一种医疗视频在线诊疗方法及系统与流程

本发明涉及在线医疗，更具体地说，本发明涉及一种医疗视频在线诊疗方法及系统。

背景技术：

1、在现有的医疗体系中，患者需要亲自前往医院或诊所进行面对面的诊疗，这对于一些偏远地区的患者或者身体不便的患者来说存在一定的困难，同时也易加剧医疗机构的服务压力和患者的看病成本；而现有的在线医疗系统，大多通过图文问诊方式实现；然而，图文问诊的操作比较繁琐，这对于一些偏远地区的老人患者而言，使用过程相对吃力和困难；因此，急需一种更灵活和方便的医疗视频在线诊疗方法及系统，以使患者可以通过网络与医生进行实时的远程诊疗。

2、目前，现有医疗视频在线诊疗系统的设计仍需使用者具备一定智能设备的操作经验，这对于文化水平较低或老年患者是不友好的；当然也存在部分的技术改进文献，例如授权公告号为cn114188041b的中国专利公开了一种以远程对话方式完成医患业务的医疗系统，该类系统虽然实现了在线医疗诊断，但对上述方法以及现有技术进行研究和实际应用发现，上述方法以及现有技术至少存在以下部分缺陷：

3、(1)仍未解决文化水平较低且行动不便患者在线问诊困难的问题，使用仍不够便捷；

4、(2)无法在视频通信过程对患者的症状图像进行智能捕捉，无法根据智能捕捉后的图像为医师提供辅助诊断依据，进而难以进一步提高问诊医师的问诊效率和精准度。

技术实现思路

1、为了克服现有技术的上述缺陷，本发明的实施例提供一种医疗视频在线诊疗方法及系统。

2、为实现上述目的，本发明提供如下技术方案：

3、一种医疗视频在线诊疗系统，所述系统依托于服务端，所述服务端通信连接有患者侧的用户端和医师侧的医师端，所述系统包括：

4、门诊识别模块，用于接收用户端上传的医疗语音请求，并根据预配置门诊识别模型获取患者的求诊科室类型；所述医疗语音请求中包含有症状关键词，所述症状关键词包括m个症状部位关键词和n个症状表现关键词，m和n均为大于零的整数；

5、医患匹配模块，用于获取对应患者求诊科室类型的在线诊断数据，根据在线诊断数据获取求诊科室类型的最佳匹配医师，并将医疗语音请求转送至最佳匹配医师的医师端；

6、视频问诊模块，用于当最佳匹配医师通过医师端接收医疗语音请求时，通过患者侧的用户端和医师侧的医师端建立远程视频通信；

7、辅助诊断模块，用于根据医疗语音请求中的症状部位关键词确定患者的表征部位，在远程视频通信过程中根据表征部位采集患者的多幅表征部位影像，将多幅表征部位影像输入预配置病症识别模型，获取患者的病因，并将病因发送至对应医师端。

8、进一步地，所述用户端包括语音采集模块和请求生成模块，所述语音采集模块用于当患者触发敏感词时，采集患者的语音数据；所述请求生成模块用于解析语音数据的内容，以生成包含有症状关键词的医疗语音请求。

9、进一步地，所述解析语音数据的内容，包括：

10、将患者的语音数据转化为文本数据，并对文本数据进行分词，去除中文词、重复词、去停用词、象声词和拟声词，以得到q个词组，q为大于零的整数；

11、将q个词组置入症状部位数据库中进行遍历，将遍历得到的m个词组作为症状部位关键词；

12、将q个词组置入症状表现数据库中进行遍历，将遍历得到的n个词组作为症状表现关键词；

13、根据症状部位关键词和症状表现关键词生成医疗语音请求，并上传至门诊识别模块。

14、进一步地，根据预配置门诊识别模型获取患者的求诊科室类型，包括：

15、提取m个症状部位关键词和n个症状表现关键词，将词序相同的症状部位关键词与症状表现关键词组合成短句，得到r个短句，r为大于零的整数；

16、将r个短句输入预配置门诊识别模型中进行识别，得到患者的求诊科室类型；

17、所述预配置门诊识别模型的生成逻辑如下：

18、获取历史门诊识别数据，所述历史门诊识别数据包括r个短句及其对应标准标签；

19、对r个短句进行预处理，以获取多个训练数据子集，所述训练数据子集包括第一训练数据子集、第二训练数据子集、…和第s训练数据子集，每个所述训练数据子集均包含处理后得到向量化短句特征及对应的标注标签；

20、构建基学习器，所述基学习器包括第一基学习器、第二基学习器、…和第s基学习器；分别利用第一基学习器、第二基学习器、…和第s基学习器对第一训练数据子集、第二训练数据子集、…和第s训练数据子集进行训练，得到第一分类模型、第二分类模型、…和第s分类模型；

21、将多个向量化短句特征输入第一分类模型、第二分类模型、…和第s分类模型中进行识别，以得到第一识别数据、第二识别数据、…和第s识别数据；

22、构建元学习器，将第一识别数据、第二识别数据、…和第s识别数据作为样本数据集，将样本数据集划分为门诊类型训练数据集和门诊类型训练测试集，将门诊类型训练数据集输入元学习器，并根据集成学习策略训练，得到集成学习模型；

23、利用门诊类型训练测试集对集成学习模型进行模型验证，输出测试准确度大于等于预设阈值的集成学习模型作为预配置门诊识别模型。

24、进一步地，所述在线诊断数据包括对应求诊科室类型中每位医师的线上候诊人数、线下候诊人数、线上问诊速度、线下问诊速度、问诊总时长以及已用问诊时长；

25、根据在线诊断数据获取求诊科室类型的最佳匹配医师，包括：

26、获取属于对应患者求诊科室类型的所有医师，并提取所有医师的在线诊断数据，根据在线诊断数据计算每位医师的匹配系数，得到k个匹配系数，k为大于零的整数；其计算公式如下：

27、

28、式中：α为匹配系数，wonline为线上候诊人数，woffline为线下候诊人数，v1为线上问诊速度，v2为线下问诊速度，t1为问诊总时长，t2为已用问诊时长，θ1和θ2为大于零的权重因子，θ1<θ2；

29、按数值从小到大进行排序，将排序第一匹配系数对应的医师作为最佳匹配医师。

30、进一步地，根据表征部位采集患者的表征部位影像，包括：

31、步骤a：获取远程视频通信过程中的实时画面；

32、步骤b：利用预配置人体部位识别模型对实时画面进行识别，根据识别结果判断实时画面是否包含表征部位；若包含，则将对应实时画面作为表征部位影像；若不包含，则不将对应实时画面作为表征部位影像；

33、步骤c：重复上述步骤a～b，直至表征部位影像的采集幅数达到预设数量阈值，或表征部位影像的采集时长达到预设时间阈值时，结束循环，得到多幅表征部位影像。

34、进一步地，所述预配置病症识别模型的生成逻辑如下：

35、获取历史病症识别数据，将历史病症识别数据划分病症识别训练集和病症识别测试集；其中，所述历史病症识别数据包括多幅表征部位影像及其对应标注标签；

36、构建分类器，将病症识别训练集中的表征部位影像作为分类器的输入数据，将病症识别训练集中的标注标签作为分类器的输出数据，对分类器进行训练，得到初始病症识别网络；

37、利用病症识别测试集对初始病症识别网络进行模型验证，输出大于等于预设测试准确度的初始病症识别网络作为预配置病症识别模型。

38、一种医疗视频在线诊疗方法，包括：

39、接收用户端上传的医疗语音请求，并根据预配置门诊识别模型获取患者的求诊科室类型；所述医疗语音请求中包含有症状关键词，所述症状关键词包括m个症状部位关键词和n个症状表现关键词，m和n均为大于零的整数；

40、获取对应患者求诊科室类型的在线诊断数据，根据在线诊断数据获取求诊科室类型的最佳匹配医师，并将医疗语音请求转送至最佳匹配医师的医师端；

41、当最佳匹配医师通过医师端接收医疗语音请求时，通过患者侧的用户端和医师侧的医师端建立远程视频通信；

42、根据医疗语音请求中的症状部位关键词确定患者的表征部位，在远程视频通信过程中根据表征部位采集患者的多幅表征部位影像，将多幅表征部位影像输入预配置病症识别模型，获取患者的病因，并将病因发送至对应医师端。

43、一种电子设备，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述所述的医疗视频在线诊疗方法。

44、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有计算机程序，所述计算机程序被处理器执行时实现上述所述的医疗视频在线诊疗方法。

45、相比于现有技术，本发明的有益效果在于：

46、本技术公开了一种医疗视频在线诊疗方法及系统，接收用户端上传的医疗语音请求，并根据预配置门诊识别模型获取患者的求诊科室类型；根据在线诊断数据获取求诊科室类型的最佳匹配医师，并将医疗语音请求转送至最佳匹配医师的医师端；当最佳匹配医师通过医师端接收医疗语音请求时，通过患者侧的用户端和医师侧的医师端建立远程视频通信；根据医疗语音请求中的症状部位关键词确定患者的表征部位，在远程视频通信过程中根据表征部位采集患者的多幅表征部位影像，将多幅表征部位影像输入预配置病症识别模型，获取患者的病因；通过上述过程，本发明解决文化水平较低且行动不便患者在线问诊困难的问题，提高使用便捷性；此外，通过在视频通信过程对患者的症状图像进行智能捕捉，并根据智能捕捉后的图像为医师提供辅助诊断依据，本发明有利于提高问诊医师的问诊效率和精准度。