[发明专利]病症自助诊断方法、装置、计算机设备

说明书

本发明公开了一种病症自助诊断方法、装置、计算机设备。其中，所述方法包括：采集至少一个患者的语音数据和个人病症史，和对该采集的个人病症史的共性特征和对应该共性特征的语音数据进行标记，和构建基于该标记后的共性特征和对应该共性特征的该标记后的语音数据的二分类模型，以及基于该二分类模型，根据患者当前输入的病症语音，对患者的病症进行诊断。通过上述方式，能够实现提高患者病症诊断的效率。

技术领域

本发明涉及病症诊断技术领域，尤其涉及一种病症自助诊断方法、装置、计算机设备。

背景技术

现有的病症诊断方案，一般都是患者到医院经过医生诊断后才确定治疗方式，但是患者到医院需要经过排队挂号和排队等候医生诊断，需要消耗较多的时间，导致患者病症诊断的效率一般。

发明内容

有鉴于此，本发明的目的在于提出一种病症自助诊断方法、装置、计算机设备，能够实现提高患者病症诊断的效率。

根据本发明的一个方面，提供一种病症自助诊断方法，包括：采集至少一个患者的语音数据和个人病症史；对所述采集的个人病症史的共性特征和对应所述共性特征的语音数据进行标记；构建基于所述标记后的共性特征和对应所述共性特征的所述标记后的语音数据的二分类模型；基于所述二分类模型，根据患者当前输入的病症语音，对患者的病症进行诊断。

其中，所述对所述采集的个人病症史的共性特征和对应所述共性特征的语音数据进行标记，包括：采用二维数组的形式，对所述采集的个人病症史的共性特征和对应所述共性特征的语音数据进行标记；其中，所述二维数组中的其中一个数组用于表示共性特征，其中另一个数组用于表示对应所述共性特征的语音数据。

其中，所述构建基于所述标记后的共性特征和对应所述共性特征的所述标记后的语音数据的二分类模型，包括：采用分别提取所述标记后的共性特征和对应所述共性特征的所述标记后的语音数据的线性预测分析特征，和将所述分别提取的线性预测分析特征作为卷积神经网络的训练输入的方式，构建基于所述标记后的共性特征和对应所述共性特征的所述标记后的语音数据的二分类模型。

其中，所述基于所述二分类模型，根据患者当前输入的病症语音，对患者的病症进行诊断，包括：基于所述二分类模型，根据患者当前输入的病症语音，从所述标记后的共性特征中提取与所述病症语音匹配的病症特征，并根据所述病症特征，对患者的病症进行诊断。

其中，在所述基于所述二分类模型，根据患者当前输入的病症语音，对患者的病症进行诊断之后，还包括：基于所述对患者的病症进行的诊断，为患者配置对应的医院和对应所述医院的诊疗科室。

根据本发明的一个方面，提供一种病症自助诊断装置，包括：采集模块、标记模块、构建模块和诊断模块；所述采集模块，用于采集至少一个患者的语音数据和个人病症史；所述标记模块，用于对所述采集的个人病症史的共性特征和对应所述共性特征的语音数据进行标记；所述构建模块，用于构建基于所述标记后的共性特征和对应所述共性特征的所述标记后的语音数据的二分类模型；所述诊断模块，用于基于所述二分类模型，根据患者当前输入的病症语音，对患者的病症进行诊断。

其中，所述标记模块，具体用于：采用二维数组的形式，对所述采集的个人病症史的共性特征和对应所述共性特征的语音数据进行标记；其中，所述二维数组中的其中一个数组用于表示共性特征，其中另一个数组用于表示对应所述共性特征的语音数据。

其中，所述构建模块，具体用于：采用分别提取所述标记后的共性特征和对应所述共性特征的所述标记后的语音数据的线性预测分析特征，和将所述分别提取的线性预测分析特征作为卷积神经网络的训练输入的方式，构建基于所述标记后的共性特征和对应所述共性特征的所述标记后的语音数据的二分类模型。

其中，所述诊断模块，具体用于：基于所述二分类模型，根据患者当前输入的病症语音，从所述标记后的共性特征中提取与所述病症语音匹配的病症特征，并根据所述病症特征，对患者的病症进行诊断。