本发明专利技术公开了基于人工智能图像识别的中医辅诊方法及系统，涉及中医辅诊技术领域，对数据库的综合特征向量进行聚类分析，将数据库中的电子病历分为多个病例簇，基于病历数据以及图像数据构建新患者的综合特征向量，基于关联函数分析新患者的综合特征向量隶属病例簇，并计算新患者的综合特征向量与隶属病例簇中所有综合特征向量的匹配得分，依据匹配得分进行新患者病情匹配，并根据病情匹配结果为新患者生成病情模式、诊断和治疗方案，将病情模式、诊断和治疗方案向医生展示。辅诊系统依据关联函数将新患者的电子病历与病例簇中的电子病历进行匹配，根据匹配结果生成病情模式推荐给医生，提高医生对患者病情诊断效率和诊断效果。
【技术实现步骤摘要】
本专利技术涉及中医辅诊，具体涉及基于人工智能图像识别的中医辅诊方法及系统。
技术介绍
1、中医基于阴阳五行理论，通过“望、闻、问、切”四诊合参来了解病人的身体状况，诊断时，医生会综合考虑病人的体质、病情、生活习惯等因素，中医辅诊系统是一种利用现代技术来辅助中医诊断的工具，它结合了中医学理论和现代信息技术，以提高中医诊断的准确性和效率；
2、现有的中医诊断方法依赖于医生的经验和人工分析，不同医生由于经验和知识背景的差异，可能对同一病情做出不同的诊断，一是可能导致诊断过程耗时较长，二是新医生需要长时间的实践积累才能达到较高的诊断水平，对于一些复杂的病情，医生可能难以在短时间内综合大量信息做出准确诊断，从而降低对患者的诊断效果和诊断效率。
3、基于此，本专利技术提出基于人工智能图像识别的中医辅诊方法及系统，依据关联函数将新患者的电子病历与病例簇中的电子病历进行匹配，根据匹配结果生成病情模式推荐给医生，提高医生对患者病情诊断效率和诊断效果。
技术实现思路
1、本专利技术的目的是提供基于人工智能图像识别的中医辅诊方法及系统，以解决
技术介绍
中不足。
2、为了实现上述目的，本专利技术提供如下技术方案：基于人工智能图像识别的中医辅诊方法，所述辅诊方法包括以下步骤：
3、辅诊系统获取医院数据库中的电子病历数据以及图像数据，对电子病历数据以及图像数据进行预处理，基于自然语言处理算法从电子病历文本中提出病历特征，使用深度学习模型从图像数据中提取图像特征；</p>4、将病历特征和图像特征组合，构建综合特征向量，表示每个病历的特征，使用k-means算法对综合特征向量进行聚类分析，将数据库中的电子病历分为多个病例簇，记录病例簇信息；
5、获取新患者的病历数据以及图像数据，并基于病历数据以及图像数据构建新患者的综合特征向量，基于关联函数分析新患者的综合特征向量隶属病例簇，并计算新患者的综合特征向量与隶属病例簇中所有综合特征向量的匹配得分，依据匹配得分进行新患者病情匹配，并根据病情匹配结果为新患者生成病情模式、诊断和治疗方案，将病情模式、诊断和治疗方案向医生展示。
6、在一个优选的实施方式中，基于关联函数分析新患者的综合特征向量隶属病例簇包括以下步骤：
7、将综合特征向量相似度、电子病历格式相似度以及图片样式相似度综合计算获取排序系数xf；
8、获取每个病例簇中心的排序系数，以及病例簇中所有综合特征向量的排序系数，综合计算病例簇的排序赋值，表达式为：式中，fz为排序赋值，xfavg为病例簇中心的排序系数，xfi为病例簇中第i个综合特征向量的排序系数，且n为病例簇中综合特征向量数量；
9、获取所有病例簇的排序赋值后，分析新患者的综合特征向量隶属排序赋值最大的病例簇。
10、在一个优选的实施方式中，计算新患者的综合特征向量与隶属病例簇中所有综合特征向量的匹配得分，依据匹配得分进行新患者病情匹配，包括以下步骤：
11、匹配得分通过欧式距离计算公式获取，表达式为：式中，sd为匹配得分，m表示样本数量，xi表示新患者第i个样本值，表示病例簇第i个样本值，匹配得分越小，表示新患者样本与病例簇样本越相似；
12、将病例簇中所有的综合特征向量依据匹配得分由小到大进行排序，选择排序第一的综合特征向量进行新患者病情匹配。
13、在一个优选的实施方式中，使用k-means算法对综合特征向量进行聚类分析，将数据库中的电子病历分为多个病例簇，记录病例簇信息，包括以下步骤：
14、随机生成不同k值的k-means聚类，计算每个k值对应的总平方误差，绘制k值与sse的关系图，寻找关系图中sse减小幅度最大的肘部点，肘部点为最佳k值；
15、使用确定的k值，应用k-means算法对综合特征向量进行聚类分析，生成多个病例簇，记录每个病历所属的簇标签，每个簇标签代表一个病例簇。
16、在一个优选的实施方式中，应用k-means算法对综合特征向量进行聚类分析，生成多个病例簇，包括以下步骤：
17、随机选取k个综合特征向量作为初始簇中心，计算剩余每个综合特征向量到初始簇中心的欧式距离，将每个综合特征向量分配到欧式距离最近初始簇中心对应的簇，在所有综合特征向量划分完成后，计算每个簇内综合特征向量的均值作为新的簇中心，重复迭代不断更新簇的簇中心，计算新簇中心与上一簇中心的欧氏距离，当任一次迭代的新簇中心与上一簇中心的欧氏距离小于等于距离阈值时，k-means算法收敛，停止迭代并输出多个病例簇。
18、在一个优选的实施方式中，将病历特征和图像特征组合，构建综合特征向量，表示每个病历的特征，包括以下步骤：
19、对电子病历中提取的文本特征进行标准化处理，包括将数值型特征标准化到[0,1]范围内，将类别型特征进行独热编码；
20、对图像数据中提取的特征进行标准化处理，标准化处理包括归一化处理；
21、将标准化后的文本特征和图像特征进行拼接，构成一个综合特征向量，设文本特征向量为[t1,t2,...,tn]，图像特征向量为[i1,i2,...,im]，拼接后的综合特征向量为[t1,t2,...,tn,i1,i2,...,im]；
22、获取综合特征向量的资源消耗指数以及拟合指数，依据资源消耗指数以及拟合指数生成维度系数，通过维度系数与系数阈值的对比结果判断是否需要对综合特征向量进行降维处理，基于判断结果生成相应的管理策略。
23、在一个优选的实施方式中，依据资源消耗指数以及拟合指数生成维度系数，通过维度系数与系数阈值的对比结果判断是否需要对综合特征向量进行降维处理，基于判断结果生成相应的管理策略，包括以下步骤：
24、将资源消耗指数以及拟合指数进行归一化处理，使资源消耗指数以及拟合指数取值范围映射到[0,1]之间，获取资源消耗指数归一化值以及拟合指数归一化值，将资源消耗指数归一化值以及拟合指数归一化值求和获取维度系数，若维度系数大于系数阈值，判断需要对综合特征向量进行降维处理，若维度系数小于等于系数阈值，判断不需要对综合特征向量进行降维处理，当判断需要对综合特征向量进行降维处理时，通过t-sne算法对综合特征向量进行降维处理。
25、基于人工智能图像识别的中医辅诊系统，包括病例簇划分模块、隶属分析模块、匹配推荐模块；
26、病例簇划分模块：获取医院数据库中的电子病历数据以及图像数据，对电子病历数据以及图像数据进行预处理，基于自然语言处理算法从电子病历文本中提出病历特征，使用深度学习模型从图像数据中提取图像特征，将病历特征和图像特征组合，构建综合特征向量，表示每个病历的特征，使用k-means算法对综合特征向量进行聚类分析，将数据库中的电子病历分为多个病例簇，记录病例簇信息；
27、隶属分析模块：获取新患者的病历数据以及图像数据，并基于病历数据以及图像数据构建新患者的综合特征向量，基本文档来自技高网
...
【技术保护点】
1.基于人工智能图像识别的中医辅诊方法，其特征在于：所述辅诊方法包括以下步骤：
2.根据权利要求1所述的基于人工智能图像识别的中医辅诊方法，其特征在于：基于关联函数分析新患者的综合特征向量隶属病例簇包括以下步骤：
3.根据权利要求2所述的基于人工智能图像识别的中医辅诊方法，其特征在于：计算新患者的综合特征向量与隶属病例簇中所有综合特征向量的匹配得分，依据匹配得分进行新患者病情匹配，包括以下步骤：
4.根据权利要求3所述的基于人工智能图像识别的中医辅诊方法，其特征在于：使用K-means算法对综合特征向量进行聚类分析，将数据库中的电子病历分为多个病例簇，记录病例簇信息，包括以下步骤：
5.根据权利要求4所述的基于人工智能图像识别的中医辅诊方法，其特征在于：应用K-means算法对综合特征向量进行聚类分析，生成多个病例簇，包括以下步骤：
6.根据权利要求5所述的基于人工智能图像识别的中医辅诊方法，其特征在于：将病历特征和图像特征组合，构建综合特征向量，表示每个病历的特征，包括以下步骤：
7.根据权利要求6所述的基于人工智能图像识别的中医辅诊方法，其特征在于：依据资源消耗指数以及拟合指数生成维度系数，通过维度系数与系数阈值的对比结果判断是否需要对综合特征向量进行降维处理，基于判断结果生成相应的管理策略，包括以下步骤：
8.基于人工智能图像识别的中医辅诊系统，用于实现权利要求1-7任一项所述的辅诊方法，其特征在于：包括病例簇划分模块、隶属分析模块、匹配推荐模块；
...
【技术特征摘要】
1.基于人工智能图像识别的中医辅诊方法，其特征在于：所述辅诊方法包括以下步骤：
2.根据权利要求1所述的基于人工智能图像识别的中医辅诊方法，其特征在于：基于关联函数分析新患者的综合特征向量隶属病例簇包括以下步骤：
3.根据权利要求2所述的基于人工智能图像识别的中医辅诊方法，其特征在于：计算新患者的综合特征向量与隶属病例簇中所有综合特征向量的匹配得分，依据匹配得分进行新患者病情匹配，包括以下步骤：
4.根据权利要求3所述的基于人工智能图像识别的中医辅诊方法，其特征在于：使用k-means算法对综合特征向量进行聚类分析，将数据库中的电子病历分为多个病例簇，记录病例簇信息，包括以下步骤：
5.根据权利要求4所述的基于人工智能图像识...
【专利技术属性】
技术研发人员：张永财，牛熠，王浩亮，
申请(专利权)人：东莞城市学院，
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。