【技术实现步骤摘要】
本专利技术涉及医疗系统，具体为一种基于aigc工具的医生aigc工作平台。
技术介绍
1、生成式人工智能—aigc，artificialintelligencegeneratedcontent，是指基于生成对抗网络、大型预训练模型等人工智能的技术方法，通过已有数据的学习和识别，以适当的泛化能力生成相关内容的技术。aigc利用机器学习和深度学习算法，通过分析大量的数据和环境信息，自动学习和优化控制策略，实现智能化的控制。aigc技术可以应用于各种领域的控制系统，包括工业自动化、智能交通、智能家居等。它可以自动感知环境的变化和需求，并根据这些信息进行智能化的决策和控制。与传统的控制方法相比，aigc技术具有更高的自适应性、智能性和效率性。aigc技术的关键是机器学习和深度学习算法。通过训练模型和优化算法，aigc系统可以从大量的数据中学习到最优的控制策略，并根据实时的环境信息进行调整和优化。这些算法可以处理复杂的控制问题，提高系统的性能和效率。除了机器学习和深度学习算法，aigc技术还可以利用其他的技术和工具来支持控制系统的实现。
2、随着aigc技术的应用，伴随着医疗的智能化普及，促使医疗系统运用aigc技术智能辅助医护人员工作。医生aigc工作平台是基于aigc工具的一种应用平台，旨在帮助医生提供更高效和准确的临床护理。该工作平台结合了人工智能和临床医学的知识，通过分析患者的医疗数据和病历信息，为医生提供个性化的临床决策支持，同时它可以帮助医生快速识别患者的疾病风险、制定治疗方案。
技术实
1、(一)解决的技术问题
2、针对现有技术的不足，本专利技术提供了一种基于aigc工具的医生aigc工作平台，完成分析患者的医疗数据和病历信息，为医生提供个性化的临床决策支持，同时它可以帮助医生快速识别患者的疾病风险、制定治疗方案的技术帮助。
3、(二)技术方案
4、为实现以上目的，本专利技术通过以下技术方案予以实现：一种基于aigc工具的医生aigc工作平台，包括基于aigc技术的工作系统和嵌入该系统的基于aigc技术的工作平台，所述基于aigc技术的工作系统包括获取收集模块、前端处理模块、智慧分析模块、预设规则模块、辅端处理模块、aigc工具模块和智能处理端，所述基于aigc技术的工作平台包括医助端、后台系统端和数据端，所述医助端包括医助工具端和自独立端，所述医助工具端包括数据输入、数据更改、增添删减和加重标记，所述自独立端包括独立关联输入和独立关联输出；
5、所述后台系统端包括连接端、处理端和规则制定，所述处理端包括数据分析、比对判定、数据导出、数据导入和组合分离，所述数据端包括数据收集、数据整合和数据存储，所述数据收集包括病源历史数据和病患历史数据，所述数据收集与数据整合连接，所述数据整合与数据存储连接，所述医助端和数据端均通过连接端与后台系统端连接；
6、所述获取收集模块连接有用户数据获取，所述用户数据获取连接有数据关键词生成，所述数据关键词生成连接有关键词关联，所述关键词关联连接有关联方案生成，所述智能处理端连接有历史数据调用，所述历史数据调用连接有历史数据判定，所述历史数据判定连接有最优方案排序。
7、优选的，所述获取收集模块包括网络爬虫获取、数据库获取、自主制作数据和专有网络获取，其中网络爬虫获取基于网络爬虫技术进行网络数据获取，数据库获取基于大数据网络资源库进行数据获取，自主制作数据基于医助端的自独立端和医助工具端进行自主输入，所述专有网络获取基于医院专属网络获取病患数据。
8、优选的，所述前端处理模块用于与基于aigc技术的工作平台连接后的指令数据进行处理分析，所述智慧分析模块基于自语言处理技术和深度学习神经网络进行资源分析、比对和判定，所述预设规则模块与规则制定连接，所述预设规则模块包括预设对抗特征，其中预设对抗特征基于特征关键中一个或以上的特征成为对抗特征，对所述对抗特征的特征数值进行设定，以符合上述两个或以上特征关键的逻辑相似性或相异性关系。
9、优选的，所述辅端处理模块用于对系统内的数据进行处理，所述智能处理端作为执行端使用，所述aigc工具模块包括次级特征忽略、次级特征备选和次级特征自添加，其中次级特征忽略对未加权聚重的特征关键词进行忽略，次级特征备选用于对未加权聚重的特征关键词进行备份选用，所述次级特征自添加用于自主特征关键的添加使用。
10、优选的，所述数据关键词生成包括关键权重加聚和关键词自定义，其中关键权重加聚对专注词进行权分加重，加聚其关键占比，所述关键词自定义35用于中途的特征关键添加糅合，所述关联方案生成包括最似方案排序和组联方案排序，其中最似方案排序基于第一关键特征和次级关键特征进行第一关键特征和次级关键特征的最似方案生成排序，所述组联方案排序基于第一关键特征和次级关键特征的引发关联进行关系组合的方案排序。
11、优选的，所述关键词关联包括关键词信息关联、关键词图谱关联和关键词关联性关联，基于关键词信息关联和关键词图谱关联生成特征关键的关联文本、图谱资源，所述关键词关联性关联基于第一关键词引发后续次选特征关键词的关联性资源信息，包括文本及对应图谱。
12、优选的，所述历史数据调用通过历史数据获取进行资源数据调用，其中历史数据获取基于获取收集模块完成资源收集，所述历史数据判定包括数据比对和分析判定，其中数据比对和分析判定基于历史数据与当前数据进行分析、比对和判定，并根据最大相似值进行最佳资源排序。
13、优选的，一种基于aigc工具的医生aigc工作平台的使用方法：
14、s1.平台登录
15、通过基于aigc技术的工作平台进行用户登录，登录后进行医助界面，根据医助端进行病患数据输入和数据加载；
16、s2.数据获取
17、平台基于内置的基于aigc技术的工作系统根据医助端输入的病患信息进行病患数据获取，包括病患的病历、病源、影像学检查数据，对于采集的患者敏感信息，采用无效化方案进行处理，通过对字段数据采用特殊字符代替真值，实现脱敏处理后续如需使用完整信息，需相关患者授权查询，同时基于获取收集模块完成基于大数据资源库的资源获取调用；
18、s3.数据信息输入处理
19、根据医助工具端输入当前病源数据特征关键词，包括病源名词、病源关键特征、病患个人信息，并利用数据更改、增添删减和加重标记完成着重特征关键的占比加权聚重；
20、s4.数据信息分析与排序
21、基于平台的处理端、系统的前端处理模块和辅端处理模块进行数据分析处理，系统利用关键词关联对特征关键词进行数据资源关联，并基于关键词、关键词引导关联完成特征关键病源的最佳方案排序、关联结合方案排序；
22、s5.最终决策序列
23、基于上述的最佳方案排序、关联结合方案排序与历史数据资源进行对比分析，根据分析比对结果的最大相似值进行排序，并基于最大相似值中最大值进行第一本文档来自技高网...
【技术保护点】
1.一种基于AIGC工具的医生AIGC工作平台，包括基于AIGC技术的工作系统和嵌入该系统的基于AIGC技术的工作平台(8)，其特征在于：所述基于AIGC技术的工作系统包括获取收集模块(1)、前端处理模块(2)、智慧分析模块(3)、预设规则模块(4)、辅端处理模块(5)、AIGC工具模块(6)和智能处理端(7)，所述基于AIGC技术的工作平台(8)包括医助端(9)、后台系统端(10)和数据端(11)，所述医助端(9)包括医助工具端(31)和自独立端(26)，所述医助工具端(31)包括数据输入(30)、数据更改(29)、增添删减(28)和加重标记(27)，所述自独立端(26)包括独立关联输入(25)和独立关联输出(24)；
2.根据权利要求1所述的一种基于AIGC工具的医生AIGC工作平台，其特征在于：所述获取收集模块(1)包括网络爬虫获取(101)、数据库获取(102)、自主制作数据(103)和专有网络获取(104)，其中网络爬虫获取(101)基于网络爬虫技术进行网络数据获取，数据库获取(102)基于大数据网络资源库进行数据获取，自主制作数据(103)基于医助端(9)
3.根据权利要求1所述的一种基于AIGC工具的医生AIGC工作平台，其特征在于：所述前端处理模块(2)用于与基于AIGC技术的工作平台(8)连接后的指令数据进行处理分析，所述智慧分析模块(3)基于自语言处理技术和深度学习神经网络进行资源分析、比对和判定，所述预设规则模块(4)与规则制定(21)连接，所述预设规则模块(4)包括预设对抗特征(401)，其中预设对抗特征(401)基于特征关键中一个或以上的特征成为对抗特征，对所述对抗特征的特征数值进行设定，以符合上述两个或以上特征关键的逻辑相似性或相异性关系。
4.根据权利要求1所述的一种基于AIGC工具的医生AIGC工作平台，其特征在于：所述辅端处理模块(5)用于对系统内的数据进行处理，所述智能处理端(7)作为执行端使用，所述AIGC工具模块(6)包括次级特征忽略(601)、次级特征备选(602)和次级特征自添加(603)，其中次级特征忽略(601)对未加权聚重的特征关键词进行忽略，次级特征备选(602)用于对未加权聚重的特征关键词进行备份选用，所述次级特征自添加(603)用于自主特征关键的添加使用。
5.根据权利要求1所述的一种基于AIGC工具的医生AIGC工作平台，其特征在于：所述数据关键词生成(33)包括关键权重加聚(34)和关键词自定义(35)，其中关键权重加聚(34)对专注词进行权分加重，加聚其关键占比，所述关键词自定义35用于中途的特征关键添加糅合，所述关联方案生成(36)包括最似方案排序(37)和组联方案排序(38)，其中最似方案排序(37)基于第一关键特征和次级关键特征进行第一关键特征和次级关键特征的最似方案生成排序，所述组联方案排序(38)基于第一关键特征和次级关键特征的引发关联进行关系组合的方案排序。
6.根据权利要求1所述的一种基于AIGC工具的医生AIGC工作平台，其特征在于：所述关键词关联(39)包括关键词信息关联(40)、关键词图谱关联(41)和关键词关联性关联(42)，基于关键词信息关联(40)和关键词图谱关联(41)生成特征关键的关联文本、图谱资源，所述关键词关联性关联(42)基于第一关键词引发后续次选特征关键词的关联性资源信息，包括文本及对应图谱。
7.根据权利要求1所述的一种基于AIGC工具的医生AIGC工作平台，其特征在于：所述历史数据调用(43)通过历史数据获取(44)进行资源数据调用，其中历史数据获取(44)基于获取收集模块(1)完成资源收集，所述历史数据判定(47)包括数据比对(45)和分析判定(46)，其中数据比对(45)和分析判定(46)基于历史数据与当前数据进行分析、比对和判定，并根据最大相似值进行最佳资源排序。
8.根据权利要求1所述的一种基于AIGC工具的医生AIGC工作平台，其特征在于，包括一种基于AIGC工具的医生AIGC工作平台的使用方法：
...【技术特征摘要】
1.一种基于aigc工具的医生aigc工作平台，包括基于aigc技术的工作系统和嵌入该系统的基于aigc技术的工作平台(8)，其特征在于：所述基于aigc技术的工作系统包括获取收集模块(1)、前端处理模块(2)、智慧分析模块(3)、预设规则模块(4)、辅端处理模块(5)、aigc工具模块(6)和智能处理端(7)，所述基于aigc技术的工作平台(8)包括医助端(9)、后台系统端(10)和数据端(11)，所述医助端(9)包括医助工具端(31)和自独立端(26)，所述医助工具端(31)包括数据输入(30)、数据更改(29)、增添删减(28)和加重标记(27)，所述自独立端(26)包括独立关联输入(25)和独立关联输出(24)；
2.根据权利要求1所述的一种基于aigc工具的医生aigc工作平台，其特征在于：所述获取收集模块(1)包括网络爬虫获取(101)、数据库获取(102)、自主制作数据(103)和专有网络获取(104)，其中网络爬虫获取(101)基于网络爬虫技术进行网络数据获取，数据库获取(102)基于大数据网络资源库进行数据获取，自主制作数据(103)基于医助端(9)的自独立端(26)和医助工具端(31)进行自主输入，所述专有网络获取(104)基于医院专属网络获取病患数据。
3.根据权利要求1所述的一种基于aigc工具的医生aigc工作平台，其特征在于：所述前端处理模块(2)用于与基于aigc技术的工作平台(8)连接后的指令数据进行处理分析，所述智慧分析模块(3)基于自语言处理技术和深度学习神经网络进行资源分析、比对和判定，所述预设规则模块(4)与规则制定(21)连接，所述预设规则模块(4)包括预设对抗特征(401)，其中预设对抗特征(401)基于特征关键中一个或以上的特征成为对抗特征，对所述对抗特征的特征数值进行设定，以符合上述两个或以上特征关键的逻辑相似性或相异性关系。
4.根据权利要求1所述的一种基于aigc工具的医生aigc工作平台，其特征在于：所述辅端处理模块(5)用于对系统内的数据进行处理，所述智能处理端...
【专利技术属性】
技术研发人员：龚瑞凌，张云峰，
申请(专利权)人：武汉万睦健康科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。