[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

说明书

本发明公开了一种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；将所述诊断信息输入深度神经网络模型进行处理，得到所述待处理的病人的本次治疗方案的预测结果；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。本发明还公开了一种基于深度学习的治疗方案的生成装置以及计算机可读存储介质。本发明通过具有时间联结的前馈型深度神经网络生成病人的当次的治疗方案，并通过序列到序列模型预测病人未来的治疗方案，为病人提供递进的治疗方案参考建议从而达到更好地辅助治疗的目的。

技术领域

本发明涉及人工智能领域，尤其涉及一种基于深度学习的治疗方案的生成方法、基于深度学习的治疗方案的生成装置以及计算机可读存储介质。

背景技术

目前，在医院或医疗机构，每天都会产生大量电子病历文本，电子病历是一种专业性很强的医疗文本，是病人在医院诊断治疗全过程的原始记录，它包含有病人的病程记录、检查检验结果、医嘱、手术记录、护理记录等等信息。

近年来由于大数据及人工智能技术发展迅速，人们开始将机器学习相关技术运用到辅助诊断或治疗领域中，以智能生成及推荐对病人的治疗方法，帮助医生快速制定治疗方案。

但在现有的治疗方案智能生成的技术中，没有考虑到病人连续时间内诊断信息之间的联系，也只能预测病人当次就诊的治疗方案，无法对病人在整个治疗周期中的多次治疗方案进行全面的预测。

发明内容

本发明的主要目的在于提供一种基于深度学习的治疗方案的生成方法、基于深度学习的治疗方案的生成装置以及计算机可读存储介质，解决现有技术中无法对病人在整个治疗周期中的多次治疗方案进行全面的预测的技术问题。

为实现上述目的，本发明提供一种基于深度学习的治疗方案的生成方法，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；

将所述诊断信息输入深度神经网络模型进行处理，得到所述待处理的病人的本次治疗方案的预测结果；

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。

优选地，所述将所述诊断信息输入深度神经网络模型进行处理，得到所述待处理的病人的本次治疗方案的预测结果的步骤包括：

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；

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，获得所述隐向量对应的权重；

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。

优选地，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，获得所述隐向量对应的权重的步骤包括：

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。

优选地，所述诊断信息的等级信息包括：主要诊断、其他诊断、损伤诊断和其他诊断。

优选地，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。

优选地，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。