[發(fā)明專利]雷同病例檢測方法、裝置、設(shè)備及存儲(chǔ)介質(zhì)

在審

• 申請?zhí)枺?/td>: 202010615135.4
• 申請日: 2020-06-30
• 公開（公告）號: CN111767707A
• 公開（公告）日: 2020-10-13
• 發(fā)明（設(shè)計(jì)）人: 蔣雪涵;孫行智
• 申請（專利權(quán)）人: 平安科技（深圳）有限公司
• 主分類號: G06F40/194
• 分類號: G06F40/194;G16H10/60;G06K9/62
• 代理公司: 深圳眾鼎專利商標(biāo)代理事務(wù)所(普通合伙) 44325
• 代理人: 譚果林

1.一種雷同病例檢測方法，其特征在于，包括：

獲取檢測對象的目標(biāo)病例文本，所述目標(biāo)病例文本中包含所述檢測對象的病情數(shù)據(jù)信息；

將所述目標(biāo)病例文本輸入至預(yù)設(shè)的文本相似度聚類模型中，得到與所述目標(biāo)病例文本對應(yīng)的目標(biāo)分群標(biāo)簽；同時(shí)，將所述病情數(shù)據(jù)信息輸入至預(yù)設(shè)的病情編碼模型中，對所述病情數(shù)據(jù)信息進(jìn)行編碼，得到目標(biāo)編碼信息；

根據(jù)所述目標(biāo)分群標(biāo)簽，從所述病情編碼模型的編碼數(shù)據(jù)庫中提取與除檢測對象外的其他對象對應(yīng)的樣本編碼信息；所述樣本編碼信息是指自所述其他對象的歷史病例文本中提取的與所述目標(biāo)分群標(biāo)簽關(guān)聯(lián)的編碼信息；

根據(jù)所述目標(biāo)編碼信息以及所述樣本編碼信息，確定編碼信息差值；

若所述編碼信息差值大于預(yù)設(shè)差異閾值，則確定存在與所述目標(biāo)病例文本雷同的歷史病例文本，并提示所述目標(biāo)病例文本存在造假風(fēng)險(xiǎn)。

2.如權(quán)利要求1所述的雷同病例檢測方法，其特征在于，所述將所述病情數(shù)據(jù)信息輸入至預(yù)設(shè)的病情編碼模型中之前，還包括：

獲取預(yù)設(shè)的病例對象數(shù)據(jù)集，所述預(yù)設(shè)的病例對象數(shù)據(jù)集包含至少一個(gè)病例對象數(shù)據(jù)；每一所述病例對象數(shù)據(jù)均關(guān)聯(lián)一個(gè)樣本分群標(biāo)簽；

將所述病例對象數(shù)據(jù)輸入至初始編碼模型中，根據(jù)所述病例對象數(shù)據(jù)及其關(guān)聯(lián)的樣本分群標(biāo)簽對所述初始編碼模型進(jìn)行訓(xùn)練，得到所述病情編碼模型。

3.如權(quán)利要求2所述的雷同病例檢測方法，其特征在于，所述將所述病例對象數(shù)據(jù)輸入至初始編碼模型中，根據(jù)所述病例對象數(shù)據(jù)及其關(guān)聯(lián)的樣本分群標(biāo)簽對所述初始編碼模型進(jìn)行訓(xùn)練，得到所述病情編碼模型，包括：

根據(jù)第一選取規(guī)則，從所述預(yù)設(shè)的病例對象數(shù)據(jù)集中確定一個(gè)目標(biāo)對象數(shù)據(jù)；

從所述預(yù)設(shè)的病例對象數(shù)據(jù)集中，根據(jù)第二選取規(guī)則選取一個(gè)與所述目標(biāo)對象數(shù)據(jù)具有相同樣本分群標(biāo)簽的病例對象數(shù)據(jù)作為關(guān)聯(lián)對象數(shù)據(jù)；同時(shí)，根據(jù)第二選取規(guī)則選取一個(gè)與所述目標(biāo)對象數(shù)據(jù)具有不同樣本分群標(biāo)簽的病例對象數(shù)據(jù)作為非關(guān)聯(lián)對象數(shù)據(jù)；

將所述目標(biāo)對象數(shù)據(jù)、關(guān)聯(lián)對象數(shù)據(jù)以及非關(guān)聯(lián)對象數(shù)據(jù)構(gòu)成的訓(xùn)練三元組輸入至所述初始編碼模型中，對所述訓(xùn)練三元組進(jìn)行編碼，得到所述初始編碼模型的訓(xùn)練參數(shù)；

根據(jù)所述訓(xùn)練參數(shù)確定所述初始編碼模型的訓(xùn)練損失值，在所述訓(xùn)練損失值達(dá)到預(yù)設(shè)的收斂條件時(shí)，將收斂之后的所述初始編碼模型記錄為所述病情編碼模型。

4.如權(quán)利要求1所述的雷同病例檢測方法，其特征在于，所述根據(jù)所述目標(biāo)分群標(biāo)簽，從所述病情編碼模型的編碼數(shù)據(jù)庫中提取與除檢測對象外的其他對象對應(yīng)的樣本編碼信息之前，還包括：

對所述歷史病例文本中的歷史病例數(shù)據(jù)進(jìn)行向量編碼操作，得到所述歷史病例數(shù)據(jù)對應(yīng)的所述樣本編碼信息；

將所述樣本編碼信息存儲(chǔ)至所述病情編碼模型的所述編碼數(shù)據(jù)庫中。

5.如權(quán)利要求1所述的雷同病例檢測方法，其特征在于，所述將所述目標(biāo)病例文本輸入至預(yù)設(shè)的文本相似度聚類模型中，得到與所述目標(biāo)病例文本對應(yīng)的目標(biāo)分群標(biāo)簽之前，還包括：

獲取樣本病例文本集，所述樣本病例文本集中包含多個(gè)樣本病例文本；

選取所述樣本病例文本集中的任意兩個(gè)所述樣本病例文本作為一組相似度判斷對象，并采用相似性處理方法獲取每一組相似度判斷對象中的兩個(gè)所述樣本病例文本之間的相似度值；

在所述樣本病例文本集中所有所述樣本病例文本具備選取完畢并獲取與其對應(yīng)的相似度值之后，根據(jù)獲取的與各組相似度判斷對象對應(yīng)的所有相似度值，構(gòu)建相似度矩陣；

采用聚類算法對所述相似度矩陣進(jìn)行聚類，得到所述文本相似度聚類模型。