一种基于共识强化学习的中医辅助诊疗方法及系统技术方案

本申请提供一种基于共识强化学习的中医辅助诊疗方法及系统，该方法包括：获取多个目标对象的症状数据，其中所述症状数据由所述目标对象在历史时间段的对话数据或待检测图像得到；根据所述症状数据确定初始治疗方案，以在所述初始治疗方案完成治疗后，采集所述目标对象当前时刻的采样症状；根据所述采样症状确定所述目标对象的诊疗评价结果；根据各所述目标对象的症状数据之间症状数据相似度以及对应的诊疗评价结果确定所述目标对象的共识度；根据所述诊疗评价结果以及所述共识度进行模型训练，得到目标诊疗模型，以基于所述目标诊疗模型确定目标诊疗方案。本申请可有效提高模型学习速度，保证模型精度。保证模型精度。保证模型精度。

【技术实现步骤摘要】
一种基于共识强化学习的中医辅助诊疗方法及系统


[0001]本专利技术涉及智能医疗领域，尤其涉及一种基于共识强化学习的中医辅助诊疗方法及系统。

技术介绍

[0002]在大数据和计算能力的加持下，人工智能可应用于中医，极大的提高中医的诊断效率，减轻医疗资源的紧张。但中医诊疗中大多基于经验逻辑，在人工智能的中医应用中，中医的经验逻辑带来两大方面的挑战：其一是很多逻辑过程较为模糊，有的症状表现不能用精确的方式表达，全凭模糊经验；其二是中医诊断过程中的症状变量维度过高，难以通过常规计算方法作为输入变量进行优化。因此强化智能学习和症状压缩特征表示是解决这一问题的有效技术手段，但与工程领域中的强化学习面临的对象不同，中医诊疗在强化学习过程中需要诊断效果反馈强化学习奖励信号，而病人的诊疗过程较慢，通常在数周甚至数月，难以在较短的时间内让智能诊疗模型学习到整个诊疗过程的知识信息，另外每一病人的个体情况差异也是导致降低诊疗强化学习效率的关键因素之一。

技术实现思路

[0003]鉴于以上现有技术存在的问题，本专利技术提出一种基于共识强化学习的中医辅助诊疗方法及系统，主要解决现有诊疗方法准确性不足的问题。
[0004]为了实现上述目的及其他目的，本专利技术采用的技术方案如下。
[0005]本申请提供一种基于共识强化学习的中医辅助诊疗方法，包括：获取多个目标对象的症状数据，其中所述症状数据由所述目标对象在历史时间段的对话数据或待检测图像得到；根据所述症状数据确定初始治疗方案，以在所述初始治疗方案完成治疗后，采集所述目标对象当前时刻的采样症状；根据所述采样症状确定所述目标对象的诊疗评价结果；根据各所述目标对象的症状数据之间症状数据相似度以及对应的诊疗评价结果确定所述目标对象的共识度；根据所述诊疗评价结果以及所述共识度进行模型训练，得到目标诊疗模型，以基于所述目标诊疗模型确定目标诊疗方案。
[0006]在本申请一实施例中，根据所述症状数据确定治疗方案，包括：构建初始学习框架，其中所述初始学习框架用于表征症状数据与治疗方案的映射关系；将所述症状数据输入所述初始学习框架，得到所述初始治疗方案。
[0007]在本申请一实施例中，根据所述采样症状确定所述目标对象的诊疗评价结果，包括：构建初始评价框架，其中所述初始评价框架用于表征治疗方案对应的效果评分；将所述采样症状输入所述初始评价框架，得到所述初始治疗方案对应的诊疗评价结果。
[0008]在本申请一实施例中，所述共识度的计算方式表示为：
[0009][0010]其中，C
i
为第i个目标对象的共识度，i和j分别表示不同的目标对象，S
i
,S
j
分别表
示不同目标对象的症状数据；Sim(S
i
,S
j
)表示第i个目标对象的症状数据与第j个目标对象的症状数据的相似度，R
j
表示第j个目标对象的诊疗评价结果；
[0011][0012]其中，E(S
i
)表示第i个目标对象的症状特征；E(S
j
)表示第j个目标对象的症状特征。
[0013]在本申请一实施例中，所述初始学习框架的第一损失函数表示为：
[0014][0015]其中，J(t)表示t时刻所述第一损失函数的损失值；λ为评价系数，取值在0
‑
1之间；R(s)表示s时刻目标对象的诊疗评价结果。
[0016]在本申请一实施例中，根据所述诊疗评价结果以及所述共识度进行模型训练，包括：根据所述诊疗评价结果以及所述共识度构建所述初始评价框架的第二损失函数；根据所述第一损失函数和第二损失函数分别对所述初始学习框架以及所述初始评价框架的参数进行更新，得到所述目标诊疗模型。
[0017]在本申请一实施例中，所述第二损失函数表示为：
[0018]e
c
＝J(t)
‑
λJ(t
‑
1)+CR(t)
[0019]其中，e
c
为损失函数，J(t
‑
1)表示t
‑
1时刻的诊疗评价结果；C表示共识度，R(t)表示t时刻的诊疗评价指标。
[0020]本申请还提供一种基于共识强化学习的中医辅助诊疗系统，包括：数据获取模块，用于获取多个目标对象的症状数据，其中所述症状数据由所述目标对象在历史时间段的对话数据或待检测图像得到；症状采样模块，用于根据所述症状数据确定初始治疗方案，以在所述初始治疗方案完成治疗后，采集所述目标对象当前时刻的采样症状；诊疗评价模块，用于根据所述采样症状确定所述目标对象的诊疗评价结果；共识度计算模块，用于根据各所述目标对象的症状数据之间症状数据相似度以及对应的诊疗评价结果确定所述目标对象的共识度；模型训练模块，用于根据所述诊疗评价结果以及所述共识度进行模型训练，得到目标诊疗模型，以基于所述目标诊疗模型确定目标诊疗方案。
[0021]如上所述，本专利技术提出的一种基于共识强化学习的中医辅助诊疗方法及系统，具有以下有益效果。
[0022]本申请可基于目标对象整个诊疗过程中的症状数据进行评价，并给予评价结果以及与其他目标对象之间的共识度进行模型训练，将目标对象的共识度作为训练奖励，以提高模型训练的准确性；基于其他目标对象的症状数据确定共识度，可缩短诊疗过程治疗方案评估周期，为治疗方案的制定提供可靠的数据参考。
附图说明
[0023]图1为本申请一实施例中基于共识强化学习的中医辅助诊疗方法的流程示意图。
[0024]图2为本申请一实施例中基于共识强化学习的中医辅助诊疗系统的模块图。
具体实施方式
[0025]以下通过特定的具体实例说明本专利技术的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本专利技术的其他优点与功效。本专利技术还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本专利技术的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。
[0026]需要说明的是，以下实施例中所提供的图示仅以示意方式说明本专利技术的基本构想，遂图式中仅显示与本专利技术中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制，其实际实施时各组件的型态、数量及比例可为一种随意的改变，且其组件布局型态也可能更为复杂。
[0027]请参阅图1，本专利技术提供一种基于共识强化学习的中医辅助诊疗方法，该方法包括：
[0028]步骤S100，获取多个目标对象的症状数据，其中所述症状数据由所述目标对象在历史时间段的对话数据或待检测图像得到。
[0029]在一实施例中，可将医院患者作为目标对象，目标对象的症状数据可包括体温、舌相、面色等信息，医生与患者在交流过程中，可通过录音设备采集对话语音，并将对话语音输入后端服务器或其他具有处理器的终端设备，将对话语音转换为对话数据(如对话文本等)，可针对对本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于共识强化学习的中医辅助诊疗方法，其特征在于，包括：获取多个目标对象的症状数据，其中所述症状数据由所述目标对象在历史时间段的对话数据或待检测图像得到；根据所述症状数据确定初始治疗方案，以在所述初始治疗方案完成治疗后，采集所述目标对象当前时刻的采样症状；根据所述采样症状确定所述目标对象的诊疗评价结果；根据各所述目标对象的症状数据之间症状数据相似度以及对应的诊疗评价结果确定所述目标对象的共识度；根据所述诊疗评价结果以及所述共识度进行模型训练，得到目标诊疗模型，以基于所述目标诊疗模型确定目标诊疗方案。2.根据权利要求1所述的基于共识强化学习的中医辅助诊疗方法，其特征在于，根据所述症状数据确定治疗方案，包括：构建初始学习框架，其中所述初始学习框架用于表征症状数据与治疗方案的映射关系；将所述症状数据输入所述初始学习框架，得到所述初始治疗方案。3.根据权利要求2所述的基于共识强化学习的中医辅助诊疗方法，其特征在于，根据所述采样症状确定所述目标对象的诊疗评价结果，包括：构建初始评价框架，其中所述初始评价框架用于表征治疗方案对应的效果评分；将所述采样症状输入所述初始评价框架，得到所述初始治疗方案对应的诊疗评价结果。4.根据权利要求3所述的基于共识强化学习的中医辅助诊疗方法，其特征在于，所述共识度的计算方式表示为：其中，C
i
为第i个目标对象的共识度，i和j分别表示不同的目标对象，S
i
,S
j
分别表示不同目标对象的症状数据；Sim(S
i
,S
j
)表示第i个目标对象的症状数据与第j个目标对象的症状数据的相似度，R
j
表示第j个目标对象的诊疗评价结果；其中，E(S
i
)表示第i个目标对象的症状特征；E(S
j
)表示第j...

【专利技术属性】
技术研发人员：彭德光，汤静人，黄攀，孙健，
申请(专利权)人：重庆兆光科技股份有限公司，
类型：发明
国别省市：