基于层注意和云记忆机制的单病种电子病历结构化方法技术

本发明专利技术涉及电子病历，尤其是基于层注意和云记忆机制的单病种电子病历结构化方法；使用单病种电子病历结构化系统，所述单病种电子病历结构化系统包括层内注意力机制和注意力机制相结合的局部云记忆模块

【技术实现步骤摘要】
基于层注意和云记忆机制的单病种电子病历结构化方法


[0001]本专利技术涉及电子病历，尤其是基于层注意和云记忆机制的单病种电子病历结构化方法
。

技术介绍

[0002]随着医疗信息化程度和单病种管理要求不断提升，利用信息化手段提高单病种管理质量成为可能
。
单病种数据来源广泛，其中最主要的数据源就是患者住院信息
、
病程记录和手术记录等信息
。
这部分信息目前结构化程度较低
。
这为进一步处理患者单病种病历信息，以实现单病种自动上报
、
单病种临床决策
、
辅助诊断和单病种控费等应用带来了较大的麻烦
。
完全结构化的病历可以为提升单病种医疗质量
、
降低单病种诊疗费用做出巨大贡献
。
[0003]概念树是由一些医学领域专家提出的针对半结构化数据储存方式，根据数据信息动态存储为表格内容
。
该方法通过建立逻辑嵌套，形成数据间的逻辑结构，根据结构定义文档结构，最后生成文档数据
...

【技术保护点】

【技术特征摘要】
1.
基于层注意和云记忆机制的单病种电子病历结构化方法，使用单病种电子病历结构化系统，其特征在于，所述单病种电子病历结构化系统包括层内注意力机制和注意力机制相结合的局部云记忆模块
、
自适应的层内特征选择模块
、
可以捕获全局特征的全局云记忆模块，还包括层注意力模块
、
注意力融合特征选择模块
、
局部云记忆模块
、
局部云记忆融合模块
、
层间注意力模块
、
全局云记忆模块；其中，层注意力模块使模型关注每层语句的重要内容，丢弃影响准确性的无关内容；注意力融合特征选择模块对每层句子进行缩减，使语句信息得以凝练；局部云记忆模块抽取每层语句的压缩信息，用一个词来概括整句信息；局部云记忆融合模块将注意力融合特征选择模块凝练后的语句与局部云记忆模块压缩的语句概括特征进行拼接，使模型更好的理解整句信息；层间注意力模块考虑每一层语句信息内容得到层间注意力矩阵，代表每一层语句的信息留存度；全局云记忆模块通过对每一层语句信息进行存留融合得到全局信息记忆，对每一层处理过程中的信息按需进行保存，最后通过转换矩阵将全局记忆信息与最后一层输出融合得到最终结果
。2.
根据权利要求1所述的基于层注意和云记忆机制的单病种电子病历结构化方法，其特征在于：调用层内注意力模块
、
注意力融合特征选择模块和局部云记忆模块，层内注意力机制选择出每层重要特征，经过特征选择二次筛选后再进行特征凝练，局部云记忆模块则捕获全局特征后与凝练后的特征进行拼接，使得网络每层既考虑到了语句重要的局部特征也考虑到了语句概括特征还缩减了语句维度
。3.
根据权利要求1所述的基于层注意和云记忆机制的单病种电子病历结构化方法，其特征在于：调用层间注意力模块和全局云记忆模块，网络在计算过程中形成了每层的过程计算信息，层间注意力机制决定每层信息的重要性，经过筛选后保留有用的层过程计算信息，保留的层过程计算信息累加后得到全局云记忆信息，该信息包含了网络计算过程中的重要特征，使得网络对过程特征有记忆能力
。4.
根据权利要求1所述的基于层注意和云记忆机制的单病种电子病历结构化方法，其特征在于：使用方法包括以下步骤：首先从各业务系统抽取的单病种非结构化电子病历，使用诊断和患者信息进行入组，根据患者病历特征进行数据增强；输入
X∈R
i
×
j
由层注意力模块
(A)
构建编码层注意力矩阵
Z∈R
j
×
j
，其中
i
是输入病历份数，
j
是病历分词的维度，构建的编码层注意力矩阵取值范围为
[0
，
1]
；输入
X∈R
i
×
j
和编码层注意力矩阵
Z∈R
j
×
j
相乘得到第
O
层输出
Y
o
∈R
i
×
j
；
Y
o
∈R
i
×
j
输入注意力融合特征选择模块
(B)
，
Y
o
和注意力融合特征矩阵
W∈R
j
×
j/2
‑1相乘得到第
O+1
层的输入
X
o+1
∈R
i
×
j/2<...

【专利技术属性】
技术研发人员：宋凡，余俊蓉，张武军，王毅，
申请(专利权)人：中山大学附属第一医院，
类型：发明
国别省市：