一种基于自然语言模型和预诊断二维表的宠物疾病初筛系统和方法
摘要: 本发明涉及宠物疾病诊断领域,具体涉及一种基于自然语言模型和预诊断二维表的宠物疾病初筛系统和方法,该系统通过自适应学习和更新的方式将宠物的临床症状和医学历史信息有效整合,设计了一种基于自更新预诊断二维表的算法,并结合自然语言处理模型,以预测宠物可能的疾病风险,提高宠物疾病的早期筛查效率。该系统能够实现快速诊断判定宠物的基本情况,为宠物健康管理提供了更为可靠和便捷的解决方案,具有一定的临床意义。
权利要求:
1.一种基于自然语言模型和预诊断二维表的宠物疾病初筛系统,其特征在于,所述系统包括以下单元: 宠物基础信息单元,用于保存和更新宠物的基础信息; 宠物症状获取单元,用于理解和引导主诉症状,使用自然语言处理技术处理输入的宠物症状信息,提取症状列入主诉症状表; 疾病信息处理单元,利用权威的疾病诊断指南进行提炼梳理,建立一个包含各种疾病和相应症状的预诊断二维表,用于表征疾病和症状之间的关联,为疾病预测建立基础; 宠物疾病预测单元,结合主诉症状表和预诊断二维表,使用深度学习算法预测宠物的疾病; 模型优化单元,用于结合预测信息与宠物主的判断,对疾病初筛系统进行进一步优化。 2.根据权利要求1所述的一种基于自然语言模型和预诊断二维表的宠物疾病初筛系统,其特征在于,所述宠物基础信息单元包括有宠物-宠物基本信息表,所述宠物-宠物基本信息表中行为宠物姓名,列为宠物的基本信息。 3.根据权利要求1所述的一种基于自然语言模型和预诊断二维表的宠物疾病初筛系统,其特征在于,所述宠物症状获取单元根据宠物主人对宠物症状的描述,通过自然语言处理技术,从描述中提取症状关键词,并且引导宠物主人进行下一步描述,并使用“有、无、未知”回答,通过多轮对话,提取出所有主诉症状,并将所有主诉症状列入主诉症状表,一个症状为一列。 4.根据权利要求1所述的一种基于自然语言模型和预诊断二维表的宠物疾病初筛系统,其特征在于,所述疾病信息处理单元利用疾病诊断指南中的医学专业知识,建立一个包含各种疾病和相应症状的预诊断二维表,行为疾病,列为症状;预诊断二维表可水平扩充增加新的症状,也可以垂直扩充,增加新的疾病。 5.根据权利要求1所述的一种基于自然语言模型和预诊断二维表的宠物疾病初筛系统,其特征在于,所述宠物疾病预测单元包括: 根据疾病与症状对应的预诊断二维表进行有监督的深度学习,训练疾病命中的多分类模型,输入为症状,输出为疾病和置信度; 根据宠物基础信息单元获取到的宠物信息以及宠物症状获取单元生成的主诉症状表,输入到宠物疾病预测单元中进行疾病命中。 6.根据权利要求1所述的一种基于自然语言模型和预诊断二维表的宠物疾病初筛系统,其特征在于,所述模型优化单元结合人类反馈强化学习模型,当宠物主选中了某项疾病,认定诊断准确,则该条记录反馈到系统中成为自然语言模型的fine-tune语料和重新生成预诊断二维表权重的数据,累计一定的数据后一次性调优或重新生成。 7.根据权利要求4所述的一种基于自然语言模型和预诊断二维表的宠物疾病初筛系统,其特征在于,所述预诊断二维表中每个关联单元格可取3个值:有、无、未知: 有,同时标注某个权重值,表示该疾病应有该症状; 无,表示该疾病不具有该症状; 未知,表示该疾病可能与该症状有关也可能无关,尚不明确; 新扩展的列所有格一般都应先输入“未知”,新扩展的行则应根据疾病诊断指南里提取的内容生成。 8.根据权利要求2所述的一种基于自然语言模型和预诊断二维表的宠物疾病初筛系统,其特征在于,所述宠物的基本信息包括:年龄、身高、体重、性别、品种、到家时间、疫苗状况、绝育状况或喂养用料中的一种或多种。 9.一种基于自然语言模型和预诊断二维表的宠物疾病初筛方法,其特征在于,该方法利用权利要求1~8任意一项所述的一种基于自然语言模型和预诊断二维表的宠物疾病初筛系统,该方法的具体步骤如下: S1、收集权威诊断指南或医疗机构保存的诊断病例,逐一提取症状并映射到某个疾病,建立一个包含各种疾病和相应症状的初步的预诊断二维表,用于表征疾病和症状之间的关联; S2、选用已完成预训练的通用大模型,并使用兽医学、医学、宠物学等相关教材与资料作为补充信息进行微调,提高模型在宠物医疗诊断领域上的性能,训练出更适用于宠物医疗问诊的大模型; S3、根据疾病与症状对应的预诊断二维表进行有监督的深度学习多分类模型训练,输入为症状,输出为疾病和置信度,训练疾病命中的多分类模型; S4、部署应用,通过宠物主的描述,根据宠物基础信息单元获取到的宠物信息和宠物症状获取单元生成的主诉症状表,输入到宠物疾病预测单元中进行疾病命中,其中,疾病命中规则为: 主诉“无”的症状对应该疾病在预诊断二维表上的症状“有”,即判定为未命中; 主诉“有”的症状对应输出疾病症状的“有”,视为完全命中; 主诉“有”的症状对应输出疾病症状的“未知”,视为普通命中; 主诉“有”的症状对应输出疾病症状的“无”,视为多重命中; S5、结合宠物疾病预测单元的预测结果以及宠物主对结果是否准确的判断,将判断为准确的信息反馈到系统中,成为大模型的微调语料和重新生成预诊断二维表权重的数据。 10.根据权利要求9所述的一种基于自然语言模型和预诊断二维表的宠物疾病初筛方法,其特征在于,对于步骤S3中疾病命中的多分类模型的训练,需要同时注重命中方式和症状出现频次的权重,即某样宠物疾病所有病例M例,共涉及症状N个,症状1出现的频次为N1次,症状2出现的频次为N2次,……以此类推,那么症状j的出现频次fj计算方法为: fj=Nj/N 在疾病中,任何病症都享有相同重要的地位,所以对于出现频次低的症状应该提高训练权重,防止模型学习不充分;因此,设计模型训练的交叉熵损失为:其中wj为设计的权重;为得第j种疾病的概率;C为疾病的总数,即: wj=fj+(1-fj)yj 其中yj为Ground-truth,即其中,yj=1代表完全命中、yj=0.5代表普通命中/多重命中、yj=0代表未命中的情况; 则当某种病症出现频次较低时,即当fj→0时,损失退化为多分类交叉熵损失:当某种病症出现频次较高时,即当fj→1时,损失相当于Sigmoid Cross-Entropy:即当某种病症出现频次较低,则忽略其负样本所带来的梯度损失;当某种病症出现频次较高,正样本和负样本的梯度损失均考虑,来提升模型对于低频次病症的学习程度。
相关知识
自然语言处理中的预训练模型效果评估
基于数据共享的宠物医疗智能诊断方法、系统及存储介质.pdf
基于数据共享的宠物医疗智能诊断方法、系统及存储介质
用于评估宠物放射学图像的系统和方法与流程
兽医诊所人工智能在宠物疾病预测和预防中的应用研究
一种对宠物疾病进行人工智能问诊的系统及方法与流程
基于深度学习的宠物照片拍摄指导微信小程序
ChatGPT对宠物的诊断: 使用指南和常见问题解答
探索AI大模型在智能家居宠物训练的应用
用于运动系统状况的微生物组来源的诊断和治疗的方法及专利
原文链接: 一种基于自然语言模型和预诊断二维表的宠物疾病初筛系统和方法 https://m.mcbbbk.com/newsview714814.html
| 上一篇: 狗狗敏感肌 四步养成健康好皮肤 | 下一篇: 狗呕吐症状的自我诊断 |



