[发明专利]基于智能穿戴设备的智能医疗问答方法、系统及装置

说明书

本发明属于医疗健康领域，具体涉及了一种基于智能穿戴设备的智能医疗问答方法、系统及装置，旨在解决现有智能医疗问答方法主观性太强，缺乏客观生理指标数据做支撑，不能把问答和生理指标结合的问题。本发明包括：根据生理指标数据训练基于BiLSTM的联合深度模型、获取医疗知识构建智能医疗问答知识图谱、利用机器学习进行实体识别模型的训练以及用户问句的意图识别；对于当前用户，基于生理指标通过基于BiLSTM的联合深度模型获取用户的健康评价，通过实体识别模型对问句进行医疗实体提取以及意图识别，将两者结合起来通过智能医疗问答知识图谱获取问句的应答。本发明结合深度学习与用户生理指标和背景信息，进一步提高了医疗问句应答的准确性。

技术领域

本发明属于医疗健康领域，具体涉及了一种基于智能穿戴设备的智能医疗问答方法、系统及装置。

背景技术

随着现代社会的发展，人们的生活水平获得了极大的提升，但是伴随而来的生活工作压力使很大部分人群长期处于亚健康状态。慢性病发病率10年增长10倍，慢性病患者已近3亿，超重和肥胖患者3.5亿，高血压患者超2亿，高血脂的有将1亿多人，糖尿病患者达到9240万人。同时，以糖尿病为例的慢性病已呈现年轻化发展趋势，严重影响到居民的生活质量和身体健康。随着互联网技术的发展，当人们身体感到不适的时候，常常会通过互联网搜索对病情进行简单的判断，在互联网上查询治疗疾病好的医院以及需要挂的科室。但是，在互联网上进行“自诊”，对自己的症状进行搜索如同大海捞针一般寻找自己不适的病因，对患者而言，一方面信息检索的效率低下；另一方面如果检索出来的结果不准确，很容易导致误诊错过最佳治疗时间。并且互联网上存在大量的商家广告，患者也很容易被广告误导，找错医生。即使患者在合适的医疗平台上问诊，也很容易由于对自己病情描述不清、缺少生理指标数据从而造成误诊。

现有的一些智能诊断的问答系统主要分为两个方向：一种是基于深度学习的智能诊断问答方法，例如基于深度学习的智能医疗自动问答方法[1]，但是深度学习需要大量的带标签训练数据，而在实际应用中，数据标注往往需要领域内的专家辅助，数据标注成本昂贵、效率低、错误率高，很难获得深度学习所需的大量带标签训练数据，并且基于深度学习的问答系统不具有可解释性，泛化能力往往不是很好。另一种是将知识图谱与智能诊断问答结合起来，例如医疗领域知识图谱问答处理方法、装置、设备及存储介质[2]，但是知识图谱是通过客观的实体关系构建的，采用实体识别技术获取实体，实体获取的效果直接影响了最后模型回答的准确性。另外只采用知识图谱一种方法更多的是回答一些事实性的东西，对一些主观性的问题回答不够准确，因此，在社区问答中往往效果不好。

总的来说，现有的结合知识图谱的智能医疗问答方法，受限于实体获取的效果，对于主观性的问题回答不够准确，而基于深度学习的智能医疗问答方法，由于很难获得大量的带标注的训练数据，因而很难获得性能良好的模型，并且模型的泛化能力差，并且这两类方法都缺乏客观生理指标数据做支撑，无法将智能医疗问答和生理指标相结合。

以下文献是与本发明相关的技术背景资料：

[1]王中方、老明瑞、张凯、张胜，一种基于深度学习的智能医疗自动问答方法，20170628，CN107368547A.

[2]朱威、梁欣、倪渊、谢国彤，医疗领域知识图谱问答处理方法、装置、设备及存储介质，20190719，CN110532360A.

发明内容

为了解决现有技术中的上述问题，即现有智能医疗问答方法主观性太强，缺乏客观生理指标数据做支撑，不能把问答和生理指标结合的问题，本发明提供了一种基于智能穿戴设备的智能医疗问答方法，该智能医疗问答方法包括：

步骤A10，通过训练好的实体识别模型提取用户提问的问句中的医疗实体；所述医疗实体包括疾病名称、症状名称和药物名称；

步骤A20，基于所述医疗实体进行用户意图识别，并基于所述医疗实体和用户意图进行词典槽位填充；