[发明专利]分诊数据处理方法、装置、计算机设备及存储介质

权利要求书

1.一种分诊数据处理方法，其特征在于，包括：

接收到患者的患者请求，获取所述患者请求中的患者症状信息；

将所述患者症状信息输入层级强化学习模型，通过上层学习模型对所述患者症状信息进行人体系统识别，识别出与所述患者症状信息对应的第一人体系统类别；所述层级强化学习模型包括所述上层学习模型和多个下层强化学习模型；一个下层强化学习模型与一个人体系统类别关联；

自所述层级强化学习模型中获取与识别出的所述第一人体系统类别关联的所述下层强化学习模型；

通过获取的所述下层强化学习模型对所述患者症状信息进行预测并获取动作结果；所述动作结果为针对所述患者症状信息确定的最优调度动作；

在所述动作结果为推荐科室动作时，将所述患者症状信息输入科室分诊模型中，通过所述科室分诊模型对所述患者症状信息进行症状特征识别，识别出与所述患者对应的分诊结果。

2.如权利要求1所述的分诊数据处理方法，其特征在于，所述通过获取的所述下层强化学习模型对所述患者症状信息进行预测并获取动作结果之后，还包括：

在所述动作结果为询问动作时，发出所述询问动作中的新一轮症状询问信息，接收到所述患者针对新一轮症状询问信息回答的应答信息，根据所述应答信息更新所述患者症状信息；

将更新后的所述患者症状信息输入所述上层学习模型，通过所述上层学习模型对更新后的所述患者症状信息进行人体系统识别，识别出与更新后的所述患者症状信息对应的第二人体系统识别类别；

自所述层级强化学习模型中获取与识别出的所述第二人体系统类别关联的所述下层强化学习模型；

通过获取的所述下层强化学习模型对更新后的所述患者症状信息进行预测，获取与更新后的所述患者症状信息对应的动作结果；

在所述动作结果为推荐科室动作时，将更新后的所述患者症状信息输入科室分诊模型中，通过所述科室分诊模型对更新后的所述患者症状信息进行症状特征识别，识别出与所述患者对应的分诊结果。

3.如权利要求2所述的分诊数据处理方法，其特征在于，所述获取与更新后的所述患者症状信息对应的动作结果之后，包括：

在所述动作结果为询问动作时，发出所述询问动作中的新一轮症状询问信息，经过多轮与患者交互的新一轮症状询问信息之后，对应更新所述患者症状信息，直至检测到所述动作结果为推荐科室动作时，将更新后的所述患者症状信息输入所述科室分诊模型中，通过所述科室分诊模型识别出与所述患者对应的分诊结果。

4.如权利要求1所述的分诊数据处理方法，其特征在于，所述将所述患者症状信息输入层级强化学习模型之前，包括：

获取症状样本集；所述症状样本集包括多个症状样本，所述症状样本与一个人体系统类别标签关联；

将所述症状样本输入含有第一初始参数的分诊神经网络模型；

通过所述分诊神经网络模型对所述症状样本进行人体系统识别，获取与所述症状样本对应的所述人体系统类别的样本识别结果；

根据所述样本识别结果与所述人体系统类别标签，确定出损失值；

在所述损失值未达到预设的收敛条件时，迭代更新所述分诊神经网络模型的初始参数，直至所述损失值达到所述预设的收敛条件时，将收敛之后的所述分诊神经网络模型记录为上层学习模型。

5.如权利要求1所述的分诊数据处理方法，其特征在于，所述自所述层级强化学习模型中获取与识别出的所述第一人体系统类别关联的所述下层强化学习模型之前，包括：

获取症状状态样本集；所述症状状态样本集包括多个症状状态样本，所述症状状态样本与一个科室标签关联，所有所述症状状态样本均与一个相同的人体系统类别关联；

将所述症状状态样本输入与所述人体系统类别关联且含有第二初始参数的初始强化学习模型；

通过所述初始强化学习模型匹配出与所述症状状态样本对应的动作空间；

执行各所述动作空间，得到状态转移结果；所述状态转移结果包括科室结果和状态结果；

根据所述症状状态样本、所述状态转移结果和所述科室标签，确定出奖励值；

在所述奖励值未达到预设的奖励收敛条件时，迭代更新所述初始强化学习模型的第二初始参数，直至所述奖励值达到所述预设的奖励收敛条件时，将收敛之后的所述初始强化学习模型记录为下层强化学习模型。