智能医疗问诊装置、设备及介质制造方法及图纸

本发明专利技术涉及一种人工智能，揭露一种智能医疗问诊装置，包括：第一采集模块，采集客户端问诊信息；疾病推断模块，构建疾病推断模型，输入问诊信息获得对应的多类候选疾病；解释模块，采用解释算法对多类候选疾病解释，获得影响多类候选疾病的区分症状；第二采集模块，采集客户端对区分症状的答复信息；更新模块，答复信息加入问诊信息，更新问诊信息，更新后的问诊信息输入疾病推断模型，获得更新后的候选疾病。本发明专利技术还提供电子设备和存储介质。本发明专利技术可以减少对话次数，提高症状匹配度。

【技术实现步骤摘要】
智能医疗问诊装置、设备及介质
本专利技术涉及数字医疗
，尤其涉及一种智能医疗问诊装置、电子设备及计算机可读存储介质。
技术介绍
近年来，在智慧医疗、远程就医等领域，为了进一步提高疾病诊断效率并减少医生的工作量，各大医疗机构都推出了便捷的智能问诊系统，通过向有诊断需求的用户针对个人症状进行多次询问，并根据每次对话中收集到的症状信息与各类疾病可能出现的症状信息进行对比，在不断的匹配过程中逐渐排查出症状最接近的某个疾病，该类型的方案主要通过对话轮次或匹配度等参数上的预设值来终止询问并输出诊断结果。该方案的缺陷在于：第一，问诊效率低，需要用户不断进行大量的对话，无法更直接的提取用户症状信息和意图，用户体验较差的同时诊断效率也较低。第二，诊断准确率不高，由于在实际情况中，患者所提供的单一症状可能对应着多种不同类型的疾病，现有方案大多采用简单的症状匹配机制，无法根据用户的描述反馈及时进行匹配方向更新，单向的匹配流程可能导致较大的诊断误差。
技术实现思路
本专利技术提供一种智能医疗问诊装置、电子设备及计算机可读存储介质，其主要目的在于减少对话次数，提高症状匹配度。为实现上述目的，本专利技术提供的一种智能医疗问诊装置，包括：第一采集模块，用于采集客户端的问诊信息，所述问诊信息包括主诉信息，个人资料和病理资料；疾病推断模块，用于构建疾病推断模型，将第一采集模块采集的问诊信息输入所述疾病推断模型，获得所述问诊信息对应的多类候选疾病；解释模块，用于采用解释算法对疾病推断模块预测的多类候选疾病进行解释，获得影响多类候选疾病的区分症状；第二采集模块，用于采集客户端对解释模块的区分症状的答复信息；更新模块，用于将第二采集模块的答复信息加入问诊信息，获得更新后的问诊信息，所述更新后的问诊信息输入疾病推断模块的疾病推断模型，获得更新后的问诊信息对应的候选疾病。可选地，所述疾病推断模块包括：模型架构单元，用于构建疾病推断模型的结构，所述疾病推断模型为多种分类模型；训练单元，用于训练分类模型，通过自动机器学习对多种分类模型进行训练，获得最优的分类模型作为疾病推断模型。可选地，所述疾病推断模块包括：模型架构单元，用于构建疾病推断模型的结构，所述疾病推断模型为神经网络结构，包括多种卷积层、多种池化层、全连接层，疾病推断模型为层数和构成不确定的神经网络结构；数据集构建单元，用于划分问诊信息，将问诊信息划分为训练数据集和验证数据集；设定单元，用于设定搜索空间；控制器，用于调用模型架构单元的神经网络结构，选择一组层数和构成确定的端到端的神经网络结构；训练单元，用于训练神经网络结构，采用数据集构建单元构建的训练数据集对控制器构成的神经网络结构进行训练，直到神经网络结构收敛；验证单元，用于验证训练单元训练后的神经网络结构的准确率，通过数据构建单元的验证集对训练单元训练后的神经网络结构进行验证，获得所述神经网络结构的准确率；更新单元，用于更新神经网络结构，通过设定单元设定的搜索空间和验证单元获得的准确率更新控制器选择的神经网络结构；模型确定单元，用于确定达到设计要求的神经网络结构，将达到设计要求的神经网络结构作为疾病推断模型，所述设计要求包括计算成本、准确率和部署难度。可选地，所述疾病推断模型输出为问诊信息对应候选疾病及概率。可选地，所述智能医疗问诊装置还包括：判断模块，用于判断疾病推断模型输出的概率是否超过预设阈值，将超过预设阈值的概率对应的候选疾病发送给问诊确定模块，如果不存在满足预设阈值的概率，则发送信号给解释模块；问诊确定模块，用于将超过预设阈值的概率对应的候选疾病作为问诊结果。可选地，所述判断模块还判断超过预设阈值的概率的个数是否不超过设定个数，如果超过预设阈值的概率的个数不超过设定个数，发送信号给问诊确定模块，如果超过预设阈值的概率的个数超过设定个数，发送信号给解释模块。可选地，所述解释模块包括：扰动数据集构建单元，用于构建问诊信息的扰动数据集，将第一采集模块采集的问诊信息作为原始数据，构成原始数据集，构建原始数据集的扰动数据集，所述扰动数据集是与原始数据有差异的扰动数据构成的数据集；权重分配单元，用于根据扰动数据集中扰动数据与原始数据的距离分配扰动数据的权重；解释单元，用于将扰动数据集中扰动数据及其对应的权重输入疾病推断模型，改变扰动数据集，分析使得疾病推断模型准确率超过准确率预设阈值的最大权重的扰动数据，将所述最大权重的扰动数据作为区分症状。可选地，所述智能医疗问诊装置还包括标准化处理模块，用于对问诊信息进行标准化处理，所述标准化处理包括：将问诊信息的图片转化为标准化格式的文字。为了解决上述问题，本专利技术还提供一种电子设备，包括：至少一个处理器；以及，与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行以下步骤：采集问诊的客户端的问诊信息，所述问诊信息包括主诉信息，个人资料和病理资料；构建疾病推断模型，将采集的问诊信息输入所述疾病推断模型，获得所述问诊信息对应的多类候选疾病；采用解释算法对多类候选疾病进行解释，获得影响多类候选疾病的区分症状；采集客户端对解释模块的区分症状的答复信息；将答复信息加入问诊信息，获得更新后的问诊信息，将所述更新后的问诊信息输入疾病推断模型，获得更新后的问诊信息对应的候选疾病。为了解决上述问题，本专利技术还提供一种电子设备，所述电子设备包括：存储器，存储至少一个指令；及处理器，执行所述存储器中存储的指令以实现上述所述的数据稽核方法。为了解决上述问题，本专利技术还提供一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时实现如下步骤：采集问诊的客户端的问诊信息，所述问诊信息包括主诉信息，个人资料和病理资料；构建疾病推断模型，将采集的问诊信息输入所述疾病推断模型，获得所述问诊信息对应的多类候选疾病；采用解释算法对多类候选疾病进行解释，获得影响多类候选疾病的区分症状；采集客户端对解释模块的区分症状的答复信息；将答复信息加入问诊信息，获得更新后的问诊信息，将所述更新后的问诊信息输入疾病推断模型，获得更新后的问诊信息对应的候选疾病。本专利技术智能医疗问诊装置、电子设备及计算机可读存储介质通过解释模块，获得影响多类候选疾病的区分症状，通过第二采集模块，采集客户端对解释模块的区分症状的答复信息，通过更新模块，根据第二采集模块的答复信息更新疾病推断推断模型输出的候选疾病，减少了对话次数，提高症状匹配度。附图说明图1为本专利技术一实施例提供的智能医疗问诊装置的模块示意图；图2为本专利技术一实施例提供的疾病推断模块的模块示意图；图3为本专利技术一实施例提本文档来自技高网...

【技术保护点】
1.一种智能医疗问诊装置，其特征在于，所述装置包括：/n第一采集模块，用于采集客户端的问诊信息，所述问诊信息包括主诉信息，个人资料和病理资料；/n疾病推断模块，用于构建疾病推断模型，将第一采集模块采集的问诊信息输入所述疾病推断模型，获得所述问诊信息对应的多类候选疾病；/n解释模块，用于采用解释算法对疾病推断模块预测的多类候选疾病进行解释，获得影响多类候选疾病的区分症状；/n第二采集模块，用于采集客户端对解释模块的区分症状的答复信息；/n更新模块，用于将第二采集模块的答复信息加入问诊信息，获得更新后的问诊信息，所述更新后的问诊信息输入疾病推断模块的疾病推断模型，获得更新后的问诊信息对应的候选疾病。/n

【技术特征摘要】
1.一种智能医疗问诊装置，其特征在于，所述装置包括：
第一采集模块，用于采集客户端的问诊信息，所述问诊信息包括主诉信息，个人资料和病理资料；
疾病推断模块，用于构建疾病推断模型，将第一采集模块采集的问诊信息输入所述疾病推断模型，获得所述问诊信息对应的多类候选疾病；
解释模块，用于采用解释算法对疾病推断模块预测的多类候选疾病进行解释，获得影响多类候选疾病的区分症状；
第二采集模块，用于采集客户端对解释模块的区分症状的答复信息；
更新模块，用于将第二采集模块的答复信息加入问诊信息，获得更新后的问诊信息，所述更新后的问诊信息输入疾病推断模块的疾病推断模型，获得更新后的问诊信息对应的候选疾病。


2.如权利要求1所述的智能医疗问诊装置，其特征在于，所述疾病推断模块包括：
模型架构单元，用于构建疾病推断模型的结构，所述疾病推断模型为多种分类模型；
训练单元，用于训练分类模型，通过自动机器学习对多种分类模型进行训练，获得最优的分类模型作为疾病推断模型。


3.如权利要求1所述的智能医疗问诊装置，其特征在于，所述疾病推断模块包括：
模型架构单元，用于构建疾病推断模型的结构，所述疾病推断模型为神经网络结构，包括多种卷积层、多种池化层、全连接层，疾病推断模型为层数和构成不确定的神经网络结构；
数据集构建单元，用于划分问诊信息，将问诊信息划分为训练数据集和验证数据集；
设定单元，用于设定搜索空间；
控制器，用于调用模型架构单元的神经网络结构，选择一组层数和构成确定的端到端的神经网络结构；
训练单元，用于训练神经网络结构，采用数据集构建单元构建的训练数据集对控制器构成的神经网络结构进行训练，直到神经网络结构收敛；
验证单元，用于验证训练单元训练后的神经网络结构的准确率，通过数据构建单元的验证集对训练单元训练后的神经网络结构进行验证，获得所述神经网络结构的准确率；
更新单元，用于更新神经网络结构，通过设定单元设定的搜索空间和验证单元获得的准确率更新控制器选择的神经网络结构；
模型确定单元，用于确定达到设计要求的神经网络结构，将达到设计要求的神经网络结构作为疾病推断模型，所述设计要求包括计算成本、准确率和部署难度。


4.如权利要求1所述的智能医疗问诊装置，其特征在于，所述疾病推断模型输出为问诊信息对应候选疾病及概率。


5.如权利要求4所述的智能医疗问诊装置，其特征在于，所述智能医疗问诊装置还包括：
判断模块，用于判断疾病推断模型输出的概率是否超过预设阈值，将超过预设阈值的概率对应的候选疾病发送给问诊确定模块，如果不存在满足预设阈值的概率，则发送信号给解释模块；
问诊确定模块，用于将...

【专利技术属性】
技术研发人员：李佳琳，王健宗，瞿晓阳，
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