阅读说明：本技术 一种医疗诊断辅助系统的工作方法 (A kind of working method of medical diagnosis auxiliary system ) 是由 高瞻 金博 佟晓梅 王雷 金嵩 于 2019-08-26 设计创作，主要内容包括：本发明提供一种医疗诊断辅助系统的工作方法,包括以下步骤：将症状信息输入服务器中,对患者检查数据采样；服务器识别症状信息中的关键词和相关句,提取相应的关键词；根据从历史病历数据获得的样本训练和统计得到该疾病的详细特征,找出潜在的病患,并刻画出疾病模型；将刻画出的疾病模型与数据库中的诊断模型进行匹配,得出与患者症状信息最接近的诊断模型结果。本发明通过数据不断积累进一步提高数据分析的准确性,相比现有技术的互联网问诊准确性提高70％,本发明根据数据的逻辑运算不断扩充新的分析词汇和逻辑算法,通过辅助诊断提高医生诊断能力,降低误诊、漏诊率。医生根据实际情况及本发明的查询结果,对症下药,可达到100％的准确率。(The present invention provides a kind of working method of medical diagnosis auxiliary system, comprising the following steps: inputs in server symptom information, checks data sampling to patient；Server identifies keyword and related sentence in symptom information, extracts corresponding keyword；The detailed features of the disease are obtained according to the sample training and statistics that obtain from history medical record data, find out potential sufferer, and depict disease model；The disease model depicted is matched with the diagnostic model in database, is obtained and the immediate diagnostic model result of patient symptom information.The present invention constantly accumulates the accuracy for further increasing data analysis by data, internet interrogation accuracy compared with prior art improves 70%, the present invention constantly expands new analysis vocabulary and logical algorithm according to the logical operation of data, diagnosis ability is improved by auxiliary diagnosis, reduces mistaken diagnosis, rate of missed diagnosis.Doctor according to the actual situation and query result of the invention, suits the remedy to the case, can reach 100% accuracy rate.)

一种医疗诊断辅助系统的工作方法

技术领域

本发明涉及医疗诊断技术领域，更具体地说，涉及一种医疗诊断辅助系统的工作方法。

背景技术

当前疾病的分类越来越细，患者综合病情越来越复杂，对医生的诊疗的要求也越来越高，在医疗资源紧缺的当下，医生每天需要诊断患者的数量也越来越多，导致医生很容易出现记忆错误、混乱的情况发生，难免会造成误诊、漏诊的情况。因此一种能够针对患者的多项检查数据，提供大数据分析推断可能的诊断结果以供医生参考，从而降低漏诊、误诊发生的方法成为当务之急。

发明内容

本发明为了解决上述问题，提出一种医疗诊断辅助系统的工作方法，解决了由于疾病分类太细、太杂以及医生工作负荷过大，导致医生容易漏诊、误诊的问题。

为达到上述目的，本发明提供一种医疗诊断辅助系统的工作方法，包括以下步骤：

S1、疾病检索。

S11、将主诉中的症状信息输入服务器中，对患者检查数据采样，所述检查数据采样包括提取患者本次体检情况以及患者历史检查情况。

S12、服务器对所述症状信息进行自然语言处理，识别症状信息中的关键词和相关句，并提取相应的关键词。

S2、机器学习。

S21、对病理进行分析，找到数据库中特征描述最相近的病例与患者的检查数据关键词进行对比分析，根据从历史病历数据获得的样本训练和统计得到该疾病的详细特征，找出潜在的病患，同时刻画出疾病模型。

S22、将刻画出的疾病模型与数据库中的诊断模型进行匹配，得出与该患者所述症状信息最接近的诊断模型结果。

S3、展示辅助诊断结果。

S31、将本发明计算出来的诊断模型结果展示给医生，病患数据信息以扇形图、线形图等多种方式进行统计，并给予一定的诊断参考建议。

S32、对就诊过的病患来访情况进行排序和标注，辅助医生回访以及了解病患的病症情况,并及时处理。

优选方式下，所述自然语言处理，即为对所述症状信息进行语义特征表示与语义挖掘，采用神经网络提取所述主诉中的内在特征和病理，挖掘所述症状信息中的语义特征。

优选方式下，所述历史病历数据包括病患的基本症状、近期的病症、以前的病症历史、最近体检报告，所述以前的病症历史包括既往史、家族史。

优选方式下，所述数据库包括病例案件详情，所有患者的历史病历记录，患者的诊断治疗记录、案例，医生临场指南，处理方案和办法，疾病等相关文献、报道等。

优选方式下，本发明还可以病患自己填写主诉、现病史、既病史及个人信息等数据，将症状信息输入服务器中，根据对应数据查找病症，匹配疾病模型，给予相应的解决方案。

本发明基于大数据平台，通过数据的不断积累会进一步提高数据分析的准确性，相比现有技术的互联网问诊准确性提高70％。本发明根据数据的逻辑运算不断扩充新的分析词汇和逻辑算法，通过辅助诊断提高医生诊断能力，降低误诊、漏诊率。医生根据实际情况及本发明的查询结果，对症下药，可达到100％的准确率。

附图说明

图1是本发明具体步骤流程示意图。

具体实施方式

下面结合说明书附图和具体实施例对本发明作进一步解释和说明。对于本发明实施例中的步骤编号，其仅为了便于阐述说明而设置，对步骤之间的顺序不做任何限定，实施例中的各步骤的执行顺序均可根据本领域技术人员的理解来进行适应性调整。

如图1所示，一种医疗诊断辅助系统的工作方法，包括以下步骤：

1、疾病检索。

(1)医生对病情进行描述，将症状信息输入服务器中，对患者检查数据采样，所述检查数据采样包括提取患者本次体检情况以及患者历史检查情况。

(2)服务器对所述症状信息进行自然语言处理，识别症状信息中的关键词和相关句，并提取相应的关键词。所述自然语言处理，即为对所述症状信息进行语义特征表示与语义挖掘，采用神经网络提取所述主诉中的内在特征和病理，挖掘所述症状信息中的语义特征。具体方法是：神经元自动计算特征表示，输出为神经元学习后的特征向量，所述神经网络包括卷积神经网络、递归神经网络等，本发明不限于某一种特定的网络。

2、机器学习。

(1)采用大数据对病理进行分析，找到数据库中特征描述最相近的病例与患者的检查数据关键词进行对比分析，根据从历史病历数据获得的样本训练和统计得到该疾病的详细特征，找出潜在的病患，同时刻画出疾病模型。所述历史病历数据包括病患的基本症状、近期的病症、以前的病症历史、最近体检报告，所述以前的病症历史包括既往史、家族史。

(2)将刻画出的疾病模型与数据库中的诊断模型进行匹配，得出与该患者所述症状信息最接近的诊断模型结果。所述数据库包括病例案件详情，所有患者的历史病历记录，患者的诊断治疗记录、案例，医生临场指南，处理方案和办法，疾病等相关文献、报道等。

3、展示辅助诊断结果。

(1)将本发明计算出来的诊断模型结果展示给医生，病患数据信息以扇形图、线形图等多种方式进行统计，并给予一定的诊断参考建议。

(2)对就诊过的病患来访情况进行排序和标注，辅助医生回访以及了解病患的病症情况,并及时处理。

本发明还包括病患自己填写主诉、现病史、既病史及个人信息等数据，将症状信息输入服务器中，根据对应数据查找病症，匹配疾病模型，给予相应的解决方案。

以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明披露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。