[发明专利]基于分类模型的医疗信息分类方法、装置和计算机设备

权利要求书

1.一种基于分类模型的医疗信息分类方法，其特征在于，包括：

获取指定对象的指定医疗信息，所述指定医疗信息至少包括指定对象的患病数据和关联患病数据，所述关联患病数据指关联对象的患症数据，所述关联对象指与所述指定对象存在血缘关系的对象；

将所述指定医疗信息输入预设的疾病分类模型中的第一疾病预测架构中，从而得到所述第一疾病预测架构输出的第一预测疾病，其中所述疾病分类模型由所述第一疾病预测架构、选择连接层和多个第二疾病预测架构顺序连接而成；

将所述第一预测疾病输入所述选择连接层中，从而根据预设的选择方法，获取所述选择连接层选中的指定第二疾病预测架构，其中所述指定第二疾病预测架构通过训练数据训练而成，所述训练数据仅由所述第一预测疾病、与所述第一预测疾病关联的医疗信息和与所述第一预测疾病关联的其他疾病所构成；

将所述第一预测疾病和所述指定医疗信息输入所述指定第二疾病预测架构中，从而得到所述指定第二疾病预测架构输出的第二预测疾病；

根据预测的分类向量映射方法，将所述指定医疗信息、所述第一预测疾病和所述第二预测疾病，映射为疾病分类向量；

调取预设的标准分类向量，并计算所述标准分类向量与所述疾病分类向量的距离值，并判断所述距离值是否小于预设的距离阈值，其中所述标准分类向量标注有所述第一预测疾病和所述第二预测疾病，所述标准分类向量被标注为指定类别；

若所述距离值小于预设的距离阈值，则将所述指定医疗信息分类为所述指定类别。

2.根据权利要求1所述的基于分类模型的医疗信息分类方法，其特征在于，所述第一疾病预测架构为长短期记忆架构，所述将所述指定医疗信息输入预设的疾病分类模型中的第一疾病预测架构中，从而得到所述第一疾病预测架构输出的第一预测疾病的步骤,包括：

根据预设的时间向量映射方法，将所述指定医疗信息映射为初始时间向量序列，所述初始时间向量序列至少包括由所述指定对象的患病数据映射而成的第一子序列，和由所述关联患病数据映射而成的第二子序列；所述指定医疗信息、指定对象的患病数据和关联患病数据涉及的总时间均被划分为n个时间段，从而所述初始时间向量序列、第一子序列和第二子序列的构成元素的数量均为n；

将所述初始时间向量序列输入所述第一疾病预测架构中，从而根据公式：

e_ij＝score(s_i,h_j)，h_j＝LSTM_enc(x_j,h_j-1)，

计算出预测时间向量，其中c_i为所述预测时间向量，a_ij为权重参数，s_i为所述第一疾病预测架构中的第i个隐藏状态向量，score(s_i,h_j)指采用预设的score函数根据s_i和h_j计算出的分数，h_j为第j个时间段的隐藏向量，h_j-1为第j-1个时间段的隐藏向量，X_j为所述初始时间向量序列中第j个构成元素，LSTM_enc指利用长短期记忆架构进行运算；

按照时间顺序，将所述预测时间向量组合成预测时间向量序列，并根据预设的向量解读方法，解读所述预测时间向量序列，从而得到不同时间段内的预测患病结果和对应的患病机率；

将所述患病机率高于预设机率阈值的预测患病结果记为第一预测疾病，并输出所述第一预测疾病。