一种基于特征选择的人工智能医疗诊断系统技术方案

本发明专利技术涉及一种基于特征选择的人工智能医疗诊断系统，包括人体状态感知系统模块、机器学习系统模块、诊断推理系统模块、历史数据库和结果输出模块；人体状态感知系统模块用于采集反映人体状态的数据，并将其发送至机器学习系统模块；机器学习系统模块用于对采集到的数据进行处理后，基于特征选择算法选择出部分数据特征并将其按重要性由大到小的顺序输出后，发送至诊断推理系统模块；诊断推理系统模块用于特征筛选和特征匹配，查找其对应的诊断结果，并发送至结果输出模块；历史数据库用于储存不同的数据特征及其对应的诊断结果；结果输出模块用于显示诊断结果。本发明专利技术的人工智能医疗诊断系统，能够帮助医生快速判断病情，减少人为诊断误差。

An artificial intelligence medical diagnosis system based on feature selection

【技术实现步骤摘要】
一种基于特征选择的人工智能医疗诊断系统
本专利技术属于医疗诊断
，涉及一种基于特征选择的人工智能医疗诊断系统。
技术介绍
现有医疗诊断系统，主要采用图像识别技术为主，利用医疗检测的图片，进行病因的识别判断，以帮助医生快速地处理病例。随着人口数量的不断增长、人口老龄化的加重，越来越多的人需要寻求医疗帮助，这就需要在减少医生人为失误的同时提高医疗器械的可靠性和自动化处理。医生诊断是一个非常倚赖于经验的职业，需要阅读大量的医学专著、论文，了解最新的医学知识，同时还要通过大量的临床诊断来提高诊疗水平。而经验的积累，正是计算机非常擅长的。计算机辅助诊断(computeraideddiagnosis，CAD)或计算机辅助检测(computeraideddetection，CAD)是指通过影像学、医学图像处理技术以及其他可能的生理、生化手段，结合计算机的分析计算，辅助发现病症，提高诊断的准确率。现在常说的CAD技术主要是指基于医学影像学的计算机辅助诊断，与所述计算机辅助检测有所区别，后者重点是检测，计算机只需要对异常征象进行标注，在此基础上进行常见的影像处理，并无需进行进一步诊断，即，计算机辅助诊断是计算机辅助检测的延伸和最终目的，相应地，计算机辅助检测是计算机辅助诊断的基础和必经阶段。CAD技术又被称为医生的“第三只眼”，CAD系统的广泛应用有助于提高医生诊断的敏感性和特异性。人工智能医疗诊断系统的主要职能是协助医生工作，除了能够帮助医生处理病人的病例等大数据外，还能够运用它的计算能力和推理能力帮助医生提高诊断率。所以合格的人工智能医疗诊断系统，第一是要帮助医生提高工作效率，第二是帮助医生提高诊断率。然而，在目前的情况下，能在医生的诊疗过程中提高诊断准确性的人工智能医疗诊断系统非常稀少。因此，研究一种诊断准确率高的人工智能医疗诊断系统具有十分重要的意义。
技术实现思路
本专利技术的目的是解决现有技术中人工智能医疗诊断系统诊断准确率不高的问题，提供一种基于特征选择的人工智能医疗诊断系统。为达到上述目的，本专利技术采用的方案如下：一种基于特征选择的人工智能医疗诊断系统，包括人体状态感知系统模块、机器学习系统模块、诊断推理系统模块、历史数据库和结果输出模块；人体状态感知系统模块用于采集反映人体状态的数据，并将其发送至机器学习系统模块；机器学习系统模块用于对反映人体状态的数据进行标准化和向量化处理后，基于特征选择算法选择出部分数据特征并将其按重要性由大到小的顺序输出后，发送至诊断推理系统模块；诊断推理系统模块用于特征筛选和特征匹配，特征筛选即筛选出重要性最大的前N名的数据特征，特征匹配即将前N名的数据特征与历史数据库进行匹配，查找其对应的诊断结果，并发送至结果输出模块；历史数据库用于储存不同的数据特征及其对应的诊断结果；结果输出模块用于显示诊断结果。本专利技术的一种基于特征选择的人工智能医疗诊断系统工作原理为：利用人体感知系统模块采集反映人体状态的数据，利用机器学习模块的特征选择算法选择出部分人体数据特征，并对特征的重要性进行排序，根据诊断推理模块的特征选择和特征匹配算法快速找到疾病发生的根源变量，结合历史数据库查找相应的措施，并通过结果输出模块显示出来。本专利技术能够判断人体是否正常工作，并根据当前多源状态信息对人体疾病发生的原因、位置、诊断措施进行快速地处理。本专利技术的人工智能医疗诊断系统的主要工作通过软件算法来实现，对硬件的要求比较低，将大幅节约硬件成本；减少了常见非紧急疾病就医的必要性，帮助医生快速地判断病情，减少人为诊断误差，有利于合理地利用医疗资源。作为优选的方案：如上所述的一种基于特征选择的人工智能医疗诊断系统，所述人体状态感知系统模块利用多元医疗信息采集技术与传感器技术采集反映人体状态的数据，两种技术相结合能够更加准确地采集人体状态数据。如上所述的一种基于特征选择的人工智能医疗诊断系统，所述人体状态感知系统模块用于周期性地采集反映人体状态的数据，并将其以矩阵的形式发送至机器学习系统模块，矩阵X＝(X1,X2...Xi...Xm)，其中，m为周期的数量，第i个周期采集到的数据Xi＝(x1,x2...xj...xn)T，其中，n为第i个周期采集到的数据的个数，xj为第i个周期采集到的第j个数据。如上所述的一种基于特征选择的人工智能医疗诊断系统，所述反映人体状态的数据为反映一个或多个人体系统健康状态的数据，人体系统为运动系统、神经系统、内分泌系统、血液循环系统、呼吸系统、消化系统、泌尿系统或生殖系统。如上所述的一种基于特征选择的人工智能医疗诊断系统，所述人体状态感知系统模块的功能是在PC机中利用C++、MATLAB或Python语言实现的，这里仅列举几种最为常见的编程语言，其他计算机语言如VB、Java等也可适用于本专利技术。如上所述的一种基于特征选择的人工智能医疗诊断系统，所述特征选择算法的流程如下：(1)将由反映人体状态的数据组成的数据集S分离；(2)选取数据R的某个特征，在这个特征上分别计算数据R和最近的相邻的同类数据H的距离D(RH)，以及数据R和最近的相邻的不同类数据M的距离D(RM)；(3)判断D(RH)和D(RM)的大小，若是D(RH)小于D(RM)，则给这个特征设置的权重要相应的增大；若是D(RH)大于D(RM)，则给这个特征设置的权重要相应的减少；(4)重复步骤(2)和(3)k次，通过计算得到每个特征的权重；(5)剔除权重值最小的特征，得到一个数据特征子集St及其权重矩阵wt；(6)对数据特征子集St进行加权处理，得到加权后的数据特征子集Sr＝St·wt；(7)基于mRMR准则，并利用增量搜索法，从数据特征子集Sr中筛选出d个数据特征并按重要性由大到小的顺序输出。如上所述的一种基于特征选择的人工智能医疗诊断系统，所述诊断推理系统模块的功能是在PC机中利用软件来实现的，特征筛选是利用Python实现的，特征匹配是利用CLIPS智能推理语言实现的。如上所述的一种基于特征选择的人工智能医疗诊断系统，所述历史数据库是通过结合C++与CLIPS智能推理语言建立的。如上所述的一种基于特征选择的人工智能医疗诊断系统，所述诊断结果为病因、病发位置、治疗建议和是否人工介入，可直接通过人工智能医疗诊断系统打印诊断结果报告，如需人工介入，亦可直接通过人工智能医疗诊断系统进行反馈。有益效果：(1)本专利技术的一种基于特征选择的人工智能医疗诊断系统，能够根据采集到的数据对人体疾病发生的原因、位置、诊断措施进行快速准确地处理，减少了常见非紧急疾病就医的必要性；(2)本专利技术的一种基于特征选择的人工智能医疗诊断系统，主要工作通过软件算法来实现，对硬件的要求比较低，大幅节约了硬件成本；(3)本专利技术的一种基于特征选择的人工智能医疗诊断系统，能够帮助医生快速地判断病情，减少人为诊断误差，有利于合理地利用医疗资源。附本文档来自技高网...

【技术保护点】
1.一种基于特征选择的人工智能医疗诊断系统，其特征是：包括人体状态感知系统模块、机器学习系统模块、诊断推理系统模块、历史数据库和结果输出模块；/n人体状态感知系统模块用于采集反映人体状态的数据，并将其发送至机器学习系统模块；/n机器学习系统模块用于对反映人体状态的数据进行标准化和向量化处理后，基于特征选择算法选择出部分数据特征并将其按重要性由大到小的顺序输出后，发送至诊断推理系统模块；/n诊断推理系统模块用于特征筛选和特征匹配，特征筛选即筛选出重要性最大的前N名的数据特征，特征匹配即将前N名的数据特征与历史数据库进行匹配，查找其对应的诊断结果，并发送至结果输出模块；/n历史数据库用于储存不同的数据特征及其对应的诊断结果；/n结果输出模块用于显示诊断结果。/n

【技术特征摘要】
1.一种基于特征选择的人工智能医疗诊断系统，其特征是：包括人体状态感知系统模块、机器学习系统模块、诊断推理系统模块、历史数据库和结果输出模块；
人体状态感知系统模块用于采集反映人体状态的数据，并将其发送至机器学习系统模块；
机器学习系统模块用于对反映人体状态的数据进行标准化和向量化处理后，基于特征选择算法选择出部分数据特征并将其按重要性由大到小的顺序输出后，发送至诊断推理系统模块；
诊断推理系统模块用于特征筛选和特征匹配，特征筛选即筛选出重要性最大的前N名的数据特征，特征匹配即将前N名的数据特征与历史数据库进行匹配，查找其对应的诊断结果，并发送至结果输出模块；
历史数据库用于储存不同的数据特征及其对应的诊断结果；
结果输出模块用于显示诊断结果。


2.根据权利要求1所述的一种基于特征选择的人工智能医疗诊断系统，其特征在于，所述人体状态感知系统模块利用多元医疗信息采集技术与传感器技术采集反映人体状态的数据。


3.根据权利要求1所述的一种基于特征选择的人工智能医疗诊断系统，其特征在于，所述人体状态感知系统模块用于周期性地采集反映人体状态的数据，并将其以矩阵的形式发送至机器学习系统模块，矩阵X＝(X1,X2...Xi...Xm)，其中，m为周期的数量，第i个周期采集到的数据Xi＝(x1,x2...xj...xn)T，其中，n为第i个周期采集到的数据的个数，xj为第i个周期采集到的第j个数据。


4.根据权利要求1所述的一种基于特征选择的人工智能医疗诊断系统，其特征在于，所述反映人体状态的数据为反映一个或多个人体系统健康状态的数据，人体系统为运动系统、神经系统、内分泌系统、血液循环系统、呼吸系统、消化系统、泌尿系统或生殖系统。


5.根据权利要求1...

【专利技术属性】
技术研发人员：陈俊琰，郑忠斌，贺仁龙，刘晶晶，孙明霞，
申请(专利权)人：上海华东电信研究院，
类型：发明
国别省市：上海;31