[发明专利]一种病情描述的智能分析方法及系统

权利要求书

1.一种病情描述的智能分析方法，其特征在于，所述方法包括：

将患者的至少一项单项病情描述中的每项单项病情描述转换为一个第一数值向量；

利用时间循环神经网络LSTM技术，依次根据至少一个所述第一数值向量中的每个所述第一数值向量生成第二数值向量和输出信息，所述第二数值向量用于表达所述至少一项单项病情描述的综合病情描述；所述输出信息为预测的下一步该做的化验或检查，所述化验或检查的结果作为所述单向病情描述；

利用多层感知器MLP技术，根据所述第二数值向量，估算所述患者罹患至少一种疾病的概率。

2.如权利要求1所述的方法，其特征在于，所述单项病情描述包括症状、体征、化验指标和检查标志物中的至少一种。

3.如权利要求1所述的方法，其特征在于，所述将患者的至少一项单项病情描述中的每项单项病情描述转换为一个第一数值向量，包括：

将所述患者的至少一项单项病情描述中的每项单项病情描述分别转换为字级别编码向量和词级别编码向量；

将所述字级别编码向量和所述词级别编码向量合成所述第一数值向量。

4.如权利要求3所述的方法，其特征在于，所述将所述患者的至少一项单项病情描述中的每项单项病情描述分别转换为字级别编码向量和词级别编码向量之前，所述方法还包括：

将海量病历作为训练数据，分别训练字级别编码器和词级别编码器，训练完成后得到的结果包括所述字级别编码器的参数和所述词级别编码器的参数以及字典编码表和词汇编码表；

所述将所述患者的至少一项单项病情描述中的每项单项病情描述分别转换为字级别编码向量和词级别编码向量，包括：

利用所述字级别编码器将所述患者的至少一项单项病情描述中的每项单项病情描述转换为字级别编码向量；以及

利用所述词级别编码器将所述患者的至少一项单项病情描述中的每项单项病情描述转换为词级别编码向量。

5.如权利要求1所述的方法，其特征在于，所述利用时间循环神经网络LSTM技术，依次根据至少一个所述第一数值向量中的每个所述第一数值向量生成第二数值向量和输出信息之前，所述方法还包括：

将海量病历作为训练数据，同时训练序列模型和诊断模型，训练完成后得到的结果包括：所述序列模型的记忆门、遗忘门、输出门的神经网络模型的参数；所述诊断模型的输入层、输出层中包含的节点的个数，中间层的个数、以及每一个中间层包含的节点的个数；所述诊断模型相邻两层一对一节点之间的连边的权重。

6.如权利要求5所述的方法，其特征在于，把各个科室的若干疾病集合成疾病组，每个疾病组共享一套所述序列模型和所述诊断模型。

7.一种病情描述的智能分析系统，其特征在于，所述系统包括：编码模块、导航模块和决策模块；

所述编码模块，用于将患者的至少一项单项病情描述中的每项单项病情描述转换为一个第一数值向量；

所述导航模块，用于利用时间循环神经网络LSTM技术，依次根据所述编码模块转换的至少一个所述第一数值向量中的每个所述第一数值向量生成第二数值向量和输出信息，所述第二数值向量用于表达所述至少一项单项病情描述的综合病情描述；所述输出信息为预测的下一步该做的化验或检查，所述化验或检查的结果作为所述单向病情描述；

所述决策模块，用于利用多层感知器MLP技术，根据所述导航模块生成的第二数值向量，估算所述患者罹患至少一种疾病的概率。

8.如权利要求7所述的系统，其特征在于，所述单项病情描述包括症状、体征、化验指标和检查标志物中的至少一种。

9.如权利要求7所述的系统，其特征在于，所述编码模块，具体用于：

将所述患者的至少一项单项病情描述中的每项单项病情描述分别转换为字级别编码向量和词级别编码向量；

将所述字级别编码向量和所述词级别编码向量合成所述第一数值向量。