[發(fā)明專(zhuān)利]基于人工智能的健康畫(huà)像方法、系統(tǒng)、設(shè)備及存儲(chǔ)介質(zhì)

在審

• 申請(qǐng)?zhí)枺?/td>: 202210054751.6
• 申請(qǐng)日: 2022-01-18
• 公開(kāi)（公告）號(hào): CN114400096A
• 公開(kāi)（公告）日: 2022-04-26
• 發(fā)明（設(shè)計(jì)）人: 楊文
• 申請(qǐng)（專(zhuān)利權(quán)）人: 平安國(guó)際智慧城市科技股份有限公司
• 主分類(lèi)號(hào): G16H50/30
• 分類(lèi)號(hào): G16H50/30;G16H50/70;G06V30/10;G06V30/19;G06V30/42
• 代理公司: 深圳國(guó)新南方知識(shí)產(chǎn)權(quán)代理有限公司 44374
• 代理人: 周雷

1.一種基于人工智能的健康畫(huà)像方法，其特征在于，包括：

接收攜帶患者的病例照片信息，根據(jù)所述病例照片從預(yù)先構(gòu)建的OCR系統(tǒng)中得到患者病例文字識(shí)別結(jié)果；

獲取歷史健康指標(biāo)數(shù)據(jù)，根據(jù)該歷史健康指標(biāo)數(shù)據(jù)建立健康模型，并將該健康模型與每個(gè)所述患者的病例文字識(shí)別結(jié)果進(jìn)行關(guān)聯(lián)，并獲取該健康模型下每個(gè)患者對(duì)應(yīng)的待判斷分?jǐn)?shù)；

獲取預(yù)先設(shè)置的分?jǐn)?shù)判斷規(guī)則，利用EasyRules規(guī)則引擎通過(guò)預(yù)先設(shè)置的分?jǐn)?shù)判斷規(guī)則或與所述待判斷分?jǐn)?shù)對(duì)應(yīng)的健康風(fēng)險(xiǎn)分?jǐn)?shù)區(qū)間，根據(jù)所述健康風(fēng)險(xiǎn)分?jǐn)?shù)區(qū)間生成所述患者對(duì)應(yīng)的健康畫(huà)像，所述健康風(fēng)險(xiǎn)分?jǐn)?shù)區(qū)間預(yù)先建立。

2.根據(jù)權(quán)利要求1所述的基于人工智能的健康畫(huà)像方法，其特征在于，所述接收攜帶患者的病例照片信息，根據(jù)所述病例照片從預(yù)先構(gòu)建的OCR系統(tǒng)中得到患者病例文字識(shí)別結(jié)果具體包括：

獲取患者的病例照片，將所述病例照片作為OCR訓(xùn)練數(shù)據(jù)；

將所述OCR數(shù)據(jù)輸入至OCR系統(tǒng)中，以基于所述OCR系統(tǒng)確定所述待識(shí)別照片對(duì)應(yīng)的文字識(shí)別結(jié)果。

3.根據(jù)權(quán)利要求1所述的基于人工智能的健康畫(huà)像方法，其特征在于，所述獲取患者的病例照片，將所述病例照片作為OCR訓(xùn)練數(shù)據(jù)具體包括：

獲取OCR文本，根據(jù)所述OCR文本獲取OCR標(biāo)簽，并將所述OCR標(biāo)簽生成相對(duì)應(yīng)的第一標(biāo)簽矩陣；

獲取噪聲圖片，將所述噪聲圖片經(jīng)第一預(yù)設(shè)OCR識(shí)別模型進(jìn)行識(shí)別，以得到將所述噪聲圖片進(jìn)行識(shí)別所對(duì)應(yīng)的識(shí)別矩陣，其中，所述識(shí)別矩陣的格式與所述第一標(biāo)簽矩陣的格式一致；

根據(jù)所述識(shí)別矩陣及所述第一標(biāo)簽矩陣，獲取所述噪聲圖片相對(duì)于所述OCR標(biāo)簽的損失值；

將所述損失值進(jìn)行反向傳播，并根據(jù)所述損失值對(duì)所述噪聲圖片求梯度；

利用所述梯度更新所述噪聲圖片，以將所述OCR標(biāo)簽繪制到所述噪聲圖片上，從而生成包含所述OCR標(biāo)簽的生成圖片，并將所述生成圖片作為OCR訓(xùn)練數(shù)據(jù)。

4.根據(jù)權(quán)利要求3所述的基于人工智能的健康畫(huà)像方法，其特征在于，所述利用所述梯度更新所述噪聲圖片，以將所述OCR標(biāo)簽繪制到所述噪聲圖片上，從而生成包含所述OCR標(biāo)簽的生成圖片包括：

利用所述梯度更新所述噪聲圖片，以得到更新后的噪聲圖片。

5.根據(jù)權(quán)利要求1所述的基于人工智能的健康畫(huà)像方法，其特征在于，所述獲取預(yù)先設(shè)置的分?jǐn)?shù)判斷規(guī)則，利用EasyRules規(guī)則引擎通過(guò)預(yù)先設(shè)置的分?jǐn)?shù)判斷規(guī)則或與所述待判斷分?jǐn)?shù)對(duì)應(yīng)的健康風(fēng)險(xiǎn)分?jǐn)?shù)區(qū)間，根據(jù)所述健康風(fēng)險(xiǎn)分?jǐn)?shù)區(qū)間生成所述患者對(duì)應(yīng)的健康畫(huà)像，所述健康風(fēng)險(xiǎn)分?jǐn)?shù)區(qū)間預(yù)先建立包括：

根據(jù)用戶(hù)的健康風(fēng)險(xiǎn)因素獲取用戶(hù)的健康風(fēng)險(xiǎn)分?jǐn)?shù)；

根據(jù)所述用戶(hù)的健康風(fēng)險(xiǎn)分?jǐn)?shù)獲取用戶(hù)未來(lái)一段時(shí)間內(nèi)的發(fā)病風(fēng)險(xiǎn)值，生成患者對(duì)應(yīng)的健康畫(huà)像。

6.根據(jù)權(quán)利要求5所述的基于人工智能的健康畫(huà)像方法，其特征在于，所述根據(jù)用戶(hù)的健康風(fēng)險(xiǎn)因素獲取用戶(hù)的健康風(fēng)險(xiǎn)分?jǐn)?shù)包括：

對(duì)用戶(hù)的健康風(fēng)險(xiǎn)因素進(jìn)行分層，以獲取各風(fēng)險(xiǎn)因素對(duì)應(yīng)的分層賦值；

根據(jù)各風(fēng)險(xiǎn)因素對(duì)應(yīng)的分層賦值和系數(shù)獲取所述用戶(hù)的健康風(fēng)險(xiǎn)分?jǐn)?shù)。

7.根據(jù)權(quán)利要求1所述的基于人工智能的健康畫(huà)像方法，其特征在于，所述獲取預(yù)先設(shè)置的分?jǐn)?shù)判斷規(guī)則，利用EasyRules規(guī)則引擎通過(guò)預(yù)先設(shè)置的分?jǐn)?shù)判斷規(guī)則或與所述待判斷分?jǐn)?shù)對(duì)應(yīng)的健康風(fēng)險(xiǎn)分?jǐn)?shù)區(qū)間，根據(jù)所述健康風(fēng)險(xiǎn)分?jǐn)?shù)區(qū)間生成所述患者對(duì)應(yīng)的健康畫(huà)像，所述健康風(fēng)險(xiǎn)分?jǐn)?shù)區(qū)間預(yù)先建立之后還包括：

將所述健康畫(huà)像在所述患者對(duì)應(yīng)的用戶(hù)終端上進(jìn)行顯示。