[发明专利]一种基于深度学习的疾病检测方法

权利要求书

1.一种基于深度学习的疾病检测方法，其特征在于，包括以下步骤：

步骤1：利用自然语言处理技术，将病人输入的病例描述进行关键字提取，采用系统-用户交互的模式进行疾病辅助判别；

步骤2：采用OpenStreetMap对患病人员所在地区进行地理标注，聚类模型计算出疾病发病密度从而判定为聚集性传染病，通过爬取省市范围内疾病数据，SIR传染病预测模型计算出疾病最大规模爆发时间及人数；

步骤3：echarts图表对病人基础体征和疾病体征进行可视化，采用实体-关系-属性三元组的形式利用neo4j软件生成家族遗传病知识图谱，对遗传病做出预警。

2.如权利要求1所述的基于深度学习的疾病检测方法，其特征在于，在步骤S1中，首先构造特定医学领域的疾病症状词表，对用户输入的病情描述采用KEA算法进行关键字提取；根据疾病症状词表找出病情描述中的短语，与其余词共同作为候选关键词，然后利用朴素贝叶斯算法选取各词语的TF-IDF值，用位置信息作为特征，进行训练和预测，最终得到病症关键字。

3.如权利要求1所述的基于深度学习的疾病检测方法，其特征在于，在步骤S2中，首先对病人的基础体征进行监测，调取一段时间内该种传染病患病人员的地区分布，利用OpenStreetMap对此种疾病患病人员的分布在地图上进行标注，设定一个传染病密度阈值，利用OPTICS算法计算患病密度，患病密度超过阈值，则判定此种疾病为聚集性传染病。