[发明专利]一种反馈量表评估方法、系统、设备和介质在审
申请号: | 202110581526.3 | 申请日: | 2021-05-27 |
公开(公告)号: | CN113033528A | 公开(公告)日: | 2021-06-25 |
发明(设计)人: | 姚娟娟;钟南山;杨宝峰 | 申请(专利权)人: | 明品云(北京)数据科技有限公司 |
主分类号: | G06K9/00 | 分类号: | G06K9/00;G06K9/62;G06F40/186;G06Q30/02 |
代理公司: | 上海汉之律师事务所 31378 | 代理人: | 冯华 |
地址: | 102400 北京市*** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 反馈 量表 评估 方法 系统 设备 介质 | ||
1.一种反馈量表评估方法,其特征在于,包括:
根据预先配置的反馈量表模板设置结构化分级标准;
获取使用方填写的反馈量表对应的量表图像,通过文本识别模型获取所述量表图像中的文本信息对应的特征序列,其中,所述特征序列包含多个关键特征;
根据所述结构化分级标准生成所述特征序列的多级分布,将符合每一项分级标准的关键特征输入所述多级分布的对应层级;
获取同一物品对应不同应用对象的多级分布,并获取各多级分布中的深度信息,根据预设时间内所述深度信息的变化趋势,输出评估结果。
2.根据权利要求1所述的反馈量表评估方法,其特征在于,所述结构化分级标准包括:年龄分段标准、有无副作用、对适用症状是否有改善和/或是否联合使用。
3.根据权利要求1所述的反馈量表评估方法,其特征在于,根据预先配置的反馈量表模板设置结构化分级标准,包括:
确定所述反馈量表模板中的评估参数,每一项评估参数对应所述结构化分级标准中的一项分级标准。
4.根据权利要求1所述的反馈量表评估方法,其特征在于,获取使用方填写的反馈量表对应的量表图像,通过文本识别模型获取所述量表图像中的文本信息对应的特征序列,包括:
通过扫描装置或图像采集装置获取使用方填写的反馈量表对应的量表图像,根据所述反馈量表模板设置掩膜图像;
将所述量表图像与所述掩膜图像进行卷积,获取关注区域的子图像;
将所述子图像输入预训练的文本识别模型,得到对应的特征序列。
5.根据权利要求4所述的反馈量表评估方法,其特征在于,设置所述掩膜图像,包括:
根据所述反馈量表模板,确定关注区域,其中,所述关注区域为所述结构化分级标准中每一级分级标准对应的关注区域;
设置所述掩膜图像的大小与所述反馈量表模板大小一致,通过所述掩膜图像遮挡所述反馈量表模板中关注区域以外的区域。
6.根据权利要求1所述的反馈量表评估方法,其特征在于,根据所述结构化分级标准生成所述特征序列的多级分布,将符合每一项分级标准的关键特征输入所述多级分布的对应层级,包括:
根据所述结构化分级标准逐项判断所述关键特征是否符合其中一项分级标准,将所有符合分级标准的关键特征按照所述结构化分级标准的排布顺序,构建多级分布,并配置所述多级分布中每一层级关键特征对应的深度值。
7.根据权利要求1或6所述的反馈量表评估方法,其特征在于,获取同一物品对应不同应用对象的多级分布,并获取各多级分布中的深度信息:
对每个多级分布中各个层级的深度值进行累加,得到对应多级分布的深度信息。
8.一种反馈量表评估系统,其特征在于,包括:
标准设置模块,用于根据预先配置的反馈量表模板设置结构化分级标准;
特征提取模块,用于获取使用方填写的反馈量表对应的量表图像,通过文本识别模型获取所述量表图像中的文本信息对应的特征序列,其中,所述特征序列包含多个关键特征;
多级分布创建模块,用于根据所述结构化分级标准生成所述特征序列的多级分布,将符合每一项分级标准的关键特征输入所述多级分布的对应层级;
评估模块,用于获取同一物品对应不同应用对象的多级分布,并获取各多级分布中的深度信息,根据预设时间内所述深度信息的变化趋势,输出评估结果。
9.一种反馈量表评估设备,其特征在于,包括:
一个或多个处理器;和
其上存储有指令的一个或多个机器可读介质,当所述一个或多个处理器执行时,使得所述设备执行如权利要求1-7中任一所述的方法。
10.一种机器可读介质,其特征在于,其上存储有指令,当由一个或多个处理器执行时,使得设备执行如权利要求1-7中任一所述的方法。
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明品云(北京)数据科技有限公司,未经明品云(北京)数据科技有限公司许可,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/202110581526.3/1.html,转载请声明来源钻瓜专利网。