[发明专利]分诊方法及装置、计算机可存储介质

说明书

本公开涉及分诊方法及装置、计算机可存储介质，涉及计算机技术领域。分诊方法包括：获取待处理主诉信息；确定所述待处理主诉信息中的至少一个实体名称和与每个实体名称对应的实体类型；利用实体匹配算法，确定与所述待处理主诉信息中的每个实体名称对应的候选科室；根据所述待处理主诉信息，利用训练好的深度学习模型，预测与所述待处理主诉信息对应的候选科室；根据实体类型的优先级和所述训练好的深度学习模型的优先级，从候选科室中确定目标科室，作为与所述待处理主诉信息对应的分诊结果。根据本公开，可以提高分诊结果的精确性。

技术领域

本公开涉及计算机技术领域，特别涉及分诊方法及装置、计算机可存储介质。

背景技术

患者在就诊过程中，需要选择就诊的科室。然而，患者往往缺乏相关医疗知识，无法准确选择自己应当就诊的科室。为解决此类问题，医院传统的分诊方式是设置分诊台。设置分诊台的方式分诊效率较低，且人力成本较大。

相关技术中，从患者的主诉信息中识别出相关实体名称，并利用实体匹配算法确定目标科室。或者将患者的主诉信息输入到训练好的深度学习模型中，从而利用训练好的深度学习模型预测目标科室。

发明内容

相关技术中，患者的主诉信息中可能会识别出多个实体名称，不同实体名称可能对应不同的科室，利用实体匹配算法无法准确地确定目标科室。利用训练好的深度学习模型预测目标科室的方式也可能会存在预测不准确的情况。甚至，利用实体匹配算法和利用训练好的深度学习模型所确定的目标科室也可能不同。

针对上述技术问题，本公开提出了一种解决方案，可以提高分诊结果的精确性。

根据本公开的第一方面，提供了一种分诊方法，包括：获取待处理主诉信息；确定所述待处理主诉信息中的至少一个实体名称和与每个实体名称对应的实体类型；利用实体匹配算法，确定与所述待处理主诉信息中的每个实体名称对应的候选科室；根据所述待处理主诉信息，利用训练好的深度学习模型，预测与所述待处理主诉信息对应的候选科室；根据实体类型的优先级和所述训练好的深度学习模型的优先级，从候选科室中确定目标科室，作为与所述待处理主诉信息对应的分诊结果。

在一些实施例中，分诊方法还包括：根据多条测试数据，确定实体类型的优先级和所述训练好的深度学习模型的优先级，每条测试数据为一条已标注实际科室的主诉信息。

在一些实施例中，确定实体类型的优先级和所述训练好的深度学习模型的优先级包括：确定每条测试数据中的至少一个实体名称和与每个实体名称对应的实体类型；利用实体匹配算法，确定与所述每条测试数据中的每个实体名称对应的科室；对于与所述待处理主诉信息中的至少一个实体名称对应的每种实体类型，确定所述多条测试数据中所确定的实体类型包括所述每种实体类型的测试数据的数量，作为第一数量；确定所述第一数量的测试数据中、已标注的实际科室与利用实体匹配算法所确定的科室相同的测试数据的数量，作为第二数量；对于与所述待处理主诉信息中的至少一个实体名称对应的每种实体类型，计算第二数量与第一数量的比值；利用所述训练好的深度学习模型，预测与每条测试数据对应的科室；确定所述多条测试数据中、已标注的实际科室与利用训练好的深度学习模型所预测的科室相同的测试数据的数量，作为第三数量；对于所述训练好的深度学习模型，计算第三数量与所述多条测试数据的总数量的比值；根据与所述待处理主诉信息中的至少一个实体名称对应的每种实体类型所对应的比值、和所述训练好的深度学习模型所对应的比值，确定相应的优先级，优先级与比值成正相关。

在一些实施例中，所述待处理主诉信息中的至少一个实体名称包括多个实体名称，所述多个实体名称对应多种实体类型，确定相应的优先级包括：对与所述多种实体类型对应的多个比值、和与所述训练好的深度学习模型对应的比值进行排序；根据排序结果，确定相应的优先级。