[發明專利]置信預測方法和診斷推薦方法及裝置、設備和介質

在審

• 申請號: 202211029735.8
• 申請日: 2022-08-25
• 公開（公告）號: CN115376639A
• 公開（公告）日: 2022-11-22
• 發明（設計）人: 徐越;高麗蓉;胡加學;趙景鶴;賀志陽;鹿曉亮;魏思
• 申請（專利權）人: 安徽訊飛醫療股份有限公司
• 主分類號: G16H10/60
• 分類號: G16H10/60;G16H50/70;G06F40/126;G06N3/04;G06N3/08
• 代理公司: 深圳市威世博知識產權代理事務所(普通合伙) 44280
• 代理人: 柳芳

本申請公開了一種置信預測方法和診斷推薦方法及裝置、設備和介質，其中，置信預測方法包括：基于候選疾病的描述文本進行編碼，得到描述文本特征，并基于病歷文本進行編碼，得到病歷文本特征，且描述文本特征由若干子文本的子文本特征融合得到，若干子文本從描述文本劃分得到，病歷文本特征從在若干時間步分別對病歷文本編碼得到的候選文本特征選擇得到；再基于描述文本特征和病歷文本特征進行第一預測，得到第一分值，并基于各子文本特征和各候選文本特征進行第二預測，得到第二分值；并基于第一分值和第二分值，融合得到描述文本的置信分值，且置信分值表征描述文本作為參考以診斷病歷文本的可信程度。上述方案，能夠提高置信預測的準確性。

技術領域

本申請涉及數據挖掘技術領域，特別是涉及一種置信預測方法和診斷推薦方法及裝置、設備和介質。

背景技術

如今，可視化技術是研究深度學習黑盒模型可解釋性的重要途徑之一，也是最直觀可以看到模型的參數變化的方法，但是神經網絡模型的可視化結果大多使用戶難以理解，同時也缺少對可視化結果的一個統一的評價標準，缺乏普適性，從而降低可信度。

目前，一般采用網絡模型進行診斷結果預測，但是網絡模型的預測結果和得到預測結果的理由使用戶難以理解，并且用戶難以對預測結果的標準進行評價。有鑒于此，如何提高置信預測的準確性成為亟待解決的問題。

發明內容

本申請主要解決的技術問題是提供一種置信預測方法和診斷推薦方法及裝置、設備和介質，能夠提高置信預測的準確性。

為了解決上述技術問題，本申請第一方面提供了一種置信預測方法，包括：基于候選疾病的描述文本進行編碼，得到描述文本特征，并基于病歷文本進行編碼，得到病歷文本特征，且描述文本特征由若干子文本的子文本特征融合得到，若干子文本從描述文本劃分得到，病歷文本特征從在若干時間步分別對病歷文本編碼得到的候選文本特征選擇得到；再基于描述文本特征和病歷文本特征進行第一預測，得到第一分值，并基于各子文本特征和各候選文本特征進行第二預測，得到第二分值；基于第一分值和第二分值，融合得到描述文本的置信分值，且置信分值表征描述文本作為參考以診斷病歷文本的可信程度。

為了解決上述技術問題，本申請第二方面提供了一種診斷推薦方法，包括：獲取病歷文本和各候選疾病的知識庫，且候選疾病的知識庫包括候選疾病的若干描述文本；再基于疾病文本分別與各描述文本進行相關預測，得到各描述文本的置信分值，且置信分值基于上述第一方面中的置信預測方法預測得到；并基于各描述文本的置信分值，選擇至少一個候選疾病作為病歷文本的推薦診斷。

為了解決上述技術問題，本申請第三方面提供了一種置信預測裝置，包括編碼模塊、預測模塊和融合模塊；其中，編碼模塊用于基于候選疾病的描述文本進行編碼，得到描述文本特征，并基于病歷文本進行編碼，得到病歷文本特征，且描述文本特征由若干子文本的子文本特征融合得到，若干子文本從描述文本劃分得到，病歷文本特征從在若干時間步分別對病歷文本編碼得到的候選文本特征選擇得到；預測模塊用于基于描述文本特征和病歷文本特征進行第一預測，得到第一分值，并基于各子文本特征和各候選文本特征進行第二預測，得到第二分值；融合模塊用于基于第一分值和第二分值，融合得到描述文本的置信分值，且置信分值表征描述文本作為參考以診斷病歷文本的可信程度。

為了解決上述技術問題，本申請第四方面提供了一種診斷推薦裝置，包括獲取模塊、預測模塊和選擇模塊；其中，獲取模塊用于獲取病歷文本和各候選疾病的知識庫，且候選疾病的知識庫包括候選疾病的若干描述文本；預測模塊用于基于疾病文本分別與各描述文本進行相關預測，得到各描述文本的置信分值，且置信分值基于上述第三方面中的置信預測裝置預測得到；選擇模塊用于基于各描述文本的置信分值，選擇至少一個候選疾病作為病歷文本的推薦診斷。

為了解決上述技術問題，本申請第五方面提供了一種電子設備，包括相互耦接的存儲器和處理器，存儲器中存儲有程序指令，處理器用于執行程序指令以實現上述第一方面中的置信預測方法，或上述第二方面中的診斷推薦方法。