[发明专利]病历检测方法、装置、设备和存储介质

权利要求书

1.一种病历检测方法，其特征在于，所述方法包括：

获取多个待处理的病人信息以及每个所述病人信息对应的病历标签，所述病历标签至少包括正常、漏诊、漏检和处方违规；

将多个所述病人信息输入至规范化模型，通过规范化模型将多个所述病人信息输出成数据库存储的标准病人信息；

通过将键Key、询问Query以及值Value作为输入，注意力值Attention Value作为输出训练神经网络模型，以得到训练好的神经网络模型，所述Key为药物信息以及个人基本信息，所述Query为所述标准病人信息，Value为所述病人信息；所述Attention Value为当前病历对应的病历标签；

当接收到终端发送的病例查询请求时，获取与所述病历查询请求对应的目标病人信息；

将所述目标病人信息输入至所述训练好的神经网络模型，以通过所述训练好的神经网络模型根据所述目标病人信息输出目标病历标签；

将所述目标病历标签发送给所述终端。

2.根据权利要求1所述的方法，其特征在于，所述通过将Key、Query以及Value作为输入，AttentionValue作为输出训练神经网络模型，以得到训练好的神经网络模型，包括：

通过匹配所述Query以及所述key的相关性；

将计算的Similarity(Query,key)输入至所述神经网络模型，获得所述神经网络模型输出结果；

通过对所述神经网络模型的输出最归一化处理，所述Sim_i是指神所述神经网络模型的输出结果，a_i通过为归一化结果；

通过将所述归一化结果以及所述Value输入至以得到输入的所述病人信息是否存在异常。

3.根据权利要求1或2中任一项所述的方法，其特征在于，所述神经网络模型是指多层神经MLP网络，所述MLP网络的通过:

训练，其中，代表根据所述MLP网络的多层感知器中第n-1层的输出，训练所述MLP网络的多层感知器中第n层中第k个神经元得到的权值，表示相应的偏置，f_iⁿ表示第i个所述标准病人信息输入至所述MLP网络的第n层的输出，i、j以及k为任意正整数，n为自然数。

4.根据权利要求1所述的方法，其特征在于，所述向客户端发送指示消息之后，所述方法还包括：

在提示用户编写病人信息时，显示各个编写要求的图框，在相应图框被触发时，触发客户端开启接受相应的用户输入；

在收到服务端的所述指示消息后，指示所述客户端提示用户输入病人信息；

在编写完病人信息时，通过所述客户端对所述病人信息预处理，所述预处理是指对提取所述待处理的病人信息，得到病人基本信息、病历信息、检验信息、检查信息和处方信息；

对完成预处理的病人信息通过客户端判断是否符合输入的预设规则，如不符合预设规则，指示所述客户端提示用户重新输入；

若符合预设规则，则对用户输入的病人信息保存至数据库。

5.根据权利要求2所述的方法，其特征在于，所述计算所述客户端发送的病人信息是否存在异常，所述方法还包括：

将所述数据库存储的标准病人信息标注为正常病人信息以及异常病人信息；

通过F1＝2(P*R)/(P+R)计算所述神经网络模型的得分，所述P是指预测正确的正常病人信息标签的数量与所有被预测正常病人标签数量的比值，所述R是指预测正确的异常病人信息标签的数量与所有被预测异常病人标签数量的比值。

6.根据权利要求1所述的方法，其特征在于，所述将多个所述病人信息输入至规范化模型之前，所述方法还包括：

为每一个所述待处理的病人信息生成唯一的标识ID号

根据病人信息的应用程序编程接口API参数构造超文本传输协议HTTP请求；

通过所述HTTP请求以及LTP技术对结构化的病人信息提取中文分词；

匹配数据库中收录的词汇，将匹配度低于阈值的词汇删除以及高于阈值的词汇保存至所述标准病人信息。