[发明专利]病症信息处理方法、装置、计算机设备和存储介质在审
申请号: | 201810546680.5 | 申请日: | 2018-05-31 |
公开(公告)号: | CN108766561A | 公开(公告)日: | 2018-11-06 |
发明(设计)人: | 励超磨;于莉莉;翁志龙;苟永亮 | 申请(专利权)人: | 平安医疗科技有限公司;平安健康互联网股份有限公司 |
主分类号: | G16H50/20 | 分类号: | G16H50/20;G06F17/27 |
代理公司: | 广州华进联合专利商标代理有限公司 44224 | 代理人: | 孙凯乐 |
地址: | 518051 广东省深圳市南山区前海深港合作区*** | 国省代码: | 广东;44 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 个人档案信息 词组 计算机设备 病症特征 病症信息 存储介质 档案特征 匹配模型 信息处理 参考 综合考虑 组合条件 预设 输出 申请 | ||
1.一种病症信息处理方法,所述方法包括:
从患者的病症信息中提取病症特征词;
获取所述患者的个人档案信息,并从所述个人档案信息中提取档案特征词;
按照预设组合条件将所述病症特征词和所述档案特征词进行组合,得到特征词组;
将所述特征词组输入至对应的匹配模型中,所述匹配模型用于根据所述特征词组输出相应的参考消息。
2.根据权利要求1所述的方法,其特征在于,所述按照预设组合条件将所述病症特征词和所述档案特征词进行组合,得到特征词组的步骤包括:
按照预设的优先级划分条件,将所述病症特征词和所述档案特征词进行优先级划分;
将划分后的所述病症特征词和所述档案特征词,按照优先级级别进行组合,得到所述特征词组。
3.根据权利要求1所述的方法,其特征在于,在所述将所述特征词组输入至对应的匹配模型中的步骤之前,还包括:
对所述特征词组进行向量化处理,构建神经网络模型的输入矩阵;
根据所述输入矩阵确定所述神经网络模型的卷积层的卷积窗口;
构建所述神经网络模型的池化层,所述池化层用于输出所述卷积层的最大输出值;
构建所述神经网络模型的全连接层,所述全连接层用于连接所述池化层的输出;
训练构建的所述神经网络模型,并将训练完成后的所述神经网络模型作为所述匹配模型。
4.根据权利要求1所述的方法,其特征在于,在所述将所述特征词组输入至对应的匹配模型中的步骤之前,还包括:
确定所述病症信息对应的医院职能科室;
查询与所述医院职能科室对应的匹配模型;
所述将特征词组输入至对应的匹配模型中的步骤,包括:
将所述特征词组输入至与所述医院职能科室对应的匹配模型中。
5.根据权利要求4所述的方法,其特征在于,在所述从患者的病症信息中提取病症特征词的步骤之前,还包括:
当接收到问诊触发消息时,根据所述问诊触发消息确定所述医院职能科室;
查询与所述医院职能科室对应的问诊对话模板;
通过所述问诊对话模板进行对话问诊,并根据对话问诊过程中的问答数据得到所述病症信息。
6.根据权利要求5所述的方法,其特征在于,在所述查询与所述医院职能科室对应的问诊对话模板的步骤之前,还包括:
获取问诊对话数据集,所述问诊对话数据集包括有序的提问数据及对应的应答数据;
按照所述提问数据的排序,分别生成对应的问诊节点;
从所述提问数据中提取提问关键词,并根据所述提问关键词设定对应的所述问诊节点的节点属性;
根据所述提问数据和所述应答数据,确定所述问诊节点间的节点流转条件;
将各所述问诊节点按照所述节点流转条件依次连接,得到所述问诊对话模板。
7.根据权利要求1所述的方法,其特征在于,在所述将所述特征词组输入至对应的匹配模型中的步骤之后,还包括:
将所述参考消息作为拟诊推荐;
生成拟诊检验请求,所述拟诊检验请求用于请求终端对所述拟诊推荐进行检验;
将所述拟诊推荐和所述拟诊检验请求发送至所述终端;
根据所述终端返回的检验结果更新所述拟诊推荐,得到诊断推荐,并将所述诊断推荐进行推送。
8.一种病症信息处理装置,其特征在于,所述装置包括:
病症特征词提取模块,用于从患者的病症信息中提取病症特征词;
档案特征词提取模块,用于获取所述患者的个人档案信息,并从所述个人档案信息中提取档案特征词;
特征词组获取模块,用于按照预设组合条件将所述病症特征词和所述档案特征词进行组合,得到特征词组;
特征词组处理模块,用于将所述特征词组输入至对应的匹配模型中,所述匹配模型用于根据所述特征词组输出相应的参考消息。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于平安医疗科技有限公司;平安健康互联网股份有限公司,未经平安医疗科技有限公司;平安健康互联网股份有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201810546680.5/1.html,转载请声明来源钻瓜专利网。