[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

本公開實施例提供了一種病案自動編碼方法、裝置、電子設備及計算機可讀存儲介質，屬于醫療數據技術領域，該病案自動編碼方法包括：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。本公開實施例能夠自動確定待處理的醫療數據的編碼信息，提高編碼信息確定的準確性。

技術領域

本公開實施例涉及醫療數據技術領域，具體而言，涉及一種病案自動編碼方法、病案自動編碼裝置、電子設備及計算機可讀存儲介質。

背景技術

醫院病案管理部門可以將每個患者病歷整理歸檔，為患者分配國際疾病分類編碼是其中一個重要過程。

相關技術中，一般由人工按照出院診斷信息以及電子病歷的其他信息，依據專業知識并參照碼表完成編碼。在這種方式中，工作效率較低且對人工的知識范圍要求較多，具有一定的依賴性和局限性。另外，對同一個數據進行處理時，得到的結果可能不同，因此一致性和可靠性較差。并且可能導致誤識別，從而使得編碼錯誤，準確性較低。

需要說明的是，在上述背景技術部分公開的信息僅用于加強對本發明的背景的理解，因此可以包括不構成對本領域普通技術人員已知的現有技術的信息。

發明內容

本公開實施例的目的在于提供一種病案自動編碼方法、病案自動編碼裝置、電子設備及計算機可讀存儲介質，進而至少在一定程度上克服效率較低以及可靠性較差的問題。

本公開實施例的其他特性和優點將通過下面的詳細描述變得顯然，或部分地通過本發明的實踐而習得。

根據本公開實施例的一個方面，提供一種病案自動編碼方法，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。

在本公開的一種示例性實施例中，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。

在本公開的一種示例性實施例中，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。

在本公開的一種示例性實施例中，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。

在本公開的一種示例性實施例中，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。

在本公開的一種示例性實施例中，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。