[发明专利]身体病况文本的分类方法、装置及设备

说明书

本发明实施例提供的身体病况文本的分类方法、装置及设备，该方法包括：获取身体病况文本；对身体病况文本进行分词处理，得到分词结果，分词结果包括多个中文词和多个医疗实体词；将多个中文词和多个医疗实体词输入深度学习模型，得到深度学习模型的输出结果，所述输出结果用于指示各种症状类型的概率分布；根据所述输出结果，确定所述身体病况文本对应的症状类型。通过利用深度学习模型根据身体病况文本中的中文词和医疗实体词进行预测，得到各种症状类型的概率分布，进而确定身体病况文本对应的症状类型，一方面提高了身体病况文本分类结果的准确率，另一方面，不受规则表达的限制，无需医学专家整理规则，降低了时间成本和人力成本。

技术领域

本发明实施例涉及智能医疗技术领域，尤其涉及一种身体病况文本的分类方法、装置及设备。

背景技术

目前人工智能已经渗透到医疗行业。有些场景中，需要对身体病况文本进行分类，例如根据身体病况文本中描述的症状信息所属的症状类型，对身体病况文本进行分类。对身体病况文本进行分类一方面可用于病人进行初步自筛，另一方面也可用于基层医院的院内系统，辅助医疗人员进行症状类型预测和医学研究，从而缓解医疗资源紧缺的现状。

目前，在对身体病况文本进行分类时，主要采用基于规则的专家系统，以大量医学专家整理的预测规则为主，建立规则到症状类型的映射关系，当身体病况符合某一规则时，将该规则对应的症状类型作为身体病况文本对应的类别。

但是，由于预测规则很难穷举，症状类型的病况表现各不相同，即使同一症状类型的不同对象也可能呈现不同的病况，预测规则不可能覆盖每一种情况，使得身体病况文本分类的准确率较低。另一方面，预测规则的整理完全依赖于医学专家人工整理，人力成本非常高。

发明内容

本发明实施例提供一种身体病况文本的分类方法、装置及设备，用以提高身体病况文本分类结果的准确率，并降低人力成本。

第一方面，本发明实施例提供一种身体病况文本的分类方法，包括：

获取身体病况文本，所述身体病况文本用于描述症状信息；

对所述身体病况文本进行分词处理，得到分词结果，所述分词结果包括多个中文词和多个医疗实体词；

将所述多个中文词和所述多个医疗实体词输入深度学习模型，得到所述深度学习模型的输出结果，所述输出结果用于指示所述身体病况文本对应的各种症状类型的概率分布；

根据所述输出结果，确定所述身体病况文本对应的症状类型。

可选的，所述身体病况文本包括至少一个文本片段，所述对所述身体病况文本进行分词处理，得到分词结果，包括：

对各所述文本片段进行中文分词，得到各所述文本片段对应的多个中文词；

对所述身体病况文本进行自然语言理解，得到所述身体病况文本对应的多个医疗实体词。

可选的，所述将所述多个中文词和所述多个医疗实体词输入深度学习模型，得到所述深度学习模型的输出结果，包括：

根据各所述文本片段对应的多个中文词和符号映射表，得到各所述文本片段对应的第一符号序列，其中，所述符号映射表包括标准中文词和根据所述标准中文词的词频确定的符号；

根据所述身体病况文本对应的多个医疗实体词和医疗实体词典，得到所述身体病况文本对应的第二符号序列，其中，所述医疗实体词典包括根据词频确定标准医疗实体词；

将所述第一符号序列和所述第二符号序列输入至所述深度学习模型，得到输出结果。

可选的，所述深度学习模型包括至少一个卷积层和一个全连接层，所述将所述第一符号序列和所述第二符号序列输入至所述深度学习模型，得到输出结果，包括：