[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

说明书

本发明公开了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，基于医学知识库的特征，采用带有优先级的样本采样的深度学习方法对病人的生理特征，进行实时分类，预测和判断。该系统便携、准确和周期性地检测和记录病人的生理病症，并通过智能学习模块匹配病症对应的医疗解决方案，将优选的解决方案通过多种模式报备给用户，实现无人干预的诊断、实时准确的预测和智能决策的功能。

技术领域

本发明涉及基于医学知识库的智能分诊决策控制方法及系统，尤其涉及物联网设备结合人工智能技术和医学知识库对人体的健康进行智能诊断和决策的方法。

背景技术

目前，普通大众的一贯思维是：有病去医院就诊或者去药店买自认为可以治病的药物。在医院，有专业的医疗设备对病人做生理病症进行判断，其判断结果辅助专业医生进行开对应的药物。然而，病人需要亲自在专业的医疗设备和专业的医务人员的帮助下才能准确判断病理。而在药店，病人购买自认为对症的药物进行治疗。这种主观的“自认为”通常不能精准的把握病因，不能给出正确全面的病理分析结果，即“药不能完全匹配病症”。抑或者病人通过远程医疗诊断，在医生的帮助下进行分析病理。在中国类似于需要医务人员或者病人参与的医疗方式，屡见不鲜。

随着强“人工智能+”(Artificial intelligence，AI)时代的迅猛发展，可穿戴设备、远程医疗检测等物联网设备的应用也日益受到人们的青睐。“AI+健康产业”是研究AI者和医学学者致力于联手研究的热点话题。健康是关乎每个人的生活品质追求的基础，“AI+健康”是提升人们生活质量的助推者。因此，基于医学知识库的智能分诊决策控制对未来智能化、个性化和自动化的医学应用有着重要的市场价值。

发明内容

针对上述医疗方式的不足，即需要人为的过多干预才能对症下药或者人对病症的主观臆断。该系统采用带有优先级的样本采样的角色者-评论家(actor-critic)的双网学习的方法对病人的生理特征，进行实时分类，预测和判断。该系统可以便携、准确和周期性地检测和记录病人的生理病症，通过智能学习模块匹配病症对应的医疗解决方案，并将优选的解决方案通过多种模式报备给用户，实现了无人干预的诊断、实时准确的预测和智能决策的功能。

为了实现上述目的，本发明所采取的技术方案是：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。这些微型器件可以嵌入在物联网(IoT)设备中，如智能手环等，其特征在于：所述的智能学习模块，采用带有优先级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；

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。

所述的决策控制算法流程如下：

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；