一种基于互联网医院的AI智能在线诊断方法及云系统

摘要

本发明属于在线诊断技术领域，具体公开提供的一种基于互联网医院的AI智能在线诊断方法及云系统，包括：根据人体结构图，构建人体症状信息库；获取当前目标线上问诊平台当前注册人员对应的注册信息；采集该目标分析人员输入的当前症状信息和上传的检查报告信息；获取该目标线上问诊平台各注册医生对应的基本信息和历史看诊信息；根据目标分析人员输入的当前症状信息和上传的检查报告信息，确认该目标分析人员对应的适配注册医生；本发明有效的解决了当前互联网医院的在线诊断方法无法提高病患的诊断效率的问题，同时提高了病患病症信息采集的精准性，在一定程度上也大大的保障了人员诊断结果的可靠性。

权利要求

1.一种基于互联网医院的AI智能在线诊断方法，其特征在于，该方法包括以下步骤：步骤1、人体症状信息库构建：根据人体结构图，获取人体部位数量，将各人体部位按照预设顺序进行编号，依次标记为1,2，...j,...m，构建人体症状信息库；

步骤2、人员注册信息获取：获取当前目标线上问诊平台当前注册人员对应的注册信息，将当前注册人员记为目标分析人员，其中注册信息包括年龄、性别、联系方式和注册账号；

步骤3、症状信息与检查报告信息采集:当目标分析人员完成该目标线上问诊平台注册后，对当前对应的症状信息进行输入，并上传检查报告信息，采集该目标分析人员输入的当前症状信息和上传的检查报告信息，将采集的目标分析人员输入的当前症状信息和上传的检查报告信息存入该目标线上问诊平台对应的问诊人员信息数据库中；

步骤4、注册医生信息获取：获取目标线上问诊平台对应的注册医生数量，将目标线上问诊平台对应的各注册医生按照预设顺序进行编号，依次标记为1,2，...i，...n，获取该目标线上问诊平台各注册医生对应的基本信息和历史看诊信息，将目标线上问诊平台各注册医生对应的基本信息和历史看诊信息导入目标线上问诊平台对应的注册医生信息库中；

步骤5、注册医生筛选与确认：根据目标分析人员输入的当前症状信息和上传的检查报告信息，确认该目标分析人员对应的适配注册医生，将该适配注册医生记为该目标分析人员对应的目标问诊医生；

步骤6、信息发送：当确认该目标分析人员对应的目标问诊医生后，从该目标线上问诊平台调取该目标分析人员对应目标问诊医生的交互界面链接，并发送至该目标分析人员对应的登录界面；

所述确认该目标分析人员对应的适配注册医生包括将具体确认过程如下：获取目标分析人员输入的当前症状信息和上传的检查报告信息，根据目标分析人员输入的症状信息，获取目标分析人员对应的症状位置、目标分析人员症状位置对应的症状类型、目标分析人员其症状位置对应症状类型的症状等级；

获取目标线上问诊平台各注册医生对应的基本信息和各注册医生对应的历史看诊信息；

根据目标线上问诊平台各注册医生对应的基本信息，对各注册医生进行推荐权重设置；

将目标分析人员输入的当前症状信息和上传的检查报告信息与目标线上问诊平台各注册医生对应的基本信息和历史看诊信息进行匹配对比，统计目标线上问诊平台各注册医生对应的适配指数；

所述确认该目标分析人员对应的适配注册医生还包括根据统计的该目标线上问诊平台各注册医生对应的适配指数和各注册医生对应的推荐权重值，统计各注册医生对应的综合优选指数，将目标线上问诊平台各注册医生对应的综合优选指数按照从大到小进行排序，提取排名第一位的注册医生，将该注册医生作为该目标分析人员对应的目标问诊医生；

所述目标线上问诊平台各注册医生对应的适配指数具体统计包括各注册医生看诊匹配度统计和各注册医生看诊人员报告匹配度统计；

其中，各注册医生看诊匹配度统计过程为：1）根据目标线上问诊平台各注册医生对应的擅长领域，获取各擅长领域对应的诊断症状位置，将各擅长领域对应的诊断症状位置记为擅长诊断症状位置；

2）根据目标分析人员输入的当前症状信息，获取目标分析人员当前对应的症状位置，将目标分析人员当前对应的症状位置与各注册医生对应的各擅长诊断症状位置进行对比，若某注册医生擅长诊断症状位置包含目标分析人员当前对应的症状位置，则将该注册医生擅长领域与目标分析人员症状位置对应的匹配度记为 ，反之则记为 ， > ，进而获取各注册医生擅长领域对应的匹配度；

3）根据目标线上问诊平台各注册医生对应的历史看诊信息，获取各注册医生对应的历史看诊人员数量，将各注册医生对应的各历史看诊人员记为 ，q表示历史看诊人员编号，q=1,2，......z；

4）调取各注册医生各看诊人员对应的症状位置，将各注册医生各历史看诊人员对应的诊断位置与目标分析人员当前对应的症状位置进行对比，从各注册医生历史看诊人员中筛选出与目标分析人员当前对应的症状位置一致的历史看诊人员数量，将与目标分析人员当前对应的症状位置一致的历史看诊人员记为症状位置匹配人员,统计各注册医生对应的症状位置匹配人员数量，计算各注册医生看诊症状位置匹配度，其计算公式为 ， 表示第i个注册医生看诊症状位置匹配度， 表示第i个注册医生对应的症状位置匹配人员数量， 表示第i个注册医生对应的历史看诊人员数量；

5）获取各注册医生对应各症状位置匹配人员的症状类型，统计各注册医生对应的综合看诊症状类型和各综合看诊症状类型对应的症状位置匹配人员数量；

6）根据各注册医生各综合看诊症状类型对应的症状位置匹配人员数量，从中筛选出与目标分析人员当前症状位置对应症状类型一致的人员数量，将目标分析人员当前症状位置对应症状类型一致的人员记为病症类型匹配人员；

7）将各注册医生对应的综合看诊症状类型数量，构建各注册医生综合看诊类型集合，标记为 ， 表示第i个注册医生对应的综合看诊类型集合，根据目标分析人员当前症状位置对应的症状类型，构建目标分析人员症状类型集合，标记为B，利用计算公式计算各注册医生看诊症状类型匹配度，其计算公式为 , 表示第i个注册医生对应的看诊症状类型匹配度， 表示第i个注册医生对应的病症类型匹配人员数量；

8）按照各注册医生看诊症状位置匹配度的分析方式对目标分析人员当前症状部位对应症状类型的症状等级进行分析，获取各注册医生对应的看诊症状等级匹配度，标记为 ，表示第i个注册医生对应的看诊症状等级匹配度；

9）利用计算公式计算各注 册医 生综合看诊匹配度 ，其计算公式 为， 表示第i个注册医生对应的综合看诊匹配度，表示第i个注册医生对应的擅长领域匹配度， 取值为 或者 ， 为预设系数；

其中，各注册医生看诊人员报告匹配度统计过程为：H1、根据各注册医生对应的症状位置匹配人员数量，将各注册医生对应的各症状位置匹配人员标记为 ，d=1,2,......c,根据目标线上问诊平台各注册医生各历史看诊人员对应的检查报告信息，调取目标线上问诊平台各注册医生各症状位置匹配人员对应的检查报告信息；

H2、将各注册医生各症状位置匹配人员对应的检查报告信息中各检查参数与目标分析人员症状位置对应检查报告信息中各检查参数进行对比，统计各注册医生看诊人员报告匹配度，其计算公式为 , 表示第i个注册医生对应的看诊人员报告匹配度， 表示第i个注册医生第d个症状位置匹配人员第u个检查参数对应的数值， 表示目标分析人员症状位置对应检查报告信息中第u个检查参数对应的数值， 为预设差值,u=1,

2,......v；c表示症状位置匹配人员的数量，v表示检查参数的数量，e表示自然底数，为

2.718 ；

H3、根据统计的各注册医生综合看诊匹配度和各注册医生看诊人员报告匹配度，计算各注册医生对应的适配指数，其计算公式为 , 表示第i个注册医生对应的适配指数， 为预设系数， 为预设标准适配指数。

2.根据权利要求1所述的一种基于互联网医院的AI智能在线诊断方法，其特征在于，所述人体症状信息库具体构建过程为：根据人体部位结构图，获取人体对应的部位数量和人体各部位对应的位置，根据人体各部位对应的位置，获取人体各部位对应的症状类型，将人体各部位对应的各症状类型标记为 ，j表示人体部位的其中一个编号，g=1,2，......f,根据人体各部位对应的各症状类型，进行病症等级设置，将设置的各病症等级依次标记为

1,2，...k...s,根据人体对应的部位数量、人体各部位对应的症状类型和人体各部位各症状类型对应的各病症等级，构建人体症状信息库。

3.根据权利要求1所述的一种基于互联网医院的AI智能在线诊断方法，其特征在于，所述目标分析人员对当前对应的症状信息进行输入时，还包括进行输入类型选取和根据目标分析人员输入的病症信息进行辅助填写信息推荐；其中，输入类型选取用于当目标分析人员完成账号注册并进行病症填写时，发送病症填写方式至该目标分析人员对应的填写界面，输入类型包括文字输入和语音输入；

辅助填写信息推荐包括症状辅助信息预处理和症状辅助信息发送。

4.根据权利要求3所述的一种基于互联网医院的AI智能在线诊断方法，其特征在于，所述症状辅助信息预处理的具体过程包括以下步骤：根据构建的人体症状信息库，获取人体各部位对应的症状类型和人体各部位各症状类型对应的各病症等级；

将人体部位记为症状位置匹配因子，根据人体各部位对应的位置，分别构建人体症状位置标签，将构建的各人体症状位置标签添加至症状位置匹配因子中，生成症状位置辅助信息匹配因子；

将人体各部位对应的各症状类型记为症状类型匹配因子，根据人体各部位对应症状类型，分别构建人体症状类型标签，将各人体症状类型标签添加至症状类型匹配因子中，生成症状类型辅助信息匹配因子，将症状类型辅助信息匹配因子记为症状位置辅助信息匹配因子对应的关联因子；

将人体各部位各症状类型对应的各病症等级记为症状等级匹配因子，根据人体各部位各症状类型对应的病症等级，分别构建人体症状等级标签，将构建的各人体症状等级标签添加至症状等级匹配因子中，生成症状等级辅助信息匹配因子，将症状等级辅助信息匹配因子记为症状类型辅助信息匹配因子对应关联因子；

将症状类型辅助信息匹配因子、症状等级辅助信息匹配因子和症状位置辅助信息匹配因子进行整合，构建症状辅助信息匹配模型。

5.根据权利要求4所述的一种基于互联网医院的AI智能在线诊断方法，其特征在于，所述症状辅助信息发送具体包括：当目标分析人员完成输入类型选取后，实时采集目标分析人员对应的输入病症信息，根据目标分析人员对应的输入信息，将目标分析人员当前对应的输入信息与症状辅助信息匹配模型中对应各辅助信息匹配因子进行匹配对比，得到目标分析人员当前输入信息对应的辅助信息匹配因子，根据目标分析人员对应的辅助信息匹配因子，提取目标分析人员辅助信息匹配因子对应的关联因子，将该关联因子对应各标签记为目标辅助填写信息，将目标辅助填写信息发送至目标分析人员当前输入界面，进行窗口弹出。

6.根据权利要求1所述的一种基于互联网医院的AI智能在线诊断方法，其特征在于，所述检查报告信息包括检查部位、检查部位对应的医学影像图和检查部位各检查参数对应的数值，将检查部位各检查参数依次标记为1,2，...，u，...v。

7.根据权利要求1所述的一种基于互联网医院的AI智能在线诊断方法，其特征在于，所述该目标线上问诊平台各注册医生对应的基本信息包括该目标线上问诊平台各注册医生对应的职位类型、擅长领域类型、就职医院名称、就职时长和看诊评价等级，历史看诊信息包括历史看诊人员数量、历史各看诊人员对应的症状位置、症状类型、症状等级和检查报告信息。

8.一种云系统，其特征在于，所述云系统包括处理器、机器可读存储介质和网络接口，所述机器可读存储介质、所述网络接口以及所述处理器之间通过总线系统相连，所述网络接口用于与至少一个AI智能在线诊断终端通信连接，所述机器可读存储介质用于存储程序、指令或代码，所述处理器用于执行所述机器可读存储介质中的程序、指令或代码，以执行权利要求1‑7中任意一项的基于互联网医院的AI智能在线诊断方法。

说明书

一种基于互联网医院的AI智能在线诊断方法及云系统

技术领域

[0001] 本发明属于在线诊断技术领域，涉及到一种基于互联网医院的AI智能在线诊断方法及云系统。

背景技术

[0002] 随着人口老龄化的加快和人们对医疗卫生服务要求的日益提高，传统的片段式、分散式的医疗模式已经不能满足当今需求，互联网医院作为互联网医疗服务的承载形式之
一，有效的缓解了当前医疗模式下衍生的问题，互联网医院包括了以互联网为载体和技术
手段的健康教育、在线诊断等多种形式的健康医疗服务。

[0003] 当前互联网医院的在线诊断方法主要有两种模式，一种是病患自主选取医生进行在线交互诊断，另一种是病患发布病症信息至互联网医院在线诊断平台，平台注册医生根
据病患对应的病症信息进行解答诊断，这两种方式都是自主匹配，前者属于一对一模式，后
者属于一对多模式，很显然，这两种方式还存在以下几个方面的问题：1、不管是病患一对一
模式还是一对多模式，这两种模式都是属于自主选择模式，自主选择模式在某种程度上都
存在偶然性，诊断效率无法得到有效保障，病患需要花费一定的等待时间，因此，当前互联
网医院的在线诊断方法无法有效的提高病患的诊断效率，同时也无法有效的节省用户的等
待时长。

[0004] 2、当前互联网医院在线诊断方法的这种自主匹配模式，在自主匹配过程中存在人员的主观因素，无法有效的保障匹配结果的精准性，在一定程度上也无法保障人员诊断结
果的精准性。

[0005] 3、当前互联网在线诊断方法的这种自主匹配模式中，在用户病症信息初步获取时主要是通过简单的问卷形式进行病症信息采集，这种方式无法保障病患病症信息采集的精
准性，同时也无法保障后续对病患诊断结果的可靠性和参考性。

发明内容

[0006] 鉴于此，为解决上述背景技术中所提出的问题，现提出针对互联网医生匹配的一种基于互联网医院的AI智能在线诊断方法及云系统，实现了患者病症的精准诊断。

[0007] 本发明的目的可以通过以下技术方案实现：本发明第一方面提供了一种基于互联网医院的AI智能在线诊断方法，该方法包括以下步骤：步骤1、人体症状信息库构建：根据人
体结构图，获取人体部位数量，将各人体部位按照预设顺序进行编号，依次标记为1,2，
...j,...m，构建人体症状信息库。

[0008] 步骤2、人员注册信息获取：获取当前目标线上问诊平台当前注册人员对应的注册信息，将当前注册人员记为目标分析人员，其中注册信息包括年龄、性别、联系方式和注册
账号。

[0009] 步骤3、症状信息与检查报告信息采集:当目标分析人员完成该目标线上问诊平台注册后，对当前对应的症状信息进行输入，并上传检查报告信息，采集该目标分析人员输入
的当前症状信息和上传的检查报告信息，将采集的目标分析人员输入的当前症状信息和上
传的检查报告信息存入该目标线上问诊平台对应的问诊人员信息数据库中。

[0010] 步骤4、注册医生信息获取：获取目标线上问诊平台对应的注册医生数量，将目标线上问诊平台对应的各注册医生按照预设顺序进行编号，依次标记为1,2，...i，...n，获取
该目标线上问诊平台各注册医生对应的基本信息和历史看诊信息，将目标线上问诊平台各
注册医生对应的基本信息和历史看诊信息导入目标线上问诊平台对应的注册医生信息库
中。

[0011] 步骤5、注册医生筛选与确认：根据目标分析人员输入的当前症状信息和上传的检查报告信息，确认该目标分析人员对应的适配注册医生，将该适配注册医生记为该目标分
析人员对应的目标问诊医生。

[0012] 步骤6、信息发送：当确认该目标分析人员对应的目标问诊医生后，从该目标线上问诊平台调取该目标分析人员对应目标问诊医生的交互界面链接，并发送至该目标分析人
员对应的登录界面。

[0013] 作为优选方案，所述人体症状信息库具体构建过程为：根据人体部位结构图，获取人体对应的部位数量和人体各部位对应的位置，根据人体各部位对应的位置，获取人体各
部位对应的症状类型，将人体各部位对应的各症状类型标记为 ，g=1,2，......f,根据
人体各部位对应的各症状类型，进行病症等级设置，将设置的各病症等级依次标记为1,
2，...k...s,根据人体对应的部位数量、人体各部位对应的症状类型和人体各部位各症状
类型对应的各病症等级，构建人体症状信息库。

[0014] 作为优选方案，所述目标分析人员对当前对应的症状信息进行输入时，还包括进行输入类型选取和根据目标分析人员输入的病症信息进行辅助填写信息推荐；其中，输入
类型选取用于当目标分析人员完成账号注册并进行病症填写时，发送病症填写方式至该目
标分析人员对应的填写界面，输入类型包括文字输入和语音输入。

[0015] 辅助填写信息推荐包括症状辅助信息预处理和症状辅助信息发送。

[0016] 作为优选方案，所述症状辅助信息预处理的具体过程包括以下步骤：根据构建的人体症状信息库，获取人体各部位对应的症状类型和人体各部位各症状类型对应的各病症
等级。

[0017] 将人体部位记为症状位置匹配因子，根据人体各部位对应的位置，分别构建人体症状位置标签，将构建的各人体症状位置标签添加至症状位置匹配因子中，生成症状位置
辅助信息匹配因子。

[0018] 将人体各部位对应的各症状类型记为症状类型匹配因子，根据人体各部位对应症状类型，分别构建人体症状类型标签，将各人体症状类型标签添加至症状类型匹配因子中，
生成症状类型辅助信息匹配因子，将症状类型辅助信息匹配因子记为症状位置辅助信息匹
配因子对应的关联因子。

[0019] 将人体各部位各症状类型对应的各病症等级记为症状等级匹配因子，根据人体各部位各症状类型对应的病症等级，分别构建人体症状等级标签，将构建的各人体症状等级
标签添加至症状等级匹配因子中，生成症状等级辅助信息匹配因子，将症状等级辅助信息
匹配因子记为症状类型辅助信息匹配因子对应关联因子。

[0020] 将症状类型辅助信息匹配因子、症状等级辅助信息匹配因子和症状位置辅助信息匹配因子进行整合，构建症状辅助信息匹配模型。

[0021] 作为优选方案，所述症状辅助信息发送具体包括：当目标分析人员完成输入类型选取后，实时采集目标分析人员对应的输入病症信息，根据目标分析人员对应的输入信息，
将目标分析人员当前对应的输入信息与症状辅助信息匹配模型中对应各辅助信息匹配因
子进行匹配对比，得到目标分析人员当前输入信息对应的辅助信息匹配因子，根据目标分
析人员对应的辅助信息匹配因子，提取目标分析人员辅助信息匹配因子对应的关联因子，
将该关联因子对应各标签记为目标辅助填写信息，将目标辅助填写信息发送至目标分析人
员当前输入界面，进行窗口弹出。

[0022] 作为优选方案，所述检查报告信息包括检查部位、检查部位对应的医学影像图和检查部位各检查参数对应的数值，将检查部位各检查参数依次标记为1,2，...，u，...v。

[0023] 作为优选方案，所述该目标线上问诊平台各注册医生对应的基本信息包括该目标线上问诊平台各注册医生对应的职位类型、擅长领域类型、就职医院名称、就职时长和看诊
评价等级，历史看诊信息包括历史看诊人员数量、历史各看诊人员对应的症状位置、症状类
型、症状等级和检查报告信息。

[0024] 作为优选方案，所述确认该目标分析人员对应的适配注册医生包括将具体确认过程如下：获取目标分析人员输入的当前症状信息和上传的检查报告信息，根据目标分析人
员输入的症状信息，获取目标分析人员对应的症状位置、目标分析人员症状位置对应的症
状类型、目标分析人员其症状位置对应症状类型的症状等级。

[0025] 获取目标线上问诊平台各注册医生对应的基本信息和各注册医生对应的历史看诊信息；

[0026] 根据目标线上问诊平台各注册医生对应的基本信息，对各注册医生进行推荐权重设置。

[0027] 将目标分析人员输入的当前症状信息和上传的检查报告信息与目标线上问诊平台各注册医生对应的基本信息和历史看诊信息进行匹配对比，统计目标线上问诊平台各注
册医生对应的适配指数。

[0028] 作为优选方案，所述确认该目标分析人员对应的适配注册医生还包括根据统计的该目标线上问诊平台各注册医生对应的适配指数和各注册医生对应的推荐权重值，统计各
注册医生对应的综合优选指数，将目标线上问诊平台各注册医生对应的综合优选指数按照
从大到小进行排序，提取排名第一位的注册医生，将该注册医生作为该目标分析人员对应
的目标问诊医生。

[0029] 本发明第二方面提供了一种云系统，所述云系统包括处理器、机器可读存储介质和网络接口，所述机器可读存储介质、所述网络接口以及所述处理器之间通过总线系统相
连，所述网络接口用于与至少一个AI智能在线诊断终端通信连接，所述机器可读存储介质
用于存储程序、指令或代码，所述处理器用于执行所述机器可读存储介质中的程序、指令或
代码，以执行本发明基于互联网医院的AI智能在线诊断方法。

[0030] 相对于现有技术，本发明所述的基于互联网医院的AI智能在线诊断方法及云系统具有的有益效果如下：本发明提供的一种基于互联网医院的AI智能在线诊断方法，通过将
该目标分析人员输入的当前症状信息和上传的检查报告信息与目标线上问诊平台各注册
医生对应的基本信息和历史看诊信息进行匹配分析对比，一方面，有效的解决了当前互联
网医院的在线诊断方法无法提高病患的诊断效率的问题，大大的的节省用户的等待时长，
一方面，避免了人员自主匹配时人员主观因素对匹配结果的影响，进而有效的保障匹配结
果的精准性，同时在一定程度上也大大的保障了人员诊断结果的精准性，另一方面，大大保
障了病患病症信息采集的精准性，同时也有效的保障了后续对病患诊断结果的可靠性和参
考性。

附图说明

[0031] 为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述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发明的一些实施例，对于本领
域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附
图。

[0032] 图1为本发明方法实施步骤流程图。

具体实施方式

[0033] 下面将结合本发明实施以上内容仅仅是对本发明的构思所作的举例和说明，所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方
式替代，只要不偏离发明的构思或者超越本权利要求书所定义的范围，均应属于本发明的
保护范围。

[0034] 请参阅图1所示，一种基于互联网医院的AI智能在线诊断方法，该方法包括以下步骤：步骤1、人体症状信息库构建：根据人体结构图，获取人体部位数量，将各人体部位按照
预设顺序进行编号，依次标记为1,2，...j,...m，构建人体症状信息库；

[0035] 具体地，所述人体症状信息库具体构建过程为：根据人体部位结构图，获取人体对应的部位数量和人体各部位对应的位置，根据人体各部位对应的位置，获取人体各部位对
应的症状类型，将人体各部位对应的各症状类型标记为 ，g=1,2，......f,根据人体各
部位对应的各症状类型，进行病症等级设置，将设置的各病症等级依次标记为1,2，
...k...s,根据人体对应的部位数量、人体各部位对应的症状类型和人体各部位各症状类
型对应的各病症等级，构建人体症状信息库。

[0036] 在一个具体实施例中，所述人体身体部位包括头部、眼部、耳部等，其中，头部对应的症状类型包括头痛、头胀、眩晕等，眼部对应的症状类型包括干涩、模糊、发红等，耳部对
应的症状类型包括耳鸣、耳痛和肿胀等。

[0037] 本发明实施例通过构建人体症状信息库，为后续对目标分析人员对当前对应的症状信息进行输入进行辅助填写时提供了信息基础，在一定程度上保障了用户输入症状信息
的精准性和可理解性，同时还提高了后续医生对该目标分析人员诊断的针对性和精准性。

[0038] 步骤2、人员注册信息获取：获取当前目标线上问诊平台当前注册人员对应的注册信息，将当前注册人员记为目标分析人员，其中注册信息包括年龄、性别、联系方式和注册
账号。

[0039] 本发明实施例通过获取人员注册信息，便于后续对当前注册人员的管理。

[0040] 步骤3、症状信息与检查报告信息采集:当目标分析人员完成该目标线上问诊平台注册后，对当前对应的症状信息进行输入，并上传检查报告信息，采集该目标分析人员输入
的当前症状信息和上传的检查报告信息，将采集的目标分析人员输入的当前症状信息和上
传的检查报告信息存入该目标线上问诊平台对应的问诊人员信息数据库中；

[0041] 具体地，所述目标分析人员对当前对应的症状信息进行输入时，还包括进行输入类型选取和根据目标分析人员输入的病症信息进行辅助填写信息推荐；其中，输入类型选
取用于当目标分析人员完成账号注册并进行病症填写时，发送病症填写方式至该目标分析
人员对应的填写界面，输入类型包括文字输入和语音输入。

[0042] 辅助填写信息推荐包括症状辅助信息预处理和症状辅助信息发送。

[0043] 需要说明的是，所述症状辅助信息预处理的具体过程包括以下步骤：H1、根据构建的人体症状信息库，获取人体各部位对应的症状类型和人体各部位各症状类型对应的各病
症等级。

[0044] H2、将人体部位记为症状位置匹配因子，根据人体各部位对应的位置，分别构建人体症状位置标签，将构建的各人体症状位置标签添加至症状位置匹配因子中，生成症状位
置辅助信息匹配因子。

[0045] H3、将人体各部位对应的各症状类型记为症状类型匹配因子，根据人体各部位对应症状类型，分别构建人体症状类型标签，将各人体症状类型标签添加至症状类型匹配因
子中，生成症状类型辅助信息匹配因子，将症状类型辅助信息匹配因子记为症状位置辅助
信息匹配因子对应的关联因子。

[0046] H4、将人体各部位各症状类型对应的各病症等级记为症状等级匹配因子，根据人体各部位各症状类型对应的病症等级，分别构建人体症状等级标签，将构建的各人体症状
等级标签添加至症状等级匹配因子中，生成症状等级辅助信息匹配因子，将症状等级辅助
信息匹配因子记为症状类型辅助信息匹配因子对应关联因子。

[0047] H5、将症状类型辅助信息匹配因子、症状等级辅助信息匹配因子和症状位置辅助信息匹配因子进行整合，构建症状辅助信息匹配模型。

[0048] 需要说明的是，所述症状辅助信息发送具体包括：当目标分析人员完成输入类型选取后，实时采集目标分析人员对应的输入病症信息，根据目标分析人员对应的输入信息，
将目标分析人员当前对应的输入信息与症状辅助信息匹配模型中对应各辅助信息匹配因
子进行匹配对比，得到目标分析人员当前输入信息对应的辅助信息匹配因子，根据目标分
析人员对应的辅助信息匹配因子，提取目标分析人员辅助信息匹配因子对应的关联因子，
将该关联因子对应各标签记为目标辅助填写信息，将目标辅助填写信息发送至目标分析人
员当前输入界面，进行窗口弹出。

[0049] 示例性的，目标分析人员当前对应的输入信息与症状辅助信息匹配模型中对应各辅助信息匹配因子进行匹配对比的具体过程包括以下步骤：当目标分析人员输入头部时，
将头部与症状位置辅助信息匹配因子中对应的各标签进行匹配对比，调取该目标分析人员
对应的症状位置，根据该目标分析人员对应的症状位置，调取该位置对应的症状类型辅助
信息匹配因子，将该位置对应的症状类型辅助信息匹配因子的各标签记为目标辅助填写信
息。

[0050] 本发明实施例通过在目标分析人员对当前对应的症状信息进行输入时，进行输入类型选取和根据目标分析人员输入的病症信息进行辅助填写信息推荐，为老年人员或者打
字不便人员提供了其他输入方式，有效的提高了目标线上问诊平台注册用户的满意度，同
时通过进行辅助填写信息推荐，大大保障了病患病症信息采集的精准性，在一定程度上，也
有效的保障了后续对病患诊断结果的可靠性和参考性。

[0051] 具体地，所述检查报告信息包括检查部位、检查部位对应的医学影像图和检查部位各检查参数对应的数值，将检查部位各检查参数依次标记为1,2，...，u，...v。

[0052] 在一个具体实施例中，例如检查部位为头部时，检测部位对应的医学影像图为头部CT图，头部对应的检查参数包括包括C反应蛋白含量、红细胞数目、白细胞数目、血红蛋白
浓度等。

[0053] 本发明实施例通过采集通过采集目标分析人员输入症状信息和上传检查报告信息，为医生对目标分析人员病症的诊断提供了双重信息保障，进而提高了医生对目标分析
人员病症的了解程度，促进了医生对目标分析人员的诊断效率，同时提升了医生对目标分
析人员病症诊断的精准性。

[0054] 步骤4、注册医生信息获取：获取目标线上问诊平台对应的注册医生数量，将目标线上问诊平台对应的各注册医生按照预设顺序进行编号，依次标记为1,2，...i，...n，获取
该目标线上问诊平台各注册医生对应的基本信息和历史看诊信息，将目标线上问诊平台各
注册医生对应的基本信息和历史看诊信息导入目标线上问诊平台对应的注册医生信息库
中。

[0055] 具体地，所述该目标线上问诊平台各注册医生对应的基本信息包括该目标线上问诊平台各注册医生对应的职位类型、擅长领域类型、就职医院名称、就职时长和看诊评价等
级，历史看诊信息包括历史看诊人员数量、历史各看诊人员对应的症状位置、症状类型、症
状等级和检查报告信息。

[0056] 在一个具体实施例中，所述职位类型如院长、医师、副主任医师等，擅长领域类型如糖尿病、颈椎病、高血压、恶性肿瘤等。

[0057] 本发明实施例通过获取目标线上问诊平台各注册医生对应的基本信息和历史看诊信息，为后续对注册医生筛选与确认提供了信息基础，同时也有效的提高了目标分析人
员与其适配注册医生对应的贴合度和适配度，进而提高了目标分析人员对应适配注册医生
筛选结果的可靠性。

[0058] 步骤5、注册医生筛选与确认：根据目标分析人员输入的当前症状信息和上传的检查报告信息，确认该目标分析人员对应的适配注册医生，将该适配注册医生记为该目标分
析人员对应的目标问诊医生。

[0059] 具体地，所述确认该目标分析人员对应的适配注册医生包括将具体确认过程如下：第一步、获取目标分析人员输入的当前症状信息和上传的检查报告信息，根据目标分析
人员输入的症状信息，获取目标分析人员对应的症状位置、目标分析人员症状位置对应的
症状类型、目标分析人员其症状位置对应症状类型的症状等级。

[0060] 第二步、获取目标线上问诊平台各注册医生对应的基本信息和各注册医生对应的历史看诊信息。

[0061] 第三步、根据目标线上问诊平台各注册医生对应的基本信息，对各注册医生进行推荐权重设置。

[0062] 需要说明的是，对各注册医生进行推荐权重设置的具体过程包括以下步骤：（1）、获取目标线上问诊平台各注册医生对应的职位类型，根据目标线上问诊平台各注册医生对
应的职位类型，进行各职位类型推荐权重设置，将各职位类型推荐权重记为 ，y表示职位
类型，y=1,2,......t，根据各职位类型对应的推荐权重，获取目标线上问诊平台各注册医
生职位类型对应的推荐权重，标记为 ，i表示注册医生编号，i=1,2，......n.

[0063] （2）、获取目标线上问诊平台各注册医生对应的就职医院名称，根据各注册医生对应的就职医院名称，获取各注册医生就职医院对应的医院等级，进行各医院等级推荐权重
设置，将各医院等级推荐权重记为 ，w=a1或a2或a3,a1表示一级医院等级，a2表示二级医
院等级，a3表示三级医院等级,根据各医院等级对应的推荐权重，获取目标线上问诊平台各
注册医生就职医院所属医院等级对应的推荐权重，并标记为 。

[0064] （3）、获取目标线上问诊平台各注册医生对应的就职时长，根据各注册医生对应的就职时长，将各注册医生对应的就职时长进行等级划分，获取各注册医生对应的就职时长
等级，并进行就职时长等级推荐权重设置，将各就职时长等级对应的推荐权重标记为 ，p=
b1,b2或b3,b1表示一级就职时长，a2表示二级就职时长，a3表示三级就职时长，根据各就职
时长等级对应的推荐权重，获取目标线上问诊平台各注册医生就职时长等级对应的推荐权
重，并标记为 。

[0065] （4）、获取目标线上问诊平台各注册医生对应的看诊评价等级，将各注册医生对应的看诊评价等级与预设的各看诊评价等级对应的推荐权重进行匹配对比，获取各注册医生
对应看诊评价等级对应的推荐权重，并标记为 。

[0066] （5）、根据目标线上问诊平台各注册医生职位类型对应的推荐权重、就职医院所属医院等级对应的推荐权重、就职时长等级对应的推荐权重和看诊评价等级对应的推荐权
重，计算目标线上问诊平台各注册医生对应的综合推荐权重值，其计算公式为
， 表示第i个注册医生对应的综合推荐权重值，
分别为预设的职位类型对应的权重因子、医院等级对应的权重因子、就职时长
对应的权重因子、看诊评价等级对应的权重因子。

[0067] 本发明实施例通过对各注册医生进行推荐权重设置，为对各注册医生匹配筛选提供了多重保障，避免了人员自主匹配时人员主观因素对匹配结果的影响，进而有效的保障
匹配结果的精准性，同时在一定程度上也大大的保障了人员诊断结果的精准性。

[0068] 第四步、将目标分析人员输入的当前症状信息和上传的检查报告信息与目标线上问诊平台各注册医生对应的基本信息和历史看诊信息进行匹配对比，统计目标线上问诊平
台各注册医生对应的适配指数。

[0069] 需要说明的是，所述目标线上问诊平台各注册医生对应的适配指数具体统计包括各注册医生看诊匹配度统计和各注册医生看诊人员报告匹配度统计。

[0070] 其中，各注册医生看诊匹配度统计过程为：1）根据目标线上问诊平台各注册医生对应的擅长领域，获取各擅长领域对应的诊断症状位置，将各擅长领域对应的诊断症状位
置记为擅长诊断症状位置。

[0071] 2）根据目标分析人员输入的当前症状信息，获取目标分析人员当前对应的症状位置，将目标分析人员当前对应的症状位置与各注册医生对应的各擅长诊断症状位置进行对
比，若某注册医生擅长诊断症状位置包含目标分析人员当前对应的症状位置，则将该注册
医生擅长领域与目标分析人员症状位置对应的匹配度记为 ，反之则记为 ， > ，进而获
取各注册医生擅长领域对应的匹配度。

[0072] 3）根据目标线上问诊平台各注册医生对应的历史看诊信息，获取各注册医生对应的历史看诊人员数量，将各注册医生对应的各历史看诊人员记为 ，q表示历史看诊人员
编号，q=1,2，......z。

[0073] 4）调取各注册医生各看诊人员对应的症状位置，将各注册医生各历史看诊人员对应的诊断位置与目标分析人员当前对应的症状位置进行对比，从各注册医生历史看诊人员
中筛选出与目标分析人员当前对应的症状位置一致的历史看诊人员数量，将与目标分析人
员当前对应的症状位置一致的历史看诊人员记为症状位置匹配人员,统计各注册医生对应
的症状位置匹配人员数量，计算各注册医生看诊症状位置匹配度，其计算公式为 ，
表示第i个注册医生看诊症状位置匹配度， 表示第i个注册医生对应的症状位置匹配
人员数量， 表示第i个注册医生对应的历史看诊人员数量。

[0074] 5）获取各注册医生对应各症状位置匹配人员的症状类型，统计各注册医生对应的综合看诊症状类型和各综合看诊症状类型对应的症状位置匹配人员数量。

[0075] 6）根据各注册医生各综合看诊症状类型对应的症状位置匹配人员数量，从中筛选出与目标分析人员当前症状位置对应症状类型一致的人员数量，将目标分析人员当前症状
位置对应症状类型一致的人员记为病症类型匹配人员。

[0076] 7）将各注册医生对应的综合看诊症状类型数量，构建各注册医生综合看诊类型集合，标记为 ， 表示第i个注册医生对应的综合看诊类型集合，根据目标分析人员当前症
状位置对应的症状类型，构建目标分析人员症状类型集合，标记为B，利用计算公式计算各
注册医生看诊症状类型匹配度，其计算公式为 , 表示第i个注册医
生对应的看诊症状类型匹配度， 表示第i个注册医生对应的病症类型匹配人员数量。

[0077] 8）按照各注册医生看诊症状位置匹配度的分析方式对目标分析人员当前症状部位对应症状类型的症状等级进行分析，获取各注册医生对应的看诊症状等级匹配度，标记
为 ， 表示第i个注册医生对应的看诊症状等级匹配度。

[0078] 9）利用计算公式计算各注册医生综合看诊匹配度，其计算公式为， 表示第i个注册医生对应的综合看诊匹配度，
表示第i个注册医生对应的擅长领域匹配度， 取值为 或者 ， 为预设系
数。

[0079] 其中，各注册医生看诊人员报告匹配度统计过程为：H1、根据各注册医生对应的症状位置匹配人员数量，将各注册医生对应的各症状位置匹配人员标记为 ，d=1,
2,......c,根据目标线上问诊平台各注册医生各历史看诊人员对应的检查报告信息，调取
目标线上问诊平台各注册医生各症状位置匹配人员对应的检查报告信息。

[0080] H2、将各注册医生各症状位置匹配人员对应的检查报告信息中各检查参数与目标分析人员症状位置对应检查报告信息中各检查参数进行对比，统计各注册医生看诊人员报
告匹配度，其计算公式为 , 表示第i个注册医生对应的看诊人员报
告匹配度， 表示第i个注册医生第d个症状位置匹配人员第u个检查参数对应的数值，
表示目标分析人员症状位置对应检查报告信息中第u个检查参数对应的数值， 为预设差
值,u=1,2,......v；c表示症状位置匹配人员的数量，v表示检查参数的数量，e表示自然底
数，为2.718 。

[0081] H3、根据统计的各注册医生综合看诊匹配度和各注册医生看诊人员报告匹配度，计算各注册医生对应的适配指数，其计算公式为 , 表示第i个注册医
生对应的适配指数， 为预设系数， 为预设标准适配指数。

[0082] 进一步地，所述确认该目标分析人员对应的适配注册医生还包括根据统计的该目标线上问诊平台各注册医生对应的适配指数和各注册医生对应的推荐权重值，统计各注册
医生对应的综合优选指数，将目标线上问诊平台各注册医生对应的综合优选指数按照从大
到小进行排序，提取排名第一位的注册医生，将该注册医生作为该目标分析人员对应的目
标问诊医生。

[0083] 其中，各注册医生对应的综合优选指数计算公式为 ， 表示第i个注册医生对应的综合优选指数。

[0084] 本发明实施例通过在统计计目标线上问诊平台各注册医生对应的适配指数时，通过分别对目标分析用户对应的症状位置、症状类型、症状等级和检查报告信息分别与目标
线上问诊平台各注册医生对应的历史各看诊人员对应的症状位置、症状类型、症状等级和
检查报告信息进行一一对比分析，提高了目标分析人员目标问诊医生匹配的精准性，通过
进行对各注册医生多维度的分析，最大程度的保障了目标分析人员对应目标问诊医生确认
的合理性，促进了后续对目标分析人员诊断的进程，进而提升了目标分析人员的诊断效率。

[0085] 步骤6、信息发送：当确认该目标分析人员对应的目标问诊医生后，从该目标线上问诊平台调取该目标分析人员对应目标问诊医生的交互界面链接，并发送至该目标分析人
员对应的登录界面。

[0086] 本发明通过将该目标分析人员目标问诊医生对应的交互界面链接发送至该目标分析人员对应的登录界面，有效的解决了当前互联网医院的在线诊断方法无法提高病患的
诊断效率的问题，避免了目标分析人员一对一模式或者一对多诊断模式造成的等待时间过
长的问题，进而节省了用户在线诊断时长，满足了用户对线上高效率诊断需求。

[0087] 本发明还提供了一种云系统，所述云系统包括处理器、机器可读存储介质和网络接口，所述机器可读存储介质、所述网络接口以及所述处理器之间通过总线系统相连，所述
网络接口用于与至少一个AI智能在线诊断终端通信连接，所述机器可读存储介质用于存储
程序、指令或代码，所述处理器用于执行所述机器可读存储介质中的程序、指令或代码，以
执行本发明基于互联网医院的AI智能在线诊断方法。

[0088] 以上内容仅仅是对本发明的构思所作的举例和说明，所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，只要不偏离发明
的构思或者超越本权利要求书所定义的范围，均应属于本发明的保护范围。