基于语音输入的医辅信息显示方法、系统、设备及介质与流程

1.本技术实施例涉及人工智能(ai，artificial intelligence)领域，具体涉及基于语音输入的医辅信息显示方法、系统、设备及介质。


背景技术：

2.在医院看病时，医生面对病人的症状和问题，需要作出判断并对症下药。在这个过程中，医生需要先登录医院管理信息系统(hospital information system，his)，添加病人的信息。如，个人信息、症状信息以及病例信息等。之后医生可以基于用户的检查报告和上述的信息确定病人的疾病。在医生确定病人患有的疾病之后，可以将疾病以及对应治疗病人的药物手动录入his系统。
3.基于上述的看病流程，医生确定病人的疾病之后，必须添加或者选择药物录入系统，然而，这个过程中，疾病的名称和药物的名称多是生僻字，医生手动输入的难度大，效率低，而选择或下拉页面查找的方式，由于不同病症的排序先后不同，操作的效率低。


技术实现要素：

4.本技术实施例公开了一种基于语音输入的医辅信息显示方法、系统、设备及介质，用于提高医生的看病效率。
5.第一方面公开一种基于语音输入的医辅信息显示方法，应用于语音医辅系统中，其中，所述语音医辅系统包括麦克风、医辅处理器以及医辅显示器，所述方法包括：通过所述医辅处理器，根据获取到的病人的病症信息确定候选疾病信息、与所述候选疾病信息对应的候选治疗信息，并根据通过所述麦克风采集的医生输入的疾病语音信息和所述候选疾病信息确定确诊疾病信息，以及根据通过所述麦克风采集的医生输入的治疗语音信息和所述候选治疗信息确定服用药物信息，并通过所述医辅显示器显示所述确诊疾病信息和所述服用药物信息。
6.本技术实施例中，由于在医生输入疾病语音信息和治疗语音信息的情况下，便可以基于语音信息以及候选疾病信息和候选治疗信息确定出确诊疾病信息和服用药物信息，从而可以减少医生手动输入的次数，提高医生为病人开报告(电子处方、病历单等)的效率。此外，当直接对语音信息进行转化的过程，语义转化的范围是很大的，即便是疾病的范围也是很大的，从海量的数据中选择到正确信息的概率是小于从少量信息中选出正确信息的概率的，因此，可以先确定出候选疾病信息和候选治疗信息，从而可以提高确诊疾病信息和服用药物信息的准确性。
7.作为一种可能的实施方式，所述根据获取到的病人的病症信息确定候选疾病信息、与所述候选疾病信息对应的候选治疗信息包括：从病症数据库中匹配与所述病人的病症信息相近的疾病，获取候选疾病信息，所述候选疾病信息包括n种疾病，n为正整数，所述病症数据库包括多种疾病与病症信息的对应关系；从治疗数据库中匹配所述n种疾病的药物信息，获取候选治疗信息，所述候选治疗信息包括所述n种疾病对应的治疗药物，所述治
疗数据库包括多种疾病与药物信息的对应关系。
8.本技术实施例中，语音医辅系统可以先确定出病人可能患有的疾病，这些疾病能够基于病例数据库运算得到，可以保证获取到的候选疾病信息以及候选治疗信息的范围能够涵盖为医生判定出的疾病和药物，从而可以预先缩小医生输入的语音范围，以保证语音医辅系统输出确诊疾病和服用药物的准确性。
9.作为一种可能的实施方式，所述根据通过所述麦克风采集的医生输入的疾病语音信息和候选疾病信息确定确诊疾病信息包括：将所述麦克风采集的医生输入的疾病语音信息输入疾病特征提取模型，获取疾病特征；将所述疾病特征与所述候选疾病信息中各个疾病的语音信息的疾病特征进行匹配，得到每个疾病的疾病匹配度；将所述候选疾病信息中疾病匹配度最高的疾病确定为确诊疾病，得到确诊疾病信息。本技术实施例中，语音医辅系统可以先确定出病人可能患有的疾病，这些疾病能够基于病例数据库运算得到，可以保证获取到的候选疾病信息的范围能够涵盖为医生判定出的疾病，从而可以提前将缩小医生输入的语音信息的范围，从而可以保证疾病语音信息转换成确诊疾病信息的准确性。此外，由于疾病选项按照匹配度从大到小的顺序进行排序，使得医生更可能选定顺序较前的疾病选项，减少用户下拉疾病选项的可能性，从而可以提高医生的操作效率。
10.作为一种可能的实施方式，所述治疗语音信息包括药物语音信息的情况下，所述根据所述治疗语音信息和所述候选治疗信息确定服用药物信息包括：将所述药物语音信息输入药物特征提取模型，获取药物特征；将所述药物特征与所述候选治疗信息中各个疾病的药物语音信息的药物特征进行匹配，得到每个疾病的对应的药物匹配度；将所述候选治疗信息中药物匹配度最高的疾病对应的药物信息确定为服用药物，得到服用药物信息。
11.本技术实施例中，语音医辅系统可以通过预选好的候选治疗信息进行显示，让医生直接选择其中的一种，从而可以保证医生确定服用药物的准确性。此外，由于药物选项按照匹配度从大到小的顺序进行排序，使得医生更可能选定顺序较前的药物选项，减少用户下拉药物选项的可能性，从而也可以提高医生的操作效率。
12.作为一种可能的实施方式，所述治疗语音信息还包括方案语音信息，所述根据获取到的病人的病症信息确定候选疾病信息、与所述候选疾病信息对应的候选治疗信息还包括：从治疗数据库中匹配所述n种疾病的方案信息，获取候选治疗信息，所述候选治疗信息包括所述n种疾病对应的方案药物，所述治疗数据库包括多种疾病与方案信息的对应关系；所述方法还包括：通过所述医辅处理器，将所述根据所述麦克风采集的医生输入的方案语音信息输入方案特征提取模型，获取方案特征；将所述方案特征与所述候选治疗信息中各个疾病的方案语音信息的方案特征进行匹配，得到每个疾病的对应的方案匹配度；将所述候选治疗信息中方案匹配度最高的疾病的方案信息确定为治疗方案，得到治疗方案信息；通过所述医辅显示器显示所述治疗方案信息。
13.本技术实施例中，对于现有疾病的治疗方案，语音医辅系统也可以通过语音信息匹配，从而可以直接确定治疗方案，医生同样可以减少输入的时间成本，提高看病效率。
14.作为一种可能的实施方式，所述方法还包括：通过所述医辅处理器对所述确诊疾病信息和所述服用药物信息进行调整；所述通过所述医辅显示器显示所述确诊疾病信息和所述服用药物信息，包括：显示调整后的确诊疾病信息和调整后的服用药物信息。
15.本技术实施例中，语音医辅系统提供了一种疾病和药物的确保方案，使得当前病
例数据库和治疗数据库选定的疾病不正确的情况下，为医生提供一种能够保证确定的疾病和药物的为正确的信息，从而可以保证方案的完整性。这样，可以解决在很小概率由于病例数据库和治疗数据库范围不够或者算法的不完善的导致语音预判错误的问题，保证医生开出的诊断的报告的正确性。
16.作为一种可能的实施方式，所述根据通过所述麦克风采集的医生输入的疾病语音信息和所述候选疾病信息确定确诊疾病信息之后，所述根据通过所述麦克风采集的医生输入的治疗语音信息和所述候选治疗信息确定服用药物信息包括：基于所述确诊疾病信息从所述候选治疗信息筛选预选药物信息；基于所述通过所述麦克风采集的医生输入的治疗语音信息从所述预选药物信息中确定服用药物，得到服用药物信息。
17.本技术实施例中，语音医辅系统可以基于医生已经选定的确诊疾病信息进一步缩小使用的药物范围，即预选药物信息。从而可以进一步提高匹配到的药物的准确性。
18.第二方面公开一种语音医辅系统，所述语音医辅系统包括麦克风、医辅处理器以及医辅显示器：所述麦克风，用于采集医生输入的疾病语音信息和治疗语音信息；所述医辅处理器，用于根据获取到的病人的病症信息确定候选疾病信息、与所述候选疾病信息对应的候选治疗信息；并根据所述疾病语音信息和所述候选疾病信息确定确诊疾病信息，以及根据所述治疗语音信息和所述候选治疗信息确定服用药物信息；所述医辅显示器，用于显示所述确诊疾病信息和所述服用药物信息。
19.本技术实施例中，由于在医生输入疾病语音信息和治疗语音信息的情况下，便可以基于语音信息以及候选疾病信息和候选治疗信息确定出确诊疾病信息和服用药物信息，从而可以减少医生手动输入的次数，提高医生为病人开报告(电子处方、病历单等)的效率。此外，当直接对语音信息进行转化的过程，语义转化的范围是很大的，即便是疾病的范围也是很大的，从海量的数据中选择到正确信息的概率是小于从少量信息中选出正确信息的概率的，因此，可以先确定出候选疾病信息和候选治疗信息，从而可以提高确诊疾病信息和服用药物信息的准确性。
20.作为一种可能的实施方式，所述医辅处理器根据获取到的病人的病症信息确定候选疾病信息、与所述候选疾病信息对应的候选治疗信息，具体用于：从病症数据库中匹配与所述病人的病症信息相近的疾病，获取候选疾病信息，所述候选疾病信息包括n种疾病，n为正整数，所述病症数据库包括多种疾病与病症信息的对应关系；从治疗数据库中匹配所述n种疾病的药物信息，获取候选治疗信息，所述候选治疗信息包括所述n种疾病对应的治疗药物，所述治疗数据库包括多种疾病与药物信息的对应关系。
21.本技术实施例中，语音医辅系统可以先确定出病人可能患有的疾病，这些疾病能够基于病例数据库运算得到，可以保证获取到的候选疾病信息以及候选治疗信息的范围能够涵盖为医生判定出的疾病和药物，从而可以预先缩小医生输入的语音范围，以保证语音医辅系统输出确诊疾病和服用药物的准确性。
22.作为一种可能的实施方式，所述医辅处理器根据所述疾病语音信息和所述候选疾病信息确定确诊疾病信息，具体用于：
23.将所述麦克风采集的医生输入的疾病语音信息输入疾病特征提取模型，获取疾病特征；将所述疾病特征与所述候选疾病信息中各个疾病的语音信息的疾病特征进行匹配，得到每个疾病的疾病匹配度；将所述候选疾病信息中疾病匹配度最高的疾病确定为确诊疾
病，得到确诊疾病信息。
24.本技术实施例中，语音医辅系统可以先确定出病人可能患有的疾病，这些疾病能够基于病例数据库运算得到，可以保证获取到的候选疾病信息的范围能够涵盖为医生判定出的疾病，从而可以提前将缩小医生输入的语音信息的范围，从而可以保证疾病语音信息转换成确诊疾病信息的准确性。此外，由于疾病选项按照匹配度从大到小的顺序进行排序，使得医生更可能选定顺序较前的疾病选项，减少用户下拉疾病选项的可能性，从而可以提高医生的操作效率。
25.作为一种可能的实施方式，所述治疗语音信息包括药物语音信息的情况下，所述医辅处理器根据所述治疗语音信息和所述候选治疗信息确定服用药物信息，具体用于：将所述麦克风采集的医生输入的药物语音信息输入药物特征提取模型，获取药物特征；将所述药物特征与所述候选治疗信息中各个疾病的药物语音信息的药物特征进行匹配，得到每个疾病的对应的药物匹配度；将所述候选治疗信息中药物匹配度最高的疾病对应的药物信息确定为服用药物，得到服用药物信息。
26.本技术实施例中，语音医辅系统可以通过预选好的候选治疗信息进行显示，让医生直接选择其中的一种，从而可以保证医生确定服用药物的准确性。此外，由于药物选项按照匹配度从大到小的顺序进行排序，使得医生更可能选定顺序较前的药物选项，减少用户下拉药物选项的可能性，从而也可以提高医生的操作效率。
27.作为一种可能的实施方式，所述治疗语音信息还包括方案语音信息，所述医辅处理器还用于：从治疗数据库中匹配所述n种疾病的方案信息，获取候选治疗信息，所述候选治疗信息包括所述n种疾病对应的方案药物，所述治疗数据库包括多种疾病与方案信息的对应关系；将所述根据所述麦克风采集的医生输入的方案语音信息输入方案特征提取模型，获取方案特征；将所述方案特征与所述候选治疗信息中各个疾病的方案语音信息的方案特征进行匹配，得到每个疾病的对应的方案匹配度；将所述候选治疗信息中方案匹配度最高的疾病的方案信息确定为治疗方案，得到治疗方案信息；所述医辅显示器还用于，显示所述治疗方案信息。
28.本技术实施例中，对于现有疾病的治疗方案，语音医辅系统也可以通过语音信息匹配，从而可以直接确定治疗方案，医生同样可以减少输入的时间成本，提高看病效率。
29.作为一种可能的实施方式，所述医辅处理器还用于：对所述确诊疾病信息和所述服用药物信息进行调整；所述医辅显示器显示所述确诊疾病信息和所述服用药物信息，具体用于：显示调整后的确诊疾病信息和调整后的服用药物信息。
30.本技术实施例中，语音医辅系统提供了一种疾病和药物的确保方案，使得当前病例数据库和治疗数据库选定的疾病不正确的情况下，为医生提供一种能够保证确定的疾病和药物的为正确的信息，从而可以保证方案的完整性。这样，可以解决在很小概率由于病例数据库和治疗数据库范围不够或者算法的不完善的导致语音预判错误的问题，保证医生开出的诊断的报告的正确性。
31.作为一种可能的实施方式，所述医辅处理器根据通过所述麦克风采集的医生输入的疾病语音信息和所述候选疾病信息确定确诊疾病信息之后，根据通过所述麦克风采集的医生输入的治疗语音信息和所述候选治疗信息确定服用药物信息，具体用于：基于所述确诊疾病信息从所述候选治疗信息筛选预选药物信息；基于所述通过所述麦克风采集的医生
输入的治疗语音信息从所述预选药物信息中确定服用药物，得到服用药物信息。
32.本技术实施例中，语音医辅系统可以基于医生已经选定的确诊疾病信息进一步缩小使用的药物范围，即预选药物信息。从而可以进一步提高匹配到的药物的准确性。
33.第三方面公开一种用于语音医辅的电子设备，该电子设备可以包括：处理器、存储器、输入接口和输出接口，所述输入接口用于接收来自所述装置之外的其它装置的信息，所述输出接口用于向所述装置之外的其它装置输出信息，当所述处理器执行所述存储器存储的计算机程序时，使得所述处理器执行第一方面或第一方面的任一实施方式公开的基于语音输入的医辅信息显示方法。
34.第四方面公开一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机程序或计算机指令，当所述计算机程序或计算机指令被运行时，实现如上述第一方面或第一方面的任一实施方式公开的基于语音输入的医辅信息显示方法。
35.第五方面公开一种计算机程序产品，该计算机程序产品包括计算机程序代码，当该计算机程序代码被运行时，使得上述的方法被执行。
附图说明
36.为了更清楚地说明本技术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技术的一些实施例，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。
37.图1是本技术实施例公开的一种网络架构的结构示意图；
38.图2是本技术实施例公开的一种基于语音输入的医辅信息显示方法的流程示意图；
39.图3是本技术实施例公开的一种语音医辅系统的结构示意图；
40.图4是本技术实施例公开的一种应用界面的示意图；
41.图5是本技术实施例公开的另一种应用界面的示意图；
42.图6是本技术实施例公开的又一种应用界面的示意图；
43.图7是本技术实施例公开的一种电子设备的结构示意图。
具体实施方式
44.本技术实施例公开了一种基于语音输入的医辅信息显示方法、系统、设备及介质，用于提高医生的看病效率。
45.为了更好地理解本技术实施例，下面先对本技术实施例的应用场景进行描述。
46.医生当前给病人看病的过程中，往往会使用医院管理信息系统(his)。his系统以财务信息、病人信息和物资信息为主线，通过对信息的收集、存储、传递、统计、分析、综合查询、报表输出和信息共享，及时为医院领导及各部门管理人员提供全面、准确的各种数据。其中，医生就诊过程中，his系统主要是对就诊病人进行检查信息的录入、开电子处方、患者病历书写、门诊手术治疗申请单、各种医技检查申请单编辑等。
47.然而在上述的医生通过his系统开电子处方和患者病历等报告的过程中，医生需要手动输入对应的疾病和药物。然而，医生手动输入的速度慢，加之输入的疾病或者药物往
往是生僻字，其输入的难度较大，导致医生完成报告的效率较低。
48.在本技术实施例中，提出了一种基于语音输入的医辅信息显示方法，语音医辅系统可以基于采集到的病症信息确定候选疾病信息和候选治疗信息，并基于采集到的疾病语音信息(医生输入的疾病语音)和治疗语音信息(医生输入的药物和/或治疗手段语音)与上述候选疾病信息和候选治疗信息分别进行匹配，得到确诊疾病信息和病人的服用药物信息，从而可以基于确诊疾病信息和病人的服用药物信息生成电子处方和病例单等。电子处方和病例单等可以显示给医生进行查看。这样，医生可以通过说话直接向语音医辅系统输入疾病语音信息和治疗语音信息，从而便能够生成电子处方和诊断结果等，以提高医生的看病效率。
49.图1是本技术实施例提供的一种网络架构的结构示意图。如图1所示，该网络架构可以包括服务端和客户端。其中，客户端具体可以包括一个或者多个终端设备。客户端可以与服务端通过有线或无线通信方式进行直接或间接地网络连接，以便于客户端可以通过该网络连接与服务端之间进行数据交互。
50.其中，客户端中的每个终端设备均可以包括：智能手机、平板电脑、笔记本电脑、台式计算机、智能家居和可穿戴设备等具有语音医辅功能的智能终端。
51.其中，服务端可以为客户端对应的服务器，即医院连接的云端，该服务器可以是独立的物理服务器，也可以是多个物理服务器构成的服务器集群或者分布式系统，还可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、cdn、以及大数据和人工智能平台等基础云计算服务的云服务器。
52.其中，客户端上可以集成安装有用于采集病人信息的采集组件，这里的采集组件可以包括病症统计系统，用于统计病人的病症信息；还可以包括麦克风，用于采集医生的语音信息。
53.可以理解的是，本技术所提供的基于语音输入的医辅信息显示方法可以由计算机设备执行，该计算机设备可以为上述客户端，也可以为上述服务端，还可以为客户端和服务端共同组成。一种可能的情况下，在本技术所提供的基于语音输入的医辅信息显示方法由客户端执行的情况下，客户端可以基于采集组件获取到病症信息获取候选疾病信息和候选治疗信息，并基于疾病语音信息和候选疾病信息确定确诊疾病信息，以及基于治疗语音信息和候选治疗信息确定服用药物信息，之后客户端可以显示上述的确诊疾病信息和服用药物信息。另一种可能的情况下，在本技术所提供的基于语音输入的医辅信息显示方法由服务端和客户端执行的情况下，客户端可以将基于采集组件获取到的病症信息、疾病语音信息和治疗语音信息发送至服务端。服务端在接收到来自客户端通过采集组件所提供的病症信息、疾病语音信息和治疗语音信息之后，进行处理，得到确诊疾病信息和服用药物信息，之后服务端可以将确诊疾病信息和服用药物信息发送给客户端。客户端接收到来自服务端的确诊疾病信息和服用药物信息之后，可以显示确诊疾病信息和服用药物信息。应理解，上述仅仅是举例性的说明，不加限定。
54.请参阅图2，图2是本技术实施例公开的一种基于语音输入的医辅信息显示方法的流程示意图。其中：
55.所述语音输入的医辅信息显示方法的具体步骤可以通过所述语音医辅系统执行，语音医辅系统可以安装在上述的服务端和/或客户端上。图3是本技术实施例公开的一种语
音医辅系统的结构示意图。如图3所示，语音医辅系统可以包括麦克风301、医辅处理器302和医辅显示器303。医辅处理器302可以与麦克风301以及医辅显示器303相连接。其中，麦克风301可以采集医生输入的疾病语音信息和治疗语音信息。医辅处理器302可以基于疾病语音信息和治疗语音信息确定确诊疾病信息和服用药物信息。医辅显示器303可以显示确诊疾病信息和服用药物信息。此时，语音医辅系统可以执行但不限于以下步骤：
56.s201、语音医辅系统采集疾病语音信息和治疗语音信息。
57.其中，疾病语音信息包括疾病的语音信息，治疗语音信息为包括药物语音信息和/或治疗方案语音信息。
58.当医生对病人的病症情况进行判断之后，可以向麦克风输入疾病语音信息(即对病人诊断的疾病信息)。语音医辅系统可以通过麦克风301可以采集医生输入的疾病语音信息。同样地，医生对病人需要服用、外敷或者注射等的药物之后，可以向麦克风输入治疗语音信息(即对病人需要使用的药物信息)。语音医辅系统可以通过麦克风301采集医生输入的治疗语音信息。
59.s202、语音医辅系统根据获取到的病人的病症信息确定候选疾病信息、与候选疾病信息对应的候选治疗信息；根据疾病语音信息和候选疾病信息确定确诊疾病信息，基于根据治疗语音信息和候选治疗信息确定服用药物信息。
60.首先，语音医辅系统可以通过医辅处理器302获取病人的病症信息。
61.其中，病症信息可以包括症状信息、病例信息和影像信息中的一种或多种。症状信息是表示病人患病的身体症状信息，病例信息可以表示病人的患病的历史信息，影像信息可以表示病人的拍摄的影像信息，例如x光片等。此外，病症信息还可以包括病人的个人信息，例如，年龄、性别等等。
62.在语音医辅系统获取到病人的病症信息之后，可以通过医辅处理器302接收来自医生输入或者从系统获取的病症信息。
63.在一种可能的实施方式中，医生可以向语音医辅系统输入病人的症状信息，例如，医生可以通过在输入界面打字或语音输入症状信息和个人信息。病人可以携带自身的病例报告，医生可以基于病人提供的病例报告输入病例信息。病人经过拍片子之后，可以获得影像图片(即影像信息)。一种情况下，语音医辅系统可以获取医院内部的系统获取影像信息。另一种情况下，医生可以通过病人提供的影像图片向语音医辅系统输入影像信息，语音医辅系统从而可以获取影像信息。
64.其次，语音医辅系统可以通过医辅处理器302基于获取到的病人的病症信息确定候选疾病信息和候选治疗信息。
65.其中，候选疾病信息为病人可能患有的n种疾病，候选治疗信息包括所述n种疾病对应的治疗药物和/或治疗方案(手段)。其中，n为正整数。
66.语音医辅系统可以通过医辅处理器302确定出候选疾病信息。
67.医辅处理器302可以从病症数据库中匹配与病人的病症信息相近的疾病。其中，病症数据库是语音医辅系统存储的疾病和症状的数据库，病症数据库可以包括海量的医生诊断病例数据，它可以是实时更新的数据库。候选疾病信息可以包括n种疾病的信息，这n种疾病与病人的病症信息的匹配度最高。既可以理解为，候选疾病信息为医辅处理器302诊断出用户可能患有的疾病信息。
68.由于病症数据库存储有症状和疾病之间的对应关系，而病症信息已知病人的症状，因此，可以将病症信息与病症数据库进行匹配，确定病人可能患有的疾病，从而可以确定出几种病人可能患有的疾病，按照可能性的大小由高到低依次排序，确定出候选疾病信息。
69.一种可能的实施方式中，医辅处理器302获取病症信息之后，可以从病症信息中提取关键词，将通过搜索引擎算法关键词输入病症数据库进行搜索，即可以查询对应疾病的信息，得到搜索结果。之后可以选取搜索结果中的前n种疾病为候选疾病信息。其中，搜索引擎可以是针对于病症数据库搜索疾病信息的检索引擎。
70.另一种可能的实施方式中，医辅处理器302获取病症信息之后，可以通过基于匹配模型计算病症信息与病症数据库病症信息的匹配度，之后按照匹配度的大小进行排序，选取其中大于某一阈值的匹配度作为候选疾病信息中的n种疾病。其中，这n种疾病的信息为候选疾病信息，上述阈值可以为预设的阈值，如65％，此处对其大小不构成限定。匹配模型可以是深度网络的语义模型(dssm，deep structured semantic models)、卷积神经网络-基于深度网络的语义模型(cnn-dssm，convolutional neural networks deep structured semantic models)、循环神经网络-基于深度网络的语义模型(rnn-dssm，recurrent neural network deep structured semantic models)，recurrent neural networks、长短期记忆神经网络-基于深度网络的语义模型(lstm-dssm，long-short-term memory deep structured semantic models)等模型中的一种。通过上述的匹配模型，可以保证得到的候选疾病信息的准确度。
71.语音医辅系统可以通过医辅处理器302根据与候选疾病信息从治疗数据库确定对应的候选治疗信息。
72.在医辅处理器302获取到候选疾病信息之后，可以将从治疗数据库中选择所述n种疾病中每种疾病对应的治疗信息为候选治疗信息。其中，治疗数据库中可以包括海量的疾病治疗手段和/或使用药物。候选治疗信息可以包括治疗方案信息和/或药物的信息。例如，针对某种疾病的药物使用，针对某次手术的手术方案，针对烧伤病人的复健方案等等，不加限定。针对已知的候选疾病信息，语音医辅系统分别查询其n种疾病对应的治疗信息，作对上述候选疾病信息n种疾病的对应治疗信息，为候选治疗信息。即候选疾病信息中的n种疾病与候选治疗信息的治疗手段和药物存在对应关系。
73.在上述的实施方式中，语音医辅系统可以先通过医辅处理器302运算出病人可能患有的疾病，这些疾病能够基于病例数据库运算得到，可以保证获取到的候选疾病信息以及候选治疗信息的范围能够涵盖为医生判定出的疾病和药物，从而可以预先缩小医生输入的语音范围，以保证语音医辅系统输出确诊疾病和服用药物的准确性。
74.需要说明的是，s201和s202中根据病症信息确定候选疾病信息和候选治疗信息的步骤执行顺序不加限定，可以先执行s201，获取医生的语音信息，再确定候选疾病信息和候选治疗信息；也可以先执行根据病症信息确定候选疾病信息和候选治疗信息，再执行s201。
75.最后，语音医辅系统可以通过医辅处理器302可以根据疾病语音信息和候选疾病信息确定确诊疾病信息，以及根据治疗语音信息(药物语音信息)和候选治疗信息确定服用药物信息。可选地，医辅处理器302可以根据治疗语音信息(方案语音信息)和候选治疗信息确定治疗方案信息。
76.在语音医辅系统获取之后，语音医辅系统的医辅处理器302可以将麦克风采集的医生输入的疾病语音信息输入疾病特征提取模型，获取疾病特征，将疾病特征与候选疾病信息中各个疾病的语音信息的疾病特征进行匹配，得到每个疾病的疾病匹配度；最后可以将候选疾病信息中疾病匹配度最高的疾病确定为确诊疾病，得到确诊疾病信息。
77.在一种可能的实施方式中，语音医辅系统可以通过医辅处理器302将候选疾病信息转换成候选疾病语音信息。其中，候选疾病语音信息包括上述n种候选疾病的语音信息。之后可以将候选疾病语音信息输入某一疾病特征提取模型，得到n种疾病的候选疾病特征。之后医辅处理器302可以将通过麦克风采集的医生输入的疾病语音信息输出上述的疾病特征提取模型，得到疾病特征。接着医辅处理器302可以将疾病特征与n种疾病的候选疾病特征进行匹配，确定n种候选疾病特征与疾病特征之间的疾病匹配度，并将n种候选疾病特征中匹配度最高的一种疾病为确诊疾病信息。
78.需要说明的是，特征提取模型或算法可以是卷积神经网络(cnn，convolutional neural networks)、循环神经网络(rnn，recurrent neural network)、rnn等模型，也可以是向量特征提取向量此时疾病特征提取模型可以提取疾病的向量特征。计算匹配度算法可以是编辑距离算法(edit sistance)，n-gram算法，jaro winkler算法以及soundex算法等，不加限定。
79.其中，候选疾病信息转换成候选疾病语音信息可以是文字(文本)信息转换为语音信息(text to speech，tts)的过程，这个过程涉及到的算法或模型多种多样，例如tactron模型，不加限定。
80.示例性地，语音医辅系统可以将计算n种疾病的候选疾病特征与疾病特征之间的疾病匹配度，生成疾病特征匹配度列表。
81.表1
82.序号疾病(候选疾病特征)匹配度1疾病188.9％2疾病272.5％3疾病360.1％
………………
n疾病n58.0％
83.表1是本技术实施例公开的一种疾病特征匹配度列表。如表1所示，表1中包括n种疾病，其中，疾病特征与候选疾病特征中疾病1之间的匹配度为88.9％；疾病特征与候选疾病特征中疾病2之间的匹配度为72.5％；疾病特征与候选疾病特征中疾病3之间的匹配度为60.1％；
……
；疾病特征与候选疾病特征中疾病n之间的匹配度为58.0％。上述疾病特征按照匹配度的依次从小到大进行排序。此时，医辅处理器302可以选择其中的疾病1为确诊疾病信息。
84.在上述的实施方式中，语音医辅系统可以先通过医辅处理器302运算出病人可能患有的疾病，这些疾病能够基于病例数据库运算得到，可以保证获取到的候选疾病信息的范围能够涵盖为医生判定出的疾病，从而可以提前将缩小医生输入的语音信息的范围，从而可以保证疾病语音信息转换成确诊疾病信息的准确性。
85.另一种可能的实施方式中，语音医辅系统可以通过医辅处理器302将候选疾病信
息转换成候选疾病语音信息。其中，候选疾病语音信息包括上述n种疾病的语音信息。之后语音医辅系统可以将疾病语音信息与候选疾病语音信息中的n种疾病的语音信息进行一一对比，确定n种疾病的语音信息与疾病语音信息之间的匹配度，将所述匹配度按照从高到低的顺序进行排序，得到第一疾病排序信息。医辅显示器303可以显示第一疾病排序信息。在医生在响应的显示画面查看到第一疾病排序信息之后，医生可以从第一疾病排序信息中选择一种疾病为确诊疾的信息。
86.示例性地，语音医辅系统可以将计算疾病语音信息和候选疾病语音信息的匹配度，生成疾病匹配度列表。之后语音医辅系统可以基于疾病匹配度列表进行显示。图4是本技术实施例公开的一种应用界面的示意图。如图4中的(a)所示，在语音医辅系统获取到上述的疾病匹配度列表(如表1)之后，可以基于表1显示图4中的(a)的画面。在确诊疾病的预选框下可以按顺序显示表1中的疾病1到疾病n的n种疾病选项(即，第一疾病排序信息)，医生确诊当前的病人的疾病为疾病1的情况下，可以点击疾病1的选项。如图4中的(b)所示，语音医辅系统可以显示医生选定的疾病选项，即疾病1。此时，语音医辅系统可以确定当前确诊疾病为疾病1。
87.在上述的实施方式中，语音医辅系统可以通过预选好的候选疾病信息进行显示，让医生直接选择其中的一种，从而可以保证医生确定确诊疾病的准确性。此外，由于图4中的(a)的疾病选项按照匹配度从大到小的顺序进行排序，使得医生更可能选定顺序较前的疾病选项，减少用户下拉疾病选项的可能性，从而可以提高医生的操作效率。
88.语音医辅系统基于治疗语音信息和候选治疗信息确定服用药物信息。
89.在语音医辅系统获取治疗语音信息之后，将麦克风采集的医生输入的药物语音信息输入药物特征提取模型，获取药物特征；将药物特征与所述候选治疗信息中各个疾病的药物语音信息的药物特征进行匹配，得到每个疾病的对应的药物匹配度；将候选治疗信息中药物匹配度最高的疾病对应的药物信息确定为服用药物，得到服用药物信息。
90.在一种可能的实施方式中，语音医辅系统可以通过医辅处理器302将候选治疗信息转换成候选治疗语音信息。其中，候选治疗语音信息包括上述n种疾病对应的候选药物语音信息。之后可以将n种疾病对应的候选药物的语音信息输入药物特征提取模型，获取n种疾病对应的候选药物特征。之后医辅处理器302可以将获取药物语音信息输入药物特征提取模型，获取药物特征。接着可以将n种疾病对应的候选药物特征与药物特征进行匹配，得到每个疾病的对应的药物匹配度，之后可以按照药物匹配度从到小的顺序进行排序，确定药物匹配度最高的一种疾病的候选药物信息为服用药物信息。需要说明的是，具体的药物特征提取算法可以参考和匹配算法可以参考上述的获取确诊疾病的过程，不加赘述。
91.示例性地，语音医辅系统可以将计算n种疾病对应的候选药物特征与药物特征的药物特征匹配度，生成药物特征匹配度列表。
92.表2
93.序号药物(候选治疗特征)匹配度1药物188.9％2药物272.5％3药物360.1％
………………
m药物m58.0％
94.表2是本技术实施例公开的一种药物特征匹配度列表。如表2所示，表2中包括m种药物，每种药物可以包括一个或多个药物，不限定。其中，n种疾病对应的候选药物特征与药物特征中药物1之间的匹配度为88.9％；n种疾病对应的候选药物特征与药物特征中药物2之间的匹配度为72.5％；n种疾病对应的候选药物特征与药物特征息中药物3之间的匹配度为60.1％；
……
；n种疾病对应的候选药物特征与药物特征中药物m之间的匹配度为58.0％。上述药物特征匹配度的依次从小到大进行排序。此时，语音医辅系统选择其中的药物1为服用药物信息。
95.在上述的实施方式中，电子设备可以先通过医辅处理器302运算出病人可能患有的不同疾病可能服用的药物，这些药物能够基于治疗数据库运算得到，可以保证获取到的候选治疗信息的范围能够涵盖为医生判定出的药物，从而可以提前将缩小医生输入的语音信息的范围，从而可以保证治疗语音信息转换成服用药物信息的准确性。
96.另一种可能的实施方式中，语音医辅系统可以通过医辅处理器302将候选药物信息转换成候选药物语音信息。其中，候选药物语音信息包括上述n种疾病对应的候选药物的语音信息。之后语音医辅系统可以将治疗语音信息与候选治疗语音信息中的n种疾病的候选药物的语音信息进行一一对比，确定n种疾病的候选药物的语音信息与治疗语音信息包括的药物语音信息之间的匹配度，将所述匹配度按照从高到低的顺序进行排序，得到药物排序信息(例如，表2)。医辅显示器303可以显示药物排序信息。在医生在响应的显示画面查看到药物排序信息之后，医生可以从药物排序信息中选择一种药物为服用药物信息。
97.示例性地，语音医辅系统可以将计算治疗语音信息和候选治疗语音信息的匹配度，生成药物匹配度列表。之后语音医辅系统可以基于药物匹配度列表进行显示。图5是本技术实施例公开的另一种应用界面的示意图。如图5中的(a)所示，在语音医辅系统获取到上述的药物匹配度列表(如表2)之后，可以基于表2显示图5中的(a)的画面。在服用药物的预选框下可以按顺序显示表2中的药物1到药物m的m种药物选项(即，第一药物排序信息)，医生确诊当前的病人的选用的药物为药物1的情况下，可以点击药物1的选项。如图5中的(b)所示，语音医辅系统可以显示医生选定的药物选项，即药物1。此时，语音医辅系统可以确定当前服用药物为疾病1。
98.在上述的实施方式中，语音医辅系统可以通过预选好的候选治疗信息进行显示，让医生直接选择其中的一种，从而可以保证医生确定服用药物的准确性。此外，由于图5中的(a)的药物选项按照匹配度从大到小的顺序进行排序，使得医生更可能选定顺序较前的药物选项，减少用户下拉药物选项的可能性，从而也可以提高医生的操作效率。
99.又一种可能的实施方式中，语音医辅系统可以基于医生选定的确诊疾病信息从候选治疗信息或者治疗数据库中筛选预选药物信息，之后可以基于治疗语音信息从预选药物信息中确定服用药物，得到服用药物信息。具体地，由于确诊疾病信息为医生确定的疾病，语音医辅系统可以直接基于确诊疾病信息进行划定预选药物信息的范围。当候选治疗信息中存在确诊疾病信息中的疾病对应的药物信息时，语音医辅系统可以直接从候选治疗信息确定治疗对应疾病的药物为预选药物信息。当候选治疗信息中不存在确诊疾病信息中的疾病对应的药物信息时，语音医辅系统可以从治疗数据库中确定治疗对应疾病的药物为预选药物信息。在预选药物信息确定之后，语音医辅系统可以确定第二语音文本与预选药物信
息对应的药物中每个药物的匹配度，将所述预选药物信息中对应匹配度最高的预选药物信息确定为服用药物，得到服用药物信息。其中，基于治疗语音信息和预选药物信息确定服用药物信息可以参考上述两种实施方式中的基于治疗语音信息和候选治疗信息确定服用药物信息的内容，不加赘述。
100.在上述的实施方式中，语音医辅系统可以基于医生已经选定的确诊疾病信息进一步缩小使用的药物范围，即预选药物信息。从而可以进一步提高匹配到的药物的准确性。
101.需要说明的是，上述的选定疾病和药物的过程可以是一种，还可以是多种，语音医辅系统可以先确定疾病(可包括一种或多种疾病)，后针对疾病选定一种或多种的药物，不加限定。
102.还需要说明的是，当图4中的(a)的疾病选项和图5中的(a)的药物选项没有医生需要的疾病或者药物的情况下，医生可以打字输入。
103.可选地，治疗语音信息除了包括药物信息之外，还可以治疗方案信息。
104.在一种可能的实施方式中，语音医辅系统可以通过医辅处理器302将候选治疗信息转换成候选治疗语音信息。其中，候选治疗语音信息包括上述n种疾病对应的候选方案语音信息。之后可以将n种疾病对应的候选方案的语音信息输入方案特征提取模型，获取n种疾病对应的候选方案特征。之后医辅处理器302可以将获取方案语音信息输入方案特征提取模型，获取方案特征。接着可以将n种疾病对应的候选方案特征与方案特征进行匹配，得到每个疾病的对应的方案匹配度，之后可以按照方案匹配度从到小的顺序进行排序，确定方案匹配度最高的一种疾病的候选方案信息为治疗方案信息。需要说明的是，具体的方案特征提取算法可以参考和匹配算法可以参考上述的获取确诊疾病的过程，不加赘述。需要说明的是，具体的实施方式可参考上述确定服用药物信息的3种实施方式，不加赘述。
105.s203、语音医辅系统显示确诊疾病信息和服用药物信息。
106.在语音医辅系统确定确诊疾病信息和服用药物信息之后，可以通过医辅显示器303显示确诊疾病信息和服用药物信息。此外，语音医辅系统还可以显示治疗方案信息。
107.示例性地，图6是本技术实施例公开的又一种应用界面的示意图。如图6所示，语音医辅系统显示确定疾病为疾病1，服用药物为药物1和药物3。
108.一种可能的实施方式能中，医辅显示器303可以对上述的确诊疾病信息和服用药物信息进行修改，并对修改后的确诊疾病信息和服用药物信息进行显示。医辅显示器303进行修改和在语音医辅系统显示确诊疾病信息和服用药物信息之后，用户可以基于显示确诊疾病信息和服用药物信息进行确认，在医辅显示器303显示确诊疾病信息和服用药物信息为医生确定的信息的情况下，可以基于确诊疾病信息和服用药物信息生成诊断的报告，诊断的报告包括上述的确诊疾病信息和服用药物信息。在显示的语音医辅系统显示确诊疾病信息和服用药物信息为医生不能确定的信息的情况下，医生可以修改当前的确诊疾病信息和/或服用药物信息，例如，手动修改。当医生修改正确之后，可以确定修改后的确诊疾病信息和服用药物信息，医辅显示器303显示修改后的确诊疾病信息和服用药物信息，之后可以生成诊断的报告。
109.在上述的实施方式中，语音医辅系统提供了一种疾病和药物的确保方案，使得当前病例数据库和治疗数据库选定的疾病不正确的情况下，为医生提供一种能够保证确定的疾病和药物的为正确的信息，从而可以保证方案的完整性。这样，可以解决在很小概率由于
病例数据库和治疗数据库范围不够或者算法的不完善的导致语音预判错误的问题，保证医生开出的诊断的报告的正确性。
110.需要说明的是，本技术实施例中，图4、图5和图6均是示例性的说明不构成限定。
111.本技术实施例中，由于在医生输入疾病语音信息和治疗语音信息的情况下，医辅显示器303便可以基于语音信息和医辅处理器302估计出的候选疾病信息和候选治疗信息确定出确诊疾病信息和服用药物信息，从而可以减少医生手动输入的次数，提高医生为病人开报告的效率。此外，当直接对语音信息进行转化的过程，语义转化的范围是很大的，即便是疾病的范围也是很大的，从海量的数据中选择到正确信息的概率是小于从少量信息中选出正确信息的概率的，因此，可以通过医辅处理器302先确定出候选疾病信息和候选治疗信息，从而可以提高确诊疾病信息和服用药物信息的准确性。
112.如图3所示，语音医辅系统包括麦克风301、医辅处理器302以及医辅显示器303：
113.所述麦克风301，用于采集医生输入的疾病语音信息和治疗语音信息；
114.所述医辅处理器302，用于根据获取到的病人的病症信息确定候选疾病信息、与所述候选疾病信息对应的候选治疗信息；并根据所述疾病语音信息和所述候选疾病信息确定确诊疾病信息，以及根据所述治疗语音信息和所述候选治疗信息确定服用药物信息；
115.所述医辅显示器303，用于显示所述确诊疾病信息和所述服用药物信息。
116.作为一种可能的实施方式，所述医辅处理器302根据获取到的病人的病症信息确定候选疾病信息、与所述候选疾病信息对应的候选治疗信息，具体用于：
117.从病症数据库中匹配与所述病人的病症信息相近的疾病，获取候选疾病信息，所述候选疾病信息包括n种疾病，n为正整数，所述病症数据库包括多种疾病与病症信息的对应关系；
118.从治疗数据库中匹配所述n种疾病的药物信息，获取候选治疗信息，所述候选治疗信息包括所述n种疾病对应的治疗药物，所述治疗数据库包括多种疾病与药物信息的对应关系。
119.作为一种可能的实施方式，所述医辅处理器302根据所述疾病语音信息和所述候选疾病信息确定确诊疾病信息，具体用于：
120.将所述麦克风采集的医生输入的疾病语音信息输入疾病特征提取模型，获取疾病特征；
121.将所述疾病特征与所述候选疾病信息中各个疾病的语音信息的疾病特征进行匹配，得到每个疾病的疾病匹配度；
122.将所述候选疾病信息中疾病匹配度最高的疾病确定为确诊疾病，得到确诊疾病信息。
123.作为一种可能的实施方式，所述治疗语音信息包括药物语音信息的情况下，所述医辅处理器302根据所述治疗语音信息和所述候选治疗信息确定服用药物信息，具体用于：
124.将所述药物语音信息输入药物特征提取模型，获取药物特征；
125.将所述药物特征与所述候选治疗信息中各个疾病的药物语音信息的药物特征进行匹配，得到每个疾病的对应的药物匹配度；
126.将所述候选治疗信息中药物匹配度最高的疾病对应的药物信息确定为服用药物，得到服用药物信息。
127.作为一种可能的实施方式，所述治疗语音信息还包括方案语音信息，所述医辅处理器302还用于：
128.从治疗数据库中匹配所述n种疾病的方案信息，获取候选治疗信息，所述候选治疗信息包括所述n种疾病对应的方案药物，所述治疗数据库包括多种疾病与方案信息的对应关系；
129.将所述方案语音信息输入方案特征提取模型，获取方案特征；
130.将所述方案特征与所述候选治疗信息中各个疾病的方案语音信息的方案特征进行匹配，得到每个疾病的对应的方案匹配度；
131.将所述候选治疗信息中方案匹配度最高的疾病的方案信息确定为治疗方案，得到治疗方案信息；
132.所述医辅显示器303还用于，显示所述治疗方案信息。
133.作为一种可能的实施方式，所述医辅处理器302还用于：
134.对所述确诊疾病信息和所述服用药物信息进行调整；
135.所述医辅显示器303显示所述确诊疾病信息和所述服用药物信息，具体用于：
136.显示调整后的确诊疾病信息和调整后的服用药物信息。
137.作为一种可能的实施方式，所述医辅处理器302根据通过所述麦克风采集的医生输入的疾病语音信息和所述候选疾病信息确定确诊疾病信息之后，根据通过所述麦克风采集的医生输入的治疗语音信息和所述候选治疗信息确定服用药物信息，具体用于：
138.基于所述确诊疾病信息从所述候选治疗信息筛选预选药物信息；
139.基于所述通过所述麦克风采集的医生输入的治疗语音信息从所述预选药物信息中确定服用药物，得到服用药物信息。
140.基于上述的描述，请参阅图7，图7是本技术实施例公开的一种电子设备的结构示意图。如图7所示，该设备可以包括处理器701、存储器702、输入接口703、输出接口704和总线705。存储器702可以是独立存在的，可以通过总线705与处理器701相连接。其中，输入接口703用于接收来自其它设备的信息，输出接口704用于向其它设备输出、调度或者发送信息。存储器702也可以和处理器701集成在一起。其中，总线705用于实现这些组件之间的连接。
141.在一个实施例中，该电子设备可以为语音医辅系统或者语音医辅系统内的模块，存储器702中存储的计算机程序指令被执行时，该处理器701用于s201、s202和s203执行上述实施例中执行的操作，输入接口703用于接收来自其他设备的信息，输出接口704用于输出数据。上述电子设备或者电子设备内的模块还可以用于执行上述图2方法实施例中的各种方法，不再赘述。
142.本技术实施例还公开一种计算机可读存储介质，其上存储有指令，该指令被执行时执行上述方法实施例中的方法。
143.本技术实施例还公开一种包括指令的计算机程序产品，该指令被执行时执行上述方法实施例中的方法。
144.以上所述的具体实施方式，对本技术的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本技术的具体实施方式而已，并不用于限定本技术的保护范围，凡在本技术的技术方案的基础之上，所做的任何修改、等同替换、改进等，均应
包括在本技术的保护范围之内。
145.在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时，全部或部分地产生按照本技术实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线)或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如dvd)、或者半导体介质(例如固态硬盘)等。
146.本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，该流程可以由计算机程序来指令相关的硬件完成，该程序可存储于计算机可读取存储介质中，该程序在执行时，可包括如上述各方法实施例的流程。而前述的存储介质包括：rom或随机存储记忆体ram、磁碟或者光盘等各种可存储程序代码的介质。