[發明專利]基于知識結構及四診性狀的中醫模型訓練方法、裝置

在審

• 申請號: 202210540736.2
• 申請日: 2022-05-17
• 公開（公告）號: CN114783618A
• 公開（公告）日: 2022-07-22
• 發明（設計）人: 胡意儀;阮曉雯;陳遠旭
• 申請（專利權）人: 平安科技（深圳）有限公司
• 主分類號: G16H50/70
• 分類號: G16H50/70;G16H50/20;G16H20/90;G06F40/295;G06F40/289;G06F40/268;G06F40/30;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 深圳市沃德知識產權代理事務所(普通合伙) 44347
• 代理人: 高杰;于志光

本發明涉及智能決策技術，揭露了一種基于知識結構及四診性狀的中醫模型訓練方法，包括：對中醫語料數據集進行實體識別，得到實體結果，并將所述實體結果進行分類，得到各個類型的醫療實體集合；對所述醫療實體集合，根據預設的實體上下級關系，構建鏈式樣本集合；對所述鏈式樣本集合進行知識結構訓練，得到初級中醫診斷模型；根據預設的掩碼遮蔽策略，利用預構建的四診文本集合對所述初級中醫診斷模型進行訓練，得到中醫診斷模型。本發明還提出一種基于知識結構及四診性狀的中醫模型訓練裝置、設備及存儲介質。本發明通過整理知識結構與掩碼預測四診性狀的方法，訓練得到診斷準確率更高的中醫診斷模型。

技術領域

本發明涉及智能決策技術領域，尤其涉及一種基于知識結構及四診性狀的中醫模型訓練方法、裝置、設備及計算機可讀存儲介質。

背景技術

近年來，隨著中醫解決國際醫療問題的增多，使得中醫的國際地位逐漸提高。中醫是我國源遠流長的知識積累，通過望聞問切的四診性狀對病人進行全方面的無身體損害的診斷，其要求醫者具有涵蓋人體各個方面知識，但知識點積累也使得中醫的發展受到限制。隨著時代的發展，為了更多人能夠享受到中醫診治的便利，目前已經產生了通過海量中醫相關的文本語料對神經網絡進行訓練，然后再通過醫案典籍進行微調訓練，得到醫療診斷模型。

然而，中醫為一種高度專業化的領域，現有的訓練方法，利用的體量龐大、質量參差不齊的文本語料，訓練完的模型不能很好的融入中醫辨證論治的思辨邏輯，訓練完的模型勉強算作醫療診斷模型而不能稱為中醫診斷模型。因此，需要一種更加有效的訓練方法來得到一個能夠體現中醫能量的、增加診斷準確率的中醫診斷模型。

發明內容

本發明提供一種基于知識結構及四診性狀的中醫模型訓練方法、裝置、設備及存儲介質，其主要目的在于通過整理知識結構與掩碼預測四診性狀的方法，訓練得到診斷準確率更高的中醫診斷模型。

為實現上述目的，本發明提供的一種基于知識結構及四診性狀的中醫模型訓練方法，包括：

對預構建的中醫語料數據集進行實體識別，得到實體結果，并將所述實體結果進行分類，得到各個類型的醫療實體集合；

對所述醫療實體集合，根據預設的實體上下級關系，構建鏈式樣本集合；

對所述鏈式樣本集合進行知識結構訓練，得到初級中醫診斷模型；

獲取四診性狀的診斷信息集合，根據預設的預處理策略，將所述四診性狀的診斷信息集合進行轉文本操作，得到四診文本集合；

根據預設的掩碼遮蔽方式和所述四診文本集合對所述初級中醫診斷模型進行訓練，得到中醫診斷模型。

可選的，所述根據預設的掩碼遮蔽方法，利用所述四診文本集合對所述初級中醫診斷模型進行訓練，得到中醫診斷模型，包括：

根據預設掩碼和預設的遮蔽比例對所述四診文本集合進行遮蔽，得到遮蔽樣本集，其中，每個所述遮蔽樣本包括至少一處被遮蔽；

根據預設比例，將所述遮蔽樣本集分配為訓練集及測試集；

通過所述初級中醫診斷模型對所述遮蔽序列進行預測，得到預測結果；

計算所述預測結果與真實被遮蔽部分的損失值，并根據所述損失值，對所述初級中醫診斷模型進行反向更新，得到更新診斷模型；

判斷所述訓練集中的遮蔽樣本是否全部參與訓練；

當所述訓練集中的遮蔽樣本未全部參與訓練，則返回上述利用所述初級中醫診斷模型，對所述訓練集中的遮蔽部分進行預測，得到預測結果的步驟對所述更新診斷模型進行迭代更新；

當所述訓練集中的遮蔽樣本全部參與訓練，則得到最終更新的更新診斷模型；