【技术实现步骤摘要】
一种基于BERT和特征融合的智能导诊方法
[0001]本专利技术涉及自然语言处理领域中的文本多分类
,具体为一种基于BERT和特征融合的智能导诊方法。
技术介绍
[0002]传统的人工导诊很难在短时间内为大量的患者推荐准确的就诊科室,也难以达到医疗资源的高效利用。随着互联网技术的发展以及“互联网+医疗健康”服务体系的完善,智能导诊正在逐步取代传统的线下人工导诊服务,已经成为医疗领域未来发展的新方向。
[0003]目前常见的智能导诊系统使用方式有以下几种:一种是人体部位和症状列表相结合,患者需要点击人体图中不舒服的部位并选择身体出现的症状,如尉建锋等人申请了“一种智能导诊系统和方法”;第二种是疾病搜索,即患者在设定的疾病名称目录里找到自己所患有的疾病从而为其推荐相应的科室;第三种就是通过文本分类算法来实现,包括人工制定规则、基于机器学习和深度学习等算法,如周杨等人申请了“一种基于卷积神经网络的诊疗科室推荐方法与系统”;第四种为构建标准的医疗知识图谱,在构建好的医疗知识图谱中查找从患者主诉中识别到的症状、疾病等医疗实体,从而得到相应的科室,如张莹莹申请了“一种基于多模态知识图谱的智能导诊方法”。
[0004]上述智能导诊系统在一定程度上缓解了线下导诊人员的工作压力,缓解了患者“挂号难”的问题。但是,其设计模式仍有以下几点不足:首先是人体部位与症状列表相结合的方式能够提供的症状范围很有限;其次通过疾病搜索方式对患者的学习要求太高,因为存在大量的专业术语然而绝大多数患者自身所储备的医疗知识较少;基于医疗 ...
【技术保护点】
【技术特征摘要】
1.一种基于BERT和特征融合的智能导诊方法,其特征在于:所述方法包括以下步骤:S1、以历史问诊数据集作为训练数据,采用Pytorch训练得到导诊模型;S2、导诊系统管理员根据医院科室就医规定,在导诊管理后台配置各科室导诊规则;S3、用户通过导诊前端应用发送导诊请求到导诊应用服务进行处理;S4、导诊应用服务将用户主诉文本发送到导诊模型,导诊模型执行文本分类任务并返回建议科室列表;S5、导诊应用服务根据用户请求关键字和导诊规则,对科室列表进行过滤和排序,如果导诊科室列表不够明确,使用患者主诉问题和追问规则进行进一步追问,得出准确度较高的导诊科室列表,将处理后的科室列表返回给导诊前端应用并展示给用户。2.根据权利要求1所述的一种基于BERT和特征融合的智能导诊方法,其特征在于:所述步骤1中采用大量历史问诊数据作为训练/测试数据集和FCW
‑
BERT模型进行训练,得到的导诊模型,可以准确地对比较口语化的用户输入的主诉文本(含症状类别、症状时长、严重程度描述和就医意图)进行识别,并结合患者人口学信息和导诊前置规则配置向患者推荐对应的就医科室,如果模型推荐的科室不够明确和准确,导诊服务可以基于患者主诉文本关联相关症状和规则进行进一步向患者追问,以进一步确定和推荐准确的就诊科室列表。3.根据权利要求2所述的一种基于BERT和特征融合的智能导诊方法,其特征在于:所述导诊系统包含三个部分:即应用层、服务层和模型层;1)应用层是以微信小程序/公众号、web浏览器和导诊机器人等应用形式为用户提供主诉文本录入,导诊结果反馈等功能使用;2)服务层是接收用户请求,调用导诊模型对用户输入的主诉文本进行预测分类得到候选科室列表,并根据患者人口学信息(如性别、年龄等)和预先配置的导诊规则对候选科室列表进行过滤,以及在导诊科室不明确情况下进行进一步追问;将最终导诊结果返回给应用层;3)导诊模型层是对训练数据集进行整理、清洗等预处理,采用Pytorch框架训练得到导诊模型,并持久化供系统调用。4.根据权利要求3所述的一种基于BERT和特征融合的智能导诊方法,其特征在于:所述FCW
‑
BERT模型由两部分组成:第一部分是通过改进的BERT从患者主诉文本信息中提取丰富的上下文语义信息,另一部分是基于注意力机制和多尺度CNN从人工特征中挖掘局部特征来缓解患者主诉文本稀疏问题,将上述两部分的输出向量进行拼接实现特征融合,随后将融合后的特征向量送到全连接层中并选取Softmax作为激活函数来获得样本属于各个科室的概率分布。5.根据权利要求4所述的一种基于BERT和特征融合的智能导诊方法,其特征在于:还包括多头注意力的工作原理。计算自注意力时一般分为三步,首先是将query与每个key进行相似度计算来得到权重,最常用的计算相似度的...
【专利技术属性】
技术研发人员:张庆,沈正飞,张威,张少华,黄文胜,王永安,
申请(专利权)人:江苏睿博信息科技股份有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。