识别引擎；
所述语言识别引擎用于接收用户通过语音提出的医疗问题，使用NLP语音识别技术将语音转化为文本形式，包括问题的描述和相关回答。
4.根据权利要求3所述的基于人工智能的语音识别医疗助手系统，其特征在于：所述问题解析模块包括提取单元和特征生成单元；
所述提取单元用于识别和提取问题描述中的关键词、短语或术语，这些信息与症状、疾病和医疗历史相关联，并标识以标识重要的关键字和短语；
所述特征生成单元对标识的关键字和短语进行组织，形成特征数据集合，这些特征数据用于描述用户问题的关键方面和需求。
5.根据权利要求4所述的基于人工智能的语音识别医疗助手系统，其特征在于：所述匹配模块包括频率单元；
所述频率单元对获取的所述特征数据集合与所述医疗数据库进行匹配，并记录所述特征数据集合中的关键字和出现的频率，对于每个相关病例、医嘱和其他医疗知识，都会计算出匹配频率值，进而获取匹配频率集；
所述匹配频率集包括：内科频率值Nkpl、外科频率值Wkpl、儿科频率值Ekpl、眼科频率值Ykpl和耳鼻喉科频率值Ebhk，并将最大频率值记录到优先频率值Maxz中。
6.根据权利要求1所述的基于人工智能的语音识别医疗助手系统，其特征在于：所述就诊模块包括信息获取单元和解决速率单元；
所述信息获取单元获取各个科室医生的排班信息，包括工作时间、出诊时间和休息时间，以及排号信息，包括病患的排队人数；
所述解决速率单元用于获取医生解决病患问题的历史频率值，以及医生的工作效率和处理病患问题的速度；
所述就诊信息集包括：医生工作时长Gzsc、出诊时间值Czsj、休息时间值Xxsj、排号人数Phrs、处理速度值Clsd和可工作时长Kgsc；
所述可工作时长Kgsc通过以下公式获取：
；
通过可工作时长Kgsc公式，计算获取医生剩余工作时长，并把医生休息时间计算在内。
7.根据权利要求1所述的基于人工智能的语音识别医疗助手系统，其特征在于：所述评估模块包括选择单元、计算单元和评估单元；
所述选择单元用于依据数据类型选择模型，包括：决策树、随机森林、逻辑回归、神经网络和梯度提升树；
所述计算单元通过选择的模型进行训练和计算，获取：匹配系数Ppxs和就诊系数Jzxs，再通过匹配系数Ppxs和就诊系数Jzxs进行计算，获取：规划指数Ghzs；
所述评估单元通过获取的规划指数Ghzs和预设阈值进行对比，以获取多个等级的规划策略方案。
8.根据权利要求5所述的基于人工智能的语音识别医疗助手系统，其特征在于：所述匹配系数Ppxs通过以下公式获取：
；
式中，a、b、c、d和e分别表示内科频率值Nkpl、外科频率值Wkpl、儿科频率值Ekpl、眼科频率值Ykpl和耳鼻喉科频率值Ebhk的权重值；
其中，，/>，/>，/>，/>，且，/>，F表示修正常数；
所述就诊系数Jzxs通过以下公式获取：
；
式中，k、h和j分别表示排号人数Phrs、可工作时长Kgsc和处理速度值Clsd的权重值；
其中，，/>，/>，且，/>，G表示修正常数；
所述等级规划策略方案通过规划指数Ghzs和预设阈值X和预设阈值N对比获取，并根据优先频率值Maxz匹配相应科室进行相应的路线规划：
规划指数Ghzs＜预设阈值X，获取一级规划方案，建议用户前往指定的科室，用户在医生可工作时间内获得就诊，并提供具体路线规划和一键挂号；
预设阈值X≤规划指数Ghzs≤预设阈值N，获取二级规划方案，提示用户需要等待二十分钟以上才能进行问诊，为用户提供立即挂号等待或选择次日挂号的选择，并提供具体路线规划；
预设阈值N＜规划指数Ghzs，获取三级规划方案，医生的工作时间内的挂号名额已经满额，为用户提供一键次日挂号和路线规划，并提供急诊科室一键挂号，以及提供急诊服务。
9.根据权利要求8所述的基于人工智能的语音识别医疗助手系统，其特征在于：所述展示模块包括填充单元和交互单元；
所述填充单元将获取的等级规划策略方案内容，对预设展示模板进行填充，包括文字、图像、科室医生相关信息和规划路线；
所述交互单元用于处理用户和展示页面的交互，包括滚动查看、放大查看和缩小查看，并提供保存功能，包括纸质保存、二维码保存、小程序保存和邮箱保存。
10.基于人工智能的语音识别医疗助手方法，其特征在于：包括以下步骤：
步骤一：通过医疗数据库模块获取相关数据，构建医疗数据库；
步骤二：通过语言识别模块的NLP技术将用户语音录入的信息进行转化为文本格式，形成信息描述集；
步骤三：通过问题解析模块对获取的信息描述集进行解析，提取关键字和短语，作为特征数据集；
步骤四：通过匹配模块将特征数据集和医疗数据库进行匹配，获取匹配频率值；
步骤五：通过就诊模块获取医生排班信息、排号信息和解决病患问题的频率值，作为就诊信息集；
步骤六：通过评估模块对匹配频率集和就诊信息集进行建立模型，通过训练和计算，获取：规划指数Ghzs，将规划指数Ghzs和预设阈值对比，获取等级规划策略方案；
步骤七：通过展示模块将获取的等级规划策略方案内容，对预设展示模板进行填充，进而展示在交互页面上，供用户参考，来规划自身行程安排。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311437505.XA CN117174341B (zh) | 2023-11-01 | 2023-11-01 | 基于人工智能的语音识别医疗助手系统及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311437505.XA CN117174341B (zh) | 2023-11-01 | 2023-11-01 | 基于人工智能的语音识别医疗助手系统及方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117174341A true CN117174341A (zh) | 2023-12-05 |
| CN117174341B CN117174341B (zh) | 2024-03-26 |
Family
ID=88947106
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311437505.XA Active CN117174341B (zh) | 2023-11-01 | 2023-11-01 | 基于人工智能的语音识别医疗助手系统及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117174341B (zh) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104965977A (zh) * | 2015-06-13 | 2015-10-07 | 深圳市前海安测信息技术有限公司 | 基于网络医院平台的就诊提示方法和网络医院平台 |
| CN107463779A (zh) * | 2017-07-31 | 2017-12-12 | 合肥桥旭科技有限公司 | 一种基于物联网的医疗信息集成系统 |
| US20210027870A1 (en) * | 2018-03-30 | 2021-01-28 | Carenexis, Llc | Electronic healthcare platform that provides personalized recommendations for personal care products and healthcare services |
| CN113130054A (zh) * | 2021-03-31 | 2021-07-16 | 深圳新红医医疗科技有限公司 | 一种就诊服务方法和系统 |
| CN115936263A (zh) * | 2023-02-22 | 2023-04-07 | 华序科技开发(深圳)有限公司 | 一种智能预约挂号就诊优化方法、电子设备、存储介质 |
| CN116226742A (zh) * | 2023-03-07 | 2023-06-06 | 中国工商银行股份有限公司 | 目标对象的确定方法、装置、存储介质及电子设备 |
-
2023
- 2023-11-01 CN CN202311437505.XA patent/CN117174341B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104965977A (zh) * | 2015-06-13 | 2015-10-07 | 深圳市前海安测信息技术有限公司 | 基于网络医院平台的就诊提示方法和网络医院平台 |
| CN107463779A (zh) * | 2017-07-31 | 2017-12-12 | 合肥桥旭科技有限公司 | 一种基于物联网的医疗信息集成系统 |
| US20210027870A1 (en) * | 2018-03-30 | 2021-01-28 | Carenexis, Llc | Electronic healthcare platform that provides personalized recommendations for personal care products and healthcare services |
| CN113130054A (zh) * | 2021-03-31 | 2021-07-16 | 深圳新红医医疗科技有限公司 | 一种就诊服务方法和系统 |
| CN115936263A (zh) * | 2023-02-22 | 2023-04-07 | 华序科技开发(深圳)有限公司 | 一种智能预约挂号就诊优化方法、电子设备、存储介质 |
| CN116226742A (zh) * | 2023-03-07 | 2023-06-06 | 中国工商银行股份有限公司 | 目标对象的确定方法、装置、存储介质及电子设备 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117174341B (zh) | 2024-03-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108198615B (zh) | 一种在线认知评估系统 | |
| CN109670727B (zh) | 一种基于众包的分词标注质量评估系统及评估方法 | |
| CN109102886B (zh) | 多推理模式融合的老年病推理诊断系统 | |
| US20040078223A1 (en) | Method and system of mass and multiple casualty triage | |
| CN103690240A (zh) | 一种医疗系统 | |
| CN110619959A (zh) | 一种智能分诊的方法及系统 | |
| WO2016120955A1 (ja) | 行動予測装置、行動予測装置の制御方法、および行動予測装置の制御プログラム | |
| CN106251865A (zh) | 一种基于语音识别的医疗健康记录自动填写方法 | |
| WO2023178971A1 (zh) | 就医的互联网挂号方法、装置、设备及存储介质 | |
| CN115497616B (zh) | 一种感染性疾病辅助决策的方法、系统、设备及存储介质 | |
| CN110289095A (zh) | 一种股骨颈骨折临床智能辅助决策方法及系统 | |
| CN109119160B (zh) | 多重推理方式的专家分诊系统及其方法 | |
| KR102479692B1 (ko) | 빅데이터 및 클라우드 시스템 기반 인공지능 응급의료 의사결정 및 응급환자 이송 시스템과 그 방법 | |
| CN111613311A (zh) | 一种智能ai导诊实现技术 | |
| CN116631638B (zh) | 一种基于人工智能的医疗数据多通路搜索系统 | |
| CN112951414A (zh) | 基层医疗临床辅助决策系统 | |
| CN111008269A (zh) | 数据处理方法及装置、存储介质及电子终端 | |
| CN111477320A (zh) | 治疗效果预测模型的构建系统、治疗效果预测系统及终端 | |
| CN117708306B (zh) | 基于层进式问答结构的医学问答架构生成方法及系统 | |
| CN113506625A (zh) | 一种基于csco指南的诊疗建议评分系统 | |
| CN113611401A (zh) | 一种围术期血液管理的系统和方法 | |
| CN117174341B (zh) | 基于人工智能的语音识别医疗助手系统及方法 | |
| CN117637153A (zh) | 患者安全护理的信息化管理系统及方法 | |
| CN116741360B (zh) | 基于智能终端的医生问诊及服务质量评价系统 | |
| Umar et al. | Detection and diagnosis of psychological disorders through decision rule set formation |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20240619 Address after: Room 101, Building A4, No. 23, Spectral Middle Road, Huangpu District, Guangzhou City, Guangdong Province 510000, Room 201, Building A4, Room 301, Building A4 Patentee after: Guangzhou Qingkang Hospital Co.,Ltd. Country or region after: China Address before: Unit 201D03, 2nd Floor, Building B, Building A and Building B, Shenfubao Science and Technology Industrial Park, No. 3 Huanghuai Road, Fubao Community, Fubao Street, Futian District, Shenzhen, Guangdong Province, 518000, China Patentee before: Shenzhen jianyikang Medical Instrument Technology Co.,Ltd. Country or region before: China |