[发明专利]一种病历分析方法、设备及计算机可读存储介质

说明书

本发明公开了一种病历分析方法、设备及计算机可读存储介质，该病历分析方法包括：获取临床表现相对于疾病类型的初始似然比；获取临床表现相对于疾病类型的权威似然比；结合初始似然比和权威似然比，确定临床表现相对于疾病类型的最终似然比；获取待诊断疾病的病历信息；利用最终似然比和病历信息获取临床表现和待诊断疾病的相关性，得到待诊断疾病的分析结果。通过上述方式，本发明能够提高病历分析结果的准确性。

技术领域

本发明涉及智能医疗技术领域，特别是涉及一种病历分析方法、设备及计算机可读存储介质。

背景技术

近年来，由于我国《关于促进和规范健康医疗大数据应用发展的指导意见》等医疗健康大数据相关政策的支持以及人工智能技术在医疗领域的普及，人工智能辅助诊疗已经成为辅助决策系统中的重要一环，帮助多家医疗机构、数亿医生提高临床操作效率，减少患者痛苦。

现有技术中，基于逻辑和统计的方法，对医学指南中的知识进行提取，自动生成规则诊断条件，进行诊断推理。此类方法对形成的规则条件依赖性大，往往机器提取完之后也需要人工进行检查，存在耗时耗力，召回率低的问题，通过大量的已标注数据进行序列学习，简单学习病历浅层语义信息来进行诊断推理。此类方法但仍然存在对患者病历中的关键信息的特征捕获不到位，推理准确度低的问题。

发明内容

本发明主要解决的技术问题是提供一种病历分析方法、设备及计算机可读存储介质，能够提高病历分析的准确性。

为解决上述技术问题，本发明采用的一个技术方案是：提供一种病历分析方法，该病历分析方法包括：获取临床表现相对于疾病类型的初始似然比；获取临床表现相对于疾病类型的权威似然比；结合初始似然比和权威似然比，确定临床表现相对于疾病类型的最终似然比；获取待诊断疾病的病历信息；利用最终似然比和病历信息获取临床表现和待诊断疾病的相关性，得到待诊断疾病的分析结果。

其中，结合初始似然比和权威似然比，确定最终似然比包括：计算初始似然比和权威似然比的平均值，得到最终似然比。

其中，获取临床表现的权威似然比包括：获取各临床表现的重要度等级；为不同的重要度等级设定不同的似然比作为权威似然比，重要度等级越高对应的权威似然比越大。

其中，计算初始似然比和权威似然比的平均值之后包括：将各平均值做归一化处理。

其中，利用最终似然比和病历信息获取临床表现和待诊断疾病的相关性，得到待诊断疾病的分析结果包括：获取临床表现和最终似然比的知识图谱，知识图谱的各节点包括诊断类型和临床表现；对知识图谱进行编码，得到知识图谱编码矩阵；对病历信息进行编码，得到病历信息编码矩阵；计算知识图谱编码矩阵和病历信息编码矩阵的相关性矩阵；利用相关性矩阵计算知识图谱中的诊断类型的概率，将概率值最高的诊断类型作为分析结果。

其中，病历信息包括病历文本和临床表现关系图，对病历信息进行编码，得到病历信息编码矩阵包括：提取病历信息中的临床表现信息，并获取临床表现信息的临床表现关系图；对病历文本进行编码，得到病历文本编码矩阵；对临床表现关系图进行编码，得到临床表现关系图编码矩阵；病历信息编码矩阵包括病历文本编码矩阵和临床表现关系图编码矩阵。

其中，计算知识图谱编码矩阵和病历信息编码矩阵的相关性矩阵包括：计算知识图谱编码矩阵和病历文本编码矩阵的第一相关性矩阵；计算知识图谱编码矩阵和临床表现关系图编码矩阵的第二相关性矩阵；融合第一相关性矩阵和第二相关性矩阵，得到相关性矩阵。

其中，对知识图谱进行编码包括：

获取知识图谱的图谱矩阵，图谱矩阵包括邻接矩阵、度矩阵和似然比矩阵；

利用图卷积神经网络对图谱矩阵进行编码。

其中，利用相关性矩阵计算知识图谱中的诊断类型的概率包括：提取相关性矩阵中包含诊断类型的诊断类型相关性矩阵；利用多分类模型和诊断类型相关性矩阵计算诊断类型的概率。