1.本发明涉及数据处理技术领域，特别涉及一种数据处理方法、系统、计算 机及可读存储介质。
背景技术：2.随着社会的进步，人们生活水平的提高，个人的身体健康越来越受到消费 者的关注，以保证自身持续处于一个健康的身体状态。
3.其中，现有的消费者大部分会前往医院做定期体检，以根据体检报告来定 期了解到自身的健康状态，或者当消费者自身感到身体不适时，主动前往医院 进行就诊，以了解自身的身体状况。
4.然而，上述就诊方式都需要消费者主动前往医院获取到关于自身健康的数 据，再对自身的数据进行处理，不够便利，增加了消费者的时间负担。
5.因此，针对现有技术的不足，提供一种能够在线为消费者进行健康数据处 理的方法很有必要。
技术实现要素：6.基于此，本发明的目的是提供一种数据处理方法、系统、计算机及可读存 储介质，以实现健康数据的在线处理，给消费者带来便利。
7.本发明实施例第一方面提出了一种数据处理方法，应用于疾病诊断平台， 所述疾病诊断平台与疾病数据库、以及用户终端通信连接，所述方法包括：
8.获取所述用户终端输入的用户信息，所述用户信息包括用户身份标识以及 病情描述信息，所述用户身份标识包括用户名称、用户年龄以及用户性别，所 述病情描述信息包括发病部位以及发病特征；
9.根据所述用户身份标识在所述疾病数据库中查找出对应的历史诊断记录， 所述历史诊断记录包括历史疾病信息；
10.基于预设的疾病诊断模型对所述病情描述信息进行分析并获取到至少一个 疾病类型；
11.将所述疾病类型对应的疾病信息与所述历史疾病信息进行匹配，并将匹配 上的疾病类型确定为当前用户的疾病类型。
12.本发明的有益效果是：通过首先获取到用户终端输入的用户信息，并根据 该用户信息中的用户身份标识在疾病数据库中查找出对应的历史诊断记录，进 一步的，基于预设的疾病诊断模型对用户信息中的病情描述信息进行分析并获 取到至少一个疾病类型，最后将获取到的疾病类型中的疾病信息与历史疾病信 息进行匹配，并将匹配出的疾病类型确定为当前用户最终的疾病类型。通过上 述方式能够使用户通过上述用户终端在线输入自身的用户身份标识以及病情描 述信息，与此同时，上述疾病诊断平台能够根据接收到的用户身份标识以及病 情描述信息在上述疾病数据库中及时的匹配出对应的疾病类型，并
将匹配上的 疾病类型确定为当前用户的疾病类型，从而能够使用户在线完成医疗健康数据 的处理，给用户带来了极大的便利，适用于大范围的推广与使用。
13.优选的，所述方法还包括：
14.若所述疾病类型对应的疾病信息与所述历史疾病信息不匹配，则向所述用 户终端发起获取用户体征的请求，所述用户体征包括用户的心跳、脉搏以及体 温；
15.将所述用户体征与所述疾病类型对应的疾病信息中的疾病特征进行匹配， 并将匹配程度最高的疾病类型作为当前用户的疾病类型。
16.优选的，所述疾病诊断模型包括确诊诊断单元；
17.所述基于预设的疾病诊断模型对所述病情描述信息进行分析并获取到至少 一个疾病类型的步骤包括：
18.将所述发病部位以及所述发病特征输入至所述确诊诊断单元，以得到对应 的确诊概率值；
19.判断所述确诊概率值是否大于预设确诊概率阈值；
20.若是，则根据所述发病特征、所述发病部位以及所述确诊概率值生成对应 的确诊诊断结果，并根据所述确诊诊断结果在所述疾病数据库中筛选出至少一 个对应的疾病类型。
21.优选的，所述疾病诊断模型包括疑似诊断单元；
22.所述根据所述发病特征、所述发病部位以及所述确诊概率值生成对应的确 诊诊断结果，并根据所述确诊诊断结果在所述疾病数据库中筛选出至少一个对 应的疾病类型的步骤之后，所述方法还包括：
23.将所述发病部位以及所述发病特征输入至所述疑似诊断单元，以得到对应 的疑似概率值；
24.若所述确诊概率值小于所述预设确诊概率阈值，判断所述疑似概率值是否 大于预设疑似概率阈值；
25.若是，则根据所述发病特征、所述发病部位以及所述疑似概率值生成对应 的疑似诊断结果，并根据所述疑似诊断结果在所述疾病数据库中筛选出至少一 个对应的疾病类型。
26.优选的，所述将所述疾病类型对应的疾病信息与所述历史疾病信息进行匹 配，并将匹配上的疾病类型确定为当前用户的疾病类型的步骤之后，所述方法 还包括：
27.基于预设的筛选模型根据所述疾病类型中的疾病信息在所述疾病数据库中 筛选出适配的就诊医院；
28.调用出所述就诊医院中的全部医生信息，所述医生信息包括各个医生的擅 长领域信息；
29.基于所述疾病信息以及所述擅长领域信息匹配出与所述疾病类型适配的就 诊医生；
30.将所述就诊医院以及所述就诊医生同时推送至所述用户终端。
31.本发明实施例第二方面提出了一种数据处理系统，其特征在于，应用于疾 病诊断平台，所述疾病诊断平台与疾病数据库、以及用户终端通信连接，所述 系统包括：
32.获取模块，用于获取所述用户终端输入的用户信息，所述用户信息包括用 户身份
标识以及病情描述信息，所述用户身份标识包括用户名称、用户年龄以 及用户性别，所述病情描述信息包括发病部位以及发病特征；
33.查找模块，用于根据所述用户身份标识在所述疾病数据库中查找出对应的 历史诊断记录，所述历史诊断记录包括历史疾病信息；
34.分析模块，用于基于预设的疾病诊断模型对所述病情描述信息进行分析并 获取到至少一个疾病类型；
35.匹配模块，用于将所述疾病类型对应的疾病信息与所述历史疾病信息进行 匹配，并将匹配上的疾病类型确定为当前用户的疾病类型。
36.其中，上述数据处理系统中，所述数据处理系统还包括请求模块，所述请 求模块具体用于：
37.若所述疾病类型对应的疾病信息与所述历史疾病信息不匹配，则向所述用 户终端发起获取用户体征的请求，所述用户体征包括用户的心跳、脉搏以及体 温；
38.将所述用户体征与所述疾病类型对应的疾病信息中的疾病特征进行匹配， 并将匹配程度最高的疾病类型作为当前用户的疾病类型。
39.其中，上述数据处理系统中，所述疾病诊断模型包括确诊诊断单元；
40.所述分析模块具体用于：
41.将所述发病部位以及所述发病特征输入至所述确诊诊断单元，以得到对应 的确诊概率值；
42.判断所述确诊概率值是否大于预设确诊概率阈值；
43.若是，则根据所述发病特征、所述发病部位以及所述确诊概率值生成对应 的确诊诊断结果，并根据所述确诊诊断结果在所述疾病数据库中筛选出至少一 个对应的疾病类型。
44.其中，上述数据处理系统中，所述疾病诊断模型包括疑似诊断单元；
45.所述分析模块还具体用于：
46.将所述发病部位以及所述发病特征输入至所述疑似诊断单元，以得到对应 的疑似概率值；
47.若所述确诊概率值小于所述预设确诊概率阈值，判断所述疑似概率值是否 大于预设疑似概率阈值；
48.若是，则根据所述发病特征、所述发病部位以及所述疑似概率值生成对应 的疑似诊断结果，并根据所述疑似诊断结果在所述疾病数据库中筛选出至少一 个对应的疾病类型。
49.其中，上述数据处理系统中，所述数据处理系统还包括推送模块，所述推 送模块具体用于：
50.基于预设的筛选模型根据所述疾病类型中的疾病信息在所述疾病数据库中 筛选出适配的就诊医院；
51.调用出所述就诊医院中的全部医生信息，所述医生信息包括各个医生的擅 长领域信息；
52.基于所述疾病信息以及所述擅长领域信息匹配出与所述疾病类型适配的就 诊医生；
53.将所述就诊医院以及所述就诊医生同时推送至所述用户终端。
54.本发明实施例第三方面提出了一种计算机，其包括存储器、处理器以及存 储在所述存储器上并可在所述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如上面所述的数据处理方法。
55.本发明实施例第四方面提出了一种可读存储介质，其上存储有计算机程序， 该程序被处理器执行时实现如上面所述的数据处理方法。
56.本发明的附加方面和优点将在下面的描述中部分给出，部分将从下面的描 述中变得明显，或通过本发明的实践了解到。
附图说明
57.图1为本发明第一实施例提供的数据处理方法的流程图；
58.图2为本发明第三实施例提供的数据处理系统的结构框图。
59.如下具体实施方式将结合上述附图进一步说明本发明。
具体实施方式
60.为了便于理解本发明，下面将参照相关附图对本发明进行更全面的描述。 附图中给出了本发明的若干实施例。但是，本发明可以以许多不同的形式来实 现，并不限于本文所描述的实施例。相反地，提供这些实施例的目的是使对本 发明的公开内容更加透彻全面。
61.需要说明的是，当元件被称为“固设于”另一个元件，它可以直接在另一个元 件上或者也可以存在居中的元件。当一个元件被认为是“连接”另一个元件，它可 以是直接连接到另一个元件或者可能同时存在居中元件。本文所使用的术语“垂 直的”、“水平的”、“左”、“右”以及类似的表述只是为了说明的目的。
62.除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术 领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术 语只是为了描述具体的实施例的目的，不是旨在于限制本发明。本文所使用的 术语“及/或”包括一个或多个相关的所列项目的任意的和所有的组合。
63.现有的就诊方式都需要消费者主动前往医院进行就诊，当消费者住址离医 院较远或者遇到挂不上号等情况时，会给消费者带来极大的不便，同时会延误 消费者的最佳治疗时机，造成不必要的后果。
64.请参阅图1，所示为本发明第一实施例提供的数据处理方法，该数据处理方 法能够使用户通过上述用户终端在线输入自身的用户身份标识以及病情描述信 息，与此同时，上述疾病诊断平台能够根据接收到的用户身份标识以及病情描 述信息在上述疾病数据库中及时的匹配出对应的疾病类型，并将匹配上的疾病 类型确定为当前用户的疾病类型，从而能够使用户在线完成医疗健康数据的处 理，给用户带来了极大的便利，适用于大范围的推广与使用。
65.具体的，本实施例提供的数据处理方法应用于疾病诊断平台，所述疾病诊 断平台与疾病数据库、以及用户终端通信连接，该方法包括以下步骤：
66.步骤s10，获取所述用户终端输入的用户信息，所述用户信息包括用户身份 标识
以及病情描述信息，所述用户身份标识包括用户名称、用户年龄以及用户 性别，所述病情描述信息包括发病部位以及发病特征；
67.具体的，在本实施例中，首先需要说明的是，该数据处理方法具体应用在 设置在后台的疾病数据库、能够与该疾病数据库建立通信连接的用户终端、以 及安装在用户终端内的疾病诊断平台之间。其中，上述用户终端可以为手机、 平板电脑以及计算机等。
68.进一步的，当用户需要在线诊断出自身的病情时，用户只需要通过上述用 户终端启用上述疾病诊断平台，此时该疾病诊断平台会向用户发出获取当前用 户的用户信息的请求，具体的，该用户信息包括用户身份标识以及病情描述信 息，进一步的，上述用户身份标识包括用户名称、用户年龄以及用户性别，上 述病情描述信息包括发病部位以及发病特征。
69.步骤s20，根据所述用户身份标识在所述疾病数据库中查找出对应的历史诊 断记录，所述历史诊断记录包括历史疾病信息；
70.进一步的，在本步骤中，当疾病诊断平台获取到需要的用户信息，即获取 到用户身份标识以及病情描述信息时，该疾病诊断平台会立即与上述疾病数据 库建立通信连接，在此之后，该疾病诊断平台会在该疾病数据库中查找出对应 的历史诊断记录，该历史诊断记录包括当前用户的历史疾病信息。
71.步骤s30，基于预设的疾病诊断模型对所述病情描述信息进行分析并获取到 至少一个疾病类型；
72.更进一步的，在本步骤中，需要说明的是，本实施例会预先在上述疾病诊 断平台内构建出一个疾病诊断模型，该疾病诊断模型能够对获取到的病情描述 信息进行分析处理，并最终获取到至少一个疾病类型，例如，该疾病类型可以 为感冒、发烧以及发炎等，并且每个疾病类型都有对应的疾病信息。
73.步骤s40，将所述疾病类型对应的疾病信息与所述历史疾病信息进行匹配， 并将匹配上的疾病类型确定为当前用户的疾病类型。
74.最后，在本步骤中，需要说明的是，在疾病诊断平台通过上述步骤分别获 取到当前用户提供的用户信息对应的疾病类型以及历史疾病信息时，该疾病诊 断平台会立即将获取到的疾病类型对应的疾病信息与上述历史疾病信息进行匹 配，若当前查找出的疾病类型中的疾病信息存在与上述历史疾病信息向匹配的 内容，则能够将当前匹配上的疾病信息对应的疾病类型确定为当前用户的疾病 类型，从而能够使用户在线的诊断出当前症状对应的疾病类型。
75.使用时，通过首先获取到用户终端输入的用户信息，并根据该用户信息中 的用户身份标识在疾病数据库中查找出对应的历史诊断记录，进一步的，基于 预设的疾病诊断模型对用户信息中的病情描述信息进行分析并获取到至少一个 疾病类型，最后将获取到的疾病类型中的疾病信息与历史疾病信息进行匹配， 并将匹配出的疾病类型确定为当前用户最终的疾病类型。通过上述方式能够使 用户通过上述用户终端在线输入自身的用户身份标识以及病情描述信息，与此 同时，上述疾病诊断平台能够根据接收到的用户身份标识以及病情描述信息在 上述疾病数据库中及时的匹配出对应的疾病类型，并将匹配上的疾病类型确定 为当前用户的疾病类型，从而能够使用户在线完成医疗健康数据的处理，给用 户带来了极大的便利，适用于大范围的推广与使用。
76.需要说明的是，上述的实施过程只是为了说明本技术的可实施性，但这并 不代表本技术的数据处理方法只有上述唯一一种实施流程，相反的，只要能够 将本技术的数据处理方法实施起来，都可以被纳入本技术的可行实施方案。
77.综上，本发明上述实施例当提供的数据处理方法能够使用户通过上述用户 终端在线输入自身的用户身份标识以及病情描述信息，与此同时，上述疾病诊 断平台能够根据接收到的用户身份标识以及病情描述信息在上述疾病数据库中 及时的匹配出对应的疾病类型，并将匹配上的疾病类型确定为当前用户的疾病 类型，从而能够使用户在线完成医疗健康数据的处理，给用户带来了极大的便 利，适用于大范围的推广与使用。
78.本发明第二实施例同样提供了一种数据处理方法，本实施例提供的数据处 理方法具体包括以下步骤：
79.步骤s11，获取所述用户终端输入的用户信息；
80.同理，在本实施例中，该数据处理方法具体应用在设置在后台的疾病数据 库、能够与该疾病数据库建立通信连接的用户终端、以及安装在用户终端内的 疾病诊断平台之间。其中，上述用户终端可以为手机、平板电脑以及计算机等。
81.进一步的，当用户需要在线诊断出自身的病情时，用户只需要通过上述用 户终端启用上述疾病诊断平台，此时该疾病诊断平台会向用户发出获取当前用 户的用户信息的请求，具体的，该用户信息包括用户身份标识以及病情描述信 息，进一步的，上述用户身份标识包括用户名称、用户年龄以及用户性别，上 述病情描述信息包括发病部位以及发病特征。
82.步骤s21，根据所述用户身份标识在所述疾病数据库中查找出对应的历史诊 断记录；
83.进一步的，在本步骤中，当疾病诊断平台获取到需要的用户信息，即获取 到用户身份标识以及病情描述信息时，该疾病诊断平台会立即与上述疾病数据 库建立通信连接，在此之后，该疾病诊断平台会在该疾病数据库中查找出对应 的历史诊断记录，该历史诊断记录包括当前用户的历史疾病信息。
84.在本实施例中，上述疾病诊断模型包括确诊诊断单元，并执行步骤s31；
85.步骤s31，将所述发病部位以及所述发病特征输入至所述确诊诊断单元，以 得到对应的确诊概率值；
86.判断所述确诊概率值是否大于预设确诊概率阈值；
87.若是，则根据所述发病特征、所述发病部位以及所述确诊概率值生成对应 的确诊诊断结果，并根据所述确诊诊断结果在所述疾病数据库中筛选出至少一 个对应的疾病类型。
88.具体的，在本实施例中，需要指出的是，上述疾病诊断模型包括确诊诊断 单元，该确诊诊断单元用于输出确诊结果。
89.进一步的，在本步骤中，上述疾病诊断平台会将获取到的发病部位以及发 病特征输入至上述确诊诊断单元，该确诊诊断单元内编写有概率计算程序，该 概率计算程序会识别到获取到的发病部位以及发病特征，并计算得到对应的确 诊概率值。
90.进一步的，该疾病诊断平台会判断当前计算出的确诊概率值是否大于其内 部预设的确诊概率阈值；
91.更进一步的，若判断到上述确诊诊断单元当前计算出的确诊概率值大于其 内部预设的确诊概率阈值，则根据所述发病特征、所述发病部位以及所述确诊 概率值生成对应的确诊诊断结果，并根据所述确诊诊断结果在所述疾病数据库 中筛选出至少一个对应的疾病类型；
92.若判断到上述确诊诊断单元当前计算出的确诊概率值小于其内部预设的确 诊概率阈值，则执行步骤s41。
93.另外，在本实施例中，上述疾病诊断模型还包括疑似诊断单元；
94.具体的，在上述根据所述发病特征、所述发病部位以及所述确诊概率值生 成对应的确诊诊断结果，并根据所述确诊诊断结果在所述疾病数据库中筛选出 至少一个对应的疾病类型的步骤之后，该方法还包括：
95.步骤s41，将所述发病部位以及所述发病特征输入至所述疑似诊断单元，以 得到对应的疑似概率值；
96.若所述确诊概率值小于所述预设确诊概率阈值，判断所述疑似概率值是否 大于预设疑似概率阈值；
97.若是，则根据所述发病特征、所述发病部位以及所述疑似概率值生成对应 的疑似诊断结果，并根据所述疑似诊断结果在所述疾病数据库中筛选出至少一 个对应的疾病类型。
98.具体的，在本步骤中，在通过上述步骤s31判断到上述确诊诊断单元当前 计算出的确诊概率值小于其内部预设的确诊概率阈值时，本步骤会再次将上述 步骤s31中的发病部位以及发病特征输入至上述疑似诊断单元。同理，在该疑 似诊断单元内编写有概率计算程序，该概率计算程序会识别到获取到的发病部 位以及发病特征，并计算得到对应的疑似概率值。
99.进一步的，该疾病诊断平台会判断当前计算出的疑似概率值是否大于预设 疑似概率阈值；
100.若是，则根据所述发病特征、所述发病部位以及所述疑似概率值生成对应 的疑似诊断结果，并根据所述疑似诊断结果在所述疾病数据库中筛选出至少一 个对应的疾病类型，从而能够准确的筛选出当前用户对应的疾病类型。
101.在本实施例中，还需要说明的是，该方法还包括：
102.步骤s51，若所述疾病类型对应的疾病信息与所述历史疾病信息不匹配，则 向所述用户终端发起获取用户体征的请求，所述用户体征包括用户的心跳、脉 搏以及体温；将所述用户体征与所述疾病类型对应的疾病信息中的疾病特征进 行匹配，并将匹配程度最高的疾病类型作为当前用户的疾病类型。
103.进一步的，在本步骤中，在疾病诊断平台获取到当前用户的疾病类型时， 该疾病诊断平台首先将当前疾病类型对应的疾病信息与上述获取到的历史疾病 信息进行匹配，并最终将匹配上的疾病类型确定为当前用户的疾病类型；
104.若所述疾病类型对应的疾病信息与所述历史疾病信息不匹配，则向所述用 户终端发起获取用户体征的请求，所述用户体征包括用户的心跳、脉搏以及体 温；将所述用户体征与所述疾病类型对应的疾病信息中的疾病特征进行匹配， 并将匹配程度最高的疾病类型作为当前用户的疾病类型。
105.在本实施例中，还需要说明的是，上述将所述疾病类型对应的疾病信息与 所述历史疾病信息进行匹配，并将匹配上的疾病类型确定为当前用户的疾病类 型的步骤之后，该方法还包括：
106.步骤s61，基于预设的筛选模型根据所述疾病类型中的疾病信息在所述疾病 数据库中筛选出适配的就诊医院；调用出所述就诊医院中的全部医生信息，所 述医生信息包括各个医生的擅长领域信息；基于所述疾病信息以及所述擅长领 域信息匹配出与所述疾病类型适配的就诊医生；将所述就诊医院以及所述就诊 医生同时推送至所述用户终端。
107.最后，在本步骤中，还需要说明的是，在上述疾病诊断平台中还预先安装 有筛选模型，在该筛选模型中预先编写有筛选程序，实施时，该疾病诊断平台 会基于该筛选模型根据上述疾病类型中的疾病信息在上述疾病数据库中筛选出 适配的就诊医院；并调用出该就诊医院中的全部医生信息，其中，该医生信息 包括各个医生的擅长领域信息；进一步的，基于上述疾病信息以及获取到的擅 长领域信息匹配出与用户当前疾病的疾病类型适配的就诊医生；最后将上述就 诊医院以及上述就诊医生同时推送至用户的用户终端，从而能够使用户直接前 往适合就诊的医院，给用户带来了巨大的便利。
108.需要指出的是，本发明第二实施例所提供的方法，其实现原理及产生的一 些技术效果和第一实施例相同，为简要描述，本实施例未提及之处，可参考第 一实施例提供相应内容。
109.综上，本发明上述实施例当提供的数据处理方法能够使用户通过上述用户 终端在线输入自身的用户身份标识以及病情描述信息，与此同时，上述疾病诊 断平台能够根据接收到的用户身份标识以及病情描述信息在上述疾病数据库中 及时的匹配出对应的疾病类型，并将匹配上的疾病类型确定为当前用户的疾病 类型，从而能够使用户在线完成医疗健康数据的处理，给用户带来了极大的便 利，适用于大范围的推广与使用。
110.请参阅图2，所示为本发明第三实施例提供的数据处理系统，应用于疾病诊 断平台，所述疾病诊断平台与疾病数据库、以及用户终端通信连接，所述系统 包括：
111.获取模块12，用于获取所述用户终端输入的用户信息，所述用户信息包括 用户身份标识以及病情描述信息，所述用户身份标识包括用户名称、用户年龄 以及用户性别，所述病情描述信息包括发病部位以及发病特征；
112.查找模块22，用于根据所述用户身份标识在所述疾病数据库中查找出对应 的历史诊断记录，所述历史诊断记录包括历史疾病信息；
113.分析模块32，用于基于预设的疾病诊断模型对所述病情描述信息进行分析 并获取到至少一个疾病类型；
114.匹配模块42，用于将所述疾病类型对应的疾病信息与所述历史疾病信息进 行匹配，并将匹配上的疾病类型确定为当前用户的疾病类型。
115.其中，上述数据处理系统中，所述数据处理系统还包括请求模块52，所述 请求模块52具体用于：
116.若所述疾病类型对应的疾病信息与所述历史疾病信息不匹配，则向所述用 户终端发起获取用户体征的请求，所述用户体征包括用户的心跳、脉搏以及体 温；
117.将所述用户体征与所述疾病类型对应的疾病信息中的疾病特征进行匹配， 并将匹配程度最高的疾病类型作为当前用户的疾病类型。
118.其中，上述数据处理系统中，所述疾病诊断模型包括确诊诊断单元；
119.所述分析模块32具体用于：
120.将所述发病部位以及所述发病特征输入至所述确诊诊断单元，以得到对应 的确诊概率值；
121.判断所述确诊概率值是否大于预设确诊概率阈值；
122.若是，则根据所述发病特征、所述发病部位以及所述确诊概率值生成对应 的确诊诊断结果，并根据所述确诊诊断结果在所述疾病数据库中筛选出至少一 个对应的疾病类型。
123.其中，上述数据处理系统中，所述疾病诊断模型包括疑似诊断单元；
124.所述分析模块32还具体用于：
125.将所述发病部位以及所述发病特征输入至所述疑似诊断单元，以得到对应 的疑似概率值；
126.若所述确诊概率值小于所述预设确诊概率阈值，判断所述疑似概率值是否 大于预设疑似概率阈值；
127.若是，则根据所述发病特征、所述发病部位以及所述疑似概率值生成对应 的疑似诊断结果，并根据所述疑似诊断结果在所述疾病数据库中筛选出至少一 个对应的疾病类型。
128.其中，上述数据处理系统中，所述数据处理系统还包括推送模块62，所述 推送模块62具体用于：
129.基于预设的筛选模型根据所述疾病类型中的疾病信息在所述疾病数据库中 筛选出适配的就诊医院；
130.调用出所述就诊医院中的全部医生信息，所述医生信息包括各个医生的擅 长领域信息；
131.基于所述疾病信息以及所述擅长领域信息匹配出与所述疾病类型适配的就 诊医生；
132.将所述就诊医院以及所述就诊医生同时推送至所述用户终端。
133.本发明第四实施例提供了一种计算机，包括存储器、处理器以及存储在所 述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算 机程序时实现如上述第一实施例或者第二实施例提供的数据处理方法。
134.本发明第五实施例提供了一种可读存储介质，其上存储有计算机程序，该 程序被处理器执行时实现如上述第一实施例或者第二实施例提供的数据处理方 法。
135.综上所述，本发明上述实施例当提供的数据处理方法、系统、计算机及可 读存储介质能够使用户通过上述用户终端在线输入自身的用户身份标识以及病 情描述信息，另外，上述疾病诊断平台能够根据接收到的用户身份标识以及病 情描述信息在上述疾病数据库中及时的匹配出对应的疾病类型，并将匹配上的 疾病类型确定为当前用户的疾病类型，从而能够使用户在线完成医疗健康数据 的处理，给用户带来了极大的便利，适用于大范围的推广与使用。
136.需要说明的是，上述各个模块可以是功能模块也可以是程序模块，既可以 通过软件来实现，也可以通过硬件来实现。对于通过硬件来实现的模块而言， 上述各个模块可以
位于同一处理器中；或者上述各个模块还可以按照任意组合 的形式分别位于不同的处理器中。
137.在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认 为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机 可读介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处 理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统) 使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，“计算 机可读介质”可以是任何可以包含、存储、通信、传播或传输程序以供指令执 行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。
138.计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或 多个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存 储器(ram)，只读存储器(rom)，可擦除可编辑只读存储器(eprom或闪 速存储器)，光纤装置，以及便携式光盘只读存储器(cdrom)。另外，计算机 可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以 例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他 合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器 中。
139.应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。 在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执 行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方 式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有 用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合 逻辑门电路的专用集成电路，可编程门阵列(pga)，现场可编程门阵列(fpga) 等。
140.在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、
ꢀ“
具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特 征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明 书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描 述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中 以合适的方式结合。
141.以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细， 但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域 的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和 改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附 权利要求为准。
技术特征：1.一种数据处理方法，其特征在于，应用于疾病诊断平台，所述疾病诊断平台与疾病数据库、以及用户终端通信连接，所述方法包括：获取所述用户终端输入的用户信息，所述用户信息包括用户身份标识以及病情描述信息，所述用户身份标识包括用户名称、用户年龄以及用户性别，所述病情描述信息包括发病部位以及发病特征；根据所述用户身份标识在所述疾病数据库中查找出对应的历史诊断记录，所述历史诊断记录包括历史疾病信息；基于预设的疾病诊断模型对所述病情描述信息进行分析并获取到至少一个疾病类型；将所述疾病类型对应的疾病信息与所述历史疾病信息进行匹配，并将匹配上的疾病类型确定为当前用户的疾病类型。2.根据权利要求1所述的数据处理方法，其特征在于：所述方法还包括：若所述疾病类型对应的疾病信息与所述历史疾病信息不匹配，则向所述用户终端发起获取用户体征的请求，所述用户体征包括用户的心跳、脉搏以及体温；将所述用户体征与所述疾病类型对应的疾病信息中的疾病特征进行匹配，并将匹配程度最高的疾病类型作为当前用户的疾病类型。3.根据权利要求1所述的数据处理方法，其特征在于：所述疾病诊断模型包括确诊诊断单元；所述基于预设的疾病诊断模型对所述病情描述信息进行分析并获取到至少一个疾病类型的步骤包括：将所述发病部位以及所述发病特征输入至所述确诊诊断单元，以得到对应的确诊概率值；判断所述确诊概率值是否大于预设确诊概率阈值；若是，则根据所述发病特征、所述发病部位以及所述确诊概率值生成对应的确诊诊断结果，并根据所述确诊诊断结果在所述疾病数据库中筛选出至少一个对应的疾病类型。4.根据权利要求3所述的数据处理方法，其特征在于：所述疾病诊断模型包括疑似诊断单元；所述根据所述发病特征、所述发病部位以及所述确诊概率值生成对应的确诊诊断结果，并根据所述确诊诊断结果在所述疾病数据库中筛选出至少一个对应的疾病类型的步骤之后，所述方法还包括：将所述发病部位以及所述发病特征输入至所述疑似诊断单元，以得到对应的疑似概率值；若所述确诊概率值小于所述预设确诊概率阈值，判断所述疑似概率值是否大于预设疑似概率阈值；若是，则根据所述发病特征、所述发病部位以及所述疑似概率值生成对应的疑似诊断结果，并根据所述疑似诊断结果在所述疾病数据库中筛选出至少一个对应的疾病类型。5.根据权利要求1所述的数据处理方法，其特征在于：所述将所述疾病类型对应的疾病信息与所述历史疾病信息进行匹配，并将匹配上的疾病类型确定为当前用户的疾病类型的步骤之后，所述方法还包括：基于预设的筛选模型根据所述疾病类型中的疾病信息在所述疾病数据库中筛选出适
配的就诊医院；调用出所述就诊医院中的全部医生信息，所述医生信息包括各个医生的擅长领域信息；基于所述疾病信息以及所述擅长领域信息匹配出与所述疾病类型适配的就诊医生；将所述就诊医院以及所述就诊医生同时推送至所述用户终端。6.一种数据处理系统，其特征在于，应用于疾病诊断平台，所述疾病诊断平台与疾病数据库、以及用户终端通信连接，所述系统包括：获取模块，用于获取所述用户终端输入的用户信息，所述用户信息包括用户身份标识以及病情描述信息，所述用户身份标识包括用户名称、用户年龄以及用户性别，所述病情描述信息包括发病部位以及发病特征；查找模块，用于根据所述用户身份标识在所述疾病数据库中查找出对应的历史诊断记录，所述历史诊断记录包括历史疾病信息；分析模块，用于基于预设的疾病诊断模型对所述病情描述信息进行分析并获取到至少一个疾病类型；匹配模块，用于将所述疾病类型对应的疾病信息与所述历史疾病信息进行匹配，并将匹配上的疾病类型确定为当前用户的疾病类型。7.根据权利要求6所述的数据处理系统，其特征在于：所述数据处理系统还包括请求模块，所述请求模块具体用于：若所述疾病类型对应的疾病信息与所述历史疾病信息不匹配，则向所述用户终端发起获取用户体征的请求，所述用户体征包括用户的心跳、脉搏以及体温；将所述用户体征与所述疾病类型对应的疾病信息中的疾病特征进行匹配，并将匹配程度最高的疾病类型作为当前用户的疾病类型。8.根据权利要求6所述的数据处理系统，其特征在于：所述疾病诊断模型包括确诊诊断单元；所述分析模块具体用于：将所述发病部位以及所述发病特征输入至所述确诊诊断单元，以得到对应的确诊概率值；判断所述确诊概率值是否大于预设确诊概率阈值；若是，则根据所述发病特征、所述发病部位以及所述确诊概率值生成对应的确诊诊断结果，并根据所述确诊诊断结果在所述疾病数据库中筛选出至少一个对应的疾病类型。9.一种计算机，包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至5中任意一项所述的数据处理方法。10.一种可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1至5中任意一项所述的数据处理方法。
技术总结本发明提供了一种数据处理方法、系统、计算机及可读存储介质，该方法包括获取用户终端输入的用户信息，用户信息包括用户身份标识以及病情描述信息，用户身份标识包括用户名称、用户年龄以及用户性别，病情描述信息包括发病部位以及发病特征；根据用户身份标识在疾病数据库中查找出对应的历史诊断记录，历史诊断记录包括历史疾病信息；基于预设的疾病诊断模型对病情描述信息进行分析并获取到至少一个疾病类型；将疾病类型对应的疾病信息与历史疾病信息进行匹配，并将匹配上的疾病类型确定为当前用户的疾病类型。本申请能够使用户在线完成医疗健康数据的处理，给用户带来了极大的便利。利。利。
技术研发人员：刘桂英 胡林会
受保护的技术使用者：共青科技职业学院
技术研发日：2022.06.24
技术公布日：2022/11/1
