一种基于深度学习的高血压问答系统及其系统建立方法与流程

本发明涉及一种医疗问答系统，具体涉及一种基于深度学习的高血压问答系统及其系统建立方法。

背景技术：

以往，通过搜索引擎获取知识的方式，一方面浪费用户大量的时间；另一方面在医疗疾病询问的领域，信息源鱼龙混杂，用户辨别能力有限，存在被误导的可能性。传统的问答社区需人工编辑答案，用户等待时间较长，伴随着nlp、知识图谱等人工智能技术的发展，以问答的形式为用户提供即时的健康信息服务成为可能。

所以需要一个新型的智能问答系统，该系统能够满足用户对特定高血压医疗领域的问答需求，能够识别出用户的口语化表达并且可以快速正确的给出问询的答案。

技术实现要素：

本发明的目的在于提供一种基于深度学习的高血压问答系统及其系统建立方法，用以解决现有通过搜索引擎获取医疗知识耗时且信息准确性难判的问题。

为解决上述技术问题，本发明采用如下技术方案：

一种基于深度学习的高血压问答系统，所述系统包括语音拾取装置、语音释义模块、语音文字库、高血压医学知识库、问答知识库、推理诊断答复模块和答复反馈模块；

所述语音拾取装置用于将用户的语音信息转换为电信号，输入语音释义模块；

所述语音释义模块利用语音文字库的语言信息，用于分析用户输入的语言信息，分析出用户的问题内容；

所述推理诊断答复模块接收语言释义模块的问题内容，根据问题检索高血压医学知识库和问答知识库，当缺少相关诊断输入时，将缺失的诊断输入内容发送给答复反馈模块，当获得完整的诊断输入后，推理诊断答复模块获取可信度最高的答案，发送给答复反馈模块；

所述答复反馈模块用于将答复通过语言、文字或者照片反馈给用户。

优选的，上述语音拾取装置包括智能设备的话筒、手机的话筒和电脑的话筒。

优选的，上述语音释义模块分析出来的问题内容包括血压数值、症状、特殊人群和饮食种类。

优选的，上述答复反馈模块通过智能设备的话筒或者显示器、手机的扬声器或者屏幕、电脑的扬声器或者屏幕将语言、文字或者照片反馈给用户。

一种基于深度学习的高血压问答系统建立方法，建立方法具体包括如下步骤：

step1：建立系统运行所需的语音拾取装置和答复反馈模块的硬件，实现系统与用户之间信息的交互；

step2：基于现有成熟的语音文字库构建语音释义模块，写入系统软件；

step3：录入现有与高血压相关的医疗知识构建高血压医学知识库，并在系统运行过程中不断完善已构建的高血压医学知识库；

step4：基于现有网络与高血压相关的问答，构建问答知识库；

step5：在系统运行过程中，组织医生对系统答复结果进行审阅修改，系统通过医生的审阅修改，不断完善更新高血压知识库和问答知识库。

优选的，上述step3中的现有与高血压相关的医疗知识来源包括图书、的期刊和高级会议论文。

优选的，上述step4中的现有网络与高血压相关的问答包括专业论坛、医院的问答网页和专业的医疗软件信息。

本发明具有如下优点：

采取本发明基于深度学习的高血压问答系统的方案后，实现了对现有医疗知识和问答系统的结合，实现了对用户的咨询进行正确识别；整合现有医疗体系和问答系统知识的基础上，结合医生的实时反馈同步刷新知识库，完成了对用户问答给出正确答复的系统建设，使得用户可以通过该系统获得及时可靠的医疗建议或者答复。

附图说明

图1为本发明一种基于深度学习的高血压问答系统实施例的工作流程图；

图2为本发明一种基于深度学习的高血压问答系统建立方法实施例的建设过程流程图。

具体实施方式

以下由特定的具体实施例说明本发明的实施方式，熟悉此技术的人士可由本说明书所揭露的内容轻易地了解本发明的其他优点及功效。

须知，本说明书所附图式所绘示的结构、比例、大小等，均仅用以配合说明书所揭示的内容，以供熟悉此技术的人士了解与阅读，并非用以限定本发明可实施的限定条件，故不具技术上的实质意义，任何结构的修饰、比例关系的改变或大小的调整，在不影响本发明所能产生的功效及所能达成的目的下，均应仍落在本发明所揭示的技术内容得能涵盖的范围内。同时，本说明书中所引用的如“上”、“下”、“左”、右”、“中间”等的用语，亦仅为便于叙述的明了，而非用以限定本发明可实施的范围，其相对关系的改变或调整，在无实质变更技术内容下，当亦视为本发明可实施的范畴。

实施例1

参见图1，一种基于深度学习的高血压问答系统，所述系统包括语音拾取装置、语音释义模块、语音文字库、高血压医学知识库、问答知识库、推理诊断答复模块和答复反馈模块；语音拾取装置包括智能设备的话筒、手机的话筒和电脑的话筒，用于将用户的语音信息转换为电信号，输入语音释义模块；语音释义模块利用语音文字库的语言信息，用于分析用户输入的语言信息，分析出用户的问题内容，分析出来的问题内容包括血压数值、症状、特殊人群和饮食种类；推理诊断答复模块接收语言释义模块的问题内容，根据问题检索高血压医学知识库和问答知识库，当缺少相关诊断输入时，将缺失的诊断输入内容发送给答复反馈模块，当获得完整的诊断输入后，推理诊断答复模块获取可信度最高的答案，发送给答复反馈模块；答复反馈模块通过智能设备的话筒或者显示器、手机的扬声器或者屏幕、电脑的扬声器或者屏幕将语言、文字或者照片反馈给用户，用于将答复通过语言、文字或者照片反馈给用户。

实施例中，上述语音释义模块分析用户输入的语音信息的方法，一是采用自然语言技术对问题进行深层次的理解，理解内容包括意图分析、命名实体识别、依存句法分析、词义消歧等；二是通过问句分类将用户提问归入不同的类别，使系统能够针对不同问题类型采用不同的答案反馈机制得到候选答案集合；三是通过问题焦点提取主要完成用户问题的信息需求的精确定位，得到准确的用户提问的问题内容。

参见图2，一种基于深度学习的高血压问答系统建立方法，建立方法具体包括如下步骤：

step1：建立系统运行所需的语音拾取装置和答复反馈模块的硬件，实现系统与用户之间信息的交互；

step2：基于现有成熟的语音文字库构建语音释义模块，写入系统软件；

step3：录入现有与高血压相关的医疗知识（现有与高血压相关的医疗知识来源包括图书、的期刊和高级会议论文）构建高血压医学知识库，并在系统运行过程中不断完善已构建的高血压医学知识库；

step4：基于现有网络与高血压相关的问答（现有网络与高血压相关的问答包括专业论坛、医院的问答网页和专业的医疗软件信息），构建问答知识库；

step5：在系统运行过程中，组织医生对系统答复结果进行审阅修改，系统通过医生的审阅修改，不断完善更新高血压知识库和问答知识库，采用谷歌开源的机器学习框架tensorflow对高血压知识库和问答知识库进行完善更新及完成对推理诊断答复模块的模型训练。

采取本发明基于深度学习的高血压问答系统的方案后，实现了对现有医疗知识和问答系统的结合，实现了对用户的咨询进行正确识别；整合现有医疗体系和问答系统知识的基础上，结合医生的实时反馈同步刷新知识库，完成了对用户问答给出正确答复的系统建设，使得用户可以通过该系统获得及时可靠的医疗建议或者答复。

在实际使用时，随着用户数量的增加，问答次数的上升，伴随医生对结果的审阅，系统的答复准确性和可靠性逐渐上升，伴随医疗的发展获得更加准确和可靠的诊断能力。

虽然，上文中已经用一般性说明及具体实施例对本发明作了详尽的描述，但在本发明基础上，可以对之作一些修改或改进，这对本领域技术人员而言是显而易见的。因此，在不偏离本发明精神的基础上所做的这些修改或改进，均属于本发明要求保护的范围。