[发明专利]一种就诊意图的处理方法、装置及设备在审

专利信息
申请号: 201910699975.0 申请日: 2019-07-31
公开(公告)号: CN110428891A 公开(公告)日: 2019-11-08
发明(设计)人: 周佳;孙钟前;杨巍;胡海峰 申请(专利权)人: 腾讯科技(深圳)有限公司
主分类号: G16H40/20 分类号: G16H40/20;G16H50/20;G16H50/70;G16H80/00
代理公司: 北京派特恩知识产权代理有限公司 11270 代理人: 李梅香;张颖玲
地址: 518000 广东省深圳*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 病例特征 判断结果 子类 诊疗 装置及设备 存储介质 分类处理 分类模型 就诊对象 特征抽取 自动化
【权利要求书】:

1.一种就诊意图的处理方法,其特征在于,包括:

获取病例;

对所述病例进行特征抽取,得到对应的病例特征;

基于所述病例特征确定所述病例的类型;

当确定所述病例的类型为非诊疗类时,通过分类模型对所述病例特征进行分类处理,得到所述病例属于所述非诊疗类所包含的各子类的判断结果;

基于所述各子类的判断结果,识别所述病例对应的就诊意图。

2.如权利要求1所述的方法,其特征在于,所述基于所述病例特征确定所述病例的类型,包括:

通过所述分类模型对所述病例特征对应的特征向量进行分类处理,得到所述分类模型输出的所述病例为诊疗类的概率;

当得到的所述概率大于第一概率阈值时,确定所述病例的类型为诊疗类;

当得到的所述概率小于等于所述第一概率阈值时,确定所述病例的类型为非诊疗类。

3.如权利要求1所述的方法,其特征在于,所述对所述病例进行特征抽取,得到对应的病例特征,包括以下至少之一:

对所述病例中的症状进行识别,以及对识别出的所述症状进行统计,得到对应的症状数量;

对所述病例中的部位词进行识别,以及对识别出的所述部位词进行统计,得到对应的部位词数量;

对所述病例中包括的字数进行统计,得到对应的病例长度;

对所述病例中具有分类特征的关键词或片段命中词进行筛选,得到对应的病例关键词或病例片段命中词。

4.如权利要求1所述的方法,其特征在于,所述通过分类模型对所述病例特征进行分类处理,得到所述病例属于所述非诊疗类所包含的各子类的判断结果,包括:

分别通过至少两个所述分类模型对所述病例特征对应的特征向量进行分类处理,得到所述至少两个分类模型各自输出的所述病例属于各子类的概率;

当得到的所述概率大于第二概率阈值时,确定所述病例属于对应所述概率的子类;

其中,所述子类包括以下至少之一:复诊类;检查类;开药类;信息不全类。

5.如权利要求4所述的方法,其特征在于,所述分别通过至少两个所述分类模型对所述病例特征对应的特征向量进行分类处理,得到所述至少两个分类模型各自输出的所述病例属于各子类的概率,包括:

按照所述复诊类、检查类、开药类和信息不全类的顺序,分别通过所述分类模型对所述病例特征对应的特征向量进行分类处理,对应得到所述病例属于复诊类、检查类、开药类和信息不全类的概率。

6.如权利要求1所述的方法,其特征在于,所述方法还包括:

当确定所述病例的类型为诊疗类时,识别所述病例对应的就诊意图为诊疗。

7.如权利要求1至6任一项所述的方法,其特征在于,所述方法还包括:

在所述基于所述各子类的判断结果,识别所述病例对应的就诊意图之后,

基于所述病例对应的就诊意图,构建针对就诊对象的就诊分布结构图;

基于所述就诊分布结构图,为所述就诊对象分配相应的医疗资源。

8.如权利要求1至6任一项所述的方法,其特征在于,所述方法还包括:

在所述基于所述各子类的判断结果,识别所述病例对应的就诊意图之后,

基于所述病例对应的就诊意图,对不同类型的病例进行解构,以辅助进行疾病的预测和诊断。

9.一种就诊意图的处理装置,其特征在于,包括:

获取单元,用于获取病例;

抽取单元,用于对所述病例进行特征抽取,得到对应的病例特征;

确定单元,用于基于所述病例特征确定所述病例的类型;

分类单元,用于当确定所述病例的类型为非诊疗类时,通过分类模型对所述病例特征进行分类处理,得到所述病例属于所述非诊疗类所包含的各子类的判断结果;

识别单元,用于基于所述各子类的判断结果,识别所述病例对应的就诊意图。

10.一种就诊意图的处理设备,其特征在于,包括:

存储器,用于存储可执行指令;

处理器,用于执行所述存储器中存储的可执行指令时,实现如权利要求1至8任一项所述的就诊意图的处理方法。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于腾讯科技(深圳)有限公司,未经腾讯科技(深圳)有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201910699975.0/1.html,转载请声明来源钻瓜专利网。

同类专利
专利分类
×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top