CN115359867B - 电子病历分类方法、装置、电子设备及存储介质 - Google Patents
电子病历分类方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN115359867B CN115359867B CN202211085532.0A CN202211085532A CN115359867B CN 115359867 B CN115359867 B CN 115359867B CN 202211085532 A CN202211085532 A CN 202211085532A CN 115359867 B CN115359867 B CN 115359867B
- Authority
- CN
- China
- Prior art keywords
- medical record
- sentence
- electronic medical
- word
- text information
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 74
- 239000013598 vector Substances 0.000 claims abstract description 178
- 238000003062 neural network model Methods 0.000 claims abstract description 35
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims abstract description 20
- 201000010099 disease Diseases 0.000 claims abstract description 18
- 238000011176 pooling Methods 0.000 claims description 56
- 238000012217 deletion Methods 0.000 claims description 47
- 230000037430 deletion Effects 0.000 claims description 47
- 238000012545 processing Methods 0.000 claims description 20
- 238000004422 calculation algorithm Methods 0.000 claims description 16
- 206010012601 diabetes mellitus Diseases 0.000 claims description 9
- 238000002372 labelling Methods 0.000 claims description 9
- 238000007637 random forest analysis Methods 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 7
- 230000008569 process Effects 0.000 claims description 7
- 206010022489 Insulin Resistance Diseases 0.000 claims description 5
- 238000004590 computer program Methods 0.000 claims description 5
- 230000035488 systolic blood pressure Effects 0.000 claims description 5
- 208000001072 type 2 diabetes mellitus Diseases 0.000 claims description 5
- 230000000875 corresponding effect Effects 0.000 description 150
- 239000011159 matrix material Substances 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 238000004891 communication Methods 0.000 description 6
- 238000007726 management method Methods 0.000 description 4
- 230000007246 mechanism Effects 0.000 description 4
- 206010020772 Hypertension Diseases 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 230000006978 adaptation Effects 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 230000002596 correlated effect Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 206010061902 Pancreatic neoplasm Diseases 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000003190 augmentative effect Effects 0.000 description 1
- 208000029078 coronary artery disease Diseases 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 208000015486 malignant pancreatic neoplasm Diseases 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 201000002528 pancreatic cancer Diseases 0.000 description 1
- 208000008443 pancreatic carcinoma Diseases 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Computational Linguistics (AREA)
- Molecular Biology (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Computation (AREA)
- Databases & Information Systems (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Epidemiology (AREA)
- Medical Informatics (AREA)
- Primary Health Care (AREA)
- Public Health (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本公开提供了一种电子病历分类方法、装置、电子设备及存储介质,涉及计算机技术领域。该方法包括:获取待输入到神经网络模型的电子病历文本信息;确定电子病历文本信息中各个句子所包括的目标实体词,任一句子中包括至少一个目标实体词;计算各个句子对应的IV值,IV值用于描述对应的句子与目标疾病的相关程度;根据电子病历文本信息与各个句子对应的IV值,生成词袋特征向量;将词袋特征向量输入到神经网络模型的softmax层,得到电子病历文本信息的分类结果。本公开通过采用各个句子对应的IV值,来生成词袋特征向量,并通过该词袋特征向量来确定电子病历文本信息的分类结果,可以提高该分类结果的可靠性与准确性。
Description
技术领域
本公开涉及计算机技术领域,尤其涉及一种电子病历分类方法、装置、电子设备及存储介质。
背景技术
随着医院的医疗系统的管理网络化,医院可以采用电子病历(ElectronicMedical Record,EMR)来通过电子设备对医疗记录进行保存、管理、传输和重现,从而取代手写纸张病历。对电子病历进行分类,可以进一步降低获取相关疾病的医疗记录的时间成本,从而可以进一步实现医院对病人医疗记录的系统管理。
文本信息是医疗记录中最常见的信息。相关技术中,可以通过人工制定模板,并基于模板来对文本信息进行匹配,从而实现对电子病历进行分类。但是相关技术提供的方法,通过人工来制定模板,可能会存在规则模板的束缚。因而该方法的电子病历分类方法的准确性与可靠性不足。
需要说明的是,在上述背景技术部分公开的信息仅用于加强对本公开的背景的理解,因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。
发明内容
本公开提供一种电子病历分类方法、装置、电子设备及存储介质,至少在一定程度上克服相关技术中,对电子病历进行分类的准确性与可靠性不足的问题。本公开的其他特性和优点将通过下面的详细描述变得显然,或部分地通过本公开的实践而习得。
根据本公开实施例的一个方面,提供一种电子病历分类方法,包括:获取待输入到神经网络模型的电子病历文本信息,其中,所述神经网络模型用于对所述电子病历文本信息进行分类,所述神经网络模型包括softmax层;确定所述电子病历文本信息中各个句子所包括的目标实体词,任一句子中包括至少一个目标实体词,每个目标实体词包含至少一个字;计算各个句子对应的IV(Infromation Value,信息价值)值,任一句子对应的IV值用于描述对应的句子与目标疾病的相关程度;根据所述电子病历文本信息与各个句子对应的IV值,生成所述电子病历文本信息对应的词袋特征向量;将所述电子病历文本信息对应的词袋特征向量输入到所述神经网络模型的softmax层,得到所述电子病历文本信息的分类结果。
在本公开的一些实施例中,方法还包括:获取各个目标实体词对应的缺失率,所述缺失率用于描述对应的目标实体词在相关医学场景中的出现频次;
所述根据所述电子病历文本信息与各个句子对应的IV值,生成所述电子病历文本信息对应的词袋特征向量,包括:根据所述电子病历文本信息与各个目标实体词对应的缺失率,生成至少一个句向量,任一句向量对应所述电子病历文本信息中的一个句子;根据至少一个句向量与各个句子对应的IV值,生成所述电子病历文本信息对应的词袋特征向量。
在本公开的一些实施例中,根据所述电子病历文本信息与各个目标实体词对应的缺失率,生成至少一个句向量,包括:通过霍夫曼编码的方法对所述电子病历文本信息中包含的每个字进行转换,得到每个字对应的霍夫曼编码词向量;将每个目标实体词对应的缺失率添加至相应字的霍夫曼编码词向量中,得到每个目标实体词中各个字对应的词嵌入向量;对每个句子中各个字对应的词嵌入向量进行卷积、池化与拼接处理,得到每个句子对应的句向量。
在本公开的一些实施例中,方法还包括:标注所述电子病历文本信息中各个句子所包括的目标实体词的位置;根据标注的各个目标实体词的位置,得到各个目标实体词的位置编码信息;
所述根据所述电子病历文本信息与各个目标实体词对应的缺失率,生成至少一个句向量,包括:根据所述电子病历文本信息、各个目标实体词对应的缺失率以及各个目标实体词的位置编码信息,生成至少一个句向量。
在本公开的一些实施例中,对每个句子对应的各个词嵌入向量进行如下的卷积、池化与拼接处理,得到每个句子对应的句向量:
对目标句子对应的各个词嵌入向量进行卷积核为3的卷积并进行池化,得到第一池化结果,所述目标句子为电子病历文本信息中的任一句子;对所述目标句子对应的各个词嵌入向量进行卷积核为4的卷积并进行池化,得到第二池化结果;对所述目标句子对应的各个词嵌入向量进行卷积核为5的卷积并进行池化,得到第三池化结果;对所述第一池化结果、所述第二池化结果与所述第三池化结果进行拼接处理,得到所述目标句子对应的句向量。
在本公开的一些实施例中,计算各个句子对应的IV值,包括:采用随机森林算法,计算各个句子对应的IV值。
在本公开的一些实施例中,当需要对所述电子病历是否属于糖尿病病历进行分类时,所述目标实体词可以包括年龄、体重、收缩压、胰岛素抵抗指数。
根据本公开的另一个方面,提供一种电子病历分类装置,包括:
电子病历获取模块,用于获取待输入到神经网络模型的电子病历文本信息,其中,所述神经网络模型用于对所述电子病历文本信息进行分类,所述神经网络模型包括softmax层;
目标实体词确定模块,用于确定所述电子病历文本信息中各个句子所包括的目标实体词,任一句子中包括至少一个目标实体词,每个目标实体词包含至少一个字;
IV值计算模块,用于计算各个句子对应的信息价值IV值,任一句子对应的IV值用于描述对应的句子与目标疾病的相关程度;
词袋特征向量生成模块,用于根据所述电子病历文本信息与各个句子对应的IV值,生成所述电子病历文本信息对应的词袋特征向量;
分类结果确定模块,用于将所述电子病历文本信息对应的词袋特征向量输入到所述神经网络模型的softmax层,得到所述电子病历文本信息的分类结果。
在本公开的一些实施例中,装置还包括:
缺失率获取模块,用于获取各个目标实体词对应的缺失率,所述缺失率用于描述对应的目标实体词在相关医学场景中的出现频次;
词袋特征向量生成模块,用于根据所述电子病历文本信息与各个目标实体词对应的缺失率,生成至少一个句向量,任一句向量对应所述电子病历文本信息中的一个句子;根据至少一个句向量与各个句子对应的IV值,生成所述电子病历文本信息对应的词袋特征向量。
在本公开的一些实施例中,词袋特征向量生成模块,用于通过霍夫曼编码的方法对所述电子病历文本信息中包含的每个字进行转换,得到每个字对应的霍夫曼编码词向量;将每个目标实体词对应的缺失率添加至相应字的霍夫曼编码词向量中,得到每个目标实体词中各个字对应的词嵌入向量;对每个句子中各个字对应的词嵌入向量进行卷积、池化与拼接处理,得到每个句子对应的句向量。
在本公开的一些实施例中,装置还包括:
位置编码信息确定模块,用于标注所述电子病历文本信息中各个句子所包括的目标实体词的位置;根据标注的各个目标实体词的位置,得到各个目标实体词的位置编码信息;
词袋特征向量生成模块,用于根据所述电子病历文本信息、各个目标实体词对应的缺失率以及各个目标实体词的位置编码信息,生成至少一个句向量。
在本公开的一些实施例中,词袋特征向量生成模块,用于对每个句子对应的各个词嵌入向量进行如下的卷积、池化与拼接处理,得到每个句子对应的句向量:对目标句子对应的各个词嵌入向量进行卷积核为3的卷积并进行池化,得到第一池化结果,所述目标句子为电子病历文本信息中的任一句子;对所述目标句子对应的各个词嵌入向量进行卷积核为4的卷积并进行池化,得到第二池化结果;对所述目标句子对应的各个词嵌入向量进行卷积核为5的卷积并进行池化,得到第三池化结果;对所述第一池化结果、所述第二池化结果与所述第三池化结果进行拼接处理,得到所述目标句子对应的句向量。
在本公开的一些实施例中,IV值计算模块,用于采用随机森林算法,计算各个句子对应的IV值。
在本公开的一些实施例中,当需要对所述电子病历是否属于糖尿病病历进行分类时,所述目标实体词可以包括年龄、体重、收缩压、胰岛素抵抗指数。
根据本公开的再一个方面,提供一种电子设备,包括:处理器;以及存储器,用于存储所述处理器的可执行指令;其中,所述处理器配置为经由执行所述可执行指令来执行上述的电子病历分类方法。
根据本公开的又一个方面,提供一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述的电子病历分类方法。
根据本公开的另一个方面,提供了一种计算机程序产品或计算机程序,该计算机程序产品或计算机程序包括计算机指令,所述计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令,处理器执行该计算机指令,使得该计算机设备执行本公开任一实施例中的各种可选方式中提供的电子病历分类方法。
本公开实施例所提供的技术方案,通过采用各个句子对应的IV值,来生成电子病历文本信息对应的词袋特征向量。并后续通过该词袋特征向量来确定电子病历文本信息的分类结果,可以提高该分类结果的可靠性与准确性。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本公开的实施例,并与说明书一起用于解释本公开的原理。显而易见地,下面描述中的附图仅仅是本公开的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1示出本公开实施例中一种电子病历分类方法的实施环境的示意图;
图2示出本公开实施例中一种电子病历分类方法流程图;
图3示出本公开实施例中一种生成至少一个句向量的方法流程图;
图4示出本公开实施例中一种生成至少一个句向量的方法流程图;
图5示出本公开实施例中一种根据电子病历文本信息对应的句向量,得到电子病历文本信息的分类结果的过程示意图;
图6示出本公开实施例中一种电子病历分类装置示意图;和
图7示出本公开实施例中一种电子设备的结构框图。
具体实施方式
现在将参考附图更全面地描述示例实施方式。然而,示例实施方式能够以多种形式实施,且不应被理解为限于在此阐述的范例;相反,提供这些实施方式使得本公开将更加全面和完整,并将示例实施方式的构思全面地传达给本领域的技术人员。所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施方式中。
此外,附图仅为本公开的示意性图解,并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分,因而将省略对它们的重复描述。附图中所示的一些方框图是功能实体,不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现这些功能实体,或在一个或多个硬件模块或集成电路中实现这些功能实体,或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
图1示出了可以应用于本公开实施例的电子病历分类方法的实施环境的示意图。
如图1所示,本公开实施例提供的电子病历分类方法的实施环境可以包括终端设备101和服务器102。
示例性地,该终端设备101与服务器102之间可以通过网络来进行通信。本公开实施例不限定该网络为有线网络或无线网络。
可选地,上述的无线网络或有线网络使用标准通信技术和/或协议。网络通常为因特网、但也可以是任何网络,包括但不限于局域网(Local Area Network,LAN)、城域网(Metropolitan Area Network,MAN)、广域网(Wide Area Network,WAN)、移动、有线或者无线网络、专用网络或者虚拟专用网络的任何组合)。在一些实施例中,使用包括超文本标记语言(Hyper Text Mark-up Language,HTML)、可扩展标记语言(ExtensibleMarkupLanguage,XML)等的技术和/或格式来代表通过网络交换的数据。此外还可以使用诸如安全套接字层(Secure Socket Layer,SSL)、传输层安全(Transport Layer Security,TLS)、虚拟专用网络(Virtual Private Network,VPN)、网际协议安全(InternetProtocolSecurity,IPsec)等常规加密技术来加密所有或者一些链路。在另一些实施例中,还可以使用定制和/或专用数据通信技术取代或者补充上述数据通信技术。
终端设备101可以是各种电子设备,包括但不限于智能手机、平板电脑、膝上型便携计算机、台式计算机、可穿戴设备、增强现实设备、虚拟现实设备等。
可选地,不同的终端设备101中安装的应用程序的客户端是相同的,或基于不同操作系统的同一类型应用程序的客户端。基于终端平台的不同,该应用程序的客户端的具体形态也可以不同,比如,该应用程序客户端可以是手机客户端、PC客户端等。
服务器102可以是提供各种服务的服务器,例如对用户利用终端设备101所进行操作的装置提供支持的后台管理服务器。后台管理服务器可以对接收到的请求等数据进行分析等处理,并将处理结果反馈给终端设备101。
可选地,服务器102可以是独立的物理服务器,也可以是多个物理服务器构成的服务器集群或者分布式系统,还可以是提供云服务、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(Content Delivery Network,内容分发网络)、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。
本领域技术人员可以知晓,图1中的终端设备101以及服务器102的数量仅仅是示意性的,根据实际需要,可以具有任意数目的终端设备101与服务器102。本公开实施例对此不作限定。
下面结合附图及实施例对本示例实施方式进行详细说明。
首先,本公开实施例中提供了一种电子病历分类方法,该方法可以由任意具备计算处理能力的电子设备执行。
图2示出本公开实施例中一种电子病历分类方法流程图,如图2所示,本公开实施例中提供的电子病历分类方法包括如下步骤S202至S210。
S202,获取待输入到神经网络模型的电子病历文本信息,其中,该神经网络模型用于对该电子病历文本信息进行分类,该神经网络模型包括softmax层。
本公开实施例不对应用场景进行限定,本公开实施例可以用于对任一种疾病进行分类,该疾病历如可以包括糖尿病、高血压、胰腺癌等等。
示例性地,该电子病历文本信息可以为任一患者的电子病历,本公开实施例不对该电子病历文本信息的内容进行限定。
在示例性实施例中,可以该电子病历文本信息可以人为打字输入,或者可以先获取电子病历相关的语音信息,并基于ASR(Automatic Speech Recognition,自动语音识别)技术对该电子病历相关的语音信息进行识别,并得到对应的电子病历文本信息。
S204,确定该电子病历文本信息中各个句子所包括的目标实体词,任一句子中包括至少一个目标实体词,每个目标实体词包含至少一个字。
本公开实施例不对目标实体词进行限定,该目标实体词可以根据经验或应用场景进行确定。在一些实施例中,当需要对电子病历是否属于糖尿病病历进行分类时,目标实体词可以包括年龄、体重、收缩压、胰岛素抵抗指数。
S206,计算各个句子对应的IV值,任一句子对应的IV值用于描述对应的句子与目标疾病的相关程度。
该目标疾病可以为任意一种疾病,本公开实施例不对此进行限定。
在一些实施例中,计算各个句子对应的信息价值IV值,包括:采用随机森林算法,计算各个句子对应的IV值。
在一些实施例中,可以在神经网络模型中引入随机森林算法,来对IV值进行计算IV。示例性地,在该随机森林算法中可以采用CatBoost(Category Boosting,一种用于处理类别特征的梯度提升算法)和/或LightGBM(Light Gradient Boosting Machine,梯度提升树算法)。
在一种可能的实施方式中,可以分别通过CatBoost与LightGBM两种算法来对IV值进行计算。本公开实施例不对通过CatBoost与LightGBM两种算法来对IV值进行计算的过程进行限定。
例如,当采用LightGBM算法来计算IV值时,即可以通过任一句子中的各个目标实体词来分别训练该神经网络模型,并对应得到各个目标实体词对应的模型训练结果,该模型训练结果即为该目标实体词的IV值。之后,再将某一句子所包括的目标实体词的IV值进行相加,即可以得到该句子的IV值。
示例性地,该IV值的计算公式可以如下公式(1)所示。
在该公式(1)中,n可以为电子病历中任一句子中包含的目标实体词的总个数。IVi即为第i个目标实体词对应的IV值。因此,根据该公式(1)可以得到电子病历中各个句子的IV值。
另外,为避免采用单一算法会对结果造成误差,因此可以同时采用CatBoost与LightGBM两种算法来对IV值进行计算,并对得到的结果取平均值,从而最终可以得到各个句子的IV值。
或者,可以根据目标实体词的出现率来确定使用CatBoost与LightGBM中的哪个算法来计算该目标实体词的IV值。例如当该目标实体词的出现率高于预设出现率阈值时,可以采用LightGBM。而当该目标实体词的出现率低于预设出现率阈值时,可以采用CatBoost。本公开实施例不对该预设出现率阈值的大小进行限定,该预设出现率阈值的大小可以基于经验或应用场景进行设定。
S208,根据该电子病历文本信息与各个句子对应的IV值,生成该电子病历文本信息对应的词袋特征向量。
示例性地,该词袋特征向量可以为电子病历文本信息中的各个句子的赋权结果,该词袋特征向量可以用于描述电子病历文本信息中的各个句子对电子病历分类的重要程度。
在一些实施例中,本公开实施例提供的电子病历分类方法还可包括:获取各个目标实体词对应的缺失率,该缺失率用于描述对应的目标实体词在相关医学场景中的出现频次。
示例性地,在该种情况下,该根据该电子病历文本信息与各个句子对应的IV值,生成该电子病历文本信息对应的词袋特征向量,可以包括:根据该电子病历文本信息与各个目标实体词对应的缺失率,生成至少一个句向量,任一句向量对应该电子病历文本信息中的一个句子;根据至少一个句向量与各个句子对应的IV值,生成该电子病历文本信息对应的词袋特征向量。
示例性地,可以对需要计算去缺失率的目标实体词进行标记,并计算该目标实体词的出现频率和所有病历的比值,用1减去该比值即为该目标实体词对应的缺失率。在示例性实施例中,该缺失率也可以从例如数据库等中查询得到。
在一种可能的实施方式中,某种疾病仅与有限的几种目标实体词高度相关,因此可以对高度相关的几种目标实体词进行标注,并预先计算其对应的缺失率,将其进行存储。但需要获取高度相关的几种目标实体词的缺失率时,即可以直接从数据库等中查询得到。
示例性地,例如目标实体词“年龄”在高血压疾病中的缺失率可以为3%,即高血压疾病的相关电子病历和/或相关论文中,“年龄”这一目标实体词的出现概率为97%。
如图3所示,在一些实施例中,根据该电子病历文本信息与各个目标实体词对应的缺失率,生成至少一个句向量,可以包括如下步骤S2082至S2086。
S2082,通过霍夫曼编码的方法对该电子病历文本信息中包含的每个字进行转换,得到每个字对应的霍夫曼编码词向量。
在示例性实施例中,可以以PCNN(Piecewise Convolutional Neural Network,分段卷积神经网络)为基础框架,来对该电子病历文本信息中包含的每个字进行霍夫曼编码。本公开实施例不对霍夫曼编码的步骤进行限定。
需要说明的是,霍夫曼编码可以依据目标实体词出现频率的不同,来对此进行不同长度的编码。其中,出现频率越高的目标实体词对应的编码长度短,出现频率约低的目标实体词对应的编码长度长。因此,同样长度的电子病例文本信息可以被编码为占用字节数较小的的霍夫曼编码词向量。此外,神经网络模型也可以通过霍夫曼编码来获取对应的目标实体词的出现频率。
本公开实施例依据霍夫曼编码来对该电子病历文本信息中包含的每个字进行转换。由此得到的霍夫曼编码词向量的长度一般会较短,从而有效降低了后续对该霍夫曼编码词向量进行处理的复杂度。此外,由于霍夫曼编码不需要预训练内容,因此通过霍夫曼编码的方法对该电子病历文本信息中包含的每个字进行转换的过程,不需要预先构建复杂的语料库,进一步降低了本公开提供的电子病历分类方法的复杂度。
S2084,将每个目标实体词对应的缺失率添加至相应字的霍夫曼编码词向量中,得到每个目标实体词中各个字对应的词嵌入向量。
在示例性实施例中,若第一目标实体词包含第一字,则可以将第一目标实体词对应的缺失率添加至第一字对应的霍夫曼编码词向量中。或者,若第一目标实体词包含第一字与第二字,则可以将第一目标实体词对应的缺失率分别添加至第一字与第二字对应的霍夫曼编码词向量中,第一目标实体词为任一目标实体词,任一词嵌入向量对应电子病历文本信息中的一个字。
示例性地,以电子病历文本信息为“医生与护士相互协作”为例,可以对该电子病历文本信息中的每个字,分别进行霍夫曼编码,从而得到对应的9个霍夫曼编码词向量。示例性地,该电子病历文本信息中的目标实体词可以包括“医生”。因此,可以获取上述目标实体词对应的缺失率,并将其缺失率添加至“医”、“生”这两个字分别对应的霍夫曼编码词向量中,得到对应的词嵌入向量。
或者,可以将该缺失率添加至“医”字所对应的霍夫曼编码词向量中,得到对应的词嵌入向量。本公开实施例不对将目标实体词对应的缺失率添加至对应的霍夫曼编码词向量中的方法进行限定。
S2086,对每个句子中各个字对应的词嵌入向量进行卷积、池化与拼接处理,得到每个句子对应的句向量。
在一些实施例中,可以对每个句子对应的各个词嵌入向量进行如下的卷积、池化与拼接处理,得到每个句子对应的句向量:
对目标句子对应的各个词嵌入向量进行卷积核为3的卷积并进行池化,得到第一池化结果,该目标句子为电子病历文本信息中的任一句子;对该目标句子对应的各个词嵌入向量进行卷积核为4的卷积并进行池化,得到第二池化结果;对该目标句子对应的各个词嵌入向量进行卷积核为5的卷积并进行池化,得到第三池化结果;对该第一池化结果、该第二池化结果与该第三池化结果进行拼接处理,得到该目标句子对应的句向量。
示例性地,该各个词嵌入向量可以组成一个词向量矩阵。本公开实施例通过对各个词嵌入向量分别进行卷积核为3、4、5的卷积,可以从不同的角度得到该词向量矩阵的信息,从而可以进一步提高本公开实施例对电子病历进行分类的准确性与可靠性。由于词向量矩阵每行对应了电子病历中的一个字,因此我们的卷积核宽度与该词向量矩阵的宽度一致,这可以在物理意义上保证神经网络模型是以电子病历中的每个字为单位进行学习的。
在一些实施例中,本公开实施例提供的电子病历分类方法还可包括:标注该电子病历文本信息中各个句子所包括的目标实体词的位置;根据标注的各个目标实体词的位置,得到各个目标实体词的位置编码信息。
示例性地,在该种情况下,该根据该电子病历文本信息与各个目标实体词对应的缺失率,生成至少一个句向量,包括:根据该电子病历文本信息、各个目标实体词对应的缺失率以及各个目标实体词的位置编码信息,生成至少一个句向量。
本公开实施例不对标注各个句子所包括的目标实体词的位置的方法进行限定,示例性地,该方法可以为BIOES(一种实体词标注方法)标注法,或者可以为BIO(另一种实体词标注方法)标注法。
例如通过BIOES标注法来标注目标实体词的位置,则可以通过B-begin来代表某一目标实体词的开头,I-inside来代表某一目标实体词的中间,E-end来代表某一目标实体词的结尾。另外,O-outside可以代表非目标实体词,用于标记无关字符,且S-single可以用于代表单个字符,其本身就是一个目标实体词。
又例如通过BIO标注法来标注目标实体词的位置,则可以通过B-begin来代表某一目标实体词的开头,通过I-inside来代表某一目标实体词的中间或结尾。并且,可以通过O-outside来代表不属于目标实体词。
在一些实施例中,也可以在标注目标实体词时,标注该句子的主干成分。例如,可以通过B表示一个目标实体词的开始,通过E表示一个目标实体词的结束。并可以通过PER表示主语,通过TIM表示不属于目标实体词,并可以通过LOC表示宾语。
在一种可能的实施方式中,电子病历文本信息中可以包括“医生指导护士”的句子。对于该句子,目标实体词可以包括“医生”与“护士”。因此,标注该句子中的目标实体词的位置,可以得到B-PER,E-PER,B-TIM,B-LOC,E-LOC的位置编码信息。
在一些实施例中,可以通过注意力机制来生成词袋特征向量。示例性地,可以通过电子病历文本信息中各个句子对应的句向量与各个句子对应的IV值进行加权求和,得到该词袋特征向量。
需要说明的是,由于对于目标疾病而言,不同目标实体词对该目标疾病相关电子病历的分类的重要程度不同。因此,可以在分类前,为待分类的电子病历的每个句向量分别分配一个权重信息,该权重信息即为IV值。而词袋特征向量即可以为通过对应的IV值来对各个词向量进行加权求和的结果。
示例性地,当将某一种疾病相关的电子病历转换为句向量作为神经网络模型的输入,将疾病种类作为神经网络模型的输出,则可以对该神经网络模型进行训练,从而使该神经网络模型后续能够根据电子病历来对对该种疾病进行识别。在示例性实施例中,本公开可以通过反向传播算法等来对神经网络模型进行训练。
在一种可能的实施方式中,可以输入多个糖尿病患者的电子病历,来对该神经网络模型进行训练。而当再次输入一个糖尿病患者的电子病历时,该神经网络模型可以基于上述方法得到该电子病历对应的词袋特征向量,并基于该词袋特征向量来对该电子病历进行分类,从而确定该电子病历文本信息的分类结果,即该电子病历文本信息属于糖尿病相关的电子病历。
本公开实施例应用了霍夫曼编码与IV值计算的方法来得到词袋特征向量。由于霍夫曼编码可以让编码接近理论上限,并且霍夫曼编码与IV值的计算均属于可以理解,且可以严格推导的方法。因此,本公开实施例可以提高神经网络模型的可解释性,从而提高了对电子病历文本信息进行分类的可靠性与准确性。
S210,将该电子病历文本信息对应的词袋特征向量输入到该神经网络模型的softmax层,得到该电子病历文本信息的分类结果。
示例性地,该softmax层用于通过该词袋特征向量来对电子病历进行分类,得到电子病历分类结果。在示例性实施例中,该电子病例文本信息的分类结果可以为该电子病历文本信息属于糖尿病相关的电子病历,或者可以为该电子病历文本信息属于冠心病相关的电子病历等。
示例性地,此处也可采用sigmoid函数来对来对电子病历进行分类,本公开并不对此进行限定。
本公开实施例提供的方法,通过采用各个句子对应的IV值,来生成电子病历文本信息对应的词袋特征向量。并后续通过该词袋特征向量来确定电子病历文本信息的分类结果,可以提高该分类结果的可靠性与准确性。
示例性地,一种可能的根据电子病历文本信息,得到句向量的方法可以如图4所示。
在图4中,可以对电子病历文本消息按字进行霍夫曼编码处理,得到了如图4所示的词向量矩阵,该词向量矩阵中的每一行即表征了电子病历文本消息中的1个字所对应的词向量。
并且,本公开实施例中还可以将电子病历文本消息中每个目标实体词对应的缺失率以及每个目标实体词的位置编码信息,分别添加至对应的霍夫曼编码词向量之后,从而得到各个词向量。任一句子包括的各个字对应的词向量可以组成一个如图4所示的词向量矩阵。之后,可以对词向量矩阵分别进行卷积核为3、4、5的卷积,得到对应的卷积结果。之后,再对各个卷积结果进行最大池化及拼接处理,即可以得到对应的句向量,每个句向量对应电子病历中的一个句子。
示例性地,一种可能的根据电子病历文本信息对应的句向量,得到电子病历文本信息的分类结果的方法可以如图5所示。
在图5中,可以先通过随机森林模型来确定各个句向量对应的IV值。需要说明的是,图5中该句向量的数量仅为举例,本公开实施例不对句向量的数量进行限定。之后,则可以将句向量、以及各个句向量对应的IV值输入神经网络模型中的注意力机制层,该注意力机制层的参数可以为基于CatBoost与LightGBM计算得到的IV值。该注意力机制层可以用于得到词袋特征向量。然后,可以将该词袋特征向量输入神经网络模型中的softmax层,得到电子病历文本信息的分类结果。
基于同一发明构思,本公开实施例中还提供了一种电子病历分类装置,如下面的实施例该。由于该装置实施例解决问题的原理与上述方法实施例相似,因此该装置实施例的实施可以参见上述方法实施例的实施,重复之处不再赘述。
图6示出本公开实施例中一种电子病历分类装置示意图,如图6所示,该装置包括:
电子病历获取模块601,用于获取待输入到神经网络模型的电子病历文本信息,其中,神经网络模型用于对电子病历文本信息进行分类,神经网络模型包括softmax层;
目标实体词确定模块602,用于确定电子病历文本信息中各个句子所包括的目标实体词,任一句子中包括至少一个目标实体词,每个目标实体词包含至少一个字;
IV值计算模块603,用于计算各个句子对应的信息价值IV值,任一句子对应的IV值用于描述对应的句子与目标疾病的相关程度;
词袋特征向量生成模块604,用于根据电子病历文本信息与各个句子对应的IV值,生成电子病历文本信息对应的词袋特征向量;
分类结果确定模块605,用于将电子病历文本信息对应的词袋特征向量输入到神经网络模型的softmax层,得到电子病历文本信息的分类结果。
在本公开的一些实施例中,装置还包括:
缺失率获取模块,用于获取各个目标实体词对应的缺失率,缺失率用于描述对应的目标实体词在相关医学场景中的出现频次;
词袋特征向量生成模块604,用于根据电子病历文本信息与各个目标实体词对应的缺失率,生成至少一个句向量,任一句向量对应电子病历文本信息中的一个句子;根据至少一个句向量与各个句子对应的IV值,生成电子病历文本信息对应的词袋特征向量。
在本公开的一些实施例中,词袋特征向量生成模块604,用于通过霍夫曼编码的方法对电子病历文本信息中包含的每个字进行转换,得到每个字对应的霍夫曼编码词向量;将每个目标实体词对应的缺失率添加至相应字的霍夫曼编码词向量中,得到每个目标实体词中各个字对应的词嵌入向量;对每个句子中各个字对应的词嵌入向量进行卷积、池化与拼接处理,得到每个句子对应的句向量。
在本公开的一些实施例中,装置还包括:
位置编码信息确定模块,用于标注电子病历文本信息中各个句子所包括的目标实体词的位置;根据标注的各个目标实体词的位置,得到各个目标实体词的位置编码信息;
词袋特征向量生成模块604,用于根据电子病历文本信息、各个目标实体词对应的缺失率以及各个目标实体词的位置编码信息,生成至少一个句向量。
在本公开的一些实施例中,词袋特征向量生成模块604,用于对每个句子对应的各个词嵌入向量进行如下的卷积、池化与拼接处理,得到每个句子对应的句向量:对目标句子对应的各个词嵌入向量进行卷积核为3的卷积并进行池化,得到第一池化结果,目标句子为电子病历文本信息中的任一句子;对目标句子对应的各个词嵌入向量进行卷积核为4的卷积并进行池化,得到第二池化结果;对目标句子对应的各个词嵌入向量进行卷积核为5的卷积并进行池化,得到第三池化结果;对第一池化结果、第二池化结果与第三池化结果进行拼接处理,得到目标句子对应的句向量。
在本公开的一些实施例中,IV值计算模块603,用于采用随机森林算法,计算各个句子对应的IV值。
在本公开的一些实施例中,当需要对电子病历是否属于糖尿病病历进行分类时,目标实体词可以包括年龄、体重、收缩压、胰岛素抵抗指数。
本公开实施例提供的装置,通过采用各个句子对应的IV值,来生成电子病历文本信息对应的词袋特征向量。并后续通过该词袋特征向量来确定电子病历文本信息的分类结果,可以提高该分类结果的可靠性与准确性。
所属技术领域的技术人员能够理解,本公开的各个方面可以实现为系统、方法或程序产品。因此,本公开的各个方面可以具体实现为以下形式,即:完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等),或硬件和软件方面结合的实施方式,这里可以统称为“电路”、“模块”或“系统”。
下面参照图7来描述根据本公开的这种实施方式的电子设备700。图7显示的电子设备700仅仅是一个示例,不应对本公开实施例的功能和使用范围带来任何限制。
如图7所示,电子设备700以通用计算设备的形式表现。电子设备700的组件可以包括但不限于:上述至少一个处理单元710、上述至少一个存储单元720、连接不同系统组件(包括存储单元720和处理单元710)的总线730。
其中,该存储单元存储有程序代码,该程序代码可以被该处理单元710执行,使得该处理单元710执行本说明书上述“具体实施方式”部分中描述的根据本公开各种示例性实施方式的步骤。
存储单元720可以包括易失性存储单元形式的可读介质,例如随机存取存储单元(RAM)7201和/或高速缓存存储单元7202,还可以进一步包括只读存储单元(ROM)7203。
存储单元720还可以包括具有一组(至少一个)程序模块7205的程序/实用工具7204,这样的程序模块7205包括但不限于:操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。
总线730可以为表示几类总线结构中的一种或多种,包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。
电子设备700也可以与一个或多个外部设备740(例如键盘、指向设备、蓝牙设备等)通信,还可与一个或者多个使得用户能与该电子设备700交互的设备通信,和/或与使得该电子设备700能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口750进行。并且,电子设备700还可以通过网络适配器760与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。如图所示,网络适配器760通过总线730与电子设备700的其它模块通信。应当明白,尽管图中未示出,可以结合电子设备700使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
通过以上的实施方式的描述,本领域的技术人员易于理解,这里描述的示例实施方式可以通过软件实现,也可以通过软件结合必要的硬件的方式来实现。因此,根据本公开实施方式的技术方案可以以软件产品的形式体现出来,该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM,U盘,移动硬盘等)中或网络上,包括若干指令以使得一台计算设备(可以是个人计算机、服务器、终端装置、或者网络设备等)执行根据本公开实施方式的方法。
在本公开的示例性实施例中,还提供了一种计算机可读存储介质,该计算机可读存储介质可以是可读信号介质或者可读存储介质。其上存储有能够实现本公开上述方法的程序产品。在一些可能的实施方式中,本公开的各个方面还可以实现为一种程序产品的形式,其包括程序代码,当该程序产品在终端设备上运行时,该程序代码用于使该终端设备执行本说明书上述“具体实施方式”部分中描述的根据本公开各种示例性实施方式的步骤。
本公开中的计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
在本公开中,计算机可读存储介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了可读程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。可读信号介质还可以是可读存储介质以外的任何可读介质,该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
可选地,计算机可读存储介质上包含的程序代码可以用任何适当的介质传输,包括但不限于无线、有线、光缆、RF等等,或者上述的任意合适的组合。
在具体实施时,可以以一种或多种程序设计语言的任意组合来编写用于执行本公开操作的程序代码,该程序设计语言包括面向对象的程序设计语言—诸如Java、C++等,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中,远程计算设备可以通过任意种类的网络,包括局域网(LAN)或广域网(WAN),连接到用户计算设备,或者,可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
应当注意,尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元,但是这种划分并非强制性的。实际上,根据本公开的实施方式,上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之,上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。
此外,尽管在附图中以特定顺序描述了本公开中方法的各个步骤,但是,这并非要求或者暗示必须按照该特定顺序来执行这些步骤,或是必须执行全部所示的步骤才能实现期望的结果。附加的或备选的,可以省略某些步骤,将多个步骤合并为一个步骤执行,以及/或者将一个步骤分解为多个步骤执行等。
通过以上实施方式的描述,本领域的技术人员易于理解,这里描述的示例实施方式可以通过软件实现,也可以通过软件结合必要的硬件的方式来实现。因此,根据本公开实施方式的技术方案可以以软件产品的形式体现出来,该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM,U盘,移动硬盘等)中或网络上,包括若干指令以使得一台计算设备(可以是个人计算机、服务器、移动终端、或者网络设备等)执行根据本公开实施方式的方法。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本公开的其它实施方案。本公开旨在涵盖本公开的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本公开的真正范围由所附的权利要求指出。
Claims (10)
1.一种电子病历分类方法,其特征在于,包括:
获取待输入到神经网络模型的电子病历文本信息,其中,所述神经网络模型用于对所述电子病历文本信息进行分类,所述神经网络模型包括softmax层;
确定所述电子病历文本信息中各个句子所包括的目标实体词,任一句子中包括至少一个目标实体词,每个目标实体词包含至少一个字;
计算各个句子对应的信息价值IV值,任一句子对应的IV值用于描述对应的句子与目标疾病的相关程度;
根据所述电子病历文本信息与各个目标实体词对应的缺失率,生成至少一个句向量,任一句向量对应所述电子病历文本信息中的一个句子;
根据至少一个句向量与各个句子对应的IV值,生成所述电子病历文本信息对应的词袋特征向量,所述词袋特征向量用于描述所述电子病历文本信息中的各个句子对电子病历分类的重要程度;
将所述电子病历文本信息对应的词袋特征向量输入到所述神经网络模型的softmax层,得到所述电子病历文本信息的分类结果。
2.根据权利要求1所述的电子病历分类方法,其特征在于,所述方法还包括:
获取各个目标实体词对应的缺失率,所述缺失率用于描述对应的目标实体词在相关医学场景中的出现频次。
3.根据权利要求2所述的电子病历分类方法,其特征在于,所述根据所述电子病历文本信息与各个目标实体词对应的缺失率,生成至少一个句向量,包括:
通过霍夫曼编码的方法对所述电子病历文本信息中包含的每个字进行转换,得到每个字对应的霍夫曼编码词向量;
将每个目标实体词对应的缺失率添加至相应字的霍夫曼编码词向量中,得到每个目标实体词中各个字对应的词嵌入向量;
对每个句子中各个字对应的词嵌入向量进行卷积、池化与拼接处理,得到每个句子对应的句向量。
4.根据权利要求2或3任一所述的电子病历分类方法,其特征在于,所述方法还包括:
标注所述电子病历文本信息中各个句子所包括的目标实体词的位置;
根据标注的各个目标实体词的位置,得到各个目标实体词的位置编码信息;
所述根据所述电子病历文本信息与各个目标实体词对应的缺失率,生成至少一个句向量,包括:
根据所述电子病历文本信息、各个目标实体词对应的缺失率以及各个目标实体词的位置编码信息,生成至少一个句向量。
5.根据权利要求3所述的电子病历分类方法,其特征在于,对每个句子对应的各个词嵌入向量进行如下的卷积、池化与拼接处理,得到每个句子对应的句向量:
对目标句子对应的各个词嵌入向量进行卷积核为3的卷积并进行池化,得到第一池化结果,所述目标句子为电子病历文本信息中的任一句子;
对所述目标句子对应的各个词嵌入向量进行卷积核为4的卷积并进行池化,得到第二池化结果;
对所述目标句子对应的各个词嵌入向量进行卷积核为5的卷积并进行池化,得到第三池化结果;
对所述第一池化结果、所述第二池化结果与所述第三池化结果进行拼接处理,得到所述目标句子对应的句向量。
6.根据权利要求1至3任一所述的电子病历分类方法,其特征在于,所述计算各个句子对应的信息价值IV值,包括:
采用随机森林算法,计算各个句子对应的IV值。
7.根据权利要求1至3任一所述的电子病历分类方法,其特征在于,当需要对所述电子病历是否属于糖尿病病历进行分类时,所述目标实体词可以包括年龄、体重、收缩压、胰岛素抵抗指数。
8.一种电子病历分类装置,其特征在于,包括:
电子病历获取模块,用于获取待输入到神经网络模型的电子病历文本信息,其中,所述神经网络模型用于对所述电子病历文本信息进行分类,所述神经网络模型包括softmax层;
目标实体词确定模块,用于确定所述电子病历文本信息中各个句子所包括的目标实体词,任一句子中包括至少一个目标实体词,每个目标实体词包含至少一个字;
IV值计算模块,用于计算各个句子对应的信息价值IV值,任一句子对应的IV值用于描述对应的句子与目标疾病的相关程度;
词袋特征向量生成模块,用于根据所述电子病历文本信息与各个目标实体词对应的缺失率,生成至少一个句向量,任一句向量对应所述电子病历文本信息中的一个句子;根据至少一个句向量与各个句子对应的IV值,生成所述电子病历文本信息对应的词袋特征向量,所述词袋特征向量用于描述所述电子病历文本信息中的各个句子对电子病历分类的重要程度;
分类结果确定模块,用于将所述电子病历文本信息对应的词袋特征向量输入到所述神经网络模型的softmax层,得到所述电子病历文本信息的分类结果。
9.一种电子设备,其特征在于,包括:
处理器;以及
存储器,用于存储所述处理器的可执行指令;
其中,所述处理器配置为经由执行所述可执行指令来执行权利要求1~7中任意一项所述电子病历分类方法。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1~7中任意一项所述的电子病历分类方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211085532.0A CN115359867B (zh) | 2022-09-06 | 2022-09-06 | 电子病历分类方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211085532.0A CN115359867B (zh) | 2022-09-06 | 2022-09-06 | 电子病历分类方法、装置、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115359867A CN115359867A (zh) | 2022-11-18 |
CN115359867B true CN115359867B (zh) | 2024-02-02 |
Family
ID=84006103
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211085532.0A Active CN115359867B (zh) | 2022-09-06 | 2022-09-06 | 电子病历分类方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115359867B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110209806A (zh) * | 2018-06-05 | 2019-09-06 | 腾讯科技(深圳)有限公司 | 文本分类方法、文本分类装置及计算机可读存储介质 |
CN110309304A (zh) * | 2019-06-04 | 2019-10-08 | 平安科技(深圳)有限公司 | 一种文本分类方法、装置、设备及存储介质 |
CN111627512A (zh) * | 2020-05-29 | 2020-09-04 | 北京大恒普信医疗技术有限公司 | 一种相似病历的推荐方法、装置,电子设备及存储介质 |
CN112016279A (zh) * | 2020-09-04 | 2020-12-01 | 平安科技(深圳)有限公司 | 电子病历结构化方法、装置、计算机设备和存储介质 |
CN113946681A (zh) * | 2021-12-20 | 2022-01-18 | 军工保密资格审查认证中心 | 文本数据的事件抽取方法、装置、电子设备及可读介质 |
CN114091447A (zh) * | 2020-08-24 | 2022-02-25 | 中国移动通信集团河北有限公司 | 一种文本识别方法、装置和设备 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11314950B2 (en) * | 2020-03-25 | 2022-04-26 | International Business Machines Corporation | Text style transfer using reinforcement learning |
-
2022
- 2022-09-06 CN CN202211085532.0A patent/CN115359867B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110209806A (zh) * | 2018-06-05 | 2019-09-06 | 腾讯科技(深圳)有限公司 | 文本分类方法、文本分类装置及计算机可读存储介质 |
CN110309304A (zh) * | 2019-06-04 | 2019-10-08 | 平安科技(深圳)有限公司 | 一种文本分类方法、装置、设备及存储介质 |
CN111627512A (zh) * | 2020-05-29 | 2020-09-04 | 北京大恒普信医疗技术有限公司 | 一种相似病历的推荐方法、装置,电子设备及存储介质 |
CN114091447A (zh) * | 2020-08-24 | 2022-02-25 | 中国移动通信集团河北有限公司 | 一种文本识别方法、装置和设备 |
CN112016279A (zh) * | 2020-09-04 | 2020-12-01 | 平安科技(深圳)有限公司 | 电子病历结构化方法、装置、计算机设备和存储介质 |
CN113946681A (zh) * | 2021-12-20 | 2022-01-18 | 军工保密资格审查认证中心 | 文本数据的事件抽取方法、装置、电子设备及可读介质 |
Also Published As
Publication number | Publication date |
---|---|
CN115359867A (zh) | 2022-11-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7100087B2 (ja) | 情報を出力する方法および装置 | |
CN109241286B (zh) | 用于生成文本的方法和装置 | |
CN111816300A (zh) | 基于深度强化学习的数据分类方法、装置、设备及介质 | |
CN110867231A (zh) | 基于文本分类的疾病预测方法、装置、计算机设备及介质 | |
CN112464642A (zh) | 文本添加标点的方法、装置、介质及电子设备 | |
CN113657105A (zh) | 基于词汇增强的医学实体抽取方法、装置、设备及介质 | |
EP4042416A1 (en) | System and method for review of automated clinical documentation | |
CN111368551A (zh) | 一种确定事件主体的方法和装置 | |
CN115019237A (zh) | 多模态情感分析方法、装置、电子设备及存储介质 | |
CN112232052A (zh) | 文本拼接方法、装置、计算机设备及存储介质 | |
CN112582073B (zh) | 医疗信息获取方法、装置、电子设备和介质 | |
CN115359867B (zh) | 电子病历分类方法、装置、电子设备及存储介质 | |
CN115758211B (zh) | 文本信息分类方法、装置、电子设备和存储介质 | |
US20220300717A1 (en) | Method and apparatus for generating dialogue state | |
CN115759040A (zh) | 一种电子病历解析方法、装置、设备和存储介质 | |
CN115794494A (zh) | 基于动态策略的数据备份方法、系统、装置、设备及介质 | |
CN114913995A (zh) | 自助就诊方法、装置、设备及存储介质 | |
CN112528647A (zh) | 相似文本生成方法、装置、电子设备及可读存储介质 | |
CN114780701B (zh) | 自动问答匹配方法、装置、计算机设备及存储介质 | |
CN117573812B (zh) | 临床试验数据处理方法、装置及相关设备 | |
CN113947095B (zh) | 多语种文本翻译方法、装置、计算机设备及存储介质 | |
CN110781646B (zh) | 名称标准化方法、装置、介质及电子设备 | |
CN115063536B (zh) | 图像生成方法、装置、电子设备及计算机可读存储介质 | |
CN113515931B (zh) | 文本纠错方法、装置、计算机设备及存储介质 | |
CN112949296B (zh) | 基于黎曼空间的词嵌入方法和装置、介质及设备 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |