[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

说明书

本申请揭示了一种基于分类模型的医疗信息分类方法、装置、计算机设备和存储介质，所述方法包括：获取指定对象的指定医疗信息；将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，得到第一预测疾病；将所述第一预测疾病输入所述选择连接层中，获取选择连接层选中的指定第二疾病预测架构；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，从而得到第二预测疾病；将指定医疗信息、第一预测疾病和第二预测疾病，映射为疾病分类向量；计算标准分类向量与所述疾病分类向量的距离值；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。从而提高了分类的准确性。

技术领域

本申请涉及到计算机领域，特别是涉及到一种基于分类模型的医疗信息分类方法、装置、计算机设备和存储介质。

背景技术

医疗信息的分类有利于医疗分析领域以及相关联领域等。目前的医疗信息分类，只着重于当前时间的数据，少多对医疗信息进行预测后再进行分类的技术方案。而仅以当前时间的数据作为分类标准，其数据利用率低，因为其分类粗糙，无法实现准确分类。因此当需要调用时(例如当医疗资源分配时需要调用医疗数据)，由于分类不准确的原因，容易造成数据调取出现偏颇，对最终的结果带来不利的影响。因此传统技术的医疗信息的分类方案的准确性需要提高。

发明内容

本申请的主要目的为提供一种基于分类模型的医疗信息分类方法、装置、计算机设备和存储介质，旨在提高分类的准确性。

为了实现上述发明目的，本申请提出一种基于分类模型的医疗信息分类方法，包括以下步骤：

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。

进一步地，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；