[发明专利]病历检测方法、装置、设备和存储介质

说明书

本申请涉及人工智能领域，提供了一种病历检测方法、装置、设备和存储介质，方法包括：获取多个待处理的病人信息以及每个病人信息对应的病历标签；将多个病人信息输入至规范化模型，通过规范化模型将多个病人信息输出成数据库存储的标准病人信息；通过将Key、Query以及Value作为输入，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；将目标病人信息输入至所述训练好的神经网络模型，以通过训练好的神经网络模型根据目标病人信息输出目标病历标签；将目标病历标签发送给终端。通过以上方法，判断病人中的病历是否存在误诊。

技术领域

本申请涉及智能决策领域，尤其涉及一种病历检测方法、装置、设备和存储介质。

背景技术

以人工智能为核心的电子病历质控手段已应用到医院系统中，目前业内基于人工智能的电子病历质控系统实现方式是使用NLP自然语言处理引擎识别电子病历中的基本信息、检验检查信息和处方信息，然后根据医学上的规范化的专业术语加以约束以提取里面的关键信息，将这些关键信息输入到神经网络来判断病历的规范性和正确性。这种质控方式过于泛化，只是停留在病历中语言规范上，并没有指出电子病历的具体违规情况，如针对病历信息中的诊断病种是否漏诊，针对检验检查是否漏检，针对处方信息是否违规。

发明内容

本申请提供了一种病历检测方法，解决电子病历中漏诊、漏检和处方违规三种所存在的风险。

第一方面，本申请提供一种病历检测方法，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Key、Query以及Value作为输入，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AttentionValue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。

在一些可能的设计中，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；

在一些可能的设计中，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。