[发明专利]基于监督学习的一致性诊断方法及其系统

权利要求书

1.一种基于监督学习的一致性诊断方法，

是一种利用通过监督学习而学习的诊断系统诊断疾病的方法，包括：

一致性诊断系统确认N(N是2以上的整数)个诊断系统-N个诊断系统的每个系统分别用由互不相同的标注(annotation)主体所标注的学习数据来学习的各系统-分别接受预设生物数据并输出的N个个别诊断结果的步骤；基于所述一致性诊断系统确认的所述个别诊断结果输出所述生物数据的一致性诊断结果的步骤。

2.根据权利要求1所述的基于监督学习的一致性诊断方法，

所述基于监督学习的一致性诊断方法进一步包括：

通过黄金标准(gold standard)学习数据来学习的标准诊断系统确认输入所述生物数据后输出的标准个别诊断结果的步骤，

根据所述一致性诊断系统确认的所述个别诊断结果，输出所述生物数据的一致性诊断结果的步骤是包括根据所述个别诊断结果和所述标准个别诊断结果而输出所述一致性诊断结果的步骤。

3.根据权利要求1所述的基于监督学习的一致性诊断方法，

基于所述一致性诊断系统确认的所述个别诊断结果而输出所述生物数据的一致性诊断结果的步骤的特征是以所述各诊断系统分别被赋予的加权值为基础，输出所述一致性诊断结果，

所述加权值可以根据特定诊断系统输出与一致性诊断结果不同的个别诊断结果的输出次数来确定。

4.根据权利要求3所述的基于监督学习的一致性诊断方法，

当所述特定诊断系统输出与一致性诊断结果不同的个别诊断结果时，则所述加权值可以根据所述所有个别诊断结果中输出所述不同的个别诊断结果的其他诊断系统的个数或比重来进一步确定。

5.根据权利要求2所述的基于监督学习的一致性诊断方法，

基于所述一致性诊断系统确认的所述个别诊断结果输出所述生物数据的各一致性诊断结果的步骤的特征是：

以所述各诊断系统和所述标准诊断系统各自赋予的加权值为基础输出所述一致性诊断结果，

赋予所述标准诊断系统的加权值高于赋予所述各诊断系统的加权值。

6.根据权利要求1所述的基于监督学习的一致性诊断方法，分割学习数据集

所述各诊断系统的特证是：

预设的学习数据集分别学习分割为N个的分割学习数据集-任意一个分割学习数据集至少包括一个其他分割学习数据集中不包含的学习数据，各自由互不相同的主体标注的学习数据集-，然后输出疾病的诊断结果的系统。

7.根据权利要求1所述的基于监督学习的一致性诊断方法，

所述基于监督学习的一致性诊断方法可以进一步包括特定生物数据的一致性诊断结果与所述特定生物数据的个别诊断结果不同的诊断系统，使用包括用所述一致性诊断结果标注的所述特定生物数据的学习数据进行再训练的步骤。

8.安装在数据处理装置中，用于执行权利要求1至权利要求7中某一项中所记载的方法的存储在计算机可读记录介质中的计算机程序。

9.一种数据处理系统，包括：

处理器；和

存储程序的存储器，

由所述处理器执行的所述程序执行所述权利要求1至权利要求6中某一项中记载的方法。

10.一种一致性诊断系统，包括：

处理器；

存储由所述处理器运行的程序的存储器，

所述程序确认N(N是2以上的整数)个诊断系统-N个诊断系统是指各自使用由不同的标注(annotation)主体标注的学习数据分别学习的各系统-分别输入各自预定的生物数据后输出的N个个别诊断结果，并以经确认的所述个别诊断结果为基础输出所述生物数据的一致性诊断结果。