技术领域
[0001] 本申请涉及人工智能技术领域，特别是涉及一种医疗报告个性化解读方法、系统以及相关装置。
相关背景技术
[0002] 随着人工智能技术在医疗领域内的快速发展，代替医疗服务提供者为用户完成医疗报告解读，成为个性化服务领域的关键。目前传统的报告解读方法主要依赖于简单的机器学习模型对用户的医疗报告进行解读，得到的解读结果的准确性较低，不能满足用户体验。有鉴于此，如何提高医疗报告解读结果的准确性，满足用户体验，成为亟待解决的问题。
具体实施方式
[0016] 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。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。
[0017] 本文中术语“系统”和“网络”在本文中常被可互换使用。本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。此外，本文中的“多”表示两个或者多于两个。
[0018] 本申请提出的医疗报告个性化解读方法依托于智能终端实现，该智能终端可以是至少集成有相应报告解读功能以及交互功能的智能设备，或者也可以为智能设备上的应用。其中，上述智能设备可以为手机、平板电脑或个人电脑等。
[0019] 请参阅图1，图1是本申请医疗报告个性化解读方法一实施方式的流程示意图，该方法包括：
[0020] S101：响应于得到用户输入的待解读医疗报告，确定与待解读医疗报告存在关联的关联对话的查找结果。
[0021] 具体地，当得到用户输入的待解读医疗报告后，确定与待解读医疗报告存在关联的关联对话的查找结果。
[0022] 在一应用方式中，用户在与智能分析模型的对话交互的过程中主动输入待解读医疗报告。
[0023] 在一应用场景中，用户会与智能分析模型进行对话交互，用户在对话交互的过程中主动在回复阶段上传待解读医疗报告。
[0024] 在另一应用方式中，智能分析模型在与用户的对话交互的过程中会引导用户输入待解读医疗报告。
[0025] 在一应用场景中，用户会与智能分析模型进行对话交互，智能分析模型在对话交互的过程中主动追问用户以输入待解读医疗报告。
[0026] 在又一应用方式中，用户直接输入待解读医疗报告。
[0027] 在一应用场景中，用户不与智能分析模型进行对话交互，直接上传待解读医疗报告。
[0028] S102：基于查找结果，确定待解读医疗报告的解读参考信息，利用解读参考信息对待解读医疗报告进行解读，得到目标解读结果；其中，解读参考信息与关联对话和用户的用户画像中的至少一者相关。
[0029] 具体地，基于查找结果，确定待解读医疗报告的解读参考信息，其中，解读参考信息与关联对话和用户的用户画像中的至少一者相关，利用解读参考信息对待解读医疗报告进行解读，得到智能分析模型输出的目标解读结果，通过结合关联对话和用户画像中的任意一者进行个性化解读，能够提高医疗报告解读结果的准确性，满足用户体验。
[0030] 可选地，与待解读医疗报告存在关联的关联对话可以是用户与智能分析模型的历史对话内容，例如：“智能分析模型询问用户最近吃过什么药，用户回答最近吃了某药物”等。
[0031] 可以理解的是，查找结果为已找到或未找到，当查找结果为已找到时，也即用户在输入待解读医疗报告前，还输入了与待解读医疗报告存在关联的信息，此时解读参考信息可以只包括关联对话，也可以包括关联对话和用户画像。当查找结果为未找到时，也即用户直接输入了待解读报告，此时解读参考信息包括用户画像。
[0032] 在一应用方式中，利用智能分析模型提取解读参考信息中的关键信息，根据提取的关键信息对待解读医疗报告进行解读，得到目标解读结果。
[0033] 在另一应用方式中，利用智能分析模型提取解读参考信息中的关键信息，并利用智能分析模型基于解读参考信息检索得到相关的检索信息，根据提取的关键信息和检索得到的检索信息对待解读医疗报告进行解读，得到目标解读结果。
[0034] 可选地，智能分析模型为生成式大语言模型，大语言模型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。
[0035] 可选地，用户的用户画像是基于以下步骤得到的：获取包括多种基础类别的医疗画像体系，从与用户相关的多模态数据中提取与每种基础类别相匹配的基础画像数据；基于用户在医疗画像体系下的每种基础画像数据，确定用户的医疗评估数据，利用用户的所有基础画像数据和医疗评估数据，构建用户在医疗画像体系下的用户画像。
[0036] 具体地，每个用户对应相同的医疗画像体系，能够确保所有用户在构建用户画像过程中的整体流程上的一致性，而不同用户在不同基础类别下，能够得到每个用户各自匹配的与用户个人信息和用户医疗信息相关的基础画像数据，从而确保用户画像与用户的匹配度。
[0037] 在一些实施场景中，用户个人信息可以包括用户的基本信息、生活习惯作为基础类别，用户医疗信息可以包括用户的健康史、检查报告、症状体征、用药数据作为基础类别。其中，基础类别与实施场景直接关联，在不同是实施场景中可以定义与场景相匹配的基础类别，本申请对此不做具体限制。
[0038] 需要说明的是，智能设备会提前告知用户交互数据的用途，并且需要在用户选择同意的前提下获取与用户相关的多模态数据。
[0039] 可以理解的是，多模态数据的模态至少包括文本、语音、图像和视频。
[0040] 上述方案，当得到用户输入的待解读医疗报告后，确定与待解读医疗报告存在关联的关联对话的查找结果，基于查找结果，确定待解读医疗报告的解读参考信息，其中，解读参考信息与关联对话和用户的用户画像中的至少一者相关，利用解读参考信息对待解读医疗报告进行解读，得到智能分析模型输出的目标解读结果，通过结合关联对话和用户画像中的任意一者进行个性化解读，能够提高医疗报告解读结果的准确性，满足用户体验。
[0041] 在一实施方式中，请参阅图2，图2是本申请医疗报告个性化解读方法另一实施方式的流程示意图，该方法包括：
[0042] S201：当待解读医疗报告由用户在对话交互过程中输入时，响应于得到用户在对话交互过程中输入的待解读医疗报告，确定与待解读医疗报告存在关联的关联对话的查找结果为已找到，获取待解读医疗报告之前与待解读医疗报告存在关联的关联对话；其中，待解读医疗报告由用户在对话交互过程中主动输入，或由用户在对话交互过程中响应用于引导用户输入报告的第一引导内容后输入。
[0043] 具体地，当待解读医疗报告是由用户在与智能分析模型的对话交互过程中输入，且当智能分析模型得到用户在对话交互过程中输入的待解读医疗报告，确定与待解读医疗报告存在关联的关联对话的查找结果为已找到时，获取待解读医疗报告之前与待解读医疗报告存在关联的关联对话。
[0044] 在一应用场景中，用户在与智能分析模型的对话交互过程中主动输入待解读医疗报告。
[0045] 在一具体应用场景中，用户与智能分析模型的交互界面设置有报告上传的按钮指令，用户点击该按钮指令后，主动上传待解读医疗报告，并在上传完待解读医疗报告后点击确认按钮，完成上传。
[0046] 在一应用场景中，用户在与智能分析模型的对话交互过程中，会收到智能分析模型发送的第一引导内容，用户根据第一引导内容输入待解读医疗报告。
[0047] 在一具体应用场景中，智能分析模型会在与用户的对话交互过程中主动询问，例如：“您是否做过相关检查检验”，用户根据询问内容回答：“做过”后，会从对话界面跳转至报告上传的界面，该界面上设置有报告上传的按钮指令，用户点击该按钮指令后上传待解读医疗报告，并在上传完待解读医疗报告后点击确认按钮，完成上传。
[0048] S202：基于查找结果，确定待解读医疗报告的解读参考信息；其中，解读参考信息至少包括关联对话。
[0049] 具体地，基于查找结果，确定待解读医疗报告的至少包括关联对话的解读参考信息。
[0050] 在一些应用场景中，待解读医疗报告的解读参考信息包括关联对话。
[0051] 在一些应用场景中，待解读医疗报告的解读参考信息包括关联对话和用户画像。
[0052] S203：获取待解读医疗报告中的至少部分指标项，并确定指标项的参考医学结果。
[0053] 具体地，获取待解读医疗报告中的至少部分指标项，并确定指标项对应的参考医学结果。
[0054] S204：至少基于解读参考信息、参考医学结果和待解读医疗报告，得到目标解读结果。
[0055] 具体地，至少基于解读参考信息、参考医学结果和待解读医疗报告，得到智能分析模型输出的目标解读结果。
[0056] 在一应用方式中，在步骤S203之后，还包括：基于指标项和参考医学结果，生成用于追问用户输入补充信息的第二引导内容；获取用户响应第二引导内容后输入的补充信息。
[0057] 具体地，基于指标项和对应的参考医学结果，生成第二引导内容，其中，第二引导内容用于引导用户输入补充信息，获取用户响应第二引导内容后输入的补充信息。
[0058] 在一应用场景中，步骤S204具体包括：基于解读参考信息、参考医学结果、补充信息和待解读医疗报告，得到目标解读结果。
[0059] 具体地，基于解读参考信息、参考医学结果、补充信息和待解读医疗报告，得到智能分析模型输出的目标解读结果，通过结合补充信息对待解读医疗报告进行解读，能够进一步提高医疗报告解读结果的准确性。
[0060] 在一具体应用场景中，用户为冠心病患者，且用户在前段时间由于出现过胸闷没力气的症状与智能分析模型发生过对话，用户向智能分析模型输入待解读医疗报告后，智能分析模型分析该医疗报告后得到异常指标项为“低密度脂蛋白胆固醇偏高”，并利用知识插件从知识库中调取冠心病患者的指标的相关知识，得到参考医学结果，例如“低密度脂蛋白胆固醇在所有血脂指标中，低密度脂蛋白胆固醇最重要，研究显示低密度脂蛋白胆固醇(LDL‑C)值越高，心梗、脑梗风险越高，降低低密度脂蛋白胆固醇可减少心脑血管疾病的风险”，并且智能分析模型会根据异常指标项和参考医学结果，生成用于追问用户输入补充信息的第二引导内容，例如“您之前吃过什么药，做过什么手术”，用户根据第二引导内容回复“我之前吃过阿托伐他汀，没有做过手术”，智能分析模型获取该补充信息后，根据历史对话内容、参考医学结果、补充信息和待解读医疗报告，得到“建议您医院就诊，并遵医嘱服药，控制血脂水平，必要时可以做心脏搭桥手术”的目标解读结果。
[0061] 在另一具体应用场景中，用户为高血压冠心病患者，且用户在前段时间由于出现过胸闷没力气的症状与智能分析模型发生过对话，用户向智能分析模型输入待解读医疗报告后，智能分析模型会首先分析用户的用户画像，并从用户画像中获取相关信息，例如用户的名字“xx”，用户的年龄“70岁”，用户的健康史“高血脂、冠心病、高血压”，用户的用药史“阿托伐他汀、厄贝沙坦”等，接着智能分析模型分析该医疗报告后得到异常指标项为“低密度脂蛋白胆固醇偏高”，并利用知识插件从知识库中调取高血压冠心病患者的指标的相关知识，得到参考医学结果，例如“低密度脂蛋白胆固醇在所有血脂指标中，低密度脂蛋白胆固醇最重要，研究显示低密度脂蛋白胆固醇(LDL‑C)值越高，心梗、脑梗风险越高，降低低密度脂蛋白胆固醇可减少心脑血管疾病的风险，但高血压会增加手术出血，诱发或加重心肌缺血，导致脑卒中以及肾脏衰竭等并发症”这一参考医学结果，并且智能分析模型会根据异常指标项和参考医学结果，生成用于追问用户输入补充信息的第二引导内容，例如“您最近还在吃阿托伐他汀和厄贝沙坦吗，之前有没有做过什么手术”，用户根据第二引导内容回复“我最近仍在吃阿托伐他汀和厄贝沙坦，之前做过心脏搭桥手术”，智能分析模型获取该补充信息后，根据历史对话内容、用户画像、参考医学结果、补充信息和待解读医疗报告，得到“建议您医院就诊，并遵医嘱服药，控制血脂水平，不建议再做手术”的目标解读结果，通过结合用户画像，能够进一步提高医疗报告解读结果的准确性。
[0062] 在一应用方式中，在步骤S204之前，还包括：响应于得到用户输入的待解读图像，获取待解读图像的图像特征；其中，待解读图像由用户在对话交互过程中主动输入，或由用户在对话交互过程中响应用于引导用户输入图像的第三引导内容后输入，且第三引导内容是基于指标项和参考医学结果生成的。
[0063] 具体地，当智能分析模型得到用户输入的待解读图像时，获取待解读图像的图像特征，通过结合图像特征综合解读待解读医疗报告，能够进一步提高医疗报告解读结果的准确性。
[0064] 在一应用场景中，步骤S204具体包括：基于解读参考信息、参考医学结果、图像特征和待解读医疗报告，得到目标解读结果。
[0065] 具体地，基于解读参考信息、参考医学结果、图像特征和待解读医疗报告，得到智能分析模型输出的目标解读结果。
[0066] 在一具体应用场景中，用户出现头痛、咳嗽等症状，并去医院做了血常规检查，在等医疗报告的过程中与智能分析系统进行对话，例如“我现在感觉头痛、咳嗽”，智能分析模型根据询问内容回复“您好，请问您还有没有出现其他症状，比如发热、全身无力等？”，用户根据实际情况发送“是的，我现在也有发热和全身无力的症状”，用户在拿到待解读医疗报告后，将其输入智能分析模型中，智能分析模型分析该医疗报告后得到异常指标项为“淋巴细胞比率偏高”，并利用知识插件从知识库中调取流行性感冒患者的指标的相关知识，得到参考医学结果，例如“流感是由流感病毒感染引起的，临床上可能会出现发热，咳嗽，咳痰，咽痛、流涕等，严重患者可出现憋喘，呼吸困难等情况，如果没有合并有细菌感染，血常规可以表现为淋巴细胞数量，淋巴细胞比率的增高；如果合并有细菌感染，血常规可以出现白细胞数量，中性粒细胞数量，中性粒细胞比率的升高；如果合并有严重的感染时间较长，血常规亦可以表现为白细胞，红细胞，血小板数量的下降，贫血等这种情况”，并且智能分析模型会根据异常指标项和参考医学结果，生成用于引导用户输入图像的第三引导内容，例如“请您发送一张您的舌苔照片”，用户将舌苔图像上传后，智能分析模型得到用户输入的舌苔图像后，提取舌苔发白的图像特征，并根据历史对话内容、参考医学结果、图像特征和待解读医疗报告，得到“建议您医院就诊，病遵医嘱服药，多喝热水，好好休息”的目标解读结果。
[0067] 在其他具体应用场景中，用户也可以自己主动上传舌苔照片或者其他照片至智能分析模型，本申请对此不做具体限制。
[0068] 在一实施方式中，请参阅图3，图3是本申请医疗报告个性化解读方法又一实施方式的流程示意图，该方法包括：
[0069] S301：当待解读医疗报告由用户直接输入时，响应于得到用户直接输入的待解读医疗报告，确定与待解读医疗报告存在关联的关联对话的查找结果为未找到，获取与待解读医疗报告相关的用户意图。
[0070] 具体地，当待解读医疗报告是由用户直接输入，且当智能分析模型得到用户直接输入的待解读医疗报告，确定与待解读医疗报告存在关联的关联对话的查找结果为未找到时，获取与待解读医疗报告相关的用户意图。
[0071] 在一些实施场景中，用户在直接输入待解读医疗报告的同时，会一并输入“请解读该医疗报告”的对话内容，智能分析模型根据该对话内容得到相关的解读报告的用户意图。
[0072] 在一些实施场景中，当用户直接输入待解读医疗报告时，智能分析模型默认得到解读该医疗报告的用户意图。
[0073] S302：基于查找结果，确定待解读医疗报告的解读参考信息；其中，解读参考信息包括用户画像。
[0074] 具体地，基于未找到关联对话的查找结果，获取用户的用户画像。
[0075] S303：获取与用户画像相匹配的医学知识，基于用户意图、解读参考信息、医学知识和待解读医疗报告，得到目标解读结果。
[0076] 具体地，智能分析模型获取与用户画像相匹配的医学知识，并基于用户意图、用户画像、医学知识和待解读医疗报告，得到智能分析模型输出的目标解读结果，通过结合用户画像以及相匹配的医学知识解读待解读医疗报告，可以识别出医疗报告中的伪正常值，进一步提高医疗报告解读结果的准确性，满足用户体验。
[0077] 在一应用场景中，用户画像包括用户的健康史和用药史，智能分析模型通过分析用户的健康史和用药史，得到与健康史相匹配的医学知识。
[0078] 在一具体应用场景中，用户为冠心病患者，对应的，用户画像的健康史中包括“冠心病”，用药史中包括“阿托伐他汀”，智能分析模型通过分析“冠心病”和“阿托伐他汀”，并利用知识插件从知识库中调取冠心病患者的指标相关知识、药物副作用等医学知识，例如“冠心病患者的低密度脂蛋白应该比正常人控制的更低，长期服用阿托伐他汀会对肝功能产生影响”，接着智能分析模型结合用户画像、医学知识一起解读待解读医疗报告，得到“1、您的低密度脂蛋白为3.3mmol/L，虽然在正常范围，但结合您存在冠心病疾病史，低密度脂蛋白理想值应控制在1.8mmol/L以下，建议您医院就诊，进一步控制血脂水平。2、肝功能轻度异常，结合您正在服用阿托伐他汀类药物用药史，不排除药物引起。”的目标解读结果。
[0079] 在一些应用场景中，在用户得到智能分析模型输出的目标解读结果后，用户可以继续与智能分析模型进行对话交互，从而可以进一步得到预防以及治疗相关疾病的日常措施，满足用户体验。
[0080] 在一应用场景中，用户对应有历史对话记录，在步骤S102中基于查找结果，确定待解读医疗报告的解读参考信息，利用解读参考信息对待解读医疗报告进行解读，得到目标解读结果之前，还包括：响应于从历史对话记录中得到与待解读医疗报告同类型的参考医疗报告，基于待解读医疗报告和参考医疗报告，得到至少部分指标项的变化趋势；基于至少部分指标项的变化趋势，得到趋势解读结果。
[0081] 具体地，当从用户的历史对话记录中得到与待解读医疗报告同类型的参考医疗报告时，基于待解读医疗报告和参考医疗报告，得到异常指标项以及伪正常指标项的变化趋势，并根据异常指标项和伪正常指标项的变化趋势，得到趋势解读结果，从而为用户提出风险提示，满足用户体验。
[0082] 在一具体应用场景中，用户为冠心病患者，并且长期服用阿托伐他汀，智能分析模型从用户的历史对话记录中得到参考医疗报告，其中参考医疗报告中的异常指标项为“低密度脂蛋白偏高”，用户将待解读医疗报告上传至智能分析模型，智能分析用户结合参考医疗报告和待解读医疗报告，得到“低密度脂蛋白降低和肝功能轻度异常”的变化趋势，并基于该变化趋势，得到“建议您遵医嘱服药，并密切检测肝功能及血脂变化”的趋势解读结果。
[0083] 请参阅图4，图4是本申请医疗报告个性化解读系统一实施方式的结构示意图，该医疗报告个性化解读系统40包括：获取模块401和解读模块402，获取模块401用于响应于得到用户输入的待解读医疗报告，确定与待解读医疗报告存在关联的关联对话的查找结果；解读模块402用于基于查找结果，确定待解读医疗报告的解读参考信息，利用解读参考信息对待解读医疗报告进行解读，得到目标解读结果；其中，解读参考信息与关联对话和用户的用户画像中的至少一者相关。
[0084] 上述方案，当得到用户输入的待解读医疗报告后，获取模块401确定与待解读医疗报告存在关联的关联对话的查找结果，基于查找结果，确定待解读医疗报告的解读参考信息，其中，解读参考信息与关联对话和用户的用户画像中的至少一者相关，解读模块402利用解读参考信息对待解读医疗报告进行解读，得到智能分析模型输出的目标解读结果，通过结合关联对话和用户画像中的任意一者进行个性化解读，能够提高医疗报告解读结果的准确性，满足用户体验。
[0085] 可选地，获取模块401还用于响应于得到用户在对话交互过程中输入的待解读医疗报告，确定与待解读医疗报告存在关联的关联对话的查找结果为已找到，获取待解读医疗报告之前与待解读医疗报告存在关联的关联对话；其中，待解读医疗报告由用户在对话交互过程中主动输入，或由用户在对话交互过程中响应用于引导用户输入报告的第一引导内容后输入。
[0086] 可选地，解读模块402还用于基于查找结果，确定待解读医疗报告的解读参考信息；其中，解读参考信息至少包括关联对话；获取模块401还用于获取待解读医疗报告中的至少部分指标项，并确定指标项的参考医学结果；解读模块402还用于至少基于解读参考信息、参考医学结果和待解读医疗报告，得到目标解读结果。
[0087] 可选地，获取模块401还用于基于指标项和参考医学结果，生成用于追问用户输入补充信息的第二引导内容；获取用户响应第二引导内容后输入的补充信息；解读模块402还用于基于解读参考信息、参考医学结果、补充信息和待解读医疗报告，得到目标解读结果。
[0088] 可选地，获取模块401还用于响应于得到用户输入的待解读图像，获取待解读图像的图像特征；其中，待解读图像由用户在对话交互过程中主动输入，或由用户在对话交互过程中响应用于引导用户输入图像的第三引导内容后输入，且第三引导内容是基于指标项和参考医学结果生成的；解读模块402还用于基于解读参考信息、参考医学结果、图像特征和待解读医疗报告，得到目标解读结果。
[0089] 可选地，获取模块401还用于响应于得到用户直接输入的待解读医疗报告，确定与待解读医疗报告存在关联的关联对话的查找结果为未找到，获取与待解读医疗报告相关的用户意图。
[0090] 可选地，解读模块402还用于基于查找结果，确定待解读医疗报告的解读参考信息；其中，解读参考信息包括用户画像；获取与用户画像相匹配的医学知识，基于用户意图、解读参考信息、医学知识和待解读医疗报告，得到目标解读结果。
[0091] 可选地，解读模块402还用于响应于从历史对话记录中得到与待解读医疗报告同类型的参考医疗报告，基于待解读医疗报告和参考医疗报告，得到至少部分指标项的变化趋势；基于至少部分指标项的变化趋势，得到趋势解读结果。
[0092] 可选地，获取模块401还用于获取包括多种基础类别的医疗画像体系，从与用户相关的多模态数据中提取与每种基础类别相匹配的基础画像数据；基于用户在医疗画像体系下的每种基础画像数据，确定用户的医疗评估数据，利用用户的所有基础画像数据和医疗评估数据，构建用户在医疗画像体系下的用户画像。
[0093] 可以理解的是，该医疗报告个性化解读系统40能够实现上述任一实施方式中提到的医疗报告个性化解读方法，相关内容的说明请参见上述方法实施例的详细描述，本申请对此不再赘述。
[0094] 请参阅图5，图5是本申请电子设备一实施方式的结构示意图。该电子设备50包括：相互耦接的存储器502和处理器500。存储器502中存储有程序指令，处理器500用于执行程序指令以实现上述任一实施方式中提到的医疗报告个性化解读，相关内容的说明请参见上述方法实施例的详细描述，本申请对此不再赘述。具体地，电子设备50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500还可以称为CPU(Center Processing Unit，中央处理单元)。处理器500可能是一种集成电路芯片，具有信号处理能力。处理器500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500可以由集成电路芯片共同实现。
[0095] 请参阅图6，图6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60上存储有能够被处理器运行的程序指令600，程序指令600被处理器执行时实现上述任一实施方式中提到的医疗报告个性化解读方法，相关内容的说明请参见上述方法实施例的详细描述，本申请对此不再赘述。
[0096] 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。
[0097] 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。
[0098] 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。
[0099] 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(Read‑Only Memory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
[0100] 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。
