[发明专利]一种智能分诊的方法、装置、电子设备和存储介质

权利要求书

1.一种智能分诊的方法，其特征在于，所述方法包括：

接收用户在导诊页面填写的病情描述；

将病情描述分句；

将病情描述分成的句子与预设的病情描述句模板库中的每个病情描述句模板进行比对，从而确定与分成的句子匹配的病情描述句模板，所述病情描述句模板中规定了病情描述关键词位置；

按照所述病情描述句模板中规定的病情描述关键词位置，确定分成的句子中的病情描述关键词；

将所述病情描述中确定的病情描述关键词输入第一机器学习模型，由第一机器学习模型输出分诊的科室。

2.根据权利要求1所述的方法，其特征在于，所述第一机器学习模型通过以下方式预先训练：

预先设置病情描述样本的集合，对于集合中的每个病情描述样本，预先贴上专家判定的分诊科室的标签，将集合中的每个病情描述样本分句，将分成的句子与预设的病情描述句模板库中的每个病情描述句模板进行比对，从而确定与分成的句子匹配的病情描述句模板，按照所述病情描述句模板中规定的病情描述关键词位置，确定分成的句子中的病情描述关键词，将确定的病情描述关键词输入第一机器学习模型，由第一机器学习模型输出分诊的科室，如果与该病情描述样本的预先贴上的标签不一致，调整第一机器学习模型，使第一机器学习模型输出的分诊的科室与该病情描述样本的预先贴上的标签一致。

3.根据权利要求1所述的方法，其特征在于，在所述接收用户在导诊页面填写的病情描述之前还包括：

接收用户输入的用药问题；

将用户输入的用药问题输入第二机器学习模型，由第二机器学习模型输出标准化表述的用药问题；

根据所述标准化表述的用药问题，查找标准化用药问答库，得到对该标准化表述的用户问题的回答，其中，所述标准化用药问答库中事先存储着针对每个标准化表述的用药问题，由专家给出的对该标准化表述的用户问题的回答。

4.根据权利要求3所述的方法，其特征在于，所述第二机器学习模型通过以下方式预先训练：

将用药问题样本库中的每个用药问题样本输入第二机器学习模型，每个用药问题样本事先由专家贴上对该用药问题样本的标准化表述的标签，对于每个用药问题样本，第二机器学习模型输出判定的该用药问题样本的标准化表述，与事先贴上的对该用药问题样本的标准化表述的标签对比，如果不一致，调整第二机器学习模型，使得第二机器学习模型输出判定的该用药问题样本的标准化表述与事先贴上的对该用药问题样本的标准化表述的标签一致。

5.根据权利要求1所述的方法，其特征在于，在所述将所述病情描述中确定的病情描述关键词输入第一机器学习模型，由第一机器学习模型输出分诊的科室之后还包括：

确定用户的当前三维位置；

查找医院诊室三维地图，获得输出的分诊的科室的三维位置；

在医院诊室三维地图中，确定从用户的当前三维位置到输出的分诊的科室的三维位置的三维导航路径；

按照确定的三维导航路径，为用户导航。

6.根据权利要求5所述的方法，其特征在于，在所述按照确定的三维导航路径，为用户导航之后还包括：

响应于接收到医生输入的诊断信息，获取接收到诊断信息的时间，作为诊断时间；

获取诊断信息中的疾病种类；

根据获取的疾病种类，查找疾病种类与回访周期对应关系表，获得所述疾病种类对应的回访周期；

在诊断时间后每隔所述回访周期，查找与疾病种类对应的回访问题库，获得回访问题；

向用户终端发送获得的回访问题；

接收用户对回访问题的回答并记录。