基于深度学习的检测结果互认方法技术

本发明专利技术公开一种基于深度学习的检测结果互认方法

【技术实现步骤摘要】
基于深度学习的检测结果互认方法、系统及存储介质


[0001]本专利技术涉及信息处理
，尤其涉及一种基于深度学习的检测结果互认方法
、
系统及存储介质
。

技术介绍

[0002]随着诊断医学的蓬勃发展和询证医学的需求，检查结果越来越重要
。
但相关技术中，由于医疗市场的扩容，使得医疗平台的数量也随之增长，不同品牌或不同型号间的检查结果往往存在一定的差异，即同一个项目的检测结果可能会出现明显的不一致，这也大大地影响了不同医疗平台检测结果的互认
。
因此，以上技术问题亟需解决
。

技术实现思路

[0003]为了解决上述技术问题的至少之一，本专利技术提出一种基于深度学习的检测结果互认方法
、
系统及存储介质，能够实现不同平台检测结果的互认，有效提高了检测结果互认的可靠性和准确性
。
[0004]一方面，本专利技术实施例提供了一种基于深度学习的检测结果互认方法，包括以下步骤：
[0005]构建第一数据模型库；其中，所述第一数据模型本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于深度学习的检测结果互认方法，其特征在于，包括以下步骤：构建第一数据模型库；其中，所述第一数据模型库包括若干个预设医疗平台；根据所述第一数据模型库获取所述预设医疗平台提供的检测比对样本；将所述检测比对样本发送至所述第一数据模型库中的各个所述预设医疗平台，并获取各个所述预设医疗平台返回的检测结果数据；根据所述检测结果数据通过第一深度学习模型进行可信度预测，得到可信度评估值；根据所述检测结果数据进行回归分析，拟合得到预设标准曲线；当确定预测得到的所述可信度评估值的数量达到预设数据量，根据所述可信度评估值和所述预设标准曲线进行第二深度学习模型的构建，得到可信度分级模型；通过所述可信度分级模型和所述预设标准曲线对待互认数据进行分析，生成检测结果互认报告
。2.
根据权利要求1所述的基于深度学习的检测结果互认方法，其特征在于，在执行所述将所述检测比对样本发送至所述第一数据模型库中的各个所述预设医疗平台这一步骤时，所述方法还包括：对所述检测比对样本进行预设编号，得到对应的标本编号；根据所述标本编号和所述预设医疗平台的平台身份码构建保护标本号；其中，所述第一数据模型库中的各个所述预设医疗平台分配有对应的平台身份码
。3.
根据权利要求1所述的基于深度学习的检测结果互认方法，其特征在于，在执行所述将所述检测比对样本发送至所述第一数据模型库中的各个所述预设医疗平台，并获取各个所述预设医疗平台返回的所述检测结果数据这一步骤时，所述方法还包括：设置预设检测阈值，并将所述预设检测阈值发送至各个所述预设医疗平台；其中，所述预设检测阈值与所述检测比对样本对应；记录各个所述预设医疗平台的检测时间值；其中，所述检测时间值包括所述预设医疗平台接收到所述检测比对样本的第一时刻和上传所述检测结果数据的第二时刻；根据所述预设检测阈值和所述检测时间值验证所述检测结果数据，得到验证结果；根据所述验证结果对所述检测结果数据进行预设处理操作；其中，所述预设处理操作包括保存数据操作和剔除数据操作
。4.
根据权利要求1所述的基于深度学习的检测结果互认方法，其特征在于，所述根据所述检测结果数据通过第一深度学习模型进行可信度预测，得到可信度评估值，包括：构建临时数据池；通过所述临时数据池对不同的所述预设医疗平台的检测结果数据进行比较，得到数据比较结果；根据所述数据比较结果通过所述第一深度学习模型对所述检测结果数据进行可信度预测，得到所述可信度评估值
。5.
根据权利要求1所述的基于深度学习的检测结果互认方法，其特征在于，所述方法还包括：构建检测项目类；其中，通过对不同的检测项目进行划分得到所述检测项目类；根据所述检测项目类划分对应的系统模块和存储模块
。6.
根据权利要求5所述的基于深度学习的检测结果互认方法，其特征在于，所述当确定
预测得到的所述可信度评估值的数量达到预设数据量，根据所述可信度评估值和所述预设标准曲线进行第二深度学习模型的构建，得到可信度分级模型，包括...

【专利技术属性】
技术研发人员：陈剑辉，
申请(专利权)人：广州聚佰生物科技有限公司，
类型：发明
国别省市：