[发明专利]一种基于卷积神经网络的医疗辅助诊断方法及系统

说明书

本发明公开了一种基于卷积神经网络的医疗辅助诊断方法及系统，涉及辅助诊疗技术领域，包括：采集待诊断患者的电子病历和医学影像图片；通过构建卷积神经网络模型，根据由电子病历获取的词向量矩阵，并依据医学影像图片，构建表示唯一患者ID的疾病特征向量空间；使用分类器对疾病特征向量空间进行分类，获取待诊断患者对应的各个病症的患病概率，并将患病概率显示在电子病历和/或医学影像图片；本发明将卷积神经网络运用到医疗电子病历文本语义理解并进行辅助医疗诊断，能有效克服基于规则抽取和匹配的方法所具有的缺陷。

技术领域

本发明涉及辅助诊疗技术领域，具体而言，涉及一种基于卷积神经网络的医疗辅助诊断方法及系统。

背景技术

临床决策支持系统(Clinical Decision Support System，CDSS)是指运用相关的、系统的临床知识和患者基本信息及病情信息，加强医疗相关的决策和行动，提高医疗质量和医疗服务水平的信息系统。CDSS是提升医疗质量的重要手段，其根本目的是为了评估和提高医疗质量，减少医疗差错，控制医疗费用的支出。

目前，大多数CDSS是基于知识库以及临床指南来支持临床决策，采用如下解决方案：基于临床数据库，通过对信息进行收集、整理、分类、过滤、加工等建立起逻辑关联知识；采用警告提醒、信息按钮、组合医嘱、文档管理以及相关数据表达形式；对疾病进行诊断、治疗、护理、手术、合理用药等方面的决策支持；为临床医生诊断治疗提供建议、提醒、预警、计算、预测方面的决策支持。

基于知识库的方法具有如下缺陷：

无法解决语义歧义的问题：比如描述头痛时可能有“头痛”和“头疼”等多种不同词但是同语义的描述方法，在构建知识库时需要尽可能地包含所有可能的描述，这会造成知识库的冗余及效率低下，同时也会因为没能包含所有可能的情况造成匹配准确率下降

需要庞大的临床知识库做支撑。各个医院科室所遇到的病例种类繁多且差别较大，需要对这么多科室成百上千个病种构建知识库，异常繁琐，且维护和管理成本巨大。

基于临床指南的方法具有如下缺陷：

临床指南表达模型的标准化不足。临床决策所基于的临床知识有时候是跨专业的，这就要求基于临床指南的决策支持系统是建立在知识共享和互操作的基础上，而知识的共享必然面临知识的标准化问题。

不确定性临床知识的表达不充分。主要原因是：一是并非所有医学指标都能精确量化，一些医学指标需要医生的主观判断；二是对于很多医学指标的正常范围的界定也存在模糊性；三是诊疗过程中由于某些信息的缺失或者客观条件所限无法获取到等情况的存在，也限制了临床指南的准确执行。

因此，急需一种基于卷积神经网络的医疗辅助诊断方法及系统，用于克服上述困难。

发明内容

为了解决上述问题，本发明的目的是提供一种基于卷积神经网络的医疗辅助诊断方法及系统，用于克服基于规则抽取和匹配的方法所具有的缺陷。

为了实现上述技术目的，本申请提供了一种基于卷积神经网络的医疗辅助诊断方法，包括以下步骤：

采集待诊断患者的电子病历和医学影像图片；

通过构建卷积神经网络模型，根据由电子病历获取的词向量矩阵，并依据医学影像图片，构建表示唯一患者ID的疾病特征向量空间；

使用分类器对疾病特征向量空间进行分类，获取待诊断患者对应的各个病症的患病概率，并将患病概率显示在电子病历和/或医学影像图片。

优选地，在获取电子病历的过程中，对电子病历进行信息过滤、筛选、分词、统计中的至少一种操作，获取待诊断患者病历的各个医疗词汇；

根据医疗词汇之间的相互关系，构建具有指向功能的词向量矩阵。