[发明专利]智能分诊系统及其工作方法

摘要

本发明提供了一种智能分诊系统及其工作方法。所述方法包括：根据对象主诉获取对应的科室；利用矩阵分解算法获取所述科室中关于第一预设数量位医生的评价数据；从所述关于第一预设数量位医生的评价数据中提取每种疾病对应的最优医生能力排序；根据所述关于医生能力的评价排序以及医生所在医院获取最优推荐医生序列。可见，本发明根据对象主诉即可找到对应的科室，使患者能够尽快确定科室，减少排除时间。在推荐医生过程，将医院多样性纳入考虑，解决了医院资源分配不均的问题，有效地帮助患者在短时间内选择最合理化的医生，即本发明实施例中提供的最优推荐医生序列是既考虑医生能力，有考虑医疗服务效果。

主权项

1.一种智能分诊系统的工作方法，其特征在于，所述工作方法包括：根据对象主诉获取对应的科室；对象主诉是病历主体自述自己感受最主要的痛苦，就诊最主要的原因或最明显的症状、体征和/或性质，以及这些征状持续时间，能够初步反应病情轻重与缓急，对某系统疾患能提供诊断线索；利用矩阵分解算法获取所述科室中关于第一预设数量位医生的评价数据；从所述关于第一预设数量位医生的评价数据中提取每种疾病对应的最优医生能力排序；根据所述最优医生能力排序以及医生所在医院获取最优推荐医生序列；利用矩阵分解算法获取所述科室中关于第一预设数量位医生的评价数据；具体包括：首先，根据疾病本体库计算疾病相似性和根据医生基本信息计算医生相似性；即通过疾病实体的拓扑结构得出疾病相似性，如下式：其中λ是可调参数，v_j和v_p表示不同的疾病，dst(v_j，v_p)表示疾病v_j和v_p之间的最小距离；通过对医生的基础信息进行定性变量定量化和归一化处理得出医生相似性，如下式：其中和表示医生u_i和u_q的k个基本信息的属性值，和表示医生u_i和u_q所有基本信息的属性值的平均值；其次，预测稀疏矩阵中的未知值；即初步得到缺失块的评价值为：然后，初始化得到医生矩阵和疾病矩阵，将其带入矩阵分解的误差公式，当误差值小于阈值时，则将该评价值填入稀疏矩阵中，若误差值大于阈值，则用梯度下降法对医生矩阵和疾病矩阵进行更新，将更新后的值带入误差公式，循环反复，直至将稀疏矩阵全部填充完毕；进而获取到所述科室中关于第一预设数量位医生的评价数据；所述误差公式如下：其中α和β是可调参数；S_i和S_j分别表示医生u_i和疾病v_j得相似性；和分别表示医生和疾病的弗罗贝尼乌斯范数；表示医生u_i和u_q在评论值上的差值的弗罗贝尼乌斯范数；u_i(i∈[1，I])表示该科室不同的医生；v_j(j∈[1，J])表示该科室可诊断的不同的疾病；C_ij表示已经得到的患者对医生u_i诊断疾病v_j的评价；其中，根据对象主诉获取对应的科室的步骤，包括：根据对象主诉的文本进行去停止词和提取关键词的操作，得到所述对象主诉的空间向量模型；针对第二预设数量个医院中的每个医院，对该医院的第三预设数量科室的检查文本去停止词和提取关键词的操作，得到每个科室的空间向量模型；内容为该科室关键词对应的TF‑IDF值；匹配所述对象主诉的空间向量模型和每个科室的空间向量模型，得到与所述对象主诉相似度最高的科室；其中，从所述关于第一预设数量位医生的评价数据中提取每种疾病对应的最优医生能力排序的步骤，包括：根据所述关于第一预设数量位医生的评价数据，获取所述科室中对应已知疾病的第一医生能力的评价；根据所述关于第一预设数量位医生的评价数据，预测所述科室中对应未知疾病的第二医生能力的评价；根据所述第一医生能力评价和所述第二医生能力评价得到所述科室对应全部疾病的医生能力的评价；根据所述对应全部疾病的医生能力的评价，获取每种疾病对应的最优医生能力排序；1，基础数据定义：u_i(i∈[1，I])表示该科室不同的医生；v_j(j∈[1，J])表示该科室可诊断的不同的疾病；矩阵DD_I×J表示医生和病人对其诊断疾病评价的对应关系；C_ij表示已经得到的患者对医生u_i诊断疾病v_j的评价；U∈DD_I×f为医生的特征矩阵，V∈DD_J×f为疾病的特征矩阵，其中f＜＜I,J，表示特征的个数，则列向量U_i(i∈[1,I])和V_j(j∈[1,J])表示第i个医生和第j个疾病的特征向量；2，相似性的计算：包括疾病相似性和医生相似性；为使上述误差公式收敛，使用随机梯度下降法，不断更新U_i和V_j的值，然后将更新后的变量再带入误差公式中，直至找到误差值小于误差值阈值的结果；其中，δ是学习率；从第一预设数量位医生的评价数据中提取每种疾病对应的最优医生能力排序，该第一预设数量可以根据具体场景进行选择，当科室内医生数量较多时，选取前20名医生的评价数据，当科室内医生数量较少时，则第一预设数量可以为该科室内的全部医生；最优医生能力排序可以理解为在排序的过程中，针对每种疾病，各医生的评价数据反映的医生能够治愈该疾病的概率，即医生能力；其中，根据所述关于医生能力的评价排序以及医生所在医院获取最优推荐医生序列的步骤，包括：获取所述科室中第四预设数量种疾病对应的医生列表；所述医生列表中包括至少第五预设数量位医生；获取医生和医院各自权重，获取每种疾病对应的最优推荐医生序列；最优化模型如下：其中，表示医生u_i的权重，表示医生u_i所在医院h_z(z∈[1,Z])的权重；表示在医生评价排名中医院h_z的数量；Z表示医院总数；Y_j表示第j个疾病对应的医生列表的权重乘积之和的最大值，最终选出权重乘积之和最大的序列即为最优序列，即患者可以得到医治其症状的最优推荐医生序列。