一種基于深度學(xué)習(xí)和集成分類的智能輔助診斷方法

基本信息

申請(qǐng)?zhí)?/td> CN201911353290.7 申請(qǐng)日 -
公開(kāi)（公告）號(hào) CN111192680A 公開(kāi)（公告）日 2021-06-01
申請(qǐng)公布號(hào) CN111192680A 申請(qǐng)公布日 2021-06-01
分類號(hào) G16H50/20;G16H50/70;G06F16/33;G06F16/35;G06F40/295;G06F40/30;G06K9/62;G06N3/04;G06N3/08 分類 物理
發(fā)明人 樊昭磊;吳軍;楊萬(wàn)春;張伯政;孫釗 申請(qǐng)（專利權(quán)）人 眾陽(yáng)健康科技集團(tuán)有限公司
代理機(jī)構(gòu) 濟(jì)南泉城專利商標(biāo)事務(wù)所 代理人 李桂存
地址 250001 山東省濟(jì)南市市轄區(qū)高新區(qū)新濼大街1166號(hào)奧盛大廈一號(hào)樓12層
法律狀態(tài) -

摘要

摘要 一種基于深度學(xué)習(xí)和集成分類的智能輔助診斷方法。通過(guò)命名實(shí)體識(shí)別和關(guān)系抽取，準(zhǔn)確提取出了主訴和現(xiàn)病史中的實(shí)體和屬性，去除了無(wú)效信息。在標(biāo)簽主題模型中，加入了特征詞的位置權(quán)重，提高了關(guān)鍵位置特征詞的占比。在多層感知機(jī)模型的損失函數(shù)中加入了調(diào)整參數(shù)，解決樣本分布不均勻造成的問(wèn)題。針對(duì)相同樣本，不同的分類方法得到的分類邊界不同，故采用堆疊集成方法將標(biāo)簽主題模型和多層感知機(jī)模型進(jìn)行了集成，提升了疾病的預(yù)測(cè)準(zhǔn)確度。