[发明专利]疾病部位识别方法、装置、电子设备及存储介质

权利要求书

1.一种疾病部位识别方法，其特征在于，所述方法包括：

获取原始病情文本；

通过预先训练的病情匹配模型对所述原始病情文本进行匹配处理，得到第一疾病部位；

通过预先训练的语义分析模型对所述原始病情文本进行语义分析处理，得到病情语义向量；

对所述病情语义向量进行识别处理，得到第二疾病部位；

根据所述第一疾病部位和所述第二疾病部位，得到目标疾病部位。

2.根据权利要求1所述的疾病部位识别方法，其特征在于，所述通过预先训练的病情匹配模型对所述原始病情文本进行匹配处理，得到第一疾病部位的步骤，包括：

通过所述病情匹配模型的分词器对所述原始病情文本进行分割处理，得到病情文本字段；

通过所述病情匹配模型内预设的字典树遍历每一所述病情文本字段，得到病情文本关键词；

根据所述病情匹配模型内预设的疾病部位对照表，匹配与所述病情文本关键词对应的第一疾病部位。

3.根据权利要求1所述的疾病部位识别方法，其特征在于，在通过预先训练的语义分析模型对所述原始病情文本进行语义分析处理，得到病情语义向量的步骤之前，所述方法还包括预先训练所述语义分析模型，具体包括：

获取样本病情文本；

通过预设的对比学习模型对样本病情文本进行编码处理，得到初始嵌入数据；

根据初始嵌入数据构建样本对，其中，所述样本对包括正例对和负例对；

通过所述对比学习模型的损失函数计算出所述正例对的第一相似度和所述负例对的第二相似度；

根据所述第一相似度和所述第二相似度对所述比学习模型的损失函数进行优化，以更新所述对比学习模型，得到所述语义分析模型。

4.根据权利要求3所述的疾病部位识别方法，其特征在于，在所述预先训练所述语义分析模型的步骤之前，所述方法还包括构建对比学习模型，具体包括：

获取原始的预训练模型，其中，所述预训练模型为BERT模型，所述BERT模型包括BERT编码器；

对预训练模型进行参数微调，以更新所述预训练模型，得到对比学习模型。

5.根据权利要求1所述的疾病部位识别方法，其特征在于，所述通过预先训练的语义分析模型对所述原始病情文本进行语义分析处理，得到病情语义向量的步骤，包括：

通过所述语义分析模型的嵌入层对所述原始病情文本进行数据预处理，得到标准病情文本；

通过所述语义分析模型内的BERT编码器对所述标准病情文本进行编码处理，得到病情文本嵌入数据；

对所述病情文本嵌入数据进行向量化处理，得到病情语义向量。

6.根据权利要求1至5任一项所述的疾病部位识别方法，其特征在于，所述对所述病情语义向量进行识别处理，得到第二疾病部位的步骤，包括：

对所述病情语义向量进行特征提取，得到局部病情特征向量；

对所述局部病情特征向量进行最大池化处理，得到目标病情特征向量；

利用预设的激活函数对所述目标病情特征向量进行激活处理，得到每一疾病类别对应的疾病概率值；

根据所述疾病概率值，得到第二疾病部位。

7.根据权利要求1至5任一项所述的疾病部位识别方法，其特征在于，所述根据所述第一疾病部位和所述第二疾病部位，得到目标疾病部位的步骤，包括：

对所述第一疾病部位和所述第二疾病部位进行比对分析，得到分析结果；

若所述分析结果为所述第一疾病部位和所述第二疾病部位相同，则将所述第一疾病部位或者所述第二疾病部位作为目标疾病部位；

若所述分析结果为所述第一疾病部位与所述第二疾病部位不相同，则获取所述第一疾病部位和所述第二疾病部位的优先级，并根据所述优先级将所述第一疾病部位或者所述第二疾病部位作为目标疾病部位。