CN112185571B - 一种基于口酸的疾病辅助诊断系统、设备、存储介质 - Google Patents
一种基于口酸的疾病辅助诊断系统、设备、存储介质 Download PDFInfo
- Publication number
- CN112185571B CN112185571B CN202010981278.7A CN202010981278A CN112185571B CN 112185571 B CN112185571 B CN 112185571B CN 202010981278 A CN202010981278 A CN 202010981278A CN 112185571 B CN112185571 B CN 112185571B
- Authority
- CN
- China
- Prior art keywords
- case
- disease
- sample
- samples
- module
- 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.)
- Active
Links
- 201000010099 disease Diseases 0.000 title claims abstract description 59
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 title claims abstract description 59
- 238000003745 diagnosis Methods 0.000 title claims abstract description 34
- PXQPEWDEAKTCGB-UHFFFAOYSA-N orotic acid Chemical compound OC(=O)C1=CC(=O)NC(=O)N1 PXQPEWDEAKTCGB-UHFFFAOYSA-N 0.000 title claims abstract description 24
- 229960005010 orotic acid Drugs 0.000 title claims abstract description 12
- 208000024891 symptom Diseases 0.000 claims abstract description 31
- 238000013145 classification model Methods 0.000 claims abstract description 20
- 238000010276 construction Methods 0.000 claims abstract description 8
- 238000012549 training Methods 0.000 claims abstract description 6
- 230000008506 pathogenesis Effects 0.000 claims abstract description 4
- 238000004891 communication Methods 0.000 claims description 9
- 210000004185 liver Anatomy 0.000 claims description 9
- 206010020601 Hyperchlorhydria Diseases 0.000 claims description 8
- 201000006549 dyspepsia Diseases 0.000 claims description 8
- 230000002496 gastric effect Effects 0.000 claims description 7
- 238000000034 method Methods 0.000 claims description 7
- 239000013598 vector Substances 0.000 claims description 6
- 238000013016 damping Methods 0.000 claims description 3
- 238000003066 decision tree Methods 0.000 claims description 3
- 238000000605 extraction Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 3
- 238000012216 screening Methods 0.000 claims description 3
- 230000011218 segmentation Effects 0.000 claims description 3
- 239000002253 acid Substances 0.000 description 8
- 210000000214 mouth Anatomy 0.000 description 6
- 230000035943 smell Effects 0.000 description 5
- 235000019640 taste Nutrition 0.000 description 4
- 208000007882 Gastritis Diseases 0.000 description 3
- 206010028813 Nausea Diseases 0.000 description 3
- 208000002193 Pain Diseases 0.000 description 3
- 208000019790 abdominal distention Diseases 0.000 description 3
- 239000011248 coating agent Substances 0.000 description 3
- 238000000576 coating method Methods 0.000 description 3
- 230000008693 nausea Effects 0.000 description 3
- 230000036407 pain Effects 0.000 description 3
- GHOKWGTUZJEAQD-ZETCQYMHSA-N (D)-(+)-Pantothenic acid Chemical compound OCC(C)(C)[C@@H](O)C(=O)NCCC(O)=O GHOKWGTUZJEAQD-ZETCQYMHSA-N 0.000 description 2
- 206010008479 Chest Pain Diseases 0.000 description 2
- 206010067171 Regurgitation Diseases 0.000 description 2
- 206010047700 Vomiting Diseases 0.000 description 2
- 208000022531 anorexia Diseases 0.000 description 2
- 210000000748 cardiovascular system Anatomy 0.000 description 2
- 206010061428 decreased appetite Diseases 0.000 description 2
- 239000000796 flavoring agent Substances 0.000 description 2
- 235000019634 flavors Nutrition 0.000 description 2
- 210000004211 gastric acid Anatomy 0.000 description 2
- 208000015181 infectious disease Diseases 0.000 description 2
- 230000008673 vomiting Effects 0.000 description 2
- 206010000060 Abdominal distension Diseases 0.000 description 1
- GHOKWGTUZJEAQD-UHFFFAOYSA-N Chick antidermatitis factor Natural products OCC(C)(C)C(O)C(=O)NCCC(O)=O GHOKWGTUZJEAQD-UHFFFAOYSA-N 0.000 description 1
- 206010053155 Epigastric discomfort Diseases 0.000 description 1
- 206010015137 Eructation Diseases 0.000 description 1
- 208000031361 Hiccup Diseases 0.000 description 1
- 208000008469 Peptic Ulcer Diseases 0.000 description 1
- 208000007107 Stomach Ulcer Diseases 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 210000001124 body fluid Anatomy 0.000 description 1
- 239000010839 body fluid Substances 0.000 description 1
- 210000003710 cerebral cortex Anatomy 0.000 description 1
- 235000009508 confectionery Nutrition 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 208000000718 duodenal ulcer Diseases 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 235000013305 food Nutrition 0.000 description 1
- 201000005917 gastric ulcer Diseases 0.000 description 1
- 230000005802 health problem Effects 0.000 description 1
- 208000024798 heartburn Diseases 0.000 description 1
- 208000013403 hyperactivity Diseases 0.000 description 1
- 230000009545 invasion Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 210000005036 nerve Anatomy 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 229940055726 pantothenic acid Drugs 0.000 description 1
- 235000019161 pantothenic acid Nutrition 0.000 description 1
- 239000011713 pantothenic acid Substances 0.000 description 1
- 208000011906 peptic ulcer disease Diseases 0.000 description 1
- 235000019614 sour taste Nutrition 0.000 description 1
- 210000000952 spleen Anatomy 0.000 description 1
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
- G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/35—Clustering; Classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/243—Classification techniques relating to the number of classes
- G06F18/24317—Piecewise classification, i.e. whereby each classification requires several discriminant rules
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/30—Semantic analysis
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Abstract
本发明公开一种基于口酸的疾病辅助诊断系统、设备、存储介质,所述系统包括:样本获取模块:从病例库中获取以口酸为第一主诉症状的病例,提取病例症状信息及对应的疾病名称,构建向量化的病例样本;样本标记模块:根据病例样本的疾病的发病原因,对病例样本标记;模型构建模块:通过Adaboost算法构建疾病分类模型,通过所述病例样本训练所述疾病分类模型;辅助诊断模块:获取待诊断病例的症状信息并进行向量化表示,通过训练好的疾病分类模型进行病例第一次分类,通过计算语义相似度的方式进行病例第二次分类,将第二次分类结果作为辅助诊断结果。本发明通过Adaboost算法构建疾病分类模型,实现了以口酸为第一主诉症状的快速疾病辅助诊断。
Description
技术领域
本发明涉及疾病辅助诊断设备领域,一种基于口酸的疾病辅助诊断系统、设备、存储介质。
背景技术
俗话说,“鼻闻香臭,舌尝五味”。酸、甜、苦、辣、咸五味的信息,是靠舌面上密布的细小乳头,称为舌蕾的味觉细胞来传递的,再经大脑皮质味觉中枢产生兴奋,由反馈环路神经体液系统完成整个味的分析活动。但是有的人在进食时,口中会有异味感,或者不进食口腔内也觉得有异常味道。这常常提示可能得了某种疾病。中医认为,口酸多为肝胆之热侵脾所致,是肝气上溢的征兆,常伴有胸闷胁痛、恶心、食后腹胀、舌苔薄黄、脉弦等症状。常见于胃炎和消化性溃疡,与胃酸过多有关。比如,胃炎、胃酸、感冒和胃及十二指肠溃疡胃酸等。
现有技术中很难根据直接根据口腔异味直接做出准确的疾病诊断,需要借助多种辅助检测设备并结合医师经验判断,诊断过程繁琐且有主观性影响。
发明内容
有鉴于此,本发明提出了一种基于口酸的疾病辅助诊断系统、设备、存储介质,用于解决现有技术无法根据口酸进行快速疾病辅助诊断问题。
本发明第一方面,公开一种基于口酸的疾病辅助诊断系统,所述系统包括:
样本获取模块:从病例库中获取以口酸为第一主诉症状的病例,提取病例症状信息及对应的疾病名称,构建向量化的病例样本;
样本标记模块:根据病例样本的疾病的发病原因,将口酸分为胃酸过多、肝火旺盛、消化不良几个大类,对病例样本标记;
模型构建模块:通过Adaboost算法构建疾病分类模型,通过所述病例样本训练所述疾病分类模型;
辅助诊断模块:获取待诊断病例的症状信息并进行向量化表示,通过训练好的疾病分类模型进行病例第一次分类,通过计算语义相似度的方式进行病例第二次分类,将第二次分类结果作为辅助诊断结果。
优选的,所述样本获取模块和辅助诊断模块中,基于TextRank算法进行关键词提取,分别对病例样本和待诊断病例进行向量化表示,其具体过程包括:
对病例的症状描述信息进行分词、去停用词处理,得到候选关键词,构建构建候选关键词图G=(V,E),其中V为节点集,E为边集合,任两点Vi,Vj之间边的权重为ωji,点Vi的得分定义如下:
In(Vi)为指向点Vi的点集合,Out(Vi)为点Vi指向的点集合,d阻尼系数,取值范围为0到1,根据以上公式进行权重迭代,直至收敛。
优选的,所述样本标记模块中,将胃酸过多、肝火旺盛、消化不良几个大类作为样本的第一标记,将每个样本对应的疾病名称作为第二标记。
优选的,所述模型构建模块中,预先统计样本标记模块中各类第一标记对应的样本量,设定样本量阈值,将样本量超过所述阈值的作为多数类样本,其余为少数类样本;对于多数类样本,通过欧式距离法计算各类别中心点,筛选出与所述类别中心点在预设距离范围内的样本,使筛选出的样本与少数类样本均衡,筛选出的样本与少数类样本共同组成样本集。
优选的,所述模型构建模块中,采用决策树模型作为疾病分类模型的基分类器。
优选的,所述辅助诊断模块中,所述通过计算语义相似度的方式进行病例第二次分类具体为:根据病例第一次分类结果,获取第一标签下各个第二标签对应的疾病症状信息,计算待诊断病例的症状信息的特征向量与第二标签对应的疾病症状信息特征向量之间的语义相似度,取语义相似度最高的第二标签作为辅助诊断结果。
本发明第二方面,公开一种电子设备,包括:至少一个处理器、至少一个存储器、通信接口和总线;
其中,所述处理器、存储器、通信接口通过所述总线完成相互间的通信;
所述存储器存储有可被所述处理器执行的程序指令,所述处理器调用所述程序指令,以实现本发明第一方面所述的系统。
本发明第三方面,公开一种计算机可读存储介质,所述计算机可读存储介质存储计算机指令,所述计算机指令使所述计算机实现权利要求1~6任一项所述的系统。
本发明相对于现有技术具有以下有益效果:
本发明通过Adaboost算法构建疾病分类模型,实现了以口酸为第一主诉症状的快速疾病辅助诊断,通过Adaboost算法构建疾病分类模型并进行初步分类,再根据初步分类结果根据语义相似度进行二次分类,可以比较准确地推导和预测出可能的疾病和健康问题,是一种简单实用的辅助诊断系统。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明基于口酸的疾病辅助诊断系统的结构示意图。
具体实施方式
下面将结合本发明实施方式,对本发明实施方式中的技术方案进行清楚、完整地描述,显然,所描述的实施方式仅仅是本发明一部分实施方式,而不是全部的实施方式。基于本发明中的实施方式,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施方式,都属于本发明保护的范围。
如图1所示,本发明第一方面,公开一种基于口酸的疾病辅助诊断系统,所述系统包括:样本获取模块100、样本标记模块200、模型构建模块300、辅助诊断模块400。
样本获取模块100,从病例库中获取以口酸为第一主诉症状的病例,提取病例症状信息及对应的疾病名称,构建向量化的病例样本;
口酸指病人自觉口中有酸味,或泛酸,甚至闻之有酸腐气味的症状,可伴见恶心、呕吐、胸闷胁痛、腹胀、苔黄、脉弦等症状;比如,胃炎表现为上腹部不适、反酸、烧心、打嗝、嗳气、恶心、呕吐、腹胀等症状;肝胃不合型症状有:口中发酸,嘈杂吞酸,食少纳呆,嗳气,胁肋胀痛,舌淡苔薄脉弦;宿食停滞型临床表现:主要表现为口中发酸,或嗳气酸腐,纳呆恶食,脘腹胀满,舌淡苔厚浊腻,脉滑等。
样本标记模块200,根据病例样本的疾病的发病原因,将口酸分为胃酸过多、肝火旺盛、消化不良几个大类,对病例样本标记;
具体的,将胃酸过多、肝火旺盛、消化不良几个大类作为样本的第一标记,将每个样本对应的疾病名称作为第二标记。
模型构建模块300,通过Adaboost算法构建疾病分类模型,通过所述病例样本训练所述疾病分类模型;
Adaboost的目的就是从训练数据中学习一系列弱分类器或基本分类器,然后将这些弱分类器组合成一个强分类器。可采用决策树模型作为疾病分类模型的基分类器。预先统计样本标记模块中各类第一标记对应的样本量,设定样本量阈值,将样本量超过所述阈值的作为多数类样本,其余为少数类样本;对于多数类样本,通过欧式距离法计算各类别中心点,筛选出与所述类别中心点在预设距离范围内的样本,使筛选出的样本与少数类样本均衡,筛选出的样本与少数类样本共同组成样本集。
辅助诊断模块400,获取待诊断病例的症状信息并进行向量化表示,通过训练好的疾病分类模型进行病例第一次分类,通过计算语义相似度的方式进行病例第二次分类,将第二次分类结果作为辅助诊断结果。
所述样本获取模块100和辅助诊断模块400中,基于TextRank算法进行关键词提取,分别对病例样本和待诊断病例进行向量化表示,其具体过程包括:
对病例的症状描述信息进行分词、去停用词处理,得到候选关键词,构建构建候选关键词图G=(V,E),其中V为节点集,E为边集合,任两点Vi,Vj之间边的权重为ωji,点Vi的得分定义如下:
In(Vi)为指向点Vi的点集合,Out(Vi)为点Vi指向的点集合,d阻尼系数,取值范围为0到1,根据以上公式进行权重迭代,直至收敛。
所述通过计算语义相似度的方式进行病例第二次分类具体为:根据病例第一次分类结果,获取第一标签下各个第二标签对应的疾病症状信息,计算待诊断病例的症状信息的特征向量与第二标签对应的疾病症状信息特征向量之间的语义相似度,取语义相似度最高的第二标签作为辅助诊断结果。
本发明将胃酸过多、肝火旺盛、消化不良几个大类作为样本的第一标记,将每个样本对应的疾病名称作为第二标记,通过Adaboost算法构建疾病分类模型并进行初步分类,再根据初步分类结果进行二次分类,初步分类将多种疾病根据病因划分成一个大类,可避免由于相关的疾病种类过多需要大量训练样本的问题,二次分类是进行进行精细化划分,通过语义相似度获取精确的疾病辅助诊断结果。
本发明还公开一种电子设备,包括:至少一个处理器、至少一个存储器、通信接口和总线;其中,所述处理器、存储器、通信接口通过所述总线完成相互间的通信;
所述存储器存储有可被所述处理器执行的程序指令,所述处理器调用所述程序指令,以实现本发明前述的基于现行的心血管系统感染诊断标准智能识别心血管系统感染病例的系统,包括样本获取模块、样本标记模块、模型构建模块、辅助诊断模块。
本发明还公开一种计算机可读存储介质,所述计算机可读存储介质存储计算机指令,所述计算机指令使所述计算机实现本发明实施例所述的全部系统或部分系统。例如包括样本获取模块、样本标记模块、模型构建模块、辅助诊断模块。所述存储介质包括:U盘、移动硬盘、只议存储器ROM、随机存取存储器RAM、磁碟或者光盘等各种可以存储程序代码的介质。
以上所描述的系统实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以分布到多个网络单元上。可以根据实际的衙要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
以上所述仅为本发明的较佳实施方式而已,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (4)
1.一种基于口酸的疾病辅助诊断系统,其特征在于,所述系统包括:
样本获取模块:从病例库中获取以口酸为第一主诉症状的病例,提取病例症状信息及对应的疾病名称,构建向量化的病例样本;
样本标记模块:根据病例样本的疾病的发病原因,将口酸分为胃酸过多、肝火旺盛、消化不良几个大类,对病例样本标记;
所述样本标记模块中,将胃酸过多、肝火旺盛、消化不良几个大类作为样本的第一标记,将每个样本对应的疾病名称作为第二标记;
模型构建模块:通过Adaboost算法构建疾病分类模型,通过所述病例样本训练所述疾病分类模型;
所述模型构建模块中,预先统计样本标记模块中各类第一标记对应的样本量,设定样本量阈值,将样本量超过所述阈值的作为多数类样本,其余为少数类样本;对于多数类样本,通过欧式距离法计算各类别中心点,筛选出与所述类别中心点在预设距离范围内的样本,使筛选出的样本与少数类样本均衡,筛选出的样本与少数类样本共同组成样本集;
所述模型构建模块中,采用决策树模型作为疾病分类模型的基分类器;
辅助诊断模块:获取待诊断病例的症状信息并进行向量化表示,通过训练好的疾病分类模型进行病例第一次分类,通过计算语义相似度的方式进行病例第二次分类,将第二次分类结果作为辅助诊断结果;
所述辅助诊断模块中,所述通过计算语义相似度的方式进行病例第二次分类具体为:根据病例第一次分类结果,获取第一标记下各个第二标记对应的疾病症状信息,计算待诊断病例的症状信息的特征向量与第二标记对应的疾病症状信息特征向量之间的语义相似度,取语义相似度最高的第二标记作为辅助诊断结果。
2.根据权利要求1所述基于口酸的疾病辅助诊断系统,其特征在于,所述样本获取模块和辅助诊断模块中,基于TextRank算法进行关键词提取,分别对病例样本和待诊断病例进行向量化表示,其具体过程包括:
对病例的症状描述信息进行分词、去停用词处理,得到候选关键词,构建候选关键词图G=(V,E),其中V为节点集,E为边集合,任两点Vi,Vj之间边的权重为ωji,点Vi的得分定义如下:
;
In(Vi)为指向点Vi的点集合,Out(Vj) 为指向点Vj的点集合,d为阻尼系数,取值范围为0到1,根据以上公式进行权重迭代,直至收敛。
3.一种电子设备,包括:至少一个处理器、至少一个存储器、通信接口和总线;
其中,所述处理器、存储器、通信接口通过所述总线完成相互间的通信;
所述存储器存储有可被所述处理器执行的程序指令,所述处理器调用所述程序指令,以实现如权利要求1~2任一项所述的系统。
4.一种计算机可读存储介质,所述计算机可读存储介质存储计算机指令,所述计算机指令使所述计算机实现权利要求1~2任一项所述的系统。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010981278.7A CN112185571B (zh) | 2020-09-17 | 2020-09-17 | 一种基于口酸的疾病辅助诊断系统、设备、存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010981278.7A CN112185571B (zh) | 2020-09-17 | 2020-09-17 | 一种基于口酸的疾病辅助诊断系统、设备、存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112185571A CN112185571A (zh) | 2021-01-05 |
CN112185571B true CN112185571B (zh) | 2024-01-16 |
Family
ID=73921633
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010981278.7A Active CN112185571B (zh) | 2020-09-17 | 2020-09-17 | 一种基于口酸的疾病辅助诊断系统、设备、存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112185571B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112786192A (zh) * | 2021-01-18 | 2021-05-11 | 吾征智能技术(北京)有限公司 | 一种手足口病智能认知系统、设备、存储介质 |
CN117831790A (zh) * | 2024-03-06 | 2024-04-05 | 北方健康医疗大数据科技有限公司 | 一种面向医疗诊断的辅助编码方法、系统、终端及介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2015066564A1 (en) * | 2013-10-31 | 2015-05-07 | Cancer Prevention And Cure, Ltd. | Methods of identification and diagnosis of lung diseases using classification systems and kits thereof |
CN106295124A (zh) * | 2016-07-27 | 2017-01-04 | 广州麦仑信息科技有限公司 | 利用多种图像检测技术综合分析基因子图相似概率量的方法 |
CN107590156A (zh) * | 2016-07-09 | 2018-01-16 | 北京至信普林科技有限公司 | 一种基于训练集循环扩充的文本多分类的方法 |
WO2019222742A1 (en) * | 2018-05-18 | 2019-11-21 | Robert Christopher Technologies Ltd. | Real-time content analysis and ranking |
CN111507504A (zh) * | 2020-03-18 | 2020-08-07 | 中国南方电网有限责任公司 | 基于数据重采样的Adaboost集成学习电网故障诊断系统及方法 |
CN111653359A (zh) * | 2020-05-30 | 2020-09-11 | 吾征智能技术(北京)有限公司 | 一种出血性疾病的智能预测模型构建方法和预测系统 |
-
2020
- 2020-09-17 CN CN202010981278.7A patent/CN112185571B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2015066564A1 (en) * | 2013-10-31 | 2015-05-07 | Cancer Prevention And Cure, Ltd. | Methods of identification and diagnosis of lung diseases using classification systems and kits thereof |
CN107590156A (zh) * | 2016-07-09 | 2018-01-16 | 北京至信普林科技有限公司 | 一种基于训练集循环扩充的文本多分类的方法 |
CN106295124A (zh) * | 2016-07-27 | 2017-01-04 | 广州麦仑信息科技有限公司 | 利用多种图像检测技术综合分析基因子图相似概率量的方法 |
WO2019222742A1 (en) * | 2018-05-18 | 2019-11-21 | Robert Christopher Technologies Ltd. | Real-time content analysis and ranking |
CN111507504A (zh) * | 2020-03-18 | 2020-08-07 | 中国南方电网有限责任公司 | 基于数据重采样的Adaboost集成学习电网故障诊断系统及方法 |
CN111653359A (zh) * | 2020-05-30 | 2020-09-11 | 吾征智能技术(北京)有限公司 | 一种出血性疾病的智能预测模型构建方法和预测系统 |
Non-Patent Citations (2)
Title |
---|
WS-Rank Bringing Sentences into Graph for Keyword Extraction;Fan Yang等;《18th Asia-Pacific Web Technologies and Applications Part 2》;474–477 * |
疾病辅助诊断方法的研究与应用;尚凌月;《中国优秀硕士学位论文全文数据库信息科技辑》(第7期);I138-1171 * |
Also Published As
Publication number | Publication date |
---|---|
CN112185571A (zh) | 2021-01-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11864880B2 (en) | Method for analysis of cough sounds using disease signatures to diagnose respiratory diseases | |
CN112185571B (zh) | 一种基于口酸的疾病辅助诊断系统、设备、存储介质 | |
CN112507901B (zh) | 一种基于伪标签自纠正的无监督行人重识别方法 | |
CN106295124B (zh) | 多种图像检测技术综合分析基因子图相似概率量的方法 | |
US9177230B2 (en) | Demographic analysis of facial landmarks | |
CN109670179A (zh) | 基于迭代膨胀卷积神经网络的病历文本命名实体识别方法 | |
CN108198615A (zh) | 一种在线认知评估系统 | |
JP7303531B2 (ja) | 人工知能に基づく困難な気道の評価方法及び装置 | |
CN111080579B (zh) | 基于深度学习实现图像分割和分类的骨龄评估方法 | |
CN109192299A (zh) | 一种基于卷积神经网络的医疗分析辅助系统 | |
CN111009321A (zh) | 一种机器学习分类模型在青少年孤独症辅助诊断中的应用方法 | |
US11531851B2 (en) | Sequential minimal optimization algorithm for learning using partially available privileged information | |
CN111738302A (zh) | 一种基于多模态数据对阿尔茨海默病进行分类诊断的系统 | |
CN105725966A (zh) | 一种基于神经网络模型的心电信号质量判别方法 | |
WO2021170085A1 (zh) | 标注方法、关系抽取方法、存储介质和运算装置 | |
CN112766376A (zh) | 一种基于gacnn的多标签眼底图像识别方法 | |
WO2021114818A1 (zh) | 基于傅里叶变换的oct图像质量评估方法、系统及装置 | |
US20230148955A1 (en) | Method of providing diagnostic information on alzheimer's disease using brain network | |
CN114511759A (zh) | 一种皮肤状态图像的类别识别和特征确定方法及系统 | |
CN113159002B (zh) | 一种基于自注意力权重辅助模块的人脸表情识别方法 | |
CN110874576A (zh) | 一种基于典型相关分析融合特征的行人再识别方法 | |
CN113990454A (zh) | 基于联邦学习和特征提取的恶意行为识别方法 | |
Saroja et al. | Data‐Driven Decision Making in IoT Healthcare Systems—COVID‐19: A Case Study | |
CN112927797A (zh) | 一种基于贝叶斯概率推断的急诊临床诊断分析系统 | |
CN111967383A (zh) | 年龄估计方法、年龄估计模型的训练方法和装置 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |