CN111063429A - 一种医疗咨询方法、装置、设备和计算机可读存储介质 - Google Patents
一种医疗咨询方法、装置、设备和计算机可读存储介质 Download PDFInfo
- Publication number
- CN111063429A CN111063429A CN201911025465.1A CN201911025465A CN111063429A CN 111063429 A CN111063429 A CN 111063429A CN 201911025465 A CN201911025465 A CN 201911025465A CN 111063429 A CN111063429 A CN 111063429A
- Authority
- CN
- China
- Prior art keywords
- information
- consultation
- entity
- complaint content
- medical
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 42
- 201000010099 disease Diseases 0.000 claims description 108
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims description 108
- 208000024891 symptom Diseases 0.000 claims description 104
- 239000003814 drug Substances 0.000 claims description 29
- 238000009223 counseling Methods 0.000 claims description 26
- 238000004092 self-diagnosis Methods 0.000 claims description 24
- 230000008451 emotion Effects 0.000 claims description 19
- 238000004364 calculation method Methods 0.000 claims description 18
- 230000011218 segmentation Effects 0.000 claims description 17
- 230000015654 memory Effects 0.000 claims description 14
- 229940079593 drug Drugs 0.000 claims description 11
- 230000036651 mood Effects 0.000 claims description 5
- 238000012216 screening Methods 0.000 abstract description 3
- 239000013598 vector Substances 0.000 description 21
- 230000004044 response Effects 0.000 description 10
- 238000010586 diagram Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 238000010276 construction Methods 0.000 description 3
- 239000008187 granular material Substances 0.000 description 3
- 208000030090 Acute Disease Diseases 0.000 description 2
- 206010067484 Adverse reaction Diseases 0.000 description 2
- 208000017667 Chronic Disease Diseases 0.000 description 2
- 208000010201 Exanthema Diseases 0.000 description 2
- 230000006838 adverse reaction Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000002996 emotional effect Effects 0.000 description 2
- 201000005884 exanthem Diseases 0.000 description 2
- 210000003128 head Anatomy 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 238000003062 neural network model Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 206010037844 rash Diseases 0.000 description 2
- 238000012163 sequencing technique Methods 0.000 description 2
- 244000291564 Allium cepa Species 0.000 description 1
- 235000010167 Allium cepa var aggregatum Nutrition 0.000 description 1
- 240000002234 Allium sativum Species 0.000 description 1
- 206010006326 Breath odour Diseases 0.000 description 1
- 206010011224 Cough Diseases 0.000 description 1
- 206010020772 Hypertension Diseases 0.000 description 1
- 206010061218 Inflammation Diseases 0.000 description 1
- 206010035664 Pneumonia Diseases 0.000 description 1
- 206010037660 Pyrexia Diseases 0.000 description 1
- 208000024780 Urticaria Diseases 0.000 description 1
- 206010052428 Wound Diseases 0.000 description 1
- 208000027418 Wounds and injury Diseases 0.000 description 1
- 210000001015 abdomen Anatomy 0.000 description 1
- 208000037919 acquired disease Diseases 0.000 description 1
- 230000001154 acute effect Effects 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 210000001099 axilla Anatomy 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 210000000481 breast Anatomy 0.000 description 1
- 230000001680 brushing effect Effects 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000001037 epileptic effect Effects 0.000 description 1
- 238000012013 examination and treatment method Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000008713 feedback mechanism Effects 0.000 description 1
- 235000013305 food Nutrition 0.000 description 1
- 235000004611 garlic Nutrition 0.000 description 1
- 241000411851 herbal medicine Species 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000004054 inflammatory process Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 235000012054 meals Nutrition 0.000 description 1
- 230000009245 menopause Effects 0.000 description 1
- 210000002850 nasal mucosa Anatomy 0.000 description 1
- 231100000572 poisoning Toxicity 0.000 description 1
- 230000000607 poisoning effect Effects 0.000 description 1
- 210000004761 scalp Anatomy 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 210000001562 sternum Anatomy 0.000 description 1
- 238000001356 surgical procedure Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000002792 vascular Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/332—Query formulation
- G06F16/3329—Natural language query formulation or dialogue systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/35—Clustering; Classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
- G06F16/367—Ontology
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Biomedical Technology (AREA)
- Public Health (AREA)
- Computational Linguistics (AREA)
- Mathematical Physics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Animal Behavior & Ethology (AREA)
- Human Computer Interaction (AREA)
- Pathology (AREA)
- Artificial Intelligence (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明公开了一种医疗咨询方法、装置、设备和计算机可读存储介质。该方法包括:接收来自终端的咨询信息;咨询信息包括:用户基本信息、主诉内容信息和/或主诉时间信息;如果未查询到与主诉内容信息匹配的问答对,则确定主诉内容信息对应的意图类别;根据主诉内容信息对应的意图类别,确定与咨询信息对应的回复信息并向终端发送。本发明能够将用户的主诉内容信息结合主诉时间信息以及用户基本信息,为用户提供医疗咨询服务,使得向用户发送的回复信息考虑的内容更加全面,更加贴合用户的真实情况,准确性高;而且本发明还可以根据用户的咨询意图返回用户所需的回复信息,避免用户在海量数据中人工筛选所需的信息,使得回复信息更具有针对性。
Description
技术领域
本发明涉及医疗信息技术领域,尤其涉及一种医疗咨询方法、装置、设备和计算机可读存储介质。
背景技术
在医疗健康领域中,随着我国人口老龄化以及高血压等慢性病患者人数逐年增加,我国现有的医疗卫生条件已经逐渐不能跟上患者的就医需求。很多患者因为当地医疗水平不佳或者医疗设施不便而耽误了病情。
随着网络技术的发展和计算机、手机等移动设备的普及,就医难的情况得到了很大缓解,许多患者会搜索引擎在网络中搜索疾病相关知识,对自己的身体状况做出初步自诊。
随着互联网的飞速发展,互联网中的内容呈***式增长,这就导致用户的搜索结果良莠不齐,使得用户不得不花费大量的时间成本和精力去阅读和过滤搜索到的网络内容,以得到自己需要的诊断信息。然而,即便是在海量数据中找到了自己需要的疾病信息,也可能会由于该疾病信息没有结合用户自身的情况,如:性别、年龄等,而导致诊断信息并不适合用户,反而起到误导用户的作用。
因此,提供一种能够结合用户自身情况的疾病咨询方法已经成为本领域亟待解决的问题。
发明内容
本发明的主要目的在于提供一种医疗咨询方法、装置、设备和计算机可读存储介质,以解决在现有技术中,互联网中搜索到的海量疾病信息,没有考虑用户自身情况,导致疾病信息不适用于用户本身的问题。
针对上述技术问题,本发明是通过以下技术方案来解决的:
本发明提供了一种医疗咨询方法,包括:接收来自终端的咨询信息;所述咨询信息包括:用户基本信息、主诉内容信息和/或主诉时间信息;如果未查询到与所述主诉内容信息匹配的问答对,则确定所述主诉内容信息对应的意图类别;根据所述主诉内容信息对应的意图类别,确定与所述咨询信息对应的回复信息并向所述终端发送。
其中,在接收来自终端的咨询信息之前,还包括:从预设的知识数据源获取医疗信息;根据所述医疗信息,建立用于查询问答对的数据索引;根据预先构建的知识图谱架构,在所述医疗信息中提取多个实体对象以及每个实体对象对应的属性信息,形成知识图谱;其中,所述知识图谱架构包括:多个实体对象类别以及每个实体对象类别对应的多个属性类别;实体对象类别与意图类别之间存在对应关系。
其中,所述知识数据源包括:电子病历数据,医学文献和书籍数据,医学图像数据和医疗网站数据;所述用户基本信息,包括:用户年龄和/或用户性别;所述主诉内容信息的种类,包括:文本信息、图片信息和音频信息;所述主诉时间信息,包括:日期、月份和/或季节;所述意图类别,包括:疾病咨询、药品咨询、手术咨询、检查咨询、情绪引导和/或症状自诊。
其中,确定所述主诉内容信息对应的意图类别,包括:如果所述主诉内容信息为图片信息或者音频信息,则确定所述主诉内容信息对应的意图类别为症状自诊;如果所述主诉内容信息为文本信息,则对所述文本信息进行分词处理,将获得的各个分词分别与每个意图类别、与所述知识图谱中每个实体对象或者每个实体对象对应的属性信息进行相似度计算;确定大于预设相似度阈值并且数值最大的计算结果,并根据所述计算结果对应的意图类别或者实体对象,确定所述主诉内容信息对应的意图类别。
其中,如果所述意图类别为疾病咨询、药品咨询、手术咨询和/或检查咨询,则根据所述主诉内容信息对应的意图类别,确定与所述咨询信息对应的回复信息,包括:根据所述主诉内容信息对应的意图类别,查询所述知识图谱;根据所述意图类别对应的实体对象类别,确定所述主诉内容信息对应的实体对象;根据所述实体对象类别包含的属性类别,确定所述主诉内容信息对应的属性信息,并将所述属性信息作为与所述咨询信息对应的回复信息;如果所述意图类别为情绪引导,则根据所述主诉内容信息对应的意图类别,确定与所述咨询信息对应的回复信息,包括:将所述主诉内容信息输入预先训练的带注意力的序列到序列sequence-to-sequence模型;获取所述sequence-to-sequence模型输出的与所述主诉内容信息对应的情绪引导信息,并将所述情绪引导信息作为与所述咨询信息对应的回复信息。
其中,所述知识图谱中的实体对象,包括:多个症状实体和多个疾病实体;如果所述意图类别为症状自诊,则根据所述主诉内容信息对应的意图类别,确定与所述咨询信息对应的回复信息,包括:根据所述咨询信息包括的主诉内容信息,确定症状实体和/或所述症状实体对应的属性信息;在所述知识图谱中,查询包含所述症状实体的疾病实体;根据所述咨询信息包括的用户基本信息和主诉时间信息,所述症状实体和/或所述症状实体对应的属性信息,所述疾病实体以及预设的贝叶斯理论算法,计算所述疾病实体的患病概率,并将所述疾病实体的患病概率作为所述咨询信息对应的回复信息。
其中,在确定与所述咨询信息对应的回复信息并向所述终端发送之后,还包括:向所述终端发送反馈请求消息;收集所述终端根据所述反馈请求消息返回的反馈信息;根据所述反馈信息更新所述知识图谱中的属性信息。
本发明提供了一种医疗咨询装置,包括:接收模块,用于接收来自终端的咨询信息;所述咨询信息包括:用户基本信息、主诉内容信息和/或主诉时间信息;确定模块,用于如果未查询到与所述主诉内容信息匹配的问答对,则确定所述主诉内容信息对应的意图类别;根据所述主诉内容信息对应的意图类别,确定与所述咨询信息对应的回复信息;发送模块,用于将所述回复信息向所述终端发送。
本发明提供了一种医疗咨询设备,所述医疗咨询设备包括处理器、存储器;所述处理器用于执行所述存储器中存储的医疗咨询程序,以实现上述的医疗咨询方法。
本发明提供了一种计算机可读存储介质,所述计算机可读存储介质存储有一个或者多个程序,所述一个或者多个程序可被一个或者多个处理器执行,以实现上述的医疗咨询方法。
本发明有益效果如下:
本发明能够将用户的主诉内容信息结合当前季节等主诉时间信息以及用户的年龄、性别等附加的用户基本信息,为用户提供医疗咨询服务,使得向用户发送的回复信息考虑的内容更加全面,更加贴合用户的真实情况,准确性高;而且本发明还可以根据用户的咨询意图返回用户所需的回复信息,避免用户在海量数据中人工筛选所需的信息,使得回复信息更具有针对性。
附图说明
此处所说明的附图用来提供对本发明的进一步理解,构成本申请的一部分,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1是根据本发明一实施例的数据库构建方法流程图;
图2是根据本发明一实施例的医疗咨询方法的流程图;
图3是根据本发明一实施例的确定意图类别的流程图;
图4是根据本发明一实施例的医疗咨询装置的结构图;
图5是根据本发明一实施例的医疗咨询设备的结构图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,以下结合附图及具体实施例,对本发明作进一步地详细说明。
根据本发明的实施例,提供了一种医疗咨询方法。
在执行本实施例的医疗咨询前,先要构建数据库。该数据库中包括:知识图谱,问答对数据,用于查询问答对数据的数据索引等数据。
如图1所示,为根据本发明一实施例的数据库构建方法流程图。
步骤S110,从预设的知识数据源获取医疗信息。
知识数据源,包括但不限于:电子病历数据,医学文献和书籍数据,医学图像数据和医疗网站数据。
步骤S120,根据所述医疗信息,建立用于查询问答对的数据索引。
在问答对中,包括:相互对应的咨询问题和答复信息。例如:问答对包括;医疗问答网站中用户的咨询问题和医生的答复信息。
在医疗信息中获取问答对;根据问答对设置数据索引。
进一步地,在医疗网站数据中,获取问答文本,该问答文本包括相互对应的咨询问题和答复信息;对问答文本进行去停止词处理,之后利用预设的分词工具进行分词处理;在咨询问题对应的各个分词中提取该咨询问题对应的关键词,根据该咨询问题对应的关键词对应建立索引,根据该索引可以在数据库中找到该咨询问题对应的答复信息。
步骤S130,根据预先构建的知识图谱架构,在所述医疗信息中提取多个实体对象以及每个实体对象对应的属性信息,形成知识图谱。
知识图谱架构包括:多个实体对象类别以及每个实体对象类别对应的多个属性类别。其中,实体对象类别与意图类别之间存在对应关系。
知识图谱,包括:分属不同实体对象类别的多个实体对象,每个实体对象下分属不同属性类别的属性信息。
在本实施例中,实体对象类别可以包括:疾病类别、症状类别、药品类别、检查类别和手术类别,每个实体对象类别包括对应的多个属性类别。
例如:知识图谱架构如表1所示,但不限于表1中的内容。
表1
在表1中,“疾病”、“症状”,“药品”,“检查”和“手术”表示实体对象类别,每个维度表示一个属性类别;按照实体对象类别在医疗信息中提取实体对象;按照该实体对象类别包括的属性类别,在医疗信息中提取该实体对象的属性信息。
具体而言,利用预设的分词工具,对医疗信息进行分词处理;针对医疗信息对应的各个分词,通过gensim训练词向量,得到词向量列表;根据预先构建的知识图谱架构,基于词向量相似度在医疗信息中,提取多个实体对象以及每个实体对象对应的属性信息。也即是说,根据词向量列表,将医疗信息中的每个分词以及知识图谱架构中的实体对象类别、属性类别都以词向量表示;计算医疗信息中每个分词的词向量和知识图谱架构中的实体对象类别的词向量的相似度,如果该相似度大于预设的实体相似度阈值,则将该分词确定为实体对象;计算医疗信息中每个分词的词向量和知识图谱架构中的属性类别的词向量的相似度,如果该相似度大于预设的属性相似度阈值,则提取该分词对应的信息作为为属性信息。
例如:医疗信息为HTML(Hyper Text Markup Language,超文本标记语言)文本,分词的词向量与属性类别的词向量的相似度大于属性相似度阈值,如果该分词的标签为<th>,则提取该<th>对应的<td>的内容,作为属性信息。
又如:医疗信息为药品说明书,分词“副作用”的词向量和属性类别“不良反应”的词向量的相似度大于属性相似度阈值,提取分词“不良反应”的具体内容作为属性信息。
在本实施例中,可以设置症状实体和/或症状实体对应的属性信息属于一疾病实体时的概率。即:一种疾病出现一种症状或者该症状的属性时的概率。
例如:为疾病实体类别预定义属性信息列表2。当然表2仅用于说明本实施例,而不用于限定本实施例。
常见性 | 严重性 | 部位 | 性质 | 年龄段 | 季节 |
偶见 | 轻微 | 鼻腔粘膜 | 间歇性 | 婴幼儿 | 冬春季节 |
伴有 | 严重 | 腋下 | 顽固性 | 青少年 | 春天 |
通常 | 剧烈 | 双侧头部 | 功能性 | 幼儿 | 夏日 |
常发生 | 中度 | 左上腹 | 弥漫性 | 青年 | 冬天 |
常有 | 急剧 | 胸骨上段 | 血管性 | 中年 | 春 |
不伴有 | 加剧 | 心前区 | 急性 | 成年人 | 春天 |
罕见 | 重度 | 头部 | 慢性 | 中老年 | 夏天 |
可见 | 较轻 | 头皮 | 癫痫性 | 婴儿期 | 炎日 |
主要表现 | 难以忍受 | *** | 肺炎型 | 更年期 | 秋季 |
必然伴有 | 疼痛难忍 | 耳廓上缘 | 中毒型 | 老年 | 春夏交替 |
表2
可以针对每种疾病实体将表2中的各个属性信息转化为数值,该数值可以表示疾病实体出现该属性信息时的概率。进一步地,各个属性信息需要转化的具体数值可以是经验值或者通过实验获得的值。
例如:将“常见性”列中的各个属性信息、“严重性”列中的各个属性信息、“部位”列中的各个属性信息以及“性质”列中的各个属性信息分别转化为0~1之间的数值;将“年龄段”列中的各个属性信息以及“季节”一列中的各个属性信息可以转化为0~2之间的数值,其中,大于1表示高发。
在本实施例中,还可以设置疾病实体的发病率,症状实体的出现频率。疾病实体的发病率和症状实体的出现频率可以是统计值,例如医疗机构发布的每种疾病在本年度的发病率和症状的出现频率。
需要说明的是,本实施例对步骤S120和步骤S130的执行顺序不做限定,可以根据需求调换执行顺序。
如图2所示,为根据本发明一实施例的医疗咨询方法的流程图。
步骤S210,接收来自终端的咨询信息;所述咨询信息包括:用户基本信息、主诉内容信息和/或主诉时间信息。
用户基本信息,包括但不限于:用户年龄和/或用户性别。
主诉内容信息的种类,包括但不限于:文本信息、图片信息和音频信息。
主诉时间信息,包括但不限于:日期、月份和/或季节。
具体而言,图片信息可以是用户拍摄的患病部位的图片。例如:皮肤上的斑点,伤口的图片。音频信息可以是用户录制的患病部位的声音。例如:呼吸音、咳嗽的声音等。
主诉内容信息可以用于描述用户所患疾病的症状,为了使主诉内容信息更加详尽,可以在首次接收到终点发送是主诉内容信息时,根据知识图谱进行多轮次的症状问询。在每轮次的症状问询过程中,可以根据主诉内容信息中的症状信息(如症状实体),查询知识图谱,确定该症状信息对应的疾病实体,在该疾病对象对应的多种症状实体中,确定除了主诉内容信息中的症状信息之外,出现概率最高的症状实体,针对该出现频率最高的症状实体进行症状问询,确定用户是否出现该症状对象,将用户的回答作为症状信息添加到主诉内容信息中。
例如:在医疗咨询开始的前几轮,向终端发送症状问询信息“您是否还有XX症状?”,以便收集用户更多的症状信息。
当然,本领域技术人员应当知道的是,该症状问询方式不限于此,还可以采用其他方式。
步骤S220,如果未查询到与所述主诉内容信息匹配的问答对,则确定所述主诉内容信息对应的意图类别。
在本实施例中,意图类别,包括但不限于:疾病咨询、药品咨询、手术咨询、检查咨询、情绪引导和/或症状自诊。
在本实施例中,实体对象,包括但不限于:疾病实体、症状实体、药品实体、检查实体和手术实体。其中,疾病实体对应疾病咨询,药品实体对应药品咨询,检查实体对应的检查咨询,手术实体对应的手术咨询,疾病实体和症状实体对应症状自诊。当然,实体对象还可以包括:闲聊实体。闲聊实体对应情绪引导。
具体步骤如图3所示:
步骤S310,接收来自终端的咨询信息,将咨询信息作为咨询问题,查询数据索引。
步骤S320,确定数据库中是否存在与所述咨询信息对应的问答对;如果存在,则执行步骤S330;如果不存在,则执行步骤S340。
将主诉内容信息作为查询内容,或者,将用户基本信息、主诉内容信息和主诉时间信息作为查询内容,查询数据索引,确定是否存在与所述查询内容对应的问答对,即,确定数据库中是否存在与查询内容相近的咨询问题。
例如:主诉内容信息为“有口臭怎么办?”,查询数据索引,确定存在与该主诉内容信息对应的问答对,如果存在,则获取该问答对中的答复信息,该答复信息可以是“你好,少吃有味的,刺激性的食物,如葱,大蒜等,勤刷牙。饭后漱口”。
以主诉内容信息为例说明,具体而言,可以对主诉内容信息进行分词处理;在主诉内容信息的各个分词中提取关键词;查询数据索引,确定与主诉内容信息的各个分词中的关键词相匹配的索引项,获取相匹配的各个索引项分别对应的咨询问题;利用gensim的Doc2vec计算主诉内容信息的句子向量和各个咨询问题的句子向量;分别计算主诉内容信息的句子向量与各个咨询问题的句子向量的相似度,确定目标相似度对应的咨询问题,获取目标相似度对应的咨询问题所对应的答复信息。该目标相似度是指数值最大且数值大于预设目标阈值的相似度。
步骤S330,将所述问答对中的答复信息返回给终端。
可以多次接收来自终端的咨询信息,并根据每个咨询信息分别查询数据索引,获得与该咨询信息中的主诉内容信息对应的答复信息,直到在数据索引中查询不到与咨询信息中的主诉内容信息对应的答复信息,开始识别主诉内容信息的种类。
步骤S340,识别主诉内容信息的种类,根据所述主诉内容信息的种类确定主诉内容信息对应的意图类别。
识别主诉内容信息的种类是图片信息、音频信息或是文本信息。
如果所述主诉内容信息为图片信息或者音频信息,则确定所述主诉内容信息对应的意图类别为症状自诊。
如果所述主诉内容信息为文本信息,则对所述文本信息进行分词处理,将获得的各个分词分别与每个意图类别、与所述知识图谱中每个实体对象或者每个实体对象对应的属性信息进行相似度计算;确定大于预设相似度阈值并且数值最大的计算结果,并根据所述计算结果对应的意图类别或者实体对象,确定所述主诉内容信息对应的意图类别。进一步地,如果确定的该计算结果是分词与意图类别的相似度,则直接将该意图类别作为主诉内容信息对应的意图类别;如果确定的该计算结果是分词与实体对象的相似度,则将该实体对象对应的意图类别作为主诉内容信息对应的意图类别;如果确定的该计算结果是分词与属性信息的相似度,则将该属性信息对应的实体对象所对应的意图类别作为主诉内容信息对应的意图类别。
例如:主诉内容信息为“感冒灵的生产厂家是哪里”,分词处理后,分词“感冒灵”的词向量和药品类别中的实体对象“感冒灵颗粒”的词向量的相似度大于相似度阈值并且数值最大,则药品类别的实体对象对应的意图类别为药品咨询,这样可以确定主诉内容信息对应的意图类别为药品咨询。
进一步地,如果主诉内容信息的分词与闲聊实体的相似度大于相似度阈值,则确定主诉内容信息对应的意图类别为情绪引导;如果未设置情绪引导对应的实体对象(闲聊实体),则文本信息的各个分词将可能匹配不到相似度大于相似度阈值的实体对象,那么确定主诉内容信息对应的意图类别为情绪引导。
步骤S230,根据所述主诉内容信息对应的意图类别,确定与所述咨询信息对应的回复信息并向所述终端发送。
第一,如果意图类别为疾病咨询、药品咨询、手术咨询和/或检查咨询,则根据主诉内容信息对应的意图类别,查询所述知识图谱;根据所述意图类别对应的实体对象类别,确定所述主诉内容信息对应的实体对象;根据所述实体对象类别包含的属性类别,确定所述主诉内容信息对应的属性信息,并将所述属性信息作为与所述咨询信息对应的回复信息。
例如:主诉内容信息为“感冒灵的生产厂家是哪里”,分词处理后,分词“感冒灵”的词向量和药品类别中的实体对象“感冒灵颗粒”的词向量的相似度大于相似度阈值且数值最大,则药品类别的实体对象对应的意图类别为药品咨询,这样可以确定主诉内容信息对应的意图类别为药品咨询;查询知识图谱;在药品类别下的各个实体对象中,已经可以确定主诉内容信息对应的实体对象为“感冒灵颗粒”;在药品类别包含的各个属性类别中,主诉内容信息的分词“生产厂家”与属性类别“生产厂家”相同,将该属性类别对应的属性信息,即生产厂家信息作为咨询信息对应的回复信息。
第二,如果意图类别为情绪引导,则将主诉内容信息输入预先训练的带注意力的sequence-to-sequence(序列到序列)模型;获取所述sequence-to-sequence模型输出的与所述主诉内容信息对应的情绪引导信息,并将所述情绪引导信息作为与所述咨询信息对应的回复信息。
sequence-to-sequence模型能够匹配问诊及医疗问答意外的用户输入,为用户提供情绪安抚、意图引导等功能。
第三,知识图谱中的实体对象,包括:多个症状实体和多个疾病实体;如果意图类别为症状自诊,则根据所述咨询信息包括的主诉内容信息,确定症状实体和/或所述症状实体对应的属性信息;在所述知识图谱中,查询包含所述症状实体的疾病实体;根据所述咨询信息包括的用户基本信息和主诉时间信息,所述症状实体和/或所述症状实体对应的属性信息,所述疾病实体以及预设的贝叶斯理论算法,计算所述疾病实体的患病概率,并将所述疾病实体的患病概率作为所述咨询信息对应的回复信息。
如果在知识图谱中查询到包含所述症状实体的疾病实体为多种,则计算每种疾病实体的患病概率;按照患病概率从大到小的顺序,对多种疾病实体进行排序;从排序序列的首位开始,获取一种或者多种疾病实体,将获取的每种疾病实体的患病概率作为咨询信息对应的回复信息向终端发送。进一步地,回复信息中可以包含提示信息,例如:“您可能患有以下疾病,请您到医院做详细检查。疾病1:患病概率90%;疾病2:患病概率50%;……;疾病10:患病概率10%”。
进一步地,如果主诉内容信息为图片信息或者音频信息,则可以通过预先训练的神经网络模型,确定症状实体和/或所述症状实体对应的属性信息。例如:图片信息为皮肤上出现的疹子,将该图片信息输入神经网络模型,该神经网络模型确定该疹子是荨麻疹(症状实体)。
查询疾病实体出现每种症状实体的概率,疾病实体出现每种属性信息的概率,疾病实体的发病率,症状实体的出现频率;通过贝叶斯理论算法计算疾病实体(疾病i)的患病概率例如是:
其中,D表示疾病i的患病概率;P(症状j|疾病i)表示疾病i出现症状j的概率(已知患有疾病i的情况下,出现症状j的概率,“|”表示given(给定/已知)),j为大于等于1的正整数;P(年龄|疾病i)表示疾病i出现在该年龄的概率;P(性别|疾病i)表示疾病i出现在该性别的概率;P(季节|疾病i)表示疾病i出现在该季节的概率;P(疾病i)表示疾病i的发病率;P(症状j)表示症状j的出现频率。其中,疾病i的发病率和症状j的出现频率为预先设置的统计值。
进一步地,可以通过多轮问答的形式,在主诉内容信息中提取症状实体和/或所述症状实体对应的属性信息。例如:在主诉内容信息中提取症状实体之后,向终端发送预先设置的与症状实体对应的询问信息,以便获取与该询问信息对应应答信息,进而在应答信息中提取症状实体和/或症状实体对应的属性信息。询问信息用于询问用户是否出现目标症状。应答信息用于回复询问信息,告知用户是否出现目标症状。例如:询问信息为“是否出现发热症状”,应答信息为“是”。
为了使后续的医疗咨询更具准确性,在确定与所述咨询信息对应的回复信息并向所述终端发送之后,例如:向终端发送三天之后,向所述终端发送反馈请求消息;收集所述终端根据所述反馈请求消息返回的反馈信息;根据所述反馈信息更新所述知识图谱中的属性信息。进一步地,反馈信息,包括但不限于:问诊结果是否准确,医疗咨询的效果(如服用药品后症状是否有所缓解),医院检查结果。进一步地,根据反馈信息更新知识图谱中的疾病实体和症状实体。通过该反馈机制,可以增加问诊的准确性。
例如:更新贝叶斯公式中需要使用的概率,根据咨询信息中主诉内容信息对应的实体对象,更新知识图谱中该实体对象的属性信息,如:男女比例、易感人群、症状概率等信息,为用户提供更准确的自诊服务。
本发明实施例提出一个全面、精确、自学习的医疗咨询方式。本实施例能够将用户的主诉内容信息结合当前季节等主诉时间信息以及用户的年龄、性别等附加的用户基本信息,为用户提供医疗咨询服务,使得向用户发送的回复信息考虑的内容更加全面,更加贴合用户的真实情况,准确性高;而且本发明实施例还可以根据用户的咨询意图返回用户所需的回复信息,避免用户在海量数据中人工筛选所需的信息,使得回复信息更具有针对性。
本实施例可以通过与用户的多轮对话,科学准确地诊断多种疾病,并且能提供药品、检查、手术等相关领域的问答。本发明实施例还能以闲聊形式安抚患者情绪,对患者进行意图引导。除此之外,本实施例还包含用户反馈回路,能通过用户的反馈来不断提升疾病诊断的准确率。本实施例中用户的输入方式不仅限于文本,也可以通过声音和图片来识别患者的症状及其属性,真正做到“望”、“闻”、“问”。
本发明实施例提供了一种医疗咨询装置。如图4所示,为根据本发明一实施例的医疗咨询装置的结构图。
该医疗咨询装置,包括:接收模块410,确定模块420和发送模块430。
接收模块410,用于接收来自终端的咨询信息;所述咨询信息包括:用户基本信息、主诉内容信息和/或主诉时间信息。
确定模块420,用于如果未查询到与所述主诉内容信息匹配的问答对,则确定所述主诉内容信息对应的意图类别;根据所述主诉内容信息对应的意图类别,确定与所述咨询信息对应的回复信息。
发送模块430,用于将所述回复信息向所述终端发送。
其中,所述装置还包括:构建模块(图中未示出)。该构建模块,用于在接收来自终端的咨询信息之前,从预设的知识数据源获取医疗信息;根据所述医疗信息,建立用于查询问答对的数据索引;根据预先构建的知识图谱架构,在所述医疗信息中提取多个实体对象以及每个实体对象对应的属性信息,形成知识图谱;其中,所述知识图谱架构包括:多个实体对象类别以及每个实体对象类别对应的多个属性类别;实体对象类别与意图类别之间存在对应关系。
其中,所述知识数据源包括:电子病历数据,医学文献和书籍数据,医学图像数据和医疗网站数据;所述用户基本信息,包括:用户年龄和/或用户性别;所述主诉内容信息的种类,包括:文本信息、图片信息和音频信息;所述主诉时间信息,包括:日期、月份和/或季节;所述意图类别,包括:疾病咨询、药品咨询、手术咨询、检查咨询、情绪引导和/或症状自诊。
其中,所述确定模块420,用于:如果所述主诉内容信息为图片信息或者音频信息,则确定所述主诉内容信息对应的意图类别为症状自诊;如果所述主诉内容信息为文本信息,则对所述文本信息进行分词处理,将获得的各个分词分别与每个意图类别、与所述知识图谱中每个实体对象或者每个实体对象对应的属性信息进行相似度计算;确定大于预设相似度阈值并且数值最大的计算结果,并根据所述计算结果对应的意图类别或者实体对象,确定所述主诉内容信息对应的意图类别。
其中,所述确定模块420,进一步用于:如果所述意图类别为疾病咨询、药品咨询、手术咨询和/或检查咨询,则根据所述主诉内容信息对应的意图类别,查询所述知识图谱;根据所述意图类别对应的实体对象类别,确定所述主诉内容信息对应的实体对象;根据所述实体对象类别包含的属性类别,确定所述主诉内容信息对应的属性信息,并将所述属性信息作为与所述咨询信息对应的回复信息;如果所述意图类别为情绪引导,则根据所述主诉内容信息对应的意图类别,确定与所述咨询信息对应的回复信息,包括:将所述主诉内容信息输入预先训练的带注意力的sequence-to-sequence模型;获取所述sequence-to-sequence模型输出的与所述主诉内容信息对应的情绪引导信息,并将所述情绪引导信息作为与所述咨询信息对应的回复信息。
其中,所述知识图谱中的实体对象,包括:多个症状实体和多个疾病实体;所述确定模块420,进一步用于:如果所述意图类别为症状自诊,则根据所述咨询信息包括的主诉内容信息,确定症状实体和/或所述症状实体对应的属性信息;在所述知识图谱中,查询包含所述症状实体的疾病实体;根据所述咨询信息包括的用户基本信息和主诉时间信息,所述症状实体和/或所述症状实体对应的属性信息,所述疾病实体以及预设的贝叶斯理论算法,计算所述疾病实体的患病概率,并将所述疾病实体的患病概率作为所述咨询信息对应的回复信息。
其中,所述发送模块430,还用于在确定与所述咨询信息对应的回复信息并向所述终端发送之后,向所述终端发送反馈请求消息;所述接收模块410,还用于收集所述终端根据所述反馈请求消息返回的反馈信息;根据所述反馈信息更新所述知识图谱中的属性信息。
该装置可以设置***测,作为***中的APP(Application,应用程序)。
本发明实施例所述的装置的功能已经在图1-图3所示的方法实施例中进行了描述,故本实施例的描述中未详尽之处,可以参见前述实施例中的相关说明,在此不做赘述。
本实施例提供一种医疗咨询设备。如图5所示,为根据本发明一实施例的医疗咨询设备的结构图。
所述医疗咨询设备,包括但不限于:处理器510、存储器520。
所述处理器510用于执行存储器520中存储的医疗咨询程序,以实现上述的医疗咨询方法。
具体而言,所述处理器510用于执行存储器520中存储的医疗咨询程序,以实现以下步骤:接收来自终端的咨询信息;所述咨询信息包括:用户基本信息、主诉内容信息和/或主诉时间信息;如果未查询到与所述主诉内容信息匹配的问答对,则确定所述主诉内容信息对应的意图类别;根据所述主诉内容信息对应的意图类别,确定与所述咨询信息对应的回复信息并向所述终端发送。
其中,在接收来自终端的咨询信息之前,还包括:从预设的知识数据源获取医疗信息;根据所述医疗信息,建立用于查询问答对的数据索引;根据预先构建的知识图谱架构,在所述医疗信息中提取多个实体对象以及每个实体对象对应的属性信息,形成知识图谱;其中,所述知识图谱架构包括:多个实体对象类别以及每个实体对象类别对应的多个属性类别;实体对象类别与意图类别之间存在对应关系。
其中,所述知识数据源包括:电子病历数据,医学文献和书籍数据,医学图像数据和医疗网站数据;所述用户基本信息,包括:用户年龄和/或用户性别;所述主诉内容信息的种类,包括:文本信息、图片信息和音频信息;所述主诉时间信息,包括:日期、月份和/或季节;所述意图类别,包括:疾病咨询、药品咨询、手术咨询、检查咨询、情绪引导和/或症状自诊。
其中,确定所述主诉内容信息对应的意图类别,包括:如果所述主诉内容信息为图片信息或者音频信息,则确定所述主诉内容信息对应的意图类别为症状自诊;如果所述主诉内容信息为文本信息,则对所述文本信息进行分词处理,将获得的各个分词分别与每个意图类别、与所述知识图谱中每个实体对象或者每个实体对象对应的属性信息进行相似度计算;确定大于预设相似度阈值并且数值最大的计算结果,并根据所述计算结果对应的意图类别或者实体对象,确定所述主诉内容信息对应的意图类别。
其中,如果所述意图类别为疾病咨询、药品咨询、手术咨询和/或检查咨询,则根据所述主诉内容信息对应的意图类别,确定与所述咨询信息对应的回复信息,包括:根据所述主诉内容信息对应的意图类别,查询所述知识图谱;根据所述意图类别对应的实体对象类别,确定所述主诉内容信息对应的实体对象;根据所述实体对象类别包含的属性类别,确定所述主诉内容信息对应的属性信息,并将所述属性信息作为与所述咨询信息对应的回复信息;如果所述意图类别为情绪引导,则根据所述主诉内容信息对应的意图类别,确定与所述咨询信息对应的回复信息,包括:将所述主诉内容信息输入预先训练的带注意力的sequence-to-sequence模型;获取所述sequence-to-sequence模型输出的与所述主诉内容信息对应的情绪引导信息,并将所述情绪引导信息作为与所述咨询信息对应的回复信息。
其中,所述知识图谱中的实体对象,包括:多个症状实体和多个疾病实体;如果所述意图类别为症状自诊,则根据所述主诉内容信息对应的意图类别,确定与所述咨询信息对应的回复信息,包括:根据所述咨询信息包括的主诉内容信息,确定症状实体和/或所述症状实体对应的属性信息;在所述知识图谱中,查询包含所述症状实体的疾病实体;根据所述咨询信息包括的用户基本信息和主诉时间信息,所述症状实体和/或所述症状实体对应的属性信息,所述疾病实体以及预设的贝叶斯理论算法,计算所述疾病实体的患病概率,并将所述疾病实体的患病概率作为所述咨询信息对应的回复信息。
其中,在确定与所述咨询信息对应的回复信息并向所述终端发送之后,还包括:向所述终端发送反馈请求消息;收集所述终端根据所述反馈请求消息返回的反馈信息;根据所述反馈信息更新所述知识图谱中的属性信息。
本实施例支持的功能较为全面,能够支持的问题更加多元化。本实施例不仅支持自诊,还能回答用户在疾病、药品、手术、检查这4大类54个维度的问答。本实施例还支持闲聊功能,对用户进行意图引导,不会向用户返回“对不起,这个问题我无法回答。”这类没有任何信息量的回复。
本实施例的疾病自诊更加准确。本实施例不是基于小样本量的电子病例,而是利用几十本医学教材和大量医学网站来提取疾病和症状信息,数据源更具权威性,并且在自诊的算法中,加入了季节、年龄段、性别等因素,使得常见的特殊人群疾病很快被算法排除。
本实施例支持用户反馈,有强大的自学习功能。即使在数据源不完全准确的情况下,也能够根据用户的反馈不断更新贝叶斯公式的各个参数,从实际经验中获取有用信息,对模型进行矫正,提升自诊的准确性。
本实施例用户的输入方式不仅限于文本,也可以通过声音和图片来识别患者的症状及其属性,因此能解析一些用户无法描述的症状,真正做到“望”、“闻”、“问”。
本发明实施例还提供了一种计算机可读存储介质。这里的存储介质存储有一个或者多个程序。其中,存储介质可以包括易失性存储器,例如随机存取存储器;存储器也可以包括非易失性存储器,例如只读存储器、快闪存储器、硬盘或固态硬盘;存储器还可以包括上述种类的存储器的组合。
当存储介质中一个或者多个程序可被一个或者多个处理器执行,以实现上述的医疗咨询方法。
由于上述实施例已经对医疗咨询方法进行了详细描述,在此不做赘述。
本发明实施例(1)不仅考虑用户的主诉,还考虑了用户的年龄、性别以及季节因素,避免考虑的因素过少而出现误诊的问题;(2)不仅参考电子病历,还参考了医学文献和书籍数据,医学图像数据和医疗网站数据,使得数据覆盖更加全面;(3)不仅限于问答形式,还会根据用户的意图进行不同的医疗咨询,如症状自诊,症状自诊的目的不仅仅是缩小可能疾病的范围,而更多的是找到确诊该疾病所需的检查、治病的方法及日常护理的注意事项等;(4)提供反馈回路,根据用户的反馈信息进行自学习,对医疗咨询过程需要使用的数据进行更新,提升***性能,增加咨询的准确性;(5)不仅支持文本形式的输入,还支持图片和音频形式的输入,对于无法通过文字描述的病症提供了较为便捷的咨询方式。
以上所述仅为本发明的实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的权利要求范围之内。
Claims (10)
1.一种医疗咨询方法,其特征在于,包括:
接收来自终端的咨询信息;所述咨询信息包括:用户基本信息、主诉内容信息和/或主诉时间信息;
如果未查询到与所述主诉内容信息匹配的问答对,则确定所述主诉内容信息对应的意图类别;
根据所述主诉内容信息对应的意图类别,确定与所述咨询信息对应的回复信息并向所述终端发送。
2.根据权利要求1所述的方法,其特征在于,在接收来自终端的咨询信息之前,还包括:
从预设的知识数据源获取医疗信息;
根据所述医疗信息,建立用于查询问答对的数据索引;
根据预先构建的知识图谱架构,在所述医疗信息中提取多个实体对象以及每个实体对象对应的属性信息,形成知识图谱;
其中,所述知识图谱架构包括:多个实体对象类别以及每个实体对象类别对应的多个属性类别;实体对象类别与意图类别之间存在对应关系。
3.根据权利要求2所述的方法,其特征在于,
所述知识数据源包括:电子病历数据,医学文献和书籍数据,医学图像数据和医疗网站数据;
所述用户基本信息,包括:用户年龄和/或用户性别;
所述主诉内容信息的种类,包括:文本信息、图片信息和音频信息;
所述主诉时间信息,包括:日期、月份和/或季节;
所述意图类别,包括:疾病咨询、药品咨询、手术咨询、检查咨询、情绪引导和/或症状自诊。
4.根据权利要求3所述的方法,其特征在于,确定所述主诉内容信息对应的意图类别,包括:
如果所述主诉内容信息为图片信息或者音频信息,则确定所述主诉内容信息对应的意图类别为症状自诊;
如果所述主诉内容信息为文本信息,则对所述文本信息进行分词处理,将获得的各个分词分别与每个意图类别、与所述知识图谱中每个实体对象或者每个实体对象对应的属性信息进行相似度计算;确定大于预设相似度阈值并且数值最大的计算结果,并根据所述计算结果对应的意图类别或者实体对象,确定所述主诉内容信息对应的意图类别。
5.根据权利要求4所述的方法,其特征在于,
如果所述意图类别为疾病咨询、药品咨询、手术咨询和/或检查咨询,则根据所述主诉内容信息对应的意图类别,确定与所述咨询信息对应的回复信息,包括:
根据所述主诉内容信息对应的意图类别,查询所述知识图谱;
根据所述意图类别对应的实体对象类别,确定所述主诉内容信息对应的实体对象;
根据所述实体对象类别包含的属性类别,确定所述主诉内容信息对应的属性信息,并将所述属性信息作为与所述咨询信息对应的回复信息;
如果所述意图类别为情绪引导,则根据所述主诉内容信息对应的意图类别,确定与所述咨询信息对应的回复信息,包括:
将所述主诉内容信息输入预先训练的带注意力的序列到序列sequence-to-sequence模型;
获取所述sequence-to-sequence模型输出的与所述主诉内容信息对应的情绪引导信息,并将所述情绪引导信息作为与所述咨询信息对应的回复信息。
6.根据权利要求4所述的方法,其特征在于,
所述知识图谱中的实体对象,包括:多个症状实体和多个疾病实体;
如果所述意图类别为症状自诊,则根据所述主诉内容信息对应的意图类别,确定与所述咨询信息对应的回复信息,包括:
根据所述咨询信息包括的主诉内容信息,确定症状实体和/或所述症状实体对应的属性信息;
在所述知识图谱中,查询包含所述症状实体的疾病实体;
根据所述咨询信息包括的用户基本信息和主诉时间信息,所述症状实体和/或所述症状实体对应的属性信息,所述疾病实体以及预设的贝叶斯理论算法,计算所述疾病实体的患病概率,并将所述疾病实体的患病概率作为所述咨询信息对应的回复信息。
7.根据权利要求1所述的方法,其特征在于,在确定与所述咨询信息对应的回复信息并向所述终端发送之后,还包括:
向所述终端发送反馈请求消息;
收集所述终端根据所述反馈请求消息返回的反馈信息;
根据所述反馈信息更新所述知识图谱中的属性信息。
8.一种医疗咨询装置,其特征在于,包括:
接收模块,用于接收来自终端的咨询信息;所述咨询信息包括:用户基本信息、主诉内容信息和/或主诉时间信息;
确定模块,用于如果未查询到与所述主诉内容信息匹配的问答对,则确定所述主诉内容信息对应的意图类别;根据所述主诉内容信息对应的意图类别,确定与所述咨询信息对应的回复信息;
发送模块,用于将所述回复信息向所述终端发送。
9.一种医疗咨询设备,其特征在于,所述医疗咨询设备包括处理器、存储器;所述处理器用于执行所述存储器中存储的医疗咨询程序,以实现权利要求1~8中任一项所述的医疗咨询方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有一个或者多个程序,所述一个或者多个程序可被一个或者多个处理器执行,以实现权利要求1~8中任一项所述的医疗咨询方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911025465.1A CN111063429A (zh) | 2019-10-25 | 2019-10-25 | 一种医疗咨询方法、装置、设备和计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911025465.1A CN111063429A (zh) | 2019-10-25 | 2019-10-25 | 一种医疗咨询方法、装置、设备和计算机可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111063429A true CN111063429A (zh) | 2020-04-24 |
Family
ID=70298427
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911025465.1A Pending CN111063429A (zh) | 2019-10-25 | 2019-10-25 | 一种医疗咨询方法、装置、设备和计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111063429A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112035674A (zh) * | 2020-08-28 | 2020-12-04 | 康键信息技术(深圳)有限公司 | 导诊数据获取方法、装置、计算机设备和存储介质 |
WO2021120688A1 (zh) * | 2020-07-28 | 2021-06-24 | 平安科技(深圳)有限公司 | 医疗误诊检测方法、装置、电子设备及存储介质 |
CN113407690A (zh) * | 2021-06-17 | 2021-09-17 | 重庆大牛认知科技有限公司 | 一种基于智能交互的iptv端健康咨询方法和*** |
CN113844972A (zh) * | 2021-09-29 | 2021-12-28 | 湖南快杰电梯有限公司 | 一种电梯轿厢内卫生环境监控方法、***以及存储介质 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011215742A (ja) * | 2010-03-31 | 2011-10-27 | Nec Corp | 対話システム、対話フローの更新方法およびプログラム |
CN106462915A (zh) * | 2014-05-13 | 2017-02-22 | 有限会社赛尔雷伯斯 | 情绪和气氛的数据输入、显示和分析装置 |
CN109478259A (zh) * | 2016-07-15 | 2019-03-15 | 小脑股份有限公司 | 医疗咨询支持工具 |
CN109635122A (zh) * | 2018-11-28 | 2019-04-16 | 平安科技(深圳)有限公司 | 智能疾病问询方法、装置、设备及存储介质 |
CN109637674A (zh) * | 2018-10-30 | 2019-04-16 | 北京健康有益科技有限公司 | 自动获取健康医疗问题答案的方法、***、介质和设备 |
CN109767818A (zh) * | 2018-12-27 | 2019-05-17 | 厦门快商通信息技术有限公司 | 一种定制医疗答疑问诊引导*** |
US20190164064A1 (en) * | 2017-11-27 | 2019-05-30 | Shanghai Xiaoi Robot Technology Co., Ltd. | Question and answer interaction method and device, and computer readable storage medium |
CN110176315A (zh) * | 2019-06-05 | 2019-08-27 | 京东方科技集团股份有限公司 | 医疗问答方法及***、电子设备、计算机可读介质 |
WO2019168253A1 (ko) * | 2018-02-27 | 2019-09-06 | 주식회사 와이즈넛 | 계층적으로 사용자 표현을 이해하고 답변을 생성하는 대화형 상담 챗봇 장치 및 방법 |
US20190311807A1 (en) * | 2018-04-06 | 2019-10-10 | Curai, Inc. | Systems and methods for responding to healthcare inquiries |
CN110364251A (zh) * | 2019-06-14 | 2019-10-22 | 南京理工大学 | 一种基于机器阅读理解的智能交互导诊咨询*** |
-
2019
- 2019-10-25 CN CN201911025465.1A patent/CN111063429A/zh active Pending
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011215742A (ja) * | 2010-03-31 | 2011-10-27 | Nec Corp | 対話システム、対話フローの更新方法およびプログラム |
CN106462915A (zh) * | 2014-05-13 | 2017-02-22 | 有限会社赛尔雷伯斯 | 情绪和气氛的数据输入、显示和分析装置 |
CN109478259A (zh) * | 2016-07-15 | 2019-03-15 | 小脑股份有限公司 | 医疗咨询支持工具 |
US20190164064A1 (en) * | 2017-11-27 | 2019-05-30 | Shanghai Xiaoi Robot Technology Co., Ltd. | Question and answer interaction method and device, and computer readable storage medium |
WO2019168253A1 (ko) * | 2018-02-27 | 2019-09-06 | 주식회사 와이즈넛 | 계층적으로 사용자 표현을 이해하고 답변을 생성하는 대화형 상담 챗봇 장치 및 방법 |
KR20190109614A (ko) * | 2018-02-27 | 2019-09-26 | 주식회사 와이즈넛 | 계층적으로 사용자 표현을 이해하고 답변을 생성하는 대화형 상담 챗봇 장치 및 방법 |
US20190311807A1 (en) * | 2018-04-06 | 2019-10-10 | Curai, Inc. | Systems and methods for responding to healthcare inquiries |
CN109637674A (zh) * | 2018-10-30 | 2019-04-16 | 北京健康有益科技有限公司 | 自动获取健康医疗问题答案的方法、***、介质和设备 |
CN109635122A (zh) * | 2018-11-28 | 2019-04-16 | 平安科技(深圳)有限公司 | 智能疾病问询方法、装置、设备及存储介质 |
CN109767818A (zh) * | 2018-12-27 | 2019-05-17 | 厦门快商通信息技术有限公司 | 一种定制医疗答疑问诊引导*** |
CN110176315A (zh) * | 2019-06-05 | 2019-08-27 | 京东方科技集团股份有限公司 | 医疗问答方法及***、电子设备、计算机可读介质 |
CN110364251A (zh) * | 2019-06-14 | 2019-10-22 | 南京理工大学 | 一种基于机器阅读理解的智能交互导诊咨询*** |
Non-Patent Citations (3)
Title |
---|
CHAOCHEN WU 等: "An attention-based multi-task model for named entity recognition and intent analysis of Chinese online medical questions", 《JOURNAL OF BIOMEDICAL INFORMATICS》, vol. 108 * |
孙庆文 等: "《中医工程学概论》", 第二军医大学出版社, pages: 259 * |
杨笑然: "基于知识图谱的医疗专家***", 《中国优秀硕士学位论文全文数据库 信息科技辑》, no. 01, pages 16 - 20 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2021120688A1 (zh) * | 2020-07-28 | 2021-06-24 | 平安科技(深圳)有限公司 | 医疗误诊检测方法、装置、电子设备及存储介质 |
CN112035674A (zh) * | 2020-08-28 | 2020-12-04 | 康键信息技术(深圳)有限公司 | 导诊数据获取方法、装置、计算机设备和存储介质 |
CN113407690A (zh) * | 2021-06-17 | 2021-09-17 | 重庆大牛认知科技有限公司 | 一种基于智能交互的iptv端健康咨询方法和*** |
CN113844972A (zh) * | 2021-09-29 | 2021-12-28 | 湖南快杰电梯有限公司 | 一种电梯轿厢内卫生环境监控方法、***以及存储介质 |
CN113844972B (zh) * | 2021-09-29 | 2022-04-19 | 湖南快杰电梯有限公司 | 一种电梯轿厢内卫生环境监控方法、***以及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Bullo | “I feel like I’m being stabbed by a thousand tiny men”: The challenges of communicating endometriosis pain | |
CN109036544B (zh) | 医疗信息推送方法、装置、计算机设备和存储介质 | |
CN111063429A (zh) | 一种医疗咨询方法、装置、设备和计算机可读存储介质 | |
Rouchou | Consequences of infertility in developing countries | |
Allen et al. | Decision‐Making about the HPV vaccine among ethnically diverse parents: implications for health communications | |
Guilamo-Ramos et al. | Parent–adolescent communication about sex in rural India: US–India collaboration to prevent adolescent HIV | |
WO2023178971A1 (zh) | 就医的互联网挂号方法、装置、设备及存储介质 | |
JP7357614B2 (ja) | 機械支援対話システム、ならびに病状問診装置およびその方法 | |
CN108109689B (zh) | 诊疗会话方法及装置、存储介质、电子设备 | |
Mehnen et al. | ChatGPT as a medical doctor? A diagnostic accuracy study on common and rare diseases | |
Iliyasu et al. | Acceptability and correlates of HIV self-testing among university students in northern Nigeria | |
Nhamo‐Murire et al. | Lesbian, gay, and bisexual (LGB) people's experiences of nursing health care: An emancipatory nursing practice integrative review | |
Dadiotis et al. | Validation of the Greek version of the Bergen social media addiction scale in undergraduate students | |
Arancibia-Martini et al. | New evidence of construct validity problems for Pettigrew and Meertens’(1995) Blatant and Subtle Prejudice Scale | |
Hellemans et al. | Prevalence and impact of intimate partner violence (IPV) among an ethnic minority population | |
MacDonald et al. | Interventions to increase condom use among middle-aged and older adults: A systematic review of theoretical bases, behaviour change techniques, modes of delivery and treatment fidelity | |
CN115346634A (zh) | 一种体检报告解读预测方法、***、电子设备和存储介质 | |
Park et al. | Postpartum depressive symptoms as a mediator between intimate partner violence during pregnancy and maternal-infant bonding in Japan | |
Bussolari et al. | Posttraumatic growth following the loss of a pet: A cross-cultural comparison | |
Kinloch et al. | Using a comparative corpus-assisted approach to study health and illness discourses across domains: the case of postnatal depression (PND) in lay, medical and media texts | |
Guidry et al. | Pinning to cope: using Pinterest for chronic pain management | |
Currie et al. | Scoping review of the characteristics assessed by vulnerability indices applied to people experiencing homelessness | |
Rosa et al. | Psychometric properties of the sexually aggressive behaviors scale: factor structure, reliability, and construct validity in a sample of Portuguese female college students | |
Ismayilova et al. | Intimate partner physical and sexual violence and outcomes of unintended pregnancy among national samples of women from three former Soviet Union countries | |
Morrison et al. | Lexical determinants of semantic processing speed |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |