[發明專利]疑似傳染病預測方法及裝置

有效

• 申請號: 202111095969.8
• 申請日: 2021-09-18
• 公開（公告）號: CN113555077B
• 公開（公告）日: 2022-01-11
• 發明（設計）人: 王夢瑩;計虹;孫震;胡可云;陳聯忠;常鳳香;魏振豪;朱聲榮;王欣
• 申請（專利權）人: 北京大學第三醫院（北京大學第三臨床醫學院）;北京嘉和海森健康科技有限公司
• 主分類號: G16H10/60
• 分類號: G16H10/60;G16H15/00;G16H50/20;G16H50/70;G16H50/80;G06N3/04;G06N3/08
• 代理公司: 北京中和立達知識產權代理有限公司 11756
• 代理人: 楊磊

1.一種疑似傳染病預測方法，其特征在于，所述方法包括：

從醫療數據庫中獲取所有患者的電子病歷信息和檢查報告信息；

利用每個患者的電子病歷信息和檢查報告信息以及第一多輸入稠密化診斷模型進行訓練，以得到二分類預測模型；

利用每個患者的電子病歷信息和檢查報告信息以及第二多輸入稠密化診斷模型進行訓練，以得到多分類預測模型；

獲取目標患者的電子病歷信息和檢查報告信息；

使用所述二分類預測模型預測所述目標患者是否是疑似傳染病；

當預測所述目標患者是疑似傳染病時，使用所述多分類預測模型預測所述疑似傳染病的具體類型；

利用每個患者的電子病歷信息和檢查報告信息以及第一多輸入稠密化診斷模型進行訓練，以得到二分類預測模型，包括：

第一多輸入稠密化診斷模型根據每個患者的電子病歷信息和檢查報告信息，確定該患者的個人信息、門診信息或住院信息和檢查報告信息；

根據所述患者的個人信息確定個人信息向量，根據所述門診信息或住院信息確定診療向量，根據所述檢查報告信息確定檢查報告向量；

將所述診療向量和檢查報告向量分別進行自編碼器處理，以得到對應的稠密診療向量和稠密檢查報告向量；

將所述個人信息向量、稠密診療向量和稠密檢查報告向量進行合并和歸一化處理，以得到輸入向量；

將所述輸入向量輸入自注意力層，以得到第一輸出結果；

將所述稠密診療向量、稠密檢查報告向量和所述第一輸出結果進行批歸一化處理，得到第一處理結果；

將所述第一處理結果輸入前饋神經網絡，輸出神經網絡計算結果；

將所述第一處理結果和所述神經網絡計算結果進行批歸一化處理，得到第二處理結果；

將所述第二處理結果輸入sigmoid函數，以輸出是否是疑似傳染病的概率；

利用每個患者的電子病歷信息和檢查報告信息以及第二多輸入稠密化診斷模型進行訓練，以得到多分類預測模型，包括：

第一多輸入稠密化診斷模型根據每個患者的電子病歷信息和檢查報告信息，確定該患者的個人信息、門診信息或住院信息和檢查報告信息；

根據所述患者的個人信息確定個人信息向量，根據所述門診信息或住院信息確定診療向量，根據所述檢查報告信息確定檢查報告向量；

將所述診療向量和檢查報告向量分別進行自編碼器處理，以得到對應的稠密診療向量和稠密檢查報告向量；

將所述個人信息向量、稠密診療向量和稠密檢查報告向量進行合并和歸一化處理，以得到輸入向量；

將所述輸入向量輸入自注意力層，以得到第一輸出結果；

將所述稠密診療向量、稠密檢查報告向量和所述第一輸出結果進行批歸一化處理，得到第一處理結果；

將所述第一處理結果輸入前饋神經網絡，輸出神經網絡計算結果；

將所述第一處理結果和所述神經網絡計算結果進行批歸一化處理，得到第二處理結果；

將所述第二處理結果輸入歸一化指數函數，以輸出疑似傳染病的具體類型的預測值；

所述自編碼器在優化過程中把所述診療向量和檢查報告向量同時作為分類預測模型的輸入和輸出，通過最小化重構誤差希望學習得 到對應的抽象特征表示Z矩陣，其中，對于不同類型的文書，構建的自編碼器不同。

2.根據權利要求1所述的方法，其特征在于，在利用每個患者的電子病歷信息和檢查報告信息進行模型訓練之前，還包括：

從所述每個患者的電子病歷信息中獲取電子病歷文本數據；

對所述電子病歷文本數據進行序列標注和分詞處理，并使用BiLSTM- CRF網絡結構從中提取實體特征信息以及實體之間的關系，并通過獨熱編碼對所述實體特征信息進行格式轉化，以利用轉化格式后的所述實體特征信息進行模型訓練。