[发明专利]一种大数据医疗预检分诊方法及系统

权利要求书

1.一种大数据医疗预检分诊方法，其特征在于，包括：

获得病人信息；所述病人信息包括流行病史信息、职业史信息和症状情况信息；

基于所述病人信息，通过预检模型，得到传染病情况；所述传染病情况为1表示可能为传染病；

若所述传染病情况为1，通知用户分诊至感染性疾病科或者分诊点就诊；

所述预检模型包括第一预检结构、第二预检结构和融合预检结构；

所述第一预检结构的输入为病人信息；所述第二预检结构的输入为病人信息；所述融合预检结构的输入为所述第一预检结构的输出和所述第二预检结构的输出。

2.根据权利要求1所述的一种大数据医疗预检分诊方法，其特征在于，所述基于所述病人信息，通过预检模型，得到传染病情况，包括：

将所述病人信息输入第一预检结构，得到第一预检向量；所述第一预检向量中的值表示用户带有传染病源的概率；

获得训练判别类别向量；所述训练判别类别向量表示病人信息中不同信息的影响程度；

基于所述病人信息和训练判别类别向量，通过第二预检结构，得到第二预检向量；所述第一预检向量中的值表示用户带有传染病源的可能概率；

基于第一预检向量和第二预检向量，通过融合预检结构，得到传染病情况。

3.根据权利要求2所述的一种大数据医疗预检分诊方法，其特征在于，所述将所述病人信息输入第一预检结构，得到第一预检向量，包括：

所述第一预检结构包括职业史神经网络、流行病史神经网络、症状情况神经网络和第一预检融合神经网络；

将所述病人信息中的职业史输入所述职业史神经网络，进行分类，得到职业史初始信息；所述职业史初始信息表示所述职业史神经网络中输出层输出的信息；

将所述病人信息中的流行病史输入所述流行病史神经网络，进行分类，得到流行病史初始信息；所述流行病史初始信息表示所述流行病史神经网络中输出层输出的信息；

将所述病人信息中的症状情况输入所述症状情况神经网络，进行分类，得到症状情况初始信息；所述症状情况初始信息表示所述症状情况神经网络中输出层输出的信息；

将所述职业史初始信息、流行病史初始信息和症状情况初始信息输入第一预检融合神经网络， 得到第一预检向量。

4.根据权利要求2所述的一种大数据医疗预检分诊方法，其特征在于，所述获得训练判别类别向量，包括：

所述第一预检结构包括职业史神经网络、流行病史神经网络、症状情况神经网络和第一预检融合神经网络；

获得多个训练病人信息；

将所述训练病人信息中的训练职业史输入所述职业史神经网络，进行分类，得到训练职业史初始信息；所述训练职业史初始信息表示所述职业史神经网络中输出层输出的信息；

将所述训练病人信息中的训练流行病史输入所述流行病史神经网络，进行分类，得到训练流行病史初始信息；所述训练流行病史初始信息表示所述流行病史神经网络中输出层输出的信息；

将所述训练病人信息中的训练症状情况输入所述症状情况神经网络，进行分类，得到训练症状情况初始信息；所述训练症状情况初始信息表示所述症状情况神经网络中输出层输出的信息；

基于所述训练职业史初始信息、训练流行病史初始信息和训练症状情况初始信息，得到训练单预检向量集合；所述训练单预检向量集合包括训练职业史单预检向量、训练流行病史单预检向量和训练症状情况单预检向量；

将所述训练职业史初始信息、训练流行病史初始信息和训练症状情况初始信息输入第一预检融合神经网络，得到训练融合预检向量；

基于所述训练单预检向量集合和所述训练融合预检向量，得到训练判别类别向量；

通过多次输入多个训练病人信息到第一预检结构中，得到多个训练单预检向量集合和对应的训练融合预检向量；通过多个训练单预检向量集合和对应的训练融合预检向量，修改训练判别类别向量的向量值，直到读取所有训练病人信息。