推荐信息生成方法、装置、电子设备及存储介质与流程

1.本公开涉及智能医疗技术领域，尤其涉及一种推荐信息生成方法、装置、电子设备及存储介质。


背景技术：

2.在智能医疗技术领域，通常是医生根据患者的症状信息，由结合积累的诊疗经验在诊疗过程中为患者提供多方面的推荐信息，例如用药信息，康复计划信息等。
3.这种方式下，不能够自动化地生成推荐信息，所生成推荐信息易于受到人为主观因素的干扰，生成的推荐信息不够准确，生成效果不佳。


技术实现要素：

4.本公开旨在至少在一定程度上解决相关技术中的技术问题之一。
5.为此，本公开的目的在于提出一种推荐信息生成方法、装置、电子设备及存储介质，由于是基于与至少部分初始症状信息之间的关联关系信息，自动化地生成目标推荐信息，从而可以使得目标推荐信息能够有效地表征出不同初始症状信息之间的关联关系信息，使得目标推荐信息的生成更为准确和智能，且能够针对多种初始症状信息自动化地生成更具参考性的推荐信息，有效地提升推荐信息的生成效果。
6.本公开第一方面实施例提出的推荐信息生成方法，包括：获取多种模态检查数据；确定与所述多种模态检查数据分别对应的多种初始症状信息；根据至少部分所述初始症状信息，形成关联关系信息；以及根据多个所述关联关系信息，生成目标推荐信息。
7.本公开第一方面实施例提出的推荐信息生成方法，通过获取多种模态检查数据，并确定与多种模态检查数据分别对应的多种初始症状信息，再根据至少部分初始症状信息，形成关联关系信息，以及根据多个关联关系信息，生成目标推荐信息，由于是基于与至少部分初始症状信息之间的关联关系信息，自动化地生成目标推荐信息，从而可以使得目标推荐信息能够有效地表征出不同初始症状信息之间的关联关系信息，使得目标推荐信息的生成更为准确和智能，且能够针对多种初始症状信息自动化地生成更具参考性的推荐信息，有效地提升推荐信息的生成效果。
8.本公开第二方面实施例提出的推荐信息生成装置，包括：第一获取模块，用于获取多种模态检查数据；第一确定模块，用于确定与所述多种模态检查数据分别对应的多种初始症状信息；处理模块，用于根据至少部分所述初始症状信息，形成关联关系信息；以及生成模块，用于根据多个所述关联关系信息，生成目标推荐信息。
9.本公开第二方面实施例提出的推荐信息生成装置，通过获取多种模态检查数据，并确定与多种模态检查数据分别对应的多种初始症状信息，再根据至少部分初始症状信息，形成关联关系信息，以及根据多个关联关系信息，生成目标推荐信息，由于是基于与至少部分初始症状信息之间的关联关系信息，自动化地生成目标推荐信息，从而可以使得目标推荐信息能够有效地表征出不同初始症状信息之间的关联关系信息，使得目标推荐信息
的生成更为准确和智能，且能够针对多种初始症状信息自动化地生成更具参考性的推荐信息，有效地提升推荐信息的生成效果。
10.本公开第三方面实施例提出了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行程序时，实现如本公开第一方面实施例提出的推荐信息生成方法。
11.本公开第四方面实施例提出了一种非临时性计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本公开第一方面实施例提出的推荐信息生成方法。
12.本公开第五方面实施例提出了一种计算机程序产品，当计算机程序产品中的指令处理器执行时，执行如本公开第一方面实施例提出的推荐信息生成方法。
13.本公开附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本公开的实践了解到。
附图说明
14.本公开上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：
15.图1是本公开一实施例提出的推荐信息生成方法的流程示意图；
16.图2是本公开另一实施例提出的推荐信息生成方法的流程示意图；
17.图3是本公开另一实施例提出的推荐信息生成方法的流程示意图；
18.图4是本公开另一实施例提出的推荐信息生成方法的流程示意图；
19.图5是本公开另一实施例提出的推荐信息生成方法的流程示意图；
20.图6是本公开一实施例提出的推荐信息生成装置的结构示意图；
21.图7是本公开另一实施例提出的推荐信息生成装置的结构示意图；
22.图8示出了适于用来实现本公开实施方式的示例性电子设备的框图。
具体实施方式
23.下面详细描述本公开的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本公开，而不能理解为对本公开的限制。相反，本公开的实施例包括落入所附加权利要求书的精神和内涵范围内的所有变化、修改和等同物。
24.图1是本公开一实施例提出的推荐信息生成方法的流程示意图。
25.其中，需要说明的是，本实施例的推荐信息生成方法的执行主体为推荐信息生成装置，该装置可以由软件和/或硬件的方式实现，该装置可以配置在电子设备中，电子设备可以包括但不限于终端、服务器端等。
26.如图1所示，该推荐信息生成方法，包括：
27.s101：获取多种模态检查数据。
28.其中，检查数据可以是用户(例如，患者，对此不做限制)的检查数据，例如，该检查数据可以是用户健康状况的检查数据，或者，该检查数据还可以是用户身体各项指标的检
查数据，对此不做限制。
29.其中，检查数据可以具有多种模态，例如数据指标模态，文本模态等，相应的，多种模态数据可以是数据指标模态检查数据，具体可以例如为，血糖指标数据，尿液指标数据，肝肾工作指标数据以及骨密度指标数据，或者，多模数据还可以是文本模态检查数据，具体可以例如为，电子计算机断层扫描(computed tomography，ct)数据，x光扫描数据，多普勒超声心动图数据以及核磁共振扫描数据等，对此不做限制。
30.一些实施例中，获取多种模态的检查数据，可以是采用医学测量仪器，例如，电子计算机断层扫描仪，x光扫描仪等，对用户的健康状况和/或进行仪器测量，以得到多种模态检查数据，或者，获取多种模态检查数据，还可以是从相关的数据存储云平台(例如，医疗体检平台)，获取该数据存储平台预先存储的多种模态检查数据，对此不做限制。
31.另一些实施例中，获取多种模态的检查数据，可以是针对推荐信息生成装置预先配置相应的数据接收接口，并经由该数据接收接口，获取多种模态检查数据，对此不做限制。
32.s102：确定与多种模态检查数据分别对应的多种初始症状信息。
33.其中，症状信息可以用于对用户的主观上的异常感觉，和/或某些客观病态进行描述，该症状信息可以具体例如为发热的症状信息，咳嗽的症状信息等，相应地，与多模态检查数据分别对应的未经处理的症状信息，即可以被称为初始症状信息，对此不做限制。
34.一些实施例中，确定与多种模态检查数据分别对应的多种初始症状信息，可以是在获取数据指标模态检查数据后，将前述获取得到的数据指标模态检查数据和相应的正常指标数据进行比对，以确定数据指标是否处于异常状态(该异常状态可以具体例如为：数据指标偏低的异常状态，数据指标偏高的异常状态等，对此不做限制)，并将前述确定的数据指标的异常状态，作为与数据指标模态检查数据对应的初始症状信息。
35.举例而言，假设前述获取得到的数据指标模态检查数据为：血糖检测指标数据(3.5毫摩尔/升)，则可以将前述确定的血糖检测值指标数据(3.5毫摩尔/升)，与血糖正常指标数据(3.9-6.1毫摩尔/升)进行比对，以确定血糖数据指标处于偏低的异常状态，并将血糖数据指标偏低的异常状态，作为初始症状信息，对此不做限制。
36.另一些实施例中，确定与多种模态检查数据分别对应的多种初始症状信息，可以是在获取多种模态的检查数据后，结合既有的医疗规则，对多种模态的检查数据进行分析处理，以确定与该多模态检查数据相应的多种症状信息，并将多种症状信息共同作为初始症状信息。
37.举例而言，假设获取得到的多种模态检查数据为“体温为38.5摄氏度”，则可以根据既有的医疗规则，确定与检查数据“体温为38.5摄氏度”，对应的多种症状信息为头晕，乏力，畏寒等，将前述确定的与检查数据“体温为38.5摄氏度”，对应的头晕，乏力，畏寒等多种症状信息共同作为初始症状信息，对此不做限制。
38.或者，确定与多种模态检查数据分别对应的多种初始症状信息，还可以是针对推荐信息生成装置预先配置相应的数据分析装置，由数据分析装置对前述获取得到的多种模态检查数据进行分析处理，以得到与多种模态检查数据分别对应的多种初始症状信息，对此不做限制。
39.s103：根据至少部分初始症状信息，形成关联关系信息。
40.本公开实施例描述的推荐信息生成方法，可以用于生成与初始症状信息相关的推荐信息，该推荐信息可以具体例如为与初始症状信息相应的推荐用药信息，推荐康复计划信息等，对此不做限制。
41.其中，关联关系信息，可以用于描述初始症状信息和推荐信息之间的关联情况，该关联情况可以是初始症状信息和推荐信息之间语义维度的关联情况，或者，还可以是初始症状信息和推荐信息之间特征维度的关联情况，具体可以例如为，初始症状信息和推荐信息之间的置信度，初始症状信息和推荐信息之间的支持度等，对此不做限制。
42.本公开实施例中，根据至少部分初始症状信息，形成关联关系信息，可以是采用用于挖掘数据关联规则的算法，例如，关联规则算法(apriori算法)对初始症状信息和推荐信息进行关联分析，以确定相应的关联关系信息。
43.举例而言，根据至少部分初始症状信息，形成关联关系信息，可以针对推荐信息生成装置，预先配置相应的关联关系分析模块，关联关系分析模块之中可以预先内嵌相应的关联规则算法，即可以关联关系分析模块执行相应的关联规则算法，对初始症状信息和推荐信息进行关联分析，以确定相应的的关联关系信息，对此不做限制。
44.一些实施例中，还可以结合预训练的机器学习模型，实现根据至少部分初始症状信息，形成关联关系信息，即可以将初始症状信息和多个推荐信息共同输入至预训练的机器学习模型中，由机器学习模型对初始症状信息和多个推荐信息进行处理，并输出相应的关联关系信息，或者，还可以采用其他任意可能的方式实现根据至少部分初始症状信息，形成关联关系信息，对此不做限制。
45.s104：根据多个关联关系信息，生成目标推荐信息。
46.本公开实施例在根据至少部分初始症状信息，形成关联关系信息后，可以从多个关联关系信息相应的多个推荐信息中，生成目标推荐信息。
47.一些实施例中，根据多个关联关系信息，生成目标推荐信息，可以是分别确定与多个关联关系信息相应的多个推荐信息的多个置信度，再将多个置信度中最大置信度相应的推荐信息作为目标推荐信息。
48.可以理解的是，多种模态检查数据可以对应多种初始症状信息，多种初始症状信息可以对应多个关联关系和多个推荐信息，多个推荐信息中可能会存在相同的推荐信息，此时，如果将全部的推荐信息全部作为推荐信息，可能会出现无效地重复推荐情形。
49.由此，一些实施例中，根据多个关联关系信息，生成目标推荐信息，可以是先确定与多种模态检查数据对应的多种初始症状信息，再确定与多种初始症状信息相应的关联关系信息，再根据关联关系信息，确定多个推荐信息，并从多个推荐信息中，过滤掉重复的推荐信息，并将其他的推荐信息共同作为目标推荐信息，对此不做限制。
50.或者，根据多个关联关系信息，生成目标推荐信息，还可以是针对推荐信息生成装置预先配置相应的推荐信息生成装置，并在得到关联关系信息后，将关联关系信息输入至推荐信息生成装置之中，由推荐信息生成模块对关联关系信息进行综合分析决策，并生成相应的目标推荐信息，对此不做限制。
51.本实施例中，通过获取多种模态检查数据，并确定与多种模态检查数据分别对应的多种初始症状信息，再根据至少部分初始症状信息，形成关联关系信息，以及根据多个关联关系信息，生成目标推荐信息，由于是基于与至少部分初始症状信息之间的关联关系信
息，自动化地生成目标推荐信息，从而可以使得目标推荐信息能够有效地表征出不同初始症状信息之间的关联关系信息，使得目标推荐信息的生成更为准确和智能，且能够针对多种初始症状信息自动化地生成更具参考性的推荐信息，有效地提升推荐信息的生成效果。
52.图2是本公开另一实施例提出的推荐信息生成方法的流程示意图。
53.如图2所示，该推荐信息生成方法，包括：
54.s201：获取多种模态检查数据。
55.s201的描述说明可以具体参见上述实施例，在此不再赘述。
56.s202：确定第一主体信息，其中，多种模态检查数据属于第一主体。
57.其中，主体可以具体例如为患者，当前待对其生成推荐信息的患者，即可以被称为第一主体，对此不做限制。
58.相应地，用于对第一主体进行描述的信息，即可以被称为第一主体信息，该第一主体信息可以被用于确定对应的第一主体，而第一主体信息可以具体例如为患者名字，患者身份证号，患者年龄等，对此不做限制。
59.s203：根据第一主体信息，确定第一主体是否已上报历史病历信息。
60.其中，病历信息可以包括：主体信息，患者的病史信息，患者的用药史信息等，相应地，第一主体已经预先上报至医学样本库中的相关病历信息，即可以被称为历史病历信息。
61.其中，医学样本库可以用于对不同主体相应的病历信息进行存储，也即是说，医学样本库可以包括：第一主体当次上报的病历信息，和/或第二主体的历史病历信息。
62.其中，患者中除当前待对其生成推荐信息的第一主体外的其他患者，即可以被称为第二主体(而“第一”和“第二”，用于将当前待对其生成推荐信息的患者和其他患者作区分，对此不做限制)。
63.本公开实施例在确定第一主体信息后，可以确定医学样本库中是否存在与第一主体信息相匹配的主体信息，再在确定医学样本库中存在与第一主体信息相匹配的主体信息时，确定医学样本库中该主体信息是否存在相应的已上报历史病历信息，从而在确定医学样本库中该主体信息是否存在相应的已上报历史病历信息时，确定第一主体已上报历史病历信息，反之，在确定医学样本库中不存在与第一主体信息相匹配的主体信息，或者在确定医学样本库中该主体信息不存在相应的已上报历史病历信息时，确定第一主体未上报历史病历信息，对此不做限制。
64.s204：如果第一主体未上报历史病历信息，则获取第一主体当次上报的病历信息，并将当次上报的病历信息补充至医学样本库之中。
65.本公开实施例中，在确定医学样本库中不存在第一主体上报的历史病历信息时，可以获取第一主体当次上报的历史病历信息，并将当次上报的历史病历信息补充上报至医学样本库之中。
66.本公开实施例中，由于是确定第一主体信息，从而可以基于第一主体信息，实现准确地确定第一主体是否已上报历史病历信息，并在确定第一主体未上报历史病历信息时，获取第一主体当次上报的病历信息，并将当次上报的病历信息补充至医学样本库之中，能够实现对第一主体的病历信息进行有效地扩充，有效地提升第一主体当次上报的病历信息的复用性，从而可以在后续的推荐信息生成方法的执行过程中，能够实现从医学样本库中，快速地对病历信息进行调用，从而能够在后续的推荐信息生成方法的执行过程中，有效地
提升病历信息的获取效率。
67.s205：确定与多种模态检查数据分别对应的多种初始症状信息。
68.可选地，一些实施例中，确定与多种模态检查数据分别对应的多种初始症状信息，可以是联合第一主体当次上报的病历信息，确定与多种模态检查数据分别对应的多种初始症状信息，或者联合历史病历信息，确定与多种模态检查数据分别对应的多种初始症状信息，由此能够为初始症状信息的确定，提供多种确定途径，从而可以基于当次上报的病历信息，或者联合历史病历信息，实现便利地确定与多种模态检查数据分别对应的多种初始症状信息，此外，通过联合历史病历信息，还可以实现对患者既有的历史病历信息进行综合分析，实现从历史病历信息中，获取得到全面的初始症状信息，有效地提升初始症状信息的可参考性。
69.其中，历史病历信息是第一主体已上报的历史病历信息，和/或是第二主体的历史病历信息，第一主体和第二主体不相同。
70.也即是说，本公开实施例中，确定与多种模态检查数据分别对应的多种初始症状信息，可以是对第一主体当次上报的病历信息进行分析处理，以确定多种模态检查数据分别对应的多种初始症状信息，或者，确定与多种模态检查数据分别对应的多种初始症状信息，还可以是对医学样本库中第一主体上报的历史病历信息进行分析处理，以确定多种模态检查数据分别对应的多种初始症状信息。
71.s206：根据至少部分初始症状信息，形成关联关系信息。
72.s206的描述说明可以具体参见上述实施例，在此不再赘述。
73.s207：对多个关联关系信息进行信息融合，以得到融合关系信息。
74.可以理解的是，对于一种疾病，可以具有多种初始症状信息，相应的，对于多种初始症状信息可以对应多个关联关系信息，所以针对一种疾病，可以根据与该疾病对应的多种初始症状信息相应的多个关联关系信息，生成多个推荐信息，由此，可以在针对该疾病生成推荐信息前，对该疾病对应的多种初始症状信息相应的多个关联关系信息进行信息融合处理，以得到能够充分表征该疾病对应的多种初始症状信息和推荐信息之间深层联系的融合关系信息。
75.本公开实施例在根据至少部分初始症状信息，形成关联关系信息后，可以对多个关联信息进行聚类处理，以得到融合关系信息，而后，可以基于融合关系信息执行后续的推荐信息生成方法，具体可以参见后续实施例。
76.s208：从医学知识库中确定与融合关系信息匹配的关联关系。
77.本公开实施例在对多个关联信息进行信息融合，以得到融合关系信息后，可以从医学知识库中的多个关联关系中，确定与融合关系信息匹配的关联关系，而后，可以基于该关联关系，生成目标推荐信息，具体可以参见后续实施例。
78.s209：从医学知识库中确定与匹配的关联关系对应的推荐信息，并将对应的推荐信息作为目标推荐信息。
79.其中，医学知识库包括：多个关联关系，以及与多个关联关系分别对应的多个推荐信息。
80.本公开实施例中，通过对多个关联关系信息进行信息融合处理，从而可以避免多个关联关系过于分散，得到用于表征初始症状信息和推荐信息更深层次关联关系的融合关
系信息，从而可以基于与融合关系信息相应的关联关系联合医学知识库，实现高效地自动化地生成目标推荐信息，使得生成得到目标推荐信息能够有效地表征出不同初始症状信息之间的关联关系信息，使得目标推荐信息的生成更为准确，从而能够有效地提升目标推荐信息的参考价值。
81.也即是说，本公开实施例在确定与融合关系信息匹配的关联关系后，可以从医学知识库中，确定与该匹配的关联关系对应的推荐信息，并将对应的推荐信息作为目标推荐信息。
82.本公开实施例中，如图3所示，图3是本公开另一实施例提出的推荐信息生成方法的流程示意图，可以先获取第一主体的多模态检查数据，再根据第一主体的第一主体信息，确定第一主体是否已上报历史病历信息，如果第一主体未上报历史病历信息，则获取第一主体当次上报的病历信息，并将当次上报的病历信息存储至医学样本库之中，再结合第一主体的多模态检查数据和当次上报的病历信息确定初始症状信息，如果第一主体已上报历史病历信息，则可以结合历史病历信息确定与多种模态检查数据分别对应的多种初始症状信息，而后可以根据至少部分初始症状信息，形成关联关系信息，再从医学知识库中，确定与关联关系信息相应的目标推荐信息，而后，医生可以实施相应的目标推荐信息，并在实施目标推荐信息后，对患者进行复诊或者检查，并将相应的复诊或者检查数据，再次存储至医学样本库之中，以便下次调用。
83.本实施例中，通过获取多种模态检查数据，再确定第一主体信息，并根据第一主体信息，确定第一主体是否已上报历史病历信息，并在第一主体未上报历史病历信息，则获取第一主体当次上报的病历信息，并将当次上报的病历信息补充至医学样本库之中，从而可以在后续的推荐信息生成方法的执行过程中，能够实现从医学样本库中，快速地对病历信息进行调用，从而能够在后续的推荐信息生成方法的执行过程中，有效地提升病历信息的获取效率，并确定与多种模态检查数据分别对应的多种初始症状信息，再根据至少部分初始症状信息，形成关联关系信息，并对多个关联关系信息进行信息融合，以得到融合关系信息，再从医学知识库中确定与融合关系信息匹配的关联关系，从医学知识库中确定与匹配的关联关系对应的推荐信息，并将对应的推荐信息作为目标推荐信息，从而可以基于与融合关系信息相应的关联关系联合医学知识库，实现高效地自动化地生成目标推荐信息，使得生成得到目标推荐信息能够有效地表征出不同初始症状信息之间的关联关系信息，使得目标推荐信息的生成更为准确，从而能够有效地提升目标推荐信息的参考价值。
84.图4是本公开另一实施例提出的推荐信息生成方法的流程示意图。
85.如图4所示，该推荐信息生成方法，包括：
86.s401：获取多种模态检查数据。
87.s402：确定与多种模态检查数据分别对应的多种初始症状信息。
88.s403：根据至少部分初始症状信息，形成关联关系信息。
89.s404：对多个关联关系信息进行信息融合，以得到融合关系信息。
90.s405：从医学知识库中确定与融合关系信息匹配的关联关系。
91.s401-s405的描述说明可以具体参见上述实施例，在此不再赘述。
92.s406：从医学知识库中，确定与匹配的关联关系对应的定性描述信息。
93.其中，医学知识库中的多个关联关系可以分别具有相应的定性描述信息，定性描
述信息可以用于对其相应的关联关系进行定性描述，该定性描述信息可以是内容描述信息，或者，该定性描述信息还可以是标识描述信息，具体可以例如为与诊断规则信息，对此不做限制。
94.一些实施例中，从医学知识库中，确定与匹配的关联关系对应的定性描述信息，可以从医学知识库中的多个关联关系中，确定与融合关系信息匹配的关联关系，并从医学知识库中确定与匹配的关联关系对应的定性描述信息，或者，从医学知识库中，确定与匹配的关联关系对应的定性描述信息，还可以是在确定与融合关系信息匹配的关联关系后，对该关联关系进行解析处理，以得到与匹配的关联关系对应的定性描述标识，而后，可以根据该定性描述标识，从医学知识库中，确定相应的定性描述信息，对此不做限制。
95.可选地，一些实施例中，确定与匹配的关联关系对应的定性描述信息，可以是对形成关联关系信息的至少部分初始症状信息进行聚类处理，以得到聚类症状信息，再根据聚类症状信息和匹配的关联关系，确定定性描述信息，由于是对初始症状信息进行聚类处理，从而可以实现对分散的初始症状信息进行整合，能够在有效地降低后续定性描述信息确定过程中症状信息处理的数据量的同时，使得聚类得到的聚类症状信息能够在对多个初始症状信息进行准确表征，从而可以基于聚类症状信息和匹配的关联关系，实现准确地，高效地确定与匹配的关联关系对应的定性描述信息。
96.本公开实施例在根据至少部分初始症状信息，形成关联关系信息后，可以采用聚类算法，例如密度峰值算法(desity peaks clustering algorithm，dpca)，对形成关联关系信息的至少部分初始症状信息进行聚类处理，以得到相应的聚类结果，该聚类结果即可以被称为聚类症状信息。
97.本公开实施例在确定聚类症状信息后，可以根据聚类症状信息和匹配的关联关系，从医学知识库中，确定与该聚类症状信息相应的诊断规则信息，并将该诊断规则信息作为定性描述信息。
98.s407：从医学知识库中，确定与匹配的关联关系对应的处理方案信息。
99.其中，医学知识库中的多个关联关系可以分别具有相应的处理方案，该处理方案可以具体例如为治疗规则，相应地，用于对前述处理方案进行描述的信息，即可以被称为处理方案信息，该处理方案信息可以具体例如为处理方案的语义信息，处理方案的标识信息等，对此不做限制。
100.本公开实施例中，确定与匹配的关联关系对应的处理方案信息，可以是从医学知识库中，确定与该关联关系对应的处理方案信息。
101.可选地，一些实施例中，确定与匹配的关联关系对应的处理方案信息，可以是根据聚类症状信息和匹配的关联关系，确定处理方案信息，由此，能够基于聚类症状信息，在处理方案信息确定的过程中，有效地降低症状信息处理的数据量，从而可以基于聚类症状信息和匹配的关联关系，实现准确地，高效地从医学知识库中确定与匹配的关联关系对应的处理方案信息。
102.也即是说，本公开实施例中，确定与匹配的关联关系对应的处理方案信息，可以是根据前述确定的聚类症状信息和匹配的关联关系，从医学知识库中，确定与该聚类症状信息相应的治疗规则信息，并将该治疗规则信息作为处理方案信息。
103.s408：将定性描述信息，和/或处理方案信息作为与匹配的关联关系对应的推荐信
息。
104.本公开实施例在确定与匹配的关联关系对应的定性描述信息和处理方案信息后，可以将定性描述信息，和/或处理方案信息作为与匹配的关联关系对应的推荐信息，由于是从医学知识库中，确定与关联关系对应的定性描述信息，和/或定与匹配的关联关系对应的处理方案信息，从而可以有效地避免引入过多主观信息推理规则，有效地提升定性描述信息和处理方案信息的准确性和确定效率，此外，通过将定性描述信息，和/或处理方案信息作为推荐信息，从而可以针对初始症状信息生成定性描述信息和处理方案信息两方面的推荐信息，有效地提升推荐信息的全面性。
105.本公开实施例中，如图5所示，图5是本公开另一实施例提出的推荐信息生成方法的流程示意图，可以获取数据指标模态检查数据(例如，血糖指标数据，尿液指标数据，肝肾工作指标数据以及骨密度指标数据等，对此不做限制)，和文本模态检查数据(例如，ct扫描数据，x光扫描数据，多普勒超声心动图数据以及核磁共振扫描数据等，对此不做限制)，再分别确定与数据指标模态检查数据和文本模态检查数据相应的多个初始症状信息，并对多个初始症状信息进行聚类处理，以得到聚类症状信息，再根据与聚类症状信息和匹配的关联关系，从医学知识库中，确定与聚类症状信息对应的诊断规则信息，和与聚类症状信息对应的治疗规则信息。
106.本实施例中，通过获取多种模态检查数据，并确定与多种模态检查数据分别对应的多种初始症状信息，再根据至少部分初始症状信息，形成关联关系信息，并对多个关联关系信息进行信息融合，以得到融合关系信息，再从医学知识库中确定与融合关系信息匹配的关联关系，再确定与匹配的关联关系对应的定性描述信息和处理方案信息后，可以将定性描述信息，和/或处理方案信息作为与匹配的关联关系对应的推荐信息，由于是从医学知识库中，确定与关联关系对应的定性描述信息，和/或定与匹配的关联关系对应的处理方案信息，从而可以有效地避免引入过多主观信息推理规则，有效地提升定性描述信息和处理方案信息的准确性和确定效率，此外，通过将定性描述信息，和/或处理方案信息作为推荐信息，从而可以针对初始症状信息生成定性描述信息和处理方案信息两方面的推荐信息，有效地提升推荐信息的全面性。
107.图6是本公开一实施例提出的推荐信息生成装置的结构示意图。
108.如图6所示，该推荐信息生成装置60，包括：
109.第一获取模块601，用于获取多种模态检查数据；
110.第一确定模块602，用于确定与多种模态检查数据分别对应的多种初始症状信息；
111.处理模块603，用于根据至少部分初始症状信息，形成关联关系信息；以及
112.生成模块604，用于根据多个关联关系信息，生成目标推荐信息。
113.在本公开的一些实施例中，如图7所示，图7是本公开另一实施例提出的推荐信息生成装置的结构示意图，其中，生成模块604，包括：
114.融合子模块6041，用于对多个关联关系信息进行信息融合，以得到融合关系信息；
115.第一确定子模块6042，用于从医学知识库中确定与融合关系信息匹配的关联关系；
116.第二确定子模块6043，用于从医学知识库中确定与匹配的关联关系对应的推荐信息，并将对应的推荐信息作为目标推荐信息；
117.其中，医学知识库包括：多个关联关系，以及与多个关联关系分别对应的多个推荐信息。
118.在本公开的一些实施例中，第二确定子模块6043，具体用于：
119.从医学知识库中，确定与匹配的关联关系对应的定性描述信息；和/或
120.从医学知识库中，确定与匹配的关联关系对应的处理方案信息；
121.将定性描述信息，和/或处理方案信息作为与匹配的关联关系对应的推荐信息。
122.在本公开的一些实施例中，第二确定子模块6043，还用于：
123.对形成关联关系信息的至少部分初始症状信息进行聚类处理，以得到聚类症状信息；
124.根据聚类症状信息和匹配的关联关系，确定定性描述信息。
125.在本公开的一些实施例中，第二确定子模块6043，还用于：
126.根据聚类症状信息和匹配的关联关系，确定处理方案信息。
127.在本公开的一些实施例中，推荐信息生成装置60，还包括：
128.第二确定模块605，用于确定第一主体信息，其中，多种模态检查数据属于第一主体；
129.第三确定模块606，用于根据第一主体信息，确定第一主体是否已上报历史病历信息；
130.第二获取模块607，用于在第一主体未上报历史病历信息时，获取第一主体当次上报的病历信息，并将当次上报的病历信息补充至医学样本库之中，其中，医学样本库包括：第一主体当次上报的病历信息，和/或第二主体的历史病历信息。
131.在本公开的一些实施例中，第一确定模块602，具体用于：
132.联合第一主体当次上报的病历信息，确定与多种模态检查数据分别对应的多种初始症状信息；或者
133.联合历史病历信息，确定与多种模态检查数据分别对应的多种初始症状信息；
134.其中，历史病历信息是第一主体已上报的历史病历信息，和/或是第二主体的历史病历信息，第一主体和第二主体不相同。
135.与上述图1至图5实施例提供的推荐信息生成方法相对应，本公开还提供一种推荐信息生成装置，由于本公开实施例提供的推荐信息生成装置与上述图1至图5实施例提供的推荐信息生成方法相对应，因此在推荐信息生成方法的实施方式也适用于本公开实施例提供的推荐信息生成装置，在本公开实施例中不再详细描述。
136.本实施例中，通过获取多种模态检查数据，并确定与多种模态检查数据分别对应的多种初始症状信息，再根据至少部分初始症状信息，形成关联关系信息。以及根据多个关联关系信息，生成目标推荐信息，由于是基于与至少部分初始症状信息之间的关联关系信息，自动化地生成目标推荐信息，从而可以使得目标推荐信息能够有效地表征出不同初始症状信息之间的关联关系信息，使得目标推荐信息的生成更为准确和智能，且能够针对多种初始症状信息自动化地生成更具参考性的推荐信息，有效地提升推荐信息的生成效果。
137.为了实现上述实施例，本公开还提出一种电子设备，包括：存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行程序时，实现如本公开前述实施例提出的推荐信息生成方法。
138.为了实现上述实施例，本公开还提出一种非临时性计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本公开前述实施例提出的推荐信息生成方法。
139.为了实现上述实施例，本公开还提出一种计算机程序产品，当计算机程序产品中的指令处理器执行时，执行如本公开前述实施例提出的推荐信息生成方法。
140.图8示出了适于用来实现本公开实施方式的示例性电子设备的框图。图8显示的电子设备12仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。
141.如图8所示，电子设备12以通用计算设备的形式表现。电子设备12的组件可以包括但不限于：一个或者多个处理器或者处理单元16，系统存储器28，连接不同系统组件(包括系统存储器28和处理单元16)的总线18。
142.总线18表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器，外围总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构(industry standard architecture；以下简称：isa)总线，微通道体系结构(micro channel architecture；以下简称：mac)总线，增强型isa总线、视频电子标准协会(video electronics standards association；以下简称：vesa)局域总线以及外围组件互连(peripheral component interconnection；以下简称：pci)总线。
143.电子设备12典型地包括多种计算机系统可读介质。这些介质可以是任何能够被电子设备12访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。
144.存储器28可以包括易失性存储器形式的计算机系统可读介质，例如随机存取存储器(random access memory；以下简称：ram)30和/或高速缓存存储器32。电子设备12可以进一步包括其他可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例，存储系统34可以用于读写不可移动的、非易失性磁介质(图8未显示，通常称为“硬盘驱动器”)。
145.尽管图8中未示出，可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器，以及对可移动非易失性光盘(例如：光盘只读存储器(compact disc read only memory；以下简称：cd-rom)、数字多功能只读光盘(digital video disc read only memory；以下简称：dvd-rom)或者其他光介质)读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质接口与总线18相连。存储器28可以包括至少一个程序产品，该程序产品具有一组(例如至少一个)程序模块，这些程序模块被配置以执行本公开各实施例的功能。
146.具有一组(至少一个)程序模块42的程序/实用工具40，可以存储在例如存储器28中，这样的程序模块42包括但不限于操作系统、一个或者多个应用程序、其他程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块42通常执行本公开所描述的实施例中的功能和/或方法。
147.电子设备12也可以与一个或多个外部设备14(例如键盘、指向设备、显示器24等)通信，还可与一个或者多个使得用户能与该电子设备12交互的设备通信，和/或与使得该电子设备12能与一个或多个其他计算设备进行通信的任何设备(例如网卡，调制解调器等等)通信。这种通信可以通过输入/输出(i/o)接口22进行。并且，电子设备12还可以通过网络适
配器20与一个或者多个网络(例如局域网(local area network；以下简称：lan)，广域网(wide area network；以下简称：wan)和/或公共网络，例如因特网)通信。如图所示，网络适配器20通过总线18与电子设备12的其他模块通信。应当明白，尽管图中未示出，可以结合电子设备12使用其他硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、raid系统、磁带驱动器以及数据备份存储系统等。
148.处理单元16通过运行存储在系统存储器28中的程序，从而执行各种功能应用以及数据处理，例如实现前述实施例中提及的推荐信息生成方法。
149.本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其他实施方案。本公开旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由下面的权利要求指出。
150.应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。
151.需要说明的是，在本公开的描述中，术语“第一”、“第二”等仅用于描述目的，而不能理解为指示或暗示相对重要性。此外，在本公开的描述中，除非另有说明，“多个”的含义是两个或两个以上。
152.流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本公开的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本公开的实施例所属技术领域的技术人员所理解。
153.应当理解，本公开的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(pga)，现场可编程门阵列(fpga)等。
154.本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。
155.此外，在本公开各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。
156.上述提到的存储介质可以是只读存储器，磁盘或光盘等。
157.在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”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
点包含于本公开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。
158.尽管上面已经示出和描述了本公开的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本公开的限制，本领域的普通技术人员在本公开的范围内可以对上述实施例进行变化、修改、替换和变型。