基于语音识别和医疗信息知识库的医疗辅助方法及其系统与流程

本发明涉及医疗信息，特别涉及一种基于语音识别和医疗信息知识库的医疗辅助方法及其系统。

背景技术：

1、在现代医疗环境中，医生和护士需要处理大量的医疗信息和操作，如开医嘱、执行医嘱、记录病历和填写体温单等。这些操作不仅繁琐，还容易由于人为疏忽导致错误，进而影响患者的治疗效果。目前的语音识别技术在医疗领域的应用还不够广泛，尤其是在医疗场景下的智能预测和提示功能仍有待完善。因此，开发一种基于语音识别和医疗信息知识库的医疗辅助方法及其系统，能够有效提升医疗操作的效率和准确性，具有重要的现实意义。

技术实现思路

1、本发明的目的在于提供一种可视化动态构建情报分析系统的方法，以改善上述技术问题。

2、为了实现上述发明目的，本发明实施例提供了以下技术方案：

3、一种基于语音识别和医疗信息知识库的医疗辅助方法，其包括：

4、s1、获取住院部的患者医疗信息，并存储至患者医疗信息知识库；

5、s2、将所述患者医疗信息输入至智能语音识别系统并进行识别，输出得到语音识别结果；所述智能语音识别系统为pda模型；

6、s3、对所述语音识别结果进行匹配校正，得到校正后的文本数据；

7、s4、将所述校正后的文本数据输入至预测模型，输出得到预测结果；所述预测模型采用序列到序列模型；

8、s5、将所述预测结果进行语音提示，并获取医护人员对所述预测结果的反馈，更新所述预测模型或执行预测结果并更新所述校正后的文本数据；

9、s6、将更新后的文本数据输入至异常检测模型，输出得到异常检测结果；所述异常检测模型包括nlp模块、知识图谱模块和孤立森林模型；

10、s7、基于所述异常检测结果，调整所述更新后的文本数据，并将调整后的文本数据存储至患者医疗信息知识库。

11、进一步地，所述患者医疗信息包括患者的基本信息、诊断信息、已开医嘱信息、当前科室所有已开医嘱历史信息、用药情况、检查和检验结果、治疗和手术记录、护理记录、健康评估、生活方式、心理评估。

12、进一步地，所述患者医疗信息知识库包括并行的基本信息模块、诊断信息模块、已开医嘱信息模块、当前科室所有已开医嘱历史信息模块、用药情况模块、检查和检验结果模块、治疗和手术记录模块、护理记录模块、健康评估模块、生活方式模块、心理评估模块；每一个模块按照时间顺序存储对应的患者医疗信息。

13、进一步地，所述对所述语音识别结果进行匹配校正，得到校正后的文本数据，包括：

14、s3-1、对所述语音识别结果进行分词，得到对应的拆分后的文本数据；

15、s3-2、计算每个所述文本数据与所述患者医疗信息知识库中的患者医疗信息的编辑距离，选取每个所述文本数据对应的最小编辑距离；

16、s3-3、基于所述最小编辑距离，对每个所述文本数据和所述患者医疗信息知识库中的患者医疗信息进行匹配，得到对应的匹配结果；

17、s3-4、基于所述匹配结果，对每个所述文本数据进行校对，得到所述校正后的文本数据。

18、进一步地，所述序列到序列模型为seq2seq模型；所述seq2seq模型包括编码器、解码器；所述编码器和解码器均采用lstm单元。

19、进一步地，所述将所述预测结果进行语音提示，并获取医护人员对所述预测结果的反馈，更新所述预测模型或执行预测结果并更新所述校正后的文本数据，包括：

20、s5-1、语音播报所述预测结果，并通过所述智能语音识别系统采集pda模型医护人员的反馈；所述预测结果为预测医护人员下一步的操作；所述反馈为医护人员的回答，即“是”或“否”；

21、s5-2、判断反馈是否为“是”；若是，则执行对应的预测结果，更新所述校正后的文本数据，并进入s6；反之则对所述序列到序列模型训练，并进入s5-3；

22、s5-3、记录反馈为“否”以及对应的预测结果和校正后的文本数据，作为所述序列到序列模型训练的历史数据；

23、s5-4、将所述历史数据输入至所述序列到序列模型，构建对应的目标函数；所述目标函数采用交叉熵损失函数；

24、s5-6、基于所述目标函数，采用adam优化器调整所述序列到序列模型的模型参数，得到更新后的序列到序列模型；所述更新后的序列到序列模型用于下一轮预测。

25、进一步地，所述将更新后的文本数据输入至异常检测模型，输出得到异常检测结果，包括：

26、s6-1、将所述患者医疗信息中的患者的基本信息、诊断信息、已开医嘱信息、检查和检验结果作为知识节点，将患者的基本信息、诊断信息、已开医嘱信息、检查和检验结果对应的关系作为边，构建对应的知识图谱；

27、s6-2、基于所述知识图谱，将更新后的文本数据输入至所述nlp模块，输出得到相关医疗信息数据；所述相关医疗信息数据为所述更新后的文本数据中的已开医嘱信息的关键词；

28、s6-3、将所述相关医疗信息数据输入至所述孤立森林模型，得到异常检测结果；所述异常检测结果包括已开医嘱信息异常和已开医嘱信息正常；

29、s6-4、对异常检测结果为已开医嘱信息异常对应的已开医嘱信息进行播报，并等待医护人员的语音回复，并进入s7。

30、进一步地，所述孤立森林模型的训练过程：

31、s6-3-1、获取历史相关医疗信息数据并进行随机采样，得到采样后的历史相关医疗信息数据，并作为子样本集；

32、s6-6-2、构建各个子样本集对应的孤立决策树，并随机选择子样本集中的特征和分割点，将孤立决策树分为左子树和右子树；

33、s6-6-3、重复s6-6-2，直至所有子样本对应的孤立决策树均被孤立，完成对孤立森林模型的构建；

34、s6-6-4、将所述历史相关医疗信息数据输入至孤立森林模型，计算所述历史相关医疗信息数据在每一棵决策树上的路径长度；

35、s6-6-5、基于所述路径长度，计算所述历史相关医疗信息数据对应的平均路径长度；

36、s6-6-6、基于所述路径长度和所述平均路径长度，计算异常分数；

37、s6-6-7、基于所述异常分数，确定训练异常检测结果；

38、s6-6-8、基于所述训练异常检测结果，对所述孤立森林模型的参数进行调节，完成对孤立森林模型的训练。

39、一种基于语音识别和医疗信息知识库的医疗辅助系统，其包括医疗信息获取模块、语音识别模块、文本匹配校正模块、操作预测模块、数据更新模块、异常检测模块、数据调整模块和医疗数据存储模块；其中；

40、医疗信息获取模块，用于获取住院部的患者医疗信息；

41、语音识别模块，用于通过智能语音识别系统对所述患者医疗信息并进行识别，得到语音识别结果；

42、文本匹配校正模块，用于对所述语音识别结果进行匹配校正，得到校正后的文本数据；

43、操作预测模块，用于通过预测模型对所述校正后的文本数据进行预测，得到预测结果；

44、数据更新模块，用于将所述预测结果进行语音提示，并获取医护人员对所述预测结果的反馈，更新所述预测模型或执行预测结果并更新所述校正后的文本数据；

45、异常检测模块，用于将利用异常检测模型对更新后的文本数据进行检测，输出得到异常检测结果；

46、数据调整模块，用于基于所述异常检测结果，调整所述更新后的文本数据；

47、医疗数据存储模块，用于存储住院部的患者医疗信息和调整后的文本数据存储。

48、本发明的有益效果为：

49、1.本发明利用智能语音识别系统录入患者医疗信息，并进行匹配校正，可提高医疗场景中语音操作的准确性和效率，减少因为人为输入或录入数据时造成的文字错误；

50、2.本发明利用预测模型并根据历史患者医疗信息，确定医护人员的习惯，预测医护人员下一步的操作，执行预测的操作，可减少人工查找并调用数据的时间，大幅度减少时间资源的浪费，有效提高医护人员的工作效率；

51、3.本发明利用异常检测模型，检测医护人员制定的医疗信息是否有误，并提醒医护人员，防止出现医疗事故；

52、4.本发明提供了一种智能化医疗辅助系统，建立综合的患者医疗信息知识库，提供智能化的操作预测和提示功能，提升用户体验，且支持多种医疗操作的智能化。