一种基于深度学习的智能医疗自动问答系统及使用方法与流程

本发明涉及深度学习问答技术领域，具体为一种基于深度学习的智能医疗自动问答系统及使用方法。

背景技术：

深度学习的概念源于人工神经网络的研究。含多隐层的多层感知器就是一种深度学习结构。深度学习通过组合低层特征形成更加抽象的高层表示属性类别或特征，以发现数据的分布式特征表示。

深度学习是基于深度置信网络(dbn)提出非监督贪心逐层训练算法，为解决深层结构相关的优化难题带来希望，随后提出多层自动编码器深层结构。此外卷积神经网络是第一个真正多层结构学习算法，它利用空间相对关系减少参数数目以提高训练性能。深度学习是机器学习中一种基于对数据进行表征学习的方法。观测值（例如一幅图像）可以使用多种方式来表示，如每个像素强度值的向量，或者更抽象地表示成一系列边、特定形状的区域等。而使用某些特定的表示方法更容易从实例中学习任务（例如，人脸识别或面部表情识别）。深度学习的好处是用非监督式或半监督式的特征学习和分层特征提取高效算法来替代手工获取特征。

深度学习是机器学习研究中的一个新的领域，其动机在于建立、模拟人脑进行分析学习的神经网络，它模仿人脑的机制来解释数据，例如图像，声音和文本。同机器学习方法一样，深度机器学习方法也有监督学习与无监督学习之分，不同的学习框架下建立的学习模型很是不同．例如，卷积神经网络就是一种深度的监督学习下的机器学习模型，而深度置信网就是一种无监督学习下的机器学习模型。

目前，普通百姓看病难、看病贵是我国医疗体系最突出的问题。往往患者只是简单的小毛病，却需要花费大量时间进行问诊；另外对于医生来说，由于患者太多，很难对每一个患者花费太多的时间，由于时间太短，也很难做到一直细心耐心的问诊，且通常情况下，大量的患者都只是日常的小病，所以医生每天的大部分时间都是在简单的、重复的去问一些基本相同的问题，机械地做着相同的事情，而没有专业的医疗自动问答系统用来解决这方面的问题。

技术实现要素：

本发明要解决的技术问题是克服现有的缺陷，提供一种基于深度学习的智能医疗自动问答系统及使用方法，可以有效解决背景技术中的问题。

为实现上述目的，本发明提供如下技术方案：一种基于深度学习的智能医疗自动问答系统，包括医疗数据库、深度学习模块、云平台、自动应答模块、闲聊处理模块、问题分类模块、问诊交互模块和智能终端，所述云平台的输入端分别与所述医疗数据库、所述深度学习模块、所述问诊交互模块和所述智能终端的输出端连接，所述云平台输出端分别与所述医疗数据库、所述深度学习模块、所述自动应答模块、所述问题分类模块、所述问诊交互模块和所述智能终端的输入端连接，所述问题分类模块的输出端与所述医疗数据库的输入端连接，所述自动应答模块输出端分别与所述闲聊处理模块和所述智能终端的输入端连接，所述闲聊处理模块的输出端与所述智能终端的输入端连接，所述问诊交互模块的输出端与所述智能终端的输入端连接，所述智能终端的输出端与所述问诊交互模块的输入端连接，所述医疗数据库的输入端与所述深度学习模块的输出端连接，所述深度学习模块的输入端与所述医疗数据库的输出端连接，所述深度学习模块包括深度置信网络、卷积神经网络和长短期记忆网络，所述云平台包括中央处理单元、信息收发单元和存储单元，所述智能终端包括语音单元、书写单元、耳机单元、显示单元和输入单元。

作为本发明的一种优选技术方案，所述智能终端为智能手机、平板电脑或电子计算机等其他联网智能设备。

作为本发明的一种优选技术方案，所述云平台设置在智能机器人内部。

作为本发明的一种优选技术方案，所述显示单元为触控式显示屏，且所述书写单元和所述输入单元均与所述触控式显示屏连接。

作为本发明的一种优选技术方案，所述存储单元包括云存储器和本地存储器。

本发明还提出了一种基于深度学习的智能医疗自动问答系统的使用方法，包括以下步骤：

s1．采集大量已备案的同类性的医疗素材数据及与该医疗素材匹配的医疗诊断数据作为医疗训练数据存储在所述医疗数据库内部，所述医疗数据库将医疗数据输送到所述云平台，所述云平台对获取得到的医疗数据进行向量化，得训练文本向量，然后将所述训练文本向量输入到所述深度学习模块中，并构建模型训练代价函数，再通过模型训练代价函数对所述深度学习模块中进行训练；

s2．所述深度学习模块对接收到的训练文本向量和模型训练代价函数进行整合，所述长短期记忆网络和所述深度置信网络或所述卷积神经网络通过模型训练代价函数对训练文本向量进行特征分层循环记忆训练，得到训练后的神经网络；

s3．患者或患者家属可使用所述智能终端的所述输入单元与所述云平台连接；

s4．通过所述问诊交互模块向所述云平台进行问诊，所述云平台对问诊信息进行分析处理，并通过所述问题分类模块对问诊处理结果进行分类，将患者的问诊信息判断分类为问诊问题或非问诊业务范围内问题；

s5．所述问诊交互模块可从问诊问题中自动识别出患者咨询的主述病症，对待回答问题进行向量化，再提取待回答问题中每个词语的词向量，然后将待回答问题中各词语的词向量进行拼接，得待回答问题对应的文本向量，将该文本向量输入到步骤s2中训练后的神经网络中，得文本的特征向量，再将文本的特征向量进行处理，得出多个候选答案的特征向量，然后从各候选答案的特征向量选取最佳答案，并输出所述最佳答案，将最佳答案发送给医生和所述云平台；

s6．医生可通过所述智能终端上的所述显示单元将最佳答案进行查看，然后通过输入单元对最佳答案进行确认或修改，确认最佳答案，医生通过所述智能终端将最佳答案传送给所述云平台；

s7．所述云平台将最佳答案输送到所述自动应答模块，所述闲聊处理模块用于自动回答非问诊业务范围内问题，所述自动应答模块和所述闲聊处理模块将数据传送到患者或患者家属的所述智能终端上，所述智能终端的所述显示单元对最佳答案进行显示，所述语音单元对最佳答案进行语音播放，所述耳机单元可插入耳机对最佳答案进行耳机播放，可避免外人听到患者的问诊的最佳答案，完成基于深度学习的智能医疗自动问答。

与现有技术相比，本发明的有益效果是：

1、本发明通过设置云平台，可将数据和问诊结果最佳答案通过云平台进行转接，并将数据实时传送给智能终端，便于对问诊信息进行处理。

2、本发明通过设置智能终端，患者和患者家属以及医生都可通过智能终端使用该系统，方便快捷，便于操作。

3、本发明通过设置医疗数据库，可为深度学习提供医疗数据，方便进行数据整合。

4、本发明通过设置深度学习模块中设置深度置信网络和卷积神经网络，可使用深度的监督学习下的机器学习模型或者无监督学习下的机器学习模型进行深度学习，方便快捷。

本发明还提供了一种基于深度学习的智能医疗自动问答系统的使用方法，操作方便快捷，便于推广。

附图说明

图1为本发明连接示意图。

图中：1、医疗数据库；2、深度学习模块；3、云平台；4、自动应答模块；5、闲聊处理模块；6、问题分类模块；7、问诊交互模块；8、智能终端；9、深度置信网络；10、卷积神经网络；11、长短期记忆网络；12、中央处理单元；13、信息收发单元；14、存储单元；15、语音单元；16、书写单元；17、耳机单元；18、显示单元；19、输入单元。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

请参阅图1，本发明提供一种技术方案：一种基于深度学习的智能医疗自动问答系统，包括医疗数据库1、深度学习模块2、云平台3、自动应答模块4、闲聊处理模块5、问题分类模块6、问诊交互模块7和智能终端8，云平台3的输入端分别与医疗数据库1、深度学习模块2、问诊交互模块7和智能终端8的输出端连接，云平台3输出端分别与医疗数据库1、深度学习模块2、自动应答模块4、问题分类模块6、问诊交互模块7和智能终端8的输入端连接，问题分类模块6的输出端与医疗数据库1的输入端连接，自动应答模块4输出端分别与闲聊处理模块5和智能终端8的输入端连接，闲聊处理模块5的输出端与智能终端8的输入端连接，问诊交互模块7的输出端与智能终端8的输入端连接，智能终端8的输出端与问诊交互模块7的输入端连接，医疗数据库1的输入端与深度学习模块2的输出端连接，深度学习模块2的输入端与医疗数据库1的输出端连接，深度学习模块2包括深度置信网络9、卷积神经网络10和长短期记忆网络11，云平台3包括中央处理单元12、信息收发单元13和存储单元14，智能终端8包括语音单元15、书写单元16、耳机单元17、显示单元18和输入单元19。

智能终端8为智能手机、平板电脑或电子计算机等其他联网智能设备；云平台3设置在智能机器人内部；显示单元18为触控式显示屏，且书写单元16和输入单元19均与触控式显示屏连接；存储单元14包括云存储器和本地存储器。

其使用方法，包括以下步骤：

s1．采集大量已备案的同类性的医疗素材数据及与该医疗素材匹配的医疗诊断数据作为医疗训练数据存储在医疗数据库1内部，医疗数据库1将医疗数据输送到云平台3，云平台3对获取得到的医疗数据进行向量化，得训练文本向量，然后将训练文本向量输入到深度学习模块2中，并构建模型训练代价函数，再通过模型训练代价函数对深度学习模块2中进行训练；

s2．深度学习模块2对接收到的训练文本向量和模型训练代价函数进行整合，长短期记忆网络11和深度置信网络9或卷积神经网络10通过模型训练代价函数对训练文本向量进行特征分层循环记忆训练，得到训练后的神经网络；

s3．患者或患者家属可使用智能终端8的输入单元19与云平台3连接；

s4．通过问诊交互模块7向云平台3进行问诊，云平台3对问诊信息进行分析处理，并通过问题分类模块6对问诊处理结果进行分类，将患者的问诊信息判断分类为问诊问题或非问诊业务范围内问题；

s5．问诊交互模块7可从问诊问题中自动识别出患者咨询的主述病症，对待回答问题进行向量化，再提取待回答问题中每个词语的词向量，然后将待回答问题中各词语的词向量进行拼接，得待回答问题对应的文本向量，将该文本向量输入到步骤s2中训练后的神经网络中，得文本的特征向量，再将文本的特征向量进行处理，得出多个候选答案的特征向量，然后从各候选答案的特征向量选取最佳答案，并输出最佳答案，将最佳答案发送给医生和云平台3；

s6．医生可通过智能终端8上的显示单元18将最佳答案进行查看，然后通过输入单元19对最佳答案进行确认或修改，确认最佳答案，医生通过智能终端8将最佳答案传送给云平台3；

s7．云平台3将最佳答案输送到自动应答模块4，闲聊处理模块5用于自动回答非问诊业务范围内问题，自动应答模块4和闲聊处理模块5将数据传送到患者或患者家属的智能终端8上，智能终端8的显示单元18对最佳答案进行显示，语音单元15对最佳答案进行语音播放，耳机单元17可插入耳机对最佳答案进行耳机播放，可避免外人听到患者的问诊的最佳答案，完成基于深度学习的智能医疗自动问答。

本发明可将数据和问诊结果最佳答案通过云平台3进行转接，并将数据实时传送给智能终端8，便于对问诊信息进行处理；患者和患者家属以及医生都可通过智能终端8使用该系统，方便快捷，便于操作；可为深度学习提供医疗数据，方便进行数据整合；可使用深度的监督学习下的机器学习模型或者无监督学习下的机器学习模型进行深度学习，方便快捷；本发明还提供了一种基于深度学习的智能医疗自动问答系统的使用方法，操作方便快捷，便于推广。

尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。