一种能够实时学习的病案自动编码方法技术

一种能够实时学习的病案自动编码方法，利用了ICD编码的结构特点，使用对比学习方法训练了病案的嵌入模型，并在嵌入模型形成的嵌入集合中，采用KNN的推理方法来实现病案自动编码，在使用过程中，收集编码员的使用行为，来对编码空间和嵌入空间进行定制化修改，实现了单样本级别的实时学习，配合编码软件的使用，能够在实际编码员使用过程中自我进化，直到几乎完全符合编码员的编码习惯，可极大的提升医院病案编码的工作效率。病案编码的工作效率。

【技术实现步骤摘要】
一种能够实时学习的病案自动编码方法


[0001]本专利技术涉及，具体涉及一种能够实时学习的病案自动编码方法。

技术介绍

[0002]病案编码是将病人的病案进行人工阅读，并依照ICD编码规范，选择合适的编码进行归纳总结的一项基本工作。是当今病案管理、医保结算、医院绩效考核、DRG付费等等场景下的基础。在当前的医院管理实践中，大部分的病案编码工作都有专门的病案编码员负责，由于病案的编码工作需要长期的经验积累，而病案编码又是医保结算、医院绩效考核、DRG付费等的基础，编码的准确度会较大程度的影响这些医院工作的开展。
[0003]目前有很多病案系统软件厂家和论文研究，都提出了很多自动化病案编码的方法，这些方法分有以下几类：1.基于深度学习的端到端方法：全部采用深度学习方法，直接输入病案，输出编码结果数据，这种方法没有办法依照编码员的使用习惯进行单样本级别的主动学习。2.基于知识图谱的方法：这种方法难以结合病案内容信息，大多数都基于病案中医师给出的诊断文字进行编码，而且，对于编码错误的数据，需要有专门的技术人员进行维护，维护成本非常高，同时，实时本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种能够实时学习的病案自动编码方法，其特征在于，包括如下步骤：a)定义病案嵌入模型，该病案嵌入模型为一个神经网络，将患者病案内的主诉、现病史、既往史文本输入数据{W1,W2,W3,...,W
k
}输入到病案嵌入模型中，输出一个各维度均取值为实数的n维嵌入向量，W
i
为病案编号为i的文本输入数据，i∈{1,...,k}，k为病案的个数，将第i个病案的对应ICD编码表示为C
i
，将编号从1到k个病案的ICD编码集合表示为{C1,C2,C3,...,C
k
}；b)对病案嵌入模型里面的参数进行随机初始化操作；c)随机在集合{C1,C2,C3,...,C
k
}中抽取编号为j的病案的ICD编码C
j
，在集合{C1,C2,C3,...,C
k
}中随机查找与ICD编码C
j
具有相同分区或相同类目或相同亚目或相同细目的ICD编码C
t
；d)如果ICD编码C
t
与ICD编码C
j
具有相同的细目，则在集合{C1,C2,C3,...,C
k
}中随机选取与ICD编码C
j
具有不同细目的ICD编码，并表示为C
p
后执行步骤h)，如果ICD编码C
t
与ICD编码C
j
具有不相同的细目，则转至执行步骤e)；e)如果ICD编码C
t
与ICD编码C
j
具有相同的亚目，则在集合{C1,C2,C3,...,C
k
}中随机选取与ICD编码C
j
具有不同亚目的ICD编码，并表示为C
p
后执行步骤h)，如果ICD编码C
t
与ICD编码C
j
具有不相同的亚目，则转至执行步骤f)；f)如果ICD编码C
t
与ICD编码C
j
具有相同的类目，则在集合{C1,C2,C3,...,C
k
}中随机选取与ICD编码C
j
具有不同类目的ICD编码，并表示为C
p
后执行步骤h)，如果ICD编码C
t
与ICD编码C
j
具有不相同的类目，则转至执行步骤g)；g)在集合{C1,C2,C3,...,C
k
}中随机抽取与ICD编码C
j
具有不同分区的编码，并表示为C
p
；h)将...

【专利技术属性】
技术研发人员：张伯政，唐守刚，鞠海涛，樊昭磊，桑波，张述睿，
申请(专利权)人：山东众阳健康科技集团有限公司，
类型：发明
国别省市：