【技术实现步骤摘要】
本专利技术涉及人工智能，具体而言，涉及一种基于多重知识表达的舌象处理预测系统及方法。
技术介绍
1、肥胖(obesity)是指对机体脂肪总含量过多和/或局部含量增多及分布异常而引起的慢性代谢性疾病，尤其是腹型肥胖(中心性肥胖)人群多项慢病风险都会远远高于健康人群，例如高血压、糖尿病等。舌象诊断是中医诊断方法的重要组成部分，它基于中医的理论体系，通过观察舌头的形态、颜色、舌苔以及舌下血脉等方面来反映人体的健康状态和疾病变化。舌象诊断的意义主要包括：1)反映脏腑功能：中医认为舌头与人体的脏腑经络相联系，不同区域的舌象变化可以反映相应脏腑的功能状态；2)指示疾病性质：通过舌象的冷热、虚实变化，可以推断疾病的性质，如寒热、虚实等；3)评估疾病进程：舌象的变化可以帮助医生判断疾病的发展和转归，如病情的轻重、好转或恶化。舌象诊断是一个无创、简便、直观的诊断方法，但它也需要医生具有丰富的经验和知识。现代医学研究也在尝试将舌象诊断与生物信息学、图像处理等技术结合，以提高其诊断的准确性和客观性。而体检数据是病患的常见医学信息，是整个医疗系统内需要使用的重要数据。在传统的医疗系统中，往往采用人工的方式对舌象数据和体检数据进行处理，不仅需要专业的技术人员才能对其进行处理，而且处理效率低下，受相应的技术人员的从业经验影响较大。
2、近年来，人工智能技术在医学影像中的应用越来越广泛，尤其是随着深度学习的发展，深度学习模型作为一种对物体的高级表示，在医学图像识别领域取得了一定的成就。从而现有技术中也有利用人工智能技术对舌象数据和体检数据的处理的
技术实现思路
1、本专利技术的目的在于提供一种基于多重知识表达的舌象处理预测系统及方法，其能够有效地针对舌象数据和体检数据进行数据处理及预测，从而可以提高两者数据的处理效率和准确度，便于相关的从业人员更好更准确的对两者数据之间的联系进行分析和理解。
2、本专利技术的实施例是这样实现的：
3、第一方面，本申请实施例提供一种基于多重知识表达的舌象处理预测系统，包括：
4、数据采集模块，用于采集腹型肥胖患者脱敏数据，并基于腹型肥胖患者脱敏数据生成舌象数据和体检数据集；数据特征提取模块，用于根据第一预设规则对舌象数据和体检数据集中的舌象数据进行处理，得到舌象识别特征数据，并根据第二预设规则对舌象数据和体检数据集中的体检数据进行处理，得到体检文本数据；多重知识表达训练模块模块，用于将舌象识别特征数据和体检文本数据作为训练数据，训练卷积神经网络预测模型，训练过程中的损失函数采用交叉熵损失函数；预测模块，用于将待预测的体检患者脱敏数据输入预测模型训练模块训练好的预测模型中，得到对应的数据预测结果。
5、基于transformer作为深度特征建模的主要框架，并为每一种模态的输入设置对应格式的编码器网络。舌象数据首先被分为一个patch序列，然后由线性编码器映射为输入序列，文本数据经过tokenizer转换为token序列，多组学图数据经由三层图团卷积网络编码为序列输入。所有的输入数据经对应的特征编码器转换为序列表示，并基于旋转位置编码方式编码每个token的位置组成多模态特征网络结构的输入；作为特征编码和特征融合的transformer网络采用共享权重，即有一个主干transformer应用于任何模态，并通过cross-attention网络模块将所有模态的数据都融合在一起。经过多模态数据对齐后，得到的统一特征表示将由一个解码器进行解码，用以进行分类器工作。特征融合通常采用并联(concatenation)方法，即直接将表格数据特征和舌象图像特征向量按顺序拼接成一个长向量。此外，为了更有效地融合不同来源的特征，可以采用特征选择和降维技术(如pca)来减少冗余和提高计算效率。
6、在本专利技术的一些实施例中，上述数据采集模块进一步用于基于腹型肥胖患者脱敏数据分别与舌象数据和体检数据之间的逻辑关系进行录入、编辑和查看对应的标签数据。
7、在本专利技术的一些实施例中，上述第一预设规则包括利用预置的舌象处理方法对舌象数据中的舌面图片、舌下图片进行舌象特征的提取，以此判断腹型肥胖的性质、病势的浅深、气血的盛衰、津液的盈亏及脏腑的虚实等，所述舌象特征包括舌色、苔色、舌态、舌下脉络及舌下粘膜等。
8、在本专利技术的一些实施例中，上述第二预设规则包括：利用xgboost和lightgbm算法对体检数据进行预训练，并基于预训练获得的特征重要性排序进行选择特征，得到特征选择信息。基于特征选择信息建立体检文本数据。
9、在本专利技术的一些实施例中，上述第二预设规则包括对缺失值进行填充、进行异常值检测和对离群点进行单独处理。
10、在本专利技术的一些实施例中，上述对缺失值进行填充的方法包括平均值填充、中值填充、众数填充或回归填充中的至少一种，对离群点进行单独处理包括对离群点采用剔除或替换进行重构处理。
11、第二方面，本申请实施例提供一种基于多重知识表达的舌象处理预测方法，其包括以下步骤：
12、采集舌象患者脱敏数据，并基于舌象患者脱敏数据生成舌象数据和体检数据。根据第一预设规则对舌象数据进行处理，得到舌象识别特征数据，并根据第二预设规则对体检数据进行处理，得到体检文本数据。将舌象识别特征数据和体检文本数据作为训练数据，训练神经网络预测模型，训练过程中的损失函数采用交叉熵损失函数。将待预测的体检患者脱敏数据输入预测模型训练模块训练好的预测模型中，得到对应的预测结果。
13、第三方面，本申请实施例提供一种电子设备，其包括存储器，用于存储一个或多个程序；处理器。当上述一个或多个程序被上述处理器执行时，实现如上述的基于多重知识表达的舌象处理预测方法。
14、第四方面，本申请实施例提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述的基于多重知识表达的舌象处理预测方法。
15、相对于现有技术，本专利技术的实施例至少具有如下优点或有益效果：
16、本专利技术的实施例提出了一种基于多重知识表达的舌象处理预测系统，其首先通过数据采集模块进行采集腹型肥胖患者脱敏数据，并根据采集的脱敏数据进行生成舌象数据和体检数据集，接着就可以通过数据预处理模块根据相应的预设规则分别对舌象数据和体检数据进行处理，方便接下来送入预测模型训练模块进行训练神经网络预测模型，用以得到预测模型。最后，将待预测的体检患者脱敏数据输入预测模型训练模块训练好的预测模型中，即可得到对应的数据预测结果。整个数据处理预测系统通过利用舌象数据和体检数据作为原始数据变量，建立对应的预测模型，可以在有效的挖掘和分析两者之间的联系的基础上，对舌象数据和体检数据进行更好的数据处理及预测，从而便于相关的从业人员更好更准确的对两者数据之间的联系进行分析和理解。
本文档来自技高网...【技术保护点】
1.一种基于多重知识表达的舌象处理预测系统，其特征在于，包括：
2.如权利要求1所述的一种基于多重知识表达的舌象处理预测系统，其特征在于，所述训练神经网络预测模型具体包括：
3.如权利要求1所述的一种基于多重知识表达的舌象处理预测系统，其特征在于，所述数据采集模块进一步用于基于所述腹型肥胖患者脱敏数据分别与所述舌象数据和体检数据之间的逻辑关系进行录入、编辑和查看对应的标签数据。
4.如权利要求1所述的一种基于多重知识表达的舌象处理预测系统，其特征在于，所述第一预设规则包括利用预置的舌象处理方法对舌象数据中的舌面图片、舌下图片进行舌象特征的提取，以此判断腹型肥胖的性质、病势的浅深、气血的盛衰、津液的盈亏及脏腑的虚实，所述舌象特征包括舌色、苔色、舌态、舌下脉络及舌下粘膜。
5.如权利要求1所述的一种基于多重知识表达的舌象处理预测系统，其特征在于，所述第二预设规则包括：
6.如权利要求1所述的一种基于多重知识表达的舌象处理预测系统，其特征在于，所述第二预设规则包括对缺失值进行填充、进行异常值检测和对离群点进行单独处理。
...【技术特征摘要】
1.一种基于多重知识表达的舌象处理预测系统，其特征在于，包括：
2.如权利要求1所述的一种基于多重知识表达的舌象处理预测系统，其特征在于，所述训练神经网络预测模型具体包括：
3.如权利要求1所述的一种基于多重知识表达的舌象处理预测系统，其特征在于，所述数据采集模块进一步用于基于所述腹型肥胖患者脱敏数据分别与所述舌象数据和体检数据之间的逻辑关系进行录入、编辑和查看对应的标签数据。
4.如权利要求1所述的一种基于多重知识表达的舌象处理预测系统，其特征在于，所述第一预设规则包括利用预置的舌象处理方法对舌象数据中的舌面图片、舌下图片进行舌象特征的提取，以此判断腹型肥胖的性质、病势的浅深、气血的盛衰、津液的盈亏及脏腑的虚实，所述舌象特征包括舌色、苔色、舌态、舌下脉络及舌下粘膜。
5.如权利要求1所述的一种基于多重知识表达的舌象处理预测系统，其特征在于，所述第二预设规则包括：
6.如权利...
【专利技术属性】
技术研发人员：赵费敏，潘云菲，朱明莉，蒋彬捷，陈潇俊，徐津，钱家佳，
申请(专利权)人：湖州市中心医院，
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。