一种通过通话进行智能测评的方法、系统、设备和介质

技术领域

本申请涉及测评技术领域，具体涉及一种通过通话进行智能测评的方法、系统、设备和介质。

背景技术

随着科技的发展，辅助医生的量表也在不断进步和完善。科技的进步为医生提供了更多的工具和手段，帮助他们更准确地评估患者的健康状况。

目前市面上进行的量表测评都需要网络才能进行，且题目意思表达不是很准确，对低文化人群不友好，而一旦有护士或者家人的第三人帮忙，容易对患者进行干扰，偏离题意。另外，医生对测评结果只能看到具体分数，无法从答题过程分析患者的情绪，从而无法准确对量表进行分析。

因此，需要一种不借助第三人的帮助就能理解题意，能够记录患者答题过程的情绪且不需要网络的测评方法。

发明内容

本申请提供一种通过通话进行智能测评的方法、系统、设备和介质，该方法无需网络即可完成测评，可以让答题对象独立完成测评且能够记录答题对象在测评过程中的情绪，使得医生可以据此采取更有针对性的对策。

在本申请的第一方面提供了一种通过通话进行智能测评的方法，应用于医疗管理平台，所述方法包括：

响应于用户发送测评指令操作，向目标对象发送通话连接请求；

当目标对象接受通话连接请求时，通过语音的方式对预设的测评表中的题目进行播放，并通过采集所述目标对象的语音确定所述目标对象的答题结果；

获取所述目标对象在答题时的多维度数据，并根据所述答题结果和多维度数据进行加权求和得到每道题的得分，所述多维度数据包括答题时间、答题情绪和答题语气波动，所述答题情绪包括正面情绪、中性情绪和负面情绪，所述答题语气波动包括异常声调、异常语速和表达不连贯性；以及

根据每道题的得分计算得到所有题目的总得分，并根据所述总得分生成解析报告。

通过采用上述技术方案，使用语音的方式对预设的测评表中的题目进行播放，并通过采集目标对象的语音确定其答题结果。这种语音测评方式可以更好地适应不同人群的需求，尤其是对于那些不便使用传统文字输入的目标对象，提供了更加便利的测评方式。获取目标对象在答题时的多维度数据，包括答题时间、答题情绪和答题语气波动等，这种多维度数据采集方式可以更全面地了解目标对象的认知、情感和行为状态，为后续的医疗管理提供更准确的数据支持。根据答题结果和多维度数据进行加权求和得到每道题的得分。这种加权求和得分方式可以综合考虑目标对象在答题过程中的多个方面的表现，从而得到更准确、更公正的得分。

可选的，所述方法还包括：

通过获取目标对象语音中的身份数据对目标对象进行身份验证，所述身份数据包括姓名、性别、年龄和身份证号。

通过采用上述技术方案，获取目标对象语音中的身份数据可以对目标对象进行身份验证，这可以确保测评对象身份的真实性和唯一性，避免非法人员冒充目标对象进行测评，提高了测评的安全性和准确性。通过身份验证，可以确保目标对象的隐私和数据安全。只有经过身份验证的目标对象才能进行测评，避免了敏感信息的泄露和滥用，提高了数据保护的可靠性和安全性。通过身份验证，可以防止作弊行为的发生。由于每个目标对象的身份信息都是唯一的，因此可以确保每个目标对象只能进行一次测评，避免了重复测评或替考等作弊行为的发生。通过身份验证，可以确保目标对象身份的真实性和唯一性，避免了非法人员冒充目标对象进行测评。这可以提高测评的准确性和公正性，确保测评结果的可靠性和有效性。

可选的，所述通过语音的方式对预设的测评表中的题目进行播放还包括：

获取所述目标对象的病历数据，并根据所述病历数据中的异常项设置测评重点，其中，所述异常项是指不在预设范围内的数据或非正常表征；

根据所述异常项从预设题目库中匹配题目以生成测评表，并根据所述测评重点设置所述测评表中题目对应的权重；

将所述题目转换成语音展现给所述目标对象。

通过采用上述技术方案，根据病历数据中的异常项设置测评重点，可以针对每个患者的具体情况进行个性化测评，提高了测评的针对性和有效性。根据异常项从预设题目库中匹配题目以生成测评表，可以确保测评题目与患者的实际情况相匹配，避免了与患者实际情况不相关的题目，提高了测评的准确性和针对性。根据测评重点设置测评表中题目对应的权重，可以根据不同题目的重要程度灵活调整权重，使得测评结果更加合理、公正。将题目转换成语音展现给目标对象，可以提供更加直观、生动的测评方式，提高了患者的参与度和测评效果。

可选的，所述通过采集所述目标对象的语音确定所述目标对象的答题结果包括：

使用深度学习模型提取语音中的特征，将所述特征转换为相应的文本，并通过所述文本匹配对应的答题结果。

通过采用上述技术方案，使用深度学习模型提取语音中的特征，并将特征转换为相应的文本，可以实现语音到文本的自动转换。这使得系统能够准确识别和理解目标对象的回答，提高了答题的准确性和可读性。深度学习模型在语音识别的应用中，通常具有较好的泛化能力。这意味着，经过适当的训练和优化，该模型不仅可以在汉语上表现出色，同时也可以支持其他语言，为医疗管理平台提供更广泛的服务范围。与传统的语音识别技术相比，基于深度学习模型的语音识别具有更高的实时性。这意味着系统可以更快地处理语音数据，并返回相应的文本结果，提高了整个答题过程的效率。在真实的场景中，语音信号常常受到各种背景噪声的干扰。深度学习模型通过大量的数据训练，可以有效地抑制这些噪声，提取出更为纯净的语音特征，从而提高语音识别的准确性。

可选的，所述获取所述目标对象在答题时的多维度数据包括：

获取第一答题时间，根据所述第一答题时间从预设的答题时间与分数对应关系中确定所述第一答题时间的第一分数；

根据所述目标对象的答题语音中的声学特征获取第一答题情绪，根据所述第一答题情绪从预设的情绪与分数对应关系中确定所述第一答题情绪的第二分数；

获取第一答题语气波动，根据所述第一答题语气波动从预设的语气波动与分数对应关系中确定所述第一答题语气波动的第三分数。

通过采用上述技术方案，将第一答题时间、第一答题情绪和第一答题语气波动等多维度数据进行综合评估，可以得到更全面、更准确的评估结果。这种多维度数据综合评估方式可以避免单一评估指标的局限性，提高评估的准确性和公正性。

可选的，所述根据所述答题结果和多维度数据进行加权求和得到每道题的得分包括：

分别计算所述答题结果的分数、所述第一分数、所述第二分数和所述第三分数与对应权重的乘积，并计算乘积之和作为题目的得分。

通过采用上述技术方案，可以根据不同维度数据的重要程度或评估侧重点对权重进行调整。这种权重调整的灵活性可以更好地满足不同场景下的评估需求，提高评估的针对性和有效性。通过分别计算每个维度的分数与对应权重的乘积，并计算乘积之和作为题目的得分，可以确保分数的准确性和公正性。这种分数计算方式可以避免主观因素对得分的影响，提高评估的客观性和公正性。通过将答题结果、第一分数、第二分数和第三分数与对应权重进行加权求和，可以得到每道题的综合得分。这种多维度综合评估方式可以综合考虑目标对象在答题过程中的多个方面的表现，从而得到更全面、更准确的得分。根据目标对象的答题结果和多维度数据，可以为每个患者提供个性化的评估得分。这种个性化评估方式可以更好地满足患者的需求，提高医疗管理的针对性和有效性。

可选的，所述根据每道题的得分计算得到所有题目的总得分包括：

根据题目的权重与题目对应的分数加权求和得到所有题目的总得分；或者

对每个题目的分数进行求和得到所有题目的总得分。

通过采用上述技术方案，将每道题的得分与对应题目的权重进行加权求和，可以得到所有题目的综合总得分。这种综合评估方式可以综合考虑目标对象在答题过程中的整体表现，从而得到更全面、更准确的总得分。通过设置不同的题目权重，可以根据不同题目的重要程度或评估侧重点进行调整。这种权重调整的灵活性可以更好地满足不同场景下的评估需求，提高评估的针对性和有效性。通过将每个题目的分数进行求和得到所有题目的总得分，可以确保总分的准确性和公正性。这种总分计算方式可以避免主观因素对总分的影响，提高评估的客观性和公正性。通过对不同题目或不同患者的总得分进行对比分析，可以更好地了解目标对象在答题过程中的表现差异，为后续的医疗管理提供更准确的数据支持。

在本申请的第二方面提供了一种通过通话进行智能测评的系统，包括请求模块、采集模块、计算模块以及报告模块，其中：

请求模块，配置用于响应于用户发送测评指令操作，向目标对象发送通话连接请求；

采集模块，配置用于当目标对象接受通话连接请求时，通过语音的方式对预设的测评表中的题目进行播放，并通过采集所述目标对象的语音确定所述目标对象的答题结果；

计算模块，配置用于获取所述目标对象在答题时的多维度数据，并根据所述答题结果和多维度数据进行加权求和得到每道题的得分，所述多维度数据包括答题时间、答题情绪和答题语气波动，所述答题情绪包括正面情绪、中性情绪和负面情绪，所述答题语气波动包括异常声调、异常语速和表达不连贯性；以及

报告模块，配置用于根据每道题的得分计算得到所有题目的总得分，并根据所述总得分生成解析报告。

在本申请的第三方面提供了一种电子设备，包括处理器、存储器、用户接口以及网络接口，所述存储器用于存储指令，所述用户接口和所述网络接口均用于与其他设备通信，所述处理器用于执行所述存储器中存储的指令，以使所述电子设备执行如上述任意一项所述的方法。

在本申请的第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质存储有指令，当所述指令被执行时，执行如上述任意一项所述的方法。

综上所述，本申请实施例中提供的一个或多个技术方案，至少具有如下技术效果或优点：

1、通过通话方式进行测评，结合了目标对象的答题结果、答题时间、答题情绪、答题语气波动等多维度数据进行综合评估，提高了评估的准确性和全面性，并且可以在没有网络的情况下完成测评；

2、根据每道题的得分计算得到所有题目的总得分，并根据总得分匹配预设的结果，提供个性化的评估报告，提高了评估的针对性和有效性；

3、通过对多维度数据的采集和分析，可以为后续的数据分析和挖掘提供更丰富的数据维度，为决策提供数据支持。

附图说明

图1是本申请实施例公开的通过通话进行智能测评的方法的流程示意图；

图2是本申请实施例公开的通过通话进行智能测评的方法的主流程示意图；

图3是本申请实施例公开的患者信息匹配示意图；

图4是本申请实施例公开的答题过程示意图；

图5是本申请实施例公开的答题语气波动评分示意图；

图6是本申请实施例公开的根据权重进行测评的示意图；

图7是本申请实施例公开的通过通话进行智能测评的系统的模块示意图；

图8是本申请实施例公开的一种电子设备的结构示意图。

附图标记说明：701、请求模块；702、采集模块；703、计算模块；704、报告模块；801、处理器；802、通信总线；803、用户接口；804、网络接口；805、存储器。

具体实施方式

为了使本领域的技术人员更好地理解本说明书中的技术方案，下面将结合本说明书实施例中的附图，对本说明书实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。

在本申请实施例的描述中，“例如”或者“举例来说”等词用于表示作例子、例证或说明。本申请实施例中被描述为“例如”或者“举例来说”的任何实施例或设计方案不应被解释为比其他实施例或设计方案更优选或更具优势。确切而言，使用“例如”或者“举例来说”等词旨在以具体方式呈现相关概念。

在本申请实施例的描述中，术语“多个”的含义是指两个或两个以上。例如，多个系统是指两个或两个以上的系统，多个屏幕终端是指两个或两个以上的屏幕终端。此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征。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。术语“包括”、“包含”、“具有”及它们的变形都意味着“包括但不限于”，除非是以其他方式另外特别强调。

本实施例公开了一种通过通话进行智能测评的方法，图1是本申请实施例公开的通过通话进行智能测评的方法的流程示意图，如图1所示，方法包括如下步骤：

S110、响应于用户发送测评指令操作，向目标对象发送通话连接请求；

S120、当目标对象接受通话连接请求时，通过语音的方式对预设的测评表中的题目进行播放，并通过采集所述目标对象的语音确定所述目标对象的答题结果；

S130、获取所述目标对象在答题时的多维度数据，并根据所述答题结果和多维度数据进行加权求和得到每道题的得分，所述多维度数据包括答题时间、答题情绪和答题语气波动，所述答题情绪包括正面情绪、中性情绪和负面情绪，所述答题语气波动包括异常声调、异常语速和表达不连贯性；以及

S140、根据每道题的得分计算得到所有题目的总得分，并根据所述总得分生成解析报告。

本申请实施例是以医生给患者发送通话连接请求为例进行说明，在其他的实施例中可以是患者主动向医生发送通话连接请求，或者第三方平台同时向医生和患者发起通话连接请求。可以通过加密算法对通话连接请求进行加密，加密算法在此不做限制，患者或者医生只有输入预先约定的密钥才可以打开通话连接请求，打开了通话连接请求后才能建立通话连接。

当患者打开通话连接请求时，可以对患者进行身份认证，当患者通过身份认证时，通过语音的方式对预设的测评表中的题目进行播放，患者可以通过语言表达自己的观点，可以通过采集语音确定患者的答题结果。除了获取患者的答题结果之外，还可以获取患者在答题时的多维度数据，多维度数据包括答题时间、答题情绪和答题语气波动。

通过获取目标对象在答题时的答题情绪，可以了解目标对象在答题过程中的情感状态，如紧张、自信、犹豫等。这些情绪状态可以反映目标对象的心理状况，对于医疗管理具有重要的参考价值。例如，如果目标对象表现出紧张的情绪，可能需要更多的心理辅导和疏导；如果目标对象表现出自信的情绪，可能表明其对问题有很好的理解和掌握。因此，通过分析答题情绪，可以为后续的医疗管理提供更准确的数据支持，有助于实现更精细化的管理和服务。答题情绪可以分为正向情绪、中性情绪和负面情绪。答题语气波动是反映答题者情感和态度的重要指标之一。通过分析答题者的语气波动，可以了解其情绪状态、态度以及与问题相关的心理活动等。例如，如果答题者的语气波动较大，可能表明其情绪较为激动或者对问题持有强烈的态度；如果答题者的语气波动较小，可能表明其情绪较为平稳或者对问题持有中立的态度。因此，通过分析答题语气波动，可以为后续的医疗管理提供更准确的数据支持，有助于实现更精细化的管理和服务。答题语气波动包括异常声调、异常语速和表达不连贯性。再根据所述答题结果和多维度数据进行加权求和得到每道题的得分。

可以预先设置总得分与结果的对应关系，例如，可以设置总得分大于等于80分为优秀，得分大于等于60且小于80为合格，得分小于60为不合格，并针对不同的分数给出不同的解析报告。

图2是本申请实施例公开的通过通话进行测评的方法的主流程示意图，如图2所示，主流程包括步骤210、建立医生与患者之间的通话连接，可以通过医生主动发起通话连接请求，可以通过患者主动发起通话连接请求，也可以通过第三方智能平台分别向医生和患者发起通话连接请求；步骤220、通话连接后根据患者信息获取测评的量表；步骤230、通过语音的方式播放量表中的题目；步骤240、根据患者的声音判断答题结束并下一题；步骤250、根据答题过程，分析答题情况进行汇总；步骤260，得到结果进行反馈。

采用语音的方式进行测评，使得目标对象无需具备读写能力，特别适合于那些无法阅读或书写的人群，如老年人或视力、肢体障碍者。不仅关注答题结果，还采集了多维度的数据，如答题时间、答题情绪和答题语气波动等。这些额外的数据可以帮助更全面地了解目标对象的答题状态和可能的情感、认知或心理状态，为后续的解析报告提供更多维度的信息。对答题情绪和语气波动进行了分析，这有助于深入了解目标对象的情感变化和沟通风格，为更细致的评估提供依据。根据多维度数据和答题结果生成解析报告，为用户提供了清晰、全面的评估结果，有助于用户更好地理解目标对象的状况，并据此做出相应的决策或干预。

可选的，所述方法还包括：

通过获取目标对象语音中的身份数据对目标对象进行身份验证，所述身份数据包括姓名、性别、年龄和身份证号。

图3是本申请实施例公开的患者信息匹配示意图，如图3所示，患者信息匹配包括步骤301、智能解析拆分患者口述信息，比如，姓名、性别、年龄、身份证号和其他信息；步骤302、匹配数据库确认患者；步骤303、获得患者的测评内容。可以根据上述信息对患者进行身份认证。

通过身份验证，可以确保通话的另一方是真正的目标对象，而不是其他人冒充。这大大增强了数据的安全性，防止了身份被盗用或其他形式的欺诈。自动化的身份验证可以大大简化流程，不需要人工介入进行身份核实，提高了工作效率。通过身份数据，如姓名、性别、年龄等，平台可以为目标对象提供更为个性化的服务或建议。

可选的，所述通过语音的方式对预设的测评表中的题目进行播放还包括：

获取所述目标对象的病历数据，并根据所述病历数据中的异常项设置测评重点，其中，所述异常项是指不在预设范围内的数据或非正常表征；

根据所述异常项从预设题目库中匹配题目以生成测评表，并根据所述测评重点设置所述测评表中题目对应的权重；

将所述题目转换成语音展现给所述目标对象。

获取患者的病历数据，并通过病历数据中的异常项设置测评重点，例如，病历数据中的异常项为血压过高和头疼，血压过高属于不在预设范围内的数据，头疼属于非正常表征。如果异常项之间具有关联性，则可以根据异常性确定一个测评重点，如果异常项之间没有关联性，则可以确定多个测评重点。本申请实施例中可以根据血压过高和头疼设置测评的重点为心脑血管。可以根据血压过高这个异常项从预设题目库中匹配血压方面的题目，可以根据头疼这个异常项从预设题目库中匹配脑、血管方面的题目。根据测评重点设置所述测评表中题目对应的权重，例如，可以设置血压方面的题目的权重为40%，脑、血管方面的题目的权重为40%，剩下的常识性题目的权重为20%。将设置好的题目转换成语音和视频中的画面展现给患者。

图4是本申请实施例公开的答题过程示意图，如图4所示，答题过程包括步骤401、智能检测患者准备完毕，可以开始出题；步骤402、解析拆分要测评的量表；步骤403、获取到第一个测评题目；步骤404、将题目转换为语音进行提问；步骤405、智能语音识别患者答题结束；步骤406、智能记录答题信息（比如答案、时间、语气波动、情绪标签）；然后获取第二个测评题目，重复步骤404~406，直到所有的题目处理完毕；执行步骤407、答题结束汇总所有答题内容；步骤408、根据答题答案、答题时间、答题语气波动、情绪标签按权重获得测评结果；步骤409、生成测评报告。

通过获取目标对象的病历数据，并根据病历数据中的异常项设置测评重点，可以针对每个患者的具体情况进行个性化测评，提高了测评的针对性和有效性。根据异常项从预设题目库中匹配题目以生成测评表，可以确保测评题目与患者的实际情况相匹配，避免了与患者实际情况不相关的题目，提高了测评的准确性和针对性。根据测评重点设置测评表中题目对应的权重，可以根据不同题目的重要程度灵活调整权重，使得测评结果更加合理、公正。将题目转换成语音展现给目标对象，可以提供更加直观、生动的测评方式，提高了患者的参与度和测评效果。

可选的，所述通过采集所述目标对象的语音确定所述目标对象的答题结果包括：

使用深度学习模型提取语音中的特征，将所述特征转换为相应的文本，并通过所述文本匹配对应的答题结果。

例如，题目是你吃饭了吗，患者说“我吃了”可以表示吃了饭，患者说“没吃”表示还没吃饭。当确定了答案之后判断当前题目作答完毕。

传统的语音识别技术可能需要复杂的预处理和后处理步骤，而基于深度学习模型的方法可以更高效地完成这一转换。这大大提高了语音识别的速度和准确性，使得系统能够快速处理大量的语音数据。深度学习模型在训练过程中可以学习到语音中的复杂模式和特征。通过使用这种模型，可以更准确地提取出语音中的关键特征，从而更准确地将其转换为相应的文本。通过将语音转换为文本，系统可以更容易地进行文本匹配和识别。这意味着系统可以根据文本内容更准确地确定答题结果，提高了答题结果确定的准确性和效率。深度学习模型具有较强的自适应能力，可以处理各种不同的语音输入，包括不同的口音、语速和音量等。这使得系统能够更好地适应各种实际应用场景，提高其在实际使用中的可靠性和稳定性。

可选的，所述获取所述目标对象在答题时的多维度数据包括：

获取第一答题时间，根据所述第一答题时间从预设的答题时间与分数对应关系中确定所述第一答题时间的第一分数；

根据所述目标对象的答题语音中的声学特征获取第一答题情绪，根据所述第一答题情绪从预设的情绪与分数对应关系中确定所述第一答题情绪的第二分数；

获取第一答题语气波动，根据所述第一答题语气波动从预设的语气波动与分数对应关系中确定所述第一答题语气波动的第三分数。

答题时间是指发出“答题开始”指令开始，到获取到患者的答案为止的时间，预先设置了答题时间与对应分数的匹配关系，可以根据答题时间从匹配关系中获取对应的分数。

本申请实施例中的答题情绪可以分为正向情绪、中性情绪和负面情绪。可以从患者的语音信号中提取有意义的信息，例如音高、音强、音长和共振峰等声学特征。这些特征可以捕捉到语音中的微妙变化，从而反映情绪的变化。预先设置了答题情绪与对应分数的匹配关系，根据答题情绪从匹配关系中获取对应的分数。

图5是本申请实施例公开的答题语气波动评分示意图，如图5所示，答题语气波动评分包括步骤501、触发语气波动评分；步骤502、异常声调识别；步骤503、默认10分，异常声调占比每10%扣1分；步骤504、例如异常声调占比30%，评分为7分；步骤505、异常语速识别；步骤506、默认10分，异常语速占比每10%扣1分；步骤507、例如异常语速占比3%，评分为10分；步骤508、表达不连贯性识别；步骤509、默认10分，重复、跳词、不衔接占比每10%扣1分；步骤510、例如不连贯性占比19%，评分为9分。

通过多维度数据的采集，可以更全面地了解目标对象的认知、情感和行为状态。这种多维度的评估方式比单一的答题结果更具有参考价值，可以为后续的医疗管理提供更准确、更全面的数据支持。通过预设的答题时间与分数对应关系、情绪与分数对应关系以及语气波动与分数对应关系，可以确保分数的客观性和公正性。这种方式避免了主观因素对评估结果的影响，提高了评估的准确性和可靠性。通过分析目标对象的答题情绪、语气波动等数据，可以更好地了解其个性特征和心理状态。这种个性化评估方式有助于针对每个患者的具体情况进行更有针对性的管理和服务，提高了医疗管理的针对性和有效性。通过预设的分数对应关系，可以快速地计算出每个维度对应的分数。这种方式提高了评估过程的效率和准确性，使得医疗管理平台能够快速地为患者提供个性化的反馈和建议。

可选的，所述根据所述答题结果和多维度数据进行加权求和得到每道题的得分包括：

分别计算所述答题结果的分数、所述第一分数、所述第二分数和所述第三分数与对应权重的乘积，并计算乘积之和作为题目的得分。

图6是本申请实施例公开的根据权重进行测评的示意图，如图6所示，当一道题目结束，执行步骤601、根据口述答案匹配对应分数；步骤602、将口述答案与预先设置的对应关系进行对照确定对应的分数，例如，答案B对应的是6分；步骤603、确定题目答案的权重为40%；步骤604、根据权重和分数相乘得到对应的分数，例如，6分*40%=2.4分；同时执行步骤605、根据答题时间匹配对应分数；步骤606、将答题时间与预先设置的对应关系进行对照确定对应的分数，例如，答题时间25秒对应的是6分；步骤607、确定时间权重为20%；步骤608、根据权重和分数相乘得到对应的分数，例如，6分*20%=1.2分；同时执行步骤609、根据情绪匹配对应分数；步骤610、将情绪与预先设置的对应关系进行对照确定对应的分数，例如，负面情绪对应的是2分；步骤611、确定情绪权重为20%；步骤612、根据权重和分数相乘得到对应的分数，例如，2分*20%=0.4分；同时执行步骤613、根据语气波动匹配对应分数；步骤614、将语气波动与预先设置的对应关系进行对照确定对应的分数，例如，语气波动29对应的是10分；步骤615、确定波动权重为20%；步骤616、根据权重和分数相乘得到对应的分数，例如，10分*20%=2分；执行步骤617、汇总本题的所有得分；执行步骤618、反馈结果。

通过将答题结果、第一分数、第二分数和第三分数与对应权重进行加权求和，可以得到每道题的综合得分。这种综合评估方式可以综合考虑目标对象在答题过程中的多个方面的表现，从而得到更全面、更准确的得分。通过设置不同的权重，可以根据不同题目的重要程度或评估侧重点进行调整。这种权重调整的灵活性可以更好地满足不同场景下的评估需求，提高评估的针对性和有效性。通过分别计算每个维度的分数与对应权重的乘积，并计算乘积之和作为题目的得分，可以确保分数的准确性和公正性。这种分数计算方式可以避免主观因素对得分的影响，提高评估的客观性和公正性。根据目标对象的答题结果和多维度数据，可以为每个患者提供个性化的评估得分。这种个性化评估方式可以更好地满足患者的需求，提高医疗管理的针对性和有效性。

可选的，所述根据每道题的得分计算得到所有题目的总得分包括：

根据题目的权重与题目对应的分数加权求和得到所有题目的总得分；或者

对每个题目的分数进行求和得到所有题目的总得分。

可以对每个题目再设置权重，比如，一共10道题，可以设置4道关于血压的题目，设置4道关于脑、血管的题目，设置2道常识题；关于血压的题目的权重可以设置得高一些，例如12%，同样关于脑、血管的题目也可以设置为12%，则每个常识题的权重可以设置为2%。通过这样加权计算得到所有题目的总得分。或者，直接将每个题目的分数相加得到总得分。

通过将每道题的得分与对应题目的权重进行加权求和，可以得到所有题目的综合总得分。这种综合评估方式可以综合考虑目标对象在答题过程中的整体表现，从而得到更全面、更准确的总得分。通过设置不同的题目权重，可以根据不同题目的重要程度或评估侧重点进行调整。这种权重调整的灵活性可以更好地满足不同场景下的评估需求，提高评估的针对性和有效性。通过将每个题目的分数进行求和得到所有题目的总得分，可以确保总分的准确性和公正性。这种总分计算方式可以避免主观因素对总分的影响，提高评估的客观性和公正性。通过对不同题目或不同患者的总得分进行对比分析，可以更好地了解目标对象在答题过程中的表现差异，为后续的医疗管理提供更准确的数据支持。

本实施例还公开了一种通过通话进行智能测评的系统，图7是本申请实施例公开的通过通话进行智能测评的系统的模块示意图，如图7所示，系统包括请求模块701、采集模块702、计算模块703以及报告模块704，其中：

请求模块701，配置用于响应于用户发送测评指令操作，向目标对象发送通话连接请求；

采集模块702，配置用于当目标对象接受通话连接请求时，通过语音的方式对预设的测评表中的题目进行播放，并通过采集所述目标对象的语音确定所述目标对象的答题结果；

计算模块703，配置用于获取所述目标对象在答题时的多维度数据，并根据所述答题结果和多维度数据进行加权求和得到每道题的得分，所述多维度数据包括答题时间、答题情绪和答题语气波动，所述答题情绪包括正面情绪、中性情绪和负面情绪，所述答题语气波动包括异常声调、异常语速和表达不连贯性；以及

报告模块704，配置用于根据每道题的得分计算得到所有题目的总得分，并根据所述总得分生成解析报告。

可选的，所述系统还包括验证模块，所述验证模块配置用于：

通过获取目标对象语音中的身份数据对目标对象进行身份验证，所述身份数据包括姓名、性别、年龄和身份证号。

可选的，所述采集模块702还配置用于：

获取所述目标对象的病历数据，并根据所述病历数据中的异常项设置测评重点，其中，所述异常项是指不在预设范围内的数据或非正常表征；

根据所述异常项从预设题目库中匹配题目以生成测评表，并根据所述测评重点设置所述测评表中题目对应的权重；

将所述题目转换成语音展现给所述目标对象。

可选的，所述采集模块702还配置用于：

使用深度学习模型提取语音中的特征，将所述特征转换为相应的文本，并通过所述文本匹配对应的答题结果。

可选的，所述计算模块703配置用于：

获取第一答题时间，根据所述第一答题时间从预设的答题时间与分数对应关系中确定所述第一答题时间的第一分数；

根据所述目标对象的答题语音中的声学特征获取第一答题情绪，根据所述第一答题情绪从预设的情绪与分数对应关系中确定所述第一答题情绪的第二分数；

获取第一答题语气波动，根据所述第一答题语气波动从预设的语气波动与分数对应关系中确定所述第一答题语气波动的第三分数。

可选的，所述计算模块703配置用于：

分别计算所述答题结果的分数、所述第一分数、所述第二分数和所述第三分数与对应权重的乘积，并计算乘积之和作为题目的得分。

可选的，所述报告模块704配置用于：

根据题目的权重与题目对应的分数加权求和得到所有题目的总得分；或者

对每个题目的分数进行求和得到所有题目的总得分。

需要说明的是：上述实施例提供的装置在实现其功能时，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将设备的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。另外，上述实施例提供的装置和方法实施例属于同一构思，其具体实现过程详见方法实施例，这里不再赘述。

本实施例还公开了一种电子设备，参照图8，电子设备可以包括：至少一个处理器801，至少一个通信总线802，用户接口803，网络接口804，至少一个存储器805。

其中，通信总线802用于实现这些组件之间的连接通信。

其中，用户接口803可以包括显示屏（Display）、摄像头（Camera），可选用户接口803还可以包括标准的有线接口、无线接口。

其中，网络接口804可选的可以包括标准的有线接口、无线接口（如WI-FI接口）。

其中，处理器801可以包括一个或者多个处理核心。处理器801利用各种接口和线路连接整个服务器内的各个部分，通过运行或执行存储在存储器805内的指令、程序、代码集或指令集，以及调用存储在存储器805内的数据，执行服务器的各种功能和处理数据。可选的，处理器801可以采用数字信号处理（Digital Signal Processing，DSP）、现场可编程门阵列（Field-Programmable Gate Array，FPGA）、可编程逻辑阵列（Programmable LogicArray，PLA）中的至少一种硬件形式来实现。处理器801可集成中央处理器801（CentralProcessing Unit，CPU）、图像处理器801（Graphics Processing Unit，GPU）和调制解调器等中的一种或几种的组合。其中，CPU主要处理操作系统、用户界面和应用程序等；GPU用于负责显示屏所需要显示的内容的渲染和绘制；调制解调器用于处理无线通信。可以理解的是，上述调制解调器也可以不集成到处理器801中，单独通过一块芯片进行实现。

其中，存储器805可以包括随机存储器805（Random Access Memory，RAM），也可以包括只读存储器805（Read-Only Memory）。可选的，该存储器805包括非瞬时性计算机可读介质（non-transitory computer-readable storage medium）。存储器805可用于存储指令、程序、代码、代码集或指令集。存储器805可包括存储程序区和存储数据区，其中，存储程序区可存储用于实现操作系统的指令、用于至少一个功能的指令（比如触控功能、声音播放功能、图像播放功能等）、用于实现上述各个方法实施例的指令等；存储数据区可存储上面各个方法实施例中涉及的数据等。存储器805可选的还可以是至少一个位于远离前述处理器801的存储装置。如图所示，作为一种计算机存储介质的存储器805中可以包括操作系统、网络通信模块、用户接口模块以及通过通话进行测评的方法的应用程序。

在图8所示的电子设备中，用户接口803主要用于为用户提供输入的接口，获取用户输入的数据；而处理器801可以用于调用存储器805中存储通过通话进行测评的方法的应用程序，当由一个或多个处理器801执行时，使得电子设备执行如上述实施例中一个或多个的方法。

需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本申请并不受所描述的动作顺序的限制，因为依据本申请，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本申请所必需的。

在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。

在本申请所提供的几个实施例中，应该理解到，所披露的装置，可通过其他的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些服务接口，装置或单元的间接耦合或通信连接，可以是电性或其他的形式。

作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储器805中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储器805中，包括若干指令用以使得一台计算机设备（可为个人计算机、服务器或者网络设备等）执行本申请各个实施例方法的全部或部分步骤。而前述的存储器805包括：U盘、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述者，仅为本公开的示例性实施例，不能以此限定本公开的范围。即但凡依本公开教导所作的等效变化与修饰，皆仍属本公开涵盖的范围内。本领域技术人员在考虑说明书及实践真理的公开后，将容易想到本公开的其他实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未记载的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的范围和精神由权利要求限定。