[发明专利]一种大数据医疗预检分诊方法及系统

说明书

本发明公开了一种大数据医疗预检分诊方法及系统。获得病人信息。基于所述病人信息，通过预检模型，得到传染病情况。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。分别将病人信息输入各自对应的神经网络提取特征，并将这些特征输入第一预检融合神经网络，进行信息融合，得到第一预检向量。并且在检测之前根据第一预检结构，得到每类信息对于传染检测的影响程度。通过控制随机数数量和最大值，从而构建第二预检结构。使得影响传染病检测最小的在第二预检结构中连接最松弛。并且为了更加准确检测传染病，结合第一预检向量和第二预检向量共同判别传染病情况。

技术领域

本发明涉及计算机技术领域，具体而言，涉及一种大数据医疗预检分诊方法及系统。

背景技术

目前，传染病预检、分诊制度是指医疗机构为有效控制传染病疫情，防止医疗机构内交叉感染。对来诊的患者预先进行有关传染病方面的甄别、检查与分流制度。询问病人有关的流行病学史、职业史，结合病人的主诉、病史、症状情况和体征等对来诊的病人进行传染病的预检。经预检为传染病病人或者疑似传染病病人的，应当将病人分诊至感染性疾病科或者分诊点就诊，同时对接诊处采取必要的消毒措施。但是对于传染病检测的方法采用人工方法过于浪费人力物力。采用机器检测的方法，会更加简单方便，但是目前的检测方法只是粗略检测，无法准确判别用户是否具有传染病。

发明内容

本发明的目的在于提供了一种大数据医疗预检分诊方法及系统，用以解决现有技术中存在的上述问题。

第一方面，本发明实施例提供了一种大数据医疗预检分诊方法，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。

可选的，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。

可选的，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。

可选的，所述获得训练判别类别向量，包括：