【技术实现步骤摘要】
本专利技术涉及教学，特别涉及一种基于ai的虚拟数字病人系统。
技术介绍
1、当前许多医学院校面临着临床教学资源不足。1.真实病人资源匮乏：医学院校在进行临床教学时，往往受限于真实病人资源的数量和种类。不同疾病、不同病情阶段的病人难以随时获得，且真实病人往往不愿意频繁参与教学活动。2.教学风险降低：在真实临床环境中进行教学存在较高的风险，如误诊、误治或对病人造成不必要的伤害。3.个性化教学：不同学生的学习能力和进度存在差异，传统的教学方法难以满足所有学生的需求。4.教学资源有限：医学院校的教学资源有限，包括教师、教学设备和场地等5.临床技能实践少：临床技能是医学生必须掌握的重要能力之一。在真实临床环境中，学生往往难以获得足够的实践机会。
技术实现思路
1、本专利技术旨在至少一定程度上解决上述技术中的技术问题之一。为此，本专利技术的目的在于提出基于ai的虚拟数字病人系统，通过复杂多变的病症模拟一个病人就诊和医生问诊的过程，增强医学生在面对真实患者时的问诊能力和沟通能力，支持医学生与虚拟病人进行自然语言交互，模拟真实问诊过程，评估医学生的沟通技巧和病情评估能力，同时便于教师端准确掌握学生的学习情况。
2、为达到上述目的，本专利技术实施例提出了一种基于ai的虚拟数字病人系统，包括：
3、获取模块，用于获取不同场景的病人画像；
4、第一生成模块，用于基于不同场景的病人画像生成病人大模型；其中病人大模型中包括若干病症案例；
5、第二生成模块，用于
6、采集模块，用于采集学生端与虚拟数字病人的交互信息，并将交互信息发送至教师端。
7、根据本专利技术的一些实施例，所述采集模块，还用于采集学生端根据交互信息生成的诊断信息并发送至教师端。
8、根据本专利技术的一些实施例，所述获取模块，包括：
9、第一构建模块，用于：
10、获取病人的基本信息；
11、对基本信息进行信息解析，确定场景信息及内容信息，将场景信息基于预设的场景类别进行划分，确定为若干个场景节点；所述场景信息包括病人处于不同的场景；所述内容信息包括症状描述、医疗记录及行为观察；
12、根据场景类别之间的逻辑关系，为每个场景节点分配一个节点层次，并根据节点层次确定各个场景节点之间的连接关系；所述连接关系包括时间顺序及空间位置关系；
13、将内容信息填充至对应的场景节点，得到填充场景节点；所述填充场景节点代表了病人在不同时间、地点或情境下的状态；
14、根据填充场景节点及所述连接关系构建场景树；
15、第一确定模块，用于：
16、基于数据挖掘和机器学习对场景树中每个场景节点中的内容数据进行特征提取，确定不同场景下的病人标签；
17、根据不同场景下的病人标签分别构建不同场景的病人画像。
18、根据本专利技术的一些实施例，还包括：更新模块，用于更新病人的基本信息，基于更新的病人的基本信息对病人画像进行更新。
19、根据本专利技术的一些实施例，第一生成模块，包括：
20、第二构建模块，用于构建卷积神经网络模型；
21、训练模块，用于所述病人画像包括静态画像和动态画像；基于静态画像和动态画像对神经网络模型进行训练，在训练过程中基于交叉验证方法对神经网络模型进行评估，在评估合格时，生成病人大模型。
22、根据本专利技术的一些实施例，还包括：分析模块，用于分析病症案例、评估病情进展，并给出诊疗建议。
23、根据本专利技术的一些实施例，还包括：第二确定模块，用于：
24、将诊断信息与诊疗建议进行比较，根据比较结果确定学生的不足之处；
25、根据不足之处在病人大模型中进行查询，确定相应的推荐案例并发送至学生端。
26、根据本专利技术的一些实施例，还包括：病例管理模块，用于提供病例库管理功能，所述病例库管理功能包括添加、编辑和分享病例。
27、根据本专利技术的一些实施例，还包括：预处理模块，用于在第一构建模块对基本信息进行信息解析前，对基本信息进行预处理；
28、所述预处理模块，包括：
29、语音预处理模块，用于：
30、将基本信息包括的语音信息输入预先训练好的语音模型中，确定语音信息对应的时频语谱图；
31、根据时频语谱图确定语音信息的频谱包络线，并确定频谱包络线上各个共振峰的幅值，并计算出平均幅值；
32、根据所述平均幅值确定滤波器的滤波系数，将所述滤波系数对应的语音信息输入滤波器中进行滤波处理，得到预处理后的语音信息；
33、图像预处理模块，用于：
34、对基本信息包括的图像信息进行质量评估，确定图像信息的图像质量系数；
35、
36、其中，s为图像信息的图像质量系数；t1为图像信息在垂直方向的像素梯度；t2为图像信息在水平方向的像素梯度；mθ为图像信息中角度为θ的像素点的数量；t1(x)为图像信息在垂直方向的x处的像素梯度；t2(x)图像信息在水平方向的x处的像素梯度；|| ||0为l0范数，用于统计非零向量的数量；
37、筛选出图像质量系数小于预设阈值的图像，作为待处理图像；
38、对待处理图像进行图像增强处理，得到预处理后的图像信息；
39、第一构建模块，用于对预处理后的语音信息及预处理后的图像信息进行信息解析。
40、根据本专利技术的一些实施例，还包括：网络延迟处理模块，用于学生端与教师端进行教学互动时，捕获学生端以及教师端的网络日志，获取所述网络日志中的延迟数据，得到网络延迟点集；对网络延迟点集进行数据更新处理。
41、本专利技术提出了基于ai的虚拟数字病人系统，通过高度仿真的虚拟病人角色，模拟真实病症场景，为医学生提供一个沉浸式、互动式的问诊练习平台。医学生不仅能够与虚拟病人进行自由交流，还能根据病人的症状描述、病史询问及反馈，综合运用医学知识进行诊断推理，有效锻炼其问诊能力和思维。减少对传统实体病人和模拟教具的依赖，提高教学资源的利用效率。
42、本专利技术的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本专利技术而了解。本专利技术的目的和其他优点可通过在所写的说明书以及附图中所特别指出的结构来实现和获得。
43、下面通过附图和实施例，对本专利技术的技术方案做进一步的详细描述。
本文档来自技高网...【技术保护点】
1.一种基于AI的虚拟数字病人系统，其特征在于，包括：
2.如权利要求1所述的基于AI的虚拟数字病人系统，其特征在于，所述采集模块，还用于采集学生端根据交互信息生成的诊断信息并发送至教师端。
3.如权利要求1所述的基于AI的虚拟数字病人系统，其特征在于，所述获取模块，包括：
4.如权利要求1所述的基于AI的虚拟数字病人系统，其特征在于，还包括：更新模块，用于更新病人的基本信息，基于更新的病人的基本信息对病人画像进行更新。
5.如权利要求1所述的基于AI的虚拟数字病人系统，其特征在于，第一生成模块，包括：
6.如权利要求2所述的基于AI的虚拟数字病人系统，其特征在于，还包括：分析模块，用于分析病症案例、评估病情进展，并给出诊疗建议。
7.如权利要求6所述的基于AI的虚拟数字病人系统，其特征在于，还包括：第二确定模块，用于：
8.如权利要求1所述的基于AI的虚拟数字病人系统，其特征在于，还包括：病例管理模块，用于提供病例库管理功能，所述病例库管理功能包括添加、编辑和分享病例。
9.如权利要
10.如权利要求1所述的基于AI的虚拟数字病人系统，其特征在于，还包括：网络延迟处理模块，用于学生端与教师端进行教学互动时，捕获学生端以及教师端的网络日志，获取所述网络日志中的延迟数据，得到网络延迟点集；对网络延迟点集进行数据更新处理。
...【技术特征摘要】
1.一种基于ai的虚拟数字病人系统，其特征在于，包括：
2.如权利要求1所述的基于ai的虚拟数字病人系统，其特征在于，所述采集模块，还用于采集学生端根据交互信息生成的诊断信息并发送至教师端。
3.如权利要求1所述的基于ai的虚拟数字病人系统，其特征在于，所述获取模块，包括：
4.如权利要求1所述的基于ai的虚拟数字病人系统，其特征在于，还包括：更新模块，用于更新病人的基本信息，基于更新的病人的基本信息对病人画像进行更新。
5.如权利要求1所述的基于ai的虚拟数字病人系统，其特征在于，第一生成模块，包括：
6.如权利要求2所述的基于ai的虚拟数字病人系统，其特征在于，还包括：分析模块，用于分析病症案例、评估病情进展，并给出诊...
【专利技术属性】
技术研发人员：舒华俊，官成浓，张远起，周艳芳，尚文刚，黄怡，
申请(专利权)人：广州市锐星信息科技有限公司，
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。