[发明专利]患者分类装置、计算机设备及存储介质在审

专利信息
申请号: 202210447272.0 申请日: 2022-04-26
公开(公告)号: CN114664458A 公开(公告)日: 2022-06-24
发明(设计)人: 徐卓扬;孙行智 申请(专利权)人: 平安科技(深圳)有限公司
主分类号: G16H50/70 分类号: G16H50/70;G16H50/20;G16H10/60;G06N3/04;G06N3/08;G06K9/62
代理公司: 深圳市世联合知识产权代理有限公司 44385 代理人: 姜妍
地址: 518000 广东省深圳市福田区福*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 患者 分类 装置 计算机 设备 存储 介质
【说明书】:

本申请实施例属于人工智能及数字医疗领域,涉及一种患者分类装置、计算机设备及存储介质,装置包括:数据获取模块、样本分类模块、知识分类模块以及数据分类模块,该装置获取目标患者的样本数据;将样本数据输入样本分类网络,得到样本分类结果;当根据样本分类结果确定样本数据为第一样本时,将样本数据输入知识分类模型,得到目标患者的患者分类结果;知识分类模型基于医学知识进行患者分类;当根据样本分类结果确定样本数据为第二样本时,将样本数据输入数据分类模型,得到目标患者的患者分类结果;数据分类模型基于神经网络进行患者分类。此外,本申请还涉及区块链技术,样本数据可存储于区块链中。本申请提高了患者分类的准确性。

技术领域

本申请涉及数字医疗技术领域,尤其涉及一种患者分类装置、计算机设备及存储介质。

背景技术

随着计算机技术的发展,医院等医疗机构也越来越多地使用计算机进行医疗诊断与管理。患者分类是医疗领域中的一个重要议题,患者分类可以是对患有某种疾病的患者进行进一步的分类,确定患者在某种疾病下更细致的患病状态。患者分类结果常常关联于医生对患者的治疗方案的选择、诊断结果以及风险评估结果。因此,患者分类具有重要意义。

随着神经网络的快速发展,可以将患者的样本数据输入神经网络,使神经网络基于患者的样本数据进行患者分类。然而,这种分类技术考虑维度单一,使得患者分类准确性较低。

发明内容

本申请实施例的目的在于提出一种患者分类装置、计算机设备及存储介质,以解决患者分类准确性较低的问题。

为了解决上述技术问题,本申请实施例还提供一种患者分类装置,采用了如下所述的技术方案:

数据获取模块,用于获取目标患者的样本数据;

样本分类模块,用于将所述样本数据输入样本分类网络,得到样本分类结果;

知识分类模块,用于当根据所述样本分类结果确定所述样本数据为第一样本时,将所述样本数据输入知识分类模型,得到所述目标患者的患者分类结果;所述知识分类模型基于医学知识进行患者分类;

数据分类模块,用于当根据所述样本分类结果确定所述样本数据为第二样本时,将所述样本数据输入数据分类模型,得到所述目标患者的患者分类结果;所述数据分类模型基于神经网络进行患者分类。

为了解决上述技术问题,本申请实施例还提供一种计算机设备,包括存储器和处理器,所述存储器中存储有计算机可读指令,所述处理器执行所述计算机可读指令时实现上述患者分类装置中的各模块的功能。

为了解决上述技术问题,本申请实施例还提供一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机可读指令,所述计算机可读指令被处理器执行时实现上述基于知识图谱的疾病诊断装置中的各模块的功能。

与现有技术相比,本申请实施例主要有以下有益效果:患者分类装置获取目标患者的样本数据后,先通过样本分类网络对样本数据进行分类得到样本分类结果,样本分类结果表明在进行患者分类时,样本数据由知识分类模型进行处理还是由数据分类模型进行处理;其中,知识分类模型依据医学知识构建,从医学知识的角度进行患者分类;数据分类模型基于神经网络构建,从数据维度进行患者分类的评估预测;本申请从知识和数据的维度进行并行决策,根据样本数据的特点选取相应的模型进行患者分类,实现了医学知识与数据的配合,提高了患者分类的准确性。

附图说明

为了更清楚地说明本申请中的方案,下面将对本申请实施例描述中所需要使用的附图作一个简单介绍,显而易见地,下面描述中的附图是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。

图1是本申请可以应用于其中的示例性系统架构图;

图2是根据本申请的患者分类装置的一个实施例的结构示意图;

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于平安科技(深圳)有限公司,未经平安科技(深圳)有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202210447272.0/2.html,转载请声明来源钻瓜专利网。

同类专利
专利分类
×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top