交互式在线诊断云平台及其运行方法和可读存储介质与流程

本发明涉及医疗技术领域，特别涉及一种交互式在线诊断云平台及其运行方法和可读存储介质。

背景技术：

心脑血管疾病是我国居民死亡的主要疾病，国家统计局的统计数据显示，从2010年到2014年，心脏病和脑血管病一直在因病死亡原因中，占据第二和第三位。两种疾病的死亡人口在总病死人口中的占比总和一直保持在40％。

糖尿病是全球性的重大公共卫生问题，也是威胁我国居民健康的主要慢性疾病。据报道，我国成年人中(18岁以上)糖尿病发病率为11.6％，约1.139亿人。dr(diabeticretinopathy，糖尿病视网膜病变)是糖尿病重要的并发症和重要的致盲性眼病。研究表明dr在糖尿病患者中的发病率为34.5％。美国糖尿病协会的研究报告称，糖尿病患者比非糖尿病患者的失明几率高25倍。据估计，我国目前dr患者约在4000万以上，是我国重要盲性眼病。糖尿病所致视觉功能损害不易逆转，且病变往往呈进行性发展，但是糖尿病所致的失明是可以预防的，关键在于早期发现和采取有效治疗。

高血压是最常见的慢性病之一，也是心脑血管病最主要的危险因素，其脑卒中、心肌梗死、心力衰竭及慢性肾脏病等主要合并症致残率、致死率高。2002年中国居民营养与健康状况调查数据显示，我国18岁以上成人高血压患病率为18.8％。根据高血压患病率的增长趋势，2012年我国15岁以上人群高血压患病率约为24％。据此估算，全国现有高血压患者约2.7亿人(包括患病但没有就诊的患者)目前，我国高血压的发病率尚无权威数据，根据国内不同队列研究的数据推算，我国40岁以上人群高血压的年发病率约为3％，每年新发患者至少1800万。据估算，现患高血压患者中接受治疗的约为1.2亿，在基层医疗卫生机构管理的患者约为8600万人。在二级及以上医院治疗的高血压患者中适合分级诊疗基层管理的患者约占60％。实践证明，高血压是可以预防和控制的疾病。降低高血压患者的血压水平，进行心血管危险因素综合管理，可明显减少脑卒中及心脏病事件，显著改善患者的生存质量，有效降低国家和患者的疾病负担。

眼底图像的解读需要很高的眼科专业基础。据统计，全国目前注册在案的眼科医生数量仅为3.2万，但需要定期接受眼底筛查的群体(眼底病变患者或潜在患者)数量却高达9240万。眼科医生与患者数量比为1：2888，如此当前的眼科医生的压力较大，并且因为压力大或者专业水平的差异，诊疗的效率和准确性也存在较大的问题。

因此实有必要开发一种在线诊断平台，根据眼底图像对患者进行智能诊断，以减轻眼科医生的压力，然而，若完全采用人工智能对眼底图像进行智能诊断，会存在计算量大而运行效率较低的问题。

技术实现要素：

本发明的主要目的是提供一种交互式在线诊断云平台及其运行方法、以及计算机可读存储介质，旨在通过人工诊断与智能诊断相结合，以缓解眼科医生的压力或者提升眼科医生的效率和诊断的准确性，并且使得交互式在线诊断云平台的计算量减小而运行效率提高。

为实现上述目的，本发明提出一种交互式在线诊断云平台的运行方法，包括：

接收待诊断对象的相关信息，所述待诊断的相关信息包括多光谱成像装置摄取的眼底图像；

将所述眼底图像传送至初级诊断人员，以供所述初级诊断人员诊断产生初步诊断信息；

获取所述初步诊断信息，并根据所述初步诊断信息匹配出卷积核；

对所述眼底图像进行图像处理，提取所述眼底图像中的病理特征信息，所述图像处理包括采用所述卷积核进行的卷积神经网络算法处理；

将所述病理特征信息在云平台的数据库中进行匹配，获得智能诊断信息。

优选地，所述病理特征信息包括眼底的血管形态。

优选地，所述初步诊断信息包括病变区域信息。

优选地，将所述眼底图像传送至初级诊断人员，以供所述初级诊断人员诊断产生初步诊断信息的步骤，包括：

根据所述待诊断对象的相关信息，查询已为所述待诊断对象诊断过的初级诊断人员；

将所述眼底图像发送至所述诊断过的初级诊断人员，以供所述诊断过的初级诊断人员诊断产生所述初步诊断信息。

优选地获取所述初步诊断信息，并根据所述初步诊断信息匹配出卷积核的步骤中，所述卷积核包括第一卷积核和第二卷积核，其中，所述第二卷积核大于所述第一卷积核；

所述采用所述卷积核进行的卷积神经网络算法处理的步骤：

采用第一卷积核对所述眼底图像进行第一卷积神经网络处理，以提取所述眼底图像中的第一病理特征信息；

采用第二卷积核对所述眼底图像进行第二卷积神经网络处理，以提取所述眼底图像中的第二病理特征信息；

判断所述第一病理特征信息与所述二病理特征信息的相似度是否大于设定的特征相似度阈值；

若是，则将所述第二病理特征信息作为眼底图像的病理特征信息；

若否，则将所述眼底图像传送至另一初级诊断人员，以供所述另一初级诊断人员诊断产生另一初步诊断信息，判断所述另一初步诊断信息与所述初步诊断信息是否大于设定诊断信息相似度：若是，则根据所述另一初步诊断信息与所述初步诊断信息的合集匹配出另一卷积核，所述另一卷积核包括第三卷积核和第四卷积核，所述第四卷积核大于所述第三卷积核，分别采用所述第三卷积核和所述第四卷积核进行卷积神经网络处理，以对应得到第三病理特征信息和第四病理特征信息，当所述第三病理特征信息和所述第四病理特征信息大于所述特征相似度阈值时，则将所述第四病理特征信息作为眼底图像的病理特征信息；若否，则反馈初级诊断异常信息，并将所述眼底图像传送至专家级诊断人员，以供所述专家级诊断人员诊断产生专家级诊断信息。

优选地，判断所述第一病理特征信息与所述二病理特征信息的相似度是否大于设定的特征相似度阈值的步骤之前，包括：

根据所述初步诊断信息，从映射关系表中匹配出特征相似度阈值。

优选地，所述待诊断对象的相关信息还包括人工诊断信息；

将所述病理特征信息在云平台的数据库中进行匹配，获得智能诊断信息的步骤之后，包括：

将所述人工诊断信息与所述智能诊断信息进行匹配；

当所述人工诊断信息与所述智能诊断信息的匹配度小于设定诊断匹配度时，向医务端发送提醒诊断异常信息。

优选地，所述待诊断对象的相关信息包括所述待诊断对象的病历；

接收待诊断对象的相关信息，所述待诊断的相关信息包括多光谱成像装置摄取的眼底图像的步骤之后，还包括：

根据待诊断对象的病历，获取待诊断对象的病理特征信息、疾病判断信息、治疗方法信息以及诊断人员的身份信息；

将所述待诊断对象的病理特征信息、疾病判断信息、治疗方法信息以及诊断人员的身份信息，在云平台的数据库进行匹配，判断所述病理特征信息、疾病判断信息、治疗方法信息以及诊断人员的身份信息是否匹配；

若不匹配，则向医务端发送提醒病历异常信息。

本发明还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有交互式在线诊断云平台的运行程序，所述智能戒指的控制程序执行时实现如上述所述的交互式在线诊断云平台的运行方法的步骤。

本发明又一种交互式在线诊断云平台，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行交互式在线诊断云平台的运行程序，所述交互式在线诊断云平台的运行程序配置为实现如上述任一项所述的交互式在线诊断云平台的运行方法的步骤。

本发明的技术方案，先通过初级诊断人员进行初级诊断，以产生初级诊断信息，进而根据所述初级诊断信息匹配出卷积核，接着采用所述卷积核进行卷积神经网络算法处理，如此通过初级诊断信息直接匹配出相适配的卷积核，而不是采用不断尝试计算而获得合适的卷积核(卷积核太大计算量大，卷积核太小会导致特征丢失)，如此会使得交互式在线诊断云平台的计算量减小而运行效率提高，并且，对眼底图像进行包括卷积神经网络算法处理在内的图像处理，以获得眼底图像中的病理特征信息，而后将获得病理特征信息在云平台的数据库中进行匹配，以获得对应的智能诊断信息，如此，在本发明中可以根据眼底图像可以在线智能进行诊断，以获得智能诊断信息，该智能诊断信息可以发送至医护端供参考，亦或者可以作为初步诊断结果，也或者可以将该智能诊断信息与人工诊断信息进行匹配，以提升人工诊断信息的准确性，如此，本发明提供的技术方案还可以缓解眼科医生的压力或者可以提升眼科医生的效率和诊断的准确性。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图示出的结构获得其他的附图。

图1为本发明提供的交互式在线诊断云平台的一实施例的框架示意图；

图2为本发明提供的交互式在线诊断云平台运行方法的第一实施例的流程示意图；

图3为本发明提供的交互式在线诊断云平台运行方法的第二实施例的流程示意图；

图4为本发明提供的交互式在线诊断云平台运行方法的第三实施例的流程示意图；

图5为本发明提供的交互式在线诊断云平台运行方法的第四实施例的流程示意图；

图6为本发明提供的交互式在线诊断云平台运行方法的第五实施例的流程示意图。

本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。

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的一部分实施例，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作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。

需要说明，本发明实施例中所有方向性指示(诸如上、下、左、右、前、后……)仅用于解释在某一特定姿态(如附图所示)下各部件之间的相对位置关系、运动情况等，如果该特定姿态发生改变时，则该方向性指示也相应地随之改变。

另外，在本发明中涉及“第一”、“第二”等的描述仅用于描述目的，而不能理解为指示或暗示其相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。另外，各个实施例之间的技术方案可以相互结合，但是必须是以本领域普通技术人员能够实现为基础，当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在，也不在本发明要求的保护范围之内。

如图1所示，图1是本发明实施例方案涉及的硬件运行环境的交互式在线诊断云平台结构示意图。

如图1所示，该交互式在线诊断云平台包括：处理器1001，例如cpu，通信总线1002、数据接口1003和存储器1004。其中，通信总线1002用于实现这些组件之间的连接通信。数据接口1003还可以包括标准的有线接口(如usb接口或者io接口)、无线接口(如wi-fi接口)。存储器1004可以是高速ram存储器，也可以是稳定的存储器(non-volatilememory)，例如磁盘存储器。存储器可选的还可以是独立于前述处理器的存储装置。

本领域技术人员可以理解，图1中示出的交互式在线诊断云平台结构并不构成对交互式在线诊断云平台的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。

如图1所示，作为一种计算机存储介质的存储器1004中可以包括操作系统、数据接口实现程序以及交互式在线诊断云平台的运行程序。

在图1所示的交互式在线诊断云平台中，处理器可为交互式在线诊断云平台中的控制芯片，该处理器可以用于调用存储器中存储的交互式在线诊断云平台的运行程序，并执行以下操作：

接收待诊断对象的相关信息，所述待诊断的相关信息包括多光谱成像装置摄取的眼底图像；

将所述眼底图像传送至初级诊断人员，以供所述初级诊断人员诊断产生初步诊断信息；

获取所述初步诊断信息，并根据所述初步诊断信息匹配出卷积核；

对所述眼底图像进行图像处理，提取所述眼底图像中的病理特征信息，所述图像处理包括采用所述卷积核进行的卷积神经网络算法处理；

将所述病理特征信息在云平台的数据库中进行匹配，获得智能诊断信息。

其中，所述病理特征信息包括眼底的血管形态。

其中，所述初步诊断信息包括病变区域信息。

进一步地，处理器1001可以调用存储器1004中存储的网络操作控制应用程序，还执行以下操作：

将所述眼底图像传送至初级诊断人员，以供所述初级诊断人员诊断产生初步诊断信息的步骤，包括：

根据所述待诊断对象的相关信息，查询已为所述待诊断对象诊断过的初级诊断人员；

将所述眼底图像发送至所述诊断过的初级诊断人员，以供所述诊断过的初级诊断人员诊断产生所述初步诊断信息。

进一步地，处理器1001可以调用存储器1004中存储的网络操作控制应用程序，还执行以下操作：

获取所述初步诊断信息，并根据所述初步诊断信息匹配出卷积核的步骤中，所述卷积核包括第一卷积核和第二卷积核，其中，所述第二卷积核大于所述第一卷积核；

所述采用所述卷积核进行的卷积神经网络算法处理的步骤：

采用第一卷积核对所述眼底图像进行第一卷积神经网络处理，以提取所述眼底图像中的第一病理特征信息；

采用第二卷积核对所述眼底图像进行第二卷积神经网络处理，以提取所述眼底图像中的第二病理特征信息；

判断所述第一病理特征信息与所述二病理特征信息的相似度是否大于设定的特征相似度阈值；

若是，则将所述第二病理特征信息作为眼底图像的病理特征信息；

若否，若否，则将所述眼底图像传送至另一初级诊断人员，以供所述另一初级诊断人员诊断产生另一初步诊断信息，判断所述另一初步诊断信息与所述初步诊断信息是否大于设定诊断信息相似度：若是，则根据所述另一初步诊断信息与所述初步诊断信息的合集匹配出另一卷积核，所述另一卷积核包括第三卷积核和第四卷积核，所述第四卷积核大于所述第三卷积核，分别采用所述第三卷积核和所述第四卷积核进行卷积神经网络处理，以对应得到第三病理特征信息和第四病理特征信息，当所述第三病理特征信息和所述第四病理特征信息大于所述特征相似度阈值时，则将所述第四病理特征信息作为眼底图像的病理特征信息；若否，则反馈初级诊断异常信息，并将所述眼底图像传送至专家级诊断人员，以供所述专家级诊断人员诊断产生专家级诊断信息。

进一步地，处理器1001可以调用存储器1004中存储的网络操作控制应用程序，还执行以下操作：

判断所述第一病理特征信息与所述二病理特征信息的相似度是否大于设定的特征相似度阈值的步骤之前，包括：

根据所述初步诊断信息，从映射关系表中匹配出特征相似度阈值。

进一步地，所述待诊断对象的相关信息还包括人工诊断信息，处理器1001可以调用存储器1004中存储的网络操作控制应用程序，还执行以下操作：

将所述病理特征信息在云平台的数据库中进行匹配，获得智能诊断信息的步骤之后，包括：

将所述人工诊断信息与所述智能诊断信息进行匹配；

当所述人工诊断信息与所述智能诊断信息的匹配度小于设定诊断匹配度时，向医务端发送提醒诊断异常信息。

进一步地，处理器1001可以调用存储器1004中存储的网络操作控制应用程序，还执行以下操作：

所述待诊断对象的相关信息包括所述待诊断对象的病历；

接收待诊断对象的相关信息，所述待诊断的相关信息包括多光谱成像装置摄取的眼底图像的步骤之后，还包括：

根据待诊断对象的病历，获取待诊断对象的病理特征信息、疾病判断信息、治疗方法信息以及诊断人员的身份信息；

将所述待诊断对象的病理特征信息、疾病判断信息、治疗方法信息以及诊断人员的身份信息，在云平台的数据库进行匹配，判断所述病理特征信息、疾病判断信息、治疗方法信息以及诊断人员的身份信息是否匹配；

若不匹配，则向医务端发送提醒病历异常信息。

本发明提出一种交互式在线诊断云平台的运行方法，图2至图6为本发明提供的交互式在线诊断云平台的运行方法的实施例。

请参阅图2，在本发明提出一种交互式在线诊断云平台的运行方法的第一实施例中，所述交互式在线诊断云平台的运行方法包括：

步骤s10、接收待诊断对象的相关信息，所述待诊断的相关信息包括多光谱成像装置摄取的眼底图像；

多光谱眼底成像技术(multiplespectrumimaging，msi)，比传统眼底照相能获得更深、更广、更准确的眼底组织病变信息。与传统眼底成像技术运用可见光为光源相比，该技术是利用多个单色led光分别投射眼底不同深度(包含rpe层及脉络膜)的组织，利用不同组织吸收光谱的差异，将眼底不同深度的图像进行采集，形成包含视网膜出血、玻璃膜疣，氧含量、脂褐素、色素变化等可反映心脑血管疾病和全身性微循环系统疾病损伤程度单色光谱图像。

步骤s20、将所述眼底图像传送至初级诊断人员，以供所述初级诊断人员诊断产生初步诊断信息；

初级诊断人员对所述眼底图像进行初级诊断，不涉及具体的疾病和诊断方法，只是涉及眼底病变的区域，或者，眼底病变的程度或阶段等等。

步骤s30、获取所述初步诊断信息，并根据所述初步诊断信息匹配出卷积核；

交互式在线诊断云平台存储有初步诊断信息与卷积核对应的映射关系表，为此，一旦获得所述初步诊断信息，则就可以通过所述映射关系表匹配出卷积核。

步骤s40、对所述眼底图像进行图像处理，提取所述眼底图像中的病理特征信息，所述图像处理包括采用所述卷积核进行的卷积神经网络算法处理；

卷积神经网络算法是一种成熟且不断演进的人工智能算法，主要用以包括在图像处理等方面，通过卷积以提取图像中的特征信息，进而可以根据特征信息以进行识别，在此不做具体介绍。

步骤s50、将所述病理特征信息在云平台的数据库中进行匹配，获得智能诊断信息。

本发明的技术方案，先通过初级诊断人员进行初级诊断，以产生初级诊断信息，进而根据所述初级诊断信息匹配出卷积核，接着采用所述卷积核进行卷积神经网络算法处理，如此通过初级诊断信息直接匹配出相适配的卷积核，而不是采用不断尝试计算而获得合适的卷积核(卷积核太大计算量大，卷积核太小会导致特征丢失)，如此会使得交互式在线诊断云平台的计算量减小而运行效率提高，并且，对眼底图像进行包括卷积神经网络算法处理在内的图像处理，以获得眼底图像中的病理特征信息，而后将获得病理特征信息在云平台的数据库中进行匹配，以获得对应的智能诊断信息，如此，在本发明中可以根据眼底图像可以在线智能进行诊断，以获得智能诊断信息，该智能诊断信息可以发送至医护端供参考，亦或者可以作为初步诊断结果，也或者可以将该智能诊断信息与人工诊断信息进行匹配，以提升人工诊断信息的准确性，如此，本发明提供的技术方案还可以缓解眼科医生的压力或者可以提升眼科医生的效率和诊断的准确性。

直观的观测眼底形态无疑是发现心血管疾病最直接的方法。现今学术界比较推崇的是观察眼底视网膜血管的形态，视网膜血管作为全身唯一可以观察小动脉和静脉的器官，它的病变能够反映全身血管的病变，预测心脑血管事件的发送。为此，在本实施例中，所述病理特征信息包括眼底的血管形态。显然本设计不限于此，所述病理特征信息还可以是视网膜的纹理、迂曲程度、空间关系等等。

请参阅图3，在本发明提供的交互式在线诊断云平台的运行方法的第二实施例中，步骤s20包括：

步骤s21、根据所述待诊断对象的相关信息，查询已为所述待诊断对象诊断过的初级诊断人员；

步骤s22、将所述眼底图像发送至所述诊断过的初级诊断人员，以供所述诊断过的初级诊断人员诊断产生所述初步诊断信息。

通过所述诊断对象的相关信息例如可以是身份信息，也可以是病历编号信息等等，可以查询为所述待诊断对象诊断过的初级诊断人员，所述诊断过的初级诊断人员相对于其他初级诊断人员对该待诊断对象的病情更了解，可以快速且准确地对所述待诊断对象进行初步诊断。

请参阅图4，在本发明提供的交互式在线诊断云平台的运行方法的第三实施例中，在步骤s30中，所述卷积核包括第一卷积核和第二卷积核，其中，所述第二卷积核大于所述第一卷积核；

步骤s40中，所述图像处理包括卷积神经网络算法处理的步骤：

步骤s41、采用第一卷积核对所述眼底图像进行第一卷积神经网络处理，以提取所述眼底图像中的第一病理特征信息；

步骤s42、采用第二卷积核对所述眼底图像进行第二卷积神经网络处理，以提取所述眼底图像中的第二病理特征信息；

步骤s43、判断所述第一病理特征信息与所述二病理特征信息的相似度是否大于设定的特征相似度阈值；

步骤s44、若是，则将所述第二病理特征信息作为眼底图像的病理特征信息；

步骤s45、若否，则将所述眼底图像传送至另一初级诊断人员，以供所述另一初级诊断人员诊断产生另一初步诊断信息，判断所述另一初步诊断信息与所述初步诊断信息是否大于设定诊断信息相似度：若是，则根据所述另一初步诊断信息与所述初步诊断信息的合集匹配出另一卷积核，所述另一卷积核包括第三卷积核和第四卷积核，所述第四卷积核大于所述第三卷积核，分别采用所述第三卷积核和所述第四卷积核进行卷积神经网络处理，以对应得到第三病理特征信息和第四病理特征信息，当所述第三病理特征信息和所述第四病理特征信息大于所述特征相似度阈值时，则将所述第四病理特征信息作为眼底图像的病理特征信息；若否，则反馈初级诊断异常信息，并将所述眼底图像传送至专家级诊断人员，以供所述专家级诊断人员诊断产生专家级诊断信息。

在将眼底图像进行卷积神经网络算法处理时，卷积核越大对应的信息准确度更高，但同时其计算量也越大，卷积核越小计算量越小，但同时存在特征信息的遗漏的问题，故而，在本实施例中，根据前后2次的卷积神经网络算法处理获得病理特征信息(即第一病理特征信息和第二病理特征信息)之间的相似度(或者说差异度)来进行判定采用的卷积大小是否合适，当相似度达到特征相似度阈值(例如98％)，即表示两次卷积神经网络算法处理获得病理特征信息差别不大，也即表示再增大卷积核后进行卷积神经网络算法处理获得病理特征信息的意义不大，即表示前面的卷积核大小合适，当相似度没有达到特征相似度阈值，即表示两次卷积神经网络算法处理获得病理特征信息差别较大，也即第一卷积核和第二卷积核不合适，此时很可能是因为初级诊断人员的初级诊断不准确，为此，此时需要通过另一初级诊断人员进行初级诊断，而不是直接给专家级诊断人员(因为专家级诊断人员比较稀缺)，通过另一初级诊断人员与之前的初级诊断人员的初级诊断信息进行比较，当两者相似度较高时，说明诊断没有问题，进而将两者的交集进行匹配卷积核，因为两者的交集相对于其中任一，信息更全面，匹配出的卷积核准确性更高，进而后续进行两次卷积神经网络算法处理，以提高诊诊断准确性，当两者相似度较低时，说明诊断有问题，则此时直接将所述眼底图像传送至专家级诊断人员，以供所述专家级诊断人员诊断产生专家级诊断信息，如此减小对专家级诊断人员的压力。

当然，在本发明的实施例中，当所述第三病理特征信息和所述第四病理特征信息小于所述特征相似度阈值时，则也可反馈初级诊断异常信息，并将所述眼底图像传送至专家级诊断人员，以供所述专家级诊断人员诊断产生专家级诊断信息。

需要注意的是“特征相似度阈值”不是固定值，可以视具体的情况而异，例如可以根据待诊断对象的病理特征信息的类别不一样而有所差异，也可以根据具体的待诊断对象而定，亦或者根据病理特征信息的具体信息量而不一样，还可以根据诊断对象的历史病历数据进行判定，主要根据诊断对象之前的疾病所处阶段，对于某些阶段疾病的发生或者说病变比较明显，此时，可以采用较小的特征相似度阈值例如80％，而对于某些阶段病变不是很明显，此时需要采用较大的特征相似度例如95％，也即必须保证特征提取的精确性。在本发明的实施例中，步骤s43之前还包括：根据所述初步诊断信息，从映射关系表中匹配出特征相似度阈值。也即交互式在线诊断云平台还存储有初步诊断信息与相似度阈值的映射关系表，可以通过初步诊断信息匹配出所述相似度阈值。

请参阅图5，在本发明提供的交互式在线诊断云平台的运行方法的第四实施例中，在本实施例中，所述待诊断对象的相关信息还包括人工诊断信息；

步骤s50之后，包括：

步骤s60、将所述人工诊断信息与所述智能诊断信息进行匹配；

步骤s70、当所述人工诊断信息与所述智能诊断信息的匹配度小于设定诊断匹配度时，向医务端发送提醒诊断异常信息。

在本实施例中，通过交互式在线诊断云平台的智能诊断与人工诊断进行比对，当两者差异较大时，向医务端发送提醒诊断异常信息可以提高医务人员的效果和降低出错率。

需要说明的是，所述诊断信息包括诊断的疾病类型、疾病时期和治疗方法，只要其中任一差别较大，线智能诊断云平台都会向医务端发送诊断异常信息。

请参阅图6，在本发明提供的交互式在线诊断云平台的运行方法的第五实施例中，在本实施例中，所述待诊断对象的相关信息包括所述待诊断对象的病历；

步骤s10之后，还包括：

步骤s11、根据待诊断对象的病历，获取待诊断对象的病理特征信息、疾病判断信息、治疗方法信息以及诊断人员的身份信息；

步骤s12、将所述待诊断对象的病理特征信息、疾病判断信息、治疗方法信息以及诊断人员的身份信息，在云平台的数据库进行匹配，判断所述病理特征信息、疾病判断信息、治疗方法信息以及诊断人员的身份信息是否匹配；

步骤s13、若不匹配，则向医务端发送提醒病历异常信息。

在本实施例中，交互式在线诊断云平台的数据库中对病理特征信息、以及与对应病理特征信息对应的疾病类型、疾病诊断方法以及对应业务能力的诊断人员之间建立映射关系，以避免人工诊断发送的误判，当有病历输入时，通过获取待诊断对象的病历(包括历史病历和当前输入的病历)中病理特征信息、疾病判断信息、治疗方法信息以及诊断人员的身份信息，将所述待诊断对象的病理特征信息、疾病判断信息、治疗方法信息以及诊断人员的身份信息，在云平台的数据库进行匹配，判断所述病理特征信息、疾病判断信息、治疗方法信息以及诊断人员的身份信息是否匹配，当不匹配时，说明很可能存在误诊的情况，进而向诊断人员提醒病历异常信息。

本发明还提出一种计算机可读存储介质，所述计算机可读存储介质上存储有智能戒指的控制程序，所述智能戒指的控制程序被处理器执行时实现如上述任一实施例的交互式在线诊断云平台的运行方法的步骤。

需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。

上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在如上的一个存储介质(如rom/ram、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，电视机，或者网络设备等)执行本发明各个实施例的方法。

以上所述仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是在本发明的发明构思下，利用本发明说明书及附图内容所作的等效结构变换，或直接/间接运用在其他相关的技术领域均包括在本发明的专利保护范围内。