[发明专利]智能医疗问诊装置、设备及介质

权利要求书

1.一种智能医疗问诊装置，其特征在于，所述装置包括：

第一采集模块，用于采集客户端的问诊信息，所述问诊信息包括主诉信息，个人资料和病理资料；

疾病推断模块，用于构建疾病推断模型，将第一采集模块采集的问诊信息输入所述疾病推断模型，获得所述问诊信息对应的多类候选疾病；

解释模块，用于采用解释算法对疾病推断模块预测的多类候选疾病进行解释，获得影响多类候选疾病的区分症状；

第二采集模块，用于采集客户端对解释模块的区分症状的答复信息；

更新模块，用于将第二采集模块的答复信息加入问诊信息，获得更新后的问诊信息，所述更新后的问诊信息输入疾病推断模块的疾病推断模型，获得更新后的问诊信息对应的候选疾病。

2.如权利要求1所述的智能医疗问诊装置，其特征在于，所述疾病推断模块包括：

模型架构单元，用于构建疾病推断模型的结构，所述疾病推断模型为多种分类模型；

训练单元，用于训练分类模型，通过自动机器学习对多种分类模型进行训练，获得最优的分类模型作为疾病推断模型。

3.如权利要求1所述的智能医疗问诊装置，其特征在于，所述疾病推断模块包括：

模型架构单元，用于构建疾病推断模型的结构，所述疾病推断模型为神经网络结构，包括多种卷积层、多种池化层、全连接层，疾病推断模型为层数和构成不确定的神经网络结构；

数据集构建单元，用于划分问诊信息，将问诊信息划分为训练数据集和验证数据集；

设定单元，用于设定搜索空间；

控制器，用于调用模型架构单元的神经网络结构，选择一组层数和构成确定的端到端的神经网络结构；

训练单元，用于训练神经网络结构，采用数据集构建单元构建的训练数据集对控制器构成的神经网络结构进行训练，直到神经网络结构收敛；

验证单元，用于验证训练单元训练后的神经网络结构的准确率，通过数据构建单元的验证集对训练单元训练后的神经网络结构进行验证，获得所述神经网络结构的准确率；

更新单元，用于更新神经网络结构，通过设定单元设定的搜索空间和验证单元获得的准确率更新控制器选择的神经网络结构；

模型确定单元，用于确定达到设计要求的神经网络结构，将达到设计要求的神经网络结构作为疾病推断模型，所述设计要求包括计算成本、准确率和部署难度。

4.如权利要求1所述的智能医疗问诊装置，其特征在于，所述疾病推断模型输出为问诊信息对应候选疾病及概率。

5.如权利要求4所述的智能医疗问诊装置，其特征在于，所述智能医疗问诊装置还包括：

判断模块，用于判断疾病推断模型输出的概率是否超过预设阈值，将超过预设阈值的概率对应的候选疾病发送给问诊确定模块，如果不存在满足预设阈值的概率，则发送信号给解释模块；

问诊确定模块，用于将超过预设阈值的概率对应的候选疾病作为问诊结果。

6.如权利要求5所述的智能医疗问诊装置，其特征在于，所述判断模块还判断超过预设阈值的概率的个数是否不超过设定个数，如果超过预设阈值的概率的个数不超过设定个数，发送信号给问诊确定模块，如果超过预设阈值的概率的个数超过设定个数，发送信号给解释模块。

7.如权利要求1所述的智能医疗问诊装置，其特征在于，所述解释模块包括：

扰动数据集构建单元，用于构建问诊信息的扰动数据集，将第一采集模块采集的问诊信息作为原始数据，构成原始数据集，构建原始数据集的扰动数据集，所述扰动数据集是与原始数据有差异的扰动数据构成的数据集；

权重分配单元，用于根据扰动数据集中扰动数据与原始数据的距离分配扰动数据的权重；

解释单元，用于将扰动数据集中扰动数据及其对应的权重输入疾病推断模型，改变扰动数据集，分析使得疾病推断模型准确率超过准确率预设阈值的最大权重的扰动数据，将所述最大权重的扰动数据作为区分症状。