【技术实现步骤摘要】
本专利技术涉及医疗教育领域，具体涉及一种中医远程诊疗与在线教育一体化交互系统。
技术介绍
1、中医是中国文化的重要组成部分，在中医教育模式中，学校课堂的理论讲授和临床实习中的实地操作是主要的学习方式。随着信息技术的飞速发展，教育领域正经历着深刻的数字化转型。在线教育以其突破时空限制、资源丰富多样、学习方式灵活便捷等优势，使得中医知识的学习与传播方式更加多元和高效。
2、但是现有的中医教育模式存在一定的局限性，学生在理论学习阶段通过课堂讲授和线上学习获得中医的相关知识体系，然后在临床实习环节中接触中医患者，进行实际操作以提高诊治能力，理论学习和实践分隔开，接触临床实践的机会有限，特别是在学习初期，往往缺乏实际操作经验，无法将学到的理论知识与实践运用结合起来，导致学习效果低下，此外，学生的地域分布也限制了学生对不同病例的接触，不能完全掌握中医理论和诊疗技术的本质。
3、因此，需要一种中医远程诊疗与在线教育一体化交互系统，以解决上述问题。
技术实现思路
1、针对现有技术的不足，本专利技术公开了一种中医远程诊疗与在线教育一体化交互系统，将远程诊疗过程与学习用户的在线教育需求紧密结合，提高学习效率和学习效果，自动化、智能化程度高。
2、本专利技术采用以下技术方案：
3、一种中医远程诊疗与在线教育一体化交互系统，所述系统包括：
4、远程诊疗模块，所述远程诊疗模块用于学习用户实时或定期远程观看诊疗过程，并记录诊疗心得和疑问点，所述远程诊
5、个性化在线教育模块，所述个性化在线教育模块基于学习用户的行为数据、诊疗心得和疑问点进行智能答疑和个性化课程推荐，所述个性化在线教育模块包括智能答疑单元、行为分析单元、个性化课程推荐单元和学习进度管理单元；
6、云端资源管理模块，所述云端资源管理模块通过应用程序编程接口api和数据同步引擎连接电子病历平台和远程诊疗平台，实现中医诊疗案例资源的实时更新和共享，并采用内容管理架构cms实现医疗资源和知识资源的分类管理和检索查看；
7、训练生成模块，所述训练生成模块采用自注意力深度学习模型分析中医诊疗案例资源的诊断逻辑，并基于中医诊疗案例资源的诊断逻辑生成知识点训练题，然后将生成的知识点训练题分类储存至训练题库中，所述知识点训练题包括选择题、填空题、简答题和模拟实践训练题；
8、安全维护模块，所述安全维护模块采用角色访问控制rbac模型进行用户访问权限管理，并采用三层防火墙保护数据安全、内核平台安全和服务安全；
9、所述远程诊疗模块的输出端与所述个性化在线教育模块的输入端连接，所述远程诊疗模块的输出端与所述云端资源管理模块的输入端连接，所述云端资源管理模块的输出端与所述训练生成模块的输入端连接，所述训练生成模块的输出端与所述个性化在线教育模块进行双向连接，所述安全维护模块全程工作。
10、进一步地，所述智能答疑单元采用自然语言大模型对学习用户远程观看诊疗过程中的疑问点进行语义解析，并采用多路召回机制在云端医疗资源、知识资源和训练题库中进行知识检索，匹配和推理出答案，所述行为分析单元采用深度层次聚类模型构建学习用户画像，所述深度层次聚类模型根据学习用户的行为数据和诊疗心得识别学习用户的学习模式、知识水平、学习难点、疑问点及兴趣点，所述个性化课程推荐单元采用改进式cosmo搜索推荐算法为学习用户推荐个性化课程资源，所述学习进度管理单元通过学习追踪引擎实时捕捉学习用户在课程或练习题的完成情况，并根据学习用户的学习进度和目标动态调整学习计划。
11、进一步地，所述深度层次聚类模型的工做方法包括以下步骤：
12、步骤1、收集学习用户的行为数据和诊疗心得，至少包括观看时长、学习记录和交互反馈，并对收集到的数据信息进行清洗、整理和标准化处理；
13、步骤2、采用多层非线性变换从收集到的数据信息中提取语义特征、时空特征和注意力特征，并对提取的特征进行哈希编码将高维特征转换为低维数据；
14、步骤3、将哈希编码后的低维数据输入至层次聚类算法进行聚类分析，并计算输入数据与学习模式、知识水平、学习难点、疑问点及兴趣点中心簇的相似度，所述层次聚类算法按照学习模式、知识水平、学习难点、疑问点对数据进行分层聚类形成聚类结构，输入数据与学习模式、知识水平、学习难点、疑问点及兴趣点中心簇的相似度大于相似低阈值，则对输入数据进行归类；
15、步骤4、根据聚类结果生成学习用户画像。
16、进一步地，所述改进式cosmo搜索推荐算法基于学习用户画像和历史学习数据搜索与学习用户学习模式、知识水平、学习难点、疑问点及兴趣点匹配的课程资源，学习用户集合为，表示系统中第个学习用户，表示学习用户的序列编号，，待推荐课程资源集合为，表示系统中第个待推荐课程资源，表示待推荐课程资源的序列编号，，第个学习用户的用户画像为，第个待推荐课程资源的属性为，和分别表示第个学习用户的用户画像和第个待推荐课程资源的属性中第k个影响匹配程度的因素，，n表示第个学习用户的用户画像和第个待推荐课程资源的属性中影响匹配程度因素的数量，待推荐课程资源与学习用户与学习用户的个性化匹配度计算公式为：
17、
18、在公式（1）中，表示第i个学习用户和第j个待推荐课程资源的匹配程度，k表示影响匹配程度的因素，表示因素k在整体匹配度中的权重，表示第i个学习用户与第j个待推荐课程资源受因素k影响的匹配度函数，第i个学习用户与第j个待推荐课程资源受因素k影响的匹配度函数计算公式为：
19、
20、在公式（2）中，表示第i个学习用户的用户画像中第k个影响匹配程度的因素特征向量，表示第i个学习用户的用户画像中第k个影响匹配程度的因素特征向量模长，表示第j个待推荐课程资源的属性中第k个影响匹配程度的因素特征向量，表示第j个待推荐课程资源的属性中第k个影响匹配程度的因素特征向量模长。
21、进一步地，所述内容管理架构cms通过内容编辑器创建医疗资源和知识资源的分类，并基于创建的分类将医疗资源和知识资源标签化，学习用户通过搜索引擎进行搜索和查看关键词匹配的医疗资源和知识资源。
22、进一步地，所述自注意力深度学习模型包括输入层、多头注意力层、线性映射层、残差连接层、位置编码层、前馈神经网络层和输出层，所述自注意力深度学习模型包括以下步骤：
23、s1、通过所述输入层接收中医诊疗案例资源，并将接收到的文本数据转换为嵌入向量；
24、s2、采用所述位置编码层进行输入序列的位置信息编码，所述位置编码层通过位置嵌入学习或固定位置编码添加输入词汇的顺序信息；
25本文档来自技高网...
【技术保护点】
1.一种中医远程诊疗与在线教育一体化交互系统，其特征在于，所述系统包括：
2.根据权利要求1所述的一种中医远程诊疗与在线教育一体化交互系统，其特征在于，所述智能答疑单元采用自然语言大模型对学习用户远程观看诊疗过程中的疑问点进行语义解析，并采用多路召回机制在云端医疗资源、知识资源和训练题库中进行知识检索，匹配和推理出答案，所述行为分析单元采用深度层次聚类模型构建学习用户画像，所述深度层次聚类模型根据学习用户的行为数据和诊疗心得识别学习用户的学习模式、知识水平、学习难点、疑问点及兴趣点，所述个性化课程推荐单元采用改进式COSMO搜索推荐算法为学习用户推荐个性化课程资源，所述学习进度管理单元通过学习追踪引擎实时捕捉学习用户在课程或练习题的完成情况，并根据学习用户的学习进度和目标动态调整学习计划。
3.根据权利要求2所述的一种中医远程诊疗与在线教育一体化交互系统，其特征在于，所述深度层次聚类模型的工做方法包括以下步骤：
4.根据权利要求2所述的一种中医远程诊疗与在线教育一体化交互系统，其特征在于，所述改进式COSMO搜索推荐算法基于学习用户画像和历史学
5.根据权利要求1所述的一种中医远程诊疗与在线教育一体化交互系统，其特征在于，所述内容管理架构CMS通过内容编辑器创建医疗资源和知识资源的分类，并基于创建的分类将医疗资源和知识资源标签化，学习用户通过搜索引擎进行搜索和查看关键词匹配的医疗资源和知识资源。
6.根据权利要求1所述的一种中医远程诊疗与在线教育一体化交互系统，其特征在于，所述自注意力深度学习模型包括输入层、多头注意力层、线性映射层、残差连接层、位置编码层、前馈神经网络层和输出层，所述自注意力深度学习模型包括以下步骤：
7.根据权利要求1所述的一种中医远程诊疗与在线教育一体化交互系统，其特征在于，所述训练生成模块采用增量计算方式进行训练题目的更新，所述增量计算方式通过定期向前滑动时间窗口将新增的中医诊疗案例资源添加到时间窗口内的数据集中，实现新增数据与当前时间窗口内数据的整合，并基于整合后的数据集形成新的训练数据集，然后采用新的训练数据集对所述自注意力深度学习模型进行重新训练，以吸收新增案例中的诊断逻辑，基于更新后的所述自注意力深度学习模型生成新的知识点训练题添加至训练题库中。
8.根据权利要求1所述的一种中医远程诊疗与在线教育一体化交互系统，其特征在于，所述角色访问控制RBAC模型通过将用户角色、权限和用户组划分授权实现对用户访问权限的控制和管理，所述三层防火墙包括网络边界防火墙、服务器前端防火墙和服务器防火墙，所述网络边界防火墙基于IP地址和端口号网络层信息过滤和控制来自外部网络的恶意流量和非法访问请求，所述服务器前端防火墙基于应用层信息过滤和控制内部用户或应用对内部资源的非法访问，所述服务器防火墙通过监控主机的网络流量和进程行为防止恶意软件和攻击者对主机漏洞进行攻击。
...【技术特征摘要】
1.一种中医远程诊疗与在线教育一体化交互系统，其特征在于，所述系统包括：
2.根据权利要求1所述的一种中医远程诊疗与在线教育一体化交互系统，其特征在于，所述智能答疑单元采用自然语言大模型对学习用户远程观看诊疗过程中的疑问点进行语义解析，并采用多路召回机制在云端医疗资源、知识资源和训练题库中进行知识检索，匹配和推理出答案，所述行为分析单元采用深度层次聚类模型构建学习用户画像，所述深度层次聚类模型根据学习用户的行为数据和诊疗心得识别学习用户的学习模式、知识水平、学习难点、疑问点及兴趣点，所述个性化课程推荐单元采用改进式cosmo搜索推荐算法为学习用户推荐个性化课程资源，所述学习进度管理单元通过学习追踪引擎实时捕捉学习用户在课程或练习题的完成情况，并根据学习用户的学习进度和目标动态调整学习计划。
3.根据权利要求2所述的一种中医远程诊疗与在线教育一体化交互系统，其特征在于，所述深度层次聚类模型的工做方法包括以下步骤：
4.根据权利要求2所述的一种中医远程诊疗与在线教育一体化交互系统，其特征在于，所述改进式cosmo搜索推荐算法基于学习用户画像和历史学习数据搜索与学习用户学习模式、知识水平、学习难点、疑问点及兴趣点匹配的课程资源，学习用户集合为，表示系统中第i个学习用户，i表示学习用户的序列编号，，待推荐课程资源集合为，表示系统中第j个待推荐课程资源，j表示待推荐课程资源的序列编号，，第i个学习用户的用户画像为，第j个待推荐课程资源的属性为，和分别表示第i个学习用户的用户画像和第j个待推荐课程资源的属性中第k个影响匹配程度的因素，，n表示第i个学习用户的用户画像和第j个待推荐课程资源的属性中影响匹配程度因素的数量，待推荐课程资源与学习用户的个性化匹配度计算公式...
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。