CN111243728A - 一种智能中医四诊信息融合***、方法及存储介质 - Google Patents
一种智能中医四诊信息融合***、方法及存储介质 Download PDFInfo
- Publication number
- CN111243728A CN111243728A CN201911378584.5A CN201911378584A CN111243728A CN 111243728 A CN111243728 A CN 111243728A CN 201911378584 A CN201911378584 A CN 201911378584A CN 111243728 A CN111243728 A CN 111243728A
- Authority
- CN
- China
- Prior art keywords
- patient
- data
- medical
- disease
- features
- 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
- 238000003745 diagnosis Methods 0.000 title claims abstract description 45
- 230000004927 fusion Effects 0.000 title claims abstract description 36
- 239000003814 drug Substances 0.000 title claims abstract description 33
- 238000000034 method Methods 0.000 title claims abstract description 33
- 201000010099 disease Diseases 0.000 claims abstract description 60
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims abstract description 60
- 230000001815 facial effect Effects 0.000 claims description 22
- 230000011218 segmentation Effects 0.000 claims description 8
- 238000013528 artificial neural network Methods 0.000 claims description 6
- 238000013527 convolutional neural network Methods 0.000 claims description 6
- 238000007781 pre-processing Methods 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 6
- 230000000306 recurrent effect Effects 0.000 claims description 6
- 238000007500 overflow downdraw method Methods 0.000 claims description 5
- 230000000246 remedial effect Effects 0.000 claims 1
- 238000004891 communication Methods 0.000 abstract description 6
- 238000013145 classification model Methods 0.000 description 5
- 238000002405 diagnostic procedure Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000012549 training Methods 0.000 description 4
- 238000004140 cleaning Methods 0.000 description 2
- 239000011248 coating agent Substances 0.000 description 2
- 238000000576 coating method Methods 0.000 description 2
- 230000002542 deteriorative effect Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 206010011224 Cough Diseases 0.000 description 1
- 206010037660 Pyrexia Diseases 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012546 transfer Methods 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
- 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
- G16H80/00—ICT specially adapted for facilitating communication between medical practitioners or patients, e.g. for collaborative diagnosis, therapy or health monitoring
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Biomedical Technology (AREA)
- Public Health (AREA)
- Pathology (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明实施例公开了一种智能中医四诊信息融合***、方法及存储介质,该***包括:语音采集器,用于采集并识别用户发出的语音信息;处理器,用于将语音信息转换为文本信息;从预构建的医疗数据库中匹配与文本信息中的患病特征对应的病情分析结果以及救治措施;语音播放器,用于向用户播放患者的病情分析结果以及救治措施。通过该种方式,即使患者当前不能够及时和医生进行有效的沟通,也可以通过智能中医四诊信息融合***自助分析病情,同时还可以获取一定的救治措施,用以缓解患者的病情。此外,该***不仅仅适用于患者本身,也适用于医生。如果医生不确定该如何诊断自己之前并没有了解过的病情,也可以通过智能中医四诊信息融合***寻求一定的解决办法。
Description
技术领域
本发明实施例涉及计算机技术领域,具体涉及一种智能中医四诊信息融合***、方法及存储介质。
背景技术
随着医学技术的不断发展,医疗技术和医生专业水平都在不断提高。不过,随着越来越多的医疗事故的发生,医患关系变得越来越紧张。很对人对于医生这个职业望而却步,医生数量逐渐减少。
这对于患病的患者而言,带来了很多的不便。例如,病人希望能够就自己的病情与医生建立一个有效沟通时,往往会发生医生还在处理其他医患病人的情况。导致当前的病人只能排队等待。
那么,如何才能够尽量帮助病人在没有和医生进行沟通的情况下,也可以对自己的病情有所了解,甚至可以采取一定的措施防止自己的病情恶化成为本申请所要解决的技术问题。
发明内容
为此,本发明实施例提供一种智能中医四诊信息融合***、方法及存储介质,以解决现有技术中,病人不能及时了解自己的病情,更不能够采取一定的有效措施防止自己的病情恶化的技术问题。
为了实现上述目的,本发明实施例提供如下技术方案:
根据本发明实施例的第一方面,提供了一种智能中医四诊信息融合***,该***包括:
语音采集器,用于采集并识别用户发出的语音信息,其中,语音信息用于描述患者的患病特征;
处理器,用于将语音信息转换为文本信息;从预构建的医疗数据库中匹配与文本信息中的患病特征对应的病情分析结果以及救治措施;
语音播放器,用于向用户播放患者的病情分析结果以及救治措施,以便用户根据病情分析结果,了解患者的患病情况,并采取救治措施,缓解患者的病情。
进一步地,预构建的医疗数据库中数据包括:处理器对原始医案数据进行自动分类处理后所获取的医疗数据,其中,原始医案数据包括如下中的一种或多种:期刊医案文本材料以及多位医生分别记录的医案数据,医疗数据中包括患病特征、患病原因和与患病特征对应的救治措施。
进一步地,***还包括:接收器;
接收器,用于获取外部传输的患者的面部图像,和/或舌苔图像,和/或脉搏图像;
处理器还用于,提取面部图像中的预设面部特征,和/或舌苔图像中预设舌苔特征,和/或脉搏图像中的脉搏特征;
根据医疗数据库中包括的医疗数据,结合文本信息中的患病特征、预设面部特征和/或预设舌苔特征,和/或脉搏特征,对患者的病情进行分析,获取病情分析结果以及救治措施。
进一步地,当原始医案数据为纸质版资料时,处理器还用于:通过预构建的OCR识别模型,识别纸质版资料的文字特征;其中,预构建的OCR识别模型为根据卷积神经网络算法和递归神经网络算法构建的识别模型。
进一步地,处理器具体用于,对原始医案数据进行预处理后,获取经过预处理后的数据;
结合朴素贝叶斯算法和word2vec分词方法,对经过预处理后的数据进行自动分类处理。
根据本发明实施例的第二方面,提供了一种智能中医四诊信息融合方法,该方法包括:
方法包括:采集并识别用户发出的语音信息,其中,语音信息用于描述患者的患病特征;
将语音信息转换为文本信息;
从预构建的医疗数据库中匹配与文本信息中的患病特征对应的病情分析结果以及救治措施;
向用户播放患者的病情分析结果以及救治措施,以便用户根据病情分析结果,了解患者的患病情况,并采取救治措施,缓解患者的病情。
进一步地,预构建的医疗数据库中数据包括:对原始医案数据进行自动分类处理后所获取的医疗数据,其中,原始医案数据包括如下中的一种或多种:期刊医案文本材料以及多位医生分别记录的医案数据,医疗数据中包括患病特征、患病原因和与患病特征对应的救治措施。
进一步地,从预构建的医疗数据库中匹配与文本信息中的患病特征对应的病情分析结果以及救治措施之前,方法还包括:
获取患者的面部图像,和/或舌苔图像,和/或患者的脉搏图像;
提取面部图像中的预设面部特征,和/或舌苔图像中预设舌苔特征,和/或脉搏图像中的脉搏特征,以便根据医疗数据库中包括的医疗数据,结合文本信息中的患病特征、预设面部特征和/或预设舌苔特征,和/或脉搏特征,对患者的病情进行分析,获取病情分析结果以及救治措施。
进一步地,当原始医案数据为纸质版资料时,方法还包括:通过预构建的OCR识别模型,识别纸质版资料的文字特征;其中,预构建的OCR识别模型为根据卷积神经网络算法和递归神经网络算法构建的识别模型。
进一步地,对原始医案数据进行自动分类处理后所获取的医疗数据,具体包括:
对原始医案数据进行预处理后,获取经过预处理后的数据;
结合朴素贝叶斯算法和word2vec分词方法,对经过预处理后的数据进行自动分类处理。
根据本发明实施例的第三方面,提供了一种计算机存储介质,该计算机存储介质中包含一个或多个程序指令,一个或多个程序指令用于被一种智能中医四诊信息融合***执行如上一种智能中医四诊信息融合方法中的任一方法步骤。
本发明实施例具有如下优点:通过采集并识别用户发出的语音信息,并将该语音信息转换为文本信息。然后从预构建的医疗数据库中匹配与该文本信息中的患病特征对应的病情分析结果和救治措施。然后将病情分析结果和救治措施通过语音的形式播放给用户,便于用户了解患者的患病情况,同时可以采取一定的救治措施缓解患者的病情。通过该种方式,即使患者当前不能够及时和医生进行有效的沟通,也可以通过智能中医四诊信息融合***自助分析病情,同时还可以获取一定的救治措施,用以缓解患者的病情。此外,该***不仅仅适用于患者本身,也适用于医生。如果医生不确定该如何诊断自己之前并没有了解过的病情,也可以通过智能中医四诊信息融合***寻求一定的解决办法。即,本申请中的用户可以理解为是患者、医生或者患者家属等等。
附图说明
为了更清楚地说明本发明的实施方式或现有技术中的技术方案,下面将对实施方式或现有技术描述中所需要使用的附图作简单地介绍。显而易见地,下面描述中的附图仅仅是示例性的,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据提供的附图引申获得其它的实施附图。
本说明书所绘示的结构、比例、大小等,均仅用以配合说明书所揭示的内容,以供熟悉此技术的人士了解与阅读,并非用以限定本发明可实施的限定条件,故不具技术上的实质意义,任何结构的修饰、比例关系的改变或大小的调整,在不影响本发明所能产生的功效及所能达成的目的下,均应仍落在本发明所揭示的技术内容得能涵盖的范围内。
图1为本发明实施例1提供的一种智能中医四诊信息融合***结构示意图;
图2为本发明实施例2提供的一种智能中医四诊信息融合方法流程示意图。
具体实施方式
以下由特定的具体实施例说明本发明的实施方式,熟悉此技术的人士可由本说明书所揭露的内容轻易地了解本发明的其他优点及功效,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明实施例1提供了一种智能中医四诊信息融合***,具体如图1所示,该***包括:语音采集器10、处理器20和语音播放器30。
语音采集器10,用于采集并识别用户发出的语音信息,其中,语音信息用于描述患者的患病特征。
处理器20,用于将语音信息转换为文本信息;从预构建的医疗数据库中匹配与文本信息中的患病特征对应的病情分析结果以及救治措施。
语音播放器30,用于向用户播放患者的病情分析结果以及救治措施,以便用户根据病情分析结果,了解患者的患病情况,并采取救治措施,缓解患者的病情。
也即是,智能中医四诊信息融合***为一个具有语音识别和交互功能的智能中医四诊信息融合***。当用户发出语音信息后,智能中医四诊信息融合***可以自动识别用户的语音。优选的,考虑到智能中医四诊信息融合***的功耗消耗问题,因为可以在未工作时,将智能中医四诊信息融合***设置为处于睡眠状态。当用户发出预设唤醒词时,智能中医四诊信息融合***才能够被唤醒,从睡眠状态切换为正常工作状态。进而识别用户发出的语音信息。处理器20用于将用户发出的语音信息转换为文本信息。通常而言,用户发出的语音信息主要是用于描述患者的患病特征。例如,发烧、咳嗽等等描述病情的特征。而处理器20还用于从预构建的医疗数据库中匹配与文本信息中的患病特征对应的病情分析结果和救治措施。
可选的,预构建的医疗数据库中数据包括:处理器20对原始医案数据进行自动分类处理后所获取的医疗数据,其中,原始医案数据包括如下中的一种或多种:期刊医案文本材料以及多位医生分别记录的医案数据,医疗数据中包括患病特征、患病原因和与患病特征对应的救治措施。
其中,这里说的多位医生可以指的是在医学界具有权威性的医生。例如,采集3000位名医的医案数据,对这些数据进行自动分类处理。期刊医案文本材料也是经过不断筛选后获取的比较优秀的期刊医案文本。名医的医案数据中可以包括临床病例(包括住院或者门诊等任何形式)的文本资料。
可选的,处理器20对原始医案数据进行自动分类处理后所获取的医疗数据,具体包括:
对原始数据进行预处理,获取与处理后的数据。这里的预处理可以包括:对数据进行清洗。然后,结合朴素贝叶斯算法和word2vec分词方法,对经过预处理后的数据进行自动分类处理。
实际上,在结合朴素贝叶斯算法和word2vec分词方法,对经过预处理后的数据进行自动分类处理时,主要还是结合朴素贝叶斯算法和word2vec分词方法构建一个自动分类模型。
自动分类模型是经过样本数据进行训练后获取的最优自动分类模型。样本数据为经过数据清洗后的医案数据。将样本数据进行分词处理后,设定与该样本数据类型对应的标签,然后加入到自动分类模型中进行训练,最终获取最优的自动分类模型。具体的实现过程为现有技术,因此这里不做过多说明。
进一步可选的,为了使最终获取的病情分析结果以及救治措施更加符合患者的情况。因此,智能中医四诊信息融合***中还可以包括:接收器40。
其中,接收器40,用于获取外部传输的患者的面部图像,和/或舌苔图像,和/或脉搏图像;
处理器20还用于,提取面部图像中的预设面部特征,和/或舌苔图像中预设舌苔特征,和/或脉搏图像中的脉搏特征;
根据医疗数据库中包括的医疗数据,结合文本信息中的患病特征、预设面部特征和/或预设舌苔特征,和/或脉搏特征,对患者的病情进行分析,获取病情分析结果以及救治措施。
其中,患者的面部图像、舌苔图像以及脉搏图像等可以通过同一设备采集获取,也可以通过不同设备采集获取。例如,面部图像和舌苔图像通过同一个图像采集器采集到,而脉搏图像则需要通过其他设备采集得到。
在一个具体的例子中,患者的面部图像、舌苔图像以及脉搏图像等通过同一设备采集到,并传输到智能中医四诊信息融合***,该设备为智能四诊采集分析设备,例如道生四诊仪器。
在接收器40收集到外部传输的患者的面部图像,和/或舌苔图像,和/或脉搏图像后,则通过处理器20对这些参数进行特征提取。具体获取那些参数需要根据实际情况设定,自然,只有在获取到参数的情况下才会提取这些参数的特征。否则,省略特征提取的步骤。进一步的,处理器20还用于,结合已经提取的上述参数特征,以及文本信息中的患病特征等,与医疗数据库中包括的医疗数据进行匹配,从而实现对患者的病情进行分析,获取病情分析结果以及救治措施。
进一步可选的,在构建医疗数据库时,如果原始医案数据为纸质版资料时,处理器20还用于:通过预构建的OCR识别模型,识别纸质版资料的文字特征;其中,预构建的OCR识别模型为根据卷积神经网络算法和递归神经网络算法构建的识别模型。
可选的,智能中医四诊信息融合***还可以在***内部,经过长期训练,不断优化后,构建一个按照医生的辩证思维,建立医生问诊信息、诊断信息以及治疗信息的关系模型。具体的,可以参见如下内容。
之所以说明智能中医四诊信息融合***可以按照医生的辩证思维,建立问诊信息、诊断信息和治疗信息的关系模型,是因为:智能中医四诊信息融合***还可以实时采集医生在问诊时的语音信息和患者答复的语音信息。然后将这些语音信息进行采集,然后作为样本数据不断对智能中医四诊信息融合***中的神经网络模型进行训练。直至实现智能中医四诊信息融合***可以按照医生的辩证思维,建立问诊信息、诊断信息和治疗信息的关系模型。
通过上述方式,智能中医四诊信息融合***不仅仅是一个可以供患者、患者家属或者医生等咨询的一个智能中医四诊信息融合***,也可以是一个基于互联网的医患信息交互平台。更是一个基于名医临床经验特点,古今医案资料等构建的一个名医传承医案管理、分析和共享等于一体的特色诊室。医生可以根据智能中医四诊信息融合***寻求诊断经验,患者可以根据该智能中医四诊信息融合***获取自己的病情分析和简单的救治措施等等。
本发明实施例提供的一种智能中医四诊信息融合***,通过采集并识别用户发出的语音信息,并将该语音信息转换为文本信息。然后从预构建的医疗数据库中匹配与该文本信息中的患病特征对应的病情分析结果和救治措施。然后将病情分析结果和救治措施通过语音的形式播放给用户,便于用户了解患者的患病情况,同时可以采取一定的救治措施缓解患者的病情。通过该种方式,即使患者当前不能够及时和医生进行有效的沟通,也可以通过智能中医四诊信息融合***自助分析病情,同时还可以获取一定的救治措施,用以缓解患者的病情。此外,该***不仅仅适用于患者本身,也适用于医生。如果医生不确定该如何诊断自己之前并没有了解过的病情,也可以通过智能中医四诊信息融合***寻求一定的解决办法。即,本申请中的用户可以理解为是患者、医生或者患者家属等等。
与上述实施例1对应的,本发明实施例2还提供了一种智能中医四诊信息融合方法,具体如图2所示,该方法步骤如下:
步骤110,采集并识别用户发出的语音信息。
其中,语音信息用于描述患者的患病特征。
步骤120,将语音信息转换为文本信息。
步骤130,从预构建的医疗数据库中匹配与文本信息中的患病特征对应的病情分析结果以及救治措施。
步骤140,向用户播放患者的病情分析结果以及救治措施。
以便用户根据病情分析结果,了解患者的患病情况,并采取救治措施,缓解患者的病情。
可选的,预构建的医疗数据库中数据包括:对原始医案数据进行自动分类处理后所获取的医疗数据,其中,原始医案数据包括如下中的一种或多种:期刊医案文本材料以及多位医生分别记录的医案数据,医疗数据中包括患病特征、患病原因和与患病特征对应的救治措施。
可选的,从预构建的医疗数据库中匹配与文本信息中的患病特征对应的病情分析结果以及救治措施之前,方法还包括:
获取患者的面部图像,和/或舌苔图像,和/或患者的脉搏图像;
提取面部图像中的预设面部特征,和/或舌苔图像中预设舌苔特征,和/或脉搏图像中的脉搏特征,以便根据医疗数据库中包括的医疗数据,结合文本信息中的患病特征、预设面部特征和/或预设舌苔特征,和/或脉搏特征,对患者的病情进行分析,获取病情分析结果以及救治措施。
可选的,当原始医案数据为纸质版资料时,方法还包括:通过预构建的OCR识别模型,识别纸质版资料的文字特征;其中,预构建的OCR识别模型为根据卷积神经网络算法和递归神经网络算法构建的识别模型。
可选的,对原始医案数据进行自动分类处理后所获取的医疗数据,具体包括:
对原始医案数据进行预处理后,获取经过预处理后的数据;
结合朴素贝叶斯算法和word2vec分词方法,对经过预处理后的数据进行自动分类处理。
本发明实施例提供的一种智能中医四诊信息融合方法中各部件所执行的方法步骤均已在上述实施例1中做了详细介绍,因此这里不做过多赘述。
本发明实施例提供的一种智能中医四诊信息融合方法,通过采集并识别用户发出的语音信息,并将该语音信息转换为文本信息。然后从预构建的医疗数据库中匹配与该文本信息中的患病特征对应的病情分析结果和救治措施。然后将病情分析结果和救治措施通过语音的形式播放给用户,便于用户了解患者的患病情况,同时可以采取一定的救治措施缓解患者的病情。通过该种方式,即使患者当前不能够及时和医生进行有效的沟通,也可以通过智能中医四诊信息融合***自助分析病情,同时还可以获取一定的救治措施,用以缓解患者的病情。此外,该***不仅仅适用于患者本身,也适用于医生。如果医生不确定该如何诊断自己之前并没有了解过的病情,也可以通过智能中医四诊信息融合***寻求一定的解决办法。即,本申请中的用户可以理解为是患者、医生或者患者家属等等。
与上述实施例相对应的,本发明实施例还提供了一种计算机存储介质,该计算机存储介质中包含一个或多个程序指令。其中,一个或多个程序指令用于被一种智能中医四诊信息融合***执行如上所介绍的一种智能中医四诊信息融合方法。
本领域技术人员应该可以意识到,在上述一个或多个示例中,本发明所描述的功能可以用硬件与软件组合来实现。当应用软件时,可以将相应功能存储在计算机可读介质中或者作为计算机可读介质上的一个或多个指令或代码进行传输。计算机可读介质包括计算机存储介质和通信介质,其中通信介质包括便于从一个地方向另一个地方传送计算机程序的任何介质。存储介质可以是通用或专用计算机能够存取的任何可用介质。
以上的具体实施方式,对本发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上仅为本发明的具体实施方式而已,并不用于限定本发明的保护范围,凡在本发明的技术方案的基础之上,所做的任何修改、等同替换、改进等,均应包括在本发明的保护范围之内。
Claims (10)
1.一种智能中医四诊信息融合***,其特征在于,所述***包括:
语音采集器,用于采集并识别用户发出的语音信息,其中,所述语音信息用于描述患者的患病特征;
处理器,用于将所述语音信息转换为文本信息;从预构建的医疗数据库中匹配与所述文本信息中的患病特征对应的病情分析结果以及救治措施;
语音播放器,用于向所述用户播放所述患者的病情分析结果以及救治措施,以便所述用户根据所述病情分析结果,了解患者的患病情况,并采取所述救治措施,缓解患者的病情。
2.根据权利要求1所述的***,其特征在于,所述预构建的医疗数据库中数据包括:所述处理器对原始医案数据进行自动分类处理后所获取的医疗数据,其中,所述原始医案数据包括如下中的一种或多种:期刊医案文本材料以及多位医生分别记录的医案数据,所述医疗数据中包括患病特征、患病原因和与患病特征对应的救治措施。
3.根据权利要求2所述的***,其特征在于,所述***还包括:接收器;
所述接收器,用于获取外部传输的患者的面部图像,和/或舌苔图像,和/或脉搏图像;
所述处理器还用于,提取所述面部图像中的预设面部特征,和/或舌苔图像中预设舌苔特征,和/或脉搏图像中的脉搏特征;
根据所述医疗数据库中包括的医疗数据,结合所述文本信息中的患病特征、所述预设面部特征和/或所述预设舌苔特征,和/或所述脉搏特征,对所述患者的病情进行分析,获取病情分析结果以及救治措施。
4.根据权利要求2或3所述的***,其特征在于,当所述原始医案数据为纸质版资料时,所述处理器还用于:通过预构建的OCR识别模型,识别所述纸质版资料的文字特征;其中,所述预构建的OCR识别模型为根据卷积神经网络算法和递归神经网络算法构建的识别模型。
5.根据权利要求2或3所述的***,其特征在于,所述处理器具体用于,对所述原始医案数据进行预处理后,获取经过预处理后的数据;
结合朴素贝叶斯算法和word2vec分词方法,对所述经过预处理后的数据进行自动分类处理。
6.一种智能中医四诊信息融合方法,其特征在于,所述方法包括:
采集并识别用户发出的语音信息,其中,所述语音信息用于描述患者的患病特征;
将所述语音信息转换为文本信息;
从预构建的医疗数据库中匹配与所述文本信息中的患病特征对应的病情分析结果以及救治措施;
向所述用户播放所述患者的病情分析结果以及救治措施,以便所述用户根据所述病情分析结果,了解患者的患病情况,并采取所述救治措施,缓解患者的病情。
7.根据权利要求6所述的方法,其特征在于,所述预构建的医疗数据库中数据包括:对原始医案数据进行自动分类处理后所获取的医疗数据,其中,所述原始医案数据包括如下中的一种或多种:期刊医案文本材料以及多位医生分别记录的医案数据,所述医疗数据中包括患病特征、患病原因和与患病特征对应的救治措施。
8.根据权利要求7所述的方法,其特征在于,所述从预构建的医疗数据库中匹配与所述文本信息中的患病特征对应的病情分析结果以及救治措施之前,所述方法还包括:
获取患者的面部图像,和/或舌苔图像,和/或患者的脉搏图像;
提取所述面部图像中的预设面部特征,和/或舌苔图像中预设舌苔特征,和/或脉搏图像中的脉搏特征,以便根据所述医疗数据库中包括的医疗数据,结合所述文本信息中的患病特征、所述预设面部特征和/或所述预设舌苔特征,和/或所述脉搏特征,对所述患者的病情进行分析,获取病情分析结果以及救治措施。
9.根据权利要求7或8所述的方法,其特征在于,当所述原始医案数据为纸质版资料时,所述方法还包括:通过预构建的OCR识别模型,识别所述纸质版资料的文字特征;其中,所述预构建的OCR识别模型为根据卷积神经网络算法和递归神经网络算法构建的识别模型。
10.一种计算机存储介质,其特征在于,所述计算机存储介质中包含一个或多个程序指令,所述一个或多个程序指令用于被一种智能中医四诊信息融合***执行如权利要求6-9任一项所述的***。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911378584.5A CN111243728A (zh) | 2019-12-27 | 2019-12-27 | 一种智能中医四诊信息融合***、方法及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911378584.5A CN111243728A (zh) | 2019-12-27 | 2019-12-27 | 一种智能中医四诊信息融合***、方法及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111243728A true CN111243728A (zh) | 2020-06-05 |
Family
ID=70868973
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911378584.5A Pending CN111243728A (zh) | 2019-12-27 | 2019-12-27 | 一种智能中医四诊信息融合***、方法及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111243728A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112735583A (zh) * | 2020-12-25 | 2021-04-30 | 山东众阳健康科技集团有限公司 | 一种中医养生机器人及方法 |
CN116884648A (zh) * | 2023-05-23 | 2023-10-13 | 深圳汇医必达医疗科技有限公司 | 基于中医问诊的语音交互优化方法、装置、设备及介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107242857A (zh) * | 2017-06-12 | 2017-10-13 | 南开大学 | 基于深度学习的智能中医综合诊疗*** |
CN109065162A (zh) * | 2018-07-16 | 2018-12-21 | 劲膳美食品股份有限公司 | 一种综合性智能化诊断*** |
WO2019100584A1 (zh) * | 2017-11-25 | 2019-05-31 | 深圳市前海安测信息技术有限公司 | 基于中医四诊仪的中医治未病管理***及方法 |
CN110489566A (zh) * | 2019-08-22 | 2019-11-22 | 上海软中信息***咨询有限公司 | 一种智能导诊服务机器人的导诊方法 |
-
2019
- 2019-12-27 CN CN201911378584.5A patent/CN111243728A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107242857A (zh) * | 2017-06-12 | 2017-10-13 | 南开大学 | 基于深度学习的智能中医综合诊疗*** |
WO2019100584A1 (zh) * | 2017-11-25 | 2019-05-31 | 深圳市前海安测信息技术有限公司 | 基于中医四诊仪的中医治未病管理***及方法 |
CN109065162A (zh) * | 2018-07-16 | 2018-12-21 | 劲膳美食品股份有限公司 | 一种综合性智能化诊断*** |
CN110489566A (zh) * | 2019-08-22 | 2019-11-22 | 上海软中信息***咨询有限公司 | 一种智能导诊服务机器人的导诊方法 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112735583A (zh) * | 2020-12-25 | 2021-04-30 | 山东众阳健康科技集团有限公司 | 一种中医养生机器人及方法 |
CN116884648A (zh) * | 2023-05-23 | 2023-10-13 | 深圳汇医必达医疗科技有限公司 | 基于中医问诊的语音交互优化方法、装置、设备及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Gao et al. | An effective LSTM recurrent network to detect arrhythmia on imbalanced ECG dataset | |
CN111563891B (zh) | 基于颜色认知的疾病预测*** | |
Patil et al. | An association between fingerprint patterns with blood group and lifestyle based diseases: a review | |
CN110353685A (zh) | 用于处理患者声音的方法与装置 | |
CN104636580A (zh) | 一种基于人脸的健康监控手机 | |
Hassan et al. | Classification of cardiac arrhythmia using a convolutional neural network and bi-directional long short-term memory | |
CN111243728A (zh) | 一种智能中医四诊信息融合***、方法及存储介质 | |
CN117373657B (zh) | 基于大数据分析的个性化医疗辅助问诊*** | |
CN111028232A (zh) | 基于眼底图像的糖尿病分类方法及设备 | |
CN114748072A (zh) | 一种基于脑电的抑郁症辅助诊断的信息分析及康复训练***及方法 | |
CN111008269A (zh) | 数据处理方法及装置、存储介质及电子终端 | |
CN113689951A (zh) | 一种智能导诊方法、***和计算机可读存储介质 | |
CN109346164A (zh) | 一种中医临床案例的自动采集设备及方法 | |
CN115116576A (zh) | 融合知识的中医诊断报告自动化生成方法、***及终端 | |
CN109117871A (zh) | 一种通过深度学习获取肺部病灶恶性概率的***和方法 | |
Chen et al. | Patient emotion recognition in human computer interaction system based on machine learning method and interactive design theory | |
CN113724878B (zh) | 基于机器学习的医疗风险信息推送方法及装置 | |
KR20200002201A (ko) | 인공지능을 통한 스마트 헬스케어 시스템 | |
Li et al. | Tfformer: A time frequency information fusion based cnn-transformer model for osa detection with single-lead ecg | |
CN116564505A (zh) | 基于深度学习的甲状腺疾病筛查方法、***、设备及存储介质 | |
CN115719333A (zh) | 基于神经网络的影像质控评价方法、装置、设备、介质 | |
CN115579140A (zh) | 基于校园健康管理***的自助式健康监测方法及*** | |
CN115331837A (zh) | 一种人机交互智能问诊*** | |
CN115317304A (zh) | 一种基于生理特征检测的智能按摩方法及*** | |
Marascio et al. | Current trends and perspectives for automated screening of cardiac murmurs |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200605 |