[發(fā)明專利]一種基于神經(jīng)網(wǎng)絡(luò)算法的智能中醫(yī)診斷方法及裝置

有效

• 申請(qǐng)?zhí)枺?/td>: 202011024247.9
• 申請(qǐng)日: 2020-09-25
• 公開（公告）號(hào): CN112185548B
• 公開（公告）日: 2022-10-28
• 發(fā)明（設(shè)計(jì)）人: 李春新
• 申請(qǐng)（專利權(quán)）人: 智慧中醫(yī)科技（廣東）有限公司
• 主分類號(hào): G16H50/20
• 分類號(hào): G16H50/20;G16H50/70;G16H20/90;G06N3/04;G06N3/08;G06K9/62
• 代理公司: 廣州獨(dú)角熊知識(shí)產(chǎn)權(quán)代理事務(wù)所(特殊普通合伙) 44580
• 代理人: 張小黎

本發(fā)明提供了一種基于神經(jīng)網(wǎng)絡(luò)算法的智能中醫(yī)診斷方法及裝置，在收集中醫(yī)專家提供的歷史診斷數(shù)據(jù)后，通過神經(jīng)網(wǎng)絡(luò)算法生成模板，以便坐診醫(yī)生輸入患者臨床表現(xiàn)后即可獲得系統(tǒng)智能判斷的中醫(yī)診斷，輔助醫(yī)生進(jìn)行問診；同時(shí)，由于神經(jīng)網(wǎng)絡(luò)算法非常依賴于訓(xùn)練數(shù)據(jù)的準(zhǔn)確度，因此本發(fā)明所提供的一種基于神經(jīng)網(wǎng)絡(luò)算法的智能中醫(yī)診斷方法及裝置，還包括了糾錯(cuò)機(jī)制，可以在預(yù)設(shè)周期內(nèi)對(duì)中醫(yī)專家所提供的歷史診斷數(shù)據(jù)的可信度進(jìn)行批判，以便及時(shí)的剔除不準(zhǔn)確的訓(xùn)練數(shù)據(jù)。

技術(shù)領(lǐng)域

本發(fā)明涉及醫(yī)療信息化技術(shù)領(lǐng)域，特別涉及一種基于神經(jīng)網(wǎng)絡(luò)算法的智能中醫(yī)診斷方法及裝置。

背景技術(shù)

中醫(yī)問診是中醫(yī)診察疾病的基本方法之一。通過問診可以了解有關(guān)患者身體狀況很多情況，如病人的自覺癥狀、起病過程、治療經(jīng)過、生活起居、平素體質(zhì)及既往病史、家族病史等。中醫(yī)問診對(duì)于做出最后的辨證診斷結(jié)果具有診斷信息全、信息早、信息準(zhǔn)(來自待診斷的個(gè)體感受)的特點(diǎn)。如何將傳統(tǒng)中醫(yī)問診的方法通過采用現(xiàn)代科學(xué)技術(shù)實(shí)現(xiàn)并能廣泛應(yīng)用是一個(gè)重要的課題。

近年來，人工智能技術(shù)發(fā)展迅速，其商業(yè)化速度超出預(yù)期，人工智能將會(huì)給整個(gè)社會(huì)帶來顛覆性的變化，已經(jīng)成為未來各國(guó)重要的發(fā)展戰(zhàn)略。特別是以深度學(xué)習(xí)為核心的算法演進(jìn)，其超強(qiáng)的進(jìn)化能力，在大數(shù)據(jù)的支持下，通過訓(xùn)練構(gòu)建得到類似人腦結(jié)構(gòu)的大規(guī)模卷積神經(jīng)網(wǎng)絡(luò)，已經(jīng)可以解決各類問題，因此將其與傳統(tǒng)的中醫(yī)問診方式的結(jié)合，將是實(shí)現(xiàn)中醫(yī)智能化的重要實(shí)現(xiàn)方式之一。

發(fā)明內(nèi)容

本發(fā)明的目的在于克服現(xiàn)有技術(shù)不足，提供了一種基于神經(jīng)網(wǎng)絡(luò)算法的智能中醫(yī)診斷方法及裝置，能夠通過收集中醫(yī)專家的歷史診斷記錄，通過神經(jīng)網(wǎng)絡(luò)算法對(duì)診斷記錄進(jìn)行訓(xùn)練并形成相應(yīng)的模板神經(jīng)網(wǎng)絡(luò)，當(dāng)坐診醫(yī)生輸入患者的臨床表現(xiàn)后，可以通過所述模板神經(jīng)網(wǎng)絡(luò)獲取系統(tǒng)智能判斷的中醫(yī)診斷。

本發(fā)明為實(shí)現(xiàn)上述目的采用以下的技術(shù)方案：

第一方面，本發(fā)明提供了一種基于神經(jīng)網(wǎng)絡(luò)算法的智能中醫(yī)診斷方法，包括：

獲取第一用戶發(fā)送的至少一個(gè)歷史診斷數(shù)據(jù)集，其中，所述歷史診斷數(shù)據(jù)集中包括至少一個(gè)歷史診斷記錄，所述歷史診斷記錄包括歷史臨床表現(xiàn)數(shù)據(jù)及歷史辯證數(shù)據(jù)；

將所獲取的歷史診斷數(shù)據(jù)集進(jìn)行歸一化，并將所有歸一化后的歷史診斷數(shù)據(jù)集整合為訓(xùn)練數(shù)據(jù)集；

根據(jù)所述訓(xùn)練數(shù)據(jù)集通過神經(jīng)網(wǎng)絡(luò)算法生成模型神經(jīng)網(wǎng)絡(luò)；

當(dāng)獲取第二用戶發(fā)送的臨床表現(xiàn)數(shù)據(jù)時(shí)；

將所述臨床表現(xiàn)數(shù)據(jù)進(jìn)行歸一化，并記歸一化后的臨床表現(xiàn)數(shù)據(jù)為待診斷數(shù)據(jù)；

根據(jù)所述待診斷數(shù)據(jù)及所述模型神經(jīng)網(wǎng)絡(luò)生成預(yù)估中醫(yī)診斷數(shù)據(jù)；

將所述預(yù)估中醫(yī)診斷數(shù)據(jù)發(fā)送給所述第二用戶。

在本發(fā)明一實(shí)施例中，所述歷史診斷數(shù)據(jù)集的數(shù)量不少于兩個(gè)，所述歷史診斷數(shù)據(jù)集還包括與發(fā)送該歷史診斷數(shù)據(jù)集的第一用戶匹配的用戶標(biāo)簽；

則，所述的一種基于神經(jīng)網(wǎng)絡(luò)算法的智能中醫(yī)診斷方法，還包括：

在預(yù)設(shè)周期內(nèi)，獲取任意一個(gè)歷史診斷數(shù)據(jù)集，記為第一待驗(yàn)證數(shù)據(jù)集；

獲取用戶標(biāo)簽與所述第一待驗(yàn)證數(shù)據(jù)集的用戶標(biāo)簽不一致的歷史診斷數(shù)據(jù)集，記為對(duì)比數(shù)據(jù)集；

根據(jù)第一預(yù)設(shè)數(shù)量，從所述第一待驗(yàn)證數(shù)據(jù)集中隨機(jī)抽取歷史診斷記錄，并將所抽取的歷史診斷進(jìn)行歸一化，并記為第一待驗(yàn)證診斷數(shù)據(jù)；

將所述對(duì)比數(shù)據(jù)集進(jìn)行歸一化，并根據(jù)第二預(yù)設(shè)數(shù)量抽取其中與所述待驗(yàn)證診斷數(shù)據(jù)相近的歷史診斷記錄，并記為第二待驗(yàn)證診斷數(shù)據(jù)；

將所述第一待驗(yàn)證診斷數(shù)據(jù)反歸一化后刪除歷史辯證數(shù)據(jù)，并記為第一測(cè)試數(shù)據(jù)；