[发明专利]基于QMR信念网络的导诊方法

说明书

本发明涉及智能医疗技术领域，提出一种基于QMR信念网络的导诊方法，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。

技术领域

本发明总的来说涉及智能医疗技术领域。具体而言，本发明涉及一种基于QMR(Quick Medical Reference，快速医学参考)信念网络的导诊方法。

背景技术

现实生活中当患者罹患疾病时，常常由于患者缺乏专业的医疗知识而无法前往合适的科室就诊。

现有技术中的导诊方法可以实现一定程度上的智能导诊，然而其对患者发病部位以及症状信息的获取不够人性化、并且准确率和全面率也不高。这是由于现有的导诊方法对于患者发病部位以及症状信息的获取通常是基于患者点选的专业词汇或者基于对自然文本通过正则进行提取。患者点选的专业词汇虽然提高了发病部位及症状信息的严谨性，但对用户而言是不友好的，因为用户无法掌握专业的发病部位及症状的描述，而自然文本通过正则进行提取相关信息，则存在提取不到超出词库范围外的症状、部位信息，并且对于“无发热”“无头痛”之类的否定描述会造成错误提取。

另外现有的导诊方法通常通过固定的部位-科室映射规则或者知识图谱来实现导诊，而这会导致导诊准确率不高。以固定的部位-科室映射规则方法为例，患者描述胸部疼痛，与胸部相关的科室有呼吸科、心内科、心胸外科、皮肤科等，无法做到科学合理的导诊，而基于知识图谱进行导诊的方法则并未考虑各种疾病发病率是有差异的，两种疾病可能会有同样的发病部位、症状。

发明内容

为至少部分解决现有技术中的上述问题，本发明提出一种基于QMR信念网络的导诊方法，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。

在本发明一个实施例中规定，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。

在本发明一个实施例中规定，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。

在本发明一个实施例中规定，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：