[發明專利]醫療數據處理方法、裝置電子設備及計算機可讀介質

有效

• 申請號: 201811269760.7
• 申請日: 2018-10-29
• 公開（公告）號: CN109378064B
• 公開（公告）日: 2021-02-02
• 發明（設計）人: 李林峰
• 申請（專利權）人: 南京醫基云醫療數據研究院有限公司
• 主分類號: G16H50/20
• 分類號: G16H50/20;G16H50/70;G06N3/08
• 代理公司: 北京律智知識產權代理有限公司 11438
• 代理人: 袁禮君;闞梓瑄

1.一種醫療數據處理的方法，其特征在于，包括：

抽取電子病歷中的結構化特征；

抽取電子病例中的非結構化特征，所述非結構化特征包括下述特征中的至少一種：主訴信息、現病史；家族史；檢查報告；

利用組合神經網絡模型預測診療方案，其中包括：

通過所述組合神經網絡模型的第一DNN模型接收所述結構化特征，產生第一數據；

通過所述組合神經網絡模型中的時序神經網絡模型接收所述非結構化特征，產生第二數據；

通過所述組合神經網絡的第二DNN模型接收所述第一數據和所述第二數據，產生第三數據；

由所述組合神經網絡的輸出層接收所述第三數據，輸出預測的診療方案；

其中，所述時序神經網絡模型包括：

one-hot編碼層，基于輸入的所述非結構化特征產生每個詞的one-hot編碼輸出；

詞向量層，基于來自所述one-hot編碼層的輸入，產生詞向量；

時序神經網絡層，基于來自所述詞向量層的輸入，產生所述第二數據；

所述方法還包括：利用病例樣本中的診療方案作為樣本標注；利用標注的所述病例樣本訓練所述組合神經網絡模型；

所述利用標注的所述病例樣本訓練所述組合神經網絡模型包括：訓練多目標模型，使得訓練得到的所述組合神經網絡模型在訓練數據上達到診療方案全局最優。

2.如權利要求1所述的方法，其特征在于，所述結構化特征包括下述特征中的至少一種：患者基本信息；檢驗結果信息。

3.如權利要求1所述的方法，其特征在于，所述診療方案包括診斷名稱、檢查信息、檢驗信息、用藥信息中的至少一種。

4.如權利要求1所述的方法，其特征在于，所述利用組合神經網絡模型預測診療方案包括：

選取所述組合神經網絡模型給出的診療方案的前n項結果作為推薦方案。

5.一種醫療數據處理裝置，其特征在于，包括：

第一抽取模塊，用于抽取電子病歷中的結構化特征；

第二抽取模塊，用于抽取電子病例中的非結構化特征，所述非結構化特征包括下述特征中的至少一種：主訴信息、現病史；家族史；檢查報告；

預測模塊，用于將所述結構化特征和所述非結構化特征作為輸入，利用組合神經網絡模型預測診療方案，

其中所述組合神經網絡模型包括：

第一DNN模型，用于接收所述結構化特征，產生第一數據；

時序神經網絡模型，用于接收所述非結構化特征，產生第二數據；

第二DNN模型，用于接收所述第一數據和所述第二數據，產生第三數據；

輸出層，用于基于來自所述第二DNN模型的所述第三數據輸出預測的診療方案；

其中，所述時序神經網絡模型包括：

one-hot編碼層，基于輸入的所述非結構化特征產生每個詞的one-hot編碼輸出；

詞向量層，基于來自所述one-hot編碼層的輸入，產生詞向量；

時序神經網絡層，基于來自所述詞向量層的輸入，產生所述第二數據；

所述醫療數據處理裝置還用于利用病例樣本中的診療方案作為樣本標注；利用標注的所述病例樣本訓練所述組合神經網絡模型；其中，所述利用標注的所述病例樣本訓練所述組合神經網絡模型包括：訓練多目標模型，使得訓練得到的所述組合神經網絡模型在訓練數據上達到診療方案全局最優。

6.一種電子設備，其特征在于，包括：

一個或多個處理器；

存儲裝置，用于存儲一個或多個程序；

當所述一個或多個程序被所述一個或多個處理器執行，使得所述一個或多個處理器實現如權利要求1-4中任一所述的方法。

7.一種計算機可讀介質，其上存儲有計算機程序，其特征在于，所述程序被處理器執行時實現如權利要求1-4中任一所述的方法。