[发明专利]一种导诊方法

说明书

本发明公开了一种导诊方法，涉及医疗信息技术领域。该方法包括以下步骤：S1、采集数据以建立语料库；S2、使用向量工具，将语料库中的文本信息转换为数值向量信息；S3、将数值向量信息输入至LSTM模型，并以所述LSTM模型的网络结构为框架，建立命名实体识别模型并对其进行训练；S4、输入病人信息并转换为相应的数值向量信息，在所述命名实体识别模型中对所述病人信息进行序列标注，将所述病人信息所对应的数据向量信息进行整句识别并标注；S5、根据标注结果，输出对应的导诊方案。本发明技术方案通过建立丰富的语料库，在标注大量语料库中各句子信息的基础上，得到当前的病人信息的准确性，并以此为基础输出导诊方案，以实现病人的医疗个性化推荐服务。

技术领域

本发明涉及医疗信息技术领域，特别是涉及一种导诊方法。

背景技术

在目前的医疗信息领域中，各项医疗标准正在规范化、结构化、有序化，随着互联网和通信技术的飞速发展，越来越多的服务或者行业均与互联网结合，为用户提供更加便利的服务。

在医院的标准治疗过程中，导诊分流是一项非常重要的前置工作。良好的导诊能够极大的提高后续的医疗流程的效率，使患者能够得到更好的服务。尤其是在一些具有门诊量大、工作负荷高的特点的专科中，导诊对有效提升医疗资源的运行效率具有重大意义。

但现有的导诊方法多采用人工或者半自动的导诊。在使用人工导诊时，效率较低，而且对于导诊员的工作压力极大。而半自动的导诊系统无法准确的提供导诊结果，导诊内容较为粗糙，疾病分类不够完善、无法对患者起到有效的指导作用。

发明内容

本发明的主要目的在于提供一种导诊方法，旨在为患者提供医疗个性化推荐服务。

为实现上述目的，本发明提供一种导诊方法，包括以下步骤：

S1、语料库构建：采集数据以建立语料库；

S2、文本信息向量化：使用向量工具，将所述语料库中的文本信息转换为数值向量信息；

S3、命名实体识别建模训练：将所述数值向量信息输入至LSTM模型，并以所述LSTM模型的网络结构为框架，建立命名实体识别模型并对其进行训练；

S4、命名实体识别结果序列标注：输入病人信息并转换为相应的数值向量信息，在所述命名实体识别模型中对所述病人信息进行序列标注，将所述病人信息所对应的数据向量信息进行整句识别并标注；

S5、命名实体识别结果应用：根据标注结果，输出对应的导诊方案。

优选地，所述步骤S1还包括：根据标注规范，对采集的数据分别按照四种实体类型、九种实体关系分类型进行定义以建立语料库，并对采集的数据去隐私信息处理。

优选地，所述四种实体类型分别为疾病信息、症状信息、检查信息和治疗信息；所述九种关系分别为检查发现疾病信息、因病症而检查信息、检查发现病症信息、治疗改善疾病)信息、治疗后疾病没有提及信息、治疗改善疾病信息、治疗后症状没有提及信息、疾病导致病症信息和症状表明疾病信息。

优选地，所述步骤S2还包括：所述向量工具为Word2vec，通过Word2vec将文本信息转换为计算机可识别的数值向量信息。

优选地，所述步骤S3还包括：所述命名实体识别模型为双向长短时记忆网络模型，所述双向长短时记忆网络模型分别保存病人信息由顺序运行和逆序运行两个方向的句子信息，以保存该句子的上下文信息，并在输出导诊方案时预测句子的上下文信息。

优选地，将所述数值向量信息和所述双向长短时记忆网络模型的隐藏层结果通过向量拼接的方式进行组合，以提取文本信息的句子特征。