一种基于深度学习的系统升级用医助AI

技术领域

本发明涉及医助AI升级技术领域，具体为一种基于深度学习的系统升级用医助AI。

背景技术

医助就是医生助理，相当于主治医生的秘书。做好医生与其他相关科室的桥梁沟通工作，保持与其他科室的信息通畅，以更好掌握病人相关信息，行业要求从事对象必须有相关的医疗护理常识，以护理为辅的实习医生的首选，随着科技发展，为能更好的行使医助的职责，越来越多的医院开始采用医助AI来进行这项工作，协助医师完成日常的诊疗任务，但是，现有的医助AI在进行使用时，大多需要专业人员对其进行更新，医院长时间使用，系统难以得到较为稳定的更新，新功能难以及时补充，导致医助AI整体水平落后，使用效果不佳，实用性不强。

发明内容

(一)解决的技术问题

针对现有技术的不足，本发明提供了一种基于深度学习的系统升级用医助AI，解决了现有的医助AI在日常使用的过程中，需要专业人员对其进行更新，医院长时间使用，系统难以得到较为稳定的更新，新功能难以及时补充，导致医助AI整体水平落后，使用效果不佳，实用性不强的问题。

(二)技术方案

为实现以上目的，本发明通过以下技术方案予以实现：一种基于深度学习的系统升级用医助AI，包括下位机，所述下位机连接有数据采集模块，所述数据采集模块连接有预处理模块，所述预处理模块连接有数据传输模块；

所述数据传输模块连接有上位机，所述上位机连接有数据库模块、训练模块和工作模块。

优选的，所述下位机包括医疗数据系统，所述医疗数据系统连接有HIS系统、就诊预约系统、PACS系统、LIS系统和RIS系统。

优选的，所述数据采集模块包括实体采集模块和虚拟采集模块，所述实体采集模块连接有图像文字扫描设备和音视频播放设备，所述虚拟采集模块连接有入库数据调取模块和未入库数据调取模块。

优选的，所述预处理模块包括数值数据处理模块和图像数据处理模块，所述数值数据处理模块连接有目标确认模块、分布检测模块和处理提取模块，所述图像数据处理模块连接有图像切割模块和目标整合模块。

优选的，所述数据传输模块包括数据传输组件，所述数据传输组件连接有蓝牙传输模块和无线网络传输模块。

优选的，所述数据库模块包括目录模块，所述目录模块连接有患者管理模块、物资管理模块、工作管理模块和流程管理模块。

优选的，所述训练模块连接有预训练模块和深度学习模块，所述预训练模块连接有共性学习模块和特性学习模块，所述深度学习模块连接有验证构建模块、拟合调节模块和参数调节模块。

优选的，所述工作模块包括医师助理模块，所述医师助理模块连接有预诊疗模块、检查开具模块、导引模块、患者调度模块和汇报交流模块。

优选的，具体包括以下使用步骤：

S1.升级数据获取

对于网络开源数据，通过该AI模型的下位机遍历网络数据，对网络上各医院开源的医疗数据系统内的数据进行获取采集，主要对系统内的HIS系统数据、就诊预约系统数据、PACS系统数据、LIS系统数据和RIS系统数据进行获取，将获取的数据储存到数据采集模块中，对于院内数据，通过数据采集模块进行处理，通过实体采集模块对院内的医疗实体如纸张、胶片、磁带、CD进行采集，通过图像文字扫描设备和音视频播放设备将实体转换为数据形式进行储存，通过虚拟采集模块对院内的虚拟数据进行获取采集，通过入库数据调取模块对院内数据库的医疗数据进行获取，通过未入库数据调取模块遍历医院内网，获取具有价值的医疗数据；

S2.数据脱敏

通过MySQL软件，将采集的数据进行输入，对于采集的患者敏感信息，采用无效化方案进行处理，通过对字段数据采用特殊字符代替真值，实现脱敏处理后续如需使用完整信息，需相关患者授权查询；

S3.升级数据处理

将采集到的数据输入到预处理模块中，通过预处理模块将采集的数据区分为数值数据和图像数据，将数值数据输入到数值数据处理模块，将图像数据输入到图像数据处理模块，对于数值数据，通过目标确认模块确定符合需求的数据，明确数据分析的目标，检查数据是否有缺失的情况，判断数据是否在合理正常的范围内及数据前后的逻辑关系是否正确和完整，通过分布检测模块确认数据的分布状况，包括数据的样本数，变量数，并且确定个变量的均值、中位数、众数、缺失数，通过处理提取模块将复合需求的数据进行提取，提取不合理数据，对于图像数据，通过图像切割模块根据不同的需求目标对图像进行切割，保证每一张图像具有一个需求的特征点，将每个特征点作为焦点建立清晰的图像，通过目标整合模块将多焦点图像进行拟合；

S4.数据传输

将下位机和上位机通过数据传输模块进行连接，数据传输模块主要依托于数据传输组件实现该功能，数据传输组件设置有蓝牙传输模块和无线网络传输模块，支持使用者通过蓝牙或无线WIFI网络进行连接，连接完成后，将通过预处理模块处理后的数据输送到上位机中；

S5.数据库构建

通过数据库软件将采集的数据导入到数据库模块中，通过目录模块对不同的数据相互进行匹配，将既往病史和当前情况信息输入到患者管理模块，将院内物资信息、药品信息输入到物资管理模块，将医嘱信息、出入院信息和手术信息输入到工作管理模块，将门诊时间序列信息、各科室检查序列信息和标本检查序列信息输入到流程管理模块，并在目录模块针对不同的信息建立对应的触发器；

S6.模型训练升级

将原有的医助AI系统导入到训练模块内，首先通过预训练模块确定系统升级所需要的内容，通过共性学习模块检查现有的系统内同其他开源系统共性部分是否有差异，对于差异部分通过深度学习模块，通过触发器调用相对应数据库模块的现有相关数据并分为两组，通过验证构建模块建立训练集和验证集，通过拟合调节模块定义损失函数和优化器，对现有进行差异补充训练，训练完成后，通过参数调节模块检查训练结果误差，对系统对应参数进行调整，对于现有的系统同其他开源系统的特性部分，通过Python建立一个全连接神经网络，将全连接神经网络设定为输入层、隐藏层和输出层三个分层，将特性差异部分信息作为神经元设置到输入层中，并在隐藏层设置对应数量的组合神经元，将差异信息及对应的编号赋值组合进行对应，通过触发器调用相对应数据库模块的现有相关数据并分为两组，通过验证构建模块建立训练集和验证集，通过拟合调节模块定义损失函数和优化器，对现有进行差异补充训练，训练完成后，通过参数调节模块检查训练结果误差，对构建的模型对应参数进行调整，调整后将新构建的模型整合到现有系统内；

S7.日常使用

日常进行使用该系统时，可定期使系统重复S1到S5的过程进行日常的升级更新，更新完成后，可将更新的系统导入到医院的医助设备中，通过工作模块的医师助理模块完成系统的日常工作，通过预诊疗模块初步了解患者的病情，通过检查开具模块为患者进行基本检查的设置，通过导引模块规划各项检查时间，通过患者调度模块提示重症急诊患者优先就诊，通过汇报交流模块同医师进行日常人机交互，实现各项使用功能。

(三)有益效果

本发明提供了一种基于深度学习的系统升级用医助AI。具备以下有益效果：

1、本发明提供了一种基于深度学习的系统升级用医助AI，相较于现有的医助AI，该医助AI通过在其内部设置有数据采集模块和训练模块，使该系统在日常的使用过程中，可对网络上开源的医助系统进行遍历检索，通过训练模块对比得出原有的医助AI同现行的其他系统之间所存在的差异，并获取对应数据，建立数据库，对于共性差异点进行补充，对于特性差异点进行模型构建补充，减小现有的医助AI系统差异性，提升其功能性，使其可以保证一个较为良好的升级更新频率，提升该系统的适用范围，增强该系统整体的实用性。

附图说明

图1为本发明的系统流程示意图；

图2为本发明的下位机的流程示意图；

图3为本发明的数据采集模块的流程示意图；

图4为本发明的预处理模块的流程示意图；

图5为本发明的数据传输模块的流程示意图；

图6为本发明的数据库模块的流程示意图；

图7为本发明的训练模块的流程示意图；

图8为本发明的工作模块的流程示意图。

其中，1、下位机；2、数据采集模块；3、预处理模块；4、数据传输模块；5、上位机；6、数据库模块；7、训练模块；8、工作模块；101、医疗数据系统；102、HIS系统；103、就诊预约系统；104、PACS系统；105、LIS系统；106、RIS系统；201、实体采集模块；202、图像文字扫描设备；203、音视频播放设备；204、虚拟采集模块；205、入库数据调取模块；206、未入库数据调取模块；301、数值数据处理模块；302、目标确认模块；303、分布检测模块；304、处理提取模块；305、图像数据处理模块；306、图像切割模块；307、目标整合模块；401、数据传输组件；402、蓝牙传输模块；403、无线网络传输模块；601、目录模块；602、患者管理模块；603、物资管理模块；604、工作管理模块；605、流程管理模块；701、预训练模块；702、共性学习模块；703、特性学习模块；704、深度学习模块；705、验证构建模块；706、拟合调节模块；707、参数调节模块；801、医师助理模块；802、预诊疗模块；803、检查开具模块；804、导引模块；805、患者调度模块；806、汇报交流模块。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

实施例：

如图1-8所示，本发明实施例提供一种基于深度学习的系统升级用医助AI，包括下位机1，下位机1可实现对初始数据获取的功能，下位机1连接有数据采集模块2，便于对系统升级所需要的各项数据进行日常采集，数据采集模块2连接有预处理模块3，便于对采集的数据进行预处理，便于后续进行进一步使用，预处理模块3连接有数据传输模块4，有利于实现数据在系统内进行传输的功能；

数据传输模块4连接有上位机5，上位机5连接有数据库模块6、训练模块7和工作模块8，有利于实现该系统各项不同的使用功能。

下位机1包括医疗数据系统101，医疗数据系统101连接有HIS系统102、就诊预约系统103、PACS系统104、LIS系统105和RIS系统106，有利于对现有的各开源系统数据进行获取，便于查找出不同点，便于为后续进行升级提供基础，数据采集模块2包括实体采集模块201和虚拟采集模块204，实体采集模块201连接有图像文字扫描设备202和音视频播放设备203，虚拟采集模块204连接有入库数据调取模块205和未入库数据调取模块206，便于该系统对各项不同的数据分类进行采集，提升数据采集的效率和针对性，预处理模块3包括数值数据处理模块301和图像数据处理模块305，数值数据处理模块301连接有目标确认模块302、分布检测模块303和处理提取模块304，图像数据处理模块305连接有图像切割模块306和目标整合模块307，便于对采集到的数据进行各项处理，提升数据的精度。

数据传输模块4包括数据传输组件401，数据传输组件401连接有蓝牙传输模块402和无线网络传输模块403，有利于实现系统内数据传输的功能，数据库模块6包括目录模块601，目录模块601连接有患者管理模块602、物资管理模块603、工作管理模块604和流程管理模块605，便于对新建立的数据库内的各项数据进行分类管理，百年与后续进行调用，训练模块7连接有预训练模块701和深度学习模块704，预训练模块701连接有共性学习模块702和特性学习模块703，深度学习模块704连接有验证构建模块705、拟合调节模块706和参数调节模块707，有利于实现该系统基本的训练升级功能，工作模块8包括医师助理模块801，医师助理模块801连接有预诊疗模块802、检查开具模块803、导引模块804、患者调度模块805和汇报交流模块806，便于实现该系统日常工作中的使用功能。

具体包括以下使用步骤：

S1.升级数据获取

对于网络开源数据，通过该AI模型的下位机1遍历网络数据，对网络上各医院开源的医疗数据系统101内的数据进行获取采集，主要对系统内的HIS系统102数据、就诊预约系统103数据、PACS系统104数据、LIS系统105数据和RIS系统106数据进行获取，将获取的数据储存到数据采集模块2中，对于院内数据，通过数据采集模块2进行处理，通过实体采集模块201对院内的医疗实体如纸张、胶片、磁带、CD进行采集，通过图像文字扫描设备202和音视频播放设备203将实体转换为数据形式进行储存，通过虚拟采集模块204对院内的虚拟数据进行获取采集，通过入库数据调取模块205对院内数据库的医疗数据进行获取，通过未入库数据调取模块206遍历医院内网，获取具有价值的医疗数据，便于提升该系统升级训练时数据的全面性，提升该系统的升级效果；

S2.数据脱敏

通过MySQL软件，将采集的数据进行输入，对于采集的患者敏感信息，采用无效化方案进行处理，通过对字段数据采用特殊字符代替真值，实现脱敏处理后续如需使用完整信息，需相关患者授权查询；

S3.升级数据处理

将采集到的数据输入到预处理模块3中，通过预处理模块3将采集的数据区分为数值数据和图像数据，将数值数据输入到数值数据处理模块301，将图像数据输入到图像数据处理模块305，对于数值数据，通过目标确认模块302确定符合需求的数据，明确数据分析的目标，检查数据是否有缺失的情况，判断数据是否在合理正常的范围内及数据前后的逻辑关系是否正确和完整，通过分布检测模块303确认数据的分布状况，包括数据的样本数，变量数，并且确定个变量的均值、中位数、众数、缺失数，通过处理提取模块304将复合需求的数据进行提取，提取不合理数据，对于图像数据，通过图像切割模块306根据不同的需求目标对图像进行切割，保证每一张图像具有一个需求的特征点，将每个特征点作为焦点建立清晰的图像，通过目标整合模块307将多焦点图像进行拟合，便于对数据进行分类处理整合，提升数据的有效性和精度；

S4.数据传输

将下位机1和上位机5通过数据传输模块4进行连接，数据传输模块4主要依托于数据传输组件401实现该功能，数据传输组件401设置有蓝牙传输模块402和无线网络传输模块403，支持使用者通过蓝牙或无线WIFI网络进行连接，连接完成后，将通过预处理模块3处理后的数据输送到上位机5中，通过上位机5和下位机1的组合使用，有利于提升系统整体的算力，加快升级速度；

S5.数据库构建

通过数据库软件将采集的数据导入到数据库模块6中，通过目录模块601对不同的数据相互进行匹配，将既往病史和当前情况信息输入到患者管理模块602，将院内物资信息、药品信息输入到物资管理模块603，将医嘱信息、出入院信息和手术信息输入到工作管理模块604，将门诊时间序列信息、各科室检查序列信息和标本检查序列信息输入到流程管理模块605，并在目录模块601针对不同的信息建立对应的触发器，便于使用者后续训练时准确调用相关数据；

S6.模型训练升级

将原有的医助AI系统导入到训练模块内，首先通过预训练模块701确定系统升级所需要的内容，通过共性学习模块702检查现有的系统内同其他开源系统共性部分是否有差异，对于差异部分通过深度学习模块704，通过触发器调用相对应数据库模块6的现有相关数据并分为两组，通过验证构建模块705建立训练集和验证集，通过拟合调节模块706定义损失函数和优化器，对现有进行差异补充训练，训练完成后，通过参数调节模块707检查训练结果误差，对系统对应参数进行调整，有利于对系统现有的功能进行进一步完善提升，对于现有的系统同其他开源系统的特性部分，通过Python建立一个全连接神经网络，将全连接神经网络设定为输入层、隐藏层和输出层三个分层，将特性差异部分信息作为神经元设置到输入层中，并在隐藏层设置对应数量的组合神经元，将差异信息及对应的编号赋值组合进行对应，通过触发器调用相对应数据库模块6的现有相关数据并分为两组，通过验证构建模块705建立训练集和验证集，通过拟合调节模块706定义损失函数和优化器，对现有进行差异补充训练，训练完成后，通过参数调节模块707检查训练结果误差，对构建的模型对应参数进行调整，调整后将新构建的模型整合到现有系统内，有利于对该系统的新功能进行补充升级；

S7.日常使用

日常进行使用该系统时，可定期使系统重复S1到S5的过程进行日常的升级更新，更新完成后，可将更新的系统导入到医院的医助设备中，通过工作模块8的医师助理模块801完成系统的日常工作，通过预诊疗模块802初步了解患者的病情，便于医师后续进行进一步诊疗，通过检查开具模块803为患者进行基本检查的设置，有利于减少医师开具检查的负担，通过导引模块804规划各项检查时间，有利于提升患者的就医体验，通过患者调度模块805提示重症急诊患者优先就诊，有利于避免延误患者的最佳就医时间，通过汇报交流模块806同医师进行日常人机交互，实现各项使用功能，便于使用者进行使用。

尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。