[发明专利]基于深度学习对医疗数据进行分析的方法及其智能分析仪

权利要求书

1.一种基于深度学习对医疗数据进行分析的方法，其特征在于：其包括如下步骤：

1)采集海量已备案的同类型的医疗素材数据及与该医疗素材数据匹配的医疗诊断数据作为医疗训练数据通过输入装置存储于计算机中；

2)将所述医疗训练数据中不小于二维的影像数据与文本数据中随时间和空间的变化值与对应的数据相关联；

3)在采集的海量医疗训练数据中，将与每一个个体对应的医疗训练数据和所述变化值汇总为一条单元数据；

4)将所述医疗训练数据采用分割、关联或文本数据挖掘方法整合或格式化为计算机可以理解的结构化数据矩阵并从每个单元数据中提取数据特征；

5)将已形成结构化数据矩阵的医疗训练数据导入设置于计算机内对应深度学习模型的存储模块中；

6)通过计算机对所述深度学习模型进行优化运算，优化方法如下：

a.设定深度学习基本框架，将所述医疗训练数据按照数据特征建立包括输入层、至少一层隐层和输出层的数据模型，输入层包含若干个具有数据特征的节点，输出层包含若干个具有医疗诊断数据特征的节点，每个隐层包含若干个与上一层输出值具有映射对应关系的节点；

b.每个节点采用数学方程建立该节点的数据模型，采用人工或随机方法预设所述数学方程中的相关参数值，输入层中各节点的输入值为所述的数据特征，各隐层及输出层中各节点的输入值为上层的输出值，每层中各节点的输出值为本节点经所述数学方程运算后所得的值；

c.初始化所述参数值A_i，将所述输出层中各节点的输出值与对应节点的医疗诊断数据特征比对，反复修正各节点的所述参数值A_i，依次循环，最终获得使所述输出层中各节点的输出值生成与所述医疗诊断数据特征相似度为局部最大时的输出值对应的各节点中的参数值A_i；

7)将获取的已形成结构化矩阵数据的医学待分析数据导入该深度学习模型中进行与之匹配的医学病理分析；

8)由该深度学习模型通过输出装置输出与所述医学待分析数据相匹配的医学病理分析结果。

2.根据权利要求1所述的方法，其特征在于：对所述参数值Ai进行优化的方法为无监督学习方法。

3.根据权利要求2所述的方法，其特征在于：所述无监督学习方法采用降噪自动编码生成器或限制伯尔曼机进行自学习。

4.根据权利要求1所述的方法，其特征在于：对所述参数值Ai进行优化的方法为有监督学习方法。

5.根据权利要求1－4中任一项所述的方法，其特征在于：所述数学方程为参数数学方程或非参数数学方程，其中，参数数学方程可为线性模型、神经元模型或卷积运算，非参数数学方程可为极值运算方程，数学模型设定方式如下：

y＝g(X)＝f_n○f_n-1○f_n-2○…○f₁(X)

其中y是所述输出层中的医疗诊断数据特征，维度为M_n，X是训练素材数据，维度为M₀，f₁到f_n为设定的每一层运算方程，而每一层方程f_i的维度为M_i－1→M_i,如第一层f₁就是将维度为M₀的X转换成维度为M₁的输出Z₁，而Z₁则成为第二层方程f₂的输入，以此类推，其中,每一层模型f_i有与之相匹配的参数组A_i。

6.根据权利要求1所述的方法，其特征在于：所述医疗素材数据包括临床和医技阶段医生对患者诊断、检查和治疗过程进行的相关信息记录；所述诊断数据包括临床和医技阶段医生对患者初诊判断、出院结果、疾病治疗效果进行的相关信息记录以及医生撰写的文本出诊数据和跟踪随访数据。

7.根据权利要求1所述的方法，其特征在于：所述数据特征包括医疗训练数据在时空上的变化值、数据本身的各种数理统计值。比如说随着时间的改变，数据上升或下降的趋势。

8.根据权利要求1所述的方法，其特征在于：将所述医学待分析数据和与之匹配的分析结果涉及的结构化数据反馈到所述深度学习模型中形成新的训练数据。