一种基于ANN的智能评估分诊系统及方法与流程

一种基于ann的智能评估分诊系统及方法
技术领域
1.本发明涉及智能医疗技术领域，尤其涉及一种基于ann的智能评估分诊系统及方法。


背景技术：

2.当今医院已经部署了分诊用的机器人，这些机器人能够在数据方面连接到医院的中央服务器，但是目前机器人并没有从中央服务器获取地图数据的需求，也没有布置相应任务。目前分诊机器人集中于以语音引导的方式将病人引向适当窗口，医院核心服务工作仍然交由护士或医院工作人员来完成。对于人员密集程度很高的挂号窗口而言，这些机器人并没有起到应有的分流作用，一方面因为挂号是由专用设备完成的，另一方面因为医院的科室分布很远，挂号之后的具体位置仍然需要依赖人员或标牌的引导，所以机器人除了提供了一种新颖的信息提供方式之外，并不能减少院内拥堵和人员不平衡的问题。目前已经有通过机器人向用户提供方向指引的技术方案，可惜这些机器人以方向指引为主，或者给予笼统描述，即便能够通过自身屏幕显示地图，用户也会因身在此山中而不知所踪。
3.例如，公开号为cn108877921b的中国专利文献公开了一种智能评估分诊方法和系统。该智能评估分诊方法，包括：从用户信息中抽取与疾病相关的症状和体征作为候选因素信息；根据候选因素信息，从医学文献中获取与症状相关的多种疾病以及治疗措施作为鉴定知识信息；将鉴定知识信息与候选因素信息进行匹配；重复上述步骤，直到确定疾病所属科室或者用户信息已抽取并匹配完毕，返回分诊结果。该方法和系统通过分析和用户的交互内容，从医学文献或者其他医学数据中发现相关知识和规律从而形成鉴定知识信息的医学证据，进而分析用户的患病情况并给出相关建议。从而达到根据用户的主要症状及体征，匹配出可能的疾病及其隶属专科，并推荐有效的就诊的科室或就医路径的目的。但是，该发明仍存在以下技术不足：由于用户(例如患者)进入医院后更多面对自助设备进行分诊操作，当用户被所述发明的智能评估分诊系统分诊之后，该系统不能向用户给出去往相应诊室所需时间长度和/或等候长度。此时有些病患因熟悉院内情况可以自行前往相应诊室；对于不熟悉院内情况或行动受限的人员(例如需要搭乘转运车或病床前往诊室的人员)而言，至少需要结合医院内的医院二维地图布局来确定合理的行进路线。然而实际情况可能还更为复杂，这是因为院内存在大量突发情况(例如道路封闭、电梯管控等)，所以需要分诊系统具有更为灵活的配置方式，尤其是在中央服务器的全局数据预测支持下。而在该发明中也并未涉及相应的技术手段将医院内的临时道路变化情况反映至用户的手持设备或推荐路线之中；此外，更重要的是医院的中央数据库也不可能实时地对医院内的道路的通断情况进行实时监控并对该医院所对应的二维以及三维数据进行实时地更新，进而可能造成基于所提供已包含失效信息在内的行进路线而无法找到就诊的科室或者无法实现应有的导诊作用。因此针对现有技术的不足有必要进行改进。
4.此外，一方面由于对本领域技术人员的理解存在差异；另一方面由于申请人做出本发明时研究了大量文献和专利，但篇幅所限并未详细罗列所有的细节与内容，然而这绝
非本发明不具备这些现有技术的特征，相反本发明已经具备现有技术的所有特征，而且申请人保留在背景技术中增加相关现有技术之权利。


技术实现要素：

5.由于用户(例如患者)进入医院后更多面对自助设备进行分诊操作，当用户被现有技术的评估分诊系统分诊之后，分诊系统不能向用户给出去往相应诊室所需时间长度和/或等候长度。此时有些病患因熟悉院内情况可以自行前往相应诊室；对于不熟悉院内情况或行动受限的人员(例如需要搭乘转运车或病床前往诊室的人员)而言，至少需要结合医院内的医院二维地图布局来确定合理的行进路线。然而实际情况可能还更为复杂，这是因为院内存在大量突发情况(例如道路封闭、电梯管控等)，所以需要分诊系统具有更为灵活的配置方式，尤其是在中央服务器的全局数据预测支持下。
6.针对现有技术之不足，本发明提供一种基于ann的智能评估分诊系统及方法。所述智能评估分诊系统至少包括智能评估分诊模块、中央服务器和智能手持设备。
7.智能评估分诊模块被配置为能够与用户进行交互以获取所述用户的主要症状及体征以生成分诊信息。
8.智能手持设备能够与所述智能评估分诊模块数据连接，以获取所述分诊信息。所述智能评估分诊模块能够根据其对所述患者的初步诊断而确定疾病来确定其在与所述分诊信息相对应的医院内二维地图上的行进路线，并将所述二维地图的所述行进路线提供给所述用户的智能手持设备。
9.其中，“将所述二维地图的所述行进路线提供给所述用户的智能手持设备”包括：由所述中央服务器根据与之数据连接的监控摄像头所提供的人员密集程度信息而确定与二维地图的所述行进路线所对应的预测行经时间信息，其中，所述预测行经时间信息是由所述中央服务器结合其与医院二维地图布局对应的三维数据库所确定的至少包含步行时间和等候时间来修订的。
10.通过该配置方式，由于位于医院特定位置的智能评估分诊模块可以自行根据医院二维地图布局来确定初始预测行经时间信息，因此涉及保密的医院地图数据仅暂时发送并存储于用户的智能手持设备(即在用户当次通过智能手持设备使用初始预测行经时间信息完毕之后，智能手持设备上关于当次用户的预测行经时间信息等敏感信息会被删除)，进而符合相关监管法规的规定。此外，考虑到医院中央服务器运算能力有限，仅在智能手持设备给出患者需要导航的情况下，智能手持设备才通过智能评估分诊模块将初始预测行经时间信息提供给中央服务器，以便于由所述中央服务器结合其与对应的三维数据库所确定的至少包含步行时间和等候时间来修订初始预测行经时间信息，进而得到可提供给患者的预测行经时间信息，以便由其根据院内动态情况来确定用户的行进路线。
11.所述智能评估分诊模块在数据方面连接于医院的中央服务器，以从其获取与医院二维地图布局有关的数据。
12.所述智能评估分诊模块能够与用户的智能手持设备进行数据交互，所述智能手持设备响应于在所述智能评估分诊模块的登记而得到从所述中央服务器获取数据的权限。
13.所述中央服务器具有与医院二维地图布局对应的三维数据库，以允许所述智能手持设备经由所述智能评估分诊模块从其获取与所述医院二维地图布局对应的三维模型，并
且所述三维模型是以流视频的方式推送给所述智能手持设备的。
14.与所述预测行经时间信息相关的等候时间至少包括：由所述中央服务器根据与之连接的监控摄像头根据其所连接的必经路径之中的监控摄像头所确定的候梯时间以及所述监控摄像头根据所述诊疗设备所确定的疾病所对应的治疗诊室所对应的监控摄像头所确定的候诊时间。
15.其中，与所述预测行经时间信息相关的步行时间至少包括：由所述中央服务器根据与之连接的监控摄像头根据其所连接的必经路径之中的监控摄像头所确定的人员密集程度信息而计算得出的所述用户的平均行进速度推算得出。
16.与所述医院二维地图布局对应的三维模型是以vr的方式经由所述用户的智能手持设备而在用户所佩戴的vr设备上展示的。所述中央服务器允许所述智能手持设备经由所述智能评估分诊模块从所述中央服务器获取所述医院二维地图和与所述医院二维地图布局对应的三维模型，以将预测行经时间信息在vr设备上连同三维地图一并展示给持有所述智能手持设备的用户。
17.在所述智能评估分诊模块在与用户进行交互以获取所述用户的主要症状及体征以生成分诊信息之时，所述智能评估分诊模块根据医院二维地图布局来确定初始预测行经时间信息。在所述智能手持设备确认需要进行导航的情况下，所述智能评估分诊模块将所述初始预测行经时间信息提供给所述中央服务器。
18.所述初始预测行经时间信息为与所述中央服务器数据连接的智能评估分诊模块结合其与医院二维地图布局在医院二维地图上确定用户经过从所述用户的智能手持设备所提供的实时位置与智能评估分诊模块所确定的分诊信息所对应的目标科室之间的初始行进路线所需的步行时间。
19.根据一种优选的实施方式，用户能够通过智能手持设备向所述智能评估分诊模块发送获取在医院二维地图上与所述初始行进路线所对应的局部二维截图的数据请求。所述局部二维截图为医院二维地图布局包含初始行进路线的局部。所述局部二维截图至少包括用户由智能手持设备的实时定位地点至分诊信息所对应的目标科室之间的初始行进路线沿途由实时定位地点依次指向目标科室的主要建筑物的标识名。
20.通过该配置方式，可以通过智能评估分诊模块向多数仅需在同一楼层/平面区域内进行转移的用户直接通过向用户的智能手持设备发送与分诊信息所对应的初始行进路线的局部二维截图，即智能评估分诊模块通过用户的智能手持设备仅发送包括用户由智能手持设备的实时定位地点(如医院入口)至分诊信息所对应的目标科室之间的初始行进路线沿途由实时定位地点依次指向目标科室的主要标识，以替代依靠三维视频流来进行导航的方式，从而避免频繁地向中央服务器请求整个医院的二维模型数据或者三维模型数据而加重中央服务器的数据处理负担。
21.由于医院二维地图布局对应的三维数据库的数据量极大，若每次用户通过智能手持设备通过所述智能评估分诊模块向所述中央服务器发出进一步地修订请求时中央服务器都把整个医院的三维模型发送至用户的智能手持设备，一方面智能手持设备的数据存储及处理能力非常有限而无法在短时间内加载与所述医院二维地图布局对应的整个三维模型的流视频，另一方面对于特殊人群(例如老年人或者在复杂建筑物内方向感较弱的人而言)若将整个医院的流视频推送给用户，则势必会造成该类特殊人群的方向感的进一步错
乱并加重了用户的识别行径路线的负担(例如除了将医院二维地图布局中医院入口至ct室沿途所行径的由医院入口指向目标科室(如ct室)所必经的一楼导诊台、一楼缴费窗口、a区走廊至最终的目的地展示出来，还将整个第一急诊楼的第一层的其他无关建筑布局也展示给用户，势必会造成用户识别行进路线的负担)。
22.因此，特别优选地，在用户通过智能手持设备通过所述智能评估分诊模块向所述中央服务器发出获取所述医院二维地图布局对应的三维模型上与所述初始行进路线所对应的局部三维模型的数据请求时，所述智能评估分诊模块将与所述分诊信息所对应位于医院二维地图布局的局部二维截图发送至所述中央服务器，以使得所述中央服务器仅调取与所述局部二维截图相关联的局部三维模型并将所述局部三维模型发送至所述智能手持设备。
23.局部三维模型为所述医院二维地图布局对应的三维模型的局部，其中，所述局部三维模型至少包括在医院二维地图布局对应的三维数据库中用户由智能手持设备的实时定位地点至分诊信息所对应的目标科室之间的初始行进路线沿途由实时定位地点依次指向目标科室的主要建筑物的三维模型。
24.通过该配置方式，无法通过局部二维截图而快速地找到目标科室的用户可以通过智能手持设备经智能分诊模块向中央服务器请求发送局部三维模型的请求，从而一方面可以避免向用户发送与局部二维截图所对应的行进路线不相关的三维模型而加重用户识别行进路线的负担的同时也降低了中央服务器所需对医院二维地图布局对应的三维数据库处理并发送给智能手持设备的数据量。
25.由于医院内时常会进行各种基础设施(诸如道路的升级、绿化设施的施工等而采取各种临时道路封闭或管控措施)进而导致一方面现有技术中自动导诊设备等无法根据实时的道路通断情况进行及时地调整用户的行进路线信息，另一方面即使存在能够实时自动导航的设备或装置，也会由于购置成本普遍较高而使得绝大多数医院不愿为了解决医院内人群流动的顺畅而花费过多的投资成本。
26.特别优选地，与所述中央服务器数据连接的监控摄像头能够实时地获取与所述二维地图的所述行进路线所对应的路线实时信息，其中，所述路线实时信息至少包括能够被与所述中央服务器数据连接的监控摄像头所识别的状态转换组件，以使得与所述监控摄像头数据连接的所述中央服务器能够实时地识别所述行进路线的道路变更状态。
27.与行进路线中道路变更状态相对应的状态转换组件能够由与中央服务器数据连接的监控摄像头获取并识别，以将所述状态转换组件所代表的状态变更信息发送至与监控摄像头数据连接的中央服务器。
28.中央服务器能够实时地获取并基于与中央服务器数据连接的监控摄像头获取并识别的状态变更信息对用户的行进路线进行更新，以避免由与医院内的临时道路变化而迟滞或影响对用户的正常引导功能。
29.通过该配置方式，中央服务器能够通过用户的智能手持设备实时地向所述用户提供所述医院(例如与分诊信息所对应的医院)全时段的人员分布态势信息而提升所述用户行走在所述行进路线上的就诊体验舒适度(例如，向用户提供多种人员密集程度较少的行进路线)的同时，与所述医院内的其他装置(例如车辆/自动机器人/自动诊疗设备)产生数据交互而合理配置其他装置(例如车辆/自动机器人/自动诊疗设备)的运行状态(例如指引
其他装置合理规避人员的密集程度较大的通道)，和/或提升所述医院应对各种紧急情况(例如所述医院内临时封闭道路、大型急诊事故就诊现场对各急诊绿色生命通道的畅通性的客观需求)的应急保障能力和实时调整所述用户、其他装置以及医院本身三者之间的动态布局。
30.简而言之，本发明的技术方案能够利用医院现有的中央服务器和各类监控摄像头/探头等对医院内的人群流动、车辆流动(尤其时临时的道路封闭等变化情况)进行快速地识别，(例如医院甲的某个用于进出用户的步行通道由于升级该医院的绿化设施而被临时封闭)，而在中央服务器所传输至用户的手持设备中的行进路线并不能及时地将这一临时道路变化情况反映至用户的手持设备之上；此外，更重要的是中央数据库也不可能实时地对医院内的道路的通断情况进行实时监控并对该医院所对应的二维以及三维数据进行实时地更新，进而可能造成基于所提供已包含失效信息在内的行进路线而无法找到就诊的科室、更无法实现应有的导诊作用。而通过本发明的技术方案，中央服务器可以通过医院现有的监控摄像头以及监控摄像头能够识别的与临时道路状态变化相对应的状态变换组件而实时地获取用户行进路线中由于临时的道路管控而发生变化的道路区域，进而中央服务器通过所述摄像头获取所述由于临时的道路管控而发生变化的道路区域，并在用户的行进路线上删除或者重新恢复由于临时的道路管控而发生变化的道路区域的在二维或者三维中的行进路线中的显示。
附图说明
31.图1是本发明提供的一种优选实施方式的简化模块连接关系示意图。
32.附图标记列表
33.1：智能评估分诊模块；2：智能手持设备；3：中央服务器。
具体实施方式
34.下面结合附图进行详细说明。
35.如图1示出一种智能评估分诊系统。所述智能评估分诊系统至少包括智能评估分诊模块1、中央服务器3和智能手持设备2。
36.智能评估分诊模块1被配置为能够与用户进行交互以获取所述用户的主要症状及体征以生成分诊信息。
37.优选地，分诊信息可以包括但不限于：用户所需前往的医院/医生、与用户的疾病相对应的就诊科室/检验科室等。
38.智能手持设备2能够与所述智能评估分诊模块1数据连接，以获取所述分诊信息。
39.所述智能评估分诊模块1能够根据其对所述患者的初步诊断而确定疾病来确定其在与所述分诊信息相对应的医院内二维地图上的行进路线，并将所述二维地图的所述行进路线提供给所述用户的智能手持设备2。
40.其中，“将所述二维地图的所述行进路线提供给所述用户的智能手持设备2”包括：由所述中央服务器3根据与之数据连接的监控摄像头所提供的人员密集程度信息而确定与二维地图的所述行进路线所对应的预测行经时间信息，其中，所述预测行经时间信息是由所述中央服务器3结合其与医院二维地图布局对应的三维数据库所确定的至少包含步行时
间和等候时间来修订的。
41.所述智能评估分诊模块1在数据方面连接于医院的中央服务器3，以从其获取与医院二维地图布局有关的数据。
42.所述智能评估分诊模块1能够与用户的智能手持设备2进行数据交互，所述智能手持设备2响应于在所述智能评估分诊模块1的登记而得到从所述中央服务器3获取数据的权限。
43.所述中央服务器3具有与医院二维地图布局对应的三维数据库，以允许所述智能手持设备2经由所述智能评估分诊模块1从其获取与所述医院二维地图布局对应的三维模型，并且所述三维模型是以流视频的方式推送给所述智能手持设备2的。
44.优选地，所述中央服务器3能够从网络获取所述智能分诊评估模块所推荐的目标医院所对应的基础数据，并基于所述基础数据构建所述目标医院的三维数据库。
45.与所述预测行经时间信息相关的等候时间至少包括：由所述中央服务器3根据与之连接的监控摄像头根据其所连接的必经路径之中的监控摄像头所确定的候梯时间以及所述监控摄像头根据所述诊疗设备所确定的疾病所对应的治疗诊室所对应的监控摄像头所确定的候诊时间。
46.与所述预测行经时间信息相关的步行时间至少包括：由所述中央服务器3根据与之连接的监控摄像头根据其所连接的必经路径之中的监控摄像头所确定的人员密集程度信息而计算得出的所述用户的平均行进速度推算得出。
47.优选地，平均行进速度能够由中央服务器3从各监控摄像头所监控的画面所作出的统计直接计算得出，进而用于计算步行时间。例如，当监控摄像头所监控的画面没有人员时，平均行进速度为一百米/分钟；当监控摄像头所监控的画面聚集二十个人员时，平均行进速度为九十米/分钟；当监控摄像头所监控的画面聚集五十个人员时，平均行进速度为六十米/分钟。
48.同理，候梯时间与候诊时间也可以基于上述统计方法直接得出，故此处不再赘述。
49.优选地，等候时间可以为候梯时间与候诊时间之和。
50.优选地，密集程度信息为单位时间内出现于某监控摄像头的监控画面内的人员或其他特定装置的数量。例如，人员密集程度信息为单位时间内出现于某监控摄像头的监控画面内的人员的数量；车辆密集程度信息为单位时间内出现于某监控摄像头的监控画面内的车辆的数量。
51.优选地，与所述医院二维地图布局对应的三维模型是以vr的方式经由所述用户的智能手持设备2而在用户所佩戴的vr设备上展示的。
52.优选地，所述中央服务器3允许所述智能手持设备2经由所述智能评估分诊模块1从所述中央服务器3获取所述医院二维地图和与所述医院二维地图布局对应的三维模型，以将预测行经时间信息在vr设备上连同三维地图一并展示给持有所述智能手持设备2的用户。
53.所述智能手持设备2或中央服务器3能够获取所述医院的处于初始行进路线上的监控摄像头至少以第一时间为起始的进入/离开医院人群的密集程度信息、进入/离开医院的车辆的密集程度信息，并基于所述进入/离开医院人群的密集程度信息、进入/离开医院的车辆的密集程度信息对所述离开路线进行进一步地规划。
54.第一时间为智能分诊模块完成提供初始行进路线时的时间戳。
55.初始行进路线为用户所手持的智能手持设备2的实时定位的位置至分诊信息所对应的目标科室的之间最短的路线。
56.所述进一步地规划的步骤包括：
57.在所述诊疗设备或中央服务器3在所述初始行进路线中所对应的多个监控摄像头所监控的进入/离开医院人群的的密集程度信息、进入/离开医院车辆的的密集程信息度均小于密集程度阈值的情况下，所述诊疗设备或中央服务器3选定初始行进路线为当次可实施的路径；
58.在所述诊疗设备或中央服务器3在所述初始行进路线中所对应的至少一个监控摄像头所监控的进入/离开医院人群的的密集程度信息、进入/离开医院车辆的密集程度信息高于密集程度阈值的情况下，若所述诊疗设备或中央服务器3在所述初始行进路线中所对应的所有监控摄像头所得出的步行时间与等候时间的总和低于所述诊疗设备或中央服务器3在所述备用路径中所对应的所有监控摄像头所得出的步行时间与等候时间的总和，所述诊疗设备或中央服务器3仍选定初始行进路线为当次可实施的路径；
59.若所述诊疗设备或中央服务器3在所述初始行进路线中所对应的所有监控摄像头所得出的步行时间与等候时间的总和高于所述诊疗设备或中央服务器3在所述备用路径中所对应的所有监控摄像头所得出的步行时间与等候时间的总和，所述诊疗设备或中央服务器3选定备用路径为当次可实施的路径。
60.优选地，密集程度阈值可以由医院运营方基于各监控摄像头所在区域的实际人员和装置流动记录而设置。例如，密集程度阈值可以为每分钟二十人。
61.通过该配置方式，由于位于医院特定位置的智能评估分诊模块可以自行根据医院二维地图布局来确定初始预测行经时间信息，因此涉及保密的医院地图数据仅暂时发送并存储于用户的智能手持设备(即在用户当次通过智能手持设备使用初始预测行经时间信息完毕之后，智能手持设备上关于当次用户的预测行经时间信息等院方的敏感数据信息会被删除)，进而符合相关监管法规的规定。此外，考虑到医院中央服务器运算能力有限，仅在智能手持设备给出患者需要导航的情况下，智能手持设备才通过智能评估分诊模块将初始预测行经时间信息提供给中央服务器，以便于由所述中央服务器结合其与对应的三维数据库所确定的至少包含步行时间和等候时间来修订初始预测行经时间信息，进而得到可提供给患者的预测行经时间信息，以便由其根据院内动态情况来确定用户的行进路线。
62.在所述智能评估分诊模块1在与用户进行交互以获取所述用户的主要症状及体征以生成分诊信息之时，所述智能评估分诊模块1根据医院二维地图布局来确定初始预测行经时间信息。在所述智能手持设备2确认需要进行导航的情况下，所述智能评估分诊模块1将所述初始预测行经时间信息提供给所述中央服务器3。
63.根据一种优选的实施方式，在所述智能评估分诊模块1在与用户进行交互以获取所述用户的主要症状及体征以生成分诊信息之时，所述智能评估分诊模块1根据医院二维地图布局来确定初始预测行经时间信息。在所述智能手持设备2确认需要进行导航的情况下，所述智能评估分诊模块1将所述初始预测行经时间信息提供给所述中央服务器3。
64.根据一种优选的实施方式，所述初始预测行经时间信息为与所述中央服务器3数据连接的智能评估分诊模块1结合其与医院二维地图布局在医院二维地图上确定用户经过
从所述用户的智能手持设备2所提供的实时位置与智能评估分诊模块1所确定的分诊信息所对应的目标科室之间的初始行进路线所需的步行时间。
65.根据一种优选的实施方式，用户能够通过智能手持设备2向所述智能评估分诊模块1发送获取在医院二维地图上与所述初始行进路线所对应的局部二维截图的数据请求。所述局部二维截图为医院二维地图布局包含初始行进路线的局部。所述局部二维截图至少包括用户由智能手持设备2的实时定位地点至分诊信息所对应的目标科室之间的初始行进路线沿途由实时定位地点依次指向目标科室的主要建筑物的标识名。
66.实时定位地点为持有智能手持设备2的用户的实时定位。比如实时定位地点可以为医院入口。
67.例如，主要建筑物的标识名可以包括但不限于：导诊台、第一缴费窗口、第二缴费窗口、胸部ct区、腹部超声区、第一洗手间、第一住院部等。
68.针对用户所需前往的目标科室与用户的智能手持设备2所提供的实时位置大致处于同一平面(比如同一栋楼宇的同一楼层)的情形，在智能评估分诊模块1接收到智能手持设备2所发送的获取在医院二维地图上与所述初始行进路线所对应的局部二维截图的数据请求时，智能评估分诊模块1能够将医院二维地图中用户前往所需的目标科室的局部二维地图截取出来，并发送至该用户的智能手持设备2。局部二维截图至少包括用户由智能手持设备2的实时定位地点至分诊信息所对应的目标科室之间的初始行进路线沿途由实时定位地点依次指向目标科室的主要建筑物的标识名。
69.比如，某用户的目标科室为ct室，智能评估分诊模块1能够将医院二维地图中从医院入口至ct室沿途所行径的主要标志物由医院入口指向目标科室(如ct室)所必经的一楼导诊台、一楼缴费窗口、a区走廊至最终的目的地(a区走廊尽头的与a区相连通的b区的ct室)。
70.通过该配置方式，可以通过智能评估分诊模块1向多数仅需在同一楼层/平面区域内进行转移的用户直接通过向用户的智能手持设备2发送与分诊信息所对应的初始行进路线的局部二维截图，即智能评估分诊模块1通过用户的智能手持设备2仅发送包括用户由智能手持设备2的实时定位地点(如医院入口)至分诊信息所对应的目标科室之间的初始行进路线沿途由实时定位地点依次指向目标科室的主要标识，以替代依靠三维视频流来进行导航的方式，从而避免频繁地向中央服务器3请求整个医院的二维模型数据或者三维模型数据而加重中央服务器3的数据处理负担。
71.根据一种优选的实施方式，在用户通过智能手持设备2通过所述智能评估分诊模块1向所述中央服务器3发出获取所述医院二维地图布局对应的三维模型上与所述初始行进路线所对应的局部三维模型的数据请求时，所述智能评估分诊模块1将与所述分诊信息所对应位于医院二维地图布局的局部二维截图发送至所述中央服务器3，以使得所述中央服务器3仅调取与所述局部二维截图相关联的局部三维模型并将所述局部三维模型发送至所述智能手持设备2。
72.局部三维模型为所述医院二维地图布局对应的三维模型的局部。所述局部三维模型至少包括在医院二维地图布局对应的三维数据库中用户由智能手持设备2的实时定位地点(如医院入口)至分诊信息所对应的目标科室之间的初始行进路线沿途由实时定位地点依次指向目标科室的主要建筑物的三维模型。
73.针对手持智能手持设备2的用户所需前往的目标科室与该智能手持设备2的实时位置不处于同一平面(比如同一栋楼宇的同一楼层)的情形：在智能评估分诊模块1接收到智能手持设备2所发送的获取所述医院二维地图布局对应的三维模型上与所述初始行进路线所对应的局部三维模型的数据请求时，所述智能评估分诊模块1将与所述分诊信息所对应位于医院二维地图布局的局部二维截图发送至所述中央服务器3。
74.局部二维截图可以包括多个不处于同一平面或楼层的二维截图。
75.中央服务器3能够分别接收包括多个不处于同一平面或楼层的二维截图的局部二维截图。
76.中央服务器3能够分别调取医院二维地图布局对应的三维模型中与单个局部二维截图所对应的局部三维模型。
77.例如，某用户的目标科室为ct室且该ct位于第一急诊楼的第三层的a区走廊的尽头，然而此时手持智能手持设备2的用户的实时定位在第一急诊楼的第一层的入口。
78.此时，该用户通过所手持的智能手持设备2向中央服务器3发出获取所述医院二维地图布局对应的三维模型上与所述初始行进路线所对应的局部三维模型的数据请求以及与初始行进路线所对应的局部二维截图。局部二维截图包括表示由第一急诊楼的第一层的入口前往第一急诊楼的电梯的第一局部二维截图和表示由第一急诊楼的电梯前往第一急诊楼的第三层的a区走廊的第二局部二维截图。
79.中央服务器3分别接收到与中央服务器3数据连接的智能手持设备2或智能评估分诊模块1所发出的获取所述医院二维地图布局对应的三维模型上与所述初始行进路线所对应的局部三维模型的数据请求。
80.中央服务器3基于第一局部二维截图和第二局部二维截图调取医院二维地图布局对应的三维数据库中与第一局部二维截图和第二局部二维截图分别对应的第一局部三维模型和第二局部三维模型。第一局部三维模型为仅包括第一急诊楼的第一层的入口前往第一急诊楼的电梯的路线上的主要建筑物的第一个三维模型。上述第一个三维模型可以为第一急诊楼的第一层的入口第一急诊楼的电梯所必经的一楼导诊台、一楼缴费窗口、a区走廊的三维模型。第二个三维模型的构建也是基于同样的实施方法，故不再赘述。
81.由于医院二维地图布局对应的三维数据库的数据量极大，若每次用户通过智能手持设备2通过所述智能评估分诊模块1向所述中央服务器3发出进一步地修订请求时中央服务器3都把整个医院的三维模型发送至用户的智能手持设备2，一方面智能手持设备2的数据存储及处理能力非常有限而无法在短时间内加载与所述医院二维地图布局对应的整个三维模型的流视频，另一方面对于特殊人群(例如老年人或者在复杂建筑物内方向感较弱的人而言)若将整个医院的流视频推送给用户，则势必会造成该类特殊人群的方向感的进一步错乱并加重了用户的识别行径路线的负担(例如除了将医院二维地图布局中医院入口至ct室沿途所行径的由医院入口指向目标科室(如ct室)所必经的一楼导诊台、一楼缴费窗口、a区走廊至最终的目的地展示出来，还将整个第一急诊楼的第一层的其他无关建筑布局也展示给用户，势必会造成用户识别行进路线的负担)。
82.通过该配置方式，无法通过局部二维截图而快速地找到目标科室的用户可以通过智能手持设备2经智能分诊模块向中央服务器3请求发送局部三维模型的请求，从而一方面可以避免向用户发送与局部二维截图所对应的行进路线不相关的三维模型而加重用户识
别行进路线的负担的同时也降低了中央服务器3所需对医院二维地图布局对应的三维数据库处理并发送给智能手持设备2的数据量。
83.优选地，智能手持设备2可以包括但不限于：医院内的自助设备、医院各科室的检查检验设备等。优选地，智能手持设备2可以包括但不限于：智能手环、vr眼镜、ar眼镜、智能手机等。
84.根据一个优选实施方式，所述智能评估分诊模块还能够包括候选因素分析子模块，所述候选因素分析子模块被配置为能够从用户信息中抽取与疾病相关的症状和体征作为候选因素信息。
85.根据一个优选实施方式，所述智能评估分诊模块还包括鉴定知识挖掘子模块，所述鉴定知识挖掘子模块，与所述候选因素分析子模块连接，被配置为能够根据所述候选因素信息，从医学文献中获取与症状相关的多种疾病以及治疗措施作为鉴定知识信息。
86.根据一个优选实施方式，所述智能评估分诊模块还包括匹配子模块，
87.所述匹配子模块，与所述鉴定知识挖掘子模块相连，被配置为能够将所述鉴定知识信息与所述候选因素信息进行匹配，返回分诊结果。
88.根据一个优选实施方式，所述候选因素分析子模块还能够通过自然语言处理技术从用户提供的口头表达语言中/或通过信息抽取技术从用户提供的信息文本中抽取与疾病相关的症状和体征的关键词或者关键短语和时间事件，并将所述关键词或者关键短语和时间事件作为所述候选因素信息。
89.根据一个优选实施方式，所述鉴定知识挖掘子模块包含内容检索单元和知识抽取单元，所述内容检索单元，被配置为根据所述候选因素分析子模块输出的关键词或者关键短语，从医学文献中检索与关键词或者关键短语相关的文档内容；所述知识抽取单元，被配置为利用自然语言处理技术从检索的文档内容中查找并挖掘与疾病相关的知识。
90.本发明还提供一种基于ann的智能评估分诊方法。所述方法包括：
91.从用户信息中抽取与疾病相关的症状和体征作为候选因素信息；
92.根据候选因素信息，从医学文献中获取与症状相关的多种疾病以及治疗措施作为鉴定知识信息；
93.将鉴定知识信息与候选因素信息进行匹配；重复上述步骤，直到确定疾病所属科室或者用户信息已抽取并匹配完毕，最后返回分诊结果。
94.本发明的智能评估分诊模块1可以基于知识挖掘的方法与用户进行交互以获取所述用户的主要症状及体征以生成分诊信息。基于知识挖掘(knowledgemining)和语义关系(semanticrelation)，通过用户提供的信息从医学文献中挖掘相关的医学知识，自动地选择和用户与疾病相关的交互内容，从而更快更准地确定用户的分诊情况。
95.本发明的智能评估分诊模块1可以直接采用现有技术，例如直接采用公开号为cn108877921b的中国专利文献所提供的一种医疗智能分诊方法和医疗智能分诊系统。
96.该智能评估分诊方法和智能评估分诊系统通过分析和用户的交互内容，从医学文献或者其他医学数据中发现相关知识和规律从而形成鉴定知识信息的医学证据，进而分析用户的患病情况并给出相关建议。从而达到根据用户的主要症状及体征，匹配出可能的疾病及其隶属专科，并推荐有效的就诊的科室或就医路径的目的。
97.需要注意的是，上述具体实施例是示例性的，本领域技术人员可以在本发明公开
内容的启发下想出各种解决方案，而这些解决方案也都属于本发明的公开范围并落入本发明的保护范围之内。本领域技术人员应该明白，本发明说明书及其附图均为说明性而并非构成对权利要求的限制。本发明的保护范围由权利要求及其等同物限定。本发明说明书包含多项发明构思，诸如“优选地”、“根据一个优选实施方式”或“可选地”均表示相应段落公开了一个独立的构思，申请人保留根据每项发明构思提出分案申请的权利。