[发明专利]一种基于智能手机的院外肺炎初步识别方法

说明书

本发明提供一种基于智能手机的院外肺炎初步识别方法，包括基于咳嗽音的肺炎疑似程度算法流程、基于患者的肺炎疑似程度算法流程以及基于智能手机的院外肺炎初步识别方法的整体检测流程；针对当前还没有针对医院以外的肺炎自动识别方法。流感爆发期间，大量呼吸道疾病患者涌入医院，造成医院就诊压力过大，同时对患者也造成不便。采用本发明技术方案，能够使患者在家中了解自己是否有可能患有肺炎，帮助患者决策是否有必要立即去医院就诊，从而减轻医院的就诊压力，减少患者交叉感染的风险，合理地调配医疗资源。

技术领域

本发明涉及人工智能领域，具体涉及一种基于智能手机的院外肺炎初步识别方法。

背景技术

肺炎指终末气道、肺泡和肺间质发生炎症，是一种常见的呼吸系统疾病。目前在临床诊断过程中，通常由医生用听诊器听取患者肺部是否有湿罗音，若有则进一步作CT胸片检查，若肺部影像中可见炎性浸润阴影，则基本可判定为肺炎。因此，当前城市中的大中型医院对于肺炎的诊断并非难事。但在流感爆发期间，医院经常是人满为患的状态，患者不一定能在第一时间挂到号并作相应的检查，而其中大部分患者可能仅仅是普通上呼吸道感染，本可在家自行痊愈。

随着人工智能和大数据技术的发展，通过分析患者的咳嗽音和体征信息初步判断是否为肺炎已成为可能。将自动分析算法移植到手机App上，初步识别患者是否患有肺炎，若明显排除肺炎结果的，患者可先在家观察、休息，以缓解流感高峰时期医院的就诊压力，同时也可避免交叉感染的风险。

发明内容

有鉴于此，本发明提出一种基于智能手机的院外肺炎初步识别方法，目前已有大量研究表明咳嗽的特征取决于潜在疾病的种类，我们所听到的咳嗽音就包含了部分隐藏的病理信息。通过对咳嗽音的分析并结合患者的体温、呼吸率等体征信息，我们可以初步识别患者是否患有肺炎，若疑似肺炎则立即去医院就诊，若明显排除肺炎的可先在家休息、观察。

为实现上述目的，本发明提供如下技术方案：

一种基于智能手机的院外肺炎初步识别方法，主要包含两个算法模块，一是基于咳嗽音的肺炎疑似程度，二是在咳嗽音的基础上结合体征信息的患者疑似肺炎程度，以及基于智能手机的院外肺炎初步识别方法的整体检测流程；

(一)、基于咳嗽音的肺炎疑似程度算法流程：

步骤(1.1)：利用智能手机的录音功能在医院大量采集咳嗽患者的咳嗽音信号并保存；

步骤(1.2)：根据患者的诊断意见(医生所开具的诊断书结论，下同)将咳嗽音信号分为正负两类：正类为肺炎患者的咳嗽音信号，负类为非肺炎患者的咳嗽音信号；

步骤(1.3)：将正负样本数据集分别随机划分为训练数据集和测试数据集；

步骤(1.4)：构建一维CNN网络分类模型；

步骤(1.5)：将训练数据集作为CNN模型的输入，将对应输出的类别概率与已经标注好的结果计算损失函数，反向传播训练模型。训练过程中，使用测试集数据对模型进行测试，若满足精度要求，则训练完成。

(二)、基于患者的肺炎疑似程度算法流程：

步骤(2.1)：根据患者的就诊记录，采集大量患者的4个体征信息(年龄、体温、呼吸率、发病天数)；

步骤(2.2)：采集患者3-5个咳嗽音，利用基于咳嗽音的肺炎识别算法，求得多个咳嗽音的肺炎疑似概率值并取平均值；

步骤(2.3)：将患者的4个体征信息归一化，与咳嗽音肺炎概率值结合组成一个5维特征向量；

步骤(2.4)：根据患者的诊断意见将得到的5维特征向量样本分为正负两类：正类为所有肺炎患者的特征向量样本，负类为所有非肺炎患者的特征向量样本。并随机划分为训练数据集和测试数据集；