CN114613462A - 医疗数据处理方法和装置、电子设备及存储介质 - Google Patents
医疗数据处理方法和装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN114613462A CN114613462A CN202210234178.7A CN202210234178A CN114613462A CN 114613462 A CN114613462 A CN 114613462A CN 202210234178 A CN202210234178 A CN 202210234178A CN 114613462 A CN114613462 A CN 114613462A
- Authority
- CN
- China
- Prior art keywords
- text
- vector
- medical data
- disease
- medical
- 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
Links
Images
Classifications
-
- 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
- G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
- G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
-
- 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
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/951—Indexing; Web crawling techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/237—Lexical tools
- G06F40/242—Dictionaries
-
- 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
- G06F40/289—Phrasal analysis, e.g. finite state techniques or chunking
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/30—Semantic analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/044—Recurrent networks, e.g. Hopfield networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/084—Backpropagation, e.g. using gradient descent
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Computing Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Computation (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Molecular Biology (AREA)
- Databases & Information Systems (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Primary Health Care (AREA)
- Public Health (AREA)
- Medical Informatics (AREA)
- Epidemiology (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本申请提供了一种医疗数据处理方法和装置、电子设备及存储介质,属于人工智能及数字医疗技术领域。该方法包括:获取原始医疗数据中的第一医疗数据、第二医疗数据;对第一医疗数据进行分词处理,得到病情字符;根据医学词典和病情字符构建目标病情共现矩阵;将第二医疗数据映射至预设向量空间,得到第一文本向量;将第一文本向量与预设随机扰动因子进行拼接,得到第二文本向量;通过文本理解模型对第一文本向量、第二文本向量进行语义分析,得到第一文本隐藏特征、第二文本隐藏特征;通过病情特征、第一文本隐藏特征、第二文本隐藏特征计算病情词组的损失值,并根据损失值得到病情表征数据。本申请能够提高处理医疗数据的准确性。
Description
技术领域
本申请涉及人工智能及数字医疗技术领域,尤其涉及一种医疗数据处理方法和装置、电子设备及存储介质。
背景技术
目前,在对医疗领域的医疗文本理解研究方面的数据处理方法较少,常用的医疗数据的处理方法往往需要依赖于神经网络的命名实体识别模型,而这一模型常常需要大量的标记训练数据,而医疗领域数据专有名词具有较强的专业性,标注成本较高,准确性高的样本医疗数据的数量较少,影响模型训练的准确性。同时,医生书写习惯的差异也会使得命名实体识别模型难以联系上下文对实体进行归类和识别,影响处理医疗数据的准确性,使得无法准确地解释该医疗数据对应的病情特征,因此,如何提高处理医疗数据的准确性,成为了亟待解决的技术问题。
发明内容
本申请实施例的主要目的在于提出一种医疗数据处理方法和装置、电子设备及存储介质,旨在提高处理医疗数据的准确性。
为实现上述目的,本申请实施例的第一方面提出了一种医疗数据处理方法,所述方法包括:
获取原始医疗数据;其中,所述原始医疗数据包括第一医疗数据、第二医疗数据;
对所述第一医疗数据进行分词处理,得到病情字符;
根据预设的医学词典和所述病情字符构建目标病情共现矩阵,其中,所述目标病情共现矩阵包括病情词组和所述病情词组对应的病情特征;
将所述第二医疗数据映射至预设的向量空间,得到第一文本向量;
将所述第一文本向量与预设的随机扰动因子进行拼接处理,得到第二文本向量;
通过预先训练的文本理解模型对所述第一文本向量进行语义分析,得到第一文本隐藏特征,并通过所述文本理解模型对所述第二文本向量进行语义分析,得到第二文本隐藏特征;
通过所述病情特征、所述第一文本隐藏特征、所述第二文本隐藏特征,计算所述病情词组的损失值,并根据所述损失值,得到病情表征数据。
在一些实施例,所述对所述第一医疗数据进行分词处理,得到病情字符的步骤,包括:
根据预设的文本类别标签对所述第一医疗数据进行分词处理,得到多个病情标签字段;
对所述病情标签字段进行分割处理,得到所述病情字符。
在一些实施例,所述根据预设的医学词典和所述病情字符构建目标病情共现矩阵的步骤,包括:
根据所述病情字符遍历所述医学词典,得到预设共生矩阵对应的赋值参数;
根据所述赋值参数对所述预设共生矩阵进行元素填充,得到初始病情共现矩阵;
对所述初始病情共现矩阵进行归一化处理,得到所述目标病情共现矩阵。
在一些实施例,所述将所述第二医疗数据映射至预设的向量空间,得到第一文本向量的步骤,包括:
获取所述向量空间的特征维度参数;
根据所述特征维度参数将所述第二医疗数据映射至所述向量空间,得到所述第一文本向量。
在一些实施例,所述文本理解模型包括嵌入层、卷积层、池化层以及全连接层,所述通过预先训练的文本理解模型对所述第一文本向量进行语义分析,得到第一文本隐藏特征,并通过所述文本理解模型对所述第二文本向量进行语义分析,得到第二文本隐藏特征的步骤,包括:
通过所述嵌入层对所述第一文本向量进行词嵌入处理,得到第一文本嵌入向量,并通过所述嵌入层对所述第二文本向量进行词嵌入处理,得到第二文本嵌入向量;
通过所述卷积层对所述第一文本嵌入向量进行卷积处理,得到第一文本卷积向量,并通过所述卷积层对所述第二文本嵌入向量进行卷积处理,得到第二文本卷积向量;
通过所述池化层对所述第一文本卷积向量进行池化处理,得到第一文本池化向量,并通过所述池化层对所述第二文本卷积向量进行池化处理,得到第二文本池化向量;
通过所述全连接层的预测函数对所述第一文本池化向量进行语义分析,得到所述第一文本隐藏特征,并通过所述预测函数对所述第一文本池化向量进行语义分析,得到所述第二文本隐藏特征。
在一些实施例,所述通过所述病情特征、所述第一文本隐藏特征、所述第二文本隐藏特征,计算所述病情词组的损失值,并根据所述损失值,得到病情表征数据的步骤,包括:
根据所述病情特征、所述第一文本隐藏特征、所述第二文本隐藏特征以及预设的损失函数,计算所述损失值;
根据所述损失值,计算所述文本理解模型的模型损失值;
根据所述模型损失值,对所述病情词组进行筛选处理,得到所述病情表征数据。
在一些实施例,在所述通过预先训练的文本理解模型对所述第一文本向量进行语义分析,得到第一文本隐藏特征,并通过所述文本理解模型对所述第二文本向量进行语义分析,得到第二文本隐藏特征的步骤之前,所述方法还包括预先训练所述文本理解模型,具体包括:
获取样本医疗数据;其中,所述样本医疗数据为文本数据;
将所述样本医疗数据输入至所述文本理解模型中;
通过所述文本理解模型对所述样本医疗数据进行特征提取,得到样本病情特征;
将所述样本病情特征与所述随机扰动因子进行拼接处理,得到样本病情特征向量;
通过所述文本理解模型的损失函数计算所述样本病情特征向量之间的噪声标准差;
根据所述噪声标准差对所述损失函数进行优化,以更新所述文本理解模型。
为实现上述目的,本申请实施例的第二方面提出了一种医疗数据处理装置,所述装置包括:
数据获取模块,用于获取原始医疗数据;其中,所述原始医疗数据包括第一医疗数据、第二医疗数据;
分词模块,用于对所述第一医疗数据进行分词处理,得到病情字符;
矩阵构建模块,用于根据预设的医学词典和所述病情字符构建目标病情共现矩阵,其中,所述目标病情共现矩阵包括病情词组和所述病情词组对应的病情特征;
映射模块,用于将所述第二医疗数据映射至预设的向量空间,得到第一文本向量;
拼接模块,用于将所述第一文本向量与预设的随机扰动因子进行拼接处理,得到第二文本向量;
语义分析模块,用于通过预先训练的文本理解模型对所述第一文本向量进行语义分析,得到第一文本隐藏特征,并通过所述文本理解模型对所述第二文本向量进行语义分析,得到第二文本隐藏特征;
计算模块,用于通过所述病情特征、所述第一文本隐藏特征、所述第二文本隐藏特征,计算所述病情词组的损失值,并根据所述损失值,得到病情表征数据。
为实现上述目的,本申请实施例的第三方面提出了一种电子设备,所述电子设备包括存储器、处理器、存储在所述存储器上并可在所述处理器上运行的程序以及用于实现所述处理器和所述存储器之间的连接通信的数据总线,所述程序被所述处理器执行时实现上述第一方面所述的方法。
为实现上述目的,本申请实施例的第四方面提出了一种存储介质,所述存储介质为计算机可读存储介质,用于计算机可读存储,所述存储介质存储有一个或者多个程序,所述一个或者多个程序可被一个或者多个处理器执行,以实现上述第一方面所述的方法。
本申请提出的医疗数据处理方法和装置、电子设备及存储介质,其通过获取原始医疗数据;其中,原始医疗数据包括第一医疗数据、第二医疗数据。进而,对第一医疗数据进行分词处理,得到病情字符,并根据预设的医学词典和病情字符构建目标病情共现矩阵,其中,目标病情共现矩阵包括病情词组和病情词组对应的病情特征,能够对第一医疗数据进行单字级别上的处理,确定可能构成词组的字段,实现对病情词组的粗略划分。进而,将第二医疗数据映射至预设的向量空间,得到第一文本向量,将第一文本向量与预设的随机扰动因子进行拼接处理,得到第二文本向量,通过预先训练的文本理解模型分别对第一文本向量和第二文本向量进行语义分析,得到第一文本隐藏特征和第二文本隐藏特征,这样一来,能够较好地捕捉到第二医疗数据中的句子语义特征,从而确定出不同字符、不同词段在整个句子的重要程度。最后,通过病情特征、第一文本隐藏特征、第二文本隐藏特征,计算病情词组的损失值,并根据损失值得到病情表征数据,能够提高处理医疗数据的准确性,使得通过病情表征数据能够更为准确地解释该医疗数据对应的病情特征。
附图说明
图1是本申请实施例提供的医疗数据处理方法的流程图;
图2是图1中的步骤S102的流程图;
图3是图1中的步骤S103的流程图;
图4是图1中的步骤S104的流程图;
图5是本申请实施例提供的医疗数据处理方法的另一流程图;
图6是图1中的步骤S106的流程图;
图7是图1中的步骤S107的流程图;
图8是本申请实施例提供的医疗数据处理装置的结构示意图;
图9是本申请实施例提供的电子设备的硬件结构示意图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本申请,并不用于限定本申请。
需要说明的是,虽然在装置示意图中进行了功能模块划分,在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于装置中的模块划分,或流程图中的顺序执行所示出或描述的步骤。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。
除非另有定义,本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同。本文中所使用的术语只是为了描述本申请实施例的目的,不是旨在限制本申请。
首先,对本申请中涉及的若干名词进行解析:
人工智能(artificial intelligence,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新的技术科学;人工智能是计算机科学的一个分支,人工智能企图了解智能的实质,并生产出一种新的能以人类智能相似的方式做出反应的智能机器,该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。人工智能可以对人的意识、思维的信息过程的模拟。人工智能还是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能,感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。
自然语言处理(natural language processing,NLP):NLP用计算机来处理、理解以及运用人类语言(如中文、英文等),NLP属于人工智能的一个分支,是计算机科学与语言学的交叉学科,又常被称为计算语言学。自然语言处理包括语法分析、语义分析、篇章理解等。自然语言处理常用于机器翻译、手写体和印刷体字符识别、语音识别及文语转换、信息意图识别、信息抽取与过滤、文本分类与聚类、舆情分析和观点挖掘等技术领域,它涉及与语言处理相关的数据挖掘、机器学习、知识获取、知识工程、人工智能研究和与语言计算相关的语言学研究等。
信息抽取(Information Extraction,NER):从自然语言文本中抽取指定类型的实体、关系、事件等事实信息,并形成结构化数据输出的文本处理技术。信息抽取是从文本数据中抽取特定信息的一种技术。文本数据是由一些具体的单位构成的,例如句子、段落、篇章,文本信息正是由一些小的具体的单位构成的,例如字、词、词组、句子、段落或是这些具体的单位的组合。抽取文本数据中的名词短语、人名、地名等都是文本信息抽取,当然,文本信息抽取技术所抽取的信息可以是各种类型的信息。
编码(encoder):就是将输入序列转化成一个固定长度的向量。
长短期记忆网络(Long Short-Term Memory,LSTM):是一种时间循环神经网络,是为了解决一般的RNN(循环神经网络)存在的长期依赖问题而专门设计出来的,所有的RNN都具有一种重复神经网络模块的链式形式。在标准RNN中,这个重复的结构模块只有一个非常简单的结构,例如一个tanh层。LSTM是一种含有LSTM区块(blocks)或其他的一种类神经网络,文献或其他资料中LSTM区块可能被描述成智能网络单元,因为它可以记忆不定时间长度的数值,区块中有一个gate能够决定input是否重要到能被记住及能不能被输出output。
双向长短时记忆(Bi-directional Long Short-Term Memory,Bi-LSTM):是由前向LSTM与后向LSTM组合而成。在自然语言处理任务中都常被用来建模上下文信息。Bi-LSTM在LSTM的基础上,结合了输入序列在前向和后向两个方向上的信息。对于t时刻的输出,前向LSTM层具有输入序列中t时刻以及之前时刻的信息,而后向LSTM层中具有输入序列中t时刻以及之后时刻的信息。前向LSTM层t时刻的输出记作,后向LSTM层t时刻的输出结果记作,两个LSTM层输出的向量可以使用相加、平均值或连接等方式进行处理。
随着经济水平的提高,将不可避免地使人们更加关注自身的健康状况,同时对医疗服务水平的要求也越来越高。现有的医疗服务受到资源和管理等各种因素的限制,很难满足人们日益增长的需求。智能医疗就变得越来越重要,充分利用医学文本中的知识可以加快智能医疗的进程。
目前,关于医疗领域的文本理解研究较少,常用的医疗文本的数据处理方法往往需要依赖于神经网络的命名实体识别模型,而这一模型常常需要大量的标记训练数据,而医疗领域数据专有名词具有较强的专业性,标注成本较高,导致准确的标注数据较少,缺少大规模的医疗领域文本数据集,影响模型训练的准确性。同时,由于医生书写的习惯存在较大差异目前的实体识别模型难以联系上下文对实体进行归类,并对医疗实体进行识别,影响处理医疗数据的准确性,因此,如何提高处理医疗数据的准确性,成为了亟待解决的技术问题。
基于此,本申请实施例提供了一种医疗数据处理方法和装置、电子设备及存储介质,旨在提高理解医疗文本的准确性。
本申请实施例提供的医疗数据处理方法和装置、电子设备及存储介质,具体通过如下实施例进行说明,首先描述本申请实施例中的医疗数据处理方法。
本申请实施例可以基于人工智能技术对相关的数据进行获取和处理。其中,人工智能(Artificial Intelligence,AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能,感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。
人工智能基础技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理技术、操作/交互系统、机电一体化等技术。人工智能软件技术主要包括计算机视觉技术、机器人技术、生物识别技术、语音处理技术、自然语言处理技术以及机器学习/深度学习等几大方向。
本申请实施例可以基于医疗云技术实现对患者的历史病情的分析。其中,医疗云(Medical cloud),是指在云计算、移动技术、多媒体、4G通信、大数据、以及物联网等新技术基础上,结合医疗技术,使用“云计算”来创建医疗健康服务云平台,实现了医疗资源的共享和医疗范围的扩大。因为云计算技术的运用于结合,医疗云提高医疗机构的效率,方便居民就医。像现在医院的预约挂号、电子病历、医保等都是云计算与医疗领域结合的产物,医疗云还具有数据安全、信息共享、动态扩展、布局全局的优势。
本申请实施例提供的医疗数据处理方法,涉及人工智能及数字医疗技术领域。本申请实施例提供的医疗数据处理方法可应用于终端中,也可应用于服务器端中,还可以是运行于终端或服务器端中的软件。在一些实施例中,终端可以是智能手机、平板电脑、笔记本电脑、台式计算机等;服务器端可以配置成独立的物理服务器,也可以配置成多个物理服务器构成的服务器集群或者分布式系统,还可以配置成提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、CDN以及大数据和人工智能平台等基础云计算服务的云服务器;软件可以是实现医疗数据处理方法的应用等,但并不局限于以上形式。
本申请可用于众多通用或专用的计算机系统环境或配置中。例如:个人计算机、服务器计算机、手持设备或便携式设备、平板型设备、多处理器系统、基于微处理器的系统、置顶盒、可编程的消费电子设备、网络PC、小型计算机、大型计算机、包括以上任何系统或设备的分布式计算环境等等。本申请可以在由计算机执行的计算机可执行指令的一般上下文中描述,例如程序模块。一般地,程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本申请,在这些分布式计算环境中,由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中,程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
图1是本申请实施例提供的医疗数据处理方法的一个可选的流程图,图1中的医疗数据处理方法可以包括但不限于包括步骤S101至步骤S107。
步骤S101,获取原始医疗数据;其中,原始医疗数据包括第一医疗数据、第二医疗数据;
步骤S102,对第一医疗数据进行分词处理,得到病情字符;
步骤S103,根据预设的医学词典和病情字符构建目标病情共现矩阵,其中,目标病情共现矩阵包括病情词组和病情词组对应的病情特征;
步骤S104,将第二医疗数据映射至预设的向量空间,得到第一文本向量;
步骤S105,将第一文本向量与预设的随机扰动因子进行拼接处理,得到第二文本向量;
步骤S106,通过预先训练的文本理解模型对第一文本向量进行语义分析,得到第一文本隐藏特征,并通过文本理解模型对第二文本向量进行语义分析,得到第二文本隐藏特征;
步骤S107,通过病情特征、第一文本隐藏特征、第二文本隐藏特征,计算病情词组的损失值,并根据损失值,得到病情表征数据。
本申请实施例的步骤S101至步骤S107,通过对第一医疗数据进行分词处理,得到病情字符,并根据预设的医学词典和病情字符构建目标病情共现矩阵,能够对第一医疗数据进行单字级别上的处理,确定可能构成词组的字段,实现对病情词组的粗略划分。通过预先训练的文本理解模型分别对第一文本向量和第二文本向量进行语义分析,得到第一文本隐藏特征和第二文本隐藏特征,能够较好地捕捉到第二医疗数据中的句子语义特征,从而确定出不同字符、不同词段在整个句子的重要程度。最后,通过病情特征、第一文本隐藏特征、第二文本隐藏特征,计算病情词组的损失值,并根据损失值得到病情表征数据,能够提高处理医疗数据的准确性,使得用户通过病情表征数据能够更为准确地解释该医疗数据对应的病情特征。
在一些实施例的步骤S101中,可以通过编写网络爬虫,设置好数据源之后进行有目标性的爬取数据,得到原始医疗数据。需要说明的是,原始医疗数据包括第一医疗数据和第二医疗数据,第一医疗数据和第二医疗数据包括患者的基本信息(如性别、年龄、主诉等等)、既往病史、就诊记录、用药记录以及病情分析数据等等,第一医疗数据与第二医疗数据可以是相同的医疗数据,也可以是不同的医疗数据。为了提高数据处理效率,本申请实施例中的第一医疗数据与第二医疗数据为相同医疗数据。
在一种可能的实现方式中,上述原始医疗数据可以是医疗电子记录(ElectronicHealthcare Record),电子化的个人健康记录,包括病历、心电图、医学影像等一系列具备保存备查价值的电子化记录。
请参阅图2,在一些实施例中,步骤S102可以包括但不限于包括步骤S201至步骤S202:
步骤S201,根据预设的文本类别标签对第一医疗数据进行分词处理,得到多个病情标签字段;
步骤S202,对病情标签字段进行分割处理,得到病情字符。
在一些实施例的步骤S201中,通过预先训练的Jieba分词器对第一医疗数据进行分词处理,得到多个病情标签字段。在利用Jieba分词器进行分词处理时,首先通过对照Jieba分词器内的预设词典生成该第一医疗数据对应的有向无环图,再根据预设的选择模式、预设词典以及文本类别标签寻找有向无环图上的最短路径,根据最短路径对该第一医疗数据进行截取,或者直接对该第一医疗数据进行截取,得到多个病情标签词段。
在一些实施例的步骤S202中,通过预设的U-Net网络中的解码器和词性类别、字段长度等等对病情标签字段进行分割处理,得到多个病情字符。
通过上述步骤S201至步骤S202能够将第一医疗数据分割为单个病情字符,例如,将“患者63岁,胸痛2天”处理为:“患”、“者”、“6”、“3”、“岁”、“胸”、“痛”、“2”、“天”。
请参阅图3,在一些实施例中,步骤S103可以包括但不限于包括步骤S301至步骤S303:
步骤S301,根据病情字符遍历医学词典,得到预设共生矩阵对应的赋值参数;
步骤S302,根据赋值参数对预设共生矩阵进行元素填充,得到初始病情共现矩阵;
步骤S303,对初始病情共现矩阵进行归一化处理,得到目标病情共现矩阵。
在一些实施例的步骤S301中,预设共生矩阵为一个全零矩阵M,预先构建的医学词典可以包括各类医学病理相关的医学名、医学术语、非医学名称、民间俗称、国际医学名词等等。通过根据病情字符遍历这一医学词典,可以将医学特定名称进行列举,并对病情字符包含的实体特征进行识别,该实体特征可以包括上述与医学病理相关的医学名、医学术语、非医学名称、民间俗称、国际医学名词、修饰词、时间信息等多个维度的实体词汇。假设医学词典的大小为w,那么预设共生矩阵的大小为w×w,随后根据病情字符遍历医学词典,得到预设共生矩阵对应的赋值参数。需要解释的是医学词典的索引是所有第一医疗数据的所有病情字符,通过索引得到的这个病情字符对应的向量表示。
需要解释的是,上述预设共生矩阵在初始化时所有元素赋值参数为0;对所有的病情字符遍历后,预设共生矩阵的矩阵元素aij表示以第i个病情字符和第j个病情字符的顺序出现组成的病情词组在所有的第一医疗数据中出现的次数。
例如,假设我们有两条第一医疗数据:“患者63岁、胸痛2天”和“患者男、咳嗽2周”,那么由这两条第一医疗数据得到的病情字符则有:“患”、“者”、“6”、“3”、“岁”、“胸”、“痛”、“2”、“天”、“男”、“咳”、“嗽”、“2”、“周”,每个病情字符都会得到一个初始化的向量表示。又比如,输入第一医疗数据的病情字符为“胸痛3天,高血压1年”,则预设共生矩阵对应的赋值参数为1。
在一些实施例的步骤S302中,根据赋值参数对预设共生矩阵进行元素填充,将各赋值参数添加到预设共生矩阵中对应位置,得到初始病情共现矩阵。
例如,输入第一医疗数据的病情字符为“胸痛3天,高血压1年”,则预设共生矩阵对应的赋值参数为1,在预设共生矩阵对应位置加1,即先在预设共生矩阵中找到“胸”是在第几列,然后看“痛”在第几行,然后对应位置的数值加1;之后是找到“痛”在第几列,“3”在第几行,进而在预设共生矩阵的对应位置加1。
在一些实施例的步骤S303中,将初始病情共现矩阵进行赋值归一化到【0,1】,得到目标病情共现矩阵,即对初始病情共现矩阵按照列归一化进行处理,得到目标病情共现矩阵。具体地,对初始病情共现矩阵的每一列进行求和,然后用当前列的元素除以当前列的和,这一过程相当于计算了当前列的病情字符与其他所有病情字符构成词组的概率。
例如,“胸”这个字对应的列,在“闷”这一行出现了10次,“痛”这一行出现了39次,“腹”这一行行出现了1次,其他行都是0次,那么在进行列归一化之后,“胸”与“闷”构成词组的概率就变成了0.2,“胸”与“痛”构成词组的概率变成了0.78,“胸”与“腹”构成词组的概率变成了0.02。对此,可以预先设定一个概率阈值,判断概率大于概率阈值的所有情况可以构成符合要求的病情词组,例如,概率阈值设定为0.1,则可以得到“胸”开头的词有“胸闷”、“胸痛”,而剔除掉“胸腹”。
进一步地,在根据目标病情共现矩阵构建病情词组时,将目标病情共现矩阵的列字符设置为第一级,行字符为第二级,在重构病情词组时,提取标记位置为1对应的行字符和列字符,将列字符放在第一位,行字符放在第二位,构成病情词组。通过序列分类器等对病情词组进行特征提取,能够方便地获取到病情词组对应的病情特征。
请参阅图4,在一些实施例中,步骤S104可以包括但不限于包括步骤S401至步骤S402:
步骤S401,获取向量空间的特征维度参数;
步骤S402,根据特征维度参数将第二医疗数据映射至向量空间,得到第一文本向量。
在一些实施例的步骤S401中,获取向量空间的特征维度参数,该特征维度参数可以根据实际需求进行设置,例如,特征维度参数可以是256,512等等,不限于此。
在一些实施例的步骤S402中,通过MLP网络将第二医疗数据进行语义空间到向量空间上的一次或者多次映射处理,将第二医疗数据映射到预先设定的向量空间中,得到第一文本向量x=[x1,x2,…,xi,…,xn],使得第一文本向量的维度与该特征维度参数相同。其中,MLP网络包括linear层、ReLu激活函数以及linear层。
在一些实施例的步骤S105中,将第一文本向量与预设的随机扰动因子进行拼接处理时,首先,对预设的随机扰动因子进行词嵌入处理,得到随机扰动向量,再将第一文本向量与随机扰动向量进行拼接处理,即将第一文本向量与随机扰动向量进行向量相加,得到第二文本向量x′=x+∈,其中,预设的随机扰动因子可以用向量表示为∈,∈~N(0,r2I),r越大,说明第一文本向量x=[x1,x2,…,xi,…,xn]需要丢失的信息越多,该第一文本向量的重要程度越低。
请参阅图5,在一些实施例中,在步骤S106之前,医疗数据处理方法还包括预先训练文本理解模型,具体包括步骤S501至步骤S506:
步骤S501,获取样本医疗数据;其中,样本医疗数据为文本数据;
步骤S502,将样本医疗数据输入至文本理解模型中;
步骤S503,通过文本理解模型对样本医疗数据进行特征提取,得到样本病情特征;
步骤S504,将样本病情特征与随机扰动因子进行拼接处理,得到样本病情特征向量;
步骤S505,通过文本理解模型的损失函数计算样本病情特征向量之间的噪声标准差;
步骤S506,根据噪声标准差对损失函数进行优化,以更新文本理解模型。
在一些实施例的步骤S501中,可以通过编写网络爬虫,设置好数据源之后进行有目标性的爬取数据,得到样本医疗数据。需要说明的是,样本医疗数据为文本数据,包括患者的基本信息、既往病史、就诊记录、用药记录以及病情分析数据等等。
在一些实施例的步骤S502中,将样本医疗数据输入至文本理解模型中,其中,该文本理解模型为TextCNN模型,文本理解模型包括嵌入层、卷积层、全连接层和transformer层。
在一些实施例的步骤S503中,通过文本理解模型的卷积层对样本医疗数据进行特征提取,捕捉样本医疗数据的语义特征,得到样本病情特征。
在一些实施例的步骤S504中,将样本病情特征与随机扰动因子进行拼接处理时,首先,对预设的随机扰动因子进行词嵌入处理,得到随机扰动向量∈,再将样本病情特征z与随机扰动向量∈进行拼接处理,即将样本病情特征与随机扰动向量进行向量相加,得到样本病情特征向量z′=z+∈,其中,预设的随机扰动因子可以用向量表示为∈,∈~N(0,r2I),随机扰动因子服从正态分布N,N是以0为均值,以r2I为标准差的正态分布。
在一些实施例的步骤S505中,通过文本理解模型的损失函数计算样本病情特征向量之间的噪声标准差r时,添加随机扰动因子的损失函数可以定义如公式(1)所示:
其中,s为样本病情特征z=[z1,z2,…,zi,…,zn]经过分类处理后对应的隐层状态向量,H(z′i|s)用于近似反映在前向传播时第i个样本病情字符对应的样本病情特征zi中被s丢失的语义信息数量。
另外,为了提高数据处理的准确性,在添加随机扰动因子之后必须尽可能的保证不影响原来的向量表示,因此使用均方误差损失函数对随机扰动因子进行约束,定义如公式(2)所示:
其中,′是样本病情特征添加上随机扰动因子之后得到的样本病情特征向量,T(z′)为样本病情特征向量z′经过分类处理之后对应的隐层状态向量,s为样本病情特征z经过分类处理后对应的隐层状态向量。E∈为期望值,由于随机扰动因子服从正态分布,所以E∈具体指在∈服从正态分布时,加了随机扰动因子和随机扰动因子时的隐层向量均方误差的期望值。
在一些实施例的步骤S506中,根据噪声标准差r对损失函数进行优化时,先计算损失函数的损失函数值loss,再利用梯度下降法对损失函数值进行反向传播,将损失函数值反馈回文本理解模型,修改文本理解模型的模型参数,重复上述过程,直至损失函数值满足预设的迭代条件,其中,预设的迭代条件是可以迭代次数达到预设值,或者是损失函数的变化方差小于预设阈值。当损失函数值满足预设的迭代条件时可以停止反向传播,将最后的模型参数作为最终的模型参数,完成对文本理解模型的更新。
请参阅图6,在一些实施例,步骤S106包括但不限于包括步骤S601至步骤S604:
步骤S601,通过嵌入层对第一文本向量进行词嵌入处理,得到第一文本嵌入向量,并通过嵌入层对第二文本向量进行词嵌入处理,得到第二文本嵌入向量;
步骤S602,通过卷积层对第一文本嵌入向量进行卷积处理,得到第一文本卷积向量,并通过卷积层对第二文本嵌入向量进行卷积处理,得到第二文本卷积向量;
步骤S603,通过池化层对第一文本卷积向量进行池化处理,得到第一文本池化向量,并通过池化层对第二文本卷积向量进行池化处理,得到第二文本池化向量;
步骤S604,通过全连接层的预测函数对第一文本池化向量进行语义分析,得到第一文本隐藏特征,并通过预测函数对第一文本池化向量进行语义分析,得到第二文本隐藏特征。
在一些实施例的步骤S601中,通过嵌入层的长短期记忆算法(LSTM算法)、双向长短期记忆算法(Li-LSTM算法)或者transformer算法分别对第一文本向量、第二文本向量进行词嵌入处理,得到第一文本嵌入向量和第二文本嵌入向量。例如,通过Li-LSTM算法对第一文本向量分别按照从左到右以及从右到左的顺序进行词嵌入处理,得到第一文本嵌入向量,并通过Li-LSTM算法对第二文本向量分别按照从左到右以及从右到左的顺序进行词嵌入处理,得到第二文本嵌入向量。
在一些实施例的步骤S602中,通过卷积层对第一文本嵌入向量进行卷积处理,捕捉第一文本嵌入向量的语义特征,得到第一文本卷积向量;并通过卷积层对第二文本嵌入向量进行卷积处理,捕捉第二文本嵌入向量的语义特征,得到第二文本卷积向量。
在一些实施例的步骤S603中,通过池化层对第一文本卷积向量进行最大池化处理或者平均池化处理,得到第一文本池化向量;并通过池化层对第二文本卷积向量进行最大池化处理或者平均池化处理,得到第二文本池化向量。
在一些实施例的步骤S604中,全连接层的预测函数可以是为softmax函数,也可以是其他函数,不做限制。以softmax函数为例,通过softmax函数对第一文本池化向量进行语义分析时,通过softmax函数对第一文本池化向量在每一参考文本类别标签上创建一个概率分布,得到每一参考文本类别的相关概率值,选取相关概率值最大的参考文本类别作为第一文本隐藏特征;通过softmax函数对第二文本池化向量进行语义分析时,通过softmax函数对第二文本池化向量在每一参考文本类别标签上创建一个概率分布,得到每一参考文本类别的相关概率值,选取相关概率值最大的参考文本类别作为第二文本隐藏特征。
请参阅图7,在一些实施例中,步骤S107还可以包括但不限于包括步骤S701至步骤S703:
步骤S701,根据病情特征、第一文本隐藏特征、第二文本隐藏特征以及预设的损失函数,计算损失值;
步骤S702,根据损失值,计算文本理解模型的模型损失值;
步骤S703,根据模型损失值,对病情词组进行筛选处理,得到病情表征数据。
在一些实施例的步骤S701中,首先,根据前述步骤S505至步骤S506得到的噪声标准差r,计算病情特征、第一文本隐藏特征、第二文本隐藏特征添加随机扰动因子的损失函数L1,定义如公式(3)所示:
其中,s为第一文本隐藏特征X=[X1,X2,…,Xi,…,Xn]经过分类处理后对应的隐层状态向量,H(X′i|s)用于近似反映在前向传播时第i个病情字符对应的第一文本隐藏特征Xi中被s丢失的语义信息数量。
其中,X是第一文本隐藏特征添加上随机扰动因子之后得到的第二文本隐藏特征,T(X′)为第二文本隐藏特征X′经过分类处理之后对应的隐层状态向量,s为第一文本隐藏特征X经过分类处理后对应的隐层状态向量。E∈为期望值,由于随机扰动因子服从正态分布,所以E∈具体指在∈服从正态分布时,加了随机扰动因子和随机扰动因子时的隐层向量均方误差的期望值。
由于仅用上述两个损失函数(L1、)进行计算,只能得到单个病情字符的重要程度,而原始医疗数据中大多数是医学术语和常见词汇,如果一个医学词汇中的几个字符的重要程度差别太大,会导致对医疗文本解释有较大偏差,因此,本申请还根据病情特征、第一文本隐藏特征、第二文本隐藏特征以及预设的词汇损失函数,计算损失值将单字级别的解释提升为词汇级别的解释。具体地词汇损失函数可以表示为如公式(5)所示:
其中,M(i+1)i代表病情字符在目标病情共现矩阵中的对应元素,当M(i+1)i=1时代表其对应的两个病情字符很可能属于同一个词汇,它们添加的随机扰动因子也应该是接近的。
在一些实施例的步骤S703中,根据模型损失值,对病情词组进行筛选处理时,选取目标病情共现矩阵中能够使该模型损失值处于预设损失值范围内的病情词组,将这些符合要求的病情词组进行组合,得到病情表征数据。
通过上述步骤S701至步骤S703解决了仅在单字级别上进行医疗数据的解释会导致同一个病情词组内的几个病情字符的重要程度解释差别很大的问题,能够提高处理医疗数据的准确性,使得通过病情表征数据能够更为准确地解释该医疗数据对应的病情特征。
本申请实施例的医疗数据处理方法,其通过获取原始医疗数据;其中,原始医疗数据包括第一医疗数据、第二医疗数据。进而,对第一医疗数据进行分词处理,得到病情字符,并根据预设的医学词典和病情字符构建目标病情共现矩阵,其中,目标病情共现矩阵包括病情词组和病情词组对应的病情特征,能够对第一医疗数据进行单字级别上的处理,确定可能构成词组的字段,实现对病情词组的粗略划分。进而,将第二医疗数据映射至预设的向量空间,得到第一文本向量,将第一文本向量与预设的随机扰动因子进行拼接处理,得到第二文本向量,通过预先训练的文本理解模型分别对第一文本向量和第二文本向量进行语义分析,得到第一文本隐藏特征和第二文本隐藏特征,这样一来,能够较好地捕捉到第二医疗数据中的句子语义特征,从而确定出不同字符、不同词段在整个句子的重要程度。最后,通过病情特征、第一文本隐藏特征、第二文本隐藏特征,计算病情词组的损失值,并根据损失值得到病情表征数据,能够提高处理医疗数据的准确性,使得通过病情表征数据能够更为准确地解释该医疗数据对应的病情特征。
请参阅图8,本申请实施例还提供一种医疗数据处理装置,可以实现上述医疗数据处理方法,该装置包括:
数据获取模块801,用于获取原始医疗数据;其中,原始医疗数据包括第一医疗数据、第二医疗数据;
分词模块802,用于对第一医疗数据进行分词处理,得到病情字符;
矩阵构建模块803,用于根据预设的医学词典和病情字符构建目标病情共现矩阵,其中,目标病情共现矩阵包括病情词组和病情词组对应的病情特征;
映射模块804,用于将第二医疗数据映射至预设的向量空间,得到第一文本向量;
拼接模块805,用于将第一文本向量与预设的随机扰动因子进行拼接处理,得到第二文本向量;
语义分析模块806,用于通过预先训练的文本理解模型对第一文本向量进行语义分析,得到第一文本隐藏特征,并通过文本理解模型对第二文本向量进行语义分析,得到第二文本隐藏特征;
计算模块807,用于通过病情特征、第一文本隐藏特征、第二文本隐藏特征,计算病情词组的损失值,并根据损失值,得到病情表征数据。
该医疗数据处理装置的具体实施方式与上述医疗数据处理方法的具体实施例基本相同,在此不再赘述。
该医疗数据处理装置的具体实施方式与上述医疗数据处理方法的具体实施例基本相同,在此不再赘述。
本申请实施例还提供了一种电子设备,电子设备包括:存储器、处理器、存储在存储器上并可在处理器上运行的程序以及用于实现处理器和存储器之间的连接通信的数据总线,程序被处理器执行时实现上述医疗数据处理方法。该电子设备可以为包括平板电脑、车载电脑等任意智能终端。
请参阅图9,图9示意了另一实施例的电子设备的硬件结构,电子设备包括:
处理器901,可以采用通用的CPU(CentralProcessingUnit,中央处理器)、微处理器、应用专用集成电路(ApplicationSpecificIntegratedCircuit,ASIC)、或者一个或多个集成电路等方式实现,用于执行相关程序,以实现本申请实施例所提供的技术方案;
存储器902,可以采用只读存储器(ReadOnlyMemory,ROM)、静态存储设备、动态存储设备或者随机存取存储器(RandomAccessMemory,RAM)等形式实现。存储器902可以存储操作系统和其他应用程序,在通过软件或者固件来实现本说明书实施例所提供的技术方案时,相关的程序代码保存在存储器902中,并由处理器901来调用执行本申请实施例的医疗数据处理方法;
输入/输出接口903,用于实现信息输入及输出;
通信接口904,用于实现本设备与其他设备的通信交互,可以通过有线方式(例如USB、网线等)实现通信,也可以通过无线方式(例如移动网络、WIFI、蓝牙等)实现通信;
总线905,在设备的各个组件(例如处理器901、存储器902、输入/输出接口903和通信接口904)之间传输信息;
其中处理器901、存储器902、输入/输出接口903和通信接口904通过总线905实现彼此之间在设备内部的通信连接。
本申请实施例还提供了一种存储介质,存储介质为计算机可读存储介质,用于计算机可读存储,存储介质存储有一个或者多个程序,一个或者多个程序可被一个或者多个处理器执行,以实现上述医疗数据处理方法。
存储器作为一种非暂态计算机可读存储介质,可用于存储非暂态软件程序以及非暂态性计算机可执行程序。此外,存储器可以包括高速随机存取存储器,还可以包括非暂态存储器,例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施方式中,存储器可选包括相对于处理器远程设置的存储器,这些远程存储器可以通过网络连接至该处理器。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
本申请提出的医疗数据处理方法、医疗数据处理装置、电子设备及存储介质,其通过获取原始医疗数据;其中,原始医疗数据包括第一医疗数据、第二医疗数据。进而,对第一医疗数据进行分词处理,得到病情字符,并根据预设的医学词典和病情字符构建目标病情共现矩阵,其中,目标病情共现矩阵包括病情词组和病情词组对应的病情特征,能够对第一医疗数据进行单字级别上的处理,确定可能构成词组的字段,实现对病情词组的粗略划分。进而,将第二医疗数据映射至预设的向量空间,得到第一文本向量,将第一文本向量与预设的随机扰动因子进行拼接处理,得到第二文本向量,通过预先训练的文本理解模型分别对第一文本向量和第二文本向量进行语义分析,得到第一文本隐藏特征和第二文本隐藏特征,这样一来,能够较好地捕捉到第二医疗数据中的句子语义特征,从而确定出不同字符、不同词段在整个句子的重要程度。最后,通过病情特征、第一文本隐藏特征、第二文本隐藏特征,计算病情词组的损失值,并根据损失值得到病情表征数据,能够提高处理医疗数据的准确性,使得通过病情表征数据能够更为准确地解释该医疗数据对应的病情特征。
本申请实施例描述的实施例是为了更加清楚的说明本申请实施例的技术方案,并不构成对于本申请实施例提供的技术方案的限定,本领域技术人员可知,随着技术的演变和新应用场景的出现,本申请实施例提供的技术方案对于类似的技术问题,同样适用。
本领域技术人员可以理解的是,图1-7中示出的技术方案并不构成对本申请实施例的限定,可以包括比图示更多或更少的步骤,或者组合某些步骤,或者不同的步骤。
以上所描述的装置实施例仅仅是示意性的,其中作为分离部件说明的单元可以是或者也可以不是物理上分开的,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
本领域普通技术人员可以理解,上文中所公开医疗数据处理方法中的全部或某些步骤、系统、设备中的功能模块/单元可以被实施为软件、固件、硬件及其适当的组合。
本申请的说明书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)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,以便这里描述的本申请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。
应当理解,在本申请中,“至少一个(项)”是指一个或者多个,“多个”是指两个或两个以上。“和/或”,用于描述关联对象的关联关系,表示可以存在三种关系,例如,“A和/或B”可以表示:只存在A,只存在B以及同时存在A和B三种情况,其中A,B可以是单数或者复数。字符“/”一般表示前后关联对象是一种“或”的关系。“以下至少一项(个)”或其类似表达,是指这些项中的任意组合,包括单项(个)或复数项(个)的任意组合。例如,a,b或c中的至少一项(个),可以表示:a,b,c,“a和b”,“a和c”,“b和c”,或“a和b和c”,其中a,b,c可以是单个,也可以是多个。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,上述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
上述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括多指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例的医疗数据处理方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(Read-Only Memory,简称ROM)、随机存取存储器(Random Access Memory,简称RAM)、磁碟或者光盘等各种可以存储程序的介质。
以上参照附图说明了本申请实施例的优选实施例,并非因此局限本申请实施例的权利范围。本领域技术人员不脱离本申请实施例的范围和实质内所作的任何修改、等同替换和改进,均应在本申请实施例的权利范围之内。
Claims (10)
1.一种医疗数据处理方法,其特征在于,所述方法包括:
获取原始医疗数据;其中,所述原始医疗数据包括第一医疗数据、第二医疗数据;
对所述第一医疗数据进行分词处理,得到病情字符;
根据预设的医学词典和所述病情字符构建目标病情共现矩阵,其中,所述目标病情共现矩阵包括病情词组和所述病情词组对应的病情特征;
将所述第二医疗数据映射至预设的向量空间,得到第一文本向量;
将所述第一文本向量与预设的随机扰动因子进行拼接处理,得到第二文本向量;
通过预先训练的文本理解模型对所述第一文本向量进行语义分析,得到第一文本隐藏特征,并通过所述文本理解模型对所述第二文本向量进行语义分析,得到第二文本隐藏特征;
通过所述病情特征、所述第一文本隐藏特征、所述第二文本隐藏特征,计算所述病情词组的损失值,并根据所述损失值,得到病情表征数据。
2.根据权利要求1所述的医疗数据处理方法,其特征在于,所述对所述第一医疗数据进行分词处理,得到病情字符的步骤,包括:
根据预设的文本类别标签对所述第一医疗数据进行分词处理,得到多个病情标签字段;
对所述病情标签字段进行分割处理,得到所述病情字符。
3.根据权利要求1所述的医疗数据处理方法,其特征在于,所述根据预设的医学词典和所述病情字符构建目标病情共现矩阵的步骤,包括:
根据所述病情字符遍历所述医学词典,得到预设共生矩阵对应的赋值参数;
根据所述赋值参数对所述预设共生矩阵进行元素填充,得到初始病情共现矩阵;
对所述初始病情共现矩阵进行归一化处理,得到所述目标病情共现矩阵。
4.根据权利要求1所述的医疗数据处理方法,其特征在于,所述将所述第二医疗数据映射至预设的向量空间,得到第一文本向量的步骤,包括:
获取所述向量空间的特征维度参数;
根据所述特征维度参数将所述第二医疗数据映射至所述向量空间,得到所述第一文本向量。
5.根据权利要求1所述的医疗数据处理方法,其特征在于,所述文本理解模型包括嵌入层、卷积层、池化层以及全连接层,所述通过预先训练的文本理解模型对所述第一文本向量进行语义分析,得到第一文本隐藏特征,并通过所述文本理解模型对所述第二文本向量进行语义分析,得到第二文本隐藏特征的步骤,包括:
通过所述嵌入层对所述第一文本向量进行词嵌入处理,得到第一文本嵌入向量,并通过所述嵌入层对所述第二文本向量进行词嵌入处理,得到第二文本嵌入向量;
通过所述卷积层对所述第一文本嵌入向量进行卷积处理,得到第一文本卷积向量,并通过所述卷积层对所述第二文本嵌入向量进行卷积处理,得到第二文本卷积向量;
通过所述池化层对所述第一文本卷积向量进行池化处理,得到第一文本池化向量,并通过所述池化层对所述第二文本卷积向量进行池化处理,得到第二文本池化向量;
通过所述全连接层的预测函数对所述第一文本池化向量进行语义分析,得到所述第一文本隐藏特征,并通过所述预测函数对所述第一文本池化向量进行语义分析,得到所述第二文本隐藏特征。
6.根据权利要求1至5任一项所述的医疗数据处理方法,其特征在于,所述通过所述病情特征、所述第一文本隐藏特征、所述第二文本隐藏特征,计算所述病情词组的损失值,并根据所述损失值,得到病情表征数据的步骤,包括:
根据所述病情特征、所述第一文本隐藏特征、所述第二文本隐藏特征以及预设的损失函数,计算所述损失值;
根据所述损失值,计算所述文本理解模型的模型损失值;
根据所述模型损失值,对所述病情词组进行筛选处理,得到所述病情表征数据。
7.根据权利要求1至5任一项所述的医疗数据处理方法,其特征在于,在所述通过预先训练的文本理解模型对所述第一文本向量进行语义分析,得到第一文本隐藏特征,并通过所述文本理解模型对所述第二文本向量进行语义分析,得到第二文本隐藏特征的步骤之前,所述方法还包括预先训练所述文本理解模型,具体包括:
获取样本医疗数据;其中,所述样本医疗数据为文本数据;
将所述样本医疗数据输入至所述文本理解模型中;
通过所述文本理解模型对所述样本医疗数据进行特征提取,得到样本病情特征;
将所述样本病情特征与所述随机扰动因子进行拼接处理,得到样本病情特征向量;
通过所述文本理解模型的损失函数计算所述样本病情特征向量之间的噪声标准差;
根据所述噪声标准差对所述损失函数进行优化,以更新所述文本理解模型。
8.一种医疗数据处理装置,其特征在于,所述装置包括:
数据获取模块,用于获取原始医疗数据;其中,所述原始医疗数据包括第一医疗数据、第二医疗数据;
分词模块,用于对所述第一医疗数据进行分词处理,得到病情字符;
矩阵构建模块,用于根据预设的医学词典和所述病情字符构建目标病情共现矩阵,其中,所述目标病情共现矩阵包括病情词组和所述病情词组对应的病情特征;
映射模块,用于将所述第二医疗数据映射至预设的向量空间,得到第一文本向量;
拼接模块,用于将所述第一文本向量与预设的随机扰动因子进行拼接处理,得到第二文本向量;
语义分析模块,用于通过预先训练的文本理解模型对所述第一文本向量进行语义分析,得到第一文本隐藏特征,并通过所述文本理解模型对所述第二文本向量进行语义分析,得到第二文本隐藏特征;
计算模块,用于通过所述病情特征、所述第一文本隐藏特征、所述第二文本隐藏特征,计算所述病情词组的损失值,并根据所述损失值,得到病情表征数据。
9.一种电子设备,其特征在于,所述电子设备包括存储器、处理器、存储在所述存储器上并可在所述处理器上运行的程序以及用于实现所述处理器和所述存储器之间的连接通信的数据总线,所述程序被所述处理器执行时实现如权利要求1至7任一项所述的医疗数据处理方法的步骤。
10.一种存储介质,所述存储介质为计算机可读存储介质,用于计算机可读存储,其特征在于,所述存储介质存储有一个或者多个程序,所述一个或者多个程序可被一个或者多个处理器执行,以实现权利要求1至7中任一项所述的医疗数据处理方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210234178.7A CN114613462A (zh) | 2022-03-09 | 2022-03-09 | 医疗数据处理方法和装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210234178.7A CN114613462A (zh) | 2022-03-09 | 2022-03-09 | 医疗数据处理方法和装置、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114613462A true CN114613462A (zh) | 2022-06-10 |
Family
ID=81863587
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210234178.7A Pending CN114613462A (zh) | 2022-03-09 | 2022-03-09 | 医疗数据处理方法和装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114613462A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115394392A (zh) * | 2022-08-31 | 2022-11-25 | 西安交通大学 | 一种医疗数据的共享系统及方法 |
CN116403728A (zh) * | 2023-06-09 | 2023-07-07 | 吉林大学第一医院 | 医疗就诊数据的数据处理装置和相关设备 |
-
2022
- 2022-03-09 CN CN202210234178.7A patent/CN114613462A/zh active Pending
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115394392A (zh) * | 2022-08-31 | 2022-11-25 | 西安交通大学 | 一种医疗数据的共享系统及方法 |
CN115394392B (zh) * | 2022-08-31 | 2023-06-20 | 西安交通大学 | 一种医疗数据的共享系统及方法 |
CN116403728A (zh) * | 2023-06-09 | 2023-07-07 | 吉林大学第一医院 | 医疗就诊数据的数据处理装置和相关设备 |
CN116403728B (zh) * | 2023-06-09 | 2023-08-29 | 吉林大学第一医院 | 医疗就诊数据的数据处理装置和相关设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114358007A (zh) | 多标签识别方法、装置、电子设备及存储介质 | |
CN113707307A (zh) | 病情分析方法、装置、电子设备及存储介质 | |
CN113724882B (zh) | 基于问诊会话构建用户画像的方法、装置、设备和介质 | |
CN113887215A (zh) | 文本相似度计算方法、装置、电子设备及存储介质 | |
CN114240552A (zh) | 基于深度聚类算法的产品推荐方法、装置、设备及介质 | |
CN113704428B (zh) | 智能问诊方法、装置、电子设备及存储介质 | |
CN114613462A (zh) | 医疗数据处理方法和装置、电子设备及存储介质 | |
CN114386528A (zh) | 模型的训练方法和装置、计算机设备、存储介质 | |
CN114722826B (zh) | 模型的训练方法和装置、电子设备、存储介质 | |
CN114064894A (zh) | 文本处理方法、装置、电子设备及存储介质 | |
CN114519356A (zh) | 目标词语的检测方法、装置、电子设备及存储介质 | |
CN114359810A (zh) | 视频摘要生成方法、装置、电子设备及存储介质 | |
CN113657105A (zh) | 基于词汇增强的医学实体抽取方法、装置、设备及介质 | |
CN114637847A (zh) | 模型的训练方法、文本分类方法和装置、设备、介质 | |
CN114358020A (zh) | 疾病部位识别方法、装置、电子设备及存储介质 | |
CN114091475A (zh) | 对话文本生成方法、装置、电子设备及存储介质 | |
CN115270746A (zh) | 问题样本生成方法和装置、电子设备及存储介质 | |
CN114492661A (zh) | 文本数据分类方法和装置、计算机设备、存储介质 | |
CN116956925A (zh) | 电子病历命名实体识别方法和装置、电子设备及存储介质 | |
CN117373591A (zh) | 电子病历的疾病识别方法和装置、电子设备及存储介质 | |
CN116469546A (zh) | 基于注意力机制的疾病辅助识别方法和装置、设备及介质 | |
CN116432648A (zh) | 命名实体识别方法和识别装置、电子设备及存储介质 | |
CN114492437B (zh) | 关键词识别方法、装置、电子设备及存储介质 | |
CN114998041A (zh) | 理赔预测模型的训练方法和装置、电子设备及存储介质 | |
CN114090778A (zh) | 基于知识锚点的检索方法、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 |