【技术实现步骤摘要】
基于人工智能的罕见病辅助分析方法、装置及存储介质
本公开涉及计算机视觉
，具体涉及基于人工智能的罕见病辅助分析方法、装置及存储介质。
技术介绍
(1)罕见病患者基因测序诊断的研究进展从2000年6月26日，人类第一个基因组测序完成，到第一次以基因测序为基础查找病因实施治疗，并治愈出院花了10年的时间。基因测序技术的发展使之具备了罕见疾病诊断的能力。2010年12月，住在威斯康星州密尔沃基市的五岁男孩尼古拉斯.沃尔克已经承受了百余次手术，但是病情未见好转反而有恶化的趋势。医生认为用常规的手段已经无法确认这一罕见疾病的病因，提出要用基因测序的方法来进行疾病诊断。当他的DNA测序完成后，医生发现了基因突变的病因，并用这一发现实施正确的治疗，现在尼古拉斯已经康复。这是医学领域中关于人类基因组拯救生命的第一个案例。这也是用基因测序确定病因治疗罕见病患者的第一个案例。现在威斯康星医院就如常规检查一样每天都为几十个孩子进行基因组检测。其他对罕见病的基因检测诊断的病例包括：2011年，对患有罕见病的运动障碍的十余岁异卵...
【技术保护点】
1.基于人工智能的罕见病辅助分析方法，其特征在于，所述方法包括以下步骤：/n获取日志源中的罕见病人行为日志；/n提取所述罕见病人行为日志中的罕见病人的相关特征；/n将罕见病人的所述相关特征与罕见病人特征库中的罕见病人特征向量进行相似度比较，选择相似度最高的罕见病人特征向量作为所述罕见病人的特征向量；/n根据所述罕见病人的特征向量推送对应的治疗方案至所述罕见病人；/n对所述罕见病人的特征向量进行聚类分析，根据所述聚类分析的结果将所述罕见病人的特征向量加入群体特征库的对应位置。/n
【技术特征摘要】
1.基于人工智能的罕见病辅助分析方法，其特征在于，所述方法包括以下步骤：
获取日志源中的罕见病人行为日志；
提取所述罕见病人行为日志中的罕见病人的相关特征；
将罕见病人的所述相关特征与罕见病人特征库中的罕见病人特征向量进行相似度比较，选择相似度最高的罕见病人特征向量作为所述罕见病人的特征向量；
根据所述罕见病人的特征向量推送对应的治疗方案至所述罕见病人；
对所述罕见病人的特征向量进行聚类分析，根据所述聚类分析的结果将所述罕见病人的特征向量加入群体特征库的对应位置。
2.根据权利要求1所述的基于人工智能的罕见病辅助分析方法，其特征在于，上述获取日志源中的罕见病人行为日志具体包括以下，
建立日志格式规范；
获取罕见病人的访问记录，记录罕见病人的所有操作，并通过Flume将所述访问记录按照所述日志格式规范保存至日志中进而形成日志源数据库；
根据罕见病人的身份信息获取所述日志源中的罕见病人行为日志。
3.根据权利要求1所述的基于人工智能的罕见病辅助分析方法，其特征在于，上述提取所述罕见病人行为日志中的罕见病人的相关特征包括以下，
通过MapReduce的编程模型实现，具体的，
提取罕见病人对所述罕见病人行为日志中的各个内容的操作进行加权；
构建疾病特征词库，根据加权结果计算罕见病人与所述疾病特征词库对应的所有特征词，并选取最为接近的前N个特征词作为所述罕见病人的特征词，即罕见病人的相关特征。
4.根据权利要求3所述的基于人工智能的罕见病辅助分析方法，其特征在于，所述计算罕见病人的疾病特征具体包括以下，
计算疾病特征之间的相似度，具体的，
建立罕见病人-疾病特征倒排表，所述罕见病人-疾病特征倒排表为对每个罕见病人建立一个包括他喜欢检索的疾病特征的列表，并通过余弦相似度来计算所述列表中的两两疾病特征之间的相似度，其计算公式如下：
其中，wij表示相似度矩阵，N(i)是喜欢检索疾病特征i的罕见病人集合，N(j)是喜欢检索疾病特征j的罕见病人集合，rui是罕见病人u对疾病特征i的评分，ruj是罕见病人u对疾病特征j的评分，N(u)是罕见病人u喜欢检索的疾病特征集合，ruv是罕见病人u对疾病特征v的评分；
对上述wij按最大值归一化，得到如下优化后的相似度矩阵w′ij，
根据疾病特征的相似度和罕见病人的历史行为给罕见病人生成疾病特征列表，具体的，
在得到疾病特征之间的相似度矩阵wij后，通过如下公式计算罕见病人u对一个疾病特征j的兴趣，
其中N(u)是罕见罕见病人u喜欢检索的疾病特征集合，S(j，k)是和疾病特征j最相似的k疾病特征的集合，wij是疾病特征j和i的相似度，rui是罕见罕见病人u对疾病特征i的评分。
5.根据权利要求3所述的基于人工智能的罕...
【专利技术属性】
技术研发人员：练镜锋，宋德寿，
申请(专利权)人：广州瀚信通信科技股份有限公司，
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。