基于移动医疗工作站的远程诊疗方法和系统与流程

本技术涉及医疗，尤其涉及一种基于移动医疗工作站的远程诊疗方法和系统。

背景技术：

1、目前，针对公共卫生应急管理(如传染病防控)检测的工作主要是由医院来执行。由于医院作为公共医疗资源的主体之一，承担了治疗病患的主要职责，通常医院的人流量较大、诊疗流程比较复杂以及与患者居住地较远等多方因素，导致患者的就医时间较长，浪费病人的时间。且若患者患上传染病，由于医院的人流量较大，容易将传染病传染给其他病人，安全性低。

2、因此，如何能够快速、安全以及准确地为病人诊断出病症，是目前有待解决的问题。

技术实现思路

1、本技术提供一种基于移动医疗工作站的远程诊疗方法和系统，用于解决现有技术中病人患上传染病的诊疗花费时间长、安全性低且准确性低的问题。

2、第一方面，本技术提供了一种基于移动医疗工作站的远程诊疗方法，应用于移动医疗工作站，移动医疗工作站包括封闭就医空间，封闭就医空间内设置有主控制器、摄像头、声音采集模块、扬声器、远程通信模块、以及多个人体检查设备，多个人体检查设备至少包括体温检测仪、体液检测设备、以及ct图像采集设备，主控制器分别与摄像头、声音采集模块、扬声器、多个人体检查设备以及远程通信模块电连接，该方法包括：

3、摄像头采集病人的身体图像信息并传输到主控制器，其中，身体图像信息包括病人的人脸图像；

4、主控制器将病人的人脸图像上传到云服务器，并接收云服务器下发的与病人的人脸图像关联的多条病历信息以及每条病历信息所处的时间段；

5、主控制器将病人的人脸图像关联的多条病历信息、每条病历信息所处的时间段、以及时序最后的病历信息对应的时刻距离当前时刻的时长，输入到预训练的长短记忆网络模型中预测得到第一疑似病症结果；

6、主控制器还从病人的人脸图像中提取病容特征，病容特征至少包括面色特征、舌苔特征、眼神特征以及表情特征；

7、主控制器通过远程通信模块接收云服务器中转的来自医生终端的问诊声音信息，并控制扬声器播放问诊声音信息，声音采集模块采集病人的答诊声音信息并传输至主控制器，主控制器经云服务器将答诊声音信息传输至医生终端；

8、主控制器提取问诊声音信息中的多个第一病症关键词以及分别对应的时刻，以及答诊声音信息中的第二病症关键词和分别对应的时刻，并基于多个第一病症关键词和分别对应的时刻，以及第二病症关键词以及分别对应的时刻，构建问答诊病症特征；

9、主控制器从答诊声音信息中，提取声音特征，声音特征至少包括声音的响度特征、沙哑程度特征、以及咳嗽程度特征；

10、主控制器将病容特征、问答诊病症特征以及声音特征输入到预训练的第一神经网络模型中，确定出多个身体检查项目，并控制扬声器播放多个身体检查项目；

11、主控制器接收播放的多个身体检查项目分别对应的身体检查设备发送对病人进行检查的多项身体检查结果，并根据多项身体检查结果构建体检病症特征；

12、主控制器对病容特征、问答诊病症特征、声音特征、体检病症特征构建总融合病症特征；

13、主控制器将总融合病症特征，输入到预训练的第二神经网络模型中，得到第二疑似病症结果；

14、主控制器将第一疑似病症结果和第二疑似病症结果，输入到预训练的第三神经网络模型中，得到最终病症结果。

15、在一种可能的实施方式中，在摄像头采集病人的身体图像信息并传输到主控制器，其中，身体图像信息包括病人的人脸图像之前，方法还包括：

16、主控制器将多个病人在历史上的多条历史病历信息、每条历史病历信息所处的时间段、时序最后的历史病历信息对应的时刻距离历史当前时刻的时长、以及多个病人分别对应的历史病症结果作为多个训练样本，输入到初始长短记忆网络中训练以得到长短记忆网络模型；

17、主控制器将多个病人在历史上的历史病容特征、历史问答诊病症特征、历史声音特征，及对应的历史身体检查项目作为多个训练样本输入到第一初始神经网络中进行训练，得到第一神经网络模型，其中，历史病容特征包括病人的历史面色特征、历史舌苔特征、历史眼神特征以及历史表情特征；

18、主控制器将多个病人在历史上的历史总融合病症特征及对应的历史病症结果作为多个训练样本输入到第二初始神经网络模型中训练，得到第二神经网络模型，历史总融合病症特征包括病人的历史病容特征、历史问答诊病症特征、历史声音特征、历史体检病症特征；

19、主控制器将多个病人在历史上的第一历史病症结果和第二历史病症结果，及对应的历史病症结果输入到第三初始神经网络模型中训练，得到第三神经网络模型，第一历史病症结果是将病人的多条历史病历信息、每条历史病历信息所处的时间段、以及时序最后的历史病历信息对应的时刻距离历史当前时刻的时长，输入到预训练的长短记忆网络模型中得到的，第二历史病症结果是将病人的历史总融合病症特征，输入到预训练的第二神经网络模型中得到的。

20、在一种可能的实施方式中，在主控制器将总融合病症特征，输入到预训练的第二神经网络模型中，得到第二疑似病症结果之后，方法还包括：

21、主控制器将总融合病症特征转换为总融合空间特征向量，总融合空间特征向量包括多个维度的第一子特征向量；

22、主控制器确定多个维度的第一子特征向量分别与预设的模板总融合空间特征向量集合中，每个模板总融合空间特征向量中对应维度的第二子特征向量的距离的平均值和协方差；

23、主控制器根据算式确定各个模板总融合空间特征向量分别与总融合空间特征向量匹配的置信度，其中，mij为各个模板总融合空间特征向量分别对应的距离的平均值，nij各个模板总融合空间特征向量分别对应的协方差，max(mij)为多个距离的平均值中的最大距离的平均值，min(mij)为多个距离的平均值中的最小距离的平均值，max(nij)为多个协方差中最大的协方差，min(nij)为多个协方差中最小的协方差，pij为置信度；

24、主控制器从预设的关系表中，确定置信度最大的模板总融合空间特征向量对应的第三疑似病症结果；

25、主控制器将第一疑似病症结果和第二疑似病症结果，输入到预训练的第三神经网络模型中，得到最终病症结果，包括：主控制器将第一疑似病症结果、第二疑似病症结果以及第三疑似病症结果，输入到预训练的第三神经网络模型中，得到最终病症结果。

26、在一种可能的实施方式中，主控制器将第一疑似病症结果和第二疑似病症结果，输入到预训练的第三神经网络模型中，得到最终病症结果之后，方法还包括：

27、主控制器从预设的医疗知识库中查找与最终病症结果关联的至少一个医疗处方，并通过远程通信模块将医疗处方发送至病人终端。

28、在一种可能的实施方式中，主控制器从预设的医疗知识库中查找与最终病症结果关联的至少一个医疗处方，并通过远程通信模块将医疗处方发送至病人终端，包括：

29、主控制器从预设的医疗知识库中查找与最终病症结果关联的多个医疗处方；

30、主控制器根据病人的人脸图像，查询到病人特征信息，病人特征信息至少包括病人的年龄、性别、身高；

31、根据病人特征信息，从多个医疗处方中确定一个医疗处方；

32、通过远程通信模块将确定的医疗处方发送至病人终端。

33、在一种可能的实施方式中，所述主控制器从预设的医疗知识库中查找与所述最终病症结果关联的至少一个医疗处方，并通过所述远程通信模块将所述医疗处方发送至病人终端，包括：

34、所述主控制器从预设的医疗知识库中查找与所述最终病症结果关联的多个医疗处方；

35、所述主控制器根据所述病人的人脸图像，查询到病人特征信息，所述病人特征信息至少包括病人的年龄、性别、身高；

36、根据所述病人特征信息，从所述多个医疗处方中确定一个医疗处方；

37、通过所述远程通信模块将确定的医疗处方发送至病人终端。

38、在一种可能的实施方式中，所述通过所述远程通信模块将确定的医疗处方发送至病人终端包括：

39、向所述医生终端发送确定的医疗处方；

40、响应于来自所述医生终端的视频连接请求，将所述医生终端与所述病人终端建立视频连接；

41、识别所述医生终端与所述病人终端在视频交互的过程中的视频数据携带有对所述确定的医疗处方确认指令时，通过所述远程通信模块将确定的医疗处方发送至病人终端。

42、在一种可能的实施方式中，所述主控制器将所述第一疑似病症结果和所述第二疑似病症结果，输入到预训练的第三神经网络模型中，得到最终病症结果之后，所述方法还包括：

43、根据预存储的病情关系表中，确定所述最终病症结果的严重程度；

44、当所述最终病症结果的严重程度用于表征病情严重时，呼叫医护救助终端；或者指引患者使用紧急药品。

45、第二方面，本技术还提供了一种基于移动医疗工作站的远程诊疗系统，应用于移动医疗工作站的主控制器，移动医疗工作站还包括封闭就医空间，封闭就医空间内设置有摄像头、声音采集模块、扬声器、远程通信模块、以及多个人体检查设备，多个人体检查设备至少包括体温检测仪、体液检测设备、以及ct图像采集设备，主控制器分别与摄像头、声音采集模块、扬声器、多个人体检查设备以及远程通信模块电连接，系统包括：

46、信息收发单元，用于接收来自摄像头采集的病人的身体图像信息，其中，身体图像信息包括病人的人脸图像；

47、信息收发单元，还用于将病人的人脸图像上传到云服务器，并接收云服务器下发的与病人的人脸图像关联的多条病历信息以及每条病历信息所处的时间段；

48、第一结果生成单元，用于将病人的人脸图像关联的多条病历信息、每条病历信息所处的时间段、以及时序最后的病历信息对应的时刻距离当前时刻的时长，输入到预训练的长短记忆网络模型中预测得到第一疑似病症结果；

49、第一特征提取单元，用于还从病人的人脸图像中提取病容特征，病容特征至少包括面色特征、舌苔特征、眼神特征以及表情特征；

50、信息收发单元，还用于通过远程通信模块接收云服务器中转的来自医生终端的问诊声音信息，并控制扬声器播放问诊声音信息，接收声音采集模块采集的病人的答诊声音信息，并经云服务器将答诊声音信息传输至医生终端；

51、第二特征提取单元，用于提取问诊声音信息中的多个第一病症关键词以及分别对应的时刻，以及答诊声音信息中的第二病症关键词和分别对应的时刻，并基于多个第一病症关键词和分别对应的时刻，以及第二病症关键词以及分别对应的时刻，构建问答诊病症特征；

52、第三特征提取单元，用于从答诊声音信息中，提取声音特征，声音特征至少包括声音的响度特征、沙哑程度特征、以及咳嗽程度特征；

53、检查项目确定单元，用于将病容特征、问答诊病症特征以及声音特征输入到预训练的第一神经网络模型中，确定出多个身体检查项目，并控制扬声器播放多个身体检查项目；

54、第四特征提取单元，用于接收播放的多个身体检查项目分别对应的身体检查设备发送对病人进行检查的多项身体检查结果，并根据多项身体检查结果构建体检病症特征；

55、融合特征构建单元，用于对病容特征、问答诊病症特征、声音特征、体检病症特征构建总融合病症特征；

56、第二结果生成单元，用于将总融合病症特征，输入到预训练的第二神经网络模型中，得到第二疑似病症结果；

57、第三结果生成单元，用于将第一疑似病症结果和第二疑似病症结果，输入到预训练的第三神经网络模型中，得到最终病症结果。

58、在一种可能的实施方式中，本技术提供的系统还包括：

59、模型训练单元，用于将多个病人在历史上的多条历史病历信息、每条历史病历信息所处的时间段、时序最后的历史病历信息对应的时刻距离历史当前时刻的时长、以及多个病人分别对应的历史病症结果作为多个训练样本，输入到初始长短记忆网络中训练以得到长短记忆网络模型；将多个病人在历史上的历史病容特征、历史问答诊病症特征、历史声音特征，及对应的历史身体检查项目作为多个训练样本输入到第一初始神经网络中进行训练，得到第一神经网络模型，其中，历史病容特征包括病人的历史面色特征、历史舌苔特征、历史眼神特征以及历史表情特征；将多个病人在历史上的历史总融合病症特征及对应的历史病症结果作为多个训练样本输入到第二初始神经网络模型中训练，得到第二神经网络模型，历史总融合病症特征包括病人的历史病容特征、历史问答诊病症特征、历史声音特征、历史体检病症特征；将多个病人在历史上的第一历史病症结果和第二历史病症结果，及对应的历史病症结果输入到第三初始神经网络模型中训练，得到第三神经网络模型，第一历史病症结果是将病人的多条历史病历信息、每条历史病历信息所处的时间段、以及时序最后的历史病历信息对应的时刻距离历史当前时刻的时长，输入到预训练的长短记忆网络模型中得到的，第二历史病症结果是将病人的历史总融合病症特征，输入到预训练的第二神经网络模型中得到的。

60、在一种可能的实施方式中，本技术提供的系统还包括第四结果生成单元，用于将总融合病症特征转换为总融合空间特征向量，总融合空间特征向量包括多个维度的第一子特征向量；确定多个维度的第一子特征向量分别与预设的模板总融合空间特征向量集合中，每个模板总融合空间特征向量中对应维度的第二子特征向量的距离的平均值和协方差；根据算式确定各个模板总融合空间特征向量分别与总融合空间特征向量匹配的置信度，其中，mij为各个模板总融合空间特征向量分别对应的距离的平均值，nij各个模板总融合空间特征向量分别对应的协方差，max(mij)为多个距离的平均值中的最大距离的平均值，min(mij)为多个距离的平均值中的最小距离的平均值，max(nij)为多个协方差中最大的协方差，min(nij)为多个协方差中最小的协方差，pij为置信度；从预设的关系表中，确定置信度最大的模板总融合空间特征向量对应的第三疑似病症结果；

61、第三结果生成单元，具体用于将第一疑似病症结果、第二疑似病症结果以及第三疑似病症结果，输入到预训练的第三神经网络模型中，得到最终病症结果。

62、在一种可能的实施方式中，该系统还包括：

63、医疗处方发送单元，用于从预设的医疗知识库中查找与最终病症结果关联的至少一个医疗处方，并通过远程通信模块将医疗处方发送至病人终端。

64、第三方面，本技术提供了一种移动医疗工作站，包括封闭就医空间，封闭就医空间内设置有主控制器、摄像头、声音采集模块、扬声器、远程通信模块、以及多个人体检查设备，多个人体检查设备至少包括体温检测仪、体液检测设备、以及ct图像采集设备，主控制器分别与摄像头、声音采集模块、扬声器、多个人体检查设备以及远程通信模块电连接，主控制器用于执行本技术第一方面提供的方法。

65、第四方面，本技术还提供了一种计算机可读存储介质，计算机可读存储介质存储有计算机程序，计算机程序被处理器执行时，使得计算机用于执行本技术第一方面提供的方法。

66、本技术提供一种基于移动医疗工作站的远程诊疗方法和系统，主控制器将病人的人脸图像关联的多条病历信息、每条病历信息所处的时间段、以及时序最后的病历信息对应的时刻距离当前时刻的时长，输入到预训练的长短记忆网络模型中预测得到第一疑似病症结果。可以理解地，病人在不同时间段的病历可以表征病人的病情在不同时间段的发展情况，最后的病历信息对应的时刻距离当前时刻的时长可以用于表征上一次的病情到现在的病情的疾病发展时长，并且由于长短记忆网络模型是时间循环神经网络模型，能够根据每条病历信息所处的时间段、以及时序最后的病历信息对应的时刻距离当前时刻的时长，准确地预测出第一疑似病症结果。

67、主控制器还从病人的人脸图像中提取病容特征，病容特征至少包括面色特征、舌苔特征、眼神特征以及表情特征。可以理解地，病人的人脸图像中提取病容特征能够在一定程度上表征病人的病情信息。

68、主控制器通过远程通信模块接收云服务器中转的来自医生终端的问诊声音信息，并控制扬声器播放问诊声音信息，声音采集模块采集病人的答诊声音信息并传输至主控制器，主控制器经云服务器将答诊声音信息传输至医生终端；主控制器提取问诊声音信息中的多个第一病症关键词以及分别对应的时刻，以及答诊声音信息中的第二病症关键词和分别对应的时刻，并基于多个第一病症关键词和分别对应的时刻，以及第二病症关键词以及分别对应的时刻，构建问答诊病症特征。可以理解地，在病人和医生之间进行问诊和答诊的交互过程中，包含了对病人的病情的描述信息。因此，基于问诊声音信息中的多个第一病症关键词和答诊声音信息中的第二病症关键词构建问答诊病症特征能够在一定程度上表征病人的病情信息。

69、主控制器从答诊声音信息中，提取声音特征，声音特征至少包括声音的响度特征、沙哑程度特征、以及咳嗽程度特征。可以理解地，从答诊声音信息中，提取的声音特征也能够在一定程度表征病人的病情信息。

70、主控制器将病容特征、问答诊病症特征以及声音特征输入到预训练的第一神经网络模型中，确定出多个身体检查项目，并控制扬声器播放多个身体检查项目。

71、主控制器接收播放的多个身体检查项目分别对应的身体检查设备发送对病人进行检查的多项身体检查结果，并根据多项身体检查结果构建体检病症特征。可以理解地，体检病症特征能够在一定程度上表征病人的病情信息。

72、主控制器对病容特征、问答诊病症特征、声音特征、体检病症特征构建总融合病症特征。主控制器将总融合病症特征，输入到预训练的第二神经网络模型中，得到第二疑似病症结果。可以理解地，总融合病症特征包括了多个维度的病情特征，能够准确、清楚、详实地病人的病情信息，进而根据总融合病症特征的得到第二疑似病症结果的准确度高。

73、主控制器将第一疑似病症结果和第二疑似病症结果，输入到预训练的第三神经网络模型中，得到最终病症结果。由于第一疑似病症结果的准确度高且第二疑似病症结果的准确度高，进而，根据第一疑似病症结果和第二疑似病症结果得到的最终病症结果的准确度高。

74、另外，由于主控制器、摄像头、声音采集模块、扬声器、远程通信模块、以及多个人体检查设备均位于封闭就医空间内，病人仅需在密闭的就医空间内进行就诊，安全性高，不容易将病情传染给别人。再者，移动医疗工作站可以移动设置于病人的居住地的社区、街道附近，就医距离短，人流量小，大大节省了病人的就诊时间。