本发明涉及一种语音学习方法，具体涉及语音医嘱深度学习方法。
背景技术：
医嘱，就是医生根据病情和治疗的需要对病人在饮食、用药、化验等方面的指示。医嘱是指医师在医疗活动中下达的医学指令。医嘱内容及起始、停止时间应当由医师书写。医嘱内容应当准确、清楚，每项医嘱应当只包含一个内容，并注明下达时间，应当具体到分钟。分为长期医嘱、临时医嘱和备用医嘱三类。
医嘱只能够作为病人在饮食、用药、化验等方面的指示，现有医嘱都是医师手写，容易出现医嘱内容不清楚的情况系，此外，医嘱对病人病情变化及治疗效果的监管没有任何实质上的作用。
技术实现要素：
本发明所要解决的技术问题是医师手写的医嘱容易出现内容不清楚的情况而且对病人病情变化及治疗效果的监管没有任何实质上的作用，目的在于提供语音医嘱深度学习方法，解决医师手写的医嘱容易出现内容不清楚的情况而且对病人病情变化及治疗效果的监管没有任何实质上的作用的问题。
本发明通过下述技术方案实现：
语音医嘱深度学习方法，包括依以下步骤：
s1、采集语音医嘱；
s2、将步骤s1中的语音医嘱转换成文本数据并将文本数据存储起来；
s3、提取文本数据中的关键词汇，将不同时期针对同一病人的医嘱中提取的关键词汇进行分类，将相同的关键词汇归为同一类；
s4、根据同一类关键词汇中的变量，制定出对应的图表；
s5、存储并输出步骤s4中制定出对应的图表，结合步骤s4中制定出对应的图表监督病人的病情变化情况并做出适合病人的治疗方案。
本发明将医嘱录成语音，减少了医师的工作量；不需要手写，语音转换的文本字迹清楚，不会影响医嘱的完整性及正确性；本发明对医嘱进行深入挖掘，对同一病人不同时期的医嘱进行了分析，提取出了医嘱的变化数据，并将所述数据制定成了图表，便于医师分析病人的病情变化，能够根据病人的病情变化情况调节病人的治疗方案；本发明开拓了语音医嘱更加深入的功能，不仅仅只是作为病人在饮食、用药、化验等方面的指示，有利于病人的治疗。
步骤s2中在对语音医嘱进行文本数据转换前，对语音医嘱进行降噪处理。
步骤s2中语音医嘱转换成文本数据后，将所述文本数据与对应的时间、对应的病人信息关联后再进行存储。
步骤s2中语音医嘱转换成文本数据后，对文本数据进行纠错后再进行存储。
步骤s1中采集语音医嘱的同时采集输入该语音医嘱的医师信息，并将语音医嘱与对应医师关联起来。
本发明与现有技术相比，具有如下的优点和有益效果：
1、本发明语音医嘱深度学习方法将医嘱录成语音，减少了医师的工作量；不需要手写，语音转换的文本字迹清楚，不会影响医嘱的完整性及正确性；
2、本发明语音医嘱深度学习方法对医嘱进行深入挖掘，对同一病人不同时期的医嘱进行了分析，提取出了医嘱的变化数据，并将所述数据制定成了图表，便于医师分析病人的病情变化，能够根据病人的病情变化情况调节病人的治疗方案；
3、本发明语音医嘱深度学习方法开拓了语音医嘱更加深入的功能，不仅仅只是作为病人在饮食、用药、化验等方面的指示，有利于病人的治疗。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白，下面结合实施例，对本发明作进一步的详细说明，本发明的示意性实施方式及其说明仅用于解释本发明，并不作为对本发明的限定。
实施例1
本发明语音医嘱深度学习方法，包括依以下步骤：
s1、采集语音医嘱；
s2、将步骤s1中的语音医嘱转换成文本数据并将文本数据存储起来；
s3、提取文本数据中的关键词汇，将不同时期针对同一病人的医嘱中提取的关键词汇进行分类，将相同的关键词汇归为同一类；
s4、根据同一类关键词汇中的变量，制定出对应的图表；
s5、存储并输出步骤s4中制定出对应的图表，结合步骤s4中制定出对应的图表监督病人的病情变化情况并做出适合病人的治疗方案。
步骤s2中在对语音医嘱进行文本数据转换前，对语音医嘱进行降噪处理。步骤s2中语音医嘱转换成文本数据后，将所述文本数据与对应的时间、对应的病人信息关联后再进行存储。步骤s2中语音医嘱转换成文本数据后，对文本数据进行纠错后再进行存储。步骤s1中采集语音医嘱的同时采集输入该语音医嘱的医师信息，并将语音医嘱与对应医师关联起来。
本发明将医嘱录成语音，减少了医师的工作量；不需要手写，语音转换的文本字迹清楚，不会影响医嘱的完整性及正确性；本发明对医嘱进行深入挖掘，对同一病人不同时期的医嘱进行了分析，提取出了医嘱的变化数据，并将所述数据制定成了图表，便于医师分析病人的病情变化，能够根据病人的病情变化情况调节病人的治疗方案；本发明开拓了语音医嘱更加深入的功能，不仅仅只是作为病人在饮食、用药、化验等方面的指示，有利于病人的治疗。
以上所述的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施方式而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。