基于病历的辅助决策方法、装置、电子设备和存储介质制造方法及图纸

本发明专利技术实施例提供一种基于病历的辅助决策方法、装置、电子设备和存储介质，其中方法包括：确定病历文本，以及病历文本的关键信息和/或潜在信息；将病历文本，以及病历文本的关键信息和/或潜在信息输入至语义提取模型，得到语义提取模型输出的病历语义表示；基于病历语义表示进行辅助决策；其中，语义提取模型是基于样本病历语义表示和匹配病历语义表示的相似度训练得到的；样本病历语义表示和匹配病历语义表示是语义提取模型基于样本病历文本、匹配病历文本、样本病历文本的样本关键信息和/或样本潜在信息，以及匹配关键信息和/或匹配潜在信息确定的。本发明专利技术实施例提供的方法、装置、电子设备和存储介质，提高了辅助决策的准确性和可靠性。

Auxiliary decision-making methods, devices, electronic devices and storage media based on medical records

【技术实现步骤摘要】
基于病历的辅助决策方法、装置、电子设备和存储介质
本专利技术涉及智能医疗
，尤其涉及一种基于病历的辅助决策方法、装置、电子设备和存储介质。
技术介绍
随着人工智能技术的快速发展，基于病历的人工智能辅助决策方法应运而生，通过挖掘病历中的有用信息，为医生推荐相似病历，或者提供可能的诊断结果以辅助医生进行诊断，为患者提供参考。当前，基于病历的辅助决策方法，大多是根据输入的病历文本学习病历字面上的文本信息，进而进行辅助决策。而实际上，病历的构成十分复杂，单凭字面上的文本信息并不能够满足深层次、细粒度的信息挖掘需求，由此得到的辅助决策结果并不可靠。
技术实现思路
本专利技术实施例提供一种基于病历的辅助决策方法、装置、电子设备和存储介质，用以解决现有的基于病历的辅助决策方法无法进行深层次、细粒度的信息挖掘，导致辅助决策结果可靠性低的问题。第一方面，本专利技术实施例提供一种基于病历的辅助决策方法，包括：确定病历文本，以及所述病历文本的关键信息和/或潜在信息；将所述病历文本，以及所述病历文本的关键信息和/或潜在信息输入至语义提取模型，得到所述语义提取模型输出的病历语义表示；基于所述病历语义表示进行辅助决策；其中，所述语义提取模型是基于样本病历语义表示和匹配病历语义表示的相似度训练得到的；所述样本病历语义表示和所述匹配病历语义表示是所述语义提取模型基于样本病历文本、所述样本病历文本的匹配病历文本、所述样本病历文本的样本关键信息和/或样本潜在信息，以及所述匹配病历文本的匹配关键信息和/或匹配潜在信息确定的。优选地，所述确定病历文本，以及所述病历文本的关键信息和潜在信息，具体包括：确定所述病历文本；将所述病历文本输入至命名实体识别模型，得到所述命名实体识别模型输出的所述关键信息；其中，所述命名实体识别模型是基于样本病历文本以及样本关键信息训练得到的；推导所述病历文本和/或所述关键信息，得到所述潜在信息。优选地，所述推导所述病历文本和/或所述关键信息，得到所述潜在信息，具体包括：基于所述病历文本，确定个人相关信息和/或既往信息；和/或，基于所述关键信息，确定所述关键信息对应的关联信息。优选地，所述样本病历语义表示和所述匹配病历语义表示的确定方法，包括：将所述样本病历文本、所述样本关键信息、所述样本潜在信息，以及所述匹配病历文本、所述匹配关键信息和所述匹配潜在信息输入至所述语义提取模型的初始语义表示层，得到所述初始语义表示层输出的样本初始文本特征、样本初始关键特征、样本初始潜在特征，以及匹配初始文本特征、匹配初始关键特征、匹配初始潜在特征；将所述样本初始文本特征、样本初始关键特征、样本初始潜在特征，以及匹配初始文本特征、匹配初始关键特征、匹配初始潜在特征输入至所述语义提取模型的共同语义表示层，得到所述共同语义表示层输出的所述样本病历语义表示和所述匹配病历语义表示。优选地，所述将所述样本初始文本特征、样本初始关键特征、样本初始潜在特征，以及匹配初始文本特征、匹配初始关键特征、匹配初始潜在特征输入至所述语义提取模型的共同语义表示层，得到所述共同语义表示层输出的所述样本病历语义表示和所述匹配病历语义表示，具体包括：对样本拼接特征和匹配拼接特征进行注意力交互，得到样本注意力特征和匹配注意力特征；其中，所述样本拼接特征是拼接所述样本初始文本特征和所述样本初始关键特征得到的，所述匹配拼接特征是拼接所述匹配初始文本特征和所述匹配初始关键特征得到的；基于所述样本注意力特征和所述样本初始潜在特征，确定所述样本病历语义表示；基于所述匹配注意力特征和所述匹配初始潜在特征，确定所述匹配病历语义表示。优选地，所述将所述病历文本，以及所述病历文本的关键信息和/或潜在信息输入至语义提取模型，得到所述语义提取模型输出的病历语义表示，具体包括：将所述病历文本，以及所述病历文本的关键信息和潜在信息分别输入至所述语义提取模型的初始语义表示层，得到所述初始语义表示层输出的初始文本特征、初始关键特征以及初始潜在特征；将所述初始文本特征、所述初始关键特征以及所述初始潜在特征输入至所述语义提取模型的共同语义表示层，得到所述共同语义表示层输出的病历语义表示。优选地，所述基于所述病历语义表示进行辅助决策，具体包括：基于所述病历语义表示，选取所述病历文本的相似病历文本；基于所述相似病历文本的诊断结果，进行辅助决策。第二方面，本专利技术实施例提供一种基于病历的辅助决策装置，包括：信息确定单元，用于确定病历文本，以及所述病历文本的关键信息和/或潜在信息；语义提取单元，用于将所述病历文本，以及所述病历文本的关键信息和/或潜在信息输入至语义提取模型，得到所述语义提取模型输出的病历语义表示；辅助决策单元，用于基于所述病历语义表示进行辅助决策；其中，所述语义提取模型是基于样本病历语义表示和匹配病历语义表示的相似度训练得到的；所述样本病历语义表示和所述匹配病历语义表示是所述语义提取模型基于样本病历文本、所述样本病历文本的匹配病历文本、所述样本病历文本的样本关键信息和/或样本潜在信息，以及所述匹配病历文本的匹配关键信息和/或匹配潜在信息确定的。第三方面，本专利技术实施例提供一种电子设备，包括处理器、通信接口、存储器和总线，其中，处理器，通信接口，存储器通过总线完成相互间的通信，处理器可以调用存储器中的逻辑命令，以执行如第一方面所提供的方法的步骤。第四方面，本专利技术实施例提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如第一方面所提供的方法的步骤。本专利技术实施例提供的一种基于病历的辅助决策方法、装置、电子设备和存储介质，病历文本的关键信息和/或潜在信息的确定，满足了细粒度、深层次的信息挖掘需求；将病历文本及其关键信息和/或潜在信息应用于语义提取，从而得到更加全面更加精细化地反映病历文本的病历语义表示，有效提高了基于病历的辅助决策的准确性和可靠性。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1为本专利技术实施例提供的基于病历的辅助决策方法的流程示意图；图2为本专利技术实施例提供的病历文本的关键信息和潜在信息的确定方法的流程示意图；图3为本专利技术实施例提供的样本病历语义表示和所述匹配病历语义表示的确定方法的流程示意图；图4为本专利技术实施例提供的共同语义表示层的运行方法流程示意图；图5为本专利技术实施例提供的语义提取模型的结构示意图；图6为本专利技术实施例提供的语义提取模型的运行流程示意图；图7为本专利技术实施例提供的基于病历的辅助决策装置的结构示意图；<本文档来自技高网...

【技术保护点】
1.一种基于病历的辅助决策方法，其特征在于，包括：/n确定病历文本，以及所述病历文本的关键信息和/或潜在信息；/n将所述病历文本，以及所述病历文本的关键信息和/或潜在信息输入至语义提取模型，得到所述语义提取模型输出的病历语义表示；/n基于所述病历语义表示进行辅助决策；/n其中，所述语义提取模型是基于样本病历语义表示和匹配病历语义表示的相似度训练得到的；所述样本病历语义表示和所述匹配病历语义表示是所述语义提取模型基于样本病历文本、所述样本病历文本的匹配病历文本、所述样本病历文本的样本关键信息和/或样本潜在信息，以及所述匹配病历文本的匹配关键信息和/或匹配潜在信息确定的。/n

【技术特征摘要】
1.一种基于病历的辅助决策方法，其特征在于，包括：
确定病历文本，以及所述病历文本的关键信息和/或潜在信息；
将所述病历文本，以及所述病历文本的关键信息和/或潜在信息输入至语义提取模型，得到所述语义提取模型输出的病历语义表示；
基于所述病历语义表示进行辅助决策；
其中，所述语义提取模型是基于样本病历语义表示和匹配病历语义表示的相似度训练得到的；所述样本病历语义表示和所述匹配病历语义表示是所述语义提取模型基于样本病历文本、所述样本病历文本的匹配病历文本、所述样本病历文本的样本关键信息和/或样本潜在信息，以及所述匹配病历文本的匹配关键信息和/或匹配潜在信息确定的。


2.根据权利要求1所述的基于病历的辅助决策方法，其特征在于，所述确定病历文本，以及所述病历文本的关键信息和潜在信息，具体包括：
确定所述病历文本；
将所述病历文本输入至命名实体识别模型，得到所述命名实体识别模型输出的所述关键信息；其中，所述命名实体识别模型是基于样本病历文本以及样本关键信息训练得到的；
推导所述病历文本和/或所述关键信息，得到所述潜在信息。


3.根据权利要求2所述的基于病历的辅助决策方法，其特征在于，所述推导所述病历文本和/或所述关键信息，得到所述潜在信息，具体包括：
基于所述病历文本，确定个人相关信息和/或既往信息；
和/或，基于所述关键信息，确定所述关键信息对应的关联信息。


4.根据权利要求1至3中任一项所述的基于病历的辅助决策方法，其特征在于，所述样本病历语义表示和所述匹配病历语义表示的确定方法，包括：
将所述样本病历文本、所述样本关键信息、所述样本潜在信息，以及所述匹配病历文本、所述匹配关键信息和所述匹配潜在信息输入至所述语义提取模型的初始语义表示层，得到所述初始语义表示层输出的样本初始文本特征、样本初始关键特征、样本初始潜在特征，以及匹配初始文本特征、匹配初始关键特征、匹配初始潜在特征；
将所述样本初始文本特征、样本初始关键特征、样本初始潜在特征，以及匹配初始文本特征、匹配初始关键特征、匹配初始潜在特征输入至所述语义提取模型的共同语义表示层，得到所述共同语义表示层输出的所述样本病历语义表示和所述匹配病历语义表示。


5.根据权利要求4所述的基于病历的辅助决策方法，其特征在于，所述将所述样本初始文本特征、样本初始关键特征、样本初始潜在特征，以及匹配初始文本特征、匹配初始关键特征、匹配初始潜在特征输入至所述语义提取模型的共同语义表示层，得到所述共同语义表示层输出的所述样本病历语义表示和所述匹配病历语义表示，...

【专利技术属性】
技术研发人员：高丽蓉，肖飞，赵景鹤，胡加学，贺志阳，甘露，张正欣，
申请(专利权)人：安徽科大讯飞医疗信息技术有限公司，
类型：发明
国别省市：安徽;34