[發(fā)明專利]基于醫(yī)學(xué)知識(shí)庫的智能分診決策控制方法及系統(tǒng)

在審

• 申請(qǐng)?zhí)枺?/td>: 201811484123.1
• 申請(qǐng)日: 2018-12-07
• 公開（公告）號(hào): CN111292847A
• 公開（公告）日: 2020-06-16
• 發(fā)明（設(shè)計(jì)）人: 趙杰;李礪鋒;沈志博;薛文華;張騰飛;翟運(yùn)開;李金博;宋曉琴;孫東旭
• 申請(qǐng)（專利權(quán)）人: 鄭州大學(xué)第一附屬醫(yī)院
• 主分類號(hào): G16H50/20
• 分類號(hào): G16H50/20;G16H50/70
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發(fā)明公開了基于醫(yī)學(xué)知識(shí)庫的智能分診決策控制方法及系統(tǒng)，包括輸入模塊、數(shù)據(jù)預(yù)處理模塊、智能學(xué)習(xí)模塊、醫(yī)學(xué)詞條特征化檢索模塊、輸出模塊、語音模塊、智能感知器、數(shù)據(jù)轉(zhuǎn)換模塊、特征加載器、供電裝置、運(yùn)算放大芯片、數(shù)據(jù)分析器、數(shù)據(jù)篩選器、數(shù)據(jù)存儲(chǔ)器、緩存單元和顯示器。其特征在于：所述的智能學(xué)習(xí)模塊，基于醫(yī)學(xué)知識(shí)庫的特征，采用帶有優(yōu)先級(jí)的樣本采樣的深度學(xué)習(xí)方法對(duì)病人的生理特征，進(jìn)行實(shí)時(shí)分類，預(yù)測和判斷。該系統(tǒng)便攜、準(zhǔn)確和周期性地檢測和記錄病人的生理病癥，并通過智能學(xué)習(xí)模塊匹配病癥對(duì)應(yīng)的醫(yī)療解決方案，將優(yōu)選的解決方案通過多種模式報(bào)備給用戶，實(shí)現(xiàn)無人干預(yù)的診斷、實(shí)時(shí)準(zhǔn)確的預(yù)測和智能決策的功能。

技術(shù)領(lǐng)域

本發(fā)明涉及基于醫(yī)學(xué)知識(shí)庫的智能分診決策控制方法及系統(tǒng)，尤其涉及物聯(lián)網(wǎng)設(shè)備結(jié)合人工智能技術(shù)和醫(yī)學(xué)知識(shí)庫對(duì)人體的健康進(jìn)行智能診斷和決策的方法。

背景技術(shù)

目前，普通大眾的一貫思維是：有病去醫(yī)院就診或者去藥店買自認(rèn)為可以治病的藥物。在醫(yī)院，有專業(yè)的醫(yī)療設(shè)備對(duì)病人做生理病癥進(jìn)行判斷，其判斷結(jié)果輔助專業(yè)醫(yī)生進(jìn)行開對(duì)應(yīng)的藥物。然而，病人需要親自在專業(yè)的醫(yī)療設(shè)備和專業(yè)的醫(yī)務(wù)人員的幫助下才能準(zhǔn)確判斷病理。而在藥店，病人購買自認(rèn)為對(duì)癥的藥物進(jìn)行治療。這種主觀的“自認(rèn)為”通常不能精準(zhǔn)的把握病因，不能給出正確全面的病理分析結(jié)果，即“藥不能完全匹配病癥”。抑或者病人通過遠(yuǎn)程醫(yī)療診斷，在醫(yī)生的幫助下進(jìn)行分析病理。在中國類似于需要醫(yī)務(wù)人員或者病人參與的醫(yī)療方式，屢見不鮮。

隨著強(qiáng)“人工智能+”(Artificial intelligence，AI)時(shí)代的迅猛發(fā)展，可穿戴設(shè)備、遠(yuǎn)程醫(yī)療檢測等物聯(lián)網(wǎng)設(shè)備的應(yīng)用也日益受到人們的青睞。“AI+健康產(chǎn)業(yè)”是研究AI者和醫(yī)學(xué)學(xué)者致力于聯(lián)手研究的熱點(diǎn)話題。健康是關(guān)乎每個(gè)人的生活品質(zhì)追求的基礎(chǔ)，“AI+健康”是提升人們生活質(zhì)量的助推者。因此，基于醫(yī)學(xué)知識(shí)庫的智能分診決策控制對(duì)未來智能化、個(gè)性化和自動(dòng)化的醫(yī)學(xué)應(yīng)用有著重要的市場價(jià)值。

發(fā)明內(nèi)容

針對(duì)上述醫(yī)療方式的不足，即需要人為的過多干預(yù)才能對(duì)癥下藥或者人對(duì)病癥的主觀臆斷。該系統(tǒng)采用帶有優(yōu)先級(jí)的樣本采樣的角色者-評(píng)論家(actor-critic)的雙網(wǎng)學(xué)習(xí)的方法對(duì)病人的生理特征，進(jìn)行實(shí)時(shí)分類，預(yù)測和判斷。該系統(tǒng)可以便攜、準(zhǔn)確和周期性地檢測和記錄病人的生理病癥，通過智能學(xué)習(xí)模塊匹配病癥對(duì)應(yīng)的醫(yī)療解決方案，并將優(yōu)選的解決方案通過多種模式報(bào)備給用戶，實(shí)現(xiàn)了無人干預(yù)的診斷、實(shí)時(shí)準(zhǔn)確的預(yù)測和智能決策的功能。

為了實(shí)現(xiàn)上述目的，本發(fā)明所采取的技術(shù)方案是：基于醫(yī)學(xué)知識(shí)庫的智能分診決策控制方法及系統(tǒng)，包括輸入模塊、數(shù)據(jù)預(yù)處理模塊、智能學(xué)習(xí)模塊、醫(yī)學(xué)詞條特征化檢索模塊、輸出模塊、語音模塊、智能感知器、數(shù)據(jù)轉(zhuǎn)換模塊、特征加載器、供電裝置、運(yùn)算放大芯片、數(shù)據(jù)分析器、數(shù)據(jù)篩選器、數(shù)據(jù)存儲(chǔ)器、緩存單元和顯示器。這些微型器件可以嵌入在物聯(lián)網(wǎng)(IoT)設(shè)備中，如智能手環(huán)等，其特征在于：所述的智能學(xué)習(xí)模塊，采用帶有優(yōu)先級(jí)的采樣方法進(jìn)行深度學(xué)習(xí)來自所述的數(shù)據(jù)轉(zhuǎn)換模塊的特征，其基于醫(yī)學(xué)知識(shí)庫的特征對(duì)新的診斷數(shù)據(jù)或者檢測數(shù)據(jù)進(jìn)行實(shí)時(shí)分類處理；

所述的智能學(xué)習(xí)模塊由供電裝置、運(yùn)算放大芯片和決策控制算法構(gòu)成；所述的供電裝置用于提供智能學(xué)習(xí)模塊的電能支持；所述的運(yùn)算放大芯片內(nèi)核由所述的決策控制算法編程控制。

所述的決策控制算法流程如下：

S1：初始化actor和critic網(wǎng)絡(luò)的權(quán)重分別為θ^π和θ^Q；初始化actor和critic目標(biāo)網(wǎng)絡(luò)的權(quán)重θ^π′和θ^Q′；

S2：判斷當(dāng)前時(shí)刻t是否小于規(guī)定的時(shí)間周期T，若t＜T，則轉(zhuǎn)帶有優(yōu)先級(jí)的采樣選擇算法；算法返回所選擇的行為，轉(zhuǎn)S3；否則，轉(zhuǎn)S9；

S3：計(jì)算actor和critic函數(shù)，觀測即時(shí)獎(jiǎng)賞r；