[發明專利]病種分類模型訓練方法、裝置、存儲介質及電子裝置

在審

• 申請號: 202111502172.5
• 申請日: 2021-12-09
• 公開（公告）號: CN114117053A
• 公開（公告）日: 2022-03-01
• 發明（設計）人: 饒顯;李霄寒
• 申請（專利權）人: 深圳云知聲信息技術有限公司
• 主分類號: G06F16/35
• 分類號: G06F16/35;G06F16/36
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發明公開了一種病種分類模型訓練方法、裝置、存儲介質及電子裝置。其中，該病種分類模型訓練方法包括：獲取患病樣本用戶的就診信息，其中，就診信息包括不同醫療人員對樣本用戶的診斷信息；通過自然語音處理技術從就診信息提取第一特征，并訓練預設病種分類模型，得到用于病種分類的目標病種分類模型，其中，目標病種分類模型中包括病種分類的規則，即通過訓練好的病種分類模型可以快速、準確的將患者所患病種進行歸類，解決了現有技術中，對患者病種分類效率低的技術問題。

技術領域

本發明涉及病例信息處理相關領域，具體而言，涉及一種病種分類模型訓練方法、裝置、存儲介質及電子裝置。

背景技術

國家衛健委為提高醫療質量管理的精細化、科學化程度，制定了需監測的51個病種，各家醫院需要將符合這些病種特征的患者上報至國家平臺。

上報人員需要完全熟悉患者歸類51種病種的規則及患者所有的病歷信息然后加以判斷歸屬病種，需確保患者病種歸屬正確。

針對上述的問題，目前尚未提出有效的解決方案。

發明內容

本發明實施例提供了一種病種分類模型訓練方法、裝置、存儲介質及電子裝置，以至少解決現有技術中，對患者病種分類效率低的問題。

根據本發明實施例的一個方面，提供了一種病種分類模型訓練方法，包括：獲取患病樣本用戶的就診信息，其中，所述就診信息包括不同醫療人員對所述樣本用戶的診斷信息；通過所述自然語音處理技術從所述就診信息提取第一特征，并訓練預設病種分類模型，得到用于病種分類的目標病種分類模型，其中，所述目標病種分類模型中包括病種分類的規則。

可選的，所述獲取患病樣本用戶的就診息之前，所述方法還包括：按照所述患病用戶的就診信息搭建知識圖譜，其中，所述就診信息包括以下之一：治療方案、治療前癥狀、治療后癥狀。

可選的，所述通過所述自然語音處理技術從所述就診信息提取第一特征，訓練預設病種分類模型，包括：通過所述自然語音處理技術根據所述診斷信息從所述知識圖譜中獲取第二特征；根據所述第一特征和所述第二特征訓練所述預設病種分類模型。

可選的，所述獲取患病樣本用戶的就診信息，包括：從不同醫院的電子病例系統獲取所述患者樣本用戶的初始就診信息；對所述初始就診信息進行清洗處理，獲取所述就診信息。

根據本發明實施例的另一方面，還提供了一種病種分類方法，包括：獲取患者的就診信息，其中，所述就診信息包括不同醫療人員對所述患者的診斷信息；將所述就診信息輸入病種分類模型中，得到所述患者所患病種類別，其中，所述病種分類模型包括上述病種分類模型訓練方法確定的模型。

根據本發明實施例的另一方面，還提供了一種病種分類模型訓練裝置，包括：獲取單元，用于獲取患病樣本用戶的就診信息，其中，所述就診信息包括不同醫療人員對所述樣本用戶的診斷信息；訓練單元，用于通過所述自然語音處理技術從所述就診信息提取第一特征，并訓練預設病種分類模型，得到用于病種分類的目標病種分類模型，其中，所述目標病種分類模型中包括病種分類的規則。

可選的，所述裝置還包括：搭建單元，用于所述獲取患病樣本用戶的就診息之前，按照所述患病用戶的就診信息搭建知識圖譜，其中，所述就診信息包括以下之一：治療方案、治療前癥狀、治療后癥狀。

可選的，所述訓練單元，包括：第一獲取模塊，用于通過所述自然語音處理技術根據所述診斷信息從所述知識圖譜中獲取第二特征；訓練模塊，用于根據所述第一特征和所述第二特征訓練所述預設病種分類模型。

可選的，所述獲取單元，包括：第二獲取模塊，用于從不同醫院的電子病例系統獲取所述患者樣本用戶的初始就診信息；第三獲取模塊，用于對所述初始就診信息進行清洗處理，獲取所述就診信息。