[發明專利]一種基于XGBoost疾病預測的智能問診系統及方法

在審

• 申請號: 201910407739.7
• 申請日: 2019-05-16
• 公開（公告）號: CN110111886A
• 公開（公告）日: 2019-08-09
• 發明（設計）人: 黃海濤;鄭早明;肖俊;許高峰;王婧
• 申請（專利權）人: 聞康集團股份有限公司
• 主分類號: G16H50/20
• 分類號: G16H50/20;G06K9/62
• 代理公司: 北京知呱呱知識產權代理有限公司 11577
• 代理人: 丁彥峰;賀亞明

1.一種基于XGBoost疾病預測的智能問診系統，其特征在于，所述系統包括通過網絡連接的客戶端和服務端；

所述客戶端包括問診模塊和顯示模塊；

所述問診模塊用于通過模擬醫生與患者進行問答互動，獲取患者基本信息和癥狀信息；

所述顯示模塊用于接收服務端發送的預測疾病信息以及疾病概率預測值并顯示；

所述服務端包括數據處理模塊、數據存儲模塊和XGBoost疾病預測模塊；

所述數據處理模塊用于獲取客戶端患者基本信息和癥狀信息數據進行處理；

所述數據存儲模塊用于存儲數據；

所述XGBoost疾病預測模塊用于將處理后的患者癥狀信息數據輸入至訓練好的XGBoost多分類模型中，輸出疾病概率預測值以及預測疾病信息并發送至客戶端。

2.根據權利要求1所述的一種基于XGBoost疾病預測的智能問診系統，其特征在于，所述數據處理模塊包括標準化模塊；

所述標準化模塊用于將獲取的所述癥狀信息數據進行0-1標準化處理。

3.根據權利要求2所述的一種基于XGBoost疾病預測的智能問診系統，其特征在于，所述數據處理模塊還包括權重賦值模塊；

所述權重賦值模塊用于根據所述癥狀信息的不確定程度對所述癥狀信息數據進行權重賦值。

4.根據權利要求1所述的一種基于XGBoost疾病預測的智能問診系統，其特征在于，所述服務端還包括增量數據獲取模塊和增量學習模塊；

所述增量數據獲取模塊用于按照預設周期獲取新增病例數據，所述新增病例數據包括新增疾病信息以及與所述新增疾病信息對應的新增疾病癥狀信息數據；

所述增量學習模塊用于使用所述新增病例數據對所述XGBoost多分類模型進行周期性的增量學習訓練。

5.根據權利要求1所述的一種基于XGBoost疾病預測的智能問診系統，其特征在于，所述XGBoost多分類模型基于XGBoost多分類算法，采用梯度提升法進行訓練，迭代器類型為gbtree，損失函數采用均方差MSE形式。

6.根據權利要求1所述的一種基于XGBoost疾病預測的智能問診系統，其特征在于，所述服務端還包括關聯信息模塊；

所述關聯信息模塊用于根據所述預測疾病信息給出疾病關聯信息，并將所述疾病關聯信息發送至客戶端進行顯示，所述疾病關聯信息包括與所述預測疾病信息相關聯的疾病介紹信息、導診科室、用藥建議以及專業醫生推薦信息。

7.根據權利要求1所述的一種基于XGBoost疾病預測的智能問診系統，其特征在于，所述客戶端還包括反饋模塊；

所述反饋模塊用于接收患者的反饋信息并處理，若患者反饋問題已解決，則結束問診，若患者反饋問題未解決，則提示患者直接咨詢專業醫生。

8.根據權利要求1所述的一種基于XGBoost疾病預測的智能問診系統，其特征在于，所述基本信息包括性別、年齡、妊娠狀態、既往病史、既往用藥史和藥物過敏史。

9.一種基于XGBoost疾病預測的智能問診方法，其特征在于，所述方法包括：

客戶端通過模擬醫生與患者進行問答互動，獲取患者基本信息和癥狀信息；

服務端獲取客戶端患者基本信息和癥狀信息數據進行處理；

服務端將處理后的患者癥狀信息數據輸入至訓練好的XGBoost多分類模型中，輸出疾病概率預測值以及預測疾病信息并發送至客戶端；

客戶端接收服務端發送的預測疾病信息以及疾病概率預測值并顯示。