CN117476163A - 用于确定疾病结论的方法、装置以及存储介质 - Google Patents

Abstract

本申请公开了一种用于确定疾病结论的方法、装置以及存储介质。其中，该方法包括：通过问答模型根据第一阳性描述句确定第一候选结论；通过医学影像知识图谱根据第一阳性描述句确定参考结论；将第一候选结论与参考结论进行比较，确定第一候选结论和参考结论之间的匹配关系，并获取与第一候选结论不匹配的参考结论作为待验证结论；根据待验证结论在医学影像知识图谱进行回溯，利用与待验证结论对应的医学影像知识图谱中的关键词，生成第二阳性描述句；确定问答模型根据第二阳性描述句确定的第二候选结论与待验证结论之间的匹配关系；以及根据匹配关系确定最终结论，其中最终结论用于指示最终确定的疾病结论。

Description

用于确定疾病结论的方法、装置以及存储介质

技术领域

本申请涉及医疗信息处理技术领域，特别是涉及一种用于确定疾病结论的方法、装置以及存储介质。

背景技术

在现有技术中，通常通过大型语言模型从医学影像诊断报告中确定阳性描述句，之后通过问答模型根据阳性描述句确定相应的疾病结论，进而实现了根据医学影像诊断报告中所见的疾病征象得到疾病结论。

其中“医学影像诊断报告”是基于医学影像检查，例如数字X线摄影（DigitalRadiography，DR）、电子计算机断层扫描（Computed Tomography，CT）、磁共振成像（Magnetic Resonance，MR）和超声等，由专业医生结合病史资料，根据医学图像观察的疑似病灶信息，通过医学影像诊断知识、经验以及医学逻辑推理，编写影像诊断的文本报告，内容一般包括“所见”（即，医学影像的征象描述）和“结论”（即，由征象描述推理的可能疾病结论），提供给临床医生和患者进一步检查和治疗。

医学影像诊断报告的编写和解读，都需要准确理解影像报告文本的逻辑关系，尤其是“所见”和“结论”中的阳性描述句（指疑似疾病或异常征象的描述内容）。医学影像诊断报告上下文中不同段落之间的阳性描述句，也需要建立准确的映射关系。

但是，现有技术中的大型语言模型（LLM）由于上述的隐含知识、不决断问题、黑箱、缺乏特定领域知识等缺点，使得在处理医学影像诊断报告中的阳性描述句之间的逻辑关系时，准确度不够高，并且局限性较大，从而无法准确确定上下文中不同段落之间的阳性描述句的映射关系。

从而大型语言模型确定的阳性描述句可能存在误差，会把多个阳性描述句混在一起，作为一个阳性描述句，从而使得问答模型不能准确的将阳性描述句中的阳性描述都识别出来，从而使得根据阳性描述句确定的结论不准确。

针对上述的现有技术中存在的由于大型语言模型识别的阳性描述句不准确，从而问答模型也不能准确地对阳性描述句进行准确的识别，造成的最终结论准确率低的技术问题，目前尚未提出有效的解决方案。

发明内容

本申请的实施例提供了一种用于确定疾病结论的方法、装置以及存储介质，以至少解决现有技术中存在的由于大型语言模型识别的阳性描述句不准确，从而问答模型也不能准确地对阳性描述句进行准确的识别，造成的最终结论准确率低的技术问题。

根据本申请实施例的一个方面，提供了一种用于确定疾病结论的方法，包括：通过问答模型根据第一阳性描述句确定第一候选结论，其中第一阳性描述句用于描述病变部位的征象，第一候选结论用于指示根据第一阳性描述句推测的疾病结论；通过医学影像知识图谱根据第一阳性描述句确定参考结论，其中参考结论用于指示根据第一阳性描述句匹配的参考疾病结论；将第一候选结论与参考结论进行比较，确定第一候选结论和参考结论之间的匹配关系，并获取与第一候选结论不匹配的参考结论作为待验证结论；根据待验证结论在医学影像知识图谱进行回溯，利用与待验证结论对应的医学影像知识图谱中的关键词，生成第二阳性描述句；确定问答模型根据第二阳性描述句确定的第二候选结论与待验证结论之间的匹配关系；以及根据匹配关系确定最终结论，其中最终结论用于指示最终确定的疾病结论。

根据本申请实施例的另一个方面，还提供了一种存储介质，存储介质包括存储的程序，其中，在程序运行时由处理器执行以上所述的方法。

根据本申请实施例的另一个方面，还提供了一种用于确定疾病结论的装置，包括：第一确定模块，用于通过问答模型根据第一阳性描述句确定第一候选结论，其中第一阳性描述句用于描述病变部位的征象，第一候选结论用于指示根据第一阳性描述句推测的疾病结论；第二确定模块，用于通过医学影像知识图谱根据第一阳性描述句确定参考结论，其中参考结论用于指示根据第一阳性描述句匹配的参考疾病结论；结论获取模块，用于将第一候选结论与参考结论进行比较，确定第一候选结论和参考结论之间的匹配关系，并获取与第一候选结论不匹配的参考结论作为待验证结论；描述句生成模块，用于根据待验证结论在医学影像知识图谱进行回溯，利用与待验证结论对应的医学影像知识图谱中的关键词，生成第二阳性描述句；第三确定模块，用于确定问答模型根据第二阳性描述句确定的第二候选结论与待验证结论之间的匹配关系；以及第四确定模块，用于根据匹配关系确定最终结论，其中最终结论用于指示最终确定的疾病结论。

根据本申请实施例的另一个方面，还提供了一种用于确定疾病结论的装置，包括：处理器；以及存储器，与处理器连接，用于为处理器提供处理以下处理步骤的指令：通过问答模型根据第一阳性描述句确定第一候选结论，其中第一阳性描述句用于描述病变部位的征象，第一候选结论用于指示根据第一阳性描述句推测的疾病结论；通过医学影像知识图谱根据第一阳性描述句确定参考结论，其中参考结论用于指示根据第一阳性描述句匹配的参考疾病结论；将第一候选结论与参考结论进行比较，确定第一候选结论和参考结论之间的匹配关系，并获取与第一候选结论不匹配的参考结论作为待验证结论；根据待验证结论在医学影像知识图谱进行回溯，利用与待验证结论对应的医学影像知识图谱中的关键词，生成第二阳性描述句；确定问答模型根据第二阳性描述句确定的第二候选结论与待验证结论之间的匹配关系；以及根据匹配关系确定最终结论，其中最终结论用于指示最终确定的疾病结论。

在本申请实施例中，服务器通过问答模型确定与阳性描述句对应的候选结论，同时通过医学影像知识图谱确定与阳性描述句对应的参考结论，从而以参考结论为标准答案，判断候选结论是否正确。从而本技术方案通过问答模型和医学影像知识图谱两种方式，双重确定与阳性描述句对应的结论，从而提高了最终结论的正确性和可靠性。

并且，在阳性描述句不正确，从而导致问答模型不能正确地确定与阳性描述句对应的最终结论的情况下，本技术方案将参考结论与候选结论比对，根据与候选结论不匹配的参考结论（即，待验证结论），在医学影像知识图谱中进行回溯，从而将有连接关系的关键词组成新的阳性描述句，作为问答模型原来未能识别到的阳性描述句，实现了对大型语言模型识别到的不正确的阳性描述句进行实时分割，从而纠正了不正确的阳性描述句，提高了阳性描述句的正确率。

并且，本技术方案通过将已纠正的新的阳性描述句再次输入问答模型，从而验证问答模型是否可以根据新分割的正确的阳性描述句，输出与待验证结论相同的候选结论，进而验证了问答模型输出结果的正确性，并为最终结论确定了正确的答案。从而提高了最终结论的准确率。进而解决了现有技术中存在的由于大型语言模型识别的阳性描述句不准确，从而问答模型也不能准确地对阳性描述句进行准确的识别，造成的最终结论准确率低的技术问题。

附图说明

此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：

图1是用于实现根据本申请实施例1所述的方法的计算设备的硬件结构框图；

图2是根据本申请实施例1所述的用于确定疾病结论的系统的示意图；

图3是根据本申请实施例1的第一个方面所述的用于确定疾病结论的方法的流程示意图；

图4是根据本申请实施例1的第一个方面所述的用于确定疾病结论的方法的整体流程示意图；

图5是根据本申请实施例1的医学影像知识图谱的示意图；

图6是根据本申请实施例2所述的用于确定疾病结论的装置的示意图；以及

图7是根据本申请实施例3所述的用于确定疾病结论的装置的示意图。

具体实施方式

为了使本技术领域的人员更好地理解本申请的技术方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述。显然，所描述的实施例仅仅是本申请一部分的实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本申请保护的范围。

需要说明的是，本申请的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。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。

实施例1

根据本实施例，提供了一种用于确定疾病结论的方法的方法实施例，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。

本实施例所提供的方法实施例可以在移动终端、计算机终端、服务器或者类似的计算设备中执行。图1示出了一种用于实现用于确定疾病结论的方法的计算设备的硬件结构框图。如图1所示，计算设备可以包括一个或多个处理器（处理器可以包括但不限于微处理器MCU或可编程逻辑器件FPGA等的处理装置）、用于存储数据的存储器、以及用于通信功能的传输装置。除此以外，还可以包括：显示器、输入/输出接口（I/O接口）、通用串行总线（USB）端口（可以作为I/O接口的端口中的一个端口被包括）、网络接口、电源和/或相机。本领域普通技术人员可以理解，图1所示的结构仅为示意，其并不对上述电子装置的结构造成限定。例如，计算设备还可包括比图1中所示更多或者更少的组件，或者具有与图1所示不同的配置。

应当注意到的是上述一个或多个处理器和/或其他数据处理电路在本文中通常可以被称为“数据处理电路”。该数据处理电路可以全部或部分的体现为软件、硬件、固件或其他任意组合。此外，数据处理电路可为单个独立的处理模块，或全部或部分的结合到计算设备中的其他元件中的任意一个内。如本申请实施例中所涉及到的，该数据处理电路作为一种处理器控制（例如与接口连接的可变电阻终端路径的选择）。

存储器可用于存储应用软件的软件程序以及模块，如本申请实施例中的用于确定疾病结论的方法对应的程序指令/数据存储装置，处理器通过运行存储在存储器内的软件程序以及模块，从而执行各种功能应用以及数据处理，即实现上述的应用程序的用于确定疾病结论的方法。存储器可包括高速随机存储器，还可包括非易失性存储器，如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中，存储器可进一步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计算设备。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。

传输装置用于经由一个网络接收或者发送数据。上述的网络具体实例可包括计算设备的通信供应商提供的无线网络。在一个实例中，传输装置包括一个网络适配器（Network Interface Controller，NIC），其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中，传输装置可以为射频（Radio Frequency，RF）模块，其用于通过无线方式与互联网进行通讯。

显示器可以例如触摸屏式的液晶显示器（LCD），该液晶显示器可使得用户能够与计算设备的用户界面进行交互。

此处需要说明的是，在一些可选实施例中，上述图1所示的计算设备可以包括硬件元件（包括电路）、软件元件（包括存储在计算机可读介质上的计算机代码）、或硬件元件和软件元件两者的结合。应当指出的是，图1仅为特定具体实例的一个实例，并且旨在示出可存在于上述计算设备中的部件的类型。

图2是根据本实施例所述的用于确定疾病结论的系统的示意图。参照图2所示，该系统包括：影像科终端100、服务器200以及临床科终端300。

其中影像科终端100用于将影像科医生编写的关于患者的医学影像诊断报告发送至服务器200。

服务器200设置有大型语言模型、问答模型和医学影像知识图谱。

服务器200通过大型语言模型从医学影像诊断报告确定阳性描述句。其中阳性描述句用于描述病变部位的疾病征象。

进一步地，服务器200通过问答模型生成与阳性描述句对应的候选结论。其中候选结论用于指示根据阳性描述句推测的疾病结论。

进一步地，服务器200通过医学影像知识图谱生成与阳性描述句对应的参考结论。其中所述参考结论用于指示根据所述第一阳性描述句匹配的参考疾病结论。

进一步地，服务器200计算阳性描述句的参考结论和候选结论之间的相似度值，根据相似度值确定最终的疾病结论（即，最终结论）。

进一步地，服务器200将阳性描述句和相应的最终结论进行整理，从而形成便于临床医生查看的最终报告，并将该最终报告发送至临床医生的临床科终端300。

此外，图5示出了医学影像知识图谱的结构示意图，参考图5所示，医学影像知识图谱包括多个类型的关键词，分别为主部位、一级部位、二级部位、征象描述以及结论。其中主部位、一级部位和二级部位都用于描述人体的器官，并且其中一级部位为主部位的下级关键词，二级部位为一级部位的下级关键词。并且征象描述为二级部位的下级关键词，结论为征象描述的下级关键词。

从而服务器200可以根据关键词匹配的方式，在医学影像知识图谱中确定与阳性描述句对应的参考结论。

此外，工作人员可以根据实际情况，在医学影像知识图谱中添加其他类型的关键词，例如修饰描述、定性描述、关系描述和位置描述等。此处不作具体限定。

需要说明的是，系统中的影像科终端100、服务器200以及临床科终端300均可适用上面所述的硬件结构。

在上述运行环境下，根据本实施例的第一个方面，提供了一种用于确定疾病结论的方法，该方法由图2中所示的服务器200实现。图3示出了该方法的流程示意图，参考图3所示，该方法包括：

S302：通过问答模型根据第一阳性描述句确定第一候选结论，其中第一阳性描述句用于描述病变部位的征象，第一候选结论用于指示根据第一阳性描述句推测的疾病结论；

S304：通过医学影像知识图谱根据第一阳性描述句确定参考结论，其中参考结论用于指示根据第一阳性描述句匹配的参考疾病结论；

S306：将第一候选结论与参考结论进行比较，确定第一候选结论和参考结论之间的匹配关系，并获取与第一候选结论不匹配的参考结论作为待验证结论；

S308：根据待验证结论在医学影像知识图谱进行回溯，利用与待验证结论对应的医学影像知识图谱中的关键词，生成第二阳性描述句；

S310：确定问答模型根据第二阳性描述句确定的第二候选结论与待验证结论之间的匹配关系；以及

S312：根据匹配关系确定最终结论，其中最终结论用于指示最终确定的疾病结论。

具体地，影像科医生通过影像科终端100编写关于患者的医学影像诊断报告，之后将医学影像诊断报告发送至服务器200。

进一步地，参考图4所示，服务器200接收到医学影像诊断报告后，将医学影像诊断报告输入大型语言模型中，大型语言模型从医学影像诊断报告的分句中确定阳性描述句（即，第一阳性描述句）。

例如，医学影像诊断报告为：右膈肌光滑，膈下未见游离气体影。左膈欠清，左肋膈角结节，左下肺野见团块影。

其中各个分句包括：

（1）右膈肌光滑；

（2）膈下未见游离气体影；

（3）左膈欠清，左肋膈角结节；

（4）左下肺野见团块影。

从而，大型语言模型依次判断上述的各个分句是否为阳性描述句（即，第一阳性描述句）。其中判定阳性描述句的方法可以为：通过常用的通过在阳性描述句中确定阳性词的方法进行判定，此乃现有技术，此处不再赘述。

其中，大型语言模型确定的阳性描述句（即，第一阳性描述句）包括：

（1）左膈欠清，左肋膈角结节；

（2）左下肺野见团块影。

进一步地，服务器200将阳性描述句（即，第一阳性描述句）输入问答模型，从而问答模型对阳性描述句（即，第一阳性描述句）进行语义识别，从而输出与阳性描述句（即，第一阳性描述句）对应的候选结论（即，第一候选结论）。其中候选结论可以为多个。

例如问答模型根据阳性描述句“左膈欠清，左肋膈角结节”输出的候选结论为“左侧胸腔积液”。

进一步地，服务器200将阳性描述句（即，第一阳性描述句）输入医学影像知识图谱，从而医学影像知识图谱对该阳性描述句中的各个分词与医学影像知识图谱中的关键词进行匹配，从而输出与阳性描述句（即，第一阳性描述句）对应的参考结论。其中参考结论可以为多个。

参考图5所示，例如，医学影像知识图谱根据阳性描述句“左膈欠清，左肋膈角结节”输出的参考结论为“左侧胸腔积液”和“钙化灶”。

进一步地，服务器200以参考结论为标准，判断问答模型输出的候选结论是否正确。

例如与阳性描述句“左膈欠清，左肋膈角结节”对应的候选结论为“左侧胸腔积液”，参考结论为“左侧胸腔积液”和“钙化灶”。

从而服务器200判断对于同一阳性描述句的候选结论与参考结论是否匹配。例如服务器200判定候选结论“左侧胸腔积液”仅与参考结论“左侧胸腔积液”匹配，则参考结论“左侧胸腔积液”作为候选结论“左侧胸腔积液”的匹配项，并将匹配项作为最终结论之一。而参考结论“钙化灶”并没有与之匹配的参考结论。因此，服务器200将参考结论“钙化灶”作为待验证结论。

进一步地，参考图5所示，服务器200根据待验证结论“钙化灶”在医学影像知识图谱的结论类型的关键词中进行匹配，从而在医学影像知识图谱中确定结论类型的关键词“钙化灶”。之后服务器200根据该关键词“钙化灶”在医学影像知识图谱中回溯各个节点，从而确定与关键词“钙化灶”有连接关系的上级节点的关键词，再根据上一节点的关键词的连接关系，确定上上级节点的关键词，以此类推，从而确定依次有连接关系的各个节点的关键词。

例如，服务器200在医学影像知识图谱中根据与结论类型的关键词“钙化灶”的连接关系，确定征象描述类型的关键词“结节”，之后确定与征象描述类型的关键词“结节”有连接关系二级部位类型的关键词“左肋膈角”，以此类推，从而确定一级部位的关键词“左膈”以及主部位类型的关键词“胸腹部”。

从而服务器200根据连接关系，确定的关键词为“胸腹部”、“左膈”、“左肋膈角”以及“结节”。

进一步地，服务器200根据确定的关键词生成相应的阳性描述句（即，第二阳性描述句）“胸腹部左膈左肋膈角结节”。之后服务器200将第二阳性描述句“胸腹部左膈左肋膈角结节”输入问答模型，从而验证通过问答模型再次输出的候选结论（即，第二候选结论）与待验证结论是否匹配。

当问答模型根据该第二阳性描述句输出的候选结论（即，第二候选结论）与待验证结论“钙化灶”相同时，则服务器200则将该候选结论（第二候选结论）作为最终结论之一。

当问答模型根据该第二阳性描述句输出的候选结论（即，第二候选结论）与待验证结论“钙化灶”不相同时，则服务器200向工作人员的终端设备发送预警信息，由工作人员判定第一候选结论、第二候选结论和待验证结论的正确性，并将正确的结论作为最终结论之一。

此外，又例如与第一阳性描述句“左膈欠清，左肋膈角结节”对应的候选结论为“左侧胸腔积液”和“钙化灶”，参考结论为“左侧胸腔积液”，则参考结论“左侧胸腔积液”作为候选结论“左侧胸腔积液”的匹配项，而服务器200判定候选结论“钙化灶”无匹配项。从而服务器200将无匹配项的候选结论舍弃。

从而服务器200通过上述的根据第一阳性描述句确定相应的最终结论的方法，确定医学影像诊断报告中其他的第一阳性描述句相应的最终结论。

进一步地，服务器200将所有的阳性描述句和相应的最终结论进行整理，从而形成便于临床医生查看的最终报告，并将该最终报告发送至临床医生的临床科终端300。

正如背景技术中所述的，但是，现有技术中的大型语言模型（LLM）由于上述的隐含知识、不决断问题、黑箱、缺乏特定领域知识等缺点，使得在处理医学影像诊断报告中的阳性描述句之间的逻辑关系时，准确度不够高，并且局限性较大，从而无法准确确定上下文中不同段落之间的阳性描述句的映射关系。从而大型语言模型确定的阳性描述句可能存在误差，把多个阳性描述句混在一起，作为一个阳性描述句，从而使得问答模型不能准确的将阳性描述句中的阳性描述都识别出来，从而使得根据阳性描述句确定的结论不准确。

针对以上所述的技术问题，通过本申请实施例的技术方案，服务器通过问答模型确定与阳性描述句对应的候选结论，同时通过医学影像知识图谱确定与阳性描述句对应的参考结论，从而以参考结论为标准答案，判断候选结论是否正确。从而本技术方案通过问答模型和医学影像知识图谱两种方式，双重确定与阳性描述句对应的结论，从而提高了最终结论的正确性和可靠性。

并且，在阳性描述句不正确，从而导致问答模型不能正确的确定与阳性描述句对应的最终结论的情况下，本技术方案将参考结论与候选结论比对，根据与候选结论不匹配的参考结论（即，待验证结论），在医学影像知识图谱中进行回溯，从而将有连接关系的关键词组成新的阳性描述句，作为问答模型原来未能识别到的阳性描述句，实现了对大型语言模型识别到的不正确的阳性描述句进行实时分割，从而纠正了不正确的阳性描述句，提高了阳性描述句的正确率。

并且，本技术方案通过将已纠正的新的阳性描述句再次输入问答模型，从而验证问答模型是否可以根据新分割的正确的阳性描述句，输出与待验证结论相同的候选结论，进而验证了问答模型输出结果的正确性，并为最终结论确定了正确的答案。从而提高了最终结论的准确率。进而解决了现有技术中存在的由于大型语言模型识别的阳性描述句不准确，从而问答模型也不能准确地对阳性描述句进行准确的识别，造成的最终结论准确率低的技术问题。

可选地，获取与第一候选结论不匹配的参考结论作为待验证结论的操作，包括：计算第一候选结论和参考结论之间的第一相似度值；以及若第一相似度值不等于预设阈值，将参考结论作为第一候选结论的待验证结论。

具体地，服务器200依次计算各个候选结论（即，第一候选结论）与各个参考结论之间的相似度值（即，第一相似度值），从而判断每个参考结论是否都有与之匹配的候选结论（即，第一候选结论）。从而当某个参考结论与所有的候选结论（即，第一候选结论）的相似度值都不等于预设阈值（例如预设阈值为1）时，则将该参考结论作为候选结论（即，第一候选结论）的待验证结论。

例如与阳性描述句“左膈欠清，左肋膈角结节”对应的候选结论为“左侧胸腔积液”，参考结论为“左侧胸腔积液”和“钙化灶”。

进一步地，服务器200分别计算候选结论“左侧胸腔积液”和参考结论“左侧胸腔积液”之间的相似度值，以及候选结论“左侧胸腔积液”和参考结论“钙化灶”之间的相似度值。

进一步地，服务器200计算得到候选结论“左侧胸腔积液”和参考结论“左侧胸腔积液”之间的相似度值为1（即，等于预设阈值），则将参考结论“左侧胸腔积液”作为候选结论“左侧胸腔积液”的匹配项。

并且服务器200计算得到候选结论“左侧胸腔积液”和参考结论“钙化灶”之间的相似度值不为1（即，不等于预设阈值），则确定没有与参考结论“钙化灶”匹配的候选结论，从而将该参考结论“钙化灶”作为待验证结论。

从而，本技术方案通过计算相似度值来验证候选结论和参考结论之间的匹配度，从而提高验证速度。

可选地，方法还包括：若第一相似度值等于预设阈值，将参考结论作为第一候选结论的匹配项；以及将匹配项作为最终结论。

具体地，例如第一阳性描述句对应的候选结论的数量小于参考结论的数量。

例如与阳性描述句“左膈欠清，左肋膈角结节”对应的候选结论为“左侧胸腔积液”，参考结论为“左侧胸腔积液”和“钙化灶”。

进一步地，服务器200分别计算候选结论“左侧胸腔积液”和参考结论“左侧胸腔积液”之间的相似度值，以及候选结论“左侧胸腔积液”和参考结论“钙化灶”之间的相似度值。

进一步地，服务器200计算得到候选结论“左侧胸腔积液”和参考结论“左侧胸腔积液”之间的相似度值为1（即，等于预设阈值），则将参考结论“左侧胸腔积液”作为候选结论“左侧胸腔积液”的匹配项。

进一步地，服务器200将匹配项“左侧胸腔积液”作为最终结论之一。

又例如，与第一阳性描述句对应的候选结论的数量大于参考结论的数量。

例如与第一阳性描述句“左膈欠清，左肋膈角结节”对应的候选结论为“左侧胸腔积液”和“钙化灶”，参考结论为“左侧胸腔积液”。

进一步地，服务器200分别计算候选结论“左侧胸腔积液”和参考结论“左侧胸腔积液”之间的相似度值，以及候选结论“钙化灶”与参考结论“左侧胸腔积液”之间的相似度值。

进一步地，服务器200计算得到候选结论“左侧胸腔积液”和参考结论“左侧胸腔积液”之间的相似度值为1（即，等于预设阈值），则将参考结论“左侧胸腔积液”作为候选结论“左侧胸腔积液”的匹配项。

并且服务器200计算得到候选结论“钙化灶”和参考结论“左侧胸腔积液”之间的相似度值不为1（即，不等于预设阈值），则服务器200判定候选结论“钙化灶”无匹配项。从而服务器200将无匹配项的候选结论舍弃。

进一步地，服务器200将匹配项“左侧胸腔积液”作为最终结论。

又例如，与第一阳性描述句对应的候选结论的数量和参考结论的数量相同。

例如与第一阳性描述句“左下肺野见团块影”对应的候选结论为“左下肺占位”，参考结论为“左下肺占位”。

服务器200计算候选结论“左下肺占位”和参考结论“左下肺占位”之间的相似度值，从而服务器200计算得到候选结论“左下肺占位”和参考结论“左下肺占位”之间的相似度值为1（即，等于预设阈值），从而将参考结论“左下肺占位”作为候选结论“左下肺占位”的匹配项。

进一步地，服务器200将匹配项“左下肺占位”作为最终结论。

从而，本技术方案通过计算相似度值来验证候选结论和参考结论之间的匹配度，从而提高验证速度。

可选地，确定问答模型根据第二阳性描述句确定的第二候选结论与待验证结论之间的匹配关系的操作，包括：通过问答模型根据第二阳性描述句确定第二候选结论；以及计算第二候选结论与待验证结论之间的第二相似度值，以根据第二相似度值确定第二候选结论与待验证结论之间的匹配关系。

具体地，例如服务器200将第二阳性描述句“胸腹部左膈左肋膈角结节”输入问答模型，之后问答模型对第二阳性描述句“胸腹部左膈左肋膈角结节”进行语义识别，从而输出相应的候选结论（即，第二候选结论）。

进一步地，服务器200获取与第一阳性描述句对应的待验证结论，并计算该待验证结论与第二候选结论之间的相似度值（即，第二相似度值）。

当相似度值等于1（即，等于预设阈值）时，服务器200确定待验证结论和第二候选结论是匹配的，从而将待验证结论作为第二候选结论的匹配项。

当相似度值不等于1（即，不等于预设阈值）时，服务器200确定待验证结论和第二候选结论是不匹配的，从而舍弃第二候选结论。

从而本技术方案通过将第二阳性描述句再次输入问答模型，从而验证问答模型是否可以根据新分割的正确的第二阳性描述句，输出与待验证结论相同的候选结论，进而验证了问答模型输出结果的正确性，从而提高了最终结论的正确率。

可选地，根据匹配关系确定最终结论的操作，包括：若第二相似度值等于预设阈值，则判定第二候选结论与待验证结论相匹配，从而将第二候选结论作为最终结论；以及若第二相似度值不等于预设阈值，则判定第二候选结论与待验证结论不匹配，从而舍弃第二候选结论。

具体地，在第二相似度值等于1（即，等于预设阈值）的情况下，将待验证结论作为第二候选结论的匹配项，并将该匹配项作为最终结论之一。

在相似度值不等于1（即，不等于预设阈值）的情况下，服务器200将无匹配项的第二候选结论舍弃，并且服务器200向工作人员的终端设备发送预警信息，由工作人员判定第一候选结论和待验证结论的正确性，并将正确的结论作为最终结论之一。

从而本技术方案通过第二阳性描述句验证问答模型输出候选结论的正确性，从而可以及时纠正问答模型的输出的结果，保证了最终结论的准确性。

可选地，方法还包括：根据第一阳性描述句以及参考结论对问答模型进行优化。

具体地，服务器200在根据第一阳性描述句确定最终结论过程中，如果产生无匹配项的候选结论或者产生待验证结论。服务器200则将该第一阳性描述句和对应的最终结论作为样本优化问答模型。从而使得问答模型在下一次再次识别该阳性描述句时，能够准确地输出正确的最终结论，避免出现产生无匹配项的候选结论或者产生待验证结论的情况，从而提高了确定最终结论的速度和效率。

综上，参考图4所示，本技术方案从医学影像诊断报告中确定最终结论的方法的顺序步骤如下所示：

S401：影像科终端100将医学影像诊断报告发送至服务器200，之后服务器200将医学影像诊断报告输入大型语言模型，从而大型语言模型输出相应的阳性描述句；

S402：服务器200将阳性描述句输入问答模型，问答模型输出相应的候选结论；

S403：服务器200将阳性描述句输入医学影像知识图谱，医学影像知识图谱输出相应的参考结论；

S404：服务器200计算候选结论和参考结论之间的相似度值；

S405：服务器200判断相似度值是否等于预设阈值（例如，预设阈值为1）；

S406：在相似度值等于预设阈值的情况下，服务器200将参考结论确定为候选结论的匹配项；

S407：服务器200将匹配项作为最终结论。

S408：在相似度值不等于预设阈值的情况下，服务器200判断与候选结论对应的阳性描述句是否为根据医学影像知识图谱生成的（即，与候选结论对应的阳性描述句是否为第二阳性描述句）；

S409：在阳性描述句不是根据医学影像知识图谱生成的情况下（即，与候选结论对应的阳性描述句为医学影像诊断报告中的第一阳性描述句），服务器200根据参考结论从医学影像知识图谱中获取与参考结论对应的关键词，生成阳性描述句，并返回执行S402；以及

S410：在阳性描述句是根据医学影像知识图谱生成的情况下，工作人员对于阳性描述句对应的候选结论和参考结论进行人工校验，确定最终结论。之后服务器200根据最终结论和阳性描述句形成便于临床医生查看的最终报告，并将该最终报告发送至临床医生的临床科终端300。

此外，参考图1所示，根据本实施例的第二个方面，提供了一种存储介质。所述存储介质包括存储的程序，其中，在所述程序运行时由处理器执行以上所述的方法。

从而根据本实施例，服务器通过问答模型确定与阳性描述句对应的候选结论，同时通过医学影像知识图谱确定与阳性描述句对应的参考结论，从而以参考结论为标准答案，判断候选结论是否正确。从而本技术方案通过问答模型和医学影像知识图谱两种方式，双重确定与阳性描述句对应的结论，从而提高了最终结论的正确性和可靠性。

并且，在阳性描述句不正确，从而导致问答模型不能正确的确定与阳性描述句对应的最终结论的情况下，本技术方案将参考结论与候选结论比对，根据与候选结论不匹配的参考结论（即，待验证结论），在医学影像知识图谱中进行回溯，从而将有连接关系的关键词组成新的阳性描述句，作为问答模型原来未能识别到的阳性描述句，实现了对大型语言模型识别到的不正确的阳性描述句进行实时分割，从而纠正了不正确的阳性描述句，提高了阳性描述句的正确率。

并且，本技术方案通过将新的阳性描述句再次输入问答模型，从而验证问答模型是否可以根据新分割的正确的阳性描述句，输出与待验证结论相同的候选结论，进而验证了问答模型输出结果的正确性，并为最终结论确定了正确的答案。从而提高了最终结论的准确率。进而解决了现有技术中存在的由于大型语言模型识别的阳性描述句不准确，从而问答模型也不能准确地对阳性描述句进行准确的识别，造成的最终结论准确率低的技术问题。

需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明并不受所描述的动作顺序的限制，因为依据本发明，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本发明所必须的。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到根据上述实施例的方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的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（如ROM/RAM、磁碟、光盘）中，包括若干指令用以使得一台终端设备（可以是手机，计算机，服务器，或者网络设备等）执行本发明各个实施例所述的方法。

实施例2

图6示出了根据本实施例所述的用于确定疾病结论的装置600，该装置600与根据实施例1的第一个方面所述的方法相对应。参考图6所示，该装置600包括：第一确定模块610，用于通过问答模型根据第一阳性描述句确定第一候选结论，其中第一阳性描述句用于描述病变部位的征象，第一候选结论用于指示根据第一阳性描述句推测的疾病结论；第二确定模块620，用于通过医学影像知识图谱根据第一阳性描述句确定参考结论，其中参考结论用于指示根据第一阳性描述句匹配的参考疾病结论；结论获取模块630，用于将第一候选结论与参考结论进行比较，确定第一候选结论和参考结论之间的匹配关系，并获取与第一候选结论不匹配的参考结论作为待验证结论；描述句生成模块640，用于根据待验证结论在医学影像知识图谱进行回溯，利用与待验证结论对应的医学影像知识图谱中的关键词，生成第二阳性描述句；第三确定模块650，用于确定问答模型根据第二阳性描述句确定的第二候选结论与待验证结论之间的匹配关系；以及第四确定模块660，用于根据匹配关系确定最终结论，其中最终结论用于指示最终确定的疾病结论。

可选地，结论获取模块630，包括：相似度值计算子模块，用于计算第一候选结论和参考结论之间的第一相似度值；以及结论确定子模块，用于若第一相似度值不等于预设阈值，将参考结论作为第一候选结论的待验证结论。

可选地，装置600还包括：第五确定模块，用于若第一相似度值等于预设阈值，将参考结论作为第一候选结论的匹配项；以及第六确定模块，用于将匹配项作为最终结论。

可选地，第三确定模块650，包括：第一确定子模块，用于通过问答模型根据第二阳性描述句确定第二候选结论；以及第二确定子模块，用于计算第二候选结论与待验证结论之间的第二相似度值，以根据第二相似度值确定第二候选结论与待验证结论之间的匹配关系。

可选地，第四确定模块660，包括：第三确定子模块，用于若第二相似度值等于预设阈值，则判定第二候选结论与待验证结论相匹配，从而将第二候选结论作为最终结论；以及舍弃子模块，用于若第二相似度值不等于预设阈值，则判定第二候选结论与待验证结论不匹配，从而舍弃第二候选结论。

可选地，装置600还包括：优化模块，用于根据第一阳性描述句以及参考结论对问答模型进行优化。

从而根据本实施例，服务器通过问答模型确定与阳性描述句对应的候选结论，同时通过医学影像知识图谱确定与阳性描述句对应的参考结论，从而以参考结论为标准答案，判断候选结论是否正确。从而本技术方案通过问答模型和医学影像知识图谱两种方式，双重确定与阳性描述句对应的结论，从而提高了最终结论的正确性和可靠性。

并且，在阳性描述句不正确，从而导致问答模型不能正确的确定与阳性描述句对应的最终结论的情况下，本技术方案将参考结论与候选结论比对，根据与候选结论不匹配的参考结论（即，待验证结论），在医学影像知识图谱中进行回溯，从而将有连接关系的关键词组成新的阳性描述句，作为问答模型原来未能识别到的阳性描述句，实现了对大型语言模型识别到的不正确的阳性描述句进行实时分割，从而纠正了不正确的阳性描述句，提高了阳性描述句的正确率。

并且，本技术方案通过将新的阳性描述句再次输入问答模型，从而验证问答模型是否可以根据新分割的正确的阳性描述句，输出与待验证结论相同的候选结论，进而验证了问答模型输出结果的正确性，并为最终结论确定了正确的答案。从而提高了最终结论的准确率。进而解决了现有技术中存在的由于大型语言模型识别的阳性描述句不准确，从而问答模型也不能准确地对阳性描述句进行准确的识别，造成的最终结论准确率低的技术问题。

实施例3

图7示出了根据本实施例所述的用于确定疾病结论的装置700，该装置700与根据实施例1的第一个方面所述的方法相对应。参考图7所示，该装置700包括：处理器710；以及存储器720，与处理器710连接，用于为处理器710提供处理以下处理步骤的指令：通过问答模型根据第一阳性描述句确定第一候选结论，其中第一阳性描述句用于描述病变部位的征象，第一候选结论用于指示根据第一阳性描述句推测的疾病结论；通过医学影像知识图谱根据第一阳性描述句确定参考结论，其中参考结论用于指示根据第一阳性描述句匹配的参考疾病结论；将第一候选结论与参考结论进行比较，确定第一候选结论和参考结论之间的匹配关系，并获取与第一候选结论不匹配的参考结论作为待验证结论；根据待验证结论在医学影像知识图谱进行回溯，利用与待验证结论对应的医学影像知识图谱中的关键词，生成第二阳性描述句；确定问答模型根据第二阳性描述句确定的第二候选结论与待验证结论之间的匹配关系；以及根据匹配关系确定最终结论，其中最终结论用于指示最终确定的疾病结论。

可选地，获取与第一候选结论不匹配的参考结论作为待验证结论的操作，包括：计算第一候选结论和参考结论之间的第一相似度值；以及若第一相似度值不等于预设阈值，将参考结论作为第一候选结论的待验证结论。

可选地，存储器720还用于为处理器710提供处理以下处理步骤的指令：若第一相似度值等于预设阈值，将参考结论作为第一候选结论的匹配项；以及将匹配项作为最终结论。

可选地，确定问答模型根据第二阳性描述句确定的第二候选结论与待验证结论之间的匹配关系的操作，包括：通过问答模型根据第二阳性描述句确定第二候选结论；以及计算第二候选结论与待验证结论之间的第二相似度值，以根据第二相似度值确定第二候选结论与待验证结论之间的匹配关系。

可选地，根据匹配关系确定最终结论的操作，包括：若第二相似度值等于预设阈值，则判定第二候选结论与待验证结论相匹配，从而将第二候选结论作为最终结论；以及若第二相似度值不等于预设阈值，则判定第二候选结论与待验证结论不匹配，从而舍弃第二候选结论。

可选地，存储器720还用于为处理器710提供处理以下处理步骤的指令：根据第一阳性描述句以及参考结论对问答模型进行优化。

从而根据本实施例，服务器通过问答模型确定与阳性描述句对应的候选结论，同时通过医学影像知识图谱确定与阳性描述句对应的参考结论，从而以参考结论为标准答案，判断候选结论是否正确。从而本技术方案通过问答模型和医学影像知识图谱两种方式，双重确定与阳性描述句对应的结论，从而提高了最终结论的正确性和可靠性。

并且，在阳性描述句不正确，从而导致问答模型不能正确的确定与阳性描述句对应的最终结论的情况下，本技术方案将参考结论与候选结论比对，根据与候选结论不匹配的参考结论（即，待验证结论），在医学影像知识图谱中进行回溯，从而将有连接关系的关键词组成新的阳性描述句，作为问答模型原来未能识别到的阳性描述句，实现了对大型语言模型识别到的不正确的阳性描述句进行实时分割，从而纠正了不正确的阳性描述句，提高了阳性描述句的正确率。

并且，本技术方案通过将新的阳性描述句再次输入问答模型，从而验证问答模型是否可以根据新分割的正确的阳性描述句，输出与待验证结论相同的候选结论，进而验证了问答模型输出结果的正确性，并为最终结论确定了正确的答案。从而提高了最终结论的准确率。进而解决了现有技术中存在的由于大型语言模型识别的阳性描述句不准确，从而问答模型也不能准确地对阳性描述句进行准确的识别，造成的最终结论准确率低的技术问题。

上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。

在本发明的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。

在本申请所提供的几个实施例中，应该理解到，所揭露的技术内容，可通过其它的方式实现。其中，以上所描述的装置实施例仅仅是示意性的，例如所述单元的划分，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，单元或模块的间接耦合或通信连接，可以是电性或其它的形式。

所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，在本发明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。

所述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，本发明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，包括若干指令用以使得一台计算机设备（可为个人计算机、服务器或者网络设备等）执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、只读存储器（ROM，Read-Only Memory）、随机存取存储器（RAM，Random Access Memory）、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (10)

1.一种用于确定疾病结论的方法，其特征在于，包括：

通过问答模型根据第一阳性描述句确定第一候选结论，其中所述第一阳性描述句用于描述病变部位的征象，所述第一候选结论用于指示根据所述第一阳性描述句推测的疾病结论；

通过医学影像知识图谱根据所述第一阳性描述句确定参考结论，其中所述参考结论用于指示根据所述第一阳性描述句匹配的参考疾病结论；

将所述第一候选结论与所述参考结论进行比较，确定所述第一候选结论和所述参考结论之间的匹配关系，并获取与所述第一候选结论不匹配的参考结论作为待验证结论；

根据所述待验证结论在所述医学影像知识图谱进行回溯，利用与所述待验证结论对应的所述医学影像知识图谱中的关键词，生成第二阳性描述句；

确定所述问答模型根据所述第二阳性描述句确定的第二候选结论与所述待验证结论之间的匹配关系；以及

根据所述匹配关系确定最终结论，其中所述最终结论用于指示最终确定的疾病结论。

2.根据权利要求1所述的方法，其特征在于，获取与所述第一候选结论不匹配的参考结论作为待验证结论的操作，包括：

计算所述第一候选结论和所述参考结论之间的第一相似度值；以及

若所述第一相似度值不等于预设阈值，将所述参考结论作为所述第一候选结论的待验证结论。

3.根据权利要求2所述的方法，其特征在于，还包括：

若所述第一相似度值等于所述预设阈值，将所述参考结论作为所述第一候选结论的匹配项；以及

将所述匹配项作为最终结论。

4.根据权利要求1所述的方法，其特征在于，确定所述问答模型根据所述第二阳性描述句确定的第二候选结论与所述待验证结论之间的匹配关系的操作，包括：

通过所述问答模型根据所述第二阳性描述句确定第二候选结论；以及

计算所述第二候选结论与所述待验证结论之间的第二相似度值，以根据所述第二相似度值确定所述第二候选结论与所述待验证结论之间的匹配关系。

5.根据权利要求4所述的方法，其特征在于，根据所述匹配关系确定最终结论的操作，包括：

若所述第二相似度值等于预设阈值，则判定所述第二候选结论与所述待验证结论相匹配，从而将所述第二候选结论作为最终结论；以及

若所述第二相似度值不等于所述预设阈值，则判定所述第二候选结论与所述待验证结论不匹配，从而舍弃所述第二候选结论。

6.根据权利要求1所述的方法，其特征在于，还包括：

根据所述第一阳性描述句以及所述参考结论对所述问答模型进行优化。

7.一种存储介质，其特征在于，所述存储介质包括存储的程序，其中，在所述程序运行时由处理器执行权利要求1至6中任意一项所述的方法。

8.一种用于确定疾病结论的装置，其特征在于，包括：

第一确定模块，用于通过问答模型根据第一阳性描述句确定第一候选结论，其中所述第一阳性描述句用于描述病变部位的征象，所述第一候选结论用于指示根据所述第一阳性描述句推测的疾病结论；

第二确定模块，用于通过医学影像知识图谱根据所述第一阳性描述句确定参考结论，其中所述参考结论用于指示根据所述第一阳性描述句匹配的参考疾病结论；

结论获取模块，用于将所述第一候选结论与所述参考结论进行比较，确定所述第一候选结论和所述参考结论之间的匹配关系，并获取与所述第一候选结论不匹配的参考结论作为待验证结论；

描述句生成模块，用于根据所述待验证结论在所述医学影像知识图谱进行回溯，利用与所述待验证结论对应的所述医学影像知识图谱中的关键词，生成第二阳性描述句；

第三确定模块，用于确定所述问答模型根据所述第二阳性描述句确定的第二候选结论与所述待验证结论之间的匹配关系；以及

第四确定模块，用于根据所述匹配关系确定最终结论，其中所述最终结论用于指示最终确定的疾病结论。

9.根据权利要求8所述的装置，其特征在于，结论获取模块，包括：

相似度值计算子模块，用于计算所述第一候选结论和所述参考结论之间的第一相似度值；以及

结论确定子模块，用于若所述第一相似度值不等于预设阈值，将所述参考结论作为所述第一候选结论的待验证结论。

10.一种用于确定疾病结论的装置，其特征在于，包括：

处理器；以及

存储器，与所述处理器连接，用于为所述处理器提供处理以下处理步骤的指令：

通过问答模型根据第一阳性描述句确定第一候选结论，其中所述第一阳性描述句用于描述病变部位的征象，所述第一候选结论用于指示根据所述第一阳性描述句推测的疾病结论；

通过医学影像知识图谱根据所述第一阳性描述句确定参考结论，其中所述参考结论用于指示根据所述第一阳性描述句匹配的参考疾病结论；

将所述第一候选结论与所述参考结论进行比较，确定所述第一候选结论和所述参考结论之间的匹配关系，并获取与所述第一候选结论不匹配的参考结论作为待验证结论；

根据所述待验证结论在所述医学影像知识图谱进行回溯，利用与所述待验证结论对应的所述医学影像知识图谱中的关键词，生成第二阳性描述句；

确定所述问答模型根据所述第二阳性描述句确定的第二候选结论与所述待验证结论之间的匹配关系；以及

根据所述匹配关系确定最终结论，其中所述最终结论用于指示最终确定的疾病结论。