基于多任务联合的疾病类别分析方法、装置、设备及介质制造方法及图纸

本发明专利技术涉及智能决策领域，揭露一种基于多任务联合的疾病类别分析方法、装置、电子设备及存储介质，所述方法包括获取问诊信息，在预设循环神经网络的输入层中将所述问诊信息映射到隐藏层，得到问诊向量；利用所述隐藏层的多层感知器对所述问诊向量进行特征提取，得到问诊特征；构建所述问诊特征的激活函数，通过交叉熵函数计算所述激活函数的损失值，通过预设的优化算法优化所述损失值，将优化后的损失值对应的激活函数进行输出，得到目标函数；利用所述目标函数对所述问诊特征进行计算，得到疾病类别概率，根据所述疾病类别概率，确定所述问诊信息对应的疾病类别。本发明专利技术可以提高疾病类别分析的准确率。病类别分析的准确率。病类别分析的准确率。

【技术实现步骤摘要】
基于多任务联合的疾病类别分析方法、装置、设备及介质


[0001]本专利技术涉及智能决策领域，尤其涉及一种基于多任务联合的疾病类别分析方法、装置、电子设备及计算机可读存储介质。

技术介绍

[0002]基于多任务联合的疾病类别分析是指在对患者进行问诊时，根据患者提供的问诊信息，将患者的问诊信息分为多个维度，将各个维度设计为多个任务对患者的疾病类别进行分析。
[0003]目前，疾病类别分析时需要对疾病进行较多的细分过程，例如，当患者疾病为感冒病时，根据形成原因风燥邪客肌表、经络、脏腑得到感冒病的证候为风燥证，根据形成原因风燥外邪侵袭肌表，郁遏卫气，津液不足得到感冒病的证型为风燥伤表证，这种细分的特性使证型的种类众多，导致证型的准确鉴别诊断变得非常困难。因此，疾病类别分析的准确率较低。

技术实现思路

[0004]本专利技术提供一种基于多任务联合的疾病类别分析方法、装置、电子设备及计算机可读存储介质，其主要目的在于提高疾病类别分析的准确率。
[0005]为实现上述目的，本专利技术提供的一种基于多任务联合的疾病类别分析方法，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于多任务联合的疾病类别分析方法，其特征在于，所述方法包括：获取问诊信息，在预设循环神经网络的输入层中将所述问诊信息映射到隐藏层，得到问诊向量；利用所述隐藏层的多层感知器对所述问诊向量进行特征提取，得到问诊特征；构建所述问诊特征的激活函数，通过交叉熵函数计算所述激活函数的损失值，通过预设的优化算法优化所述损失值，将优化后的损失值对应的激活函数进行输出，得到目标函数；利用所述目标函数对所述问诊特征进行计算，得到疾病类别概率，根据所述疾病类别概率，确定所述问诊信息对应的疾病类别。2.如权利要求1所述的基于多任务联合的疾病类别分析方法，其特征在于，所述在预设循环神经网络的输入层中将所述问诊信息映射到隐藏层，得到问诊向量，包括：通过所述输入层的神经元对所述问诊信息进行分解，得到所述问诊信息的信息碎片；将所述信息碎片构成特征向量，将所述特征向量进行线性组合映射到隐藏层，得到所述问诊向量。3.如权利要求1所述的基于多任务联合的疾病类别分析方法，其特征在于，所述利用所述隐藏层的多层感知器对所述问诊向量进行特征提取，得到问诊特征，包括：利用所述多层感知器中的神经元将所述问诊向量进行随机初始化，得到初始化向量；利用所述多层感知器中的神经元计算所述初始化向量的权重值与偏置值；根据所述权重值与偏置值，计算所述问诊向量的问诊特征得分，将所述问诊特征得分大于预设分数的问诊向量作为所述问诊特征。4.如权利要求3所述的基于多任务联合的疾病类别分析方法，其特征在于，所述根据所述权重值与偏置值，计算所述问诊向量的特征得分，得到所述问诊向量的问诊特征，包括：通过下述公式计算所述问诊向量的特征得分：O
i
＝<x,w
i
>+b
i
其中，O
i
表示所述问诊向量的第i个特征的特征得分，x代表所述问诊向量，w
i
为权重值，b
i
为偏置值。5.如权利要求1所述的基于多任务联合的疾病类别分析方法，其特征在于，所述通过交叉熵函数计算所述激活函数的损失值，包括：获取所述激活函数的训练数据，标记所述训练数据的真实...

【专利技术属性】
技术研发人员：胡意仪，阮晓雯，陈远旭，
申请(专利权)人：平安科技深圳有限公司，
类型：发明
国别省市：