[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

说明书

技术领域

本发明涉及对医疗或医学数据进行分析的智能设备，特别涉及将大型医院或医学研究机构获取的大量医疗或医学数据自动汇总并给出与之匹配的分析结论的智能分析仪。

背景技术

通常，大医院或医学研究机构的医生或研究人员每天需要完成大量的工作。例如医院临床科室的医生，每天需要对采集而来的医疗数据进行研究、分析和决策，以下为在北京一家大型三甲医院随意抽取一天所产生的医疗数据：

CT 1162份、X射线1461份、核磁共振325份，其中，X射线平均一份含2张二维图片，CT平均一份含50张二维图片，核磁共振平均一份含100张二维图片。这些检查数据全部都要放射科医生撰写报告，而该大型三甲医院也只有20多个放射科医生，其中还包括打字缓慢的老医生和经验不足的年轻医生。因此，每天持续处理大量的工作极易导致相关联的医生或研究人员工作压力大、体能下降快、工作效率低甚至分析结论错误率高等问题。

发明内容

本发明要解决的技术问题是提供一种能有效减轻医院医生或医学研究人员工作压力且可对大量的医疗或医学数据进行科学分析并获得与之匹配的分析结果的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。

为了解决上述技术问题，本发明采用的技术方案为：

本发明的基于深度学习对医疗数据进行分析的方法，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。

对所述参数值A_i进行优化的方法为无监督学习方法。

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。

对所述参数值A_i进行优化的方法为有监督学习方法。

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)