CN113671164A - 一种基于大便颜色及气味判断疾病的系统、设备及介质 - Google Patents

一种基于大便颜色及气味判断疾病的系统、设备及介质 Download PDF

Info

Publication number
CN113671164A
CN113671164A CN202111131962.7A CN202111131962A CN113671164A CN 113671164 A CN113671164 A CN 113671164A CN 202111131962 A CN202111131962 A CN 202111131962A CN 113671164 A CN113671164 A CN 113671164A
Authority
CN
China
Prior art keywords
stool
odor
abnormal
color
disease
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
CN202111131962.7A
Other languages
English (en)
Inventor
杜登斌
杜小军
杜乐
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.)
Wuzheng Intelligent Technology Beijing Co ltd
Original Assignee
Wuzheng Intelligent Technology Beijing Co ltd
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 Wuzheng Intelligent Technology Beijing Co ltd filed Critical Wuzheng Intelligent Technology Beijing Co ltd
Priority to CN202111131962.7A priority Critical patent/CN113671164A/zh
Publication of CN113671164A publication Critical patent/CN113671164A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
    • G01N33/483—Physical analysis of biological material
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G06F18/2415—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on parametric or probabilistic models, e.g. based on likelihood ratio or false acceptance rate versus a false rejection rate
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/044—Recurrent networks, e.g. Hopfield networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • 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
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biomedical Technology (AREA)
  • Data Mining & Analysis (AREA)
  • General Health & Medical Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Medical Informatics (AREA)
  • Pathology (AREA)
  • Public Health (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Chemical & Material Sciences (AREA)
  • Biophysics (AREA)
  • Molecular Biology (AREA)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Databases & Information Systems (AREA)
  • Computational Linguistics (AREA)
  • Immunology (AREA)
  • Biochemistry (AREA)
  • Analytical Chemistry (AREA)
  • Evolutionary Biology (AREA)
  • Hematology (AREA)
  • Urology & Nephrology (AREA)
  • Probability & Statistics with Applications (AREA)
  • Food Science & Technology (AREA)
  • Medicinal Chemistry (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Investigating Or Analysing Biological Materials (AREA)

Abstract

本发明提出了一种基于大便颜色及气味判断疾病的系统、设备及介质，采集携带对应疾病名称标签的大便异常颜色样本数据和大便异常气味样本数据，用于训练出异常颜色‑疾病识别模型和异常气味‑疾病识别模型，采集被检者的大便图像数据和大便气味数据，并进行归一化处理和特征提取，得到被检者同一份大便相互对应的大便颜色特征信息和大便气味特征信息，再将特征信息分别输入至识别单元分别得到大便颜色和气味可能对应的疾病名称集合，取两个集合的交集即为最终结果，根据最终结果推荐被检者可能患有的疾病和健康问题以及个性化健康管理方案。本发明通过识别模型检测被检者大便颜色和气味，进而得出被检者可能患有的疾病。

Description

一种基于大便颜色及气味判断疾病的系统、设备及介质
技术领域
本发明涉及疾病诊断领域，尤其涉及一种基于大便颜色及气味判断疾病的系统、设备及介质。
背景技术
颜色和气味是物体的重要特征，人们往往可以依据颜色和气味对物体进行分辨、判断等。大便的异常颜色和气味，往往是疾病提前发出的信号。看大便颜色，一直是医疗健康机构辅助诊断方法，正常大便的颜色多数情况下是棕黄色，但是若吃的食物含绿色蔬菜较多，则大便颜色可能为绿色，若吃含猪血、菠菜等食物，可能大便是黑色的，若吃的东西含蛋白较多，则大便颜色为褐色。所以大便正常颜色是有变化的，但是如果无论吃什么，大便颜色都出现发黑、柏油样大便、黏血便、白陶土样大便，需要考虑疾病所致。而大便气味是细菌作用的产物，是由如吲哚、粪臭素、硫醇、硫化氢等物质引起的，臭味是大便气味的正常值，大便特殊气味的检查，可以帮助初步诊断消化系统的疾病。
目前基于大便颜色判断疾病更多的是依靠医生的经验和大便颜色健康对照表来实现，这种诊断方法不仅诊断过程慢，而且误差也很大，所以亟需一种基于大便颜色异常变化认知疾病的系统，以便实现对疾病快速预测以及精准诊断。并且，很多研究机构也一直试图通过基于大便异常气味检测，来实现疾病的预测和诊断，但是因为大便气味复杂，成效不大。而当前更没有一种技术，从两个方面一起入手，通过检测大便颜色和气味来实现对疾病的快速预测和精准判断。
因此，目前仍没有一种现有技术，能解决通过同时检测大便颜色和气味就能精准判断被检者可能患有的疾病的问题。
发明内容
有鉴于此，本发明提出了一种基于大便颜色及气味判断疾病的系统、设备及介质，用于解决通过同时检测大便颜色和气味就能精准判断被检者可能患有的疾病的问题。
本发明的技术方案是这样实现的：
本发明第一方面，公开一种基于大便颜色及气味判断疾病的系统，所述系统包括：
数据采集单元：用于采集大便异常颜色样本数据，每个异常颜色样本数据携带对应的疾病名称信息；采集大便异常气味样本数据，每个异常气味样本数据携带对应的疾病名称信息；采集被检者的大便图像数据以及气味数据，作为待检测图像信息和待检测气味信息；
数据处理单元：用于对大便异常颜色样本数据和大便异常气味样本数据进行处理，提取特征；对所述被检者的大便图像数据以及气味数据进行处理，提取特征；建立被检者的大便颜色特征信息和大便气味特征信息的对应关系；
识别单元：用于识别大便异常颜色特征信息可能对应的疾病名称以及大便异常气味特征信息可能对应的疾病名称，并将二者融合，输出被检者可能患有的疾病，即为最终结果
推荐单元：根据最终结果推荐被检者可能患有的疾病和健康问题以及个性化健康管理方案。
本发明通过上述系统，实现通过对同一份大便的大便颜色和气味识别被检人可能患有何种疾病，并推荐健康管理方案，从颜色和气味两个方面检测，并结合输出结果得到最终输出结果，使得判断结果更加精确。
在以上技术方案的基础上，优选的，数据采集单元具体包括以下功能单元：
大便图像采集子单元：用于采集大便异常颜色的样本数据，每个异常颜色样本数据携带对应的疾病名称标签；采集被检者的大便图像数据，作为待检测图像信息；
大便气味采集子单元：用于采集大便异常气味的样本数据，每个异常气味样本数据携带对应的疾病名称标签；采集被检者的大便气味数据，作为待检测气味信息。
本发明通过上述子单元，将大便异常颜色的样本数据、被检者的大便图像数据和大便异常气味的样本数据、被检者的大便气味数据，分开采集图像和气味数据，并在采集样本数据时，同时采集样本数据携带的对应疾病名称标签，便于进行模型训练从而生成能精确判断的识别模型。
在以上技术方案的基础上，优选的，数据处理单元具体包括以下功能单元：
大便图像数据处理子单元：用于对大便异常颜色样本数据进行特征提取，获取样本异常颜色特征信息；对所述待检测大便图像信息进行归一化处理和特征提取，获取待检测大便颜色特征信息；
大便气味数据处理子单元：用于对大便异常气味样本数据进行特征提取，获取样本异常气味特征信息；对大便异常气味样本数据以及待检测大便气味信息进行归一化处理和特征提取，获取待检测大便气味特征信息；
数据组合单元：建立被检者的同一份大便的大便颜色特征信息和大便气味特征信息的对应关系。
本发明通过对大便异常颜色样本数据和大便异常气味样本数据进行特征提取处理，获取样本异常颜色特征信息和样本异常气味特征信息，方便后续投入循环神经网络中训练，以提高最终生成的识别模型的精确度；到对待检测大便图像信息和待检测大便气味信息进行归一化处理和特征提取，获取待检测大便颜色特征信息和待检测大便气味特征信息，便于进行识别判断。
在以上技术方案的基础上，优选的，在获取样本异常颜色特征信息和样本异常气味特征信息后，大便图像数据处理子单元和大便气味数据处理子单元还用于：
根据每个样本异常颜色特征信息携带的疾病名称信息对样本异常颜色特征信息进行标记，得到多个携带疾病名称标签的样本异常颜色特征信息；
根据每个样本异常气味特征信息携带的疾病名称信息对样本异常气味特征信息进行标记，得到多个携带疾病名称标签的样本异常气味特征信息。
本发明通过为每个样本异常颜色特征信息和样本异常气味特征信息，标记上与其一开始携带的疾病名称信息对应的疾病名称标签，方便后续投入到循环神经网络中进行训练时，始终保持样本异常颜色特征信息和样本异常气味特征信息和疾病名称的映射关系，最终保证识别模型的精确度。
在以上技术方案的基础上，优选的，识别单元具体包括：
异常颜色-疾病识别模型：将所述样本异常颜色特征信息输入至循环神经网络模型进行训练，构建异常颜色-疾病识别模型，异常颜色-疾病识别模型中记录有大便异常颜色与疾病名称的映射关系；将所述待检测大便颜色特征信息输入异常颜色-疾病识别模型，得到待检测大便颜色可能对应的疾病名称集合；
异常气味-疾病识别模型：将所述样本异常气味特征信息输入至循环神经网络模型进行训练，构建异常气味-疾病识别模型，异常气味-疾病识别模型中记录有大便异常气味与疾病名称的映射关系；将所述待检测大便气味特征信息输入异常气味-疾病识别模型，得到待检测大便气味可能对应的疾病名称集合；
结果输出子单元：根据所述被检者的同一份大便的大便颜色特征信息和大便气味特征信息的对应关系，取同一份大便的待检测大便颜色特征信息可能对应的疾病名称集合和待检测大便气味特征信息可能对应的疾病名称集合的交集，即为最终结果。
本发明通过将前述样本异常颜色特征信息和样本异常气味特征信息输入至循环神经网络模型进行训练，得到能快速预测和精准判断的异常颜色-疾病识别模型和异常气味-疾病识别模型，并取两个识别模型的输出结果集合的交集作为最终输出结果，也是从颜色和气味两个方面实现疾病诊断的体现，进一步确保了识别单元的识别精度。
在以上技术方案的基础上，优选的，异常颜色-疾病识别模型和异常气味-疾病识别模型中，具体包括：
将所述样本异常颜色特征信息输入至循环神经网络模型进行训练：
循环神经网络第一层，输出样本异常颜色特征信息在不同疾病名称的特征参数；
循环神经网络第二层，汇总不同疾病名称的特征参数，输出不同疾病名称的特征矩阵；
循环神经网络第三层，根据不同疾病名称标签来优化样本异常颜色特征信息在特征矩阵内容的特征参数，输出不同疾病名称标签与样本异常颜色特征信息与特征矩阵的映射关系；
循环神经网络第四层，将样本异常颜色特征信息在特征矩阵内进行融合，输出携带不同疾病名称标签的特征矩阵；
循环神经网络第五层，对带有不同疾病名称标签的特征矩阵进行分类，构建异常颜色-疾病识别模型；
将所述样本异常气味特征信息输入至循环神经网络模型进行训练：
循环神经网络第一层，输出样本异常气味特征信息在不同疾病名称的特征参数；
循环神经网络第二层，汇总不同疾病名称的特征参数，输出不同疾病名称的特征矩阵；
循环神经网络第三层，根据不同疾病名称标签来优化样本异常气味特征信息在特征矩阵内容的特征参数，输出不同疾病名称标签与样本异常气味特征信息与特征矩阵的映射关系；
循环神经网络第四层，将样本异常气味特征信息在特征矩阵内进行融合，输出携带不同疾病名称标签的特征矩阵；
循环神经网络第五层，对带有不同疾病名称标签的特征矩阵进行分类，构建异常气味-疾病识别模型。
本发明通过分别将样本异常颜色特征信息和样本异常气味特征信息输入至循环神经网络模型进行训练，构建出根据大便颜色判断疾病的异常颜色-疾病识别模型和异常气味-疾病识别模型，所述两个识别模型中分别记录有大便颜色数据与疾病名称的映射关系和大便气味数据与疾病名称的映射关系，通过异常颜色-疾病识别模型和异常气味-疾病识别模型即可分别从大便颜色和气味两个方面准确识别出被检者可能患有的疾病。
在以上技术方案的基础上，优选的，所述异常颜色-疾病识别模型和异常气味-疾病识别模型，
内部分别具有大便异常颜色和疾病名称的映射关系、大便异常气味和疾病名称的映射关系。
本发明以异常颜色-疾病识别模型内部的大便异常颜色和疾病名称的映射关系、异常气味-疾病识别模型内部的大便异常气味和疾病名称的映射关系，能实现更加快速的判断和准确的识别。
本发明第二方面，公开一种电子设备，所述设备包括：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一种基于大便颜色及气味判断疾病的系统程序，一种基于大便颜色及气味判断疾病的系统程序配置为实现如本发明第一方面所述的一种基于大便颜色及气味判断疾病的系统的模块功能。
本发明第三方面，公开一种计算机可读存储介质，所述存储介质上存储有一种基于大便颜色及气味判断疾病的系统程序，所述一种基于大便颜色及气味判断疾病的系统程序被执行时实现如本发明第一方面所述的一种基于大便颜色及气味判断疾病的系统的模块功能。
本发明的一种基于大便颜色及气味判断疾病的系统、设备及介质相对于现有技术具有以下有益效果：
(1)基于大便颜色和大便气味两个方面对大便进行检测，综合考虑到两个方面的特征，进而判断被检者可能患有何种疾病，判断结果更为精确；
(2)通过将带有疾病名称的样本异常颜色特征信息和样本异常气味特征信息投入到循环神经网络模型进行训练，构建了内部具有大便异常颜色和疾病名称的映射关系、大便异常气味和疾病名称的映射关系的异常颜色-疾病识别模型和异常气味-疾病识别模型，作为识别单元的核心，能快速且准确从大便颜色和气味两个方面分别实现对疾病的判断识别。
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为本发明一种基于大便颜色及气味判断疾病的系统单元结构图。
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。
实施例
本发明一种基于大便颜色及气味判断疾病的系统单元结构见图1，所述系统包括：数据采集单元100、数据处理单元200、识别单元300和推荐单元400，
系统处理过程说明如下：
数据采集单元100中，大便图像采集子单元采集大便异常颜色样本数据，每个异常颜色样本数据携带对应的疾病名称信息；大便气味采集子单元异常气味样本数据，每个异常气味样本数据携带对应的疾病名称信息。
例如：异常颜色样本数据中，大便颜色发黑，对应疾病名称信息为：食用猪血或猪肝等带黑色的食物、消化道出血、胃和十二指肠溃疡出血、胃癌出血、肝硬化曲张的食管静脉破裂出血、胃炎出血等；大便颜色呈酱色和鲜红色，对应疾病名称信息为：痔疮、细菌感染、溃疡性结肠炎，肠道肿瘤，肠结核等；大便颜色呈白陶土色，对应疾病名称信息为：胆道结石，胆道肿瘤，胆道蛔虫症，肝癌，胰腺癌等；大便颜色呈绿色，对应疾病名称信息为：着凉、消化不良等；
异常气味样本数据中，大便有刺鼻酸味，对应疾病名称信息为：发酵性消化不良、食滞等；大便有恶臭味，对应疾病名称信息为：进食高蛋白食物或肉类较多有肠癌发病几率等；大便有烧焦味，对应疾病名称信息为：小肠机能下降导致的消化不良、脾胃虚弱等；大便有腥味，对应疾病名称信息为：消化道出血且出血量较多等；大便有肉或鱼的腐臭味，对应疾病名称信息为：肠内大量血液、肠内黏液分解等；大便有奇臭味，对应疾病名称信息为：小肠出血性坏死性炎症等；大便有鱼腥臭味，对应疾病名称信息为：阿米巴肠炎等；转数据处理单元200。
数据处理单元200中，大便图像数据处理子单元对大便异常颜色样本数据进行特征提取，获取样本异常颜色特征信息；大便气味数据处理子单元对大便异常气味样本数据进行特征提取，获取样本异常气味特征信息；同时，根据每个样本异常颜色特征信息携带的疾病名称对样本异常颜色特征信息进行标记，得到多个携带疾病名称标签的样本异常颜色特征信息；根据每个样本异常气味特征信息携带的疾病名称对样本异常气味特征信息进行标记，得到多个携带疾病名称标签的样本异常气味特征信息；转识别单元300。
本发明将大便异常颜色的样本数据、被检者的大便图像数据和大便异常气味的样本数据、被检者的大便气味数据，分开采集图像和气味数据，并在采集样本数据时，同时采集样本数据携带的对应疾病名称标签，便于进行模型训练从而生成能精确判断的识别模型
识别单元300将样本异常颜色特征信息和样本异常气味特征信息分别输入至循环神经网络模型进行训练，构建异常颜色-疾病识别模型和异常气味-疾病识别模型，如下：
将样本异常颜色特征信息输入至循环神经网络模型进行训练：
循环神经网络第一层，输出样本异常颜色特征信息在不同疾病名称的特征参数；
循环神经网络第二层，汇总不同疾病名称的特征参数，输出不同疾病名称的特征矩阵；
循环神经网络第三层，根据不同疾病名称标签来优化样本异常颜色特征信息在特征矩阵内容的特征参数，输出不同疾病名称标签与样本异常颜色特征信息与特征矩阵的映射关系；
循环神经网络第四层，将样本异常颜色特征信息在特征矩阵内进行融合，输出携带不同疾病名称标签的特征矩阵；
循环神经网络第五层，对带有不同疾病名称标签的特征矩阵进行分类，构建异常颜色-疾病识别模型；
将所述样本异常气味特征信息输入至循环神经网络模型进行训练：
循环神经网络第一层，输出样本异常气味特征信息在不同疾病名称的特征参数；
循环神经网络第二层，汇总不同疾病名称的特征参数，输出不同疾病名称的特征矩阵；
循环神经网络第三层，根据不同疾病名称标签来优化样本异常气味特征信息在特征矩阵内容的特征参数，输出不同疾病名称标签与样本异常气味特征信息与特征矩阵的映射关系；
循环神经网络第四层，将样本异常气味特征信息在特征矩阵内进行融合，输出携带不同疾病名称标签的特征矩阵；
循环神经网络第五层，对带有不同疾病名称标签的特征矩阵进行分类，构建异常气味-疾病识别模型；
由于样本异常颜色特征信息携带有对应的疾病名称标签，样本异常气味特征信息携带有对应的疾病名称标签，因此构建出的异常颜色-疾病识别模型内部具有大便异常颜色和疾病名称的映射关系、异常气味-疾病识别模型内部具有大便异常气味和疾病名称的映射关系，基于映射关系，两个识别模型能实现分别从颜色和气味两个方面更加快速的判断和准确的识别。
所述循环神经网络，分为5层结构，第一层为编码层结构，该编码层由3层编码器组成，包括128神经元、64神经元的2个双向循环层以及32个循环神经元的单向层，这里的编码器被设置为可以处理最大长度为设定值的任意序列，并且编码器中所有的循环神经元可以采用GRU结构，GRU结构简单，通过更新门和重置门来决定之前状态的依赖程度，从而解决远距离依赖问题，通过编码层结构提取出样本异常颜色特征信息在不同疾病名称的特征参数，或者样本异常气味特征信息在不同疾病名称的特征参数；第二层结构为固定的编码层，固定的编码层可以包括一个固定参数的32神经元的激活层，通过固定的编码层来汇总不同疾病名称的特征参数，输出不同疾病名称的特征矩阵；第三层结构为解码层，解码层可以包括一个单独的循环层，具有64个长短记忆LSTM单元，结合注意力机制，使得网络主要关注输入特征的显著部分，提高分类性能，通过解码层根据不同疾病名称标签来优化样本异常颜色特征信息在特征矩阵内容的特征参数，输出不同疾病名称标签与样本异常颜色特征信息与特征矩阵的映射关系，或者根据不同疾病名称标签来优化样本异常气味特征信息在特征矩阵内容的特征参数，输出不同疾病名称标签与样本异常气味特征信息与特征矩阵的映射关系；第四层结构为全连接层，全连接层可以包括256个神经元，将训练的分布式特征表示映射到样本标记空间，组合学习整体特征，通过全连接层将将样本异常颜色特征信息在特征矩阵内进行融合，输出携带不同疾病名称标签的特征矩阵，或者将样本异常气味特征信息在特征矩阵内进行融合，输出携带不同疾病名称标签的特征矩阵；第五层结构为分类层，分类层可以使用softmax输出分类标签，该softmax函数可以将输入映射成为(0，1)的数值，该数值可以理解为概率，该概率可以根据实际需求取值，本发明实施例取大于等于75％概率的作为分类结果集合，通过分类层对带有不同疾病名称标签的特征矩阵进行分类，构建异常颜色-疾病识别模型，或者对带有不同疾病名称标签的特征矩阵进行分类，构建异常气味-疾病识别模型；转回数据采集单元100。
数据采集单元100中，大便图像采集子单元采集被检者的大便图像数据，作为待检测图像信息；大便气味采集子单元异常气味样本数据，被检者的大便气味数据，作为待检测气味信息；
例如：被检者大便图像外观像柏油，颜色发黑；大便气味有腥味；转数据处理单元200。
数据处理单元200中，大便图像数据处理子单元对待检测大便图像信息进行归一化处理和特征提取，获取待检测大便颜色特征信息；大便气味数据处理子单元对大便异常气味样本数据以及待检测大便气味信息进行归一化处理和特征提取，获取待检测大便气味特征信息；同时建立被检者的同一份大便的大便颜色特征信息和大便气味特征信息的对应关系；
例如：提取对被检者大便图像信息和气味信息进行进行归一化处理和特征提取，并且将被检者这一份大便的大便颜色特征信息和大便气味特征信息进行对应，将该份待检测大便标为(检001)，那么大便颜色特征信息标为(检001-C)，大便气味特征信息标为(检001-S)；转识别单元300。
识别单元300中，将待检测大便颜色特征信息输入异常颜色-疾病识别模型进行判断，得到待检测大便颜色可能对应的疾病名称集合，即大便颜色可能对应的疾病名称概率大于等于75％的所有疾病名称的集合；将待检测大便气味特征信息输入异常气味-疾病识别模型，得到待检测大便气味可能对应的疾病名称集合，即大便颜色可能对应的疾病名称概率大于等于75％的所有疾病名称的集合；
例如：大便颜色即(检001-C)对应疾病概率：消化道出血83％、肠胃炎78％、食用了带黑色的食物76％、肝硬化53％、胃癌45％、……；大便气味即(检001-S)对应疾病概率：消化道出血80％、肠胃炎77％、肠内粘液分解75％、消化不良70％、……；那么待检测大便颜色可能对应的疾病名称集合为{消化道出血，肠胃炎，食用了带黑色的食物}，待检测大便气味可能对应的疾病名称集合为{消化道出血，肠胃炎，肠内粘液分解}；转识别单元300中结果输出子单元。
识别单元300中，结果输出子单元根据所述被检者的同一份大便的大便颜色特征信息和大便气味特征信息的对应关系，取同一份大便的待检测大便颜色特征信息可能对应的疾病名称集合和待检测大便气味特征信息可能对应的疾病名称集合的交集，即为最终结果；
例如：待检测大便(检001)可能对应的疾病最终结果为(检001-C)可能对应的疾病名称集合{消化道出血，肠胃炎，食用了带黑色的食物}与(检001-S)可能对应的疾病名称集合{消化道出血，肠胃炎，肠内粘液分解}的交集，即最终结果为{消化道出血，肠胃炎}；转推荐单元400。
推荐单元400根据最终结果推荐被检者可能患有的疾病和健康问题以及个性化健康管理方案。
例如：推荐单元根据(检001)最终结果{消化道出血，肠胃炎}推荐被检者可能患有消化道出血或肠胃炎，再根据消化道出血和肠胃炎的治疗、养护、预防等信息，综合推荐与消化道出血和肠胃炎这两种疾病对应的个性化健康管理方案。
本发明还公开一种电子设备，所述设备包括：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一种基于大便颜色及气味判断疾病的系统程序，一种基于大便颜色及气味判断疾病的系统程序配置为实现如本发明实施例所述的一种基于大便颜色及气味判断疾病的系统的模块功能。
本发明还公开一种计算机可读存储介质，所述存储介质上存储有一种基于大便颜色及气味判断疾病的系统程序，所述一种基于大便颜色及气味判断疾病的系统程序被执行时实现如本发明实施例所述的一种基于大便颜色及气味判断疾病的系统的模块功能。
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 (9)

1.一种基于大便颜色及气味判断疾病的系统，其特征在于，所述系统包括：
数据采集单元：用于采集大便异常颜色样本数据，每个异常颜色样本数据携带对应的疾病名称信息；采集大便异常气味样本数据，每个异常气味样本数据携带对应的疾病名称信息；采集被检者的大便图像数据以及气味数据，作为待检测图像信息和待检测气味信息；
数据处理单元：用于对大便异常颜色样本数据和大便异常气味样本数据进行处理，提取特征；对所述被检者的大便图像数据以及气味数据进行处理，提取特征；建立被检者的大便颜色特征信息和大便气味特征信息的对应关系；
识别单元：用于识别大便异常颜色特征信息可能对应的疾病名称以及大便异常气味特征信息可能对应的疾病名称，并将二者融合，输出被检者可能患有的疾病，即为最终结果
推荐单元：根据最终结果推荐被检者可能患有的疾病和健康问题以及个性化健康管理方案。
2.如权利要求1所述的一种基于大便颜色及气味判断疾病的系统，其特征在于，所述数据采集单元具体包括以下功能单元：
大便图像采集子单元：用于采集大便异常颜色的样本数据，每个异常颜色样本数据携带对应的疾病名称信息；采集被检者的大便图像数据，作为待检测图像信息；
大便气味采集子单元：用于采集大便异常气味的样本数据，每个异常气味样本数据携带对应的疾病名称信息；采集被检者的大便气味数据，作为待检测气味信息。
3.如权利要求1所述的一种基于大便颜色及气味判断疾病的系统，其特征在于，所述数据处理单元具体包括以下功能单元：
大便图像数据处理子单元：用于对大便异常颜色样本数据进行特征提取，获取样本异常颜色特征信息；对所述待检测大便图像信息进行归一化处理和特征提取，获取待检测大便颜色特征信息；
大便气味数据处理子单元：用于对大便异常气味样本数据进行特征提取，获取样本异常气味特征信息；对大便异常气味样本数据以及待检测大便气味信息进行归一化处理和特征提取，获取待检测大便气味特征信息；
数据组合单元：建立被检者的同一份大便的大便颜色特征信息和大便气味特征信息的对应关系。
4.如权利要求3所述的一种基于大便颜色及气味判断疾病的系统，其特征在于，在获取样本异常颜色特征信息和样本异常气味特征信息后，大便图像数据处理子单元和大便气味数据处理子单元还用于：
根据每个样本异常颜色特征信息携带的疾病名称信息对样本异常颜色特征信息进行标记，得到多个携带疾病名称标签的样本异常颜色特征信息；
根据每个样本异常气味特征信息携带的疾病名称信息对样本异常气味特征信息进行标记，得到多个携带疾病名称标签的样本异常气味特征信息。
5.如权利要求4所述的一种基于大便颜色及气味判断疾病的系统，其特征在于，所述识别单元具体包括：
异常颜色-疾病识别模型：将所述样本异常颜色特征信息输入至循环神经网络模型进行训练，构建异常颜色-疾病识别模型，异常颜色-疾病识别模型中记录有大便异常颜色与疾病名称的映射关系；将所述待检测大便颜色特征信息输入异常颜色-疾病识别模型，得到待检测大便颜色可能对应的疾病名称集合；
异常气味-疾病识别模型：将所述样本异常气味特征信息输入至循环神经网络模型进行训练，构建异常气味-疾病识别模型，异常气味-疾病识别模型中记录有大便异常气味与疾病名称的映射关系；将所述待检测大便气味特征信息输入异常气味-疾病识别模型，得到待检测大便气味可能对应的疾病名称集合；
结果输出子单元：根据所述被检者的同一份大便的大便颜色特征信息和大便气味特征信息的对应关系，取同一份大便的待检测大便颜色特征信息可能对应的疾病名称集合和待检测大便气味特征信息可能对应的疾病名称集合的交集，即为最终结果。
6.如权利要求5所述的一种基于大便颜色及气味判断疾病的系统，其特征在于，所述异常颜色-疾病识别模型和异常气味-疾病识别模型中，具体包括：
将所述样本异常颜色特征信息输入至循环神经网络模型进行训练：
循环神经网络第一层，输出样本异常颜色特征信息在不同疾病名称的特征参数；
循环神经网络第二层，汇总不同疾病名称的特征参数，输出不同疾病名称的特征矩阵；
循环神经网络第三层，根据不同疾病名称标签来优化样本异常颜色特征信息在特征矩阵内容的特征参数，输出不同疾病名称标签与样本异常颜色特征信息与特征矩阵的映射关系；
循环神经网络第四层，将样本异常颜色特征信息在特征矩阵内进行融合，输出携带不同疾病名称标签的特征矩阵；
循环神经网络第五层，对带有不同疾病名称标签的特征矩阵进行分类，构建异常颜色-疾病识别模型；
将所述样本异常气味特征信息输入至循环神经网络模型进行训练：
循环神经网络第一层，输出样本异常气味特征信息在不同疾病名称的特征参数；
循环神经网络第二层，汇总不同疾病名称的特征参数，输出不同疾病名称的特征矩阵；
循环神经网络第三层，根据不同疾病名称标签来优化样本异常气味特征信息在特征矩阵内容的特征参数，输出不同疾病名称标签与样本异常气味特征信息与特征矩阵的映射关系；
循环神经网络第四层，将样本异常气味特征信息在特征矩阵内进行融合，输出携带不同疾病名称标签的特征矩阵；
循环神经网络第五层，对带有不同疾病名称标签的特征矩阵进行分类，构建异常气味-疾病识别模型。
7.如权利要求6所述的一种基于大便颜色及气味判断疾病的系统，其特征在于，所述异常颜色-疾病识别模型和异常气味-疾病识别模型，
内部分别具有大便异常颜色和疾病名称的映射关系、大便异常气味和疾病名称的映射关系。
8.一种电子设备，其特征在于，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一种基于大便颜色及气味判断疾病的系统程序，一种基于大便颜色及气味判断疾病的系统程序配置为实现如权利要求1至7任一项的一种基于大便颜色及气味判断疾病的系统的模块功能。
9.一种计算机可读存储介质，其特征在于，所述存储介质上存储有一种基于大便颜色及气味判断疾病的系统程序，所述一种基于大便颜色及气味判断疾病的系统程序被执行时实现如权利要求1-7中任一项的一种基于大便颜色及气味判断疾病的系统的模块功能。
CN202111131962.7A 2021-09-26 2021-09-26 一种基于大便颜色及气味判断疾病的系统、设备及介质 Pending CN113671164A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111131962.7A CN113671164A (zh) 2021-09-26 2021-09-26 一种基于大便颜色及气味判断疾病的系统、设备及介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111131962.7A CN113671164A (zh) 2021-09-26 2021-09-26 一种基于大便颜色及气味判断疾病的系统、设备及介质

Publications (1)

Publication Number Publication Date
CN113671164A true CN113671164A (zh) 2021-11-19

Family

ID=78550254

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111131962.7A Pending CN113671164A (zh) 2021-09-26 2021-09-26 一种基于大便颜色及气味判断疾病的系统、设备及介质

Country Status (1)

Country Link
CN (1) CN113671164A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114067190A (zh) * 2022-01-17 2022-02-18 广东工业大学 基于人体气味信号的健康状态关联模型构建方法及系统

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108242266A (zh) * 2018-01-22 2018-07-03 北京颐圣智能科技有限公司 辅助诊断装置和方法
CN108935188A (zh) * 2018-07-05 2018-12-07 平安科技（深圳）有限公司 猪只疾病识别方法、装置及电子设备
KR20190009271A (ko) * 2018-12-17 2019-01-28 김동일 건강 체크 방법 및 시스템
CN111395480A (zh) * 2020-04-13 2020-07-10 浙江诺云康智能科技有限公司 具有健康检测功能的智能马桶及其马桶盖
CN111563891A (zh) * 2020-05-09 2020-08-21 吾征智能技术(北京)有限公司 基于颜色认知的疾病预测系统
CN111883223A (zh) * 2020-06-11 2020-11-03 国家卫生健康委科学技术研究所 患者样本数据中结构变异的报告解读方法及系统
CN112002414A (zh) * 2020-08-23 2020-11-27 吾征智能技术(北京)有限公司 一种基于胃液认知胃病的系统、设备、存储介质

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108242266A (zh) * 2018-01-22 2018-07-03 北京颐圣智能科技有限公司 辅助诊断装置和方法
CN108935188A (zh) * 2018-07-05 2018-12-07 平安科技（深圳）有限公司 猪只疾病识别方法、装置及电子设备
KR20190009271A (ko) * 2018-12-17 2019-01-28 김동일 건강 체크 방법 및 시스템
CN111395480A (zh) * 2020-04-13 2020-07-10 浙江诺云康智能科技有限公司 具有健康检测功能的智能马桶及其马桶盖
CN111563891A (zh) * 2020-05-09 2020-08-21 吾征智能技术(北京)有限公司 基于颜色认知的疾病预测系统
CN111883223A (zh) * 2020-06-11 2020-11-03 国家卫生健康委科学技术研究所 患者样本数据中结构变异的报告解读方法及系统
CN112002414A (zh) * 2020-08-23 2020-11-27 吾征智能技术(北京)有限公司 一种基于胃液认知胃病的系统、设备、存储介质

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
熊海涛: "《面向复杂数据的推荐分析研究》", 北京理工大学出版社, pages: 54 - 55 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114067190A (zh) * 2022-01-17 2022-02-18 广东工业大学 基于人体气味信号的健康状态关联模型构建方法及系统
CN114067190B (zh) * 2022-01-17 2022-04-15 广东工业大学 基于人体气味信号的健康状态关联模型构建方法及系统

Similar Documents

Publication Publication Date Title
CN107591200B (zh) 基于深度学习及影像组学的骨龄标记识别评估方法及系统
CN115082747B (zh) 基于组块对抗的零样本胃溃疡分类系统
CN110335653A (zh) 基于openEHR病历格式的非标准病历解析方法
CN113989284A (zh) 一种幽门螺杆菌辅助检测系统及检测装置
Ghosh et al. An automatic bleeding detection scheme in wireless capsule endoscopy based on histogram of an RGB-indexed image
KR20190090150A (ko) 캡슐 내시경 영상의 서술자 생성 방법 및 장치, 서술자 기반 캡슐 내시경 영상 검색 방법 및 캡슐 내시경 모니터링 디바이스
CN114782760B (zh) 一种基于多任务学习的胃部疾病图片分类系统
CN113671164A (zh) 一种基于大便颜色及气味判断疾病的系统、设备及介质
CN114882978A (zh) 引入图片翻译信息的胃部图像处理方法及系统
CN113367644B (zh) 具有设备迁移能力的消化道疾病识别系统
CN117237351B (zh) 一种超声图像分析方法以及相关装置
CN115115897A (zh) 多模态预训练的胃部肿瘤分类系统
Rahmat et al. Automated color classification of urine dipstick image in urine examination
CN117438087A (zh) 基于健康监测数据分析的健康管理方法及系统
CN115965617A (zh) 一种基于集成学习的消化道内镜检查辅助系统
CN115564741A (zh) 基于ct图像量化食管胃底静脉曲张的装置
CN115274094A (zh) 肝癌影像学联合afp诊断模型构建方法、系统及装置
CN116797889A (zh) 医学影像识别模型的更新方法、装置和计算机设备
CN113313177A (zh) 消化道内窥镜图片多标签分类系统
CN111973155A (zh) 一种基于人体口味异常变化的疾病认知自学习系统
CN108652586B (zh) 一种胃食管反流自动检测系统
CN111272669A (zh) 基于粪便信息检测的健康评估方法及相关设备
CN113143201A (zh) 基于舌苔舌质图像的诊断系统
CN112002414B (zh) 一种基于胃液认知胃病的系统、设备、存储介质
Whelan et al. On-device prediction for chronic kidney disease

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