本發(fā)明涉及智能診斷，具體為一種用于神經(jīng)系統(tǒng)疾病的人工智能診斷系統(tǒng)及方法。

背景技術(shù)：

1、神經(jīng)系統(tǒng)疾病因其病因繁雜、癥狀多樣、診斷艱難，始終是臨床醫(yī)學(xué)面臨的重大挑戰(zhàn)。傳統(tǒng)診斷神經(jīng)系統(tǒng)疾病的手段，往往依賴醫(yī)生臨床經(jīng)驗(yàn)、各類影像學(xué)檢查及實(shí)驗(yàn)室檢測(cè)。然而，這些方法存在諸多弊端，如主觀性強(qiáng)、檢測(cè)周期長(zhǎng)、成本高昂等。以常見(jiàn)的神經(jīng)系統(tǒng)退行性疾病帕金森病為例，傳統(tǒng)診斷主要依靠醫(yī)生的臨床經(jīng)驗(yàn)和觀察，主觀性難以避免，且具有局限性，無(wú)法實(shí)現(xiàn)早期準(zhǔn)確診斷，這對(duì)及時(shí)開(kāi)展治療、提升患者生活質(zhì)量極為不利。

2、隨著醫(yī)療技術(shù)的不斷進(jìn)步和人工智能的迅速發(fā)展，利用大數(shù)據(jù)和智能算法來(lái)輔助診斷神經(jīng)系統(tǒng)疾病成為可能。然而，現(xiàn)有的診斷系統(tǒng)在數(shù)據(jù)的廣泛性和綜合性方面存在不足，難以充分整合來(lái)自不同醫(yī)療機(jī)構(gòu)的大量患者數(shù)據(jù)，導(dǎo)致診斷結(jié)果的準(zhǔn)確性和可靠性有待提高；同時(shí)，對(duì)于目標(biāo)患者病情程度的判定缺乏明確、精細(xì)的標(biāo)準(zhǔn)和方法，難以滿足臨床對(duì)于準(zhǔn)確分級(jí)診斷的需求，這可能影響后續(xù)治療方案的制定和實(shí)施效果。

3、因此，迫切需要一種更為高效、準(zhǔn)確且客觀的診斷方式，以應(yīng)對(duì)神經(jīng)系統(tǒng)疾病診斷的難題。

技術(shù)實(shí)現(xiàn)思路

1、針對(duì)現(xiàn)有技術(shù)的不足，本發(fā)明提供了一種用于神經(jīng)系統(tǒng)疾病的人工智能診斷系統(tǒng)及方法，解決了背景技術(shù)中所提出的問(wèn)題。

2、為實(shí)現(xiàn)以上目的，本發(fā)明通過(guò)以下技術(shù)方案予以實(shí)現(xiàn)：一種用于神經(jīng)系統(tǒng)疾病的人工智能診斷系統(tǒng)，包括：

3、數(shù)據(jù)采集單元，用于收集目標(biāo)患者的多種相關(guān)特征數(shù)據(jù)；

4、特征提取單元，用于從多種相關(guān)特征數(shù)據(jù)中提取多個(gè)指定的特征向量對(duì)應(yīng)的量化值；

5、特征信息庫(kù)，用于存儲(chǔ)健康人員和確診患者分別對(duì)應(yīng)的多個(gè)指定的特征向量；

6、數(shù)據(jù)分析單元，用于依據(jù)特征提取單元提取的結(jié)果，并結(jié)合特征信息庫(kù)中健康人員對(duì)應(yīng)的多個(gè)指定的特征向量，對(duì)目標(biāo)患者進(jìn)行診斷分析，并獲得目標(biāo)患者對(duì)應(yīng)的診斷分析值；

7、診斷分析單元，用于將目標(biāo)患者對(duì)應(yīng)的診斷分析值與預(yù)設(shè)的判定閾值集進(jìn)行比較，并依據(jù)比較結(jié)果判定目標(biāo)患者是否患有神經(jīng)系統(tǒng)疾病：

8、結(jié)果展示單元，用于將診斷分析單元的比較結(jié)果展示給相關(guān)人員。

9、優(yōu)選的，特征信息庫(kù)中的存儲(chǔ)結(jié)果為通過(guò)數(shù)據(jù)采集單元收集來(lái)自多家醫(yī)療機(jī)構(gòu)的健康人員和確診患者的多種相關(guān)特征數(shù)據(jù)，并依據(jù)特征提取單元從多種相關(guān)特征數(shù)據(jù)中提取多個(gè)指定的特征向量。

10、優(yōu)選的，對(duì)目標(biāo)患者進(jìn)行診斷分析方式如下：

11、stepx1、選定一種特征向量；

12、從目標(biāo)患者對(duì)應(yīng)的該特征向量中，獲取n個(gè)對(duì)應(yīng)的量化值，并將其標(biāo)記為li，i＝1、2、……n；

13、從特征信息庫(kù)內(nèi)該特征向量對(duì)應(yīng)的健康人員中，獲取n個(gè)對(duì)應(yīng)的量化值，并將其標(biāo)記為ki，i＝1、2、……n；

14、stepx2、通過(guò)計(jì)算出目標(biāo)患者對(duì)應(yīng)該特征向量的特征得分值d；

15、stepx3、通過(guò)stepx1到stepx2的方式，計(jì)算出各個(gè)特征向量的特征得分值，并將各個(gè)特征向量的特征得分值標(biāo)記為dj，j＝1、2、……m，m表示所有特征向量的數(shù)量；

16、stepx4、通過(guò)計(jì)算出目標(biāo)患者的診斷分析值g；

17、式中，αj為以對(duì)應(yīng)dj預(yù)設(shè)的權(quán)重系數(shù)，λ為偏置項(xiàng)。

18、優(yōu)選的，診斷分析單元的比較方式如下：

19、其中，預(yù)設(shè)的判定閾值集為g0∈[g1min,g2min,g3min]；

20、若g＜g1min，則判定該目標(biāo)患者沒(méi)有對(duì)應(yīng)的神經(jīng)系統(tǒng)疾??；

21、若g1min≤g＜g2min，則判定該目標(biāo)患者為對(duì)應(yīng)神經(jīng)系統(tǒng)疾病的輕度患者；

22、若g2min≤g＜g3min，則判定該目標(biāo)患者為對(duì)應(yīng)神經(jīng)系統(tǒng)疾病的中度患者；

23、若g≥g3min，則判定該目標(biāo)患者為對(duì)應(yīng)神經(jīng)系統(tǒng)疾病的嚴(yán)重患者。

24、優(yōu)選的，所述數(shù)據(jù)分析單元還用于依據(jù)對(duì)目標(biāo)患者進(jìn)行診斷分析的方式，對(duì)特征信息庫(kù)中的所有確診患者進(jìn)行診斷分析，并獲得所有確診患者分別對(duì)應(yīng)的診斷分析值；

25、該系統(tǒng)還包括：

26、數(shù)據(jù)處理單元，用于對(duì)所有確診患者分別對(duì)應(yīng)的診斷分析值進(jìn)行綜合整理，并得到判定閾值集。

27、優(yōu)選的，綜合整理方式如下：

28、stepy1、首先依據(jù)確診患者的患病程度，將確診患者分為輕度患者、中度患者、嚴(yán)重患者；

29、stepy2、選定所有中度患者為例，將所有確診患者分別對(duì)應(yīng)的診斷分析值標(biāo)記為gt，t＝1、2、……e，e表示所有確診患者的數(shù)量；

30、stepy3、根據(jù)公式計(jì)算得到gt對(duì)應(yīng)的標(biāo)準(zhǔn)差值b；

31、stepy4、隨之將標(biāo)準(zhǔn)差值b與預(yù)設(shè)的標(biāo)準(zhǔn)差閾值by進(jìn)行比較：

32、當(dāng)b＞by時(shí)，則按照|gt-gp|從大到小的順序依次刪除對(duì)應(yīng)的gt值，直至b≤by成立；

33、其中，gp為m個(gè)tyj的平均值，且被刪除的tyj值不參與后續(xù)gp的計(jì)算；

34、stepy5、在b≤by時(shí)，從參與計(jì)算對(duì)應(yīng)b值的所有g(shù)t中選定一個(gè)值最大的和值最小的一個(gè)診斷分析值，并將其組成中度患者對(duì)應(yīng)的診斷判定區(qū)間；

35、stepy6、按照stepy2到stepy5的方式，計(jì)算得到輕度患者對(duì)應(yīng)的診斷判定區(qū)間，以及嚴(yán)重患者對(duì)應(yīng)的診斷判定區(qū)間；

36、stepy7、隨之從輕度患者、中度患者和嚴(yán)重患者分別對(duì)應(yīng)的診斷判定區(qū)間中獲取其對(duì)應(yīng)的最小值；

37、然后將組成判定閾值集g0∈[g1min,g2min,g3min]；

38、其中，

39、g1min為輕度患者對(duì)應(yīng)診斷判定區(qū)間的最小值；

40、g2min為中度患者對(duì)應(yīng)診斷判定區(qū)間的最小值；

41、g3min為嚴(yán)重患者對(duì)應(yīng)診斷判定區(qū)間的最小值。

42、優(yōu)選的，多種相關(guān)特征數(shù)據(jù)包含運(yùn)動(dòng)特征數(shù)據(jù)、語(yǔ)音特征數(shù)據(jù)、面部表情特征數(shù)據(jù)以及神經(jīng)影像學(xué)特征數(shù)據(jù)；

43、其中，

44、運(yùn)動(dòng)特征數(shù)據(jù)為通過(guò)可穿戴設(shè)備或?qū)ｉT的運(yùn)動(dòng)監(jiān)測(cè)儀器獲取目標(biāo)患者的步態(tài)信息、手部動(dòng)作信息；

45、語(yǔ)音特征數(shù)據(jù)為通過(guò)麥克風(fēng)或語(yǔ)音采集設(shè)備，記錄目標(biāo)患者的講話內(nèi)容；

46、面部表情特征數(shù)據(jù)為通過(guò)攝像頭或面部識(shí)別技術(shù)，捕捉目標(biāo)患者面部表情的變化；

47、神經(jīng)影像學(xué)特征數(shù)據(jù)為借助磁共振成像(mri)、正電子發(fā)射斷層掃描(pet)醫(yī)療成像設(shè)備，獲取目標(biāo)患者大腦的結(jié)構(gòu)和功能信息；

48、優(yōu)選的，多個(gè)指定的特征向量如下：

49、對(duì)于運(yùn)動(dòng)數(shù)據(jù)，從步態(tài)信息中提取行走的步速、步幅的相關(guān)特征；以及從手部動(dòng)作信息中提取手部動(dòng)作的幅度、頻率和協(xié)調(diào)性對(duì)應(yīng)的量化值；

50、對(duì)于語(yǔ)音數(shù)據(jù)，通過(guò)語(yǔ)音處理算法從講話內(nèi)容中提取的基頻、語(yǔ)速、語(yǔ)調(diào)、語(yǔ)音清晰度和流暢性對(duì)應(yīng)的量化值；

51、對(duì)于面部表情數(shù)據(jù)，通過(guò)圖像處理技術(shù)提取對(duì)應(yīng)表情的出現(xiàn)頻率、持續(xù)時(shí)間、幅度對(duì)應(yīng)的量化值；

52、對(duì)于神經(jīng)影像學(xué)數(shù)據(jù)，利用圖像分析算法計(jì)算提取特定腦區(qū)的體積、代謝率對(duì)應(yīng)的量化值。

53、一種用于神經(jīng)系統(tǒng)疾病的人工智能診斷方法，該方法所述的一種用于神經(jīng)系統(tǒng)疾病的人工智能診斷系統(tǒng)實(shí)現(xiàn)，該方法包括以下步驟：

54、步驟一：數(shù)據(jù)采集

55、收集目標(biāo)患者的多種相關(guān)特征數(shù)據(jù)；

56、步驟二：特征提取

57、從多種相關(guān)特征數(shù)據(jù)中提取多個(gè)指定的特征向量對(duì)應(yīng)的量化值；

58、步驟三：構(gòu)建特征信息庫(kù)

59、存儲(chǔ)健康人員和確診患者分別對(duì)應(yīng)的多個(gè)指定的特征向量，其存儲(chǔ)結(jié)果通過(guò)收集來(lái)自多家醫(yī)療機(jī)構(gòu)的健康人員和確診患者的多種相關(guān)特征數(shù)據(jù)，并依據(jù)特征提取步驟從多種相關(guān)特征數(shù)據(jù)中提取多個(gè)指定的特征向量；

60、步驟四：數(shù)據(jù)分析

61、依據(jù)特征提取的結(jié)果，并結(jié)合特征信息庫(kù)中健康人員對(duì)應(yīng)的多個(gè)指定的特征向量，對(duì)目標(biāo)患者進(jìn)行診斷分析，獲得目標(biāo)患者對(duì)應(yīng)的診斷分析值；

62、步驟五：數(shù)據(jù)處理

63、依據(jù)對(duì)目標(biāo)患者進(jìn)行診斷分析的方式，對(duì)特征信息庫(kù)中的所有確診患者進(jìn)行診斷分析，并獲得所有確診患者分別對(duì)應(yīng)的診斷分析值；然后對(duì)所有確診患者分別對(duì)應(yīng)的診斷分析值進(jìn)行綜合整理，得到判定閾值集；

64、步驟六：診斷分析

65、將目標(biāo)患者對(duì)應(yīng)的診斷分析值與預(yù)設(shè)的判定閾值集進(jìn)行比較，并依據(jù)比較結(jié)果判定目標(biāo)患者是否患有神經(jīng)系統(tǒng)疾病；

66、步驟七：結(jié)果展示

67、將診斷分析的比較結(jié)果展示給相關(guān)人員。

68、有益效果

69、本發(fā)明提供了一種用于神經(jīng)系統(tǒng)疾病的人工智能診斷系統(tǒng)及方法。與現(xiàn)有技術(shù)相比具備以下有益效果：

70、精準(zhǔn)診斷：通過(guò)多維度的數(shù)據(jù)采集和特征提取，能夠全面獲取目標(biāo)患者的相關(guān)特征信息，結(jié)合健康人員和確診患者的特征向量進(jìn)行分析，提高了診斷的準(zhǔn)確性和可靠性。

71、個(gè)性化評(píng)估：為每個(gè)目標(biāo)患者計(jì)算獨(dú)特的診斷分析值，能夠根據(jù)個(gè)體差異進(jìn)行精準(zhǔn)的病情評(píng)估，避免了一刀切的診斷方式。

72、明確病情分級(jí)：通過(guò)預(yù)設(shè)的判定閾值集，能夠清晰地將患者區(qū)分為輕度、中度和嚴(yán)重患者，為后續(xù)的治療和護(hù)理提供了明確的指導(dǎo)方向。

73、數(shù)據(jù)豐富可靠：特征信息庫(kù)中的數(shù)據(jù)來(lái)源于多家醫(yī)療機(jī)構(gòu)，增加了數(shù)據(jù)的多樣性和代表性，使得診斷結(jié)果更具普適性和權(quán)威性。

74、優(yōu)化閾值判定：通過(guò)對(duì)確診患者診斷分析值的綜合整理，動(dòng)態(tài)優(yōu)化判定閾值集，使其更符合實(shí)際的臨床情況，進(jìn)一步提高診斷的準(zhǔn)確性。

75、結(jié)果直觀展示：結(jié)果展示單元能夠?qū)⒃\斷結(jié)果及時(shí)、清晰地展示給相關(guān)人員，方便醫(yī)療團(tuán)隊(duì)快速做出決策和制定治療方案。

76、提升醫(yī)療效率：利用人工智能技術(shù)進(jìn)行快速診斷分析，節(jié)省了診斷時(shí)間，有助于提高醫(yī)療資源的利用效率。

77、促進(jìn)醫(yī)療進(jìn)步：為神經(jīng)系統(tǒng)疾病的診斷提供了新的技術(shù)手段和方法，有助于推動(dòng)醫(yī)療領(lǐng)域在該疾病診斷方面的發(fā)展和創(chuàng)新。