【技术实现步骤摘要】
本专利技术涉及数据处理，尤其涉及一种中医多诊合大数据模型的构建方法及系统。
技术介绍
1、目前，随着中医药事业的不断发展，中医诊断方法逐渐呈现出多元化的发展趋势。为了更好地挖掘和传承中医诊断方法，提高中医诊断的准确性和科学性，通过对多种中医诊断方法的综合运用，结合现代大数据技术，为临床医生提供更加全面、准确的诊断依据，从而提高中医诊疗水平成为了中医诊断的当下主流趋势，现有的诊断方法通常都是由中医医师将患者的诊断结果在大数据库中进行检索然后确定病由以及治疗方法，但是上述方法存在以下问题：由于大数据库中的录入的数据都是根据历史患病记录生成的人工经验数据，其存在严重的主观性并且由于不具有严谨的知识体系从而导致无法根据诊断结果进行合理的治疗建议从而降低患者的治疗效果。
技术实现思路
1、针对上述所显示出来的问题，本专利技术提供了一种中医多诊合大数据模型的构建方法及系统用以解决
技术介绍
中提到的由于大数据库中的录入的数据都是根据历史患病记录生成的人工经验数据，其存在严重的主观性并且由于不具有严谨的知识体系从而导致无法根据诊断结果进行合理的治疗建议从而降低患者的治疗效果的问题。
2、一种中医多诊合大数据模型的构建方法，包括以下步骤：
3、获取多源中医知识数据并进行整合，采用特征提取算法从整合中医知识数据中提取出中医诊断相关数据特征；
4、根据中医诊断相关数据特征建立中医知识体系，利用中医知识体系训练深度学习模型，生成初始中医大数据诊断模型；
5、利
6、将优化后的初始中医大数据诊断模型部署到服务器上并进行兼容性测试和二次优化以生成目标中医大数据诊断模型。
7、优选的，所述获取多源中医知识数据并进行整合，采用特征提取算法从整合中医知识数据中提取出中医诊断相关数据特征，包括：
8、获取不同数据来源和不同类型的中医数据并通过数据融合技术进行整合，获取整合中医数据；
9、对整合中医数据进行数据清洗、去重和标准化处理，获取处理后的整合中医数据；
10、提取处理后的整合中医数据中的病理属性，基于病理属性从多个参考特征提取算法中选择适配的目标特征提取算法；
11、利用目标特征提取算法从整合中医知识数据中提取出中医知识概念特征及其延伸诊断数据特征，将所有中医知识概念特征及其延伸诊断数据特征进行整合以生成中医诊断相关数据特征。
12、优选的，在根据中医诊断相关数据特征建立中医知识体系，利用中医知识体系训练深度学习模型，生成初始中医大数据诊断模型之前，还包括：
13、获取多个不同的深度学习模型并对每个深度学习模型设置相同的模型学习参数；
14、基于模型融合技术将不同的深度学习模型进行集成，获取集成深度学习模型；
15、将集成深度学习模型作为待训练的深度学习模型。
16、优选的，所述根据中医诊断相关数据特征建立中医知识体系，利用中医知识体系训练深度学习模型，生成初始中医大数据诊断模型，包括：
17、对中医诊断相关数据特征进行结构化处理，获取中医结构化数据；
18、确定中医结构化数据中各个数据之间的因果关系和条件关系并进行思维结构导图绘制，获取绘制结果；
19、根据绘制结果建立中医知识体系，确定中医知识体系中各个体系条目的中医大数据；
20、利用中医知识体系中各个体系条目的中医大数据训练深度学习模型，生成初始中医大数据诊断模型。
21、优选的，所述利用中医大数据诊断模型对中医诊断结果进行推理和验证，根据验证结果优化模型精度，包括：
22、收集中医诊断数据并对其进行标准化和归一化处理，根据处理结果生成中医诊断结果；
23、将中医诊断结果输入到中医大数据诊断模型中，获取模型输出结果；
24、运用机器学习和自然语言处理技术对模型输出结果进行逻辑分析，获取分析数据；
25、根据分析数据确定中医大数据诊断模型的诊断结果与人工诊断结果的差异参数，根据差异参数确定模型知识优化项，对模型知识优化项进行参数修改以优化模型精度。
26、优选的，所述将优化后的初始中医大数据诊断模型部署到服务器上并进行兼容性测试和二次优化以生成目标中医大数据诊断模型，包括：
27、检查服务器的硬件资源和服务器环境是否符合部署要求，若是，创建虚拟部署环境，若否，对服务器进行硬件驱动和环境优化直到其符合部署要求为止；
28、在虚拟部署环境中部署优化后的初始中医大数据诊断模型并检测模型运行情况和性能参数；
29、根据模型运行情况和性能参数确定服务器与优化后的初始中医大数据诊断模型之间的兼容度；
30、若兼容度大于等于预设阈值，确认无需对优化后的初始中医大数据诊断模型进行二次优化，若兼容度小于预设阈值，通过决策树模型对优化后的初始中医大数据诊断模型进行二次性能优化以生成目标中医大数据诊断模型。
31、优选的，所述方法还包括：
32、获取目标患者多来源的中医诊疗数据并进行整合；
33、利用目标中医大数据诊断模型对整合后的数据进行深入挖掘和分析，获取分析结果；
34、根据分析结果生成对于目标患者的个性化治疗方案；
35、将个性化治疗方案上传至医师所在终端进行参考和决策。
36、优选的，在利用中医知识体系训练深度学习模型，生成初始中医大数据诊断模型之前之前，还包括：
37、构建数据库，将中医知识体系及其体系知识存储到数据库中；
38、确定中医知识体系中每个体系知识项及其关联知识并将其单独存储到数据库的文件栏中；
39、对每个体系知识项进行周期性检索，根据检索结果获取每个体系知识项的知识更新内容；
40、将每个体系知识项的知识更新内容填充到该体系知识项的目标文件栏中。
41、优选的，确定中医结构化数据中各个数据之间的因果关系和条件关系，包括：
42、确定各个数据的数据变量，根据数据变量将各个数据进行分类，根据分类结果确定各个数据之间的因果关系；
43、使用条件图基于各个数据的数据变量确定各个数据之间的条件关系。
44、一种中医多诊合大数据模型的构建系统，该系统包括：
45、提取模块，用于获取多源中医知识数据并进行整合，采用特征提取算法从整合中医知识数据中提取出中医诊断相关数据特征；
46、第一生成模块，用于根据中医诊断相关数据特征建立中医知识体系，利用中医知识体系训练深度学习模型，生成初始中医大数据诊断模型；
47、验证模块，用于利用中医大数据诊断模型对中医诊断结果进行推理和验证，根据验证结果优化模型精度；
48、第二生成模块，用于将优化后的初始中医大数据诊断模型部署到服务器上并进本文档来自技高网...
【技术保护点】
1.一种中医多诊合大数据模型的构建方法，其特征在于，包括以下步骤：
2.根据权利要求1所述中医多诊合大数据模型的构建方法，其特征在于，所述获取多源中医知识数据并进行整合，采用特征提取算法从整合中医知识数据中提取出中医诊断相关数据特征，包括：
3.根据权利要求1所述中医多诊合大数据模型的构建方法，其特征在于，在根据中医诊断相关数据特征建立中医知识体系，利用中医知识体系训练深度学习模型，生成初始中医大数据诊断模型之前，还包括：
4.根据权利要求1所述中医多诊合大数据模型的构建方法，其特征在于，所述根据中医诊断相关数据特征建立中医知识体系，利用中医知识体系训练深度学习模型，生成初始中医大数据诊断模型，包括：
5.根据权利要求1所述中医多诊合大数据模型的构建方法，其特征在于，所述利用中医大数据诊断模型对中医诊断结果进行推理和验证，根据验证结果优化模型精度，包括：
6.根据权利要求1所述中医多诊合大数据模型的构建方法，其特征在于，所述将优化后的初始中医大数据诊断模型部署到服务器上并进行兼容性测试和二次优化以生成目标中医大数据诊断模
7.根据权利要求1所述中医多诊合大数据模型的构建方法，其特征在于，所述方法还包括：
8.根据权利要求1所述中医多诊合大数据模型的构建方法，其特征在于，在利用中医知识体系训练深度学习模型，生成初始中医大数据诊断模型之前之前，还包括：
9.根据权利要求4所述中医多诊合大数据模型的构建方法，其特征在于，确定中医结构化数据中各个数据之间的因果关系和条件关系，包括：
10.一种中医多诊合大数据模型的构建系统，其特征在于，该系统包括：
...【技术特征摘要】
1.一种中医多诊合大数据模型的构建方法，其特征在于，包括以下步骤：
2.根据权利要求1所述中医多诊合大数据模型的构建方法，其特征在于，所述获取多源中医知识数据并进行整合，采用特征提取算法从整合中医知识数据中提取出中医诊断相关数据特征，包括：
3.根据权利要求1所述中医多诊合大数据模型的构建方法，其特征在于，在根据中医诊断相关数据特征建立中医知识体系，利用中医知识体系训练深度学习模型，生成初始中医大数据诊断模型之前，还包括：
4.根据权利要求1所述中医多诊合大数据模型的构建方法，其特征在于，所述根据中医诊断相关数据特征建立中医知识体系，利用中医知识体系训练深度学习模型，生成初始中医大数据诊断模型，包括：
5.根据权利要求1所述中医多诊合大数据模型的构建方法，其特征在于，所述利用中医大数...
【专利技术属性】
技术研发人员：白伟民，
申请(专利权)人：安顿健康科技有限公司，
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。