数据处理的方法及装置、系统、存储介质与流程

数据处理的方法及装置、系统、存储介质
1.本技术是申请号为202010976588x，申请日为2020年9月17日，名称为《数据处理的方法及装置、系统、存储介质》的专利申请的分案申请。
技术领域
2.本技术涉及医疗技术领域，特别是涉及数据处理的方法及装置、系统、存储介质。


背景技术：

3.临床医生在工作中为患者提供诊断服务，主要依赖于所学习的专业知识及个人医疗经验的积累。医生在为患者提供诊断服务的过程中，需要与患者进行反复交流，询问患者的现病史、既往史等信息，而后还需要花时间将与患者交流过程中获取到的信息进行整理，制作患者病历，出诊效率低下，也难以避免会出现人为的错误；再者，当医生为患者规划治疗方案时，缺少医疗健康保险档案参考，容易使患者支付额外费用，且不能为患者规划保险方案。


技术实现要素：

4.鉴于上述问题，提出了本技术以便提供克服上述问题或者至少部分地解决上述问题的数据处理的方法及装置、系统、存储介质，包括：
5.一种数据处理的方法，应用于医生工作站系统的服务端，所述医生工作站系统还包括与所述服务端分别连接的第一客户端和第二客户端，所述第一客户端和所述第二客户端通过所述服务端进行视频通信，所述方法包括：
6.获取所述视频通信过程中所述第一客户端与所述第二客户端之间传输的通信数据；
7.对所述通信数据进行处理，得到电子病历信息；
8.将所述电子病历信息输入预设的诊断模型，输出对应的诊断病历，并将所述诊断病历发送至所述第二客户端；所述诊断病历包括所述电子病历信息以及对应的诊断结果；
9.接收所述第二客户端发送的针对所述诊断病历的治疗方案；
10.获取所述第一客户端对应的患者的参保信息，并依据所述参保信息和所述治疗方案得到目标治疗费用方案。
11.在一可选实施例中，所述通信数据包括语音信息；所述对所述通信数据进行处理，得到电子病历信息的步骤，包括：
12.从所述语音信息中识别文本信息；
13.从所述文本信息中提取医疗命名实体及所述医疗命名实体的实体关系；
14.将所述医疗命名实体和所述实体关系和预设的知识图谱进行匹配；
15.采用匹配成功的所述医疗命名实体和所述实体关系，生成电子病历信息。
16.在一可选实施例中，所述通信数据还包括人脸图像信息；所述对所述通信数据进行处理，得到电子病历信息的步骤，还包括：
17.对所述患者的人脸图像信息进行识别，得到对应的情绪信息；
18.在所述电子病历信息中添加所述情绪信息。
19.在一可选实施例中，所述方法还包括：
20.依据所述电子病历信息生成关联的问诊问题；
21.接收针对所述问诊问题的答复信息，并依据所述答复信息更新所述电子病历信息。
22.在一可选实施例中，在所述接收所述第二客户端发送的针对所述诊断病历的治疗方案的步骤之后，还包括：
23.将所述治疗方案添加到所述诊断病历中。
24.在一可选实施例中，所述获取所述第一客户端对应的患者的参保信息，并依据所述参保信息和所述治疗方案得到目标治疗费用方案的步骤，包括：
25.获取目标决策模型；
26.将所述参保信息和所述治疗方案输入所述目标决策模型，得到目标治疗费用方案。
27.在一可选实施例中，所述方法还包括：
28.将所述诊断病历输入已训练的健康预测模型进行预测，获得相应的健康标签信息；
29.依据所述健康标签信息推荐对应的保险产品，并将所述保险产品发送至所述第一客户端。
30.一种数据处理的装置，应用于医生工作站系统的服务端，所述医生工作站系统还包括与所述服务端分别连接的第一客户端和第二客户端，所述第一客户端和所述第二客户端通过所述服务端进行视频通信；所述装置包括：
31.通信数据获取模块，用于获取所述视频通信过程中所述第一客户端与所述第二客户端之间传输的通信数据；
32.病历信息生成模块，用于对所述通信数据进行处理，得到电子病历信息；
33.诊断病历生成模块，用于将所述电子病历信息输入预设的诊断模型，输出对应的诊断病历，并将所述诊断病历发送至所述第二客户端；所述诊断病历包括所述电子病历信息以及对应的诊断结果；
34.治疗方案接收模块，用于接收所述第二客户端发送的针对所述诊断病历的治疗方案；
35.费用方案确定模块，用于获取所述第一客户端对应的患者的参保信息，并依据所述参保信息和所述治疗方案得到目标治疗费用方案。
36.在一可选实施例中，所述通信数据包括语音信息；所述病历信息生成模块包括：
37.文本识别子模块，用于从所述语音信息中识别文本信息；
38.实体提取子模块，用于从所述文本信息中提取医疗命名实体及所述医疗命名实体的实体关系；
39.图谱匹配子模块，用于将所述医疗命名实体和所述实体关系和预设的知识图谱进行匹配；
40.病历信息生成子模块，用于采用匹配成功的所述医疗命名实体和所述实体关系，
生成电子病历信息。
41.在一可选实施例中，所述通信数据包括人脸图像信息；所述病历信息生成模块包括：
42.情绪识别子模块，用于对所述患者的人脸图像信息进行识别，得到对应的情绪信息；
43.情绪信息添加子模块，用于在所述电子病历信息中添加所述情绪信息。
44.在一可选实施例中，所述装置还包括：
45.问诊问题生成模块，用于依据所述电子病历信息生成关联的问诊问题；
46.病历信息更新模块，用于接收针对所述问诊问题的答复信息，并依据所述答复信息更新所述电子病历信息。
47.在一可选实施例中，所述装置还包括：
48.治疗方案添加模块，用于将所述治疗方案添加到所述诊断病历中。
49.在一可选实施例中，所述费用方案确定模块包括：
50.决策模型获取子模块，用于获取目标决策模型；
51.费用方案确定子模块，用于将所述参保信息和所述治疗方案输入所述目标决策模型，得到目标治疗费用方案。
52.在一可选实施例中，所述装置还包括：
53.健康标签信息获取模块，用于将所述诊断病历输入已训练的健康预测模型进行预测，获得相应的健康标签信息；
54.保险产品推荐模块，用于依据所述健康标签信息推荐对应的保险产品，并将所述保险产品发送至所述第一客户端。
55.一种数据处理系统，包括服务端、与所述服务端分别连接的第一客户端和第二客户端；当所述第一客户端和所述第二客户端通过所述服务端进行视频通信时；所述服务端用于执行如上所述的数据处理的方法的步骤。
56.一种电子设备，包括处理器、存储器及存储在所述存储器上并能够在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现如上所述的数据处理的方法的步骤。
57.一种计算机可读存储介质，所述计算机可读存储介质上存储计算机程序，所述计算机程序被处理器执行时实现如上所述的数据处理的方法的步骤。
58.本技术具有以下优点：
59.在本技术的实施例中，医生工作站系统的服务端通过获取所述视频通信过程中所述第一客户端与第二客户端之间传输的通信数据；对通信数据进行处理，得到电子病历信息；将电子病历信息输入预设的诊断模型，输出对应的诊断病历，并将诊断病历发送至第二客户端；诊断病历包括电子病历信息以及对应的诊断结果；接收第二客户端发送的针对诊断病历的治疗方案；获取第一客户端对应的患者的参保信息，并依据参保信息和治疗方案得到目标治疗费用方案；可以实现自动生成诊断病历，并结合患者的参保信息，制定针对治疗方案的目标治疗费用方案，避免患者承担额外的治疗费用。
附图说明
60.为了更清楚地说明本技术的技术方案，下面将对本技术的描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
61.图1是本技术一种数据处理的方法实施例一的步骤流程图；
62.图2是本技术一种数据处理的方法实施例二的步骤流程图；
63.图3是本技术一实施例提供的一种数据处理的装置的结构框图。
具体实施方式
64.为使本技术的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本技术作进一步详细的说明。显然，所描述的实施例是本技术一部分实施例，而不是全部的实施例。基于本技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本技术保护的范围。
65.现有的医生工作站系统大多分为医院信息系统(hospital information system，his)和云端诊疗系统；医生(包括医护人员)使用his系统集成电子病历，在一定意义上丰富了电子病历的内容；但是，医生使用his系统集成电子病历过程中仍然需要人工录入病历的相关资料，影响医生出诊效率；并且his系统受限于医疗注册实体，仅关注医疗方面，缺少对用户保险信息的参阅，因此，容易忽视患者参保情况，导致患者承受额外的治疗费用。医生使用云端诊疗系统实现线上诊疗，在一定程度上提高了医疗服务范围。但是，现有的云端诊疗系统需要医生在线下人工录入病历，文字工作量较大。再者，现有的云端诊疗系统在视频展示模式下，缺少对患者的情绪、表情等细微点的观察，即，在患者问诊过程中医生难以做到对患者察言观色，也会对最终的诊断结果造成影响。
66.参照图1，示出了本技术提供的一种数据处理的方法实施例一的步骤流程图；该方法应用于医生工作站系统的服务端，所述医生工作站系统还包括与所述服务端分别连接的第一客户端和第二客户端，所述第一客户端和所述第二客户端通过所述服务端进行视频通信。具体可以包括如下步骤：
67.步骤101，获取所述视频通信过程中所述第一客户端与所述第二客户端之间传输的通信数据。
68.服务端被配置在服务器上，用于为客户端提供相应的应用服务；服务器可以是独立的物理服务器，也可以是多个物理服务器构成的服务器集群或者分布式系统，还可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、以及大数据和人工智能平台等基础云计算服务的云服务器。客户端是指与服务端相对应，为客户提供本地服务的程序，客户端可以安装在终端设备上。终端设备可以包括台式电脑、笔记本电脑、智能手机、平板电脑、智能手表等电子设备。
69.在本技术一实施例中，当医生和患者采用上述医生工作站系统进行远程问诊时，第一客户端可以是患者客户端，第二客户端可以是医生客户端，患者通过第一客户端与第二客户端侧的医生进行视频通信。具体地，第一客户端通过服务端与第二客户端进行视频通信。在视频通信过程中，第一客户端用于采集患者在问诊过程中提供的第一通信数据，例
如患者的主诉信息、相应症状的图片信息、患者的人脸图像信息，等；第二客户端用于采集医生在患者问诊过程中提供的第二通信数据，例如问诊问题、诊断信息、治疗方案，等；服务端用于获取第一客户端采集的第一通信数据，并将第一通信数据发送至第二客户端；同时获取第二客户端采集的第二通信数据，并将第二通信数据发送至第一客户端，实现第一客户端和第二客户端的视频通信。视频通信过程中第一客户端与第二客户端之间传输的通信数据包括上述的第一通信数据和第二通信数据。
70.步骤102，对所述通信数据进行处理，得到电子病历信息。
71.在本技术一实施例中，服务端对获取到的通信数据进行处理，可以从通信数据中提取自定义的医疗命名实体，并抽取出实体间关系，从而得到电子病历信息。
72.步骤103，将所述电子病历信息输入预设的诊断模型，输出对应的诊断病历，并将所述诊断病历发送至所述第二客户端；所述诊断病历包括所述电子病历信息以及对应的诊断结果。
73.在本技术一实施例中，在服务器中存储有预设的诊断模型，该预设的诊断模型用于依据电子病历信息确定对应的诊断结果，并将电子病历信息和诊断结果记录到诊断病历中。
74.服务端将电子病历信息输入预设的诊断模型，利用预设的诊断模型生成诊断病历，并将诊断病历发送至第二客户端，以供第二客户端侧的医生参考，实现辅助诊断的功能，使得医疗水平不再局限于医生个人诊疗经验，可以有效避免误诊漏诊，还可以对医生及时更新专业知识起到辅助作用，并实现自动化生成电子病历，提高医生的出诊效率。
75.步骤104，接收所述第二客户端发送的针对所述诊断病历的治疗方案。
76.在本技术一实施例中，在第二客户端侧的医生从第二客户端中获取到诊断病历后，参考诊断病历中的诊断结果，并结合自身的医学诊断经验确定对应的治疗方案，并将治疗方案通过第二客户端发送到服务端。
77.步骤105，获取所述第一客户端对应的患者的参保信息，并依据所述参保信息和所述治疗方案得到目标治疗费用方案。
78.在本技术一实施例中，服务端可以从诊断病历中获取患者的身份信息；身份信息可以是患者的身份证号或社保号等具有唯一身份标识的信息。依据身份信息确定对应的参保信息。参保信息可以是根据用户购买的保险产品对应生成的数据，如保单；可以包括保险产品标识、保险产品标识对应的保障范围、费用报销规则等。根据患者的参保信息对治疗方案进行治疗费用计算，并依据治疗费用计算结果确定目标治疗费用方案，将目标治疗费用方案发送至第一客户端和/或第二客户端，以供患者和医生进行参考和确认。一般来说，目标治疗费用方案为治疗费用最低的治疗费用方案。其中，患者的参保信息还可以从第一客户端的登录信息中获得；具体地，为了规范医生工作站系统的使用环境，患者在使用第一客户端与第二客户端进行视频通信之前，需要登录第一客户端，登录信息中包含患者的身份信息；服务端依据第一客户端的登录信息可以确定对应的患者的身份信息。
79.在本技术一实施例中，服务器本地预存储的数据库包含用户的身份信息和参保信息，服务端可以依据患者的身份信息从服务器本地预存储的数据库中获取患者的参保信息。服务器本地预存储的数据库的数据可以是预先从其他计算机设备或者在线网络获取并存储在本地预存储的数据库中。
80.在本技术一实施例中，服务端可以依据患者的身份信息从系统数据库中获取患者的参保信息，系统数据库如crm(customer relationship management，客户关系管理)。
81.在本技术实施例中，医生工作站系统的服务端通过获取所述视频通信过程中所述第一客户端与第二客户端之间传输的通信数据；对通信数据进行处理，得到电子病历信息；将电子病历信息输入预设的诊断模型，输出对应的诊断病历，并将诊断病历发送至第二客户端；诊断病历包括电子病历信息以及对应的诊断结果；接收第二客户端发送的针对诊断病历的治疗方案；获取第一客户端对应的患者的参保信息，并依据参保信息和治疗方案得到目标治疗费用方案；可以实现自动生成诊断病历，并结合患者的参保信息，制定针对治疗方案的目标治疗费用方案，避免患者承担额外的治疗费用。
82.参照图2，示出了本技术提供的一种数据处理的方法实施例二的步骤流程图；该方法应用于医生工作站系统的服务端，所述医生工作站系统还包括与所述服务端分别连接的第一客户端和第二客户端，所述第一客户端和所述第二客户端通过所述服务端进行视频通信。具体可以包括如下步骤：
83.步骤201，获取所述视频通信过程中所述第一客户端与所述第二客户端之间传输的通信数据。
84.在本技术一实施例中，当医生和患者采用上述医生工作站系统进行远程问诊时，第一客户端可以是患者客户端，第二客户端可以是医生客户端，患者通过第一客户端与第二客户端侧的医生进行视频通信。具体地，第一客户端通过服务端与第二客户端进行视频通信。在视频通信过程中，第一客户端用于采集患者在问诊过程中提供的第一通信数据，例如患者的主诉信息、相应症状的图片信息、患者的人脸图像信息，等；第二客户端用于采集医生在患者问诊过程中提供的第二通信数据，例如问诊问题、诊断信息、治疗方案，等；服务端用于获取第一客户端采集的第一通信数据，并将第一通信数据发送至第二客户端；同时获取第二客户端采集的第二通信数据，并将第二通信数据发送至第一客户端，实现第一客户端和第二客户端的视频通信。视频通信过程中第一客户端与第二客户端之间传输的通信数据包括上述的第一通信数据和第二通信数据。
85.步骤202，对所述通信数据进行处理，得到电子病历信息。
86.在本技术一实施例中，通信数据包括第一客户端采集的第一通信数据和第二客户端采集的第二通信数据。第一通信数据和第二通信数据中均可以包括语音信息，该语音信息可以是由第一客户端对应的电子设备的麦克风采集患者在与医生进行沟通交流过程中的自然语言；以及，由第二客户端对应的电子设备的麦克风采集医生在与患者进行沟通交流过程中的自然语言。当通信数据包含语音信息时，上述步骤202可以包括如下子步骤：
87.子步骤2021，从所述语音信息中识别文本信息；
88.子步骤2022，从所述文本信息中提取医疗命名实体及所述医疗命名实体的实体关系；
89.子步骤2023，将所述医疗命名实体和所述实体关系和预设的知识图谱进行匹配；
90.子步骤2024，采用匹配成功的所述医疗命名实体和所述实体关系，生成电子病历信息。
91.在本实施例中，服务端获取语音信息后，需要对语音信息进行处理，可以采用ars(automatic speech recognition，自动语音识别技术)识别获取到的语音信息，将语音信
息转化为对应的文本信息。然后采用nlp(natural language processing，自然语言处理)技术对文本信息进行语义理解，并从文本信息中抽取医疗命名实体及实体关系；将抽取的医疗命名实体和实体关系与预设的知识图谱进行匹配；采用匹配成功的医疗命名实体和实体关系，生成电子病历信息。其中，自然语言处理是计算机科学领域与人工智能领域中的一个重要方向。它研究能实现人与计算机之间用自然语言进行有效通信的各种理论和方法。知识图谱是一种新型的知识表示形式，其主要目标是用来描述真实世界中存在的各种实体和概念，以及他们之间的相关关系。
92.在本示例中，预设的知识图谱的构建过程是在公开数据集的基础上，通过机器学习的方法，将特定应用场景知识体系补充到上述公开数据集中，再抽取特定的医疗命名实体、实体关系形成预设的知识图谱。其中，公开数据集可以是根据特定应用场景的全科医生集团业务、收集了综合医院、诊所、老年社区群体的慢性病管理、长期照护等医疗过程等数据形成，且通过机器学习方法更新上述公开数据集。
93.例如，当患者说“我今天有些头痛”，采用nlp技术可以识别主诉中的医疗命名实体，并与预设的知识图谱进行匹配，得到：头＝头部，痛＝症状，进一步融合可以得到相应的电子病历信息为“头部疼痛”。
94.进一步地，在本技术一实施例中，还可以采用开源框架对语音信息进行情绪识别，将情绪识别结果添加到电子病历信息中，作为诊断的辅助依据。
95.在本技术一实施例中，通信数据包括第一客户端采集的第一通信数据和第二客户端采集的第二通信数据。第一通信数据可以包括人脸图像信息；该人脸图像信息可以由第一客户端通过对应的电子设备的摄像头采集到的患者的人脸图像信息。当通信数据包含人脸图像信息时，上述步骤202可以包括如下子步骤：
96.子步骤2025，对所述患者的人脸图像信息进行识别，得到对应的情绪信息；
97.子步骤2026，在所述电子病历信息中添加所述情绪信息。
98.本示例中，服务端获取第一客户端采集到的患者的人脸图像信息时，在对应的人脸图像中提取面部主要部位数据进行部位曲线勾画，然后，将部位曲线勾画数据输入已训练完成的分类器中，获得对应的分类结果，该分类结果即为情绪信息；其中，已训练完成的分类器的初始分类器模型可以采用faceai模型框架，结合机器学习方法构建得到。最后，将情绪识别结果添加到电子病历信息中，作为诊断的辅助依据。
99.步骤203，依据所述电子病历信息生成关联的问诊问题。
100.在本技术一实施例中，服务器依据生成的电子病历信息可以确定患者患病部位，并依据患病部位获取包含患病部位的疾病，然后依据疾病对应的其他病症确定对应的问诊问题，该问诊问题可以是一个或多个，服务端可以将问诊问题直接发送到第一客户端，以便患者接收问诊问题，并进行针对性地回答；服务端还可以将问诊问题发送到第二客户端，供医生参考，由医生确定问诊问题后，再发送至第一客户端，以便患者接收问诊问题，并进行针对性地回答；其中，医生确定问诊问题后，将问诊问题发送至第一客户端的方式，可以通过语音聊天的方式，将问诊问题发送至第一客户端；还可以通过文字传输的方式，将问诊问题发送至第一客户端，对此，本技术不作限制。
101.例如，当电子病历信息为“头部疼痛”时，可以确定患者患病部位为头部，依据头部患病获取包含头部疼痛的疾病，可以是感冒或高血压等；当对应的疾病为患感冒时，可能会
同时伴随流鼻涕的症状，因此，可以获得对应的问诊问题为“是否有流鼻涕”。当对应的疾病为患高血压时，还伴有血压高的症状，因此，可以获得对应的问诊问题为“血压是多少”。
102.步骤204，接收针对所述问诊问题的答复信息，并依据所述答复信息更新所述电子病历信息。
103.在本技术一实施例中，服务器接收第一客户端发送的针对问诊问题的答复信息，并依据答复信息更新电子病历信息。例如，当问诊问题为“是否有流鼻涕”，患者可以通过第一客户端发送针对问诊问题的答复信息为“有流鼻涕”，则将“有流鼻涕”添加到电子病历信息中，更新电子病历信息，以丰富电子病历信息，进而提高与电子病历信息对应的诊断结果的准确性。
104.步骤205，将所述电子病历信息输入预设的诊断模型，输出对应的诊断病历，并将所述诊断病历发送至所述第二客户端；所述诊断病历包括所述电子病历信息以及对应的诊断结果。
105.在本技术一实施例中，在服务器中存储有预设的诊断模型，该预设的诊断模型用于依据电子病历信息确定对应的诊断结果，并将电子病历信息和诊断结果记录到诊断病历中。其中，预设的诊断模型的构建方法可以包括获取训练病历集、验证病历集和测试病历集，通过训练病历集的电子病历信息和诊断结果训练初始诊断模型，再采用验证病历集的电子病历信息和诊断结果调整初始诊断模型的参数，最后采用测试病历集的电子病历信息和诊断结果评估调整后的初始诊断模型的准确性，当准确性达到预设值时，则将该调整后的初始诊断模型确定为预设的诊断模型。
106.服务端将电子病历信息输入预设的诊断模型，利用预设的诊断模型生成的诊断病历，并将诊断病历发送至第二客户端，以供第二客户端侧的医生参考，实现辅助诊断的功能，使得医疗水平不再局限于医生个人诊疗经验，可以有效避免误诊漏诊，还可以对医生及时更新专业知识起到辅助作用，并实现自动化生成电子病历，提高医生的出诊效率。
107.需要说明的是，由于不同疾病可能表现为相同症状，因此，在诊断病历中可以包括不止一个诊断结果。当诊断结果为多个时，可以依据每个诊断结果的诊断概率分为主要诊断结果、次要诊断结果等。一般情况下，为了提高诊断结果的准确性，生成的诊断病历中的诊断结果的数量不超过预设值，例如，不超过三个。当诊断结果超过预设值时，则返回步骤203，生成关联的问诊问题，以获取更多电子病历信息，提高诊断结果的准确性。
108.步骤206，接收所述第二客户端发送的针对所述诊断病历的治疗方案。
109.在本技术一实施例中，在第二客户端侧的医生从第二客户端中获取到诊断病历后，参考诊断病历中的诊断结果，并结合自身的医学诊断经验确定对应的治疗方案，并将治疗方案通过第二客户端发送到服务端。具体地，医生可以通过语音描述治疗方案，第二客户端对应的电子设备的麦克风采集描述治疗方案的语音数据，并对语音数据发送至服务端。
110.需要说明的是，在本技术一实施例中，诊断病历中的诊断结果不一定是目标诊断结果，医生需要结合自身的医学诊断经验参考诊断病历中的诊断结果，确定出目标诊断结果，并根据目标诊断结果确定对应的治疗方案，再依据目标诊断结果和治疗方案更新诊断病历。具体地，医生可以通过第二客户端对诊断病历进行修改，然后将修改后的诊断病历发送至服务端，服务端采用第二客户端发送的修改后的诊断病历更新原始诊断病历。
111.步骤207，将所述治疗方案添加到所述诊断病历中。
112.在本技术一实施例中，当服务器接收到第二客户端发送的针对诊断病历的治疗方案时，将治疗方案添加到诊断病历中以更新诊断病历，进而丰富诊断病历的内容，便于患者的健康管理。具体地，当治疗方案通过语音数据发送至服务端时，服务端对接收的语音数据进行相应的语音识别处理后得到对应的治疗方案文本，将治疗方案文本添加到诊断病历中。
113.在本技术一实施例中，医生可以通过第二客户端对诊断病历进行修改，该修改内容可以是增加治疗方案，然后将修改后的诊断病历发送至服务端，服务端采用第二客户端发送的修改后的诊断病历更新原始诊断病历，更新后的诊断病历中包含治疗方案。
114.步骤208，获取所述第一客户端对应的患者的参保信息，并依据所述参保信息和所述治疗方案得到目标治疗费用方案。
115.在本技术一实施例中，服务端可以从诊断病历中获取患者的身份信息；身份信息可以是患者的身份证号或社保号等具有唯一身份标识的信息。依据身份信息确定对应的参保信息。参保信息可以是根据用户购买的保险产品对应生成的数据，如保单；可以包括保险产品标识、保险产品标识对应的保障范围、费用报销规则等，其中，保险产品可以包括社会医疗保险、新农村合作医疗保险及商业保险等。根据患者的参保信息对治疗方案进行治疗费用计算，并依据治疗费用计算结果确定目标治疗费用方案，将目标治疗费用方案发送至第一客户端和/或第二客户端，以供患者和医生进行参考和确认。一般来说，目标治疗费用方案为治疗费用最低的治疗费用方案。其中，患者的参保信息还可以从第一客户端的登录信息中获得；具体地，为了规范医生工作站系统的使用环境，患者在使用第一客户端与第二客户端进行视频通信之前，需要登录第一客户端，登录信息中包含患者的身份信息；服务端依据第一客户端的登录信息可以确定对应的患者的身份信息。
116.在本技术一实施例中，服务器本地预存储的数据库包含用户的身份信息和参保信息，服务端可以依据患者的身份信息从服务器本地预存储的数据库中获取患者的参保信息。服务器本地预存储的数据库的数据可以是预先从其他计算机设备或者在线网络获取并存储在本地预存储的数据库中。
117.在本技术一实施例中，服务端可以依据患者的身份信息从系统数据库中获取患者的参保信息，系统数据库如crm(customer relationship management，客户关系管理)。
118.在本技术一实施例中，上述步骤208可以包括如下子步骤：
119.子步骤2081，获取目标决策模型；
120.子步骤2082，将所述参保信息和所述治疗方案输入所述目标决策模型，得到目标治疗费用方案。
121.在本技术实施例中，服务端获取目标决策模型，并将参保信息和治疗方案作为目标决策模型的输入参数，输入到目标决策模型中，由目标决策模型输出对应的目标治疗费用方案。
122.具体地，服务端可以从服务器本地预存储的模型库中获取目标决策模型，也可以是从其他计算机设备或者在线网络获取目标决策模型，本技术对此不作限制。
123.目标决策模型的构建过程包括获取训练决策集、验证决策集和测试决策集，通过训练决策集的参保信息和治疗方案以及治疗费用方案训练初始决策模型，再采用验证决策集的参保信息和治疗方案以及治疗费用方案调整初始诊断模型的参数，最后采用测试决策
集的参保信息和治疗方案以及治疗费用方案评估调整后的初始决策模型的准确性，当准确性达到预设值时，则将该调整后的初始决策模型确定为目标决策模型。将参保信息和治疗方案作为目标决策模型的输入参数，输入到目标决策模型中，就可以获得对应的决策结果，即目标治疗费用方案。
124.举例说明，当患者的治疗方案为：对坏死的牙进行补牙治疗，及洗牙预防治疗。假设该患者的参保信息中包含保险产品a和保险产品b，其中保险产品a中包括牙齿护理这个参保项目，保险产品b中包括口腔产品优惠购买权限。
125.方案1为不采用保险产品的保单报销所有的治疗费用，对应的自费费用：a1＝治疗材料费 其他费用；
126.方案2为仅采用保险产品a的保单报销所有的治疗费用，对应的自费费用：a2＝(治疗材料费 其他费用)*(1-报销比例1)；
127.方案3为仅采用保险产品b的保单报销所有治疗费用，对应的自费费用：a3＝治疗材料费*(1-报销比例2) 其他费用；
128.方案4为结合保险产品a的保单和保险产品b的保单报销所有的治疗费用，对应的自费费用：a4＝(治疗材料费*(1-报销比例2) 其他费用)*(1-报销比例1)。
129.显然，采用方案4对应的自费费用最低，因此，方案4为目标治疗费用方案；即将治疗方案对应的治疗材料费用先采用保险产品b的保单进行报销，保险产品b的保单报销后的自费费用，与治疗方案中除上述保险产品b可以报销的治疗材料费用外的其他费用再采用保险产品a的保单进行报销，得到最佳费用分摊方案即为目标治疗费用方案。
130.本技术实施例通过获取参保信息，以及将参保信息和治疗方案输入目标决策模型，可以结合患者参保信息中的所有保单的报销情况，对治疗方案的费用进行分摊处理，自动生成自费费用最低的目标治疗费用方案，方便患者执行保单赔付流程，避免患者支付多余费用，进而减轻患者的经济负担。
131.步骤209，将所述诊断病历输入已训练的健康预测模型进行预测，获得相应的健康标签信息。
132.在本技术一实施例中，健康预测模型用于根据已知的用户病历预测未知的健康标签信息。健康标签信息可以认为是该用户未来患有预设疾病风险的概率。其中，健康预测模型是根据预先获取的训练样本集进行模型训练获得的预测模型，训练样本集为海量用户不同阶段的病历。
133.在本技术一实施例中，为了提高预测结果的准确性，可以获取患者的包含当前诊断病历的历史诊断病历，该历史诊断病历可以是依据患者的身份信息获取。将历史诊断病历输入已训练好的健康预测模型进行预测，获得相应的健康标签信息。
134.步骤210，依据所述健康标签信息推荐对应的保险产品，并将所述保险产品发送至所述第一客户端。
135.在本技术一实施例中，健康标签信息可以是用户未来患有预设疾病风险的概率，服务端根据用户存在患有预设疾病风险的概率，从特定保险机构或市场上提供的多种保险产品中推荐适合用户的保险产品。其中，适合用户的保险产品可以是该用户未来患有预设疾病风险的概率较大时，参保疾病中包含预设疾病的保险产品；当参保疾病中包含预设疾病的保险产品不止一个时，还可以进一步根据患病概率、参保价格、报销比例等因素从多个
保险产品中选择针对该预设疾病性价比最高或前几款的保险产品进行推荐。服务端将确定推荐的保险产品发送至第一客户端，以供患者进行投保参考。
136.在本技术实施例中，医生工作站系统的服务端通过获取所述视频通信过程中所述第一客户端与第二客户端之间传输的通信数据；对通信数据进行处理，得到电子病历信息；依据电子病历信息生成关联的问诊问题，并接收针对问诊问题的答复信息更新电子病历信息；然后将电子病历信息输入预设的诊断模型，输出对应的诊断病历，并将诊断病历发送至第二客户端供医生参考以确定治疗方案；接着，接收第二客户端发送的针对诊断病历的治疗方案；获取第一客户端对应的患者的参保信息，并依据参保信息和治疗方案得到目标治疗费用方案；最后，将诊断病历输入已训练的健康预测模型进行预测，得到相应的健康标签信息，并依据健康标签信息向第一客户端侧的患者推荐对应的保险产品。可以实现自动生成诊断病历，提高医生问诊效率和诊疗质量，并结合患者的参保信息，制定针对治疗方案的目标治疗费用方案，避免患者承担额外的治疗费用；以及依据患者的健康状况推荐对应的保险产品，打通医疗和保险，有利于患者进行健康管理和财富规划管理。
137.需要说明的是，对于方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本技术实施例并不受所描述的动作顺序的限制，因为依据本技术实施例，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作并不一定是本技术实施例所必须的。
138.参照图3，示出了本技术一实施例提供的一种数据处理的装置的结构框图，该装置应用于医生工作站系统的服务端，所述医生工作站系统还包括与所述服务端分别连接的第一客户端和第二客户端，所述第一客户端和所述第二客户端通过所述服务端进行视频通信。该装置具体可以包括如下模块：
139.通信数据获取模块301，用于获取所述视频通信过程中所述第一客户端与所述第二客户端之间传输的通信数据；
140.病历信息生成模块302，用于对所述通信数据进行处理，得到电子病历信息；
141.诊断病历生成模块303，用于将所述电子病历信息输入预设的诊断模型，输出对应的诊断病历，并将所述诊断病历发送至所述第二客户端；所述诊断病历包括所述电子病历信息以及对应的诊断结果；
142.治疗方案接收模块304，用于接收所述第二客户端发送的针对所述诊断病历的治疗方案；
143.费用方案确定模块305，用于获取所述第一客户端对应的患者的参保信息，并依据所述参保信息和所述治疗方案得到目标治疗费用方案。
144.在本技术一实施例中，所述通信数据包括语音信息；所述病历信息生成模块302可以包括：
145.文本识别子模块，用于从所述语音信息中识别文本信息；
146.实体提取子模块，用于从所述文本信息中提取医疗命名实体及所述医疗命名实体的实体关系；
147.图谱匹配子模块，用于将所述医疗命名实体和所述实体关系和预设的知识图谱进行匹配；
148.病历信息生成子模块，用于采用匹配成功的所述医疗命名实体和所述实体关系，生成电子病历信息。
149.在本技术一实施例中，所述通信数据包括人脸图像信息；所述病历信息生成模块302可以包括：
150.情绪识别子模块，用于对所述患者的人脸图像信息进行识别，得到对应的情绪信息；
151.情绪信息添加子模块，用于在所述电子病历信息中添加所述情绪信息。
152.在本技术一实施例中，所述装置还可以包括：
153.问诊问题生成模块，用于依据所述电子病历信息生成关联的问诊问题；
154.病历信息更新模块，用于接收针对所述问诊问题的答复信息，并依据所述答复信息更新所述电子病历信息。
155.在本技术一实施例中，所述装置还可以包括：
156.治疗方案添加模块，用于将所述治疗方案添加到所述诊断病历中。
157.在本技术一实施例中，所述费用方案确定模块305可以包括：
158.决策模型获取子模块，用于获取目标决策模型；
159.费用方案确定子模块，用于将所述参保信息和所述治疗方案输入所述目标决策模型，得到目标治疗费用方案。
160.在本技术一实施例中，所述装置还可以包括：
161.健康标签信息获取模块，用于将所述诊断病历输入已训练的健康预测模型进行预测，获得相应的健康标签信息；
162.保险产品推荐模块，用于依据所述健康标签信息推荐对应的保险产品，并将所述保险产品发送至所述第一客户端。
163.对于装置实施例而言，由于其与方法实施例基本相似，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
164.本技术一实施例还提供了一种数据处理系统，该数据处理系统包括服务端、与所述服务端分别连接的第一客户端和第二客户端；所述第一客户端和当所述第二客户端通过所述服务端进行视频通信时；所述服务端用于执行如上数据处理的方法的步骤。
165.本技术一实施例还提供了一种电子设备，可以包括处理器、存储器及存储在存储器上并能够在处理器上运行的计算机程序，计算机程序被处理器执行时实现如上数据处理的方法的步骤。
166.本技术一实施例还提供了计算机可读存储介质，计算机可读存储介质上存储计算机程序，计算机程序被处理器执行时实现如上数据处理的方法的步骤。
167.本说明书中的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。
168.本领域内的技术人员应明白，本技术实施例的实施例可提供为方法、装置、或计算机程序产品。因此，本技术实施例可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本技术实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。
169.本技术实施例是参照根据本技术实施例的方法、终端设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理终端设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理终端设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
170.这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理终端设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
171.这些计算机程序指令也可装载到计算机或其他可编程数据处理终端设备上，使得在计算机或其他可编程终端设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程终端设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
172.尽管已描述了本技术实施例的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例做出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本技术实施例范围的所有变更和修改。
173.最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者终端设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者终端设备所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括所述要素的过程、方法、物品或者终端设备中还存在另外的相同要素。
174.以上对本技术所提供的数据处理的方法及装置、系统、存储介质，进行了详细介绍，本文中应用了具体个例对本技术的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本技术的方法及其核心思想；同时，对于本领域的一般技术人员，依据本技术的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本技术的限制。