CN112802598A - 基于语音诊疗数据的实时辅助诊疗方法及*** - Google Patents
基于语音诊疗数据的实时辅助诊疗方法及*** Download PDFInfo
- Publication number
- CN112802598A CN112802598A CN202110074182.7A CN202110074182A CN112802598A CN 112802598 A CN112802598 A CN 112802598A CN 202110074182 A CN202110074182 A CN 202110074182A CN 112802598 A CN112802598 A CN 112802598A
- Authority
- CN
- China
- Prior art keywords
- diagnosis
- treatment
- data
- voice
- real
- 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.)
- Withdrawn
Links
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
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/279—Recognition of textual entities
- G06F40/284—Lexical analysis, e.g. tokenisation or collocates
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/279—Recognition of textual entities
- G06F40/289—Phrasal analysis, e.g. finite state techniques or chunking
- G06F40/295—Named entity recognition
-
- 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
- G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
- G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
- G16H40/67—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for remote operation
-
- 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
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Theoretical Computer Science (AREA)
- Public Health (AREA)
- Primary Health Care (AREA)
- Epidemiology (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- General Physics & Mathematics (AREA)
- Pathology (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Business, Economics & Management (AREA)
- General Business, Economics & Management (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本申请公开了一种基于语音诊疗数据的实时辅助诊疗方法及***,所述方法具体包括以下步骤:通过语音收集设备收集语音诊疗数据;将所述语音诊疗数据上传至服务器***;上传后通过ASR引擎将所述语音诊疗数据转写为文本数据;基于所述文本数据搭建实时辅助诊疗***;通过所述实时辅助诊疗***输出诊疗信息和实时语音诊疗数据;使用所述诊疗信息和所述实时语音诊疗数据对所述实时辅助诊疗***进行循环迭代优化。通过本申请,基于不同医生在实际诊疗场景的语音数据构建知识库,辅助医生更好地进行诊疗工作。
Description
技术领域
本发明涉及语音识别技术领域。更具体的说,本发明涉及一种基于语音诊疗数据的实时辅助诊疗方法及***。
背景技术
近年来,随着社会经济的飞速发展,人们的生活水平显著提高的同时生活压力也在不断加大,从而诱发了很多常见的疾病。现在当人们的自然健康状况出现问题时,往往因为工作的繁忙,医院等待时间长,医生的缺少使得病患往往不能快速治疗。所以当前看病难、看病贵已经成为困扰人们生活的一个很普遍的问题,并同时也引起了国家的高度重视。
医疗服务是社会民生中非常重要的一环,关系到每一个人,价值重大。在医疗服务中医生对患者的诊疗过程是医疗服务的重心之一。医生的医学知识储备和诊疗经验积累,极大程度上决定了对患者疾病的判断、治疗建议的选择以及患者后续的康复程度。当前医生在诊疗过程中,手写病历可能会耗费时间造成效率低下,个人对于疾病的判断可能不够准确,因此需要多医生配合共同给出准确的治疗方案。
发明内容
本申请实施例提供了一种基于语音诊疗数据的实时辅助诊疗方法,以至少解决相关技术中主观因素影响的问题。
本发明提供了一种基于语音诊疗数据的实时辅助诊疗方法,所述方法包括以下步骤:
数据收集步骤:通过语音收集设备收集语音诊疗数据;
数据上传步骤:将所述语音诊疗数据上传至服务器***;
数据处理步骤:上传后通过ASR引擎将所述语音诊疗数据转写为文本数据;
***搭建步骤:基于所述文本数据搭建实时辅助诊疗***;
输出步骤:通过所述实时辅助诊疗***输出诊疗信息和收集实时语音诊疗数据;
优化步骤:使用所述诊疗信息和所述实时语音诊疗数据对所述实时辅助诊疗***进行循环迭代优化。
作为本发明的进一步改进,所述数据上传步骤具体包括以下步骤:
传输步骤:将所述语音诊疗数据通过蓝牙实时传输至采集站设备;
上传步骤:所述采集站设备将所述语音诊疗数据上传至所述服务器***。
作为本发明的进一步改进,当所述蓝牙连接断开或连接异常时,所述语音收集设备会暂时将收集到的所述语音诊疗数据存储起来,并在下次正常连接所述采集站设备时传输存储的所述语音诊疗数据。
作为本发明的进一步改进,所述***搭建步骤具体包括以下步骤:
分词步骤:使用jieba算法对所述文本数据分词并进行文本清洗,得到分词文本数据;
第一模型训练步骤:基于所述分词文本数据使用Word2vec模型进行训练,并输出词向量;
标注步骤:将包含所述词向量的所述分词文本数据进行BIO标注,得到标注文本数据集;
第二模型训练步骤:将所述标注文本数据集输入自定义实体类别的BiLSTM-CRF模型进行训练,获取实体命名识别模型以及实体类别标签文本;
第三模型训练步骤:将所述实体类别标签文本输入自定义实体关系类型的BiLSTM-Attention模型进行实体关系抽取训练,获取实体关系抽取模型以及实体关系标签文本;
储存步骤:将所述实体关系标签文本储存进图数据库,形成诊疗数据库;
搭建步骤:基于所述诊疗数据库搭建所述实时辅助诊疗***。
作为本发明的进一步改进,所述自定义实体类别与所述BIO标注中的类别相对应。
作为本发明的进一步改进,所述自定义实体类别包括但不限于:身体部位、症状描述、化验指标、疾病名称、对症药品、手术方案。
作为本发明的进一步改进,所述自定义实体关系类型包括但不限于:位于、导致、证明、使用、实施。
作为本发明的进一步改进,所述诊疗信息包括但不限于:病历实时生成内容、诊断参考建议,误诊风险提示、药品和手术方案分析结果。
基于相同发明思想,本发明还基于任一项发明创造所揭示的基于语音诊疗数据的实时辅助诊疗方法,揭示了一种基于语音诊疗数据的实时辅助诊疗***,
所述基于语音诊疗数据的实时辅助诊疗***包括:
数据收集模块,通过语音收集设备收集语音诊疗数据;
数据上传模块,将所述语音诊疗数据上传至服务器***;
数据处理模块,上传后通过ASR引擎将所述语音诊疗数据转写为文本数据;
***搭建模块,基于所述文本数据搭建实时辅助诊疗***;
输出模块,通过所述实时辅助诊疗***输出诊疗信息和收集实时语音诊疗数据;
优化模块,使用所述诊疗信息和所述实时语音诊疗数据对所述实时辅助诊疗***进行循环迭代优化。
作为本发明的进一步改进,所述数据上传模块具体包括:
传输单元,将所述语音诊疗数据通过蓝牙实时传输至采集站设备;
上传单元,所述采集站设备将所述语音诊疗数据上传至所述服务器***。
与现有技术相比,本发明的有益效果如下:
1、提出了一种基于语音诊疗数据的实时辅助诊疗方法,通过汇集不同医生在实际诊疗场景的语音数据,提炼出症状、化验指标、疾病、对症药品、手术方案等等知识点之间的推理关系和关系概率以形成知识库,再将这样的知识库反哺于诊疗工作,辅助医生更好地进行诊疗工作;
2、自动生病病历内容并可实时给出诊断参考建议,极大提高了诊断效率;
3、搭建的实时辅助诊断***可不断优化,对患者的疾病判断更加准确。
本申请的一个或多个实施例的细节在以下附图和描述中提出,以使本申请的其他特征、目的和优点更加简明易懂。
附图说明
此处所说明的附图用来提供对本申请的进一步理解,构成本申请的一部分,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1是本发明实施例提供的一种基于语音诊疗数据的实时辅助诊疗方法整体流程图;
图2是本实施例所揭示的技术方案整体流程图;
图3是图1所揭示的步骤S2整体流程图;
图4是图1所揭示的步骤S4整体流程图;
图5是本实施例提供的一种基于语音诊疗数据的实时辅助诊疗***结构框架图;
图6是根据本发明实施例的计算机设备的框架图。
以上图中:
1、数据收集模块;2、数据上传模块;3、数据处理模块;4、***搭建模块;5、输出模块;6、优化模块;21、传输单元;22、上传单元;41、分词单元;42、第一模型训练单元;43、标注单元;44、第二模型训练单元;45、第三模型训练单元;46、储存单元;47、搭建单元;80、总线;81、处理器;82、存储器;83、通信接口。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行描述和说明。应当理解,此处所描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。基于本申请提供的实施例,本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其他实施例,都属于本申请保护的范围。
显而易见地,下面描述中的附图仅仅是本申请的一些示例或实施例,对于本领域的普通技术人员而言,在不付出创造性劳动的前提下,还可以根据这些附图将本申请应用于其他类似情景。此外,还可以理解的是,虽然这种开发过程中所作出的努力可能是复杂并且冗长的,然而对于与本申请公开的内容相关的本领域的普通技术人员而言,在本申请揭露的技术内容的基础上进行的一些设计,制造或者生产等变更只是常规的技术手段,不应当理解为本申请公开的内容不充分。
在本申请中提及“实施例”意味着,结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例,也不是与其它实施例互斥的独立的或备选的实施例。本领域普通技术人员显式地和隐式地理解的是,本申请所描述的实施例在不冲突的情况下,可以与其它实施例相结合。
除非另作定义,本申请所涉及的技术术语或者科学术语应当为本申请所属技术领域内具有一般技能的人士所理解的通常意义。本申请所涉及的“一”、“一个”、“一种”、“该”等类似词语并不表示数量限制,可表示单数或复数。本申请所涉及的术语“包括”、“包含”、“具有”以及它们任何变形,意图在于覆盖不排他的包含;例如包含了一系列步骤或模块(单元)的过程、方法、***、产品或设备没有限定于已列出的步骤或单元,而是可以还包括没有列出的步骤或单元,或可以还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。本申请所涉及的“连接”、“相连”、“耦接”等类似的词语并非限定于物理的或者机械的连接,而是可以包括电气的连接,不管是直接的还是间接的。本申请所涉及的“多个”是指两个或两个以上。“和/或”描述关联对象的关联关系,表示可以存在三种关系,例如,“A和/或B”可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。本申请所涉及的术语“第一”、“第二”、“第三”等仅仅是区别类似的对象,不待表针对对象的特定排序。
下面结合附图所示的各实施方式对本发明进行详细说明,但应当说明的是,这些实施方式并非对本发明的限制,本领域普通技术人员根据这些实施方式所作的功能、方法、或者结构上的等效变换或替待,均属于本发明的保护范围之内。
在详细阐述本发明各个实施例之前,对本发明的核心发明思想予以概述,并通过下述若干实施例予以详细阐述。
本发明可基于语音诊疗数据搭建实时辅助诊疗***,辅助医生更好地进行诊疗工作。
实施例一:
参照图1至图4所示,本实例揭示了一种基于语音诊疗数据的实时辅助诊疗方法(以下简称“方法”)的具体实施方式。
具体而言,首先介绍所述方法的整体思路。所述方法基于诊疗场景下不同医患之间的海量语音数据,通过语音转写文本技术将语音数据准确转写为文本数据,再依托深度学习模型抽取出症状、化验指标、疾病、对症药品、手术方案等等知识点之间的推理关系和关系概率,并以此搭建实时辅助诊疗***。实时辅助诊疗***可辅助医生在诊疗过程自动生成病历内容,基于症状描述和化验指标数据给出诊断参考建议,判断是否存在误诊风险,分析开具的对症药品和手术方案是否合理等等,以更好地完成诊疗工作。
具体而言,参照图1和图2所示,本实施例所揭示的方法包括以下步骤:
步骤S1、通过语音收集设备收集语音诊疗数据。
具体而言,在其中一些实施例中,首先通过语音收集设备收集语音诊疗数据,例如可以通过佩戴在医生工作服上的语音收集设备,收集诊疗场景下医患之间的语音数据。其中语音收集设备可以是佩戴型设备,但本发明并不以此为限。
然后执行步骤S2、将所述语音诊疗数据上传至服务器***。
具体而言,在其中一些实施例中,参照图3所示步骤S2具体包括以下步骤:
S21、将所述语音诊疗数据通过蓝牙实时传输至采集站设备;
S22、所述采集站设备将所述语音诊疗数据上传至所述服务器***。
具体而言,语音收集设备通过蓝牙技术实时连接采集站设备,并将收集到的语音数据实时传输至采集站设备,采集站设备可同时收集多个语音收集设备的语音数据,并通过网络传输至服务器***。
具体而言,当蓝牙连接断开或连接异常时,语音收集设备会暂时将收集到的语音数据存储起来,并在下次正常通过蓝牙连接采集站设备时传输存储的语音数据。
然后执行步骤S3、上传后通过ASR引擎将所述语音诊疗数据转写为文本数据。
具体而言,在其中一些实施例中,服务器***首先通过ASR(Automatic SpeechRecognition,自动语音识别技术)引擎将语音数据准确、完整的转写成文本数据。
然后执行步骤S4、基于所述文本数据搭建实时辅助诊疗***。
具体而言,在其中一些实施例中,参照图4所示步骤S4具体包括以下步骤:
S41、使用jieba算法对所述文本数据分词并进行文本清洗,得到分词文本数据;
S42、基于所述分词文本数据使用Word2vec模型进行训练,并输出词向量;
S43、将包含所述词向量的所述分词文本数据进行BIO标注,得到标注文本数据集;
S44、将所述标注文本数据集输入自定义实体类别的BiLSTM-CRF模型进行训练,获取实体命名识别模型以及实体类别标签文本;
S45、将所述实体类别标签文本输入自定义实体关系类型的BiLSTM-Attention模型进行实体关系抽取训练,获取实体关系抽取模型以及实体关系标签文本;
S46、将所述实体关系标签文本储存进图数据库,形成诊疗数据库;
S47、基于所述诊疗数据库搭建所述实时辅助诊疗***。
具体而言,在所述步骤S41中使用Jieba算法进行分词,并去掉停顿词、语气助词等无意义词。
具体而言,将上述完成处理后的文本数据集使用Word2vec模型进行训练,并输出不同的词自身对应的词向量,然后将得到的包含每个词的词向量的文本数据集,进行程序化地BIO标注。
具体而言,所述BIO标注过程为:将每个元素(元素即为数据集中的单个字)标注为“B-X”、“I-X”或者“O”。其中,“B-X”表示此元素所在的片段(片段即为单个词)属于X类型并且此元素在此片段的开头,“I-X”表示此元素所在的片段属于X类型并且此元素在此片段的中间位置,“O”表示不属于任何类型。
具体而言,将上述完成词向量计算、BIO标注的文本数据集(标注文本数据集)输入已提前完成自定义实体类别的BiLSTM-CRF模型进行训练,其中自定义实体类别对应于前述中BIO标注中的类型,之后得到达到目标准确率(Precision)、召回率(Recall)和F值(F-Measure,信息检索领域的评价标准)的实体命名识别模型,以及带有实体类别标签的文本数据集。
具体而言,自定义的实体类别包括不限于身体部位、症状描述、化验指标、疾病名称、对症药品、手术方案。
具体而言,然后将前述得到的带有词向量和实体类别标签的文本数据集(实体类别标签文本),输入已提前完成自定义实体关系类型的BiLSTM-Attention模型进行实体关系抽取的训练,之后得到达到目标准确率、召回率和F值的实体关系抽取模型,以及带有实体关系类型标签的文本数据集(实体关系标签文本)
具体而言,自定义的实体关系类型包括不限于“位于”、“导致”、“证明”、“使用”、“实施”。
具体而言,将前述得到的带有实体类别标签和实体关系类型标签的文本数据集储存进选定的图数据库,由此形成诊疗场景下包含症状、化验指标、疾病、对症药品、手术方案等等知识点之间的推理关系和关系概率的知识库,基于此数据库即可搭建实时辅助诊疗***。
然后执行步骤S5、通过所述实时辅助诊疗***输出诊疗信息和收集实时语音诊疗数据。
具体而言,搭建完成的实时辅助诊疗***可在诊疗过程中通过语音收集设备实时收集医患之间的语音数据,并经过采集站设备传输至服务器***,服务器***通过ASR引擎、BiLSTM-CRF模型、BiLSTM-Attention模型低延迟实时自动生成病历内容、基于症状描述和化验指标数据给出诊断参考建议,误诊风险提示,分析开具的对症药品和手术方案合理与否等,并将以上信息返回至医生的电脑上的辅助诊疗网页端***。医生也可对辅助诊疗***给出的信息进行编辑和修改。
然后执行步骤S6、使用所述诊疗信息和所述实时语音诊疗数据对所述实时辅助诊疗***进行循环迭代优化。
具体而言,获取新产生的诊疗语音数据和医生对诊疗辅助***参考信息的编辑和修改数据后,返回所述步骤S1,以实现训练更新实时辅助诊疗***,使得实时辅助诊疗***不断优化迭代。
通过本申请实施例所揭示的一种基于语音诊疗数据的实时辅助诊疗方法,通过汇集不同医生在实际诊疗场景的语音数据,提炼出症状、化验指标、疾病、对症药品、手术方案等等知识点之间的推理关系和关系概率以形成知识库,再将这样的知识库反哺于诊疗工作,辅助医生更好地进行诊疗工作;自动生病病历内容并可实时给出诊断参考建议,极大提高了诊断效率;搭建的实时辅助诊断***可不断优化,对患者的疾病判断更加准确。
本申请的一个或多个实施例的细节在以下附图和描述中提出,以使本申请的其他特征、目的和优点更加简明易懂。
实施例二:
结合实施例一所揭示的一种基于语音诊疗数据的实时辅助诊疗方法,本实施例揭示了一种基于语音诊疗数据的实时辅助诊疗***(以下简称“***”)的具体实施示例。
参照图5所示,所述***包括:
数据收集模块1,通过语音收集设备收集语音诊疗数据;
数据上传模块2,将所述语音诊疗数据上传至服务器***;
数据处理模块3,上传后通过ASR引擎将所述语音诊疗数据转写为文本数据;
***搭建模块4,基于所述文本数据搭建实时辅助诊疗***;
输出模块5,通过所述实时辅助诊疗***输出诊疗信息和收集实时语音诊疗数据;
优化模块6,使用所述诊疗信息和所述实时语音诊疗数据对所述实时辅助诊疗***进行循环迭代优化。
具体而言,在其中一些实施例中,所述数据上传模块2具体包括:
传输单元21,将所述语音诊疗数据通过蓝牙实时传输至采集站设备;
上传单元22,所述采集站设备将所述语音诊疗数据上传至所述服务器***。
具体而言,在其中一些实施例中,所述***搭建模块4具体包括:
分词单元41,使用jieba算法对所述文本数据分词并进行文本清洗,得到分词文本数据;
第一模型训练单元42,基于所述分词文本数据使用Word2vec模型进行训练,并输出词向量;
标注单元43,将包含所述词向量的所述分词文本数据进行BIO标注,得到标注文本数据集;
第二模型训练单元44,将所述标注文本数据集输入自定义实体类别的BiLSTM-CRF模型进行训练,获取实体命名识别模型以及实体类别标签文本;
第三模型训练单元45,将所述实体类别标签文本输入自定义实体关系类型的BiLSTM-Attention模型进行实体关系抽取训练,获取实体关系抽取模型以及实体关系标签文本;
储存单元46,将所述实体关系标签文本储存进图数据库,形成诊疗数据库;
搭建单元47,基于所述诊疗数据库搭建所述实时辅助诊疗***。
本实施例所揭示的一种基于语音诊疗数据的实时辅助诊疗***与实施例一所揭示的一种基于语音诊疗数据的实时辅助诊疗方法中其余相同部分的技术方案,请参考实施例一所述,在此不再赘述。
实施例三:
结合图6所示,本实施例揭示了一种计算机设备的一种具体实施方式。计算机设备可以包括处理器81以及存储有计算机程序指令的存储器82。
具体地,上述处理器81可以包括中央处理器(CPU),或者特定集成电路(Application Specific Integrated Circuit,简称为ASIC),或者可以被配置成实施本申请实施例的一个或多个集成电路。
其中,存储器82可以包括用于数据或指令的大容量存储器。举例来说而非限制,存储器82可包括硬盘驱动器(Hard Disk Drive,简称为HDD)、软盘驱动器、固态驱动器(SolidState Drive,简称为SSD)、闪存、光盘、磁光盘、磁带或通用串行总线(Universal SerialBus,简称为USB)驱动器或者两个或更多个以上这些的组合。在合适的情况下,存储器82可包括可移除或不可移除(或固定)的介质。在合适的情况下,存储器82可在数据处理装置的内部或外部。在特定实施例中,存储器82是非易失性(Non-Volatile)存储器。在特定实施例中,存储器82包括只读存储器(Read-Only Memory,简称为ROM)和随机存取存储器(RandomAccess Memory,简称为RAM)。在合适的情况下,该ROM可以是掩模编程的ROM、可编程ROM(Programmable Read-Only Memory,简称为PROM)、可擦除PROM(Erasable ProgrammableRead-Only Memory,简称为EPROM)、电可擦除PROM(Electrically Erasable ProgrammableRead-Only Memory,简称为EEPROM)、电可改写ROM(Electrically Alterable Read-OnlyMemory,简称为EAROM)或闪存(FLASH)或者两个或更多个以上这些的组合。在合适的情况下,该RAM可以是静态随机存取存储器(Static Random-Access Memory,简称为SRAM)或动态随机存取存储器(Dynamic Random Access Memory,简称为DRAM),其中,DRAM可以是快速页模式动态随机存取存储器(Fast Page Mode Dynamic Random Access Memory,简称为FPMDRAM)、扩展数据输出动态随机存取存储器(Extended Date Out Dynamic RandomAccess Memory,简称为EDODRAM)、同步动态随机存取内存(Synchronous Dynamic Random-Access Memory,简称SDRAM)等。
存储器82可以用来存储或者缓存需要处理和/或通信使用的各种数据文件,以及处理器81所执行的可能的计算机程序指令。
处理器81通过读取并执行存储器82中存储的计算机程序指令,以实现上述实施例中的任意一种基于语音诊疗数据的实时辅助诊疗方法。
在其中一些实施例中,计算机设备还可包括通信接口83和总线80。其中,如图6所示,处理器81、存储器82、通信接口83通过总线80连接并完成相互间的通信。
通信接口83用于实现本申请实施例中各模块、装置、单元和/或设备之间的通信。通信端口83还可以实现与其他部件例如:外接设备、图像/数据采集设备、数据库、外部存储以及图像/数据处理工作站等之间进行数据通信。
总线80包括硬件、软件或两者,将计算机设备的部件彼此耦接在一起。总线80包括但不限于以下至少之一:数据总线(Data Bus)、地址总线(Address Bus)、控制总线(Control Bus)、扩展总线(Expansion Bus)、局部总线(Local Bus)。举例来说而非限制,总线80可包括图形加速接口(Accelerated Graphics Port,简称为AGP)或其他图形总线、增强工业标准架构(Extended Industry Standard Architecture,简称为EISA)总线、前端总线(Front Side Bus,简称为FSB)、超传输(Hyper Transport,简称为HT)互连、工业标准架构(Industry Standard Architecture,简称为ISA)总线、无线带宽(Infini Band)互连、低引脚数(Low Pin Count,简称为LPC)总线、存储器总线、微信道架构(Micro ChannelArchitecture,简称为MCA)总线、***组件互连(Peripheral Component Interconnect,简称为PCI)总线、PCI-Express(PCI-X)总线、串行高级技术附件(Serial AdvancedTechnology Attachment,简称为SATA)总线、视频电子标准协会局部(Video ElectronicsStandards Association Local Bus,简称为VLB)总线或其他合适的总线或者两个或更多个以上这些的组合。在合适的情况下,总线80可包括一个或多个总线。尽管本申请实施例描述和示出了特定的总线,但本申请考虑任何合适的总线或互连。
该计算机设备可以基于语音诊疗数据实现实时辅助诊疗***搭建,从而实现结合图1描述的方法。
另外,结合上述实施例中基于语音诊疗数据的实时辅助诊疗方法,本申请实施例可提供一种计算机可读存储介质来实现。该计算机可读存储介质上存储有计算机程序指令;该计算机程序指令被处理器执行时实现上述实施例中的任意一种基于语音诊疗数据的实时辅助诊疗方法。
以上所述实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
综上所述,基于本发明的有益效果在于,提出了一种基于语音诊疗数据的实时辅助诊疗方法,通过汇集不同医生在实际诊疗场景的语音数据,提炼出症状、化验指标、疾病、对症药品、手术方案等等知识点之间的推理关系和关系概率以形成知识库,再将这样的知识库反哺于诊疗工作,辅助医生更好地进行诊疗工作;自动生病病历内容并可实时给出诊断参考建议,极大提高了诊断效率;搭建的实时辅助诊断***可不断优化,对患者的疾病判断更加准确。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种基于语音诊疗数据的实时辅助诊疗方法,其特征在于,包括如下步骤:
数据收集步骤:通过语音收集设备收集语音诊疗数据;
数据上传步骤:将所述语音诊疗数据上传至服务器***;
数据处理步骤:上传后通过ASR引擎将所述语音诊疗数据转写为文本数据;
***搭建步骤:基于所述文本数据搭建实时辅助诊疗***;
输出步骤:通过所述实时辅助诊疗***输出诊疗信息和收集实时语音诊疗数据;
优化步骤:使用所述诊疗信息和所述实时语音诊疗数据对所述实时辅助诊疗***进行循环迭代优化。
2.如权利要求1所述的基于语音诊疗数据的实时辅助诊疗方法,其特征在于,所述数据上传步骤具体包括以下步骤:
传输步骤:将所述语音诊疗数据通过蓝牙实时传输至采集站设备;
上传步骤:所述采集站设备将所述语音诊疗数据上传至所述服务器***。
3.如权利要求2所述的基于语音诊疗数据的实时辅助诊疗方法,其特征在于,当所述蓝牙连接断开或连接异常时,所述语音收集设备会暂时将收集到的所述语音诊疗数据存储起来,并在下次正常连接所述采集站设备时传输存储的所述语音诊疗数据。
4.如权利要求1所述的基于语音诊疗数据的实时辅助诊疗方法,其特征在于,所述***搭建步骤具体包括以下步骤:
分词步骤:使用jieba算法对所述文本数据分词并进行文本清洗,得到分词文本数据;
第一模型训练步骤:基于所述分词文本数据使用Word2vec模型进行训练,并输出词向量;
标注步骤:将包含所述词向量的所述分词文本数据进行BIO标注,得到标注文本数据集;
第二模型训练步骤:将所述标注文本数据集输入自定义实体类别的BiLSTM-CRF模型进行训练,获取实体命名识别模型以及实体类别标签文本;
第三模型训练步骤:将所述实体类别标签文本输入自定义实体关系类型的BiLSTM-Attention模型进行实体关系抽取训练,获取实体关系抽取模型以及实体关系标签文本;
储存步骤:将所述实体关系标签文本储存进图数据库,形成诊疗数据库;
搭建步骤:基于所述诊疗数据库搭建所述实时辅助诊疗***。
5.如权利要求4所述的基于语音诊疗数据的实时辅助诊疗方法,其特征在于,所述自定义实体类别与所述BIO标注中的类别相对应。
6.如权利要求4所述的基于语音诊疗数据的实时辅助诊疗方法,其特征在于,所述自定义实体类别包括但不限于:身体部位、症状描述、化验指标、疾病名称、对症药品、手术方案。
7.如权利要求4所述的基于语音诊疗数据的实时辅助诊疗方法,其特征在于,所述自定义实体关系类型包括但不限于:位于、导致、证明、使用、实施。
8.如权利要求1所述的基于语音诊疗数据的实时辅助诊疗方法,其特征在于,所述诊疗信息包括但不限于:病历实时生成内容、诊断参考建议,误诊风险提示、药品和手术方案分析结果。
9.一种基于语音诊疗数据的实时辅助诊疗***,其特征在于,包括:
数据收集模块,通过语音收集设备收集语音诊疗数据;
数据上传模块,将所述语音诊疗数据上传至服务器***;
数据处理模块,上传后通过ASR引擎将所述语音诊疗数据转写为文本数据;
***搭建模块,基于所述文本数据搭建实时辅助诊疗***;
输出模块,通过所述实时辅助诊疗***输出诊疗信息和收集实时语音诊疗数据;
优化模块,使用所述诊疗信息和所述实时语音诊疗数据对所述实时辅助诊疗***进行循环迭代优化。
10.如权利要求9所述的基于语音诊疗数据的实时辅助诊疗***,其特征在于,所述数据上传模块具体包括:
传输单元,将所述语音诊疗数据通过蓝牙实时传输至采集站设备;
上传单元,所述采集站设备将所述语音诊疗数据上传至所述服务器***。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110074182.7A CN112802598A (zh) | 2021-01-20 | 2021-01-20 | 基于语音诊疗数据的实时辅助诊疗方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110074182.7A CN112802598A (zh) | 2021-01-20 | 2021-01-20 | 基于语音诊疗数据的实时辅助诊疗方法及*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112802598A true CN112802598A (zh) | 2021-05-14 |
Family
ID=75810640
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110074182.7A Withdrawn CN112802598A (zh) | 2021-01-20 | 2021-01-20 | 基于语音诊疗数据的实时辅助诊疗方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112802598A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113761899A (zh) * | 2021-09-07 | 2021-12-07 | 卫宁健康科技集团股份有限公司 | 一种医疗文本生成方法、装置、设备及存储介质 |
CN113821053A (zh) * | 2021-09-28 | 2021-12-21 | 中国民航大学 | 一种基于语音识别和关系抽取技术的飞行辅助方法和*** |
-
2021
- 2021-01-20 CN CN202110074182.7A patent/CN112802598A/zh not_active Withdrawn
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113761899A (zh) * | 2021-09-07 | 2021-12-07 | 卫宁健康科技集团股份有限公司 | 一种医疗文本生成方法、装置、设备及存储介质 |
CN113821053A (zh) * | 2021-09-28 | 2021-12-21 | 中国民航大学 | 一种基于语音识别和关系抽取技术的飞行辅助方法和*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109920501B (zh) | 基于卷积神经网络和主动学习的电子病历分类方法及*** | |
US10784000B2 (en) | Medical system interface apparatus and methods to classify and provide medical data using artificial intelligence | |
CN110111887A (zh) | 临床辅助决策方法及装置 | |
CN106919793B (zh) | 一种医疗大数据的数据标准化处理方法及装置 | |
CN111710420B (zh) | 一种基于电子病历大数据的并发症发病风险预测方法、***、终端以及存储介质 | |
CN107038336A (zh) | 一种电子病历自动生成方法及装置 | |
CN108766561B (zh) | 病症信息处理方法、装置、计算机设备和存储介质 | |
CN113241135A (zh) | 一种基于多模态融合的疾病风险预测方法和*** | |
KR20170061222A (ko) | 건강데이터 패턴의 일반화를 통한 건강수치 예측 방법 및 그 장치 | |
JP2018060529A (ja) | コンテキストベースの患者類似性の方法及び装置 | |
CN111933291A (zh) | 医疗信息推荐装置、方法、***、设备及可读存储介质 | |
CN112802598A (zh) | 基于语音诊疗数据的实时辅助诊疗方法及*** | |
CN112466462B (zh) | 一种基于图深度学习的emr信息关联及演化方法 | |
CN111833984A (zh) | 基于机器学习的药品质控分析方法、装置、设备及介质 | |
KR20170064960A (ko) | 파동신호를 활용한 질병 진단 장치 및 그 방법 | |
CN110070929A (zh) | 一种针对房颤单病种数据的采集和清洗方法 | |
CN113539414A (zh) | 一种抗生素用药合理性预测方法及*** | |
WO2023110477A1 (en) | A computer implemented method and a system | |
CN113450905A (zh) | 医疗辅助诊断***、方法及计算机可读存储介质 | |
WO2020004556A1 (ja) | 患者アセスメント支援装置、患者アセスメント支援方法、記録媒体 | |
CN112071431B (zh) | 基于深度学习和知识图谱的临床路径自动生成方法及*** | |
CN117877660A (zh) | 基于语音识别的医学报告获取方法及*** | |
CN115547502B (zh) | 基于时序数据的血透病人风险预测装置 | |
CN112259243A (zh) | 一种基于双向GRUs的单病种临床路径构建方法及*** | |
CN108831560B (zh) | 一种确定医疗数据属性数据的方法和装置 |
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 | ||
WW01 | Invention patent application withdrawn after publication | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20210514 |