【技术实现步骤摘要】
本专利技术属于大数据服务，具体是基于深度学习的个性化医疗诊疗方案生成系统。
技术介绍
1、随着电子通讯技术的发展，医院的信息化建设也不断得到提高，给患者及医生带来便利；并且充分利用大数据信息技术和计算机技术，使医院的诊疗系统更加先进，服务水平得到进一步提升。
2、目前，医院各科室相互独立，而不同科室的医生擅长的领域也更加专业化，在诊疗时，往往只是以本科室的经验或者通用疗法给出诊疗方案，这种情况不利于避免其他健康问题对本次治疗造成的影响；并且患者在患病时，其心情可能处于较为紧张的情况，在紧张情况下，某些症状是由于患者的心理作用引起，该部分症状会直接影响医生对病情的判断。
3、因此，有必要提出一种基于深度学习的个性化医疗诊疗方案生成系统，通过建立智能诊疗大数据库，对患者可能臆想出的症状进行一一排查，获取该患者的目标案例；不同科室的医生均可基于大数据得到多个适应于目标案例的个性化备用方案，选取最优备用方案，为决策者提供决策支持，决策者再根据患者的特殊性做出最终的决策方案，对辅助医生生成诊疗方案具有十分重要的意义。
技术实现思路
1、本专利技术的目的是提出一种基于深度学习的个性化医疗诊疗方案生成系统，通过建立智能诊疗大数据库，对患者可能臆想出的症状进行一一排查，获取该患者的目标案例；不同科室的医生均可基于大数据得到多个适应于目标案例的个性化备用方案，选取最优备用方案，为决策者提供决策支持，决策者再根据患者的特殊性做出最终的决策方案，对辅助医生生成诊疗方案具有十分重要
2、为了实现上述目的，本专利技术的技术方案如下：基于深度学习的个性化医疗诊疗方案生成系统，包括以下步骤：
3、s1.建立案例库；获取并录入多种病例信息，生成案例库；
4、s2.建立目标案例；根据患者的病情描述，对病情描述进行多次拆分重组生成目标案例；
5、s2-1.病情描述包括病情的持续时间、疼痛程度、精神状态和不同症状；将持续时间、疼痛程度和精神状态构建为第一外三角形结构，持续时间、疼痛程度和精神状态分别对应第一外三角形的一条边；
6、s2-2.在第一外三角形内构建若干大小不一的内三角形，一个内三角形对应一个症状；
7、s2-3.对不同症状进行一一诊疗和病理检查，根据检查报告判断该症状是否需要进行进一步处理，需进行进一步处理的症状称为确诊症状；
8、s2-4.构建第二外三角形结构，将第一外三角形内对应该确诊症状的内三角形转移至第二外三角形内，对第一外三角形内的内三角形进行一一筛查；经过筛查后，保留在第一外三角形内的内三角形表示可能为患者臆想的症状；
9、s2-5.筛查患者臆想的症状；通过获取患者最近的相关信息，对可能为臆想的症状进行一一排查；
10、s2-6.对于未排查的臆想症状，需根据该臆想症状对患者进行进一步诊疗和病理检查，如检测报告为确诊症状，则需将对应该臆想症状的内三角形从第一外三角形内转移至第二外三角形内；经过不断拆分重组后，第二外三角形的整体结构为该患者的目标案例；
11、s3.相似案例提取；基于患者的目标案例，在案例库内提取最接近的案例；
12、s4.生成多个备用方案；基于相似案例，获取相似案例的诊疗方案，根据目标案例的特殊性和不同点，对相似案例的诊疗方案进行优化调整，得到多个适应于目标案例的个性化备用方案；
13、s5.生成决策方案；在多个备用方案中选择最优备用方案；
14、s6.保存决策方案；将决策方案输送至案例库，决策方案为案例库的新案例。
15、进一步，s2-1中，第一外三角形的边长分别对应持续时间的长短、疼痛程度的强弱和精神状态的好坏。
16、进一步，s2-2中，内三角形的面积对应表示该症状的轻重程度；该症状越明显，则对应该症状的内三角形面积越大；该症状越轻微，则对于该症状的内三角形面积越小。
17、进一步，s2-5中，获取患者最近三个月的相关信息。
18、进一步，s2-5中，相关信息包括患者生活的环境、生活习惯、饮食习惯和作息时间。
19、进一步，s3中，相似案例的提取方法为：通过相似度函数计算目标案例与案例库内历史案例的相似度，相似度最高的案例为相似案例。
20、进一步，s4中，优化调整的方法为：根据效用函数，计算相似案例的诊疗方案中各解决方案的效用值，效用值越低代表可行性越低，效用值越高代表可行性越高。
21、进一步，s5中，决策方案的生成方法为：集结相似案例与目标案例的相似度和效用值，计算多个备用方案的综合得分，根据得分将多个备用方案排序，选择得分最高的备用方案，为决策者提供决策支持，决策者再根据患者的特殊性做出最终的决策方案。
22、有益效果：
23、(1)通过患者对病情的描述构建为第一外三角形结构；并根据不同症状在第一外三角形内构建多个内三角形，内三角形的面积代表症状的严重程度，通过直观判断内三角形的大小对较严重的症状进行优先处理。
24、(2)对患者可能臆想出的症状进行一一排查，获取该患者的目标案例；利用相似度函数基于目标案例查找相似案例；基于相似案例，获取相似案例的诊疗方案，根据目标案例的特殊性和不同点，对相似案例的诊疗方案进行优化调整，得到多个适应于目标案例的个性化备用方案；集结相似案例与目标案例的相似度和效用值，计算多个备用方案的综合得分，根据得分将多个备用方案排序，选择得分最高的备用方案，为决策者提供决策支持，决策者再根据患者的特殊性做出最终的决策方案。
25、(3)本专利技术提出的个性化医疗诊疗方案生成系统给医生带来很有效的帮助，节省人力物力；使医生不断完善和优化诊疗方案，并将其用于诊疗方案大数据库的更新，使医院医疗系统更加智能有效。
本文档来自技高网...【技术保护点】
1.基于深度学习的个性化医疗诊疗方案生成系统，其特征在于：包括以下步骤：
2.根据权利要求1所述的基于深度学习的个性化医疗诊疗方案生成系统，其特征在于：S2-1中，第一外三角形的边长分别对应持续时间的长短、疼痛程度的强弱和精神状态的好坏。
3.根据权利要求2所述的基于深度学习的个性化医疗诊疗方案生成系统，其特征在于：S2-2中，内三角形的面积对应表示该症状的轻重程度；该症状越明显，则对应该症状的内三角形面积越大；该症状越轻微，则对于该症状的内三角形面积越小。
4.根据权利要求3所述的基于深度学习的个性化医疗诊疗方案生成系统，其特征在于：S2-5中，获取患者最近三个月的相关信息。
5.根据权利要求4所述的基于深度学习的个性化医疗诊疗方案生成系统，其特征在于：S2-5中，相关信息包括患者生活的环境、生活习惯、饮食习惯和作息时间。
6.根据权利要求5所述的基于深度学习的个性化医疗诊疗方案生成系统，其特征在于：S3中，相似案例的提取方法为：通过相似度函数计算目标案例与案例库内历史案例的相似度，相似度最高的案例为相似案例。
...【技术特征摘要】
1.基于深度学习的个性化医疗诊疗方案生成系统，其特征在于：包括以下步骤：
2.根据权利要求1所述的基于深度学习的个性化医疗诊疗方案生成系统，其特征在于：s2-1中，第一外三角形的边长分别对应持续时间的长短、疼痛程度的强弱和精神状态的好坏。
3.根据权利要求2所述的基于深度学习的个性化医疗诊疗方案生成系统，其特征在于：s2-2中，内三角形的面积对应表示该症状的轻重程度；该症状越明显，则对应该症状的内三角形面积越大；该症状越轻微，则对于该症状的内三角形面积越小。
4.根据权利要求3所述的基于深度学习的个性化医疗诊疗方案生成系统，其特征在于：s2-5中，获取患者最近三个月的相关信息。
5.根据权利要求4所述的基于深度学习的个性化医疗诊疗方案生成系统，其特征在于：s2-5中，相关信息包括患者生活的环境、生活习惯、...
【专利技术属性】
技术研发人员：戴琼，邓建平，胡岗，邱波，盛伟，赵奇，何韵彬，张海源，叶涛，胡俊芳，张静，汪汉东，易军，马金春，胡祥祥，蔡丽娜，邓相志，
申请(专利权)人：黄石市爱康医院有限责任公司，
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。