[發明專利]基于多注意力卷積神經網絡的智能導診方法及系統

有效

• 申請號: 202010464150.3
• 申請日: 2020-05-27
• 公開（公告）號: CN111709233B
• 公開（公告）日: 2023-04-18
• 發明（設計）人: 王志;余新蕊;惠維
• 申請（專利權）人: 西安交通大學
• 主分類號: G06F40/289
• 分類號: G06F40/289;G06F40/30;G06F40/216;G06F16/35;G06F16/951;G06N3/0464;G06F18/2415;G06F18/213;G16H40/20
• 代理公司: 西安通大專利代理有限責任公司 61200
• 代理人: 朱海臨

本發明公開的基于多注意力卷積神經網絡的智能導診方法及系統，使用患者自述癥狀作為訓練數據，最大程度地保留患者癥狀描述的語義信息，其次，有很多疾病有相似的癥狀，僅依靠癥狀描述詞難以精確對應某種疾病，同時避免了先提取疾病再對應科室步驟中可能造成的信息丟失的問題。在嵌入層加入BERT模型，詞向量包含上下文信息，更好地獲取了詞向量；另外在池化層加入多頭注意力，獲取詞的權重，使模型更關注辨識性比較高的詞匯，同時添加了患者個人信息特征，增加了導診的正確率。

技術領域

本發明涉及自然語言處理以及數據處理的領域，涉及一種基于多注意力卷積神經網絡的智能導診方法及系統，以提高導診的準確性。

背景技術

隨著智能化信息化的浪潮，醫院的導診方法也由很傳統的人工分診臺導診變成了結合互聯網+的智能導診方法，能夠幫助患者進行自助導診，使患者對疾病有初步的判斷，減少患者掛錯科室的概率。

目前比較流行的智能導診的方法是從患者描述的癥狀中提取癥狀關鍵詞，然后根據癥狀關鍵詞和某個疾病的病理描述詞的相似度進行匹配，診斷疾病，然后根據疾病和科室的映射關系為患者推薦相應的科室。首先，患者的癥狀描述過于口語化，在提取癥狀關鍵詞的時候，忽略了除去癥狀關鍵詞之外的語義信息。此外，多種疾病可能擁有相似的癥狀，即一種癥狀對應多個疾病，這樣可能會造成推薦科室時推薦不準確。

發明內容

針對現有的導診方法在分診時容易出現錯誤的問題，本發明提供一種基于多注意力卷積神經網絡的智能導診方法，提高導診的準確率。

本發明是通過以下技術方案來實現：

一種基于多注意力卷積神經網絡的智能導診方法，包括以下步驟：

步驟1、獲取患者問答數據，以及問答數據對應的診治科室；

步驟2、對問答數據進行預處理，得到訓練數據集；

步驟3、構建基于多頭注意卷積神經網絡的智能導診模型，包括嵌入層、卷積層、池化層和分類器；

嵌入層，用于對訓練數據集進行預訓練，輸出嵌入矩陣；

卷積層，用于對嵌入矩陣進行卷積操作，輸出特征圖；

池化層，用于對特征圖進行池化操作，得到帶有詞權重信息的特征向量；

分類器，用于對詞的不同權重進行K分類，輸出推薦診療科室；

步驟4、采用訓練數據集對基于多頭注意卷積神經網絡的智能導診模型進行訓練；

步驟5、將患者的個人信息以及病癥信息輸入至訓練后的基于多頭注意卷積神經網絡的智能導診模型，得到患者病癥對應的診療科室。

優選的，步驟1中，所述患者問答數據包括患者的病癥、年齡、性別以及對應的掛號科室，同時建立掛號科室與標準科室名稱的對應關系。

優選的，采用相似度計算方法建立科室與標準科室的對應關系。

優選的，步驟2中數據的預處理，使用分詞工具結合詞典對問答數據進行分詞，將分詞結果去停用詞和標點符號后的結果進行去停用詞處理，加入醫學專有詞典，統計詞頻建立醫學專有詞典，獲得訓練數據集。

優選的，所述分詞工具為ICTCLAS、IKAnalyzer、HTTPCWS、SCWS、PhpanAlysis、盤古分詞、騰訊文智或語言云。

優選的，步驟3中嵌入層采用BERT模型對訓練數據集進行預訓練。

優選的，步驟4中基于多頭注意卷積神經網絡的智能導診模型的訓練方法如下：

步驟4.1、將訓練數據集輸入至嵌入層，通過BERT模型對訓練數據集進行預訓練，得到詞向量矩陣；