基于AI的智能问诊方法及系统与流程
本发明涉及自然语言处理,特别是指基于ai的智能问诊方法及系统。
背景技术:
1、自然语言处理技术领域涉及对文字语言信息的表示、分析、理解、生成与交互处理,主要围绕文本分词、语义识别、意图理解、信息抽取、问答交互与对话处理等内容展开,通常用于使计算机对语言数据进行处理与组织,广泛应用于医疗健康、互联网服务、教育培训、政务服务、金融服务与智能终端等行业。其中,传统智能问诊方法是指围绕患者症状描述采集、问诊内容交互、病情相关信息整理与问诊结果输出所开展的方法,通常采用规则匹配、医学知识库、关键词提取、问答模板与流程控制等现有技术手段,对用户输入的问诊信息进行识别、分析与组织。
2、现行智能问诊多沿预置问答路径推进,语句进入后多按局部词项和静态字段归并,主诉与补充叙述之间前后牵连、否定覆盖范围、部位迁移关系、起病先后次序常被拆散处理,病种判断依据因而停留在离散片段层面,病种分界处信息缺口难以暴露,追问位置容易偏离争议焦点,临床线索接续性不足,易出现问答回绕、重点症状失配、分级判定摇摆与结论衔接不稳。
技术实现思路
1、为了解决现有技术存在的技术问题,本发明实施例提供了基于ai的智能问诊方法及系统。所述技术方案如下:
2、一方面,提供了基于ai的智能问诊方法,包括以下步骤:
3、s1:基于问诊场景,通过nlp获取文本输入界面与语音转写界面语句,比较主诉语句与现病史语句词序关系,筛选病情关联句段,调整口语残句与省略指代,判断否定触发词对应位置,得到病情片段定位索引;
4、s2:基于所述病情片段定位索引,分析症状名称与部位称谓,比较标准医学术语表与原始表述对应关系,调整代词回指与部位混指内容,判断否定触发词指向范围,得到症状部位对应数据;
5、s3:基于所述症状部位对应数据,调用症状记录与部位记录,比较疾病知识库关联条目与当前问诊轮次语句,识别时序冲突病种,调整候选病种前后次序,得到候选病种序列;
6、s4:基于所述候选病种序列,分析相邻病种分界位置对应的症状差异,比较已确定症状记录与未确定症状槽位落点关系,判断部位冲突片段与问答空白片段分布,调整分界标记范围,得到推理缺口区段;
7、s5:基于所述推理缺口区段,分析关联病种未确定症状与已答语句,比较症状槽位与分界位置指向关系,筛选可区分病种症状槽位,调整患者问句语序与称谓指向,得到追问排序目录。
8、另一方面,所述病情片段定位索引包括语句来源标识、片段起止位置和语义指代锚点,所述症状部位对应数据包括症状标准名、部位编码项和否定归属标签,所述候选病种序列包括病种候选项、排列位次项和冲突排除标记,所述推理缺口区段包括分界区带、缺问焦点项和冲突聚集点,所述追问排序目录包括追问目标项、问句模板项和轮次顺序项。
9、另一方面,所述病情片段定位索引的获取步骤具体为:
10、s101:基于问诊场景,通过nlp分析文本输入界面语句与语音转写界面语句来源标识,判断语句归属主诉语句或现病史语句,比较两类语句中病情词前后排列关系,筛选具有关联指向语义片段,得到语义关联片段集合;
11、s102:基于所述语义关联片段集合,判断口语残句中缺省主语或宾语位置,调整省略指代内容,匹配前文病情对象,比较同一对象在不同语句中称谓差异,筛选一致指代内容,得到否定指向片段集合;
12、s103:基于所述否定指向片段集合,判断病情表达在原始语句中的区间范围,比较语句来源标识,确定语句类别,构建锚点对应关系,得到病情片段定位索引。
13、另一方面,所述症状部位对应数据的获取步骤具体为:
14、s201:基于所述病情片段定位索引,分析语义指代锚点文本内容,判断症状词与部位词在语句中相邻位置关系,比较原始表述词项与标准医学术语表词条匹配情况,调整未匹配词项至标准术语集合,得到症状标准名序列;
15、s202:基于所述症状标准名序列,判断同一部位在不同语句中存在称谓差异情况,比较部位表达与预置部位编码表中词项对应关系,调整多称谓指向同一编码项,得到部位编码映射集;
16、s203:基于所述部位编码映射集,判断代词指向症状对象或部位对象,比较否定触发词与症状表达邻接关系,调整否定作用覆盖范围的对应症状项,得到症状部位对应数据。
17、另一方面,所述候选病种序列的获取步骤具体为:
18、s301:基于所述症状部位对应数据,分析症状标准名与部位编码项对应关系,判断同一症状在不同语句中关联部位一致性,比较症状表达与预置症状记录条目匹配情况,调整未匹配症状归入记录结构,筛选有效症状条目,得到症状记录集;
19、s302:基于所述症状记录集,判断部位表达在语句中指向关系一致性,比较部位编码项与预置部位记录条目匹配情况,调整未匹配部位归入记录结构,筛选有效部位条目,得到部位记录集;
20、s303:基于所述部位记录集,判断知识库中症状顺序与问诊轮次语句表达顺序一致性,比较存在顺序偏移病种对应关系,调整候选病种排列顺序,得到候选病种序列。
21、另一方面,所述推理缺口区段的获取步骤具体为:
22、s401:基于所述候选病种序列,判断相邻病种在疾病知识库中的症状描述差异位置,比较病种关联症状在当前问诊轮次语句中出现情况,筛选已出现症状与未出现症状差异项,得到症状差异分布结果;
23、s402:基于所述症状差异分布结果,判断症状槽位在语句中落点位置分布,比较部位表达在相邻语句中指向一致性,筛选部位指向不一致语句片段,得到部位冲突语句片段;
24、s403:基于所述部位冲突语句片段,判断关键症状在语句中缺失情况,比较空白语句片段与相邻病种分界位置关系,调整分界标记覆盖范围的语义区域,得到推理缺口区段。
25、另一方面,所述追问排序目录的获取步骤具体为:
26、s501:基于所述推理缺口区段,分析分界区带语句位置,判断各区带关联病种在语句中症状表达缺失情况,比较未确定症状与已答语句中症状覆盖关系,筛选未覆盖症状条目,得到待确认症状集合;
27、s502:基于所述待确认症状集合,判断症状槽位与候选病种分界位置指向关系,比较各病种对应症状槽位指向差异,筛选具有区分作用症状槽位,得到区分症状条目集合;
28、s503:基于所述区分症状条目集合,判断症状名称与部位称谓在问句中排列关系,比较原始问句结构与目标症状表达关系,调整问句语序与称谓指向关系,得到追问排序目录。
29、另一方面,所述主诉语句指患者在问诊开始阶段表达当前不适感受的语句内容,所述现病史语句指围绕当前不适持续展开的补充语句内容。
30、另一方面,所述原始表述指患者在问诊过程中输入或未经处理的自然语言内容,所述代词回指指代词语句向前对应已有症状名称、部位名称或事件内容的语义关系。
31、另一方面,提供了基于ai的智能问诊系统,该系统应用于基于ai的智能问诊方法,包括:
32、问诊语句定位模块基于问诊场景,通过nlp获取文本输入界面与语音转写界面语句,比较主诉语句与现病史语句词序关系,筛选病情关联句段,调整口语残句与省略指代,判断否定触发词对应位置,得到病情片段定位索引;
33、症状部位对位模块基于所述病情片段定位索引,分析症状名称与部位称谓,比较标准医学术语表与原始表述对应关系,调整代词回指与部位混指内容,判断否定触发词指向范围,得到症状部位对应数据;
34、候选病种排序模块基于所述症状部位对应数据,调用症状记录与部位记录,比较疾病知识库关联条目与当前问诊轮次语句,识别时序冲突病种,调整候选病种前后次序,得到候选病种序列;
35、诊断缺口识别模块基于所述候选病种序列,分析相邻病种分界位置对应的症状差异,比较已确定症状记录与未确定症状槽位落点关系,判断部位冲突片段与问答空白片段分布,调整分界标记范围,得到推理缺口区段;
36、追问顺位生成模块基于所述推理缺口区段,分析关联病种未确定症状与已答语句,比较症状槽位与分界位置指向关系,筛选可区分病种症状槽位,调整患者问句语序与称谓指向,得到追问排序目录。
37、本发明实施例提供的技术方案带来的有益效果至少包括:
38、通过同次问诊中连续出现的症状、部位、时序与否定信息建立前后约束,将自然表述逐段归入统一语义坐标,再沿候选病种相邻分界核查尚未落定症状位置与语义空档,使追问内容贴住病种分辨节点,信息补充方向跟随临床推理状态同步收束,促使病情线索由分散转向聚合,缓解问答回绕与判断摇摆,增强鉴别依据连贯程度,带动分级结论与输出内容保持一致。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com