[发明专利]一种医学数据的处理方法、系统及其存储介质

说明书

本公开涉及医学数据的处理方法、医学数据的处理装置及计算机可读存储介质，处理方法包括获取第一医学数据，所述第一医学数据包含M个原始医学信息，M≥2；基于深度学习训练的分句模型，从M个原始医学信息中解析出N个第一医学信息；根据所述第一医学信息与标准医学信息的匹配结果，得到第二医学数据；解析所述第二医学数据，通过归一化处理得到目标医学数据。处理装置包括获取单元；深度学习训练的分句模型；匹配模块；处理模块。通过本公开的各实施例能够准确地实现医学数据的归一化表达。

技术领域

本公开涉及医学数据智能处理技术领域，具体涉及一种医学数据的处理方法、医学数据的处理系统及计算机可读存储介质。

背景技术

目前，在书写病历的时候针对的医学数据以及医学信息，涉及非常多的细节，例如针对手术病历，手术细节内容非常繁杂。此外，加上一些习惯或规范的差异，不同医院的不同医生对同一个手术的描述多种多样，根据患者病灶部位的不同，一个标准手术名称可能有多种情况。因此，需要考虑将同一概念的医学数据的不同表达进行统一化处理。

发明内容

本公开意图提供一种医学数据的处理方法、医学数据的处理系统及计算机可读存储介质，能够准确地实现医学数据的归一化表达。

根据本公开的方案之一，提供一种医学数据的处理方法，包括：

S₁:获取第一医学数据，所述第一医学数据包含M个原始医学信息，M≥2；

S₂:基于深度学习训练的分句模型，从M个原始医学信息中解析出N个第一医学信息；

S₃:根据所述第一医学信息与标准医学信息的匹配结果，得到第二医学数据；

S_4:解析所述第二医学数据，通过归一化处理得到目标医学数据。

在一些实施例中，所述S₂中深度学习训练的分句模型的构建方式，包括：

S₂₁：批次提取医学数据；

S₂₂：对所述医学数据分别进行分句，得到包含原始文本和分句后文本的二元组；

S₂₃：迭代训练模型。

在一些实施例中，所述S₂₂中对所述医学数据进行分句，包括：

根据医学数据所包含的特定标识进行分句。

在一些实施例中，所述S₂₂中对所述医学数据进行分句，还包括：

S₂₂₁：解析医学数据包含的医学信息；

S₂₂₂：根据医学信息的语义，确定出存在关联关系的医学信息；

S₂₂₃：基于存在关联关系的医学信息，确定分句对象。

在一些实施例中，所述S₃中包括下列步骤：

S₃₁：将每个第一医学信息与每个标准医学信息两两组合；

S₃₂：分别计算匹配度；

S₃₃：将匹配度满足预设条件的组合用于构建所述第二医学数据。在一些实施例中，通过神经网络分类模型实现S₄中的下列步骤：

S₄₁：解析所述第二医学数据包含的每一组第一医学信息与标准医学信息；