【技术实现步骤摘要】
一种基于卷积神经网络的诊疗科室推荐方法及系统
本专利技术涉及医疗服务
,特别涉及一种基于卷积神经网络的诊疗科室推荐方法及系统。
技术介绍
随着科技的进步和医学的发展,医院诊疗科室设置也更加专业化和细分化。然而,这却给用户就医挂号时选择科室带来一定困扰,于是一些医院尤其是大型医院均增设了导诊环节,包括导诊服务人员和导诊自助系统等,其主要功能之一就是为患者推荐诊疗科室。传统的导诊系统通常是基于规则库构建的专家系统,需要用户按照系统的引导一步步输入各种患者症状描述,然后为用户输出对应的就诊科室。但是,专家系统的构建要求相关开发人员掌握大量专业的导诊知识并编码出庞大的规则库,要求较高且任务繁重,另外用户使用专家系统进行导诊时,需严格按照系统引导一步步输入患者症状描述,较为机械和繁琐,并不便于用户使用。
技术实现思路
本专利技术的目的是克服上述
技术介绍
中不足,提供一种基于卷积神经网络的诊疗科室推荐方法及系统,通过基于大数据和神经网络的系统在输出准确率(精度)等性能指标方面可以超越现有的专家系统,且构建时不需要专业领域人员编写规则库,而是让计算机从大数据中自行学习输入到输出的映射,使得系统构建更加简便,同时用户使用时只需一次性输入患者症状描述,本专利技术的系统便给出推荐结果,使得用户的使用更加便捷。为了达到上述的技术效果,本专利技术采取以下技术方案:一种基于卷积神经网络的诊疗科室推荐方法,包含以下步骤:S1.建立样本集:收集若干患者症状描述文本及其对应的就诊科室名称文本构成样本集,并从所述样本集中抽取a%的样本构成验证集,其余样本则构成训练集;a优选取值为5,S2. ...
【技术保护点】
1.一种基于卷积神经网络的诊疗科室推荐方法,其特征在于,包含以下步骤:S1.建立样本集:收集若干患者症状描述文本及其对应的就诊科室名称文本构成样本集,并从所述样本集中抽取a%的样本构成验证集,其余样本则构成训练集;S2.创建词典:对所述样本集中所有文本进行分词,选取其中出现次数大于N次的词构成词典,同时向词典中添加一个特殊词
【技术特征摘要】
1.一种基于卷积神经网络的诊疗科室推荐方法,其特征在于,包含以下步骤:S1.建立样本集:收集若干患者症状描述文本及其对应的就诊科室名称文本构成样本集,并从所述样本集中抽取a%的样本构成验证集,其余样本则构成训练集;S2.创建词典:对所述样本集中所有文本进行分词,选取其中出现次数大于N次的词构成词典,同时向词典中添加一个特殊词<UKN>,所述<UKN>表示词典未包括的所有词汇;S3.数值矩阵化样本:基于所述词典,将样本集中每一条文本转化成尺寸相同的数值矩阵;S4.构建神经网络模型,且所述神经网络模型包括依次连接的词嵌入层、卷积层、池化层、全连接层;S5.训练神经网络模型:对步骤S4中的神经网络模型参数初始化后,基于训练集的数据迭代优化神经网络模型参数,得到一个训练后的模型,改变参数初始化,如此训练M次,得到M个训练后的模型,其中,训练结束条件为每个样本平均参与迭代的次数大于等于A次;S6.模型选择:利用验证集评估上述M个训练后的模型的性能,选择其中预测精度最高的一个模型用于诊疗科室推荐;S7.利用步骤S3将任意患者的症状描述文本转化为数值矩阵化样本,然后将该数值矩阵化样本输入步骤S6中选择的模型中计算得到推荐的诊疗科室标签,进而得到推荐的诊疗科室名称。2.根据权利要求1所述的一种基于卷积神经网络的诊疗科室推荐方法,其特征在于,所述步骤S3具体包含以下步骤:S3.1设定矩阵尺寸为[1,D],其中,D为正整数;S3.2对每条文本进行分词,得到K个词,如果K>D,则截取K个词中前D个词构成分词列表,否则,则在K个词后填充(D-K)个<UKN>构成分词列表;S3.3针对分词列表中的每个词从所述词典中查询得到该词对应的索引值,所述索引值为非负整数,并将分词列表映射成相应的数值矩阵,矩阵尺寸即为[1,D]。3.根据权利要求2所述的一种基于卷积神经网络的诊疗科室推荐方法,其特征在于,所述步骤S4中所述词嵌入层通过线性变换实现将输入大小为[1,D]的数值矩阵embed_input映射到大小为[D,embed_size]的数值矩阵embed_output,其中embed_size为正整数。4.根据权利要求3所述的一种基于卷积神经网络的诊疗科室推荐方法,其特征在于,所述卷积层包括三种类型的卷积核,三种类型的卷积核的尺寸大小分别为[3,embed_size]、[4,embed_size]、[5,embed_size],且每种卷积核的数量用FILTERS_NUM表示。5.根据权利要求4所述的一种基于卷积神经网络的诊疗科室推荐方法,其特征在于,所述卷积层的计算过程如下:步骤一:设某一卷积核Filter的权重参数为矩阵WF、偏置参数为标量bf,WF的尺寸为[filter_size,embed_siz...
【专利技术属性】
技术研发人员:周杨,刘传银,杨峰,梁庆真,刘贤洪,
申请(专利权)人:四川长虹电器股份有限公司,
类型:发明
国别省市:四川,51
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。