(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210906101.X (22)申请日 2022.07.29 (71)申请人 四川大学华西第二医院 地址 610041 四川省成 都市人民南路3段20 号 (72)发明人 任建华　单文煜　张金玲　陈鹏　 和冬宁　李娟　 (74)专利代理 机构 重庆信必达知识产权代理有 限公司 5 0286 专利代理师 陈小东 (51)Int.Cl. G06Q 50/20(2012.01) G16H 80/00(2018.01) G09B 5/14(2006.01) G06F 40/30(2020.01)G06F 16/9536(2019.01) G06F 16/9535(2019.01) G06K 9/62(2022.01) G06N 3/02(2006.01) (54)发明名称 一种基于微信的胎监教学平台及在线用户 推荐系统 (57)摘要 本发明公开了一种基于微信的胎监教学平 台， 涉及医疗教学数字化领域， 其技术方案要点 是： 系统架构包括中心化计算存储后台、 医护学 生端、 医护教师端和功能模块， 医护学生端和医 护教师端对中心化后台进行访问， 后台对医护学 生端和医护教师端的访问进行响应； 功能模块包 括胎监基础知识学习模块、 胎监图谱库学习模 块、 胎监课程直播学习模块、 胎监互动问答模块 和闯关排位模块。 本发明将医疗结合互联网+， 为 医学群体构建全新胎监学习模式， 利用微信小程 序及大数据、 人工智能和深度学习实现个性化学 习模式； 可在手机、 平板电脑及笔记本电脑等移 动设备中安装， 方便学习者繁忙之余随时随地打 开应用， 为学习者提供持续性、 利用碎片时间的 学习和交流平台。 权利要求书2页 说明书5页 附图4页 CN 115423654 A 2022.12.02 CN 115423654 A 1.一种基于微信的胎监教学平台， 其特征是： 所述胎监教学平台的系统架构包括中心 化计算存储后台、 医护学生端、 医护教师端和功能模块， 所述医护学生端和医护教师端对中 心化计算存储后台进 行访问， 所述中心 化计算存储后台对医护学生端和医护教师端的访问 进行响应； 所述中心化计算存储后台用于提供各种学习服务， 且所述中心化计算存储后台包括资 源共享服务器、 流媒体服务器和即时通信服 务器， 用于满足不同层次学员个性 化学习需求； 所述功能模块包括胎监基础知识学习模块、 胎监图谱库学习模块、 胎监课程直播学习 模块、 胎监互动问答模块和闯关排 位模块； 所述胎监基础知识学习 模块， 用于将胎监基础知识的内容分类放置于所述胎监教学平 台上， 由教师通过录播视频配以文字讲义进 行讲授， 并将 基础知识与经典胎监图谱相结合， 从声音和图像双维度进行对知识的加深与巩固； 所述胎监图谱库学习模块， 用于储存各类临床典型和非典型胎监图例， 便于用户学习 和讨论； 所述胎监课程直播学习模块， 用于以慕课的形式针对胎监学习， 组织专家进行系统、 科 学的分类课程讲解， 同时对指南及研究热点进行解读； 所述胎监互动问答模块， 用于虚拟构建胎监学习讨论社区， 供 学员讨论和分享图谱； 所述闯关排位模块， 用于提供一对一学习测评及学习方案， 用游戏化的方式巩固学习 效果， 打造个性 化学习模式。 2.根据权利要求1所述的一种基于微信的胎监教学平台， 其特征是： 所述胎监教学平台 嵌设安装于手机、 平板电脑或笔记本电脑类的移动设备内。 3.根据权利要求1所述的一种基于微信的胎监教学平台， 其特征是： 所述胎监教学平台 应用于结合互联网+为学生、 助产士、 产科医护的群体构建全新的胎监学习模式； 所述胎监 教学平台嵌设于微信小程序， 结合大 数据、 人工智能和深度学习实现个性 化学习模式。 4.一种基于语义分析的在线用户推荐系统， 其特征是： 包括终端用户、 图文信息库、 语 义分析单元、 行为分析及推荐系统； 所述行为分析及推荐系统接 收终端用户发出 的用户行 为， 语义分析单元接收图文信息库提交的信息， 分别进 行语义分析和行为分析， 经过行为分 析及推荐系统匹配后， 为终端用户提供精确的推荐信息 。 5.根据权利要求4所述的一种基于语义分析的在线用户推荐系统， 其特征是： 所述图文 信息库包括文章标题、 作者、 分类标签、 文章 正文、 文章配图及描述和视频。 6.根据权利要求4所述的一种基于语义分析的在线用户推荐系统， 其特征是： 所述用户 行为包括 点击文章、 停留位置、 停留时长、 收藏文章、 评论文章、 用户提问和用户答题。 7.根据权利要求4所述的一种基于语义分析的在线用户推荐系统的在线用户推荐方 法， 其特征是： 包括如下步骤： S1、 终端用户上传用户行为到行为分析及推荐系统中， 行为分析及推荐系统对用户行 为进行建模； S2、 图文信息库将信息提供 给语义分析 单元， 语义分析 单元对信息进行语义分析； S3、 语义分析 单元结合用户行为和广泛信息进行 联合语义分析； S4、 根据步骤S1至S3的结果， 行为分析及推荐系统提炼出精确信息投放给终端用户； S5、 终端用户对精确信息作出判断， 并且反馈用户行为， 循环步骤S1至S3， 再次反馈精权　利　要　求　书 1/2 页 2 CN 115423654 A 2确信息， 实现在线用户推荐。 8.根据权利要求7所述的一种基于语义分析的在线用户推荐系统的在线用户推荐方 法， 其特征是： 步骤S1中行为分析及推荐系统对用户行为进行语义分析的方法包括隐马尔 科夫模型方法、 回归神经网络方法、 深度学习方法、 统计学习方法。 9.根据权利要求7所述的一种基于语义分析的在线用户推荐系统的在线用户推荐方 法， 其特征是： 步骤S2中语义分析对信息进 行语义分析的方法包括隐马尔科夫模 型方法、 回 归神经网络方法、 深度学习方法、 统计学习方法。 10.根据权利要求7所述的一种基于语义分析的在线用户推荐系统的在线用户推荐方 法， 其特征是： 步骤S3中联合语义分析的方法包括隐马尔科夫模型方法、 回归神经网络方 法、 深度学习方法、 统计学习方法。权　利　要　求　书 2/2 页 3 CN 115423654 A 3