【技術實現步驟摘要】
本專利技術涉及數據處理，尤其涉及一種中醫多診合大數據模型的構建方法及系統。
技術介紹
1、目前，隨著中醫藥事業的不斷發展，中醫診斷方法逐漸呈現出多元化的發展趨勢。為了更好地挖掘和傳承中醫診斷方法，提高中醫診斷的準確性和科學性，通過對多種中醫診斷方法的綜合運用，結合現代大數據技術，為臨床醫生提供更加全面、準確的診斷依據，從而提高中醫診療水平成為了中醫診斷的當下主流趨勢，現有的診斷方法通常都是由中醫醫師將患者的診斷結果在大數據庫中進行檢索然后確定病由以及治療方法，但是上述方法存在以下問題：由于大數據庫中的錄入的數據都是根據歷史患病記錄生成的人工經驗數據，其存在嚴重的主觀性并且由于不具有嚴謹的知識體系從而導致無法根據診斷結果進行合理的治療建議從而降低患者的治療效果。
技術實現思路
1、針對上述所顯示出來的問題，本專利技術提供了一種中醫多診合大數據模型的構建方法及系統用以解決
技術介紹
中提到的由于大數據庫中的錄入的數據都是根據歷史患病記錄生成的人工經驗數據，其存在嚴重的主觀性并且由于不具有嚴謹的知識體系從而導致無法根據診斷結果進行合理的治療建議從而降低患者的治療效果的問題。
2、一種中醫多診合大數據模型的構建方法，包括以下步驟：
3、獲取多源中醫知識數據并進行整合，采用特征提取算法從整合中醫知識數據中提取出中醫診斷相關數據特征；
4、根據中醫診斷相關數據特征建立中醫知識體系，利用中醫知識體系訓練深度學習模型，生成初始中醫大數據診斷模型；
5、利
6、將優化后的初始中醫大數據診斷模型部署到服務器上并進行兼容性測試和二次優化以生成目標中醫大數據診斷模型。
7、優選的，所述獲取多源中醫知識數據并進行整合，采用特征提取算法從整合中醫知識數據中提取出中醫診斷相關數據特征，包括：
8、獲取不同數據來源和不同類型的中醫數據并通過數據融合技術進行整合，獲取整合中醫數據；
9、對整合中醫數據進行數據清洗、去重和標準化處理，獲取處理后的整合中醫數據；
10、提取處理后的整合中醫數據中的病理屬性，基于病理屬性從多個參考特征提取算法中選擇適配的目標特征提取算法；
11、利用目標特征提取算法從整合中醫知識數據中提取出中醫知識概念特征及其延伸診斷數據特征，將所有中醫知識概念特征及其延伸診斷數據特征進行整合以生成中醫診斷相關數據特征。
12、優選的，在根據中醫診斷相關數據特征建立中醫知識體系，利用中醫知識體系訓練深度學習模型，生成初始中醫大數據診斷模型之前，還包括：
13、獲取多個不同的深度學習模型并對每個深度學習模型設置相同的模型學習參數；
14、基于模型融合技術將不同的深度學習模型進行集成，獲取集成深度學習模型；
15、將集成深度學習模型作為待訓練的深度學習模型。
16、優選的，所述根據中醫診斷相關數據特征建立中醫知識體系，利用中醫知識體系訓練深度學習模型，生成初始中醫大數據診斷模型，包括：
17、對中醫診斷相關數據特征進行結構化處理，獲取中醫結構化數據；
18、確定中醫結構化數據中各個數據之間的因果關系和條件關系并進行思維結構導圖繪制，獲取繪制結果；
19、根據繪制結果建立中醫知識體系，確定中醫知識體系中各個體系條目的中醫大數據；
20、利用中醫知識體系中各個體系條目的中醫大數據訓練深度學習模型，生成初始中醫大數據診斷模型。
21、優選的，所述利用中醫大數據診斷模型對中醫診斷結果進行推理和驗證，根據驗證結果優化模型精度，包括：
22、收集中醫診斷數據并對其進行標準化和歸一化處理，根據處理結果生成中醫診斷結果；
23、將中醫診斷結果輸入到中醫大數據診斷模型中，獲取模型輸出結果；
24、運用機器學習和自然語言處理技術對模型輸出結果進行邏輯分析，獲取分析數據；
25、根據分析數據確定中醫大數據診斷模型的診斷結果與人工診斷結果的差異參數，根據差異參數確定模型知識優化項，對模型知識優化項進行參數修改以優化模型精度。
26、優選的，所述將優化后的初始中醫大數據診斷模型部署到服務器上并進行兼容性測試和二次優化以生成目標中醫大數據診斷模型，包括：
27、檢查服務器的硬件資源和服務器環境是否符合部署要求，若是，創建虛擬部署環境，若否，對服務器進行硬件驅動和環境優化直到其符合部署要求為止；
28、在虛擬部署環境中部署優化后的初始中醫大數據診斷模型并檢測模型運行情況和性能參數；
29、根據模型運行情況和性能參數確定服務器與優化后的初始中醫大數據診斷模型之間的兼容度；
30、若兼容度大于等于預設閾值，確認無需對優化后的初始中醫大數據診斷模型進行二次優化，若兼容度小于預設閾值，通過決策樹模型對優化后的初始中醫大數據診斷模型進行二次性能優化以生成目標中醫大數據診斷模型。
31、優選的，所述方法還包括：
32、獲取目標患者多來源的中醫診療數據并進行整合；
33、利用目標中醫大數據診斷模型對整合后的數據進行深入挖掘和分析，獲取分析結果；
34、根據分析結果生成對于目標患者的個性化治療方案；
35、將個性化治療方案上傳至醫師所在終端進行參考和決策。
36、優選的，在利用中醫知識體系訓練深度學習模型，生成初始中醫大數據診斷模型之前之前，還包括：
37、構建數據庫，將中醫知識體系及其體系知識存儲到數據庫中；
38、確定中醫知識體系中每個體系知識項及其關聯知識并將其單獨存儲到數據庫的文件欄中；
39、對每個體系知識項進行周期性檢索，根據檢索結果獲取每個體系知識項的知識更新內容；
40、將每個體系知識項的知識更新內容填充到該體系知識項的目標文件欄中。
41、優選的，確定中醫結構化數據中各個數據之間的因果關系和條件關系，包括：
42、確定各個數據的數據變量，根據數據變量將各個數據進行分類，根據分類結果確定各個數據之間的因果關系；
43、使用條件圖基于各個數據的數據變量確定各個數據之間的條件關系。
44、一種中醫多診合大數據模型的構建系統，該系統包括：
45、提取模塊，用于獲取多源中醫知識數據并進行整合，采用特征提取算法從整合中醫知識數據中提取出中醫診斷相關數據特征；
46、第一生成模塊，用于根據中醫診斷相關數據特征建立中醫知識體系，利用中醫知識體系訓練深度學習模型，生成初始中醫大數據診斷模型；
47、驗證模塊，用于利用中醫大數據診斷模型對中醫診斷結果進行推理和驗證，根據驗證結果優化模型精度；
48、第二生成模塊，用于將優化后的初始中醫大數據診斷模型部署到服務器上并進本文檔來自技高網...
【技術保護點】
1.一種中醫多診合大數據模型的構建方法，其特征在于，包括以下步驟：
2.根據權利要求1所述中醫多診合大數據模型的構建方法，其特征在于，所述獲取多源中醫知識數據并進行整合，采用特征提取算法從整合中醫知識數據中提取出中醫診斷相關數據特征，包括：
3.根據權利要求1所述中醫多診合大數據模型的構建方法，其特征在于，在根據中醫診斷相關數據特征建立中醫知識體系，利用中醫知識體系訓練深度學習模型，生成初始中醫大數據診斷模型之前，還包括：
4.根據權利要求1所述中醫多診合大數據模型的構建方法，其特征在于，所述根據中醫診斷相關數據特征建立中醫知識體系，利用中醫知識體系訓練深度學習模型，生成初始中醫大數據診斷模型，包括：
5.根據權利要求1所述中醫多診合大數據模型的構建方法，其特征在于，所述利用中醫大數據診斷模型對中醫診斷結果進行推理和驗證，根據驗證結果優化模型精度，包括：
6.根據權利要求1所述中醫多診合大數據模型的構建方法，其特征在于，所述將優化后的初始中醫大數據診斷模型部署到服務器上并進行兼容性測試和二次優化以生成目標中醫大數據診斷模
7.根據權利要求1所述中醫多診合大數據模型的構建方法，其特征在于，所述方法還包括：
8.根據權利要求1所述中醫多診合大數據模型的構建方法，其特征在于，在利用中醫知識體系訓練深度學習模型，生成初始中醫大數據診斷模型之前之前，還包括：
9.根據權利要求4所述中醫多診合大數據模型的構建方法，其特征在于，確定中醫結構化數據中各個數據之間的因果關系和條件關系，包括：
10.一種中醫多診合大數據模型的構建系統，其特征在于，該系統包括：
...【技術特征摘要】
1.一種中醫多診合大數據模型的構建方法，其特征在于，包括以下步驟：
2.根據權利要求1所述中醫多診合大數據模型的構建方法，其特征在于，所述獲取多源中醫知識數據并進行整合，采用特征提取算法從整合中醫知識數據中提取出中醫診斷相關數據特征，包括：
3.根據權利要求1所述中醫多診合大數據模型的構建方法，其特征在于，在根據中醫診斷相關數據特征建立中醫知識體系，利用中醫知識體系訓練深度學習模型，生成初始中醫大數據診斷模型之前，還包括：
4.根據權利要求1所述中醫多診合大數據模型的構建方法，其特征在于，所述根據中醫診斷相關數據特征建立中醫知識體系，利用中醫知識體系訓練深度學習模型，生成初始中醫大數據診斷模型，包括：
5.根據權利要求1所述中醫多診合大數據模型的構建方法，其特征在于，所述利用中醫大數...
【專利技術屬性】
技術研發人員：白偉民，
申請(專利權)人：安頓健康科技有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。