[发明专利]诊疗辅助信息的生成方法、模型训练方法、装置、设备以及存储介质有效

专利信息
申请号: 202110679573.1 申请日: 2021-06-18
公开(公告)号: CN113345577B 公开(公告)日: 2022-12-20
发明(设计)人: 郑宇宏;李陶 申请(专利权)人: 北京百度网讯科技有限公司
主分类号: G16H50/20 分类号: G16H50/20;G06F16/33;G06F16/35;G06K9/62
代理公司: 北京英赛嘉华知识产权代理有限责任公司 11204 代理人: 王达佐;马晓亚
地址: 100085 北京市*** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 诊疗 辅助 信息 生成 方法 模型 训练 装置 设备 以及 存储 介质
【权利要求书】:

1.一种诊疗辅助信息的生成方法,所述方法包括:

获取待分析的病历数据;其中,所述病历数据包括患者个人信息、病程记录、检查检验结果、医嘱、手术记录以及护理记录;

基于所述病历数据,确定候选病历集合;

将所述病历数据和所述候选病历集合输入预先训练的病历判别模型,得到目标病历集合,其中,所述目标病历集合为所述候选病历集合的子集;

根据所述目标病历集合生成诊疗辅助信息;

得到所述病历判别模型的过程包括:获取病历样本集;对所述病历样本集中的所有病历样本进行分组,得到多个样本组;分别对每个样本组下的全部病历样本执行聚类操作,得到多个病历类簇;将所述病历类簇作为训练样本进行模型训练,得到病历判别模型;

所述聚类操作包括:对每个病历样本分别进行特征提取,得到多个特征项;将每个病历样本对应的全部特征项进行合并,得到与所述病历样本一一对应的样本特征;将每两个病历样本的样本特征作为一个待识别样本,输入预训练语义表示模型,完成聚类。

2.根据权利要求1所述的方法,其中,所述根据所述目标病历集合生成诊疗辅助信息包括:

对所述目标病历集合进行统计分析,得到分析结果;

根据所述分析结果生成基于临床路径的辅助信息。

3.根据权利要求2所述的方法,其中,所述根据所述目标病历集合生成诊疗辅助信息还包括:

根据所述分析结果生成诊疗费用警示信息。

4.根据权利要求1-3任一项所述的方法,其中,所述基于所述病历数据,确定候选病历集合包括:

提取所述病历数据中的关键信息;

基于所述关键信息从病历库中获取至少一个候选病历,作为所述候选病历集合。

5.根据权利要求4所述的方法,其中,所述关键信息包括以下至少一项:

诊断结论、科室信息和手术信息。

6.根据权利要求1所述的方法,所述获取病历样本集包括:

对病历库中的所有病历进行归一化处理,得到初始病历集;

对所述初始病历集中的各病历进行形式和/或内容识别,得到识别结果;

基于所述识别结果对初始病历集进行筛选,得到所述病历样本集。

7.一种诊疗辅助信息的生成装置,所述装置包括:

获取模块,被配置为获取待分析的病历数据;其中,所述病历数据包括患者个人信息、病程记录、检查检验结果、医嘱、手术记录以及护理记录;

确定模块,被配置为基于所述病历数据,确定候选病历集合;

判别模块,被配置为将所述病历数据和所述候选病历集合输入预先训练的病历判别模型,得到目标病历集合,其中,所述目标病历集合为所述候选病历集合的子集;

生成模块,被配置为根据所述目标病历集合生成诊疗辅助信息;

模型训练模块,被配置为获取病历样本集;对所述病历样本集中的所有病历样本进行分组,得到多个样本组;分别对每个样本组下的全部病历样本执行聚类操作,得到多个病历类簇;将所述病历类簇作为训练样本进行模型训练,得到病历判别模型;所述聚类操作包括:对每个病历样本分别进行特征提取,得到多个特征项;将每个病历样本对应的全部特征项进行合并,得到与所述病历样本一一对应的样本特征;将每两个病历样本的样本特征作为一个待识别样本,输入预训练语义表示模型,完成聚类。

8.根据权利要求7所述的装置,其中,所述生成模块包括:

分析单元,被配置为对所述目标病历集合进行统计分析,得到分析结果;

第一生成单元,被配置为根据所述分析结果生成基于临床路径的辅助信息。

9.根据权利要求8所述的装置,其中,所述生成模块还包括:

第二生成单元,被配置为根据所述分析结果生成诊疗费用警示信息。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京百度网讯科技有限公司,未经北京百度网讯科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202110679573.1/1.html,转载请声明来源钻瓜专利网。

同类专利
专利分类
×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top