院前急救电话智能应答方法和装置与流程

本发明涉及数字医疗，具体涉及一种院前急救电话智能应答方法和装置。

背景技术：

1、目前对120急救电话缺乏有效的识别和分类手段，难以及时地将有限的急救调度员和急救资源合理分配至需要紧急救治人员。

2、本课题研究急危重症识别与分诊准则，依托大模型技术、语音识别分析、知识图谱等技术，并以北京急救中心研发的高级调度在线生命支持系统（adls）作为支撑，通过研发快速分诊智能应答系统来解决120电话访问数多导致占线、人工坐席受理能力不足等待问题；构建具有价值的急诊数据资源库，通过分类诊断信息辅助系统解决缺乏分类诊断在线指导和建议手段问题，实现市民急救的快速识别与分类处理，综合判定病例特征结果，更加精准、有效、快速提供急救服务。

技术实现思路

1、针对上述问题，本发明的一个目的是提供一种院前急救电话智能应答方法。

2、本发明的第二个目的是提供一种院前急救电话智能应答装置。

3、本发明所采用的第一个技术方案是：s1、利用标注数据对大语言模型chatglm-6b进行训练，得到训练后大语言模型；

4、s2、接收通话请求，利用bi-lstm和解码器对用户语音进行语义分析，判断通话分类并进行处理；

5、s3、当所述通话分类为医学询问时，基于所述语义分析得到的问题类型和关键信息，在所述医疗知识图谱中检索相关知识，并构建候选答案集合；

6、s4、分析所述用户语音，确定问题语境；

7、s5、基于所述候选答案集合和所述问题语境，利用所述训练后大语言模型生成对话语音，其中，所述对话语音为对话形式自然语言答案，并包括对应证据或来源；

8、s6、基于对话过程中记录的用户信息，通过所述训练后大语言模型和知识库信息进行逻辑推理和概率计算，得到智能诊断结果后进行回复或转接人工电话。

9、可选的，所述s2包括：

10、s21、接收服务电话请求及用户语音，利用所述bi-lstm和解码器对所述用户语音进行语义分析，确定问题类型和关键信息；

11、s22、根据所述问题类型和关键信息，判断通话分类并进行处理。

12、可选的，所述s6包括：

13、s61、构建知识库和正确的结构化数据集，对所述用户信息进行知识表示，转化为机器语言；

14、s62、利用所述训练后大语言模型，将所述机器语言转化为用户文本语言；

15、s63、将所述知识库中的信息与所述用户文本语言进行融合，得到所述智能诊断结果。

16、可选的，所述s22包括：

17、s221、若所述通话分类为骚扰电话，则进行拦截；

18、s222、若所述通话分类为非医学询问，则根据查询到的信息进行回复。

19、可选的，所述s21包括：

20、s211、对所述用户语音进行自然语言预处理，得到处理后语言数据，其中所述预处理包括数据标注、数据清洗、数据去重、数据转换、数据对齐和数据补全；

21、s212、对所述处理后的语言数据进行分析，提取用户基本信息和通话目的，并对敏感数据进行数据脱敏、匿名化或加密处理；

22、s213、根据所述用户基本信息和通话目的，确定所述问题类型和关键信息。

23、本发明所采用的第二个技术方案是：一种院前急救电话智能应答装置，包括：模型训练模块，利用标注数据对大语言模型chatglm-6b进行训练，得到训练后大语言模型；

24、语义分析模块，用于接收通话请求，利用bi-lstm和解码器对用户语音进行语义分析，判断通话分类并进行处理；

25、检索模块，用于当所述通话分类为医学询问时，基于所述语义分析得到的问题类型和关键信息，在所述医疗知识图谱中检索相关知识，并构建候选答案集合；

26、语境确定模块，用于分析所述用户语音，确定问题语境；

27、语音合成模块，用于基于所述候选答案集合和所述问题语境，利用所述训练后大语言模型生成对话语音，其中，所述对话语音为对话形式自然语言答案，并包括对应证据或来源；

28、智能诊断模块，基于对话过程中记录的用户信息，通过所述训练后大语言模型和知识库信息进行逻辑推理和概率计算，得到智能诊断结果后进行回复或转接人工电话。

29、可选的，所述语义分析模块包括：

30、信息确认模块，接收服务电话请求及用户语音，利用所述bi-lstm和解码器对所述用户语音进行语义分析，确定问题类型和关键信息；

31、分类处理模块，根据所述问题类型和关键信息，判断通话分类并进行处理。

32、可选的，所述智能诊断模块包括：

33、语言转化模块，用于构建知识库和正确的结构化数据集，对所述用户信息进行知识表示，转化为机器语言；

34、反向语言转化模块，用于利用所述训练后大语言模型，将所述机器语言转化为用户文本语言；

35、融合模块，用于将所述知识库中的信息与所述用户文本语言进行融合，得到所述智能诊断结果。

36、可选的，所述分类处理模块包括：

37、骚扰拦截模块，用于若所述通话分类为骚扰电话，则进行拦截；

38、非医学回复模块，用于若所述通话分类为非医学询问，则根据查询到的信息进行回复。

39、可选的，所述信息确认模块包括：

40、语言处理模块，用于对所述用户语音进行自然语言预处理，得到处理后语言数据，其中所述预处理包括数据标注、数据清洗、数据去重、数据转换、数据对齐和数据补全；

41、数据分析模块，用于对所述处理后的语言数据进行分析，提取用户基本信息和通话目的，并对敏感数据进行数据脱敏、匿名化或加密处理；

42、信息确定模块，用于根据所述用户基本信息和通话目的，确定所述问题类型和关键信息。

43、上述技术方案的有益效果：

44、本发明基于大模型的智能语音处理应答技术，将语音对话内容与文本进行相互转换，实现语音识别及合成语音播报的功能，使急救热线平台具备智能语音处理能力；用医学领域知识对大模型进行微调，实现在危急重症知识图谱的指导下，生成多轮对话，引导患者提供比较全面的症状描述，并结合上下文充分理解急救电话中的对话内容；在多轮对话的过程，通过抽取关键知识积累形成分诊依据，研究快速识别进线诉求紧急等级的算法，结合急救电话中心系统，自动完成拦截非紧急需求、常见病自动应答和人工转接等分流策略。能够提高120急救电话接通率和处理效率，提升群众满意度。

1.一种院前急救电话智能应答方法，其特征在于，包括：

2.根据权利要求1所述的院前急救电话智能应答方法，其特征在于，所述s2包括：

3.根据权利要求1所述的院前急救电话智能应答方法，其特征在于，所述s6包括：

4.根据权利要求2所述的院前急救电话智能应答方法，其特征在于，所述s22包括：

5.根据权利要求2所述的院前急救电话智能应答方法，其特征在于，所述s21包括：

6.一种院前急救电话智能应答装置，其特征在于，包括：

7.根据权利要求6所述的院前急救电话智能应答装置，其特征在于，所述语义分析模块包括：

8.根据权利要求6所述的院前急救电话智能应答装置，其特征在于，所述智能诊断模块包括：

9.根据权利要求7所述的院前急救电话智能应答装置，其特征在于，所述分类处理模块包括：

10.根据权利要求7所述的院前急救电话智能应答装置，其特征在于，所述信息确认模块包括：