基于体征数据分析的医疗决策辅助方法、系统及存储介质技术方案

本发明专利技术公开了基于体征数据分析的医疗决策辅助方法、系统及存储介质，涉及医疗辅助诊断技术领域，包括：基于神经网络进行训练获得人体体征数据识别模型；基于历史诊断经验数据，建立辅助诊断模型；通过人体体征数据识别模型，获得患者的人体体征图像集；通过辅助诊断模型，计算患者可能出现的各种疾病的概率值；判断患者可能出现的疾病的概率值是否大于风险预设值；确定每一项检查项目能够检查到的疾病种类；确定并输出患者的检查项目。本发明专利技术的优点在于：可实现对病人的针对化检查项目规划，使病人可以根据自身情况获得最佳的诊疗方案，可有效的提高病人获得的治疗水平。可有效的提高病人获得的治疗水平。可有效的提高病人获得的治疗水平。

【技术实现步骤摘要】
基于体征数据分析的医疗决策辅助方法、系统及存储介质


[0001]本专利技术涉及医疗辅助诊断
，具体是涉及基于体征数据分析的医疗决策辅助方法、系统及存储介质。

技术介绍

[0002]国内外医学界的诊疗决策尤其是诊断决策方法大都是根据各种医疗仪器对病人的检查结果,由医生凭借自身的医学知识和多年积累的临床诊断经验,对病情进行分析判断,从而做出相应的决策。
[0003]因此，为保证诊断的精准性，通常需要对病人进行多项检查才能进行疾病的准确诊断，这种方式会造成病人耗费大量的时间和金钱，造成医疗诊断效率下降，病人难以获得最佳的治疗水平。

技术实现思路

[0004]为解决上述技术问题，提供基于体征数据分析的医疗决策辅助方法、系统及存储介质，本技术方案结合人体体征数据，对患者可能出现的疾病进行初步的诊断判断，形成初步诊断方案，进而辅助医护工作人员进行医疗决策，可有效的解决上述的为保证诊断的精准性，通常需要对病人进行多项检查才能进行疾病的准确诊断，这种方式会造成病人耗费大量的时间和金钱，造成医疗诊断效率下降，病人难以获得最佳的治疗水本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于体征数据分析的医疗决策辅助方法，其特征在于，包括：基于神经网络进行训练获得人体体征数据识别模型，所述人体体征数据识别模型以人体图像数据作为输入，以人体体征图像集作为输出；基于历史诊断经验数据，建立辅助诊断模型，所述辅助诊断模型以患者的人体体征图像集作为输入，以患者可能出现的各种疾病的概率值作为输出；通过图像采集装置进行采集患者的人体图像数据，并将患者的人体图像数据输入人体体征数据识别模型，获得患者的人体体征图像集；将患者的人体体征图像集输入辅助诊断模型，计算患者可能出现的各种疾病的概率值，获取患者患病概率值；判断患者可能出现的疾病的概率值是否大于风险预设值，若是，则判定为出现对应疾病的风险高，若否，则判定为出现对应疾病的风险低；确定每一项检查项目能够检查到的疾病种类；基于所有风险高的疾病和检查项目能够检查到的疾病种类确定并输出患者的检查项目。2.根据权利要求1所述的一种基于体征数据分析的医疗决策辅助方法，其特征在于，所述基于神经网络进行训练获得人体体征数据识别模型具体包括：基于医学诊断经验，获取每种疾病可能出现的一个或多个病态体征及每个病态体征所对应的人体体征区域，获得若干模型样本数据；将模型样本数据按照8:2的比例随机分成模型训练数据和模型验证数据；以模型训练数据中的人体图像数据作为神经网络输入层预设值，以模型训练数据中的每种疾病对应的一个或多个病态体征所对应的人体体征图像集作为神经网络输出层预设值，其中，每个人体体征图像对应一个病态体征所对应的人体体征区域，进行神经网络隐含层的运算逻辑训练，获得待验证模型；通过模型验证数据验证待验证模型是否满足识别精准度需求，若是，则将待验证模型作为人体体征数据识别模型，若否，则重新抽选若干模型训练数据，并重复进行训练待验证模型。3.根据权利要求2所述的一种基于体征数据分析的医疗决策辅助方法，其特征在于，所述基于历史诊断经验数据，建立辅助诊断模型具体包括：基于历史诊断经验数据，确定每种疾病可能出现的一个或多个病态体征标准图像，获得与疾病种类一一对应的病态体征标准图像集合；基于Logistic回归模型进行建立与疾病种类一一对应的患病风险预测模型；基于历史诊断病例，获取若干个历史病态体征图像集合；基于病态体征拟合计算方法，计算历史病态体征图像集合与病态体征标准图像集合中每个元素的拟合度，获取若干个训练求解拟合度集；基于训练求解拟合度集，通过最大似然法进行求解患病风险预测模型的参数；其中，所述患病风险预测模型的表达式为：式中，P为患者可能出现疾病的概率值，n为疾病对应的病态体征标准集合中的元素总
数，x
i
为病态体征集合中第i个元素对应的拟合度，α、β1、β2、
…
、β
i
、
…
、β
n
均为患病风险预测模型的参数。4.根据权利要求3所述的一种基于体征数据分析的医疗决策辅助方法，其特征在于，所述病态体征拟合计算方法具体包括：按照相同的网格划分逻辑对病态体征标准图像集合中的元素和待进行拟合计算的病态体征图像集合中对应元素进行网格划分，获得若干个病态体征标准网格图像和若干个待计算匹配网格图像；基于图像匹配逻辑，分别计算每个病态体征标准网格图像和待计算匹配网格图像的匹配度，获取若干个网格图像匹配度数据；基于拟合计算公式，通过若干个网格图像匹配度数据进行计算病态体征图像集合中的元素和待进行拟合计算的病态体征图像集合中对应元素的拟合度；其中，所述拟合计算公式为：式中，x为病态体征图像集合中的元素和待进行拟合计算的病态体征图像集合中对应元素的拟合度，m为病态体征标准网格图像或待计算匹配网格图像的数量，M
j
为第j个病态体征标准网格图像和待计算匹配网格图像的匹配度。5.根据权利要求4所述的一种基于体征数据分析的医疗决策辅助方法，其特征在于，所述将患者的人体体征图像集输入辅助诊断模型，计算患者可能出现的各种疾病的概率值，获取患者患病概率值具体包括：从患者的人体体征图像集中调取与待匹配疾病种类相关的一个或多个病态体征所对应的人体体征区域图片，获取与待匹配疾病种类对应的患者体态图像集；基于病态体征拟合计算方法，计算患者体态图像集与待匹配疾病种类对应的病态体征图像集合中每个元素的拟合度；基于与待匹配疾病种类对应的患病风险预测模型...

【专利技术属性】
技术研发人员：王欣，刘志岩，
申请(专利权)人：哈尔滨海吉雅科技有限公司，
类型：发明
国别省市：