一种基于大数据智能问诊系统的工作方法与流程

本发明涉及医疗诊断技术领域，更具体地说，涉及一种基于大数据智能问诊系统的工作方法。

背景技术：

随着互联网时代的发展，加上现在医院资源紧缺，排队挂号需要大量时间，患者越来越多习惯于在网上寻医问诊，提问医生疾病相关问题。由于患者对医疗知识不了解，对于病情的表述往往不清楚、不准确，导致很多疾病的描述让医生无法理解，对于病情判断失误，不能准确确诊。

技术实现要素：

本发明为了解决上述问题，提出一种基于大数据智能问诊系统的工作方法、系统，解决了由于患者对医疗知识不了解，对于病情的表述往往不清楚、不准确，导致很多疾病的描述让医生无法理解，对于病情判断失误，不能准确确诊的问题。

为实现上述目的，本发明提供一种基于大数据智能问诊系统的工作方法，包括：

s1、医生资格认证

s11、由医院授权医生，开通网上咨询问诊服务。

s12、ca公司，对于医生提交的相关证明材料进行认证，通过认证后，发放电子证书。

s13、医生获得检查、检验、开处方的权限，开始咨询服务。

s2、患者问诊

s21、患者开始问诊前，通过移动终端设备输入主诉，可以使用图文、录制视频的方式提问，所述终端设备为智能手机、平板电脑等，所述移动终端设备中安装本发明的问诊服务软件。

s22、所述问诊服务软件根据患者填写的主诉内容并发送至服务器，本发明从所述服务器中或医生终端中获取问诊问题，并将患者主诉的描述转换成医生可以理解的医学术语，准确的定位疾病。

s23、准备筛选符合患者要求的医生。

s24、将患者和对应的医生进行匹配，将候选医生列出，由患者挑选。

s25、支付成功后，开始服务，服务方式为图文、电话、视频等，时间为12小时，到时间后自动结束服务；若支付失败，则终止服务。

s3、支付模块

s31、交易接口根据待缴费信息的支付请求生成订单信息。

s32、交易接口将订单信息发送至支付平台，生成支付流水号，支付完成后将金额和订单、流水发送给医院方。

s33、由医院方对医生进行收入分成。

优选方式下，步骤s22中所述转换的医生可以理解的医学术语，是通过对比大量其他病人的历史病历数据和患者本人的历史病历数据进行机器训练得到的，即根据对所述历史病历数据的统计确定出和所述问诊问题最接近的相关描述的病例情况及诊断情况，提取所述问诊问题中的语义特征与相应的医学术语进行配对，并对症状情况中语义特征包含程度的语句，根据严重程度进行优先级排序。

优选方式下，所述机器训练，包括医疗问诊数据库及问句语义特征表示与语义挖掘，所述语义特征包括病灶位置、疼痛程度、连带因素、外界因素、发病原因、发病时间等。

优选方式下，所述问句语义特征表示与语义挖掘的具体方法是通过神经网络提取所述主诉中的内在特征和病理情况，挖掘所述主诉中的语义特征，神经元计算特征表示，输出为神经元经过机器训练后的特征向量，所述神经网络包括卷积神经网络、递归神经网络等。

优选方式下，所述机器训练的数据还包括将诊疗指南、医疗文献、医疗案例等。

优选方式下，所述电子证书包括医生的职业资格证书，相关个人信息，医院在职证明等，所述相关个人信息包括其毕业院校、学历、支撑、研究方向和学术成果等。

本发明基于大数据平台，通过数据的不断积累会进一步提高数据分析的准确性，相比现有技术的互联网问诊准确性提高70％。本发明根据数据的逻辑运算不断扩充新的分析词汇和逻辑算法，极大的提高患者问诊效率，使问诊效率相比现有技术提升95％，降低了患者和医生间沟通成本。

附图说明

图1是本发明具体步骤流程示意图。

具体实施方式

下面结合说明书附图和具体实施例对本发明作进一步解释和说明。对于本发明实施例中的步骤编号，其仅为了便于阐述说明而设置，对步骤之间的顺序不做任何限定，实施例中的各步骤的执行顺序均可根据本领域技术人员的理解来进行适应性调整。

如图1所示，一种基于大数据智能问诊系统的工作方法，包括以下步骤：

1、医生资格认证。

(1)由医院授权医生，开通网上咨询问诊服务。

(2)ca公司，对于医生提交的相关证明材料进行认证，通过认证后，发放电子证书。所述电子证书包括医生的职业资格证书，相关个人信息，医院在职证明等，所述相关个人信息包括其毕业院校、学历、支撑、研究方向和学术成果等。

(3)医生获得检查、检验、开处方的权限，开始咨询服务。

2、患者问诊。

(1)患者开始问诊前，通过移动终端设备输入主诉，可以使用图文、录制视频的方式提问，所述终端设备为智能手机、平板电脑等，所述移动终端设备中安装本发明的问诊服务软件。

(2)所述问诊服务软件根据患者填写的主诉内容并发送至服务器，本发明从所述服务器中或医生终端中获取问诊问题，并通过大数据云计算的方式将患者主诉的描述转换成医生可以理解的医学术语，准确的定位疾病。

本发明所述转换的医生可以理解的医学术语，是通过大数据云计算对比大量其他病人的历史病历数据和患者本人的历史病历数据进行机器训练得到的，即根据对所述历史病历数据的统计确定出和所述问诊问题最接近的相关描述的病例情况及诊断情况，提取所述问诊问题中的语义特征与相应的医学术语进行配对，并对症状情况中语义特征包含程度的语句，根据严重程度进行优先级排序，以此来提升疾病描述的准确率及各症状情况的优先级。大数据云计算训练和对比的数据还包括将诊疗指南、医疗文献、医疗案例等。

(3)准备筛选符合患者要求的医生。

(4)将患者和对应的医生进行匹配，将候选医生列出，由患者挑选。

(5)支付成功后，开始服务，服务方式为图文、电话、视频等，时间为12小时，到时间后自动结束服务；若支付失败，则终止服务。

3、支付。

(1)交易接口根据待缴费信息的支付请求生成订单信息。

(2)交易接口将订单信息发送至支付平台，生成支付流水号，支付完成后将金额和订单、流水发送给医院方。

(3)由医院方对医生进行收入分成。

本发明还包括在问诊结束后，患者得到的诊断结果的重点及关键的内容会特别标注，以防止患者疏忽遗漏查看。

本发明的问诊问题包括病灶位置、疼痛程度、连带因素、外界因素、发病原因、发病时间等。进过所述大数据云计算的方式将患者的描述转换成医生可以理解的医学术语后，方便医生查看并指导后续的问诊方向和问诊重点。对于患者重要的问题，尤其是病症的关键部分，可以从不同的角度进行多次询问，确保不被遗漏、误诊。所述问诊信息具体包括图文、电话、视频等，在此处不做限定。具体的语音输入可以是录音文件，也可以由移动终端自带的语音软件转化为文字。具体的照片可以按照要求插入相关问诊问题的指定位置，也可以现场拍照以及图片的编辑、标注，并且将反馈实时发送给患者查验和纠正。

所述大数据云计算的方式以及机器训练，包括医疗问诊数据库，问句语义特征表示与语义挖掘。所述医疗问诊数据库由医院及互联网收集，进行录入。所述问句语义特征表示与语义挖掘，本发明采用神经网络提取所述主诉中的内在特征和病理情况，挖掘所述主诉中的语义特征和问答意图，所述语义特征包括病灶位置、疼痛程度、连带因素、外界因素、发病原因、发病时间等。具体方法是：神经元自动计算特征表示，输出为神经元学习后的特征向量，所述神经网络包括卷积神经网络、递归神经网络等，本发明不限于某一种特定的网络。

以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明披露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。