[发明专利]一种医学诊断人工智能系统、装置及其自我学习方法

说明书

本发明提供一种医学诊断人工智能系统、装置及其自我学习方法，包括：进行原始数据采集；得到分类后数据；将分类后数据代入数据指标算法中，进行数据转换，形成直观数据；以及，不断进行数据指标算法的验证；使用直观数据构建用户画像；根据用户画像判断是否能找到匹配的医学模型，进行风险提醒；根据用户样本特征通过机器学习算法构建新的医学模型；根据新医学模型自行构建新数据指标算法；将新数据指标算法替换原数据指标算法。本发明可以24小时收集处理患者的数据，且不影响用户的正常生活，且本发明的医学诊断人工智能平台可以进行自我学习，使得诊断越来越准确，可诊断疾病范围越来越多。

技术领域

本发明涉及一种人工智能平台及其运行方法，具体地，涉及一种可自我学习的医学诊断人工智能系统、装置及其自我学习方法。

背景技术

目前的网上医学诊断平台，大多停留在医生驻留在网站上，患者通过网络通讯技术与医生进行沟通，将自己的病症描述给医生以让医生作出诊断的方式。这种方式有以下缺点：(1)医生不能实际接触到患者，更不能进行望闻问切，患者如果不能把症状描述清楚，则很可能会误导医生做出错误判断；(2)由于获取的信息极为有限，即使网上医学诊断平台上的医生做出了诊断，患者还是要亲自去医院检查以最终确诊，这使得该网上医学诊断平台实际上成为了鸡肋，且对患者和医生都造成了时间的浪费；(3)医生在诊断时，没有任何可参考数据，极易误判，产生不可逆的后果；(4)由于医生夜晚要休息，网上医学诊断平台在晚上时，是处于瘫痪状态的，不能全天候服务病患。

因此，市场上急需一种可以自行收集数据、诊断病症、诊断准确、不知疲倦的人工智能疾病诊断系统。

发明内容

针对现有技术中的缺陷，本发明的目的是提供一种医学诊断人工智能系统、装置及自我学习方法，其可以自行收集使用者数据、诊断病症，且诊断准确，不易出现诊断错误，能够根据新病症及时生成新数据指标算法，以适应更加庞大的受众群体。

根据本发明的第一方面，提供一种医学诊断人工智能系统的自我学习方法，包括：

采集医学诊断原始数据；

将采集到的所述原始数据进行分类处理，得到分类后数据；

将所述分类后数据代入数据指标算法中，进行数据转换，形成直观数据；以及，不断进行所述数据指标算法的验证；

使用所述直观数据构建用户画像；

根据所述用户画像判断是否能找到匹配的医学模型，若是，则对用户进行风险提醒；否则，告知用户未找到匹配的医学模型，根据用户样本特征通过机器学习算法构建新的医学模型；

根据所述新医学模型自行构建新数据指标算法，将所述新数据指标算法替换原数据指标算法。

可选地，所述得到分类后数据后还包括：将所述分类后数据存储至大数据平台数据池。

可选地，根据所述新医学模型自行构建新数据指标算法，包括：

从所述大数据平台数据池中提取所述分类后数据；

根据所述新医学模型结合所述分类后数据自行构建新数据指标算法。

可选地，所述原始数据采集后还包括：去除所述原始数据中的明显偏差数据。

可选地，所述原始数据采集，通过智能终端不间断采集原始数据。

根据本发明的第二方面，提供一种可自我学习的医学诊断人工智能系统，包括：

原始数据采集模块，用于进行医学诊断原始数据采集；

数据分类模块，用于将所述原始数据采集模块采集到的所述原始数据进行分类处理，得到分类后数据；