CN116821779B - 一种针对胃肠健康的大数据识别方法 - Google Patents
一种针对胃肠健康的大数据识别方法 Download PDFInfo
- Publication number
- CN116821779B CN116821779B CN202311114144.5A CN202311114144A CN116821779B CN 116821779 B CN116821779 B CN 116821779B CN 202311114144 A CN202311114144 A CN 202311114144A CN 116821779 B CN116821779 B CN 116821779B
- Authority
- CN
- China
- Prior art keywords
- gastrointestinal
- data
- diagnosis
- gastrointestinal health
- health status
- 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
- 230000002496 gastric effect Effects 0.000 title claims abstract description 604
- 230000036541 health Effects 0.000 title claims abstract description 234
- 238000000034 method Methods 0.000 title claims abstract description 60
- 238000003745 diagnosis Methods 0.000 claims abstract description 263
- 230000003862 health status Effects 0.000 claims abstract description 225
- 238000004458 analytical method Methods 0.000 claims abstract description 54
- 238000012795 verification Methods 0.000 claims abstract description 21
- 238000007689 inspection Methods 0.000 claims description 42
- 210000002784 stomach Anatomy 0.000 claims description 22
- 210000000936 intestine Anatomy 0.000 claims description 18
- 230000007717 exclusion Effects 0.000 claims description 13
- 238000010219 correlation analysis Methods 0.000 claims description 7
- 208000024891 symptom Diseases 0.000 claims description 6
- 230000000007 visual effect Effects 0.000 claims description 6
- 238000013507 mapping Methods 0.000 claims description 3
- 238000007405 data analysis Methods 0.000 abstract description 2
- 238000001514 detection method Methods 0.000 description 28
- 239000003814 drug Substances 0.000 description 12
- 230000008569 process Effects 0.000 description 7
- 210000000813 small intestine Anatomy 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000000605 extraction Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 235000019577 caloric intake Nutrition 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000029087 digestion Effects 0.000 description 2
- 210000002249 digestive system Anatomy 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 210000001035 gastrointestinal tract Anatomy 0.000 description 2
- 210000002429 large intestine Anatomy 0.000 description 2
- 230000000813 microbial effect Effects 0.000 description 2
- 235000015816 nutrient absorption Nutrition 0.000 description 2
- 235000016709 nutrition Nutrition 0.000 description 2
- 230000035764 nutrition Effects 0.000 description 2
- 210000000056 organ Anatomy 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/28—Databases characterised by their database models, e.g. relational or object models
- G06F16/284—Relational databases
- G06F16/285—Clustering or classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- 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
- G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
-
- 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)
- Data Mining & Analysis (AREA)
- Health & Medical Sciences (AREA)
- Public Health (AREA)
- Medical Informatics (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Biomedical Technology (AREA)
- General Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Primary Health Care (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Epidemiology (AREA)
- Pathology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Computational Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
本发明提供一种针对胃肠健康的大数据识别方法,涉及大数据识别技术领域。该方法包括获取诊疗大数据,基于主诉信息提取胃肠诊疗数据,并建立胃肠诊疗信息数据库;将胃肠诊疗数据进行类型划分,形成不同的胃肠健康状态类型数据,并对胃肠健康状态类型数据进行特征分析,形成胃肠健康状态类型识别特征数据;根据胃肠健康状态类型识别特征数据,进行特征分析,形成胃肠状态诊断识别特征数据;获取目标诊疗数据,进行匹配性分析,形成胃肠健康状态结果信息;根据胃肠健康状态结果信息,进行胃肠健康状态的验证,形成胃肠健康状态验证结果信息。其能够采用大数据分析的方式快速简单对胃肠健康状态进行准确高效的识别和判断。
Description
技术领域
本发明涉及大数据识别技术领域,具体而言,涉及一种针对胃肠健康的大数据识别方法。
背景技术
胃肠一般指消化系统的胃和小肠、大肠部分。而胃和小肠是营养吸收的核心。人体需要的营养几乎都需要经过胃肠。胃肠成为消化最重要的器官。所以,对于胃肠健康的关注就显得十分重要,直接影响了人体的能量摄取。
目前,对于胃肠健康状态的识别和判断主要还是通过一些简单的诸如利用检测手段提取检测数据进行分析的方式,当然也有利用胃肠中的微生物菌群的情况来进行胃肠健康状态的识别和判断。但这些识别与判断方式均需要耗费大量的时间以及经过繁杂的检测检查分析后才能确定,并且在识别判断的准确性和高效性上已然存在较大的不足,在医疗资源紧张的今天,如何更加高效的进行胃肠健康状态的识别和判断已然成为重要的研究方向。
因此,设计一种针对胃肠健康的大数据识别方法,能够采用大数据分析的方式快速简单对胃肠健康状态进行准确高效的识别和判断,是目前亟待解决的问题。
发明内容
本发明的目的在于提供一种针对胃肠健康的大数据识别方法,通过在利用历史诊疗数据的基础上以中医的望闻问切的问诊手段为基础建立起快速高效的胃肠健康状态识别方式。相比于采用检测分析的手段进行胃肠健康状态的判断,基于中医望闻问切的问诊数据进行胃肠健康状态的识别判断,更加简单高效,由于大数据的支撑能够提供一个准确性较高的引导判断参考数据,在提高识别判断的效率的同时也能够做到识别判断结果的准确性。同时,结合与不同胃肠健康状态所表现的特征检测数据进行辅助验证,可以进一步的提高识别判断的准确性,但相比采取一系列的检测手段,针对性的进行检测手段的辅助验证不仅没有增加识别工作的负担,反而快速提升了识别的准确性。
第一方面,本发明提供一种针对胃肠健康的大数据识别方法,包括获取诊疗大数据,基于主诉信息提取针对胃肠的诊疗数据,形成胃肠诊疗数据,并对胃肠诊疗数据进行基于望闻问切的诊疗信息分析,建立胃肠诊疗信息数据库;将胃肠诊疗数据进行基于诊疗结果的类型划分,形成不同的胃肠健康状态类型数据,并对胃肠健康状态类型数据进行特征分析,形成胃肠健康状态类型识别特征数据;根据胃肠健康状态类型识别特征数据,结合胃肠健康状态类型数据,提取状态诊断数据并进行特征分析,形成胃肠状态诊断识别特征数据;获取目标诊疗数据,将目标诊疗数据与胃肠健康状态类型识别特征数据进行匹配性分析,形成胃肠健康状态结果信息;根据胃肠健康状态结果信息,并结合胃肠状态诊断识别特征数据和目标诊疗数据进行胃肠健康状态的验证,形成胃肠健康状态验证结果信息。
在本发明中,该方法通过在利用历史诊疗数据的基础上以中医的望闻问切的问诊手段为基础建立起快速高效的胃肠健康状态识别方式。相比于采用检测分析的手段进行胃肠健康状态的判断,基于中医望闻问切的问诊数据进行胃肠健康状态的识别判断,更加简单高效,由于大数据的支撑能够提供一个准确性较高的引导判断参考数据,在提高识别判断的效率的同时也能够做到识别判断结果的准确性。同时,结合与不同胃肠健康状态所表现的特征检测数据进行辅助验证,可以进一步的提高识别判断的准确性,但相比采取一系列的检测手段,针对性的进行检测手段的辅助验证不仅没有增加识别工作的负担,反而快速提升了识别的准确性。
作为一种可能的实现方式,对胃肠诊疗数据进行基于望闻问切的诊疗信息分析,建立胃肠诊疗信息数据库,包括:获取胃肠诊疗数据的门诊信息,并进行基于视觉逻辑的语言分析,确定出源于视觉观察的胃肠望诊语言数据库;获取胃肠诊疗数据的门诊信息,并进行基于听觉逻辑的语言分析,确定出源于听觉观察的胃肠闻诊语言数据库;获取胃肠诊疗数据的门诊信息,并进行基于直接症状描述的语言分析,确定出源于症状表现的胃肠问诊语言数据库;获取胃肠诊疗数据的门诊信息,并进行基于触觉逻辑的语言分析,确定出源于听觉观察的胃肠切诊语言数据库。
在本发明中,基于中医的望闻问切的方式进行胃肠健康状态的判断,首先得建立关于针对胃肠健康状态诊疗的特征语言数据库,这样有利于后续在进行基于望闻问切的不同胃肠健康状态识别判断时,才能够准确的进行特征数据的提取,进而快速的确定出胃肠健康状态,实现高效准确进行识别的效果。
作为一种可能的实现方式,将胃肠诊疗数据进行基于诊疗结果的类型划分,形成
不同的胃肠健康状态类型数据,并对胃肠健康状态类型数据进行特征分析,形成胃肠健康
状态类型识别特征数据,包括:将胃肠诊疗数据按照诊断结果进行分类,形成不同的胃肠健
康状态类型集A,A=[,,…,],n不表示不同的胃肠健康状态的对应编号,
表示编号为n的胃肠健康状态下所划分出的胃肠诊疗数据的集合,=[,
,…,],表示编号为n的胃肠健康状态下划分出的胃肠诊疗数据中编号为m的
个体的胃肠诊疗数据;根据胃肠望诊语言数据库、胃肠闻诊语言数据库、胃肠问诊语言数据
库以及胃肠切诊语言数据库,以个体的胃肠诊疗数据为单位,对不同类型的胃肠健康状态
类型数据进行个体胃肠健康状态特征信息的提取;根据不同类型的个体胃肠健康状态特征
信息,进行基于望闻问切的关联性分析,形成胃肠健康状态类型识别特征数据。
在本发明中,可以理解的是,在相同的胃肠健康状态下的诊疗数据,由于个体上的差异针对望闻问切的表达形式和内容会有所不同,并且在相同的胃肠健康状态下,可能不同的个体会有不同的表现形式,如果一开始就进行笼统的数据采集和统计,可能会破坏数据的多样性,进而造成后续进行胃肠健康状态识别判断时无法更加准确的实现。所以在进行特征信息的提取时,首先是以个人的数据为单位来进行针对望闻问切形式的特征信息的采集,为后续进行更加准确的分析识别提供了合理且准确的数据基础。
作为一种可能的实现方式,根据胃肠望诊语言数据库、胃肠闻诊语言数据库、胃肠
问诊语言数据库以及胃肠切诊语言数据库,以个体的胃肠诊疗数据为单位,对不同类型的
胃肠健康状态类型数据进行个体胃肠健康状态特征信息的提取,包括:以个体的胃肠诊疗
数据为单位,参考胃肠望诊语言数据库、胃肠闻诊语言数据库、胃肠问诊语言数据库以及胃
肠切诊语言数据库,对诊疗数据进行语言信息的对比,获取不同胃肠健康状态下每个个体
的个体胃肠健康状态特征信息,表示编
号为n的胃肠健康状态下划分出的胃肠诊疗数据中编号为m的个体的胃肠诊疗数据中所提
取的望诊特征信息,x表示望诊特征信息在胃肠望诊语言数据库中的编号,表示编号
为n的胃肠健康状态下划分出的胃肠诊疗数据中编号为m的个体的胃肠诊疗数据中所提取
的闻诊特征信息,y表示闻诊特征信息在胃肠闻诊语言数据库中的编号,表示编号为
n的胃肠健康状态下划分出的胃肠诊疗数据中编号为m的个体的胃肠诊疗数据中所提取的
问诊特征信息,u表示问诊特征信息在胃肠问诊语言数据库中的编号,表示编号为n
的胃肠健康状态下划分出的胃肠诊疗数据中编号为m的个体的胃肠诊疗数据中所提取的切
诊特征信息,v表示切诊特征信息在胃肠切诊语言数据库中的编号,其中:当个体的胃肠诊
疗数据中不存在望诊特征信息时,赋予=0,当个体的胃肠诊疗数据中不存在闻诊特
征信息时,赋予=0,当个体的胃肠诊疗数据中不存在问诊特征信息时,赋予=
0,当个体的胃肠诊疗数据中不存在切诊特征信息时,赋予=0。
在本发明中,胃肠健康状态的特征信息提取考略了每个个体可能存在表现上的差异等主客观原因,所以将特征信息按照存在望闻问切四个类型的类型数来进行合理的划分,保证所提取的特征信息的准确性,同时也不会失去望闻问切四个方面之间的联系性信息。
作为一种可能的实现方式,根据不同类型的个体胃肠健康状态特征信息,进行基
于望闻问切的关联性分析,形成胃肠健康状态类型识别特征数据,包括:将个体胃肠健康状
态特征信息在相同类型胃肠健康状态下进行相同特征信息的合并和统计,形成以下
胃肠健康状态类型特征信息数据集,其中在合并时对于若个体胃肠健康状态特征信息中出
现的特征信息类型能够被其他个体胃肠健康状态特征信息覆盖,则忽略对应的个体胃肠健
康状态特征信息:四项胃肠健康状态特征信息数据集=[,,…,
],表示完成相同特征信息的合并后形成的胃肠健康状态特征信息,且胃肠健康状
态特征信息中望诊特征信息、闻诊特征信息、问诊特征信息以及切诊特征信息均存在,z为
四项胃肠健康状态特征信息数据集中胃肠健康状态特征信息的编号,三项胃肠健康状态特
征信息数据集=[,,…,],表示完成相同特征信息的合并
后形成的胃肠健康状态特征信息,且胃肠健康状态特征信息中望诊特征信息、闻诊特征信
息、问诊特征信息以及切诊特征信息存在任意三种,k为三项胃肠健康状态特征信息数据集
中胃肠健康状态特征信息的编号,两项胃肠健康状态特征信息数据集=[,,…,],表示完成相同特征信息的合并后形成的胃肠健康状态特征信
息,且胃肠健康状态特征信息中望诊特征信息、闻诊特征信息、问诊特征信息以及切诊特征
信息存在任意两种,l为两项胃肠健康状态特征信息数据集中胃肠健康状态特征信息的编
号,单项胃肠健康状态特征信息数据集=[,,…,],表示
完成相同特征信息的合并后形成的胃肠健康状态特征信息,且胃肠健康状态特征信息中望
诊特征信息、闻诊特征信息、问诊特征信息以及切诊特征信息存在任意一种,j为单项胃肠
健康状态特征信息数据集中胃肠健康状态特征信息的编号;结合不同类型胃肠健康状态下
的四项胃肠健康状态特征信息数据集、三项胃肠健康状态特征信息数据集、两项
胃肠健康状态特征信息数据集以及单项胃肠健康状态特征信息数据集,并与对
应的胃肠健康状态建立多对一的映射关系,形成胃肠健康状态类型识别特征数据。
在本发明中,需要说明的是,关联性分析主要是两个方面,一个是考虑每次对胃肠健康状态的诊断不是单独的以望闻问切这四个部分中的其中部分进行,而是依据多种形式或者整体进行识别判断的,四种特征数据之间的关联性也是进行胃肠健康状态判断的关键信息。另一方面,考虑客观原因,个体所提供的望闻问切的特征信息可能存在一些信息上的缺漏,造成不同的胃肠健康状态会有相同的特征信息,进而影响胃肠健康状态的识别判断,同时相同的胃肠健康状态下的特征信息还有可能原本完整的四种识别信息是齐全的,而大数据提供的是却是缺失的,那么就需要进行识别保证不会出现重复的特征信息来进行胃肠健康状态的验证。将大数据中未记录完整的个体胃肠状态特征信息在合并过程中忽略,避免造成在不同类型胃肠状态数据中出现而干扰对胃肠健康状态的判断,同时有助于形成更具有明显区别特征性质的特征信息。在消除不同胃肠健康状态之间存在的相同特征信息以及相同胃肠健康状态下未完整的特征信息后,所剩下的特征信息就是最为凸显对应的胃肠健康状态的特征数据,为后续进行准确的胃肠健康状态判断提供了重要和准确的数据基础。
作为一种可能的实现方式,根据胃肠健康状态类型识别特征数据,结合胃肠健康
状态类型数据,提取状态诊断数据并进行特征分析,形成胃肠状态诊断识别特征数据,包
括:确定相同胃肠健康状态的胃肠健康状态类型数据,获取四项胃肠健康状态特征信息数
据集对应的状态诊断数据,形成四项状态诊断数据集=[,,…,],表示编号为q的诊断指标;确定相同胃肠健康状态的胃肠健康状态类型
数据,获取三项胃肠健康状态特征信息数据集对应的状态诊断数据,形成三项状态诊
断数据集=[,,…,],表示编号为w的诊断指标;确定
相同胃肠健康状态的胃肠健康状态类型数据,获取两项胃肠健康状态特征信息数据集
对应的状态诊断数据,形成两项状态诊断数据集=[,,…,],表示编号为e的诊断指标;确定相同胃肠健康状态的胃肠健康状态类型数据,获取
单项胃肠健康状态特征信息数据集对应的状态诊断数据,形成单项状态诊断数据集=[,,…,],表示编号为r的诊断指标;结合不同胃肠
健康状态下的四项状态诊断数据集、三项状态诊断数据集、两项状态诊断数据集以及单项状态诊断数据集,进行胃肠健康状态的诊断指标确定,形成第一胃肠健
康状态类型识别数据;结合相同胃肠健康状态下的四项状态诊断数据集、三项状态诊
断数据集、两项状态诊断数据集以及单项状态诊断数据集,进行问诊特征的
诊断指标确定,形成第二胃肠健康状态类型识别数据;结合第一胃肠健康状态类型识别数
据和第二胃肠健康状态类型识别数据,形成胃肠状态诊断识别特征数据。
在本发明中,在建立望闻问切的特征信息与胃肠健康状态的对应关系后,为了进一步的提升胃肠健康状态识别的正确性,通过获取一些针对胃肠健康状态的检测数据信息,能够进一步的提升识别判断的能力,同时也通过科学的方式进行合理的验证,相比采用很多检测方式进行识别判断更加快速高效。
作为一种可能的实现方式,结合不同胃肠健康状态下的四项状态诊断数据集
、三项状态诊断数据集、两项状态诊断数据集以及单项状态诊断数据集,进
行胃肠健康状态的诊断指标确定,形成第一胃肠健康状态类型识别数据,包括:将在的相同
胃肠健康状态下四项状态诊断数据集、三项状态诊断数据集、两项状态诊断数据
集以及单项状态诊断数据集进行相同诊断指标的提取,形成健康状态指标集;将不同胃肠健康状态下的健康状态指标集进行互斥分析,确定出不同胃肠健康状态
下对应的健康状态指标信息,形成第一胃肠健康状态类型识别数据,其中,互斥分析进行以
下两个方面的确定:确定出不同胃肠健康状态下所使用的不同诊断指标,确定出不同胃肠
健康状态下使用相同诊断指标获得的不同诊断参数。
在本发明中,区分不同的胃肠健康状态,可以通过不同胃肠健康状态下所使用到的具有特征性的诊断检测来实现辅助性的判断。当然,在确定好所识别的胃肠健康状态后,进行诊断指标的互斥分析能够充分的了解到每种胃肠健康状态的特征信息,进而作出快速的识别回应。需要说明的是,互斥分析的两个方面,一个是不同胃肠健康状态下单独使用的诊断指标,这种指标具有明显的指向性,可以快速的辅助确定胃肠健康状态,二个是虽然采用相同的诊断指标,但指标所表达的参数信息确实不同的,这样的参数信息也具有明显的倾向性和指向性。将其通过互斥提取出来能够增加胃肠健康状态判断的正确性。
作为一种可能的实现方式,结合相同胃肠健康状态下的四项状态诊断数据集
、三项状态诊断数据集、两项状态诊断数据集以及单项状态诊断数据集,进
行问诊特征的诊断指标确定,形成第二胃肠健康状态类型识别数据,包括:将在相同胃肠健
康状态下的四项状态诊断数据集、三项状态诊断数据集、两项状态诊断数据集以及单项状态诊断数据集进行互斥分析,提独立使用的诊断指标,形成第二胃肠
健康状态类型识别数据。
在本发明中,当然,不同的个体在相同胃肠健康状态下所表现的特征信息也有不同,通过对这些不同的特征信息进行分析判断,能够确定问诊的正确性与否,进而针对性的合理进行特征信息的采集。
作为一种可能的实现方式,获取目标诊疗数据,将目标诊疗数据与胃肠健康状态类型识别特征数据进行匹配性分析,形成胃肠健康状态结果信息,包括:获取目标诊疗数据,进行望诊特征信息、闻诊特征信息、问诊特征信息以及切诊特征信息的提取,形成目标特征信息;将目标特征信息与胃肠健康状态类型识别特征数据中特征数据集的特征信息进行匹配,确定对应的胃肠健康状态,形成胃肠健康状态结果信息。
在本发明中,在完成基于大数据的胃肠健康状态分析识别后,即可进行对目标对象的胃肠健康状态的判断。这里通过提取目标对象的特征信息进行对比匹配即能进行识别确定。
作为一种可能的实现方式,根据胃肠健康状态结果信息,并结合胃肠状态诊断识别特征数据和目标诊疗数据进行胃肠健康状态的验证,形成胃肠健康状态验证结果信息,包括:根据胃肠健康状态结果信息的特征信息,结合第一胃肠健康状态类型识别数据进行第一状态判断,根据胃肠健康状态结果信息的特征信息,结合第二胃肠健康状态类型识别数据进行第二状态判断:若第一状态判断和第二状态判断任意一种判断正确,则确定判断正确的胃肠健康状态为目标对象的胃肠健康状态。
在本发明中,当然,在获取检测数据进行目标对象的胃肠健康状态进行辅助验证的时候,需要同时对不同胃肠健康状态下使用到的特征信息进行验证,还要对相同胃肠健康状态下的特征信息进行分析,两个方面的分析出来能够进一步的提高对胃肠健康状态判断的准确性。
本发明提供的一种针对胃肠健康的大数据识别方法的有益效果有:
该方法通过在利用历史诊疗数据的基础上以中医的望闻问切的问诊手段为基础建立起快速高效的胃肠健康状态识别方式。相比于采用检测分析的手段进行胃肠健康状态的判断,基于中医望闻问切的问诊数据进行胃肠健康状态的识别判断,更加简单高效,由于大数据的支撑能够提供一个准确性较高的引导判断参考数据,在提高识别判断的效率的同时也能够做到识别判断结果的准确性。同时,结合与不同胃肠健康状态所表现的特征检测数据进行辅助验证,可以进一步的提高识别判断的准确性,但相比采取一系列的检测手段,针对性的进行检测手段的辅助验证不仅没有增加识别工作的负担,反而快速提升了识别的准确性。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对本发明实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对范围的限定,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相关的附图。
图1为本发明实施例提供的针对胃肠健康的大数据识别方法的步骤图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行描述。
胃肠一般指消化系统的胃和小肠、大肠部分。而胃和小肠是营养吸收的核心。人体需要的营养几乎都需要经过胃肠。胃肠成为消化最重要的器官。所以,对于胃肠健康的关注就显得十分重要,直接影响了人体的能量摄取。
目前,对于胃肠健康状态的识别和判断主要还是通过一些简单的诸如利用检测手段提取检测数据进行分析的方式,当然也有利用胃肠中的微生物菌群的情况来进行胃肠健康状态的识别和判断。但这些识别与判断方式均需要耗费大量的时间以及经过繁杂的检测检查分析后才能确定,并且在识别判断的准确性和高效性上已然存在较大的不足,在医疗资源紧张的今天,如何更加高效的进行胃肠健康状态的识别和判断已然成为重要的研究方向。
参考图1,本发明实施例提供一种针对胃肠健康的大数据识别方法。该方法通过在利用历史诊疗数据的基础上以中医的望闻问切的问诊手段为基础建立起快速高效的胃肠健康状态识别方式。相比于采用检测分析的手段进行胃肠健康状态的判断,基于中医望闻问切的问诊数据进行胃肠健康状态的识别判断,更加简单高效,由于大数据的支撑能够提供一个准确性较高的引导判断参考数据,在提高识别判断的效率的同时也能够做到识别判断结果的准确性。同时,结合与不同胃肠健康状态所表现的特征检测数据进行辅助验证,可以进一步的提高识别判断的准确性,但相比采取一系列的检测手段,针对性的进行检测手段的辅助验证不仅没有增加识别工作的负担,反而快速提升了识别的准确性。
针对胃肠健康的大数据识别方法具体包括以下步骤:
S1:获取诊疗大数据,基于主诉信息提取针对胃肠的诊疗数据,形成胃肠诊疗数据,并对胃肠诊疗数据进行基于望闻问切的诊疗信息分析,建立胃肠诊疗信息数据库。
对胃肠诊疗数据进行基于望闻问切的诊疗信息分析,建立胃肠诊疗信息数据库,包括:获取胃肠诊疗数据的门诊信息,并进行基于视觉逻辑的语言分析,确定出源于视觉观察的胃肠望诊语言数据库;获取胃肠诊疗数据的门诊信息,并进行基于听觉逻辑的语言分析,确定出源于听觉观察的胃肠闻诊语言数据库;获取胃肠诊疗数据的门诊信息,并进行基于直接症状描述的语言分析,确定出源于症状表现的胃肠问诊语言数据库;获取胃肠诊疗数据的门诊信息,并进行基于触觉逻辑的语言分析,确定出源于听觉观察的胃肠切诊语言数据库。
基于中医的望闻问切的方式进行胃肠健康状态的判断,首先得建立关于针对胃肠健康状态诊疗的特征语言数据库,这样有利于后续在进行基于望闻问切的不同胃肠健康状态识别判断时,才能够准确的进行特征数据的提取,进而快速的确定出胃肠健康状态,实现高效准确进行识别的效果。
S2:将胃肠诊疗数据进行基于诊疗结果的类型划分,形成不同的胃肠健康状态类型数据,并对胃肠健康状态类型数据进行特征分析,形成胃肠健康状态类型识别特征数据。
将胃肠诊疗数据进行基于诊疗结果的类型划分,形成不同的胃肠健康状态类型数
据,并对胃肠健康状态类型数据进行特征分析,形成胃肠健康状态类型识别特征数据,包
括:将胃肠诊疗数据按照诊断结果进行分类,形成不同的胃肠健康状态类型集A,A=[,,…,],n不表示不同的胃肠健康状态的对应编号,表示编号为n的胃肠健康
状态下所划分出的胃肠诊疗数据的集合,=[,,…,],表示
编号为n的胃肠健康状态下划分出的胃肠诊疗数据中编号为m的个体的胃肠诊疗数据;根据
胃肠望诊语言数据库、胃肠闻诊语言数据库、胃肠问诊语言数据库以及胃肠切诊语言数据
库,以个体的胃肠诊疗数据为单位,对不同类型的胃肠健康状态类型数据进行个体胃肠健
康状态特征信息的提取;根据不同类型的个体胃肠健康状态特征信息,进行基于望闻问切
的关联性分析,形成胃肠健康状态类型识别特征数据。
可以理解的是,在相同的胃肠健康状态下的诊疗数据,由于个体上的差异针对望闻问切的表达形式和内容会有所不同,并且在相同的胃肠健康状态下,可能不同的个体会有不同的表现形式,如果一开始就进行笼统的数据采集和统计,可能会破坏数据的多样性,进而造成后续进行胃肠健康状态识别判断时无法更加准确的实现。所以在进行特征信息的提取时,首先是以个人的数据为单位来进行针对望闻问切形式的特征信息的采集,为后续进行更加准确的分析识别提供了合理且准确的数据基础。
S3:根据胃肠健康状态类型识别特征数据,结合胃肠健康状态类型数据,提取状态诊断数据并进行特征分析,形成胃肠状态诊断识别特征数据。
根据胃肠望诊语言数据库、胃肠闻诊语言数据库、胃肠问诊语言数据库以及胃肠
切诊语言数据库,以个体的胃肠诊疗数据为单位,对不同类型的胃肠健康状态类型数据进
行个体胃肠健康状态特征信息的提取,包括:以个体的胃肠诊疗数据为单位,参考胃肠望诊
语言数据库、胃肠闻诊语言数据库、胃肠问诊语言数据库以及胃肠切诊语言数据库,对诊疗
数据进行语言信息的对比,获取不同胃肠健康状态下每个个体的个体胃肠健康状态特征信
息,表示编号为n的胃肠健康状态下划分
出的胃肠诊疗数据中编号为m的个体的胃肠诊疗数据中所提取的望诊特征信息,x表示望诊
特征信息在胃肠望诊语言数据库中的编号,表示编号为n的胃肠健康状态下划分出
的胃肠诊疗数据中编号为m的个体的胃肠诊疗数据中所提取的闻诊特征信息,y表示闻诊特
征信息在胃肠闻诊语言数据库中的编号,表示编号为n的胃肠健康状态下划分出的
胃肠诊疗数据中编号为m的个体的胃肠诊疗数据中所提取的问诊特征信息,u表示问诊特征
信息在胃肠问诊语言数据库中的编号,表示编号为n的胃肠健康状态下划分出的胃
肠诊疗数据中编号为m的个体的胃肠诊疗数据中所提取的切诊特征信息,v表示切诊特征信
息在胃肠切诊语言数据库中的编号,其中:当个体的胃肠诊疗数据中不存在望诊特征信息
时,赋予=0,当个体的胃肠诊疗数据中不存在闻诊特征信息时,赋予=0,当个
体的胃肠诊疗数据中不存在问诊特征信息时,赋予=0,当个体的胃肠诊疗数据中不
存在切诊特征信息时,赋予=0。
胃肠健康状态的特征信息提取考略了每个个体可能存在表现上的差异等主客观原因,所以将特征信息按照存在望闻问切四个类型的类型数来进行合理的划分,保证所提取的特征信息的准确性,同时也不会失去望闻问切四个方面之间的联系性信息。
根据不同类型的个体胃肠健康状态特征信息,进行基于望闻问切的关联性分析,
形成胃肠健康状态类型识别特征数据,包括:将个体胃肠健康状态特征信息在相同
类型胃肠健康状态下进行相同特征信息的合并和统计,形成以下胃肠健康状态类型特征信
息数据集,其中在合并时对于若个体胃肠健康状态特征信息中出现的特征信息类型能够被
其他个体胃肠健康状态特征信息覆盖,则忽略对应的个体胃肠健康状态特征信息:四项胃
肠健康状态特征信息数据集=[,,…,],表示完成相同特
征信息的合并后形成的胃肠健康状态特征信息,且胃肠健康状态特征信息中望诊特征信
息、闻诊特征信息、问诊特征信息以及切诊特征信息均存在,z为四项胃肠健康状态特征信
息数据集中胃肠健康状态特征信息的编号,三项胃肠健康状态特征信息数据集=[,,…,],表示完成相同特征信息的合并后形成的胃肠健康状
态特征信息,且胃肠健康状态特征信息中望诊特征信息、闻诊特征信息、问诊特征信息以及
切诊特征信息存在任意三种,k为三项胃肠健康状态特征信息数据集中胃肠健康状态特征
信息的编号,两项胃肠健康状态特征信息数据集=[,,…,],表示完成相同特征信息的合并后形成的胃肠健康状态特征信息,且胃肠健康状态特
征信息中望诊特征信息、闻诊特征信息、问诊特征信息以及切诊特征信息存在任意两种,l
为两项胃肠健康状态特征信息数据集中胃肠健康状态特征信息的编号,单项胃肠健康状态
特征信息数据集=[,,…,],表示完成相同特征信息的合
并后形成的胃肠健康状态特征信息,且胃肠健康状态特征信息中望诊特征信息、闻诊特征
信息、问诊特征信息以及切诊特征信息存在任意一种,j为单项胃肠健康状态特征信息数据
集中胃肠健康状态特征信息的编号;结合不同类型胃肠健康状态下的四项胃肠健康状态特
征信息数据集、三项胃肠健康状态特征信息数据集、两项胃肠健康状态特征信息
数据集以及单项胃肠健康状态特征信息数据集,并与对应的胃肠健康状态建立
多对一的映射关系,形成胃肠健康状态类型识别特征数据。
需要说明的是,关联性分析主要是两个方面,一个是考虑每次对胃肠健康状态的诊断不是单独的以望闻问切这四个部分中的其中部分进行,而是依据多种形式或者整体进行识别判断的,四种特征数据之间的关联性也是进行胃肠健康状态判断的关键信息。另一方面,考虑客观原因,个体所提供的望闻问切的特征信息可能存在一些信息上的缺漏,造成不同的胃肠健康状态会有相同的特征信息,进而影响胃肠健康状态的识别判断,同时相同的胃肠健康状态下的特征信息还有可能原本完整的四种识别信息是齐全的,而大数据提供的是却是缺失的,那么就需要进行识别保证不会出现重复的特征信息来进行胃肠健康状态的验证。将大数据中未记录完整的个体胃肠状态特征信息在合并过程中忽略,避免造成在不同类型胃肠状态数据中出现而干扰对胃肠健康状态的判断,同时有助于形成更具有明显区别特征性质的特征信息。在消除不同胃肠健康状态之间存在的相同特征信息以及相同胃肠健康状态下未完整的特征信息后,所剩下的特征信息就是最为凸显对应的胃肠健康状态的特征数据,为后续进行准确的胃肠健康状态判断提供了重要和准确的数据基础。
根据胃肠健康状态类型识别特征数据,结合胃肠健康状态类型数据,提取状态诊
断数据并进行特征分析,形成胃肠状态诊断识别特征数据,包括:确定相同胃肠健康状态的
胃肠健康状态类型数据,获取四项胃肠健康状态特征信息数据集对应的状态诊断数
据,形成四项状态诊断数据集=[,,…,],表示编号为
q的诊断指标;确定相同胃肠健康状态的胃肠健康状态类型数据,获取三项胃肠健康状态特
征信息数据集对应的状态诊断数据,形成三项状态诊断数据集=[,,…,],表示编号为w的诊断指标;确定相同胃肠健康状态的胃肠
健康状态类型数据,获取两项胃肠健康状态特征信息数据集对应的状态诊断数据,形
成两项状态诊断数据集=[,,…,],表示编号为e的诊
断指标;确定相同胃肠健康状态的胃肠健康状态类型数据,获取单项胃肠健康状态特征信
息数据集对应的状态诊断数据,形成单项状态诊断数据集=[,
,…,],表示编号为r的诊断指标;结合不同胃肠健康状态下的四项状态诊
断数据集、三项状态诊断数据集、两项状态诊断数据集以及单项状态诊断数
据集,进行胃肠健康状态的诊断指标确定,形成第一胃肠健康状态类型识别数据;结合
相同胃肠健康状态下的四项状态诊断数据集、三项状态诊断数据集、两项状态诊
断数据集以及单项状态诊断数据集,进行问诊特征的诊断指标确定,形成第二胃
肠健康状态类型识别数据;结合第一胃肠健康状态类型识别数据和第二胃肠健康状态类型
识别数据,形成胃肠状态诊断识别特征数据。
在建立望闻问切的特征信息与胃肠健康状态的对应关系后,为了进一步的提升胃肠健康状态识别的正确性,通过获取一些针对胃肠健康状态的检测数据信息,能够进一步的提升识别判断的能力,同时也通过科学的方式进行合理的验证,相比采用很多检测方式进行识别判断更加快速高效。
结合不同胃肠健康状态下的四项状态诊断数据集、三项状态诊断数据集、两项状态诊断数据集以及单项状态诊断数据集,进行胃肠健康状态的诊断
指标确定,形成第一胃肠健康状态类型识别数据,包括:将在的相同胃肠健康状态下四项状
态诊断数据集、三项状态诊断数据集、两项状态诊断数据集以及单项状态诊
断数据集进行相同诊断指标的提取,形成健康状态指标集;将不同胃肠健康状态
下的健康状态指标集进行互斥分析,确定出不同胃肠健康状态下对应的健康状态指标信
息,形成第一胃肠健康状态类型识别数据,其中,互斥分析进行以下两个方面的确定:确定
出不同胃肠健康状态下所使用的不同诊断指标,确定出不同胃肠健康状态下使用相同诊断
指标获得的不同诊断参数。
区分不同的胃肠健康状态,可以通过不同胃肠健康状态下所使用到的具有特征性的诊断检测来实现辅助性的判断。当然,在确定好所识别的胃肠健康状态后,进行诊断指标的互斥分析能够充分的了解到每种胃肠健康状态的特征信息,进而作出快速的识别回应。需要说明的是,互斥分析的两个方面,一个是不同胃肠健康状态下单独使用的诊断指标,这种指标具有明显的指向性,可以快速的辅助确定胃肠健康状态,二个是虽然采用相同的诊断指标,但指标所表达的参数信息确实不同的,这样的参数信息也具有明显的倾向性和指向性。将其通过互斥提取出来能够增加胃肠健康状态判断的正确性。
结合相同胃肠健康状态下的四项状态诊断数据集、三项状态诊断数据集、两项状态诊断数据集以及单项状态诊断数据集,进行问诊特征的诊断指标
确定,形成第二胃肠健康状态类型识别数据,包括:将在相同胃肠健康状态下的四项状态诊
断数据集、三项状态诊断数据集、两项状态诊断数据集以及单项状态诊断数
据集进行互斥分析,提独立使用的诊断指标,形成第二胃肠健康状态类型识别数据。
当然,不同的个体在相同胃肠健康状态下所表现的特征信息也有不同,通过对这些不同的特征信息进行分析判断,能够确定问诊的正确性与否,进而针对性的合理进行特征信息的采集。
S4:获取目标诊疗数据,将目标诊疗数据与胃肠健康状态类型识别特征数据进行匹配性分析,形成胃肠健康状态结果信息。
该步骤包括:获取目标诊疗数据,进行望诊特征信息、闻诊特征信息、问诊特征信息以及切诊特征信息的提取,形成目标特征信息;将目标特征信息与胃肠健康状态类型识别特征数据中特征数据集的特征信息进行匹配,确定对应的胃肠健康状态,形成胃肠健康状态结果信息。
在完成基于大数据的胃肠健康状态分析识别后,即可进行对目标对象的胃肠健康状态的判断。这里通过提取目标对象的特征信息进行对比匹配即能进行识别确定。
S5:根据胃肠健康状态结果信息,并结合胃肠状态诊断识别特征数据和目标诊疗数据进行胃肠健康状态的验证,形成胃肠健康状态验证结果信息。
根据胃肠健康状态结果信息,并结合胃肠状态诊断识别特征数据和目标诊疗数据进行胃肠健康状态的验证,形成胃肠健康状态验证结果信息,包括:根据胃肠健康状态结果信息的特征信息,结合第一胃肠健康状态类型识别数据进行第一状态判断,根据胃肠健康状态结果信息的特征信息,结合第二胃肠健康状态类型识别数据进行第二状态判断:若第一状态判断和第二状态判断任意一种判断正确,则确定判断正确的胃肠健康状态为目标对象的胃肠健康状态。
当然,在获取检测数据进行目标对象的胃肠健康状态进行辅助验证的时候,需要同时对不同胃肠健康状态下使用到的特征信息进行验证,还要对相同胃肠健康状态下的特征信息进行分析,两个方面的分析出来能够进一步的提高对胃肠健康状态判断的准确性。
综上所述,本发明实施例提供的针对胃肠健康的大数据识别方法的有益效果有:
该方法通过在利用历史诊疗数据的基础上以中医的望闻问切的问诊手段为基础建立起快速高效的胃肠健康状态识别方式。相比于采用检测分析的手段进行胃肠健康状态的判断,基于中医望闻问切的问诊数据进行胃肠健康状态的识别判断,更加简单高效,由于大数据的支撑能够提供一个准确性较高的引导判断参考数据,在提高识别判断的效率的同时也能够做到识别判断结果的准确性。同时,结合与不同胃肠健康状态所表现的特征检测数据进行辅助验证,可以进一步的提高识别判断的准确性,但相比采取一系列的检测手段,针对性的进行检测手段的辅助验证不仅没有增加识别工作的负担,反而快速提升了识别的准确性。
本发明中,“至少一个”是指一个或者多个,“多个”是指两个或两个以上。“以下至少一项(个)”或其类似表达,是指的这些项中的任意组合,包括单项(个)或复数项(个)的任意组合。例如,a,b,或c中的至少一项(个),可以表示:a, b, c, a-b, a-c, b-c, 或a-b-c,其中a,b,c可以是单个,也可以是多个。
应理解,在本发明的各种实施例中,上述各过程的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本发明实施例的实施过程构成任何限定。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及方法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统、装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本发明所提供的几个实施例中,应该理解到,所揭露的系统、装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
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,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(read-only memory,ROM)、随机存取存储器(random access memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
Claims (4)
1.一种针对胃肠健康的大数据识别方法,其特征在于,包括:
获取诊疗大数据,基于主诉信息提取针对胃肠的诊疗数据,形成胃肠诊疗数据,并对所述胃肠诊疗数据进行基于望闻问切的诊疗信息分析,建立胃肠诊疗信息数据库;
将所述胃肠诊疗数据进行基于诊疗结果的类型划分,形成不同的胃肠健康状态类型数据,并对所述胃肠健康状态类型数据进行特征分析,形成胃肠健康状态类型识别特征数据;
根据所述胃肠健康状态类型识别特征数据,结合所述胃肠健康状态类型数据,提取状态诊断数据并进行特征分析,形成胃肠状态诊断识别特征数据;
获取目标诊疗数据,将所述目标诊疗数据与所述胃肠健康状态类型识别特征数据进行匹配性分析,形成胃肠健康状态结果信息;
根据所述胃肠健康状态结果信息,并结合所述胃肠状态诊断识别特征数据和所述目标诊疗数据进行胃肠健康状态的验证,形成胃肠健康状态验证结果信息;
其中,所述将所述胃肠诊疗数据进行基于诊疗结果的类型划分,形成不同的胃肠健康状态类型数据,并对所述胃肠健康状态类型数据进行特征分析,形成胃肠健康状态类型识别特征数据,包括:
将所述胃肠诊疗数据按照诊断结果进行分类,形成不同的所述胃肠健康状态类型集A,
A=[,,…,],n不表示不同的胃肠健康状态的对应编号,表示编号为n的
胃肠健康状态下所划分出的胃肠诊疗数据的集合,=[,,…,],表示编号为n的胃肠健康状态下划分出的胃肠诊疗数据中编号为m的个体的胃肠诊
疗数据;
根据所述胃肠望诊语言数据库、所述胃肠闻诊语言数据库、所述胃肠问诊语言数据库
以及所述胃肠切诊语言数据库,以个体的胃肠诊疗数据为单位,对不同类型的所述胃肠健
康状态类型数据进行个体胃肠健康状态特征信息的提取:以个体的胃肠诊疗数据为单位,
参考所述胃肠望诊语言数据库、所述胃肠闻诊语言数据库、所述胃肠问诊语言数据库以及
所述胃肠切诊语言数据库,对诊疗数据进行语言信息的对比,获取不同胃肠健康状态下每
个个体的个体胃肠健康状态特征信息,表
示编号为n的胃肠健康状态下划分出的胃肠诊疗数据中编号为m的个体的胃肠诊疗数据中
所提取的望诊特征信息,x表示所述望诊特征信息在所述胃肠望诊语言数据库中的编号,表示编号为n的胃肠健康状态下划分出的胃肠诊疗数据中编号为m的个体的胃肠诊
疗数据中所提取的闻诊特征信息,y表示所述闻诊特征信息在所述胃肠闻诊语言数据库中
的编号,表示编号为n的胃肠健康状态下划分出的胃肠诊疗数据中编号为m的个体的
胃肠诊疗数据中所提取的问诊特征信息,u表示所述问诊特征信息在所述胃肠问诊语言数
据库中的编号,表示编号为n的胃肠健康状态下划分出的胃肠诊疗数据中编号为m的
个体的胃肠诊疗数据中所提取的切诊特征信息,v表示所述切诊特征信息在所述胃肠切诊
语言数据库中的编号,其中:当个体的胃肠诊疗数据中不存在所述望诊特征信息时,赋予=0,当个体的胃肠诊疗数据中不存在所述闻诊特征信息时,赋予=0,当个体的
胃肠诊疗数据中不存在所述问诊特征信息时,赋予=0,当个体的胃肠诊疗数据中不
存在所述切诊特征信息时,赋予=0;
根据不同类型的所述个体胃肠健康状态特征信息,进行基于望闻问切的关联性分析,形成所述胃肠健康状态类型识别特征数据:
将所述个体胃肠健康状态特征信息在相同类型胃肠健康状态下进行相同特征信
息的合并和统计,形成以下胃肠健康状态类型特征信息数据集,其中在合并时对于若个体
胃肠健康状态特征信息中出现的特征信息类型能够被其他个体胃肠健康状态特征信息覆
盖,则忽略对应的个体胃肠健康状态特征信息:四项胃肠健康状态特征信息数据集=[,,…,],表示完成相同特征信息的合并后形成的胃肠健康状
态特征信息,且所述胃肠健康状态特征信息中所述望诊特征信息、所述闻诊特征信息、所述
问诊特征信息以及所述切诊特征信息均存在,z为所述四项胃肠健康状态特征信息数据集
中所述胃肠健康状态特征信息的编号,三项胃肠健康状态特征信息数据集=[,,…,],表示完成相同特征信息的合并后形成的胃肠健康状态特征信
息,且所述胃肠健康状态特征信息中所述望诊特征信息、所述闻诊特征信息、所述问诊特征
信息以及所述切诊特征信息存在任意三种,k为所述三项胃肠健康状态特征信息数据集中
所述胃肠健康状态特征信息的编号,两项胃肠健康状态特征信息数据集=[,,…,],表示完成相同特征信息的合并后形成的胃肠健康状态特征信
息,且所述胃肠健康状态特征信息中所述望诊特征信息、所述闻诊特征信息、所述问诊特征
信息以及所述切诊特征信息存在任意两种,l为所述两项胃肠健康状态特征信息数据集中
所述胃肠健康状态特征信息的编号,单项胃肠健康状态特征信息数据集=[,,…,],表示完成相同特征信息的合并后形成的胃肠健康状态特征信
息,且所述胃肠健康状态特征信息中所述望诊特征信息、所述闻诊特征信息、所述问诊特征
信息以及所述切诊特征信息存在任意一种,j为所述单项胃肠健康状态特征信息数据集中
所述胃肠健康状态特征信息的编号;结合不同类型胃肠健康状态下的所述四项胃肠健康状
态特征信息数据集、所述三项胃肠健康状态特征信息数据集、所述两项胃肠健康
状态特征信息数据集以及所述单项胃肠健康状态特征信息数据集,并与对应的
胃肠健康状态建立多对一的映射关系,形成所述胃肠健康状态类型识别特征数据;
所述根据所述胃肠健康状态类型识别特征数据,结合所述胃肠健康状态类型数据,提取状态诊断数据并进行特征分析,形成胃肠状态诊断识别特征数据,包括:
确定相同胃肠健康状态的所述胃肠健康状态类型数据,获取所述四项胃肠健康状态特
征信息数据集对应的状态诊断数据,形成四项状态诊断数据集=[,,…,],表示编号为q的诊断指标;确定相同胃肠健康状态的所述
胃肠健康状态类型数据,获取所述三项胃肠健康状态特征信息数据集对应的状态诊断
数据,形成三项状态诊断数据集=[,,…,],表示编
号为w的诊断指标;确定相同胃肠健康状态的所述胃肠健康状态类型数据,获取所述两项胃
肠健康状态特征信息数据集对应的状态诊断数据,形成两项状态诊断数据集=[,,…,],表示编号为e的诊断指标;确定相同胃肠健康状态
的所述胃肠健康状态类型数据,获取所述单项胃肠健康状态特征信息数据集对应的状
态诊断数据,形成单项状态诊断数据集=[,,…,],表
示编号为r的诊断指标;
结合不同胃肠健康状态下的所述四项状态诊断数据集、所述三项状态诊断数据集、所述两项状态诊断数据集以及所述单项状态诊断数据集,进行胃肠健康状
态的诊断指标确定,形成第一胃肠健康状态类型识别数据:将在的相同胃肠健康状态下所
述四项状态诊断数据集、所述三项状态诊断数据集、所述两项状态诊断数据集以及所述单项状态诊断数据集进行相同诊断指标的提取,形成健康状态指标集;将不同胃肠健康状态下的所述健康状态指标集进行互斥分析,确定出不同胃肠健康
状态下对应的健康状态指标信息,形成所述第一胃肠健康状态类型识别数据,其中,互斥分
析进行以下两个方面的确定:确定出不同胃肠健康状态下所使用的不同诊断指标,确定出
不同胃肠健康状态下使用相同诊断指标获得的不同诊断参数;
结合相同胃肠健康状态下的所述四项状态诊断数据集、所述三项状态诊断数据集、所述两项状态诊断数据集以及所述单项状态诊断数据集,进行问诊特征的
诊断指标确定,形成第二胃肠健康状态类型识别数据:将在相同胃肠健康状态下的所述四
项状态诊断数据集、所述三项状态诊断数据集、所述两项状态诊断数据集以
及所述单项状态诊断数据集进行互斥分析,提独立使用的诊断指标,形成所述第二胃
肠健康状态类型识别数据;
结合所述第一胃肠健康状态类型识别数据和所述第二胃肠健康状态类型识别数据,形成所述胃肠状态诊断识别特征数据。
2.根据权利要求1所述的针对胃肠健康的大数据识别方法,其特征在于,所述对所述胃肠诊疗数据进行基于望闻问切的诊疗信息分析,建立胃肠诊疗信息数据库,包括:
获取胃肠诊疗数据的门诊信息,并进行基于视觉逻辑的语言分析,确定出源于视觉观察的胃肠望诊语言数据库;
获取胃肠诊疗数据的门诊信息,并进行基于听觉逻辑的语言分析,确定出源于听觉观察的胃肠闻诊语言数据库;
获取胃肠诊疗数据的门诊信息,并进行基于直接症状描述的语言分析,确定出源于症状表现的胃肠问诊语言数据库;
获取胃肠诊疗数据的门诊信息,并进行基于触觉逻辑的语言分析,确定出源于听觉观察的胃肠切诊语言数据库。
3.根据权利要求2所述的针对胃肠健康的大数据识别方法,其特征在于,所述获取目标诊疗数据,将所述目标诊疗数据与所述胃肠健康状态类型识别特征数据进行匹配性分析,形成胃肠健康状态结果信息,包括:
获取所述目标诊疗数据,进行所述望诊特征信息、所述闻诊特征信息、所述问诊特征信息以及所述切诊特征信息的提取,形成目标特征信息;
将所述目标特征信息与所述胃肠健康状态类型识别特征数据中特征数据集的特征信息进行匹配,确定对应的胃肠健康状态,形成所述胃肠健康状态结果信息。
4.根据权利要求3所述的针对胃肠健康的大数据识别方法,其特征在于,所述根据所述胃肠健康状态结果信息,并结合所述胃肠状态诊断识别特征数据和所述目标诊疗数据进行胃肠健康状态的验证,形成胃肠健康状态验证结果信息,包括:
根据所述胃肠健康状态结果信息的特征信息,结合所述第一胃肠健康状态类型识别数据进行第一状态判断,根据所述胃肠健康状态结果信息的特征信息,结合所述第二胃肠健康状态类型识别数据进行第二状态判断:
若所述第一状态判断和所述第二状态判断任意一种判断正确,则确定判断正确的胃肠健康状态为目标对象的胃肠健康状态。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311114144.5A CN116821779B (zh) | 2023-08-31 | 2023-08-31 | 一种针对胃肠健康的大数据识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311114144.5A CN116821779B (zh) | 2023-08-31 | 2023-08-31 | 一种针对胃肠健康的大数据识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116821779A CN116821779A (zh) | 2023-09-29 |
CN116821779B true CN116821779B (zh) | 2023-11-14 |
Family
ID=88127923
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311114144.5A Active CN116821779B (zh) | 2023-08-31 | 2023-08-31 | 一种针对胃肠健康的大数据识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116821779B (zh) |
Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105528526A (zh) * | 2016-01-15 | 2016-04-27 | 胡广芹 | 一种基于中医药传承与大数据挖掘的生命周期动态健康管理系统 |
CN108231191A (zh) * | 2017-12-31 | 2018-06-29 | 徐建 | 中医机器人医生 |
CN208422436U (zh) * | 2018-07-09 | 2019-01-22 | 中国中医科学院中医药信息研究所 | 基于中医理论的健康状态监控装置及系统 |
CN109411087A (zh) * | 2018-12-28 | 2019-03-01 | 博奥生物集团有限公司 | 一种多诊合参系统 |
CN110164547A (zh) * | 2019-05-20 | 2019-08-23 | 中科卓天智慧城市科技有限公司 | 一种基于人脸区域及舌苔的中医面诊系统 |
CN111382294A (zh) * | 2018-12-11 | 2020-07-07 | 上海维域信息科技有限公司 | 一种基于人工智能图像识别的中医辅助判断方法 |
CN111724895A (zh) * | 2020-05-16 | 2020-09-29 | 张东 | 一种基于人工智能的个性化中医诊疗机器人系统 |
WO2021032220A2 (zh) * | 2019-08-20 | 2021-02-25 | 山东众阳健康科技集团有限公司 | 一种基于证素的中医辅助诊断系统 |
CN112669972A (zh) * | 2020-12-30 | 2021-04-16 | 华南师范大学 | 基于大数据深度学习的中医个人风险分合协同预测方法 |
CN113409940A (zh) * | 2021-07-21 | 2021-09-17 | 成都奇门科技有限公司 | 一种基于人工智能的云端大数据诊断系统 |
CN113724244A (zh) * | 2021-09-14 | 2021-11-30 | 烟台艾睿光电科技有限公司 | 健康监测方法、装置及系统、健康检查设备及介质 |
CN114496231A (zh) * | 2022-02-16 | 2022-05-13 | 平安科技(深圳)有限公司 | 基于知识图谱的体质识别方法、装置、设备和存储介质 |
CN114512228A (zh) * | 2022-02-08 | 2022-05-17 | 吾征智能技术(北京)有限公司 | 一种中医疾病辅助诊断系统、设备及存储介质 |
CN114582487A (zh) * | 2022-01-26 | 2022-06-03 | 北京博瑞彤芸科技股份有限公司 | 基于中医知识图谱的中医辅助诊疗的方法及系统 |
CN115116576A (zh) * | 2022-06-30 | 2022-09-27 | 上海国民集团健康科技有限公司 | 融合知识的中医诊断报告自动化生成方法、系统及终端 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11037658B2 (en) * | 2016-02-17 | 2021-06-15 | International Business Machines Corporation | Clinical condition based cohort identification and evaluation |
US10923231B2 (en) * | 2016-03-23 | 2021-02-16 | International Business Machines Corporation | Dynamic selection and sequencing of healthcare assessments for patients |
CN107451407A (zh) * | 2017-07-31 | 2017-12-08 | 广东工业大学 | 一种中医智能诊断方法、系统及中医医疗系统 |
-
2023
- 2023-08-31 CN CN202311114144.5A patent/CN116821779B/zh active Active
Patent Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105528526A (zh) * | 2016-01-15 | 2016-04-27 | 胡广芹 | 一种基于中医药传承与大数据挖掘的生命周期动态健康管理系统 |
CN108231191A (zh) * | 2017-12-31 | 2018-06-29 | 徐建 | 中医机器人医生 |
CN208422436U (zh) * | 2018-07-09 | 2019-01-22 | 中国中医科学院中医药信息研究所 | 基于中医理论的健康状态监控装置及系统 |
CN111382294A (zh) * | 2018-12-11 | 2020-07-07 | 上海维域信息科技有限公司 | 一种基于人工智能图像识别的中医辅助判断方法 |
CN109411087A (zh) * | 2018-12-28 | 2019-03-01 | 博奥生物集团有限公司 | 一种多诊合参系统 |
CN110164547A (zh) * | 2019-05-20 | 2019-08-23 | 中科卓天智慧城市科技有限公司 | 一种基于人脸区域及舌苔的中医面诊系统 |
WO2021032220A2 (zh) * | 2019-08-20 | 2021-02-25 | 山东众阳健康科技集团有限公司 | 一种基于证素的中医辅助诊断系统 |
CN111724895A (zh) * | 2020-05-16 | 2020-09-29 | 张东 | 一种基于人工智能的个性化中医诊疗机器人系统 |
CN112669972A (zh) * | 2020-12-30 | 2021-04-16 | 华南师范大学 | 基于大数据深度学习的中医个人风险分合协同预测方法 |
CN113409940A (zh) * | 2021-07-21 | 2021-09-17 | 成都奇门科技有限公司 | 一种基于人工智能的云端大数据诊断系统 |
CN113724244A (zh) * | 2021-09-14 | 2021-11-30 | 烟台艾睿光电科技有限公司 | 健康监测方法、装置及系统、健康检查设备及介质 |
CN114582487A (zh) * | 2022-01-26 | 2022-06-03 | 北京博瑞彤芸科技股份有限公司 | 基于中医知识图谱的中医辅助诊疗的方法及系统 |
CN114512228A (zh) * | 2022-02-08 | 2022-05-17 | 吾征智能技术(北京)有限公司 | 一种中医疾病辅助诊断系统、设备及存储介质 |
CN114496231A (zh) * | 2022-02-16 | 2022-05-13 | 平安科技(深圳)有限公司 | 基于知识图谱的体质识别方法、装置、设备和存储介质 |
CN115116576A (zh) * | 2022-06-30 | 2022-09-27 | 上海国民集团健康科技有限公司 | 融合知识的中医诊断报告自动化生成方法、系统及终端 |
Non-Patent Citations (4)
Title |
---|
Computational methods for Traditional Chinese Medicine:A survey;suryani Lukman 等;《ELSEVIER》;283-294 * |
基于中医脉诊客观化对胃肠道虚实不同状态的脉象研究;王超;《中国优秀博士学位论文全文数据库 医药卫生科技辑》;E056-14 * |
基于关系型数据库的中医胃腕痛病诊疗数据库的构建及研究性探索;徐伟 等;《电脑知识与技术》;第第13卷卷(第第25期期);23-24 * |
数据挖掘在中医诊疗规则提取中的应用研究;金力 等;《时珍国医国药》;第第24卷卷(第第4期期);1015-1017 * |
Also Published As
Publication number | Publication date |
---|---|
CN116821779A (zh) | 2023-09-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Arunkumar et al. | Fully automatic model‐based segmentation and classification approach for MRI brain tumor using artificial neural networks | |
US11534097B2 (en) | Detection of electrocardiographic signal | |
WO2022257925A1 (zh) | 基于数字孪生的故障预测方法、装置、服务器及存储介质 | |
CN111956212B (zh) | 基于频域滤波-多模态深度神经网络的组间房颤识别方法 | |
EP3323086A1 (en) | System and method for structures detection and multi-class image categorization in medical imaging | |
CN111192660B (zh) | 一种影像报告分析方法、设备及计算机存储介质 | |
CN112690802B (zh) | 一种检测心电信号的方法、装置、终端及存储介质 | |
CN110991536A (zh) | 原发性肝癌的早期预警模型的训练方法 | |
CN112991343B (zh) | 眼底图像黄斑区域的识别检测方法和装置及设备 | |
CN116821779B (zh) | 一种针对胃肠健康的大数据识别方法 | |
CN112835893B (zh) | 一种基于聚类的医保欺诈行为的检测方法及系统 | |
Bajcsi et al. | Towards feature selection for digital mammogram classification | |
Huang et al. | Fast diagnosis of bowel activities | |
CN112861881A (zh) | 一种基于改进MobileNet模型的蜂窝肺识别方法 | |
CN116741393A (zh) | 基于病历的甲状腺疾病数据集分类模型的构建方法、分类装置及计算机可读介质 | |
Yu et al. | An automatic recognition method of journal impact factor manipulation | |
Sailaja et al. | Effective Brain Stroke Prediction with Deep Learning Model by Incorporating YOLO_5 and SSD. | |
CN112101021A (zh) | 一种实现标准词映射的方法、装置及设备 | |
Alawi et al. | CNN-Based Colon Cancer Recognition Model | |
Gowri et al. | An improved classification of MR images for cervical cancer using convolutional neural networks | |
Janapati et al. | A Brief Survey on Feature Extraction Models for Brain Tumor Detection | |
CN109741833A (zh) | 一种数据处理的方法和装置 | |
CN116763268B (zh) | 一种人体多指标检测方法及装置 | |
CN117253262B (zh) | 一种基于共性特征学习的伪造指纹检测方法及装置 | |
Nawaz et al. | CXray-EffDet: Chest Disease Detection and Classification from X-ray Images Using the EfficientDet Model. Diagnostics 2023, 13, 248 |
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 |