[发明专利]基于深度学习的治疗方案的生成方法、装置及存储介质

权利要求书

1.一种基于深度学习的治疗方案的生成方法，其特征在于，所述基于深度学习的治疗方案的生成方法包括以下步骤：

获取待处理的病人的诊断信息，其中，在所述诊断信息中，只有一次诊断记录对应的诊断数据，所述诊断数据包括诊断的疾病名称和疾病相关病征；

将所述诊断信息输入深度神经网络模型进行处理，得到所述诊断信息对应的隐向量，其中，所述隐向量为所述诊断信息对应的特征表示；

将所述诊断信息对应的隐向量输入自注意力机制层进行处理，所述自注意力机制层根据所述诊断信息的等级信息学习到所述隐向量对应的权重，其中，所述诊断信息的等级信息包括：病症四级、病症三级、病症二级和病症一级，其中，所述病征四级对应为主要诊断的病征，所述病征三级对应为其他诊断的病征，所述病征二级为损伤类的病征，所述病征一级为其他常见的轻微病征；

根据所述隐向量和所述权重得到加权后的隐向量；

根据所述加权后的隐向量得到所述待处理的病人的本次治疗方案的预测结果，其中，所述预测结果为多标签概率向量，所述多标签概率向量的维数为预设的治疗方案的个数，所述治疗方案包括药物治疗、打针、输液、手术，一个标签对应一种治疗方案，一个标签概率为待处理的病人本次就诊获得的该种治疗方案的概率值，所述概率值反映该种治疗方案的可靠度或可采纳度；

将所述本次治疗方案的预测结果输入序列到序列模型进行处理，得到所述待处理的病人的未来治疗方案的预测结果；其中，

所述将所述本次治疗方案的预测结果输入序列到序列模型进行处理，得到所述待处理的病人的未来治疗方案的预测结果的步骤包括：

将所述本次治疗方案的预测结果输入序列到序列模型进行处理，得到所述待处理病人的下一次治疗方案的预测结果；

获取所述待处理病人的治疗方案的预测结果的个数是否达到预设数目；

若所述待处理病人的治疗方案的预测结果的个数未达到所述预设数目，将所述下一次治疗方案的预测结果作为所述本次治疗方案的预测结果，返回执行所述将所述本次治疗方案的预测结果输入序列到序列模型进行处理的步骤。

2.如权利要求1所述的基于深度学习的治疗方案的生成方法，其特征在于，所述深度神经网络模型包括多层的长短期记忆网络或者多层的门控递归单元网络，根据预设数量的病人的诊断信息和与所述病人的诊断信息对应的治疗方案对所述深度神经网络模型和所述序列到序列模型进行联合训练。

3.如权利要求2所述的基于深度学习的治疗方案的生成方法，其特征在于，所述预设数量的病人的诊断信息为入院次数不小于预设次数的病人的诊断信息。

4.如权利要求1至3任一项所述的基于深度学习的治疗方案的生成方法，其特征在于，所述获取待处理的病人的诊断信息的步骤之后还包括：

根据国际疾病编码标准获取所述病人的诊断信息对应的编码向量；

将所述病人的诊断信息对应的编码向量输入深度神经网络模型进行处理，得到所述待处理的病人的本次治疗方案的预测结果。

5.一种基于深度学习的治疗方案的生成装置，其特征在于，所述基于深度学习的治疗方案的生成装置包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的基于深度学习的治疗方案的生成程序，所述基于深度学习的治疗方案的生成程序被所述处理器执行时实现如权利要求1至4中任一项所述的基于深度学习的治疗方案的生成方法的步骤。

6.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有基于深度学习的治疗方案的生成程序，所述基于深度学习的治疗方案的生成程序被处理器执行时实现如权利要求1至4中任一项所述的基于深度学习的治疗方案的生成方法的步骤。