[發(fā)明專利]一種基于卷積神經網絡的虛擬醫(yī)生診斷系統(tǒng)及方法

在審

• 申請?zhí)枺?/td>: 201711269723.1
• 申請日: 2017-12-05
• 公開（公告）號: CN109872812A
• 公開（公告）日: 2019-06-11
• 發(fā)明（設計）人: 鄧海;湯滔;韓培韜;關大英
• 申請（專利權）人: 航天信息股份有限公司
• 主分類號: G16H50/20
• 分類號: G16H50/20;G06N3/04
• 代理公司: 北京合智同創(chuàng)知識產權代理有限公司 11545
• 代理人: 李杰

1.一種基于卷積神經網絡的虛擬醫(yī)生診斷系統(tǒng)，其特征在于，所述虛擬醫(yī)生診斷系統(tǒng)至少包括用戶接待模塊，虛擬醫(yī)生模塊和電子處方與電子病歷生成模塊，其中，

所述用戶接待模塊，用于完成患者的注冊登記，所述患者待檢查醫(yī)院、虛擬醫(yī)生個體的選擇，以及所述患者的病癥癥狀的輸入，其中，所述待檢查醫(yī)院用于對患者進行身體檢查；

所述虛擬醫(yī)生模塊，由卷積神經網絡構建而成，包含有多個訓練完成的虛擬醫(yī)生個體，用于采用所述患者選擇的虛擬醫(yī)生個體，根據所述病癥癥狀進行初步診斷，得到初步診斷結果，并采用所述虛擬醫(yī)生個體，根據接收到的所述患者的身體檢查數據進行二次診斷，得到二次診斷結果；

所述電子處理與電子病歷生成模塊，用于根據所述初步診斷結果和/或二次診斷結果生成相應的電子處方和/或電子病歷。

2.如權利要求1所述的虛擬醫(yī)生診斷系統(tǒng)，其特征在于，在采用所述患者選擇的虛擬醫(yī)生個體，根據所述病癥癥狀對所述患者進行初步診斷之前，所述虛擬醫(yī)生模塊進一步用于：

分別獲取各醫(yī)生歷史診斷過程樣本數據；

根據所述各醫(yī)生歷史診斷過程樣本數據分別對所述卷積神經網絡進行樣本訓練，形成相應的各虛擬醫(yī)生個體。

3.如權利要求2所述的虛擬醫(yī)生診斷系統(tǒng)，其特征在于，根據所述各醫(yī)生歷史診斷過程樣本數據分別對所述卷積神經網絡進行樣本訓練，形成相應的各虛擬醫(yī)生個體時，所述虛擬醫(yī)生模塊具體用于：

將獲取到的一個醫(yī)生的歷史診斷過程樣本數據輸入卷積神經網絡中進行訓練處理，得到實際處理結果；

若判定實際處理結果與理想處理結果之間的差別不小于設定閾值時，按照極小化誤差方法反向調整卷積神經網絡中權值矩陣，直至實際處理結果與理想處理結果之間的差別小于設定閾值，形成與所述一個醫(yī)生相應的虛擬醫(yī)生個體。

4.如權利要求3所述的虛擬醫(yī)生診斷系統(tǒng)，其特征在于，所述卷積神經網絡包括輸入層，至少一個卷積層，至少一個采樣層，至少一個全連接層和分類器。

5.如權利要求4所述的虛擬醫(yī)生診斷系統(tǒng)，其特征在于，在將獲取到的一個醫(yī)生的歷史診斷過程樣本數據輸入卷積神經網絡中進行訓練處理，得到實際處理結果時，所述虛擬醫(yī)生模塊具體用于：

采用卷積玻爾茲曼機對輸入的歷史診斷過程樣本數據進行至少一次卷積處理，提取相應的特征值，并針對每次卷積處理后得到的特征值進行池化操作和稀疏正則化操作，得到相應的診斷結果。

6.一種基于卷積神經網絡的虛擬醫(yī)生診斷方法，應用于如權利要求1-5任一項所述的虛擬醫(yī)生診斷系統(tǒng)，其特征在于，包括：

獲取患者的注冊登記信息，選擇待檢查醫(yī)院、虛擬醫(yī)生個體的信息和所述患者輸入的病癥癥狀信息，并采用所述患者選擇的虛擬醫(yī)生個體，根據所述病癥癥狀進行初步診斷，得到初步診斷結果，其中，所述待檢查醫(yī)院用于對患者進行身體檢查；

在接收到所述患者身體檢查數據時，采用所述患者選擇的虛擬醫(yī)生個體，根據接收到的所述患者的身體檢查數據進行二次診斷，得到二次診斷結果；

根據所述初步診斷結果和/或二次診斷結果生成相應的電子處方和/或電子病歷。

7.如權利要求6所述的虛擬醫(yī)生診斷方法，其特征在于，在接收到患者輸入的病癥病狀時，采用所述患者選擇的虛擬醫(yī)生個體，根據所述病癥癥狀對所述患者進行初步診斷在股權被，進一步包括：

分別獲取各醫(yī)生歷史診斷過程樣本數據；

根據所述各醫(yī)生歷史診斷過程樣本數據分別對卷積神經網絡進行樣本訓練，形成相應的各虛擬醫(yī)生個體。

8.如權利要求7所述的虛擬醫(yī)生診斷方法，其特征在于，根據所述各醫(yī)生歷史診斷過程樣本數據分別對卷積神經網絡進行樣本訓練，形成相應的各虛擬醫(yī)生個體，具體包括：

將獲取到的一個醫(yī)生的歷史診斷過程樣本數據輸入卷積神經網絡中進行訓練處理，得到實際處理結果；

若判定實際處理結果與理想處理結果之間的差別不小于設定閾值時，按照極小化誤差方法反向調整卷積神經網絡中權值矩陣，直至實際處理結果與理想處理結果之間的差別小于設定閾值，形成與所述一個醫(yī)生相應的虛擬醫(yī)生個體。