[发明专利]一种基于深度神经网络的智能诊断方法及其系统

说明书

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。

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。