基于AI深度学习的社区管理方法及系统

技术领域

本申请涉及社区管理的技术领域，尤其是涉及一种基于AI深度学习的社区管理方法及系统。

背景技术

目前，我国老年人口数量增长迅速，社区养老服务需求日益增大。当前，智能科技在社区老人健康管理中应用广泛。现有社区医院的医务人员配备数量不足，无法满足老年人日常康养的定制化需求，对此情况有待进一步改善。

发明内容

为了解决现有的社区管理无法满足老年人日常康养的定制化需求的问题，本申请提供一种基于AI深度学习的社区管理方法及系统，采用如下的技术方案：

第一方面，本申请提供一种基于AI深度学习的社区管理方法，包括如下步骤：

接收用户会诊请求；

将所述用户会诊请求在社区远程医生资源数据库中进行匹配，以确定与所述用户会诊请求相对应的目标医生；

建立所述用户与所述目标医生之间的实时音视频连线；

收集和上传所述用户提供的诊断数据并发送至所述目标医生；

获取所述目标医生的诊断结果，根据所述诊断结果和所述用户的个人信息生成个性化治疗方案并返回至所述用户。

通过采用上述技术方案，本申请通过建立社区远程医生资源数据库，当接收到用户会诊请求时，将用户会诊请求在社区远程医生资源数据库中进行匹配，从而确定出目标医生，然后建立用户和目标医生之间的实时音视频连线，进行远程诊疗，同时将诊断数据发送至目标医生，获取医生的诊断结果，最后根据诊断结果和用户个人信息生成个性化治疗方案，从而满足老年人日常康养的定制化需求。

可选的，所述确定与所述用户会诊请求相对应的目标医生包括如下步骤:

获取与所述用户会诊请求相对应的目标科目；

获取与所述目标科目相匹配的医生集合；

确定所述医生集合中各个医生的可用时间；

确定所述医生集合中当前时间可用的医生为目标医生。

通过采用上述技术方案，通过获取与用户会诊请求相对应的目标科目，匹配出医生集合，然后根据各个医生的可用时间确定目标医生，从而为用户匹配到专业领域的当前可用医生，对用户进行专业会诊。

可选的，所述方法还包括：

获取所述用户的历史会诊记录；

根据所述历史会诊记录确定所述用户的历史会诊医生；

根据所述历史会诊医生的可用时间确定目标会诊时间并反馈给所述用户。

通过采用上述技术方案，通过获取用户的历史会诊记录，确定用户的历史会诊医生，然后根据历史会诊医生的可用时间确定目标会诊时间并反馈给用户，从而使用户可以在目标会诊时间找到历史会诊医生进行会诊，避免了每次诊断用户的医生不同的问题，能够提高诊断效率，并且带来更好的诊断效果。

可选的，所述方法还包括：

获取所述用户的语音输入和人脸图像；

提取所述语音输入中的情绪声纹特征和所述用户的人脸图像中的情绪图像特征；

根据所述情绪声纹特征和所述情绪图像特征识别所述用户的情绪，以得到情绪识别结果；

基于所述情绪识别结果输出与所述用户交互的交互信息；

在多次识别到所述情绪识别结果异常时，向社区服务人员推送所述用户信息，并定期向所述社区服务人员请求对所述用户的心理健康跟踪反馈。

通过采用上述技术方案，本申请通过获取用户的语音输入和人脸图像，提取情绪声纹特征和情绪图像特征，然后根据情绪声纹特征和情绪图像特征识别用户的情绪，以得到情绪识别结果，基于情绪识别结果输出与用户交互的信息，在多次识别到情绪结果异常时，向社区服务人员推送用户信息，定期向社区服务人员请求对用户的心理健康跟踪反馈，从而有助于社区服务人员关注到老年人的心理健康，进行定时回访以及跟踪。

可选的，所述接收用户会诊请求包括如下步骤：

通过智能语音交互终端接收所述用户的语音会诊请求；

对所述语音会诊请求进行解析并转换为文本；

将所述文本存储至用户数据库。

通过采用上述技术方案，本申请可以接收用户的语音会诊请求，然后对语音会诊请求进行解析并转换成文本，将文本存储至用户数据库，便于用户特别是老年人用户的使用。

可选的，所述根据用户的个人信息生成个性化治疗方案，包括如下步骤：

收集所述用户的医疗历史、生活习惯和遗传信息；

基于所述医疗历史、生活习惯、遗传信息和所述诊断结果，生成个性化治疗方案；

将所述治疗方案返回至所述用户，并收集用户的反馈。

通过采用上述技术方案，本申请通过收集用户的医疗历史、生活习惯和遗传信息，基于医疗历史、生活习惯、遗传信息和诊断结果生成个性化报告，从而更加符合用户的个性化需求。

可选的，所述方法还包括;

预测所述用户的未来健康状况，得到预测结果；

根据所述预测结果，生成治疗建议，所述治疗建议包括提前调整治疗方案或对所述用户可能面临的健康问题进行预警；

将所述预测结果和所述治疗建议发送给所述用户和所述目标医生。

通过采用上述技术方案，本申请通过预测用户的未来健康状态，根据预测结果治疗意见，包括提前调整治疗方案或者对用户可能面临的健康问题进行预警，并发送给用户和目标医生，从而使用户能够注意自己的健康状态，也有助于医生给出更好的诊疗方案。

可选的，所述方法还包括：

接收所述用户提出的健康问题,在知识图谱中匹配所述健康问题的候选答案;

使用预训练的问答匹配模型对所述候选答案进行打分排序,返回排序最高的答案。

通过采用上述技术方案，通过接收用户提出的健康问题，在知识图谱中匹配健康问题的候选答案，进行打分排序后返回最高的答案，从而可以帮助用户自己了解健康问题。

第二方面，本申请提供一种基于AI深度学习的社区管理系统，包括：

会诊请求接收模块，用于接收用户会诊请求；

目标医生确定模块，用于将所述用户会诊请求在社区远程医生资源数据库中进行匹配，以确定与所述用户会诊请求相对应的目标医生；

连线建立模块，用于建立所述用户与所述目标医生之间的实时音视频连线；

诊断数据上传模块，用于收集和上传所述用户提供的诊断数据并发送至所述目标医生；

治疗方案生成模块，用于获取所述目标医生的诊断结果，根据所述诊断结果和所述用户的个人信息生成个性化治疗方案并返回至所述用户。

第三方面，本申请提供一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述基于AI深度学习的社区管理方法的步骤。

第四方面，本申请提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述基于AI深度学习的社区管理方法的步骤。

综上所述，本申请包括以下至少一种有益技术效果：

1.本申请通过建立社区远程医生资源数据库，将用户会诊请求在社区远程医生资源数据库中进行匹配，确定出目标医生，然后建立用户和目标医生之间的实时音视频连线，进行远程诊疗，最后根据诊断结果和用户个人信息生成个性化治疗方案，从而满足老年人日常康养的定制化需求；

2.本申请通过获取用户的历史会诊记录，确定用户的历史会诊医生，然后根据历史会诊医生的可用时间确定目标会诊时间并反馈给用户，从而使用户可以在目标会诊时间找到历史会诊医生进行会诊，避免了每次诊断用户的医生不同的问题，能够提高诊断效率，并且带来更好的诊断效果；

3.本申请根据情绪声纹特征和情绪图像特征识别用户的情绪，基于情绪识别结果输出与用户交互的信息，在多次识别到情绪结果异常时，向社区服务人员推送用户信息，定期向社区服务人员请求对用户的心理健康跟踪反馈，从而有助于社区服务人员关注到老年人的心理健康，进行定时回访以及跟踪。

附图说明

图1是本申请实施例中基于AI深度学习的社区管理方法的一个示例性流程图；

图2是本申请实施例进行心理健康跟踪的一个示例性流程图；

图3是本申请实施例基于AI深度学习的社区管理方法的另一个示例性流程图；

图4是本申请实施例一种基于AI深度学习的社区管理系统的模块示意图；

图5是本申请实施例一种计算机设备的内部结构图。

具体实施方式

本申请以下实施例中所使用的术语只是为了描述特定实施例的目的，而并非旨在作为对本申请的限制。如在本申请的说明书和所附权利要求书中所使用的那样，单数表达形式“一个”、“一种”、“所述”、“上述”、“该”和“这一”旨在也包括复数表达形式，除非其上下文中明确地有相反指示。还应当理解，本申请中使用的术语“和/或”是指包含一个或多个所列出项目的任何或所有可能组合。

以下，术语“第一”、“第二”仅用于描述目的，而不能理解为暗示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征，在本申请实施例的描述中，除非另有说明，“多个”的含义是两个或两个以上。

目前，我国老年人口数量增长迅速，社区养老服务需求日益增大，现有的社区医务人员数量不足，无法满足老年人日常康养的定制化需求。

本申请提供一种基于AI深度学习的社区管理方法及系统，通过建立社区远程医生资源数据库为用户匹配目标医生，然后建立用户和目标医生之间的实时音视频连线，进行远程诊疗，最后根据诊断结果和用户个人信息生成个性化治疗方案，从而满足老年人日常康养的定制化需求。

下面结合说明书附图对本申请实施例做进一步详细描述。

本申请实施例提供一种基于AI深度学习的社区管理方法，由电子设备执行，该电子设备可以为服务器也可以为终端设备，其中，该服务器可以是独立的物理服务器，也可以是多个物理服务器构成的服务器集群或者分布式系统，还可以是提供云计算服务的云服务器。本实施例中，终端设备是计算机，但并不局限于此，也可以是智能平板、移动手机等，该终端设备以及服务器可以通过有线或无线通信方式进行直接或间接地连接，本申请实施例在此不做限制。

第一方面，本申请实施例公开一种基于AI深度学习的社区管理方法。参照图1，图1是本申请实施例中基于AI深度学习的社区管理方法的一个示例性流程图。

一种基于AI深度学习的社区管理方法，包括如下步骤：

S110、接收用户会诊请求。

其中，用户的会诊请求包括语音输入和文本输入，在用户通过语音输入会诊请求时，接收用户会诊请求包括：

S111、通过智能语音交互终端接收所述用户的语音会诊请求。

S112、对所述语音会诊请求进行解析并转换为文本.

S113、将所述文本存储至用户数据库。

S120、将用户会诊请求在社区远程医生资源数据库中进行匹配，以确定与用户会诊请求相对应的目标医生。

其中，社区远程医生资源数据库的建立过程中包括，收集区域内医生信息，如姓名、专长、联系方式、可用时间等，还需要收集医生的网络接入能力，技术设备信息，以确保能够进行远程医疗服务；然后定期更新和维护社区远程医生资源数据库，以确保其可持续使用和数据的准确性。

其中，确定与用户会诊请求相对应的目标医生包括如下步骤:

S121、获取与用户会诊请求相对应的目标科目.

例如，用户会诊请求需要看一下糖尿病的问题，则匹配到内分泌科的专业医生，客户需要看高血压的问题，则匹配到心血管内科的专业医生等。

S122、获取与目标科目相匹配的医生集合。

在匹配到专业医生之后，获取所有与目标科目相匹配的医生集合。

S123、确定医生集合中各个医生的可用时间。

S124、确定医生集合中当前时间可用的医生为目标医生。

查询数据库，确定出医生集合中各个医生的可用时间，将当前时间可用的医生确定为目标医生。

在一些实施例中，用户之间进行过远程会诊，并且对之前的会诊医生较为信赖，希望原来的医生再次进行会诊，方法还包括：

S125、获取用户的历史会诊记录。

S126、根据历史会诊记录确定用户的历史会诊医生。

S127、根据历史会诊医生的可用时间确定目标会诊时间并反馈给用户。

通过将历史会诊医生的可用时间反馈给用户，使用户可以在目标会诊时间找到历史会诊医生进行会诊，避免了每次诊断用户的医生不同的问题，能够提高诊断效率，并且带来更好的诊断效果。

S130、建立用户与目标医生之间的实时音视频连线。

S140、收集和上传用户提供的诊断数据并发送至目标医生。

其中，用户可以利用社区医院的设备进行检测，包括血压、心电图等，形成诊断数据，然后上传到系统，目标医生在接收到这些诊断数据之后，就可以基于诊断数据进行诊断，从而提高目标医生的诊断效率。

S150、获取目标医生的诊断结果，根据诊断结果和用户的个人信息生成个性化治疗方案并返回至用户。

其中，根据诊断结果和用户的个人信息生成个性化治疗方案包括：

S151、收集用户的医疗历史、生活习惯和遗传信息。

其中，从用户的电子健康记录、健康应用程序、遗传测试结果获取用户的医疗历史、生活习惯和遗传信息，经过数据清洗和标准化处理，提取出对疾病诊断和治疗有用的特征，包括生物标志物的水平、特定的遗传变异、生活习惯因素等，利用机器学习和深度学习算法生成模型。

S152、基于医疗历史、生活习惯、遗传信息和诊断结果，生成个性化治疗方案。

其中，将用户的医疗历史、生活习惯、遗传信息和诊断结果等也正数据输入模型，得到个性化的治疗方案，包括特定的药物、剂量、治疗时间和生活方式改变等建议。

S153、将治疗方案返回至用户，并收集用户的反馈。

在用户有反馈时，可以根据用户的反馈建议对治疗方案进行更新和修正。

在一些可选的实施例中，系统通过对用户的情绪特征进行识别，得到情绪识别结果，从而对用户进行心理健康跟踪。

参照图2，图2为本申请实施例进行心理健康跟踪的一个示例性流程图。

S210、获取用户的语音输入和人脸图像。

其中，系统设置有语音和图像识别模块，用于从用户的语音输入和人脸图像中提取特征，并识别用户的情绪。这些模块可能包括麦克风，摄像头，以及执行特征提取和情绪识别算法的处理器。

S220、提取语音输入中的情绪声纹特征和用户的人脸图像中的情绪图像特征。

S230、根据情绪声纹特征和情绪图像特征识别用户的情绪，以得到情绪识别结果。

其中，在情绪声纹特征识别中，系统通过分析用户的语音输入的音调、语调、音高、音量等特征识别出患者的情绪；在情绪图像特征识别中，系统通过分析用户面部肌肉的运动来识别情绪。

S240、基于情绪识别结果输出与用户交互的交互信息。

S250、在多次识别到情绪识别结果异常时，向社区服务人员推送用户信息，并定期向社区服务人员请求对用户的心理健康跟踪反馈。

其中，情绪有多种，包括良好的情绪和不良的情绪，当识别到用户情绪不良时确定为情绪识别结果异常，当累计次数达到预设次数阈值时，向社区服务人员推送用户信息，并定期向社区服务人员请求对用户的心理健康跟踪反馈，从而有助于社区服务人员关注到老年人的心理健康，进行定时回访以及跟踪。

在一个可选的实施例中，当确定情绪识别结果异常时，系统通过智能语音交互终端与老人进行交流，例如询问他们的日常活动、偏好、和感受，以建立情感连接，并通过语音形式给出建议或进行心理疏导。

在一些可选的实施例中，还包括获取社区服务人员上传的心理健康跟踪反馈结果，在生成个性化治疗方案时，基于心理健康跟踪反馈结果优化个性化治疗方案。并且在远程会诊时将心理健康跟踪反馈结果发送给目标医生。

可以理解的是，系统还可以对用户的多个心理健康跟踪反馈结果进行分析，记录和分析用户心理变化的趋势，以便在老人的心理健康状况可能恶化时发出警报给社区工作人员。

参照图3，为本申请实施例基于AI深度学习的社区管理方法的另一个示例性流程图。

在一些可选的实施例中，方法还包括：

S310、预测用户的未来健康状况，得到预测结果。

其中，预测用户的未来健康状况包括：收集用户的医疗历史、生活习惯、遗传信息、年龄、性别、体重、身高、活动水平、饮食习惯、心理状态等，提取出对健康状态最有影响的热症，例如对于预测心脏病风险，可能的特征包括年龄、性别、体重指数、糖尿病历史、家族心脏病历史等；然后建立特征与健康状况之间的关联关系，建立健康预测模型，通过将用户信息输入健康预测模型之中，得到预测结果。

S320、根据预测结果，生成治疗建议，治疗建议包括提前调整治疗方案或对用户可能面临的健康问题进行预警。

其中，通过预测用户的未来健康状态，发送给用户和目标医生，从而使用户能够注意自己的健康状态，也有助于医生给出更好的诊疗方案。

S330、将预测结果和治疗建议发送给用户和目标医生。

在一些可选的实施例中，方法还包括：

S340、接收用户提出的健康问题,在知识图谱中匹配健康问题的候选答案。

S350、使用预训练的问答匹配模型对候选答案进行打分排序,返回排序最高的答案。

其中，通过接收用户提出的健康问题，在知识图谱中匹配健康问题的候选答案，进行打分排序后返回最高的答案，从而可以帮助用户自己了解健康问题。

第二方面，本申请提供了一种基于AI深度学习的社区管理系统，下面结合上述基于AI深度学习的社区管理方法，对本申请的基于AI深度学习的社区管理系统进行描述。请参阅图4，图4是本申请实施例一种基于AI深度学习的社区管理系统的模块示意图。

一种基于AI深度学习的社区管理系统，包括：

会诊请求接收模块410，用于接收用户会诊请求；

目标医生确定模块420，用于将所述用户会诊请求在社区远程医生资源数据库中进行匹配，以确定与所述用户会诊请求相对应的目标医生；

连线建立模块430，用于建立所述用户与所述目标医生之间的实时音视频连线；

诊断数据上传模块440，用于收集和上传所述用户提供的诊断数据并发送至所述目标医生；

治疗方案生成模块450，用于获取所述目标医生的诊断结果，根据所述诊断结果和所述用户的个人信息生成个性化治疗方案并返回至所述用户

在一个实施例中，本申请提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图5所示。该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种基于AI深度学习的社区管理方法。

本领域技术人员可以理解，图5中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。

在一个实施例中，还提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现上述各方法实施例中的步骤。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，上述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器（Read-Only Memory，ROM）、磁带、软盘、闪存或光存储器等。易失性存储器可包括随机存取存储器（Random Access Memory，RAM）或外部高速缓冲存储器。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器（Static Random Access Memory，SRAM）或动态随机存取存储器（Dynamic Random Access Memory，DRAM）等。

以上均为本申请的较佳实施例，并非依此限制本申请的保护范围，故：凡依本申请的结构、形状、原理所做的等效变化，均应涵盖于本申请的保护范围之内。