技术领域
[0001] 本申请涉及数据处理技术领域，特别是涉及一种医疗报告解读方法、系统和相关装置。
相关背景技术
[0002] 医疗报告的解读是医学领域的重要技术之一，其可以帮助用户对医疗报告内容进行理解，以及帮助医生更准确地诊断疾病和制定治疗方案。现有的医疗报告解读技术主要依靠将单一指标项对应的数据与相应的正常数值范围进行比较，未能结合不同指标项以及用户的意图。
[0003] 有鉴于此，如何提出一种更加智能的医疗报告解读方法，成为亟待解决的问题。
具体实施方式
[0027] 下面将结合本申请实施例中的附图，对本申请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申请一部分实施例，而不是全部实施例，并且不同实施例之间可以适应性组合。基于本申请中的实施例，本领域普通技术人员在没有做出创造性的劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
[0028] 本申请提出的医疗报告解读方法依托于智能终端上的应用或至少集成有数据处理功能的智能终端实现。其中，该智能终端可以是智能办公本、手机、平板电脑、个人电脑或可穿戴智能设备等。
[0029] 请参阅图1，图1是本申请医疗报告解读方法一实施方式的流程示意图，该方法包括：
[0030] S101：获取用户输入的医疗报告。
[0031] 在一实施方式中，获取用户主动输入的医疗报告，该医疗报告中包括多个指标项，且每个指标项包括匹配的数据。
[0032] 在一实施场景中，获取用户输入的医疗报告的图像，即用户可以通过对医疗报告进行图像采集，并将采集到的图像上传。该医疗报告为医学检查报告，其匹配有对应的身份信息，该身份信息包括检查对象的姓名、性别以及年龄等。医疗报告中包括有多个指标项以及与每个指标项匹配的数据。
[0033] 在一具体应用场景中，医疗报告中的指标项可以为检查项目，例如，“白细胞计数”或“红细胞计数”等；或者，指标项也可以为用户信息中的类别，例如，“姓名”或“年龄”等；又或者，指标项也可以是“医院名称”等。并且，指标项匹配的数据可以是文字、数值或图像等。
[0034] 需要说明的是，上述检查对象可以为用户，或者也可以是其他，即用户可以上传自己的医疗报告，或者也可以上传与用户关联的对象的医疗报告，例如亲属。
[0035] 在另一实施方式中，获取到的医疗报告也可以为电子文档。
[0036] S102：确定用户的意图信息，基于医疗报告和意图信息，获取目标解读结果；其中，目标解读结果包括与医疗报告中的至少部分指标项匹配的解读内容，意图信息包括对医疗报告进行解读和对医疗报告进行比对中的至少一种。
[0037] 在一实施方式中，在获取到用户输入的医疗报告之后，确定用户的意图信息。根据获取到的医疗报告和用户的意图信息，对医疗报告中的至少部分指标项进行解读，得到目标解读结果，并将该目标解读结果反馈给用户。该目标解读结果中包括与检查对象匹配的健康状态评估信息、疾病预警信息以及建议信息等，该建议信息包括就诊建议、用药建议和饮食建议等中的至少一种。
[0038] 具体地，获取用户输入的意图表述内容，通过对该意图表述内容进行语义分析，以确定对应的意图信息。该意图表述内容可以是用户在智能终端上通过语音输入的，或者也可以是用户通过智能终端上的输入法手动输入的。其中，意图信息可以用于表征对用户当前输入的医疗报告进行解读，或者用户的意图信息也可以用于表征结合相关的医疗报告对用户当前输入的医疗报告进行比对。另外，得到的目标解读结果结合了医疗报告中的至少部分指标项之间的关系，从而能够准确且全面地对检查对象的健康状态进行评估。
[0039] 在一具体应用场景中，当用户语音输入“帮我解读这份检查报告”，则对用户输入的音频进行识别和分析，确定用户的意图信息为对当前输入的医疗报告进行解读。或者，当用户在智能终端的相应界面利用输入法输入“将这份医疗报告与以前的医疗报告比较一下”或“帮我看下我的胆囊结石变化情况”，则对该文本进行分析，确定用户的意图信息为结合以往的医疗报告对当前输入的医疗报告进行比对。
[0040] 在另一实施方式中，响应于仅获取到用户输入的医疗报告，而未获取到用户输入的意图表述内容，则默认用户的意图信息为对当前输入的医疗报告进行解读。
[0041] 本申请提出的医疗报告解读方法，通过获取用户当前输入的医疗报告，并根据用户的意图信息，对当前输入的医疗报告中的至少部分数据进行解读或结合相关的报告对当前输入的医疗报告进行解读，从而生成与用户的意图信息契合度较高的目标解读结果，提高用户了解医疗报告的效率。
[0042] 在一些实施方式中，响应于意图信息包括对医疗报告进行解读，则步骤S102中基于医疗报告和意图信息，获取目标解读结果，包括：将医疗报告输入至智能分析模型，利用智能分析模型对医疗报告进行解读，得到目标解读结果。
[0043] 请参阅图2，图2是步骤S102对应另一实施方式的流程示意图。具体地，将医疗报告输入至智能分析模型，利用智能分析模型对医疗报告进行解读，得到目标解读结果的过程包括：
[0044] S201：获取医疗报告对应的识别文本。
[0045] 在一实施方式中，响应于用户输入的医疗报告为图片，则智能分析模型调用OCR(Optical Character Recognition，光学字符识别)技术对医疗报告的图片进行识别，以得到半结构化的文本数据。该文本数据能够被机器解析，其格式可以为JSON等。或者，响应于用户输入的医疗报告为文档，从该文档中提取得到用于被机器识别的半结构化的文本数据。
[0046] S202：将识别文本输入至训练后的文本分析模型，得到每个指标项对应的贡献得分。
[0047] 在一实施方式中，通过智能分析模型将识别文本输入至训练后的文本分析模型，以使得文本分析模型对识别文本进行分析，并输出与每个指标项对应的贡献得分。该贡献得分用于表征对应的指标项及其匹配的数据在识别文本中的重要程度。
[0048] 其中，上述文本分析模型是利用多个标注后的训练样本进行有监督或半监督训练得到的，该文本分析模型的具体结构可参照现有的语义分析模型的结构，具体训练过程可参照现有的神经网络模型的训练过程，在此不再详细阐述。
[0049] 在另一实施方式中，在将识别文本输入至训练后的文本分析模型之后，文本分析模型生成每个指标项对应初始得分以及权重值。通过将初始得分与对应的权重值相乘，以得到对应指标项的贡献得分。
[0050] 具体地，对于价值较低的指标项，文本分析模型赋予其较低的权重值；例如，为避免对后续生成目标解读结果产生干扰以及避免造成用户信息的泄露，赋予“姓名”和“医院名称”等指标项较低的权重；而对于与检查项目相关的指标项，则赋予其较高的权重值。
[0051] S203：基于贡献得分大于得分阈值的指标项，得到结构化的目标文本；其中，目标文本中至少部分指标项匹配有重点标识。
[0052] 在一实施方式中，针对每个指标项，将对应的贡献得分与得分阈值进行比较，将贡献得分大于第一得分阈值的指标项以及匹配的数据按照预设格式进行排列，得到结构化的目标文本。以及，针对目标文本中的各个指标项，赋予对应贡献得分大于第二得分阈值的指标项重点标识，以用于提示在后续生成目标解读结果时重点关注对应的指标项及其匹配的数据。其中，上述第二得分阈值大于第一得分阈值，具体数值可以根据实际需求进行设置。
[0053] 在另一实施方式中，在得到目标文本之后，将目标文本展示给用户，并提示用户对目标文本中重点标识进行确认。响应于获取到用户触发的重点标识添加指令，将该重点标识添加指令对应的指标项赋予重点标识。或者，响应于获取到用户触发的重点标识确认指令，则不对目标文本进行调整。
[0054] 在一实施场景中，用户可以通过在智能终端的展示界面点击目标文本中的任一不带有重点标识的指标项，以触发重点标识添加指令。
[0055] S204：将目标文本输入至智能分析模型，利用智能分析模型对目标文本进行解读，得到目标解读结果。其中，目标文本中至少部分指标项匹配有重点标识，重点标识用于提示智能分析模型重点关注对应的指标项及其匹配的数据。
[0056] 在一实施方式中，根据确定的意图信息以及预设模板，生成用于提示智能分析模型对医疗报告进行解读的任务文本，并将医疗报告对应的目标文本和任务文本输入至智能分析模型，以使得智能分析模型根据任务文本对该目标文本进行解读，得到目标解读结果。
[0057] 在一实施场景中，智能分析模型为具备较优的数据分析能力的大语言模型，当意图信息包括对医疗报告进行解读时，生成的任务文本为“根据重点标识对应的内容，对用户输入的医疗报告进行解读”。通过将任务文本和医疗报告对应的目标文本输入至智能分析模型，以使得智能分析模型准确理解用户意图，从而使得最终得到的目标解读结果与用户意图之间的契合度较高。
[0058] 在一具体应用场景中，上述大语言模型为可以包括但不限于深度神经网络(Deep Neural Networks，DNNs)、卷积神经网络(Convolutional Neural Networks，CNNs)、循环神经网络(Recurrent Neural Networks，RNNs)、长短时记忆网络(Long Short‑Term Memory，LSTM)以及生成式预训练Transformer模型等，在此对大语言模型的具体构造以及具体部署不做具体限制。另外，还需说明的是本申请中其他实施方式中提到的智能分析模型的具体构造以及具体部署都可以参照本实施方式。
[0059] 请参阅图3，图3是步骤S102对应又一实施方式的流程示意图。具体地，将医疗报告输入至智能分析模型，利用智能分析模型对医疗报告进行解读，得到目标解读结果的过程也可以包括：
[0060] S301：将医疗报告中各个指标项及其匹配的数据输入至智能分析模型，得到与各个指标项匹配的单项解读结果。
[0061] 在一实施方式中，响应于医疗报告中包括多个指标项及其匹配的数据，利用智能分析模型对每个指标项及其匹配的数据进行单独解读，得到每个指标项匹配的单项解读结果。该单项解读结果包括对应指标项的医学意义、以及该指标项匹配的数据所能反应的检查对象的健康状态。
[0062] 在另一实施方式中，智能分析模型获取与医疗报告对应的目标文本，并对目标文本中的各个指标项及其匹配的数据进行单独解读，得到与目标文本中每个指标项匹配的单项解读结果。其中，获取目标文本的过程可参照上述对应实施方式，在此不再赘述。
[0063] S302：将所有单项解读结果划分成至少一个关联集合。
[0064] 在一实施方式中，由于疾病的预测和诊断往往需要结合多个指标项及其匹配的数据，因此在得到多个单项解读结果，根据所有单项解读结果对应的指标项之间的关联关系，得到至少一个关联集合。其中，每个关联集合中包括至少一个指标项及其匹配的单项解读结果。
[0065] 具体地，可以将所有单项解读结果对应的指标项输入至智能分析模型，以利用智能分析模型判断不同指标项之间是否存在关联。
[0066] 在一具体应用场景中，响应于得到“白细胞计数”、“红细胞计数”和“血小板计数”分别对应的单项解读结果，且该三个指标项都属于血常规检查，则认为该三个指标项之间相互关联，将该三个指标项及其匹配的单项解读结果划分至同一关联集合。
[0067] S303：针对每个关联集合，基于关联集合中各个单项解读结果以及对应的指标项，生成与关联集合匹配的联合解读结果。
[0068] 在一实施方式中，针对每个关联集合，将关联集合中所有单项解读结果以及对应的指标项输入至智能分析模型，以使得智能分析模型对所有单项解读结果进行联合解读，以得到联合解读结果。该联合解读结果结合了相关联的指标项之间的关系，以更科学且准确地对检查对象的健康状态进行解读，有助于准确预测检查对象对于不同疾病的患病风险。
[0069] 需要说明的是，对于关联集合中可能仅存在一个指标项及其对应的单项解读结果，则为了提高解读效率，将该关联集合中唯一指标项对应的单项解读结果直接作为与该关联集合匹配的联合解读结果。
[0070] S304：基于所有联合解读结果，得到目标解读结果。
[0071] 在一实施方式中，响应于划分得到多个关联集合，且每个关联集合都匹配有对应的联合解读结果，将所有联合解读结果作为目标解读结果，并展示给用户。
[0072] 或者，将所有联合解读结果再次输入至智能分析模型，以使得智能分析模型结合所有联合解读结果进行进一步地分析和解读，并最终输出目标解读结果，以帮助用户高效地对医疗报告进行了解。
[0073] 请参阅图4，图4是步骤S102对应另一实施方式的流程示意图。响应于意图信息包括对医疗报告进行解读，且获取到匹配同一对象信息的多个医疗报告，则将医疗报告输入至智能分析模型，利用智能分析模型对医疗报告进行解读，得到目标解读结果的具体实施过程包括：
[0074] S401：将所有医疗报告输入至智能分析模型，利用智能分析模型对所有医疗报告中各个指标项匹配的数据进行解读，得到第一解读结果。
[0075] 在一实施方式中，响应于用户输入的多份医疗报告匹配同一对象信息，即用户输入同一检查对象的多份医疗报告，且用户的意图信息为对多份医疗报告进行解读，则生成对应的第一任务文本为“结合所有医疗报告进行解读”。将第一任务文本和用户当前输入的所有医疗报告输入至智能分析模型，以使得智能分析模型结合所有医疗报告中各个指标项及其匹配的数据进行联合解读，高效生成结合当前输入的所有医疗报告的第一解读结果。
[0076] 在另一实施方式中，将第一任务文本和用户当前输入的所有医疗报告输入至智能分析模型，以使得智能分析模型获取所有医疗报告对应的目标文本，结合所有目标文本中各个指标项及其匹配的数据进行联合解读，得到第一解读结果。其中，目标文本的获取过程可参照上述对应实施方式。
[0077] S402：针对每个医疗报告，将医疗报告输入至智能分析模型，利用智能分析模型对医疗报告中各个指标项匹配的数据进行解读，得到与医疗报告匹配的参考解读内容。
[0078] 在一实施方式中，响应于用户输入的多份医疗报告匹配同一对象信息，且用户的意图信息为对多份医疗报告进行解读，则生成对应的第二任务文本为“对每份医疗报告进行单独解读”。将第二任务文本和获取到用户输入的所有医疗报告输入至智能分析模型，以使得智能分析模型生成与每份医疗报告匹配的参考解读内容。该步骤通过对每个医疗报告进行单独解读，使得得到的参考解读内容更为全面。其中，医疗报告可以直接基于第二任务文本和医疗报告进行解读，得到每份医疗报告匹配的参考解读内容；或者也可以基于第二任务文本和每份医疗报告对应的目标文本进行解读，得到每份医疗报告匹配的参考解读内容。
[0079] S403：基于所有医疗报告匹配的参考解读内容，得到第二候选解读结果。
[0080] 在一实施方式中，响应于通过步骤S202获取到每份医疗报告匹配的参考解读内容，为得到更简洁的解读结果，生成第三任务文本“对所有参考内容进行综合解读”，将所有参考解读内容和第三任务文本输入至智能分析模型，以使得智能分析模型生成第二候选解读结果。
[0081] 在另一实施方式中，响应于获取到每份医疗报告匹配的参考解读内容，也可以根据不同医疗报告之间的关联关系，将存在关联关系的医疗报告对应的参考解决内容进行联合解读，最终得到至少一个第二候选解读结果。其中，不同医疗报告之间的关联关系可以是由智能分析模型确定的。
[0082] 需要说明的是，实际应用过程中，第一候选解读结果和第二候选解读结果可以是同时获得的，或者也可以先获得第二候选解读结果再获得第一候选解读结果。
[0083] S404：基于第一候选解读结果和第二候选解读结果，得到目标解读结果。
[0084] 在一实施方式中，在获取到第一候选解读结果和第二候选解读结果之后，将第一候选解读结果和第二候选解读结果进行比较，以获取第一候选解读结果和第二候选解读结果分别对应的解读评分。将较大解读评分对应的候选解读结果作为目标解读结果，并反馈给用户。其中，上述解读评分是根据准确性、明确性、简洁性、信息丰富度等中的至少一种确定的。
[0085] 具体地，将获取得到的第一候选解读结果和第二候选解读结果输入至智能分析模型，并提示智能分析模型对第一候选解读结果和第二候选解读结果进行比较并评分，从而根据智能分析模型输出的解读评分从第一候选解读结果和第二候选解读结果中确定目标解读结果。或者，智能分析模型在生成第一候选解读结果和第二候选结果的同时输出对应的解读评分，通过将解读评分进行比较，以得到目标解读结果。
[0086] 在另一实施方式中，请参阅图5，图5是步骤S404对应另一实施方式的流程示意图。具体地，步骤S404的实施过程还可以包括：
[0087] S501：获取多个训练后的评分模型，确定每个评分模型对应的目标权重；其中，评分模型对应有目标领域，目标权重基于对应目标领域与医疗报告之间的匹配关系确定。
[0088] 在一实施方式中，获取多个训练后的评分模型，每个评分模型具备对解读结果进行评分的能力。以及，每个评分模型都对应有目标领域，以使得评分模型在对属于其目标领域的解读结果进行评分时准确性较高。针对每个评分模型，根据其对应的目标领域与医疗报告之间的匹配关系，确定该评分模型对应的目标权重，即评分模型对应的目标领域与医疗报告之间的关联度越高，则该评分模型对应的目标权重越高。例如，当医疗报告包括与血液相关的多个指标项，而某一评分模型对应的目标领域为“血液分析领域”，则赋予该评分模型较高的目标权重，如0.7或0.8等，具体数据可以根据实际情况进行设置；或者，当医疗报告包括与血液相关的多个指标项，而某一评分模型对应的目标领域为“骨科领域”，则赋予该评分模型较低的目标权重，如0.2或0.3等。
[0089] 在一实施场景中，评分模型对应的目标领域与医疗报告之间的关联度可以是利用智能分析模型确定的，或者评分模型自身具备判断其与医疗报告之间的关联度的能力。上述评分模型利用属于其对应的目标领域的多个训练样本进行训练得到，评分模型的具体结构可参照现有的神经网络模型结构，具体训练过程可参照现有的模型训练方法，在此不进行详细阐述。另外，评分模型的数量以及对应的目标领域可以根据实际情况进行设置。
[0090] S502：利用评分模型分别对第一候选解读结果和第二候选解读结果进行评分，得到每个评分模型输出的与第一候选解读结果匹配的第一参考得分、以及与第二候选解读结果匹配的第二参考得分。
[0091] 在一实施方式中，将医疗报告及其对应的第一解读结果输入至每个评分模型，以得到每个评分模型输出的与第一解读结果匹配的第一参考得分；以及，将医疗报告及其对应的第二解读结果输入至每个评分模型，以得到每个评分模型输出的与第二解读结果匹配的第二参考得分。
[0092] S503：基于每个评分模型输出的第一参考得分和目标权重，得到第一候选解读结果对应的第一目标得分，以及基于每个评分模型输出的第二参考得分和目标权重，得到第二候选解读结果对应的第二目标得分。
[0093] 在一实施方式中，针对第一候选解读结果，将各个评分模型输出的第一参考得分与对应的目标权重相乘，以得到第一乘积，将所有第一乘积之和作为第一目标得分；同样的，针对第二候选解读结果，将各个评分模型输出的第二参考得分对应的目标权重相乘，以得到第二乘积，将所有第二乘积之和作为第二目标得分。
[0094] S504：基于第一目标得分和第二目标得分，从第一候选解读结果和第二候选解读结果中确定目标解读结果。
[0095] 在一实施方式中，将第一目标得分与第二目标得分进行比较，将较大值对应的候选解读结果作为目标解读结果；即响应于第一目标得分大于第二目标得分，将第一候选解读结果作为目标解读结果；响应于第二目标得分大于第一目标得分，将第二候选解读结果作为目标解读结果。
[0096] 上述方案，对利用不同获取方式得到的第一候选解读结果和第二候选解读结果进行选取，得到更为清晰、准确且有条理的目标解读结果。当然，在其他实施方式中，为提高对医疗报告进行解读的效率，也可以仅获取第一候选解读结果，并将第一候选解读结果直接作为目标解读结果；或者，仅获取第二候选解读结果，并将第二候选解读结果直接作为目标解读结果。
[0097] 请参阅图6，图6是步骤S102对应另一实施方式的流程示意图。响应于意图信息包括对医疗报告进行解读，且获取到匹配不同对象信息的多个医疗报告，则将医疗报告输入至智能分析模型，利用智能分析模型对医疗报告进行解读，得到目标解读结果的具体实施过程包括：
[0098] S601：基于对象信息，将多个医疗报告划分为多个报告集合；其中，每个报告集合中的所有医疗报告对应同一对象信息。
[0099] 在一实施方式中，响应于多个医疗报告匹配有不同的对象信息，则根据对象信息，将多个医疗报告进行划分，以将匹配同一对象信息的医疗报告划分至同一报告集合。
[0100] S602：基于报告集合，生成用于提示用户对多个医疗报告进行确认的提示信息，并将提示信息反馈给用户。
[0101] 在一实施方式中，为避免用户在上传医疗报告时出现错误，根据划分得到的多个报告集合生成用于提示用户进行确认的提示信息，并将提示信息通过智能终端反馈给用户。
[0102] 在一实施场景中，生成的提示信息可以为文本。例如，当用户同时上传检查对象A的医疗报告和检查对象B的检查报告时，生成文本“请确认是否对检查对象A的医疗报告和检查对象B的医疗报告进行解读”，并将该文本作为提示信息反馈给用户。当然，在其他实施场景中，提示信息也可以为音频，通过播报该音频以提示用户对输入的医疗报告进行确认。
[0103] S603：响应于获取到用户基于提示信息给出的确认指令，将每个对象信息对应的报告集合中的所有医疗报告输入至智能分析模型，得到与对象信息匹配的目标解读结果。
[0104] 在一实施方式中，响应于用户根据提示信息对输入的医疗报告进行确认，则针对每个对象信息，将对应报告集合中的所有医疗报告输入至智能分析模型，得到与每个对象信息匹配的目标解读结果。
[0105] 在一实施场景中，在将提示信息反馈至用户的同时，在智能终端上展示确认选项和调整选项。响应于用户点击确认选项，表明用户输入的医疗报告无误且期望获得不同对象信息对应的医疗报告的目标解读结果，则针对每个对象信息对应的报告集合中的所有医疗报告，利用智能分析模型生成对应的目标解读结果。其中，利用智能分析模型根据每个报告集合中的所有医疗报告生成对应的目标解读结果的过程，可参照上述对应实施方式，在此不再详细阐述。
[0106] 或者，响应于用户点击调整选项，则获取用户对已输入的所有医疗报告的修改指令，并得到修改后的医疗报告，并根据修改后的医疗报告获取目标解读结果。例如，用户点击调整选项后，将用户当前已输入的所有医疗报告在智能终端的展示界面进行展示，且每个医疗报告的右上角设置删除图标，若用户点击某一医疗报告的删除图标，则将该医疗报告删除，当然修改完成后，将展示界面剩余的医疗报告作为本次需要进行解读的医疗报告。其中，对修改后的医疗报告进行解读以得到对应目标解读结果的过程可参照上述相应实施方式，在此不再详细阐述。
[0107] 当然，在其他实施方式中，将多个医疗报告进行划分，得到至少一个报告集合后，也可以针对每个报告集合，直接将其中的所有医疗报告输入至智能分析模型，得到与每个对象信息匹配的目标解读结果。
[0108] 需要说明的是，智能分析模型可以根据步骤S603中相应的流程对医疗报告进行解读，得到目标解读结果；或者，智能分析模型也可以根据步骤S603中相应的流程对医疗报告对应的目标文本进行解读，得到目标解读结果，具体过程可结合上述相应实施方式。
[0109] 请参阅图7，图7是步骤S102对应又一实施方式的流程示意图。响应于意图信息包括对医疗报告进行比对，则步骤S102的具体实施过程包括：
[0110] S701：从目标数据库中选取与医疗报告相关的参考报告；其中，目标数据库中包括至少一个历史报告。
[0111] 在一实施方式中，智能终端上设置有目标数据库，该目标数据库中存储有用户以往输入的历史报告。根据用户当前输入的医疗报告，从目标数据库中的历史报告中筛选得到参考报告。
[0112] S702：基于医疗报告和参考报告，获取至少一个变化指标项；其中，医疗报告中匹配变化指标项的数据区别于参考报告中匹配变换指标项的数据。
[0113] 在一实施方式中，将医疗报告与参考报告进行比对，以确定至少一个变化指标项。
[0114] 在一实施场景中，将医疗报告和参考报告中共同包括的指标项作为共同指标项。针对每个共同指标项，判断医疗报告中该共同指标项对应的数据和参考报告中该共同指标项对应的数据之间的差值是否超过预设阈值。若超过，则将该共同指标项作为变化指标项。
或者，在其他实施场景中，也可以将医疗报告对应的目标文本与参考报告对应的目标文本进行比对，以确定至少一个变化指标项。
[0115] 其中，需要说明的是，由于不同指标项对应的数据本身之间差异较大，上述场景中不同共同指标项所对应的预设阈值也不同，具体可以是相关技术人员预估获得的，或经过多次实验反推得到的。
[0116] 在另一实施方式中，也可以通过统一设置预设变化率，并根据该预设变化率确定变化指标项。具体地，针对医疗报告和参考报告中每个共同指标项，判断医疗报告中该共同指标项对应的数据和参考报告中该共同指标项对应的数据之间的变化率是否超过预设变化率。若超过，则将该共同指标项作为变化指标项。该方式无需对不同指标项设置对应的预设阈值，提高了效率。
[0117] S703：基于变化指标项，生成目标解读结果。
[0118] 在一实施方式中，将医疗报告和参考报告中分别对应变化指标项的数据输入至智能分析模型，并使得智能分析模型结合输入的变指标项以及匹配的数据进行联合解读，从而得到目标解读结果。
[0119] 在另一实施方式中，将医疗报告和参考报告中分别对应变化指标项的数据输入至智能分析模型，并使得智能分析模型针对每一变化指标项对应的数据进行单独解读，以得到与每个变化指标项对应的详细的解读内容。
[0120] 进一步地，将所有变化指标项对应的解读内容进行整合，得到全面且简洁的目标解读结果。其中，对所有解读内容进行整合的过程可以是由智能分析模型完成的，具体过程可参照上述相应实施方式。
[0121] 请参阅图8，图8是步骤S701对应另一实施方式的流程示意图。具体地，步骤S701的实施过程还可以包括：
[0122] S801：对医疗报告进行识别，得到与医疗报告匹配的目标分类标签和目标时间信息。
[0123] 在一实施方式中，获取医疗报告对应的目标文本，具体过程可参照上述对应实施方式。利用智能分析模型从目标文本中提取得到与医疗报告匹配的目标分类标签和目标时间信息。
[0124] 在一实施场景中，目标时间信息用于表征对应的检查对象进行检查的时刻；或者，目标时间信息用于表征医疗报告的生成时刻；又或者，目标时间信息用于表征用户首次将对应医疗报告输入至智能终端的时刻。以及，目标分类标签包括根据医疗报告中指标项的类型确定的，例如，当医疗报告为检查报告时，其目标分类标签可以为“血常规检查”或“尿常规检查”等；或者，目标分类标签也可以是根据医疗报告中相应数据的正常或异常确定的，例如，当医疗报告中与肝脏相关的某一指标项匹配的数据超过正常范围时，赋予该医疗报告的目标分类标签为“肝功能异常”。
[0125] 需要说明的是，同一医疗报告可以对应有多个目标分类标签。
[0126] S802：基于目标分类标签、目标时间信息以及目标数据库中历史报告匹配的参考分类标签和参考时间信息，确定与医疗报告相关的参考报告。
[0127] 在一实施方式中，响应于目标数据库中的每个历史报告匹配有参考分类标签和参考时间信息，将对应的参考时间信息在目标时间信息之前、且对应参考分类标签与目标分类标签相同或相关的历史报告作为参考报告。
[0128] 在另一实施方式中，也可以将对应的参考时间信息与目标时间信息之间的时间间隔在预设时长内、且对应参考分类标签与目标分类标签相同或相关的历史报告作为参考报告。其中，上述预设时长可以根据实际情况进行设置。
[0129] 请参阅图9，图9是步骤S703对应另一实施方式的流程示意图。具体地，步骤S703的实施过程还可以包括：
[0130] S901：从所有变化指标项中筛选得到至少一个关键指标项。
[0131] 在一实施方式中，将所有变化指标项输入至智能分析模型，并利用智能分析模型从所有变化指标项中筛选得到至少一个关键指标项。
[0132] 具体地，将所有变化指标项输入至智能分析模型，以使得智能分析模型根据对人体健康的影响程度对每个变化指标项进行评分，且评分越高，则表明该变化指标项对人体健康的影响程度越高。筛选得分超过得分阈值的变化指标项，以得到与人体健康或与部分重点疾病相关的关键指标项。
[0133] 在另一实施方式中，响应于每个变化指标项都匹配有正常数值范围，根据医疗报告中变化指标项的数据以及变化指标项匹配的正常数值范围，确定关键指标项。
[0134] 在一具体应用场景中，根据医疗报告中变化指标项的数据与对应正常数值范围之间的偏差，判断该变化指标是否为关键指标项。例如，医疗报告对应有变化指标项“总胆固醇”，根据相关医疗知识，确定该变化指标项匹配的正常数值范围为第一数值至第二数值之间，第一数值为0，第二数值为5.2；由于医疗报告中该变化指标项对应的数据为6.3，且6.3与第二数值5.2之间的差值超过阈值1，则将该变化指标项作为关键指标项。
[0135] S902：针对每个关键指标项，将医疗报告和参考报告中分别匹配的数据输入至智能分析模型，得到智能分析模型输出的第一解读内容。
[0136] 在一实施方式中，针对筛选出来的每个关键指标项，将医疗报告和参考报告中分别匹配该关键指标项的数据输入至智能分析模型，利用智能分析模型分别对每个关键指标项对应的数据进行分析，得到与每个关键指标项匹配的第一解读内容。
[0137] S903：将所有关键指标项对应的第一解读内容输入至智能分析模型，得到智能分析模型输出的目标解读结果。
[0138] 在一实施方式中，将得到的所有关键指标项对应的第一解读内容输入至智能分析模型，以利用智能分析模型结合不同关键指标项之间的关联对所有第一解读内容进行联合解读，从而得到智能分析模型输出的目标解读结果。
[0139] 在又一实施方式中，在步骤S101获取用户输入的医疗报告之后，将医疗报告更新为历史报告，将医疗报告匹配的目标分类标签更新为参考标签类别以及将医疗报告匹配的目标时间信息更新为参考时间信息。
[0140] 进一步地，将更新后的历史报告及其匹配的参考标签类别和参考时间信息存储至目标数据库，对目标数据库进行更新，以便于后续获取到用户输入新的医疗报告，利用更新后的目标数据库进行解读，并生成目标解读结果。
[0141] 请参阅图10，图10是步骤S102对应又一实施方式的流程示意图。响应于意图信息包括对医疗报告中的至少部分指标项进行解读的提问信息，则步骤S102的具体实施过程包括：
[0142] S1001：基于提问信息，从多个候选流程中确定与提问信息匹配的目标流程。
[0143] 在一实施方式中，预先设置多个候选流程，在获取到用户的提问信息后，对该提问信息进行分析，并从多个候选流程中确定与该提问信息匹配的目标流程。
[0144] 具体地，预先结合医学相关的知识以及用户可能针对医疗报告提出的问题，确定多个解读类别，并为每个解读类别设置对应的候选流程。在获取到用户的提问信息后，利用智能分析模型确定该提问信息对应的解读类别，并将该解读类别对应的候选流程作为与用户的提问信息匹配的目标流程。
[0145] 在一具体应用场景中，多个解读类别包括“数据解读”、“注意事项解读”和“疾病预测解读”等。数据解读对应的候选流程包括首先对用户提问涉及到的数据进行解读，然后对其他相关的数据进行解读，最后进行总结；注意事项解读对应的候选流程包括首先对用户提问涉及到的数据进行解读，然后从生活习惯和饮食等方面确定注意信息，最后进行总结；疾病预测解读对应的候选流程包括首先对用户提问涉及到的数据进行解读，然后预测患病风险，最后进行总结。当用户在输入医疗报告之后，给出的提问信息为“总胆固醇高有什么影响”，则通过对该提问信息进行分析后，确定用户意图在于对医疗报告中总胆固醇这一指标项进行解读，从而确定该提问信息对应的解读类别为“数据解读”，则将对应的候选流程作为目标流程。
[0146] 需要说明的是，不同解读类别对应的候选流程可以根据实际情况进行设置，以使得后续根据相应候选流程输出的目标解读结果与用户提问信息的契合度较高。
[0147] S1002：基于目标流程、提问信息、提问信息相关的指标项及其匹配的数据，获取与医疗报告匹配的目标解读结果。
[0148] 在一实施方式中，将目标流程、提问信息、提问信息相关的指标项及其匹配的数据填入预先构建的模板，以得到相应的任务文本。将该任务文本输入至智能分析模型，以提示智能分析模型结合用户的提问信息、相关指标项及其匹配的数据按照目标流程进行解读，最终得到目标解读结果。将解读过程中生成的信息以及最终得到目标解读结果反馈给用户，以便于用于对目标解读结果进行理解。
[0149] 请参阅图11，图11是步骤S102对应又一实施方式的流程示意图。步骤S102的具体实施过程包括：
[0150] S1101：获取与医疗报告相关的补充信息；其中，补充信息包括与医疗报告匹配的对象信息的画像数据以及与至少部分指标项匹配的正常数值范围中的至少一种。
[0151] 在一实施方式中，在得到医疗报告对应的目标文本之后，获取与医疗报告相关的补充信息。该补充信息包括与医疗报告匹配的对象信息的画像数据以及与至少部分指标项匹配的正常数值范围中的至少一种。其中，目标文本的获取过程可参照上述对应实施方式。
[0152] 在一实施场景中，上述画像数据可以是用户主动输入的，其包括饮食习惯、疾病史和近期用药情况等中的至少一种；或者，该画像数据也可以是根据用户使用智能终端的过程中产生的数据进行分析并提取得到的。指标项匹配的正常数值范围可以是利用预先构建的指标解读插件获取的，该指标解读插件中包括多个与医学相关的指标项匹配的正常数值范围，当用户输入的医疗报告中某一指标项匹配的数据在对应的正常数值范围之外，则通过指标解读插件确定检测对象的这一指标项异常。
[0153] 另外，需要说明的是，本申请提出的方法在获取与用户或检查对象相关的信息时，智能终端会提前告知用户信息的用途，并且需要在用户选择同意的前提下获取。
[0154] S1102：基于医疗报告、意图信息和补充信息，获取目标解读结果。
[0155] 在一实施方式中，响应于补充信息包括与医疗报告匹配的对象信息的画像数据，基于画像数据从参考知识库中获取对应的检索内容，基于医疗报告、意图信息和检索内容，获取目标解读结果。
[0156] 具体地，根据画像数据，构建多个检索语句，且不同检索语句对应有相同的语义。从参考知识库中检索得到与每个检索语句对应的候选内容，并根据得到的所有候选内容确定检索内容，即将出现次数超过次数阈值的候选内容作为检索内容。另外，在检索过程中，可以构建一条检索语句以检索多个类别的检索内容；或者，根据预设的检索层次，构建多个检索语句，以依次得到对应的检索内容。
[0157] 进一步地，将医疗报告和意图信息输入至智能分析模型，得到初步解读结果。将初步解读结果和检索内容再次输入至智能分析模型，以使得智能分析模型根据初步解读结果判断是否需要对初步解读结果进行调整。若需要调整，则将调整后的初步解读结果作为目标解读结果；若不需要调整，则直接将初步解读结果作为目标解读结果。其中，利用智能分析模型得到初步解读结果的过程可参考上述任一实施方式。
[0158] 在一具体应用场景中，当画像数据中包含检查对象近期为缓解腰部疼痛而使用药物布洛芬，则从参考知识库中检索得到与药物布洛芬相关的检索内容，该检索内容中包括药物布洛芬的作用以及使用方式等。响应于智能分析模型得到的初步解读结果中预测检查对象可能出现炎症导致的发热，并建议使用退烧药进行缓解。将初步解读结果以及根据画像数据得到的检索内容重新输入至智能分析模型后，智能分析模型判断检查对象所使用的药物布洛芬中含有退烧成分药量，在此基础上采纳初步解读结果并使用退烧药可能造成较为严重的副作用，则对初步解读结果进行修正，得到目标解读结果，该目标解读结果建议检查对象在已使用布洛芬的基础上，不要服用退烧药。
[0159] 在另一实施方式中，响应于补充信息包括与至少部分指标项匹配的正常数值范围，基于正常数值范围确定待复核指标项，基于医疗报告、意图信息和待复核指标项，获取目标解读结果。
[0160] 具体地，根据至少部分指标项匹配的正常数值范围，确定异常指标项。针对每个异常指标项，从参考知识库中检索得到与该异常指标项匹配的理论数据范围。判断医疗报告中异常指标项匹配的数据是否位于理论数据范围之外；若是，则认为该异常指标项匹配的数据失真，并将该异常指标项作为待复核指标项。其中，本实施方式中对理论数据范围的检索过程可参照上述对应实施方式。
[0161] 进一步地，提示用户对待复核指标项进行确认，用户可以通过手动输入该待复核指标项对应的数据或重新上传医疗报告，以对目标文本中该待复核指标项匹配的数据进行更新。最终，利用智能分析模型根据更新后的目标文本和用户的意图信息，生成目标解读结果。
[0162] 上述方案通过确定待复核指标项，以避免对医疗报告的识别错误对解读结果产生影响。例如，当某一指标项匹配的理论数据范围为5‑10，医疗报告中原本匹配该指标项的数据为6.03，而由于用户在对医疗报告进行拍照上传时受光线干扰，导致最终识别到的数据为603，则认为该指标项为待复核指标项。
[0163] 在又一实施方式中，上述相应实施方式中提到的参考知识库可以包括参考子知识库，且每个参考子知识库根据涉及到的知识，匹配有知识库等级，且通过不同参考子知识库得到的知识标注有对应的知识库等级，以提示智能分析模型结合知识库等级进行解读。例如，不同参考子知识库可以包含与不同疾病相关的医学知识，则根据疾病的危害程度，设置对应的知识库等级。
[0164] 请参阅图12，图12是步骤S102对应又一实施方式的流程示意图。步骤S102的具体实施过程包括：
[0165] S1201：确定当前对话轮次匹配的对话类别，基于对话类别获取与用户之间的当前对话内容；其中，对话类别包括主动对话或被动对话，对话类别基于历史对话轮次下与用户之间的历史对话内容确定。
[0166] 在一实施方式中，为生成更为准确的目标解读结果，在获取到用户输入的医疗报告之后，利用智能分析模型根据当前对话轮次匹配的对话类别与用户进行对话，以从对话中获取相关信息帮助后续生成目标解读结果。该对话类别包括主动对话或被动对话，当对话类别是主动对话时，当前对话轮次下，智能分析模型生成包含多个询问信息的表述语句，并反馈给用户；当对话类别是被动对话时，当前对话轮次下，智能分析模型生成简洁的表述语句，该表述语句是对多个询问信息进行总结得到的。
[0167] 在一实施场景中，对话类别是根据历史轮次下与用户之间的历史对话内容确定的，具体可以是根据与当前对话轮次相邻的历史轮次下的历史对话内容确定的；即在该历史对话内容中，根据用户输入的对话语句与智能分析模型给出语句的匹配度确定对话类别。
[0168] 在一具体应用场景中，历史对话内容包括智能分析模型给出的第一语句以及用户根据第一语句回复的第二语句，第一语句包含第一询问信息，第二语句包含与第一询问信息匹配的反馈信息以及与第一询问信息相关的关联信息，则根据该历史对话内容，确定用户的表述习惯为主动，则将智能分析模型在当前对话轮次下的对话类别确定为被动对话。举例说明，当上述第一语句为“您最近是否发烧”，第二语句为“我最近发烧，且伴随喉咙痛和头痛”，则确定将智能分析模型在当前对话轮次下的对话类别确定为被动对话，并生成简化后的表述语句以进行当前轮次下相关信息的询问；或者，当上述第一语句为“您最近是否发烧”，第二语句为“我最近发烧”，则确定将智能分析模型在当前对话轮次下的对话类别确定为主动对话，并生成包含多个询问信息的表述语句以进行当前轮次下相关信息的询问。
[0169] 可选地，在其他实施场景中对话类别也可以是根据当前对话轮次之前的多个历史轮次下的历史对话内容确定的。
[0170] S1202：响应于满足预设解读条件，基于医疗报告、意图信息和对话内容，获取目标解读结果。
[0171] 在一实施方式中，响应于智能分析模型通过与用户之间的对话内容提取得到生成目标解读结果的必要信息，则使得智能分析模型根据必要信息。医疗报告和意图信息，生成目标解读结果，并将目标解读结果反馈给用户。
[0172] 上述方案，能够通过与用户的交互对话过程中用户的表述习惯，确定对应的对话类别，以在提高目标解读结果准确性的同时，提升用户体验感。
[0173] 请参阅图13，图13是步骤S102之后对应另一实施方式的流程示意图。具体地，则步骤S102之后还包括：
[0174] S1301：获取用户输入的与医疗报告相关的参考信息。
[0175] 在一实施方式中，在将得到的目标解读结果反馈给用户之后，获取到用户输入的参考信息。
[0176] 在一实施场景中，该参考信息为用户根据反馈的目标解读结果所给出的信息，其可以是根据目标解读结果给出的药物信息，或者也可以是根据目解读结果中的部分内容进行提问的信息等；另外，该参考信息可以为图片、音频或文本等中的至少一种。
[0177] S1302：基于目标解读结果和参考信息，从参考知识库中获取参考知识。
[0178] 在一实施方式中，根据已经生成的目标解读结果和参考信息，从参考知识库中提取出与目标解读结果和参考信息相关的参考知识。其中，上述参考知识库中包含大量专业的医学知识。
[0179] S1303：基于参考知识，生成推荐内容。
[0180] 在一实施方式中，将得到的参考知识输入至智能分析模型，以使得智能分析模型根据参考知识生成与目标解读结果和参考信息匹配的推荐内容。其中，将参考知识提供给智能分析模型，以弥补智能分析模型对医学相关知识的欠缺，使得生成的推荐内容具备更高的参考价值。
[0181] 在一具体实施场景中，当目标解读结果中显示医疗报告对应的检查对象目前存在胆固醇偏高的问题，用户拍摄某一治疗胆固醇偏高的药物的图片，并将该图片上传至智能终端，则智能终端根据用户上传的图片从参考知识库中查询与胆固醇以及该药物相关的参考知识。通过将得到的参考知识以及目标解读结果输入至智能分析模型，以使得智能分析模型给出检查对象对于该药物的剂量使用说明以及使用期间注意事项等的推荐内容。
[0182] 请参阅图14，图14是本申请医疗报告解读系统一实施方式的结构示意图。该医疗报告解读系统包括相互耦接的获取模块10和处理模块20。
[0183] 具体而言，获取模块10用于获取用户输入的医疗报告。
[0184] 处理模块20用于确定用户的意图信息，基于医疗报告和意图信息，获取目标解读结果；其中，目标解读结果包括与医疗报告中的至少部分指标项匹配的解读内容，意图信息包括对医疗报告进行解读和比对中的至少一种。
[0185] 在一实施方式中，响应于意图信息包括对医疗报告进行解读，处理模块20基于医疗报告和意图信息，获取目标解读结果，包括：将医疗报告输入至智能分析模型，利用智能分析模型对医疗报告进行解读，得到目标解读结果。
[0186] 在一实施方式中，处理模块20将医疗报告输入至智能分析模型，利用智能分析模型对医疗报告进行解读，得到目标解读结果，包括：将医疗报告中各个指标项及其匹配的数据输入至智能分析模型，得到与至少部分指标项匹配的单项解读结果；将所有单项解读结果划分成至少一个关联集合；针对每个关联集合，基于关联集合中各个单项解读结果以及对应的指标项，生成与关联集合匹配的联合解读结果；基于所有联合解读结果，得到目标解读结果。
[0187] 在一实施方式中，响应于获取到匹配同一对象信息的多个医疗报告，处理模块20将医疗报告输入至智能分析模型，利用智能分析模型对医疗报告进行解读，得到目标解读结果，包括：将所有医疗报告输入至智能分析模型，利用智能分析模型对所有医疗报告中各个指标项匹配的数据进行解读，得到第一候选解读结果；以及，针对每个医疗报告，将医疗报告输入至智能分析模型，利用智能分析模型对医疗报告中各个指标项匹配的数据进行解读，得到与医疗报告匹配的参考解读内容；基于所有医疗报告匹配的参考解读内容，得到第二候选解读结果；基于第一候选解读结果和第二候选解读结果，得到目标解读结果。
[0188] 在一实施方式中，处理模块20基于第一候选解读结果和第二候选解读结果，得到目标解读结果，包括：获取多个训练后的评分模型，确定每个评分模型对应的目标权重；其中，评分模型对应有目标领域，目标权重基于对应目标领域与医疗报告之间的匹配关系确定；利用评分模型分别对第一候选解读结果和第二候选解读结果进行评分，得到每个评分模型输出的与第一候选解读结果匹配的第一参考得分、以及与第二候选解读结果匹配的第二参考得分；基于每个评分模型输出的第一参考得分和目标权重，得到第一候选解读结果对应的第一目标得分，以及基于每个评分模型输出的第二参考得分和目标权重，得到第二候选解读结果对应的第二目标得分；基于第一目标得分和第二目标得分，从第一候选解读结果和第二候选解读结果中确定目标解读结果。
[0189] 在一实施方式中，响应于获取到匹配不同对象信息的多个医疗报告，处理模块20将医疗报告输入至智能分析模型，利用智能分析模型对医疗报告进行解读，得到目标解读结果，包括：基于对象信息，将多个医疗报告划分为多个报告集合；其中，每个报告集合中的所有医疗报告对应同一对象信息；基于报告集合，生成用于提示用户对多个医疗报告进行确认的提示信息，并将提示信息反馈给用户；响应于获取到用户基于提示信息给出的确认指令，将每个对象信息对应的报告集合中的所有医疗报告输入至智能分析模型，得到与对象信息匹配的目标解读结果。
[0190] 在一实施方式中，处理模块20将医疗报告输入至智能分析模型，利用智能分析模型对医疗报告进行解读，得到目标解读结果，包括：获取医疗报告对应的识别文本；将识别文本输入至训练后的文本分析模型，得到每个指标项对应的贡献得分；基于贡献得分大于得分阈值的指标项，得到结构化的目标文本；其中，目标文本中至少部分指标项匹配有重点标识；将目标文本输入至智能分析模型，利用智能分析模型对目标文本进行解读，得到目标解读结果；其中，目标文本中至少部分指标项匹配有重点标识，重点标识用于提示智能分析模型重点关注对应的指标项及其匹配的数据。
[0191] 在一实施方式中，处理模块20基于指标项及其匹配的数据，得到结构化的目标文本之后，包括：将目标文本展示给用户；响应于获取到用户触发的重点标识添加指令，将重点标识添加指令对应的指标项赋予重点标识。
[0192] 在一实施方式中，响应于意图信息包括对医疗报告进行比对，处理模块20基于医疗报告和意图信息，获取目标解读结果，包括：从目标数据库中选取与医疗报告相关的参考报告；其中，目标数据库中包括至少一个历史报告；基于医疗报告和参考报告，获取至少一个变化指标项；其中，医疗报告中匹配变化指标项的数据区别于参考报告中匹配变化指标项的数据；基于变化指标项，生成目标解读结果。
[0193] 在一实施方式中，请继续参阅图14，本申请提出的医疗报告解读系统中还包括与处理模块20耦接的报告筛选模块30，该报告筛选模块30用于对医疗报告进行识别，得到与医疗报告匹配的目标分类标签和目标时间信息；基于目标分类标签、目标时间信息以及目标数据库中历史报告匹配的参考分类标签和参考时间信息，确定与医疗报告相关的参考报告。
[0194] 在一实施方式中，处理模块20基于变化指标项，生成目标解读结果，包括：从所有变化指标项中筛选得到至少一个关键指标项；针对每个关键指标项，将医疗报告和参考报告中分别匹配的数据输入至智能分析模型，得到智能分析模型输出的第一解读内容；将所有关键指标项对应的第一解读内容输入至智能分析模型，得到智能分析模型输出的目标解读结果。
[0195] 在一实施方式中，请继续参阅图14，本申请提出的医疗报告解读系统中还包括与获取模块10耦接的更新模块40，更新模块40用于将医疗报告更新为历史报告，将医疗报告匹配的目标分类标签更新为参考标签类别以及将医疗报告匹配的目标时间信息更新为参考时间信息；将更新后的历史报告及其匹配的参考标签类别和参考时间信息存储至目标数据库。
[0196] 在一实施方式中，响应于意图信息包括对医疗报告中的至少部分指标项进行解读的提问信息，处理模块20基于医疗报告和意图信息，获取目标解读结果，包括：基于提问信息，从多个候选流程中确定与提问信息匹配的目标流程；基于目标流程、提问信息、提问信息相关的指标项及其匹配的数据，获取与医疗报告匹配的目标解读结果。
[0197] 在一实施方式中，处理模块20基于医疗报告和意图信息，获取目标解读结果，包括：获取与医疗报告相关的补充信息；其中，补充信息包括与医疗报告匹配的对象信息的画像数据以及与至少部分指标项匹配的正常数值范围中的至少一种；基于医疗报告、意图信息和补充信息，获取目标解读结果。
[0198] 在一实施方式中，处理模块20基于医疗报告、意图信息和补充信息，获取目标解读结果，包括：响应于补充信息包括与医疗报告匹配的对象信息的画像数据，基于画像数据从参考知识库中获取对应的检索内容，基于医疗报告、意图信息和检索内容，获取目标解读结果；响应于补充信息包括从与至少部分指标项匹配的正常数值范围，基于正常数值范围确定待复核指标项，基于医疗报告、意图信息和待复核指标项，获取目标解读结果。
[0199] 在一实施方式中，处理模块20基于医疗报告和意图信息，获取目标解读结果，包括：确定当前对话轮次匹配的对话类别，基于对话类别获取与用户之间的当前对话内容；其中，对话类别包括主动对话或被动对话，对话类别基于历史对话轮次下与用户之间的历史对话内容确定；响应于满足预设解读条件，基于医疗报告、意图信息和对话内容，获取目标解读结果。
[0200] 在一实施方式中，请继续参阅图14，本申请提出的医疗报告解读系统中还包括与处理模块20耦接的推荐模块50，推荐模块50用于获取用户输入的与医疗报告相关的参考信息；基于目标解读结果和参考信息，从参考知识库中获取参考知识；基于参考知识，生成推荐内容。
[0201] 请参阅图15，图15是本申请电子设备一实施方式的结构示意图。该电子设备包括：相互耦接的存储器60和处理器70。存储器60中存储有程序指令，处理器70用于执行程序指令以实现上述任一实施方式中提到的方法。具体地，电子设备包括但不限于：台式计算机、笔记本电脑、平板电脑、服务器等，在此不做限定。此外，处理器70还可以称为CPU(Center Processing Unit,中央处理单元)。处理器70可能是一种集成电路芯片，具有信号处理能力。处理器70还可以是、通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field‑Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。另外，处理器70可以由集成电路芯片共同实现。
[0202] 请参阅图16，图16是本申请计算机可读存储介质一实施方式的结构示意图，该计算机可读存储介质80上存储有能够被处理器运行的程序指令90，程序指令90被处理器执行时实现上述任一实施例中提到的方法。
[0203] 在本申请所提供的几个实施例中，应该理解到，所揭露的方法和装置，可以通过其它的方式实现。例如，以上所描述的装置实施方式仅仅是示意性的，例如，模块或单元的划分，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接口，装置或单元的间接耦合或通信连接，可以是电性、机械或其它的形式。
[0204] 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方式方案的目的。
[0205] 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。
[0206] 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介质中。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介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)或处理器(processor)执行本申请各个实施方式方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read‑Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
[0207] 以上所述仅为本申请的实施方式，并非因此限制本申请的专利范围，凡是利用本申请说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本申请的专利保护范围内。
