[发明专利]一种分析模型建立方法、辅助诊断装置及设备、介质

说明书

本申请公开了一种分析模型建立方法、辅助诊断装置及设备、介质。该分析模型建立方法包括：建立初始分析模型，包括多个用于接收体征信息以及与所述体征信息关联的特征信息的输入端、连接所述输入端的转换层、以及神经网络层，所述转换层用于将输入端的体征信息和及其关联的特征信息量化生成量化组，根据疾病及其体征信息、所述体征信息关联的特征信息确定训练样本集，将所述体征信息及其关联的特征信息作为所述初始分析模型的输入，所述疾病与所述初始分析模型的输出对应，使用所述训练样本集对所述初始分析模型进行训练，得到分析模型。本实施例提供的方案，根据体征信息及其关联的特征信息建立分析模型，信息更为全面，便于更准确的进行诊断。

技术领域

本发明涉及疾病分析设备技术，尤指一种分析模型建立方法、辅助诊断装置及设备、介质。

背景技术

在疾病诊断、健康分析等过程中，存在的一个较为常见的问题是现实中测量生理状况所得的结果往往很难与某个具体或者特定的疾病相对应。例如，咳嗽、头疼有可能是发烧此一疾病的后果，也可能是普通感冒的后果，还可能是急性流感的后果，因此，在基于各种传感器测量进行推断的辅助性疾病诊断领域，由于缺少类似医生这样可以结合自身临床经验、用药经验等进行综合诊断的条件，无法给出拟合真实临床诊断的结果。

发明内容

本发明至少一实施例提供了一种分析模型建立方法、辅助诊断装置及设备、介质。

为了达到本发明目的，本发明至少一实施例提供了一种分析模型建立方法，包括：

建立初始分析模型，所述初始分析模型包括多个用于接收体征信息以及与所述体征信息关联的特征信息的输入端、连接所述输入端的转换层、以及神经网络层，所述转换层用于将输入端的体征信息和及其关联的特征信息量化生成量化组，所述量化组包括所述体征信息的值和所述体征信息关联的特征信息量化得到的量化值，所述量化组的每个参数作为所述神经网络层的一个输入量；

根据疾病及其体征信息、所述体征信息关联的特征信息确定训练样本集，将所述体征信息及其关联的特征信息作为所述初始分析模型的输入，所述疾病与所述初始分析模型的输出对应，使用所述训练样本集对所述初始分析模型进行训练，得到分析模型。

在一实施例中，所述与所述体征信息关联的特征信息包括以下至少之一：所述体征信息异常时其异常的持续时间、所述体征信息异常时其异常程度。

在一实施例中，每个量化组包括的量化值的数量相同。

在一实施例中，所述体征信息关联一种或多种类型的特征信息，且不同的体征信息关联相同类型的特征信息。

在一实施例中，所述量化值根据如下方式获得：根据所述体征信息关联的特征信息，通过高斯递归确定所述量化值。

在一实施例中，所述通过高斯递归确定所述量化值包括：

其中，x为所述特征信息，μ(x)为所述量化值，b、c为已知参数。

在一实施例中，所述通过高斯递归确定所述量化值包括：

其中，x为所述特征信息，μ(x)为所述量化值，b1、c1、b2、c2为已知参数。

本发明至少一实施例提供一种辅助诊断装置，包括：

信息获取单元，用于获取用户的体征信息以及与所述体征信息关联的特征信息；

分析单元，用于将获取的所述体征信息以及与所述体征信息关联的特征信息输入到上述分析模型，获得疾病信息。

本发明至少一实施例提供一种介质，其上存储有可在处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现上述分析模型建立方法的步骤。