[发明专利]一种表征、血液数据、医疗图像融合的多种疑似疾病综合识别方法

说明书

一种表征、血液数据、医疗图像融合的多种疑似疾病综合识别方法是利用人工智能理论，以及智能识别，智能分析技术。将表征、血液数据、压疗图像融合，利用多数据关联判定各数据与疾病识别间关系及识别率。通过模拟退火方法动态输入的疾病特征项作为输入层，设定外循环为疾病特征输入项，设定内层循环为疾病对应的特征作为输入项，通过改进深度神经网络方法，调整参数，智能识别疾病。动态输入至改进的神经网络框架，通过中间层计算，自适应调整参数识别疾病，提高智能识别疾病的效率。利用人工智能方法，解决多疾病识别困难，遗漏他病疑似疾病等问题，多种类疑似疾病综合识别成为关键，现应用于医院专科，体检医疗中心。

技术领域：

本发明属于人工智能技术领域，涉及数据的分析技术，图像智能识别技术，人工智能与医疗数据分析结合的技术及方法。

背景技术：

随着医疗检查及医疗技术的发展，疾病分析及疾病识别需要的医疗数据种类较多包括：医疗图像数据，血液数据，显微镜下的血液图像数据，器官表征等疾病特征项数据。其中医疗图像数据包括CT，超声，核磁等各种图像数据。目前普遍应用单项数据诊断，单一种类的数据，数据智能识别费时，费力，人为分析识别不精准等问题。血液检查数据及图像数据诊断效率低，不准确，识别中会出现多种类的疑似疾病。多数据融合的疾病智能识别成为关键。解决现有技术中单一疾病识别，多疾病识别困难，遗漏疑似疾病，判断不精准等问题，多种类疑似疾病综合识别成为关键。将表征、血液数据、医疗图像融合，利用多数据关联，判定各数据与疾病识别间关系及识别率。依照通过模拟退火方法动态输入的疾病特征项作为输入层，设定外循环为疾病特征输入项，设定内层循环为疾病对应的特征作为输入项，通过改进的深度神经网络方法，调整参数，智能识别疾病。动态输入至改进的神经网络疾病识别框架，通过中间层计算，自适应调整确定率判定识别疾病，提高智能识别疾病的效率。

发明内容：

本发明的目的是提供一种表征、血液数据、医疗图像融合的多种类疑似疾病综合识别方法。人工智能技术与多种类医疗数据关联分析技术，智能诊断相结合提高数据分析判断效率，提高疾病诊断率。

利用表征，血液，图像数据多数据融合关联，主器官关联相关器官，分析器官间的各种类医疗数据关联规则。利用表征，血液数据，图像数据多数据关联，判定各数据与疾病识别确定比率。多种类数据融合特征项对应的疾病识别概率计算模型，其疾病识别概率方法，通过模拟退火方法动态输入的疾病特征项作为输入层，设定外循环为疾病特征输入项，设定内层循环为疾病对应的特征作为输入项，通过改进的深度神经网络方法，调整参数，智能识别疾病。动态输入至改进的神经网络疾病识别框架，通过中间层计算，自适应调整确定率判定识别疾病，提高智能识别疾病的效率。

本发明的采用的技术方案：

一种表征数据、血液数据、医疗图像数据融合多种类疑似疾病综合识别方法融合多种类型数据，多特征数据，包括血液数据、各器官表征数据、血液细胞图像、器官组织医疗图像数据等多种数据。创建多种类数据疾病-特征-特征值关联模型，关联模型步骤如下：

Step1、创建主器官的疾病特征集合，将疾病放入集合{D1，D2.....，Dn}。

Step2、创建主器官的关联器官集合。

Step3、将主器官及关联器官的表征放入集合{C1，C2.....，Cn}。

Step4、添加血液特征项，放入集合{B1，B2，....，Bn}。

Step5、读器官血液细胞图像异常及其他器官组织图像异常，添加异常特征项及值添加到特征图像集合，将图像放入集合{P1，P2，...，Pn}。

Step6、将表征集合{C1，C2，....，Cn}，血液集合{B1，B2，....，Bn}，图像集合{P1，P2，...，Pn}放入疾病Dn的特征集合Fn{}，特征值为Fn_value。

Step7、抽取出疾病-特征＝特征值关联模型{Dn，Fn，Fn_value}。