CN109461499A - 一种诊断脱色素性皮肤病的系统 - Google Patents

一种诊断脱色素性皮肤病的系统 Download PDF

Info

Publication number
CN109461499A
CN109461499A CN201811237578.3A CN201811237578A CN109461499A CN 109461499 A CN109461499 A CN 109461499A CN 201811237578 A CN201811237578 A CN 201811237578A CN 109461499 A CN109461499 A CN 109461499A
Authority
CN
China
Prior art keywords
opinion
depigmentation dermatoses
depigmentation
index
dermatoses
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201811237578.3A
Other languages
English (en)
Inventor
陈晋广
王渟
范华宇
蔡天国
林兰英
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Individual
Original Assignee
Individual
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Individual filed Critical Individual
Priority to CN201811237578.3A priority Critical patent/CN109461499A/zh
Publication of CN109461499A publication Critical patent/CN109461499A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
    • G16H20/10—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to drugs or medications, e.g. for ensuring correct administration to patients
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H70/00—ICT specially adapted for the handling or processing of medical references
    • G16H70/20—ICT specially adapted for the handling or processing of medical references relating to practices or guidelines

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • Epidemiology (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Biomedical Technology (AREA)
  • Bioethics (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Pathology (AREA)
  • Chemical & Material Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Medicinal Chemistry (AREA)
  • Medical Treatment And Welfare Office Work (AREA)

Abstract

本发明属于皮肤病检测技术领域，公开了一种诊断脱色素性皮肤病的系统，其包括有输入系统，用于输入患者的皮肤病的各种患病信息；检索系统，用于将患病信息在脱色素性皮肤病疾病库中检索其关键词，得出相近脱色素性皮肤病病种；对比系统，每一类脱色素性皮肤病的疾病信息进行对比，并分别给出相应的对比相似度；处理系统，用于根据相似度计算出最可能得的脱色素性皮肤病的类别；意见评测系统，用于对处理系统所做出的分析进行统筹并给出相应意见；反馈系统，用于将意见评测系统中做出的对脱色素性皮肤病的指导意见反馈给用户。本发明为患者的诊前咨询，与病情大致情况详细的反馈给患者，极大地为后续治疗就诊提供了便利。

Description

一种诊断脱色素性皮肤病的系统
技术领域
本发明属于皮肤病检测技术领域，尤其涉及一种诊断脱色素性皮肤病的系统。
背景技术
脱色素性皮肤病是一种常见的皮肤病，其发病率呈逐年增长的趋势，脱色素性皮肤病的疾病种类多，其中常见的有白癜风，白化病，斑驳病，无色素性色素失禁症，特发性点状白斑。虽然病因不同，但是就白斑的形态来说常常很相似，一般没有专业知识的人不易将这些白斑准确的区分开，这就导致了其治疗的不准确性，而且此类疾病主观症状轻，就诊率低，可能耽误治疗的最佳时间，甚至增加各种并发症的发病几率。
综上所述，现有技术存在的问题是：
(1)目前此类疾病的鉴别主要是通过一些搜索引擎，而大家常用的检索工具往往不具备专业性，另外是到医院咨询医生，而这会增加患者的时间成本和经济成本。
(2)拼音键盘中拼音滑动输入时出现语义歧义，增加了使用者的记忆成本；降低了中文拼音滑动的输入效率，浪费医生精力，耽误患者的病情。
(3)传统的检索方式安全性低，检索时间长，存储性差，不利于检索患者病情延误治疗。
(4)意见测评系统容易被人捣乱，数据存在的大量缺失与异常的实际情况，不利于患者于医生交流。
发明内容
针对现有技术存在的问题，本发明提供了一种诊断脱色素性皮肤病的系统。
本发明是这样实现的，一种诊断脱色素性皮肤病的系统使用方法，所述诊断脱色素性皮肤病的系统使用方法包括：
(1)通过输入系统输入发病时间，有无与患病人员接触，有无家族病史，有无过敏史，身体发病部位，有无发热症状就诊信息；检索系统将患病信息在脱色素性皮肤病疾病库中检索其关键词，得出相近脱色素性皮肤病病种，在检索出相近病类时通过对比系统，对每一类脱色素性皮肤病的疾病信息进行对比，并分别给出相应的对比相似度；
(2)处理系统处理对比相似度，根据相似度计算出最可能得的脱色素性皮肤病的类别，通过意见评测系统对得出的脱色素性皮肤病的类别进行分析得出处理意见；
(3)反馈系统将意见评测系统中做出的对脱色素性皮肤病的指导意见反馈给用户，并通过药物方案系统和治疗方案系统，将意见评测系统给出的指导意见建立一套完善的药物治疗方案与治疗方案供用户选择；
所述输入系统的拼音消歧方法包括：
步骤一：采用卷积核与上层的输入矩阵进行卷积运算，将运算结果输入激活函数从而构造新的特征矩阵作为下一层网络结构的输入，卷积核和上一层的不同输入特征矩阵在进行卷积运算，通过权值共享的方法，提取图像的卷积核对应的局部特征，采用不同的卷积核最终能够得到同一输入数据的不同局部特征：
Mj，上一层输入特征矩阵集合；第m-1层第i个网络的输入特征矩阵；第m层第j个网络的输出特征矩阵；在第m-1层第i个网络层和第m层第j个网络层之间的卷积核；第m层的第j个网络的偏置；
步骤二：提取卷积层输出矩阵的主要局部信息，通过池化的方法能防止数据过拟合；池化层抽样函数平均池化和最大池化公式：
式中，s(n，n)为输入窗口的函数；
步骤三：当自变量小于0时，函数值恒等于0，梯度为1当自变量大于0时候，梯度为x，梯度值不为零，由此无论自变量取何值，梯度都保持不为0，从而能够解决实际过程中梯度弥散的问题。
进一步，所述检索系统的检索方法包括：
步骤一：一个全文信息检索系统，用一个四元组{D,Q,F,R(qi，dj)}来定义，其中D是信息检索系统的文档集合，Q是用户查询请求的一组逻辑视图，F是对文档进行表达、信息提取和查询的逻辑框架，R(qi，dj)是针对查询qi返回的文档结果集合dj的排序策略；
步骤二：构建文件索引的方法：对于信息检索系统中的某一文档di，设其在归档规则F下，映射为一组索引词集合Ti((t1，p1)，(t2，p2)，…，(tk，pk))，其中对于任意索引词单元(tj，pj)，tj为索引词，偏移位置pj表示了索引词tj在文档Di中的相对偏移地址；获得明文索引词后，利用算法对索引词ti进行加密，得到密文索引词集合ETi((e1，p1)，(e2，p2)，…，(ek，pk))，并构建文件索引EIndex，其处理过程如下式所示：
步骤三：对于某个待归档文档di，首先对其进行分词映射，映射为一组索引词集合Ti，t1，t2，…，tk，只记录归档文档出现的不同索引词.获得明文索引词后，利用加密算法对每个索引词ti进行加密，得到密文索引词集合ETi(e1，e2，…，ek)，并插入到Mimir文件索引树中，构建文档索引Encrrypted Index，Mimir的文档归档过程：
进一步，所述意见测评系统的数据存储方法包括：
步骤一：通过原始的意见数据时间序列参数x(i)构造一个新的时间序列x'(i)；具体方法是取x(i)，x(i+1)，…，x(i+4)的中位数得到x'(i+2)，然后舍去x(i)加入x(i+5)取中位数得到x'(i+3)，以此类推；用类似的方法在序列x'(i)相邻的三个数据中选取中位数构成新序列x″(i)；由序列x”(i)按下式的方式构成最终序列x”'(i)：
步骤二：得到的时间序列x”'(i)是原始意见数据较为稳定的平滑值，根据实际数据与平滑值之间的误差程度定量的描述原始数据的波动程度；误差值可以采用均方根误差计算公式得到：
步骤三：结合测评意见三参数之间的相关性，采样多元质量控制方法进行异常值筛选，构造多元质量控制的指标公式为：
指标I即是根据3σ原则建立的一个多元质量控制的椭球体，若一组意见数据参数qi、vi、oi使得I大于1，表明该意见数据三参数向量在三维空间中的点落在了质量控制椭球体之外，则该组数据是异常的，应予以剔除，否则数据则是正常的。
本发明的另一目的在于提供一种应用所述诊断脱色素性皮肤病的系统使用方法的一种诊断脱色素性皮肤病的系统，所述诊断脱色素性皮肤病的系统设置有：
输入系统，用于输入患者的皮肤病的各种患病信息；
检索系统，用于将患病信息在脱色素性皮肤病疾病库中检索其关键词，得出相近脱色素性皮肤病病种；
对比系统，每一类脱色素性皮肤病的疾病信息进行对比，并分别给出相应的对比相似度；
处理系统，用于根据相似度计算出最可能得的脱色素性皮肤病的类别；
意见评测系统，用于对处理系统所做出的分析进行统筹并给出相应意见；
反馈系统，用于将意见评测系统中做出的对脱色素性皮肤病的指导意见反馈给用户。
进一步，所述反馈系统包括药物方案系统和治疗方案系统，用于根据意见评测系统给出的指导意见建立一套完善的药物治疗方案与治疗方案供用户选择。
进一步，所述输入系统包括需输入的信息有发病时间，有无与患病人员接触，有无家族病史，有无过敏史，身体发病部位，有无发热症状。
本发明的另一目的在于提供一种应用所述诊断脱色素性皮肤病的系统的信息数据处理终端。
本发明的优点及积极效果为：
(1)该发明设有输入系统通过最具特征的几种常见的脱色素性皮肤病症状来快速区分这一类疾病，再根据具体与对比系统中的各类脱色素性皮肤病进行比对，迅速得出大致病类，并设有意见评测系统，可对上述对比数据及处理数据提供给患者一套完善的处理意见，并设有药物方案系统与治疗方案系统，方便患者的后续治疗工作。
(2)采用适合医院拼音输入习惯的基于CNN模型的拼音消岐算法；相比于传统的输入算法，该输入算法能够降低使用者的记忆成本，提高了中文拼音滑动的输入效率，节省医生精力，有利于患者的治疗。
(3)Mimir文档全文检索系统在确保高安全性的同时，也具有很好的检索时间和存储空间性能，能够快速匹配患者病情，有利于治疗。
(4)算法能够有效剔除异常数据，异常数据恢复精度低于10％，同时具有很强的实时性和稳定性，能够满足医患及时的意见交流。
(5)
附图说明
图1是发明实施例提供的诊断脱色素性皮肤病的系统的结构示意图；
图中：1、输入系统；2、检索系统；3、对比系统；4、处理系统；5、意见评测系统；6、反馈系统；7、药物方案系统；8、治疗方案系统。
具体实施方式
为能进一步了解本发明的发明内容、特点及功效，兹例举以下实施例，并配合附图详细说明如下。
下面结合附图对本发明的结构作详细的描述。
如图1所示，本发明实施例提供的诊断脱色素性皮肤病的系统设置有输入系统1，用于输入患者的皮肤病的各种患病信息；检索系统2，用于将患病信息在脱色素性皮肤病疾病库中检索其关键词，得出相近脱色素性皮肤病病种；对比系统3，每一类脱色素性皮肤病的疾病信息进行对比，并分别给出相应的对比相似度；处理系统4，用于根据相似度计算出最可能得的脱色素性皮肤病的类别；意见评测系统5，用于对处理系统所做出的分析进行统筹并给出相应意见；反馈系统6，用于将意见评测系统中做出的对脱色素性皮肤病的指导意见反馈给用户。
所述反馈系统6包括药物方案系统7和治疗方案系统8，用于根据意见评测系统5给出的指导意见建立一套完善的药物治疗方案与治疗方案供用户选择。所述输入系统1包括需输入的信息有发病时间，有无与患病人员接触，有无家族病史，有无过敏史，身体发病部位，有无发热症状。所述对比系统3中包括有多种脱色素性皮肤病疾病资料，其中包括白癜风、斑驳病、白色糠疹、无色素性色素失禁症和特发性点状白斑的疾病信息。
本发明的工作原理是：该系统通过输入系统1输入发病时间，有无与患病人员接触，有无家族病史，有无过敏史，身体发病部位，有无发热症状等就诊信息，通过检索系统2将患病信息在脱色素性皮肤病疾病库中检索其关键词，得出相近脱色素性皮肤病病种，在检索出相近病类时通过对比系统3，对每一类脱色素性皮肤病的疾病信息进行对比，并分别给出相应的对比相似度，通过处理系统4处理上述对比相似度，根据相似度计算出最可能得的脱色素性皮肤病的类别，通过意见评测系统5对上述得出的脱色素性皮肤病的类别进行分析得出处理意见，通过反馈系统6将意见评测系统中做出的对脱色素性皮肤病的指导意见反馈给用户，并通过药物方案系统7和治疗方案系统8，将意见评测系统5给出的指导意见建立一套完善的药物治疗方案与治疗方案供用户选择。
本发明实施例提供的诊断脱色素性皮肤病的系统使用方法包括：
(1)通过输入系统输入发病时间，有无与患病人员接触，有无家族病史，有无过敏史，身体发病部位，有无发热症状就诊信息；检索系统将患病信息在脱色素性皮肤病疾病库中检索其关键词，得出相近脱色素性皮肤病病种，在检索出相近病类时通过对比系统，对每一类脱色素性皮肤病的疾病信息进行对比，并分别给出相应的对比相似度；
(2)处理系统处理对比相似度，根据相似度计算出最可能得的脱色素性皮肤病的类别，通过意见评测系统对得出的脱色素性皮肤病的类别进行分析得出处理意见；
(3)反馈系统将意见评测系统中做出的对脱色素性皮肤病的指导意见反馈给用户，并通过药物方案系统和治疗方案系统，将意见评测系统给出的指导意见建立一套完善的药物治疗方案与治疗方案供用户选择；
所述输入系统的拼音消歧方法包括：
步骤一：采用卷积核与上层的输入矩阵进行卷积运算，将运算结果输入激活函数从而构造新的特征矩阵作为下一层网络结构的输入，卷积核和上一层的不同输入特征矩阵在进行卷积运算，通过权值共享的方法，提取图像的卷积核对应的局部特征，采用不同的卷积核最终能够得到同一输入数据的不同局部特征：
Mj，上一层输入特征矩阵集合；第m-1层第i个网络的输入特征矩阵；第m层第j个网络的输出特征矩阵；在第m-1层第i个网络层和第m层第j个网络层之间的卷积核；第m层的第j个网络的偏置；
步骤二：提取卷积层输出矩阵的主要局部信息，通过池化的方法能防止数据过拟合；池化层抽样函数平均池化和最大池化公式：
式中，s(n，n)为输入窗口的函数；
步骤三：当自变量小于0时，函数值恒等于0，梯度为1当自变量大于0时候，梯度为x，梯度值不为零，由此无论自变量取何值，梯度都保持不为0，从而能够解决实际过程中梯度弥散的问题。
进一步，所述检索系统的检索方法包括：
步骤一：一个全文信息检索系统，用一个四元组{D,Q,F,R(qi，dj)}来定义，其中D是信息检索系统的文档集合，Q是用户查询请求的一组逻辑视图，F是对文档进行表达、信息提取和查询的逻辑框架，R(qi，dj)是针对查询qi返回的文档结果集合dj的排序策略；
步骤二：构建文件索引的方法：对于信息检索系统中的某一文档di，设其在归档规则F下，映射为一组索引词集合Ti((t1，p1)，(t2，p2)，…，(tk，pk))，其中对于任意索引词单元(tj，pj)，tj为索引词，偏移位置pj表示了索引词tj在文档Di中的相对偏移地址；获得明文索引词后，利用算法对索引词ti进行加密，得到密文索引词集合ETi((e1，p1)，(e2，p2)，…，(ek，pk))，并构建文件索引EIndex，其处理过程如下式所示：
步骤三：对于某个待归档文档di，首先对其进行分词映射，映射为一组索引词集合Ti，t1，t2，…，tk，只记录归档文档出现的不同索引词.获得明文索引词后，利用加密算法对每个索引词ti进行加密，得到密文索引词集合ETi(e1，e2，…，ek)，并插入到Mimir文件索引树中，构建文档索引Encrrypted Index，Mimir的文档归档过程：
进一步，所述意见测评系统的数据存储方法包括：
步骤一：通过原始的意见数据时间序列参数x(i)构造一个新的时间序列x'(i)；具体方法是取x(i)，x(i+1)，…，x(i+4)的中位数得到x'(i+2)，然后舍去x(i)加入x(i+5)取中位数得到x'(i+3)，以此类推；用类似的方法在序列x'(i)相邻的三个数据中选取中位数构成新序列x″(i)；由序列x”(i)按下式的方式构成最终序列x”'(i)：
步骤二：得到的时间序列x”'(i)是原始意见数据较为稳定的平滑值，根据实际数据与平滑值之间的误差程度定量的描述原始数据的波动程度；误差值可以采用均方根误差计算公式得到：
步骤三：结合测评意见三参数之间的相关性，采样多元质量控制方法进行异常值筛选，构造多元质量控制的指标公式为：
指标I即是根据3σ原则建立的一个多元质量控制的椭球体，若一组意见数据参数qi、vi、oi使得I大于1，表明该意见数据三参数向量在三维空间中的点落在了质量控制椭球体之外，则该组数据是异常的，应予以剔除，否则数据则是正常的。
以上所述仅是对本发明的较佳实施例而已，并非对本发明作任何形式上的限制，凡是依据本发明的技术实质对以上实施例所做的任何简单修改，等同变化与修饰，均属于本发明技术方案的范围内。

Claims (7)

1.一种诊断脱色素性皮肤病的系统使用方法，其特征在于，所述诊断脱色素性皮肤病的系统使用方法包括：
(1)通过输入系统输入发病时间，有无与患病人员接触，有无家族病史，有无过敏史，身体发病部位，有无发热症状就诊信息；检索系统将患病信息在脱色素性皮肤病疾病库中检索其关键词，得出相近脱色素性皮肤病病种，在检索出相近病类时通过对比系统，对每一类脱色素性皮肤病的疾病信息进行对比，并分别给出相应的对比相似度；
(2)处理系统处理对比相似度，根据相似度计算出最可能得的脱色素性皮肤病的类别，通过意见评测系统对得出的脱色素性皮肤病的类别进行分析得出处理意见；
(3)反馈系统将意见评测系统中做出的对脱色素性皮肤病的指导意见反馈给用户，并通过药物方案系统和治疗方案系统，将意见评测系统给出的指导意见建立一套完善的药物治疗方案与治疗方案供用户选择；
所述输入系统的拼音消歧方法包括：
步骤一：采用卷积核与上层的输入矩阵进行卷积运算，将运算结果输入激活函数从而构造新的特征矩阵作为下一层网络结构的输入，卷积核和上一层的不同输入特征矩阵在进行卷积运算，通过权值共享的方法，提取图像的卷积核对应的局部特征，采用不同的卷积核最终能够得到同一输入数据的不同局部特征：
Mj，上一层输入特征矩阵集合；第m-1层第i个网络的输入特征矩阵；第m层第j个网络的输出特征矩阵；在第m-1层第i个网络层和第m层第j个网络层之间的卷积核；第m层的第j个网络的偏置；
步骤二：提取卷积层输出矩阵的主要局部信息，通过池化的方法能防止数据过拟合；池化层抽样函数平均池化和最大池化公式：
式中，s(n，n)为输入窗口的函数；
步骤三：当自变量小于0时，函数值恒等于0，梯度为1当自变量大于0时候，梯度为x，梯度值不为零，由此无论自变量取何值，梯度都保持不为0，从而能够解决实际过程中梯度弥散的问题。
2.如权利要求1所述的诊断脱色素性皮肤病的系统使用方法，其特征在于，所述检索系统的检索方法包括：
步骤一：一个全文信息检索系统，用一个四元组{D,Q,F,R(qi，dj)}来定义，其中D是信息检索系统的文档集合，Q是用户查询请求的一组逻辑视图，F是对文档进行表达、信息提取和查询的逻辑框架，R(qi，dj)是针对查询qi返回的文档结果集合dj的排序策略；
步骤二：构建文件索引的方法：对于信息检索系统中的某一文档di，设其在归档规则F下，映射为一组索引词集合Ti((t1，p1)，(t2，p2)，…，(tk，pk))，其中对于任意索引词单元(tj，pj)，tj为索引词，偏移位置pj表示了索引词tj在文档Di中的相对偏移地址；获得明文索引词后，利用算法对索引词ti进行加密，得到密文索引词集合ETi((e1，p1)，(e2，p2)，…，(ek，pk))，并构建文件索引EIndex，其处理过程如下式所示：
步骤三：对于某个待归档文档di，首先对其进行分词映射，映射为一组索引词集合Ti，t1，t2，…，tk，只记录归档文档出现的不同索引词.获得明文索引词后，利用加密算法对每个索引词ti进行加密，得到密文索引词集合ETi(e1，e2，…，ek)，并插入到Mimir文件索引树中，构建文档索引Encrrypted Index，Mimir的文档归档过程：
3.如权利要求1所述的诊断脱色素性皮肤病的系统使用方法，其特征在于，所述意见测评系统的数据存储方法包括：
步骤一：通过原始的意见数据时间序列参数x(i)构造一个新的时间序列x'(i)；具体方法是取x(i)，x(i+1)，…，x(i+4)的中位数得到x'(i+2)，然后舍去x(i)加入x(i+5)取中位数得到x'(i+3)，以此类推；用类似的方法在序列x'(i)相邻的三个数据中选取中位数构成新序列x″(i)；由序列x”(i)按下式的方式构成最终序列x”'(i)：
步骤二：得到的时间序列x”'(i)是原始意见数据较为稳定的平滑值，根据实际数据与平滑值之间的误差程度定量的描述原始数据的波动程度；误差值可以采用均方根误差计算公式得到：
步骤三：结合测评意见三参数之间的相关性，采样多元质量控制方法进行异常值筛选，构造多元质量控制的指标公式为：
指标I即是根据3σ原则建立的一个多元质量控制的椭球体，若一组意见数据参数qi、vi、oi使得I大于1，表明该意见数据三参数向量在三维空间中的点落在了质量控制椭球体之外，则该组数据是异常的，应予以剔除，否则数据则是正常的。
4.一种应用权利要求1所述诊断脱色素性皮肤病的系统使用方法的一种诊断脱色素性皮肤病的系统，其特征在于，所述诊断脱色素性皮肤病的系统设置有：
输入系统，用于输入患者的皮肤病的各种患病信息；
检索系统，用于将患病信息在脱色素性皮肤病疾病库中检索其关键词，得出相近脱色素性皮肤病病种；
对比系统，每一类脱色素性皮肤病的疾病信息进行对比，并分别给出相应的对比相似度；
处理系统，用于根据相似度计算出最可能得的脱色素性皮肤病的类别；
意见评测系统，用于对处理系统所做出的分析进行统筹并给出相应意见；
反馈系统，用于将意见评测系统中做出的对脱色素性皮肤病的指导意见反馈给用户。
5.如权利要求4所述的诊断脱色素性皮肤病的系统，其特征在于，所述反馈系统包括药物方案系统和治疗方案系统，用于根据意见评测系统给出的指导意见建立一套完善的药物治疗方案与治疗方案供用户选择。
6.如权利要求4所述的诊断脱色素性皮肤病的系统，其特征在于，所述输入系统包括需输入的信息有发病时间，有无与患病人员接触，有无家族病史，有无过敏史，身体发病部位，有无发热症状。
7.一种应用权利要求4～6任意一项所述诊断脱色素性皮肤病的系统的信息数据处理终端。
CN201811237578.3A 2018-10-23 2018-10-23 一种诊断脱色素性皮肤病的系统 Pending CN109461499A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811237578.3A CN109461499A (zh) 2018-10-23 2018-10-23 一种诊断脱色素性皮肤病的系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811237578.3A CN109461499A (zh) 2018-10-23 2018-10-23 一种诊断脱色素性皮肤病的系统

Publications (1)

Publication Number Publication Date
CN109461499A true CN109461499A (zh) 2019-03-12

Family

ID=65608233

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811237578.3A Pending CN109461499A (zh) 2018-10-23 2018-10-23 一种诊断脱色素性皮肤病的系统

Country Status (1)

Country Link
CN (1) CN109461499A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110533633A (zh) * 2019-07-26 2019-12-03 深圳壹账通智能科技有限公司 基于人工智能的信息推荐方法、装置、计算机设备及存储介质

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103345526A (zh) * 2013-07-22 2013-10-09 武汉大学 一种云环境下高效的隐私保护密文查询方法
US20180144827A1 (en) * 2015-05-20 2018-05-24 Kabushiki Kaisha Topcon Ophthalmic examination support system
CN108091394A (zh) * 2018-01-17 2018-05-29 中南大学湘雅三医院 一种诊断脱色素性皮肤病的系统

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103345526A (zh) * 2013-07-22 2013-10-09 武汉大学 一种云环境下高效的隐私保护密文查询方法
US20180144827A1 (en) * 2015-05-20 2018-05-24 Kabushiki Kaisha Topcon Ophthalmic examination support system
CN108091394A (zh) * 2018-01-17 2018-05-29 中南大学湘雅三医院 一种诊断脱色素性皮肤病的系统

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
宋伟等: "Mimir：一种基于密文的全文检索服务系统", 《计算机学报》 *
庄烈彬: "基于滑动轨迹的连续拼音输入系统", 《中国优秀硕士学位论文全文数据库信息科技辑》 *
徐程等: "动态交通数据异常值的实时筛选与恢复方法", 《哈尔滨工程大学学报》 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110533633A (zh) * 2019-07-26 2019-12-03 深圳壹账通智能科技有限公司 基于人工智能的信息推荐方法、装置、计算机设备及存储介质

Similar Documents

Publication Publication Date Title
US11355240B2 (en) Determination of health sciences recommendations
Grampurohit et al. Disease prediction using machine learning algorithms
Fang et al. Feature Selection Method Based on Class Discriminative Degree for Intelligent Medical Diagnosis.
US20080114724A1 (en) Method and System for High Performance Integration, Processing and Searching of Structured and Unstructured Data Using Coprocessors
Alpan et al. Classification of diabetes dataset with data mining techniques by using WEKA approach
WO2008063974A2 (en) Method and system for high performance integration, processing and searching of structured and unstructured data using coprocessors
Wang et al. Attention-based multi-instance neural network for medical diagnosis from incomplete and low quality data
Pan et al. Improved ensemble classification method of thyroid disease based on random forest
Lin et al. Patient similarity via joint embeddings of medical knowledge graph and medical entity descriptions
CN106529138A (zh) 信息推送方法和装置
Le Capitaine A relevance-based learning model of fuzzy similarity measures
CN113409907A (zh) 一种基于互联网医院的智能预问诊方法及系统
CN114255851A (zh) 基于超图神经网络的中草药方剂推荐方法
Hu et al. A novel neural network model fusion approach for improving medical named entity recognition in online health expert question-answering services
Ding et al. Diagnosing crop diseases based on domain-adaptive pre-training BERT of electronic medical records
Chen et al. Automatic ICD code assignment utilizing textual descriptions and hierarchical structure of ICD code
Vu et al. Identifying patients with pain in emergency departments using conventional machine learning and deep learning
CN109461499A (zh) 一种诊断脱色素性皮肤病的系统
Jia et al. Traditional Chinese medicine symptom normalization approach leveraging hierarchical semantic information and text matching with attention mechanism
Mendoza et al. Application of data mining techniques in diagnosing various thyroid ailments: a review
CN111429991B (zh) 药品预测方法、装置、计算机设备及存储介质
Hosseinkhah et al. Challenges in data mining on medical databases
Wang et al. A review of the application of natural language processing in clinical medicine
Yu et al. Deep learning hybrid models for COVID-19 prediction
Shetty et al. Symptom based health prediction using data mining

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20190312