本发明涉及一种在线问诊设备。
背景技术:
病人要先了解自己的病情,一般需要先去医院挂号,再由医生问诊,然后做出大致判断,再通过各种检查,获得检查结果,最后将检查结果交由医生进行判断病情,以对症下药。整个过程繁琐,并且各种排队,花费大量时间。
技术实现要素:
为了克服现有技术的不足,本发明的目的在于提供一种在线问诊设备,问诊对象将自身的历史状态信息输入或者从存储器调取历史状态信息,将主观权重、客观权重和模糊评判矩阵相结合,准确获取问诊对象某一问诊或某些问诊的问诊结果,并可根据问诊结果给予相应的处方,过程简单,节约成本。
本发明的目的采用如下技术方案实现:
一种在线问诊设备,其包括:
输入单元,用于输入历史状态信息;
存储器,用于存储历史状态信息;
处理器,用于接收输入单元输入的历史状态信息或/和接收存储器发送的历史状态信息;根据所述历史状态信息中各状态量限值建立模糊评判矩阵,并分别通过信息熵法和层次分析法确定各状态量的客观权重和主观权重,并将客观权重和主观权重相结合,计算各状态量的综合权重,根据所述模糊评判矩阵和综合权重计算问诊对象各问诊的状态评估矩阵,获取问诊结果;
显示单元,用于显示所述问诊结果。
进一步地,所述历史状态信息包括检测数据和基础数据。
进一步地,所述根据所述历史状态信息中各状态量限值建立模糊评判矩阵,包括:
将各状态量的数值进行归一化,以描述各状态量偏离正常工作状态的相对劣化度;
将问诊对象的问诊状态划分为良好、一般、注意、严重4个状态等级,通过三角和半梯形分别确定各状态量对着4种状态等级的隶属度函数;
将各状态量的数值进行归一化后代入隶属度函数,计算出各状态量对应于4种状态等级的隶属度值,得到模糊评判矩阵,所述模糊评判矩阵为:
其中,r为问诊对象各问诊的模糊评判矩阵,ri为问诊对象各问诊的模糊评判矩阵r中第i个状态量的模糊评判矩阵,rij表示各状态量ui对评语vj的隶属关系;0≤rij≤1;j=1,2,3,4,分别代表良好、一般、注意、严重4个状态等级。
进一步地,所述归一化处理包括:
f(x)=|b-x|/|b-a|(2)
其中,f(x)为第i个状态量的相对劣化度,x为第i个状态量的数值;a为第i个状态量的正常值,b为第i个状态量的限值。
进一步地,所述通过信息熵法确定各状态量的客观权重,包括:
计算各状态量ui的熵值hi:
其中,k=ln4,rij满足
计算各状态量ui的差异系数gi:
gi=1-hi(4)
计算各状态量ui的客观权重ei:
进一步地,所述通过层次分析法确定各状态量的主观权重,包括:
根据专家经验得到判断矩阵p;
对判断矩阵p进行一致性检验:
cr=ci/ri(6)
其中,cr为判断矩阵p的随机一致性比率,ci为判断矩阵的一般一致性指标,所述ci的计算方法为:
其中,ri称为判断矩阵p的随机一致性指标,随着判断矩阵p的阶数取固定数值,λmax为判断矩阵p的最大特征根;
当cr<0.1时,即认为判断矩阵p具有满意的一致性,说明权数分配的合理性;否则需要调整判断矩阵,直到通过一致性检验为止;
当判断矩阵p通过检验后,求出判断矩阵p的最大特征根所对应的特征向量c={c1,c2,...,cn},所求特征向量c即为各状态量重要性排序,ci是第i个状态量的主观权重值;
将主观权重和客观权重相结合,计算综合权重:
其中,wi为第i个状态量的综合权重,
进一步地,所述
进一步地,所述根据所述模糊评判矩阵和综合权重计算问诊对象各问诊的状态评估矩阵,获取健康状态信息,包括:
获取并计算问诊对象各问诊的状态评估矩阵:
其中,b代表问诊对象某一问诊的状态评估矩阵,w={w1,w2,...,wn}代表该问诊的综合权重,wi为该问诊中第i个状态量的综合权重,
对状态等级分别赋予分值1、2、3、4,然后根据评判结果对4种状态的隶属度加权平均,得出状态因子的值:
其中f为状态因子,h为4个状态等级的分值,k为待定系数;
将所述状态因子的值与预设的问诊状态划分区间进行比对,获取所述问诊对象相应问诊的问诊结果。
进一步地,所述k=1。
相比现有技术,本发明的有益效果在于:
本发明可以通过问诊对象将自身的历史状态信息输入或者从存储器调取历史状态信息,将主观权重、客观权重和模糊评判矩阵相结合,准确获取问诊对象某一问诊或某些问诊的问诊结果,并可根据问诊结果给予相应的处方,过程简单,节约成本。
附图说明
图1为本发明一种在线问诊设备的结构框图;
图2为三角形和半梯形结合隶属度函数的分布函数。
具体实施方式
下面,结合附图以及具体实施方式,对本发明做进一步描述,需要说明的是,在不相冲突的前提下,以下描述的各实施例之间或各技术特征之间可以任意组合形成新的实施例。
请参照图1所示,一种在线问诊设备,适用于医院或者药商以及相关行业,该在线问诊设备以app方式呈现给问诊对象,其包括输入单元、存储器、处理器和显示单元,其中,输入单元可以为位于问诊对象智能终端的键盘、摄像头以及触控屏等,输入单元主要用于输入历史状态数据,可以通过键盘或者触控屏输入,也可以通过摄像头拍摄后由处理器识别;显示单元主要用于显示问诊结果,在一定的情况下还可以处方,其可以为位于问诊对象智能终端的触控屏等。处理器和存储器可以集成为一体,例如可以采用云服务器进行存储和处理,也可以是医院或者药商以及相关行业自身设置的带有处理和存储功能的服务器。
存储器主要存储各问诊对象的历史状态信息,各医院或者药商以及相关行业的存储器可以是数据互通,即共享的方式,也可以是单独使用封闭的数据库。处理器主要接收输入单元输入的历史状态信息或/和接收存储器发送的历史状态信息,通过客观权重、主观权重和模糊评判矩阵得到问诊结果。历史状态信息优选是问诊对象最近一次的数据,也可以是其对某种之前检查过但未知晓病情的数据,历史状态信息可以包括检测数据和基础数据,检测数据一般由仪器检测获得,例如血常规、尿常规、心电图、b超等,基础数据为问诊对象变化不算太大的数据,例如年龄、身高、体重等。
处理器根据所述历史状态信息中各状态量限值建立模糊评判矩阵,并分别通过信息熵法和层次分析法确定各状态量的客观权重和主观权重,并将客观权重和主观权重相结合,计算各状态量的综合权重,根据所述模糊评判矩阵和综合权重计算问诊对象各问诊的状态评估矩阵,获取问诊结果。
具体地,a、根据所述历史状态信息中各状态量限值建立模糊评判矩阵,包括:
a1、将各状态量的数值进行归一化,以描述各状态量偏离正常工作状态的相对劣化度;
a2、将问诊对象的问诊状态划分为良好、一般、注意、严重4个状态等级,通过三角和半梯形分别确定各状态量对着4种状态等级的隶属度函数,如图2所示;
a3、将各状态量的数值进行归一化后代入隶属度函数,计算出各状态量对应于4种状态等级的隶属度值,得到模糊评判矩阵,所述模糊评判矩阵为:
其中,r为问诊对象各问诊的模糊评判矩阵,ri为问诊对象各问诊的模糊评判矩阵r中第i个状态量的模糊评判矩阵,rij表示各状态量ui对评语vj的隶属关系;0≤rij≤1;j=1,2,3,4,分别代表良好、一般、注意、严重4个状态等级。
归一化处理包括:
f(x)=|b-x|/|b-a|(2)
其中,f(x)为第i个状态量的相对劣化度,x为第i个状态量的数值;a为第i个状态量的正常值,b为第i个状态量的限值。
b、所述通过信息熵法确定各状态量的客观权重,包括:
b1、计算各状态量ui的熵值hi:
其中,k=ln4,rij满足
b2、计算各状态量ui的差异系数gi:
gi=1-hi(4)
b3、计算各状态量ui的客观权重ei:
c、所述通过层次分析法确定各状态量的主观权重,包括:
c1、根据专家经验得到判断矩阵p;
c2、对判断矩阵p进行一致性检验:
cr=ci/ri(6)
其中,cr为判断矩阵p的随机一致性比率,ci为判断矩阵的一般一致性指标,所述ci的计算方法为:
其中,ri称为判断矩阵p的随机一致性指标,随着判断矩阵p的阶数取固定数值,λmax为判断矩阵p的最大特征根;
c3、当cr<0.1时,即认为判断矩阵p具有满意的一致性,说明权数分配的合理性;否则需要调整判断矩阵,直到通过一致性检验为止;
c4、当判断矩阵p通过检验后,求出判断矩阵p的最大特征根所对应的特征向量c={c1,c2,...,cn},所求特征向量c即为各状态量重要性排序,ci是第i个状态量的主观权重值;
将主观权重和客观权重相结合,计算综合权重:
其中,wi为第i个状态量的综合权重,
d、根据所述模糊评判矩阵和综合权重计算问诊对象各问诊的状态评估矩阵,获取健康状态信息,包括:
d1、获取并计算问诊对象各问诊的状态评估矩阵:
其中,b代表问诊对象某一问诊的状态评估矩阵,w={w1,w2,...,wn}代表该问诊的综合权重,wi为该问诊中第i个状态量的综合权重,
d2、对状态等级分别赋予分值1、2、3、4,然后根据评判结果对4种状态的隶属度加权平均,得出状态因子的值:
其中f为状态因子,h为4个状态等级的分值,k为待定系数,k=1;
d3、将所述状态因子的值与预设的问诊状态划分区间进行比对,获取所述问诊对象相应问诊的问诊结果。不同的问诊对应的预设的问诊状态划分区间的值根据需要进行设置,问诊状态划分区间根据不同的问诊设置不同的划分区间,一般情况下均包括正常、轻度、中度和严重四种情况,不同的问诊对应的每个问诊状态划分区间均设置有一定的处方建议,该处方建议供问诊对象参考,其可以根据该处方建议进行相应的药物购买,也可以通过在线医生或者医院医生进行确认后进行药物购买。
上述实施方式仅为本发明的优选实施方式,不能以此来限定本发明保护的范围,本领域的技术人员在本发明的基础上所做的任何非实质性的变化及替换均属于本发明所要求保护的范围。