一种医学科普系统、方法及服务器

技术领域

本发明属于医疗保健信息学领域，涉及一种科普系统，特别是涉及一种医学科普系统、方法及服务器。

背景技术

近年来，随着人们健康意识的不断提高，公众对医学科普的需求与日俱增。医学科普是指利用各种传媒以浅显的、通俗易懂的方式，让公众接受医学知识、倡导医学方法、传导医学思想和弘扬医学精神。现有的医学科普方法通常是由医务工作者根据自己的判断来选取相应的科普信息并推送给用户。用户接收到推送的科普信息后，可以根据自己的兴趣和需求选取相应的科普信息进行查阅。发明人在实际应用中发现，用户往往青睐于获取与自身健康状况相关的科普信息，例如，对于血压偏高的用户，其更希望接收到高血压预防、缓解和治疗等方面的信息。然而，现有的医学科普方法并未考虑用户的健康状况，致使科普的效果较差。

发明内容

鉴于以上所述现有技术的缺点，本发明的目的在于提供一种医学科普系统、方法及服务器，用于解决现有医学科普方法并未考虑用户的健康状况从而导致科普效果较差的问题。

为实现上述目的及其他相关目的，本发明的第一方面提供一种医学科普系统。所述医学信息科普系统包括：存储模块，其上存储有一关联模型；所述关联模型包括多种疾病和疾病信息；其中，每种疾病至少与一个疾病信息相关联，所述疾病信息包括症状体征、检查指标和/或档案相关信息；健康信息获取模块，用于获取用户的健康信息；所述健康信息包括症状子信息、指标子信息和/或档案子信息；其中，用户的症状子信息与症状体征相关联，用户的指标子信息与检查指标相关联，用户的档案子信息与档案相关信息相关联；相关疾病查找模块，与所述存储模块和所述健康信息获取模块相连，用于根据所述用户的健康信息从所述关联模型中查找相关疾病；科普信息获取模块，与所述存储模块和所述相关疾病查找模块相连，用于根据所述相关疾病和所述关联模型获取用户科普信息。

于所述第一方面的一实施例中，所述相关疾病查找模块包括：用户疾病获取单元，与所述健康信息获取模块相连，用于根据所述用户的健康信息获取用户的疾病信息；相关疾病查找单元，与所述用户疾病获取单元和所述存储模块相连，用于根据所述用户的疾病信息从所述关联模型中查找所述相关疾病。

于所述第一方面的一实施例中，所述医学信息科普系统还包括：患病概率计算模块，与所述相关疾病查找模块、所述存储模块和所述科普信息获取模块相连，用于根据所述关联模型计算所述相关疾病的患病概率。

于所述第一方面的一实施例中，所述患病概率计算模块包括：权重计算单元，与所述相关疾病查找模块和所述存储模块相连，用于根据所述关联模型计算用户的疾病信息的权重值；概率计算单元，与所述权重计算单元和所述存储模块相连，用于根据所述用户的疾病信息的权重值和所述关联模型计算所述相关疾病的患病概率。

于所述第一方面的一实施例中，所述患病概率计算模块包括：训练数据获取单元，与所述存储模块相连，用于获取训练数据；所述训练数据来源于所述关联模型和诊断案例数据库；神经网络训练单元，与所述训练数据获取单元相连，用于利用所述训练数据对一神经网络模型进行训练，以获得训练好的概率计算神经网络模型；神经网络处理单元，与所述神经网络训练单元和所述相关疾病查找模块相连，用于利用所述概率计算神经网络模型对用户的疾病信息进行处理，以获得所述相关疾病的患病概率。

于所述第一方面的一实施例中，所述医学信息科普系统还包括：健康画像获取模块，与所述科普信息获取模块相连，用于获取用户的健康画像；所述科普信息获取模块还用于根据所述用户的健康画像获取用户科普信息。

于所述第一方面的一实施例中，所述科普信息获取模块包括：疾病信息获取单元，与所述相关疾病查找模块和所述存储模块相连，用于从所述关联模型中获取所述相关疾病的疾病信息；科普信息获取单元，与所述疾病信息获取单元相连，用于根据所述相关疾病的疾病信息获取所述用户科普信息；优先级获取单元，与所述科普信息获取单元相连，用于设置所述用户科普信息的优先级。

于所述第一方面的一实施例中，所述科普信息获取单元根据所述相关疾病的疾病信息从一科普信息数据库中查找所述用户科普信息。

于所述第一方面的一实施例中，所述科普信息获取模块还包括：阅读状况统计单元，与所述优先级获取单元相连，用于统计所述科普信息数据库所包含的科普信息的阅读状况。

于所述第一方面的一实施例中，所述科普信息获取模块还包括：科普信息编辑单元，与所述存储模块、所述相关疾病查找模块和所述科普信息获取单元相连，用于根据所述关联模型和所述相关疾病，对所述科普信息获取单元获取的用户科普信息进行编辑，以生成新的科普信息。

于所述第一方面的一实施例中，所述医学信息科普系统还包括：阅读偏好获取模块，与所述科普信息获取模块相连，用于获取用户对科普信息的阅读偏好；所述科普信息获取模块根据用户对科普信息的阅读偏好、所述相关疾病的疾病信息和所述关联模型生成所述用户科普信息。

于所述第一方面的一实施例中，所述阅读偏好获取模块包括：用户兴趣获取单元，用于获取用户对不同科普信息的感兴趣程度；群体兴趣获取单元，用于获取包括用户在内的一个或多个群体对不同科普信息的感兴趣程度；阅读偏好获取单元，与所述用户兴趣获取单元和所述群体兴趣获取单元相连，用于根据用户对不同科普信息的感兴趣程度、所述群体对不同科普信息的感兴趣程度获取用户对科普信息的阅读偏好。

本发明的第二方面提供一种医学信息科普方法，所述医学信息科普方法包括：获取用户的健康信息；所述健康信息包括症状子信息、指标子信息和/或档案子信息；根据所述用户的健康信息从一关联模型中查找出至少一种相关疾病；所述关联模型包括多种疾病和疾病信息；其中，每种疾病至少与一个疾病信息相关联，所述疾病信息包括症状体征、检查指标和/或档案相关信息；并且，用户的症状子信息与症状体征相关联，用户的指标子信息与检查指标相关联，用户的档案子信息与档案相关信息相关联；根据所述相关疾病和所述关联模型生成用户科普信息。

本发明的第三方面提供一种医学信息科普服务器。所述医学信息科普服务器包括本发明第一方面所述的医学信息科普系统。

如上所述，本发明所述医学科普系统、方法及服务器的一个技术方案具有以下有益效果：

所述医学科普系统能够根据用户的健康信息获取相关疾病，进而根据所述相关疾病获取用户科普信息。因此，所述医学科普系统获取的用户科普信息充分考虑了用户的健康状况，使得所述用户科普信息更可能是用户感兴趣的内容，科普效果较好。

附图说明

图1A显示为本发明所述医学信息科普系统于一具体实施例中的结构示意图。

图1B显示为本发明所述医学信息科普系统于一具体实施例中相应信息的关系图。

图2显示为本发明所述医学信息科普系统于一具体实施例中的关联模型示例图。

图3显示为本发明所述医学信息科普系统于一具体实施例中相关疾病查找模块的结构示意图。

图4显示为本发明所述医学信息科普系统于一具体实施例中的结构示意图。

图5A显示为本发明所述医学信息科普系统于一具体实施例中患病概率计算模块的结构示意图。

图5B显示为本发明所述医学信息科普系统于一具体实施例中患病概率计算模块的结构示意图。

图5C显示为本发明所述医学信息科普系统于一具体实施例中获取训练数据的流程图。

图6显示为本发明所述医学信息科普系统于一具体实施例中科普信息获取模块的结构示意图。

图7显示为本发明所述医学信息科普系统于一具体实施例中的关联模型示例图。

图8A显示为本发明所述医学信息科普系统于一具体实施例中健康信息获取模块的结构示意图。

图8B显示为本发明所述医学信息科普系统于一具体实施例中获取用户健康信息的流程图。

图9显示为本发明所述医学信息科普方法于一具体实施例中的流程图。

元件标号说明

1 医学信息科普系统

11 存储模块

12 健康信息获取模块

121 自测模板生成单元

122 健康信息接收单元

123 自测模板更新单元

13 相关疾病查找模块

131 用户疾病获取单元

132 相关疾病查找单元

14 科普信息获取模块

141 疾病信息获取单元

142 科普信息获取单元

143 优先级获取单元

15 患病概率计算模块

151 权重计算单元

152 概率计算单元

153 训练数据获取单元

154 神经网络训练单元

155 神经网络处理单元

16 健康画像获取模块

17 阅读偏好获取模块

2 关联模型

3 关联模型

S51～S53 步骤

S81～S87 步骤

S91～S93 步骤

具体实施方式

以下通过特定的具体实例说明本发明的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本发明的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。

需要说明的是，以下实施例中所提供的图示仅以示意方式说明本发明的基本构想，图示中仅显示与本发明中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制，其实际实施时各组件的型态、数量及比例可为一种随意的改变，且其组件布局型态也可能更为复杂。

在实际应用中，用户往往青睐于获取与自身健康状况相关的科普信息，例如，对于血压偏高的用户，其更希望接收到高血压预防、缓解和治疗等方面的信息。然而，现有的医学科普方法并未考虑用户的健康状况，而是由医务工作者根据自己的判断选取相应的科普信息推送给用户，这种方式使得推送给用户的大量科普信息中，仅有很少一部分是用户感兴趣的内容，从而导致科普的效果较差。针对这一问题，本发明提供一种医学信息科普系统，所述医学信息科普系统能够根据用户的健康信息从一关联模型中获取相关疾病，进而根据所述相关疾病获取用户科普信息。因此，所述医学科普系统获取的用户科普信息充分考虑了用户的健康状况，因而所述用户科普信息更可能是用户感兴趣的内容，科普效果较好。

请参阅图1A，于本发明的一实施例中，所述医学信息科普系统1包括存储模块11、健康信息获取模块12、相关疾病查找模块13和科普信息获取模块14。

所述存储模块11存储有一关联模型，所述关联模型包括多种疾病和疾病信息；其中，每种疾病至少与一个疾病信息相关联；所述疾病信息包括症状体征、检查指标和/或档案相关信息。所述症状体征是指疾病过程中机体内的一系列机能、代谢和形态结构异常变化所引起的病人主观上的异常感觉或某些客观病态，例如：咳嗽、恶心、乏力等。所述检查指标是指为了对机体的健康状况进行定量评估而设置的一个或多个参数，例如：血压、体温、心率等。所述档案相关信息是指机体在以往的活动过程中形成的与疾病相关的信息，例如：既往史、曾用产品、家族遗传和/或个人史等。

所述健康信息获取模块12用于获取用户的健康信息；所述用户的健康信息包括症状子信息、指标子信息和/或档案子信息。请参阅图1B，用户的症状子信息与所述关联模型中的症状体征相关联，用户的指标子信息与所述关联模型中的检查指标相关联，用户的档案子信息与所述关联模型中的档案相关信息相关联。

具体地，所述症状子信息包括用户身体或心理表现出的相关症状体征，例如：发热、干咳、乏力、呼吸困难等，用户可以通过自己的身体表现确定所述症状子信息。当用户的身体表现出某种症状体征时，所述用户的健康信息以症状子信息的形式对该症状体征进行记录。例如，当用户出现咳嗽这一症状体征时，所述用户的健康信息中包括咳嗽这一症状子信息。

所述指标子信息包括身体指标，所述身体指标通过定量的方式对用户的身体状况进行描述，例如：血压、体温、白细胞计数、血红蛋白等；用户可以通过相应的医疗设备获得所述指标子信息，也可以通过医院体检等方式获得所述指标子信息。例如，当用户通过血压计测得血压值时，所述用户的健康信息以指标子信息的形式对该血压值进行记录。

所述档案子信息包括用户的健康档案中的相关信息，例如：性别、年龄、居住地、疾病史、遗传史、过敏史、用药史等。

所述相关疾病查找模块13与所述存储模块11和所述健康信息获取模块12相连，用于根据所述用户的健康信息从所述关联模型中查找相关疾病。具体地，所述相关疾病查找模块13根据所述用户的健康信息与疾病信息之间的关联关系、以及所述疾病信息与疾病之间的关联关系在所述关联模型中查找所述相关疾病。

所述科普信息获取模块14与所述存储模块11和所述相关疾病查找模块13相连，用于根据所述相关疾病和所述关联模型获取用户科普信息。具体地，所述科普信息获取模块14从所述关联模型中获取与所述相关疾病相关联的部分疾病信息或全部疾病信息，进而获取与所述相关疾病相关的科普信息作为用户科普信息。其中，与所述相关疾病相关的科普信息包括与所述部分疾病信息相关的疾病信息，或与所述全部疾病信息相关的疾病信息。所述科普信息获取模块14可以通过网络爬虫获取网络中与所述相关疾病相关的科普信息作为所述用户科普信息，也可以从一科普信息数据库中查找与所述相关疾病相关的科普信息作为所述用户科普信息，还可以从相应的专业文献中查找与所述相关疾病相关的内容作为所述用户科普信息，具体方式此处不做限制。

根据以上描述可知，本实施例所述医学信息科普系统能够获取用户的健康信息，并根据所述用户的健康信息获取相关疾病，进而获取与所述相关疾病相关的科普信息。因此，所述医学科普系统获取到的用户科普信息充分考虑了用户的健康状况，更容易被用户所接受，因而科普效果更好。

请参阅图2，显示为本发明的一实施例中所涉及的关联模型。所述关联模型2包括疾病1、疾病2和疾病3。此外，所述关联模型2还包括：症状1～症状6等症状体征，指标1～指标4等检查指标，档案信息1和档案信息2等档案相关信息。并且，所述关联模型2还定义了所述疾病与所述疾病信息之间的关联关系。

具体地，对于任一疾病和任一症状体征，若该疾病会使用户出现该症状体征，则认为该疾病与该症状体征之间存在关联关系，在图中用疾病和症状体征之间的直线表示该关联关系，例如：所述关联模型2中的疾病1和症状2；若该疾病不会使用户出现该症状体征，则认为该疾病与该症状体征之间不存在关联关系，例如：所述关联模型2中的疾病1和症状3。因此，在诊断过程中，如果用户出现了该症状体征，则可以根据该关联关系认为用户可能患有该疾病。例如，感冒时用户一般都会出现发烧症状，因而感冒疾病与发烧症状之间存在关联关系；在诊断过程中，当用户出现发烧症状时，则可以认为用户可能患有感冒。

对于任一疾病和任一检查指标，若该疾病会使该检查指标出现异常，则认为该疾病和该检查指标存在关联关系，在图中用疾病和检查指标征之间的直线表示该关联关系，例如：所述关联模型2中的疾病1和指标1；否则认为该疾病和该检查指标不存在关联关系，例如：所述关联模型2中的疾病1和指标4。因此，在诊断过程中，如果用户的该检查指标存在异常，则可以根据该关联关系认为用户可能患有该疾病。例如，高血压会导致用户的血压值超出正常值范围，因而高血压疾病与血压值指标之间存在关联关系；在诊断过程中，当用户出现血压值指标过高时，则可认为用户可能患有高血压。

对于任一疾病和任一档案相关信息，该档案相关信息可能导致用户出现该疾病，则认为该疾病和该档案相关信息存在关联关系，在图中用疾病和档案相关信息之间的直线表示该关联关系，例如，所述关联模型2中的疾病1和档案信息3；否则认为该疾病和该档案相关信息不存在关联关系，例如，所述关联模型2中的疾病1和档案信息1。因此，在诊断过程中，如果发现用户存在该档案相关信息，则可以根据该关联关系认为用户可能患有该疾病。例如，心脏病遗传史会增加用户患有心脏病的概率，因而可以认为心脏病遗传史这一档案相关信息与心脏病疾病之间存在关联关系。在诊断过程中，当用户具有心脏病遗传史这一档案相关信息时，则认为用户可能患有心脏病。

请参阅图3，于本发明的一实施例中，所述相关疾病查找模块13包括用户疾病获取单元131和相关疾病查找单元132。

所述用户疾病获取单元131与所述健康信息获取模块12相连，用于根据所述用户的健康信息获取用户的疾病信息。具体地，所述用户疾病获取单元131获取所述用户的健康信息中的异常信息，并获取与所述异常信息相关联的疾病信息作为所述用户的疾病信息。

其中，当用户的健康信息中包含症状子信息时，所有症状子信息均为所述异常信息；例如，发热、干咳、乏力、呼吸困难等症状均为异常信息。当用户的健康信息中包含指标子信息时，指标值在正常值范围之外的指标子信息为所述异常信息；例如，收缩压大于139mmHg时，收缩压为异常信息；体温大于37.3℃时，体温为异常信息；所述正常值范围可以通过权威医学专家进行定义。当用户的健康信息中包含档案子信息时，与健康人群不同的档案子信息为所述异常信息；例如，健康人群普遍没有肺炎患病史，而用户的档案子信息中包含肺炎患病史，则肺炎患病史这一档案子信息为异常信息；又例如，健康人群普遍不吸烟，而用户的健康信息中包含吸烟这一健康子信息，则吸烟为异常信息。其中，所述健康人群是指完全处于健康状况的人群，可以由权威医学专家进行定义。

所述相关疾病查找单元132与所述用户疾病获取单元131和所述存储模块11相连，用于根据所述用户的疾病信息从所述关联模型中查找所述相关疾病。

具体地，所述疾病查找单元132可以采用和的方式查找所述相关疾病，即：所述疾病查找单元132从所述关联模型中选取与所有的用户的疾病信息均相关联的疾病作为所述相关疾病。例如，若所述用户的疾病信息包括症状1和症状2，则所述疾病查找单元132以和的方式从所述关联模型2中查找到的相关疾病为疾病1。

所述疾病查找单元132也可以采用或的方式查找所述相关疾病，即：所述疾病查找单元132从所述关联模型中选取与至少一个用户的疾病信息相关联的疾病作为所述相关疾病。例如，若所述用户的疾病信息包括症状1和症状2，则所述疾病查找单元132以或的方式从所述关联模型2中查找到的相关疾病为疾病1、疾病2和疾病3。

所述疾病查找单元132还可以从所述关联模型中选取与至少N个用户的疾病信息相关联的疾病作为所述相关疾病。其中，N为正整数，其取值可以根据实际需求设置，N的值越大则查找到的相关疾病越多；N的值越小则查找到的相关疾病越少。

请参阅图4，于本发明的一实施例中，所述医学信息科普系统1还包括患病概率计算模块15。其中，所述患病概率计算模块15与所述相关疾病查找模块13、所述存储模块11和所述科普信息获取模块14相连，用于根据所述关联模型计算所述相关疾病的患病概率。所述科普信息获取模块14可以根据所述相关疾病的患病概率确定所述用户科普信息的优先级：所述相关疾病的患病概率越大，则其相关的科普信息的优先级越高；所述相关疾病的患病概率越小，则其相关的科普信息的优先级越低。例如，若疾病1的患病概率为90％，疾病2的患病概率为10％，则与疾病1相关的科普信息的优先级大于与疾病2相关的科普信息的优先级，此时所述科普信息获取模块14优先生成、推送和/或展示与疾病1相关的科普信息。

本实施例中，通过计算所述相关疾病的患病概率并根据所述相关疾病的患病概率确定所述用户科普信息的优先级，所述科普信息获取模块14优先生成、推送和/或展示的科普信息为高优先级的科普信息，所述高优先级的科普信息与患病概率较高的相关疾病相关，故该科普信息为用户感兴趣的科普信息的可能性更大。因此，本实施例不仅考虑了用户可能患有的相关疾病，还考虑了用户患有不同相关疾病的患病概率，使得所述医学信息科普系统获取的科普信息的针对性更强，科普效果更好。

请参阅图5A，于本发明的一实施例中，所述患病概率计算模块15包括权重计算单元151和概率计算单元152。所述权重计算单元151与所述相关疾病查找模块13和所述存储模块11相连，用于根据所述关联模型计算用户的疾病信息的权重值。其中，所述用户的疾病信息是指与所述用户的健康信息中的异常信息相关联的疾病信息，而同一个用户的疾病信息在不同相关疾病中的权重值可能各不相同。

具体地，对于任一用户的疾病信息m以及任一相关疾病n，所述权重计算单元151获取所述相关疾病n的诊断标准C

所述相关疾病n关联的所有疾病信息由所述关联模型决定，即：所述诊断标准C

所述概率计算单元152与所述权重计算单元151和所述存储模块11相连，用于根据所述用户的疾病信息的权重和所述关联模型计算所述相关疾病的患病概率。具体地，对于所述相关疾病n，假如在所有用户的疾病信息中，与所述相关疾病n相关联的疾病信息组成的集合为Q，则用户患有相关疾病n的概率P

接下来将在关联模型2的基础上，通过一具体实例对上述患病概率的计算方法进行详细说明。对于疾病1，其诊断标准C

若用户的疾病信息包括症状1、症状2、症状3、指标3和指标4，则在所有用户的疾病信息中，与疾病1相关联的疾病信息组成的集合Q包括：症状1(疾病信息1)、症状2(疾病信息2)和指标3(疾病信息6)，并且：

疾病信息1的权重值为

疾病信息2的权重为：

疾病信息6的权重为：

基于此，所述概率计算单元152获取的用户患有疾病1的概率P

请参阅图5B，于本发明的一实施例中，所述患病概率计算模块包括训练数据获取单元153、神经网络训练单元154以及神经网络处理单元155。

所述训练数据获取单元153与所述存储模块11相连，用于获取训练数据；其中，所述训练数据来源于所述关联模型和诊断案例数据库，即：所述训练数据包括两类，一是来源于所述关联模型的训练数据，二是来源于诊断案例数据库的训练数据。所述诊断案例数据库包含大量真实的诊断案例，该真实的诊断案例包括但不限于线上问诊案例以及线下诊断案例。所述训练数据获取单元153按照不同的混合比例对上述两类训练数据进行混合，能够实现理论数据与实际数据相结合，以保证所述概率计算神经网络模型的准确性和实用性。

此外，来源于所述关联模型的训练数据是指根据所述关联模型生成的训练数据。请参阅图5C，对于任一相关疾病，根据所述关联模型生成训练数据的实现方法包括：

S51，根据所述关联模型获取与该相关疾病相关联的所有疾病信息。例如，基于所述关联模型2，与疾病1相关联的所有疾病信息包括症状1、症状2、症状5、指标1、指标2、指标3和档案信息3。

S52，对步骤S51获取的疾病信息进行组合式选取，从而获得不同的疾病信息组合。具体地，根据数学中排列组合的概念，从所有疾病信息中选取出多个疾病信息组合，其中，各疾病信息组合所包含的疾病信息各不相同。例如，若步骤S51中获取的所有疾病信息包括疾病信息1、疾病信息2和疾病信息3，则步骤S52中获取的一个疾病信息组合可以是疾病信息1，还可以是疾病信息1和疾病信息2，也可以是疾病信息2和疾病信息3，等等。对于相关疾病n，步骤S52能够获取的疾病信息组合的数量最多为

S53，计算各所述疾病信息组合对应的患病概率；所述患病概率可以通过上述权重计算单元151和概率计算单元152实现，也可以通过其他方式实现，此处不做限制。各所述疾病信息组合及其对应的患病概率即为所述训练数据。

所述神经网络训练单元154与所述训练数据获取单元153相连，用于利用所述训练数据对一神经网络模型进行训练，以获得训练好的概率计算神经网络模型；其中，利用所述训练数据对神经网络模型进行训练可以利用现有的训练方法实现，此处不再赘述。

所述神经网络处理单元155与所述神经网络训练单元154和所述相关疾病查找模块13相连，用于利用所述概率计算神经网络模型对所述用户的疾病信息进行处理，以获得所述相关疾病的患病概率。具体地，所述神经网络处理单元155将所述用户的疾病信息作为所述概率计算神经网络模型的输入，所述概率计算神经网络模型的输出即为所述相关疾病的患病概率。

在利用所述关联模型获取训练数据时，所述训练数据获取单元153可以只根据一种相关疾病关联的疾病信息和诊断案例获取所述训练数据；此时所述神经网络处理单元利用所述概率计算神经网络模型能够获取所述一种相关疾病的患病概率。

在利用所述关联模型获取训练数据时，所述训练数据获取单元153也可以根据多种相关疾病关联的疾病信息和诊断案例获取所述训练数据，此时所述神经网络处理单元利用所述概率计算神经网络模型能够同时获取所述多种相关疾病的患病概率。

本实施例中，所述训练数据获取单元153通过选取诊断案例数据库的训练数据作为第一类训练数据，并根据所述关联模型生成第二类训练数据。其中，所述第一类训练数据为实际诊断中采集到的数据，所述第二类训练数据为理论推导出的数据。在此基础上，所述训练数据获取单元153还根据一混合比例将所述第一类训练数据和所述第二类训练数据进行结合，使得所述概率计算神经网络模型具有较高的准确性和实用性，进而保证根据所述患病概率得出的科普信息优先级能够适用于真实案例。

于本发明的一实施例中，所述医学信息科普系统1还包括健康画像获取模块16。所述健康画像获取模块16与所述科普信息获取模块14相连，用于获取用户的健康画像。所述科普信息获取模块14还用于根据所述用户的健康画像获取用户的健康信息和相关疾病，进而获取所述用户科普信息。具体地，所述健康画像包括功能(Functionality)部分、状态(Status)部分和风险(Risk)部分。

所述健康画像的功能部分为所述健康画像的基础，主要包括用户的基本信息。其中，所述基本信息包括用户的姓名、年龄、身高、体重等基本信息。所述科普信息获取模块14根据所述功能部分生成相应的基础科普信息作为所述用户科普信息。所述基础科普信息包括与所述基础信息相关的医学常识、饮食习惯、保健方式等。

所述健康画像的状态部分包括用户的非正常信息，所述非正常信息是指可能会对用户的健康造成损害的信息，包括开车不系安全带、居所不安装烟雾警报器、吸烟、酗酒等。所述科普信息获取模块14根据所述状态部分生成相应的异常科普信息作为所述用户科普信息。所述异常科普信息包括所述非正常信息对用户健康的危害、改进方法、正确示范等。

所述健康画像的风险部分包括用户的患病风险程度，所述用户的患病风险程度例如：高血压患病风险高，糖尿病患病风险低；所述患病风险程度的高低可以用所述相关疾病的患病概率来描述。所述科普信息获取模块14根据所述风险部分生成相应的风险科普信息作为所述用户科普信息，所述风险科普信息包含高风险疾病的相关知识、预防措施、治疗方案等。

本实施例中，所述健康画像获取模块通过获取用户的健康画像以便更加直观、全面的展示所述用户的健康状况，所述科普信息获取模块根据所述用户的健康画像获取到的用户科普信息，能够更加贴近用户的健康状况，进而提升用户对科普信息的阅读兴趣，提升科普效果。

请参阅图6，于本发明的一实施例中，所述科普信息获取模块14还包括疾病信息获取单元141、科普信息获取单元142和优先级获取单元143。

所述疾病信息获取单元141与所述相关疾病查找模块13和所述存储模块11相连，用于从所述关联模型中获取所述相关疾病的疾病信息。其中，所述相关疾病的疾病信息是指所述关联模型中与所述相关疾病相关联的所有疾病信息或者部分疾病信息。优选地，所述疾病信息获取单元141从所述关联模型中获取与所述相关疾病关联的所有疾病信息作为所述相关疾病的疾病信息。例如，基于所述关联模型2，若所述相关疾病为疾病2，则所述疾病信息获取单元141获取到的所述相关疾病的疾病信息包括症状1、症状3、症状4、指标1、档案信息1和档案信息3。

所述科普信息获取单元142与所述疾病信息获取单元141相连，用于根据所述相关疾病的疾病信息获取所述用户科普信息。其中，所述用户科普信息是指与所述相关疾病的疾病信息相关的科普信息。例如，若所述相关疾病的疾病信息为发烧，则所述科普信息获取单元142获取与发烧相关的科普信息作为所述用户科普信息。

所述优先级获取单元143与所述科普信息获取单元142相连，用于设置所述用户科普信息的优先级。其中，优先级高的科普信息对应用户更加偏好的科普信息；所述科普信息的优先级包括科普信息的获取优先级、展示优先级和/或推送优先级。所述优先级获取单元143可以根据用户的健康画像设置所述用户科普信息的优先级，所述用户的健康画像中与某一科普信息相关的用户标签数量越多则该科普信息的优先级越高；也可以根据所述相关疾病的患病概率设置所述用户科普信息的优先级，对于患病概率越高的相关疾病，其相关的科普信息优先级越高。

本实施例中，所述科普信息获取模块能够根据每个用户的健康信息生成个性化的科普信息，并为不同的科普信息设置不同的优先级。其中，高优先级的科普信息与用户的健康状况关系更密切，其更可能是用户感兴趣的科普信息。

于本发明的一实施例中，所述科普信息获取单元14还用于对所述用户科普信息进行排序，以获取所述用户科普信息的推送顺序。具体地，所述科普信息获取单元14对所述用户科普信息进行排序的实现方法包括：

步骤1，获取用户的健康档案，并针对用户各项健康档案信息制定规则生成用户标签；其中，用户标签库为一人工预先定义的数据库。

步骤2，获取各所述用户科普信息的科普标签，其中，所述科普标签主要通过TF-IDF(Fterm frequency–inverse document frequency)方法提取。具体地，对所述用户科普信息中的每一个语料均进行分词和去除停用词(stopwords)操作，并计算TF-IDF以筛选出所述用户科普信息的关键词。其中，词频(term frequency，TF)指的是某一个给定的词语在用户科普信息中出现的频率，该频率是对词数的归一化，以防止辞书偏向较长的科普信息，具体地，对于第j篇用户科普信息中的第i个关键词，其归一化后的词频为

步骤3，根据所述用户标签和所述科普标签获取用户与用户之间、科普语料和科普语料之间的相似度。优选地，该相似度可以采用皮尔逊相关系数获取，具体地，对于随机变量X和Y，其皮尔逊相关系数为

步骤4，根据用户与用户之间的相似度获取推荐语料，并根据实际需求(例如区域、热点、排版等)对所述推荐语料进行排序，以获得所述用户科普信息的推送顺序。在实际推送过程中，以该推送顺序实现对所述用户科普信息的推送。

于本发明的一实施例中，所述科普信息获取单元根据所述相关疾病的疾病信息从一科普信息数据库中查找所述用户科普信息。所述科普信息数据库是指包含大量科普信息的数据库，其包括层次式数据库、网络式数据库或关系式数据库等。所述科普信息数据库可以通过AI方式自动创建，也可以通过人工方式创建并维护，此处不做限制。

于本发明的一实施例中，所述科普信息获取模块还包括阅读状况统计单元，与所述优先级获取单元相连，用于统计所述科普信息数据库中各科普信息的阅读状况。所述阅读状况包括科普信息的阅读次数、平均阅读时长、总阅读时长等。所述优先级获取单元可以根据所述阅读状况设置所述科普信息的优先级；其中，阅读次数越多、阅读时长越长的科普信息的优先级也越高。

于本发明的一实施例中，所述科普信息获取模块还包括关联模型更新单元。所述关联模型更新单元与所述科普信息获取单元和所述存储模块相连，用于根据所述科普信息获取单元获取到的用户科普信息对所述关联模型进行更新。具体地，所述关联模型更新单元将所述科普信息获取模块获取到的用户科普信息添加到所述关联模型中，并将其与所述关联模型中的疾病和/或疾病信息相关联；或者，所述关联模型更新单元利用所述科普信息获取模块获取到的用户科普信息替换所述关联模型中已有的同类科普信息。此后，所述科普信息获取单元142可以从所述关联模型中直接获取到与所述相关疾病相关联的科普信息作为所述用户科普信息，和/或从所述关联模型中获取与所述相关疾病的疾病信息相关联的科普信息作为所述用户科普信息。

请参阅图7，显示为所述关联模型更新单元对所述关联模型2进行更新之后获得的关联模型3。所述关联模型3包括直接与疾病相关联的科普1、科普3和科普5，以及直接与疾病信息相关联的科普2和科普5。其中，科普1～科普5均为所述科普信息获取单元从所述科普信息数据库中查找到的用户科普信息。此时，当所述相关疾病查找模块13确定用户的相关疾病为疾病1时，所述科普信息获取单元142可以从所述关联模型3中直接获取与疾病1相关联的科普1和科普2作为所述用户科普信息。

于本发明的一实施例中，所述科普信息获取模块还包括科普信息编辑单元。所述科普信息编辑单元与所述存储模块、所述相关疾病查找模块和所述科普信息获取单元相连，用于根据所述关联模型和所述相关疾病，对所述科普信息获取单元获取到的用户科普信息进行编辑，以生成新的科普信息；其中，对所述科普信息的编辑包括内容提取、内容删减、合并、标题编辑、关键词替换等；所述新的科普信息也可以作为所述用户科普信息展示或推送给用户。例如，对于所述科普信息获取单元142获取到的科普4，其包括症状4和症状6相关的内容；而所述用户的疾病信息中仅包含症状4，此时，所述科普信息编辑单元可以将所述科普4中与症状6相关的内容删除，以生成所述新的科普信息。又例如，所述科普信息获取单元142获取到的科普1和科普2均为所述用户科普信息，所述科普信息编辑单元可以将科普1和科普2进行合并，以生成所述新的科普信息。

请参阅图8A，于本发明的一实施例中，所述健康信息获取模块12包括自测模板生成单元121、健康信息接收单元122和自测模板更新单元123。

其中，所述自测模板生成单元121用于生成一自测模板，该自测模板为初始自测模板，用于提示用户输入健康信息。优选地，所述自测模板生成单元121根据当前季节、疾病流行状况、公众热点等信息生成所述初始自测模板。

所述健康信息接收单元122用于接收用户输入的健康信息。

所述自测模板更新单元123与所述自测模板生成单元121、所述健康信息接收单元122和所述存储模块相连，用于根据用户的健康信息和所述关联模型对所述自测模板进行更新；所述更新后的自测模板用于提示用户继续输入健康信息。

具体地，请参阅图8B，所述健康信息获取模块12获取用户的健康信息的工作流程包括：

S81，所述自测模板生成单元121生成一自测模板，用户根据该自测模板输入健康信息；其中，所述健康信息包括症状子信息、指标子信息和/或档案子信息。

S82，所述健康信息接收单元122接收用户输入的健康信息。

S83，所述自测模板更新单元123从所述健康信息接收单元122获取用户输入的健康信息，并根据一关联关系获取相关的疾病信息。其中，所述相关的疾病信息是指与用户输入的健康信息相关联的所有的疾病信息，其包括症状体征、检查指标和/或档案相关信息。所述关联关系包括：症状体征与症状子信息相关联，检查指标与指标子信息相关联，档案相关信息与档案子信息相关联。例如，若用户输入的健康信息为体温39℃，则与该健康信息相关的疾病信息为发烧症状，以及体温39℃这一检查指标。

S84，所述自测模板更新单元123根据所述相关的疾病信息在所述关联模型中查找可能疾病。所述可能疾病是指与所述相关的疾病信息所包含的全部或者部分疾病信息相关联的疾病。

S85，所述自测模板更新单元123根据所述关联模型获取所述可能疾病的全部疾病信息，并根据所述可能疾病的全部疾病信息获取与之关联的健康信息。

S86，对当前的自测模板进行更新以获得更新后的自测模板；所述更新后的自测模板包括步骤S85中获取到的健康信息，并提示用户从中选取与自身符合的健康信息进行输入。

S87，重复执行步骤S82～S86，直到所述健康信息获取模块12获取到足够的健康信息。

于本发明的一实施例中，所述医学信息科普系统1还包括阅读偏好获取模块17。其中，所述阅读偏好获取模块与所述科普信息获取模块14相连，用于获取用户对科普信息的阅读偏好；所述科普信息获取模块14根据用户对科普信息的阅读偏好、所述相关疾病的疾病信息和所述关联模型生成所述用户科普信息。所述用户对科普信息的阅读偏好包括对科普信息类型的偏好、内容的偏好、字数的偏好、图片的偏好等。本实施例中，所述科普信息获取模块14根据所述相关疾病的疾病信息和所述关联模型获取科普信息，并根据所述用户对科普信息的阅读偏好对所述科普信息的类型、内容、字数、图片等信息进行编辑，以生成更加容易被用户喜欢的用户科普信息。因此，本实施例获取的用户科普信息更容易被用户所接受并阅读。

于本发明的一实施例中，所述阅读偏好获取模块包括用户兴趣获取单元、群体兴趣获取单元以及阅读偏好获取单元。其中，所述用户兴趣获取单元用于获取用户对不同科普信息的感兴趣程度。所述用户对不同科普信息的感兴趣程度可以通过用户对不同科普信息的阅读时长、阅读次数、收藏情况等获取。所述群体兴趣获取单元用于获取包括用户在内的一个或多个群体对不同科普信息的感兴趣程度；所述群体可以根据所述用户的健康画像进行划分，例如，处于同一城市的用户可以作为一个群体，处于同一年龄段的用户也可以作为一个群体。所述阅读偏好获取单元与所述用户兴趣获取单元和所述群体兴趣获取单元相连，用于根据用户对不同科普信息的感兴趣程度、所述群体对不同科普信息的感兴趣程度获取用户对科普信息的阅读偏好。

基于以上对所述医学信息科普系统的描述，本发明还提供一种医学信息科普方法。请参阅图9，所述医学信息科普方法包括：

S91，获取用户的健康信息；所述健康信息包括症状子信息、指标子信息和/或档案子信息。

S92，根据所述用户的健康信息从一关联模型中查找出至少一种相关疾病；所述关联模型包括多种疾病和疾病信息；其中，每种疾病至少与一个疾病信息相关联，所述疾病信息包括症状体征、检查指标和/或档案相关信息；并且，用户的症状子信息与所述关联模型中的症状体征相关联，用户的指标子信息与所述关联模型中的检查指标相关联，用户的档案子信息与所述关联模型中的档案相关信息相关联。

S93，根据所述相关疾病和所述关联模型生成用户科普信息。

其中，步骤S91与所述健康信息获取模块12获取用户的健康信息的方法相同，步骤S92与所述相关疾病查找模块13根据所述用户的健康信息从所述关联模型中查找相关疾病的方法相同。步骤S93与所述科普信息获取模块14根据所述相关疾病和所述关联模型获取用户科普信息的方法相同。为节省说明书篇幅，此处均不再赘述。

基于以上对所述医学信息科普系统的描述，本发明还提供一种医学信息科普服务器，所述医学信息科普服务器包括本发明所述的医学信息科普系统。

本发明所述的医学信息科普方法的保护范围不限于本实施例列举的步骤执行顺序，凡是根据本发明的原理所做的现有技术的步骤增减、步骤替换所实现的方案都包括在本发明的保护范围内。

本发明还提供一种医学信息科普系统，所述医学信息科普系统可以实现本发明所述的医学信息科普方法方法，但本发明所述的医学信息科普方法的实现装置包括但不限于本实施例列举的医学信息科普系统的结构，凡是根据本发明的原理所做的现有技术的结构变形和替换，都包括在本发明的保护范围内。

本发明所述医学科普系统能够根据用户的健康信息获取相关疾病，进而根据所述相关疾病获取用户科普信息。因此，所述医学科普系统获取的用户科普信息充分考虑了用户的健康状况，因而所述用户科普信息更可能是用户感兴趣的内容，科普效果较好。

本发明所述医学科普系统还可以根据所述相关疾病的患病概率、用户的健康画像以及所述科普信息的阅读状况，设置所述用户科普信息的优先级，并根据用户对科普信息的阅读偏好对所述用户科普信息进行调整，从而使得用户获取到的科普信息更有可能是用户感兴趣的内容，有利于进一步提升科普效果。

综上所述，本发明有效克服了现有技术中的种种缺点而具高度产业利用价值。

上述实施例仅例示性说明本发明的原理及其功效，而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下，对上述实施例进行修饰或改变。因此，举凡所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变，仍应由本发明的权利要求所涵盖。