《基于智能对话的自动问诊系统.pdf》由会员分享，可在线阅读，更多相关《基于智能对话的自动问诊系统.pdf（9页完成版）》请在专利查询网上搜索。

1、(19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 (43)申请公布日 (21)申请号 2.1 (22)申请日 2020.07.17 (71)申请人 北京欧应信息技术有限公司 地址 北京市朝阳区光华路9号楼7 层702室 (72)发明人 刘峥嵘王岩张国强孟齐源 许可苏轩 (74)专利代理机构 北京瑞盛铭杰知识产权代理 事务所(普通合伙) 11617 代理人 黄淑娟 (51)Int.Cl. G06F 16/332(2019.01) G06F 40/211(2020.01) G06F 40/295(2020.01) G06F 40/3。

2、0(2020.01) G06F 16/36(2019.01) G06N 5/04(2006.01) G16H 50/20(2018.01) (54)发明名称 一种基于智能对话的自动问诊系统 (57)摘要 本发明公开了一种基于智能对话的自动问 诊系统， 所述自动问诊系统包括： 智能对话引擎、 知识图谱数据库、 知识推理机和病例数据库； 所 述智能对话引擎， 用于接收用户输入信息， 并通 过自然语言算法从所述输入信息中提取问诊信 息； 所述知识图谱数据库， 用于以图数据库的形 式存储医疗知识图谱； 所述知识推理机， 用于将 所述问诊信息与所述医疗知识图谱中的医疗知 识相结合， 进行相应的知识关系推。

3、导， 输出预问 诊结果； 病例数据库， 用于存储所述用户的病例。 本发明提供的自动问诊系统针对性强、 反应速度 快、 准确率和自动化程度高。 权利要求书1页 说明书5页 附图2页 CN A 2020.11.24 CN A 1.一种基于智能对话的自动问诊系统， 其特征在于， 所述自动问诊系统包括： 智能对话 引擎、 知识图谱数据库、 知识推理机和病例数据库； 所述智能对话引擎， 用于接收用户输入信息， 并通过自然语言算法从所述输入信息中 提取问诊信息； 所述知识图谱数据库， 用于以图数据库的形式存储医疗知识图谱； 所述知识推理机， 用于将所述问诊信息与所述。

4、医疗知识图谱中的医疗知识相结合， 进 行相应的知识关系推导， 输出预问诊结果； 病例数据库， 用于存储所述用户的病例。 2.根据权利要求1所述的自动问诊系统， 其特征在于， 所述智能对话引擎包括： 多轮对 话模块； 所述多轮对话模块， 用于提供多轮对话服务。 3.根据权利要求1所述的自动问诊系统， 其特征在于， 所述智能对话引擎还用于， 接收 所述预问诊结果， 并将所述预问诊结果反馈给用户； 接收用户查阅所述预问诊结果后的输入信息。 4.根据权利要求3所述的自动问诊系统， 其特征在于， 所述智能对话引擎通过ner命名 实体识别、 句法模板和/或word 语义理解算法从所述输入。

5、信息中提取问诊信息。 5.根据权利要求1所述的自动问诊系统， 其特征在于， 所述用户输入信息包括： 用户输入的文字、 图片和/或视频信息； 或 用户通过可视化控件的交互操作确定的信息。 6.根据权利要求1所述的自动问诊系统， 其特征在于， 所述医疗知识图谱用实体和关系 的形式对医疗知识进行表示。 7.根据权利要求6所述的自动问诊系统， 其特征在于， 所述实体， 表示具体的概念； 所述关系， 表示两个所述实体之间的关联。 8.根据权利要求1所述的自动问诊系统， 其特征在于， 所述病例包括： 用户的基本信息、 待诊疗部位、 症状、 前期治疗状况。 权利要求书 1/1 页 2 CN 。

6、1 A 2 一种基于智能对话的自动问诊系统 技术领域 0001 本发明属于人工智能技术领域， 具体地说， 涉及一种基于智能对话的自动问诊系 统。 背景技术 0002 随着人工智能技术的发展， 自动问诊技术的应用得到了大力发展。 现有的自动问 诊技术常见的实现方案为： 根据需要诊断的疾病，人工设置好问题的决策树； 然后根据问题 的回答进行预设规则的匹配智慧问诊系统， 从而给出诊断建议。 举例说明： 预设问诊时需要询问的问题， 询问后得到每个问题对应的不同答案； 然后根据答案的不同， 设定不同的决策分支， 以此来 不断推进下一个问题。 直到收集完所有的问题， 给出最终的答案， 或者根据收集的问题进行 规则匹。

7、配， 得到最后的答案。 0003 在上述自动问诊技术中， 大部分采用人工配置问题决策树的方式， 即事先设置好 大量的问题分支， 然后根据回答的选项来进行决策。 该方法最大的问题在于不利于大量疾 病的扩展。 当需要在大量的疾病上应用自动问诊时， 需要大量人力进行问题决策树的设计， 设计工作量大， 且过程中容易出现错误。 目前大部分自动问诊实现的推荐结果， 由于缺乏专 业性知识的联动， 无法用于医生专业级别的诊断。 此外， 现有的产品只提供在线问诊建议， 但是缺少专业医生的确诊， 因此很难进行有效的信息收集， 得到疾病与症状之间的各种数 据统计。 鉴于此， 无法给医生提供长期的、 更加细化的数字层。

8、面的帮助。 0004 因此， 目前需要一种更为专业化， 更有针对性， 效率更高的自动问诊技术。 发明内容 0005 为了克服现有技术中存在的缺陷， 本发明提供了一种基于智能对话的自动问诊系 统。 0006 根据本发明的一个方面， 提供一种基于智能对话的自动问诊系统， 所述自动问诊 系统包括： 智能对话引擎、 知识图谱数据库、 知识推理机和病例数据库； 0007 所述智能对话引擎， 用于接收用户输入信息， 并通过自然语言算法从所述输入信 息中提取问诊信息； 0008 所述知识图谱数据库， 用于以图数据库的形式存储医疗知识图谱； 0009 所述知识推理机， 用于将所述问诊信息与所述医疗知识图谱中的。

9、医疗知识相结 合， 进行相应的知识关系推导， 输出预问诊结果； 0010 病例数据库，用于存储所述用户的病例。 0011 根据本发明的一个具体实施方式智慧问诊系统， 所述智能对话引擎包括： 多轮对话模块； 0012 所述多轮对话模块， 用于提供多轮对话服务。 0013 根据本发明的另一个具体实施方式， 所述智能对话引擎还用于， 接收所述预问诊 结果， 并将所述预问诊结果反馈给用户； 0014 接收用户查阅所述预问诊结果后的输入信息。 说明书 1/5 页 3 CN A 3 0015 根据本发明的又一个具体实施方式， 所述智能对话引擎通过ner命名实体识别、 句 法模板和/或word e。

10、语义理解算法从所述输入信息中提取问诊信息。 0016 根据本发明的又一个具体实施方式， 所述用户输入信息包括： 0017 用户输入的文字、 图片和/或视频信息； 或 0018 用户通过可视化控件的交互操作确定的信息。 0019 根据本发明的又一个具体实施方式， 所述医疗知识图谱用实体和关系的形式对医 疗知识进行表示。 0020 根据本发明的又一个具体实施方式， 所述实体， 表示具体的概念； 0021 所述关系， 表示两个所述实体之间的关联。 0022 根据本发明的又一个具体实施方式， 所述病例包括： 用户的基本信息、 待诊疗部 位、 症状、 前期治疗状况。 0023 本发明提供。

11、的基于智能对话的自动问诊系统使用了知识推理机。 知识推理机利用 医疗知识图谱中蕴含的大量医学知识， 自动化地针对问诊信息进行知识推理， 能够最大限 度地推理出所有可能罹患的疾病， 以及对应的各种治疗手段， 意见等信息； 很大程度上降低 了医生进行问诊诊断的工作量和时间。 同时， 由于医疗知识图谱中所包含的信息极为全面， 因此也可以避免医生的人为性疏忽、 知识局限性等原因导致的错误和疏漏。 0024 此外， 由于医疗知识图谱中知识的全面性， 使得本发明能够快速应用于各医疗科 目的问诊场景中； 同时， 知识图谱数据的更新， 能够及时的在自动问诊流程中生效， 而不需 要进行大量的人工设置和调试工作。。

12、 0025 最后， 该自动问诊系统采用了智能对话的形式， 用户体验自然。 附图说明 0026 通过阅读参照以下附图所作的对非限制性实施例所作的详细描述， 本发明的其它 特征、 目的和优点将会变得更明显： 0027 图1为根据本发明提供的一种基于智能对话的自动问诊系统的一个具体实施方式 的结构示意图； 0028 图2所示为医疗知识图谱的一个具体实施方式的示意图； 0029 图3为根据本发明提供的一种基于智能对话的自动问诊系统的另一个具体实施方 式的结构示意图。 0030 附图中相同或相似的附图标记代表相同或相似的部件。 具体实施方式 0031 下文的公开提供了许多不同的实施例或例子用来实现本发明。

13、的不同结构。 为了简 化本发明的公开， 下文中对特定例子的部件和设置进行描述。 此外， 本发明可以在不同例子 中重复参考数字和/或字母。 这种重复是为了简化和清楚的目的， 其本身不指示所讨论各种 实施例和/或设置之间的关系。 应当注意， 在附图中所图示的部件不一定按比例绘制。 本发 明省略了对公知组件和处理技术及工艺的描述以避免不必要地限制本发明。 0032 参见图1， 本发明请求保护的基于智能对话的自动问诊系统包括： 智能对话引擎 10、 知识图谱数据库20、 知识推理机30和病例数据库40。 说明书 2/5 页 4 CN A 4 0033 所述智能对话引擎10， 用于接。

14、收用户输入信息， 并通过自然语言算法从所述输入 信息中提取问诊信息。 0034 优选的， 所述用户输入信息包括： 用户输入的文字、 图片和/或视频信息； 或用户通 过可视化控件的交互操作确定的信息。 具体的， 在实际操作时， 用户启动该自动问诊系统， 然后根据系统提出的问题输入信息， 如： 年龄、 身高、 体重、 用药过敏史、 待诊疗部位等。 可以 理解， 冷启动阶段的问题是系统预设的。 这些问题只用于收集初始的数据信息， 可以根据不 同的医院、 环境进行定制化， 因此在配置上极为简化。 0035 通常情况下， 用户采用文字输入的方式。 但是随着老龄化社会的到来， 文字输入的 方式可能会给老年。

15、人带来困难， 因此也可以选用语音、 视频等输入方式。 另外， 当需要输入 图片格式的检查结果(如： x光片、 ct结果、 核磁结果等)时， 还可以采用图片输入的方式进行 操作。 0036 可视化控件的操作更为简单， 例如在提出某一问题时， 可以以多个控件的 方式显示该问题的相关答案， 让用户在这些中选择自己的回答， 即确定所要发送的 信息。 但是这种方式提供的答案有局限性， 并不能穷尽所有用户可能的输入信息。 因此， 最 佳的方式是将用户输入与可视化控件相结合来得到用户输入信息。 0037 由于用户输入的信息中存在无意义的或者与该次诊疗无关的信息， 需要对有用的 问诊信。

16、息进行提取。 因此， 当接收到用户输入的信息后， 智能对话引擎10通过自然语言算法 从所述输入信息中提取问诊信息。 更为具体的， 所述智能对话引擎10通过ner命名实体识 别、 句法模板和/或word 语义理解算法从所述输入信息中提取问诊信息。 0038 优选的， 所述智能对话引擎10包括： 多轮对话模块； 所述多轮对话模块， 用于提供 多轮对话服务。 通过进行多轮对话服务， 能够获取更多的有用信息。 例如： 系统冷启动时提 出的问题是 “性别” ， 这时如果用户的输入的答案是 “女” ； 那么对轮对话模块就会基于用户 的回答启动新的问题， 如：“是否罹患妇科疾病” 、“一年。

17、内是否进行了TCT检查” 等。 0039 在智能对话引擎10中进行的多轮对话， 需要用户输入的内容大多为预设的。 0040 所述知识图谱数据库20， 用于以图数据库的形式存储医疗知识图谱。 所述医疗知 识图谱用实体和关系的形式对医疗知识进行表示。 其中， 所述实体， 表示具体的概念； 例如： 身体部位， 疾病， 检查项目， 治疗手段， 药品信息等。 所述关系， 表示两个所述实体之间的关 联； 例如： 身体部分实体与疾病实体之间， 存在罹患疾病关系， 治疗手段实体与药品信息之 间存在使用药物关系等。 0041 所述知识推理机30， 用于将所述问诊信息与所述医疗知识图谱中的医疗知识相结 合， 进行。

18、相应的知识关系推导， 输出预问诊结果。 0042 举例说明， 智能对话引擎10提供的问诊信息是： 膝关节局限性压痛。 这时知识推理 机30根据上述问诊信息， 结合医疗知识图谱(如图2所示)， 推导出用户患有韧带炎。 此时， 知 识推理机输出的预问诊结果可以是： 韧带炎(实体)， 需要进行核磁检查和超声检查(韧带炎 与医学检查之间存在对的关系)。 值得注意的是， 知识推理机30给出的预问诊结果可能包括 多个， 比如上述例子， 知识推理机30给出的预问诊结果有可能是韧带炎， 也有可能是膝关节 疾病。 0043 具体的， 知识推理机30根据已知的问诊信息(年龄、 症状等)， 在医疗知识图谱中能 够找。

19、到与这些信息有可能的疾病都有哪些。 疾病与症状之间的关系有些已经存在先验的概 说明书 3/5 页 5 CN A 5 率(例： 存在韧带炎的时候， 存在30概率会有膝关节周围肌肉萎缩的症状)， 因此根据贝叶 斯后验概率公式： 0044 0045 能够计算出在已知问诊信息的情况下， 可能是疾病的概率。 经过这一步后， 我们就 能够得到多个候选疾病和其可能的概率排序。 0046 随后， 知识推理机30会进一步选择概率最大的疾病结果， 在医疗知识图谱中找到 该疾病关联的所有症状、 需要做的检查结点， 并查看这些结点中有哪些结点的信息尚未可 知， 从而得到一个未知结点集合。 然后在该。

20、集合中， 选择与疾病关系概率最大的一个(即， 如 果发生疾病， 该结点最可能出现)， 作为知识推理机30输出的预问诊结果。 0047 参见图3， 进一步地， 所述智能对话引擎10还用于， 接收所述预问诊结果， 并将所述 预问诊结果反馈给用户； 接收用户查阅所述预问诊结果后的输入信息。 值得注意的是， 此 时， 智能对话引擎10向用户提出的问题与开始不同， 不再是预设问题， 而是基于知识推理机 30输出的预问诊结果所提出的。 0048 例如， 知识推理机30输出的预问诊结果是 “膝关节局限性压痛” ， 则智能对话引擎 10向用户提出的问题可能是 “请问您膝关节附近存在压痛的现象吗？ ” 该问题可。

21、以是智能对 话引擎10查找语料库所获得的。 这时， 用户根据问题输入信息； 然后智能对话引擎10再从该 输入信息中提取新的问诊结果； 之后， 知识推理机30再将该问诊结果与医疗知识图谱向结 合， 进行相应的知识关系推导， 输出新的预问诊结果。 0049 在进行多次交互后， 收集到的用户问诊信息越来越多， 越来越详细； 因此， 知识推 理机30推理出来的疾病的后验概率也越来越高。 当到达一定的阈值后， 交互过程结束， 概率 最高的疾病作为最后的预问诊结果输出。 0050 病例数据库40， 用于存储所述用户的病例。 优选的， 所述病例包括： 用户的基本信 息、 待诊疗部位、 症状、 前期治疗状况；。

22、 当然， 所述预问诊结果也需要保存在病例中。 该病例 作为重要的数字资料， 不仅用户可以随时查看， 还可以为后续医生诊疗提供第一手详细的 资料。 节约了问诊时间， 提高了诊疗效率。 0051 本发明请求保护的自动问诊系统可以是单独的硬件设备， 也可以加载在常用的智 能设备上， 例如： 智能手机、 带显示屏的终端以及可进行网页、 小程序等交互操作的智能设 备。 此外， 由于涉及的领域主要在医疗方面， 本自动问诊系统还可以嵌入到医院的cdss/患 者管理等系统中， 扩展现有系统的功能以及提升现有系统的性能。 0052 本发明请求保护的问诊装置将医生问诊、 影像检查提示等现有流程进行了电子智 能化的。

23、整合。 患者在见到医生之前， 本装置就可以获取到患者的大部分明显症状； 同时， 根 据获取到的上述信息可提前提示患者进行相应的检查； 并对直接获取的症状信息和后续获 取的检查数据进行整合和分析， 并将分析结果输出给医生。 在医生与患者面对面的时候， 已 经拿到了所有所需的数据信息。 这些信息可以为医生提供辅助诊断。 此时， 医生只需要对患 者进行简单的检查(如骨科查体)就可以结合之前的数据信息给出诊断结果。 本发明大幅提 升了传统医疗问诊的效率， 节省了病患候诊时间。 0053 虽然关于示例实施例及其优点已经详细说明， 应当理解在不脱离本发明的精神和 说明书 4/5 页 6 CN 。

24、771 A 6 所附权利要求限定的保护范围的情况下， 可以对这些实施例进行各种变化、 替换和修改。 对 于其他例子， 本领域的普通技术人员应当容易理解在保持本发明保护范围内的同时， 工艺 步骤的次序可以变化。 0054 此外， 本发明的应用范围不局限于说明书中描述的特定实施例的工艺、 机构、 制 造、 物质组成、 手段、 方法及步骤。 从本发明的公开内容， 作为本领域的普通技术人员将容易 地理解， 对于目前已存在或者以后即将开发出的工艺、 机构、 制造、 物质组成、 手段、 方法或 步骤， 其中它们执行与本发明描述的对应实施例大体相同的功能或者获得大体相同的结 果， 依照本发明可以对它们进行应用。 因此， 本发明所附权利要求旨在将这些工艺、 机构、 制 造、 物质组成、 手段、 方法或步骤包含在其保护范围内。 说明书 5/5 页 7 CN A 7 图1 图2 说明书附图 1/2 页 8 CN A 8 图3 说明书附图 2/2 页 9 CN A 9 。