一种基于人工智能的导诊方法、系统、电子设备及介质与流程

本技术涉及互联网医疗，具体涉及一种基于人工智能的导诊方法、系统、电子设备及介质。

背景技术：

1、随着科技的发展和人工智能的快速进步，其在医疗领域的应用也日益广泛。近年来，人工智能技术被广泛应用于医疗健康领域，包括疾病诊断、治疗方案的制定、患者管理等领域，并取得了显著的成效。其中，智能导诊系统作为一种新兴的医疗服务模式，利用人工智能技术对患者的病情进行初步诊断，并根据诊断结果提供相应的医疗建议和引导，显著提高了医疗服务的效率和质量。

2、目前，在传统的互联网医疗导诊模式中，通常是让用户在众多的科室中自我选择，或者基于用户提出的具体健康疑问进行导诊。

3、但是在实际应用中，传统的互联网医疗导诊模式适用范围狭窄，单一的文字识别方式对于无法准确概括自己病症信息的用户，导诊准确性往往较低，进而降低了用户体验感。因此，目前用于互联网医疗导诊方式亟待改进。

技术实现思路

1、本技术提供了一种基于人工智能的导诊方法、系统、电子设备及介质，具有基于用户基础信息和疾病特征信息进行综合分析，提高导诊准确性的效果。

2、第一方面，本技术提供了一种基于人工智能的导诊方法，包括：

3、获取用户述求信息和用户基础信息；

4、将所述用户述求信息进行分类，得到多个不同信息类型的目标就诊信息，所述信息类型包括文本、语音、图片和文件；

5、根据所述多个不同类型的目标就诊信息，匹配各对应信息类型的预设识别方案；

6、根据所述各对应类型的预设识别方案，识别所述多个不同类型的目标就诊信息，得到疾病特征信息；

7、将所述疾病特征信息和所述用户基础信息作为模型输入特征输入预设导诊科室预测模型，得到导诊科室预测结果；

8、查询所述导诊科室预测结果对应的导诊科室终端，建立所述用户与所述导诊科室终端之间的通讯连接。

9、通过采用上述技术方案，系统对用户多种形式就诊信息的智能识别，包括文本、语音、图片和文件，通过匹配不同类型信息的识别方案，可以提高信息提取的准确性。基于提取的疾病特征信息和用户基础信息，使用预设导诊科室预测模型，可以准确预测出用户的导诊科室。通过查询导诊科室对应的终端，可以为用户建立与该导诊科室的通讯连接，实现患者与确定导诊科室医生的快速对接，提高就医效率。能够对用户问诊得到的多种类型信息进行分诊确定疾病特征，并结合用户基础信息如当地天气等综合考虑，进行导诊科室，实现用户与对应导诊科室医生的快速对接，提高了用户导诊的准确性以及用户体验感。

10、可选的，根据预设在线问诊模型，通过自动问询的方式获取所述用户述求信息；查询数据库中附有用户标识的登记表单，所述登记表单由用户问诊前填写并录入数据库；读取所述登记表单中的用户基础信息，所述用户基础信息包括年龄、性别、患者角色、常发疾病、季节、就诊人地域天气状况、历史疾病、慢病史。

11、通过采用上述技术方案，系统根据预设在线问诊模型，自动问询获取用户述求信息。系统查询包含用户标识的登记表单数据库，该登记表单由用户在问诊前填写并录入，然后读取登记表单中的用户基础信息包括年龄、性别、患者角色、常发疾病、季节、就诊人地域天气状况、历史疾病、慢病史等，可以最大程度获取用户信息，为后续建模分析提供充分信息。能够针对不同用户的个性化特点，可以建立更准确的疾病特征和导诊科室预测模型，输出更加个性化的导诊结果。

12、可选的，检测所述各目标就诊信息对应的信息类型；若所述信息类型为语音和文本，则根据预设语音识别算法将所述语音信息转换为预设标准格式的文本信息，并将所述文本信息分为若干个关键词，提取所述若干个关键词中对应的疾病特征信息；若所述信息类型为图片，则根据预设图片分类算法识别所述图片信息，得到图片分类结果，并按照所述图片分类结果匹配对应的图片识别算法识别所述图片信息，得到对应的疾病特征信息；若所述信息类型为文件，则根据预设文件解读算法读取所述文件信息中的各数据指标，并根据预设异常指标识别标准，提取所述各数据指标中的异常指标信息作为对应的疾病特征信息。

13、通过采用上述技术方案，系统检测不同类型的目标就诊信息，包括语音、文本、图片和文件。对语音信息，通过语音识别算法转换为文本信息，进一步提取关键词，获取疾病特征信息。对图片信息，使用图片分类算法进行分类，然后匹配对应的图片识别算法进行识别，获取疾病特征。对文件信息，采用文件解读算法读取各数据指标，并基于异常指标识别标准提取特征作为疾病特征。通过对不同类型信息进行定制化的智能算法处理，可以提高从多源异构就诊信息中准确提取疾病特征信息的能力。

14、可选的，通过预设visualglm语言模型，按照预设图片划分标准将所述图片信息分为cv类型图片、ocr类型图片并附上对应的类型标签，所述cv类型图片包括皮肤部位图片和五官图片，所述ocr类型图片包括报告单类图片和药盒图片。

15、通过采用上述技术方案，系统采用预设的visualglm视觉语言模型，可以实现对不同类型图片信息的自动化区分和标注。系统可以按照预设标准，将图片划分为cv类型(包括皮肤部位、五官图片)和ocr类型(包括报告单、药盒图片)，并打上对应标签。利用视觉语言模型进行图片信息分类，比一般图片分类算法更智能、更精准，可以分辨图片中的细微特征。分类标注图片类型，为后续选取识别算法和信息提取奠定基础，可以提高后续处理效率。整体上提升了系统对图像信息的理解能力，为后续病情判别提供了有效支持。

16、可选的，读取所述图片信息对应的类型标签；若所述类型标签为cv类型图片，则将所述cv类型图片中的皮肤部位图片和五官图片作为模型输入特征输入预设llm-cv模型，得到对应的疾病预测信息，所述预设llm-cv模型由历史疾病信息和对应的历史皮肤部位图片、历史五官图片数据集训练得到；若所述类型标签为ocr类型图片，则根据预设ocr识别算法识别所述报告单类图片中的初始异常报告数据和所述药盒图片中的初始药物关键词信息，将所述初始异常报告数据和初始药物关键词信息输入预设语义矫正模型以修正并补全所述初始异常报告数据和初始药物关键词信息中的错误数据、错误关键词和遗漏数据、遗漏关键词，得到目标异常报告数据和目标药物关键词，所述预设语义矫正模型基于llm模型通过采用药物专业词表、历史检查指标数据、口语化专业词汇组成的数据集训练得到；将所述疾病预测信息和目标异常报告数据、目标药物关键词作为所述疾病特征信息。

17、通过采用上述技术方案，系统读取图片的类型标签，根据标签采取不同的处理方案。对于cv类型图片，利用预置的llm-cv模型进行疾病预测，该模型通过大量历史病例图片训练得到。对于ocr类型图片，首先用ocr算法提取文字信息。然后通过预设语义矫正模型进行错误纠正和补全，该模型基于llm，使用药物词表等数据集训练。最后，将模型预测结果、ocr提取并纠正优化后的药物和报告信息，统一作为疾病特征信息。该方案充分利用了llm等前沿模型的强大能力，实现了图片内容的深层次理解，大大提高了图像信息提取和分析的准确性。整体上使系统对用户提供的图像信息的理解能力显著提高，输出更准确、全面、有价值的疾病特征，为后续诊断提供有力支持。

18、可选的，将所述用户对应的年龄、性别、患者角色、常发疾病、季节、就诊人地域天气状况、历史疾病、慢病史输入所述预设导诊科室预测模型，得到多个第一导诊科室预测结果；将所述疾病特征信息输入所述预设导诊科室预测模型，得到第二导诊科室预测结果；判断所述多个第一导诊科室预测结果中是否存在与第二导诊科室预测结果相同的预测结果；若是，则将所述相同的预测结果作为所述导诊科室预测结果；若否，则继续获取用户述求信息。

19、通过采用上述技术方案，系统基于用户基础信息和疾病特征信息，使用同一导诊科室预测模型，可以得到两组导诊预测结果。通过判断两组预测结果是否存在相同的预测，可以实现导诊科室结果的双重验证。当两组导诊预测有相同结果时，确定该导诊科室为最终推荐导诊科室。当两组导诊预测皆不同时，则需要继续获取用户述求信息，以丰富判断材料，提高预测准确性。该技术方案融合了基于用户信息和病情信息两种诊断思路，实现了导诊科室预测的精准化。双重验证机制避免了单一信息源预测的一致性偏差，提高了导诊科室匹配效果。整体上实现了智能导诊模型的精准化和用户导诊经验的个性化优化，输出更加准确可靠的导诊科室建议。

20、可选的，查询所述导诊科室各医生的用户问诊数量，并将所述用户问诊数量最少的医生对应的优先级作为最大优先级，根据所述用户问诊数量按照从小到大的顺序依次排序；将所述最大优先级对应的医生作为所述用户的问诊医生，并建立所述问诊医生与用户的通讯连接。

21、通过采用上述技术方案，系统可以查询导诊科室各医生的具体问诊数量数据。根据问诊数量从少到多排序，问诊数量最少的医生将被赋予最高问诊优先级，然后以问诊数量排序为依据，自动匹配问诊数量最少、优先级最高的医生与用户进行问诊。这样可以实现医生问诊量的均衡分配，防止部分医生问诊压力过大，提供及时、高效的问诊服务，提升用户体验。

22、在本技术的第二方面提供了一种基于人工智能的导诊方法的系统。

23、信息获取模块，用于获取用户述求信息和用户基础信息；

24、信息分类模块，用于将所述用户述求信息进行分类，得到多个不同信息类型的目标就诊信息，所述信息类型包括文本、语音、图片和文件；

25、信息提取模块，用于根据所述多个不同类型的目标就诊信息，匹配各对应信息类型的预设识别方案；根据所述各对应类型的识别方案，识别所述多个不同类型的目标就诊信息，得到疾病特征信息；

26、数据通讯模块，用于将所述疾病特征信息和所述用户基础信息作为模型输入特征输入预设导诊科室预测模型，得到导诊科室预测结果；查询所述导诊科室预测结果对应的导诊科室终端，建立所述用户与所述导诊科室终端之间的通讯连接。

27、在本技术的第三方面提供了一种电子设备。

28、一种基于人工智能的导诊方法的系统，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的程序，该程序能够被处理器加载执行时实现一种基于人工智能的导诊方法。

29、在本技术的第四方面提供了一种计算机可读存储介质。

30、一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时使所述处理器实现一种基于人工智能的导诊方法。

31、综上所述，本技术实施例中提供的一个或多个技术方案，至少具有如下技术效果或优点：

32、1、本技术通过对用户多种形式就诊信息的智能识别，包括文本、语音、图片和文件，通过匹配不同类型信息的识别方案，然后基于提取的疾病特征信息和用户基础信息，使用预设导诊科室预测模型，可以准确预测出用户的导诊科室。通过查询导诊科室对应的终端，可以为用户建立与该导诊科室的通讯连接，实现患者与确定导诊科室医生的快速对接。能够对用户问诊得到的多种类型信息进行分诊确定疾病特征，并结合用户基础信息如当地天气等综合考虑，进行导诊科室，实现用户与对应导诊科室医生的快速对接，提高了用户导诊的准确性以及用户体验感。

33、2、本技术通过采用预设的visualglm视觉语言模型，可以实现对不同类型图片信息的自动化区分和标注，为后续选取识别算法和信息提取奠定基础。

34、3、本技术通过查询导诊科室各医生的具体问诊数量数据。根据问诊数量从少到多排序，问诊数量最少的医生将被赋予最高问诊优先级，然后以问诊数量排序为依据，自动匹配问诊数量最少、优先级最高的医生与用户进行问诊。这样可以实现医生问诊量的均衡分配，防止部分医生问诊压力过大，提供及时、高效的问诊服务，提升用户体验。