一种百日咳智能筛查方法及系统技术方案

本发明专利技术提供一种百日咳智能筛查方法及系统，该方法包括：分别获取百日咳相关的流行病学史特征信息、临床征兆特征信息和病原学特征信息，建立相应的特征信息认知模型，根据特征信息系统认知模型中的数据信息，迭代计算百日咳特征信息的后验概率；将后验概率作为EM算法的输入，计算得到BKT认知模型的参数值，通过BKT认知模型推导出待测百日咳特征的认知结果。可以提高百日咳筛查确认的效率，减少人力物力及时间的耗费，并实现准确可靠的筛查诊断。

【技术实现步骤摘要】
一种百日咳智能筛查方法及系统
本专利技术涉及人工智能领域，尤其涉及一种百日咳智能筛查方法及系统。
技术介绍
百日咳是一种由百日咳杆菌引起的急性呼吸道传染病，临床特征为咳嗽逐渐加重，呈典型的阵发性、痉挛性咳嗽，咳嗽终末出现深长的鸡鸣样吸气性吼声，病程长达2～3个月，故有百日咳之称。易感者与百日咳患者近距离接触后会诱发该病。免疫力低下者奔跑、进食、受凉、惊吓后比较容易被感染。该疾病传染性强，接种百日破疫苗可有效预防该病。百日咳疾病一般需要根据流行病学资料及临床表现做出临床诊断，确诊需要百日咳杆菌培养阳性或者检测抗百日咳菌特异性抗体，比如要做细菌培养、血清学检查、胸片检查、白细胞计数检查等，一般筛查比较耗时耗力。
技术实现思路
有鉴于此，本专利技术实施例提供了一种百日咳智能筛查方法及系统，以解决现有百日咳筛查方法较为耗时耗力的问题。在本专利技术实施例的第一方面，提供了一种百日咳智能筛查方法，包括：分别获取百日咳相关的流行病学史特征信息、临床征兆特征信息和病原学特征信息，建立百日咳相关的流行病学史特征信息认知模型、临床征兆特征信息系统认知模型和病原学特征信息系统认知模型；根据百日咳相关的流行病学史特征信息认知模型、临床征兆特征信息系统认知模型和病原学特征信息系统认知模型中的数据信息，迭代计算百日咳特征信息的后验概率；将后验概率作为EM算法的输入，计算得到BKT认知模型的参数值，通过BKT认知模型推导出待测百日咳特征的认知结果。在本专利技术实施例的第二方面，提供了一种百日咳智能筛查系统，包括：建立模块，用于分别获取百日咳相关的流行病学史特征信息、临床征兆特征信息和病原学特征信息，建立百日咳相关的流行病学史特征信息认知模型、临床征兆特征信息系统认知模型和病原学特征信息系统认知模型；计算模块，用于根据百日咳相关的流行病学史特征信息认知模型、临床征兆特征信息系统认知模型和病原学特征信息系统认知模型中的数据信息，迭代计算百日咳特征信息的后验概率；推导模块，用于将后验概率作为EM算法的输入，计算得到BKT认知模型的参数值，通过BKT认知模型推导出待测百日咳特征的认知结果。在本专利技术实施例的第三方面，提供了一种电子设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器运行的计算机程序，所述处理器执行所述计算机程序时实现如本专利技术实施例第一方面所述方法的步骤。在本专利技术实施例的第四方面，提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现本专利技术实施例第一方面提供的所述方法的步骤。本专利技术实施例中，获取百日咳相关的流行病学史特征信息、临床征兆特征信息以及病原学特征信息，分别建立百日咳相关的流行病学史特征信息认知模型、临床征兆特征信息认知模型以及病原学特征信息认知模型，进而计算待测百日咳特征信息的后验概率，基于待测百日咳特征信息的后验概率计算得到认知筛查模型的参数值，并利用认知筛查模型计算得到待测百日咳特征信息的认知结果。从而实现准确可靠地预测筛查待诊断百日咳，为医护人员筛查百日咳疾病提供辅助，减少人力物力的耗费，缩短疾病筛查确认时间，提高疾病初步诊断筛查的效率，解决了现有百日咳筛查方法较为耗时耗力的问题。附图说明为了更清楚地说明本专利技术实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单介绍，显而易见地，下面描述的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获取其他附图。图1为本专利技术的一个实施例提供的一种百日咳智能筛查方法的流程示意图；图2为本专利技术的一个实施例提供的一种百日咳智能筛查系统的结构示意图。具体实施方式为使得本专利技术的专利技术目的、特征、优点能够更加的明显和易懂，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，下面所描述的实施例仅仅是本专利技术一部分实施例，而非全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本专利技术保护的范围以下结合附图对本专利技术的原理和特征进行描述，所举实例只用于解释本专利技术，并非用于限定本专利技术的范围。本专利技术的说明书或权利要求书及上述附图中的术语“包括”以及其他相近意思表述，意指覆盖不排他的包含，如包含一系列步骤或单元的过程、方法或系统、设备没有限定于已列出的步骤或单元。请参阅图1，图1为本专利技术实施例提供的一种百日咳智能筛查方法的流程示意图，包括：S101、分别获取百日咳相关的流行病学史特征信息、临床征兆特征信息和病原学特征信息，建立百日咳相关的流行病学史特征信息认知模型、临床征兆特征信息系统认知模型和病原学特征信息系统认知模型；获取百日咳相关的流行病学史特征信息，对所述百日咳相关的流行病学史特征信息进行处理，建立百日咳相关的流行病学史特征信息之间的转移关系，也即百日咳相关的流行病学史特征信息系统认知模型M。比如，三周内接触过百日咳病人，或该地区有百日咳流行等特征信息。获取百日咳相关的临床征兆特征信息，对所述百日咳相关的临床征兆特征信息进行处理，建立百日咳相关的临床征兆特征信息之间的转移关系，即百日咳相关的临床征兆特征信息系统认知模型L。比如，流行季节有阵发性痉挛性咳嗽者；咳嗽后伴有呕吐，严重者有结膜下出血或舌系带溃疡者；新生儿或婴幼儿有原因不明的阵发性青紫或窒息者，多无典型痉咳；持续咳嗽两周以上，能排除其他原因者等。获取百日咳相关的病原学特征信息，对所述百日咳相关的病原学特征信息息进行处理，建立百日咳相关的病原学特征信息之间的转移关系，即百日咳相关的病原学特征信息系统认知模型O。比如，白细胞总数显著升高，淋巴细胞占50％以上；从病人的痰或咽喉部分泌物分离到百日咳杆菌；恢复期血清凝集抗体比急性期抗体呈四倍以上升高等。S102、根据百日咳相关的流行病学史特征信息认知模型、临床征兆特征信息系统认知模型和病原学特征信息系统认知模型中的数据信息，迭代计算百日咳特征信息的后验概率；其中，对所述百日咳相关的流行病学史特征信息系统认知模型M、百日咳相关的临床征兆特征信息系统认知模型L和百日咳相关的临床病原学特征信息系统认知模型O中的获取数据进行处理，计算待测百日咳特征信息的后验概率P(M,L|O)。优选的，通过变分贝叶斯算法计算待测百日咳特征信息的后验概率。具体的，将变分贝叶斯算法中的变量Q(Z)，Z表示为M和L的联合概率分布，利用变分贝叶斯算法进行迭代计算后的输出值即为所求待测百日咳特征信息的后验概率P(M,L|O)。所述变分贝叶斯算法用于贝叶斯估计和机器学习领域近似计算复杂积分，可以求解近似的后验概率分布去逼近真实的后验概率分布。其具体包括：1、确定研究模型各个参数的的共轭先验分布；2、写出研究模型的联合分布P(Z,X)；3、根据联合分布确定变分分布的形式Q(Z)；4、对于每个变分因子Q(zj)求出本文档来自技高网...

【技术保护点】
1.一种百日咳智能筛查方法，其特征在于，包括：/n分别获取百日咳相关的流行病学史特征信息、临床征兆特征信息和病原学特征信息，建立百日咳相关的流行病学史特征信息认知模型、临床征兆特征信息系统认知模型和病原学特征信息系统认知模型；/n根据百日咳相关的流行病学史特征信息认知模型、临床征兆特征信息系统认知模型和病原学特征信息系统认知模型中的数据信息，迭代计算百日咳特征信息的后验概率；/n将后验概率作为EM算法的输入，计算得到BKT认知模型的参数值，通过BKT认知模型推导出待测百日咳特征的认知结果。/n

【技术特征摘要】
1.一种百日咳智能筛查方法，其特征在于，包括：
分别获取百日咳相关的流行病学史特征信息、临床征兆特征信息和病原学特征信息，建立百日咳相关的流行病学史特征信息认知模型、临床征兆特征信息系统认知模型和病原学特征信息系统认知模型；
根据百日咳相关的流行病学史特征信息认知模型、临床征兆特征信息系统认知模型和病原学特征信息系统认知模型中的数据信息，迭代计算百日咳特征信息的后验概率；
将后验概率作为EM算法的输入，计算得到BKT认知模型的参数值，通过BKT认知模型推导出待测百日咳特征的认知结果。


2.根据权利要求1所述的方法，其特征在于，所述根据百日咳相关的流行病学史特征信息认知模型、临床征兆特征信息系统认知模型和病原学特征信息系统认知模型中的数据信息，迭代计算百日咳特征信息的后验概率包括：
通过变分贝叶斯算法计算待测百日咳特征信息的后验概率。


3.一种百日咳智能筛查系统，其特征在于，包括：
建立模块，用于分别获取百日咳相关的流行病学史特征信息、临床征兆特征信息和病原学特征信息，建立百日咳相关的流行病学史特征信息认知模型、临床征兆特征信息系统认知模...

【专利技术属性】
技术研发人员：杜乐，杜登斌，
申请(专利权)人：武汉东湖大数据交易中心股份有限公司，
类型：发明
国别省市：湖北;42