医疗信息处理方法、装置、电子设备及存储介质制造方法及图纸

本发明专利技术提供了一种医疗信息处理方法，包括：获取目标对象的医疗信息中的原始病历信息，通过医疗信息处理模型中的诊疗信息处理网络对所述第二病历信息进行特征提取，确定与所述第二病历信息相匹的第一特征向量；通过所述医疗信息处理模型中的预测处理网络对第一特征向量进行处理，确定与所述目标对象相匹配的辅助分析信息。本发明专利技术还提供了医疗信息处理装置、电子设备及存储介质。本发明专利技术能够实现确定与目标对象相匹配的辅助分析信息，提升通过病历信息进行辅助分析的准确性与辅助诊疗的速度，使得用户获得更好的使用感受。使得用户获得更好的使用感受。使得用户获得更好的使用感受。

【技术实现步骤摘要】
医疗信息处理方法、装置、电子设备及存储介质


[0001]本专利技术涉及医疗图像处理技术，尤其涉及医疗信息处理方法、装置、电子设备及存储介质。

技术介绍

[0002]基于深度学习所进行的各类别识别，可以实现通过神经网络模型辅助医疗信息的处理，例如，AI+医疗场景，通过所部署的神经网络模型，对大量数据所实现的大规模分类和识别，以此来快速准确的获得相关的分类预测结果，加速所在应用场景的功能实现。
[0003]但是，相关技术中，深度卷积神经网络算法虽然广泛应用于医疗图像的分割与增强，然而，无法兼顾整体特征与局部特征，也很难兼顾网络精度和内存消耗，线性回归模型虽然能够提升处理速度，但是不能对复杂环境中的特征进行拟合，使得神经网络模型的处理效果精确度较差，同时在复杂环境中的模型迁移能力较差，影响神经网络模型的处理速度。

技术实现思路

[0004]有鉴于此，本专利技术实施例提供一种医疗信息处理方法、装置、电子设备及存储介质，能够实现通过医疗信息处理模型中的诊疗信息处理网络对目标对象的病例信息进行处理，确定与目标对象相匹配的辅助分析信息本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种医疗信息处理方法，其特征在于，所述方法包括：获取目标对象的原始病历信息，其中所述原始病历信息包括所述目标对象的同一位置的关联诊断信息的集合；根据所述目标对象的信息类别标识，对所述原始病历信息进行基于特征维度的数据清洗，获得所述目标对象所对应的第一病历信息；对所述目标对象所对应的第一病历信息进行异常值处理，获得所述目标对象所对应的第二病历信息；通过医疗信息处理模型中诊疗信息处理网络对所述第二病历信息进行信息特征提取，确定与所述第二病历信息相匹的第一特征向量；通过所述医疗信息处理模型中的预测处理网络对第一特征向量进行处理，确定与所述信息类别标识相匹配的辅助分析信息。2.根据权利要求1所述的方法，其特征在于，所述根据所述目标对象的信息类别标识，对所述原始病历信息进行基于特征维度的数据清洗，获得所述目标对象所对应的第一病历信息，包括：根据所述目标对象的诊疗环境，确定与所述目标对象相匹配的病历信息维度；基于与所述目标对象相匹配的病历信息维度，对所述原始病历信息所包括的目标对象的同一位置的关联诊断信息的集合进行特征维度清理处理；基于特征维度清理处理的结果，获得所述目标对象所对应的第一病历信息。3.根据权利要求1所述的方法，其特征在于，所述对所述目标对象所对应的第一病历信息进行异常值处理，获得所述目标对象所对应的第二病历信息，包括：根据所述目标对象的诊疗环境，确定与所述目标对象相匹配的异常值处理方式；遍历所述第一病历信息，确定所述第一病历信息中的异常值；基于与所述目标对象相匹配的异常值处理方式，对所述第一病历信息中的异常值进行处理，获得所述目标对象所对应的第二病历信息。4.根据权利要求1所述的方法，其特征在于，所述通过医疗信息处理模型中诊疗信息处理网络对所述第二病历信息进行信息特征提取，确定与所述第二病历信息相匹的第一特征向量，包括：通过诊疗信息处理网络，提取与所述第二病历信息的文本内容相匹配的特征向量；通过所述诊疗信息处理网络，根据所述特征向量确定与所述文本内容所对应的语句向量；通过所述诊疗信息处理网络，根据所述特征向量确定与所述文本内容所对应的至少一个词语级的隐变量；通过所述诊疗信息处理网络，根据所述至少一个词语级的隐变量以及与所述文本内容所对应的语句向量，确定与所述第二病历信息相匹配的第一特征向量。5.根据权利要求4所述的方法，其特征在于，所述通过诊疗信息处理网络，提取与所述第二病历信息的文本内容相匹配的特征向量，包括：根据所述第二病历信息的文本内容所携带的病理种类参数，触发相应的分词库；通过所触发的所述分词库单词词典对所述病历信息的文本内容进行分词处理，形成不同的词语级特征向量；
对所述不同的词语级特征向量进行除噪处理，形成与所述第二病历信息的文本内容相匹配的特征向量的集合。6.根据权利要求5所述的方法，其特征在于，所述对所述不同的词语级特征向量进行除噪处理，形成与所述第二病历信息的文本内容相匹配的特征向量的集合，包括：确定与医疗信息处理模型的使用环境相匹配的动态噪声阈值；根据所述动态噪声阈值对所述不同的词语级特征向量进行除噪处理，并触发与所述动态噪声阈值相匹配的动态分词策略；根据与所述动态噪声阈值相匹配的动态分词策略，对所述第二病历信息的文本内容进行分词处理，形成相对应的动态词语级特征向量集合。7.根据权利要求5所述的方法，其特征在于，所述对所述不同的词语级特征向量进行除噪处理，形成与所述第二病历信息的文本内容相匹配的特征向量的集合，包括：确定与医疗信息处理模型的使用环境相对应的固定噪声阈值；根据所述固定噪声阈值对所述不同的词语级特征向量进行除噪处理，并触发与所述固定噪声阈值相匹配的固定分词策略；根据与所述固定噪声阈值相匹配的固定分词策略，对所述第二病历信息的目标文本进行分词处理，形成相对应的固定词语级特征向量集合。8.根据权利要求4所述的方法，其特征在于，所述通过所述诊疗信息处理...

【专利技术属性】
技术研发人员：陈星翰，姚建华，尚鸿，王晓宁，郑瀚，裴翰奇，常健博，王任直，冯铭，
申请(专利权)人：中国医学科学院北京协和医院，
类型：发明
国别省市：