一种疾病预测方法及装置制造方法及图纸

本发明专利技术公开了一种疾病预测方法，包括：接收疾病预测请求，所述疾病预测请求携带待预测病例信息，所述待预测病例信息至少包括待预测病例的症状；将所述待预测病例的症状与预设病例库的症状进行匹配，若匹配成功，则对所述待预测病例的症状进行One‑Hot编码；通过预设疾病预测模型对编码后的待预测病例的症状进行疾病概率计算，得到至少一种预测疾病的概率值；获取概率值大于预设阈值的预测疾病，将对应的预测疾病进行One‑Hot解码，得到预测疾病实体列表。本发明专利技术能够让普通用户不依赖专业医学知识而根据自己的症状表现，来初步判断自己可能患的疾病，也可以通过预测结果来确定自己能够去哪个科室挂号进行进一步诊断诊疗。

A disease prediction method and device

【技术实现步骤摘要】
一种疾病预测方法及装置
本专利技术涉及医疗
，特别涉及一种疾病预测方法及装置。
技术介绍
目前在各个互联网医疗平台，面向于非医学专业人士使用的自诊工具，大概分为两类。类一：人工从病理医学知识书籍中提取疾病实体以及其临床表现。并在带有关系链接的存储介质(系统，如：SQL数据库、三元组库、带权树)上进行存储；以医学学科专业人员对症状到疾病的关系权值进行主观预设；根据用户给出的临床症状实体进行初步预测的时候，对关系数据系统进行常规的AND\OR\XOR等逻辑运算；得到用户给出的临床症状实体到各个疾病实力的权值总和排序后的列表。类二：对医学知识书籍中的段落进行摘取，并将其建立搜索引擎索引(例如基于LUCENE搜索引擎、elastic搜索引擎等)；根据用户给出的临床症状实体列表，基于对应搜索引擎检索语法规则构建检索语句(对临床症状实体词进行提权)，并进行检索；得到检索结果后，选择检索分数最大的几个段落进行疾病实体抽取；对抽取到的疾病实体进行统计加权等累积，给出可能疾病的列表。对于第一类的技术，类似于知识关系图构建的方式，由于临床症状到疾病的关系图中，权值都是医学专业人员根据自己的主观知识意识给出的。所以结果往往很依赖数据采集人员对疾病症状的主观认知，主观性过强，对用户给出的临床症状进行预测的时候，结果往往偏差比较远。其次，由于数据来源于专业医学书籍，疾病实体以及临床症状实体过于专业化，涉及到很多专业的症状词以及疾病词普通用户使用门槛会很高。对于第二类的技术，高度依赖于搜索引擎。虽然避免了专业医学人员数据整理时的主观性，但是由于搜索引擎基本属于语句相似度算法而不是语义相似度算法，所以会出现因为干扰词语导致的结果不对。并且跟第一类一样，会让用户的使用门槛较高。
技术实现思路
为至少解决现有技术中存在的技术问题之一，本专利技术的目的在于提供一种疾病预测方法及装置，降低用户使用门槛，提高预测准确度。本专利技术解决其问题所采用的技术方案第一方面提供了一种疾病预测方法，包括：接收疾病预测请求，所述疾病预测请求携带待预测病例信息，所述待预测病例信息至少包括待预测病例的症状；将所述待预测病例的症状与预设病例库的症状进行匹配，若匹配成功，则对所述待预测病例的症状进行One-Hot编码；通过预设疾病预测模型对编码后的待预测病例的症状进行疾病概率计算，得到至少一种预测疾病的概率值；获取概率值大于预设阈值的预测疾病，将对应的预测疾病进行One-Hot解码，得到预测疾病实体列表。本专利技术技术方案第二方面提供了一种疾病预测装置，包括：预测请求接收模块，用于接收疾病预测请求，所述疾病预测请求携带待预测病例信息，所述待预测病例信息至少包括待预测病例的症状；症状匹配模块，用于将所述待预测病例的症状与预设病例库的症状进行匹配，编码模块，用于当所述待预测病例的症状与预设病例库的症状匹配成功时，对所述待预测病例的症状进行One-Hot编码；疾病概率计算模块，用于通过预设疾病预测模型对编码后的待预测病例的症状进行疾病概率计算，得到至少一种预测疾病的概率值；筛选模块，用于获取概率值大于预设阈值的预测疾病，将对应的预测疾病进行One-Hot解码，得到预测疾病实体列表。有益效果：通过对临床病例信息进行监督学习生成疾病预测模型，使用生成的疾病预测模型对用户输入症状进行疾病结果预测，能够使用户不依赖专业医学知识自主判断患病可能性。附图说明图1是根据本专利技术优选实施例的疾病预测方法流程图；图2是根据本专利技术优选实施例的疾病预测模型生成流程图；图3是根据本专利技术优选实施例的疾病预测装置示意图；图4是根据本专利技术优选实施例的疾病预测模型生成模块示意图。具体实施方式以下将结合实施例和附图对本专利技术的构思、具体结构及产生的技术效果进行清楚、完整的描述，以充分地理解本专利技术的目的、方案和效果。参照图1，本专利技术实施例提供了一种疾病预测方法，该方法可包括以下步骤S101-步骤S104；具体如下：S101，接收疾病预测请求，所述疾病预测请求携带待预测病例信息，所述待预测病例信息至少包括待预测病例的症状。所述疾病预测请求携带了用户输入的待预测病例信息，该待预测病例信息可以至少包括用户的症状信息，例如发热、打喷嚏、鼻塞等，当然还可以包括用户的姓名、年龄、性别、住址、联系方式等身份信息。S102、将所述待预测病例的症状与预设病例库的症状进行匹配，若匹配成功，则对所述待预测病例的症状进行One-Hot编码。由于用户输入的症状信息描述可能是比较通俗的描述，为了能够准确反映用户的症状信息，使其能够与预设病例库的症状进行匹配，可以预设标准症状描述与通俗描述的映射关系，获取用户输入的症状信息后将其进行标准格式化，转换为标准症状描述，将转换得到的用户输入的症状与预设病例库中的症状进行匹配，若匹配成功，则对用户输入的症状进行One-Hot编码，从而用于预设疾病预设模型进行结果预测。S103、通过预设疾病预测模型对编码后的待预测病例的症状进行疾病概率计算，得到至少一种预测疾病的概率值。参见图2，该步骤S103中的预设疾病预测模型通过对临床病例信息进行监督学习得到，具体执行如下步骤S11-S16：S11、获取N个临床病例信息，所述临床病例信息至少包括症状信息和疾病信息，其中N为大于零的整数。N个临床病例信息为N个真实临床病例的信息，可以包括患者描述的症状、医生补充的症状、医生初步诊断的疾病以及最终确诊的疾病。S12、根据所述N个临床病例信息建立病例库。S13、抽取所述病例库中的所有症状和疾病分别生成症状序列以及疾病序列。本专利技术实施例中，抽取病例库中的所有症状，并依次编号，得到n个症状的序列表，可以表示为S＝{s[0]＝>症状1,s[1]＝>症状2,…,s[n-1]＝>症状n}。抽取病例库中的所有疾病，并依次编号，得到m个疾病的序列表，可以表示为D＝{d[0]＝>疾病1,d[1]＝>疾病2,…,d[m-1]＝>疾病m}。S14、根据所述症状序列以及疾病序列对所述N个临床病例信息进行One-Hot编码，得到N个症状编码表和N个疾病编码表。抽取一个临床病例信息，并进行如下One-Hot编码：假设x(i)∈{0,1}；i∈[0,n-1]；i为症状序列表S中第i个症状的下标。当x(i)＝1,此临床病例信息存在下标为i的症状；当x(i)＝0,此临床病例信息不存在下标为i的症状；得到当前临床病例信息的one-hot特征表，描述了每个症状是否存在，可以表示为：X＝{x(0),x(1),x(2),x(3),…,x(n-1)}；假设y(j)∈{0,1}；j∈{0,m-1}；j为疾病序列表D中第j个疾病的下标。当y(j)＝1,此病例数据存在下标为j的疾病；当y本文档来自技高网...

【技术保护点】
1.一种疾病预测方法，其特征在于，包括：/n接收疾病预测请求，所述疾病预测请求携带待预测病例信息，所述待预测病例信息至少包括待预测病例的症状；/n将所述待预测病例的症状与预设病例库的症状进行匹配，若匹配成功，则对所述待预测病例的症状进行One-Hot编码；/n通过预设疾病预测模型对编码后的待预测病例的症状进行疾病概率计算，得到至少一种预测疾病的概率值；/n获取概率值大于预设阈值的预测疾病，将对应的预测疾病进行One-Hot解码，得到预测疾病实体列表。/n

【技术特征摘要】
1.一种疾病预测方法，其特征在于，包括：
接收疾病预测请求，所述疾病预测请求携带待预测病例信息，所述待预测病例信息至少包括待预测病例的症状；
将所述待预测病例的症状与预设病例库的症状进行匹配，若匹配成功，则对所述待预测病例的症状进行One-Hot编码；
通过预设疾病预测模型对编码后的待预测病例的症状进行疾病概率计算，得到至少一种预测疾病的概率值；
获取概率值大于预设阈值的预测疾病，将对应的预测疾病进行One-Hot解码，得到预测疾病实体列表。


2.根据权利要求1所述的方法，其特征在于，所述将所述待预测病例的症状与预设病例库的症状进行匹配之前，还包括：
对所述待预测病例的症状进行标准格式化。


3.根据权利要求1或2所述的方法，其特征在于，通过对临床病例信息进行监督学习得到所述预设疾病预测模型，包括：
获取N个临床病例信息，所述临床病例信息至少包括症状信息和疾病信息，其中N为大于零的整数；
根据所述N个临床病例信息建立病例库；
抽取所述病例库中的所有症状和疾病分别生成症状序列以及疾病序列；
根据所述症状序列以及疾病序列对所述N个临床病例信息进行One-Hot编码，得到N个症状编码表和N个疾病编码表；
通过预设网络模型对所述N个临床病例信息进行监督学习；
根据学习结果调整所述预设网络模型的参数得到疾病预测模型。


4.根据权利要求3所述的方法，其特征在于，所述通过对临床病例信息进行监督学习得到所述预设疾病预测模型，还包括：
获取M个临床病例信息，并根据所述症状序列以及疾病序列对所述M个临床病例信息进行One-Hot编码，其中M为大于零的整数；
通过所述疾病预测模型对所述M个临床病例信息进行监督学习；
根据学习结果调整所述疾病预测模型的参数。


5.根据权利要求3所述的方法，其特征在于，所述通过所述疾病预测模型对所述N个临床病例信息进行监督学习，包括：
根据所述疾病编码表和所述症状编码表通过预设算法计算每个临床病例信息对应的症状导致对应疾病的权值；
所述预设算法为：



式中，n为症状库中的症状类型个数，i为症状序列中第i个症状的下标，i∈[0,n-1]，j为疾病序列中第j个疾病的下标，h(x(i),j)为第i个症状存在时，导致第j个疾病的可能性权值，bias为误差偏置；
计算所有临床病例信息对应的症状导致对应疾病的权值，得到权值参数表，所述权值参数表用于调整所述预设网络模型的参数。


6.一种疾病预测装置，其特征在于，包括：
预测请求接收模块，用于接收疾病预测请求，所述疾病预测请求携带待预测病例信息，所述待预测病例信息至少包括待预...

【专利技术属性】
技术研发人员：李冬，周杰，
申请(专利权)人：珠海健康云科技有限公司，
类型：发明
国别省市：广东;44