基于人工智能的医疗数据错误检测方法、装置及存储介质制造方法及图纸

本申请公开了一种基于人工智能的医疗数据错误检测方法、装置及存储介质，涉及人工智能技术领域。包括：确定样本病理数据对应的第一元组属性数据以及第二元组属性数据；依据第一元组属性数据和第二元组属性数据生成第一类标向量，利用第一类标向量预训练第一错误检测模型，并基于预训练完成的第一错误检测模型确定第一检测结果；根据第一检测结果将符合预设类标更新条件的第二元组属性数据更新为第三元组属性数据，利用第一元组属性数据、未更新的第二元组属性数据以及第三元组属性数据生成第二类标向量；依据第二类标向量迭代训练第一错误检测模型，得到第二错误检测模型；将目标患者上传的患者病理数据输入第二错误检测模型，得到目标检测结果。得到目标检测结果。得到目标检测结果。

【技术实现步骤摘要】
基于人工智能的医疗数据错误检测方法、装置及存储介质


[0001]本申请涉及人工智能
，尤其涉及到一种基于人工智能的医疗数据错误检测方法、装置及存储介质。

技术介绍

[0002]随着计算机网络的飞速发展，数据量呈指数型增长，随之而来的是各种数据质量问题，脏数据严重阻碍了对其进一步的分析和应用。为了应对脏数据中的错误带来的影响，各种各样的错误检测方法被提出，以用来检测数据中存在的错误，从而对其进行进一步处理，如直接过滤掉错误数据或对其进行修复等。
[0003]已有的错误检测方法在模型训练时均要求用户提供足够多且数量相当的正例(错误)和负例(干净)数据，利用在这些数据上训练得到的模型来对其他无标数据进行错误检测的判断。然而在很多实际应用中，负例数据通常是很难得到的、且具有动态变化和多元化的性质，使得很难获得可靠的负例数据、以供模型训练使用。而往往只有少量的正例数据和大量的无标数据可用。因此，在诸如这种只有正例和无标数据的场景下，已有的基于均衡正例和负例数据的错误检测算法无法进行有效训练，也就不能用于检测医疗数据中的错误，进而导致医疗数据本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于人工智能的医疗数据错误检测方法，其特征在于，包括：确定样本病理数据对应的元组数据，所述元组数据包括错误属性对应的第一元组属性数据以及无标属性对应的第二元组属性数据；依据所述第一元组属性数据和所述第二元组属性数据生成第一类标向量，利用所述第一元组属性数据、所述第二元组属性数据以及所述第一类标向量预训练第一错误检测模型，并基于预训练完成的第一错误检测模型确定第一检测结果；根据所述第一检测结果将符合预设类标更新条件的第二元组属性数据更新为错误属性对应的第三元组属性数据，并利用所述第一元组属性数据、未更新的第二元组属性数据以及所述第三元组属性数据生成第二类标向量；依据所述第一元组属性数据、所述未更新的第二元组属性数据、所述第三元组属性数据以及所述第二类标向量迭代训练所述第一错误检测模型，得到第二错误检测模型；获取目标患者上传的患者病理数据，将所述患者病理数据输入所述第二错误检测模型，得到目标检测结果。2.根据权利要求1所述的方法，其特征在于，所述依据所述第一元组属性数据和所述第二元组属性数据生成第一类标向量，包括：将所述第一元组属性数据标记为第一类标，将所述第二元组属性数据标记为第二类标；按照所述第一元组属性数据和所述第二元组属性数据在所述元组数据中的排列顺序，组合所述第一类标和所述第二类标，得到所述元组数据对应的第一类标向量。3.根据权利要求1所述的方法，其特征在于，所述利用所述第一元组属性数据、所述第二元组属性数据以及所述第一类标向量预训练第一错误检测模型，并基于预训练完成的第一错误检测模型确定第一检测结果，包括：将所述第一元组属性数据和所述第二元组属性数据作为输入特征，将所述第一类标向量作为标签数据预训练第一错误检测模型，获取所述第一错误检测模型的训练检测结果；若判定所述训练检测结果中第一元组属性数据的检测准确度大于预设准确度阈值，则判定所述第一错误检测模型预训练完成；若判定所述第一错误检测模型预训练完成，则在所述训练检测结果中提取关于所述第二元组属性数据的第一检测结果。4.根据权利要求1所述的方法，其特征在于，所述在根据所述第一检测结果将符合预设类标更新条件的第二元组属性数据更新为错误属性对应的第三元组属性数据之前，还包括：根据所述第一检测结果判断所述第二元组属性数据是否符合预设类标更新条件，所述预设类标更新条件为所述第二元组属性数据在所述第一检测结果中的检测分值大于预设阈值。5.根据权利要求1所述的方法，其特征在于，所述利用所述第一元组属性数据、未更新的第二元组属性数据以及所述第三元组属性数据生成第二类标向...

【专利技术属性】
技术研发人员：徐啸，
申请(专利权)人：平安科技深圳有限公司，
类型：发明
国别省市：