一种基于人工智能的中医诊断数据分析系统

本发明属于数据分析领域，涉及基于人工智能的中医诊断数据分析技术，具体是一种基于人工智能的中医诊断数据分析系统。

背景技术：

1、中医学通过“望闻问切”四诊合参的方法，探求病因、病性、病位、分析病机及人体内五脏六腑、经络关节、气血津液的变化、判断邪正消长以归纳出症型，基于辩证诊治原则辅以多种治疗手段对人体进行阴阳调和。

2、“望闻问切”的诊断手法与医生的工作经验密切相关，这就导致很多经验丰富的中医一号难求，造成求医难的尴尬局面。现有技术为了提高争端效率，通过智能设备采集四诊数据，根据四诊数据自动开出药方，极大提高了诊断效率，解决了求医难的问题。现有技术难以充分利用中医诊断经验构建完善的数据库，无法保证数据处理结果符合患者实际状态，导致误诊或者诊断效果不佳的问题。

3、本发明提供了一种基于人工智能的中医诊断数据分析系统，以解决上述技术问题。

技术实现思路

1、本发明旨在至少解决现有技术中存在的技术问题之一；为此，本发明提出了一种基于人工智能的中医诊断数据分析系统，用于解决现有技术难以结合中医诊断经验构建完善的数据库，导致误诊或者诊断效果不佳的技术问题。

2、为实现上述目的，本发明的第一方面提供了一种基于人工智能的中医诊断数据分析系统，包括中枢控制模块，以及与之相连接的数据交互模块和智能终端；数据交互模块与数据库和数据采集设备相连接；智能终端与患者或者医生关联；中枢控制模块从数据库中提取历史诊断数据，结合四诊合参方法对诊断历史数据进行逆向分类；根据逆向分类结果构建诊断映射模型；以及通过数据采集设备采集患者的四诊数据；基于四诊数据在诊断映射模型中依次匹配，获取疑似疾病组合；将疑似疾病组合通过智能终端发送至医生复核，确定目标疾病；基于目标疾病在数据库匹配药方，并通过智能终端反馈至患者。

3、现有技术通过人工智能模型自动采集识别四诊数据，并根据识别结果自动开出药方来提高诊断效率。但就目前而言，难以获取大量满足要求的数据完善人工智能模型，这就导致现有技术难以保证数据处理结果与患者身体状态的匹配度，出现误诊或者诊断效果不佳的问题。

4、本发明基于历史诊断数据分类提取四诊特征，结合四诊特征中各子特征及其相关联的疾病序列构建诊断映射模型；在诊断过程中获取患者的四诊数据，基于诊断映射模型匹配获取可能的疾病，生成疑似疾病组合；通过医生对疑似疾病组合进行复核，根据复核结果确定目标疾病，同时在复核不通过时对历史诊断数据进行更新。本发明能够保证诊断结果的可靠性，提高诊断效果。

5、本发明的中枢控制模块分别与数据交互模块和智能终端通信和/或电气连接；数据交互模块分别与数据库和数据采集设备通信和/或电气连接。中枢控制模块主要负责数据处理，基于历史诊断数据构建和更新诊断映射模型，以及结合诊断映射模型匹配患者四诊数据对应的目标疾病。数据库用于数据存储和对存储的数据更新，数据采集设备用于获取四诊数据；数据采集设备包括用于望诊数据采集的图像采集设备，用于闻诊数据采集的声音采集设备，用于闻诊数据采集的智能问答设备，以及用于切诊数据采集的脉诊仪。

6、优选的，所述结合四诊合参方法对诊断历史数据进行逆向分类，包括：识别历史诊断数据中若干疾病的四诊特征；将四诊特征按照“望闻问切”归为四类，获取四组单一诊断序列。

7、历史诊断数据为若干疾病的标准诊断结果，如根据权威中医学典籍或者学术类作品中提取，或者根据知名中医日常诊断过程中提取。在形成历史诊断数据时，不仅需要保证数据的权威性，而且需要保证其全面性，这样才能保证后续建立的诊断映射模型可靠且适应性广。四诊特征分别基于“望闻问切”获取，四诊特征包括望诊特征、闻诊特征、问诊特征和切诊特征，是根据某一方式获取的数据而提取的特征，因此四诊特征的类型并不唯一；如望诊特征是通过观察患者的外貌来获取，则可以是患者的面部、舌部及全身的图像或视频信息。

8、每种疾病会对应四诊特征中的至少一种特征，因此按照“望闻问切”归为四类，得到四组单一诊断序列。可以理解的是，任意单一诊断序列中所包含的特征均是通过单一诊断方式(望闻问切中的一种)获取的特征。单一诊断序列的生成，有利于构建条理清晰的诊断映射模型，并与对患者四诊数据的匹配。

9、优选的，所述根据逆向分类结果构建诊断映射模型，包括：提取单一诊断序列中的若干子特征，以及基于历史诊断数据确定与若干子特征相关联的若干疾病序列；基于单一诊断序列的若干子特征以及对应的若干疾病序列建立四条树状模型，并将四条树状模型整合获取诊断映射模型。

10、本发明在得到四组单一诊断序列之后，对所有单一诊断序列中的特征进行识别提取，也就是根据特征类型获取若干子特征，这里的子特征是根据对应诊断数据提取的各种特征类型，如根据图像数据识别出患者面部红润作为一个子特征，识别出患者面部苍白作为一个子特征。每个子特征可能会对应多种疾病，因此将子特征与若干疾病序列关联；疾病序列包括疾病及其与子特征的关联系数，这里的关联系数可以理解为当出现子特征时，对应疾病发生的概率，可对历史诊断数据统计获取。

11、这样，每组单一诊断序列均会对应若干子特征，而每个子特征均会关联若干疾病序列，这样就形成了树状图。根据树状图构建树状模型，基于四条树状模型构建诊断映射模型。诊断映射模型不仅覆盖的特征和疾病全面，而且架构清晰可靠，有助于提高患者四诊数据的匹配效率。

12、优选的，所述基于四诊数据在诊断映射模型中依次匹配，包括：根据四诊数据中的望诊数据、闻诊数据、问诊数据和切诊数据分别提取望诊特征、闻诊特征、闻诊特征和切诊特征；基于望诊特征、闻诊特征、闻诊特征和切诊特征依次在诊断映射模型中匹配获取若干疾病序列；基于匹配的若干疾病序列获取疑似疾病组合。

13、在患者就诊(或者患者家庭具备相应条件)时，通过数据采集设备采集患者的四诊数据。基于四诊数据提取对应的四诊特征，根据四诊特征依次在映射模型中匹配，得到对应的若干疾病序列。根据四诊特征所匹配的若干疾病序列中各疾病对应的关联系数之和进行排序，选择若干关联系数之和较大的疾病生成疑似疾病组合。本发明从四个角度分别匹配患者可能存在的疾病，再将四个角度进行综合分析，得出疑似的疾病组合，在快速匹配的同时能够保证结果的可靠性。

14、优选的，所述将疑似疾病组合通过智能终端发送至医生复核，包括基于疑似疾病组合筛选专家列表，通过智能终端将疑似疾病组合和四诊数据发送至专家列表中的任意一位医生；医生基于四诊数据对疑似疾病组合进行复核评估，确定目标疾病。

15、尽管本发明已经尽可能保证了人工智能技术下的四诊数据诊断结果的可靠性，但仍然无法保证诊断映射模型能够基于所有可能出现的诊断数据构建。因此，本发明先根据诊断映射模型匹配获取疑似疾病组合，再通过专家列表中筛选出的医生来对疑似疾病组合进行复核。

16、优选的，所述医生基于四诊数据对疑似疾病组合进行复核评估，包括：医生基于四诊数据判断疑似疾病组合的准确度和可靠度；基于准确度和可靠度判断疑似疾病组合是否复核通过；是，则基于疑似疾病组合确定目标疾病；否，则通过医生确定目标疾病，并整合更新历史诊断数据。

17、基于准确度和可靠度判断疑似疾病组合是否复核通过实质是医生根据四诊数据判断出可能的疑似疾病，若这些疑似疾病在疑似疾病组合均存在且说明准确度通过；医生根据四诊数据判断出最可能的疾病，若该疾病在疑似疾病组合中排序第一则说明可靠度通过，则该排名第一的疾病即可确定为目标疾病。

18、可采用双向复核的方式，即医生根据四诊数据判断出疾病，将该疾病与疑似疾病组合中的疾病进行匹配来确定目标疾病；这种方式适用于患者人数不多的情况下，可通过医生诊断结果与智能匹配结果进行双向复核，提高诊断结果的准确性。还可以采用单向复核的方式，即医生在四诊数据的基础上从疑似疾病组合中选择其认为正确的疾病，作为目标疾病；这种方式适用于患者人数较多的情况下，在保证诊断结果准确性的基础上能够有效提高诊断效率。

19、优选的，所述基于目标疾病在数据库匹配药方，包括：确定目标疾病之后，根据四诊数据确定疾病程度；基于目标疾病对应的疾病程度在数据库中匹配药方，并将经过审核的药方通过智能终端发送给患者。

20、与现有技术相比，本发明的有益效果是：

21、1.本发明采集患者的四诊数据；基于四诊数据在诊断映射模型中依次匹配，获取疑似疾病组合；将疑似疾病组合通过智能终端发送至医生复核，确定目标疾病；本发明通过诊断映射模型进行大规模数据处理，为医生提供可靠的诊断建议，在保证中医诊断可靠性的同时提高了中医诊断数据的分析效率。

22、2.本发明从数据库中提取历史诊断数据，结合四诊合参方法对诊断历史数据进行逆向分类；根据逆向分类结果构建诊断映射模型；本发明基于四诊特征来对历史诊断数据进行提取并构建诊断映射模型，有利于后续患者四诊数据的匹配，能够在保证匹配范围的基础上提高匹配效率。