[发明专利]医疗误诊检测方法、装置、电子设备及存储介质

说明书

本发明涉及人工智能，提供一种医疗误诊检测方法、装置、电子设备及存储介质，该方法能够从医疗误诊检测请求中获取主诉数据及待诊断疾病，确定待诊断用户，获取待诊断用户的现病史，抽取主诉数据及所述现病史中的实体，得到疾病实体，获取与疾病实体关联的目标实体，获取目标实体的权重，基于权重将目标实体转换为医学知识特征向量，处理主诉数据，得到文本特征向量，拼接医学知识特征向量及文本特征向量，得到目标向量，将目标向量输入至判别模型中，得到疾病列表，当待诊断疾病不存在于疾病列表中时，将医疗误诊检测请求的响应结果确定为误诊，能够提高误诊检测率及实时预警。此外，本发明还涉及区块链技术，所述响应结果可存储于区块链中。

技术领域

本发明涉及人工智能技术领域，尤其涉及一种医疗误诊检测方法、装置、电子设备及存储介质。

背景技术

由于我国人口基数巨大，导致医院的就诊量也很大，这就要求医生在极短时间内根据患者的主诉数据及相关经验做出诊断，由于全身诊断自身的难度及时间限制，导致医生的误诊率较高。为了降低误诊率，现有的误诊检测系统也应运而生。然而，现有的误诊检测系统往往是事后检测，达不到实时预警的效果。

发明内容

鉴于以上内容，有必要提供一种医疗误诊检测方法、装置、电子设备及存储介质，不仅能够提高误诊检测率，还能够达到实时预警的效果。

一种医疗误诊检测方法，所述医疗误诊检测方法包括：

当接收到医疗误诊检测请求时，从所述医疗误诊检测请求中获取主诉数据及待诊断疾病；

根据所述医疗误诊检测请求确定待诊断用户，并获取所述待诊断用户的现病史；

抽取所述主诉数据中的实体及所述现病史中的实体，得到疾病实体；

从预先构建的图神经网络中获取与所述疾病实体关联的目标实体，并获取所述目标实体的权重；

基于所述权重将所述目标实体转换为医学知识特征向量；

利用卷积神经网络对所述主诉数据进行处理，得到文本特征向量；

拼接所述医学知识特征向量及所述文本特征向量，得到目标向量；

将所述目标向量输入至判别模型中，得到疾病列表；

检测所述待诊断疾病是否存在于所述疾病列表中；

当所述待诊断疾病不存在于所述疾病列表中时，将所述医疗误诊检测请求的响应结果确定为误诊。

根据本发明优选实施例，所述根据所述医疗误诊检测请求确定待诊断用户，并获取所述待诊断用户的现病史包括：

从线程连接池中获取任意闲置线程；

利用所述任意闲置线程解析所述医疗误诊检测请求的方法体，得到所述医疗误诊检测请求携带的报文信息；

获取预设标签，并从所述报文信息中获取与所述预设标签对应的信息，作为身份识别码；

利用所述身份识别码确定所述待诊断用户，并从建档库中获取与所述待诊断用户对应的信息，作为所述现病史。

根据本发明优选实施例，所述抽取所述主诉数据中的实体及所述现病史中的实体，得到疾病实体包括：

对所述主诉数据进行分词处理，得到第一分词，并对所述现病史进行分词处理，得到第二分词；

遍历预先构建的词典，并将遍历到的第一分词确定为所述主诉数据中的实体，将遍历到的第二分词确定为所述现病史中的实体；

融合所述主诉数据中的实体及所述现病史中的实体，得到所述疾病实体。