一种精神医学辅助诊断系统的制作方法

本发明涉及医学智能诊断技术领域，尤其涉及一种精神医学辅助诊断系统。

背景技术：

现有的精神医学主要诊断方法为人工量表检查法，量表中给出预先设置的问题，及该问题对应的预先设置的各种分数，使用时，医生可根据患者的回答对照计分，患者也可通过量表进行自测。显然，现有的诊断方法操作起来较繁琐，并不满足现代精神医学智能化发展的需求。

技术实现要素：

本发明旨在提供一种精神医学辅助诊断系统，能够对患者的精神状况进行高效地智能检测，从而辅助医生诊断。

为达到上述目的，本发明采用的技术方案如下：

一种精神医学辅助诊断系统，包括：信息获取模块，用于获取患者的症状信息；预处理模块，用于对所述症状信息进行标准化处理，获取符合预定格式的输入信息；症状分类模块，用于对所述符合预定格式的输入信息进行症状分类，获取症状分类结果；所述症状分类结果包括：正常，抑郁，焦虑，精神病性，物质依赖，强迫；程度分类模块，用于对所述症状分类结果进行程度分类，获取程度分类结果；所述程度分类结果包括：正常，轻度，中度，严重。

进一步地，还包括：情感识别模块，用于对患者的面部表情进行数据采集，并根据采集到的面部表情信息，获取患者的情感信息。

进一步地，还包括：诊断建议模块，用于根据所述程度分类模块输出的程度分类结果和所述情感识别模块输出的情感信息，输出诊断建议。

进一步地，所述信息获取模块包括：提问模块，用于根据所述情感识别模块获取的患者的情感信息，输出与所述情感信息对应的提问内容；输入模块，用于供患者输入对所述提问内容的回应；所述提问模块还用于根据所述情感识别模块获取的患者的情感信息和所述输入模块获取的患者回应，调整提问内容。

进一步地，所述输入模块包括文字输入模块和/或语音输入模块。

优选地，所述预处理模块、所述症状分类模块、所述程度分类模块均为预先训练好的bert模型。

优选地，所述预处理模块包括：去词模块，用于对所述症状信息去语气词、去停用词，获取第一处理信息；分句模块，用于对所述第一处理信息进行分句，获取符合预定格式的输入信息。

优选地，所述症状分类结果为抑郁的判定方法为，所述输入信息中包含以下项目中至少一项：情绪低落/沮丧，做事无兴趣，睡眠不好，感到疲倦/疲惫/累，食欲不好/吃太多，觉得自己很糟/对自己很失望，难以集中注意力，动作缓慢/反应迟钝，自杀/自己伤害自己；所述症状分类结果为焦虑的判定方法为，所述输入信息中包含以下项目中至少一项：紧张，焦躁，担忧，难以放松，坐立不安，急躁，害怕，身体部位疼痛；所述症状分类结果为精神病性的判定方法为，所述输入信息中包含以下项目中至少一项：幻听，幻视；所述症状分类结果为物质依赖的判定方法为，所述输入信息中包含以下项目中至少一项：想抽烟，想喝酒；所述症状分类结果为强迫的判定方法为，所述输入信息中包含以下项目中至少一项：出现重复想法，出现重复行为。

本发明实施例提供的精神医学辅助诊断系统，通过设置信息获取模块、预处理模块、症状分类模块、程度分类模块，使得患者的症状信息能够自动地被识别、预处理，并自动地进行诊断结果分类和严重程度的判断，因此，能够辅助医生进行高效地诊断。此外，本发明还结合了情感识别模块以获取患者当前的情感信息，以对患者进行多维度诊断，能够获取更加准确的诊断结果。

附图说明

图1为本发明实施例的系统结构图一；

图2为本发明实施例的系统结构图二；

图3为本发明实施例中症状分类模块进行症状分类的示意图；

图4为本发明实施例中程度分类模块进行程度分类的示意图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图，对本发明进行进一步详细说明。

图1为本发明实施例的系统结构图一，包括：信息获取模块，用于获取患者的症状信息；预处理模块，用于对所述症状信息进行标准化处理，获取符合预定格式的输入信息；症状分类模块，用于对所述符合预定格式的输入信息进行症状分类，获取症状分类结果；所述症状分类结果包括：正常，抑郁，焦虑，精神病性，物质依赖，强迫；程度分类模块，用于对所述症状分类结果进行程度分类，获取程度分类结果；所述程度分类结果包括：正常，轻度，中度，严重。

本实施例中的预处理模块、症状分类模块、程度分类模块均为预先训练好的bert(bidirectionalencoderrepresentationsfromtransformers)模型。bert模型是一种自然语言预处理模型，能够对文本进行分类。

本实施例中，所述信息获取模块包括：提问模块，用于根据所述情感识别模块获取的患者的情感信息，输出与所述情感信息对应的提问内容；输入模块，用于供患者输入对所述提问内容的回应；所述提问模块还用于根据所述情感识别模块获取的患者的情感信息和所述输入模块获取的患者回应，调整提问内容。即本发明采用虚拟精神医生的方式来对患者进行提问，患者通过人机交互的方式来回答虚拟精神医生的问题。具体地，将nlp(naturallanguageprocessing)技术与s2a(speechtoanimation)技术相结合，通过nlp驱动语音形式的问诊检查，并且根据患者的回答，进行患者的情感识别，利用s2a技术控制虚拟医生的提问内容和表情，优化问诊流程，进而使虚拟医生做到有温度的问诊和检查。

本实施例中，所述输入模块包括文字输入模块和/或语音输入模块。即患者可通过文字输入或口述的方式，输入自身症状，使系统获取症状信息。

本实施例中，所述预处理模块包括：去词模块，用于对所述症状信息去语气词、去停用词，获取第一处理信息；分句模块，用于对所述第一处理信息进行分句，获取符合预定格式的输入信息。

例如，用户输入：你好我最近感觉很烦躁，心情也很郁闷！晚上入睡有点困难，好不容易睡着了早上又醒得早。则系统首先进行去词处理，去掉上述文本中的“你好”、“我”等系统预定的停用词；然后，将文本中的空格和非中文逗号替换成中文逗号，替换后的结果为：最近感觉很烦躁，心情也很郁闷，晚上入睡有点困难，好不容易睡着了早上又醒得早。最后，以中文逗号为分隔符，切分句子，分句后的结果为以下4个短句：

(1)最近感觉很烦躁

(2)心情也很郁闷

(3)晚上入睡有点困难

(4)好不容易睡着了早上又醒得早

上述4个短句即为符合预定格式的输入信息。将上述4个短句输入症状分类模块，即可自动进行症状的分类，如图3所示。在症状分类模块中，所述症状分类结果为抑郁的判定方法为，所述输入信息中包含以下项目中至少一项：情绪低落/沮丧，做事无兴趣，睡眠不好，感到疲倦/疲惫/累，食欲不好/吃太多，觉得自己很糟/对自己很失望，难以集中注意力，动作缓慢/反应迟钝，自杀/自己伤害自己；所述症状分类结果为焦虑的判定方法为，所述输入信息中包含以下项目中至少一项：紧张，焦躁，担忧，难以放松，坐立不安，急躁，害怕，身体部位疼痛；所述症状分类结果为精神病性的判定方法为，所述输入信息中包含以下项目中至少一项：幻听，幻视；所述症状分类结果为物质依赖的判定方法为，所述输入信息中包含以下项目中至少一项：想抽烟，想喝酒；所述症状分类结果为强迫的判定方法为，所述输入信息中包含以下项目中至少一项：出现重复想法，出现重复行为。上述25个分项能够全面地检测患者当前的精神状况。

对于上述症状分类任务，如图3所示，bert模型在输入信息前插入一个[cls]符号，并将该符号对应的输出向量作为整篇文本的语义表示，用于文本分类。可以理解为：与文本中已有的其它字/词相比，这个无明显语义信息的符号会更“公平”地融合文本中各个字/词的语义信息。

获取症状分类结果后，进一步地，还需对对应症状的严重程度进行判断/分类，尤其是症状分类结果为抑郁和焦虑的患者。此时，系统自动抛出问题，用户需进行文本或语音的再次输入。例如，系统抛出问题：这种睡不好觉的症状持续多久了？用户输入：大概一两天吧。则系统根据用户此时的输入进行抑郁严重程度的判断。本实施例中，程度分类结果包括：正常，轻度，中度，严重4个等级，分别用数字0，1，2，3来表示，如图4所示。需要说明的是，在上一步症状分类结果中结果为抑郁或焦虑的患者，在本模块的输出结果可能为正常，原因为其抑郁或焦虑的程度较轻微，位于正常的情感波动范围。

本实施例中，如图2所示，还包括：情感识别模块，用于对患者的面部表情进行数据采集，并根据采集到的面部表情信息，获取患者的情感信息。

进一步地，还包括：诊断建议模块，用于根据所述程度分类模块输出的程度分类结果和所述情感识别模块输出的情感信息，输出诊断建议。

上述情感识别模块与诊断建议模块的设置，能够使系统对患者进行多维度地诊断，以获取更加准确的诊断结果。

本发明实施例提供的精神医学辅助诊断系统，通过设置信息获取模块、预处理模块、症状分类模块、程度分类模块，使得患者的症状信息能够自动地被识别、预处理，并自动地进行诊断结果分类和严重程度的判断，因此，能够辅助医生进行高效地诊断。此外，本发明还结合了情感识别模块以获取患者当前的情感信息，以对患者进行多维度诊断，能够获取更加准确的诊断结果。

以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。