【技术实现步骤摘要】
本专利技术涉及数字医疗，尤指一种基于人工智能的医疗辅助诊断系统。
技术介绍
1、在当今环境趋势中，季节性流行病的频繁发生对医疗系统构成了严重的挑战。每当流感季节或其他新型季节性流行病如发生爆发时，医疗服务的需求急剧增加，常常超出现有医疗服务的承载能力。这种现象不仅占用了大量的医疗资源，而且还极大地增加了医务人员的工作压力，从而可能影响到疾病诊断和治疗的质量。特别是在流行病高峰期，病例数量的激增会导致医生在诊断时依赖一些常见的流行病特征，如发热、咳嗽等症状，从而可能忽视或误解那些表现出类似症状但实际上由不同原因引起的病例。这种情况下，即使是经验丰富的医生也可能由于工作量的繁琐面临将非流行病情况误诊为流行病的风险，尤其是在临床表现相似的情况下。此外，季节性流行病的重复性负担还可能导致资源分配不均，使得那些需要关注的非流行病症状和疾病得不到足够的医疗关注和处理。这不仅减少了病人的治疗机会，还可能增加误诊和漏诊的风险。
2、因此，需要提出一种基于人工智能的医疗辅助诊断系统通过高效整合和分析大量患者数据，能够区分季节性流行病与其他疾病的病情，特别是在高峰期内提供针对性的诊断支持。
技术实现思路
1、为解决上述问题，本专利技术提供一种基于人工智能的医疗辅助诊断系统。
2、为实现上述目的，本专利技术采用的技术方案是：
3、一种基于人工智能的医疗辅助诊断系统，包括：数字病历管理模块、流行病筛查模块、归分预处理模块和人工智能诊断模块，所述数字病历管理模块分别与所述
4、所述数字病历管理模块用于通过收集并存储数字化的患者个人数据，所述患者个人数据包括个人基本信息、挂号数据、症状、检验报告和确诊报告，所述个人基本信息包括患者id、年龄信息和性别信息；
5、所述流行病筛查模块用于基于数字病历管理模块历史与实时存储的患者个人数据进行分类并进行时间序列分析生成实时流行病模型，基于实时流行病模型根据症状和检验报告生成流行病判断分值；
6、所述归分预处理模块用于根据患者的挂号科类和患者个人数据确定患者的当前就诊类型，所述就诊类型包括复诊和初诊，根据就诊类型对个人数据中患者的历史检验报告和确诊报告进行归分预处理，并生成针对当前就诊类型的输入数据；
7、所述人工智能诊断模块用于以当前就诊类型的输入数据和患者个人数据作为神经网络模型的输入，输出各疾病病情阶段的判断分值，基于各疾病种类的判断分值与流行病判断分值进行判断输出医疗辅助诊断结果。
8、进一步地，所述实时流行病模型通过以下步骤进行构建：
9、从患者个人数据中获取症状、和确诊报告并进行关联生成第一样本数据，根据确诊报告的疾病类型对若干数量的第一样本数据进行分类，得到若干个疾病第一集合；
10、基于发生时间对疾病第一集合的疾病发生数量进行时序分析，得到流行病发生周期；
11、基于同一第一集合中的检验报告的症状和检验报告进行特征提取，生成基于流行病特征的流行病判断式；
12、以流行病发生周期和流行病判断式作为匹配标准生成实时流行病模型。
13、进一步地，所述基于同一第一集合中的检验报告的症状和检验报告进行特征提取包括以下步骤：
14、在第一集合内，按照症状名称进行症状数量统计，基于症状统计结果按比例生成该第一集合的症状配重系数，所述症状配重系数用于构建当前输入症状在对应的第一集合中的症状分表达式；
15、在第一集合内，基于检验报告中的异常项进行数量统计，基于异常项统计结果按比例生成该第一集合的异常项配重系数，所述异常项配重系数用于构建当前检验报告在对应的第一集合中的检验分表达式；
16、对症状分表达式和检验分表达式进行再加权构建流行病判断式，所述流行病判断式用于输出流行病判断分值。
17、进一步地，所述根据患者的挂号科类和患者个人数据确定患者的当前就诊类型包括通过挂号科类与患者个人信息中的挂号信息进行遍历比对，根据比对结果确定就诊类型。
18、进一步地，所述根据就诊类型对个人数据中患者的历史检验报告和确诊报告进行归分预处理包括：
19、获取患者的历史的检验报告和确诊报告,根据就诊类型和历史的确诊报告进行比对，对历史的检验报告进行归分预处理，所述归分预处理包括复诊处理和初诊处理；
20、所述复诊处理包括将历史检验报告的异常分值与本次检验报告的异常分值进行比对得到复诊异常分值差，所述异常分值通过基于该疾病的相关指标进行数值标准化并相加生成；
21、所述初诊处理包括获取最近范围内检验报告的中异常项的平均异常值填充异常项目生成参考报告，基于本次检验报告与参考报告进行比对提取初诊异常项。
22、进一步地，所述生成针对当前就诊类型的输入数据包括：
23、若当前就诊类型为复诊，则输入数据包括就诊类型和复诊异常分值差；
24、若当前就诊类型为初诊，则输入数据包括就诊类型和初诊异常项及项值。
25、进一步地，所述人工智能诊断模块用于执行以下步骤：
26、通过以患者个人数据以及归分预处理模块的输入数据作为神经网络的输入，以各疾病病情阶段的判断分值作为神经网络的输出，训练神经网络模型；
27、基于训练完成的神经网络模型输出各疾病病情阶段的判断分值。
28、进一步地，所述辅助诊断结果包括流行病种类和非流行病种类及阶段。
29、进一步地，所述判断输出医疗辅助诊断结果包括：
30、若各疾病种类的判断分值的降序排列中的前两个的判断分值中包含流行病种类且差值小于预设判断阈值，则对该流行病对应的流行病判断分值进行归一化生成该流行病概率，根据该流行病概率输出疾病种类及阶段；
31、若各疾病种类的判断分值的降序排列中的前两个的判断分值中不包含流行病种类且差值小于预设判断阈值，则同时输出两个疾病种类及阶段；
32、若各疾病种类的判断分值的降序排列中的前两个的判断分值中分值大于或等于预设判断阈值，则只输出最高分值的疾病种类及阶段。
33、本专利技术的有益效果在于：本专利技术通过流行病筛查模块，系统自动从数字病历管理模块收集的数据中提取关键信息（如症状、检验报告）来构建和更新实时流行病模型。这个模型通过时间序列分析确定疾病的周期发生，并结合症状与检验报告的详细分析来生成流行病判断分值。针对不同就诊类型的患者（初诊或复诊），归分预处理模块能够智能地处理和准备输入数据。对于复诊患者，系统会比较历史与当前的检验报告，计算出异常分值差，从而追踪病情变化。对于初诊患者，系统则从最近的检验报告中提取异常项的平均值，为诊断提供参考。这种归分预处理有效地减少了人工识别和数据整理的时间，提高了诊断的精准度和效率。利用通过前述模块处理好的数据，人工智能诊断模块将这些数据作为神经网络的输本文档来自技高网...
【技术保护点】
1.一种基于人工智能的医疗辅助诊断系统，其特征在于，包括：数字病历管理模块、流行病筛查模块、归分预处理模块和人工智能诊断模块，所述数字病历管理模块分别与所述流行病筛查模块和所述归分预处理模块连接，所述流行病筛查模块和所述归分预处理模块分别与人工智能诊断模块连接；
2.根据权利要求1所述的一种基于人工智能的医疗辅助诊断系统，其特征在于，所述实时流行病模型通过以下步骤进行构建：
3.根据权利要求2所述的一种基于人工智能的医疗辅助诊断系统，其特征在于，所述基于同一第一集合中的检验报告的症状和检验报告进行特征提取包括以下步骤：
4.根据权利要求1所述的一种基于人工智能的医疗辅助诊断系统，其特征在于，所述根据患者的挂号科类和患者个人数据确定患者的当前就诊类型包括通过挂号科类与患者个人信息中的挂号信息进行遍历比对，根据比对结果确定就诊类型。
5.根据权利要求1所述的一种基于人工智能的医疗辅助诊断系统，其特征在于，所述根据就诊类型对个人数据中患者的历史检验报告和确诊报告进行归分预处理包括：
6.根据权利要求5所述的一种基于人工智能的医
7.根据权利要求5所述的一种基于人工智能的医疗辅助诊断系统，其特征在于，所述人工智能诊断模块用于执行以下步骤：
8.根据权利要求1所述的一种基于人工智能的医疗辅助诊断系统，其特征在于，所述辅助诊断结果包括流行病种类和非流行病种类及阶段。
9.根据权利要求8所述的一种基于人工智能的医疗辅助诊断系统，其特征在于，所述判断输出医疗辅助诊断结果包括：
...【技术特征摘要】
1.一种基于人工智能的医疗辅助诊断系统，其特征在于，包括：数字病历管理模块、流行病筛查模块、归分预处理模块和人工智能诊断模块，所述数字病历管理模块分别与所述流行病筛查模块和所述归分预处理模块连接，所述流行病筛查模块和所述归分预处理模块分别与人工智能诊断模块连接；
2.根据权利要求1所述的一种基于人工智能的医疗辅助诊断系统，其特征在于，所述实时流行病模型通过以下步骤进行构建：
3.根据权利要求2所述的一种基于人工智能的医疗辅助诊断系统，其特征在于，所述基于同一第一集合中的检验报告的症状和检验报告进行特征提取包括以下步骤：
4.根据权利要求1所述的一种基于人工智能的医疗辅助诊断系统，其特征在于，所述根据患者的挂号科类和患者个人数据确定患者的当前就诊类型包括通过挂号科类与患者个人信息...
【专利技术属性】
技术研发人员：裴永刚，张攀军，马智滨，彭加南，莫虾，
申请(专利权)人：中通服建设有限公司，
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。