分诊数据处理方法、装置、计算机设备及存储介质制造方法及图纸

本发明专利技术涉及人工智能技术领域，本发明专利技术公开了一种分诊数据处理方法、装置、计算机设备及存储介质，所述方法包括：通过获取患者的患者症状信息；通过层级强化学习模型中的上层学习模型对患者症状信息进行人体系统识别，识别出第一人体系统类别；自层级强化学习模型中获取与第一人体系统类别关联的下层强化学习模型；通过获取的下层强化学习模型对患者症状信息进行预测并获取动作结果；在动作结果为推荐科室动作时，通过科室分诊模型对患者症状信息进行症状特征识别，识别出与患者对应的分诊结果。本发明专利技术通过层级强化学习模型询问患者相关症状，能够快速地、准确地确定患者就诊的科室。本发明专利技术适用于智慧医疗等领域，可进一步推动智慧城市的建设。

【技术实现步骤摘要】
分诊数据处理方法、装置、计算机设备及存储介质
本专利技术涉及人工智能
，尤其涉及一种分诊数据处理方法、装置、计算机设备及存储介质。
技术介绍
随着医学的进步和发展，医院对于科室的设置也更专业化，随之带来的问题是用户选择科室带来一定的困难，为了解决这个问题各大医院都增加了导诊环节，包括导诊人员和自主导诊服务，主要是帮助患者推荐诊疗科室。目前，患者去医院就诊时，首先需要去分诊台进行人工分诊，在该过程中患者需要消耗大量排队时间，而且对分诊台的导诊人员的专业知识深度及广度上有较高的要求，如果导诊人员给患者分诊错误，又需要重新进行分诊，大大浪费患者的时间，严重影响患者体验，因此，在现有技术上，患者进行人工分诊过程中耗时长、很难给出合理的就诊科室或者就诊医生，从而导致患者体验差，以及就诊准确率低。
技术实现思路
本专利技术提供一种分诊数据处理方法、装置、计算机设备及存储介质，实现了通过层级强化学习模型询问患者相关症状，能够提取出有用的患者症状信息，再通过科室分诊模型对有用的患者症状信息进行症状特征识别，本专利技术适用于智慧本文档来自技高网...

【技术保护点】
1.一种分诊数据处理方法，其特征在于，包括：/n接收到患者的患者请求，获取所述患者请求中的患者症状信息；/n将所述患者症状信息输入层级强化学习模型，通过上层学习模型对所述患者症状信息进行人体系统识别，识别出与所述患者症状信息对应的第一人体系统类别；所述层级强化学习模型包括所述上层学习模型和多个下层强化学习模型；一个下层强化学习模型与一个人体系统类别关联；/n自所述层级强化学习模型中获取与识别出的所述第一人体系统类别关联的所述下层强化学习模型；/n通过获取的所述下层强化学习模型对所述患者症状信息进行预测并获取动作结果；所述动作结果为针对所述患者症状信息确定的最优调度动作；/n在所述动作结果为推荐...

【技术特征摘要】
1.一种分诊数据处理方法，其特征在于，包括：
接收到患者的患者请求，获取所述患者请求中的患者症状信息；
将所述患者症状信息输入层级强化学习模型，通过上层学习模型对所述患者症状信息进行人体系统识别，识别出与所述患者症状信息对应的第一人体系统类别；所述层级强化学习模型包括所述上层学习模型和多个下层强化学习模型；一个下层强化学习模型与一个人体系统类别关联；
自所述层级强化学习模型中获取与识别出的所述第一人体系统类别关联的所述下层强化学习模型；
通过获取的所述下层强化学习模型对所述患者症状信息进行预测并获取动作结果；所述动作结果为针对所述患者症状信息确定的最优调度动作；
在所述动作结果为推荐科室动作时，将所述患者症状信息输入科室分诊模型中，通过所述科室分诊模型对所述患者症状信息进行症状特征识别，识别出与所述患者对应的分诊结果。


2.如权利要求1所述的分诊数据处理方法，其特征在于，所述通过获取的所述下层强化学习模型对所述患者症状信息进行预测并获取动作结果之后，还包括：
在所述动作结果为询问动作时，发出所述询问动作中的新一轮症状询问信息，接收到所述患者针对新一轮症状询问信息回答的应答信息，根据所述应答信息更新所述患者症状信息；
将更新后的所述患者症状信息输入所述上层学习模型，通过所述上层学习模型对更新后的所述患者症状信息进行人体系统识别，识别出与更新后的所述患者症状信息对应的第二人体系统识别类别；
自所述层级强化学习模型中获取与识别出的所述第二人体系统类别关联的所述下层强化学习模型；
通过获取的所述下层强化学习模型对更新后的所述患者症状信息进行预测，获取与更新后的所述患者症状信息对应的动作结果；
在所述动作结果为推荐科室动作时，将更新后的所述患者症状信息输入科室分诊模型中，通过所述科室分诊模型对更新后的所述患者症状信息进行症状特征识别，识别出与所述患者对应的分诊结果。


3.如权利要求2所述的分诊数据处理方法，其特征在于，所述获取与更新后的所述患者症状信息对应的动作结果之后，包括：
在所述动作结果为询问动作时，发出所述询问动作中的新一轮症状询问信息，经过多轮与患者交互的新一轮症状询问信息之后，对应更新所述患者症状信息，直至检测到所述动作结果为推荐科室动作时，将更新后的所述患者症状信息输入所述科室分诊模型中，通过所述科室分诊模型识别出与所述患者对应的分诊结果。


4.如权利要求1所述的分诊数据处理方法，其特征在于，所述将所述患者症状信息输入层级强化学习模型之前，包括：
获取症状样本集；所述症状样本集包括多个症状样本，所述症状样本与一个人体系统类别标签关联；
将所述症状样本输入含有第一初始参数的分诊神经网络模型；
通过所述分诊神经网络模型对所述症状样本进行人体系统识别，获取与所述症状样本对应的所述人体系统类别的样本识别结果；
根据所述样本识别结果与所述人体系统类别标签，确定出损失值；
在所述损失值未达到预设的收敛条件时，迭代更新所述分诊神经网络模型的初始参数，直至所述损失值达到所述预设的收敛条件时，将收敛之后的所述分诊神经网络模型记录为上层学习模型。


5.如权利要求1所述的分诊数据处理方法，其特征在于，所述自所述层级强化学习模型中获取与识别出的所述第一人体系统类别关联的所述下层强化学习模型之前，包括：
获取症状状态样本集；所述症状状态样本集包括多个症状状态样本，所述症状状态样本与一个科室标签关联，所有所述症状状态样本均与一个相同的人体系统类别关联；
将所述症状状态样本输入与所...

【专利技术属性】
技术研发人员：刘卓，李彦轩，孙行智，
申请(专利权)人：平安科技深圳有限公司，
类型：发明
国别省市：广东;44