[发明专利]一种基于深度学习的非处方药品推荐系统和推荐方法

说明书

本发明公开了一种基于深度学习的OTC药品推荐系统，包括疾病库、症状库、非处方药品库、数据采集模块、深度学习数据训练模块、用户信息接收模块和药品推荐模块，数据采集模块用于获取疾病库、症状库和非处方药品库中的数据信息，并对获取数据进行预处理并输出；深度学习数据训练模块用于根据数据采集模块输入的数据信息训练形成药品推荐模型；用户信息接收模块用于将接收的电子病历数据输入至药品推荐模块；药品推荐模块用于识别输出对应的药品推荐结果；与现有技术相比，本发明的有益效果是，可根据患者的症状特征识别出所患疾病的种类，并向患者推荐最合适的药品。

技术领域

本发明涉及医药领域，尤其涉及一种基于深度学习的OTC药品推荐系统和推荐方法。

背景技术

随着生活水平的提高，人们更加关注自身身体健康。然而各地现有的医疗资源匮乏，医院、药店、医生和执业药师的数量还远不能满足人们的健康需求。而且各地、各医院、各药店的医生或执业药师的技能水平参差不齐，无法根据病人症状准确诊断所患病种，造成医患关系紧张。现有的药品推荐系统无法根据病人所患疾病种类和疾病对应的症状特征主动推荐药品，无法起到辅助医生开药方、辅助药店执业药师推荐药品或辅助患者进行自我诊断的作用。

发明内容

鉴于上述存在的技术问题，本发明提供一种基于深度学习的OTC药品推荐系统和推荐方法，以根据患者的症状特征识别患者所患疾病的种类，并向患者推荐最合适的药品。

本发明解决其技术问题采取的技术方案为，提供一种基于深度学习的非处方药品推荐系统，包括：

疾病库，用于预先保存多种疾病信息；

症状库，用于保存每一种所述疾病信息对应的多个症状特征；

非处方药品库，用于保存多种药品信息，每种所述药品信息对应于至少一种所述疾病信息，于所述非处方药品库中还保存所述药品信息与所述疾病信息之间的关联信息；

数据采集模块，用于采集得到经过核验的电子病历中的用户信息，对用户信息进行预处理并输出；

深度学习数据训练模块，分别与所述数据采集模块、所述疾病库、所述症状库和所述非处方药品库连接，用于将所述数据采集模块经过处理后的输出的所述用户信息、所述疾病信息、所述症状特征以及所述药品信息作为训练数据，预先训练得到一药品推荐模型并保存；

用户信息接收模块，用于获取输入的所述电子病历，并解析得到所述电子病历中的用户信息；

药品推荐模块，分别连接所述深度学习数据训练模块和所述用户信息接收模块，用于将所述用户信息作为输入数据输入至所述药品推荐模型中，并获取所述药品推荐模型的输出结果，以作为关联于所述电子病历的药品推荐结果。

作为本发明的一种优选方案，所述数据采集模块具体包括：

数据清洗单元，用于对所述用户信息进行数据清洗，并输出经过清洗的所述用户信息；

数据处理单元，连接所述数据清洗单元，用于将经过清洗的所述用户信息和所述药品信息进行标准化处理和归一化处理，并输出经过处理的所述用户信息以作为所述训练数据的一部分。

作为本发明的一种优选方案，所述非处方药品推荐模块还包括：

反馈获取模块，用于获取用户对所述药品推荐结果的反馈评分；

筛选模块，连接所述反馈获取模块，于所述筛选模块中预设一评分阈值，所述筛选模块用于筛选出所述反馈评分低于所述评分阈值的所述药品推荐结果并输出；

调整模块，分别连接所述筛选模块和所述深度学习数据训练模块，用于对筛选储的所述药品推荐结果进行调整，并将调整后的所述药品推荐结果以及相关联的所述用户信息作为新的训练数据，所述深度学习数据训练模块根据新的所述训练数据对所述药品推荐模型进行更新。