[發明專利]基于問診會話的輔助診斷方法、裝置及計算機設備

在審

• 申請號: 202110997039.5
• 申請日: 2021-08-27
• 公開（公告）號: CN113707299A
• 公開（公告）日: 2021-11-26
• 發明（設計）人: 姚海申;孫行智
• 申請（專利權）人: 平安科技（深圳）有限公司
• 主分類號: G16H50/20
• 分類號: G16H50/20;G06F16/332;G06K9/62;G06F40/289
• 代理公司: 深圳市世聯合知識產權代理有限公司 44385
• 代理人: 汪琳琳

1.一種基于問診會話的輔助診斷方法，其特征在于，包括下述步驟：

獲取問診過程中產生的對話文本，所述對話文本包括醫生與患者之間的問診對話；

通過訓練好的第一特征提取模型對所述問診對話進行特征詞提取，得到每句問診對話中的目標特征詞；

通過訓練好的第二特征提取模型對所述對話文本進行特征語句提取，得到所述問診過程中的目標特征語句；

將所述目標特征詞與所述目標特征語句在所述對話文本進行差異化標識，作為所述問診過程的輔助診斷信息進行展示。

2.根據權利要求1所述的基于問診會話的輔助診斷方法，其特征在于，在所述獲取問診過程中產生的對話文本之前，所述方法還包括：

構建第一特征提取模型以及第二特征提取模型；

通過第一醫學數據對所述第一特征提取模型進行預訓練，得到預訓練的第一特征提取模型；

以疾病診斷交叉熵損失為優化目標，通過第二醫學數據對所述預訓練的第一特征提取模型以及所述第二特征提取模型進行聯合訓練。

3.根據權利要求2所述的基于問診會話的輔助診斷方法，其特征在于，所述通過第一醫學數據對所述第一特征提取模型進行預訓練，得到預訓練的第一特征提取模型的步驟包括：

根據所述第一醫學數據，構建基于字詞掩碼預測的第一預訓練任務；

根據所述第一醫學數據，構建基于上下語句預測的第二預訓練任務；以及

基于所述第一預訓練任務以及所述第二預設訓練任務，對所述第一特征提取模型進行預訓練。

4.根據權利要求3所述的基于問診會話的輔助診斷方法，其特征在于，所述根據所述第一醫學數據，構建基于字詞掩碼預測的第一預訓練任務的步驟包括：

通過隨機掩碼塊對所述第一醫學數據中的初始語句樣本進行隨機字詞掩碼，得到掩碼樣本語句；

對所述掩碼樣本語句中被掩碼字詞進行字詞掩碼預測，得到預測結果語句；

計算所述預測結果語句與所述初始語句樣本之間的第一誤差損失；

以最小化第一誤差損失為目標構建所述第一預訓練任務。

5.根據權利要求4所述的基于問診會話的輔助診斷方法，其特征在于，所述根據所述第一醫學數據，構建基于上下語句預測的第二預訓練任務的步驟包括：

將所述初始語句樣本或與所述初始語句樣本對應的掩碼樣本語句作為上句，為所述初始語句樣本隨機匹配下句，形成樣本語句對；

對所述樣本語句對進行上下語句預測，得到預測結果；

計算所述預測結果與正確的樣本語句對之間的第二誤差損失，所述正確的樣本語句對包括初始語句樣本以及對應的正確下句；

以最小化第二誤差損失為目標構建所述第二預訓練任務。

6.根據權利要求2所述的基于問診會話的輔助診斷方法，其特征在于，所述以疾病診斷交叉熵損失為優化目標，通過第二醫學數據對所述預訓練的第一特征提取模型以及所述第二特征提取模型進行聯合訓練的步驟包括：

將所述預訓練的第一特征提取模型與所述第二特征提取模型進行連接，得到連接后的模型；

通過第二醫學數據對所述連接后的模型進行訓練，并在訓練過程中，通過所述疾病診斷交叉熵損失的反向傳播調整所述預訓練的第一特征提取模型與所述第二特征提取模型中的參數；

將所述連接后的模型訓練到收斂或達到預設迭次數后，得到所述訓練好的第一特征提取模型以及所述訓練好的第二特征提取模型。

7.根據權利要求6所述的基于問診會話的輔助診斷方法，其特征在于，所述將所述目標特征詞與所述目標特征語句在所述對話文本進行差異化標識的步驟包括：

通過第一可視化要素對所述目標特征詞進行可視化表達，所述第一可視化要素根據所述目標特征詞的置信度進行確定，其中，所述目標特征詞的置信度通過所述第一特征提取模型輸出得到；

通過第二可視化要素對所述目標特征語句進行可視化表達，所述第二可神化要素根據所述目標特征語句的權重進行確定，其中，所述目標特征語句的權重通過所述第二特征提取模型輸出得到；

通過第三可視化要素對所述問診過程進行可視化表達，所述第三可視化要素根據所述問診過程中產生的問診對話的時序進行確定。