本发明专利技术公开了一种治疗方案推荐方法，该方法包括：获取当前病例症状以及医疗病例数据库，基于自注意力机制从医疗病例数据库中提取与当前病例症状对应的候选治疗方案；对候选治疗方案进行预处理，获得第一向量集合；构建医疗知识图谱，从医疗知识图谱中抽取医学节点集，采用异质图神经网络对医学节点集进行表征学习，根据当前病例症状对表征结果进行筛选，获得与当前病例症状对应的第二向量集合；计算第一向量集合与第二向量集合之间的相似度；根据相似度计算结果从第一向量集合中确定目标向量，将目标向量对应的候选治疗方案作为推荐治疗方案。通过上述方式，本发明专利技术能够充分结合医疗知识图谱和医生的候选治疗方案，保证推荐治疗方案的可靠性。治疗方案的可靠性。治疗方案的可靠性。
【技术实现步骤摘要】
治疗方案推荐方法、装置、设备及存储介质
[0001]本专利技术涉及医疗信息数据处理
，特别是涉及一种治疗方案推荐方法、装置、设备及存储介质。
技术介绍
[0002]疾病治疗方案的推荐方式是十分复杂，现有的推荐方式通常采用基于规则决策树的方式进行，或者是基于现有病例搜索相似方案的方式进行。
[0003]基于规则决策树的方式在构建关键决策点后，通常存在特征缺失或者不完整，以及并发症过多，导致通过原有的决策规则无法匹配，因此，基于规则决策树的方式推荐疾病治疗方案的可靠性强，但个性化很差。
[0004]基于现有病例搜索相似方案的方式可以针对现实世界的病例进行循证，并有依据地进行新方案的选取，但是，患者发病特征不尽相同，无法找到百分百完全匹配的相似病例。
技术实现思路
[0005]本专利技术提供一种治疗方案推荐方法、装置、设备及存储介质，能够充分结合医疗知识图谱和医生的候选治疗方案，保证推荐治疗方案的可靠性。
[0006]为解决上述技术问题，本专利技术采用的一个技术方案是：提供一种基于医疗知识图谱的治疗方案推荐方法，包括：
[0007]获取当前病例症状以及医疗病例数据库，基于自注意力机制从所述医疗病例数据库中提取与所述当前病例症状对应的候选治疗方案，所述医疗病例数据库中存储有历史治疗方案；
[0008]对所述候选治疗方案进行预处理，获得第一向量集合；
[0009]构建医疗知识图谱，从所述医疗知识图谱中抽取医学节点集，采用异质图神经网络对所述医学节点集进行表征学习，根据所述当前病例症状对表征结果进行筛选，获得与所述当前病例症状对应的第二向量集合；
[0010]计算所述第一向量集合与所述第二向量集合之间的相似度；
[0011]根据相似度计算结果从所述第一向量集合中确定目标向量，将所述目标向量对应的候选治疗方案作为推荐治疗方案。
[0012]根据本专利技术的一个实施例，获取当前病例症状以及医疗病例数据库，基于自注意力机制从所述医疗病例数据库中提取与所述当前病例症状对应的候选治疗方案的步骤包括：
[0013]从所述医疗病例数据库中获取病例信息，采用自注意力机制从所述病例信息中抽取病例特征；
[0014]将所述病例特征与所述当前病例症状进行匹配以对所述病例信息进行分类；
[0015]根据分类结果从所述病例信息中筛选出与所述当前病例症状对应的候选治疗方
案。
[0016]根据本专利技术的一个实施例，对所述候选治疗方案进行预处理，获得第一向量集合的步骤包括：
[0017]对所述候选治疗方案进行排列形成方案序列；
[0018]依次对所述方案序列中的每一个所述候选治疗方案进行嵌入处理，得到每一个所述候选治疗方案的向量表示；
[0019]将多个所述候选治疗方案的向量表示进行合并处理组成集合，获得所述第一向量集合。
[0020]根据本专利技术的一个实施例，计算所述第一向量集合与所述第二向量集合之间的相似度的步骤包括：
[0021]计算所述第一向量集合中每个分量与所述第二向量集合之间的欧几里得距离；
[0022]根据所述欧几里得距离计算所述第一向量集合中每个分量与所述第二向量集合之间的相似度。
[0023]根据本专利技术的一个实施例，根据相似度计算结果从所述第一向量集合中确定目标向量，将所述目标向量对应的候选治疗方案作为推荐治疗方案的步骤还包括：
[0024]将所述相似度计算结果与预设阈值进行比较；
[0025]根据比较结果对所述第一向量集合中的分量进行分类，并从分类结果中确定目标向量，将所述目标向量对应的候选治疗方案作为推荐治疗方案。
[0026]根据本专利技术的一个实施例，构建医疗知识图谱，从所述医疗知识图谱中抽取医学节点集，采用异质图神经网络对所述医学节点集进行表征学习，根据所述当前病例症状对表征结果进行筛选，获得与所述当前病例症状对应的第二向量集合的步骤包括：
[0027]构建医疗知识图谱，从所述医疗知识图谱中获取医学节点集，所述医疗节点集包括同一疾病的症状、用药、手术和检验检查对应的医学节点；
[0028]将所述医学节点集对应的节点特征转化为节点集邻接矩阵，采用异质图神经网络对所述节点集邻接矩阵进行表征学习，获取节点集关联向量；
[0029]基于所述当前病例症状对所述节点集关联向量进行筛选，获取与所述当前病例症状对应的第二向量集合。
[0030]根据本专利技术的一个实施例，基于所述当前病例症状对所述节点集关联向量进行筛选，获取与所述当前病例症状对应的第二向量集合的步骤之前，还包括：
[0031]当所述医学知识图谱中不存在与所述当前病例症状对应的医学节点时，将所述当前病例症状添加入异质图中，获取所述当前病例症状的邻居节点；
[0032]根据所述邻居节点生成对应的计算图，从所述计算图中获得与所述当前病例症状对应的医学节点。
[0033]为解决上述技术问题，本专利技术采用的另一个技术方案是：提供一种基于医疗知识图谱的治疗方案推荐装置，包括：
[0034]第一获取模块，用于获取当前病例症状以及医疗病例数据库，基于自注意力机制从所述医疗病例数据库中提取与所述当前病例症状对应的候选治疗方案，所述医疗病例数据库中存储有历史治疗方案；
[0035]预处理模块，用于对所述候选治疗方案进行预处理，获得第一向量集合；
[0036]第二获取模块，用于构建医疗知识图谱，从所述医疗知识图谱中抽取医学节点集，采用异质图神经网络对所述医学节点集进行表征学习，根据所述当前病例症状对表征结果进行筛选，获得与所述当前病例症状对应的第二向量集合；
[0037]计算模块，用于计算所述第一向量集合与所述第二向量集合之间的相似度；
[0038]推荐模块，用于根据相似度计算结果从所述第一向量集合中确定目标向量，将所述目标向量对应的候选治疗方案作为推荐治疗方案。
[0039]为解决上述技术问题，本专利技术采用的再一个技术方案是：提供一种计算机设备，包括：存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现所述的基于医疗知识图谱的治疗方案推荐方法。
[0040]为解决上述技术问题，本专利技术采用的再一个技术方案是：提供一种计算机存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述基于医疗知识图谱的治疗方案推荐方法。
[0041]本专利技术的有益效果是：与现有的直接从医疗知识图谱中获取推荐方案的方式相比，将医疗知识图谱与医疗病例数据库相结合，基于当前病例症状采用自注意力机制从医疗病例数据库中选取候选治疗方案，基于当前病例症状采用异质图神经网络从医疗知识图谱中获取治疗方案，通过比较医疗知识图谱中获取的治疗方案和医疗病例数据库中选取的候选治疗方案之间的相似度，在候选治疗方案中进一步找出更可靠的治疗方案，既能防止因推荐模型的训练数据错误而推荐出异常治疗方案，还能够保证推荐方案的个性化和可靠性。<本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于医疗知识图谱的治疗方案推荐方法，其特征在于，包括：获取当前病例症状以及医疗病例数据库，基于自注意力机制从所述医疗病例数据库中提取与所述当前病例症状对应的候选治疗方案，所述医疗病例数据库中存储有历史治疗方案；对所述候选治疗方案进行预处理，获得第一向量集合；构建医疗知识图谱，从所述医疗知识图谱中抽取医学节点集，采用异质图神经网络对所述医学节点集进行表征学习，根据所述当前病例症状对表征结果进行筛选，获得与所述当前病例症状对应的第二向量集合；计算所述第一向量集合与所述第二向量集合之间的相似度；根据相似度计算结果从所述第一向量集合中确定目标向量，将所述目标向量对应的候选治疗方案作为推荐治疗方案。2.根据权利要求1所述的治疗方案推荐方法，其特征在于，获取当前病例症状以及医疗病例数据库，基于自注意力机制从所述医疗病例数据库中提取与所述当前病例症状对应的候选治疗方案的步骤包括：从所述医疗病例数据库中获取病例信息，采用自注意力机制从所述病例信息中抽取病例特征；将所述病例特征与所述当前病例症状进行匹配以对所述病例信息进行分类；根据分类结果从所述病例信息中筛选出与所述当前病例症状对应的候选治疗方案。3.根据权利要求1所述的治疗方案推荐方法，其特征在于，对所述候选治疗方案进行预处理，获得第一向量集合的步骤包括：对所述候选治疗方案进行排列形成方案序列；依次对所述方案序列中的每一个所述候选治疗方案进行嵌入处理，得到每一个所述候选治疗方案的向量表示；将多个所述候选治疗方案的向量表示进行合并处理组成集合，获得所述第一向量集合。4.根据权利要求3所述的治疗方案推荐方法，其特征在于，计算所述第一向量集合与所述第二向量集合之间的相似度的步骤包括：计算所述第一向量集合中每个分量与所述第二向量集合之间的欧几里得距离；根据所述欧几里得距离计算所述第一向量集合中每个分量与所述第二向量集合之间的相似度。5.根据权利要求4所述的治疗方案推荐方法，其特征在于，根据相似度计算结果从所述第一向量集合中确定目标向量，将所述目标向量对应的候选治疗方案作为推荐治疗方案的步骤还包括：将所述相似度计算结果与预设阈值进行比较；根据比较结果对所述第一向量集合中的分量进行分类，并从分类结果中确定目标向量，将所述目标向量对应的候选治疗方案作为推荐治疗方案。6.根据权利要求1所述的治疗方案推荐方法，其特征在于，构建医疗知识图谱，从所述医...
【专利技术属性】
技术研发人员：李春宇，倪渊，谢国彤，
申请(专利权)人：平安科技深圳有限公司，
类型：发明
国别省市：
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。