CN109949927A - 一种基于深度神经网络的智能诊断方法及其系统 - Google Patents
一种基于深度神经网络的智能诊断方法及其系统 Download PDFInfo
- Publication number
- CN109949927A CN109949927A CN201910119744.8A CN201910119744A CN109949927A CN 109949927 A CN109949927 A CN 109949927A CN 201910119744 A CN201910119744 A CN 201910119744A CN 109949927 A CN109949927 A CN 109949927A
- Authority
- CN
- China
- Prior art keywords
- illness
- neural network
- deep neural
- submodule
- server
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000013528 artificial neural network Methods 0.000 title claims abstract description 24
- 238000000034 method Methods 0.000 title claims abstract description 16
- 238000012549 training Methods 0.000 claims abstract description 47
- 238000003745 diagnosis Methods 0.000 claims abstract description 38
- 238000003780 insertion Methods 0.000 claims abstract description 20
- 230000037431 insertion Effects 0.000 claims abstract description 20
- 238000003062 neural network model Methods 0.000 claims abstract description 17
- 238000004364 calculation method Methods 0.000 claims abstract description 7
- 238000012790 confirmation Methods 0.000 claims description 5
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims description 5
- 201000010099 disease Diseases 0.000 claims description 4
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
Landscapes
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明公开了一种基于深度神经网络的智能诊断方法，搭建深度神经网络模型，训练数据，并将训练后的模型嵌入到服务器程序中；接收用户端输入的病症，并输入至服务器程序中；接收服务器病症数据库信息，计算得出用户端输入的病症关键词和服务器病症数据库中关键词的词向量相似度；根据相似度进行初步诊断，并反馈诊断结果至用户端。本发明还公开了一种基于深度神经网络的智能诊断系统，包括数据训练模块、病症接收模块、相似度计算模块和诊断反馈模块。本发明创新性的使用深度神经网络算法来训练词向量模型，可以自动识别用户输入的关键信息，结合服务器病症数据库，给医生和顾客提供一个初步的诊断参考，提高医生诊断效率。
Description
技术领域
本发明涉及数据分析技术领域，具体涉及一种基于深度神经网络的智能诊断方法及其系统。
背景技术
传统的医生诊断病症的过程中，往往需要患者进行排号、排队进入诊断室进行现场诊断，费时费力，极大降低了医生诊断的效率；同时，也极大影响了患者的就诊体验，对于对自身患病情况有所了解的患者，如果还是按照医院排号、诊断、拿药等流程的话，不仅会导致医院呈人员饱和状态，也大大影响了医生诊断的效率，对于每个患者，医生都需要从头开始诊断，导致医生随时处于人工就诊状态，进而也会导致医生的疲劳，影响医生的诊断准确率。
发明内容
基于此，针对上述问题，有必要提出一种可以自动识别用户输入的关键信息，结合数据库，给医生和顾客提供一个初步的诊断参考，提高医生诊断效率的基于深度神经网络的智能诊断方法及其系统。
本发明提供一种基于深度神经网络的智能诊断方法，其技术方案如下：
一种基于深度神经网络的智能诊断方法，包括以下步骤：
a、搭建深度神经网络模型，训练数据，并将训练后的模型嵌入到服务器程序中；
b、接收用户端输入的病症，并输入至服务器程序中；
c、接收服务器病症数据库信息，计算得出用户端输入的病症关键词和服务器病症数据库中关键词的词向量相似度；
d、根据相似度进行初步诊断，并反馈诊断结果至用户端。
在本技术方案中，使用深度神经网络模型来训练数据，可以自动识别用户输入的关键信息，结合服务器病症数据库，给用户一个初步的诊断结果，提高医生诊断效率。
优选的，所述步骤a包括以下步骤：
a101、收集训练数据，并进行数据整理和归类；
a102、搭建深度神经网络模型，训练所收集并整理的训练数据，获取词向量模型；
a103、将词向量模型嵌入到服务器程序中。
在本技术方案中，使用深度神经网络模型训练词向量模型，为后续计算词向量相似度提供了模型基础。
优选的，所述步骤b包括以下步骤：
b101、接收用户端输入的病症，并对该病症进行扫描；
b102、对扫描后的病症信息进行分词操作，获取病症关键词；
b103、将分词后的病症信息输入至服务器程序中。
自动识别用户输入的关键信息，并进行分词提取关键词，结合服务器病症数据库，使得相似度的计算更为准确。
优选的，所述步骤d中进行初步诊断包括以下步骤：
若相似度大于等于50％，则初步确认病症，并获取服务器病症数据库中与用户端输入的病症相似的病症信息；反之，不获取。
判断出相似度后，根据相似程度确认用户输入的病症是否是服务器病症数据库中与之相匹配的病症信息，如果是相似度高的，则获取服务器病症数据库中的病症信息，并反馈给患者和医生，为医生提供初步的诊断参考，方便医生进行诊断确认。
本发明还提供一种基于深度神经网络的智能诊断系统，其技术方案如下：
一种基于深度神经网络的智能诊断系统，包括数据训练模块、病症接收模块、相似度计算模块和诊断反馈模块，其中：
数据训练模块，用于搭建深度神经网络模型，训练数据，并将训练后的模型嵌入到服务器程序中；
病症接收模块，用于接收用户端输入的病症描述信息，并输入至服务器程序中；
相似度计算模块，用于接收服务器病症数据库信息，计算得出用户端输入的病症关键词和服务器病症数据库中关键词的词向量相似度；
诊断反馈模块，用于根据相似度进行初步诊断，并反馈诊断结果至用户端。
优选的，所述数据训练模块包括数据整理子模块、模型训练子模块和模型嵌入子模块，其中：
数据整理子模块，用于收集训练数据，并进行数据整理和归类；
模型训练子模块，用于搭建深度神经网络模型，训练所收集并整理的训练数据，获取词向量模型；
模型嵌入子模块，用于将词向量模型嵌入到服务器程序中。
优选的，所述病症接收模块包括病症扫描子模块、信息分词子模块和信息录入子模块，其中：
病症扫描子模块，用于接收用户端输入的病症，并对该病症进行扫描；
信息分词子模块，用于对扫描后的病症信息进行分词操作，获取病症关键词；
信息录入子模块，用于将分词后的病症信息输入至服务器程序中。
优选的，所述诊断反馈模块包括病症确认子模块，用于判断相似度大于等于50％时，初步确认病症，并获取服务器病症数据库中与用户端输入的病症相似的病症信息。
本发明的有益效果是：
本发明创新性的使用深度神经网络算法来训练词向量模型，可以自动识别用户输入的关键信息，结合服务器病症数据库，给医生和顾客提供一个初步的诊断参考，提高医生诊断效率。
附图说明
图1是本发明实施例所述基于深度神经网络的智能诊断方法的流程图；
图2是本发明实施例所述基于深度神经网络的智能诊断系统的原理框图。
附图标记说明：
10-数据训练模块；101-数据整理子模块；102-模型训练子模块；103-模型嵌入子模块；20-病症接收模块；201-病症扫描子模块；202-信息分词子模块；203-信息录入子模块；30-相似度计算模块；40-诊断反馈模块；401-病症确认子模块。
具体实施方式
下面结合附图对本发明的实施例进行详细说明。
实施例1
如图1所示，一种基于深度神经网络的智能诊断方法，包括以下步骤：
a、搭建深度神经网络模型，训练数据，并将训练后的模型嵌入到服务器程序中；
b、接收用户端输入的病症，并输入至服务器程序中；
c、接收服务器病症数据库信息，计算得出用户端输入的病症关键词和服务器病症数据库中关键词的词向量相似度；
d、根据相似度进行初步诊断，并反馈诊断结果至用户端。
在本实施例中，使用深度神经网络模型来训练数据，可以自动识别用户输入的关键信息，结合服务器病症数据库，给用户一个初步的诊断结果，提高医生诊断效率。
实施例2
本实施例在实施例1的基础上，所述步骤a包括以下步骤：
a101、收集训练数据，并进行数据整理和归类；
a102、搭建深度神经网络模型，训练所收集并整理的训练数据，获取词向量模型；
a103、将词向量模型嵌入到服务器程序中。
在本实施例中，使用深度神经网络模型训练词向量模型，为后续计算词向量相似度提供了模型基础。
实施例3
本实施例在实施例1的基础上，所述步骤b包括以下步骤：
b101、接收用户端输入的病症，并对该病症进行扫描；
b102、对扫描后的病症信息进行分词操作，获取病症关键词；
b103、将分词后的病症信息输入至服务器程序中。
自动识别用户输入的关键信息，并进行分词提取关键词，结合服务器病症数据库，使得相似度的计算更为准确。
实施例4
本实施例在实施例1的基础上，所述步骤d中进行初步诊断包括以下步骤：
若相似度大于等于50％，则初步确认病症，并获取服务器病症数据库中与用户端输入的病症相似的病症信息；反之，不获取。
判断出相似度后，根据相似程度确认用户输入的病症是否是服务器病症数据库中与之相匹配的病症信息，如果是相似度高的，则获取服务器病症数据库中的病症信息，并反馈给患者和医生，为医生提供初步的诊断参考，方便医生进行诊断确认。
实施例5
本实施例为实施例1的系统，如图2所示，一种基于深度神经网络的智能诊断系统，包括数据训练模块10、病症接收模块20、相似度计算模块30和诊断反馈模块40，其中：
数据训练模块10，用于搭建深度神经网络模型，训练数据，并将训练后的模型嵌入到服务器程序中；
病症接收模块20，用于接收用户端输入的病症，并输入至服务器程序中；
相似度计算模块30，用于接收服务器病症数据库信息，计算得出用户端输入的病症关键词和服务器病症数据库中关键词的词向量相似度；
诊断反馈模块40，用于根据相似度进行初步诊断，并反馈诊断结果至用户端。
实施例6
本实施例为实施例2的系统，所述数据训练模块10包括数据整理子模块101、模型训练子模块102和模型嵌入子模块103，其中：
数据整理子模块101，用于收集训练数据，并进行数据整理和归类；
模型训练子模块102，用于搭建深度神经网络模型，训练所收集并整理的训练数据，获取词向量模型；
模型嵌入子模块103，用于将词向量模型嵌入到服务器程序中。
实施例7
本实施例为实施例3的系统，所述病症接收模块20包括病症扫描子模块201、信息分词子模块202和信息录入子模块203，其中：
病症扫描子模块201，用于接收用户端输入的病症，并对该病症进行扫描；
信息分词子模块202，用于对扫描后的病症信息进行分词操作，获取病症关键词；
信息录入子模块203，用于将分词后的病症信息输入至服务器程序中。
实施例8
本实施例为实施例4的系统，所述诊断反馈模块40包括病症确认子模块401，用于判断相似度大于等于50％时，初步确认病症，并获取服务器病症数据库中与用户端输入的病症相似的病症信息。
以上所述实施例仅表达了本发明的具体实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。
Claims (8)
1.一种基于深度神经网络的智能诊断方法，其特征在于，包括以下步骤：
a、搭建深度神经网络模型，训练数据，并将训练后的模型嵌入到服务器程序中；
b、接收用户端输入的病症，并输入至服务器程序中；
c、接收服务器病症数据库信息，计算得出用户端输入的病症关键词和服务器病症数据库中关键词的词向量相似度；
d、根据相似度进行初步诊断，并反馈诊断结果至用户端。
2.根据权利要求1所述的基于深度神经网络的智能诊断方法，其特征在于，所述步骤a包括以下步骤：
a101、收集训练数据，并进行数据整理和归类；
a102、搭建深度神经网络模型，训练所收集并整理的训练数据，获取词向量模型；
a103、将词向量模型嵌入到服务器程序中。
3.根据权利要求1或2所述的基于深度神经网络的智能诊断方法，其特征在于，所述步骤b包括以下步骤：
b101、接收用户端输入的病症，并对该病症进行扫描；
b102、对扫描后的病症信息进行分词操作，获取病症关键词；
b103、将分词后的病症信息输入至服务器程序中。
4.根据权利要求1或2所述的基于深度神经网络的智能诊断方法，其特征在于，所述步骤d中进行初步诊断包括以下步骤：
若相似度大于等于50％，则初步确认病症，并获取服务器病症数据库中与用户端输入的病症相似的病症信息；反之，不获取。
5.一种基于深度神经网络的智能诊断系统，其特征在于，包括数据训练模块、病症接收模块、相似度计算模块和诊断反馈模块，其中：
数据训练模块，用于搭建深度神经网络模型，训练数据，并将训练后的模型嵌入到服务器程序中；
病症接收模块，用于接收用户端输入的病症，并输入至服务器程序中；
相似度计算模块，用于接收服务器病症数据库信息，计算得出用户端输入的病症关键词和服务器病症数据库中关键词的词向量相似度；
诊断反馈模块，用于根据相似度进行初步诊断，并反馈诊断结果至用户端。
6.根据权利要求5所述的基于深度神经网络的智能诊断系统，其特征在于，所述数据训练模块包括数据整理子模块、模型训练子模块和模型嵌入子模块，其中：
数据整理子模块，用于收集训练数据，并进行数据整理和归类；
模型训练子模块，用于搭建深度神经网络模型，训练所收集并整理的训练数据，获取词向量模型；
模型嵌入子模块，用于将词向量模型嵌入到服务器程序中。
7.根据权利要求5或6所述的基于深度神经网络的智能诊断系统，其特征在于，所述病症接收模块包括病症扫描子模块、信息分词子模块和信息录入子模块，其中：
病症扫描子模块，用于接收用户端输入的病症，并对该病症进行扫描；
信息分词子模块，用于对扫描后的病症信息进行分词操作，获取病症关键词；
信息录入子模块，用于将分词后的病症信息输入至服务器程序中。
8.根据权利要求5或6所述的基于深度神经网络的智能诊断系统，其特征在于，所述诊断反馈模块包括病症确认子模块，用于判断相似度大于等于50％时，初步确认病症，并获取服务器病症数据库中与用户端输入的病症相似的病症信息。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910119744.8A CN109949927A (zh) | 2019-02-18 | 2019-02-18 | 一种基于深度神经网络的智能诊断方法及其系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910119744.8A CN109949927A (zh) | 2019-02-18 | 2019-02-18 | 一种基于深度神经网络的智能诊断方法及其系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109949927A true CN109949927A (zh) | 2019-06-28 |
Family
ID=67006748
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910119744.8A Pending CN109949927A (zh) | 2019-02-18 | 2019-02-18 | 一种基于深度神经网络的智能诊断方法及其系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109949927A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111159977A (zh) * | 2020-04-07 | 2020-05-15 | 深圳华大基因科技服务有限公司 | 一种人类表型标准用语确定方法及装置 |
| CN113012804A (zh) * | 2019-12-20 | 2021-06-22 | 中移(成都)信息通信科技有限公司 | 症状确定方法、装置、设备及介质 |
| CN116665830A (zh) * | 2023-05-29 | 2023-08-29 | 重庆医科大学附属第二医院 | 一种患者就诊管理监测系统及方法 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104102816A (zh) * | 2014-06-20 | 2014-10-15 | 周晋 | 基于症状匹配和机器学习的自动诊断系统和方法 |
| CN105653840A (zh) * | 2015-12-21 | 2016-06-08 | 青岛中科慧康科技有限公司 | 基于词句分布表示的相似病例推荐系统及相应的方法 |
| CN107368547A (zh) * | 2017-06-28 | 2017-11-21 | 西安交通大学 | 一种基于深度学习的智能医疗自动问答方法 |
| CN107785075A (zh) * | 2017-11-01 | 2018-03-09 | 杭州依图医疗技术有限公司 | 基于文本病历的小儿发热疾病深度学习辅助诊断系统 |
| CN107863147A (zh) * | 2017-10-24 | 2018-03-30 | 清华大学 | 基于深度卷积神经网络的医疗诊断的方法 |
| CN108198620A (zh) * | 2018-01-12 | 2018-06-22 | 洛阳飞来石软件开发有限公司 | 一种基于深度学习的皮肤疾病智能辅助诊断系统 |
| CN109192300A (zh) * | 2018-08-17 | 2019-01-11 | 百度在线网络技术（北京）有限公司 | 智能问诊方法、系统、计算机设备和存储介质 |
| US20190035506A1 (en) * | 2017-07-31 | 2019-01-31 | Hefei University Of Technology | Intelligent auxiliary diagnosis method, system and machine-readable medium thereof |
| US20190034810A1 (en) * | 2017-07-31 | 2019-01-31 | Boe Technology Group Co., Ltd. | Data processing method, medical term processing system and medical diagnostic system |
-
2019
- 2019-02-18 CN CN201910119744.8A patent/CN109949927A/zh active Pending
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104102816A (zh) * | 2014-06-20 | 2014-10-15 | 周晋 | 基于症状匹配和机器学习的自动诊断系统和方法 |
| CN105653840A (zh) * | 2015-12-21 | 2016-06-08 | 青岛中科慧康科技有限公司 | 基于词句分布表示的相似病例推荐系统及相应的方法 |
| CN107368547A (zh) * | 2017-06-28 | 2017-11-21 | 西安交通大学 | 一种基于深度学习的智能医疗自动问答方法 |
| US20190035506A1 (en) * | 2017-07-31 | 2019-01-31 | Hefei University Of Technology | Intelligent auxiliary diagnosis method, system and machine-readable medium thereof |
| US20190034810A1 (en) * | 2017-07-31 | 2019-01-31 | Boe Technology Group Co., Ltd. | Data processing method, medical term processing system and medical diagnostic system |
| CN107863147A (zh) * | 2017-10-24 | 2018-03-30 | 清华大学 | 基于深度卷积神经网络的医疗诊断的方法 |
| CN107785075A (zh) * | 2017-11-01 | 2018-03-09 | 杭州依图医疗技术有限公司 | 基于文本病历的小儿发热疾病深度学习辅助诊断系统 |
| CN108198620A (zh) * | 2018-01-12 | 2018-06-22 | 洛阳飞来石软件开发有限公司 | 一种基于深度学习的皮肤疾病智能辅助诊断系统 |
| CN109192300A (zh) * | 2018-08-17 | 2019-01-11 | 百度在线网络技术（北京）有限公司 | 智能问诊方法、系统、计算机设备和存储介质 |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113012804A (zh) * | 2019-12-20 | 2021-06-22 | 中移(成都)信息通信科技有限公司 | 症状确定方法、装置、设备及介质 |
| CN113012804B (zh) * | 2019-12-20 | 2024-03-19 | 中移(成都)信息通信科技有限公司 | 症状确定方法、装置、设备及介质 |
| CN111159977A (zh) * | 2020-04-07 | 2020-05-15 | 深圳华大基因科技服务有限公司 | 一种人类表型标准用语确定方法及装置 |
| CN111159977B (zh) * | 2020-04-07 | 2020-09-08 | 深圳华大基因科技服务有限公司 | 一种人类表型标准用语确定方法及装置 |
| WO2021203694A1 (zh) * | 2020-04-07 | 2021-10-14 | 深圳华大基因科技服务有限公司 | 一种人类表型标准用语确定方法及相关设备 |
| CN116665830A (zh) * | 2023-05-29 | 2023-08-29 | 重庆医科大学附属第二医院 | 一种患者就诊管理监测系统及方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110379492A (zh) | 一种全新的ai+pacs系统及其检查报告构建方法 | |
| CN109949927A (zh) | 一种基于深度神经网络的智能诊断方法及其系统 | |
| CN107038336A (zh) | 一种电子病历自动生成方法及装置 | |
| CN110473615A (zh) | 一种信息处理方法及装置 | |
| CN108597566A (zh) | 基于人脸识别的移动电子病历系统及实现方法 | |
| CN106777873A (zh) | 社区化智慧云健康服务系统 | |
| CN109508755B (zh) | 一种基于图像认知的心理测评方法 | |
| CN108229584A (zh) | 一种基于深度学习的多模态医学影像识别方法及装置 | |
| CN112767404A (zh) | 基于分布式生成对抗网络的医学图像分割方法及系统 | |
| CN117153431B (zh) | 基于互联网的医疗服务系统及方法 | |
| CN108461130A (zh) | 就诊任务智能调度方法及系统 | |
| CN114300071A (zh) | 一种基于真实数据的信息化系统以及方法 | |
| CN114882983B (zh) | 一种智慧病房交互方法、系统及储存介质 | |
| CN107391958A (zh) | 一种优护健康在院护理智能管理方法 | |
| CN115457422A (zh) | 采样过程验证方法、装置和增强现实功能眼镜 | |
| KR20230083966A (ko) | 딥러닝 기반의 치아상태 분석 방법 및 시스템 | |
| CN109559788A (zh) | 一种病史采集方法及装置 | |
| CN113506274A (zh) | 基于视觉显著性差异图的用于人体认知状况的检测系统 | |
| CN113470776A (zh) | 数据采集、分析及报告生成一体化的遗传诊断系统 | |
| CN119693298A (zh) | 基于图像处理及人工智能算法的静脉穿刺靶点推荐方法 | |
| Boyadzhiev et al. | Deep learning image classification for pneumonia detection | |
| CN114520062B (zh) | 一种基于ai和信创的医疗云通信系统 | |
| CN118471474A (zh) | 基于智慧医疗平台的数据分析方法及系统 | |
| CN113593687B (zh) | 一种基于新冠疫情的医院智能就诊引导方法及装置 | |
| Barmola et al. | Intelligent Bioinformatics System Architecture for Water Borne Diseases Diagnosis and Monitoring |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190628 |