The invention discloses an ophthalmic remote diagnosis platform of upper and lower level hospitals based on deep learning and its construction method. First, the front-end user login and identity verification interface design is carried out. According to the functions and requirements of the upper and lower level joint diagnosis platform, the database is designed and constructed. Then, PHP is used to develop the ophthalmic remote joint diagnosis platform of upper and lower level hospitals by using the ThinkPHP framework The functions of the platform are realized based on the completed database. The platform includes subordinate hospital processing module and superior hospital processing module. Subordinate hospital processing module consists of consultation application module, subordinate online interaction module, subordinate information encryption module and subordinate information decryption module. Superior hospital processing module consists of superior information decryption module, superior hospital online interaction module, consultation application processing module, classification recommendation module and superior information Encryption module. It solves the problem that the security of the existing diagnosis platform is low and the diagnosis and treatment scheme can not be recommended.
【技术实现步骤摘要】
基于深度学习的上下级眼科远程诊断平台及其构建方法
本专利技术属于计算机信息处理
，涉及一种基于深度学习的上下级医院眼科远程联合诊断平台及其构建方法。
技术介绍
目前市面上存在许多网络诊治云平台，致力于联通患者与专科医生，以期达到“不出门便可看病”的模式。从现有技术平台来看网络信息鱼龙混杂，缺乏医生的专业性、权威性，治疗疾病的有效性也无法预计。并且对于生活条件更为困难的患者或者重病患者，没有特别优先权，极易耽误病情，更是在用户量较大时容易引起系统平台崩溃。且现有的许多平台在数据收集方面缺乏眼科专业医师的建议，数据收集不完善，故降低了交流的效率，也使宝贵的眼科疑难病例大数据可能被浪费。同时，现有与眼科相关的远程诊断系统，并没有充分利用医学大数据，医生的诊断方式依然传统，平台不能够推荐治疗方案，减轻医生的负担。因此以互联网为背景，针对“上下级医院眼科远程联合诊断”这一对象，设计开发基于深度学习的上下级医院眼科远程联合诊断平台对眼科患者有着非常重要的意义。
技术实现思路
本专利技术的目的在于提供一种基于深度学习的上下级医院眼科远程诊断平台，以解决现有诊断平台对于重症患者没有特权易耽误病情的问题、用户量较大时易引起系统平台崩溃的问题、安全性保障低的问题、和不能充分利用医学大数据智能的给出推荐诊断及治疗方案的问题。本专利技术的另一目的在于提供一种基于深度学习的上下级眼科远程诊断平台的构建方法。本专利技术所采用的技术方案是，基于深度学习的上下级眼科远程诊断平台，包括：
【技术保护点】
1.基于深度学习的上下级眼科远程诊断平台，其特征在于，包括：/n前端用户界面，用于用户登录，并通过验证码及用户身份关键字验证用户身份，依据用户身份赋予用户相应权限，用户身份包括上级医院、下级医院和管理员；/n下级医院处理模块，用于下级医院提交会诊申请、发送患者信息，并接收上级医院的会诊回复；/n上级医院处理模块，用于上级医院接收患者信息、对患者进行排队诊断、并发送诊断回复。/n
【技术特征摘要】
1.基于深度学习的上下级眼科远程诊断平台，其特征在于，包括：
前端用户界面，用于用户登录，并通过验证码及用户身份关键字验证用户身份，依据用户身份赋予用户相应权限，用户身份包括上级医院、下级医院和管理员；
下级医院处理模块，用于下级医院提交会诊申请、发送患者信息，并接收上级医院的会诊回复；
上级医院处理模块，用于上级医院接收患者信息、对患者进行排队诊断、并发送诊断回复。
2.根据权利要求1所述的基于深度学习的上下级眼科远程诊断平台，其特征在于，所述下级医院处理模块由会诊申请模块、下级在线互动模块、下级信息加密模块和下级信息解密模块组成；
所述会诊申请模块，用于添加患者个人信息，提交下级会诊申请，并选择是否需要在线互动；
所述下级在线互动模块，用于编辑下级医院与上级医院间的互动信息；
所述下级信息加密模块，基于加密算法对患者信息及互动信息进行加密处理，并发送加密处理后的患者信息及互动信息；
所述下级信息解密模块，用于接收上级医院的诊断回复及互动信息，并对其进行解密。
3.根据权利要求2所述的基于深度学习的上下级眼科远程诊断平台，其特征在于，还包括有用于监测平台异常的后台管理模块；
所述上级医院处理模块由上级信息解密模块、上级医院在线互动模块、会诊申请处理模块、分类推荐模块、上级信息加密模块组成；
所述上级信息解密模块，用于接收加密处理后的患者信息及互动信息，并对其进行解密；
所述会诊申请处理模块，用于依据患者信息，采用基于大数据的聚类分析算法对患者病症进行自动分类，并依据患者病情采用优先排队算法赋予患者权值，然后依据患者的病症和患者权值进行诊断排序，最后依据患者的诊断顺序进行诊断，并选择是否需要在线互动；
所述上级医院在线互动模块，用于编辑上级医院与下级医院间的互动信息；
所述分类推荐模块，基于患者的病症，利用Apriori算法找出其诊断及推荐诊疗方案，辅助上级医院诊断及治疗；
所述上级信息加密模块，基于加密算法对上级医院的诊断信息及互动信息进行加密处理，并发送加密处理后的诊断信息及互动信息；
所述下级信息加密模块和上级信息加密模块均采用MD5加密算法对发送的信息进行加密；上级信息解密模块和下级解密信息模块均采用同一密钥对接收的信息进行解密；
所述下级信息加密模块与上级信息解密模块之间，以及上级信息加密模块与下级解密信息模块之间均通过TCP/IP协议传输患者信息。
4.如权利要求3所述的基于深度学习的上下级眼科远程诊断平台的构建方法，其特征在于，具体步骤如下：
步骤S1、前端用户登录及身份验证界面设计；
步骤S2、依据上下级眼科远程诊断平台的功能及需求，设计并构建数据库；
步骤S3、逻辑功能实现：采用PHP，利用Thinkphp框架开发出上下级医院眼科远程联合诊断平台，在构建完成的数据库基础上实现平台的各项功能。
5.根据权利要求4所述的基于深度学习的上下级眼科远程诊断平台的构建方法，其特征在于，所述数据库的设计过程如下：
步骤S21、依据上下级医院远程联合诊断平台的功能和需求分析来确定数据库，数据库包括患者信息表、医生信息表、医院信息表、会诊申请表、在线交流表、通知公告表、网站日志表；
步骤S22、依据确定的数据库，确定会诊申请的各个实体之间的用例图，会诊申请的各个实体即为患者的各项信息；
步骤S23、数据库中各字和字段代表用例图中的各个实体，依据用例图获取各个实体之间的关系模式，即确定数据库的表和表中的各个字段的关系；
所述数据库的构建，是根据用例图直接编写SQL语句，用DDL定义数据库结构、组织数据入库、编制与调试数据库应用程序，利用phpMyAdmin直接导入数据创建表格；
所述步骤S3具体包括：
步骤S31、实现下级医院输入患者信息，进行会诊申请的功能；
步骤S32、实现下级医院与上级医院之间的在线互动功能；
步骤S33、基于MD5加密算法实现上级医院和下级医院的信息加密以及信息解密功能；
步骤S34、依据患者信息，采用基于大数据的聚类分析算法对患者病症进行分类，确定患者的疾病病症簇，利用GB算法对聚类分析算法分类的结果进行分类优化，并依据患者病情采用优先排队算法赋予患者权值，之后依据患者的疾病病症簇和患者权值进行诊断排序，最后依据患者的诊断顺序对下级会诊申请进行诊断，实现会诊申请处理功能；
步骤S35、利用Apriori算法找出每种疾病病症簇对应的疾病的诊断及推荐诊疗方案，实现依据患者的病症进行分类推荐的功能；
步骤S36、定期访问平台的网站日志表，查看平台是否存在异常，实现监测平台异常的功能。
6.根据权利要求5所述的基于深度学习的上下级眼科远程诊断平台的构建方法，其特征在于，所述MD5加密算法的实现过程如下：
步骤S331、分组及填充：从前到后依次对输入的用户信息按每组信息长度为512位进行一次分组，如果分组的信息长度小于512位，则对其进行填充，填充第一位为1，其余为0，使每组信息长度为512位；
步骤S332、初始化变量：MD5缓存区初始化，缓冲区用来存放中间结果，将每组信息长度为512位的信息数据进行二次分组，分成H0H1…Hi…H1516个小组，每个小组Hi的信息长度为32位；使用128位长的缓冲区来存放中间计算结果和最终Hash值，将缓冲区分为4个32位长的寄存器R0、R1、R2、R3，每个寄存器都以小端存储方式保存数据，并对4个寄存器进行初始化；
步骤S333、从第一分组开始，依次对每组信息长度为512位的数据进行处理，具体处理流程如下：
步骤S3331、处理分组变量，将当前信息长度为512位的分组数据的最前面128位数据即H0～H3这4个小组中的数据复制到4个32位的中间变量M、N、O、P中；
步骤S3332、将中间变量M、N、O、P的值赋值给另外4个中间变量m、n、o、p，即m＝M，n＝N，o＝O，p＝P，然后任意选取m、n、o和p中的三个变量作非线性函数运算，将非线性函数运算结果加上未参与非线性函数运算的变量后左移，然后将变量m、n、o或p与左移结果相加得到最终运算结果，最后用最终运算结果替换前述与左移结果相加的变量m、n、o或p；
步骤S3333、将步骤S3332中完成计算后的变量m、n、o、p的值分别赋值给中间变量M、N、O、P，即M＝m，N＝n，O＝o，P＝p，对中间变量M、N、O、P进行更新；
步骤S3334、将步骤S3332～S3333循环进行16次，对该分组进行计算；
步骤S3335、将该分组数据的最终运算结果的M、N、O、P的值分别存放至缓冲区寄存器中；
步骤S3336、将该分组数据下一个128位数据复制到4个中间变量M、N、O、P中，循环步骤S3332～S3335，当下一个128位数据的运算结果存入缓冲区寄存器中时，上一个128位数据的运算结果将会输出；
步骤S3337、将步骤S3336循环进行三次，依次对H4～H7、H8～H11、H12～H15中的数据进行运算；
步骤S334、循环步骤S333，利用更新的M、N、O、P进行下一分组的计算，直至所有分组完成计算；
所述将步骤S3332～S3335循环进行四次中，非线性函数运算是依次采用下述非线性函数：
Y1(X,Y,Z)＝(X&Y)|((～X)&Z)；
Y2(X,Y,Z)＝(X&Z)|(X&(～Z))；
Y3(X,Y,Z)＝X∧Y∧Z；
Y4(X,Y,Z)＝X∧(Y|(～Z))；
其中，Y1～Y4表示四轮非线性函数运算的结果，每个非线性函数中X、Y、Z对应每次任选的m、n、o、p中的三个变量；
所述解密过程与MD5加密算法采用同一密钥，即解密过程为MD5加密算法的逆过程。
<...
【专利技术属性】
技术研发人员：梁幼玲，罗静，张坤，唐霖峰，李欣洁，魏海艳，阴振生，周识认，徐桂梅，
申请(专利权)人：中南大学，
类型：发明
国别省市：湖南;43
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。