一种基于互联网的远程自助问诊方法及系统与流

本发明提出了一种基于互联网的远程自助问诊方法及系统，涉及远程自助问诊，具体涉及基于互联网的远程自助问诊。背景技术：1、在科技迅速发展的今天，远程医疗方法被广泛使用，受到了不少的好评，但在实际使用过程中仍然存在一些问题，远程医疗在使用过程中受限于患者信息的收集困难，患者在多个地方的问诊信息无法同一分析和对比，患者在问诊简单问题是需要线上排队等候医生，问诊效率低，获取信息少，容易存在误诊和准确率低等情况，无法充分利用大数据提高问诊效率。技术实现思路1、本发明提供了一种基于互联网的远程自助问诊方法及系统，用以解决远程医疗在使用过程中受限于患者信息的收集困难，患者在多个地方的问诊信息无法同一分析和对比，患者在问诊简单问题是需要线上排队等候医生，问诊效率低，获取信息少，容易存在误诊和准确率低等情况，无法充分利用大数据提高问诊效率等问题：2、本发明提出的一种基于互联网的远程自助问诊方法及系统，所述方法包括：3、s1、训练建立多模块选择窗口模型，获取患者选择窗口，根据所述选择窗口建立选择索引通道；4、s2、获取索引通道上的患者选择窗口的选择信息，生成第一问诊打包块，通过第一问诊窗口获取患者选择信息，计算并获得第一准确率，将第一准确率与预设推送准确率进行比较，根据比较结果进行重计算或结束第一问诊窗口；5、s3、第一问诊窗口问诊结束后，跳转第二问诊窗口，获取患者选择信息，计算并获得第二准确率，将第二准确率与预设问诊准确率进行比较，根据比较结果进行重计算或结束第二问诊窗口；6、s4、根据第一准确率和第二准确率分别与其对应阈值的比较结果，对第一问诊打包块进行更新和存储。7、进一步地，所述s1包括：8、s101、通过大数据方法收集现有医学知识，建立医学知识库，通过所述医学知识库的医学知识训练多模块选择窗口模型，设置输入窗口，通过所述输入窗口获取患者输入信息，通过多模块选择窗口模型根据所述患者输入信息输出多个病症种类的多个症状选择窗口；9、s102、获取患者在选择窗口选择的特定窗口，通过大数据方法根据所述特定窗口信息的不同门诊类型，设置不同门诊类型的多个对应选择窗口，获取患者选择的对应选择窗口，通过所述患者选择的对应选择窗口建立索引通道。10、进一步地，所述s2包括：11、s201、获取所述索引通道上患者选择的多个对应选择窗口的选择信息，通过所述选择信息生成所述第一问诊信息打包块，通过大数据方法根据所述问诊信息打包块的问诊信息为患者匹配并跳转第一问诊窗口，根据多模块选择窗口模型通过第一问诊窗口弹出多种常规健康问诊问题，获取患者选择信息，根据所述患者选择信息计算选择推送准确率，获得第一准确率；12、所述第一准确率的计算公式为：13、14、其中，qz1为第一准确率，cz为患者选择的不同问题种类窗口数量，cqz为不同问题种类窗口总数量，wzi为第i种问题窗口的患者选择的不同问题窗口数量，wqi为第i种问题窗口的总不同问题窗口数量，b为所有窗口总数量，xca为第a个窗口被患者选择的次数，xwf为无法选择窗口被患者点击的次数；15、s202、将第一准确率与预设推送准确率进行比较，当所述第一准确率大于所述预设推送准确率时，结束第一问诊窗口，当所述第一准确率小于等于所述预设推送准确率时，使用多模块选择窗口模型通过第一问诊窗口弹出不同于上次弹出的常规健康问诊问题，重新获取患者选择信息，再次计算第一准确率，直至第一准确率大于所述预设推送准确率。16、进一步地，所述s3包括：17、s301、第一问诊窗口问诊结束后，获取患者在第一问诊窗口中选择次数最多的常规健康问诊问题，自动跳转至其预设的对应科室医生问诊端口，即第二问诊窗口，获取患者选择的对应科室医生弹出的选择窗口的选择信息，通过所述选择信息计算问诊准确率，获得第二准确率；18、所述第二准确率的计算公式为：19、20、其中，qz2为第二准确率，gxc为选择窗口修改次数，xh为患者选择窗口次数，tys为医生提出窗口次数，g为医生更新问题窗口次数，δtysd为医生第d次更新窗口的医生提出窗口次数与医生第d-1次更新窗口的医生提出窗口次数的变化量，δxwfd为医生第d次更新窗口的无法选择窗口被患者点击的次数与医生第d-1次更新窗口的无法选择窗口被患者点击的次数的变化量；21、s302、将第二准确率与预设问诊准确率进行比较，当所述第二准确率大于所述预设问诊准确率时，结束第二问诊窗口，当所述第二准确率小于等于所述预设问诊准确率时，获取患者选择的对应科室医生弹出的不同于上次问诊的新选择窗口的选择信息，再次计算第二准确率，直至第二准确率大于所述预设问诊准确率阈值。22、进一步地，所述s4包括：23、s401、当第一准确率大于预设推送准确率且第二准确率大于预设问诊准确率时，根据第二问诊窗口中患者的选择信息，对第一问诊打包块进行更新，生成第二问诊打包块；当第二准确率小于预设问诊准确率时，不对第一问诊打包块进行更新；24、s402、对第二问诊打包块进行存储，生成远程问诊病例。25、进一步地，所述系统包括：26、建立模块，用于训练建立多模块选择窗口模型，获取患者选择窗口，根据所述选择窗口建立选择索引通道；27、第一问诊模块，用于获取索引通道上的患者选择窗口的选择信息，生成第一问诊打包块，通过第一问诊窗口获取患者选择信息，计算并获得第一准确率，将第一准确率与预设推送准确率进行比较，根据比较结果进行重计算或结束第一问诊窗口；28、第二问诊模块，用于在第一问诊窗口问诊结束后，跳转第二问诊窗口，获取患者选择信息，计算并获得第二准确率，将第二准确率与预设问诊准确率进行比较，根据比较结果进行重计算或结束第二问诊窗口；29、处理模块，用于根据第一准确率和第二准确率分别与其对应阈值的比较结果，对第一问诊打包块进行更新和存储。30、进一步地，所述建立模块包括：31、窗口建立模块，用于通过大数据方法收集现有医学知识，建立医学知识库，通过所述医学知识库的医学知识训练多模块选择窗口模型，设置输入窗口，通过所述输入窗口获取患者输入信息，通过多模块选择窗口模型根据所述患者输入信息输出多个病症种类的多个症状选择窗口；32、通道建立模块，用于获取患者在选择窗口选择的特定窗口，通过大数据方法根据所述特定窗口信息的不同门诊类型，设置不同门诊类型的多个对应选择窗口，获取患者选择的对应选择窗口，通过所述患者选择的对应选择窗口建立索引通道。33、进一步地，所述第一问诊模块包括：34、第一计算模块，用于获取所述索引通道上患者选择的多个对应选择窗口的选择信息，通过所述选择信息生成所述第一问诊信息打包块，通过大数据方法根据所述问诊信息打包块的问诊信息为患者匹配并跳转第一问诊窗口，根据多模块选择窗口模型通过第一问诊窗口弹出多种常规健康问诊问题，获取患者选择信息，根据所述患者选择信息计算选择推送准确率，获得第一准确率；35、所述第一准确率的计算公式为：36、37、其中，qz1为第一准确率，cz为患者选择的不同问题种类窗口数量，cqz为不同问题种类窗口总数量，wzi为第i种问题窗口的患者选择的不同问题窗口数量，wqi为第i种问题窗口的总不同问题窗口数量，b为所有窗口总数量，xca为第a个窗口被患者选择的次数，xwf为无法选择窗口被患者点击的次数；38、第一比较模块，用于将第一准确率与预设推送准确率进行比较，当所述第一准确率大于所述预设推送准确率时，结束第一问诊窗口，当所述第一准确率小于等于所述预设推送准确率时，使用多模块选择窗口模型通过第一问诊窗口弹出不同于上次弹出的常规健康问诊问题，重新获取患者选择信息，再次计算第一准确率，直至第一准确率大于所述预设推送准确率。39、进一步地，所述第二问诊模块包括：40、第二计算模块，用于第一问诊窗口问诊结束后，获取患者在第一问诊窗口中选择次数最多的常规健康问诊问题，自动跳转至其预设的对应科室医生问诊端口，即第二问诊窗口，获取患者选择的对应科室医生弹出的选择窗口的选择信息，通过所述选择信息计算问诊准确率，获得第二准确率；41、所述第二准确率的计算公式为：42、43、其中，qz2为第二准确率，gxc为选择窗口修改次数，xh为患者选择窗口次数，tys为医生提出窗口次数，g为医生更新问题窗口次数，δtysd为医生第d次更新窗口的医生提出窗口次数与医生第d-1次更新窗口的医生提出窗口次数的变化量，δxwfd为医生第d次更新窗口的无法选择窗口被患者点击的次数与医生第d-1次更新窗口的无法选择窗口被患者点击的次数的变化量；44、第二比较模块，用于将第二准确率与预设问诊准确率进行比较，当所述第二准确率大于所述预设问诊准确率时，结束第二问诊窗口，当所述第二准确率小于等于所述预设问诊准确率时，获取患者选择的对应科室医生弹出的不同于上次问诊的新选择窗口的选择信息，再次计算第二准确率，直至第二准确率大于所述预设问诊准确率阈值。45、进一步地，所述处理模块包括：46、更新模块，用于当第一准确率大于预设推送准确率且第二准确率大于预设问诊准确率时，根据第二问诊窗口中患者的选择信息，对第一问诊打包块进行更新，生成第二问诊打包块；当第二准确率小于预设问诊准确率时，不对第一问诊打包块进行更新；47、存储模块，用于对第二问诊打包块进行存储，生成远程问诊病例。48、本发明有益效果：49、本发明提出了一种基于互联网的远程自助问诊方法及系统，模型应该具备学习和预测患者选择的能力。训练过程可能涉及使用大量的历史数据，包括患者选择窗口和其他相关数据，如患者信息、疾病类型、治疗结果等。训练的目标是优化模型参数，以使模型能够准确地预测患者选择窗口。通过使用训练好的多模块选择窗口模型，可以预测或获取患者选择窗口。这个过程可能涉及对患者进行询问或收集相关的医疗记录。基于获取的患者选择窗口，可以建立一个索引通道。这个索引通道可能是一个数据结构，用于快速查找和获取患者选择窗口的选择信息。通过索引通道，可以快速获取患者选择窗口的选择信息。基于获取的患者选择窗口的选择信息，可以生成一个问诊打包块。这个打包块可能是一个数据结构，包含了患者的初步选择信息。通过一个用户界面或交互方式，自动询问患者关于他们的症状、病史等信息。这些信息将被收集并用于计算第一准确率。使用预设的推送准确率作为比较标准，可以计算第一准确率。这个准确率表示了第一问诊打包块中包含的预测信息与患者实际反馈的信息之间的匹配程度。将计算得到的第一准确率与预设的推送准确率进行比较。如果第一准确率高于预设推送准确率，那么可以认为这个问诊打包块是准确的，可以进行下一步操作；否则，需要对问诊打包块进行重计算或结束第一问诊窗口。在第一问诊窗口结束后，可以跳转到第二问诊窗口，以获取更多的患者信息。在第二问诊窗口中，询问患者更多的信息，如对治疗的期望、生活习惯等。这些信息将被收集并用于计算第二准确率。同样地，使用预设的问诊准确率作为比较标准，可以计算第二准确率。这个准确率表示了第二问诊打包块中包含的预测信息与患者实际反馈的信息之间的匹配程度。将计算得到的第二准确率与预设的问诊准确率进行比较。根据比较结果，决定是否需要重计算或结束第二问诊窗口。最后，根据第一准确率和第二准确率的比较结果，对第一问诊打包块进行更新和存储。如果两个准确率都高于对应的阈值，那么可以认为这个问诊打包块是可靠的，并可以将其存储起来供后续使用。否则，可能需要重新获取患者信息并重新计算准确率。本技术方案能够提供一种精准、高效的问诊方式，帮助优化问诊过程，提高问诊的准确性和效率。