【技术实现步骤摘要】
一种基于神经网络算法的智能中医诊断方法及装置
本专利技术涉及医疗信息化
，特别涉及一种基于神经网络算法的智能中医诊断方法及装置。
技术介绍
中医问诊是中医诊察疾病的基本方法之一。通过问诊可以了解有关患者身体状况很多情况，如病人的自觉症状、起病过程、治疗经过、生活起居、平素体质及既往病史、家族病史等。中医问诊对于做出最后的辨证诊断结果具有诊断信息全、信息早、信息准(来自待诊断的个体感受)的特点。如何将传统中医问诊的方法通过采用现代科学技术实现并能广泛应用是一个重要的课题。近年来，人工智能技术发展迅速，其商业化速度超出预期，人工智能将会给整个社会带来颠覆性的变化，已经成为未来各国重要的发展战略。特别是以深度学习为核心的算法演进，其超强的进化能力，在大数据的支持下，通过训练构建得到类似人脑结构的大规模卷积神经网络，已经可以解决各类问题，因此将其与传统的中医问诊方式的结合，将是实现中医智能化的重要实现方式之一。
技术实现思路
本专利技术的目的在于克服现有技术不足，提供了一种基于神经网络算法的智能中医诊断方法及装置，能够通过收集中医专家的历史诊断记录，通过神经网络算法对诊断记录进行训练并形成相应的模板神经网络，当坐诊医生输入患者的临床表现后，可以通过所述模板神经网络获取系统智能判断的中医诊断。本专利技术为实现上述目的采用以下的技术方案：第一方面，本专利技术提供了一种基于神经网络算法的智能中医诊断方法，包括：获取第一用户发送的至少一个历史诊断数据集，其中，所述历史诊断数据集中包括...
【技术保护点】
1.一种基于神经网络算法的智能中医诊断方法，其特征在于，包括：/n获取第一用户发送的至少一个历史诊断数据集，其中，所述历史诊断数据集中包括至少一个历史诊断记录，所述历史诊断记录包括历史临床表现数据及历史辩证数据；/n将所获取的历史诊断数据集进行归一化，并将所有归一化后的历史诊断数据集整合为训练数据集；/n根据所述训练数据集通过神经网络算法生成模型神经网络；/n当获取第二用户发送的临床表现数据时；/n将所述临床表现数据进行归一化，并记归一化后的临床表现数据为待诊断数据；/n根据所述待诊断数据及所述模型神经网络生成预估中医诊断数据；/n将所述预估中医诊断数据发送给所述第二用户。/n
【技术特征摘要】
1.一种基于神经网络算法的智能中医诊断方法，其特征在于，包括：
获取第一用户发送的至少一个历史诊断数据集，其中，所述历史诊断数据集中包括至少一个历史诊断记录，所述历史诊断记录包括历史临床表现数据及历史辩证数据；
将所获取的历史诊断数据集进行归一化，并将所有归一化后的历史诊断数据集整合为训练数据集；
根据所述训练数据集通过神经网络算法生成模型神经网络；
当获取第二用户发送的临床表现数据时；
将所述临床表现数据进行归一化，并记归一化后的临床表现数据为待诊断数据；
根据所述待诊断数据及所述模型神经网络生成预估中医诊断数据；
将所述预估中医诊断数据发送给所述第二用户。
2.如权利要求1所述的一种基于神经网络算法的智能中医诊断方法，其特征在于，所述历史诊断数据集的数量不少于两个，所述历史诊断数据集还包括与发送该历史诊断数据集的第一用户匹配的用户标签；
则，所述的一种基于神经网络算法的智能中医诊断方法，还包括：
在预设周期内，获取任意一个历史诊断数据集，记为第一待验证数据集；
获取用户标签与所述第一待验证数据集的用户标签不一致的历史诊断数据集，记为对比数据集；
根据第一预设数量，从所述第一待验证数据集中随机抽取历史诊断记录，并将所抽取的历史诊断进行归一化，并记为第一待验证诊断数据；
将所述对比数据集进行归一化，并根据第二预设数量抽取其中与所述待验证诊断数据相近的历史诊断记录，并记为第二待验证诊断数据；
将所述第一待验证诊断数据反归一化后删除历史辩证数据，并记为第一测试数据；
将所述第二待验证诊断数据反归一化后删除历史辩证数据，并记为第二测试数据；
将所述第一测试数据及第二测试数据乱序组合生成测试数据集；
将所述测试数据集发送给与所述第一待验证数据集用户标签匹配的第一用户；
获取所述第一用户发送的反馈测试数据集，其中所述反馈测试数据集中包括所述第一测试数据及第二测试数据，以及与所述所述第一测试数据及第二测试数据匹配的中医辩证数据；
从所述反馈测试数据中获取第一测试数据及匹配的的中医辩证数据，记为第一反馈数据；
将所述第一反馈数据与所述第一待验证诊断数据进行比对，记其中历史临床表现数据一致且中医辩证数据与历史辩证数据不一致的第一反馈数据为不匹配第一反馈数据；
根据所述不匹配第一反馈数据数量及第一反馈数据数量生成第一匹配率；
从所述反馈测试数据中获取第二测试数据及匹配的的中医辩证数据，记为第二反馈数据；
将所述第二反馈数据与所述第二待验证诊断数据进行比对，记其中历史临床表现数据一致且中医辩证数据与历史辩证数据不一致的第二反馈数据为不匹配第二反馈数据；
根据所述不匹配第二反馈数据数量及第二反馈数据数量生成第二匹配率；
当所述第一匹配率低于第一预设匹配率，且第二匹配率不低于第二预设匹配率时；
则判断所述第一待验证数据集为不合格诊断数据集；
从所述训练数据集中删除所述不合格诊断数据集，并记删除后的训练数据集为纠正训练数据集；
当所述第一匹配率低于第一预设匹配率，且第二匹配率低于第二预设匹配率时；
则判断所述第一待验证数据集为不合格诊断数据集，并记与所述不合格数据集用户标签匹配的第一用户为不合格用户；
从所述训练数据集中删除所有用户标签与所述不合格用户匹配的历史诊断数据集，并记删除后的训练数据集为纠正训练数据集；
根据所述纠错训练数据集通过神经网络算法重新生成模型神经网络。
3.如权利要求2所述的一种基于神经网络算法的智能中医诊断方法，其特征在于，所述的将所述对比数据集进行归一化，并根据第二预设数量抽取其中与所述待验证诊断数据相近的历史诊断记录，并记为第二待验证诊断数据，具体包括：
将所述对比数据集进行归一化，记为归一化数据集；
将所述归一化数据集根据聚类算法生成至少一个聚类数据集；
将所述待验证诊断数据代入所述聚类算法中，计算所述待验证诊断数与各个所述聚类数据集的距离，记其中与所述待验证诊断数距离最短年的聚类数据集为候选数据集；
根据第二预设数量从所述候选数据集中抽取历史诊断记录，并记为第二待验证诊断数据。
4.如权利要求1所述的一种基于神经网络算法的智能中医诊断方法，其特征在于，所述历史诊断数据集还包括与发送该历史诊断数据集的第一用户匹配的用户标签；
则，所述的一种基于神经网络算法的智能中医诊断方法，还包括：
获取至少一个测试临床表现数据；
根据各个所述测试临床表现数据及所述模型神经网络分别生成匹配的预估中医诊断测试数据；
将各个所述测试临床表现数据及匹配的预估中医诊断测试数据写入测试数据集；
将所述测试数据集发送给第一用户；
获取第一用户发送的测试评价数据集，其中，所述测试评价数据集包括测试临床表现数据、与所述测试临床表现数据匹配的预估中医诊断测试数据、以及与所述预估中医诊断测试数据匹配的评价数据，所述评价数据包括好评与差评；
根据所述测试评价数据集中的好评数量及总评价数据数量生成好评率数据；
当所述好评率数据低于预设好评率时；
则获取与该好评率数据匹配的第一用户标签；
获取用户标签与所述第一用户标签匹配的历史诊断数据集，记为第二待验证数据集；
将所述第二待验证数据集与所述测试数据集进行比对，记其中历史临床表现数据与测试临床表现数据一致，且历史辩证数据与预估中医诊断测试数据不一致的历史诊断记录为存疑诊断记录；
根据所述存疑诊断记录的数量及所述第二待验证数据集中所有历史诊断记录的数量生成与该第二待验证数据集匹配的诊断准确率；
当所述诊断准确率低于第一预设准确率时；
则判断所述第二待验证数据集为存疑诊断数据集；
从所述训练数据集中删除所述存疑诊断数据集，并记删除后的训练数据集为纠正训练数据集；
当所述诊断准确率低于第二预设准确率时；
则判断所述第二待验证数据集为存疑诊断数据集，并记与所述存疑数据集用户标签匹配的第一用户为存疑用户；
从所述训练数据集中删除所有用户标签与所述存疑用户匹配的历史诊断数据集，并记删除后的训练数据集为纠正训练数据集；
根据所述纠错训练数据集通过神经网络算法重新生成模型神经网络。
5.一种计算机可读存储介质，其特征在于，存储有可执行代码，其中，所述可执行代码经配置为被至少一个处理器执行，以实现如权利要求1-4任一所述的一种基于神经网络算法的智能中医诊断方法。
6.一种基于神经网络算法的智能中医诊断系统，其特征在于，包括历史诊断数据集获取模块、归一化处理模块、神经网络训练模块、临床表现数据获取模块、智能诊断模块及发送模块；
其中，所述历史诊断数据集获取模块，用于获取第一用户发送的至少一个历史诊断数据集；所述历史诊断数据集中包括至少一个历史诊断记录，所述历史诊断记录包括历史临床表现数据及历史辩证数据；
所述归一化处理模块，用于将所获取的历史诊断数据集进行归一化，并将所有归一化后的历史诊断数据集整合为训练数据集；
所述神经网络训练模块，用于根据所述训练数据集通过神经网络算法生成模型神经网络；
所述临床表现数据获取模块，用于获取第二用户发送的临床表现数据；
所述归一化处理模块，还用于将所述临床表现数据进行归一化，并记归一化后的临床表现数据为待诊断数据；
所述智能诊断...
【专利技术属性】
技术研发人员：李春新，
申请(专利权)人：广州宝荣科技应用有限公司，
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。