The invention discloses a medical model training method, a medical identification method, a device, a device and a medium. The training method of the medical model includes: acquiring the target medical data; dividing the target medical data into training sets and test sets according to the preset proportion; training the long-term and short-term memory network model with the target medical data of the training set to obtain the original medical model; and adopting the items of the test set. The original medical model is tested by the standard medical data and the target medical model is obtained. The medical model training method solves the problem that the current disease identification can only rely on doctors, and can not make users have their own symptoms and timely understand their own health, and improves the accuracy of disease identification.
【技术实现步骤摘要】
医疗模型训练方法、医疗识别方法、装置、设备及介质
本专利技术涉及数据识别领域,尤其涉及一种医疗模型训练方法、医疗识别方法、装置、设备及介质。
技术介绍
当前疾病的识别通常由医生根据病人的症状确定,需依赖于医生的专业和经验,无法使用户根据自身的症状情况及时了解自身的健康情况。由于当前疾病的识别主要由医生进行诊断,一般用户都是在病情比较严重时才会意识到,进而到医疗机构就诊,可能延误病情。当前医疗网站中提供的症状、疾病和治疗等医疗数据没有形成完整的系统,用户查询时没有足够的专业知识,无法根据自己的症状情况及时了解自身的健康状态。
技术实现思路
本专利技术实施例提供一种医疗模型训练方法,以解决当前疾病的识别通常由医生根据病人的症状确定,需依赖于医生的专业和经验,无法使用户根据自身的症状情况及时了解自身的健康情况的问题。本专利技术实施例提供一种医疗识别方法,以解决当前医疗网站中提供的症状、疾病和治疗等医疗数据没有形成完整的系统,用户查询时没有足够的专业知识,无法根据自己的症状情况及时了解自身的健康状态的问题。第一方面,本专利技术实施例提供一种医疗模型训练方法,包括:获取目标医疗数据;将所述目标医疗数据按预设比例进行划分,获取训练集和测试集;采用所述训练集中的目标医疗数据对长短时记忆网络模型进行训练,获取原始医疗模型;采用所述测试集中的目标医疗数据对所述原始医疗模型进行测试,获取目标医疗模型。第二方面,本专利技术实施例提供一种医疗模型训练装置,包括:目标医疗数据获取模块,用于获取目标医疗数据;目标医疗数据划分模块,用于将所述目标医疗数据按预设比例进行划分,获取训练集和测试 ...
【技术保护点】
1.一种医疗模型训练方法,其特征在于,包括:获取目标医疗数据;将所述目标医疗数据按预设比例进行划分,获取训练集和测试集;采用所述训练集中的目标医疗数据对长短时记忆网络模型进行训练,获取原始医疗模型;采用所述测试集中的目标医疗数据对所述原始医疗模型进行测试,获取目标医疗模型。
【技术特征摘要】
1.一种医疗模型训练方法,其特征在于,包括:获取目标医疗数据;将所述目标医疗数据按预设比例进行划分,获取训练集和测试集;采用所述训练集中的目标医疗数据对长短时记忆网络模型进行训练,获取原始医疗模型;采用所述测试集中的目标医疗数据对所述原始医疗模型进行测试,获取目标医疗模型。2.如权利要求1所述的医疗模型训练方法,其特征在于,所述获取目标医疗数据包括:获取目标网页地址;采用爬虫工具爬取所述目标网页地址对应的网页,获取原始医疗数据;对所述原始医疗数据进行数据清洗,获取目标医疗数据。3.如权利要求1所述的医疗模型训练方法,其特征在于,所述采用所述训练集中的目标医疗数据对长短时记忆网络模型进行训练,获取原始医疗模型,包括:初始化长短时记忆网络模型;在所述长短时记忆网络模型中输入所述训练集中的目标医疗数据,计算所述长短时记忆网络模型各层的输出值;根据所述输出值对所述长短时记忆网络模型各层进行误差反传更新,获取更新后的所述各层的权值,其中,所述误差反传更新的表达式为其中,T表示时刻,W表示权值,B表示输出值,δ表示误差项,为上一时刻神经元的状态数据,bt-1h为上一时刻的输出值;基于更新后的所述各层的权值,获取原始医疗模型。4.如权利要求1所述的医疗模型训练方法,其特征在于,所述目标医疗数据包括一个实际疾病特征和对应的至少一个症状特征;所述采用所述测试集中的目标医疗数据对所述原始医疗模型进行测试,获取目标医疗模型,包括:将每一所述目标医疗数据中的至少一个所述症状特征输入到所述原始医疗模型进行测试,获取对应的预测医疗特征;获取同一所述目标医疗数据中所述实际疾病特征与所述预测医疗特征相匹配的识别数量;基于所述识别数量和所述测试集中所述的目标医疗数据的数据总量,获取识别准确率;若所述识别准确率大于预设准确率,则获取所述目标医疗模型。5.一种医疗识别方法,其特征在于,包括:获取用户的待测医疗数据,所述待测医疗数据包括至少一个症状特...
【专利技术属性】
技术研发人员:鲁宁,周凡,程诚,
申请(专利权)人:平安科技深圳有限公司,
类型:发明
国别省市:广东,44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。