技术领域
[0001] 本
发明涉及人工智能技术领域，特别是指一种基于大数据和人工智能的中医理疗管理系统。
背景技术
[0002] 中医(Traditional Chinese Medicine)，一般指以中国汉族劳动人民创造的传统医学为主的医学，所以也称汉医。是研究人体生理、病理以及
疾病的诊断和防治等的一
门学科。中医承载着中国古代人民同疾病作斗争的经验和理论知识，是在古代朴素的唯物论和自发的辨证法思想指导下，通过长期医疗实践逐步形成并发展成的医学理论体系。中医学以阴阳五行作为理论
基础，将人体看成是气、形、神的统一体，通过"望闻问切"四诊合参的方法，探求病因、病性、病位、分析病机及人体内五脏六腑、
经络关节、气血津液的变化、判断邪正消长，进而得出病名，归纳出证型，以辨证论治原则，制定"汗、吐、下、和、温、清、补、消"等治法，使用中药、针灸、推拿、按摩、拔罐、气功、食疗等多种
治疗手段，使人体达到阴阳调和而康复。
[0003] 随着信息技术和
电子技术的快速发展，数字化医疗系统平台得到越来越广泛的应用，利用互联网的对资源的高效利用与整合能
力与中医进行融合，利用信息技术和电子技术对中医进行推广和应用具有比较好的前景。
[0004] 比如公开号为CN107145736A的中国发明
专利公开了一种基于信息储备的中医专家在线智能诊断系统，包括中医专家诊断平台、患病基本信息库、中医规则模
块、诊断结果模块、对外
访问单元、语音视频互动单元、诊断信息数据储存模块、
云网络和信息直接调取模块，所述中医专家诊断平台具有对外访问单元和语音视频互动单元，对外访问单元用于患者输入病患的基本信息，语音视频互动单元通过远程的语音工具和摄像头为预约专家与患者之间提供互动平台；上述病患的基本信息首先全部输入到患病基本信息库中，然后根据中医规则模块中设定的中医诊断规则，由诊断结果模块输送诊断结果和建议药方至中医专家诊断平台中，同时将诊断结果发送至病人预留的手机上。上述专利采用集中式云存储方式，语音视频的数据量较大，对
服务器的性能要求比较高。
发明内容
[0005] 本发明提出一种基于大数据和人工智能的中医理疗管理系统，解决了
现有技术中采用集中式云存储方式，语音视频的数据量较大，对服务器的性能要求比较高的问题。
[0006] 本发明的技术方案是这样实现的：
[0007] 一种基于大数据和人工智能的中医理疗管理系统，包括服务器和客户端，所述客户端包括患者客户端和医生客户端；
[0008] 医生客户端包括分布式
数据库并配置访问本地数据库的权限；
[0009] 服务器包括
接口层、
算法层和数据管理层，所述接口层分别与所述患者客户端和医生客户端进行数据连接，所述数据管理层根据访问医生客户端的数据建立索引表；所述算法层基于
深度学习建立症状/保养-初步诊断-医生推荐的智能模型；
[0010] 所述患者客户端的界面包括固定
软件框架，固定软件框架包括信息输入模块和医生推荐模块，所述信息输入模块用于获取患者的症状和/或保养期望数据，经接口层传输给所述服务器，所述服务器将症状和/或保养期望数据输入智能模型，根据智能模型输出的结果，与索引表进行匹配，根据匹配结果调用医生客户端的数据并返回给所述患者客户端。
[0011] 作为本发明的一个优选
实施例，所述服务器的接口层包括
内部接口、管理接口、二次开发接口和用户接口，所述用户接口与所述医生客户端和患者客户端进行数据交互。
[0012] 作为本发明的一个优选实施例，所述服务器还包括配置管理、日志管理、异常管理和安全管理。
[0013] 作为本发明的一个优选实施例，所述医生客户端包括分布式数据库具体指的是[0014] 所述医生客户端包括
硬件计算机、安装在所述硬件计算机上的软件程序以及存储在所述硬件计算机上的Hbase数据库，为所述软件程序配置访问Hbase数据库的权限，还为所述软件程序配置访问所述硬件计算机的摄像头和
耳麦的权限。
[0015] 作为本发明的一个优选实施例，所述数据管理层根据访问医生客户端的数据建立索引表还包括
[0016] 若医生客户端添加或删除或更新Hbase数据库，则所述数据管理层添加或删除或更新索引表。
[0017] 作为本发明的一个优选实施例，所述算法层基于深度学习建立症状/保养-初步诊断-医生推荐的智能模型具体包括
[0018] 根据索引表从所述医生客户端获取无重复的数据，将数据分为训练集和测试集，输入深度学习模型，对深度学习模型进行训练和测试，获得症状/保养-初步诊断-医生推荐的智能模型。
[0019] 作为本发明的一个优选实施例，所述服务器还用于对症状/保养-初步诊断-医生推荐的智能模型进行性能评估。
[0020] 本发明的有益效果在于：数据分布式存储，根据患者客户端输入的信息调取对应的医生客户端的信息，大大降低了对服务器的性能要求。
附图说明
[0021] 为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
[0022] 图1为本发明一种基于大数据和人工智能的中医理疗管理系统一个实施例的原理
框图。
[0023] 图中，1-服务器；101-接口层；102-算法层；103-数据管理层；2-患者客户端；201-信息输入模块；202-医生推荐模块；3-医生客户端；301-硬件计算机；302-软件程序；303-Hbase数据库。
具体实施方式
[0024] 下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0025] 如图1所示，本发明提出了一种基于大数据和人工智能的中医理疗管理系统，包括服务器1和客户端，客户端包括患者客户端2和医生客户端3；
[0026] 医生客户端3包括分布式数据库并配置访问本地数据库的权限；本地数据库的数据具体可以为该医生客户端3对应的医生的成功案例数据，医生的研究成果等。成功案例数据包括病患的基本信息、诊断结果、治疗方法，病患的基本信息包括患者身份信息、病史、病状、发病季节、发病持续时间。
[0027] 服务器1包括接口层101、算法层102和数据管理层103，接口层101分别与患者客户端2和医生客户端3进行数据连接，数据管理层103根据访问医生客户端3的数据建立索引表；算法层102基于深度学习建立症状/保养-初步诊断-医生推荐的智能模型；症状包括主诉症状和并发症状。
[0028] 设医生客户端3将数据存储为[症状1，症状2，……症状n，诊断结果，治疗方法，作用人体部位]，若患者客户端2输入症状，则与症状1，症状2，……症状n进行匹配，若患者客户端2输入保养，则与作用人体部位进行匹配。
[0029] 患者客户端2的界面包括固定软件框架，固定软件框架包括信息输入模块201和医生推荐模块202，信息输入模块201用于获取患者的症状和/或保养期望数据，经接口层101传输给服务器1，服务器1将症状和/或保养期望数据输入智能模型，根据智能模型输出的结果，与索引表进行匹配，根据匹配结果调用医生客户端3的数据并返回给患者客户端2。
[0030] 信息输入模块201可以为文字输入、语音输入和/或图像输入，若患者客户端2从医生推荐模块202中选取了其中一个推荐医生，则可与该医生建立视频通话或语音通话。
[0031] 患者客户端2的界面设置固定软件框架，可以降低研发所需的
费用，也能针对性地为患者提供推荐服务。
[0032] 在另一个实施例中，还可在患者客户端2建立患者的电子
健康档案，患者客户端2可关联患者的手机号码，可以将诊断结果发送给患者预留的手机号码。
[0033] 患者客户端2可基于公众号或小程序或安装在智能手机上的软件程序，由患者为公众号或小程序或安装在智能手机上的软件程序配置调用摄像头、话筒和扬声器的权限。
[0034] 作为本发明的一个优选实施例，服务器1的接口层101包括内部接口、管理接口、二次开发接口和用户接口，用户接口与医生客户端3和患者客户端2进行数据交互。服务器1还包括配置管理、日志管理、异常管理和安全管理。
[0035] 作为本发明的一个优选实施例，医生客户端3包括分布式数据库具体指的是[0036] 医生客户端3包括硬件计算机301、安装在硬件计算机301上的软件程序302以及存储在硬件计算机301上的Hbase数据库303，为软件程序302配置访问Hbase数据库303的权限，还为软件程序302配置访问硬件计算机301的摄像头和耳麦的权限。
[0037] 作为本发明的一个优选实施例，数据管理层103根据访问医生客户端3的数据建立索引表还包括
[0038] 若医生客户端3添加或删除或更新Hbase数据库303，则数据管理层103添加或删除或更新索引表。
[0039] Hbase数据库303采用行键和列名的方式存储数据，在存储到Hbase数据库303之前，还包括对数据的完整性验证及合法性验证，其中，完整性验证是由网络系统中的redis完成的。其中，Redis是网络系统中的一个开源的、
支撑网络、可基于内存亦可持久化的日志型、键值数据库。
[0040] 作为本发明的一个优选实施例，算法层102基于深度学习建立症状/保养-初步诊断-医生推荐的智能模型具体包括
[0041] 根据索引表从医生客户端3获取无重复的数据，可以按一定比例(比如7:3或8:2或9：1)将数据分为训练集和测试集，输入深度学习模型，对深度学习模型进行训练和测试，获得症状/保养-初步诊断-医生推荐的智能模型。服务器1还可以通过文献得到与证候相关的各种疾病，要求所采用的文献为中文核心期刊目录或科学引文索引所收录、报道临床研究的文献，包括题目、
摘要或正文中报道证候与疾病的直接对应关系；提取文献中的数据作为验证集，对症状/保养-初步诊断-医生推荐的智能模型进行验证和测试。
[0042] 在另一个实施例中，为了提高智能模型的准确性，将所有医生客户端3的数据进行对比，将无争议的数据集合为第一数据集，具有争议的数据集合为第二数据集，分别将第一数据集和第二数据集划分为训练集和测试集，输入深度学习模块，对深度学习模块进行训练和测试，获得症状/保养-初步诊断-医生推荐的智能模型。
[0043] 具体的，服务器1还用于对症状/保养-初步诊断-医生推荐的智能模型进行性能评估。
[0044] 本发明的有益效果在于：数据分布式存储，根据患者客户端2输入的信息调取对应的医生客户端3的信息，大大降低了对服务器1的性能要求。
[0045] 以上仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何
修改、等同替换、改进等，均应包含在本发明的保护范围之内。
