CN113590777A - 文本信息处理方法、装置、电子设备和存储介质 - Google Patents

文本信息处理方法、装置、电子设备和存储介质 Download PDF

Info

Publication number
CN113590777A
CN113590777A CN202110736093.4A CN202110736093A CN113590777A CN 113590777 A CN113590777 A CN 113590777A CN 202110736093 A CN202110736093 A CN 202110736093A CN 113590777 A CN113590777 A CN 113590777A
Authority
CN
China
Prior art keywords
medical record
graph
text information
disease
nodes
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202110736093.4A
Other languages
English (en)
Inventor
袁泉
陈俊
黄海峰
代小亚
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Baidu Netcom Science and Technology Co Ltd
Original Assignee
Beijing Baidu Netcom Science and Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing Baidu Netcom Science and Technology Co Ltd filed Critical Beijing Baidu Netcom Science and Technology Co Ltd
Priority to CN202110736093.4A priority Critical patent/CN113590777A/zh
Publication of CN113590777A publication Critical patent/CN113590777A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/33—Querying
    • G06F16/332—Query formulation
    • G06F16/3329—Natural language query formulation or dialogue systems
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/35—Clustering; Classification
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G06F40/279—Recognition of textual entities
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Biomedical Technology (AREA)
  • General Health & Medical Sciences (AREA)
  • Computational Linguistics (AREA)
  • Artificial Intelligence (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • Mathematical Physics (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Pathology (AREA)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)
  • Human Computer Interaction (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本公开提供了文本信息处理方法、装置、电子设备和存储介质，涉及人工智能技术领域，具体为自然语言处理、智慧医疗、知识图谱技术领域。具体实现方案为：根据待处理病历中的文本信息生成对应的病历导出图，对病历导出图中的疾病节点进行聚类，根据聚类结果将病历导出图划分为多个病历子图，对多个病历子图分别进行编码，根据编码得到的实体特征生成疾病诊断结果。根据病历导出图中疾病节点的聚类结果，将病历导出图划分为多个病历子图，对多个病例子图分别进行编码得到实体特征，保证了不同子图的信息都能够被有效编码，从而有效提升病历结构化编码能力，增强了文本信息处理的效果，提高了疾病诊断预测的准召率。

Description

文本信息处理方法、装置、电子设备和存储介质
技术领域
本公开涉及人工智能技术领域，具体为自然语言处理、智慧医疗、知识图谱技术领域，尤其涉及一种文本信息处理方法、装置、电子设备和存储介质。
背景技术
目前，自动疾病诊断算法已经广泛应用于临床辅助决策系统中，主要通过对电子病历进行文本信息处理和分析得到诊断预测结果，用于提升医生的诊断效率、降低误漏诊的概率。
但是，如何增强文本信息的处理效果从而提高自动疾病诊断的准召率成为业界急需解决的问题。
发明内容
提供了一种文本信息处理方法、装置、电子设备和存储介质。
根据第一方面，提供了一种文本信息处理方法，包括：根据待处理病历中的文本信息生成对应的病历导出图；对所述病历导出图中的疾病节点进行聚类，根据聚类结果将所述病历导出图划分为多个病历子图；对所述多个病历子图分别进行编码，根据编码得到的实体特征生成疾病诊断结果。
根据第二方面，提供了一种文本信息处理装置，包括：第一生成模块，用于根据待处理病例中的文本信息生成对应的病历导出图；聚类模块，用于对所述病历导出图中的疾病节点进行聚类，根据聚类结果将所述病历导出图划分为多个病历子图；第二生成模块，用于对所述多个病历子图分别进行编码，根据编码得到的实体特征生成疾病诊断结果。
根据第三方面，提供了一种电子设备，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行本公开第一方面所述的文本信息处理方法。
根据第四方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据本公开第一方面所述的文本信息处理方法。
根据第五方面，提供了一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现根据本公开第一方面所述的文本信息处理方法。
应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开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
附图用于更好地理解本方案，不构成对本公开的限定。其中：
图1是根据本公开第一实施例的文本信息处理方法的流程示意图；
图2是根据本公开第二实施例的文本信息处理方法的流程示意图；
图3是根据本公开第三实施例的文本信息处理方法的流程示意图；
图4是根据本公开第四实施例的文本信息处理方法的流程示意图；
图5为本公开实施例的文本信息处理方法的整体示意图；
图6是根据本公开第一实施例的文本信息处理装置的框图；
图7是根据本公开第二实施例的文本信息处理装置的框图；
图8是用来实现本公开实施例的文本信息处理方法的电子设备的框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
人工智能(ArtificialIntelligence，简称AI)是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门技术科学。目前，AI技术具有自动化程度高、精确度高、成本低的优点，得到了广泛的应用。
自然语言处理(Natural Language Processing，简称NLP)是计算机科学领域与人工智能领域中的一个重要方向，主要研究能实现人与计算机之间用自然语言进行有效通信的各种理论和方法，自然语言处理是一门融语言学、计算机科学、数学于一体的科学。因此，这一领域的研究将涉及自然语言，即人们日常使用的语言,所以它与语言学的研究有着密切的联系，但又有重要的区别。自然语言处理并不是一般地研究自然语言，而在于研制能有效地实现自然语言通信的计算机系统，特别是其中的软件系统。因而它是计算机科学的一部分。
智慧医疗(WITMED)是一套融合物联网、云计算等技术，以患者数据为中心的医疗服务模式。智慧医疗采用新型传感器、物联网、通信等技术结合现代医学理念，构建出以电子健康档案为中心的区域医疗信息平台，将医院之间的业务流程进行整合，优化了区域医疗资源，实现跨医疗机构的在线预约和双向转诊，缩短病患就诊流程、缩减相关手续、使得医疗资源合理化分配，真正做到以病人为中心的智慧医疗。
知识图谱((Knowledge Graph)是通过将应用数学、图形学、信息可视化技术、信息科学等学科的理论与方法与计量学引文分析、共现分析等方法结合，并利用可视化的图谱形象地展示学科的核心结构、发展历史、前沿领域以及整体知识架构达到多学科融合目的的现代理论，通过可视化技术描述知识资源及其载体，挖掘、分析、构建、绘制和显示知识及它们之间的相互联系。
下面结合附图描述本公开实施例的文本信息处理方法、装置、电子设备和存储介质。
图1是根据本公开第一实施例的文本信息处理方法的流程示意图。
如图1所示，本公开实施例的文本信息处理方法具体可包括以下步骤：
S101，根据待处理病例中的文本信息生成对应的病历导出图。
具体的，本公开实施例的文本信息处理方法的执行主体可为本公开实施例提供的文本信息处理装置，该文本信息处理装置可为具有数据信息处理能力的硬件设备和/或驱动该硬件设备工作所需必要的软件。可选的，执行主体可包括工作站、服务器，计算机、用户终端及其他设备。其中，用户终端包括但不限于手机、电脑、智能语音交互设备、智能家电、车载终端等。
在本公开实施例中，待处理病历中的文本信息包括但不限于自由文本信息以及包含于自由文本信息中的病况实体信息。例如，病历中通常包含了主诉、现病史、辅助检查、体格检查、既往史等信息内容，这些内容通常是自由文本的形式，可以通过命名实体识别工具从文本信息中提取出多种类型的实体，例如疾病、症状等。
根据待处理病历中的文本信息，具体可以为文本信息中的病况实体，生成对应的病历导出图。其中，病历导出图中包括病历中的全部病况实体对应的病况实体节点以及满足一定条件的疾病对应的疾病节点，以及这些病况实体和疾病之间的因果关系分数。
S102，对病历导出图中的疾病节点进行聚类，根据聚类结果将病历导出图划分为多个病历子图。
具体的，可以采用标签传播算法(Label Propagation Algorithm，简称LPA)对步骤S101生成的病历导出图中的疾病节点进行聚类，得到聚类结果，根据聚类结果将病历导图划分为多个病历子图，聚类结果中的每一个聚类对应一个病历子图。。
S103，对多个病历子图分别进行编码，根据编码得到的实体特征生成疾病诊断结果。
具体的，可以利用图卷积对步骤S102获得的多个病历子图分别进行编码，使得不同病历子图的信息可以被有效编码，以此获得实体特征，根据得到的实体特征生成疾病诊断结果。
综上，本公开实施例的文本信息处理方法，根据待处理病例中的文本信息生成对应的病历导出图，对病历导出图中的疾病节点进行聚类，根据聚类结果将病历导出图划分为多个病历子图，对多个病历子图分别进行编码，根据编码得到的实体特征生成疾病诊断结果。本公开实施例根据病历导出图中疾病节点的聚类结果，将病历导出图划分为多个病历子图，对多个病例子图分别进行编码得到实体特征，保证了不同子图的信息都能够被有效编码，从而有效提升病历结构化编码能力，增强了文本信息处理的效果，提高了疾病诊断预测的准召率。
图2是根据本公开第二实施例的文本信息处理方法的流程示意图。
如图2所示，在图1所示实施例的基础上，本公开实施例的文本信息处理方法具体可包括以下步骤：
上述实施例中的步骤S101具体可包括以下步骤S201-S204。
S201，获取预先构建的医疗知识图，医疗知识图中包括病况实体节点、疾病节点以及病况实体和疾病之间的因果关系分数。
具体的，医疗知识图根据病历中提取的病况实体构建，表现为二部图的形式，医疗知识图中包括两种类型的节点分别为病况实体节点(用
Figure BDA0003141657120000041
表示)以及疾病节点(用
Figure BDA0003141657120000042
表示)，不同类型节点间的关系即病况实体与疾病之间的因果关系可以通过一个分数
Figure BDA0003141657120000043
表示，因果关系分数
Figure BDA0003141657120000044
可以用来衡量一种疾病导致出现一种病况的概率大小。具体实施中，医疗知识图可以根据历史病历中的病况实体和对应的疾病预先构建，以及可以通过不同的病历扩充医疗知识图，本公开不做限定。
S202，获取文本信息中的病况实体。
具体的，对文本信息进行命名实体识别处理以获取文本信息中的病况实体，避免文本中噪声信息的干扰。获取的全部病况实体可以表示为：
Figure BDA0003141657120000045
其中，获取的病况实体可以包括但不限于症状、异常体征、检查结果、检验结果、病史、手术以及药品等。通过病历中的病况实体可以基本描述患者本次就诊的病情状况。
S203，将医疗知识图中，与文本信息中的病况实体之间的因果关系分数大于预设的分数阈值的疾病节点和病况实体节点，确定为病历导出图中的节点。
具体的，将步骤S201获取的医疗知识图中，全部的病况实体节点以及满足下述条件的疾病节点：与步骤S202获取的任意病况实体之间的因果关系分数大于预设的分数阈值的疾病节点，确定为即将构建的病历导出图中的节点，即获取：
Figure BDA0003141657120000051
其中，m表示预设的分数阈值，具体数值可根据需要设置，本公开不做限定。
S204，根据病历导出图中的节点生成病历导出图。
具体的，根据步骤S203确定的病历导出图中的所有病况实体节点和疾病节点即
Figure BDA0003141657120000052
生成病历导出图，该病历导出图可以表示为：
Figure BDA0003141657120000053
S205，对病历导出图中的疾病节点进行聚类，根据聚类结果将病历导出图划分为多个病历子图。
S206，对多个病历子图分别进行编码，根据编码得到的实体特征生成疾病诊断结果。
具体的，本实施例中的步骤S205-S206与上述实施例中的步骤S102-S103相同，此处不再赘述。
进一步的，在图2所示实施例的基础上，本公开实施例的文本信息处理方法还可包括：根据文本信息生成对应的自由文本特征。
具体的，病历中的文本信息可以表示为
Figure BDA0003141657120000054
的形式，其中x代表分字处理之后的一个字符(token)，经过向量(Embedding)表示之后得到每个字符对应的向量X＝{x1,…xi，…}。可以通过丢弃激活函数Dropout、卷积神经网络Conv和最大池化MaxPooling方式对向量进行特征提取，再经过全连接层(Fully Connected layers，FC)得到文本信息对应的自由文本特征hseq，其计算过程如下：
hinit＝MaxPool(Conv(Dropout(X)))
hseq＝σ(W(0)hinit+b(0))
对应的，步骤S206中“根据编码得到的实体特征生成疾病诊断结果”具体可包括：根据自由文本特征和实体特征生成疾病诊断结果。其计算过程如下：
Figure BDA0003141657120000055
其中，hentity表示实体特征，hdemo表示患者的年龄、性别等基本个人信息，P表示计算得到的最终患各种类型疾病的概率大小，即疾病诊断结果。
进一步的，如图3所示，在图2所示实施例的基础上，上述步骤S206中“对多个病历子图分别进行编码，根据编码得到的实体特征生成疾病诊断结果”具体可包括以下步骤：
S301，对病历子图进行图卷积编码得到子图编码。
具体的，对多个病历子图分别进行图卷积编码，得到多个子图编码
Figure BDA0003141657120000056
S302，根据子图编码计算病历子图对应的子图内注意力分数。
具体的，由于不同病历子图对疾病诊断的重要性不同，同一病历子图内部的不同节点间同样存在重要性差异，因此通过引入注意力机制强化重要子图以及重要节点在最终病历表达中的占比，从而能够在疾病诊断时快速、高效地找到病历中的关键信息。
根据步骤S301得到的子图编码
Figure BDA0003141657120000061
使用上面提到的hinit计算病历子图对应的子图内注意力分数αk，其计算过程如下：
Figure BDA0003141657120000062
S303，根据子图内注意力分数生成病历子图对应的子图表示结果。
具体的，根据子图内注意力分数αk进行加权生成病历子图对应的子图表示结果ck，其计算过程如下：
Figure BDA0003141657120000063
S304，根据多个病历子图对应的多个子图表示结果计算子图间注意力分数。
具体的，通过步骤S302-S303生成所有病历子图对应的子图表示结果，即{c1,…,cK}。根据多个病历子图对应的多个子图表示结果，使用hinit计算子图间注意力分数βk，其计算过程如下：
Figure BDA0003141657120000064
S305，根据多个子图表示结果和子图间注意力分数生成实体特征，根据实体特征生成疾病诊断结果。
具体的，根据多个子图表示结果{c1,…,cK}和对应的子图间注意力分数βk生成实体特征hentity，其计算过程如下：
Figure BDA0003141657120000065
进一步的，如图4所示，在图3所示实施例的基础上，上述步骤S301中“对病历子图进行图卷积编码得到子图编码”，具体可包括以下步骤：
S401，获取病历子图中的节点的向量表示，以及对应的单位矩阵、邻接矩阵和度矩阵。
具体的，根据病历子图获取病历子图GK中的节点的向量表示Vk，以及对应的单位矩阵Ik、邻接矩阵Ak和度矩阵Dk。
S402，根据病历子图中的节点的向量表示、单位矩阵、邻接矩阵和度矩阵，生成子图编码。
具体的，根据步骤S401获取的病历子图中的节点的向量表示Vk、单位矩阵Ik、邻接矩阵Ak和度矩阵Dk，生成子图编码
Figure BDA0003141657120000071
其计算过程如下：
Figure BDA0003141657120000072
综上，本公开实施例的文本信息处理方法，根据待处理病历中的文本信息生成对应的病历导出图，对病历导出图中的疾病节点进行聚类，根据聚类结果将病历导出图划分为多个病历子图，对多个病历子图分别进行编码，根据编码得到的实体特征生成疾病诊断结果。本公开实施例根据病历导出图中疾病节点的聚类结果，将病历导出图划分为多个病历子图，对多个病例子图分别进行编码得到实体特征，保证了不同子图的信息都能够被有效编码，从而有效提升病历结构化编码能力，同时利用子图内的注意力机制和子图间的注意力机制将实体信息进行融合获取实体特征，以此提升病历的结构化表示能力，增强了文本信息处理的效果，结合自由文本特征和实体特征进行疾病诊断，提高了疾病诊断预测的准召率。
为清楚地说明本公开实施例的文本信息处理方法，下面结合图5进行详细描述。
图5为本公开实施例的文本信息处理方法的整体示意图。如图5所示，对电子病历进行文本信息处理通过诊断推导生成疾病诊断结果主要包括：自由文本特征处理、实体特征提取以及诊断推导三部分内容。
其中，自由文本特征处理主要通过：对病历中的文本信息进行分字处理后映射为对应的向量表示word embedding，通过丢弃激活函数Dropout、卷积神经网络Conv和最大池化Max Pooling方式对向量进行特征提取获取初始特征，再经过全连接层FC得到文本信息对应的自由文本特征hseq。
实体特征处理部分主要通过：根据病历获取文本信息，根据从文本信息中获取到的病况实体以及从医疗知识图中确定的满足条件的疾病节点生成病历导出图，对病历导出图中的疾病节点进行聚类，根据聚类结果将病历导出图划分为多个病历子图，根据病历子图获取子图的邻接矩阵、单位矩阵以及度矩阵，并由此获取病历子图节点的向量表示,经过图卷积和激活函数，得到子图编码，根据子图编码结合自由文本特征处理阶段的初始特征进行子图内注意力计算，获取子图内注意力分数，并根据子图内注意力分数生成对应的子图表示结果，根据多个子图表示结果和自由文本处理阶段的初始特征进行子图间注意力计算，得到子图间注意力分数，根据多个子图表示结果和子图间注意力分数生成实体特征。
诊断推导部分将自由文本特征和实体特征以及患者的个人信息输入丢弃激活函数Dropout以及全连接层FC计算得出患病概率，从而得到疾病诊断结果。
图6是根据本公开第一实施例的文本信息处理装置的框图。
如图6所示，本公开实施例的文本信息处理装置600，包括：第一生成模块601、聚类模块602和第二生成模块603。
第一生成模块601，用于根据待处理病历中的文本信息生成对应的病历导出图。
聚类模块602，用于对病历导出图中的疾病节点进行聚类，根据聚类结果将病历导出图划分为多个病历子图。
第二生成模块603，用于对多个病历子图分别进行编码，根据编码得到的实体特征生成疾病诊断结果。
需要说明的是，上述对文本信息处理方法实施例的解释说明，也适用于本公开实施例的文本信息处理装置，具体过程此处不再赘述。
综上，本公开实施例的文本信息处理装置，根据待处理病历中的文本信息生成对应的病历导出图，对病历导出图中的疾病节点进行聚类，根据聚类结果将病历导出图划分为多个病历子图，对多个病历子图分别进行编码，根据编码得到的实体特征生成疾病诊断结果。本公开实施例根据病历导出图中疾病节点的聚类结果，将病历导出图划分为多个病历子图，对多个病历子图分别进行编码得到实体特征，保证了不同子图的信息都能够被有效编码，从而有效提升病历结构化编码能力，增强了文本信息处理的效果，提高疾病诊断预测的准召率。
图7是根据本公开第二实施例的文本信息处理装置的框图。
如图7所示，本公开实施例的文本信息处理装置700，包括：第一生成模块701、聚类模块702和第二生成模块703。
其中，第一生成模块701与上一实施例中的第一生成模块601具有相同的结构和功能，聚类模块702与上一实施例中的聚类模块602具有相同的结构和功能，第二生成模块703与上一实施例中的第二生成模块603具有相同的结构和功能。
进一步的，本公开实施例的文本信息处理装置700，还包括：第三生成模块，用于根据文本信息生成对应的自由文本特征；其中，第二生成模块703具体可包括第一生成单元，用于根据自由文本特征和实体特征生成疾病诊断结果。
进一步的，第一生成模块701具体可包括：第一获取单元7011，用于获取预先构建的医疗知识图，医疗知识图中包括病况实体节点、疾病节点以及病况实体和疾病之间的因果关系分数；第二获取单元7012，用于获取文本信息中的病况实体；确定单元7013，用于将医疗知识图中，与文本信息中的病况实体之间的因果关系分数大于预设的分数阈值的疾病节点和病况实体节点，确定为病历导出图中的节点；以及第二生成单元7014，用于根据病历导出图中的节点生成病历导出图。
进一步的，第一生成模块701还可包括：构建单元，用于根据历史病历中的病况实体和对应的疾病构建医疗知识图。
进一步的，聚类模块702具体可包括：聚类单元，用于采用标签传播算法对病历导出图中的疾病节点进行聚类。
进一步的，第二生成模块703具体可包括：编码单元，用于对病历子图进行图卷积编码得到子图编码；第一计算单元，用于根据子图编码计算病历子图对应的子图内注意力分数；第三生成单元，用于根据子图内注意力分数生成病历子图对应的子图表示结果；第二计算单元，用于根据多个病历子图对应的多个子图表示结果计算子图间注意力分数；以及第四生成单元，用于根据多个子图表示结果和子图间注意力分数生成实体特征，根据所述实体特征生成疾病诊断结果。
进一步的，编码单元具体可包括：获取子单元，用于获取病历子图中的节点的向量表示，以及对应的单位矩阵、邻接矩阵和度矩阵；生成子单元，用于根据病历子图中的节点的向量表示、单位矩阵、邻接矩阵和度矩阵，生成子图编码。
综上，本公开实施例的文本信息处理装置，根据待处理病历中的文本信息生成对应的病历导出图，对病历导出图中的疾病节点进行聚类，根据聚类结果将病历导出图划分为多个病历子图，对多个病历子图分别进行编码，根据编码得到的实体特征生成疾病诊断结果。本公开实施例根据病历导出图中疾病节点的聚类结果，将病历导出图划分为多个病历子图，对多个病历子图分别进行编码得到实体特征，保证了不同子图的信息都能够被有效编码，从而有效提升病历结构化编码能力，同时利用子图内的注意力机制和子图间的注意力机制将实体信息进行融合获取实体特征，以此提升病历的结构化表示能力，增强了文本信息处理的效果，结合自由文本特征和实体特征进行疾病诊断，提高了疾病诊断预测的准召率。
本公开的技术方案中，所涉及的用户个人信息的获取，存储和应用等，均符合相关法律法规的规定，且不违背公序良俗。
根据本公开的实施例，本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
图8示出了可以用来实施本公开的实施例的示例电子设备800的示意性框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图8所示，电子设备800包括计算单元801，其可以根据存储在只读存储器(ROM)802中的计算机程序或者从存储单元808加载到随机访问存储器(RAM)803中的计算机程序，来执行各种适当的动作和处理。在RAM 803中，还可存储电子设备800操作所需的各种程序和数据。计算单元801、ROM 802以及RAM 803通过总线804彼此相连。输入/输出(I/O)接口805也连接至总线804。
电子设备800中的多个部件连接至I/O接口805，包括：输入单元806，例如键盘、鼠标等；输出单元809，例如各种类型的显示器、扬声器等；存储单元808，例如磁盘、光盘等；以及通信单元809，例如网卡、调制解调器、无线通信收发机等。通信单元809允许电子设备800通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元801可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元801的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元801执行上文所描述的各个方法和处理，例如图1至图5所示的文本信息处理方法。例如，在一些实施例中，文本信息处理方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元808。在一些实施例中，计算机程序的部分或者全部可以经由ROM 802和/或通信单元809而被载入和/或安装到电子设备800上。当计算机程序加载到RAM 803并由计算单元801执行时，可以执行上文描述的提醒音频的生成方法的一个或多个步骤。备选地，在其他实施例中，计算单元801可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行文本信息处理方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)、互联网以及区块链网络。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与VPS服务("Virtual Private Server"，或简称"VPS")中，存在的管理难度大，业务扩展性弱的缺陷。服务器也可以为分布式系统的服务器，或者是结合了区块链的服务器。
根据本公开的实施例，本公开还提供了一种计算机程序产品，包括计算机程序，其中，计算机程序在被处理器执行时实现根据本公开上述实施例所示的文本信息处理方法。
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本公开公开的技术方案所期望的结果，本文在此不进行限制。
上述具体实施方式，并不构成对本公开保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。

Claims (17)

1.一种文本信息处理方法，包括：
根据待处理病历中的文本信息生成对应的病历导出图；
对所述病历导出图中的疾病节点进行聚类，根据聚类结果将所述病历导出图划分为多个病历子图；
对所述多个病历子图分别进行编码，根据编码得到的实体特征生成疾病诊断结果。
2.根据权利要求1所述的文本信息处理方法，还包括：
根据所述文本信息生成对应的自由文本特征；
其中，所述根据编码得到的实体特征生成疾病诊断结果，包括：
根据所述自由文本特征和所述实体特征生成所述疾病诊断结果。
3.根据权利要求1所述的文本信息处理方法，其中，所述根据待处理病历中的文本信息生成对应的病历导出图，包括：
获取预先构建的医疗知识图，所述医疗知识图中包括病况实体节点、疾病节点以及病况实体和疾病之间的因果关系分数；
获取所述文本信息中的病况实体；
将所述医疗知识图中，与所述文本信息中的病况实体之间的所述因果关系分数大于预设的分数阈值的疾病节点和所述病况实体节点，确定为所述病历导出图中的节点；以及
根据所述病历导出图中的节点生成所述病历导出图。
4.根据权利要求3所述的文本信息处理方法，还包括：
根据历史病历中的病况实体和对应的疾病构建所述医疗知识图。
5.根据权利要求1所述的文本信息处理方法，其中，所述对所述病历导出图中的疾病节点进行聚类，包括：
采用标签传播算法对所述病历导出图中的疾病节点进行聚类。
6.根据权利要求1所述的文本信息处理方法，其中，所述对所述多个病历子图分别进行编码，根据编码得到的实体特征生成疾病诊断结果，包括：
对所述病历子图进行图卷积编码得到子图编码；
根据所述子图编码计算所述病历子图对应的子图内注意力分数；
根据所述子图内注意力分数生成所述病历子图对应的子图表示结果；
根据所述多个病历子图对应的多个所述子图表示结果计算子图间注意力分数；以及
根据多个所述子图表示结果和所述子图间注意力分数生成所述实体特征，根据所述实体特征生成所述疾病诊断结果。
7.根据权利要求6所述的文本信息处理方法，其中，所述对所述病历子图进行图卷积编码得到子图编码，包括：
获取所述病历子图中的节点的向量表示，以及对应的单位矩阵、邻接矩阵和度矩阵；
根据所述病历子图中的节点的向量表示、所述单位矩阵、所述邻接矩阵和所述度矩阵，生成所述子图编码。
8.一种文本信息处理装置，包括：
第一生成模块，用于根据待处理病历中的文本信息生成对应的病历导出图；
聚类模块，用于对所述病历导出图中的疾病节点进行聚类，根据聚类结果将所述病历导出图划分为多个病历子图；
第二生成模块，用于对所述多个病历子图分别进行编码，根据编码得到的实体特征生成疾病诊断结果。
9.根据权利要求8所述的文本信息处理装置，还包括：
第三生成模块，用于根据所述文本信息生成对应的自由文本特征；
其中，所述第二生成模块包括：
第一生成单元，用于根据所述自由文本特征和所述实体特征生成所述疾病诊断结果。
10.根据权利要求8所述的文本信息处理装置，其中，所述第一生成模块包括：
第一获取单元，用于获取预先构建的医疗知识图，所述医疗知识图中包括病况实体节点、疾病节点以及病况实体和疾病之间的因果关系分数；
第二获取单元，用于获取所述文本信息中的病况实体；
确定单元，用于将所述医疗知识图中，与所述文本信息中的病况实体之间的所述因果关系分数大于预设的分数阈值的疾病节点和所述病况实体节点，确定为所述病历导出图中的节点；以及
第二生成单元，用于根据所述病历导出图中的节点生成所述病历导出图。
11.根据权利要求10所述的文本信息处理装置，还包括：
构建单元，用于根据历史病历中的病况实体和对应的疾病构建所述医疗知识图。
12.根据权利要求8所述的文本信息处理装置，其中，所述聚类模块包括：
聚类单元，用于采用标签传播算法对所述病历导出图中的疾病节点进行聚类。
13.根据权利要求8所述的文本信息处理装置，其中，所述第二生成模块包括：
编码单元，用于对所述病历子图进行图卷积编码得到子图编码；
第一计算单元，用于根据所述子图编码计算所述病历子图对应的子图内注意力分数；
第三生成单元，用于根据所述子图内注意力分数生成所述病历子图对应的子图表示结果；
第二计算单元，用于根据所述多个病历子图对应的多个所述子图表示结果计算子图间注意力分数；以及
第四生成单元，用于根据多个所述子图表示结果和所述子图间注意力分数生成所述实体特征，根据所述实体特征生成所述疾病诊断结果。
14.根据权利要求13所述的文本信息处理装置，其中，所述编码单元包括：
获取子单元，用于获取所述病历子图中的节点的向量表示，以及对应的单位矩阵、邻接矩阵和度矩阵；
生成子单元，用于根据所述病历子图中的节点的向量表示、所述单位矩阵、所述邻接矩阵和所述度矩阵，生成所述子图编码。
15.一种电子设备，包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-7中任一项所述的方法。
16.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据权利要求1-7中任一项所述的方法。
17.一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现根据权利要求1-7中任一项所述的方法。
CN202110736093.4A 2021-06-30 2021-06-30 文本信息处理方法、装置、电子设备和存储介质 Pending CN113590777A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110736093.4A CN113590777A (zh) 2021-06-30 2021-06-30 文本信息处理方法、装置、电子设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110736093.4A CN113590777A (zh) 2021-06-30 2021-06-30 文本信息处理方法、装置、电子设备和存储介质

Publications (1)

Publication Number Publication Date
CN113590777A true CN113590777A (zh) 2021-11-02

Family

ID=78245406

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110736093.4A Pending CN113590777A (zh) 2021-06-30 2021-06-30 文本信息处理方法、装置、电子设备和存储介质

Country Status (1)

Country Link
CN (1) CN113590777A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116013503A (zh) * 2022-12-27 2023-04-25 北大计算与数字经济研究院 一种牙科治疗计划确定方法、电子设备及存储介质
CN116383405A (zh) * 2023-03-20 2023-07-04 华中科技大学同济医学院附属协和医院 基于动态图序列的病历知识图谱构建方法及系统

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110299209A (zh) * 2019-06-25 2019-10-01 北京百度网讯科技有限公司 相似病历查找方法、装置、设备及可读存储介质
CN111261286A (zh) * 2020-02-17 2020-06-09 清华大学 辅助诊断模型构建方法、诊断方法、装置、设备及介质
CN111986815A (zh) * 2020-08-31 2020-11-24 平安医疗健康管理股份有限公司 基于共现关系的项目组合挖掘方法及相关设备
WO2021114736A1 (zh) * 2020-07-07 2021-06-17 平安科技（深圳）有限公司 医疗问诊辅助方法、装置、电子设备及介质

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110299209A (zh) * 2019-06-25 2019-10-01 北京百度网讯科技有限公司 相似病历查找方法、装置、设备及可读存储介质
CN111261286A (zh) * 2020-02-17 2020-06-09 清华大学 辅助诊断模型构建方法、诊断方法、装置、设备及介质
WO2021114736A1 (zh) * 2020-07-07 2021-06-17 平安科技（深圳）有限公司 医疗问诊辅助方法、装置、电子设备及介质
CN111986815A (zh) * 2020-08-31 2020-11-24 平安医疗健康管理股份有限公司 基于共现关系的项目组合挖掘方法及相关设备

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116013503A (zh) * 2022-12-27 2023-04-25 北大计算与数字经济研究院 一种牙科治疗计划确定方法、电子设备及存储介质
CN116013503B (zh) * 2022-12-27 2024-02-20 北京大学长沙计算与数字经济研究院 一种牙科治疗计划确定方法、电子设备及存储介质
CN116383405A (zh) * 2023-03-20 2023-07-04 华中科技大学同济医学院附属协和医院 基于动态图序列的病历知识图谱构建方法及系统
CN116383405B (zh) * 2023-03-20 2023-09-19 华中科技大学同济医学院附属协和医院 基于动态图序列的病历知识图谱构建方法及系统

Similar Documents

Publication Publication Date Title
CN113705187B (zh) 预训练语言模型的生成方法、装置、电子设备和存储介质
CN111681726B (zh) 电子病历数据的处理方法、装置、设备和介质
CN112507040B (zh) 多元关系生成模型的训练方法、装置、电子设备及介质
CN113033622B (zh) 跨模态检索模型的训练方法、装置、设备和存储介质
CN112560496A (zh) 语义分析模型的训练方法、装置、电子设备及存储介质
CN113590777A (zh) 文本信息处理方法、装置、电子设备和存储介质
CN113656590B (zh) 行业图谱的构建方法、装置、电子设备及存储介质
CN113641805A (zh) 结构化问答模型的获取方法、问答方法及对应装置
CN109871866B (zh) 用于医院内感染预测的模型训练方法、装置、设备及介质
CN113590775B (zh) 诊疗数据的处理方法、装置、电子设备及存储介质
CN112989797A (zh) 模型训练、文本扩展方法，装置，设备以及存储介质
CN114783597B (zh) 多类疾病诊断的诊断方法及装置、电子设备和存储介质
CN115186738B (zh) 模型训练方法、装置和存储介质
CN113033179B (zh) 知识获取方法、装置、电子设备及可读存储介质
CN111834005B (zh) 基于传染病的医疗数据筛选方法、装置、介质及设备
CN114724693A (zh) 异常诊疗行为的检测方法及装置、电子设备和存储介质
CN114461085A (zh) 医疗输入推荐方法、装置、设备及存储介质
CN114817476A (zh) 语言模型的训练方法、装置、电子设备和存储介质
CN114219694A (zh) 目标全连接子图的采样方法、装置及电子设备
CN113361574A (zh) 数据处理模型的训练方法、装置、电子设备及存储介质
CN113806541A (zh) 情感分类的方法和情感分类模型的训练方法、装置
CN113204616A (zh) 文本抽取模型的训练与文本抽取的方法、装置
CN114255427B (zh) 视频理解方法、装置、设备以及存储介质
CN116646038B (zh) 确定医疗数据分组的方法、装置、电子设备和存储介质
CN113220997B (zh) 数据处理方法、装置、电子设备及存储介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination