[發明專利]一種融合了AI技術和視頻技術的師承教學系統及方法

有效

• 申請號: 202110885753.5
• 申請日: 2021-08-03
• 公開（公告）號: CN113345286B
• 公開（公告）日: 2021-11-19
• 發明（設計）人: 李文友;趙靜;沈新;李為州;樊靜
• 申請（專利權）人: 南京大經中醫藥信息技術有限公司
• 主分類號: G09B5/14
• 分類號: G09B5/14;G06Q10/06;G06Q50/20;G16H20/90;G16H50/20;G06N3/04
• 代理公司: 南京思拓知識產權代理事務所(普通合伙) 32288
• 代理人: 呂鵬濤

1.一種融合了AI技術和視頻技術的師承教學系統，其特征在于，包括：

云端服務器，存儲師承教學系統的相關數據并可供用戶通過互聯網訪問登陸系統平臺，所述云端服務器包括基礎信息管理模塊、理論學習與實踐模塊、視頻授課與考核模塊、AI實操訓練模塊、即時在線交流模塊和結業考試指標模塊，其中：

基本信息管理模塊，內置師承教學系統的基本信息數據，所述基本信息數據包括用戶信息和用于教學考核的資源及題庫信息，所述用戶信息和用于教學考核的資源及題庫信息均根據專業、科室或疾病病種進行分類標記，其中用戶信息包括導師信息、學員信息以及師徒關聯關系，導師信息、學員信息分別由導師、學員在注冊時自行輸入并保存，師徒關聯關系由導師與學員之間進行互選關聯后自動生成；其中，學員用戶與導師用戶互選包括：師承教學系統根據導師用戶的信息數據與學員用戶的專業、科室數據進行逐項匹配，篩選出與學員用戶專業和科室相符的導師信息，由學員用戶從中選擇意向導師并發起跟師申請；導師用戶在跟師申請的學員中挑選學生并自動生成師徒關聯關系，若設定時間內學員用戶未與導師用戶達成互選，則學員用戶重復上述步驟重新選擇意向導師；

理論學習與實踐模塊，記錄學員用戶在臨床、門診以及學習、培訓的過程并形成電子化數據存檔，并在階段考核或年終考評時將該記錄與跟師計劃的各項指標對比，判斷學員用戶的學習情況，所述理論學習與實踐模塊包括跟師計劃模塊、醫學典籍模塊、獨診記錄模塊和跟師筆記模塊，所述跟師計劃模塊內置跟師學習目標、跟師政策規范、各階段的教學方案及跟師學習方案，醫學典籍模塊內置古典醫籍、以及記錄學員的學習心得與學術論文，獨診記錄模塊記錄學員獨立線下診療的病例信息、診療結果、問診難點、以及導師論斷和評價，跟師筆記模塊記錄學員線下跟師坐診學習過程中對病例和診療結果的學習心得、以及導師點評；

視頻授課與考核模塊，用于視頻在線教學和考核，包括直播課程教學模塊、錄播課程教學模塊和在線考核模塊，所述直播課程教學采用WebRTC技術優化；

AI實操訓練模塊，采用深度學習結合中醫知識庫建立一個根據患者癥狀體征進行辨證的中醫輔助診療模型，將學員的人工辨證、開方結果分別與中醫輔助診療模型的模擬開方結果進行比較；其中中醫輔助診療模型采用循環神經網絡RNN與全連接層組成的網絡模型，全連接層用于將RNN層的輸出轉換為標簽向量；其中，建立中醫輔助診療模型具體步驟包括：

將每一條病歷數據轉化為數字特征：性別，男女分別用（0，1）和（1，0）表示；年齡，0-3周歲、4-7周歲、8-17周歲、18-40周歲、41-65周歲、66周歲以上分為6段，用獨熱編碼表示；發病時節，根據病患發病時間所對應的節氣分為24段并用獨熱編碼表示；癥狀，根據癥狀數分段并用獨熱編碼表示；體征，根據體征數分段并用多熱編碼表示；辨證結果，根據證型數分段并用獨熱編碼表示；

模型訓練數據為性別、年齡、發病時節、癥狀、體征編碼的串聯，標簽為辨證結果的編碼，將訓練數據轉化為嵌入向量，并進行標準化；

在訓練階段，將每一條病歷數據轉化為特征向量X，設RNN層需要經歷B次迭代，所有的迭代都共享相同的特征向量U和W，在第t次迭代時，RNN的輸出為，RNN模型表示為：

其中，σ是sigmoid函數，為，U和W為RNN的權重，并且全局共享；

RNN層的每一次迭代都代表一次重新思考迭代，從第二次迭代開始，都使用前一次迭代的結果，對標簽進行更好的預測，最后由此RNN的輸出經過全連接層得到的輸出則為最終預測；

當時間步為1時，對于K個標簽，每個標簽權重設為1，當時間步大于1時，標簽權重為：

其中，C(·)表示成本函數，和表示第i個標簽權重分別設置為0和1；

計算損失函數：

其中，N為樣本數，B為RNN的迭代次數，K為標簽數；

根據損失函數，使用梯度下降算法對參數進行更新，最終完成模型訓練；

即時在線交流模塊，用于管理與組織多人同時在線交流；

結業考試指標模塊，用于導師和管理者對學員階段性及年終的學習表現的綜合評估，并通過年度考核、在線學習考核完成對學員臨床表現、醫學知識儲備的考評。