[发明专利]一种医疗诊断辅助方法及系统

说明书

本发明提供了一种医疗诊断辅助方法，属于计算机辅助技术领域，包括如下步骤：基于多种医疗数据采用多种分类模型进行分类，得到多个分类决策值；对多个分类决策值进行决策融合，得到一个分类决策值作为分类结果输出。本发明还提供一种医疗诊断辅助系统。本发明通过对多种医疗数据、多种分类模型分别操作并最终进行决策融合的方式，能在很大程度上解决数据源不全、模型单一等问题，从技术框架层面有效提高通用性医疗诊断辅助系统的整体准确率。

技术领域

本发明涉及一种医疗诊断辅助方法及系统，属于计算机辅助技术领域。

背景技术

随着人工智能相关技术的发展，现有技术中出现大量基于人工智能技术辅助医疗诊断的系统，如申请号为CN202010592658.1的发明专利公开了一种医疗数据处理方法、装置、设备及存储介质。

然而，人工智能相关技术需要针对具体应用场景采用不同的解决思路，尤其应当考虑具体应用场景中数据的实际情况。

基于这一原则，本申请的发明人发现：对于医疗诊断方面，现有技术对数据的实际情况如分类、特征等考虑不周全，典型如医疗诊断行为实际使用到的数据不仅包括医学影像和病历文本，还包括医学检查指标等，现有技术在对数据实际情况考虑不周全的前提下，提出的仅根据医学影像、病历文本进行诊断辅助的方式，显然存在数据源不全、模型单一、结果偏差较大的问题，而在此基础上尝试通过算法细节的优化解决偏差大的问题，其解决思路和方向导致现有技术虽然在如肿瘤图像识别等专用方面成绩突出，却无法适用于较为通用的诊断方面。

发明内容

为解决上述技术问题，本发明提供了一种医疗诊断辅助方法，该医疗诊断辅助方法通过对多种医疗数据、多种分类模型分别操作并最终进行决策融合的方式，能在很大程度上解决数据源不全、模型单一等问题，从技术框架层面有效提高通用性医疗诊断辅助系统的整体准确率。

本发明通过以下技术方案得以实现。

本发明提供的一种医疗诊断辅助方法，包括如下步骤：

基于多种医疗数据采用多种分类模型进行分类，得到多个分类决策值；

对多个分类决策值进行决策融合，得到一个分类决策值作为分类结果输出。

所述多种医疗数据，至少包含人口学特征、医学检查指标、医学影像、病历文本。

所述决策融合，为采用投票法或权重法，对分类决策值进行选择。

所述投票法包括如下步骤：

初始化：建立统计结果列表并将值置零；

分类票数统计：对分类决策值进行计数统计并将统计值计入统计结果列表；

统计值排序：对统计结果列表进行反向排序；

选取最大值：随机选取统计结果列表最大值项中的一项作为结果。

所述权重法包括如下步骤：

初始化权重矩阵：以决策值总数和分类类别数量分别作为行数和列数，建立权重矩阵并填充预设权重参数；

转换决策矩阵：将分类决策值按照分类类别对齐后转换并拼接为决策矩阵；

矩阵相乘：将权重矩阵和决策矩阵逐项相乘得到结果矩阵；

权重求和：对结果矩阵按分类类别求和取汇总值；

返回结果：选取汇总值最大的分类类别作为结果。

对所述多种医疗数据，分别进行预处理。

对所述人口学特征，采用基于XGBoost算法构建的模型进行预处理。