System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本申请属于数据处理,具体涉及一种基于语音反馈的临床病史询问方法、装置及电子设备。
技术介绍
1、随访是指医院对曾在医院就诊的病人以通讯或其他的方式,进行定期了解患者病情变化和指导患者康复的一种观察方法。通过随访可以提高医院医前及医后服务水平,同时方便医生对病人进行跟踪观察,掌握第一手资料以进行统计分析、积累经验,同时也有利于医学科研工作的开展和医务工作者业务水平的提高,从而更好地为患者服务。
2、医生或研究人员在收集病史时可能需要根据患者的回答动态调整提问策略,以确保收集到所有相关信息。准确的随访信息对于确保患者治疗效果和监测健康状况至关重要。然而,现有的随访方法耗时且过分依赖于医护人员的经验和技巧。
技术实现思路
1、本申请的目的是提供一种基于语音反馈的临床病史询问方法、装置及电子设备以解决随访效率低的问题。
2、根据本申请实施例的第一方面,提供了一种基于语音反馈的临床病史询问方法,该方法可以包括:
3、采集患者的音频信息;
4、将音频信息转换成文本信息;
5、根据上下文对文本信息进行分析,得到关键信息和患者意图;
6、根据关键信息和患者意图,生成临床病史询问的问题。
7、在本申请的一些可选实施例中,将音频信息转换成文本信息,包括:
8、去除音频信息中的冗余信息并提取声音特征,得到预处理音频;
9、对预处理音频进行文本转换,得到文本信息。
10、在本申请的一些可
11、获取音频信息的梅尔频率倒谱系数;
12、根据梅尔频率倒谱系数计算患者的声音特征。
13、在本申请的一些可选实施例中,对预处理音频进行文本转换,得到文本信息,包括:
14、利用训练好的语音识别模型识别预处理音频,得到文本信息。
15、在本申请的一些可选实施例中,根据上下文对文本信息进行分析,得到关键信息和患者意图,包括:
16、利用训练好的第一深度学习模型识别文本信息中的关键信息;
17、利用训练好的第二深度学习模型识别文本信息中的患者意图。
18、在本申请的一些可选实施例中,训练好的第一深度学习模型是通过下述训练的到:
19、收集医疗相关的文本数据;
20、标注出文本数据中的症状和药物,形成第一训练集;
21、利用第一训练集训练第一深度学习模型,得到训练好的第一深度学习模型。
22、在本申请的一些可选实施例中,训练好的第二深度学习模型是通过下述训练的到:
23、收集随访对话的文字样本;
24、标注出文字样本的意图类别,得到第二训练集;
25、利用第二训练集训练第二深度学习模型,得到训练好的第二深度学习模型。
26、根据本申请实施例的第二方面,提供一种基于语音反馈的临床病史询问装置,该装置可以包括:
27、音频采集模块,用于采集患者的音频信息;
28、文字转换模块,用于将音频信息转换成文本信息;
29、分析模块,用于根据上下文对文本信息进行分析,得到关键信息和患者意图;
30、问题生成模块,用于根据关键信息和患者意图,生成临床病史询问的问题。
31、根据本申请实施例的第三方面,提供一种电子设备,该电子设备可以包括:
32、处理器;
33、用于存储处理器可执行指令的存储器;
34、其中,处理器被配置为执行指令,以实现如第一方面的任一项实施例中所示的基于语音反馈的临床病史询问方法。
35、根据本申请实施例的第四方面,提供一种存储介质,当存储介质中的指令由信息处理装置或者服务器的处理器执行时,以使信息处理装置或者服务器实现如第一方面的任一项实施例中所示的基于语音反馈的临床病史询问方法。
36、本申请的上述技术方案具有如下有益的技术效果:
37、本申请实施例方法通过将音频信息转换成文本信息;并根据上下文对文本信息进行分析,得到关键信息和患者意图;进而根据关键信息和患者意图,生成临床病史询问的问题。该方法有效提高了随访过程的效率和质量,确保患者的健康状况得到更准确和全面的评估,同时使医护人员能够更有效地进行随访,改善患者的整体治疗体验。
本文档来自技高网...【技术保护点】
1.一种基于语音反馈的临床病史询问方法,其特征在于,包括:
2.根据权利要求1所述的基于语音反馈的临床病史询问方法,其特征在于,所述将所述音频信息转换成文本信息,包括:
3.根据权利要求2所述的基于语音反馈的临床病史询问方法,其特征在于,所述去除所述音频信息中的冗余信息并提取声音特征,得到预处理音频,包括:
4.根据权利要求2所述的基于语音反馈的临床病史询问方法,其特征在于,所述对所述预处理音频进行文本转换,得到文本信息,包括:
5.根据权利要求1所述的基于语音反馈的临床病史询问方法,其特征在于,所述根据上下文对所述文本信息进行分析,得到关键信息和患者意图,包括:
6.根据权利要求5所述的基于语音反馈的临床病史询问方法,其特征在于,所述训练好的第一深度学习模型是通过下述训练的到:
7.根据权利要求5所述的基于语音反馈的临床病史询问方法,其特征在于,所述训练好的第二深度学习模型是通过下述训练的到:
8.一种基于语音反馈的临床病史询问装置,其特征在于,包括:
9.一种电子设备,其特征在于,
10.一种可读存储介质,其特征在于,所述可读存储介质上存储程序或指令,所述程序或指令被处理器执行时实现如权利要求1-7任一项所述的基于语音反馈的临床病史询问方法的步骤。
...【技术特征摘要】
1.一种基于语音反馈的临床病史询问方法,其特征在于,包括:
2.根据权利要求1所述的基于语音反馈的临床病史询问方法,其特征在于,所述将所述音频信息转换成文本信息,包括:
3.根据权利要求2所述的基于语音反馈的临床病史询问方法,其特征在于,所述去除所述音频信息中的冗余信息并提取声音特征,得到预处理音频,包括:
4.根据权利要求2所述的基于语音反馈的临床病史询问方法,其特征在于,所述对所述预处理音频进行文本转换,得到文本信息,包括:
5.根据权利要求1所述的基于语音反馈的临床病史询问方法,其特征在于,所述根据上下文对所述文本信息进行分析,得到关键信息和患者意图,包括:
6.根据权利要求5所述的基于语音反馈的临床病史...
【专利技术属性】
技术研发人员:田永谦,
申请(专利权)人:上海艾莎医学科技有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。