本申请公开了一种针对诊断结果的质量监控方法、装置、存储介质以及电子设备，其中，方法包括：基于若干第一历史病历数据获取若干第一文本数据以及与各第一文本数据对应的样本诊断结果，以构建获得第一训练集；基于所述第一训练集中的第一文本数据以及与各第一文本对应的样本诊断结果，对初始疾病预测模型中的当前医疗文本语言子模型、全连接层以及逻辑回归层进行模型训练，获得目标疾病预测模型；基于所述目标疾病预测模型对目标病历的目标文本数据进行疾病预测，获得预测结果；基于所述预测结果对所述目标病历对应的诊断结果进行质量监控。本申请中的方法能提高质控结果的准确度。确度。确度。
【技术实现步骤摘要】
一种针对诊断结果的质量监控方法、装置、介质及设备
[0001]本专利技术涉及数字医疗以及计算机领域，特别涉及一种针对诊断结果的质量监控方法、装置、介质及设备。
技术介绍
[0002]现如今，随着医疗电子信息化的发展，以及人工智能技术在医疗领域的应用，诊断质控应运而生。诊断质控是指：针对医生给出的诊断的质量控制。当病人到医院就诊时，医生给出的诊断对于病人的后续治疗非常重要，一旦发生漏诊和误诊，后果会非常严重。由此诊断质控至关重要，通过诊断质控能够降低误诊率，有利于提升医疗服务的质量。然而现有的诊断质控方法存在质控结果不够准确、可靠的问题。
技术实现思路
[0003]有鉴于此，本专利技术提供了一种针对诊断结果的质量监控方法、装置、介质及设备，主要目的在于解决目前存在质控结果不够准确、可靠的问题。
[0004]为解决上述问题，本申请提供一种针对诊断结果的质量监控方法，包括：
[0005]基于若干第一历史病历数据获取若干第一文本数据以及与各第一文本数据对应的样本诊断结果，以构建获得第一训练集；
[0006]基于所述第一训练集中的第一文本数据以及与各第一文本对应的样本诊断结果，对初始疾病预测模型中的当前医疗文本语言子模型、全连接层以及逻辑回归层进行模型训练，获得目标疾病预测模型；
[0007]基于所述目标疾病预测模型对目标病历的目标文本数据进行疾病预测，获得预测结果；
[0008]基于所述预测结果对所述目标病历对应的诊断结果进行质量监控。
[0009]可选的，在训练获得所述目标疾病预测模型之前，所述方法还包括：训练获得所述当前医疗文本语言子模型，包括：
[0010]基于若干第二历史病历数据获取若干第二文本数据以及与各第二文本数据对应的第二样本医疗文本数据，以构建获得第二训练集；
[0011]基于所述第二训练集中的第二文本数据以及第二样本医疗文本数据，对初始医疗文本语言子模型进行模型训练，获得所述当前医疗文本语言子模型。
[0012]可选的，所述基于所述第二训练集中的第二文本数据以及第二样本医疗文本数据，对初始医疗文本语言子模型进行模型训练，获得所述当前医疗文本语言子模型，具体包括：
[0013]利用初始医疗文本语言子模型对所述第二训练集中的第二文本数据进行医疗文本提取，获得当前第二医疗文本；
[0014]基于与各第二文本数据对应的第二样本医疗文本以及与各第二文本数据对应的当前第二医疗文本，对所述初始医疗文本语言子模型中的初始参数进行调整，获得所述当
前医疗文本语言子模型。
[0015]可选的，所述基于所述第一训练集中的第一文本数据以及与各第一文本对应的样本诊断结果，对初始疾病预测模型中的当前医疗文本语言子模型、全连接层以及逻辑回归层进行模型训练，获得目标疾病预测模型，具体包括：
[0016]依次基于初始疾病预测模型中的当前医疗文本语言模型、初始全连接层以及初始逻辑回归层对各所述第一文本进行疾病概率筛选，获得疾病诊断的第一预测结果；
[0017]基于与各所述第一文本对应的第一预测结果、各第一文本对应的样本诊断结果，分别对所述当前医疗文本语言子模型、初始全连接层以及初始逻辑回归层中的参数进行调整，获得目标医疗文本语言子模型、目标全连接层以及目标逻辑回归层，以获得所述目标疾病预测模型。
[0018]可选的，所述基于所述目标疾病预测模型对目标病历的目标文本数据进行疾病预测，获得预测结果，具体包括：
[0019]基于目标文本，利用所述目标疾病预测模型中的目标医疗文本语言子模型、目标全连接层以及目标逻辑回归层，进行疾病概率计算，获得各疾病的概率值；
[0020]基于各所述疾病的概率值，对各所述疾病进行筛选，获得至少一种预测疾病，以获得所述预测结果。
[0021]可选的，所述基于所述预测结果对所述目标病历对应的诊断结果进行质量监控，具体包括：
[0022]将所述预测结果中的各预测疾病与所述目标诊断结果中的目标疾病进行比对，以确定所述预测结果是否包含目标诊断结果；
[0023]在确定所述预测结果包含所述目标诊断结果的情况下，获得诊断质量合格的监控结果；
[0024]在确定所述预测结果未包含所述目标诊断结果的情况下，获得诊断质量不合格的监控结果。
[0025]可选的，在获得各疾病的概率值之后，所述方法还包括：在确定所述预测结果未包含所述目标诊断结果的情况下，按照各预测疾病概率值由高到低的顺序，对预定数量的预测疾病进行展示，以进行疾病提示。
[0026]为解决上述问题，本申请提供一种针对诊断结果的质量监控装置，包括：
[0027]第一构建模块，用于基于若干第一历史病历数据获取若干第一文本数据以及与各第一文本数据对应的样本诊断结果，以构建获得第一训练集；
[0028]第一训练模块，用于基于所述第一训练集中的第一文本数据以及与各第一文本对应的样本诊断结果，对初始疾病预测模型中的当前医疗文本语言子模型、全连接层以及逻辑回归层进行模型训练，获得目标疾病预测模型；
[0029]预测模块，用于基于所述目标疾病预测模型对目标病历的目标文本数据进行疾病预测，获得预测结果；
[0030]质控模块，用于基于所述预测结果对所述目标病历对应的诊断结果进行质量监控。
[0031]为解决上述问题，本申请提供一种存储介质，所述存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述任一项所述针对诊断结果的质量监控方法的步骤。
[0032]为解决上述问题，本申请提供一种电子设备，至少包括存储器、处理器，所述存储器上存储有计算机程序，所述处理器在执行所述存储器上的计算机程序时实现上述任一项所述针对诊断结果的质量监控方法的步骤。
[0033]本申请中的一种针对诊断结果的质量监控方法、装置、存储介质及电子设备，通过训练获得包含医疗文本语言子模型、全连接层以及逻辑回归层的目标疾病预测模型，能够利用该模型准确的对目标病历进行疾病预测，从而能够基于预测结果对实际诊断结果精准的进行质量监控，使得质控结果更加准确、可靠。
[0034]上述说明仅是本专利技术技术方案的概述，为了能够更清楚了解本专利技术的技术手段，而可依照说明书的内容予以实施，并且为了让本专利技术的上述和其它目的、特征和优点能够更明显易懂，以下特举本专利技术的具体实施方式。
附图说明
[0035]通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本专利技术的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：
[0036]图1为本申请实施例一种针对诊断结果的质量监控方法的流程图；
[0037]图2为本申请一实施例中目标疾病预测模型的模型架构图；
[0038]图3为本申请又一实施例中一种针对诊断结果的质量监控装置的结构框图；
[0039]图4为本申请另一实施例中一种电本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种针对诊断结果的质量监控方法，其特征在于，包括：基于若干第一历史病历数据获取若干第一文本数据以及与各第一文本数据对应的样本诊断结果，以构建获得第一训练集；基于所述第一训练集中的第一文本数据以及与各第一文本对应的样本诊断结果，对初始疾病预测模型中的当前医疗文本语言子模型、全连接层以及逻辑回归层进行模型训练，获得目标疾病预测模型；基于所述目标疾病预测模型对目标病历的目标文本数据进行疾病预测，获得预测结果；基于所述预测结果对所述目标病历对应的诊断结果进行质量监控。2.如权利要求1所述的方法，其特征在于，在训练获得所述目标疾病预测模型之前，所述方法还包括：训练获得所述当前医疗文本语言子模型，包括：基于若干第二历史病历数据获取若干第二文本数据以及与各第二文本数据对应的第二样本医疗文本数据，以构建获得第二训练集；基于所述第二训练集中的第二文本数据以及第二样本医疗文本数据，对初始医疗文本语言子模型进行模型训练，获得所述当前医疗文本语言子模型。3.如权利要求2所述的方法，其特征在于，所述基于所述第二训练集中的第二文本数据以及第二样本医疗文本数据，对初始医疗文本语言子模型进行模型训练，获得所述当前医疗文本语言子模型，具体包括：利用初始医疗文本语言子模型对所述第二训练集中的第二文本数据进行医疗文本提取，获得当前第二医疗文本；基于与各第二文本数据对应的第二样本医疗文本以及与各第二文本数据对应的当前第二医疗文本，对所述初始医疗文本语言子模型中的初始参数进行调整，获得所述当前医疗文本语言子模型。4.如权利要求1所述的方法，其特征在于，所述基于所述第一训练集中的第一文本数据以及与各第一文本对应的样本诊断结果，对初始疾病预测模型中的当前医疗文本语言子模型、全连接层以及逻辑回归层进行模型训练，获得目标疾病预测模型，具体包括：依次基于初始疾病预测模型中的当前医疗文本语言模型、初始全连接层以及初始逻辑回归层对各所述第一文本进行疾病概率筛选，获得疾病诊断的第一预测结果；基于与各所述第一文本对应的第一预测结果、各第一文本对应的样本诊断结果，分别对所述当前医疗文本语言子模型、初始全连接层以及初始逻辑回归层中的参数进行调整，获得目标医疗文本语言子模型、目标全连接层以及目标逻辑回归层，以获得所述目标疾病预测模型。...
【专利技术属性】
技术研发人员：唐蕊，
申请(专利权)人：平安科技深圳有限公司，
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。