[發明專利]醫療文書糾錯方法

有效

• 申請號: 201810402740.6
• 申請日: 2018-04-28
• 公開（公告）號: CN108595432B
• 公開（公告）日: 2022-02-08
• 發明（設計）人: 文耀鋒;包勇
• 申請（專利權）人: 江蘇醫像信息技術有限公司
• 主分類號: G06F40/284
• 分類號: G06F40/284;G06F16/35;G06N3/04
• 代理公司: 上海思微知識產權代理事務所(普通合伙) 31237
• 代理人: 王仙子

1.一種醫療文書糾錯方法，其特征在于，所述醫療文書糾錯方法包括：

醫療文書數據輸入到醫療文書糾錯系統中；

所述醫療文書糾錯系統進行模型初始化；

所述醫療文書糾錯系統裝載醫療文書數據；

所述醫療文書糾錯系統對所述醫療文書數據進行向量化；

所述醫療文書糾錯系統利用所述醫療文書數據構建算法的神經網絡層；

所述醫療文書糾錯系統利用所述醫療文書數據構建所述算法的dropout層；

所述醫療文書糾錯系統利用所述算法對所述醫療文書數據進行分類和預測，以分析醫療文書的詞匯之間的相關性，并根據相關性判斷和糾錯；

其中，所述醫療文書糾錯系統利用所述醫療文書的數據構建算法的神經網絡層包括：

使用不同大小的過濾器構建多個所述算法的卷積層和最大池化層；

為每個所述卷積層創建一個圖層，將圖層合并成一特征向量；

所述醫療文書糾錯系統利用所述醫療文書的數據構建算法的dropout層包括：

丟失層隨機禁用神經元部分；

保持啟用的由網絡輸入定義的所述神經元部分；

在構建所述算法時，將啟用的所述神經元部分設置為0.5，在利用所述算法處理醫療文書數據時，將啟用的所述神經元部分設置為1；

所述醫療文書糾錯系統對所述醫療文書的數據進行分類和預測包括：

通過使用所述特征向量進行矩陣乘法生成預測的類，并獲取得分最高的所述類；

應用softmax函數將原始分數轉換為標準化的概率；

使用損失函數將所述標準化的概率最小化；計算每個所述類的交叉熵損失。

2.如權利要求1所述的醫療文書糾錯方法，其特征在于，所述醫療文書糾錯方法還包括當所述醫療文書糾錯系統判斷醫療文書數據的詞匯出現錯誤時，所述醫療文書糾錯系統輸出糾錯報警信號。

3.如權利要求1所述的醫療文書糾錯方法，其特征在于，所述醫療文書的錯誤包括：誤診錯誤、漏診錯誤、詞匯拼寫錯誤、邏輯錯誤和報告不完整錯誤。

4.如權利要求1所述的醫療文書糾錯方法，其特征在于，所述醫療文書糾錯系統進行模型初始化包括：把執行放到一個文本類中，以允許各種超參數配置，在初始化函數中生成模型圖。

5.如權利要求1所述的醫療文書糾錯方法，其特征在于，所述醫療文書糾錯系統裝載醫療文書數據包括：

創建一個placeholder變量；

當在測試或執行所述placeholder變量時，向網絡提供所述placeholder變量，以使一參數成為輸入張量的形狀。

6.如權利要求1所述的醫療文書糾錯方法，其特征在于，所述醫療文書糾錯系統對所述醫療文書的數據進行向量化包括：

建立第一層查找表；

將所述醫療文書數據的詞匯表映射到一個低維的向量空間表示；

采用TensorFlow的卷積方法及conv2d操作4維度的張量；

根據算法嵌入的結果，手動添加通道維度。