[发明专利]基于大数据人工智能的中医自助辩证监测方法和机器人

说明书

基于大数据人工智能的中医自助辩证监测方法和机器人，包括：目标用户确定步骤；目标疾病模型获取步骤；目标疾病望闻问切步骤。上述方法、系统和机器人，所述方法将中医与人工智能相结合，从望闻问切四个方面进行诊断，分别建立相应的深度学习神经网络模型，依据以往中医专家的诊断结果分别进行望闻问切的深度学习模型的训练，来得到蕴含了中医专家经验的深度学习模型，并且将望闻问切四个模型通过深度学习整合为一个模型来进行训练和预测，从而能够节省中医专家的资源并且能够传承中医专家的经验，继承和发扬中医，提高预测的准确率。

技术领域

本发明涉及人工智能技术领域，特别是涉及一种基于大数据人工智能的中医自助辩证监测方法和机器人。

背景技术

在实现本发明过程中，发明人发现现有技术中至少存在如下问题：现有技术下，在新发重大传染病监测方面，分布在全国各地的大量用户如果实现用户的自助上报和监测结果的大数据采集，监测准确可靠性低。

因此，现有技术还有待于改进和发展。

发明内容

基于此，有必要针对现有技术的缺陷或不足，提供基于大数据人工智能的中医自助辩证监测方法和机器人，以解决现有技术中新发重大传染病监测准确可靠性低的问题。

第一方面，本发明实施例提供一种人工智能方法，所述方法包括：

目标用户确定步骤：将待监测的用户作为目标用户；

目标疾病确定步骤：将待监测的疾病作为目标疾病；

目标疾病模型获取步骤：获取目标疾病的望诊深度学习神经网络模型、目标疾病的听诊深度学习神经网络模型、目标疾病的问诊深度学习神经网络模型、目标疾病的切诊深度学习神经网络模型；

目标疾病望闻问切步骤：将目标用户的数据作为输入，通过目标疾病的望诊深度学习神经网络模型计算得到的输出作为第一输出，通过目标疾病的听诊深度学习神经网络模型计算得到的输出作为第二输出，通过目标疾病的问诊深度学习神经网络模型计算得到的输出作为第三输出，通过目标疾病的切诊深度学习神经网络模型计算得到的输出作为第四输出；将所述第一输出、所述第二输出、所述第三输出、所述第四输出作为输入，将所述用户患有目标疾病的概率作为预期输出，对深度学习神经网络模型进行训练，得到目标疾病的望闻问切深度学习神经网络模型；在使用时，将目标用户的数据作为输入，通过目标疾病的望闻问切深度学习神经网络模型的计算，得到的输出作为所述目标用户患有目标疾病的概率；若所述目标用户患有目标疾病的概率超过预设概率阈值，则所述目标用户患有目标疾病。

优选地，所述方法还包括：

疾病排查模型获取步骤：获取疾病排查望诊深度学习神经网络模型、疾病排查听诊深度学习神经网络模型、疾病排查问诊深度学习神经网络模型、疾病排查切诊深度学习神经网络模型；

疾病排查望闻问切步骤：将目标用户的数据作为输入，通过疾病排查望诊深度学习神经网络模型计算得到的输出作为第一输出，通过疾病排查听诊深度学习神经网络模型计算得到的输出作为第二输出，通过疾病排查问诊深度学习神经网络模型计算得到的输出作为第三输出，通过疾病排查切诊深度学习神经网络模型计算得到的输出作为第四输出；将所述第一输出、所述第二输出、所述第三输出、所述第四输出作为输入，将所述用户可能患有的预设数个疾病及患有所述每个疾病的概率作为预期输出，对深度学习神经网络模型进行训练，得到疾病排查望闻问切深度学习神经网络模型；在使用时，将目标用户的数据作为输入，通过疾病排查望闻问切深度学习神经网络模型的计算，得到的输出作为所述用户可能患有的预设数个疾病及患有所述每个疾病的概率。

优选地，所述方法还包括：

健康状况模型获取步骤：获取健康状况望诊深度学习神经网络模型、健康状况听诊深度学习神经网络模型、健康状况问诊深度学习神经网络模型、健康状况切诊深度学习神经网络模型；