一种智能医学服务系统、方法及存储介质与流程
本发明属于医疗健康数据处理领域，涉及一种智能医学服务系统、方法及存储介质。
背景技术：
随着社会发展，医疗健康产业正被越来越多的人关注。从全球范围看，医疗健康产业正处于快速发展阶段。而伴随着我国经济水平的不断提高，广大民众对医疗健康的重视程度也日渐提升，中国的医疗健康产业开始进入高速发展时期。
由于医疗健康的特殊性和体制的复杂性，相比于其他领域，医疗健康领域的互联网化进程仍处于比较初级的阶段。但在政策、社会及技术环境方面，互联网医疗都已经具备了一定的发展条件。
本申请致力于提供一种智能医学大脑模型，以辅助医生完成相关诊疗工作，以便后续基于该智能医学大脑模型构建一整套完备的医疗健康服务系统。
技术实现要素：
本发明的目的在于提供一种智能医学服务系统、方法及存储介质，用以实现基于该智能医学大脑模型构建的一整套完备的医疗健康服务系统。
为解决上述技术问题，本发明是通过以下技术方案实现的：
本发明提供一种智能医学服务系统，所述智能医学服务系统包括：用户端，用于输入用户相关的健康信息；智能医学服务端，与所述用户端通信相连，包括一智能医学大脑模型；所述智能医学大脑模型基于所述用户相关的健康信息对用户进行健康评估，获得健康评估结果；医生端，与所述智能医学服务端通信相连，用于基于所述健康评估结果输入医生建议信息，并反馈至用户端。
于本发明的一实施例中，所述智能医学服务系统还包括：医生管理端，用于输入医生管理策略，医生评价策略，医生交流学习策略，或/和医生培养策略；所述智能医学服务端与所述医生管理端通信相连，根据所述医生管理策略建立医生管理子系统，根据所述医生评价策略建立医生评价子系统，根据所述医生交流学习策略建立医生交流学习子系统，或/和根据所述医生培养策略建立医生培养子系统；所述医生端与所述智能医学服务端通信相连，用于参与所述医生管理子系统，医生评价子系统，医生交流学习子系统，或/和医生培养子系统。
于本发明的一实施例中，所述智能医学服务系统还包括：所述医生端基于一问询模型发布一问询案例；所述智能医学服务端中的医生管理子系统基于一问答匹配策略搜索匹配的医生端负责解答所述问询案例。
于本发明的一实施例中，所述智能医学服务系统还包括：所述用户端发布一健康自测请求至所述智能医学服务端；所述智能医学服务端中的智能医学大脑模型基于所述用户相关的健康信息对用户进行健康自测，并反馈给用户健康自测结果。
于本发明的一实施例中，所述智能医学大脑模型的建立系统包括：神经元模型设置模块，用于设置神经元模型的类型及属性；所述神经元模型的类型包括疾病类神经元模型和疾病评价因子类神经元模型；神经元模型生成模块，与所述神经元模型设置模块相连，用于根据所述神经元模型的类型及属性生成对应的神经元模型；疾病应对标准设置模块，用于设置各疾病应对标准信息；神经元模型关联模块，与所述神经元模型生成模块和所述疾病应对标准设置模块分别相连，根据所述各疾病应对标准信息建立各疾病类神经元模型与各疾病评价因子类神经元模型之间的关联关系。
于本发明的一实施例中，所述神经元模型关联模块包括：第一关联单元，根据预设的疾病应对标准信息初始自定义建立各疾病类神经元模型与各疾病评价因子类神经元模型之间的关联关系；或/和第二关联单元，根据预设的疾病应对标准信息更新建立各疾病类神经元模型与各疾病评价因子类神经元模型的关联关系wj；
其中，wj表示所述疾病因子集合中的疾病评价因子数据j与对应的疾病类型数据的关联系数；m为正整数，表示所述疾病因子集合中疾病评价因子数据的数量，nm表示与疾病评价因子数据m相关联的疾病类型数据的数量，nj表示与疾病评价因子数据j相关联的疾病类型数据的数量，且j≤m。
于本发明的一实施例中，所述智能医学大脑模型建立系统还包括：疾病应对标准更新模块，与所述疾病应对标准设置模块通信相连，用于增加、删减或/和更新各疾病应对标准信息。
于本发明的一实施例中，所述神经元模型关联模块还包括：第三关联单元，根据增加、删减或/和更新的疾病应对标准信息更新调整各疾病类神经元模型与各疾病评价因子类神经元模型之间的关联关系wj。
于本发明的一实施例中，所述神经元模型生成模块包括：神经元模型输入生成单元，根据所述神经元模型的类型及属性生成对应的神经元模型输入函数；神经元模型处理生成单元，根据所述神经元模型的类型及属性生成对应的神经元模型的处理函数；神经元模型输出生成单元，根据所述神经元模型的类型及属性生成对应的神经元模型输出函数。
于本发明的一实施例中，所述神经元模型生成模块生成所述疾病类神经元模型时，所述神经元模型输入生成单元根据所述疾病类神经元模型的属性生成对应的疾病类神经元模型输入函数；所述疾病类神经元模型的属性包括疾病的大类、疾病的名称、疾病的小类及疾病相关信息；所述神经元模型处理生成单元根据所述疾病类神经元模型的属性生成对应的疾病类神经元模型的处理函数；所述神经元模型输出生成单元根据所述疾病类神经元模型的属性生成对应的疾病类神经元模型输出函数。
于本发明的一实施例中，所述神经元模型生成模块生成所述疾病评价因子类神经元模型时，所述神经元模型输入生成单元根据所述疾病评价因子类神经元模型的属性生成对应的疾病评价因子类神经元模型输入函数；所述疾病评价因子类神经元模型的属性包括疾病评价因子的类别、疾病评价因子的名称、疾病评价因子的级别及疾病评价因子的相关信息；所述神经元模型处理生成单元根据所述疾病评价因子类神经元模型的属性生成对应的疾病评价因子类神经元模型的处理函数；所述神经元模型输出生成单元根据所述疾病评价因子类神经元模型的属性生成对应的疾病评价因子类神经元模型输出函数。
于本发明的一实施例中，所述智能医学大脑模型建立系统还包括：信息采集模块，与所述疾病评价因子类神经元模型通信相连，采集疾病评价因子数据集输入所述疾病评价因子类神经元模型；疾病采集模块，与所述疾病类神经元模型通信相连，采集所述疾病类神经元模型的输出结果；分析处理模块，与所述疾病采集模块和所述疾病应对标准设置模块分别相连，根据所述疾病类神经元模型的输出结果与预期结果进行对比分析，并输出是否需要修正相应疾病应对标准信息的相关指令。
本发明还提供一种智能医学服务方法，包括：获取用户相关的健康信息；利用一智能医学大脑模型；所述智能医学大脑模型基于所述用户相关的健康信息对用户进行健康评估，获得健康评估结果；基于所述健康评估结果获取医生建议信息，并反馈至用户。
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计算机程序，所述计算机程序被处理器执行时实现所述智能医学服务方法中任一步骤或任几步骤所述的方法。
如上所述，本发明所述的智能医学服务系统、方法及存储介质，具有以下有益效果：
本发明所述的智能医学服务系统是一个综合的医学服务系统，其可以服务于用户端，医生端以及其他医生管理端、数据库管理端等等。所述智能医学服务系统可以提供用户的健康信息管理备份以及健康自测等便民服务，还可以为医生提供辅助诊疗等辅助服务，节省医生资源，提高诊疗效率，避免诊疗偏差或失误；还可以为其他医生管理端提供管理医生的相关服务，例如医生的学习交流服务，技能培训服务等；其可将全部用户的健康相关信息以及医生相关信息综合在一起形成全面的数据库，可以为数据库管理者提供全面的监测管理，及时发现异常信息，保证人民群众健康有序的生活。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述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获得其他的附图。
图1为本发明所述的智能医学大脑模型建立系统的一种示例性实现结构示意图；
图2为本发明所述的神经元模型关联模块的一种示例性实现结构示意图；
图3为本发明所述的智能医学大脑模型建立系统的一种示例性实现结构示意图；
图4为本发明所述的神经元模型生成模块的一种示例性实现结构示意图；
图5为本发明所述的智能医学大脑模型建立系统的一种示例性实现结构示意图；
图6为本发明所述的智能医学大脑模型建立方法的一种示例性实现流程示意图；
图7为本发明所述的智能医学服务系统的一种示例性实现结构示意图；
图8为匹配医学专家的有向无环图的一种示例性示意图；
图9为多个健康信息之间的一种示例性关联示意图；
图10为所述关联模型的一种表现形式示意图；
图11为所述自测报告生成模块对任一疑似疾病的患病概率的计算方法流程示意图。
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作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
在本说明书的描述中，参考术语“一个实施例”、“示例”、“具体示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
本发明所述的智能医学大脑模型建立系统所生成的智能医学大脑模型可以实现全学科覆盖，包括临床(西医+中医)、健康管理、医技、护理、药学、科普等方面，方便与各个团队专家合作建立底层结构，更加权威。
本发明所述的智能医学大脑模型根据患者的各方面症状、或/和指标等信息进行智能匹配识别，可以判定患某种疾病的可能性几率，同时还可将相关识别信息及结果数据发送到专家处，由专家进行分析，如果疾病中有新的数据，会将新的数据再添加到医学图谱数据库中，形成系统的再丰富，至今本发明所述的智能医学大脑模型已包含有3000多种常见疾病的模型。
通过本发明生成的智能医学大脑模型，可基于大数据统计分析结果，并结合行业顶级医学专家及院士的临床经验，形成目前覆盖大多数常见疾病的医学知识图谱数据库。
患者可以通过本发明生成的智能医学大脑模型进行健康自测，这样不但可以节省人们的就医成本，同时可以缓解医疗资源紧张的问题，最大程度的满足广大患者对就医诊断的迫切要求，提高人们的生活品质。
医生可以通过本发明生成的智能医学大脑模型对患者进行预诊，辅助医生进行前期的全面诊疗，再由医生给出自己的专业诊断，既可以避免专科医生因医学知识的专长不同而忽视其他方面的问题，又可以协助专科医生准确完成专业诊断，避免误诊。
当然，实施本发明的任一产品并不一定需要同时达到以上所述的所有优点。
参见图1所示，本发明实施例提供一种智能医学大脑模型建立系统，所述智能医学大脑模型建立系统100包括：神经元模型设置模块110，神经元模型生成模块120，疾病应对标准设置模块130，神经元模型关联模块140。
所述神经元模型设置模块110用于设置神经元模型的类型及属性；所述神经元模型的类型包括疾病类神经元模型和疾病评价因子类神经元模型。
所述疾病评价因子类神经元模型的属性包括疾病评价因子的种类和属性。例如：疾病评价因子的种类包括症状(如发烧、咳嗽等表现体征)、指标(如身高、体重、体温、血常规、血压、血脂、心率等检测指标)、家族遗传史、用药史、疾病史等。具体地，例如，对于发烧这一症状，其包括低烧、高烧等属性；对于体温这一指标，其包括36～37℃、37.3～38℃、38.1～40℃和大于40℃等分类属性。
所述疾病类神经元模型的属性包括疾病的种类和亚型。例如：疾病的种类包括高血压、糖尿病、胃炎、湿疹、冠心病、心肌病等；所述疾病的亚型是指症状、指标、家族遗传、疾病史、用药史、年龄和/或性别等的组合，该组合可以用来对疾病种类进行判断，例如：发烧大于40℃加白细胞计数大于1000可以作为一种某种疾病的亚型，发烧大于37℃加白细胞计数大于500可以作为另一种亚型。
本实施例通过对所述疾病类神经元模型和疾病评价因子类神经元模型的细分，能够智能实现对患者的健康状况进行全面的检查，辅助医生完成精确诊断的前期诊断。
所述神经元模型生成模块120与所述神经元模型设置模块110相连，用于根据所述神经元模型的类型及属性生成对应的神经元模型。
于本发明的一实施例中，所述神经元模型的数学模型表达式可参考如下类型：
对于激发函数f[.]有多种形式，例如：阶跃型、线性型和s型等。
所述疾病应对标准设置模块130用于设置各疾病应对标准信息。
所述神经元模型关联模块140与所述神经元模型生成模块120和所述疾病应对标准设置模块130分别相连，根据所述各疾病应对标准信息建立各疾病类神经元模型与各疾病评价因子类神经元模型之间的关联关系。
于本发明的一实施例中，参见图2所示，所述神经元模型关联模块140包括：第一关联单元141，第二关联单元142，或/和第三关联单元143。
所述第一关联单元141根据预设的疾病应对标准信息初始自定义建立各疾病类神经元模型与各疾病评价因子类神经元模型之间的关联关系。
所述第二关联单元142根据预设的疾病应对标准信息更新建立各疾病类神经元模型与各疾病评价因子类神经元模型的关联关系wj；
其中，wj表示所述疾病因子集合中的疾病评价因子数据j与对应的疾病类型数据的关联系数；m为正整数，表示所述疾病因子集合中疾病评价因子数据的数量，nm表示与疾病评价因子数据m相关联的疾病类型数据的数量，nj表示与疾病评价因子数据j相关联的疾病类型数据的数量，且j≤m。
于本发明的一实施例中，参见图3所示，所述智能医学大脑模型建立系统100还包括：疾病应对标准更新模块150。所述疾病应对标准更新模块150与所述疾病应对标准设置模块130通信相连，用于增加、删减或/和更新各疾病应对标准信息。所述神经元模型关联模块140还包括：第三关联单元143。所述第三关联单元143根据增加、删减或/和更新的疾病应对标准信息更新调整各疾病类神经元模型与各疾病评价因子类神经元模型之间的关联关系wj。
于本发明的一实施例中，参见图4所示，所述神经元模型生成模块120包括：神经元模型输入生成单元121，神经元模型处理生成单元122，神经元模型输出生成单元123。所述神经元模型输入生成单元121根据所述神经元模型的类型及属性生成对应的神经元模型输入函数；所述神经元模型处理生成单元122根据所述神经元模型的类型及属性生成对应的神经元模型的处理函数；所述神经元模型输出生成单元123根据所述神经元模型的类型及属性生成对应的神经元模型输出函数。
具体地，当所述神经元模型生成模块120生成所述疾病类神经元模型时，所述神经元模型输入生成单元121根据所述疾病类神经元模型的属性生成对应的疾病类神经元模型输入函数；所述疾病类神经元模型的属性包括疾病的大类、疾病的名称、疾病的小类及疾病相关信息；所述神经元模型处理生成单元122根据所述疾病类神经元模型的属性生成对应的疾病类神经元模型的处理函数；所述神经元模型输出生成单元123根据所述疾病类神经元模型的属性生成对应的疾病类神经元模型输出函数。
具体地，当所述神经元模型生成模块120生成所述疾病评价因子类神经元模型时，所述神经元模型输入生成单元121根据所述疾病评价因子类神经元模型的属性生成对应的疾病评价因子类神经元模型输入函数；所述疾病评价因子类神经元模型的属性包括疾病评价因子的类别、疾病评价因子的名称、疾病评价因子的级别及疾病评价因子的相关信息；所述神经元模型处理生成单元122根据所述疾病评价因子类神经元模型的属性生成对应的疾病评价因子类神经元模型的处理函数；所述神经元模型输出生成单元123根据所述疾病评价因子类神经元模型的属性生成对应的疾病评价因子类神经元模型输出函数。
于本发明的一实施例中，参见图5所示，所述智能医学大脑模型建立系统100还包括：信息采集模块160，疾病采集模块170，分析处理模块180。
所述信息采集模块160与所述疾病评价因子类神经元模型通信相连，采集疾病评价因子数据集输入所述疾病评价因子类神经元模型；
所述疾病采集模块170与所述疾病类神经元模型通信相连，采集所述疾病类神经元模型的输出结果；所述分析处理模块180与所述疾病采集模块160和所述疾病应对标准设置模块130分别相连，根据所述疾病类神经元模型的输出结果与预期结果进行对比分析，并输出是否需要修正相应疾病应对标准信息的相关指令。
本发明所述的智能医学大脑模型可根据医学专家输入的与疾病相关的医学信息进行自动配置，生成各疾病的智能医学诊疗模型，并且各疾病的智能医学诊疗模型在运行过程中不断建立或/和更新各疾病相关的医学信息的关联关系，逐渐形成全面的医学知识图谱，供后续医学教学研究均有极大的指导意义。
参见图6所示，本发明实施例还提供一种智能医学大脑模型建立方法，包括：
s601，设置神经元模型的类型及属性；所述神经元模型的类型包括疾病类神经元模型和疾病评价因子类神经元模型。
s602，根据所述神经元模型的类型及属性生成对应的神经元模型。
s603，设置各疾病应对标准信息。
s604，根据所述各疾病应对标准信息建立各疾病类神经元模型与各疾病评价因子类神经元模型之间的关联关系。
于本发明的一实施例中，步骤s604根据所述各疾病应对标准信息建立各疾病类神经元模型与各疾病评价因子类神经元模型之间的关联关系的一种实现过程包括：根据预设的疾病应对标准信息初始自定义建立各疾病类神经元模型与各疾病评价因子类神经元模型之间的关联关系；或/和根据预设的疾病应对标准信息更新建立各疾病类神经元模型与各疾病评价因子类神经元模型的关联关系wj；
其中，wj表示所述疾病因子集合中的疾病评价因子数据j与对应的疾病类型数据的关联系数；m为正整数，表示所述疾病因子集合中疾病评价因子数据的数量，nm表示与疾病评价因子数据m相关联的疾病类型数据的数量，nj表示与疾病评价因子数据j相关联的疾病类型数据的数量，且j≤m。
于本发明的一实施例中，所述智能医学大脑模型建立方法还可包括：增加、删减或/和更新各疾病应对标准信息。
于本发明的一实施例中，步骤s604根据所述各疾病应对标准信息建立各疾病类神经元模型与各疾病评价因子类神经元模型之间的关联关系的一种实现过程还包括：根据增加、删减或/和更新的疾病应对标准信息更新调整各疾病类神经元模型与各疾病评价因子类神经元模型之间的关联关系wj。
于本发明的一实施例中，步骤s602根据所述神经元模型的类型及属性生成对应的神经元模型的一种实现过程包括：根据所述神经元模型的类型及属性生成对应的神经元模型输入函数；根据所述神经元模型的类型及属性生成对应的神经元模型的处理函数；根据所述神经元模型的类型及属性生成对应的神经元模型输出函数。
于本发明的一实施例中，步骤s602根据所述神经元模型的类型及属性生成对应的神经元模型的一种实现过程包括：生成模块生成所述疾病类神经元模型时，根据所述疾病类神经元模型的属性生成对应的疾病类神经元模型输入函数；所述疾病类神经元模型的属性包括疾病的大类、疾病的名称、疾病的小类及疾病相关信息；根据所述疾病类神经元模型的属性生成对应的疾病类神经元模型的处理函数；根据所述疾病类神经元模型的属性生成对应的疾病类神经元模型输出函数。
于本发明的一实施例中，步骤s602根据所述神经元模型的类型及属性生成对应的神经元模型的一种实现过程包括：生成所述疾病评价因子类神经元模型时，根据所述疾病评价因子类神经元模型的属性生成对应的疾病评价因子类神经元模型输入函数；所述疾病评价因子类神经元模型的属性包括疾病评价因子的类别、疾病评价因子的名称、疾病评价因子的级别及疾病评价因子的相关信息；根据所述疾病评价因子类神经元模型的属性生成对应的疾病评价因子类神经元模型的处理函数；根据所述疾病评价因子类神经元模型的属性生成对应的疾病评价因子类神经元模型输出函数。
于本发明的一实施例中，所述智能医学大脑模型建立方法还包括：采集疾病评价因子数据集输入所述疾病评价因子类神经元模型；采集所述疾病类神经元模型的输出结果；根据所述疾病类神经元模型的输出结果与预期结果进行对比分析，并输出是否需要修正相应疾病应对标准信息的相关指令。
本发明所述的智能医学服务系统是一个综合的医学服务系统，其可以服务于用户端，医生端以及其他医生管理端、数据库管理端等等。所述智能医学服务系统可以提供用户的健康信息管理备份以及健康自测等便民服务，还可以为医生提供辅助诊疗等辅助服务，节省医生资源，提高诊疗效率，避免诊疗偏差或失误；还可以为其他医生管理端提供管理医生的相关服务，例如医生的学习交流服务，技能培训服务等；其可将全部用户的健康相关信息以及医生相关信息综合在一起形成全面的数据库，可以为数据库管理者提供全面的监测管理，及时发现异常信息，保证人民群众健康有序的生活。
本发明实施例还提供一种服务系统，包括本申请所述的智能医学大脑模型建立系统。
本发明实施例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计算机程序，所述计算机程序被处理器执行时实现本发明所述的智能医学大脑模型建立方法。
参见图7所示，本发明实施例还提供一种智能医学服务系统700，所述智能医学服务系统700包括：智能医学服务端710，用户端720，医生端730。
所述用户端720用于输入用户相关的健康信息。所述健康信息包括个人基本信息、身体检测信息(血常规、血压、心率等医院可以检测出的健康相关信息)，疾病史、遗传史、用药史等。
所述智能医学服务端710与所述用户端720通信相连，包括一智能医学大脑模型；所述智能医学大脑模型基于所述用户相关的健康信息对用户进行健康评估，获得健康评估结果。
所述医生端730与所述智能医学服务端710通信相连，用于基于所述健康评估结果输入医生建议信息，并反馈至用户端。当所述智能医学服务端710给出的健康评估结果比较准确时，则可自动回复用户端，无需医生再诊断；当健康评估结果不够理想时，医生可以补充进行专业诊断，如此不但可以节省医疗资源，也可以提高医生的诊断准确率以及全面性。
于本发明的一实施例中，参见图7所示，所述智能医学服务系统700还包括：医生管理端740。
所述医生管理端740用于输入医生管理策略，医生评价策略，医生交流学习策略，或/和医生培养策略。
所述智能医学服务端710与所述医生管理端740通信相连，根据所述医生管理策略建立医生管理子系统711，根据所述医生评价策略建立医生评价子系统712，根据所述医生交流学习策略建立医生交流学习子系统713，或/和根据所述医生培养策略建立医生培养子系统714。所述医生端730与所述智能医学服务端710通信相连，用于参与所述医生管理子系统711，医生评价子系统712，医生交流学习子系统713，或/和医生培养子系统714。
于本发明的一实施例中，所述智能医学服务系统还包括：所述医生端基于一问询系统发布一问询案例；所述智能医学服务端中的医生管理子系统基于一问答匹配策略搜索匹配的医生端负责解答所述问询案例。
进一步，所述问询系统可以快速帮助医生解答医学信息，从而可以提高医生的医技水平。所述问询系统包括规则配置模块，第一通信模块，信息筛选模块，信息匹配模块，第二通信模块和存储模块。
所述规则配置模块用于配置问询规则和问询优先级，第一通信模块用于接收用户发送的医学信息，用户可以根据问询规则上传医学信息，用户可以为医生。信息筛选模块用于根据医学信息筛选出有效医学信息，并且根据有效医学信息建立医学信息模型。信息匹配模块用于根据问询优先级，为有效医学信息匹配医学专家。第二通信模块用于将有效医学信息和医学信息模型发送至医学专家，等待医学专家答复，医学专家还可以对该医学信息模型进行修改，存储模块160用于存储医学信息，有效医学信息和医学信息模型。
在本实施例中，可以利用图片识别单元接收外部图像采集设备(例如手机或者计算机)所采集的病人的患病部位图像，然后执行预处理操作后，将经过预处理的所述病人的患病部位图像发送给图片识别检测单元。图片识别检测单元与图片识别单元相连接，图片识别检测单元用于接收所述图片识别单元发来的所述病人的患病部位图像，并提取和识别出其中需要诊断的病人的患病部位图像信息，然后发送给医学知识库。在本实施例中，所述外部图像采集设备可以为任意一种具有图像采集并传输功能的设备，例如手机，平板电脑或者计算机。在图片识别单元中，预处理操作优选为光照补偿操作，因此，通过光照补偿来提高病人患病部位图像的质量，最后再把预处理后的图像传送到图片识别检测单元，在图片识别检测单元中进行识别与特征提取。
在本实施例中，还可以通过文字编辑单元来上传医学相关信息，文字编辑单元还连接信息辅助输入单元，在信息辅助输入单元内设置有健康信息标准词，所述辅助信息输入单元将所述健康信息标准词发送至所述用户，以提示所述用户进行输入。例如，当用户通过文字编辑单元输入“发”字时，信息辅助输入单元显示出“发热”，“发炎”或“发肿”等提示词，以供用户选择。当用户通过文字编程单元上传医学相关信息时，然后将该医学相关信息发送至医学知识库中。
在本实施例中，当用户通过第二通信模块上传医学信息之后，信息筛选模块则可以对医学信息进行筛选。该信息筛选模块包括第一筛选子模块，第二筛选子模块和标识子模块。第一筛选子模块用于从医学信息中直接筛选出有效医学信息，如果第一筛选子模块无法从医学信息中直接筛选出有效医学信息，那么第二筛选子模块则将医学信息拆分成医学子信息，并在医学子信息中筛选出有效医学信息，如果第一筛选子模块和第二筛选子模块无法筛选出有效医学信息时，那么则可以通过标识子模块将该医学信息标识为无效医学信息，然后通过第一通信模块将该医学信息反馈至用户，从而让用户重新上传医学信息。
在本实施例中，规则配置子模块可以为用户配置问询规则和问询优先级。规则配置子模块例如可以基于每一规则，对每一所述有效医学信息配置其对应的所述问询优先级；其中，所述规则为中医问询规则，西医问询规则，药学问询规则，护理问询规则，健康管理问询规则和公共卫生问询规则等；其中，所述问询优先级为症状优先级，指标优先级。在本实施例中，症状优先级可以大于指标优先级，也就是说可以根据症状信息来选择指标信息。
该规则配置子模块例如设置有中医问询规则，药学问询规则，西医问询规则，护理问询规则，医技问询规则，健康管理问询规则和公共卫生问询规则。用户可以选择至少一个问询规则，以上传医学信息，例如用户可以同时选择中医问询规则和西医问询规则。需要说明的是，在本实施例中，所述用户为医生。
当用户选择西医问询规则时，信息筛选模块筛选出的有效医学信息则可以在基本信息单元，症状单元，指标单元中体现出来，同时用户还在直接进一步更改基本信息单元，症状信息，指标单元中的信息。
在本实施例中，基本信息模块用于填写患者的基本信息，例如患者的性别，年龄，居住地，工作。当然，基本信息模块1031还可以填写患者的疾病史，家族史，用药史，过敏史等。例如，如果某个患者存在高血压的疾病史以及心脏病的遗传史，则所述基本信息模块可以根据该遗传史和疾病史在基板信息模块中添加高血压以及心脏病的相关提示信息，从而完善基本信息模块，同时也有助于医学专家进行准备的判断。在本实施例中，如果患者的居住地的环境较差，则环境也容易使得患者致病，例如假设患者的居住地粉尘严重，则患者的肺部容易发生感染。如果患者长期处于危险行业，则患者的工作也容易使得患者致病，例如假设患者长期工作在重金属行业，则患者的血液内的重金属容易超标。
在本实施例中，症状单元和指标单元是关联的，症状单元内设置大量的症状标签，指标单元内设置大量的异常指标标签。在本实施例中，症状单元的症状标签包括患者身体或心里表现出的相关症状体征，例如：发热，干咳，乏力，呼吸困难等。指标单元内的异常指标标签包括身体指标，所述身体指标通过定量的方式对患者的身体状况进行描述，例如：血压、体温、白细胞计数、血红蛋白等。在本实施例中，医生对患者进行诊断的过程中，可以获得患者的症状标签和异常指标标签。
当用户在上传医学信息时，可以在症状单元内选择至少一个症状标签，例如选择症状标签1，所述症状标签1例如为发热。当用户选择症状标签1时，指标单元显示出多个异常指标标签，例如显示出异常指标标签1，异常指标标签2，异常指标标签3。异常指标标签1例如为血压，异常指标标签2例如为体温，异常指标标签3例如为白细胞计数，异常指标标签4例如为血红蛋白。用户可以根据患者的医学相关信息选择多个异常指标标签，同时还可以上传异常指标标签的参数。在本实施例中，该症状单元与指标单元是关联的，也就是当症状单元内的症状标签的数量发生变化时，指标单元内的异常指标标签的数量也发生变化，也就是当确定任一个症状标签时，指标单元内显示出与该症状标签相关联的多个异常指标标签。
信息筛选模块内还包括模型建立单元和模型更新单元，当信息筛选模块筛选出有效医学信息之后，或者用户更改医学信息之后，模型建立单元则可以根据症状标签和异常指标标签建立医学信息模型。当有效医学信息更新后，模型建立单元则会对医学信息模型进行更新。
在本实施例中，当用户上传症状标签1，且上传异常指标标签1，异常指标标签2，异常指标标签3和异常指标标签4时，模型建立单元会建立医学信息模型。所述医学信息模型以症状标签1为核心，并根据关联关系将症状标签1与异常指标标签1至异常指标标签4建立关联。具体地，对于任一症状标签和任一异常指标标签，如果该症状标签会使该指标标签出现异常，则认为该症状标签与该异常指标标签存在关联关系，否则认为该症状标签与该异常指标标签不存在关联关系。例如当用户选择的症状标签为高血压，用户选择的异常指标标签1为血压高，异常指标标签2为流血，则表示该症状标签1与异常指标标签1，异常指标标签2为关联关系，也就是可以建立症状标签1与异常指标标签1，异常指标标签2的医学信息模型。
在本实施例中，当用户上传的医学信息发生变化时，或者用户选择的症状标签发生变化时，模型更新单元会对该医学信息模型进行更新。具体地，当用户选择症状标签1和症状标签2时，异常指标标签的数量同样会发生变化，因此该医学信息模型也会发生变化。医学信息模型同样以症状标签为核心，症状标签1和症状标签2之间存在关联关系，症状标签1和症状标签2通过异常指标标签4建立关联关系。例如，症状标签1例如为发热，症状标签2例如为咳嗽，异常指标标签4例如为血常规异常。当患者发热时，会出现血常规异常，当患者咳嗽时，会出现血常规异常，因此发热和咳嗽可以通过血常规异常建立起关联关系。
在本实施例中，当信息筛选模块筛选出有效医学信息之后，信息匹配模块则可以根据有效医学信息匹配医学专家。该信息匹配模块可以包括匹配子模块，判断子模块和优先级配置子模块。匹配子模块则可以根据有效医学信息匹配医学专家，然后通过判断子模块判断匹配出的医学专家的数量是否为一个，如果匹配子模块仅匹配出一个医学专家，则可以等待该医学专家答复有效医学信息，如果匹配子模块匹配出的医学专家的数量为两个或更多个时，那么则通过优先级配置子模块为这些医学专家配置医学专家优先级，医学专家优先级可以包括医学学科，医生级别，医生所处区域，医生工作量，医生活跃程度等。例如医学学科的优先级可以大于医学工作量的优先级，医生级别的优先级可以大于医生活跃程度的优先级。该优先级配置子模块也可以仅根据医学学科，医学级别来配置医学专家优先级。例如医学专家a的医学学科与有效医学信息所属学科相同，医学专家b的医学学科与有效医学信息所属学科不同，那么医学专家a的优先级大于医学专家b的优先级。需要说明的是，本申请默认医生级别越高，医生的医技水平越高，医生的医学知识越广。需要说明的是，医学专家答复有效医学信息的内容可以包括诊断思路，诊断建议和医学要点。诊断思路，诊断建议和医学要点可以存储在存储模块中。
如图8所示，其为匹配医学专家的有向无环图。当用户通过第一通信模块上传症状信息之后，该症状信息可以包括病例疾病，病例学科，病例所述医院，病例所属地等其他信息。信息匹配模块则可以为该症状信息匹配相应的医学专家，同时根据预先配置的优先级，则该问询系统可以形成多个执行路径，从而为该用户匹配出最合适的医学专家。例如该将节点a1作为根节点，问询系统形成的执行路径可以包括a1-a2-a3-a4，a1-a2-a5-a4，a1-a6-a4，a1-a6-a7，这些执行路径配置不同的搜索规则。例如用户上传症状信息之后(也就是在根节点a1输入症状信息)，问询系统开始搜索节点a2和节点a6，假设在节点a2搜索到与该症状信息相匹配的医学专家，则继续搜索节点a3和节点a5，例如在节点a3搜索到在线上的医学专家，则继续搜索节点a4，则在节点a4中搜索到匹配该症状信息的医学专家，如果未在节点a3中搜索到在线上的医学专家，则返回至节点a2，并搜索节点a5，如果在节点a5中搜索到在线上的医学专家，则搜索节点a4，从而在节点a4中搜索到匹配该症状信息的医学专家。同理，如果在节点a4中未匹配到医学专家，则返回至节点a3或a5，如果节点a3和a5未搜索到相关信息，则返回至节点a2，然后返回至节点a1，并搜索节点a6和节点a7，直至搜索到匹配该症状信息的医学专家。
在一些实施例中，该问询系统还可以包括疑点模块和推送模块。当用户对医学信息模型产生疑问时，则可以将相关问题记录在疑点模块内，然后由医学专家进行答复。当用户对医生答复的内容产生疑问时，也可以通过该疑点模块向医学专家提问，从而增强用户与医学专家的沟通交流，从而可以提高用户的医技水平。当新用户上传医学信息时，如果新用户上传的医学信息可存储模块中的医学信息相同时，那么推送模块则可以将该医学信息模型，有效医学信息和医学专家答复的内容推送至新用户，从而可以避免医学专家解答相同的医学信息。
于本发明的一实施例中，所述智能医学服务系统还包括：所述医生端基于一问询系统发布一问询案例进行解答的解答系统；所述智能医学服务端中的医生管理子系统基于一问答匹配策略搜索匹配的医生端负责解答所述问询案例。
所述解答系统可以包括优先级配置模块，第一通信模块，选择模块，第二通信模块，第三通信模块和存储模块。优先级配置模块可以用于配置医学专家的优先级，第一通信模块可以用于获取医学信息，选择模块可以根据医学专家的优先级选择出医学专家，第二通信模块可以将该医学信息发送至选择出的医学专家，如果医学专家无法解答该医学信息时，则可以通过第三通信模块将该医学信息发送至优先级更高的医学专家，存储模块可以用于存储医学信息和医学专家答复的内容。
在本实施例中，用户可以通过第一通信模块上传医学信息，用户可以选择中医问询规则，药学问询规则，西医问询规则，护理问询规则，医技问询规则，健康管理问询规则和公共卫生问询规则。用户可以选择至少一个问询规则，以上传医学信息，例如用户可以同时选择中医问询规则和西医问询规则。需要说明的是，在本实施例中，所述用户为医生，例如为基层医生。医学专家的答复信息可以包括诊断思路信息，诊断建议信息，医学要点信息。医学专家的答复信息可以存储在存储模块中。
通过配置医学专家的优先级，当用户通过第一通信模块上传医学信息之后，然后就可以根据医学信息和匹配的医学专家的优先级，选择出多个医学专家，这些医学专家按照优先级顺序依次排列，然后通过第二通信模块将医学信息发送至医学专家，如果该医学专家无法解答该医学信息，则该医学专家可以通过第三通信模块将该医学信息发送优先级更高的医学专家。本发明中当医生遇到无法解决的医学难题时，可以将该医学信息上传至解答系统中，然后由更加专业的医学专家来解答该医学信息，并通过反馈模块将解答内容发送至该医生，因此可以快速提高医生的医技水平。
于本发明的一实施例中，所述智能医学服务系统还包括：所述用户端发布一健康自测请求至所述智能医学服务端；所述智能医学服务端中的智能医学大脑模型基于所述用户相关的健康信息对用户进行健康自测，并反馈给用户健康自测结果。用户端和智能医学服务端共同完成了健康自测功能，可称实现该功能的结构为一健康自测系统。
进一步，所述健康自测系统包括：自测模板生成模块(可设置于用户端)，用于生成自测模板；所述自测模板用于提示用户输入健康信息；健康信息接收模块(可设置于智能医学服务端)，用于接收用户输入的健康信息；自测模板更新模块(可设置于智能医学服务端)，与所述自测模板生成模块和所述健康信息接收模块相连，用于根据用户的健康信息对所述自测模板进行更新；所述更新后的自测模板用于提示用户继续输入健康信息；自测报告生成模块(可设置于智能医学服务端)，与所述健康信息接收模块相连，用于根据所述用户的健康信息生成用户的自测报告。因此，本发明所述健康自测系统通过自测模板生成模块生成自测模板以提示用户输入健康信息；并且，所述自测模板更新模块能够根据用户已经输入的健康信息对所述自测模板进行更新，从而提示用户输入更多的健康信息。本发明所述健康自测系统无需用户根据自身情况选取待测试的目标疾病，用户只需根据所述自测模板的提示输入相应的健康信息即可，故本发明所述健康自测系统能够解决“现有方案中需要用户根据自身情况选取待测试的目标疾病”这一技术问题，有利于用户快速、便捷的实现健康自测。
于本发明的一实施例中，自测模板生成模块用于生成自测模板；其中，所述自测模板生成模块生成的自测模板为初始自测模板，用于提示用户输入健康信息；所述健康信息包括用户的身体状况信息、心理状况信息和/或生活习惯信息等。优选地，所述自测模板为所述自测模板生成模块根据当前季节、疾病流行状况生成的通用自测模板，或者为所述自测模板生成模块根据每个用户的不同情况生成的个性化自测模板。健康信息接收模块用于接收用户输入的健康信息。自测模板更新模块与所述自测模板生成模块和所述健康信息接收模块相连，用于根据用户的健康信息对所述自测模板进行更新；所述更新后的自测模板用于提示用户继续输入健康信息。自测报告生成模块与所述健康信息接收模块相连，用于根据所述用户的健康信息生成用户的自测报告。
于本发明的一实施例中，所述自测模板更新模块还用于获取多个健康信息之间的关联，该关联可以用图9所示的关联图表示。其中，所述多个健康信息之间的关联可以通过统计获取，例如：若在1000名患者中，有900名患者的健康信息中同时包括健康信息1和健康信息2，则说明健康信息1与健康信息2之间存在关联。或者，所述多个健康信息之间的关联可以根据医学知识进行定义，例如：发热普遍伴随有咳嗽，则说明发热与咳嗽之间存在关联。
本实施例中，所述自测模板更新模块能够根据所述多个健康信息之间的关联对所述自测模板进行更新。具体地，所述自测模板更新模块根据当前获取到的用户的健康信息i，获取所有与i相关联的健康信息并从中删除当前已经获取到的用户的健康信息，作为待提示信息，并分别计算所述待提示信息中每个健康信息的权重值。基于此，所述自测模板更新模块23根据所述待提示信息中每个健康信息的权重值更新所述自测模板，例如：更新后的自测模板提示用户输入所述待提示信息所包含的所有健康信息，并优先提示用户输入权重值高的健康信息。对于所述待提示信息中的任一健康信息a，其权重值r(a)的计算方法为：
其中，pa表示用户输入上一条健康信息后继续输入其他健康信息的概率，该数值可以通过统计多名用户的输入情况获得，其取值范围为0～1；n为与健康信息a相关联的所有健康信息的数量；r(bi)表示与健康信息a相关联的第i个健康信息bi的权重值，num(bi)表示与健康信息bi相关联的所有健康信息的数量。具体应用中，可以将所述待提示信息中每个健康信息的权重值均设置为1，并通过1次或多次迭代的形式对每个健康信息的权重值进行更新；其中，每次迭代均会得到一个r(a)的取值，具体迭代次数可以根据实际需求设置。
接下来将通过一个实例对上述过程进行详细介绍。若当前获取到的用户的健康信息i包含健康信息1和健康信息2，则所述待提示信息包括健康信息3、健康信息4和健康信息6。
在第一次迭代过程中，令所有健康信息的权重值均为1，并取pa＝0.5，则健康信息3的权重值为
需要说明的是，具体应用中也可以根据第一次迭代后获取的权重值重新计算每个健康信息的权重值以完成第二次迭代，并根据第二次迭代后获取的权重值确定对用户进行提示的优先级。更进一步的，还可以在第二次迭代的基础上进行第三次迭代，以此类推。在此过程中，迭代次数越多则优先级的计算越准确，但会带来运算量的增加。
于本发明的一实施例中，用户接收到所述自测模板生成模块生成的初始自测模板后，根据所述初始自测模板的提示输入相应的第一健康信息并发送。所述健康信息接收模块接收到所述第一健康信息后，所述自测报告生成模块根据所述第一健康信息生成用户的自测报告。其中，所述第一健康信息是指用户根据所述初始自测模板的提示所输入的健康信息。
于本发明的一实施例中，用户接收到所述自测模板生成模块生成的初始自测模板后，根据所述初始自测模板的提示输入相应的第一健康信息并发送。所述健康信息接收模块接收到所述第一健康信息后，所述自测模板更新模块根据所述第一健康信息对所述初始自测模板进行更新并获得第一更新模板。用户接收到所述第一更新模板后，输入相应的第二健康信息并发送。所述健康信息接收模块接收到所述第二健康信息后，所述自测报告生成模块根据所述第二健康信息生成用户的自测报告。其中，所述第二健康信息是指用户根据所述第一更新模板的提示所输入的健康信息。
于本发明的一实施例中，用户接收到所述自测模板生成模块生成的初始自测模板后，根据所述初始自测模板的提示输入相应的第一健康信息并发送。所述健康信息接收模块接收到所述第一健康信息后，所述自测模板更新模块根据所述第一健康信息对所述初始自测模板进行更新并获得第一更新模板。用户接收到所述第一更新模板后，输入相应的第二健康信息并发送。所述健康信息接收模块接收到所述第二健康信息后，所述自测模板更新模块根据所述第二健康信息对所述第一更新模板进行更新并获得第二更新模板。用户接收到所述第二更新模板后，输入相应的第三健康信息并发送。所述健康信息接收模块接收到所述第三健康信息后，所述自测报告生成模块根据所述第三健康信息生成用户的自测报告。其中，所述第三健康信息是指用户根据所述第二更新模板的提示所输入的健康信息。
于本发明的一实施例中，所述自测模板生成模块根据用户的健康档案和/或历史自测报告生成用户的个性化自测模板。其中，所述用户的健康档案中包括性别、年龄、居住地、疾病史、遗传史、过敏史、用药史等。例如，若某一用户的健康档案中记载了用户存在高血压的疾病史以及心脏病的遗传史，则所述自测模板生成模块可以根据该遗传史和疾病史在所述自测模板中添加高血压以及心脏病的相关提示信息，从而生成该用户的个性化自测模板。
于本发明的一实施例中，所述健康信息包括症状子信息、指标子信息和/或档案子信息；所述自测模板包括症状自测子模板、指标自测子模板和/或档案信息子模板；其中，所述症状自测子模板用于提示用户输入症状子信息，所述指标自测子模板用于提示用户输入指标子信息，所述档案细信息子模板用于提示用户输入档案子信息。
具体地，所述自测模板包括症状自测子模板、指标自测子模板和/或档案信息子模板；其中，所述症状自测子模板用于提示用户输入症状子信息，所述指标自测子模板用于提示用户输入指标子信息，所述档案信息子模板用于提示用户输入档案子信息。
具体地，所述症状子信息包括用户身体或心理表现出的相关症状体征，例如：发热、干咳、乏力、呼吸困难等，用户可以通过自己的身体表现确定所述症状子信息。所述指标子信息包括身体指标，所述身体指标通过定量的方式对用户的身体状况进行描述，例如：血压、体温、白细胞计数、血红蛋白等；用户可以通过相应的医疗设备获得所述指标子信息，也可以通过医院体检等方式获得所述指标子信息。所述档案子信息包括用户的健康档案中的相关信息，例如：性别、年龄、居住地、疾病史、遗传史、过敏史、用药史等。
于本发明的一实施例中，所述自测模板被配置为包含指标自测子模板、症状自测子模板和档案信息子模板；此时，所述自测模板能够提示用户输入相应的指标子信息、症状子信息和档案子信息，所述健康自测系统能够根据所述症状子信息、所述指标子信息和症状子信息生成用户的自测报告。本实施例所述配置方式，一方面提升了所述自测报告的信息完整度；另一方面，当用户在就诊过程中，医生通过所述自测报告能够直接获取用户的症状子信息、指标子信息和档案子信息，实现了所述健康自测系统与实际医生诊断过程的对接。
于本发明的一实施例中，所述健康自测系统还包括一关联模型(即神经元模型关联模块140)。所述关联模型以疾病为核心，并根据一关联关系将各疾病与其相应的疾病信息建立关联。具体地：
对于任一疾病和任一症状体征，若该疾病会使用户出现该症状体征，则认为该疾病与该症状体征之间存在关联关系；若该疾病不会使用户出现该症状体征，则认为该疾病与该症状体征之间不存在关联关系；因此，在诊断过程中，如果用户出现了该症状体征，则可以根据该关联关系认为用户可能患有该疾病。例如，感冒时患者一般都会出现发烧症状，因而感冒疾病与发烧症状之间存在关联关系；在诊断过程中，当患者出现发烧症状时，则可以认为患者可能患有感冒。
对于任一疾病和任一检查指标，若该疾病会使该检查指标出现异常，则认为该疾病和该检查指标存在关联关系，否则认为该疾病和该检查指标不存在关联关系；因此，在诊断过程中，如果用户的该检查指标存在异常，则可以根据该关联关系认为用户可能患有该疾病。例如，高血压会导致患者的血压值超出正常值范围，因而高血压疾病与血压值指标之间存在关联关系；在诊断过程中，当患者出现血压值指标过高时，则可认为患者可能患有高血压。
对于任一疾病和任一档案相关信息，该档案相关信息可能导致用户出现该疾病，则认为该疾病和该档案相关信息存在关联关系，否则认为该疾病和该档案相关信息不存在关联关系；因此，在诊断过程中，如果发现用户存在该档案相关信息，则可以根据该关联关系认为用户可能患有该疾病。例如，心脏病遗传史会增加患者患有心脏病的概率，因而可以认为心脏病遗传史这一档案相关信息与心脏病疾病之间存在关联关系。在诊断过程中，当患者具有心脏病遗传史这一档案相关信息时，则认为患者可能患有心脏病。
所述关联关系由相关领域的权威医务人员进行定义并更新，或者由人工智能技术生成，如：智能医学大脑模型；其中，所述权威医务人员例如为院士专家。如图10所示，显示为所述关联模型的一种表现形式，其中，所述疾病与疾病信息之间的关联关系在图中用直线表示。例如：疾病1与症状2之间存在关联关系，与指标4之间不存在关联关系。实际应用中可以根据用户的症状体征、异常指标和档案信息从所述关联模型中查找其相关疾病，并根据所述关联模型确定某种疾病的患病概率，进而完成疾病的诊断。
优选地，于所述关联模型中，所述疾病包括至少一种亚型，所述症状体征包括至少一个属性，所述检查指标包括至少一种分类。例如，对于发烧这一症状体征，所述关联模型中包括低烧、高烧等属性；对于体温这一检查指标，所述关联模型中包括36～37℃、37.3～38℃、38.1～40℃和大于40℃等分类。所述亚型是指症状体征、检查指标、家族遗传、疾病史、用药史、年龄和/或性别等的组合，该组合可以用来对疾病类型进行判断，例如：发烧大于40℃加白细胞计数大于1000可以作为一种亚型，发烧大于37℃加白细胞计数大于500可以作为另一种亚型。本实施例通过对所述关联模型中的疾病、症状体征和检查指标进行细分，能够指导用户(尤其是医疗知识缺乏的用户)提供更详细的自身健康信息，并依据所述更详细的自身健康信息得出准确的健康自测结果。
所述自测模板更新模块包括：相关疾病查找单元，与所述健康信息接收模块相连，用于根据所述用户的健康信息在所述关联模型中查找相关疾病；自测模板更新单元，与所述相关疾病查找单元和所述自测模板生成模块相连，用于根据所述关联模型获取所述相关疾病的疾病信息，进而对所述自测模板进行更新。其中，所述疾病信息包括所述相关疾病的症状体征、检查指标和/或档案相关信息。所述症状体征与用户的症状子信息相对应，所述检查指标与用户的指标子信息相对应，所述档案相关信息与用户的档案子信息相对应。例如，用户的症状子信息中可能包括发热子信息，其对应于疾病的发热这一症状体征；用户的指标子信息中包括血压偏高子信息，其对应于疾病的血压偏高这一异常指标；用户的档案子信息中包括心脏病遗传史子信息，其对应于疾病的心脏病遗传史这一档案相关信息。
本实施例中，所述相关疾病查找单元根据所述症状子信息和/或所述指标子信息在所述关联模型中查找相关疾病；此后，所述自测模板更新单元根据所述关联模型对所述症状自测子模板和/或所述指标自测子模板进行更新，以提示用户输入所述相关疾病相应的健康信息。
例如，当所述症状子信息包含检查指标3时，所述相关疾病查找单元根据所述检查指标3查找到的相关疾病为疾病1和疾病3，此后所述自测模板更新单元根据所述关联模型将所述症状子模板更新为提示用户输入症状体征1、症状体征2、症状体征4、症状体征5和/或症状体征6，并将所述指标子模板更新为提示用户输入检查指标2、检查指标3和/或检查指标4。接下来，若用户输入症状体征6，所述相关疾病查找单元根据所述关联模型查找到的相关疾病为疾病3，此后所述自测模板更新单元将所述症状子模板更新为提示用户输入症状体征1和/或症状体征4，并将所述指标子模板更新为提示用户输入检查指标4。
于本实施例中，所述相关疾病查找单元能够根据用户输入的症状子信息和/或指标子信息查找到相关疾病；所述自测模板更新单元能够根据所述相关疾病对所述自测模板进行更新，以使所述自测模板对所述症状子信息和/或指标子信息进行提示的范围缩小至所述相关疾病的症状体征和/或检查指标，进而使用户有目标性的提供症状子信息和/或指标子信息。在应用过程中，通过重复上述过程能够提示用户逐步且有目标性地提供的相应健康信息，进而快速定位至用户的疑似疾病。
于本发明的一实施例中，所述自测模板包括症状自测子模板；所述症状自测子模板包括症状提示标签；所述自测模板更新单元根据所述关联模型中所述相关疾病的症状体征对所述症状提示标签的数量和/或类型进行更新。
具体地，在所述自测模板生成模块生成的自测模板中，所述症状提示标签的数量和类型根据用户的健康档案、历史自测报告以及当前疾病信息等确定。其中，所述用户的健康档案包括用户的性别、年龄、居住地、疾病史、遗传史、过敏史、用药史等档案子信息，所述当前疾病信息包括季节、温度、湿度、传染病爆发情况等外部信息。例如，若用户的健康档案显示用户有高血压患病史，则所述自测模板生成模块生成的自测模板中，所述症状提示标签可以包括高血压相关的症状体征；若用户所处地区当前流感较为严重，则所述自测模板生成模块生成的自测模板中，所述症状提示标签可以为流感相关的症状体征。
当用户输入症状子信息和/或指标子信息后，所述自测模板更新单元根据所述相关疾病的症状体征的数量更新所述症状提示标签的数量，并根据所述相关疾病的症状体征的类型更新所述提示标签的类型。
于本发明的一实施例中，所述自测模板还包括指标自测子模板；所述指标自测子模板包括指标提示标签；所述自测模板更新单元根据所述关联模型中相关疾病的检查指标对所述指标提示标签的数量和/或类型进行更新。
具体地，在所述自测模板生成模块生成的自测模板可以不包含所述指标提示标签，也可以根据用户的健康档案、历史自测报告以及当前疾病信息等确定所述指标提示标签的数量和/或类型。于本实施例中，通过指标提示标签的方式提示用户输入相应的检查指标，所述指标提示标签允许用户以点击的方式输入相应的检查指标，一方面能够保证所述指标子信息的标准化，另一方面能够简化用户的输入过程，提升用户体验。
于本发明的一实施例中，所述自测模板还包括档案信息子模板；所述档案信息子模板包括档案提示标签；所述自测模板更新单元根据所述相关疾病的档案相关信息对所述档案提示标签的数量和/或类型进行更新。其中，所述档案子信息由用户的健康档案决定，其包括但不限于用户的性别、年龄、居住地、疾病史、遗传史、过敏史、用药史等；所述档案提示标签包括第一档案子信息标签、第二档案子信息标签和/或档案输入文本框。
当用户的健康档案中存在至少一项所述档案子信息时，所述自测模板生成模块从所述用户的健康档案中读取用户的所有档案子信息并添加到所述档案信息子模板中，形成第一档案子信息标签，所述第一档案子信息标签不可编辑。此外，所述档案信息子模板还可以包括第二档案子信息标签以及档案输入文本框，用于提示用户输入其他档案子信息。其中，所述第二档案子信息标签允许用户通过点击的方式输入相应的档案子信息，所述档案输入文本框允许用户通过文本方式输入相应的档案子信息。
当用户没有健康档案，或用户的健康档案中不存在所述档案子信息时，所述档案信息子模板只包括第二档案子信息标签和/或档案输入文本框，用于提示用户输入档案子信息。
于本实施例中，所述关联模型更新单元能够根据用户的疾病、症状体征和/或检查指标信息对所述关联模型进行更新，使得所述关联模型能够在实际应用中不断完善以保证所述关联模型的准确性和完整性，有利于提升健康自测的准确度。
于本发明的一实施例中，所述自测报告还包括用户的疑似疾病以及各疑似疾病的患病概率。具体地，请参阅图11，所述自测报告生成模块对任一疑似疾病i的患病概率的计算方法包括：
s11，获取所述疑似疾病i的诊断标准ci，并根据所述诊断标准ci确定所述疑似疾病i的所有相关子信息。其中，所述诊断标准ci的定义为：所有与所述疑似疾病i相关的子信息组成的集合。与所述疑似疾病i相关的子信息并不一定属于用户的健康信息，且所述子信息的类别包括症状子信息、指标子信息和/或档案子信息。各疑似疾病的诊断标准由相关领域的权威医务人员定义，若某一用户的健康信息中包含了诊断标准ci的所有相关子信息，则该用户患有所述疑似疾病i的概率可认为是100％。
s12，获取用户的健康信息中的子信息合集d，所述子信息合集d为所述用户的健康信息中的所有子信息组成的集合。
s13，获取所述诊断标准ci和所述子信息合集d的交集q，并根据所述交集q中的子信息计算所述疑似疾病i的患病概率pi。具体地，
接下来将在所述关联模型的基础上，用一个具体的实例对上述患病概率计算过程进行介绍。根据所述关联模型可知，疾病1的诊断标准c1包括：分别与症状1、症状2和症状5相对应的症状子信息1、症状子信息2和症状子信息5；分别与指标1、指标2和指标3相对应的指标子信息1、指标子信息2和指标子信息3；与档案信息3相对应的档案子信息3。此时，m＝7。
根据所述关联模型可知，症状子信息1(命名为子信息1)相关联的疾病数量n1＝3，症状子信息2(命名为子信息2)相关联的疾病数量n2＝1，症状子信息5(命名为子信息3)相关联的疾病数量为n3＝1，指标子信息1(命名为子信息4)相关联的疾病数量n4＝2，指标子信息2(命名为子信息5)相关联的疾病数量n5＝1，指标子信息3(命名为子信息6)相关联的疾病数量n6＝3，档案子信息3(命名为子信息7)相关联的疾病数量n7＝2。
若用户的健康信息中的子信息合集d中包括：症状子信息1、症状子信息2、症状子信息6和指标子信息3。此时，所述诊断标准ci和所述子信息合集d的交集q包括：症状子信息1(子信息1)、症状子信息2(子信息2)和指标子信息3(子信息6)。对于q来说，其包含子信息1、子信息2和子信息3，并且：
子信息1的权重为：
子信息2的权重为：
子信息6的权重为：
因此，用户患有疾病1的概率p1＝w1+w2+w3＝35.6％。
此外，本实施例中，对于同一用户的健康信息，可以采用s11～s13所述的方式获得多种疾病的患病概率，并从中选取患病概率最高的一种疾病作为用户最可能患有的疾病。
于本发明的一实施例中，所述自测报告包括用户的疑似疾病以及各疑似疾病的患病概率。于本实施例中各疑似疾病的患病概率的计算方法包括：
s21，获取训练样本，并利用所述训练样本对一神经网络模型进行训练获得一ai诊断模型(即所述智能医学大脑模型)；优选地，所述训练样本包括权威医务人员定义的诊断标准和实际诊断案例。
s22，获取所述用户的健康信息所包含的子信息，并利用所述ai诊断模型(即所述智能医学大脑模型)对所述子信息进行处理，以获得所述各疑似疾病的患病概率。
于所述健康自测系统中，所述自测模板生成模块能够生成一自测模板，并且所述自测模板更新模块能够根据用户已经输入的健康信息对所述自测模板进行更新。用户只需根据所述自测模板的提示输入相应的健康信息即可，其无需根据自身情况选取待测试的目标疾病。因此，本发明所述的智能医学服务系统具备健康自测功能，其中的健康自测系统能够解决“现有方案中需要用户根据自身情况选取待测试的目标疾病”这一技术问题，有利于用户快速、便捷的实现健康自测，同时也分担了医生的前期工作，节省了医疗资源。
综上所述，本发明有效克服了现有技术中的种种缺点而具高度产业利用价值。
上述实施例仅例示性说明本发明的原理及其功效，而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下，对上述实施例进行修饰或改变。因此，举凡所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变，仍应由本发明的权利要求所涵盖。
- 还没有人留言评论。精彩留言会获得点赞！