The invention discloses a method for automatically judging diabetes mellitus and its complications using physiological parameters based on deep learning technology. The method utilizes the hematological parameters and urinology in the inspection report to train the depth learning model by using the data expansion technology, and obtains the required depth learning model. The trained in-depth learning model can help doctors make diagnosis of disease types, and has the function of preliminary automatic triage, which overcomes the problem of low reliability of diagnosis results caused by subjective factors of artificial diagnosis, alleviates the contradiction between lack of medical resources and uneven distribution of medical resources caused by the high cost of training doctors, and speeds up the flow of patients to medical treatment. Cheng laid a foundation for the development of comprehensive medical care.
【技术实现步骤摘要】
一种基于深度学习技术利用生理参数自动判断糖尿病及其并发症的方法
本专利技术属于智能医疗诊断领域,涉及一种基于深度学习技术利用生理参数自动判断糖尿病及其并发症的方法。
技术介绍
人工智能因其在视频、图像识别领域具有超越人类专家的卓越性能,而在医疗图像诊断领域表现出了巨大的潜在推动力。虽然,人工智能在医疗图像诊断领域表现出了巨大潜力,但其在对文本类医学数据的识别诊断还存在着巨大挑战。糖尿病作为一种世界范围内的常见疾病。据统计,2017年全球18-99岁的糖尿病患者共4.51亿,这个数字预计在2045年将会上升至6.93亿,2017年全球范围内因糖尿病死亡的人数达五百万,糖尿病并发症更是影响人们的生活质量。血液学检测和尿液学检测通过其能准确反映多种生理参数而在胰岛素治疗方面提供了至关重要的管理导向作用,数值的不同反映了不同的健康状况,这就使根据数据进行临床诊断成为了可能。传统的医学诊断通常需要(1)咨询医生,开具检验申请。(2)项目检测。(3)等待检验报告,再返回医生处进行诊断。诊断结果受人类专家的水平因素、主观因素等影响,降低了诊断结果的可信度。同时,培养一个医生主要是由有经验的医师给予讲解、指导,再通过长期临床实践逐渐掌握。这一过程一般要花费几年甚至几十年的时间才能达到较高的水平,需要大量的人力资源与时间成本,加剧了医疗资源缺乏和医疗资源分配不均匀的矛盾。不利于综合医疗水平的发展。因此,提出一种能协助医生做出疾病类型诊断,精度高,稳定性好,信度高,具有初步自动分诊功能的自动判断糖尿病及其并发症方法对具有重要意义。
技术实现思路
本专利技术的目的是为了缓解临床诊断 ...
【技术保护点】
1.一种基于深度学习技术利用生理参数自动判断糖尿病及其并发症的方法,其特征在于,包括如下步骤:S1、训练深度学习模型;S2、根据检测报告输入生理信息;S3、给出初步诊断建议及分诊建议;上述训练深度学习模型包括:S11、数据的扩展;S12、数据的修正;S13、网络训练;S14、模型评价;所述数据的扩展包括:在不影响原始数据的情况下,对原始数据加入略微扰动,以到达扩充数据数量的目的;所述数据的修正包括:用一个靠近零的较小值量化检测结果为阴性的生理参数,而不是用0;所述网络训练包括:以患者检验报告中的血液学参数以及尿液学参数作为输入,以病人的疾病类型作为输出训练神经网络,整体神经网络利用随机梯度下降的方法更新参数;所述模型评价包括:从原始数据中抽取一部分与训练数据不同的数据作为验证数据集,以模型在验证数据集上的识别准确率作为评价模型的标准,当识别精度符合需要时则停止训练,否则修改参数继续训练;所述根据检测报告输入生理信息包括:将患者医院检验报告中的血液学参数和尿液学参数作为输入对未知结果的样本进行预测;所述给出初步诊断建议及分诊建议包括:深度学习模型输出即为初步的诊断建议,分诊建议可由分诊医 ...
【技术特征摘要】
1.一种基于深度学习技术利用生理参数自动判断糖尿病及其并发症的方法,其特征在于,包括如下步骤:S1、训练深度学习模型;S2、根据检测报告输入生理信息;S3、给出初步诊断建议及分诊建议;上述训练深度学习模型包括:S11、数据的扩展;S12、数据的修正;S13、网络训练;S14、模型评价;所述数据的扩展包括:在不影响原始数据的情况下,对原始数据加入略微扰动,以到达扩充数据数量的目的;所述数据的修正包括:用一个靠近零的较小值量化检测结果为阴性的生理参数,而不是用0;所述网络训练包括:以患者检验报告中的血液学参数以及尿液学参数作为输入,以病人的疾病类型作为输出训练神经网络,整体神经网络利用随机梯度下降的方法更新参数;所述模型评价包括:从原始数据中抽取一部分与训练数据不同的数据作为验证数据集,以模型在验证数据集上的识别准确率作为评价模型的标准,当识别精度符合需要时则停止训练,否则修改参数继续训练;所述根据检测报告输入生理信息包括:将患者医院检验报告中的血液学参数和尿液学参数作为输入对未知结果的样本进行预测;所述给出初步诊断建议及分诊建议包括:深度学习模型输出即为初步的诊断建议,分诊建议可由分诊医生或者编写软件自动分诊予以实现。2.如权利要求1所...
【专利技术属性】
技术研发人员:刘玉良,张全,刘航,
申请(专利权)人:天津科技大学,
类型:发明
国别省市:天津,12
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。