[发明专利]症状和体征的量化方法、系统及终端

说明书

本发明提供了一种症状和体征的量化方法、系统及终端，其中方法包括：构建由标准正交向量组构成的症状原子库，每个症状原子向量对应一个症状；构建由标准正交向量组构成的体征原子库，每个体征原子向量对应一个体征条目；将症状原子库和体征原子库中的原子进行向量增广，构成症状和体征原子增广向量集合；使用症状和体征原子增广向量集合对新增用户的各种症状和体征条目向量进行量化；对向量量化后的表示形式进行分类映射，得到包含各类症状和体征条目向量所对应的诊断结果；根据量化后的各类症状和体征条目向量所对应的诊断结果构建诊断模型数据库，供诊断使用。本发明可以提高计算机辅助诊断的精确度。

技术领域

本发明属于计算机技术领域，尤其涉及一种症状和体征的量化方法、系统及终端。

背景技术

随着计算机技术的发展，计算机辅助医疗诊断装置由于不受疲劳、情绪等因素的影响，已经成为重要的辅助诊断手段。计算机辅助医疗诊断装置通常是利用一些预测建模方法对历史病例进行分析，从而建立预测模型，然后再用该预测模型来对新病例进行诊断，其结果提交给医学专家进行进一步的分析确诊，从而在一定程度上减轻医学专家的负担。然而，现有技术中一般采用专家系统法进行预测建模，这种方式建立的预测模型精度较低，导致计算机辅助医疗诊断结果的精确度较低。

发明内容

有鉴于此，本发明提供了一种症状和体征的量化方法、系统及终端，以解决现有技术中采用专家系统法进行预测建模，建立的预测模型精度较低，导致计算机辅助医疗诊断结果的精确度较低的问题。

本发明的第一方面提供了一种症状和体征的量化方法，包括：

构建由一个标准正交向量组构成的症状原子库，其中每个症状原子向量对应一个症状；

构建由一个标准正交向量组构成的体征原子库，其中每个体征原子向量对应一个体征条目；

将所述症状原子库和所述体征原子库中的原子进行向量增广，构成症状和体征原子增广向量集合；

使用所述症状和体征原子增广向量集合对新增用户的症状和体征条目向量进行量化；

对所述向量量化后的表示形式进行分类映射，得到包含所述症状和体征条目向量所对应的诊断结果；

根据所述量化后的各类症状和体征条目向量所对应的诊断结果构建诊断模型数据库，供诊断使用。

在上述技术方案的基础上，所述使用所述症状和体征原子增广向量集合对新增用户的各种症状和体征条目向量进行量化包括：

采用离散函数使用所述症状和体征原子增广向量集合对新增用户的各种症状和体征条目向量进行量化。

在上述技术方案的基础上，所述使用所述症状和体征原子增广向量集合对新增用户的各种症状和体征条目向量进行量化包括：

采用连续函数使用所述症状和体征原子增广向量集合对新增用户各类症状和体征条目向量进行量化。

在上述技术方案的基础上，所述对所述向量量化后的表示形式进行分类映射，得到包含各类症状和体征条目向量所对应的诊断结果包括：

将量化后的各种症状和体征条目向量进行距离度量，计算各种症状和体征条目向量与其他所有向量之间的切比雪夫距离，得到各种症状和体征条目向量所对应的距离向量；

将各种症状和体征条目向量所对应的距离向量输入SVM分类器进行分类训练，得到各类症状和体征条目向量，分析各类症状和体征条目向量所对应的诊断结果。

本发明第二方面提供一种症状和体征的量化系统，包括：

症状原子库构建单元，用于构建由一个标准正交向量组构成的症状原子库，其中每个症状原子向量对应一个症状；