[发明专利]基于QMR信念网络的导诊方法

权利要求书

1.一种基于QMR信念网络的导诊方法，其特征在于，包括下列步骤：

根据门诊病历数据确定输入特征以及输出标签，其中所述输出标签包括科室信息；

利用QMR信念网络对所述输入特征以及所述输出标签进行训练以使得所述输入特征与所述输出标签关联；

利用生成式实体抽取模型从患者描述中获取实体；以及

将所述实体输出所述QMR信念网络中，其中将所述实体转化为所述输入特征并且生成预测标签，所述预测标签包括推荐科室。

2.根据权利要求1所述的基于QMR信念网络的导诊方法，其特征在于，对原始的门诊病历数据进行数据清洗以生成第一门诊病历数据，其中包括下列步骤：

读取所述原始的门诊病例数据，所述原始的门诊病例数据包括数据id、患者性别、患者年龄、患者主诉、现病史、既往史、确诊疾病以及科室信息；

对所述原始的门诊病例数据添加数据序号，并且将所述患者主诉、所述现病史、所述既往史的缺失处设置为空值；

删除所述患者主诉以及所述现病史均为空值的原始门诊病例数据；以及

删除所述一级科室为空值的原始的门诊病例数据以生成所述第一门诊病例数据。

3.根据权利要求2所述的基于QMR信念网络的导诊方法，其特征在于，将所述第一门诊病历数据结构化，其中包括下列步骤：

构造医疗同义词词典；

基于所述医疗同义词词典构造AC自动机；以及

基于所述第一门诊病例数据中的患者主诉以及现病史，通过所述AC自动机进行匹配以便将所述第一门诊病历数据结构化。

4.根据权利要求3所述的基于QMR信念网络的导诊方法，其特征在于，提取所述第一门诊病历数据中患者主诉以及现病史的标准词，并且对所述标准词进行特征限定，其中包括下列步骤：

构造标准词对照表，所述标准词对照表包括症状标准词、疾病标准词、科室标准词、部位标准词以及检查和操作标准词；以及

将所述标准词与所述标准词对照表进行比对，并且删除所述标准词不在所述标准词对照表中的所述第一门诊病历数据。

5.根据权利要求4所述的基于QMR信念网络的导诊方法，其特征在于，将所述患者性别、患者年龄以及患者主诉和现病史中的症状信息、部位信息以及检查和操作信息作为输入特征，其中包括下列步骤：

将患者年龄划分为新生儿、儿童、中青年以及老年，将患者性别划分为男以及女；以及

对所述新生儿、儿童、中青年、老年、男、女、症状信息、部位信息以及检查和操作信息进行取值，其中取值为真或者假。

6.根据权利要求5所述的基于QMR信念网络的导诊方法，其特征在于，利用QMR信念网络对所述输入特征以及输出标签进行训练包括：

对所述输入特征以及所述科室信息进行编号；

通过所述QMR信念网络确定与所述科室信息关联的所述输入特征；以及

确定与所述科室信息关联的所述输入特征取值为真的概率。

7.根据权利要求6所述的基于QMR信念网络的导诊方法，其特征在于，利用生成式实体抽取模型从患者描述中抽取实体包括下列步骤：

根据医患对话材料构造问句，其中所述问句与实体的类型对应；

将所述问句输入自回归响应生成模型中进行训练；

将患者描述转换为对话记录；以及

将所述对话记录输入自回归响应生成模型中，其中通过所述问句对所述对话记录进行询问以获取所述实体。

8.根据权利要求7所述的基于QMR信念网络的导诊方法，其特征在于，通过贝叶斯推理算法公式根据所述输入特征生成所述预测标签及其对应概率，表示为下式：

其中，P表示概率、d表示所述预测标签、f表示所述输入特征、f右上角的正号表示所述输入特征取值为真，f右上角的负号表示所述输入特征取值为假以及i和j表示编号。