[發(fā)明專利]醫(yī)療數(shù)據(jù)處理方法、裝置、系統(tǒng)、設備和存儲介質

有效

• 申請?zhí)枺?/td>: 201910383591.8
• 申請日: 2019-05-08
• 公開（公告）號: CN110119775B
• 公開（公告）日: 2021-06-08
• 發(fā)明（設計）人: 喬治;唐曉昱;葛屾;晏陽天;王鍇;吳賢;范偉
• 申請（專利權）人: 騰訊科技（深圳）有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G16H50/70
• 代理公司: 廣州華進聯(lián)合專利商標代理有限公司 44224
• 代理人: 黃曉慶

1.一種醫(yī)療數(shù)據(jù)處理方法，所述方法包括：

獲取針對目標對象的至少兩種數(shù)據(jù)模態(tài)的醫(yī)療數(shù)據(jù)；

根據(jù)所述至少兩種數(shù)據(jù)模態(tài)的所述醫(yī)療數(shù)據(jù)所表達的數(shù)據(jù)信息，對所述至少兩種數(shù)據(jù)模態(tài)的所述醫(yī)療數(shù)據(jù)進行編碼重組，得到至少兩種特征類型的特征數(shù)據(jù)；

對所述至少兩種特征類型的所述特征數(shù)據(jù)進行特征融合，得到全局對象特征；

對所述全局對象特征進行映射，得到針對所述目標對象的所述醫(yī)療數(shù)據(jù)的分類結果；所述分類結果中的分類類別包括疾病的疾病屬性；

所述對所述全局對象特征進行映射，得到針對所述目標對象的所述醫(yī)療數(shù)據(jù)的分類結果，包括：基于訓練好的風險潛在特征及分類偏移，對全局對象特征進行映射，得到針對目標對象的醫(yī)療數(shù)據(jù)的分類結果；所述風險潛在特征指在對全局對象特征進行映射的過程中，對全局對象特征中的各元素進行加權的權重系數(shù)組成的矩陣；所述分類偏移指在對全局對象特征進行映射過程中的偏移向量。

2.根據(jù)權利要求1所述的方法，其特征在于，所述對所述至少兩種特征類型的所述特征數(shù)據(jù)進行特征融合，得到全局對象特征，包括：

對每一種所述特征類型的所述特征數(shù)據(jù)，基于子類特征信息對所述特征數(shù)據(jù)進行映射，得到密致特征；

對所述至少兩種特征類型的所述密致特征進行特征融合，得到全局對象特征。

3.根據(jù)權利要求2所述的方法，其特征在于，所述對所述至少兩種特征類型的所述密致特征進行特征融合，得到全局對象特征，包括：

對每一種所述特征類型的所述密致特征，獲取各子類特征信息與密致特征之間的關聯(lián)性；

根據(jù)所述各子類特征信息與密致特征之間的關聯(lián)性，對所述密致特征進行修正，得到修正特征；

對所述至少兩種特征類型的所述修正特征進行特征融合，得到全局對象特征。

4.根據(jù)權利要求2所述的方法，其特征在于，所述對所述至少兩種特征類型的所述密致特征進行特征融合，得到全局對象特征，包括：

對所述至少兩種特征類型的所述密致特征進行拼接，得到對象拼接特征；

根據(jù)訓練好的所述至少兩種特征類型的影響權重對所述對象拼接特征進行映射，得到全局對象特征。

5.根據(jù)權利要求4所述的方法，其特征在于，所述至少兩種特征類型的影響權重的訓練過程，包括：

獲取訓練樣本，所述訓練樣本包括所述對象拼接特征以及期望的全局對象特征；

基于影響權重對所述對象拼接特征進行映射，得到訓練的全局對象特征；

基于注意力機制根據(jù)訓練的全局對象特征與期望的全局對象特征之間的損失，更新所述影響權重。

6.根據(jù)權利要求1所述的方法，其特征在于，所述數(shù)據(jù)模態(tài)至少包括對象基本信息數(shù)據(jù)；所述根據(jù)所述至少兩種數(shù)據(jù)模態(tài)的所述醫(yī)療數(shù)據(jù)所表達的數(shù)據(jù)信息，對所述至少兩種數(shù)據(jù)模態(tài)的所述醫(yī)療數(shù)據(jù)進行編碼重組，得到至少兩種特征類型的特征數(shù)據(jù)之前，還包括：

采用第一多熱向量表達離散處理后的所述對象基本信息數(shù)據(jù)；

根據(jù)所述第一多熱向量確定所述對象基本信息數(shù)據(jù)所表達的數(shù)據(jù)信息。

7.根據(jù)權利要求1所述的方法，其特征在于，所述數(shù)據(jù)模態(tài)至少包括調查問卷數(shù)據(jù)；所述根據(jù)所述至少兩種數(shù)據(jù)模態(tài)的所述醫(yī)療數(shù)據(jù)所表達的數(shù)據(jù)信息，對所述至少兩種數(shù)據(jù)模態(tài)的所述醫(yī)療數(shù)據(jù)進行編碼重組，得到至少兩種特征類型的特征數(shù)據(jù)之前，還包括：

針對所述調查問卷數(shù)據(jù)中問題記錄對應的答案數(shù)據(jù)，進行空間劃分；

采用第二多熱向量表達所述空間劃分后的各所述答案數(shù)據(jù)；

根據(jù)所述第二多熱向量確定所述調查問卷數(shù)據(jù)所表達的數(shù)據(jù)信息。

8.根據(jù)權利要求1所述的方法，其特征在于，所述數(shù)據(jù)模態(tài)至少包括智能問答數(shù)據(jù)；所述根據(jù)所述至少兩種數(shù)據(jù)模態(tài)的所述醫(yī)療數(shù)據(jù)所表達的數(shù)據(jù)信息，對所述至少兩種數(shù)據(jù)模態(tài)的所述醫(yī)療數(shù)據(jù)進行編碼重組，得到至少兩種特征類型的特征數(shù)據(jù)之前，還包括：

根據(jù)所述目標對象的身體部位及自感級別，對所述智能問答數(shù)據(jù)進行信息提取及映射，得到分布向量；

根據(jù)所述分布向量確定所述智能問答數(shù)據(jù)所表達的數(shù)據(jù)信息。