一种基于儿童远程医疗的医生推荐方法及装置与流程

阅读：评论：0

1.本发明涉及医疗器械技术领域，特别是涉及一种基于儿童远程医疗的医生推荐方法及装置。

背景技术：

2.随着计算机和互联网技术的发展，远程医疗这一新医疗形态应运而生，远程医疗包括远程医疗会诊、远程医疗教育等。远程医疗会诊在医学专家和患者之间建立起全新的联系，患者通过远程会诊平台选择医生，在原地即可接受医生的会诊及，为患者和医生提供极大的便利。
3.然而，当前是由患者手动选择医生，受限于患者自身的医学知识，导致所选择的医生并不能很好诊治患者的病情。因此，亟需一种医生推荐方案，提高所推荐的医生与患者之间的匹配度。

技术实现要素：

4.本发明实施例的目的在于提供一种基于儿童远程医疗的医生推荐方法及装置，以提高所推荐的医生与患者的匹配度。具体技术方案如下：
5.第一方面，本发明实施例提供了一种基于儿童远程医疗的医生推荐方法，应用于儿童远程医疗系统中服务器，所述儿童远程医疗系统还包括用户客户端，所述方法包括：
6.接收所述用户客户端发送的医生推荐请求，其中，所述医生推荐请求中包括：表征目标患者的病情的多媒体数据、以及所述目标患者的身份信息；
7.基于所述多媒体数据以及身份信息，确定所述目标患者的病情所属的目标病科；
8.基于所述目标病科，确定待推荐的目标医生；
9.向所述用户客户端发送所述目标医生的标识信息，以使得所述用户客户端向所述目标患者推荐所述目标医生。
10.本发明的一个实施例中，上述基于所述多媒体数据以及身份信息，确定所述目标患者的病情所属的目标病科，包括：
11.基于所述多媒体数据，预测所述目标患者的病情所属的第一病科；
12.获得所述目标患者的历史病情所属的第二病科；
13.基于所述目标患者的身份信息，确定相似患者的历史病情所属的病科，作为第三病科，其中，所述相似患者为：身份信息与所述目标患者的身份信息之间的相似度大于预设相似度阈值的患者；
14.从所述第一病科、第二病科与第三病科中确定所述目标患者的病情所属的目标病科。
15.本发明的一个实施例中，上述从所述第一病科、第二病科与第三病科中确定所述目标患者的病情所属的目标病科，包括：
16.确定所述目标患者历史出现第一病科的病情的第一频次、历史出现第二病科的病
情的第二频次、以及历史出现第三病科的病情的第三频次；
17.基于所述第一频次、第二频次以及第三频次，确定所述目标患者的病情所属的目标病科。
18.本发明的一个实施例中，上述基于所述多媒体数据，预测所述目标患者的病情所属的第一病科，包括：
19.对所述多媒体数据进行特征提取，得到描述所述患者的病情的病情特征；
20.将所述病情特征与每一预设病科的病情特征进行特征匹配，得到每一预设病科对应的匹配度；
21.基于每一预设病科对应的匹配度，从预设病科中确定所述患者的病情所属的病科，作为第一病科。
22.本发明的一个实施例中，上述基于所述目标病科，确定待推荐的目标医生，包括：
23.从已注册医生中确定专业为所述目标病科的医生，作为备选医生；
24.判断备选医生中是否存在所述目标患者历史选择的医生；
25.若为是，将所述目标患者历史选择的医生确定为待推荐的目标医生；
26.若为否，基于备选医生的身份信息，从备选医生中确定待推荐的目标医生。
27.第二方面，本发明实施例提供了一种基于儿童远程医疗的医生推荐装置，应用于儿童远程医疗系统中服务器，所述儿童远程医疗系统还包括用户客户端，所述装置包括：
28.请求接收模块，用于接收所述用户客户端发送的医生推荐请求，其中，所述医生推荐请求中包括：表征目标患者的病情的多媒体数据、以及所述目标患者的身份信息；
29.病科确定模块，用于基于所述多媒体数据以及身份信息，确定所述目标患者的病情所属的目标病科；
30.医生确定模块，用于基于所述目标病科，确定待推荐的目标医生；
31.医生推荐模块，用于向所述用户客户端发送所述目标医生的标识信息，以使得所述用户客户端向所述目标患者推荐所述目标医生。
32.本发明的一个实施例中，上述病科确定模块，包括：
33.病科预测子模块，用于基于所述多媒体数据，预测所述目标患者的病情所属的第一病科；
34.病科获得子模块，用于获得所述目标患者的历史病情所属的第二病科；
35.第一病科确定子模块，用于基于所述目标患者的身份信息，确定相似患者的历史病情所属的病科，作为第三病科，其中，所述相似患者为：身份信息与所述目标患者的身份信息之间的相似度大于预设相似度阈值的患者；
36.第二病科确定子模块，用于从所述第一病科、第二病科与第三病科中确定所述目标患者的病情所属的目标病科。
37.本发明的一个实施例中，上述第二病科确定子模块，具体用于确定所述目标患者历史出现第一病科的病情的第一频次、历史出现第二病科的病情的第二频次、以及历史出现第三病科的病情的第三频次；基于所述第一频次、第二频次以及第三频次，确定所述目标患者的病情所属的目标病科。
38.本发明的一个实施例中，上述病科预测子模块，具体用于对所述多媒体数据进行特征提取，得到描述所述患者的病情的病情特征；将所述病情特征与每一预设病科的病情
特征进行特征匹配，得到每一预设病科对应的匹配度；基于每一预设病科对应的匹配度，从预设病科中确定所述患者的病情所属的病科，作为第一病科。
39.本发明的一个实施例中，上述医生确定模块，具体用于从已注册医生中确定专业为所述目标病科的医生，作为备选医生；判断备选医生中是否存在所述目标患者历史选择的医生；若为是，将所述目标患者历史选择的医生确定为待推荐的目标医生；若为否，基于备选医生的身份信息，从备选医生中确定待推荐的目标医生。
40.第三方面，本发明实施例提供了一种电子设备，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；
41.存储器，用于存放计算机程序；
42.处理器，用于执行存储器上所存放的程序时，实现上述第一方面所述的方法步骤。
43.第四方面，本发明实施例提供了一种计算机可读存储介质，所述计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现上述第一方面所述的方法步骤。
44.由以上可见，在本发明实施例提供的方案中，由于是基于多媒体数据以及身份信息，确定目标患者的病情所属的目标病科，上述多媒体数据用于表征目标患者的病情，上述身份信息是目标患者的身份信息，因此，既考虑目标患者当前病情，又考虑目标患者的基础信息，从这两方面能够更为准确确定目标患者的病情所属的目标病科，进而基于目标病科，能够更为确定待推荐的目标医生，提高了所推荐的医生与患者的可靠度。
45.当然，实施本发明的任一产品或方法并不一定需要同时达到以上所述的所有优点。
附图说明
46.为了更清楚地说明本技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本技术的一些实施例，对于本领域普通技术人员来讲，还可以根据这些附图获得其他的实施例。
47.图1为本发明实施例提供的一种儿童远程医疗系统的系统架构图；
48.图2为本发明实施例提供的第一种基于儿童远程医疗的医生推荐方法的流程示意图；
49.图3为本发明实施例提供的第二种基于儿童远程医疗的医生推荐方法的流程示意图；
50.图4为本发明实施例提供的一种基于儿童远程医疗的医生推荐装置的结构示意图；
51.图5为本发明实施例提供的一种电子设备的结构示意图。
具体实施方式
52.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员基于本技术所获得的所有其他实施例，都属于本
发明保护的范围。
53.首先，对本发明实施例的应用场景和执行主体进行说明。
54.本发明实施例提供的方案应用于儿童远程医疗系统，上述儿童远程医疗系统可以为儿童远程医疗智能诊断服务系统、儿童远程医疗会诊系统等。
55.儿童远程医疗系统的系统架构图如图1所示，在图1所示的儿童远程医疗系统中标识为a的设备为用户客户端，标识为b的设备为医生客户端，标识为c的设备为服务器。用户可以通过用户客户端与医生进行交流、查询病情资料等；医生可以通过医生客户端查看患者信息、与患者进行交流等；服务器用于存储患者、医生的信息，并进行数据处理。
56.本发明实施例提供的方案的执行主体为上述儿童远程医疗系统中的服务器。
57.以下对本发明实施例提供的方案进行具体说明。
58.参见图2，图2为本发明实施例提供的第一种基于儿童远程医疗的医生推荐方法的流程示意图，上述方法包括以下步骤s201-s204。
59.步骤s201：接收用户客户端发送的医生推荐请求。
60.上述医生推荐请求中包括：表征目标患者的病情的多媒体数据、以及目标患者的身份信息。
61.上述多媒体数据可以是文本、图像、视频等。当多媒体数据为表征目标患者的病情的文本时，上述文本可以是描述目标患者的病情的文本；当多媒体数据为表征目标患者的病情的图像时，上述图像可以是包含目标患者的病情所在区域的图像；当多媒体数据为表征目标患者的病情的视频时，上述视频可以是记录目标患者的病情发作方式、发作场景等视频。
62.上述目标患者的身份信息可以包括目标患者的性别、年龄、地区等信息。
63.上述医生推荐请求用于请求向目标患者推荐医生。上述医生推荐请求是由用户客户端向服务器发送的。在发送上述医生推荐请求时，用户可以通过用户客户端上传表征目标患者的病情的多媒体数据，并且触发医生推荐指令，用户客户端在接收到上述指令后，用户客户端可以从本地查目标患者的身份信息，向服务器发送包含上述多媒体数据以及身份信息的医生推荐请求。服务器在接收到上述医生推荐请求后，响应上述医生推荐请求，确定向目标患者推荐的医生。
64.步骤s202：基于多媒体数据以及身份信息，确定目标患者的病情所属的目标病科。
65.上述病情所属的目标病科是指病情所属的类别，病情所属的类别可以是内科类别、外科类别、其他科类别，内科类别下又可以细分为消化内科、呼吸内科、心内科、血液内科等，外科类别下又可以细分为普外科、骨科、泌尿外科、神经外科等，其他科类别下又可以细分为心理科、保健科、儿童康复科等。
66.上述多媒体数据反映目标患者当前的病情信息，身份信息反映目标患者的基础信息，综合考虑上述两个不同角度，能够更为准确地确定目标患者的病情所属的目标科病科。
67.一种实施方式中，可以将多媒体数据以及身份信息输入第一预测模型，得到第一预测模型输出的病科，作为目标患者的病情所属的目标病科。
68.上述第一预测模型为：采用表征样本患者的病情的样本多媒体数据以及样本患者的身份信息作为训练样本，以样本患者的病情所属的实际病科为训练基准，为初始神经网络模型进行训练得到的、用于预测患者的病情所属病科的模型。上述初始神经网络模型可
以为cnn(convolutional neural networks，卷积神经网络)、rnn(recurrent neural network，循环神经网络)等。
69.确定目标病科的其他方式可以参见后续图3对应实施例，在此不进行详述。
70.步骤s203：基于目标病科，确定待推荐的目标医生。
71.医生的工作专业是以病科划分，基于此，一种实施方式中，可以从已注册医生中确定专业为目标病科的医生，作为待推荐的目标医生。上述已注册医生是指已经在儿童远程医疗系统中预先注册的医生。
72.确定目标医生的其他方式可以参见后续实施例，在此不进行详述。
73.步骤s204：向用户客户端发送目标医生的标识信息，以使得用户客户端向目标患者推荐目标医生。
74.上述目标医生的标识信息可以是目标医生的名称、编号等。
75.用户客户端在接收到上述目标医生的标识信息后，可以在用户客户端提供的用户界面上显示上述标识信息，从而实现向目标患者推荐目标医生。
76.由以上可见，在本实施例提供的方案中，由于是基于多媒体数据以及身份信息，确定目标患者的病情所属的目标病科，上述多媒体数据用于表征目标患者的病情，上述身份信息是目标患者的身份信息，因此，既考虑目标患者当前病情，又考虑目标患者的基础信息，从这两方面能够更为准确确定目标患者的病情所属的目标病科，进而基于目标病科，能够更为确定待推荐的目标医生，提高了所推荐的医生与患者的匹配度。
77.前述图1对应实施例的步骤s202中，除了采用第一预测模型确定目标病科之外，还可以采用下述图2对应实施例的步骤s302-s305实现。参见图3，图3为本发明实施例提供的第二种儿童远程医疗的医生推荐方法的流程示意图，上述方法包括以下步骤s301-s307。
78.步骤s301：接收用户客户端发送的医生推荐请求。
79.其中，上述医生推荐请求中包括：表征目标患者的病情的多媒体数据、以及目标患者的身份信息。
80.上述步骤s301与前述图2对应实施例步骤s201相同，在此不进行详述。
81.步骤s302：基于多媒体数据，预测目标患者的病情所属的第一病科。
82.一种实施方式中，可以将多媒体数据输入第二预测模型，得到第二预测模型输出的病科，作为目标患者的病情所属的第一病科。
83.上述第二预测模型为：采用表征样本患者的病情的样本多媒体数据作为训练样本，以样本患者的病情所属的实际病科为训练基准，为初始神经网络模型进行训练得到的、用于预测患者的病情所属病科的模型。上述初始神经网络模型可以为cnn、rnn等。
84.确定上述第一病科的其他方式可以参见后续实施例，在此不进行详述。
85.步骤s303：获得目标患者的历史病情所属的第二病科。
86.目标患者的历史病情是指目标患者历史出现的病情。
87.儿童远程医疗系统记录各注册患者的病情信息，基于此，可以从已存储的病情信息中，获取第一预设时间段内目标患者的历史病情所属的病科，作为第二病科。上述第一预设时间段可以当前时间往前延伸第一预设时间间隔的时间段，上述第一预设时间间隔可以为1个月、3个月、6个月等。
88.由于上述第一预设时间段内目标患者的历史病情所属的病科可能出现数量较多
的情况，基于此，在获取第一预设时间段内目标患者的历史病情所属的病科后，可以将出现频次超过预设频次的病科确定为第二病科。
89.步骤s304：基于目标患者的身份信息，确定相似患者的历史病情所属的病科，作为第三病科。
90.上述相似患者是指：身份信息与目标患者的身份信息之间的相似度大于预设相似度阈值的患者。上述预设相似度阈值是预先设定的，例如，预设相似度阈值可以为90％、95％等。
91.儿童远程医疗诊疗系统可以基于已注册患者的身份信息，预先对已注册的患者进行聚类，提取得到聚类得到的每一患者类的身份特征，基于此，可以对目标患者的身份信息进行特征提取，计算提取得到的身份特征与每一患者类的身份特征之间的距离，将距离小于预设距离阈值的患者类确定为目标患者所属的目标患者类，目标患者类中每一患者为目标患者的相似患者。
92.在确定相似患者后，可以从已记录的病情信息中获取相似患者的历史病情所属的病科，作为第三病科。
93.步骤s305：从第一病科、第二病科与第三病科中确定目标患者的病情所属的目标病科。
94.由于第一病科是基于表征目标患者当前病情的多媒体数据确定的，第二病科、第三病科分别是基于目标患者的历史病情、相似患者的历史病情所确定的，那么在确定目标患者当前病情所属的目标病科时，以第一病科为主要因素，第二病科、第三病科为辅助因素进行确定。基于此，第一种实施方式中，判断第二病科和/或第三病科中是否出现第一病科，若为是，将第一病科确定为目标病科，若为否，确定第二病科、第三病科中发生重复的病科，将第一病科以及上述所确定的发生重复的病科确定为目标病科。
95.第二种实施方式中，可以确定目标患者历史出现第一病科的病情的第一频次、历史出现第二病科的病情的第二频次、以及历史出现第三病科的病情的第三频次；基于第一频次、第二频次以及第三频次，确定目标患者的病情所属的目标病科。
96.具体的，可以从已存储的病情信息中，统计目标患者历史出现第一病科的病情的第一频次，历史出现第二病科的病情的第二频次以及历史出现第三病科的病情的第三频次。
97.由于患者当前的病情可能与该患者的历史病情相关联，当某病情出现的频次越高，患者当前的病情为上述病情的可能性越高；当某病情出现的频次越低，患者当前的病情为上述病情的可能性越低。因此，通过历史病情出现的频次，能够更为准确地确定目标患者的病情所属的目标病科。
98.在确定上述目标病科时，由于第一病科、第二病科以及第三病科可以分别包含多个病科，分别确定所计算的第一频次、第二频次、第三频次中最高第一频次、最高第二频次、最高第三频次，若最高第一频次大于最高第二频次、最高第三频次，将最高第一频次对应的第一病科确定为目标病科；若最高第一频次小于最高第二频次，将最高第一频次、最高第二频次分别对应的第一病科、第二病科确定为目标病科；若最高第一频次小于最高第三频次，将最高第一频次、最高第三频次分别对应的第一病科、第三病科确定为目标病科。
99.步骤s306：基于目标病科，确定待推荐的目标医生。
100.步骤s307：向用户客户端发送目标医生的标识信息，以使得用户客户端向目标患者推荐目标医生。
101.上述步骤s306-s307与前述图2对应实施例的步骤s203-s204相同，在此不再赘述。
102.由以上可见，由于是从第一病科、第二病科与第三病科中确定目标患者的病情所属的目标病科，第一病科是是基于表征目标患者当前病情的多媒体数据确定的，第二病科基于目标患者的历史病情确定的，第三病科是基于目标患者的相似患者的历史病情所确定的，第一病科、第二病科以及第三病科更为充分、全面反映目标患者当前的病情所属的病情，从而使得上述第一病科、第二病科以及第三病科所确定的目标病科的准确度更高。
103.前述图3对应实施例的步骤s302中，除了可以采用前述第二预测模型预测得到第一病科之外，还可以采用下述步骤a1-a3实现。
104.步骤a1：对多媒体数据进行特征提取，得到描述患者的病情的病情特征。
105.一种实施方式中，可以采用特征提取算法对上述多媒体数据进行特征提取。例如，当多媒体数据为文本时，可以采用词袋模型(bag-of-words)、tf-idf模型(termfrequency-inverse document frequency，词频与逆向文件频率)；当多媒体数据为图像时，可以采用lbp(local binary patterns，局部二值模式)算法，hog特征提取算法(histogram of oriented gradient)；当多媒体数据为视频时，可以提取视频的关键帧图像，对关键帧图像进行图像特征提取。
106.步骤a2：将病情特征与每一预设病科的病情特征进行特征匹配，得到每一预设病科对应的匹配度。
107.预设病科是指预先设定的病科，上述预设病科可以包括：内科、外科、其他科，内科、外科、其他科又分别细分为多个小类，针对多类病科，可以按照各病科之间的从属关系，形成病科层级结构，第一层级为最大类，如内科、外科、其他科，之后每一层级为：上一层级的病科所包含的各病科类。基于此，一种实施方式中，可以首先将病情特征与第一层级的病科的病情特征进行特征匹配，确定匹配度最高的第一层级的病科，然后将病情特征与上述所确定的病科所包含的下一层级的病科的病情特征进行特征匹配。
108.在进行特征匹配时，可以计算病情特征与预设病科的病情特征之间的距离，基于计算得到的距离，以及预设的匹配度与距离之间的对应关系，确定预设病科对应的匹配度。上述距离可以是欧氏距离、余弦距离等。
109.步骤a3：基于每一预设病科对应的匹配度，从预设病科中确定患者的病情所属的病科，作为第一病科。
110.一种实施方式中，可以将预设数量个匹配度最高的预设病科确定为第一病科，上述预设数量可以为1、3、5等。
111.由以上可见，由于是病情特征能够更加准确反映患者病情情况，通过对病情特征进行特征匹配，得到更为准确地计算得到每一预设病科的匹配度，从而基于上述匹配度，能够更为准确地确定患者病情所属的病科。
112.在上述步骤a1-a3中计算得到每一预设病科对应的匹配度后，在此基础上，可以结合每一预设病科对应的匹配度以及目标患者历史出现病情的病科的频次，确定目标患者的病情所属的目标病科。具体可以按照下述步骤b1-b5实现。
113.步骤b1：确定目标患者历史出现第一病科的病情的第一频次、历史出现第二病科
的病情的第二频次以及历史出现第三病科的病情的第三频次。
114.步骤b2：基于第一病科对应的匹配度与第一频次，计算目标患者的病情属于第一病科的第一概率。
115.步骤b3：基于第二病科的匹配度与第二频次，计算目标患者的病情属于第二病科的第二概率。
116.步骤b4：基于第三病科的匹配度与第三频次，计算目标患者的病情属于第三病科的第三概率。
117.上述步骤b2-步骤b4中由于均是基于匹配度与频次计算概率，以下进行统一说明。
118.一种实施方式中，在计算概率时，可以将对频次进行归一化处理，得到频次所对应的转化值，计算转化值与匹配度之间的乘积，作为目标患者对应的概率。
119.步骤b5：基于第一概率、第二概率以及第三概率，从第一病科、第二病科、第三病科中确定目标患者的病情所属的目标病科。
120.具体的，可以将最高频率对应的病科确定为目标患者的病情所属的目标病科。还可以将频率大于预设频率阈值对应的病科确定为目标患者的病情所属的目标病科。
121.在前述图2对应实施例的步骤s203中，除了可以直接将从已注册医生中确定专业为待推荐的目标医生，还可以按照下述步骤c1-步骤c4实现。
122.步骤c1：从已注册医生中确定专业为目标病科的医生，作为备选医生。
123.已注册医生是指已在儿童远程医疗系统中进行注册的医生。一种实施方式中，可以从已注册医生信息中，查专业为目标病科的医生，作为备选医生。
124.步骤c2：判断备选医生中是否存在目标患者历史选择的医生。若为是，执行步骤c3，若为否，执行步骤c4。
125.患者通过儿童远程医疗系统选择医生进行就诊时，系统可以记录患者所选择的医生信息，基于此，可以从本地记录的患者历史选择医生信息中，查目标患者历史选择的医生的标识，判断备选医生的标识中是否存在所查到的标识，若存在，执行步骤c3，若不存在，执行步骤c4。
126.步骤c3，将目标患者历史选择的医生确定为待推荐的目标医生。
127.由于目标患者历史选择的医生相较于其他医生，更加熟悉目标患者的情况，因此，将目标患者历史选择的医生确定为待推荐的目标医生，与目标患者的匹配度更高。
128.步骤c4：基于备选医生的身份信息，从备选医生中确定待推荐的目标医生。
129.上述备选医生的身份信息可以包括备选医生的工作时长、工作地区、性别等信息。
130.在确定目标医生时，第一种实施方式中，可以基于备选医生与目标患者的身份信息，计算每一备选医生与目标患者的匹配度，基于备选医生对应的匹配度，从备选医生中确定待推荐的目标医生。
131.在计算匹配度时，可以分别对备选医生的身份信息、目标患者的身份信息进行特征提取，得到第一身份特征与第二身份特征，计算第一身份特征与第二身份特征之间的距离，利用预设的距离与匹配度之间的对应关系，将计算得到的距离转换为匹配度，得到每一备选医生与目标患者的匹配度。上述距离可以为欧式距离、余弦距离。
132.第二种实施方式中，除了采用备选医生的身份信息之外，还可以考虑备选医生的空闲时间。具体的，在基于备选医生的身份信息，从备选医生中确定待推荐的第一医生后，
从第一医生中确定空闲时间位于目标时间段内的医生，作为待推荐的目标医生。
133.上述目标时间段是指当前时间向后延伸第二预设时间间隔的时间段，上述第二预设时间间隔可以为10min、30min、1h、2h等。
134.在确定目标医生时，可以将匹配度最高的备选医生确定为目标医生，还可以将大于预设匹配度阈值的备选医生确定为目标医生。
135.由以上可见，在备选医生中存在目标患者历史选择的医生的情况下，将上述医生确定为待推荐的目标医生，由于历史选择的医生更加熟悉目标患者的病情状况，将上述医生确定为待推荐的目标医生与目标患者的匹配度较高；在备选医生中不存在目标患者历史选择的医生的情况下，基于备选医生的身份信息确定待推荐的目标医生，由于考虑了备选医生的身份信息，使得所确定的目标医生与目标患者的匹配度较高。综合上述两方面，更好地提高了待推荐的目标医生与目标患者之间的匹配度。
136.与上述一种基于儿童远程医疗的医生推荐方法相对应，本发明实施例还提供了一种基于儿童远程医疗的医生推荐装置。
137.参见图4，图4为本发明实施例提供的一种基于儿童远程医疗的医生推荐装置的结构示意图，应用于儿童远程医疗系统中服务器，所述儿童远程医疗系统还包括用户客户端，所述装置包括以下模块401-404。
138.请求接收模块401，用于接收所述用户客户端发送的医生推荐请求，其中，所述医生推荐请求中包括：表征目标患者的病情的多媒体数据、以及所述目标患者的身份信息；
139.病科确定模块402，用于基于所述多媒体数据以及身份信息，确定所述目标患者的病情所属的目标病科；
140.医生确定模块403，用于基于所述目标病科，确定待推荐的目标医生；
141.医生推荐模块404，用于向所述用户客户端发送所述目标医生的标识信息，以使得所述用户客户端向所述目标患者推荐所述目标医生。
142.由以上可见，在本实施例提供的方案中，由于是基于多媒体数据以及身份信息，确定目标患者的病情所属的目标病科，上述多媒体数据用于表征目标患者的病情，上述身份信息是目标患者的身份信息，因此，既考虑目标患者当前病情，又考虑目标患者的基础信息，从这两方面能够更为准确确定目标患者的病情所属的目标病科，进而基于目标病科，能够更为确定待推荐的目标医生，提高了所推荐的医生与患者的匹配度。
143.本发明的一个实施例中，上述病科确定模块402，包括：
144.病科预测子模块，用于基于所述多媒体数据，预测所述目标患者的病情所属的第一病科；
145.病科获得子模块，用于获得所述目标患者的历史病情所属的第二病科；
146.第一病科确定子模块，用于基于所述目标患者的身份信息，确定相似患者的历史病情所属的病科，作为第三病科，其中，所述相似患者为：身份信息与所述目标患者的身份信息之间的相似度大于预设相似度阈值的患者；
147.第二病科确定子模块，用于从所述第一病科、第二病科与第三病科中确定所述目标患者的病情所属的目标病科。
148.由以上可见，由于是从第一病科、第二病科与第三病科中确定目标患者的病情所属的目标病科，第一病科是是基于表征目标患者当前病情的多媒体数据确定的，第二病科
基于目标患者的历史病情确定的，第三病科是基于目标患者的相似患者的历史病情所确定的，第一病科、第二病科以及第三病科更为充分、全面反映目标患者当前的病情所属的病情，从而使得上述第一病科、第二病科以及第三病科所确定的目标病科的准确度更高。
149.本发明的一个实施例中，上述第二病科确定子模块，具体用于确定所述目标患者历史出现第一病科的病情的第一频次、历史出现第二病科的病情的第二频次、以及历史出现第三病科的病情的第三频次；基于所述第一频次、第二频次以及第三频次，确定所述目标患者的病情所属的目标病科。
150.由于患者当前的病情可能与该患者的历史病情相关联，当某病情出现的频次越高，患者当前的病情为上述病情的可能性越高；当某病情出现的频次越低，患者当前的病情为上述病情的可能性越低。因此，通过历史病情出现的频次，能够更为准确地确定目标患者的病情所属的目标病科。
151.本发明的一个实施例中，上述病科预测子模块，具体用于对所述多媒体数据进行特征提取，得到描述所述患者的病情的病情特征；将所述病情特征与每一预设病科的病情特征进行特征匹配，得到每一预设病科对应的匹配度；基于每一预设病科对应的匹配度，从预设病科中确定所述患者的病情所属的病科，作为第一病科。
152.由以上可见，由于是病情特征能够更加准确反映患者病情情况，通过对病情特征进行特征匹配，得到更为准确地计算得到每一预设病科的匹配度，从而基于上述匹配度，能够更为准确地确定患者病情所属的病科。
153.本发明的一个实施例中，上述医生确定模块403，具体用于从已注册医生中确定专业为所述目标病科的医生，作为备选医生；判断备选医生中是否存在所述目标患者历史选择的医生；若为是，将所述目标患者历史选择的医生确定为待推荐的目标医生；若为否，基于备选医生的身份信息，从备选医生中确定待推荐的目标医生。
154.由以上可见，在备选医生中存在目标患者历史选择的医生的情况下，将上述医生确定为待推荐的目标医生，由于历史选择的医生更加熟悉目标患者的病情状况，将上述医生确定为待推荐的目标医生与目标患者的匹配度较高；在备选医生中不存在目标患者历史选择的医生的情况下，基于备选医生的身份信息确定待推荐的目标医生，由于考虑了备选医生的身份信息，使得所确定的目标医生与目标患者的匹配度较高。综合上述两方面，更好地提高了待推荐的目标医生与目标患者之间的匹配度。
155.与上述一种基于儿童远程医疗的医生推荐方法相对应，本发明实施例还提供了一种电子设备。
156.参见图5，图5为本发明实施例提供的一种电子设备的结构示意图，包括处理器501、通信接口502、存储器503和通信总线504，其中，处理器501，通信接口502，存储器503通过通信总线504完成相互间的通信，
157.存储器503，用于存放计算机程序；
158.处理器501，用于执行存储器503上所存放的程序时，实现本发明实施例提供的一种基于儿童远程医疗的医生推荐方法。
159.上述电子设备提到的通信总线可以是外设部件互连标准(peripheral component interconnect，pci)总线或扩展工业标准结构(extended industry standard architecture，eisa)总线等。该通信总线可以分为地址总线、数据总线、控制总线等。为便
于表示，图中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
160.通信接口用于上述电子设备与其他设备之间的通信。
161.存储器可以包括随机存取存储器(random access memory，ram)，也可以包括非易失性存储器(non-volatile memory，nvm)，例如至少一个磁盘存储器。可选的，存储器还可以是至少一个位于远离前述处理器的存储装置。
162.上述的处理器可以是通用处理器，包括中央处理器(central processing unit，cpu)、网络处理器(network processor，np)等；还可以是数字信号处理器(digital signal processor，dsp)、专用集成电路(application specific integrated circuit，asic)、现场可编程门阵列(field-programmable gate array，fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
163.在本发明提供的又一实施例中，还提供了一种计算机可读存储介质，该计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现本发明实施例提供的一种基于儿童远程医疗的医生推荐方法。
164.在本发明提供的又一实施例中，还提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行时实现本发明实施例提供的一种基于儿童远程医疗的医生推荐方法。
165.由以上可见，在本实施例提供的方案中，由于是基于多媒体数据以及身份信息，确定目标患者的病情所属的目标病科，上述多媒体数据用于表征目标患者的病情，上述身份信息是目标患者的身份信息，因此，既考虑目标患者当前病情，又考虑目标患者的基础信息，从这两方面能够更为准确确定目标患者的病情所属的目标病科，进而基于目标病科，能够更为确定待推荐的目标医生，提高了所推荐的医生与患者的匹配度。
166.在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时，全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(dsl))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，dvd)、或者半导体介质(例如固态硬盘solid state disk(ssd))等。
167.需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在
包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
168.本说明书中的各个实施例均采用相关的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于装置、电子设备、计算机可读存储介质实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。以上所述仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等，均包含在本发明的保护范围内。

技术特征：

1.一种基于儿童远程医疗的医生推荐方法，其特征在于，应用于儿童远程医疗系统中服务器，所述儿童远程医疗系统还包括用户客户端，所述方法包括：接收所述用户客户端发送的医生推荐请求，其中，所述医生推荐请求中包括：表征目标患者的病情的多媒体数据、以及所述目标患者的身份信息；基于所述多媒体数据以及身份信息，确定所述目标患者的病情所属的目标病科；基于所述目标病科，确定待推荐的目标医生；向所述用户客户端发送所述目标医生的标识信息，以使得所述用户客户端向所述目标患者推荐所述目标医生。2.根据权利要求1所述的方法，其特征在于，所述基于所述多媒体数据以及身份信息，确定所述目标患者的病情所属的目标病科，包括：基于所述多媒体数据，预测所述目标患者的病情所属的第一病科；获得所述目标患者的历史病情所属的第二病科；基于所述目标患者的身份信息，确定相似患者的历史病情所属的病科，作为第三病科，其中，所述相似患者为：身份信息与所述目标患者的身份信息之间的相似度大于预设相似度阈值的患者；从所述第一病科、第二病科与第三病科中确定所述目标患者的病情所属的目标病科。3.根据权利要求2所述的方法，其特征在于，所述从所述第一病科、第二病科与第三病科中确定所述目标患者的病情所属的目标病科，包括：确定所述目标患者历史出现第一病科的病情的第一频次、历史出现第二病科的病情的第二频次、以及历史出现第三病科的病情的第三频次；基于所述第一频次、第二频次以及第三频次，确定所述目标患者的病情所属的目标病科。4.根据权利要求2所述的方法，其特征在于，所述基于所述多媒体数据，预测所述目标患者的病情所属的第一病科，包括：对所述多媒体数据进行特征提取，得到描述所述患者的病情的病情特征；将所述病情特征与每一预设病科的病情特征进行特征匹配，得到每一预设病科对应的匹配度；基于每一预设病科对应的匹配度，从预设病科中确定所述患者的病情所属的病科，作为第一病科。5.根据权利要求1-4中任一项所述的方法，其特征在于，所述基于所述目标病科，确定待推荐的目标医生，包括：从已注册医生中确定专业为所述目标病科的医生，作为备选医生；判断备选医生中是否存在所述目标患者历史选择的医生；若为是，将所述目标患者历史选择的医生确定为待推荐的目标医生；若为否，基于备选医生的身份信息，从备选医生中确定待推荐的目标医生。6.一种基于儿童远程医疗的医生推荐装置，其特征在于，应用于儿童远程医疗系统中服务器，所述儿童远程医疗系统还包括用户客户端，所述装置包括：请求接收模块，用于接收所述用户客户端发送的医生推荐请求，其中，所述医生推荐请求中包括：表征目标患者的病情的多媒体数据、以及所述目标患者的身份信息；
病科确定模块，用于基于所述多媒体数据以及身份信息，确定所述目标患者的病情所属的目标病科；医生确定模块，用于基于所述目标病科，确定待推荐的目标医生；医生推荐模块，用于向所述用户客户端发送所述目标医生的标识信息，以使得所述用户客户端向所述目标患者推荐所述目标医生。7.根据权利要求6所述的装置，其特征在于，所述病科确定模块，包括：病科预测子模块，用于基于所述多媒体数据，预测所述目标患者的病情所属的第一病科；病科获得子模块，用于获得所述目标患者的历史病情所属的第二病科；第一病科确定子模块，用于基于所述目标患者的身份信息，确定相似患者的历史病情所属的病科，作为第三病科，其中，所述相似患者为：身份信息与所述目标患者的身份信息之间的相似度大于预设相似度阈值的患者；第二病科确定子模块，用于从所述第一病科、第二病科与第三病科中确定所述目标患者的病情所属的目标病科。8.根据权利要求7所述的装置，其特征在于，所述第二病科确定子模块，具体用于确定所述目标患者历史出现第一病科的病情的第一频次、历史出现第二病科的病情的第二频次、以及历史出现第三病科的病情的第三频次；基于所述第一频次、第二频次以及第三频次，确定所述目标患者的病情所属的目标病科。9.一种电子设备，其特征在于，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；存储器，用于存放计算机程序；处理器，用于执行存储器上所存放的程序时，实现权利要求1-5任一所述的方法步骤。10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现权利要求1-5任一所述的方法步骤。

技术总结

本发明实施例提供了一种基于儿童远程医疗的医生推荐方法及装置，涉及医疗器械技术领域，上述方法包括：接收所述用户客户端发送的医生推荐请求，其中，所述医生推荐请求中包括：表征目标患者的病情的多媒体数据、以及所述目标患者的身份信息；基于所述多媒体数据以及身份信息，确定所述目标患者的病情所属的目标病科；基于所述目标病科，确定待推荐的目标医生；向所述用户客户端发送所述目标医生的标识信息，以使得所述用户客户端向所述目标患者推荐所述目标医生。应用本实施例提供的方案，能够提高所推荐的医生与患者的匹配度。提高所推荐的医生与患者的匹配度。提高所推荐的医生与患者的匹配度。