一种医院复诊病人的预问诊方法及系统技术方案

一种医院复诊病人的预问诊方法及系统，通过登录医院信息化网站进行个人登录认证，获取患者的身份信息；同步门诊系统的患者问诊信息，生成历史问诊数据表，利用患者身份证号关联患者历史问诊记录；通过科室医生标注预设疾病复诊需要的公共信息，利用医生标注和医院历史数据，形成疾病和症状训练对应的知识图谱；根据疾病模板和患者进行问题交互得到预分诊问答记录表，问题交互形式包括语音和文字交互；利用所述历史问诊数据表和所述预分诊问答记录表，生成患者基本信息和患者预分诊信息推送给医生工作站。本发明专利技术可以在患者候诊时，采集患者病情所需要的信息，从而在和医生的正式沟通上能节约大量时间，加快问诊效率，提高了医生诊疗效率。医生诊疗效率。医生诊疗效率。

【技术实现步骤摘要】
一种医院复诊病人的预问诊方法及系统


[0001]本专利技术涉及医疗数据处理
，具体涉及一种医院复诊病人的预问诊方法及系统。

技术介绍

[0002]问诊是采用对话方式，向病人及其知情者查询疾病的发生、发展情况和现在症状、治疗经过等，以诊断疾病。复诊是再次诊治，指病人经过初诊后再来看病。
[0003]目前，医院普遍存在诸多医疗资源紧张的问题，一个医生每天需要接诊大量患者，如何在这短暂的接诊时间内，精确准确地了解患者信息，成为了医生精准定位病情的关键。特别是对于复诊病人，通常是针对同样病情的病人进行重复的询问，传统方式效率低下，浪费了医生大量问诊时间。

技术实现思路

[0004]为此，本专利技术提供一种医院复诊病人的预问诊方法及系统，解决对同样病情的病人进行重复的询问，浪费问诊时间，影响诊疗效率的问题。
[0005]为了实现上述目的，本专利技术提供如下技术方案：一种医院复诊病人的预问诊方法，包括：
[0006]通过登录医院信息化网站进行个人登录认证，获取患者的身份信息；
[0007]同步门诊系统的患者问诊信息，生成历史问诊数据表，利用患者身份证号关联患者历史问诊记录；
[0008]通过科室医生标注预设疾病复诊需要的公共信息，利用医生标注和医院历史数据，形成疾病和症状训练对应的知识图谱；
[0009]根据疾病模板和患者进行问题交互得到预分诊问答记录表，问题交互形式包括语音和文字交互；
[0010]利用所述历史问诊数据表和所述预分诊问答记录表，生成患者基本信息和患者预分诊信息推送给医生工作站。
[0011]作为医院复诊病人的预问诊方法优选方案，通过登录医院信息化网站进行个人登录认证的步骤包括：
[0012]所述医院信息化网站向患者请求授权；
[0013]所述医院信息化网站向患者呈现服务授权页面上的同意授权按钮，当收到患者的同意授权指令后，服务端返回一个授权许可凭证到所述医院信息化网站；
[0014]所述医院信息化网站通过授权许可凭证向授权服务器申请令牌；
[0015]授权服务器验证信息无误后，发放令牌所述医院信息化网站；
[0016]所述医院信息化网站通过令牌去资源服务器访问资源；
[0017]资源服务器验证令牌无误后开放所述医院信息化网站访问的资源。
[0018]作为医院复诊病人的预问诊方法优选方案，利用医生标注和医院历史数据，形成
疾病和症状训练对应的知识图谱步骤包括：
[0019]数据采集：从医院获取病人的病历数据，病历数据包括症状、体征、化验数据；
[0020]数据清洗：对采集到的数据进行去重、格式化、标准化处理，并去除缺失值和错误值；
[0021]实体识别：采用自然语言处理技术和医学本体知识库，对病历文本中的实体进行识别和抽取，包括疾病、症状、药物、手术；
[0022]关系抽取：采用自然语言处理、规则匹配和知识表示学习技术，抽取实体之间的关系，实体之间的关系包括疾病和症状关系，疾病和药物关系，药物和症状关系；
[0023]知识表示：将实体和关系进行图示化表示，采用图表示学习算法表示为多维向量；
[0024]建立知识库：将表示的实体和关系存储到知识库中，构建疾病和症状的知识图谱。
[0025]作为医院复诊病人的预问诊方法优选方案，将语音交互信息进行结构化处理，结构化处理步骤包括：
[0026]数据收集预处理：收集医疗预分诊语音数据，对语音数据进行降噪、音频分割预处理；
[0027]语音识别：使用深度学习技术LAS端到端模型，将语音转换为文本；
[0028]实体识别和属性抽取：对识别出来的文本进行实体识别和属性抽取；
[0029]结构化文本处理：将实体和属性抽取结果转换为JSON结构化数据。
[0030]作为医院复诊病人的预问诊方法优选方案，将成JSON文本分解并存储成所述预分诊问答记录表，所述预分诊问答记录字段包括患者身份证号，患者初诊诊断疾病，患者模板，患者回答。
[0031]本专利技术还提供一种医院复诊病人的预问诊系统，包括：
[0032]患者信息认证模块，用于通过登录医院信息化网站进行个人登录认证，获取患者的身份信息；
[0033]历史问诊数据对接模块，用于同步门诊系统的患者问诊信息，生成历史问诊数据表，利用患者身份证号关联患者历史问诊记录；
[0034]疾病问诊模板标注模块，用于通过科室医生标注预设疾病复诊需要的公共信息，利用医生标注和医院历史数据，形成疾病和症状训练对应的知识图谱；
[0035]患者交互模块，用于根据疾病模板和患者进行问题交互得到预分诊问答记录表，问题交互形式包括语音和文字交互；
[0036]复诊信息预处理模块，用于利用所述历史问诊数据表和所述预分诊问答记录表，生成患者基本信息和患者预分诊信息推送给医生工作站。
[0037]作为医院复诊病人的预问诊系统优选方案，所述患者信息认证模块包括：
[0038]请求授权子模块，用于所述医院信息化网站向患者请求授权；
[0039]授权处理子模块，用于所述医院信息化网站向患者呈现服务授权页面上的同意授权按钮，当收到患者的同意授权指令后，服务端返回一个授权许可凭证到所述医院信息化网站；
[0040]令牌申请子模块，用于所述医院信息化网站通过授权许可凭证向授权服务器申请令牌；
[0041]令牌发放子模块，用于授权服务器验证信息无误后，发放令牌所述医院信息化网
站；
[0042]资源访问子模块，用于所述医院信息化网站通过令牌去资源服务器访问资源；
[0043]资源放行子模块，用于资源服务器验证令牌无误后开放所述医院信息化网站访问的资源。
[0044]作为医院复诊病人的预问诊系统优选方案，所述疾病问诊模板标注模块包括：
[0045]数据清洗子模块，用于对采集到的数据进行去重、格式化、标准化处理，并去除缺失值和错误值；
[0046]实体识别子模块，用于采用自然语言处理技术和医学本体知识库，对病历文本中的实体进行识别和抽取，包括疾病、症状、药物、手术；
[0047]关系抽取子模块，用于采用自然语言处理、规则匹配和知识表示学习技术，抽取实体之间的关系，实体之间的关系包括疾病和症状关系，疾病和药物关系，药物和症状关系；
[0048]知识表示子模块，用于将实体和关系进行图示化表示，采用图表示学习算法表示为多维向量；
[0049]知识库建立子模块，用于将表示的实体和关系存储到知识库中，构建疾病和症状的知识图谱。
[0050]作为医院复诊病人的预问诊系统优选方案，所述患者交互模块包括：
[0051]语音预处理子模块，用于收集医疗预分诊语音数据，对语音数据进行降噪、音频分割预处理；
[0052]语音识别子模块，用于使用深度学习技术LAS端到端模型，将语音转换为文本；
[0053]识别抽取子模块，用于本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种医院复诊病人的预问诊方法，其特征在于，包括：通过登录医院信息化网站进行个人登录认证，获取患者的身份信息；同步门诊系统的患者问诊信息，生成历史问诊数据表，利用患者身份证号关联患者历史问诊记录；通过科室医生标注预设疾病复诊需要的公共信息，利用医生标注和医院历史数据，形成疾病和症状训练对应的知识图谱；根据疾病模板和患者进行问题交互得到预分诊问答记录表，问题交互形式包括语音和文字交互；利用所述历史问诊数据表和所述预分诊问答记录表，生成患者基本信息和患者预分诊信息推送给医生工作站。2.根据权利要求1所述的一种医院复诊病人的预问诊方法，其特征在于，通过登录医院信息化网站进行个人登录认证的步骤包括：所述医院信息化网站向患者请求授权；所述医院信息化网站向患者呈现服务授权页面上的同意授权按钮，当收到患者的同意授权指令后，服务端返回一个授权许可凭证到所述医院信息化网站；所述医院信息化网站通过授权许可凭证向授权服务器申请令牌；授权服务器验证信息无误后，发放令牌所述医院信息化网站；所述医院信息化网站通过令牌去资源服务器访问资源；资源服务器验证令牌无误后开放所述医院信息化网站访问的资源。3.根据权利要求1所述的一种医院复诊病人的预问诊方法，其特征在于，利用医生标注和医院历史数据，形成疾病和症状训练对应的知识图谱步骤包括：数据采集：从医院获取病人的病历数据，病历数据包括症状、体征、化验数据；数据清洗：对采集到的数据进行去重、格式化、标准化处理，并去除缺失值和错误值；实体识别：采用自然语言处理技术和医学本体知识库，对病历文本中的实体进行识别和抽取，包括疾病、症状、药物、手术；关系抽取：采用自然语言处理、规则匹配和知识表示学习技术，抽取实体之间的关系，实体之间的关系包括疾病和症状关系，疾病和药物关系，药物和症状关系；知识表示：将实体和关系进行图示化表示，采用图表示学习算法表示为多维向量；建立知识库：将表示的实体和关系存储到知识库中，构建疾病和症状的知识图谱。4.根据权利要求1所述的一种医院复诊病人的预问诊方法，其特征在于，将语音交互信息进行结构化处理，结构化处理步骤包括：数据收集预处理：收集医疗预分诊语音数据，对语音数据进行降噪、音频分割预处理；语音识别：使用深度学习技术LAS端到端模型，将语音转换为文本；实体识别和属性抽取：对识别出来的文本进行实体识别和属性抽取；结构化文本处理：将实体和属性抽取结果转换为JSON结构化数据。5.根据权利要求4所述的一种医院复诊病人的预问诊方法，其特征在于，将成JSON文本分解并存储成所述预分诊问答记录表，所述预分诊问答记录字段包括患者身份证号，患者初诊诊断疾病，患者模板，患者回答。6.一种医院复诊病人的预问诊系统，其特征在于，包括：
患者信息认证模块，用于通过登录医院信息化网站进行个人...

【专利技术属性】
技术研发人员：吴秋澎，谢冠超，
申请(专利权)人：云知声智能科技股份有限公司，
类型：发明
国别省市：