[发明专利]基于人工智能的电子病历生成方法、装置、设备及介质

权利要求书

1.一种基于人工智能的电子病历生成方法，其特征在于，包括：

获取语音样本集；所述语音样本集包括多个语音样本；

将所述语音样本输入含有初始参数的初始识别模型；

通过所述初始识别模型对所述语音样本进行音频增强处理，得到待处理音频片段；

通过老师网络对所述待处理音频片段进行老师声学特征提取，得到第一特征向量，同时通过学生网络对所述待处理音频片段进行学生声学特征提取，得到第二特征向量；其中，所述初始识别模型包括所述老师网络和所述学生网络；所述学生网络为对所述老师网络进行蒸馏学习后获得；

对所述第一特征向量、所述第二特征向量和所述老师网络中的动态队列进行对齐对比处理，得到损失值；

在所述损失值未达到预设的收敛条件时，迭代更新所述初始识别模型的初始参数，直至所述损失值达到所述收敛条件时，将收敛之后的所述初始识别模型记录为训练完成的语音识别模型；

接收病历生成请求，获取所述病历生成请求中的问诊对话语音、患者信息和医生标识；

对所述问诊对话语音进行分段处理，得到多个语音片段；

获取与所述医生标识对应的音频样本，通过角色识别模型比对各所述语音片段和所述音频样本，得到所述音频样本与各所述语音片段的相似度，并将大于或者等于预设相似度阈值的所述相似度所对应的所述语音片段标记为医生角色，将剩余的所述语音片段标记为患者角色；

通过所述语音识别模型对各所述语音片段进行频域特征提取，以及根据提取的频域特征进行文字预测，得到与各所述语音片段对应的段落文本；

根据标记为医生角色的所述语音片段和标记为患者角色的所述语音片段，相应地对各所述段落文本进行角色标记；

将所有角色标记后的所述段落文本进行时序拼接，得到对话文本；

对所述对话文本进行关键症状识别，获得与所述问诊对话语音对应的关注文本；

对所述关注文本进行主诉特征提取，根据提取的主诉特征识别出主诉结果，以及根据所述患者信息，对所述关注文本进行病史识别及核验，得到现病史结果和既往史结果；

获取与所述医生标识对应的病历模板生成模型，通过获取的所述病历模板生成模型对所述主诉结果、所述现病史结果和所述既往史结果进行病历生成，得到与所述病历生成请求对应的电子病历。

2.如权利要求1所述的基于人工智能的电子病历生成方法，其特征在于，所述得到电子病历之后，包括：

接收来自所述医生标识的确认指令；其中，所述确认指令为与所述医生标识对应的医生针对展示的所述电子病历进行核对或修改后生成；

根据所述确认指令，对所述电子病历进行更新以及加印签名，生成已确认电子病历。

3.如权利要求1所述的基于人工智能的电子病历生成方法，其特征在于，所述对所述对话文本进行关键症状识别，获得与所述问诊对话语音对应的关注文本，包括：

对所述对话文本进行症状识别，识别出所述对话文本中的多个症状关键字；

对各所述症状关键字进行上下文语义分析以及时间维度分析，确定出所述对话文本中的所述关注文本。

4.如权利要求1所述的基于人工智能的电子病历生成方法，其特征在于，所述根据所述患者信息，对所述关注文本进行病史识别及核验，得到现病史结果和既往史结果，包括：

对所述关注文本进行病史区分，得到现病史结果和初始既往史结果；

根据所述患者信息中的历史就诊信息，对所述初始既往史结果进行病史核验，得到所述既往史结果。

5.如权利要求1所述的基于人工智能的电子病历生成方法，其特征在于，所述通过获取的所述病历模板生成模型对所述主诉结果、所述现病史结果和所述既往史结果进行病历生成，得到与所述病历生成请求对应的电子病历，包括：

通过获取的所述病历模板生成模型对所述主诉结果进行模板因素特征提取，根据提取的模板因素特征生成与所述主诉结果对应的病历模板；

将所述现病史结果和所述既往史结果填充至与所述主诉结果对应的所述病历模板中，得到所述电子病历。