[发明专利]基于医学知识库的智能分诊决策控制方法及系统

权利要求书

1.基于医学知识库的智能分诊决策控制方法及系统，包括输入模块、数据预处理模块、智能学习模块、医学词条特征化检索模块、输出模块、语音模块、智能感知器、数据转换模块、特征加载器、供电装置、运算放大芯片、数据分析器、数据筛选器、数据存储器、缓存单元和显示器，其特征在于：所述的智能学习模块，采用带有优先级权重的采样方法进行深度学习来自所述的数据转换模块的特征，其基于医学知识库的特征对新的诊断数据或者检测数据进行实时分类处理。

2.根据权利要求1所述的基于医学知识库的智能分诊决策控制方法及系统，其特征在于：所述的智能学习模块由供电装置、运算放大芯片和决策控制算法构成；所述的供电装置用于提供智能学习模块的电能支持；所述的运算放大芯片内核由所述的决策控制算法编程控制。

3.根据权利要求1所述的基于医学知识库的智能分诊决策控制方法及系统，其特征在于：所述的决策控制算法步骤如下：

S1：初始化actor和critic网络的权重分别为θ^π和θ^Q；初始化actor和critic目标网络的权重θ^π′和θ^Q′；

S2：判断当前时刻t是否小于规定的时间周期T，若t＜T，则转带有优先级的采样选择算法；算法返回所选择的行为，转S3；否则，转S9；

S3：计算actor和critic函数，观测即时奖赏r；

所述的actor和critic函数，即在深度卷积学习过程中的V值和Q 值，其由贝尔曼方程式(1)和式(2)得到函数值。

其中，E[.]表示从长期看，所获得的期望的奖励。r是在下一时刻(t+1)的立即回报，Pr(.)是转移概率。V函数是系统在当前状态s下采取策略π在转移概率Pr(.)下到达下一状态s′所得到的累计奖赏值。Q函数是当系统处于状态s，采用相应的行为a的期望折扣累计回报。和分别是状态和行为的可行解集。β是折扣因子，表示其学习率，其范围是[0，1)。

actor函数即V函数用于计算当前状态的累计奖赏值，critic函数即Q函数用于对actor函数采用该策略的评价。Q函数学习的最优策略通过式(3)获得。

S4：将转移样本(s，a，r，s′)放入回放池D中；

所述的回放池D用于将元组(s，a，r，s′)即：当前状态、行为、即刻奖赏和下一状态的值放入回放池，该元组作为样本数据用于后续状态行为选择的参考值，也是学习中经验积累的过程。

S5：根据式(4)计算critic网络在下一时刻的目标值O(s，a)：

所述的式(4)为：

O(s^t+1，a^t+1)＝r+βQ(s′，a′) (4)

S6：根据式(5)计算当前critic网络与目标critic网络的时间差分误差(TD error)：

δ^t＝O(s，a)-Q(s^t，a^t) (5)

S7：分别根据式(6)、(7)更新actor和critic网络的参数θ^π和θ^Q：

其中，λ₀和λ₁分别为很小的范围的参数，其范围通常设置为(0，1]。

S8：分别根据式(6)、(7)更新目标actor和目标critic网络的参数θ^π′和θ^Q′：

θ^π′＝μθ^π+(1-μ)θ^π′ (8)

θ^Q′＝μθ^Q+(1-μ)θ^Q′ (9)

其中μ为调整学习步长的参数，其范围通常设置为(0，1]。

S9：结束。