[發明專利]帶時序約束的相似病例推薦方法及裝置

有效

• 申請號: 201810129816.2
• 申請日: 2018-02-08
• 公開（公告）號: CN108417272B
• 公開（公告）日: 2020-10-09
• 發明（設計）人: 丁帥;潘金鑫;楊善林;王浩;陳意;張宏敏
• 申請（專利權）人: 合肥工業大學
• 主分類號: G16H50/70
• 分類號: G16H50/70;G06F40/289;G06F40/30;G06K9/62
• 代理公司: 北京路浩知識產權代理有限公司 11002
• 代理人: 王瑩;余罡

1.一種帶時序約束的相似病例推薦方法，其特征在于，所述方法包括：

獲取患者未被診斷的目標病例；

提取所述目標病例的特征向量；

將所述特征向量輸入已建立的LSTM模型，得到所述患者患各類疾病的預測結果，其中，所述LSTM模型是根據已診斷的歷史病例的每一階段的特征向量訓練得到的；

根據所述預測結果從已診斷的病例中推薦相似病例，包括：

根據所述預測結果確定所述患者患病率最高的topN種目標疾病；

從已診斷為所述目標疾病的歷史病例中，選擇與所述患者的目標病例向量相似度最高的topN種病例進行推薦；

所述方法還包括建立所述LSTM模型的方法，包括：

將每份所述歷史病例劃分為多個階段；

提取每份所述歷史病例每一階段的特征向量，并針對第t階段的特征向量x_t，采用如下公式訓練所述LSTM模型：

f_t＝σ(w_fx_t+u_fh_t-1+b_f)；

i_t＝σ(w_ix_t+u_ih_t-1+b_i)；

g_t＝tanh(w_cx_t+u_ch_t-1+b_c)；

c_t＝f_t*c_t-1+i_t*g_t；

o_t＝σ(w_ox_t+u_oh_t-1+b_o)；

h_t＝o_t*tanh(c_t)；

其中，所述第t階段為任一階段，h_t為所述第t階段LSTM模型隱藏層存儲的有用信息的狀態向量，σ為sigmoid回歸層，*為向量內積，w_i、w_f、w_o、w_c為不同狀態下針對輸入的特征向量x_t的權重矩陣，u_i、u_f、u_o、u_c為LSTM模型中隱藏層狀態h_t的權重矩陣，b_i、b_f、b_o、b_c為偏置向量；

所述將每份所述歷史病例劃分為多個階段，包括：

按照每份所述歷史病例的入院時間和出院時間，以一天為時間單位將每份所述歷史病例劃分為多個階段；或者，以療程為單位將每份歷史病例劃分為多個階段。

2.根據權利要求1所述的方法，其特征在于，提取病例的特征向量包括：

依據用戶字典和公開的停止詞詞庫對每份歷史病例進行文本分詞，得到多個特征信息，其中，所述用戶字典是醫生根據世界衛生組織WHO公開的國際疾病分類ICD-10、手術方案術語CPT、衛生干預措施分類ICHI編碼對病例進行標注得到的；

通過word2vec方法將分詞后得到的所述多個特征信息進行向量化，得到所述特征向量。