治疗方案推荐方法、装置、系统及存储介质制造方法及图纸

本发明专利技术公开了一种治疗方案推荐方法、装置、系统及存储介质。该方法包括：分别对病例文本数据和心电图影像数据进行预处理，得到病例文本词元和心电语义词元；对病例文本词元和心电语义词元进行知识注入操作，得到目标病例样本数据；基于目标病例样本数据进行多模态联合预训练，得到病例文本

【技术实现步骤摘要】
治疗方案推荐方法、装置、系统及存储介质


[0001]本专利技术涉及数字医疗
，尤其涉及一种治疗方案推荐方法、装置、系统及存储介质。

技术介绍

[0002]随着互联网技术的发展，信息数字化在医疗
得到了广泛应用。
[0003]目前在心血管疾病诊疗过程中，通常将临床指南中的医学描述转换为由逻辑判断组成的规则，进而使用该规则对数字化处理后的病例进行匹配，得到待推荐的治疗方案。
[0004]在实现本专利技术的过程中，专利技术人发现现有技术中至少存在以下技术问题：现有治疗方案推荐方案，存在推荐不准确的问题。

技术实现思路

[0005]本专利技术提供了一种治疗方案推荐方法、装置、系统及存储介质，以提升治疗方案推荐准确度。
[0006]根据本专利技术的一方面，提供了一种治疗方案推荐方法，包括：
[0007]获取待处理的病例样本数据，其中，所述病例样本数据包括病例文本数据和心电图影像数据；
[0008]分别对所述病例文本数据和心电图影像数据进行预处理，得到病例文本词元和心电语义词元；
[0009]对所述病例文本词元和心电语义词元进行知识注入操作，得到目标病例样本数据；
[0010]基于所述目标病例样本数据进行多模态联合预训练，得到病例文本
‑
心电图预训练模型；
[0011]获取下游任务对应的训练数据，基于下游任务对应的训练数据对所述病例文本
‑
心电图预训练模型进行微调，得到治疗方案推荐模型；
[0012]获取目标对象的病例数据，将所述目标对象的病例数据输入至所述治疗方案推荐模型，得到目标对象的治疗方案。
[0013]根据本专利技术的另一方面，提供了一种治疗方案推荐装置，包括：
[0014]样本数据获取模块，用于获取待处理的病例样本数据，其中，所述病例样本数据包括病例文本数据和心电图影像数据；
[0015]样本数据预处理模块，用于分别对所述病例文本数据和心电图影像数据进行预处理，得到病例文本词元和心电语义词元；
[0016]知识注入模块，用于对所述病例文本词元和心电语义词元进行知识注入操作，得到目标病例样本数据；
[0017]联合预训练模块，用于基于所述目标病例样本数据进行多模态联合预训练，得到病例文本
‑
心电图预训练模型；
[0018]模型微调模块，用于获取下游任务对应的训练数据，基于下游任务对应的训练数据对所述病例文本
‑
心电图预训练模型进行微调，得到治疗方案推荐模型；
[0019]治疗方案推荐模块，用于获取目标对象的病例数据，将所述目标对象的病例数据输入至所述治疗方案推荐模型，得到目标对象的治疗方案。
[0020]根据本专利技术的另一方面，提供了一种治疗方案推荐系统，系统包括处理器和存储器，所述存储器存储有计算机程序，所述处理器在运行所述计算机程序时执行以下步骤，包括：
[0021]获取待处理的病例样本数据，其中，所述病例样本数据包括病例文本数据和心电图影像数据；
[0022]分别对所述病例文本数据和心电图影像数据进行预处理，得到病例文本词元和心电语义词元；
[0023]对所述病例文本词元和心电语义词元进行知识注入操作，得到目标病例样本数据；
[0024]基于所述目标病例样本数据进行多模态联合预训练，得到病例文本
‑
心电图预训练模型；
[0025]获取下游任务对应的训练数据，基于下游任务对应的训练数据对所述病例文本
‑
心电图预训练模型进行微调，得到治疗方案推荐模型；
[0026]获取目标对象的病例数据，将所述目标对象的病例数据输入至所述治疗方案推荐模型，得到目标对象的治疗方案。
[0027]根据本专利技术的另一方面，提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现本专利技术任一实施例所述的治疗方案推荐方法。
[0028]本专利技术实施例的技术方案，通过知识注入得到的目标病例样本数据进行多模态联合预训练，使得模型的参数能够更为有效的学习知识，从而提升模型的训练精度，进而提升治疗方案的推荐准确度。
[0029]应当理解，本部分所描述的内容并非旨在标识本专利技术的实施例的关键或重要特征，也不用于限制本专利技术的范围。本专利技术的其它特征将通过以下的说明书而变得容易理解。
附图说明
[0030]为了更清楚地说明本专利技术实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅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。
[0031]图1是根据本专利技术实施例一提供的一种治疗方案推荐方法的流程图；
[0032]图2是根据本专利技术实施例二提供的一种治疗方案推荐方法的流程图；
[0033]图3是根据本专利技术实施例三提供的一种治疗方案推荐方法的流程图；
[0034]图4是根据本专利技术实施例三提供的一种心血管疾病领域的知识图谱的结构示意图。
[0035]图5是根据本专利技术实施例四提供的一种治疗方案推荐装置的结构示意图；
[0036]图6是根据本专利技术实施例五提供的一种治疗方案推荐系统的结构示意图。
具体实施方式
[0037]为了使本
的人员更好地理解本专利技术方案，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分的实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本专利技术保护的范围。
[0038]需要说明的是，本专利技术的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本专利技术的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。本申请技术方案中对数据的获取、存储、使用、处理等均符合国家法律法规的相关规定。
[0039]实施例一
[0040]图1为本专利技术实施例一提供的一种治疗方案推荐方法的流程图，本实施例可适用于通过多模态融合进行治疗方案推荐的情况，该方法可以由治疗方案推荐装置来执行，该治疗方案推荐装置可以采用硬件和/或软件的形式实现，该治疗方案推荐装置可配置于终端和/或服务器中。如图1所示，该方法包括：
[0041]S110、获取待处理的病例样本数据，其中，所述病例样本数据包括病例文本数据和心电图影像数据。
[00本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种治疗方案推荐方法，其特征在于，包括：获取待处理的病例样本数据，其中，所述病例样本数据包括病例文本数据和心电图影像数据；分别对所述病例文本数据和心电图影像数据进行预处理，得到病例文本词元和心电语义词元；对所述病例文本词元和心电语义词元进行知识注入操作，得到目标病例样本数据；基于所述目标病例样本数据进行多模态联合预训练，得到病例文本
‑
心电图预训练模型；获取下游任务对应的训练数据，基于下游任务对应的训练数据对所述病例文本
‑
心电图预训练模型进行微调，得到治疗方案推荐模型；获取目标对象的病例数据，将所述目标对象的病例数据输入至所述治疗方案推荐模型，得到目标对象的治疗方案。2.根据权利要求1所述的方法，其特征在于，所述分别对所述病例文本数据和心电图影像数据进行预处理，得到病例文本词元和心电语义词元，包括：根据预先配置的文本抽取规则，对所述病例文本数据进行信息抽取，得到病例文本词元；对所述心电图影像数据进行离散语义化预处理，得到心电语义词元。3.根据权利要求2所述的方法，其特征在于，所述对所述心电图影像数据进行离散语义化预处理，得到心电语义词元，包括：对所述心电图影像数据进行去噪处理，得到去噪后的心电图影像数据；对所述去噪后的心电图影像数据进行归一化处理，得到归一化后的心电图影像数据；对所述归一化后的心电图影像数据进行切分，得到多个心电图影像切片，将各所述心电图影像切片输入至训练完成的卷积神经网络，得到各所述心电图影像切片对应的心电语义词元，其中，所述训练完成的卷积神经网络包括卷积层、池化层、自适应均值池化层和输出层。4.根据权利要求1所述的方法，其特征在于，所述对所述病例文本词元和心电语义词元进行知识注入操作，得到目标病例样本数据，包括：对所述病例文本词元进行掩码处理，得到病例文本掩码数据；对所述病例文本词元进行延展处理，得到病例文本拼接数据；对所述心电语义词元进行掩码处理，得到心电掩码数据；基于所述病例文本掩码数据、所述病例文本拼接数据和所述病例文本拼接数据确定目标病例样本数据。5.根据权利要求4所述的方法，其特征在于，所述对所述病例文本词元进行掩码处理，得到病例文本掩码数据，包括：对所述病例文本词元进行命名体识别，得到心电领域实体；基于第一预设掩码比例，使用掩码标识符和/或心电实体词元对所述病例文本词元中的心电领域实体进行替换，得到病例文本实体掩码数据；基于第二预设掩码比例，使用掩码标识符和/或心电实体词元对所述病例文本词元中的非心电领域实体进行替换，得到病例文本非实体掩码数据；
基于所述病例文本实体掩码数据和所...

【专利技术属性】
技术研发人员：夏周睿，范哲权，高林明，
申请(专利权)人：索思苏州医疗科技有限公司，
类型：发明
国别省市：