[發(fā)明專利]基于深度學(xué)習(xí)的治療方案的生成方法、裝置及存儲介質(zhì)

有效

• 申請?zhí)枺?/td>: 201811407145.8
• 申請日: 2018-11-22
• 公開（公告）號: CN109637669B
• 公開（公告）日: 2023-07-18
• 發(fā)明（設(shè)計）人: 任江濤;熊鎧能
• 申請（專利權(quán)）人: 中山大學(xué)
• 主分類號: G16H20/00
• 分類號: G16H20/00;G16H50/20;G16H10/60;G06N3/0455;G06N3/0442;G06N3/047;G06N3/048;G06N3/0499;G06N3/08
• 代理公司: 深圳市世紀恒程知識產(chǎn)權(quán)代理事務(wù)所 44287
• 代理人: 胡海國;於菪珉

本發(fā)明公開了一種基于深度學(xué)習(xí)的治療方案的生成方法，包括以下步驟：獲取待處理的病人的診斷信息；將所述診斷信息輸入深度神經(jīng)網(wǎng)絡(luò)模型進行處理，得到所述待處理的病人的本次治療方案的預(yù)測結(jié)果；將所述本次治療方案的預(yù)測結(jié)果輸入序列到序列模型進行處理，得到所述待處理的病人的未來治療方案的預(yù)測結(jié)果。本發(fā)明還公開了一種基于深度學(xué)習(xí)的治療方案的生成裝置以及計算機可讀存儲介質(zhì)。本發(fā)明通過具有時間聯(lián)結(jié)的前饋型深度神經(jīng)網(wǎng)絡(luò)生成病人的當(dāng)次的治療方案，并通過序列到序列模型預(yù)測病人未來的治療方案，為病人提供遞進的治療方案參考建議從而達到更好地輔助治療的目的。

技術(shù)領(lǐng)域

本發(fā)明涉及人工智能領(lǐng)域，尤其涉及一種基于深度學(xué)習(xí)的治療方案的生成方法、基于深度學(xué)習(xí)的治療方案的生成裝置以及計算機可讀存儲介質(zhì)。

背景技術(shù)

目前，在醫(yī)院或醫(yī)療機構(gòu)，每天都會產(chǎn)生大量電子病歷文本，電子病歷是一種專業(yè)性很強的醫(yī)療文本，是病人在醫(yī)院診斷治療全過程的原始記錄，它包含有病人的病程記錄、檢查檢驗結(jié)果、醫(yī)囑、手術(shù)記錄、護理記錄等等信息。

近年來由于大數(shù)據(jù)及人工智能技術(shù)發(fā)展迅速，人們開始將機器學(xué)習(xí)相關(guān)技術(shù)運用到輔助診斷或治療領(lǐng)域中，以智能生成及推薦對病人的治療方法，幫助醫(yī)生快速制定治療方案。

但在現(xiàn)有的治療方案智能生成的技術(shù)中，沒有考慮到病人連續(xù)時間內(nèi)診斷信息之間的聯(lián)系，也只能預(yù)測病人當(dāng)次就診的治療方案，無法對病人在整個治療周期中的多次治療方案進行全面的預(yù)測。

發(fā)明內(nèi)容

本發(fā)明的主要目的在于提供一種基于深度學(xué)習(xí)的治療方案的生成方法、基于深度學(xué)習(xí)的治療方案的生成裝置以及計算機可讀存儲介質(zhì)，解決現(xiàn)有技術(shù)中無法對病人在整個治療周期中的多次治療方案進行全面的預(yù)測的技術(shù)問題。

為實現(xiàn)上述目的，本發(fā)明提供一種基于深度學(xué)習(xí)的治療方案的生成方法，所述基于深度學(xué)習(xí)的治療方案的生成方法包括以下步驟：

獲取待處理的病人的診斷信息；

將所述診斷信息輸入深度神經(jīng)網(wǎng)絡(luò)模型進行處理，得到所述待處理的病人的本次治療方案的預(yù)測結(jié)果；

將所述本次治療方案的預(yù)測結(jié)果輸入序列到序列模型進行處理，得到所述待處理的病人的未來治療方案的預(yù)測結(jié)果。

優(yōu)選地，所述將所述診斷信息輸入深度神經(jīng)網(wǎng)絡(luò)模型進行處理，得到所述待處理的病人的本次治療方案的預(yù)測結(jié)果的步驟包括：

將所述診斷信息輸入深度神經(jīng)網(wǎng)絡(luò)模型進行處理，得到所述診斷信息對應(yīng)的隱向量；

將所述診斷信息對應(yīng)的隱向量輸入自注意力機制層進行處理，獲得所述隱向量對應(yīng)的權(quán)重；

根據(jù)所述隱向量和所述權(quán)重得到加權(quán)后的隱向量；

根據(jù)所述加權(quán)后的隱向量得到所述待處理的病人的本次治療方案的預(yù)測結(jié)果。

優(yōu)選地，將所述診斷信息對應(yīng)的隱向量輸入自注意力機制層進行處理，獲得所述隱向量對應(yīng)的權(quán)重的步驟包括：

將所述診斷信息對應(yīng)的隱向量輸入自注意力機制層進行處理；

所述自注意力機制層根據(jù)所述診斷信息的等級信息學(xué)習(xí)到所述隱向量對應(yīng)的權(quán)重。

優(yōu)選地，所述診斷信息的等級信息包括：主要診斷、其他診斷、損傷診斷和其他診斷。

優(yōu)選地，所述深度神經(jīng)網(wǎng)絡(luò)模型包括多層的長短期記憶網(wǎng)絡(luò)或者多層的門控遞歸單元網(wǎng)絡(luò)，根據(jù)預(yù)設(shè)數(shù)量的病人的診斷信息和與所述病人的診斷信息對應(yīng)的治療方案對所述深度神經(jīng)網(wǎng)絡(luò)模型和所述序列到序列模型進行聯(lián)合訓(xùn)練。

優(yōu)選地，所述預(yù)設(shè)數(shù)量的病人的診斷信息為入院次數(shù)不小于預(yù)設(shè)次數(shù)的病人的診斷信息。