买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：华南师范大学

摘要：基于大数据深度学习的中医个人风险分合协同预测方法，包括：目标用户确定步骤；目标疾病确定步骤；目标疾病望闻问切步骤；疾病排查望闻问切步骤；健康状况望闻问切步骤。上述方法、系统和机器人，通过借鉴中医的综合辩证的思想将望闻问切融为一体，能够分别获取望、闻、问、切的特征数据用于融合得到望闻问切的综合性特征数据，并输入深度学习模型进行疾病的诊断，充分借鉴了中医的综合辩证的思想，能够极大地提高疾病诊断的效果和准确率。

主权项：1.一种人工智能方法，其特征在于，所述方法包括：1）将个人望诊输入数据集输入到基于大数据深度学习的望诊个人自助预测子模型进行训练和测试；2）将个人闻诊输入数据集输入到基于大数据深度学习的闻诊个人自助预测子模型进行训练和测试；3）将个人问诊输入数据集输入到基于大数据深度学习的问诊个人自助预测子模型进行训练和测试；4）将个人切诊输入数据集输入到基于大数据深度学习的切诊个人自助预测子模型进行训练和测试；5）将个人切诊输入数据集输入到基于大数据深度学习的其他个人自助预测子模型进行训练和测试；6）将基于大数据深度学习的望诊个人自助预测子模型、基于大数据深度学习的闻诊个人自助预测子模型、基于大数据深度学习的问诊个人自助预测子模型、基于大数据深度学习的切诊个人自助预测子模型、基于大数据深度学习的其他个人自助预测子模型的顶层特征进行融合后输入到基于大数据深度学习的综合辩证个人自助预测子模型进行训练和测试；具体包括：目标用户确定步骤：将待监测的用户作为目标用户；目标疾病确定步骤：将待监测的疾病作为目标疾病；目标疾病望诊步骤：将用户的图像作为输入，将所述用户患有目标疾病的概率作为预期输出，对深度学习神经网络模型进行训练，得到目标疾病的望诊深度学习神经网络模型；在使用时，将目标用户的图像作为输入，通过目标疾病的望诊深度学习神经网络模型的计算，得到的输出作为所述目标用户患有目标疾病的概率，并作为所述目标用户的目标疾病望诊的结果，若所述目标用户患有目标疾病的概率超过预设概率阈值，则所述目标用户患有目标疾病；目标疾病听诊步骤：将用户的声音作为输入，将所述用户患有目标疾病的概率作为预期输出，对深度学习神经网络模型进行训练，得到目标疾病的听诊深度学习神经网络模型；在使用时，将目标用户的声音作为输入，通过目标疾病的听诊深度学习神经网络模型的计算，得到的输出作为所述目标用户患有目标疾病的概率，并作为所述目标用户的目标疾病听诊的结果，若所述目标用户患有目标疾病的概率超过预设概率阈值，则所述目标用户患有目标疾病；目标疾病问诊步骤：将用户的情况作为输入，将所述用户患有目标疾病的概率作为预期输出，对深度学习神经网络模型进行训练，得到目标疾病的问诊深度学习神经网络模型；在使用时，将目标用户的情况作为输入，通过目标疾病的问诊深度学习神经网络模型的计算，得到的输出作为所述目标用户患有目标疾病的概率，并作为所述目标用户的目标疾病问诊的结果，若所述目标用户患有目标疾病的概率超过预设概率阈值，则所述目标用户患有目标疾病；目标疾病切诊步骤：将用户的体征作为输入，将所述用户患有目标疾病的概率作为预期输出，对深度学习神经网络模型进行训练，得到目标疾病的切诊深度学习神经网络模型；在使用时，将目标用户的体征作为输入，通过目标疾病的切诊深度学习神经网络模型的计算，得到的输出作为所述目标用户患有目标疾病的概率，并作为所述目标用户的目标疾病切诊的结果，若所述目标用户患有目标疾病的概率超过预设概率阈值，则所述目标用户患有目标疾病；目标疾病望闻问切步骤：获取所述目标用户的目标疾病望诊的特征数据、所述目标用户的目标疾病听诊的特征数据、所述目标用户的目标疾病问诊的特征数据、所述目标用户的目标疾病切诊的特征数据作为所述目标用户的目标疾病特征；将所述目标用户的目标疾病特征作为输入，将所述用户患有目标疾病的概率作为预期输出，对深度学习神经网络模型进行训练，得到目标疾病的望闻问切深度学习神经网络模型；在使用时，将所述目标用户的目标疾病特征作为输入，通过目标疾病的望闻问切深度学习神经网络模型的计算，得到的输出作为所述目标用户患有目标疾病的概率；若所述目标用户患有目标疾病的概率超过预设概率阈值，则所述目标用户患有目标疾病；其中，将目标疾病的望诊深度学习神经网络模型的预设隐层的输出数据作为所述目标用户的目标疾病望诊的特征数据；将目标疾病的听诊深度学习神经网络模型的预设隐层的输出数据作为所述目标用户的目标疾病听诊的特征数据；将目标疾病的问诊深度学习神经网络模型的预设隐层的输出数据作为所述目标用户的目标疾病问诊的特征数据；将目标疾病的切诊深度学习神经网络模型的预设隐层的输出数据作为所述目标用户的目标疾病切诊的特征数据；预设隐层包括最后一层隐层；疾病排查望闻问切步骤：获取所述目标用户的疾病排查望诊的特征数据、所述目标用户的疾病排查听诊的特征数据、所述目标用户的疾病排查问诊的特征数据、所述目标用户的疾病排查切诊的特征数据作为所述目标用户的第一疾病排查特征；将所述目标用户的第一疾病排查特征作为输入，将所述用户可能患有的预设数个疾病及患有所述预设数个疾病中每个疾病的概率作为预期输出，对深度学习神经网络模型进行训练，得到疾病排查望闻问切深度学习神经网络模型；在使用时，将所述目标用户的第一疾病排查特征作为输入，通过疾病排查望闻问切深度学习神经网络模型的计算，得到的输出作为所述用户可能患有的预设数个疾病及患有所述预设数个疾病中每个疾病的概率；健康状况望闻问切步骤：获取所述目标用户的健康状况及其可能的概率望诊的特征数据、所述目标用户的健康状况及其可能的概率听诊的特征数据、所述目标用户的健康状况及其可能的概率问诊的特征数据、所述目标用户的健康状况切诊的特征数据作为所述目标用户的第二疾病排查特征；将所述目标用户的健康状况及其可能的概率特征作为输入，将所述用户的健康状况作为预期输出，对深度学习神经网络模型进行训练，得到健康状况望闻问切深度学习神经网络模型；在使用时，将所述目标用户的健康状况及其可能的概率特征作为输入，通过健康状况望闻问切深度学习神经网络模型的计算，得到的输出作为所述用户的健康状况；其中，目标用户的健康状况及其可能的概率望诊的特征数据，是将用户图像输入到望诊模型后其预设隐层输出的数据；目标用户的健康状况及其可能的概率听诊的特征数据，是将用户声音输入到听诊模型后其预设隐层输出的数据；目标用户的健康状况及其可能的概率问诊的特征数据，是将用户情况输入到问诊模型后其预设隐层输出的数据；目标用户的健康状况及其可能的概率切诊的特征数据，是将用户体征输入到切诊模型后其预设隐层输出的数据。

全文数据：

权利要求：

百度查询： 华南师范大学 基于大数据深度学习的中医个人风险分合协同预测方法