[发明专利]基于模型的数据处理方法、装置、计算机设备和存储介质

说明书

本申请涉及人工智能领域，提供一种基于模型的数据处理方法、装置、计算机设备和存储介质，方法包括：获取与目标用户对应的多模态医疗数据；将多模态医疗数据输入至预设的预测模型；通过预测模型对多模态医疗数据进行关于类别信息分类的预测处理，并输出相应的类别预测列表；从类别预测列表中筛选出目标类别信息；将目标类别信息作为与目标用户对应的目标类别预测结果。本申请实现了对原始输入的多模态数据的充分利用，有效克服了现有技由于对非结构化数据的数据转换带来的信息损失的缺陷，保证了生成的目标类别预测结果的精度，提高了生成目标类别预测的处理效率。本申请还可以应用于区块链领域，上述目标类别信息等数据可以存储于区块链上。

技术领域

本申请涉及人工智能技术领域，具体涉及一种基于模型的数据处理方法、装置、计算机设备和存储介质。

背景技术

诊断决策支持系统(Diagnostic Decision Support System，DDSS)是一种用来帮助医生提高诊断决策能力，防止临床误诊的辅助诊断系统，其核心是利用人工智能技术进行诊断推理。通常情况下，现有的诊断决策支持系统的输入一般都是结构化数据，医生将获取到的患者的结构化数据输入到DDSS中，DDSS则会输出该与该患者相对应的疑似疾病列表，以提供诊断决策支持。然而，目前获取到的患者数据一般都是以多模态数据的形式呈现，即同时包含结构化形式和非结构化形式的数据。如果需要使用DDSS对多模态数据形式的患者数据中包含的非结构化数据进行诊断推理，则需要应用自然语言处理技术从患者数据中包含的非结构化数据中提取重要的信息，然后将这些重要的信息转换为结构化数据，之后再将所有的结构化数据输入至DDSS内进行诊断处理以生成相应的疾病诊断结果。应用上述的疾病诊断方法虽然能够生成患者相对应的疾病诊断结果，但使用将非结构化数据转换为结构化数据的方式存在不可避免的信息损失，进而会使得生成的疾病诊断结果的精度较低以及生成的疾病诊断结果的效率较低。

发明内容

本申请的主要目的为提供一种基于模型的数据处理方法、装置、计算机设备和存储介质，旨在解决应用现有的疾病诊断方法虽然能够生成患者相对应的疾病诊断结果，但使用将非结构化数据转换为结构化数据的方式存在不可避免的信息损失，进而会使得生成的疾病诊断结果的精度较低以及生成的疾病诊断结果的效率较低的技术问题。

本申请提出一种基于模型的数据处理方法，所述方法包括步骤：

获取与目标用户对应的多模态医疗数据，其中，所述多模态医疗数据包括结构化医疗数据与非结构化医疗数据；

将所述多模态医疗数据输入至预设的预测模型，其中，所述预测模型为基于预先采集的样本数据对预设的深度学习模型进行训练后生成，所述深度学习模型包括词嵌入层、值嵌入层、类型嵌入层、输入嵌入层、中间层与分类层；

通过所述预测模型对所述多模态医疗数据进行关于类别信息分类的预测处理，并输出相应的类别预测列表，其中，所述类别预测列表内包含疑似类别信息，以及与所述疑似类别信息对应的预测概率；

从所述类别预测列表中筛选出目标类别信息；

将所述目标类别信息作为与所述目标用户对应的目标类别预测结果。

可选地，所述将所述多模态医疗数据输入至预设的预测模型的步骤之前，包括：

获取预先采集的所述样本数据，其中，所述样本数据包括用户基本医疗信息与用户类别标签信息，所述用户基本医疗信息包括结构化数据与非结构化数据；

通过所述深度学习模型的值嵌入层与类型嵌入层对所述结构化数据进行处理，以及通过所述深度学习模型的词嵌入层、值嵌入层与类型嵌入层对所述非结构化数据进行处理，生成与所述用户基本医疗信息对应的用户基本医疗信息向量数据，并将所述用户基本医疗信息向量数据输入至所述深度学习模型的输入嵌入层；