一种智能辅助诊断决策方法、系统及存储介质

本申请属于辅助诊断，尤其涉及一种可解释性智能辅助诊断决策方法、系统及存储介质。背景技术：1、随着科技进步与发展，越来越多辅助型模型应用到了辅助医疗诊断领域当中，尤其是对于基层医院中临床经验不足的医生，往往需要智能辅助诊断模型生成预测的诊断结果与医生给出的实际诊断结果相互印证，但在现有的机器学习模型往往是黑盒模型，无法提供模型输出结果的解释依据，不能呈现诊断特征与诊断结果之间的关系，从而无法确保最终医生诊断的准确性。2、鉴于此，本申请提出一种可解释性智能辅助诊断决策方法，通过患者个人基本情况和检测报告等相关信息，基于构建的可解释性智能辅助诊断模型方法为医生提供预测的诊断结果以作为辅助决策支持，确保医生最终诊断的准确性。技术实现思路1、本申请实施例提供了一种智能辅助诊断决策方法、系统及存储介质。2、第一方面，本申请实施例提供一种智能辅助诊断决策方法，所述方法应用于智能辅助诊断决策模型中，将病历数据输入至所述智能辅助诊断决策模型中获得诊断结果和解释依据，所述智能辅助诊断决策模型生成步骤包括：3、构建混合特征选择模型，根据获取得到的原始样本数据输入至所述混合特征选择模型中进行特征提取，得到最优特征子集；4、根据最优特征子集下原始样本数据所对应的特征和特征值，确定所述原始样本数据的分类节点，生成分类与回归树模型；5、根据融合算法将所述原始样本数据输入所述分类与回归树模型中得到的预测结果进行融合，生成智能辅助诊断决策模型。6、第二方面，本申请实施例提供一种智能辅助诊断决策系统，包括：7、混合特征选择模块，用于构建混合特征选择模型，根据获取得到的原始样本数据输入至所述混合特征选择模型中进行特征提取，得到最优特征子集；8、分类与回归树模型模块，用于根据所述最优特征子集中各个特征对应的特征值和所述原始样本数据中各个特征对应的特征值，确定所述原始样本数据的分类节点，生成分类与回归树模型；9、智能辅助诊断决策模型模块，用于根据融合算法将所述原始样本数据输入所述分类与回归树模型中得到的预测结果进行融合，生成智能辅助诊断决策模型。10、第三方面，本申请实施例提供了一种终端设备，包括：存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上所述的方法。11、第四方面，本申请实施例提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如上所述的方法。12、本申请通过混合特征选择模型筛选出模型性能最佳时的最优特征子集，再根据最优特征子集确定原始样本数据的分类节点生成分类与回归树模型，最后通过融合算法将原始样本数据输入分类与回归树模型中得到的预测结果进行融合生成智能辅助诊断决策模型，通过最终的智能辅助诊断决策模型得到预测诊断结果和解释依据，生成具有可解释性的精度较高的诊断结果，有利于呈现出诊断特征与诊断结果之间的关系，从而确保最终医生诊断的准确性。技术特征：1.一种智能辅助诊断决策方法，其特征在于，所述方法应用于智能辅助诊断决策模型中，将病历数据输入至所述智能辅助诊断决策模型中获得诊断结果和解释依据，所述智能辅助诊断决策模型生成步骤包括：2.根据权利要求1所述方法，其特征在于，所述构建混合特征选择模型，根据获取得到的原始样本数据输入至所述混合特征选择模型中进行特征提取，得到最优特征子集，包括：3.根据权利要求2所述方法，其特征在于，所述根据所述次优特征子集和预设分类与回归树模型，得到最优特征子集，包括：4.根据权利要求1所述方法，其特征在于，所述根据最优特征子集下原始样本数据所对应的特征和特征值，确定所述原始样本数据的分类节点，生成分类与回归树模型，所述分类与回归树模型包括根节点和子节点，包括：5.根据权利要求4所述方法，其特征在于，所述根据所述标准特征和所述标准特征值，与各组样本数据中对应的各个待分类特征和各所述待分类特征对应的待分类特征值，从根节点起逐级将待分类特征对应的样本数据划分到两个子节点中，直到满足预设的条件，生成所述分类与回归树模型，所述标准特征为连续型特征，包括：6.根据权利要求4所述方法，其特征在于，所述根据所述标准特征和所述标准特征值，与各组样本数据中对应的各个待分类特征和各所述待分类特征对应的待分类特征值，从根节点起逐级将待分类特征对应的样本数据划分到两个子节点中，直到满足预设的条件，生成所述分类与回归树模型，所述标准特征为连续型特征，所述标准特征为离散型特征，包括：7.根据权利要求4所述方法，其特征在于，所述方法还包括：8.根据权利要求7所述方法，其特征在于，所述根据所述代价损失函数的损失值调整所述分类与回归树模型，还包括：9.根据权利要求1所述方法，其特征在于，所述根据融合算法将所述原始样本数据输入所述分类与回归树模型中得到的输出预测结果进行融合，生成智能辅助诊断决策模型，所述分类与回归树模型为多个，包括：10.一种智能辅助诊断决策系统，其特征在于，包括：11.一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至9任一项所述方法。12.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至9任一项所述方法。技术总结本申请提供一种智能辅助诊断决策方法、系统及存储介质，其特征在于，所述方法应用于智能辅助诊断决策模型中，将病历数据输入至所述智能辅助诊断决策模型中获得诊断结果和解释依据。本申请通过混合特征选择模型和模型性能筛选出最优特征子集，再根据最优特征子集确定原始样本数据的分类节点生成分类与回归树模型，最后通过融合算法将原始样本数据输入分类与回归树模型中得到的预测结果进行融合生成智能辅助诊断决策模型，通过最终的智能辅助诊断决策模型得到预测诊断结果和解释依据，生成具有可解释性的精度较高的诊断结果，有利于呈现出诊断特征与诊断结果之间的关系，从而确保最终医生诊断的准确性。技术研发人员：王晓康,张雪扬,张加玮,胡军华,余明珠受保护的技术使用者：深圳大学技术研发日：技术公布日：2024/8/16