[发明专利]基于神经网络和机器学习的关节炎康复诊疗方法及系统

说明书

本发明涉及基于神经网络和机器学习的关节炎康复诊疗方法及系统，包括：采集患者多个维度的量表数据输入到深度神经网络量表评估模型中；深度神经网络量表评估模型将多个维度的量表中的关键信息看作多源数据，通过构造扩模态交叉自编码神经网络在多个数据源之间形成不同跨数据源组合的统一表达，并根据所述统一表达综合评估量表；将所述深度神经网络量表评估模型对量表的综合评估作为反馈激励输入到机器学习模型中自动生成康复诊断的处方方案。本发明通过深度神经网络跟机器学习模型的结合来对采集输入的患者量表数据进行评估，并自动输出智能化的康复诊断处方方案，医生不需要再通过在线问诊系统进行问诊，极大地提升了问诊效率。

技术领域

本发明涉及关节炎诊疗技术领域，尤其涉及一种基于神经网络和机器学习的关节炎康复诊疗方法及系统。

背景技术

关节炎（arthritis）泛指发生在人体关节及其周围组织，由炎症、感染、退化、创伤或其他因素引起的炎性疾病，可分为数十种。我国的关节炎患者有1亿以上，且人数在不断增加。临床表现为关节的红、肿、热、痛、功能障碍及关节畸形，严重者导致关节残疾、影响患者生活质量。据统计我国50岁以上人群中半数患骨关节炎，65岁以上人群中90%女性和80%男性患骨关节炎。我国的患病率为0.34%～0.36%，严重者寿命约缩短10～15年。

目前医生在对关节炎患者进行诊断治疗时，往往都是通过问诊的方式进行，或者通过一些初步智能化的在线就诊模式进行在线答复，然后在通过医生的经验进行判断，不具备智能化诊断和治疗功能，且诊断效率较低；而且现有的一些自动出具诊断报告和治疗方案的平台，采用的都是基于权重分析，根据病患的输入，在病例库里匹配权重最高的已有案例，从而输出一套与病患最为相似的诊断与治疗方案。这样的权重匹配仅能处理简单的病例，且由于病情的诊断需综合多方面因素考虑，简单的权重分析并不是真正的智能化诊断，依旧需要医生审核与修改。

因此，如何通过智能化的诊疗手段来对病人的情况进行评估得到相应的康复诊疗方案，是现阶段需要解决的问题。

发明内容

本发明的目的在于克服现有技术的缺点，提供了一种基于神经网络和机器学习的关节炎康复诊疗方法及系统，解决了现有关节炎诊断方式存在的不足。

本发明的目的通过以下技术方案来实现：基于神经网络和机器学习的关节炎康复诊疗方法，所述关节炎康复诊疗方法包括：

采集患者多个维度的量表数据输入到深度神经网络量表评估模型中；

深度神经网络量表评估模型将多个维度的量表中的关键信息看作多源数据，通过构造扩模态交叉自编码神经网络在多个数据源之间形成不同跨数据源组合的统一表达，并根据所述统一表达综合评估量表；

将所述深度神经网络量表评估模型对量表的综合评估作为反馈激励输入到机器学习模型中自动生成康复诊断的处方方案。

所述机器学习模型中自动生成康复诊断的处方方案包括：将评估量表设置为机器学习中的环境要素，将生成的康复诊断处方方案设置为机器学习中的动作要素，将输入的量表综合评估设置为机器学习中的反馈激励要素；根据三个要素不断的进行量表评估-生成康复诊断处方-量表评估的过程来优化反馈激励，最后得到最佳的康复诊断处方方案。

所述多个维度的量表数据包括结构量表数据、运动量表数据、感觉量表数据、平衡量表数据、ADL量表数据和心理量表数据。

从所述结构量表数据、运动量表数据、感觉量表数据、平衡量表数据、ADL量表数据和心理量表数据中提取出27项关键信息输入到所述机器学习模型中，输出包括N个输出向量，通过对三个要素不断的进行量表评估-生成康复诊断处方-量表评估的过程来优化反馈激励，得到由N个输出向量中多个向量组合的最佳康复诊断处方方案。