本申请公开了一种关节疼痛疾病的智能辅助诊断方法和装置，通过获取样本病例的疾病属性信息；对疾病属性信息进行分词得到疾病属性信息对应的分词集合，基于分词集合提取样本病例的疾病描述关键词；将疾病描述关键词和分词集合与预设的样本病例的关节疼痛疾病特征信息映射构建疾病关系数据库，对疾病关系数据库进行聚类得到关节疼痛疾病的疾病类型知识库；通过贝叶斯网络模型将疾病类型知识库进行向量化并进行预训练，得到关节疼痛疾病预测模型；基于预测模型，辅助诊断识别待诊断患者结果。本申请解决相关技术中无法快速高效判断关节疾病、医生过于依赖经验的技术问题，实现高效率的智能认知识别，可以有效避免误诊和漏诊现象。现象。现象。
【技术实现步骤摘要】
关节疼痛疾病的智能辅助诊断方法和装置
[0001]本申请属于计算机
，具体而言，涉及一种关节疼痛疾病的智能辅助诊断方法、装置、电子设备及存储介质。
技术介绍
[0002]关节痛在中医病症中属于肢节痛、肢节肿痛、痹证、痛风等病症范畴。关节炎或关节病牵涉范围非常广泛，种类繁多，病因各异，普遍的临床症状均可表现关节疼痛，因此关节疼痛的鉴别诊断至关重。
[0003]目前，关节疼痛疾病主要依据患者关节疼痛的详细病史、既往史以及体格检查的信息和数据，经过医生的临床知识和经验进行人工判断。费时费力，效率低，结果慢，甚至可能出现误诊和漏诊情况。
技术实现思路
[0004]本申请实施例的第一目的在于提供一种关节疼痛疾病的智能辅助诊断方法，以解决上述现有技术存在的至少一个问题。
[0005]为实现上述目的，第一方面，本申请提供了一种关节疼痛疾病的智能辅助诊断方法，包括：
[0006]获取样本病例的疾病属性信息，所述疾病属性信息包括所述样本病例的病史信息、既往史信息和体格检查描述信息；
[0007]对所述疾病属性信息进行分词得到所述疾病属性信息对应的分词集合，基于所述分词集合提取所述样本病例的疾病描述关键词，所述疾病描述关键词表征了所述样本病例的疾病关键信息；
[0008]将所述疾病描述关键词和分词集合与预设的所述样本病例的关节疼痛疾病特征信息进行映射构建疾病关系数据库，对所述疾病关系数据库进行聚类得到关节疼痛疾病的疾病类型知识库；
[0009]通过贝叶斯网络模型将所述疾病类型知识库进行向量化并进行预训练，得到关节疼痛疾病预测模型；
[0010]基于所述预测模型，识别待诊断患者的关节疼痛描述信息和体格检查信息，输出智能辅助诊断结果。
[0011]在一个实施例中，所述基于所述分词集合提取所述样本病例的疾病描述关键词包括：通过词频
‑
逆文档频率算法计算出所述分词集合中每个词的TF
‑
IDF值，基于所述TF
‑
IDF值将每个词按降序排列，提取排在最前面的N个词，N为正整数。
[0012]在一个实施例中，所述病史信息和既往史信息包括病史描述文本和/或数据，所述体格检查描述信息包括体格检查描述文本和/或数据，对所述疾病属性信息进行分词得到所述疾病属性信息对应的分词集合包括：对所述病史描述文本和/或数据以及所述体格检查描述文本和/或数据进行分词，得到包括所述样本病例的病史信息、既往史信息和体格检
查描述信息的分词集合。
[0013]在一个实施例中，所述对所述疾病关系数据库进行聚类得到关节疼痛疾病的疾病类型知识库包括：利用K
‑
means算法对所述疾病关系数据库进行聚类得到关节疼痛疾病的疾病类型知识库。
[0014]第二方面，本申请还提供了一种关节疼痛疾病的智能辅助诊断装置，包括：
[0015]样本采集单元，用于获取样本病例的疾病属性信息，所述疾病属性信息包括所述样本病例的病史信息、既往史信息和体格检查描述信息；
[0016]特征提取单元，用于对所述疾病属性信息进行分词得到所述疾病属性信息对应的分词集合，基于所述分词集合提取所述样本病例的疾病描述关键词，所述疾病描述关键词表征了所述样本病例的疾病关键信息；
[0017]特征聚类单元，用于将所述疾病描述关键词和分词集合与预设的所述样本病例的关节疼痛疾病特征信息进行映射构建疾病关系数据库，对所述疾病关系数据库进行聚类得到关节疼痛疾病的疾病类型知识库；
[0018]模型构建单元，用于通过贝叶斯网络模型将所述疾病类型知识库进行向量化并进行预训练，得到关节疼痛疾病预测模型；
[0019]认知设别单元，用于基于所述预测模型，识别待诊断患者的关节疼痛描述信息和体格检查信息，输出智能辅助诊断结果。
[0020]在一个实施例中，所述基于所述分词集合提取所述样本病例的疾病描述关键词包括：通过词频
‑
逆文档频率算法计算出所述分词集合中每个词的TF
‑
IDF值，基于所述TF
‑
IDF值将每个词按降序排列，提取排在最前面的N个词，N为正整数。
[0021]在一个实施例中，所述病史信息和既往史信息包括病史描述文本和/或数据，所述体格检查描述信息包括体格检查描述文本和/或数据，对所述疾病属性信息进行分词得到所述疾病属性信息对应的分词集合包括：对所述病史描述文本和/或数据以及所述体格检查描述文本和/或数据进行分词，得到包括所述样本病例的病史信息、既往史信息和体格检查描述信息的分词集合。。
[0022]在一个实施例中，所述对所述疾病关系数据库进行聚类得到关节疼痛疾病的疾病类型知识库包括：利用K
‑
means算法对所述疾病关系数据库进行聚类得到关节疼痛疾病的疾病类型知识库。
[0023]第三方面，本申请还提供了一种电子设备，包括存储器和处理器，所述存储器中存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行所述关节疼痛疾病的智能辅助诊断方法的步骤。
[0024]第四方面，本申请还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上存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行所述关节疼痛疾病的智能辅助诊断方法的步骤。
[0025]本申请实施例提供的一种关节疼痛疾病的智能辅助诊断方法、装置、电子设备及存储介质，通过获取样本病例的疾病属性信息，所述疾病属性信息包括所述样本病例的病史信息、既往史信息和体格检查描述信息；对所述疾病属性信息进行分词得到所述疾病属性信息对应的分词集合，基于所述分词集合提取所述样本病例的疾病描述关键词，所述疾病描述关键词表征了所述样本病例的疾病关键信息；将所述疾病描述关键词和分词集合与
预设的所述样本病例的关节疼痛疾病特征信息进行映射构建疾病关系数据库，对所述疾病关系数据库进行聚类得到关节疼痛疾病的疾病类型知识库；通过贝叶斯网络模型将所述疾病类型知识库进行向量化并进行预训练，得到关节疼痛疾病预测模型；基于所述预测模型，识别待诊断患者的关节疼痛描述信息和体格检查信息，输出智能辅助诊断结果。解决了相关技术中无法快速高效判断诊断关节疾病、医生过于依赖经验的技术问题，实现了以下有益效果：利用贝叶斯网络技术，将复杂且高度非线性的语义特征信息转换为可量化的具体语义特征信息，并通过建立线性回归决策树分类器，实现待识别患者的关节疼痛的详细病史以及体格检查的信息和数据的智能认知识别，不仅解决了医生过于依赖经验的问题，而且可以有效避免误诊和漏诊现象。
附图说明
[0026]构成本申请的一部分的附图用来提供对本申请的进一步理解，使得本申请的其它特征、目的和优点变得更明显。本申请的示意性实施例附图及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
[0027]图1为本申请实施例提供的关节疼痛疾病的智能辅助诊断方法的实现流程；
[0028]图本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种关节疼痛疾病的智能辅助诊断方法，其特征在于，包括：获取样本病例的疾病属性信息，所述疾病属性信息包括所述样本病例的病史信息、既往史信息和体格检查描述信息；对所述疾病属性信息进行分词得到所述疾病属性信息对应的分词集合，基于所述分词集合提取所述样本病例的疾病描述关键词，所述疾病描述关键词表征了所述样本病例的疾病关键信息；将所述疾病描述关键词和分词集合与预设的所述样本病例的关节疼痛疾病特征信息进行映射构建疾病关系数据库，对所述疾病关系数据库进行聚类得到关节疼痛疾病的疾病类型知识库；通过贝叶斯网络模型将所述疾病类型知识库进行向量化并进行预训练，得到关节疼痛疾病预测模型；基于所述预测模型，识别待诊断患者的关节疼痛描述信息和体格检查信息，输出智能辅助诊断结果。2.根据权利要求1所述的关节疼痛疾病的智能辅助诊断方法，其特征在于，所述基于所述分词集合提取所述样本病例的疾病描述关键词包括：通过词频
‑
逆文档频率算法计算出所述分词集合中每个词的TF
‑
IDF值，基于所述TF
‑
IDF值将每个词按降序排列，提取排在最前面的N个词，N为正整数。3.根据权利要求1所述的关节疼痛疾病的智能辅助诊断方法，其特征在于，所述病史信息和既往史信息包括病史描述文本和/或数据，所述体格检查描述信息包括体格检查描述文本和/或数据，对所述疾病属性信息进行分词得到所述疾病属性信息对应的分词集合包括：对所述病史描述文本和/或数据以及所述体格检查描述文本和/或数据进行分词，得到包括所述样本病例的病史信息、既往史信息和体格检查描述信息的分词集合。4.根据权利要求3所述的关节疼痛疾病的智能辅助诊断方法，其特征在于，所述对所述疾病关系数据库进行聚类得到关节疼痛疾病的疾病类型知识库包括：利用K
‑
means算法对所述疾病关系数据库进行聚类得到关节疼痛疾病的疾病类型知识库。5.一种关节疼痛疾病的智能辅助诊断装置，其特征在于，包括：样本采集单元，用于获取样本病例的疾病属性信息，所述疾病属性信息包括所述样本病例的病史信息、既往史信息和体格检查描述信息；特征提取单元，用于对所述疾病属性信息进行分词得到所述疾病属性信息对应的分词集合...
【专利技术属性】
技术研发人员：李天发，李宗博，孟思宇，赵静，
申请(专利权)人：吾征智能技术北京有限公司，
类型：发明
国别省市：
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。