一种诊断数据分析方法及系统技术方案

本发明专利技术提供一种诊断数据分析方法及系统，该方法包括：获取目标诊断历史数据对应的医学知识子图谱，并对所述医学知识子图谱进行向量转换，得到疾病代码嵌入向量；基于关系注意力机制、节点注意力机制以及消息传递机制，根据所述疾病代码嵌入向量进行特征提取，并将提取得到的向量特征进行聚合处理，得到特征向量表示；对所述特征向量表示进行诊断预测，得到诊断预测数据。本发明专利技术将医学知识图谱与基于关系注意力机制、节点注意力机制以及消息传递机制构建的层次化注意力关系网络进行结合，根据诊断历史数据进行诊断预测，从而得到更为准确的诊断预测结果数据。诊断预测结果数据。诊断预测结果数据。

【技术实现步骤摘要】
一种诊断数据分析方法及系统


[0001]本专利技术涉及深度学习
，尤其涉及一种诊断数据分析方法及系统。

技术介绍

[0002]随着临床上积累了大量的电子健康记录(Electronic Health Records，简称EHR)，需要对这些EHR的诊断数据进行分组整理。医学知识图谱通过医学知识或病例构建得到，可以通过可视化技术，将这些诊断数据之间的相互关系进行展示，从而实现相关的数据挖掘和数据分析。
[0003]由于在医学领域中，各种病症与诊疗方式之间的关系非常复杂，特别是出现诊断历史数据缺失或描述不清楚(例如，文本内容模糊)等情况时，需要对缺失部分或内容不清楚的诊断数据进行预测，以得到诊断数据分析结果。目前在对诊断数据进行预测分析时，其准确性较低，还有待得到进一步提高。
[0004]因此，现在亟需一种诊断数据分析方法及系统来解决上述问题。

技术实现思路

[0005]针对现有技术存在的问题，本专利技术提供一种诊断数据分析方法及系统。
[0006]本专利技术提供一种诊断数据分析方法，包括：
[0007]获取目标诊断历史数据对应的医学知识子图谱，并对所述医学知识子图谱进行向量转换，得到疾病代码嵌入向量；
[0008]基于关系注意力机制、节点注意力机制以及消息传递机制，根据所述疾病代码嵌入向量进行特征提取，并将提取得到的向量特征进行聚合处理，得到特征向量表示；
[0009]对所述特征向量表示进行诊断预测，得到诊断预测数据。
[0010]根据本专利技术提供的一种诊断数据分析方法，在所述获取目标诊断历史数据对应的医学知识子图谱，并对所述医学知识子图谱进行向量转换，得到疾病代码嵌入向量之前，所述方法还包括：
[0011]获取历史时刻的诊断信息文本；
[0012]将所述诊断信息文本进行ICD码转换，得到所述诊断信息文本对应的疾病ICD码；
[0013]基于预设历史时间段和所述疾病ICD码，获取目标诊断历史数据。
[0014]根据本专利技术提供的一种诊断数据分析方法，所述获取目标诊断历史数据对应的医学知识子图谱，并对所述医学知识子图谱进行向量转换，得到疾病代码嵌入向量，包括：
[0015]根据所述疾病ICD码，从预设医学知识图谱中抽取所述目标诊断历史数据对应的子图，得到医学知识子图谱；
[0016]通过预训练的医学代码编码器，对所述医学知识子图谱进行向量转换，得到疾病代码嵌入向量；
[0017]其中，所述预训练的医学代码编码器是通过神经网络模型构建得到的。
[0018]根据本专利技术提供的一种诊断数据分析方法，在所述基于关系注意力机制、节点注
意力机制以及消息传递机制，根据所述疾病代码嵌入向量进行特征提取，并将提取得到的向量特征进行聚合处理，得到特征向量表示之前，所述方法还包括：
[0019]基于医学知识图谱中不同关系类型对应的诊断预测结果，构建关系注意力机制网络；
[0020]基于医学知识图谱中不同邻居节点对目标节点的重要程度，构建节点注意力机制网络；
[0021]根据医学知识图谱中不同关系类型对应的边传递的消息，构建消息传递机制网络；
[0022]根据关系注意力机制网络、节点注意力机制网络和消息传递机制网络，构建层次化关系神经网络，以通过所述层次化关系神经网络对疾病代码嵌入向量进行特征提取。
[0023]根据本专利技术提供的一种诊断数据分析方法，在所述对所述特征向量表示进行诊断预测，得到诊断预测数据之前，所述方法还包括：
[0024]通过样本疾病代码嵌入向量对应的样本特征向量表示，对预训练的预测模型进行微调，得到训练好的预测模型；其中，所述预训练的预测模型是基于长短期记忆神经网络或RETAIN模型构建得到的；
[0025]所述对所述特征向量表示进行诊断预测，得到诊断预测数据，包括：
[0026]通过所述训练好的预测模型，将对所述特征向量表示进行诊断预测，得到诊断预测数据；
[0027]根据所述诊断预测数据，对所述医学知识子图谱进行更新。
[0028]根据本专利技术提供的一种诊断数据分析方法，在所述获取历史时刻的诊断信息文本之后，所述方法还包括：
[0029]根据预设数据筛选规则，对所述诊断信息文本中的异常值进行去除，得到目标诊断信息文本；
[0030]所述将所述诊断信息文本进行ICD码转换，得到所述诊断信息文本对应的疾病ICD码，包括：
[0031]对所述目标诊断信息文本进行ICD码转换处理，得到所述目标诊断信息文本对应的疾病ICD码。
[0032]本专利技术还提供一种诊断数据分析系统，包括：
[0033]代码编码模块，用于获取目标诊断历史数据对应的医学知识子图谱，并对所述医学知识子图谱进行向量转换，得到疾病代码嵌入向量；
[0034]特征提取模块，用于基于关系注意力机制、节点注意力机制以及消息传递机制，根据所述疾病代码嵌入向量进行特征提取，并将提取得到的向量特征进行聚合处理，得到特征向量表示；
[0035]诊断数据分析预测模块，用于对所述特征向量表示进行诊断预测，得到诊断预测数据。
[0036]本专利技术还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述诊断数据分析方法。
[0037]本专利技术还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算
机程序被处理器执行时实现如上述任一种所述诊断数据分析方法。
[0038]本专利技术还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上述任一种所述诊断数据分析方法。
[0039]本专利技术提供的诊断数据分析方法及系统，将医学知识图谱与基于关系注意力机制、节点注意力机制以及消息传递机制构建的层次化注意力关系网络进行结合，根据诊断历史数据进行诊断预测，从而得到更为准确的诊断预测结果数据。
附图说明
[0040]为了更清楚地说明本专利技术或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图进行简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施例，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。
[0041]图1为本专利技术提供的诊断数据分析方法的流程示意图；
[0042]图2为本专利技术提供的诊断数据分析模型的整体结构示意图；
[0043]图3为本专利技术提供的基于状态感知的层次化关系网络的运算流程示意图；
[0044]图4为本专利技术提供的诊断数据分析系统的结构示意图；
[0045]图5为本专利技术提供的电子设备的结构示意图。
具体实施方式
[0046]为使本专利技术的目的、技术方案和优点更加清楚，下面将结合本专利技术中的附图，对本专利技术中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种诊断数据分析方法，其特征在于，包括：获取目标诊断历史数据对应的医学知识子图谱，并对所述医学知识子图谱进行向量转换，得到疾病代码嵌入向量；基于关系注意力机制、节点注意力机制以及消息传递机制，根据所述疾病代码嵌入向量进行特征提取，并将提取得到的向量特征进行聚合处理，得到特征向量表示；对所述特征向量表示进行诊断预测，得到诊断预测数据。2.根据权利要求1所述的诊断数据分析方法，其特征在于，在所述获取目标诊断历史数据对应的医学知识子图谱，并对所述医学知识子图谱进行向量转换，得到疾病代码嵌入向量之前，所述方法还包括：获取历史时刻的诊断信息文本；将所述诊断信息文本进行ICD码转换，得到所述诊断信息文本对应的疾病ICD码；基于预设历史时间段和所述疾病ICD码，获取目标诊断历史数据。3.根据权利要求2所述的诊断数据分析方法，其特征在于，所述获取目标诊断历史数据对应的医学知识子图谱，并对所述医学知识子图谱进行向量转换，得到疾病代码嵌入向量，包括：根据所述疾病ICD码，从预设医学知识图谱中抽取所述目标诊断历史数据对应的子图，得到医学知识子图谱；通过预训练的医学代码编码器，对所述医学知识子图谱进行向量转换，得到疾病代码嵌入向量；其中，所述预训练的医学代码编码器是通过神经网络模型构建得到的。4.根据权利要求1所述的诊断数据分析方法，其特征在于，在所述基于关系注意力机制、节点注意力机制以及消息传递机制，根据所述疾病代码嵌入向量进行特征提取，并将提取得到的向量特征进行聚合处理，得到特征向量表示之前，所述方法还包括：基于医学知识图谱中不同关系类型对应的诊断预测结果，构建关系注意力机制网络；基于医学知识图谱中不同邻居节点对目标节点的重要程度，构建节点注意力机制网络；根据医学知识图谱中不同关系类型对应的边传递的消息，构建消息传递机制网络；根据关系注意力机制网络、节点注意力机制网络和消息传递机制网络，构建层次化关系神经网络，以通过所述层次化关系神经网络对疾病代码嵌入向量进行特征提取。5.根据权利要求1所述的诊断数据...

【专利技术属性】
技术研发人员：吴书，刘强，王亮，王礼萍，
申请(专利权)人：中国科学院自动化研究所，
类型：发明
国别省市：