[发明专利]控制方法以及医学系统

说明书

本公开涉及控制方法以及医学系统。用以控制医学系统的一种方法包含下列步骤。接收初始症状。利用神经网络模型以选择症状询问行动。接收针对症状询问行动的症状答复。利用神经网络模型根据初始症状及症状答复选择医疗检测行动。接收针对医疗检测行动的检测结果。利用神经网络模型根据初始症状及症状答复以及检测结果选出结果预测行动。

技术领域

本公开涉及机器学习方法，更进一步而言，本公开涉及用于医学系统的强化学习方法。

背景技术

近年来已经出现了电脑辅助医学系统的概念以便于患者自我诊断。电脑辅助医学系统可请求患者提供一些信息，并随后基于与患者的互动来尝试诊断潜在疾病。

发明内容

本公开文件提供控制一医学系统的一种方法，该控制方法包含：接收一初始症状；利用一神经网络模型以选择至少一症状询问行动；接收针对该至少一症状询问行动的至少一症状答复；利用该神经网络模型根据该初始症状及该至少一症状答复由多个候选检测行动中选择至少一医疗检测行动；接收针对该至少一医疗检测行动的至少一检测结果；利用该神经网络模型根据该初始症状及该至少一症状答复以及该至少一检测结果由多个候选预测行动中选出一结果预测行动。

于部分实施例中，该控制方法包含：取得一训练数据，该训练数据包含多个病历，该些病历每一者包含一确诊疾病以及用来诊断该确诊疾病的多个医疗检测结果；利用该神经网络模型根据该训练数据，由该些候选检测行动中选择该至少一医疗检测行动，并由该些候选预测行动中选出该结果预测行动；根据该至少一医疗检测行动提供一检测成本惩罚；相对应于该至少一医疗检测行动根据该训练数据当中的该些医疗检测结果，提供一检测结果异常奖励；根据该结果预测行动与该些病历中的该确诊疾病的比较结果，提供一预测奖励；以及训练该神经网络模型以最大化一累积奖励，该累积奖励与该检测结果异常奖励、该预测奖励及该检测成本惩罚有关。

于部分实施例中，该些病历每一者还包含与该确诊疾病有关的多个确诊症状，该神经网络模型还用以在该医疗检测行动及该结果预测行动之前挑选出多个症状询问行动。

于部分实施例中，该控制方法还包含：决定一第一输入状态其包含针对该些症状询问行动的多个症状询问答复，其中该些症状询问答复是根据该训练数据中该些病历的该些确诊症状而决定；以及根据该第一输入状态选择该至少一医疗检测行动。

于部分实施例中，控制方法还包含：决定一第二输入状态其包含针对该些症状询问行动的该些症状询问答复以及针对该至少一医疗检测行动的至少一医疗检测答复；以及根据该第二输入状态选择该结果预测行动。

于部分实施例中，根据该第一输入状态由该些候选检测行动当中同时选择多个医疗检测行动所形成的一种组合。

于部分实施例中，控制方法还包含：由该神经网络模型根据该第一输入状态产生该些候选检测行动的多个机率(几率、概率)值与多个机率补数；根据该些机率值以及该些机率补数，决定由该些候选检测行动所能形成的所有组合各自的多个权重；以及参考该些权重，由该些候选检测行动所能形成的所有组合当中，挑选出该些医疗检测行动所形成的该种组合。

于部分实施例中，该神经网络模型包含一共同神经网络部分、一第一分支神经网络部分、一第二分支神经网络部分以及一第三分支神经网络部分，该第一分支神经网络部分、该第二分支神经网络部分以及该第三分支神经网络部分分别连接至该共同神经网络部分，该第一分支神经网络产生的一第一结果状态用以选择该些症状询问行动，该第二分支神经网络产生的一第二结果状态用以选择该至少一医疗检测行动，该第三分支神经网络产生的一第三结果状态用以选择该结果预测行动。

于部分实施例中，该第一分支神经网络部分以及该第三分支神经网络部分采用第一激励函数(函式)，该第二分支神经网络部分采用第二激励函数相异于第一激励函数。

于部分实施例中，该第一激励函数为Softmax函数，该第二激励函数为Sigmoid函数。