[發明專利]醫療數據處理方法、裝置、系統、設備和存儲介質

有效

• 申請號: 201910383591.8
• 申請日: 2019-05-08
• 公開（公告）號: CN110119775B
• 公開（公告）日: 2021-06-08
• 發明（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: 廣州華進聯合專利商標代理有限公司 44224
• 代理人: 黃曉慶

本申請涉及一種醫療數據處理方法、裝置、系統、計算機設備和計算機存儲介質，獲取針對目標對象的至少兩種數據模態的醫療數據；根據所述至少兩種數據模態的所述醫療數據所表達的數據信息，對所述至少兩種數據模態的所述醫療數據進行編碼重組，得到至少兩種特征類型的特征數據；對所述至少兩種特征類型的所述特征數據進行特征融合，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療數據的分類結果；所述分類結果中的分類類別包括疾病的疾病屬性。由于基于至少兩種數據模態的醫療數據，對針對目標對象的醫療數據進行分類，醫療數據的數據模態多樣，可以提高分類結果的準確性。

技術領域

本申請涉及機器學習技術領域，特別是涉及一種醫療數據處理方法、裝置、系統、設備和存儲介質。

背景技術

隨著信息技術的飛速發展，機器學習的應用已經深入到生活的方方面面。比如醫療方面，通過對醫療數據學習，實現對疾病屬性進行分類。其中，疾病屬性可以分為各種疾病名稱，如心力衰竭。以心力衰竭為例，利用機器學習技術，對醫療數據進行處理，可以確定出目標對象是否患有心力衰竭。

傳統的醫療數據處理方法，對醫療數據進行分類映射，得到分類結果。由于醫療數據的數據模態單一，因此，分類結果的準確性低。

發明內容

基于此，有必要針對上述技術問題，提供一種能夠提高分類結果準確性的醫療數據處理方法、裝置、系統、設備和存儲介質。

一種醫療數據處理方法，所述方法包括：

獲取針對目標對象的至少兩種數據模態的醫療數據；

根據所述至少兩種數據模態的所述醫療數據所表達的數據信息，對所述至少兩種數據模態的所述醫療數據進行編碼重組，得到至少兩種特征類型的特征數據；

對所述至少兩種特征類型的所述特征數據進行特征融合，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療數據的分類結果；所述分類結果中的分類類別包括疾病的疾病屬性。

在其中一個實施例中，所述獲取針對目標對象的至少兩種數據模態的醫療數據，包括以下四個步驟所構成組合中的至少兩個步驟：

在創建所述目標對象之后獲取對象基本信息數據；

獲取針對所述目標對象結構化的調查問卷數據；

獲取針對所述目標對象非結構化的智能問答數據；

獲取針對所述目標對象的心電信息數據。

在其中一個實施例中，所述根據所述至少兩種數據模態的所述醫療數據所表達的數據信息，對所述至少兩種數據模態的所述醫療數據進行編碼重組，得到至少兩種特征類型的特征數據，包括：

對所述至少兩種數據模態的所述醫療數據所表達的數據信息進行冗余消除；

對所述冗余消除之后的所述至少兩種數據模態的所述醫療數據，進行編碼重組，得到至少兩種特征類型的特征數據。

一種醫療數據處理裝置，所述裝置包括：

醫療數據獲取模塊，用于獲取針對目標對象的至少兩種數據模態的醫療數據；

特征數據重組模塊，用于根據所述至少兩種數據模態的所述醫療數據所表達的數據信息，對所述至少兩種數據模態的所述醫療數據進行編碼重組，得到至少兩種特征類型的特征數據；

整體特征融合模塊，用于對所述至少兩種特征類型的所述特征數據進行特征融合，得到全局對象特征；

特征分類映射模塊，用于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療數據的分類結果；所述分類結果中的分類類別包括疾病的疾病屬性。