[發明專利]病癥信息處理方法、裝置、計算機設備和存儲介質

在審

• 申請號: 201810546680.5
• 申請日: 2018-05-31
• 公開（公告）號: CN108766561A
• 公開（公告）日: 2018-11-06
• 發明（設計）人: 勵超磨;于莉莉;翁志龍;茍永亮
• 申請（專利權）人: 平安醫療科技有限公司;平安健康互聯網股份有限公司
• 主分類號: G16H50/20
• 分類號: G16H50/20;G06F17/27
• 代理公司: 廣州華進聯合專利商標代理有限公司 44224
• 代理人: 孫凱樂

1.一種病癥信息處理方法，所述方法包括：

從患者的病癥信息中提取病癥特征詞；

獲取所述患者的個人檔案信息，并從所述個人檔案信息中提取檔案特征詞；

按照預設組合條件將所述病癥特征詞和所述檔案特征詞進行組合，得到特征詞組；

將所述特征詞組輸入至對應的匹配模型中，所述匹配模型用于根據所述特征詞組輸出相應的參考消息。

2.根據權利要求1所述的方法，其特征在于，所述按照預設組合條件將所述病癥特征詞和所述檔案特征詞進行組合，得到特征詞組的步驟包括：

按照預設的優先級劃分條件，將所述病癥特征詞和所述檔案特征詞進行優先級劃分；

將劃分后的所述病癥特征詞和所述檔案特征詞，按照優先級級別進行組合，得到所述特征詞組。

3.根據權利要求1所述的方法，其特征在于，在所述將所述特征詞組輸入至對應的匹配模型中的步驟之前，還包括：

對所述特征詞組進行向量化處理，構建神經網絡模型的輸入矩陣；

根據所述輸入矩陣確定所述神經網絡模型的卷積層的卷積窗口；

構建所述神經網絡模型的池化層，所述池化層用于輸出所述卷積層的最大輸出值；

構建所述神經網絡模型的全連接層，所述全連接層用于連接所述池化層的輸出；

訓練構建的所述神經網絡模型，并將訓練完成后的所述神經網絡模型作為所述匹配模型。

4.根據權利要求1所述的方法，其特征在于，在所述將所述特征詞組輸入至對應的匹配模型中的步驟之前，還包括：

確定所述病癥信息對應的醫院職能科室；

查詢與所述醫院職能科室對應的匹配模型；

所述將特征詞組輸入至對應的匹配模型中的步驟，包括：

將所述特征詞組輸入至與所述醫院職能科室對應的匹配模型中。

5.根據權利要求4所述的方法，其特征在于，在所述從患者的病癥信息中提取病癥特征詞的步驟之前，還包括：

當接收到問診觸發消息時，根據所述問診觸發消息確定所述醫院職能科室；

查詢與所述醫院職能科室對應的問診對話模板；

通過所述問診對話模板進行對話問診，并根據對話問診過程中的問答數據得到所述病癥信息。

6.根據權利要求5所述的方法，其特征在于，在所述查詢與所述醫院職能科室對應的問診對話模板的步驟之前，還包括：

獲取問診對話數據集，所述問診對話數據集包括有序的提問數據及對應的應答數據；

按照所述提問數據的排序，分別生成對應的問診節點；

從所述提問數據中提取提問關鍵詞，并根據所述提問關鍵詞設定對應的所述問診節點的節點屬性；

根據所述提問數據和所述應答數據，確定所述問診節點間的節點流轉條件；

將各所述問診節點按照所述節點流轉條件依次連接，得到所述問診對話模板。

7.根據權利要求1所述的方法，其特征在于，在所述將所述特征詞組輸入至對應的匹配模型中的步驟之后，還包括：

將所述參考消息作為擬診推薦；

生成擬診檢驗請求，所述擬診檢驗請求用于請求終端對所述擬診推薦進行檢驗；

將所述擬診推薦和所述擬診檢驗請求發送至所述終端；

根據所述終端返回的檢驗結果更新所述擬診推薦，得到診斷推薦，并將所述診斷推薦進行推送。

8.一種病癥信息處理裝置，其特征在于，所述裝置包括：

病癥特征詞提取模塊，用于從患者的病癥信息中提取病癥特征詞；

檔案特征詞提取模塊，用于獲取所述患者的個人檔案信息，并從所述個人檔案信息中提取檔案特征詞；

特征詞組獲取模塊，用于按照預設組合條件將所述病癥特征詞和所述檔案特征詞進行組合，得到特征詞組；

特征詞組處理模塊，用于將所述特征詞組輸入至對應的匹配模型中，所述匹配模型用于根據所述特征詞組輸出相應的參考消息。