[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

本發明實施例公開了一種基于XGBoost疾病預測的智能問診系統及方法，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，通過將客戶端獲取的患者癥狀信息輸入至訓練好的XGBoost多分類模型中，輸出疾病概率預測值以及預測疾病信息，并且患者可以直接在客戶端進行查看相關信息，基于機器學習和大數據技術，可以實現患者的自助診斷服務，支持對海量病患數據的智能分析和預測，預測具有高準確性和高時效性，操作簡便成本低。

技術領域

本發明實施例涉及疾病預測與診斷技術領域，具體涉及一種基于XGBoost疾病預測的智能問診系統及方法。

背景技術

由于醫療資源緊張、匹配分布不均等問題，導致普通百姓看病難、看病貴，智能問診產品是一種可以為患者提供自助咨詢和診斷服務的人工智能系統，能輔助醫生對患者進行問診，有效減少患者的就診時間和金錢花費，提高醫生的診療效率。現有的智能問診產品還停留在針對癥狀推測疾病的階段，對于少量癥狀和疾病還可以應付，當面對成百上千的海量大數據時就無從下手了，而且多基于臨床經驗資料或數據庫對癥狀進行分析，預測的準確性和時效性難以保證。

發明內容

為此，本發明實施例提供一種基于XGBoost疾病預測的智能問診系統及方法，以解決現有的智能問診產品無法對海量病患數據進行精準分析和預測的問題。

為了實現上述目的，本發明實施例提供如下技術方案：

根據本發明實施例的第一方面，提出了一種基于XGBoost疾病預測的智能問診系統，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。

進一步地，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。

進一步地，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。

進一步地，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。

進一步地，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。

進一步地，所述服務端還包括關聯信息模塊；