一种MDT会诊数据的分析系统

本技术涉及数据处理，具体而言，涉及一种mdt会诊数据的分析系统。

背景技术：

1、与普遍疾病的治疗路径相异，罕见病的诊断与治疗流程通常涉及多学科团队的合作与评估。目前，已有多项远程多学科团队（mdt）会诊系统被应用于罕见病症的诊疗之中，旨在整合不同医疗中心及专业领域的资源，对罕见病患者实行联合诊治。

2、会诊结束后，通常会产生书面形式的会诊报告，详细记录讨论内容和共识。如果由人工汇总这些信息，将会耗费大量的时间和精力。此外，鉴于罕见病症确诊的复杂性和难度，医者在会诊过程中可能需要探讨多种潜在病症的可能性，这在一定程度上增加了确定各领域专家最终意见的挑战性。

技术实现思路

1、本技术实施例的目的在于提供一种mdt会诊结果的分析系统，利用深度学习对学科专家发言的自信程度分析以及语义分析，确定学科专家的诊断结果，还设置了学科专家审核环节，提高了自动化会诊报告生成的准确性。

2、第一方面，本技术提供一种mdt会诊数据的分析系统，系统包括数据分析端和医生端，数据分析端用于基于至少一个学科专家在目标患者的mdt会诊中针对目标患者所患病种实体的发言语音数据，确定出每个学科专家针对目标患者所患疾病的诊断结果。以及数据分析端还用于将诊断结果发送给与学科专家对应的医生端，以基于学科专家确认后的诊断结果形成会诊报告。其中，针对每个学科专家，数据分析端通过以下方式获取该学科专家针对目标患者所患疾病的诊断结果：根据学科专家的发言语音数据，提取出多条第一目标语音片段和第二目标语音片段，第一目标语音片段为病种实体所在的语音片段，第二目标语音片段为与第一目标语音片段相邻的语音片段；针对每个病种实体，将学科专家对应的至少一条第一目标语音片段分别输入预先训练好的情绪极性分析模型，获取情绪极性分析模型输出的每条第一目标语音片段的情绪类别，情绪极性用于指示目标学科专家发表的第一目标语音片段中针对该病种实体的情绪极性；针对每个病种实体，将该病种实体，对应的至少一条第二目标语音片段分别输入预先训练好的情绪波动分析模型，获取情绪波动分析模型输出的情绪波动值，情绪波动值用于指示学科专家发言过程的情绪变化程度；针对每个病种实体，基于学科专家针对该病种实体的情绪稳类别和对应的情绪波动值，计算出学科专家针对该病种实体的发言情绪分值，发言情绪分值用于指示学科专家针对该病种实体发言的自信程度，以确定出第一目标病种实体；针对每个病种实体，基于该病种实体对应的第一目标语音片段，生成对应的发言文本数据；将每个病种实体对应的发言文本数据关联的输入至预先训练好的语义识别模型，以获取语义识别模型输出的第二目标病种实体；将第一目标病种实体和第二目标病种实体，确定为该学科专家针对目标患者所患疾病的诊断结果。

3、优选的，针对每个学科专家，数据分析端通过以下方式确定该学科专家针对应的第一目标病种实体：

4、按照发言情绪分值从小到大的顺序，对病种实体进行排序，以确定发言情绪分值最小值对应的病种实体为第一目标病种实体。

5、优选的，针对每个病种实体，数据分析端通过以下方式计算出目标学科专家针对该病种实体的发言情绪分值：

6、；

7、其中，为目标学科专家针对该病种实体发表的第一目标语音片段的情绪类别，为第一目标语音片段的数量，为第一目标语音片段对应的第二目标语音片段的情绪波动值。

8、优选的，情绪极性分析模型包括第一特征提取器和第一分类器，数据分析端通过以下方式获取情绪极性分析模型输出的每条第一目标语音片段的情绪类别：将每条第一目标语音片段输入第一特征提取器以提取韵律特征和质量特征，获取第一特征提取器输出对应的第一特征向量序列；将第一特征向量序列输入至第一分类器，并获取第一分类器输出的每条第一目标语音片段的情绪类别标记值，情绪类别标记值包括+1、0、-1中的一个，其中，+1用于指示正向情绪，-1用于指示负向情绪，0用于指示稳定情绪。

9、优选的，数据分析端通过以下方式获取第一特征提取器输出对应的第一特征向量序列：通过第一特征提取器，提取每条第一目标语音片段的均方根能量特征、mfcc特征和基音频率特征，作为韵律特征向量；通过第一特征提取器，提取每条第一目标语音片段的响度特征和过零率特征，作为质量特征向量；基于韵律特征向量和质量特征向量，生成第一特征向量序列。

10、优选的，情绪波动分析模型包括第二特征提取器和第二分类器，数据分析端通过以下方式获取情绪波动分析模型输出的情绪波动值的步骤，具体包括：

11、将该第一目标语音片段对应的至少一条第二目标语音片段输入第二特征提取器以提取情绪波动特征，获取第二特征提取器输出对应的第二特征向量序列；将第二特征向量序列输入至第二分类器，并获取第二分类器输出的情绪波动值。

12、优选的，数据分析端通过以下方式获取第二特征提取器输出对应的第二特征向量序列：

13、通过第二特征提取器，提取每条第二目标语音片段的尖锐度特征、响度特征，作为情绪波动特征向量；基于所有第二目标语音片段的情绪波动特征向量，生成第二特征向量序列。

14、优选的，针对每条第一目标语音片段，将该第一目标语音片段对应的至少一条第二目标语音片段和该第一目标语音片段关联的输入预先训练好的情绪波动分析模型，获取情绪波动分析模型输出的情绪波动值。

15、优选的，情绪波动分析模型包括第二特征提取器和第二分类器，数据分析端通过以下方式获取情绪波动分析模型输出的情绪波动值：将第一目标语音片段对应的至少一条第二目标语音片段和第一目标语音片段依次输入第二特征提取器以提取情绪波动特征，获取第二特征提取器输出对应的第二特征向量序列；将第二特征向量序列输入至第二分类器，并获取第二分类器输出的情绪波动值。

16、优选的，数据分析端通过以下方式获取第二特征提取器输出对应的第二特征向量序列：通过第二特征提取器，提取该第一目标语音片段以及每条第二目标语音片段的尖锐度特征、响度特征，作为情绪波动特征向量；基于该第一目标语音片段以及所有第二目标语音片段的情绪波动特征向量，生成第二特征向量序列。

17、本技术提供的一种mdt会诊数据的分析系统，系统包括数据分析端和医生端，数据分析端用于基于获取的mdt会诊录音，提取出参加mdt会诊的多个不同学科专家针对目标患者所患病种实体的发言语音数据，以确定出每个学科专家针对目标患者所患疾病的诊断结果；以及数据分析端还用于将诊断结果发送给与学科专家对应的医生端，以基于学科专家确认的诊断结果形成会诊报告；其中，针对每个学科专家，数据分析端通过以下方式获取该学科专家针对目标患者所患疾病的诊断结果：根据学科专家的发言语音数据，提取出多条第一目标语音片段和第二目标语音片段，第一目标语音片段为病种实体所在的语音片段，第二目标语音片段为与第一目标语音片段相邻的语音片段；针对每个病种实体，将学科专家对应的至少一条第一目标语音片段分别输入预先训练好的情绪极性分析模型，获取情绪极性分析模型输出的每条第一目标语音片段的情绪类别，情绪极性用于指示目标学科专家发表的第一目标语音片段中针对该病种实体的情绪极性；针对每个病种实体，将该病种实体，对应的至少一条第二目标语音片段分别输入预先训练好的情绪波动分析模型，获取情绪波动分析模型输出的情绪波动值，情绪波动值用于指示学科专家发言过程的情绪变化程度；针对每个病种实体，基于学科专家针对该病种实体的情绪稳类别和对应的情绪波动值，计算出学科专家针对该病种实体的发言情绪分值，发言情绪分值用于指示学科专家针对该病种实体发言的自信程度，以确定出第一目标病种实体；针对每个病种实体，基于该病种实体对应的第一目标语音片段和第二目标语音片段，生成对应的发言文本数据；将每个病种实体对应的发言文本数据关联的输入至预先训练好的语义识别模型，以获取语义识别模型输出的第二目标病种实体；根据所示第一目标病种实体和第二目标病种实体，确定该学科专家针对目标患者所患疾病的诊断结果。利用深度学习对学科专家发言的自信程度分析以及语义分析，确定学科专家的诊断结果，还设置了学科专家审核环节，提高了自动化会诊报告生成的准确性。