[發明專利]病案自動編碼方法、裝置、電子設備及存儲介質

在審

• 申請號: 201911310848.3
• 申請日: 2019-12-18
• 公開（公告）號: CN113012774A
• 公開（公告）日: 2021-06-22
• 發明（設計）人: 丁浩洋
• 申請（專利權）人: 醫渡云（北京）技術有限公司
• 主分類號: G16H10/60
• 分類號: G16H10/60;G06F16/35
• 代理公司: 北京律智知識產權代理有限公司 11438
• 代理人: 王輝;闞梓瑄

1.一種病案自動編碼方法，其特征在于，包括：

獲取待處理的醫療數據；

結合醫療分類模型和醫療注意力模型對所述待處理的醫療數據進行病案編碼分類識別，以得到所述待處理的醫療數據的分類結果；

通過所述分類結果確定所述待處理的醫療數據對應的編碼信息。

2.根據權利要求1所述的病案自動編碼方法，其特征在于，結合醫療分類模型和醫療注意力模型對所述待處理的醫療數據進行病案編碼分類識別，以得到所述待處理的醫療數據的分類結果包括：

通過所述醫療分類模型對所述待處理的醫療數據進行特征提取，以確定所述待處理的醫療數據的特征表示；

基于所述醫療注意力模型對所述特征表示進行加權處理，得到所述待處理的醫療數據的文本表示；

根據所述待處理的醫療數據的文本表示確定所述分類結果。

3.根據權利要求1所述的病案自動編碼方法，其特征在于，所述方法還包括：

通過歷史醫療數據以及所述歷史醫療數據的真實編碼信息對機器學習模型進行訓練，并將訓練好的機器學習模型作為所述醫療分類模型。

4.根據權利要求3所述的病案自動編碼方法，其特征在于，通過歷史醫療數據以及所述歷史醫療數據的編碼信息對機器學習模型進行訓練包括：

獲取所述歷史醫療數據對應的詞嵌入向量表示；

根據所述詞嵌入向量表示以及所述歷史醫療數據的所述真實編碼信息，對所述機器學習模型進行訓練，以得到所述訓練好的機器學習模型。

5.根據權利要求4所述的病案自動編碼方法，其特征在于，獲取所述歷史醫療數據對應的詞嵌入向量表示包括：

獲取第一類型數據和第二類型數據作為所述歷史醫療數據，并對所述歷史醫療數據進行分詞處理得到分詞后的歷史醫療數據；

根據所述分詞后的歷史醫療數據訓練所述詞嵌入向量表示。

6.根據權利要求4所述的病案自動編碼方法，其特征在于，根據所述詞嵌入向量表示以及所述歷史醫療數據的所述真實編碼信息，對所述機器學習模型進行訓練，以得到所述訓練好的機器學習模型包括：

根據所述詞嵌入向量表示確定所述歷史醫療數據的預測編碼信息；

基于所述預測編碼信息與所述真實編碼信息對所述機器學習模型進行訓練，以得到所述訓練好的機器學習模型。

7.根據權利要求6所述的病案自動編碼方法，其特征在于，根據所述詞嵌入向量表示確定所述歷史醫療數據的預測編碼信息包括：

將所述詞嵌入向量表示輸入所述機器學習模型，以得到歷史特征表示；

對多個編碼信息配置編碼向量，并將所述歷史醫療數據對應的歷史特征表示與所述編碼向量進行匹配，以確定匹配度；

根據所述匹配度對所述歷史特征表示進行加權處理，以得到文本表示；

根據所述文本表示確定所述歷史醫療數據的所述預測編碼信息。

8.根據權利要求7所述的病案自動編碼方法，其特征在于，將所述歷史醫療數據對應的歷史特征表示與所述編碼向量進行匹配，以確定匹配度包括：

將所述歷史特征表示與所述編碼向量進行第一邏輯操作，以得到所述歷史特征表示與所述編碼信息之間的匹配度。

9.根據權利要求7所述的病案自動編碼方法，其特征在于，根據所述匹配度對所述歷史特征表示進行加權處理，以得到文本表示包括：

將所述匹配度以及每個所歷史特征表示進行第二邏輯操作，以確定所述文本表示。

10.一種病案自動編碼裝置，其特征在于，包括：

數據獲取模塊，用于獲取待處理的醫療數據；

編碼分類模塊，用于結合醫療分類模型和醫療注意力模型對所述待處理的醫療數據進行病案編碼分類識別，以得到所述待處理的醫療數據的分類結果；

編碼確定模塊，用于通過所述分類結果確定所述待處理的醫療數據對應的編碼信息。