病历档案归档方法及装置制造方法及图纸

本发明专利技术提供了一种病历档案归档方法及装置，涉及档案管理的技术领域，包括：针对各已知疾病实体，先按照预设的属性类型构建已知疾病实体的多个子图谱；然后针对各已知疾病实体的每个子图谱，利用目标神经网络构建与子图谱对应的子图网络；再针对各已知疾病实体，基于已知疾病实体所有的子图谱对应的特征子向量构建已知疾病实体的知识图谱对应的特征加权向量；最后基于各已知疾病实体的知识图谱对应的特征加权向量对待测患者的病历档案进行归档。本发明专利技术可以实现对待测患者的病历档案的有效归档，提高对待测患者的病历档案归档的准确性。性。性。

【技术实现步骤摘要】
病历档案归档方法及装置


[0001]本专利技术涉及档案管理
，尤其是涉及一种病历档案归档方法及装置。

技术介绍

[0002]在日常生活中，疾病的诊断结果一般由医生根据患者的症状和检查报告直接给出，由于不同医生的执业水平差异较大，因此可能存在主观因素带来的误判。为了解决该问题，现有技术将病历档案识别与图像处理技术进行了结合，但是在实际应用中其存在由于特征提取困难导致的病历档案归档准确性较低的弊端。

技术实现思路

[0003]本专利技术的目的在于提供一种病历档案归档方法及装置，以缓解现有技术中存在的由于特征提取困难导致的病历档案归档准确性较低的技术问题。
[0004]第一方面，本专利技术提供的一种病历档案归档方法，其中，包括：针对各已知疾病实体，按照预设的属性类型构建所述已知疾病实体的多个子图谱；针对各已知疾病实体的每个所述子图谱，利用目标神经网络构建与所述子图谱对应的子图网络；其中，不同的子图谱对应的子图网络由不同的特征子向量表示；针对各已知疾病实体，基于所述已知疾病实体所有的子图谱对应的所述特征子向量构建所述已知疾病实体的知识图谱对应的特征加权向量；其中，所述知识图谱由所述已知疾病实体所有的子图谱构成；基于各已知疾病实体的知识图谱对应的所述特征加权向量对待测患者的病历档案进行归档。
[0005]进一步的，所述目标神经网络包括依次连接的第一图神经网络层、子图池化层和第二图神经网络层，所述利用目标神经网络构建与所述子图谱对应的子图网络，包括：在所述子图谱的每个节点周围均提取一个有根子图；将每个所述有根子图分别应用至所述第一图神经网络层和所述子图池化层中，得到对应的子图表示；将所有的所述子图表示应用到所述第二图神经网络层中，得到与所述子图谱对应的子图网络。
[0006]进一步的，所述的病历档案归档方法还包括：针对各所述子图网络，计算所述子图网络中每个节点的特征向量；针对各所述子图网络，将所有节点的特征向量进行拼接，得到与所述子图网络对应的特征子向量。
[0007]进一步的，所述计算所述子图网络中每个节点的特征向量，包括：获取所述子图网络中节点间的邻接矩阵；基于所述子图网络对应的属性类型确定对角矩阵；基于所述邻接矩阵和所述对角矩阵进行数据处理，得到处理后的邻接矩阵和节点度矩阵；基于所述处理后的邻接矩阵和所述节点度矩阵，计算每个节点的特征向量。
[0008]进一步的，所述基于各已知疾病实体的知识图谱对应的所述特征加权向量对待测患者的病历档案进行归档，包括：获取待测患者的病历档案，并确定所述病历档案的待计算特征向量；将所述待计算特征向量和各已知疾病实体的知识图谱对应的所述特征加权向量进行相似度计算，并根据相似度计算结果对所述病历档案进行归档。
[0009]进一步的，所述确定所述病历档案的待计算特征向量，包括：对所述病历档案进行
实体识别，识别出不同属性类型的实体；利用目标相关模型将每个实体转换为对应的词向量；将所有的所述词向量进行加权处理，得到所述病历档案的待计算特征向量。
[0010]进一步的，所述特征加权向量的数量为多个，所述将所述待计算特征向量和各已知疾病实体的知识图谱对应的所述特征加权向量进行相似度计算，并根据相似度计算结果对所述病历档案进行归档，包括：分别将所述待计算特征向量和各已知疾病实体的知识图谱对应的所述特征加权向量进行相似度计算，得到多个相似度计算结果；将所有的所述相似度计算结果输入至预设的神经网络，输出所述待计算特征向量与各个所述特征加权向量之间的权重；所述权重用于表征与病历档案对应的未知疾病实体的名称与已知疾病实体的名称一致的概率；根据所有的所述权重确定与病历档案对应的未知疾病实体的名称；根据所述未知疾病实体的名称对所述病历档案进行归档。
[0011]进一步的，所述根据所有的所述权重确定与病历档案对应的未知疾病实体的名称，包括：基于所有的所述权重，利用预设公式对所有的已知疾病实体的名称进行排序；根据排序结果输出待确定名称，并基于所述待确定名称以及与历史病历档案对应的疾病实体的名称，确定与病历档案对应的未知疾病实体的名称；其中，所述待确定名称为满足预设条件的已知疾病实体的名称。
[0012]进一步的，在针对各已知疾病实体，按照预设的属性类型构建所述已知疾病实体的多个子图谱之前，方法还包括：从预设的医疗知识库中获取医疗知识数据，并基于所述医疗知识数据构建标准疾病知识图谱；对所述标准疾病知识图谱进行疾病实体识别，确定至少一种已知疾病实体。
[0013]第二方面，本专利技术提供的一种病历档案归档装置，其中，包括：第一构建单元，用于针对各已知疾病实体，按照预设的属性类型构建所述已知疾病实体的多个子图谱；第二构建单元，用于针对各已知疾病实体的每个所述子图谱，利用目标神经网络构建与所述子图谱对应的子图网络；其中，不同的子图谱对应的子图网络由不同的特征子向量表示；第三构建单元，用于针对各已知疾病实体，基于所述已知疾病实体所有的子图谱对应的所述特征子向量构建所述已知疾病实体的知识图谱对应的特征加权向量；其中，所述知识图谱由所述已知疾病实体所有的子图谱构成；归档单元，用于基于各已知疾病实体的知识图谱对应的所述特征加权向量对待测患者的病历档案进行归档。
[0014]本专利技术提供的一种病历档案归档方法及装置，包括：先针对各已知疾病实体，按照预设的属性类型构建已知疾病实体的多个子图谱；然后针对各已知疾病实体的每个子图谱，利用目标神经网络构建与子图谱对应的子图网络；其中，不同的子图谱对应的子图网络由不同的特征子向量表示；再针对各已知疾病实体，基于已知疾病实体所有的子图谱对应的特征子向量构建已知疾病实体的知识图谱对应的特征加权向量；其中，知识图谱由已知疾病实体所有的子图谱构成；最后基于各已知疾病实体的知识图谱对应的特征加权向量对待测患者的病历档案进行归档。本申请通过按照属性类型具有针对性的构建子图谱、利用目标神经网络构建多个子图网络、以及构建知识图谱的特征加权向量的方式，可以实现数据具有针对性的多网络协同处理，因此可以避免由于数据属性不同造成的特征提取困难的问题，进而基于特征加权向量对待测患者的病历档案进行有效归档，可以提高对待测患者的病历档案归档的准确性。
[0015]本专利技术的其他特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变
得显而易见，或者通过实施本专利技术而了解。本专利技术的目的和其他优点在说明书以及附图中所特别指出的结构来实现和获得。
[0016]为使本专利技术的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
附图说明
[0017]为了更清楚地说明本专利技术具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0018]图1为本专利技术实施例提供的一种病历档案归档方法的流程图；
[0本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种病历档案归档方法，其特征在于，包括：针对各已知疾病实体，按照预设的属性类型构建所述已知疾病实体的多个子图谱；针对各已知疾病实体的每个所述子图谱，利用目标神经网络构建与所述子图谱对应的子图网络；其中，不同的子图谱对应的子图网络由不同的特征子向量表示；针对各已知疾病实体，基于所述已知疾病实体所有的子图谱对应的所述特征子向量构建所述已知疾病实体的知识图谱对应的特征加权向量；其中，所述知识图谱由所述已知疾病实体所有的子图谱构成；基于各已知疾病实体的知识图谱对应的所述特征加权向量对待测患者的病历档案进行归档。2.根据权利要求1所述的病历档案归档方法，其特征在于，所述目标神经网络包括依次连接的第一图神经网络层、子图池化层和第二图神经网络层，所述利用目标神经网络构建与所述子图谱对应的子图网络，包括：在所述子图谱的每个节点周围均提取一个有根子图；将每个所述有根子图分别应用至所述第一图神经网络层和所述子图池化层中，得到对应的子图表示；将所有的所述子图表示应用到所述第二图神经网络层中，得到与所述子图谱对应的子图网络。3.根据权利要求1所述的病历档案归档方法，其特征在于，还包括：针对各所述子图网络，计算所述子图网络中每个节点的特征向量；针对各所述子图网络，将所有节点的特征向量进行拼接，得到与所述子图网络对应的特征子向量。4.根据权利要求3所述的病历档案归档方法，其特征在于，所述计算所述子图网络中每个节点的特征向量，包括：获取所述子图网络中节点间的邻接矩阵；基于所述子图网络对应的属性类型确定对角矩阵；基于所述邻接矩阵和所述对角矩阵进行数据处理，得到处理后的邻接矩阵和节点度矩阵；基于所述处理后的邻接矩阵和所述节点度矩阵，计算每个节点的特征向量。5.根据权利要求1所述的病历档案归档方法，其特征在于，所述基于各已知疾病实体的知识图谱对应的所述特征加权向量对待测患者的病历档案进行归档，包括：获取待测患者的病历档案，并确定所述病历档案的待计算特征向量；将所述待计算特征向量和各已知疾病实体的知识图谱对应的所述特征加权向量进行相似度计算，并根据相似度计算结果对所述病历档案进行归档。6.根据权利要求5所述的病历档案归档方法，其特征在于，所述确定所述病历档案的待计算特征向量，包括：对所述病历档案进行实体识别，识别出不同属性类型的实体；利用目标相关模型将每个实体转换为对应的...

【专利技术属性】
技术研发人员：周蕾，梁尔真，朱志辉，陈平刚，曹军，
申请(专利权)人：浙江星汉信息技术股份有限公司，
类型：发明
国别省市：