[发明专利]基于人工智能的医疗器械的临床有效性评估方法及系统

权利要求书

1.基于人工智能的医疗器械的临床有效性评估方法，其特征在于，包括以下步骤：

S1，临床数据采集，分别采集不同医疗中心中病患的临床数据，将采集的临床数据根据不同的类型进行分类，分类完成后分别进行记录，形成数据样本集；

S2，预测模型训练，对步骤S1中得到的数据样本集进行预处理后输入神经网络进行训练，等待训练完成；

S3，预测模型验证，采集医疗中心病患的身体数据，对身体数据进行预处理后输入到训练完成的预测模型中，得到病患的诊断结果，同时医师对身体数据进行判断得到诊断结果并与预测模型得到计算结果进行对比，得到比对结果；

S4，数据修正，根据步骤S3中得到的比对结果，在医师对身体数据进行判断得到诊断结果与预测模型得到诊断结果一致时，不进行修正，在医师对身体数据进行判断得到诊断结果与预测模型得到诊断结果不一致时，以医师对身体数据进行判断得到诊断结果为准，同时将比对结果不一致临床数据加入到样本集中输入到预测模型中继续进行训练；

S5，医疗器械评估，采用基于人工智能的医疗器械采集病患的身体数据后输出诊断结果，采集基于人工智能的医疗器械输出的诊断结果，同时将采集的病患身体数据输入到预测模型进行计算，得到诊断结果，通过对比预测模型得到诊断结果和基于人工智能的医疗器械输出的诊断结果，得到基于人工智能的医疗器械的有效性评估结果。

2.如权利要求1所述的基于人工智能的医疗器械的临床有效性评估方法，其特征在于，所述步骤S1和步骤S4中，临床数据根据病患所患的病症种类进行分类，临床数据包括病患的年龄数据、性别数据、身体检验数据、所患的病症以及病症对应的严重程度。

3.如权利要求1所述的基于人工智能的医疗器械的临床有效性评估方法，其特征在于，步骤S3-S5中，身体数据包括病患的年龄数据、性别数据和身体检验数据。

4.基于人工智能的医疗器械的临床有效性评估系统，应用于如权利要求1-3所述的基于人工智能的医疗器械的临床有效性评估方法，其特征在于，包括样本收集模块、预测模型、准确度验证模块、修正模块和评估模块；

所述样本收集模块分布于不同医疗中心，分别采集不同医疗中心中病患的临床数据，并对临床数据进行处理，形成数据样本集，并输入到所述预测模型；

其中，所述样本收集模块包括第一临床数据采集单元、第一临床数据分类单元、记录单元和第一通信单元，所述第一临床数据采集单元用于采集不同医疗中心中病患的临床数据并将采集到的不同医疗中心中病患的临床数据输入到所述第一临床数据分类单元，所述第一临床数据分类单元用于接收病患的临床数据并根据不同的病症种类进行分类，得到临床分类数据，并将临床分类数据发送到所述记录单元进行记录保存，同时将临床分类数据发送到所述第一通信单元，所述第一通信单元接收到临床分类数据后将临床分类数据输入到所述预测模型中；

所述预测模型用于接收所述样本收集模块发送的临床数据，并根据临床数据作为样本进行训练，得到训练完成的预测模型；

其中，所述预测模型包括第二通信单元、第一数据预处理单元和神经网络单元，所述第二通信单元用于接收所述第一通信单元发送的临床分类数据，并将临床分类数据输入到所述第一数据预处理单元中，所述第一数据预处理单元对输入的临床分类数据进行预处理，并将经过预处理的临床分类数据作为学习样本输入到所述神经网络单元中，神经网络单元根据输入学习样本进行训练得到训练完成的预测模型；

所述准确度验证模块用于采集病患的身体数据后根据身体数据对病人的病情进行判断，同时将采集的身体数据输入到训练完成的预测模型进行验证，并根据预测模型输出的结果对预测模型的准确度进行判断，得到判断结果，并将判断结果发送到所述修正模块；

所述修正模块用于接收所述准确度验证模块得到的判断结果，在所述准确度验证模块发送的判断结果为一致时，所述修正模块不进行修正，在所述准确度验证模块发送的判断结果为不一致时，以所述准确度验证模块根据身体数据对病人的病情进行判断的结果为准，所述修正模块将病人的临床数据加入到所述预测模型的学习样本中进行训练的得到最终预测模型；

所述评估模块用于采集病患的身体数据并进行预处理后输入到得到最终预测模型中，最终预测模型根据输入的数据进行计算得到结果，所述评估模块获取基于人工智能的医疗器械采集同一病患的身体数据后得到检测结果，对两种结果进行比对得到评估结果。