基于神经网络模型的蛇伤类型识别方法、装置及电子设备制造方法及图纸

本发明专利技术属于蛇伤类型识别技术领域，涉及基于神经网络模型的蛇伤类型识别方法、装置及电子设备。该方法包括：获取历史蛇伤病例数据，构建蛇伤病例数据库；预处理；建立蛇伤类型识别神经网络模型；利用历史蛇伤病例数据对蛇伤类型识别神经网络模型进行训练，得到训练后的蛇伤类型识别神经网络模型；获取当前蛇伤病例数据，提取当前蛇伤病例数据的蛇伤特征参数；加载训练后的蛇伤类型识别神经网络模型，得到目标蛇伤类型数据。本发明专利技术采用蛇伤类型识别神经网络模型能够快速、准确的识别蛇伤类型，解决基层医生蛇伤医疗经验不足问题，从而有利于根据该蛇伤病例数据分类结果制定科学高效的医疗方案，有效降低蛇伤致死致残率。有效降低蛇伤致死致残率。有效降低蛇伤致死致残率。

【技术实现步骤摘要】
基于神经网络模型的蛇伤类型识别方法、装置及电子设备


[0001]本专利技术属于蛇伤类型识别
，具体而言，涉及基于神经网络模型的蛇伤类型识别方法、装置及电子设备。

技术介绍

[0002]我国每年蛇伤大约10万～20万人次，由于基层医院医生蛇伤治疗经验不足，对蛇伤类型判断不准确导致治疗效果差，导致蛇伤患者到医院接受治疗的意愿不高，直接导致蛇伤致死致残率较高。因此迫切需要构建一种蛇伤类型识别神经网络模型，能准确识别蛇伤类型，有助于蛇伤类型识别与蛇伤医疗方案选择，从而促进蛇伤医疗水平的提高，促进更多蛇伤患者到基层医院接受正规蛇伤治疗。

技术实现思路

[0003]为了解决上述技术问题，本专利技术提供基于神经网络模型的蛇伤类型识别方法、装置及电子设备。
[0004]第一方面，本专利技术提供了基于神经网络模型的蛇伤类型识别方法，包括：获取历史蛇伤病例数据，构建蛇伤病例数据库；每个所述历史蛇伤病例数据包括若干个蛇伤特征参数与蛇伤类型数据；对所述历史蛇伤病例数据进行预处理，提取蛇伤特征参数；建立蛇伤类型识别神经网络模型；利用所述历史蛇伤病例数据中的所述蛇伤特征参数与所述蛇伤类型数据对所述蛇伤类型识别神经网络模型进行训练，确定所述蛇伤类型识别神经网络模型的结构参数，得到训练后的所述蛇伤类型识别神经网络模型；获取当前蛇伤病例数据，提取所述当前蛇伤病例数据的蛇伤特征参数；将所述当前蛇伤病例数据的蛇伤特征参数输入至训练后的所述蛇伤类型识别神经网络模型；加载训练后的所述蛇伤类型识别神经网络模型，对所述当前蛇伤特征参数进行处理，得到目标蛇伤类型数据。
[0005]第二方面，本专利技术提供了基于神经网络模型的蛇伤类型识别装置，包括获取单元、预处理单元、模型建立单元、模型训练单元、特征参数提取单元、输入单元与处理单元；所述获取单元，用于获取历史蛇伤病例数据，构建蛇伤病例数据库；每个所述历史蛇伤病例数据包括若干个蛇伤特征参数与蛇伤类型数据；所述预处理单元，用于对所述历史蛇伤病例数据进行预处理，提取蛇伤特征参数；所述模型建立单元，用于建立蛇伤类型识别神经网络模型；所述模型训练单元，用于利用所述历史蛇伤病例数据中的所述蛇伤特征参数与所述蛇伤类型数据对所述蛇伤类型识别神经网络模型进行训练，确定所述蛇伤类型识别神经网络模型的结构参数，得到训练后的所述蛇伤类型识别神经网络模型；
所述特征参数提取单元，用于获取当前蛇伤病例数据，提取所述当前蛇伤病例数据的蛇伤特征参数；所述输入单元，用于将所述当前蛇伤病例数据的蛇伤特征参数输入至训练后的所述蛇伤类型识别神经网络模型；所述处理单元，用于加载训练后的所述蛇伤类型识别神经网络模型，对所述当前蛇伤特征参数进行处理，得到目标蛇伤类型数据。
[0006]第三方面，本专利技术提供了一种电子设备，包括：处理器和存储器；所述存储器，用于存储计算机操作指令；所述处理器，用于通过调用所述计算机操作指令，执行所述的基于神经网络模型的蛇伤类型识别方法。
[0007]在上述技术方案的基础上，本专利技术还可以做如下改进。
[0008]进一步，所述历史蛇伤病例数据包括蛇伤部位医疗光学图像数据、蛇伤患者生化数据与蛇伤患者生命体征数据。
[0009]进一步，所述蛇伤部位医疗光学图像数据对应的所述蛇伤特征参数包括蛇伤部位医疗光学图像的颜色参数与纹理参数；所述蛇伤患者生化数据对应的所述蛇伤特征参数包括蛇伤患者生化数据范围；所述蛇伤患者生命体征数据对应的所述蛇伤特征参数包括体温数据、脉搏数据与血压数据。
[0010]进一步，对所述历史蛇伤病例数据进行预处理，提取蛇伤特征参数，包括：对所述历史蛇伤病例数据进行处理，包括增强、滤波、消噪和分割；基于最小二乘法从处理后的所述历史蛇伤病例数据中提取所述蛇伤特征参数。
[0011]进一步，利用所述历史蛇伤病例数据中的所述蛇伤特征参数与所述蛇伤类型数据对所述蛇伤类型识别神经网络模型进行训练时，使用反向传播算法对所述蛇伤类型识别神经网络模型的权值和偏差进行反复的调整训练。
[0012]本专利技术的有益效果是：本专利技术采用神经网络模型能够快速、准确的识别蛇伤类型，解决基层医生蛇伤医疗经验不足问题，从而有利于根据该蛇伤病例数据分类结果制定科学高效的医疗方案，有效降低蛇伤致死致残率。
附图说明
[0013]图1为本专利技术实施例1提供的基于神经网络模型的蛇伤类型识别方法的原理图；图2为本专利技术实施例2提供的基于神经网络模型的蛇伤类型识别装置的原理图；图3为本专利技术实施例3提供的一种电子设备的原理图。
[0014]图标：30
‑
电子设备；310
‑
处理器；320
‑
总线；330
‑
存储器；340
‑
收发器。
具体实施方式
[0015]为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本专利技术实施例的组件可以以各种不同的配置来布置和设计。
[0016]实施例1作为一个实施例，如附图1所示，为解决上述技术问题，本实施例提供基于神经网络模型的蛇伤类型识别方法，包括：获取历史蛇伤病例数据，构建蛇伤病例数据库；每个历史蛇伤病例数据包括若干个蛇伤特征参数与蛇伤类型数据；对历史蛇伤病例数据进行预处理，提取蛇伤特征参数；建立蛇伤类型识别神经网络模型；利用历史蛇伤病例数据中的蛇伤特征参数与蛇伤类型数据对蛇伤类型识别神经网络模型进行训练，确定蛇伤类型识别神经网络模型的结构参数，得到训练后的蛇伤类型识别神经网络模型；获取当前蛇伤病例数据，提取当前蛇伤病例数据的蛇伤特征参数；将当前蛇伤病例数据的蛇伤特征参数输入至训练后的蛇伤类型识别神经网络模型；加载训练后的蛇伤类型识别神经网络模型，对当前蛇伤特征参数进行处理，得到目标蛇伤类型数据。
[0017]在实际应用过程中，将蛇伤特征参数与蛇伤类型数据作为蛇伤类型识别神经网络模型的样本数据，其中，蛇伤特征参数作为蛇伤类型识别神经网络模型的输入数据，蛇伤类型数据作为蛇伤类型识别神经网络模型的输出数据，利用样本数据对蛇伤类型识别神经网络模型进行训练，得到训练后的蛇伤类型识别神经网络模型；利用训练后的蛇伤类型识别神经网络模型对当前蛇伤病例数据的当前蛇伤特征参数进行处理，得到目标蛇伤类型数据，实现对蛇伤病例数据的识别。
[0018]本专利技术采用蛇伤类型识别神经网络模型能够快速、准确的识别蛇伤类型，解决基层医生蛇伤医疗经验不足无法进行蛇伤类型识别的问题，从而有利于根据该蛇伤病例数据分类结果制定科学高效的医疗方案，有效降低蛇伤致死致残率。
[0019]可选的，历史蛇伤病例数据包括蛇伤部位医疗光学图像数据、蛇伤患者生化数据与蛇伤患者生命体征数据。
[0020]蛇伤部位一般会有肿胀或者瘀斑，通过采集蛇伤部位医疗光学图像对肿胀或者瘀斑的蛇伤部位进行图像采集分析，对蛇伤部位医本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于神经网络模型的蛇伤类型识别方法，其特征在于，包括：获取历史蛇伤病例数据，构建蛇伤病例数据库；每个所述历史蛇伤病例数据包括若干个蛇伤特征参数与蛇伤类型数据；对所述历史蛇伤病例数据进行预处理，提取蛇伤特征参数；建立蛇伤类型识别神经网络模型；利用所述历史蛇伤病例数据中的所述蛇伤特征参数与所述蛇伤类型数据对所述蛇伤类型识别神经网络模型进行训练，确定所述蛇伤类型识别神经网络模型的结构参数，得到训练后的所述蛇伤类型识别神经网络模型；获取当前蛇伤病例数据，提取所述当前蛇伤病例数据的蛇伤特征参数；将所述当前蛇伤病例数据的蛇伤特征参数输入至训练后的所述蛇伤类型识别神经网络模型；加载训练后的所述蛇伤类型识别神经网络模型，对所述当前蛇伤特征参数进行处理，得到目标蛇伤类型数据。2.根据权利要求1所述基于神经网络模型的蛇伤类型识别方法，其特征在于，所述历史蛇伤病例数据包括蛇伤部位医疗光学图像数据、蛇伤患者生化数据与蛇伤患者生命体征数据。3.根据权利要求2所述基于神经网络模型的蛇伤类型识别方法，其特征在于，所述蛇伤部位医疗光学图像数据对应的所述蛇伤特征参数包括蛇伤部位医疗光学图像的颜色参数与纹理参数；所述蛇伤患者生化数据对应的所述蛇伤特征参数包括蛇伤患者生化数据范围；所述蛇伤患者生命体征数据对应的所述蛇伤特征参数包括体温数据、脉搏数据与血压数据。4.根据权利要求1所述基于神经网络模型的蛇伤类型识别方法，其特征在于，对所述历史蛇伤病例数据进行预处理，提取蛇伤特征参数，包括：对所述历史蛇伤病例数据进行处理，包括增强、滤波、消噪和分割；基于最小二乘法从处理后的所述历史蛇伤病例数据中提取所述蛇伤...

【专利技术属性】
技术研发人员：罗彬，叶娟，刘江东，
申请(专利权)人：四川互慧软件有限公司，
类型：发明
国别省市：