一种基于自注意力图编码器的手术操作识别方法及系统技术方案

本发明专利技术提出了一种基于自注意力图编码器的手术操作识别方法及系统，涉及医疗信息化及人工智能技术领域，对获取的手术文本进行句法分析，基于分词结果，构建手术操作语义拓扑图；基于连通子图的连接密度，对手术操作语义拓扑图进行筛选，得到手术操作拓扑图；通过自注意力图编码器，提取手术操作拓扑图中各个节点的深层语义特征；基于节点的深层语义特征，进行手术操作的分类识别，得到手术编码；本发明专利技术采用句法分析提取关键手术操作位点，并设计了一种新的自注意力图编码器结构用于提取手术操作语义信息，有效学习大医院的手术操作编码知识并提取出手术记录或诊疗操作记录中的手术编码，从而助力基层医院实现手术编码的正确填写，提升病案质量。提升病案质量。提升病案质量。

【技术实现步骤摘要】
一种基于自注意力图编码器的手术操作识别方法及系统


[0001]本专利技术属于医疗信息化及人工智能
，尤其涉及一种基于自注意力图编码器的手术操作识别方法及系统。

技术介绍

[0002]本部分的陈述仅仅是提供了与本专利技术相关的
技术介绍
信息，不必然构成在先技术。
[0003]随着国家医保改革的进行，手术编码成为医保结算清单中手术操作的主要填写方式。通过手术编码，医院可以统一使用标准化的手术编码更准确地记录及报告医疗信息。同时，手术编码还可以有效减少不良手术操作事件的发生率，改善手术的质量，提高医疗保健的效率和经济效益。
[0004]但目前不同级别的医院对于手术编码的认识程度不同，通常来看，大医院对手术编码的认识程度要比基层医院高得多，因为大医院的医疗器械以及医生经验更加丰富，需要严格的手术编码来对每一种手术操作进行有效的管理，而基层医院由于拥有较少的医疗器械以及医生经验相对较少，对于手术编码的认识程度就较低，进而影响了病案质量，导致医保结算亏损；可以通过学习大医院的手术编码经验，将其迁移到基层医院，来改进其手术编码填写质量。
[0005]目前，手术编码的填写主要还是以人工填写为主，医生往往需要翻看患者的手术记录以及诊疗操作记录，然后从中提炼出相应的手术编码，但这种方法比较耗时耗力，而且人工提取的方式容易造成手术编码的遗漏，导致医院病案质量下降。
[0006]虽然目前出现了一些基于深度学习和人工智能技术为基础的手术编码提取方法，但现存的方法大多是将手术记录文本整个输入模型，然后进行特征提取和手术编码分类，忽视了对于手术操作的特征筛选。手术记录中往往存在一些冗余文本，真正的手术操作信息蕴含在几句重要的手术操作描述中，因此这种方式容易引入噪声文本，难以提取到正确的手术编码。

技术实现思路

[0007]为克服上述现有技术的不足，本专利技术提供了一种基于自注意力图编码器的手术操作识别方法及系统，采用句法分析提取关键手术操作位点，并设计了一种新的自注意力图编码器结构用于提取手术操作语义信息，有效学习大医院的手术操作编码知识并提取出手术记录或诊疗操作记录中的手术编码，从而助力基层医院实现手术编码的正确填写，提升病案质量。
[0008]为实现上述目的，本专利技术的一个或多个实施例提供了如下技术方案：
[0009]本专利技术第一方面提供了一种基于自注意力图编码器的手术操作识别方法；
[0010]一种基于自注意力图编码器的手术操作识别方法，包括：
[0011]对获取的手术文本进行句法分析，基于得到的分词结果，构建手术操作语义拓扑
图；
[0012]基于连通子图的连接密度，对手术操作语义拓扑图进行筛选，得到手术操作拓扑图；
[0013]通过自注意力图编码器，提取手术操作拓扑图中各个节点的深层语义特征；
[0014]基于节点的深层语义特征，进行手术操作的分类识别，得到手术编码。
[0015]进一步的，所述对获取的手术文本进行句法分析，是使用中文依存句法分析工具对手术文本进行分词，得到分词、分词对应的词性以及分词之间的依赖关系；通过词性和依赖关系，对分词进行筛选。
[0016]进一步的，采用有向图的方式，以分词为节点，构建手术操作语义拓扑图；
[0017]其中，两个节点之间有边，表示两个词具有依赖关系，由核心词指向依存词，所述依赖关系，包括动词关系、修饰动词关系和修饰名词关系。
[0018]进一步的，所述连通子图的连接密度，定义为连通子图中边的条数与手术操作语义拓扑图所有节点数量的比值，衡量子图连接的密集程度；
[0019]计算每个连通子图的连接密度，并根据连接密度对连通子图按从大到小顺序进行排序，依据排名和预设子图个数，选取连通子图构成手术操作拓扑图。
[0020]进一步的，所述提取手术操作拓扑图中各个节点的深层语义特征，具体步骤为：
[0021]通过词嵌入模型Glove和门控循环单元GRU，得到手术文本中每个字符的语义特征向量；
[0022]通过向量加法综合考虑节点中各个字符的每个位置的语义特征，得到各个节点的语义特征及手术操作拓扑图的邻接矩阵；
[0023]基于各个节点的语义特征及手术操作拓扑图的邻接矩阵，通过自注意力图编码器，提取各个节点的深层语义特征。
[0024]进一步的，所述自注意力图编码器，依次包括自注意力图神经网络、拼接/归一化和前向传播归一化层；
[0025]所述自注意力图神经网络，依据节点及其邻接点的语义特征，引入自注意力机制区分节点特征，得到增强后的语义特征。
[0026]进一步的，所述进行手术操作的分类识别，具体为：
[0027]对所有提取的深层语义特征进行向量加法，得到用于分类的分类特征向量，之后通过激活函数进行手术的分类识别。
[0028]本专利技术第二方面提供了一种基于自注意力图编码器的手术操作识别系统。
[0029]一种基于自注意力图编码器的手术操作识别系统，包括句法分析模块、子图筛选模块、语义提取模块和编码识别模块：
[0030]句法分析模块，被配置为：对获取的手术文本进行句法分析，基于得到的分词结果，构建手术操作语义拓扑图；
[0031]子图筛选模块，被配置为：基于连通子图的连接密度，对手术操作语义拓扑图进行筛选，得到手术操作拓扑图；
[0032]语义提取模块，被配置为：通过自注意力图编码器，提取手术操作拓扑图中各个节点的深层语义特征；
[0033]编码识别模块，被配置为：基于节点的深层语义特征，进行手术操作的分类识别，
得到手术编码。
[0034]本专利技术第三方面提供了计算机可读存储介质，其上存储有程序，该程序被处理器执行时实现如本专利技术第一方面所述的一种基于自注意力图编码器的手术操作识别方法中的步骤。
[0035]本专利技术第四方面提供了电子设备，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程序，所述处理器执行所述程序时实现如本专利技术第一方面所述的一种基于自注意力图编码器的手术操作识别方法中的步骤。
[0036]以上一个或多个技术方案存在以下有益效果：
[0037]本专利技术提供了一种从手术记录或诊疗操作记录里自动识别手术操作的方法，并且能够学习高质量的手术操作填写经验，进而用于改进基层医院的手术操作填写质量。
[0038]本专利技术采用句法分析提取关键手术操作位点，并设计了一种新的自注意力图编码器结构用于提取手术操作语义信息，实验结果证明了本专利技术的有效性，实现了手术操作的有效识别。
[0039]本专利技术附加方面的优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本专利技术的实践了解到。
附图说明
[0040]构成本专利技术的一部分的说明书附图用来提供对本专利技术的进一步理解，本专利技术的示意性实施例及其说明用于解释本专利技术，并不构成对本专利技术的不当限定。
[0041]图1为第一个实施例的模型结构图。
[0042]图2为第本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于自注意力图编码器的手术操作识别方法，其特征在于，包括：对获取的手术文本进行句法分析，基于得到的分词结果，构建手术操作语义拓扑图；基于连通子图的连接密度，对手术操作语义拓扑图进行筛选，得到手术操作拓扑图；通过自注意力图编码器，提取手术操作拓扑图中各个节点的深层语义特征；基于节点的深层语义特征，进行手术操作的分类识别，得到手术编码。2.如权利要求1所述的一种基于自注意力图编码器的手术操作识别方法，其特征在于，所述对获取的手术文本进行句法分析，是使用中文依存句法分析工具对手术文本进行分词，得到分词、分词对应的词性以及分词之间的依赖关系；通过词性和依赖关系，对分词进行筛选。3.如权利要求1所述的一种基于自注意力图编码器的手术操作识别方法，其特征在于，采用有向图的方式，以分词为节点，构建手术操作语义拓扑图；其中，两个节点之间有边，表示两个词具有依赖关系，由核心词指向依存词，所述依赖关系，包括动词关系、修饰动词关系和修饰名词关系。4.如权利要求1所述的一种基于自注意力图编码器的手术操作识别方法，其特征在于，所述连通子图的连接密度，定义为连通子图中边的条数与手术操作语义拓扑图所有节点数量的比值，衡量子图连接的密集程度；计算每个连通子图的连接密度，并根据连接密度对连通子图按从大到小顺序进行排序，依据排名和预设子图个数，选取连通子图构成手术操作拓扑图。5.如权利要求1所述的一种基于自注意力图编码器的手术操作识别方法，其特征在于，所述提取手术操作拓扑图中各个节点的深层语义特征，具体步骤为：通过词嵌入模型Glove和门控循环单元GRU，得到手术文本中每个字符的语义特征向量；通过向量加法综合考虑节点中各个字符的每个位置的语义特征，得到各个节点的语义特征及手术操作拓扑图的邻接矩阵；基于各...

【专利技术属性】
技术研发人员：高希余，来庆涵，吴军，张述睿，王陈辰，
申请(专利权)人：众阳健康科技集团有限公司，
类型：发明
国别省市：