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：首都医科大学宣武医院

摘要：本发明一种基于深度学习模型的糖尿病类型识别系统包括：糖尿病模型构建模块、糖尿病类型模型构建模块、糖尿病识别模块、提示模块、图谱特征提取模块、数量判断模块、糖尿病类型识别模块和数量扩充模块；利用这些模块分别构建了糖尿病深度学习模型和糖尿病类型深度学习模型，首先利用糖尿病深度学习模型来快速的识别出待识别者是否患有糖尿病，在识别出待识别者不患有糖尿病，则就无需进一步识别待识别者的糖尿病类型了，能够快速的识别出待识别者不患有糖尿病，实现快速识别待识别者不患有糖尿病的功能；当识别出待识别者患有糖尿病，再进一步识别待识别者的具体糖尿病类型。本发明这种设计构思有利于提高糖尿病和糖尿病类型识别效率。

主权项：1.一种基于深度学习模型的糖尿病类型识别系统，其特征在于，其包括糖尿病模型构建模块、糖尿病类型模型构建模块、糖尿病识别模块、提示模块、图谱特征提取模块、数量判断模块、糖尿病类型识别模块和数量扩充模块；所述糖尿病模型构建模块用于利用历史糖尿病检查者的糖尿病相关信息作为输入样本、对应是否患有糖尿病的信息作为输出样本对糖尿病深度学习模型进行训练，获得训练好的糖尿病深度学习模型，历史糖尿病检查者包括患有糖尿病的检查者和不患有糖尿病的检查者；所述糖尿病类型模型构建模块用于利用从不同渠道获得的不同类型糖尿病相关信息构建不同类型的糖尿病类型图谱模型，将患有不同类型的历史糖尿病患者的糖尿病相关信息填充至对应类型的糖尿病类型图谱模型中以生成每一历史糖尿病患者的糖尿病类型图谱，以此获得每个类型下所属的每一历史糖尿病患者的糖尿病类型图谱，对每个糖尿病类型图谱进行特征提取，从中提取出多个具有方向性且起节点和终节点均填充有信息的特征向量，构成一个输入样本集，对应的糖尿病类型作为输出样本，将各个类型下获得的输入样本集和对应的输出样本代入深度学习神经网络模型中进行训练，获得训练好的糖尿病类型深度学习模型；所述糖尿病识别模块用于获取待识别者的糖尿病相关信息并输入至训练好的糖尿病深度学习模型中进行预测识别以输出待识别者是否患有糖尿病的信息，在为否时调用提示模块提示待识别者不患有糖尿病，结束，在为是时调用提示模块提示待识别者患有糖尿病，再调用图谱特征提取模块；所述图谱特征提取模块用于针对每个糖尿病类型图谱模型抽取待识别者的糖尿病相关信息中的相应信息进行填充，以获得待识别者对应的每个类型下的糖尿病类型图谱，对每个糖尿病类型图谱进行特征提取，从中提取出多个具有方向性且起节点和终节点均填充有信息的特征向量，其中起节点和终节点均未被标记为不确定节点的特征向量作为一个确定型特征向量，起节点和终节点仅有一个节点被标记为不确定节点的特征向量作为一个待确定型特征向量，起节点和终节点均被标记为不确定节点的特征向量作为一个无法确定型特征向量；所述数量判断模块用于判断是否存在满足某一某些糖尿病类型图谱下提取出的确定型特征向量的数量＞待确定型特征向量的数量+无法确定型特征向量的数量的要求，若是则调用糖尿病类型识别模块，若否则调用数量扩充模块；所述糖尿病类型识别模块用于针对某一满足数量要求的糖尿病类型图谱，将该糖尿病类型图谱下确定型特征向量单独作为一个输入样本集输入至糖尿病类型深度学习模型中进行预测识别以输出待识别者是否患有该糖尿病类型图谱对应的糖尿病类型的信息，在为是时则调用提示模块提示发出待识别者患有该糖尿病类型的识别信息，结束，在为否时则调用提示模块提示发出待识别者不患有该糖尿病类型的识别信息，并调用糖尿病类型识别模块针对下一个满足数量要求的糖尿病类型图谱进行类型识别操作，直至所有满足数量要求的糖尿病类型图谱均进行了类型识别操作，此后若还具有未满足数量要求的糖尿病类型图谱则调用数量扩充模块；所述数量扩充模块用于针对每一未满足数量要求的糖尿病类型图谱，利用该糖尿病类型图谱下确定型特征向量和待确定型特征向量进行扩充确定型特征向量的数量，在扩充后的确定型特征向量的数量＞待确定型特征向量的数量+无法确定型特征向量的数量时停止数量扩充，调用糖尿病类型识别模块。

全文数据：

权利要求：

百度查询： 首都医科大学宣武医院 一种基于深度学习模型的糖尿病类型识别系统