一种诊断信息的生成方法、系统、电子设备及存储介质技术方案

本申请实施例提供一种诊断信息的生成方法、系统、电子设备及存储介质，其中，该方法包括：获取病历数据；对病历数据进行规范化处理，获得病历数据集；根据机器学习模型对病历数据集进行训练，得到训练参数；根据联邦学习框架对训练参数进行聚合处理，生成融合模型；将病历数据集输入融合模型，生成诊断信息。实施本申请实施例，可以形成精确的诊断信息，提高了诊断信息的生成准确率。诊断信息的生成准确率。诊断信息的生成准确率。

【技术实现步骤摘要】
一种诊断信息的生成方法、系统、电子设备及存储介质


[0001]本申请涉及医疗信息处理
，具体而言，涉及一种诊断信息的生成方法、系统、电子设备及计算机可读存储介质。

技术介绍

[0002]医院信息系统存在一种辅助诊断的功能需求，即输入患者的病情数据，计算机系统自动生成相应的诊断信息的生成结果。医院通常直接在医院内部进行诊断生成模型的训练和使用。
[0003]但是由于每个医院存在数据样本量不足，无法训练出效果好的模型，输出的结果通常不能准确地反映患者的病情，严重时还会导致误诊，耽误救治，并且，在这个过程中会发生患者的隐私数据遭到泄露的情况，给医院和患者都带来了巨大的困扰，甚至因此耽误患者的病情。

技术实现思路

[0004]本申请实施例的目的在于提供一种诊断信息的生成方法、系统、电子设备及计算机可读存储介质，可以形成精确的诊断信息的生成，提高了诊断信息的准确率，提高了医院的办事效率。
[0005]第一方面，本申请实施例提供了一种诊断信息的生成方法，所述方法包括：
[0006]获取病历数据；
[0007]对所述病历数据进行规范化处理，获得病历数据集；
[0008]根据机器学习模型对所述病历数据集进行训练，得到训练参数；
[0009]根据联邦学习框架对所述训练参数进行聚合处理，生成融合模型；
[0010]将所述病历数据集输入所述融合模型，生成诊断信息。
[0011]在上述实现过程中，利用机器学习模型对获取到的病历数据进行训练，得到训练参数，并根据训练参数得到融合模型，使得融合模型可以融入多个病历数据的特征，并对病历数据进行精准的分析，从而形成精确的诊断信息，提高了诊断信息的生成准确率。
[0012]进一步地，所述对所述病历数据进行规范化处理，获得病历数据集的步骤，包括：
[0013]获取所述病历数据中的病情数据，作为输入病历数据；
[0014]获取所述病情数据对应的诊断数据，作为输出病历数据；
[0015]将所述输入病历数据和所述输出病历数据进行规范化处理，得到多个二元组数据；
[0016]将所述多个二元组数据生成所述病历数据集。
[0017]在上述实现过程中，将病情数据和诊断数据一一对应起来，并进行规范化处理得到相应的二元组数据，可以使得模型的输入和输出更加符合真实数据，从而使得结果更加精确。
[0018]进一步地，所述根据机器学习模型对所述病历数据集进行训练，得到训练参数的
步骤，包括：
[0019]获取所述机器学习模型；
[0020]将所述病历数据集输入所述机器学习模型进行训练，得到所述训练参数。
[0021]在上述实现过程中，机器学习模型可以学习到病历数据中的特征，并将病历数据的特征融入到训练参数中，使得训练参数具有病历数据的特征，更加能够代表病历数据。
[0022]进一步地，根据以下公式根据联邦学习框架对所述训练参数进行聚合处理，生成融合模型：
[0023][0024]其中，W
th
为所述训练参数，Σ
h
表示聚合规则，W
t+1
为融合模型。
[0025]在上述实现过程中，联邦学习框架可以起到保护病历数据的作用，使得病历数据在被获取的同时不会发生信息泄露，同时也保证了诊断信息的生成的准确性。
[0026]第二方面，本申请实施例还提供了一种诊断信息的生成系统，所述系统包括：
[0027]获取模型，用于获取病历数据；
[0028]规范处理模块，用于对所述病历数据进行规范化处理，获得病历数据集；
[0029]训练模块，用于根据机器学习模型对所述病历数据集进行训练，得到训练参数；
[0030]聚合模型，用于根据联邦学习框架对所述训练参数进行聚合处理，生成融合模型；
[0031]生成模块，用于将所述病历数据集输入所述融合模型，生成诊断信息。
[0032]在上述实现过程中，利用机器学习模型对获取到的病历数据进行训练，得到训练参数，并根据训练参数得到融合模型，使得融合模型可以融入多个病历数据的特征，并对病历数据进行精准的分析，从而形成精确的诊断信息，提高了诊断信息的生成准确率。
[0033]进一步地，所述规范处理模块还用于：
[0034]获取所述病历数据中的病情数据，作为输入病历数据；
[0035]获取所述病情数据对应的诊断数据，作为输出病历数据；
[0036]将所述输入病历数据和所述输出病历数据进行规范化处理，得到多个二元组数据；
[0037]将所述多个二元组数据生成所述病历数据集。
[0038]在上述实现过程中，将病情数据和诊断数据一一对应起来，并进行规范化处理得到相应的二元组数据，可以使得模型的输入和输出更加符合真是数据，从而使得结果更加精确。
[0039]进一步地，所述训练模块还用于：
[0040]获取所述机器学习模型；
[0041]将所述病历数据集输入所述机器学习模型进行训练，得到所述训练参数。
[0042]在上述实现过程中，机器学习模型可以学习到病历数据中的特征，并将病历数据的特征融入到训练参数中，使得训练参数具有病历数据的特征，更加能够代表病历数据。
[0043]进一步地，所述聚合模型还用于：
[0044]根据以下公式根据联邦学习框架对所述训练参数进行聚合处理，生成融合模型：
[0045][0046]其中，W
th
为所述训练参数，Σ
h
表示聚合规则，W
t+1
为融合模型。
[0047]在上述实现过程中，联邦学习框架可以起到保护病历数据的作用，使得病历数据
在被获取的同时不会发生信息泄露，同时也保证了诊断信息的生成的准确性。
[0048]第三方面，本申请实施例提供的一种电子设备，包括：存储器、处理器以及存储在所述存储器中并可在所述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如第一方面任一项所述的方法的步骤。
[0049]第四方面，本申请实施例提供的一种计算机可读存储介质，所述存储介质上存储有指令，当所述指令在计算机上运行时，使得所述计算机执行如第一方面任一项所述的方法。
[0050]第五方面，本申请实施例提供的一种计算机程序产品，所述计算机程序产品在计算机上运行时，使得计算机执行如第一方面任一项所述的方法。
[0051]本公开的其他特征和优点将在随后的说明书中阐述，或者，部分特征和优点可以从说明书推知或毫无疑义地确定，或者通过实施本公开的上述技术即可得知。
[0052]并可依照说明书的内容予以实施，以下以本申请的较佳实施例并配合附图详细说明如后。
附图说明
[0053]为了更清楚地说明本申请实施例的技术方案，下面将对本申请实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种诊断信息的生成方法，其特征在于，所述方法包括：获取病历数据；对所述病历数据进行规范化处理，获得病历数据集；根据机器学习模型对所述病历数据集进行训练，得到训练参数；根据联邦学习框架对所述训练参数进行聚合处理，生成融合模型；将所述病历数据集输入所述融合模型，生成诊断信息。2.根据权利要求1所述的诊断信息的生成方法，其特征在于，所述对所述病历数据进行规范化处理，获得病历数据集的步骤，包括：获取所述病历数据中的病情数据，作为输入病历数据；获取所述病情数据对应的诊断数据，作为输出病历数据；将所述输入病历数据和所述输出病历数据进行规范化处理，得到多个二元组数据；将所述多个二元组数据生成所述病历数据集。3.根据权利要求1所述的诊断信息的生成方法，其特征在于，所述根据机器学习模型对所述病历数据集进行训练，得到训练参数的步骤，包括：获取所述机器学习模型；将所述病历数据集输入所述机器学习模型进行训练，得到所述训练参数。4.根据权利要求1所述的诊断信息的生成方法，其特征在于，根据以下公式根据联邦学习框架对所述训练参数进行聚合处理，生成融合模型：其中，为所述训练参数，Σ
h
表示聚合规则，W
t+1
为融合模型。5.一种诊断信息的生成系统，其特征在于，所述系统包括：获取模型，用于获取病历数据；规范处理模块，用于对所述病历数据进行规范化处理，获得病历数据集；训练模块，用于根据机器学习模型对...

【专利技术属性】
技术研发人员：罗立刚，张旸，马睿，
申请(专利权)人：零氪医疗智能科技广州有限公司，
类型：发明
国别省市：