[发明专利]一种基于智能联合学习的疾病诊断系统

说明书

本发明涉及一种基于智能联合学习的疾病诊断系统。该系统包括：上下文特征嵌入表示层，医学影像嵌入表示层，医学查体实验数据嵌入表示层，医学知识编码层，神经网络隐藏层，以及联合学习输出层。该系统采用传统线性模型和深度学习模型的联合学习模型，用于有效的疾病诊断，既能利用深度学习实现对医疗影像、电子病历和查体实验结果的高层信息自动抽取，免去复杂的特征工程，又能利用规则融入医学诊断学的知识与医生经验。本发明既能比较全面的覆盖病人的多种模态信息，又能在保持深度学习算法强大泛化能力的同时有效结合医学诊断学的领域知识，增强整体疾病诊断算法模型的可解释性和准确性。

技术领域

本发明属于人工智能领域，涉及利用传统线性模型和深度学习模型的联合学习，将医学知识与机器学习算法有效融合，实现一种基于智能联合学习的疾病诊断系统。

背景技术

机器学习是计算机拥有智能的根本途径，是人工智能的核心。机器学习的本质是利用算法从大量数据中挖掘出其中隐含的规律，并用于预测或者分类。新兴的人工智能技术和传统的医疗相结合正在重塑医疗健康领域的诊疗方式和行业模式。随着医疗数据积累越来越多和人工智能技术不断的取得突破，近些年以深度学习为代表的机器学习算法在医疗领域的应用越来越多，这些应用主要集中在基于深度学习的疾病筛查与预测方面。

现有基于深度学习的疾病筛查与预测应用主要可分为以下三大类。(1)基于深度学习的影像分析类。(2)基于深度学习的体征数据分析类。(3)基于深度学习的电子病历分析类。

这些方法普遍存在以下缺点：采用的深度学习算法仅依赖于单一来源模态的数据，模型训练的结果具有片面性。由于受到深度学习算法本身对神经网络结构的设计限制，经过长期医疗实践累积并验证的医学诊断学知识无法被用到神经网络中。缺乏医学知识指导的深度学习算法完全受限于算法的训练数据，算法分析的结果不具有可解释性，无法有效推广。

解决以上这些问题需要一种技术解决方案，能够处理多种模态的异构数据，丰富病人信息的表达维度。同时，能够有效结合医学诊断学的领域知识，在保持深度学习算法强大泛化能力的同时，增强整体疾病诊断算法模型的可解释性和准确性。

发明内容

针对上述问题，本发明的目的在于设计并实现一个基于智能联合学习的疾病诊断系统，采用传统线性模型和深度学习模型的联合学习模型，用于有效的疾病诊断，既能利用深度学习实现对医疗影像、电子病历和查体实验结果的高层信息自动抽取，免去复杂的特征工程，又能利用规则融入医学诊断学的知识与医生经验。联合学习模型既能比较全面的覆盖病人的多种模态信息，又能在保持深度学习算法强大泛化能力的同时有效结合医学诊断学的领域知识，增强整体疾病诊断算法模型的可解释性和准确性。

为实现上述目的，本发明采用如下技术方案：

一种基于智能联合学习的疾病诊断系统，其包括(以下各层中每一层为一个模块)：

上下文特征嵌入表示层，用于自动提取文本类的电子病历中的上下文特征，并对上下文的语义信息进行编码；

医学影像嵌入表示层，用于自动提取病人医学影像的特征；

医学查体实验数据嵌入表示层，用于自动提取病人查体实验产生的结果信息的特征；

医学知识编码层，连接所述上下文特征嵌入表示层、所述医学影像嵌入表示层和所述医学查体实验数据嵌入表示层，用于采用基于规则的抽取方法，对病人的多模特数据根据医学诊断学知识进行线性特征向量形式的编码；

神经网络隐藏层，连接所述上下文特征嵌入表示层、所述医学影像嵌入表示层和所述医学查体实验数据嵌入表示层，用于根据输入的病人多模特数据的类型差异，对文本类的电子病历数据和医学影像数据、查体实验数据的嵌入表示进行训练；

联合学习输出层，用于实现对所述神经网络隐藏层的训练结果和所述医学知识编码层的线性模型的联合学习，输出最终的疾病诊断结果。