[发明专利]基于效用模型的个性化诊疗方法的确定方法及系统

说明书

本发明涉及一种基于效用模型的个性化诊疗方法的确定方法及系统，所述确定方法包括：对历史用户病症特征数据进行预处理，得到用户特征；基于粒子群算法，根据所述历史用户病症数据，构建改善方法的效用矩阵；根据所述效用矩阵及所述用户特征和当前用户的需求，得到针对该当前用户的个性化诊疗方法。本发明通过对多症状特征数据进行降维和归一化处理；并通过粒子群算法构建改善方法效用矩阵；根据效用矩阵、历史用户病症数据得到总效用值，根据历史改善情况调整判断改善效果阈值；根据历史病症情况数据调整决策策略为成本最低时的阈值，从而可有效确定针对该当前用户的个性化诊疗方法。

技术领域

本发明涉及一种人工智能技术领域，特别涉及一种基于效用模型的个性化诊疗方法的确定方法及系统。

背景技术

随着社会的不断发展，人们的物质生活越来越好，但随之而来的却是各种大小病症。医生诊断主要靠知识和经验，而现在医疗大数据的研究在一定程度上可以帮助制定个性化治疗方案，对症状和治疗手段的未知组合进行改善效果的预测，这将大大提高病症的治愈率，减小病人的治疗痛苦。

推荐技术与医疗诊断的结合意义重大，在传统的推荐技术中通常会用到聚类、协同过滤的手段进行个性化的推荐，但是这样推荐出来的诊断方案对不确定信息处理的能力较弱，当病人病症情况比较模糊时并不能为用户推荐较有效的诊疗方法，普遍性并不强。

此外，虽然神经网络算法被广泛运用在各种应用上，但是它难以被解释清楚，而医疗与人们的健康息息相关，所以我们并不希望直接使用神经网络算法应用在诊疗方法推荐上。并且目前，当医生在为病人进行诊断时，常常会针对病症罗列好几种诊疗方法，有时候还会推荐病人同时采用几种诊疗方法来解决病症，但是这样往往会忽略改善方法之间所存在的关系。因此，当为病人进行诊断时，不仅需要同时考虑几种病症的情况来罗列解决方法，还需要考虑所罗列的解决方法之间的相互影响，以此来为病人进行更好的服务。

发明内容

为了解决现有技术中的上述问题，即为了解决针对用户目前出现的多种病症问题，以确定针对该用户的个性化诊疗方法，本发明提供一种基于效用模型的个性化诊疗方法的确定方法及系统。

为解决上述技术问题，本发明提供了如下方案：

一种基于效用模型的个性化诊疗方法的确定方法，所述确定方法包括：

对历史用户病症特征数据进行预处理，得到用户特征；

基于粒子群算法，根据所述历史用户病症特征数据，构建改善方法的效用矩阵；

根据所述效用矩阵及所述用户特征和当前用户的需求，得到针对该当前用户的个性化诊疗方法。

可选地，所述对用户病症特征数据进行预处理，得到用户特征，具体包括：

将所述历史用户病症特征数据的维度降至r维数据；

根据以下公式，对所述r维数据进行归一化处理，得到用户特征：

其中，X为r维数据中的任意值，X_min为r维数据中的最小值，X_max为r维数据中的最大值，X′为归一化处理后的用户特征，X′∈[-1，1]。

可选地，所述基于粒子群算法，根据所述用户特征，构建改善方法效用矩阵，具体包括：

根据以下两种公式，确定效用矩阵的权重w_k；i|j：

其中，d₁为改善效果为变好的阈值，d₂为改善效果为变坏的阈值，max(.)为取最大值函数，arg(.)为取自变量函数；