[發明專利]問診數據處理方法、裝置、計算機設備和存儲介質

有效

• 申請號: 201810546856.7
• 申請日: 2018-05-31
• 公開（公告）號: CN108986908B
• 公開（公告）日: 2023-04-18
• 發明（設計）人: 孫志博
• 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;G16H80/00;G06F40/289;G06F40/30
• 代理公司: 華進聯合專利商標代理有限公司 44224
• 代理人: 孫凱樂

1.一種問診數據處理方法，所述方法包括：

獲取問診數據及所述問診數據對應的診斷結果，對所述問診數據進行分詞得到分詞結果，從所述分詞結果中提取病征信息；

獲取所述問診數據對應的患者的體征信息；

將所述體征信息和所述病征信息輸入到已訓練的病情級別預測模型中，得到所述問診數據對應的病情級別，所述病情級別包括重急癥級別、輕癥級別；

當所述病情級別為第一預設級別時，根據所述診斷結果從預設的規則庫中查找審核規則，根據所述問診數據及所述審核規則生成對應的審核任務，所述第一預設級別為重急癥級別；

其中，所述將所述體征信息和所述病征信息輸入到已訓練的病情級別預測模型中，得到所述問診數據對應的病情級別，包括：

將所述體征信息與所述病征信息輸入到已訓練的病情級別預測模型的向量層，所述向量層用于確定與所述體征信息以及所述病征信息對應的特征向量，所述病情級別預測模型包括多個子預測模型，各個子預測模型采用不同的訓練算法訓練得到；

將所述特征向量作為所述病情級別預測模型中各個子預測模型的輸入，獲取各個子預測模型輸出的子預測參數，所述病情級別預測模型用于根據所述子預測參數確定所述問診數據對應的病情級別。

2.根據權利要求1所述的方法，其特征在于，所述從所述分詞結果中提取病征信息，包括：

從預先建立的醫療詞匯庫中查找與所述診斷結果相匹配的疾病類型，得到所述診斷結果對應的目標疾病類型；

獲取所述目標疾病類型對應的詞匯集合；

根據所述目標疾病類型對應的詞匯集合從所述分詞結果中提取病征信息。

3.根據權利要求1所述的方法，其特征在于，所述從所述分詞結果中提取病征信息的步驟之前，包括：

從預先建立的數據源獲取醫療數據；

從所述醫療數據中提取每一種疾病類型對應的一個或多個醫療詞匯；

將醫療詞匯與其對應的疾病類型建立映射關系，根據不同類型疾病與其對應的醫療詞匯的映射關系建立醫療詞匯庫。

4.根據權利要求1所述的方法，其特征在于，所述子預測模型至少包括一個第一子預測模型，所述第一子預測模型采用卷積神經網絡訓練得到，所述卷積神經網絡包括卷積層、池化層和全連接層；

所述將所述特征向量作為所述病情級別預測模型中各個子預測模型的輸入，獲取各個子預測模型輸出的子預測數據，包括：

將所述特征向量作為卷積層的輸入，所述卷積層用于對所述特征向量進行卷積運算得到第一特征矩陣；

將所述第一特征矩陣作為池化層的輸入，所述池化層用于將第一特征矩陣中的每個向量中最大的權重進行投影得到歸一化的第二特征矩陣；

將所述第二特征矩陣作為全連接層的輸入，全連接層用于根據第二特征矩陣進行分類計算得到每個分類對應的子預測參數。

5.根據權利要求1所述的方法，其特征在于，所述方法還包括：

當從預設的規則庫中未查找到與所述診斷結果對應的審核規則時，對所述診斷結果進行分詞處理，獲取診斷結果對應的關鍵詞；

根據所述關鍵詞查找審核規則，獲取與所述關鍵詞相匹配的疾病類型對應的審核規則作為問診數據對應的審核規則。

6.根據權利要求1至5中任意一項所述的方法，其特征在于，所述獲取問診數據及所述問診數據對應的診斷結果，包括：

獲取問診時的視頻數據，從所述視頻數據中提取語音信息，對所述語音信息進行語音識別得到問診文本。