-
GEBIET DER ERFINDUNG
-
Die vorliegende Erfindung bezieht sich auf das Gebiet maschineller Lernsysteme. Insbesondere betrifft die vorliegende Erfindung ein System zur Krankheitsvorhersage, das auf der Technik des maschinellen Lernens basiert.
-
HINTERGRUND DER ERFINDUNG
-
Die Technik des maschinellen Lernens optimiert die Leistung des Systems anhand von Beispieldaten oder vergangenen Daten. Unter maschinellem Lernen versteht man die Untersuchung von Computersystemen, die aus vergangenen Daten und Erfahrungen lernen. Die Vorhersage einer Krankheit anhand der Symptome und der Krankengeschichte des Patienten ist eine Technologie für maschinelles Lernen, die in den vergangenen Jahrzehnten weiterentwickelt wurde. Die Technologie des maschinellen Lernens bietet eine unermessliche Plattform im medizinischen Bereich, damit Gesundheitsprobleme effizient gelöst werden können.
-
In der Literatur werden verschiedene Techniken des maschinellen Lernens verwendet, die verschiedene Techniken zur Erkennung von Krankheiten offenlegen. Allerdings sind die herkömmlichen Techniken komplex, weniger genau, erfordern eine hohe Rechenzeit und erfordern erfahrenes Personal für die Bedienung des Systems.
-
Seit dem Aufkommen der fortschrittlichen Computertechnik benötigen Ärzte die Technologie immer noch auf verschiedene Arten, beispielsweise bei der chirurgischen Darstellung und bei der Röntgenfotografie, aber die Technologie ist in Bezug auf die Wahrnehmung zurückgeblieben. Die Technik erfordert immer noch das Wissen und die Erfahrung des Arztes aufgrund alternativer Faktoren, angefangen bei Krankenakten bis hin zu Wetterbedingungen, Atmosphäre, Blutdruck und zahlreichen alternativen Faktoren. Die große Anzahl von Variablen wird als vollständige Variablen betrachtet, die zum Verständnis des gesamten Prozesses selbst erforderlich sind, es wurde jedoch kein Modell erfolgreich analysiert.
-
Um die oben genannten Einschränkungen zu überwinden, besteht daher Bedarf an der Entwicklung eines neuartigen, genauen und einfachen Krankheitsvorhersagesystems, das auf maschineller Lerntechnologie basiert und eine schnelle Analyse der gesammelten großen Daten ermöglicht, um schneller Ergebnisse zu liefern und eine schnellere und genaue Entscheidungsfindung zu ermöglichen von Fachleuten für Patientendiagnosen und Behandlungsoptionen, was zu einer Verbesserung der Gesundheitsversorgung der Patienten führt.
-
Die durch die vorliegende Erfindung offenbarten technischen Fortschritte überwinden die Einschränkungen und Nachteile bestehender und herkömmlicher Systeme und Methoden.
-
ZUSAMMENFASSUNG DER ERFINDUNG
-
Die vorliegende Erfindung bezieht sich im Allgemeinen auf ein Krankheitsvorhersagesystem, das auf der Technik des maschinellen Lernens basiert.
-
Eine Aufgabe der vorliegenden Erfindung besteht darin, ein System zur Vorhersage von Krankheiten bereitzustellen, das auf einem maschinellen Lernsystem basiert.
-
Ein weiteres Ziel der vorliegenden Erfindung besteht darin, ein schnelleres Krankheitsvorhersagesystem bereitzustellen.
-
Ein weiteres Ziel der vorliegenden Erfindung besteht darin, ein genaues, einfaches und neuartiges, auf maschinellem Lernen basierendes Krankheitsvorhersagesystem bereitzustellen.
-
Ein weiteres Ziel der vorliegenden Erfindung besteht darin, medizinische Empfehlungen durch medizinisches Fachpersonal auf der Grundlage vorhergesagter Krankheiten bereitzustellen.
-
Ein weiteres Ziel der vorliegenden Erfindung besteht darin, die Gesundheitsdienstleistungen durch die Schaffung einer Kommunikation zwischen Patient und Fachpersonal zu verbessern.
-
Die Offenbarung bezieht sich aus ein Krankheitsvorhersagesystem basierend auf maschineller Lerntechnik, wobei das System Folgendes umfasst: eine Datenerfassungseinheit zum Sammeln großer Datenmengen von Symptomen im Zusammenhang mit der Patientengesundheit; eine Verarbeitungseinheit, die mit der Datenerfassungseinheit verbunden ist, um die gesammelten symptombasierten Big Data zu verarbeiten, um Rauschen zu entfernen und normalisierte Daten zu erhalten; eine Merkmalsextraktionseinheit, die mit der Verarbeitungseinheit verbunden ist, um mindestens ein Symptom zu extrahieren, um die Krankheit zu identifizieren; eine Klassifizierungseinheit, die mit der Merkmalsextraktionseinheit verbunden ist, um das extrahierte Symptom in mehrere Klassen zu klassifizieren, um zu identifizieren, ob der Patient entweder gesund oder krank ist; und eine mit der Klassifizierungseinheit verbundene Empfehlungseinheit zum Empfehlen von Medikamenten und Verschreibungen durch ein medizinisches Fachpersonal auf der Grundlage der vorhergesagten Krankheit.
-
Um die Vorteile und Merkmale der vorliegenden Erfindung weiter zu verdeutlichen, erfolgt eine detailliertere Beschreibung der Erfindung unter Bezugnahme auf spezifische Ausführungsformen davon, die in der beigefügten Zeichnung dargestellt sind. Es versteht sich, dass diese Zeichnung nur typische Ausführungsformen der Erfindung darstellt und daher nicht als deren Umfang einschränkend anzusehen ist. Die Erfindung wird anhand der beigefügten Zeichnung genauer und detaillierter beschrieben und erläutert.
-
KURZBESCHREIBUNG DER FIGUR
-
Diese und andere Merkmale, Aspekte und Vorteile der vorliegenden Erfindung werden besser verständlich, wenn die folgende detaillierte Beschreibung unter Bezugnahme auf die beigefügte Zeichnung gelesen wird, in der gleiche Bezugszeichen gleiche Teile darstellen, wobei:
- 1 zeigt ein Blockdiagramm eines Krankheitsvorhersagesystems, das auf der Technik des maschinellen Lernens basiert.
-
Darüber hinaus werden erfahrene Handwerker erkennen, dass Elemente in der Zeichnung der Einfachheit halber dargestellt sind und möglicherweise nicht unbedingt maßstabsgetreu gezeichnet wurden. Beispielsweise veranschaulichen die Flussdiagramme die Methode anhand der wichtigsten Schritte, die dazu beitragen, das Verständnis von Aspekten der vorliegenden Offenbarung zu verbessern. Darüber hinaus können im Hinblick auf die Konstruktion des Geräts eine oder mehrere Komponenten des Geräts in der Zeichnung durch herkömmliche Symbole dargestellt worden sein, und die Zeichnung zeigt möglicherweise nur die spezifischen Details, die für das Verständnis der Ausführungsformen der vorliegenden Offenbarung relevant sind um die Zeichnung nicht durch Details zu verdecken, die für den Durchschnittsfachmann, der die Beschreibung hierin nutzt, leicht ersichtlich sind.
-
DETAILLIERTE BESCHREIBUNG:
-
Um das Verständnis der Prinzipien der Erfindung zu fördern, wird nun auf die in der Zeichnung dargestellte Ausführungsform Bezug genommen und für deren Beschreibung eine spezifische Sprache verwendet. Es versteht sich jedoch, dass dadurch keine Einschränkung des Umfangs der Erfindung beabsichtigt ist, da Änderungen und weitere Modifikationen des dargestellten Systems und weitere Anwendungen der darin dargestellten Prinzipien der Erfindung in Betracht gezogen werden, wie sie einem Fachmann normalerweise in den Sinn kommen würden in der Technik, auf die sich die Erfindung bezieht.
-
Der Fachmann versteht, dass die vorstehende allgemeine Beschreibung und die folgende detaillierte Beschreibung beispielhaft und erläuternd für die Erfindung sind und diese nicht einschränken sollen.
-
Verweise in dieser Spezifikation auf „einen Aspekt“, „einen anderen Aspekt“ oder eine ähnliche Sprache bedeuten, dass ein bestimmtes Merkmal, eine bestimmte Struktur oder ein bestimmtes Merkmal, das in Verbindung mit der Ausführungsform beschrieben wird, in mindestens einer Ausführungsform der vorliegenden Erfindung enthalten ist. Daher beziehen sich die Formulierungen „in einer Ausführungsform“, „in einer anderen Ausführungsform“ und ähnliche Formulierungen in dieser Spezifikation möglicherweise, aber nicht unbedingt, auf dieselbe Ausführungsform.
-
Die Begriffe „umfasst“, „umfassend“ oder andere Variationen davon sollen eine nicht ausschließliche Einbeziehung abdecken, sodass ein Prozess oder eine Methode, die eine Liste von Schritten umfasst, nicht nur diese Schritte umfasst, sondern möglicherweise andere Schritte nicht umfasst ausdrücklich aufgeführt oder diesem Prozess oder dieser Methode innewohnend sind. Ebenso schließen ein oder mehrere Geräte oder Subsysteme oder Elemente oder Strukturen oder Komponenten, denen „umfasst...a“ vorangestellt ist, nicht ohne weitere Einschränkungen die Existenz anderer Geräte oder anderer Subsysteme oder anderer Elemente oder anderer Strukturen aus anderen Komponenten oder zusätzliche Geräte oder zusätzliche Subsysteme oder zusätzliche Elemente oder zusätzliche Strukturen oder zusätzliche Komponenten.
-
Sofern nicht anders definiert, haben alle hier verwendeten technischen und wissenschaftlichen Begriffe die gleiche Bedeutung, wie sie von einem Durchschnittsfachmann auf dem Gebiet, zu dem diese Erfindung gehört, allgemein verstanden werden. Das hier bereitgestellte System, die Methoden und Beispiele dienen nur der Veranschaulichung und sollen nicht einschränkend sein.
-
Nachfolgend werden Ausführungsformen der vorliegenden Erfindung unter Bezugnahme auf die beigefügte Zeichnung ausführlich beschrieben.
-
1 zeigt ein Blockdiagramm eines Krankheitsvorhersagesystems (100), das auf der Technik des maschinellen Lernens basiert , wobei das System (100) Folgendes umfasst: eine Datenerfassungseinheit (102), einen Datenbankspeicher (102a), eine Vielzahl physiologischer Sensoren (102b), eine Verarbeitungseinheit (104), eine Merkmalsextraktionseinheit (106), eine Klassifizierungseinheit (108), eine Empfehlungseinheit (110), eine Benutzerschnittstelleneinheit (112) und eine Kommunikationseinheit (114).
-
Die Datenerfassungseinheit (102) sammelt große Datenmengen zu Symptomen im Zusammenhang mit der Gesundheit des Patienten. Die Verarbeitungseinheit (104) ist mit der Datenerfassungseinheit (102) verbunden, um die gesammelten symptombasierten Big Data zu verarbeiten, um Rauschen zu entfernen und normalisierte Daten zu erhalten. Die Merkmalsextraktionseinheit (106) ist mit der Verarbeitungseinheit (104) verbunden, um mindestens ein Symptom zur Identifizierung der Krankheit zu extrahieren. Die Klassifizierungseinheit (108) ist mit der Merkmalsextraktionseinheit (106) verbunden, um das extrahierte Symptom in mehrere Klassen zu klassifizieren und so zu identifizieren, ob der Patient entweder gesund oder krank ist. Die Empfehlungseinheit (110) ist mit der Klassifizierungseinheit (108) verbunden, um Medikamente und Verschreibungen durch einen Arzt auf der Grundlage der vorhergesagten Krankheit zu empfehlen.
-
In einer Ausführungsform ist die Klassifizierungseinheit (108) ein Entscheidungsbaumklassifizierer, der auf einer Technik des maschinellen Lernens basiert, um die Vielzahl extrahierter Merkmale zu klassifizieren, um die Krankheit vorherzusagen.
-
In einer Ausführungsform umfasst der Entscheidungsbaumklassifikator Wurzel, Knoten und Blatt zur Klassifizierung der Krankheit.
-
In einer Ausführungsform sammelt die Datenerfassungseinheit (102) die auf Symptomen basierenden Big Data von mehreren physiologischen Sensoren (102b) und speichert sie in einem Datenbankspeicher (102a).
-
In einer Ausführungsform ist eine Benutzerschnittstelleneinheit (112) über eine Kommunikationseinheit (114) mit der Empfehlungseinheit (110) verbunden, um die von den medizinischen Fachkräften bereitgestellten Empfehlungen anzuzeigen.
-
In einer Ausführungsform ist die Kommunikationseinheit (114) entweder ein drahtgebundenes oder ein drahtloses Medium zum Herstellen einer Kommunikation zwischen der Empfehlungseinheit (110) und der Benutzerschnittstelleneinheit (112).
-
In einer Ausführungsform umfasst die Benutzerschnittstelleneinheit (112) eine Anzeige und eine Eingabeeinheit zur Interaktion mit dem medizinischen Fachpersonal.
-
In einer Ausführungsform besteht die Vielzahl von Klassen aus einer ersten Klasse, die einen gesunden Patienten angibt, und einer zweiten Klasse, die einen kranken Patienten angibt, wobei die zweite Klasse aus einer Vielzahl von Unterklassen zur Kategorisierung der Krankheit des Patienten basierend auf den identifizierten Symptomen besteht.
-
In einer Ausführungsform wird die Kommunikationseinheit aus Wi-Fi, Bluetooth, Zigbee, RFID und anderen in der Technik bekannten Kommunikationseinheiten ausgewählt.
-
In einer Ausführungsform wird die Benutzerschnittstelleneinheit aus Smartphone, Laptop, Computer und anderen solchen Geräten mit Tastatur und Display ausgewählt.
-
In einer Ausführungsform wird der Entscheidungsbaum als eine sehr effektive und vielseitige Klassifizierungstechnik klassifiziert. Es wird zur Mustererkennung und Klassifizierung von Bildern verwendet. Aufgrund seiner hohen Anpassungsfähigkeit wird es zur Klassifikation bei sehr komplexen Problemen eingesetzt. Es ist auch in der Lage, Probleme höherer Dimensionalität anzugehen. Es besteht im Wesentlichen aus drei Teilen Wurzel, Knoten und Blatt. Wurzeln bestehen aus Attributen, die den größten Einfluss auf die Wurzeln haben, Knoten bestehen aus Attributen, die den größten Einfluss auf das Ergebnis haben, Blatttests auf den Wert eines bestimmten Attributs.
-
Das vorliegende System ist hilfreich für Menschen, die sich Sorgen um ihre Gesundheit machen. Das System ist für Menschen konzipiert, die an psychischen Erkrankungen wie Depressionen oder Angstzuständen leiden. Das System ermöglicht eine genauere Krankheitsvorhersage entsprechend den Symptomen des Benutzers und liefert außerdem motivierende Gedanken und Bilder.
-
In einer alternativen Ausführungsform messen die mehreren physiologischen Sensoren den Blutdruck, die Glukosemenge im Blut, Elektrokardiogramme, Elektroenzephalogramme usw.
-
Die Zeichnung und die vorstehende Beschreibung geben Beispiele für Ausführungsformen. Fachleute werden erkennen, dass eines oder mehrere der beschriebenen Elemente durchaus zu einem einzigen Funktionselement kombiniert werden können. Alternativ können bestimmte Elemente in mehrere Funktionselemente aufgeteilt werden. Elemente einer Ausführungsform können zu einer anderen Ausführungsform hinzugefügt werden. Beispielsweise können die Reihenfolgen der hier beschriebenen Prozesse geändert werden und sind nicht auf die hier beschriebene Weise beschränkt. Darüber hinaus müssen die Aktionen eines Flussdiagramms nicht in der gezeigten Reihenfolge implementiert werden; Es müssen auch nicht unbedingt alle Handlungen ausgeführt werden. Auch solche Handlungen, die nicht von anderen Handlungen abhängig sind, können parallel zu den anderen Handlungen durchgeführt werden. Der Umfang der Ausführungsformen wird durch diese spezifischen Beispiele keineswegs eingeschränkt. Zahlreiche Variationen, ob explizit in der Spezifikation angegeben oder nicht, wie z. B. Unterschiede in Struktur, Abmessung und Materialverwendung, sind möglich. Der Umfang der Ausführungsformen ist mindestens so breit wie durch die folgenden Ansprüche angegeben.
-
Vorteile, andere Vorzüge und Problemlösungen wurden oben im Hinblick auf spezifische Ausführungsformen beschrieben. Die Vorteile, Vorzüge, Problemlösungen und alle Komponenten, die dazu führen können, dass ein Nutzen, ein Vorteil oder eine Lösung eintritt oder ausgeprägter wird, dürfen jedoch nicht als kritische, erforderliche oder wesentliche Funktion oder Komponente von ausgelegt werden einzelne oder alle Ansprüche.
-
REFERENZEN
-
- 100
- Ein System Zur Krankheitsvorhersage Auf Der Grundlage Maschineller Lerntechniken.
- 102
- Datenerfassungseinheit
- 102b
- Mehrere Physiologische Sensoren
- 102a
- Datenbankspeicher
- 104
- Verarbeitungseinheit
- 106
- Merkmalsextraktionseinheit
- 108
- Klassifizierungseinheit
- 110
- Empfehlungseinheit
- 112
- Benutzerschnittstelleneinheit
- 114
- Kommunikationseinheit
