[发明专利]基于认知学习的身体异常气味智能筛查系统

权利要求书

1.一种基于认知学习的身体异常气味智能筛查系统，其特征在于，所述基于认知学习的身体异常气味智能筛查系统包括：

收集模块，用于收集待检测气味状况以及记录该待检测气味特征数据；

模型建立模块，用于建立卷积神经网络，从本地案例数据库中获取气味特征数据，根据该卷积神经网络通过气味特征数据据建立异常气味筛查模型；

检测模块，用于根据异常气味筛查模型对待检测气味特征数据进行筛查，并生成对应的检测报告单；

更新模块，用于向用户返回检测报告单，并将该检测报告单数据存入本地案例库中，对案例库进行更新。

2.如权利要求1所述的基于认知学习的身体异常气味智能筛查系统，其特征在于：收集模块包括描述模块，用于在收集待检测气味状况以及记录该待检测气味特征数据之后，对待检测气味进行词语描述，所述词语描述包括：口气、鼻气、屁气、无气味、有血腥气味以及气味正常。

3.如权利要求1所述的基于认知学习的身体异常气味智能筛查系统，其特征在于：模型建立模块包括分词处理模块，用于从本地案例数据库中获取气味特征数据，所述气味特征数据数据包括：异常气味描述的词语以及对应的疾病类型，对该气味特征数据数据进行分词，将异常气味描述的词语转化为异常气味描述分词，所述异常气味描述分词包括：血腥味、鱼腥味、苹果味、正常以及无气味，通过异常气味描述分词与对应的疾病建立异常气味描述分词集。

4.如权利要求3所述的基于认知学习的身体异常气味智能筛查系统，其特征在于：模型建立模块还包括词向量模型建立模块，用于对异常气味描述分词集进行训练，获取每个异常气味描述分词的词向量，根据该词向量建立词向量模型。

5.如权利要求4所述的基于认知学习的身体异常气味智能筛查系统，其特征在于：模型建立模块还包括异常气味筛查模型建立模块，用于建立卷积神经网络，将词向量模型中的词向量放入卷积神经网络中，并通过卷积神经网络中的网络算法计算出预测输出，根据预测输出建立异常气味筛查模型建立模块。

6.如权利要求5所述的基于认知学习的身体异常气味智能筛查系统，其特征在于：异常气味筛查模型建立模块包括网络算法单元，所述网络算法为：

O_p＝F_n(...(F₂(F₁(X_pw_j1)w_j2)))；

其中，O_p为预测输出，n为卷积神经网络的层数，w_j1，w_j2为第j次迭代训练第i层卷积神经网络的系数矩阵，该系数矩阵为模型的参数，其中i＝1,2,...n，X_p为词向量模型中的一个样本，表示异常气味描述的分词，其中，p＝1,2,...N，N为样本数。

7.如权利要求5所述的基于认知学习的身体异常气味智能筛查系统，其特征在于：检测模块包括报告单生成模块，用于根据异常气味筛查模型对待检测气味特征数据进行筛查，获取筛查结果，并根据筛查结果从异常气味筛查模型中查找对应的预测疾病，利用筛查结果以及对应的预测疾病生成检测报告单。

8.如权利要求7所述的基于认知学习的身体异常气味智能筛查系统，其特征在于：更新模块包括案例库更新模块，用于从检测报告单提取筛查结果以及对应的预测疾病，并同步对本案例库进行查找，若查找到相同筛查结果以及对应的预测疾病，则不更新案例库；若未查找到相同筛查结果以及对应的预测疾病，则对案例库进行更新。

9.一种基于认知学习的身体异常气味智能筛查设备，其特征在于，所述基于认知学习的身体异常气味智能筛查设备包括：

收集单元，用于收集待检测气味状况以及记录该待检测气味特征数据；

模型建立单元，用于建立卷积神经网络，从本地案例数据库中获取气味特征数据，根据该卷积神经网络通过气味特征数据据建立异常气味筛查模型；

检测单元，用于根据异常气味筛查模型对待检测气味特征数据进行筛查，并生成对应的检测报告单；

更新单元，用于向用户返回检测报告单，并将该检测报告单数据存入本地案例库中，对案例库进行更新。