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！

摘要：本发明提出了一种基于人体汗液异常变化的智能筛查系统。包括：采集模块，用于采集人体汗液异常变化对应的异常变化特征信息；网络模型建立模块，用于建立异常变化特征信息词条与对应的疾病特征信息的关联网络模型；筛选标准建立模块，用于建立余弦相似度算法，通过余弦相似度算法对异常变化特征信息词条与对应的疾病特征信息之间的相似度进行计算，获取相似度数据，根据该相似度数据建立特征信息筛选标准；筛查模块，用于根据该特征信息筛选标准对该待筛查汗液异常变化特征信息进行筛查。本发明通过利用余弦相似度算法进行语义相似度计算，实现汗液异常变化风险评估以及疾病筛查，推测可能的疾病，为辅助诊断服务。

主权项：1.一种基于人体汗液异常变化的智能筛查系统，其特征在于，所述基于人体汗液异常变化的智能筛查系统包括：采集模块，用于采集人体汗液异常变化对应的异常变化特征信息；采集模块包括自然语言处理模块，用于通过自然语言对人体汗液异常变化对应的异常变化特征信息进行处理，获取汗液异常变化特征信息的属性信息，所述属性信息包括：汗液异常变化的部位、颜色、数量以及气味；网络模型建立模块，用于对异常变化特征信息进行聚类，并从聚类后的异常变化特征信息中提取异常变化特征信息词条，根据异常变化特征信息词条获取对应的疾病特征信息，并建立异常变化特征信息词条与对应的疾病特征信息的关联网络模型；网络模型建立模块包括聚类模块，用于对汗液异常变化特征信息的属性信息进行聚类，获取聚类后的属性信息作为异常变化特征信息词条，所述异常变化特征信息词条包括：出现时间、出现数量、汗液状态、汗液颜色以及汗液气味，并建立各异常变化特征信息词条之间的对应关系；网络模型建立模块还包括关联网络模型模块，用于根据异常变化特征信息词条获取对应的常见疾病特征信息，并根据异常变化特征信息词条以及对应的常见疾病特征信息建立关联网络模型；对汗液的特征点的描述信息进行聚类，聚集出显著类别，建立描述信息之间的关联，所述描述信息包括汗液异常变化出现的部位、出现的时间、出现的数量、汗液的状态、汗液的颜色和汗液的气味；聚类的操作步骤包括：根据线性融合相似度构建汗液特征点融合度矩阵，根据汗液特征点融合度矩阵获得汗液特征点的预设值个类簇；根据汗液特征点的预设值个类簇进行聚类收敛条件的判断，当满足聚类收敛条件的任意一项条件时，获得新的用户规范化汗液特征点；当不满足聚类收敛条件的所有条件时，执行线性融合相似度构建汗液特征点融合度矩阵的步骤，聚类收敛条件包括：没有异常变化特征点被重新分配给不同的类，或者新的聚类中心与原类聚中心相同；筛选标准建立模块，用于建立余弦相似度算法，通过余弦相似度算法对异常变化特征信息词条与对应的疾病特征信息之间的相似度进行计算，获取相似度数据，根据该相似度数据建立特征信息筛选标准；筛选标准建立模块包括相似度计算模块，用于建立余弦相似度算法，通过余弦相似度算法计算异常变化特征信息词条与对应的疾病特征信息之间的相似度，并根据该相似度对关联网络模型进行验证并修改，获取新的关联网络模型；筛选标准建立模块包括余弦相似度算法单元，所述余弦相似度算法为： ；其中，代表余弦相似度，向量a和向量b代表异常变化特征信息词条与对应的疾病特征信息，c代表向量a和向量b之间的距离，且，x1和y1是向量a的坐标，x2和y2是向量b的坐标；使用余弦相似度算法计算汗液异常变化特征信息分词或者词条与疾病症状分词或者词条语义关系的相似度，并对该关联网络模型进行内部验证；通过得到2维空间中余弦函数的公式： ；假设有3个词条，item1，item2和item3，用向量表示分别为：item1，item2，item3，即五维空间中的3个点，用欧式距离公式计算item1、itme2之间的距离，距离越大，相似度越小；筛查模块，用于获取待筛查汗液异常变化特征信息，根据该特征信息筛选标准对该待筛查汗液异常变化特征信息进行筛查；筛查模块包括报告生成模块，用于获取待筛查汗液异常变化特征信息，根据该特征信息筛选标准对该待筛查汗液异常变化特征信息进行筛查，根据筛查结果生成对应报告。

全文数据：

权利要求：

百度查询： 吾征智能技术(北京)有限公司 基于人体汗液异常变化的智能筛查系统