医疗信息处理方法及装置制造方法及图纸

本发明专利技术提供一种医疗信息处理方法及装置，通过接收患者触发的医疗信息获取请求；根据医疗信息获取请求中包含的就医需求信息确定待选医生的医生基本信息，并根据医疗信息获取请求中包含的患者的身份信息获取患者的患者基本信息；然后将医生基本信息以及患者基本信息输入到就医推荐模型中，得到各待选医生的误诊概率；根据误诊概率确定待选医生中误诊概率低于预设阈值的推荐医生；最后向患者发送医疗信息响应，医疗信息响应中包含与推荐医生对应的推荐信息。本发明专利技术的方法可以实现对患者推荐误诊概率较低医生，以改善患者就医的盲目性，降低患者就医的误诊率。

【技术实现步骤摘要】
医疗信息处理方法及装置
本专利技术涉及通信
，尤其涉及一种医疗信息处理方法及装置。
技术介绍
当前，就医难的问题一直是社会上比较关注的话题之一，在医患比例明显失调的当下，医院看病的挂号给人们生活带来了极大的不便。随着通讯技术的逐渐成熟，网络用户快速成长，互联网在现代生活中扮演了越来越重要的角色，改变了传统生活方式，使得我们的生活越来越方便。将互联网应用到医院挂号系统中，可以实现患者随时随地的挂号，节省人们的时间，方便人们的生活。现有的医院挂号系统中，数据库存储的是医院的固化信息，缺少反馈误诊信息的后评价机制，无法有效地获取医生的误诊率，而且医院医生的诊断信息、误诊信息等重要信息存在着被不法分子篡改的危险，因此现有的医院挂号系统很难针对患者进行智能化个性推荐，给患者就医带来了极大的不便，导致患者就医存在盲目性，增加了就医的误诊率。
技术实现思路
本专利技术提供一种医疗信息处理方法及装置，以实现对患者推荐误诊概率较低医生，以改善患者就医的盲目性，降低患者就医的误诊率。本专利技术的一个方面是提供一种医疗信息处理方法，包括：接收患者触发的医疗信息获取请求，所述医疗信息获取请求中包含所述患者的身份信息和就医需求信息；根据所述就医需求信息确定待选医生的医生基本信息，并根据所述身份信息获取所述患者的患者基本信息；将所述医生基本信息以及所述患者基本信息输入到就医推荐模型中，得到各待选医生的误诊概率；根据所述误诊概率，确定所述待选医生中误诊概率低于预设阈值的推荐医生；向所述患者发送医疗信息响应，所述医疗信息响应中包含与所述推荐医生对应的推荐信息。进一步的，所述接收患者触发的医疗信息获取请求之前，还包括：收集预设数量的训练样本数据，所述训练样本数据包含患者基本信息、医生基本信息、诊断信息以及误诊信息；采用所述训练样本数据进行模型训练，得到所述就医推荐模型。进一步的，所述收集预设数量的训练样本数据，包括：接收医生诊断平台发送的患者基本信息、医生基本信息以及诊断信息；在接收到与所述诊断信息对应的误诊反馈消息后，向医疗事故鉴定平台发送鉴定请求，所述鉴定请求包含误诊反馈信息和所述诊断信息；接收所述医疗事故鉴定平台发送的鉴定响应，所述鉴定响应中包含经过误诊鉴定的误诊信息；将所述患者基本信息、所述医生基本信息、所述诊断信息以及所述误诊信息进行关联存储。进一步的，所述采用所述训练样本数据进行模型训练，得到所述就医推荐模型之前，还包括：对所述训练样本数据进行数据预处理，得到有效训练样本数据；其中，所述数据预处理，包括以下预处理中的至少一种：剔除异常值、补齐缺失值、特征值离散。进一步的，所述采用所述训练样本数据进行模型训练，得到所述就医推荐模型之后，还包括：从所述训练样本数据中获取误诊数据，所述误诊数据包括所述误诊信息、误诊用户信息、误诊医生信息；对所述误诊数据进行聚类处理，得到高误诊率关键因素；相应的，所述根据所述误诊概率，确定所述待选医生中误诊概率低于预设阈值的推荐医生，包括：将所述误诊概率与所述高误诊率关键因素进行加权，得到与各待选医生对应的综合误诊概率；确定所述待选医生中综合误诊概率低于预设阈值的推荐医生。进一步的，所述对所述误诊数据进行聚类处理，得到高误诊率关键因素之后，还包括：向医生诊断平台发送误诊监督消息，所述误诊监督消息中包含所述高误诊率关键因素。进一步的，所述收集预设数量的训练样本数据，包括：采用区块链技术收集预设数量的训练样本数据。进一步的，所述采用所述训练样本数据进行模型训练，得到所述就医推荐模型之前，还包括：对所述训练样本数据中的诊断信息和误诊信息进行真伪验证。本专利技术的另一个方面是提供一种医疗信息处理装置，包括：接收模块，用于接收患者触发的医疗信息获取请求，所述医疗信息获取请求中包含所述患者的身份信息和就医需求信息；信息获取模块，用于根据所述就医需求信息确定待选医生的医生基本信息，并根据所述身份信息获取所述患者的患者基本信息；处理模块，用于将所述医生基本信息以及所述患者基本信息输入到就医推荐模型中，得到各待选医生的误诊概率；根据所述误诊概率，确定所述待选医生中误诊概率低于预设阈值的推荐医生；发送模块，用于向所述患者发送医疗信息响应，所述医疗信息响应中包含与所述推荐医生对应的推荐信息。进一步的，所述装置还包括：样本数据获取模块，收集预设数量的训练样本数据，所述训练样本数据包含患者基本信息、医生基本信息、诊断信息以及误诊信息；就医推荐模型获取模块，用于采用所述训练样本数据进行模型训练，得到所述就医推荐模型。进一步的，所述样本数据获取模块具体用于：接收医生诊断平台发送的患者基本信息、医生基本信息以及诊断信息；在接收到与所述诊断信息对应的误诊反馈消息后，向医疗事故鉴定平台发送鉴定请求，所述鉴定请求包含误诊反馈信息和所述诊断信息；接收所述医疗事故鉴定平台发送的鉴定响应，所述鉴定响应中包含经过误诊鉴定的误诊信息；将所述患者基本信息、所述医生基本信息、所述诊断信息以及所述误诊信息进行关联存储。进一步的，所述就医推荐模型获取模块还用于：对所述训练样本数据进行数据预处理，得到有效训练样本数据；其中，所述数据预处理，包括以下预处理中的至少一种：剔除异常值、补齐缺失值、特征值离散。进一步的，所述的装置还包括高误诊率关键因素获取模块，用于：从所述训练样本数据中获取误诊数据，所述误诊数据包括所述误诊信息、误诊用户信息、误诊医生信息；对所述误诊数据进行聚类处理，得到高误诊率关键因素；相应的，所述处理模块还用于：将所述误诊概率与所述高误诊率关键因素进行加权，得到与各待选医生对应的综合误诊概率；确定所述待选医生中综合误诊概率低于预设阈值的推荐医生。进一步的，所述高误诊率关键因素获取模块还用于：向医生诊断平台发送误诊监督消息，所述误诊监督消息中包含所述高误诊率关键因素。进一步的，所述样本数据获取模块具体用于：采用区块链技术收集预设数量的训练样本数据。进一步的，所述装置还包括：验证模块，用于对所述训练样本数据中的诊断信息和误诊信息进行真伪验证。本专利技术的另一个方面是提供一种医疗信息处理装置，包括：存储器、处理器、以及计算机程序；其中，所述计算机程序存储在所述存储器中，并被配置为由所述处理器执行以实现如上所述的方法。本专利技术提供的医疗信息处理方法及装置，通过接收患者触发的医疗信息获取请求；根据医疗信息获取请求中包含的就医需求信息确定待选医生的医生基本信息，并根据医疗信息获取请求中包含的患者的身份信息获取患者的患者基本信息；然后将医生基本信息以及患者基本信息输入到就医推荐模型中，得到各待选医生的误诊概率；根据误诊概率确定待选医生中误诊概率低于预设阈值的推荐医生；最后向患者发送医疗信息响应，医疗信息响应中包含与推荐医生对应的推荐信息。本专利技术的方法可以实现对患者推荐误诊概率较低医生，以改善患者就医的盲目性，降低患者就医的误诊率。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例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本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。图1为本专利技术实施例提供的医疗信息处理方法流程图；图2为本专利技术另一实施例本文档来自技高网...

【技术保护点】
1.一种医疗信息处理方法，其特征在于，包括：接收患者触发的医疗信息获取请求，所述医疗信息获取请求中包含所述患者的身份信息和就医需求信息；根据所述就医需求信息确定待选医生的医生基本信息，并根据所述身份信息获取所述患者的患者基本信息；将所述医生基本信息以及所述患者基本信息输入到就医推荐模型中，得到各待选医生的误诊概率；根据所述误诊概率，确定所述待选医生中误诊概率低于预设阈值的推荐医生；向所述患者发送医疗信息响应，所述医疗信息响应中包含与所述推荐医生对应的推荐信息。

【技术特征摘要】
1.一种医疗信息处理方法，其特征在于，包括：接收患者触发的医疗信息获取请求，所述医疗信息获取请求中包含所述患者的身份信息和就医需求信息；根据所述就医需求信息确定待选医生的医生基本信息，并根据所述身份信息获取所述患者的患者基本信息；将所述医生基本信息以及所述患者基本信息输入到就医推荐模型中，得到各待选医生的误诊概率；根据所述误诊概率，确定所述待选医生中误诊概率低于预设阈值的推荐医生；向所述患者发送医疗信息响应，所述医疗信息响应中包含与所述推荐医生对应的推荐信息。2.根据权利要求1所述的方法，其特征在于，所述接收患者触发的医疗信息获取请求之前，还包括：收集预设数量的训练样本数据，所述训练样本数据包含患者基本信息、医生基本信息、诊断信息以及误诊信息；采用所述训练样本数据进行模型训练，得到所述就医推荐模型。3.根据权利要求2所述的方法，其特征在于，所述收集预设数量的训练样本数据，包括：接收医生诊断平台发送的患者基本信息、医生基本信息以及诊断信息；在接收到与所述诊断信息对应的误诊反馈消息后，向医疗事故鉴定平台发送鉴定请求，所述鉴定请求包含误诊反馈信息和所述诊断信息；接收所述医疗事故鉴定平台发送的鉴定响应，所述鉴定响应中包含经过误诊鉴定的误诊信息；将所述患者基本信息、所述医生基本信息、所述诊断信息以及所述误诊信息进行关联存储。4.根据权利要求2或3所述的方法，其特征在于，所述采用所述训练样本数据进行模型训练，得到所述就医推荐模型之前，还包括：对所述训练样本数据进行数据预处理，得到有效训练样本数据；其中，所述数据预处理，包括以下预处理中的至少一种：剔除异常值、补齐缺失值、特征值离散。5.根据权利要求2或3所述的方法，其特征在于，所述采用所述训练样本数据进行模型训练，得到所述就医推荐模型之后，还包括：从所述训练样本数据中获取误诊数据，所述误诊数据包括所述误诊信息、误诊用户信息、误诊医生信息；对所述误诊数据进行聚类处理，得到高误诊率关键因素；相应的，所述根据所述误诊概率，确定所述待选医生中误诊概率低于预设阈值的推荐医生，包括：将所述误诊概率与所述高误诊率关键因素进行加权，得到与各待选医生对应的综合误诊概率；确定所述待选医生中综合误诊概率低于预设阈值的推荐医生。6.根据权利要求5所述的方法，其特征在于，所述对所述误诊数据进行聚类处理，得到高误诊率关键因素之后，还包括：向医生诊断平台发送误诊监督消息，所述误诊监督消息中包含所述高误诊率关键因素。7.根据权利要求2或3所述的方法，其特征在于，所述收集预设数量的训练样本数据，包括：采用区块链技术收集预设数量的训练样本数据。8.根据权利要求2或3所述的方法，其特征在于，所述采用所述训练样本数据进行模型训练，得到所述就医推荐模型之前，还包括：对所述训练样本数据中的诊断信息和误诊信息进行真伪验证。9.一种医疗信息处理装置，其...

【专利技术属性】
技术研发人员：刘静沙，刘颖慧，许丹丹，
申请(专利权)人：中国联合网络通信集团有限公司，
类型：发明
国别省市：北京,11