基于深度学习的智能决策方法及决策系统技术方案

本发明专利技术公开了基于深度学习的智能决策方法，其包括以下步骤：建立具有智能判断功能的深度学习网络模型；利用所建立的深度学习网络模型控制用户自助端运行，收集与当前用户输入的身份信息相关的病历信息数据及当前用户的情况数据，将病历信息数据及当前用户的情况数据输入所述深度学习网络模型以获取患者的智能复诊结果数据；基于智能复诊结果数据开具复诊报告，以及基于深度学习的智能决策系统，通过本发明专利技术的技术方案，对于患者而言，提升复诊效率，提高了患者的就医体验；对于医师而言，降低了工作量，提高了对初诊患者的服务比例，缓当前社会医疗资源不足的问题。当前社会医疗资源不足的问题。当前社会医疗资源不足的问题。

【技术实现步骤摘要】
基于深度学习的智能决策方法及决策系统


[0001]本专利技术涉及医疗人工智能就诊
，尤其涉及基于深度学习的智能决策方法及决策系统。

技术介绍

[0002]在众多大型综合医院工作时间段，就诊人员数量时常超出了医院在职医师的预设接待数量，造成这种现象的原因众多，其中例如：培养医师的时间成本十分长久，导致所有大型综合医院到目前为止，并不具备与足够的医师数量游刃有余的接待众多患者；就诊的患者中存在较大比例为复诊患者，复诊患者的就医程序与就诊医师与出诊患者一致，就导致了医师需要接待所有患者。
[0003]在复诊的结果分析中发现，复诊患者中绝大多数病情朝康复的方向发展，且复诊的患者的复诊结果为持续当前治疗方案及开具下一疗程的处方药物，此类患者不需要医师对病情作进一步诊断，且复诊所需时间较少，但仍需漫长的排队等待，占用医师的整体就诊时间，对其复诊结果实质来看，复诊本身对医师的经验要求、病理判断能力要求较低，但并不能直接取消复诊环节。
[0004]在医疗人工智能研究中，智能化的复诊系统可以替代医生做出病情的分析和诊断，有助于提高所有种类患者就医的效率，缩短病人的诊疗时间和周期，同时有效的减少了医生的工作量及工作疲惫度，可缓当前社会医疗资源不足的问题。

技术实现思路

[0005]针对上述复诊占用医师的整体就诊时间，使患者就诊效率低、医生工作量大的问题，本专利技术提供基于医疗人工智能复诊的一种基于深度学习的智能决策方法和系统。
[0006]基于深度学习的智能决策方法，包括以下步骤：
[0007]建立具有智能判断功能的深度学习网络模型；
[0008]利用所建立的深度学习网络模型控制用户自助端运行，收集与当前用户输入的身份信息相关的病历信息数据及当前用户的情况数据，将病历信息数据及当前用户的情况数据输入所述深度学习网络模型以获取患者的智能复诊结果数据；
[0009]基于智能复诊结果数据开具复诊报告。
[0010]本专利技术的方法通过建立深度学习网络模型，对复诊患者的进行病历信息及当前用户的情况数据通过深度学习网络模型进行处理，获得复诊报告，患者可以通过复诊报告获取相关药物，采用深度学习网络模型代替医师的复诊，使医师面对初诊患者的就诊时间变得宽裕。
[0011]需要说明的是，本专利技术并不能全完替代医师的复诊，仅对初诊用药后感受良好的复诊患者使用本专利技术的方案，对于初诊用药后，病情不变、病情加重或病情转变的情况，复诊患者依然需要医师对患者进行就诊。
[0012]进一步的，建立具有智能判断功能的深度学习网络模型的步骤包括：
[0013]采集指定科属下疾病种类数据形成种类训练数据；
[0014]采集指定疾病的病理特征数据形成病理训练数据；
[0015]采集指定疾病的治疗方式数据形成治疗训练数据；
[0016]采集指定疾病的治疗周期数据形成周期训练数据；
[0017]采集指定疾病的康复指导数据形成康复训练数据；
[0018]采集药物管控信息数据形成管控训练数据；
[0019]采集药物的药理数据、副作用数据及毒理数据形成效果训练数据；
[0020]采集药物的使用剂量参考数据形成剂量训练数据；
[0021]采集指定药物使用后康复进程数据形成康复进程训练数据；
[0022]利用采集的上述训练数据进行深度学习训练，并获得所述深度学习网络模型。
[0023]通过采集训练数据获得深蹲学习的网络模型，对当前用户的病情进行分析，结合患者的自身情况，生成智能复诊结果数据，其中，基于康复进程训练数据，能够计算出患者下一疗程需要服药的剂量及天数，对药物的开具进行严格掌控，也避免了患者身体好转后不需要服药导致的过多药物浪费。
[0024]进一步的，所述患者输入的身份信息相关的病历信息数据包括：
[0025]初诊基本身体数据、初诊的病情数据、初诊结果数据、初诊药物开具数据、初诊病情预计发展数据、患者历次复诊情况数据及患者历次复诊开具药物数据。
[0026]病历信息数据由患者数据库进行存储，其中，初诊基本身体数据、初诊的病情数据、初诊结果数据、初诊药物开具数据及初诊病情预计发展数据由初诊的医师进行编辑并将数据打包存储于患者数据库中；患者历次复诊情况数据及患者历次复诊开具药物数据的由来包括两种情况，一是患者通过医师进行复诊，由医师进行将复诊相关的数据进行存储，二是患者通过用户自助端进行复诊，由用户自助端生成。
[0027]进一步的，所述当前用户的情况数据包括：患者当前身体主观感受数据、患者用药情况数据及患者用药体验数据；
[0028]通过所述病历信息数据及当前用户的情况数据获得智能复诊结果数据。
[0029]患者将身体恢复的状况进行反馈，并通过患者用药情况数据及患者用药体验数据判断药物对身体造成的积极影响、负面影响、身体抗性及身体对药物的吸收程度。
[0030]进一步的，所述智能复诊结果数据包括：
[0031]患者基本身体状况数据、病情诊断数据、药物开具数据、病情预计发展数据及康复指导数据。
[0032]智能复诊结果数据将告知患者的病情状况、按指示用药后病情康复发成情况及康复期间的注意事项，根据药物开具数据中的药品开具清单数据表格生成复诊报告中对应的药物开具名录。
[0033]进一步的，还包括：
[0034]将病历信息数据、当前用户的情况数据及智能复诊结果数据进行存储；
[0035]利用存储的病历信息数据、当前用户的情况数据及智能复诊结果数据对所述深度学习网络模型进行自适应的深度学习重训练。
[0036]基于深度学习的智能决策系统，包括：
[0037]具有智能判断功能的深度学习网络模型；
[0038]患者信息数据采集模块，所述患者信息数据采集模块用于收集当前用户的病历信息数据及情况数据以形成智能复诊结果数据；
[0039]用户自助端，所述用户自助端用于接收患者输入的身份信息及当前用户的情况数据；用于开具复诊报告；
[0040]患者数据库，所述患者数据库用于存储所有患者的病历信息数据、所有患者的情况数据、所有患者的智能初诊结果数据及所有患者的智能复诊结果数据；用于存储最新生成的病历信息数据、当前用户的情况数据及智能复诊结果数据；
[0041]药房信息处理中心，所述药房信息处理中心用于记录药物库存信息；用于记录库存药物流水信息；用于接受复诊报告。
[0042]执行模块，所述执行模块与所述深度学习网络模型和所述患者信息数据采集模块连接，所述执行模块与患者数据库及药房信息处理中心连接，用于获取存储在患者数据库中的病历信息数据；用于向药房信息处理中心发送复诊报告以开具药物；用于将智能复诊结果数据存储至患者数据库中对应的患者名下文件中。
[0043]本专利技术的系统通过具有智能判断功能的深度学习网络模型处理收集到的当前用户病历信息数据及当前用户的情况数据，开具复诊报告，患者通过复诊报告能够了解自身身体情况，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于深度学习的智能决策方法，其特征在于，包括以下步骤：建立具有智能判断功能的深度学习网络模型；利用所建立的深度学习网络模型控制用户自助端运行，收集与当前用户输入的身份信息相关的病历信息数据及当前用户的情况数据，将病历信息数据及当前用户的情况数据输入所述深度学习网络模型以获取患者的智能复诊结果数据；基于智能复诊结果数据开具复诊报告。2.根据权利要求1所述的基于深度学习的智能决策方法，其特征在于，建立具有智能判断功能的深度学习网络模型的步骤包括：采集指定科属下疾病种类数据形成种类训练数据；采集指定疾病的病理特征数据形成病理训练数据；采集指定疾病的治疗方式数据形成治疗训练数据；采集指定疾病的治疗周期数据形成周期训练数据；采集指定疾病的康复指导数据形成康复训练数据；采集药物管控信息数据形成管控训练数据；采集药物的药理数据、副作用数据及毒理数据形成效果训练数据；采集药物的使用剂量参考数据形成剂量训练数据；采集指定药物使用后康复进程数据形成康复进程训练数据；利用采集的上述训练数据进行深度学习训练，并获得所述深度学习网络模型。3.根据权利要求1所述的基于深度学习的智能决策方法，其特征在于，所述患者输入的身份信息相关的病历信息数据包括：初诊基本身体数据、初诊的病情数据、初诊结果数据、初诊药物开具数据、初诊病情预计发展数据、患者历次复诊情况数据及患者历次复诊开具药物数据。4.根据权利要求1所述的基于深度学习的智能决策方法，其特征在于，所述当前用户的情况数据包括：患者当前身体主观感受数据、患者用药情况数据及患者用药体验数据；通过所述病历信息数据及当前用户的情况数据获得智能复诊结果数据。5.根据权利要求1所述的基于深度学习的智能决策方法，其特征在于，所述智能复诊结果数据包括：患者基本身体状况数据、病情诊断数据、药物开具数据、病情预计发展数据及康复指导数据。6.根据权利要求1所述的基于深度学习的智能决策方法，其特征在于，还包括：将病历信息数据、当前用户的情况数据及智能复诊结果数据进行存储；利用存储的病历信息数据、当前用户的情况数据及智能复诊结果数据对所述深度学习网络模型进行自适应的深度学习重训练。7.基于深度学习的智能决策系统，其特征在于，包括：具有智能判断功能的深度学习网络模型；患者信息数据采集模块，所述患者信息数据采集模块用于收集当前用户的病历信息数据及情况数据以形...

【专利技术属性】
技术研发人员：宋小七，
申请(专利权)人：宋小七，
类型：发明
国别省市：