多推理模式融合的老年病推理诊断系统技术方案

本发明专利技术公开了一种多推理模式融合的老年病推理诊断系统，包括症状获取模块，专家经验推理子系统、大数据推理子系统和推理管理模块；专家经验推理子系统包括，专家经验规则库，模糊化模块，模糊推理模块；大数据推理子系统包括，关键特征值模块，推理模块；推理管理模块，用于从所述专家经验推理子系统和大数据推理子系统所反馈的推理结果中选出对应的发生概率最高的指定数量个疾病作为用于分诊参考的输出。通过各个模式的互补，保证推理结果的输出，提高推理的准确性。

【技术实现步骤摘要】
多推理模式融合的老年病推理诊断系统
本专利技术涉及医疗
，具体涉及一种多推理模式融合的老年病推理诊断系统及其方法。
技术介绍
分诊是指根据病人的主要症状及体征判断病人病情的轻重缓急及其隶属专科，并安排其就诊的过程。但是目前分诊的结果还存在很多不合理的地方，现在大多数医院都只设立就诊指引台，就诊人向护士简要描述症状，由护士的主观经验来初步判断疾病类型；由于工作量大，询问不仔细或医学知识及经验不足，疾病判断准确率低，还是解决不了重复排队、重复诊断的问题。对于上了年纪的老年人，罹患老年病的概率较大，再加上年事已高，遇到上述重复排队，重复就诊的情况时，被迫在医院内来回奔波，造成身心的疲惫。现有技术中，已经出现了基于智能设备的推理诊断系统，通过与患者交互得到症状信息，从而推理出病患可能患有的疾病，从而提示病患前往正确的科室就诊，有的智能系统通过手机、平板或养老机器人一类的智能终端，在家事先完成推理获得提示，再赶赴医院就医，大大的方便了老年人，特别是老年病患者的就医。然而，此类系统多采用单一的推理模式，而每种推理模式都存在着其自己的不足，当病患给出的症状信息不足支撑该推理模式的推理时，推理结果要么是准确率低，要么是无法得到，造成了分诊效率的下降。
技术实现思路
本专利技术的目的是提供一种多推理模式融合的老年病推理诊断系统，通过各个模式的互补，保证推理结果的输出，提高推理的准确性。多推理模式融合的老年病推理诊断系统，包括症状获取模块，专家经验推理子系统、大数据推理子系统和推理管理模块；所述症状获取模块用于获取症状信息，并同时发送至专家经验推理子系统和大数据推理子系统；所述症状信息包括症状名称和症状的严重程度信息；所述专家经验推理子系统包括，专家经验规则库，用于存储多条规则，所述规则为某一疾病和该疾病的所有症状及症状的严重程度信息；模糊化模块，用于对所述症状信息以及所述规则中的严重程度信息通过隶属函数进行模糊化；模糊推理模块：用于根据症状信息以及专家经验规则库内的规则，计算症状信息与专家经验规则库中的每一规则的贴近度作为该规则所对应的疾病发生的概率，并从中选出概率最高的多个疾病及其概率作为推理结果；大数据推理子系统包括，关键特征值模块，用于获取病例文本数据，并从中获取每一病例的关键特征值，进而形成关键特征值库；所述关键特征值库内的数据包括，疾病名及其对应的关键特征值；推理模块，用于将获取的症状信息以关键特征值的形式表示，并计算症状信息的关键特征值与关键特征值库中各疾病所对应的关键特征值的匹配度，以及每个关键特征值所对应的疾病发生的概率，并从中选出匹配度最高的多个疾病及其概率作为推理结果；所述推理管理模块，用于从所述专家经验推理子系统和大数据推理子系统所反馈的推理结果中选出对应的发生概率最高的指定数量个疾病作为用于分诊参考的输出。本系统利用模糊化的输入和专家经验规则库可以较准确的推断用户所患疾病，结论足以满足分诊的需求，专家经验规则库的使用避免医学知识及经验不足所造成的疾病判断准确率低；然而专家经验会存在主观性，所以同时引入大数据病例规则库，通过真实的病例数据去弥补专家经验的不足之处，使得对用户所患疾病的推断更为准确；模糊推理为数学方法，属于模糊数学范畴，其原理是在已知规则和规则的结论的基础上，获取的条件从而在已知的结论中匹配得到最接近的结论，同时还能得知条件与规则间的差距，从而估计该结论正确的概率，当今常用的模糊推理方法很多，在此不作赘述，这些方法均可利用计算机等智能设备完成，推理过程不依靠人力，大大提高了分诊的效率，通过两个模式的互补，保证推理结果的输出，提高推理的准确性。进一步，还包括知识图谱推理子系统；所述知识图谱推理子系统包括，存储有医学知识图谱的知识数据库和语义网络查询模块；所述语义网络查询模块根据其所获取的症状信息生成查询语句，以从所述知识数据库中查询出相应的疾病名称作为推理结果。知识图谱在两种推理模式得出的结论的概率较低时进行补充，避免无法在两种推理模式得不到结论时，无法给用户提供建议。进一步，所述推理管理模块，用于从所述专家经验推理子系统和大数据推理子系统所反馈的，对应的发生概率高于一阈值的疾病中选出发生概率最高的指定数量个疾病作为输出；如发生概率高于一阈值的疾病的数量不足，则输出知识图谱推理子系统的推理结果以补足。采用本方案可以避免低概率的结论被发送给用户，同时给出多个结论，降低遗漏疾病的可能性，为用户提供更为多样的建议。进一步，所述推理管理模块，还用于将概率差小于5％的推理结果视为概率相同，并概率相等的情况下优先选择专家推理系统的推理结果。专家推理系统的优先级被设为最高，同时避免偶然出现的过小的概率差让系统作出错误的判断。进一步，所述推理模块使用等值维度计算法计算关键特征值间的匹配度。对于文本处理来说，维度算法简单易行，且准确度较高。进一步，所述专家经验规则库中的每一规则均对应疾病严重程度信息；同一疾病的不同严重程度各自对应一条单独的规则。即便是同一疾病，但如果其严重程度不同，带来的各种症状也会不尽相同，所以在规则库中将同一疾病以不同严重程度来划分后，并相互区别建立规则，推理的准确性更高。进一步，所述隶属函数为高斯隶属函数。适合处理连续概率事件，更贴合本专利技术的使用场景，进一步，所述贴近度以以下方法计算：将所有隶属函数以同样的抽样频率抽样为离散的隶属度向量；设A为所得的某一症状的隶属度向量，B为某一规则内同一症状的隶属度向量，则有该症状的贴进度SM(A,B)的计算如下：其中，u为向量内的抽样值，n为抽样次数；而所有所得症状与该规则的贴进度r则是所有单个症状的贴进度的平均值，即：r＝avgSM。进一步，所述模糊推理子系统还包括修正模块，用于通过修正函数对所得贴近度进行修正，得出最终修正结果表征该规则所对应的疾病发生的概率。附图说明图1为本专利技术实施例多推理模式融合的老年病推理诊断系统的示意性框图。图2为本专利技术实施例中专家经验推理子系统的示意性框图。图3为本专利技术实施例中关键特征值模块所用的基于语法分析的文本预处理模型的示意图。图4为本专利技术实施例中知识图谱推理子系统的工作流程图。图5为本专利技术实施例中的推理管理模块的工作流程图。具体实施方式下面通过具体实施方式进一步详细说明：本实施例中的多推理模式融合的老年病推理诊断系统，基本如附图1所示：该系统包括症状获取模块，专家经验推理子系统、大数据推理子系统、只是图谱推理子系统和推理管理模块，下面逐一说明每一部分。如图2所示，专家经验推理子系统,包括：症状获取模块，用于获取用户的症状信息，所述症状信息包括症状的名称及症状的严重程度信息；专家经验规则库，用于存储多条规则，所述规则为某一疾病和该疾病的所有症状及症状的严重程度；模糊化模块，用于对所述症状信息以及所述规则中的严重程度信息通过隶属函数进行模糊化；模糊推理模块：用于根据模糊化后的症状信息以及专家经验规则库内的规则，利用模糊推理计算出专家经验规则库内规则所对应的疾病发生的概率；本模块中通过计算症状信息与专家经验规则库内的各个规则的贴近度作为各规则所对应的疾病发生的概率；修正模块，用于通过修正函数对所得贴近度进行修正，得出最终修正结果表征这些规则所对应的疾病发生的概率。专家经验规则库本实施例中的专家经验规则库本文档来自技高网...

【技术保护点】
1.多推理模式融合的老年病推理诊断系统，其特征在于：包括症状获取模块，专家经验推理子系统、大数据推理子系统和推理管理模块；所述症状获取模块用于获取症状信息，并同时发送至专家经验推理子系统和大数据推理子系统；所述症状信息包括症状名称和症状的严重程度信息；所述专家经验推理子系统包括，专家经验规则库，用于存储多条规则，所述规则为某一疾病和该疾病的所有症状及症状的严重程度信息；模糊化模块，用于对所述症状信息以及所述规则中的严重程度信息通过隶属函数进行模糊化；模糊推理模块：用于根据症状信息以及专家经验规则库内的规则，计算症状信息与专家经验规则库中的每一规则的贴近度作为该规则所对应的疾病发生的概率，并从中选出概率最高的多个疾病及其概率作为推理结果；大数据推理子系统包括，关键特征值模块，用于获取病例文本数据，并从中获取每一病例的关键特征值，进而形成关键特征值库；所述关键特征值库内的数据包括，疾病名及其对应的关键特征值；推理模块，用于将获取的症状信息以关键特征值的形式表示，并计算症状信息的关键特征值与关键特征值库中各疾病所对应的关键特征值的匹配度，以及每个关键特征值所对应的疾病发生的概率，并从中选出匹配度最高的多个疾病及其概率作为推理结果；所述推理管理模块，用于从所述专家经验推理子系统和大数据推理子系统所反馈的推理结果中选出对应的发生概率最高的指定数量个疾病作为用于分诊参考的输出。...

【技术特征摘要】
1.多推理模式融合的老年病推理诊断系统，其特征在于：包括症状获取模块，专家经验推理子系统、大数据推理子系统和推理管理模块；所述症状获取模块用于获取症状信息，并同时发送至专家经验推理子系统和大数据推理子系统；所述症状信息包括症状名称和症状的严重程度信息；所述专家经验推理子系统包括，专家经验规则库，用于存储多条规则，所述规则为某一疾病和该疾病的所有症状及症状的严重程度信息；模糊化模块，用于对所述症状信息以及所述规则中的严重程度信息通过隶属函数进行模糊化；模糊推理模块：用于根据症状信息以及专家经验规则库内的规则，计算症状信息与专家经验规则库中的每一规则的贴近度作为该规则所对应的疾病发生的概率，并从中选出概率最高的多个疾病及其概率作为推理结果；大数据推理子系统包括，关键特征值模块，用于获取病例文本数据，并从中获取每一病例的关键特征值，进而形成关键特征值库；所述关键特征值库内的数据包括，疾病名及其对应的关键特征值；推理模块，用于将获取的症状信息以关键特征值的形式表示，并计算症状信息的关键特征值与关键特征值库中各疾病所对应的关键特征值的匹配度，以及每个关键特征值所对应的疾病发生的概率，并从中选出匹配度最高的多个疾病及其概率作为推理结果；所述推理管理模块，用于从所述专家经验推理子系统和大数据推理子系统所反馈的推理结果中选出对应的发生概率最高的指定数量个疾病作为用于分诊参考的输出。2.根据权利要求1所述的多推理模式融合的老年病推理诊断系统，其特征在于：还包括知识图谱推理子系统；所述知识图谱推理子系统包括，存储有医学知识图谱的知识数据库和语义网络查询模块；所述语义网络查询模块根据其所获取的症状信息生成查询语句，以从所述知识数据库中查询出相应的疾病名称作为推理结果。...

【专利技术属性】
技术研发人员：薛方正，徐康，
申请(专利权)人：重庆柚瓣家科技有限公司，
类型：发明
国别省市：重庆,50