[发明专利]基于人体汗液异常变化的智能筛查系统

说明书

本发明提出了一种基于人体汗液异常变化的智能筛查系统。包括：采集模块，用于采集人体汗液异常变化对应的异常变化特征信息；网络模型建立模块，用于建立异常变化特征信息词条与对应的疾病特征信息的关联网络模型；筛选标准建立模块，用于建立余弦相似度算法，通过余弦相似度算法对异常变化特征信息词条与对应的疾病特征信息之间的相似度进行计算，获取相似度数据，根据该相似度数据建立特征信息筛选标准；筛查模块，用于根据该特征信息筛选标准对该待筛查汗液异常变化特征信息进行筛查。本发明通过利用余弦相似度算法进行语义相似度计算，实现汗液异常变化风险评估以及疾病筛查，推测可能的疾病，为辅助诊断服务。

技术领域

本发明涉及人工智能领域，尤其涉及一种基于人体汗液异常变化的智能筛查系统。

背景技术

正常情况下，人排出的汗液是有条件的。比如，身体健康的人排出的汗液是无色的，但是当人排出的汗液出现异常颜色时，那就是疾病出现的信号。目前，国际国内观汗液辨疾病的方法，主要是通过传感器设备来实现。这种传感设备一般由柔性传感器和微处理器组成，贴在皮肤上可刺激汗腺分泌汗液，然后根据相关电信号测量汗液中存在的分子与离子。

但是，传统的基于传感器收集汗液成分进行汗液分析的方法分析过程复杂，等待时间长，而且资源耗费大，所以，亟需一种新的汗液分析方法，能够耗费少量资源的同时，快速方便对疾病进行辅助诊断。

上述内容仅用于辅助理解本发明的技术方案，并不代表承认上述内容是现有技术。

发明内容

有鉴于此，本发明提出了一种基于人体汗液异常变化的智能筛查系统，旨在解决现有技术无法通过建立评估筛查模型以及余弦相似度算法来提高汗液分析速度的技术问题。

本发明的技术方案是这样实现的：

一方面，本发明提供了一种基于人体汗液异常变化的智能筛查系统，所述基于人体汗液异常变化的智能筛查系统包括：

采集模块，用于采集人体汗液异常变化对应的异常变化特征信息；

网络模型建立模块，用于对异常变化特征信息进行聚类，并从聚类后的异常变化特征信息中提取异常变化特征信息词条，根据待异常变化特征信息词条获取对应的疾病特征信息，并建立异常变化特征信息词条与对应的疾病特征信息的关联网络模型；

筛选标准建立模块，用于建立余弦相似度算法，通过余弦相似度算法对异常变化特征信息词条与对应的疾病特征信息之间的相似度进行计算，获取相似度数据，根据该相似度数据建立特征信息筛选标准；

筛查模块，用于获取待筛查汗液异常变化特征信息，根据该特征信息筛选标准对该待筛查汗液异常变化特征信息进行筛查。

在以上技术方案的基础上，优选的，采集模块包括自然语言处理模块，用于通过自然语言对人体汗液异常变化对应的异常变化特征信息进行处理，获取汗液异常变化特征信息的属性信息，所述属性信息包括：汗液异常变化的部位、颜色、数量以及气味。

在以上技术方案的基础上，优选的，网络模型建立模块包括聚类模块，用于对汗液异常变化特征信息的属性信息进行聚类，获取聚类后的属性信息作为异常变化特征信息词条，所述异常变化特征信息词条包括：出现时间、出现数量、汗液状态、汗液颜色以及汗液气味，并建立各异常变化特征信息词条之间的对应关系。

在以上技术方案的基础上，优选的，网络模型建立模块还包括关联网络模型模块，用于根据异常变化特征信息词条获取对应的常见疾病特征信息，并根据异常变化特征信息词条以及对应的常见疾病特征信息建立关联网络模型。

在以上技术方案的基础上，优选的，筛选标准建立模块包括相似度计算模块，用于建立余弦相似度算法，通过余弦相似度算法计算异常变化特征信息词条与对应的疾病特征信息之间的相似度，并根据该相似度对关联网络模型进行验证并修改，获取新的关联网络模型。