【技术实现步骤摘要】
医疗误诊检测方法、装置、电子设备及存储介质
本专利技术涉及人工智能
，尤其涉及一种医疗误诊检测方法、装置、电子设备及存储介质。
技术介绍
由于我国人口基数巨大，导致医院的就诊量也很大，这就要求医生在极短时间内根据患者的主诉数据及相关经验做出诊断，由于全身诊断自身的难度及时间限制，导致医生的误诊率较高。为了降低误诊率，现有的误诊检测系统也应运而生。然而，现有的误诊检测系统往往是事后检测，达不到实时预警的效果。
技术实现思路
鉴于以上内容，有必要提供一种医疗误诊检测方法、装置、电子设备及存储介质，不仅能够提高误诊检测率，还能够达到实时预警的效果。一种医疗误诊检测方法，所述医疗误诊检测方法包括：当接收到医疗误诊检测请求时，从所述医疗误诊检测请求中获取主诉数据及待诊断疾病；根据所述医疗误诊检测请求确定待诊断用户，并获取所述待诊断用户的现病史；抽取所述主诉数据中的实体及所述现病史中的实体，得到疾病实体；从预先构建的图神经网络中获取与所述疾病实体关联的目标实体，并获取所述
【技术保护点】
1.一种医疗误诊检测方法，其特征在于，所述医疗误诊检测方法包括：/n当接收到医疗误诊检测请求时，从所述医疗误诊检测请求中获取主诉数据及待诊断疾病；/n根据所述医疗误诊检测请求确定待诊断用户，并获取所述待诊断用户的现病史；/n抽取所述主诉数据中的实体及所述现病史中的实体，得到疾病实体；/n从预先构建的图神经网络中获取与所述疾病实体关联的目标实体，并获取所述目标实体的权重；/n基于所述权重将所述目标实体转换为医学知识特征向量；/n利用卷积神经网络对所述主诉数据进行处理，得到文本特征向量；/n拼接所述医学知识特征向量及所述文本特征向量，得到目标向量；/n将所述目标向量输入至判别模...
【技术特征摘要】
1.一种医疗误诊检测方法，其特征在于，所述医疗误诊检测方法包括：
当接收到医疗误诊检测请求时，从所述医疗误诊检测请求中获取主诉数据及待诊断疾病；
根据所述医疗误诊检测请求确定待诊断用户，并获取所述待诊断用户的现病史；
抽取所述主诉数据中的实体及所述现病史中的实体，得到疾病实体；
从预先构建的图神经网络中获取与所述疾病实体关联的目标实体，并获取所述目标实体的权重；
基于所述权重将所述目标实体转换为医学知识特征向量；
利用卷积神经网络对所述主诉数据进行处理，得到文本特征向量；
拼接所述医学知识特征向量及所述文本特征向量，得到目标向量；
将所述目标向量输入至判别模型中，得到疾病列表；
检测所述待诊断疾病是否存在于所述疾病列表中；
当所述待诊断疾病不存在于所述疾病列表中时，将所述医疗误诊检测请求的响应结果确定为误诊。
2.如权利要求1所述的医疗误诊检测方法，其特征在于，所述根据所述医疗误诊检测请求确定待诊断用户，并获取所述待诊断用户的现病史包括：
从线程连接池中获取任意闲置线程；
利用所述任意闲置线程解析所述医疗误诊检测请求的方法体，得到所述医疗误诊检测请求携带的报文信息；
获取预设标签，并从所述报文信息中获取与所述预设标签对应的信息，作为身份识别码；
利用所述身份识别码确定所述待诊断用户，并从建档库中获取与所述待诊断用户对应的信息，作为所述现病史。
3.如权利要求1所述的医疗误诊检测方法，其特征在于，所述抽取所述主诉数据中的实体及所述现病史中的实体，得到疾病实体包括：
对所述主诉数据进行分词处理，得到第一分词，并对所述现病史进行分词处理，得到第二分词；
遍历预先构建的词典，并将遍历到的第一分词确定为所述主诉数据中的实体，将遍历到的第二分词确定为所述现病史中的实体；
融合所述主诉数据中的实体及所述现病史中的实体，得到所述疾病实体。
4.如权利要求1所述的医疗误诊检测方法，其特征在于，在从预先构建的图神经网络中获取与所述疾病实体关联的目标实体之前，所述医疗误诊检测方法还包括：
获取当前疾病，并获取与所述当前疾病相关联的症状属性；
将所述当前疾病转换为疾病向量，并将所述症状属性转换为症状向量；
利用注意力机制计算所述症状向量与所述疾病向量的关联度；
将所述当前疾病、所述症状属性、所述关联度录入至图模板中，得到所述图神经网络。
5.如权利要求1所述的医疗误诊检测方法，其特征在于，所述基于所述权重将所述目标实体转换为医学知识特征向量包括：
获取所述目标实体的向量值，得到实体向量；
基于所述权重对所述实体向量进行加权和运算，...
【专利技术属性】
技术研发人员：朱昭苇，孙行智，胡岗，
申请(专利权)人：平安科技深圳有限公司，
类型：发明
国别省市：广东;44
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。