背景：利用人工智能辅助诊断疾病已成为当代研究的热点。传统的自动诊断方法是使用传统的机器学习算法分类专业医生在诊断报告中人工提取到的特征。但由于收集大量的必要医疗数据可能十分困难。因此，这些方法在效率和准确性方面面临着挑战。
方法：本文提出了一种基于深度学习算法的高脂血症自动诊断系统。该模型是一种使用了数据扩展和数据校正技术的神经网络。首先，我们采用上述方法对原始数据进行了修正和补充，以解决数据缺失的问题。其次，利用处理后的数据训练深度学习模型。深度学习模型可以自动提取所有可用的信息，而不是人为地减少原始数据。因此，该方法可以节省人工成本。然后，分类器根据上述特征对样本进行分类。最后，利用测试数据集的数据对系统进行评估。
结果：在测试数据集中取得了 91.49% 的准确度、87.50% 的灵敏度、93.33% 的特异性和 87.50% 的精度。
结论：本文所提出的辅助诊断方法具有很强的鲁棒性和准确性，因此可被用于对病人进行初步诊断。其可根据人体生理参数自动诊断疾病，从而节省了大量人工成本，有效地提高了临床诊断效率。
Keywords: Auxiliary Diagnosis, Physiological Parameters, Expending Learning Algorithm