疾病部位识别方法、装置、电子设备及存储介质制造方法及图纸

本申请涉及人工智能及数字医疗领域，本申请实施例提供了一种疾病部位识别方法、装置、电子设备及存储介质。该方法包括：获取原始病情文本；通过预先训练的病情匹配模型对原始病情文本进行匹配处理，得到第一疾病部位；通过预先训练的语义分析模型对原始病情文本进行语义分析处理，得到病情语义向量；对病情语义向量进行识别处理，得到第二疾病部位；根据第一疾病部位和第二疾病部位，得到目标疾病部位。本申请实施例能够提高疾病部位识别的准确性。性。性。

【技术实现步骤摘要】
疾病部位识别方法、装置、电子设备及存储介质


[0001]本申请涉及人工智能及数字医疗
，尤其涉及一种疾病部位识别方法、装置、电子设备及存储介质。

技术介绍

[0002]目前被广泛应用于疾病部位识别的人工智能系统大多依靠预先构建的词典来进行文本模糊匹配，对疾病部位识别的精度较低，此外，该方式往往需要对词典不断地迭代更新，以扩充词典内的词段文本来提高自身的匹配性能，需要花费较大的时间成本和人力成本。因此，如何提供一种疾病部位识别方法，能够提高疾病部位识别的准确性，成为了亟待解决的技术问题。

技术实现思路

[0003]本申请实施例的主要目的在于提出一种疾病部位识别方法、装置、电子设备及存储介质，旨在提高疾病部位识别的准确性。
[0004]为实现上述目的，本申请实施例的第一方面提出了一种疾病部位识别方法，所述方法包括：
[0005]获取原始病情文本；
[0006]通过预先训练的病情匹配模型对所述原始病情文本进行匹配处理，得到第一疾病部位；
[0007]通过预先训练的语义分析模型对所述原始病情文本进行本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种疾病部位识别方法，其特征在于，所述方法包括：获取原始病情文本；通过预先训练的病情匹配模型对所述原始病情文本进行匹配处理，得到第一疾病部位；通过预先训练的语义分析模型对所述原始病情文本进行语义分析处理，得到病情语义向量；对所述病情语义向量进行识别处理，得到第二疾病部位；根据所述第一疾病部位和所述第二疾病部位，得到目标疾病部位。2.根据权利要求1所述的疾病部位识别方法，其特征在于，所述通过预先训练的病情匹配模型对所述原始病情文本进行匹配处理，得到第一疾病部位的步骤，包括：通过所述病情匹配模型的分词器对所述原始病情文本进行分割处理，得到病情文本字段；通过所述病情匹配模型内预设的字典树遍历每一所述病情文本字段，得到病情文本关键词；根据所述病情匹配模型内预设的疾病部位对照表，匹配与所述病情文本关键词对应的第一疾病部位。3.根据权利要求1所述的疾病部位识别方法，其特征在于，在通过预先训练的语义分析模型对所述原始病情文本进行语义分析处理，得到病情语义向量的步骤之前，所述方法还包括预先训练所述语义分析模型，具体包括：获取样本病情文本；通过预设的对比学习模型对样本病情文本进行编码处理，得到初始嵌入数据；根据初始嵌入数据构建样本对，其中，所述样本对包括正例对和负例对；通过所述对比学习模型的损失函数计算出所述正例对的第一相似度和所述负例对的第二相似度；根据所述第一相似度和所述第二相似度对所述比学习模型的损失函数进行优化，以更新所述对比学习模型，得到所述语义分析模型。4.根据权利要求3所述的疾病部位识别方法，其特征在于，在所述预先训练所述语义分析模型的步骤之前，所述方法还包括构建对比学习模型，具体包括：获取原始的预训练模型，其中，所述预训练模型为BERT模型，所述BERT模型包括BERT编码器；对预训练模型进行参数微调，以更新所述预训练模型，得到对比学习模型。5.根据权利要求1所述的疾病部位识别方法，其特征在于，所述通过预先训练的语义分析模型对所述原始病情文本进行语义分析处理，得到病情语义向量的步骤，包括：通过所述语义分析模型的嵌入层对所述原始病情文本进行数据预处理，得到标准病情文本；通过所述语义分析模型内的BERT编码器对所述标准病情文本进行编码处理，...

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