[发明专利]医疗数据处理方法、装置电子设备及计算机可读介质

权利要求书

1.一种医疗数据处理的方法，其特征在于，包括：

抽取电子病历中的结构化特征；

抽取电子病例中的非结构化特征，所述非结构化特征包括下述特征中的至少一种：主诉信息、现病史；家族史；检查报告；

利用组合神经网络模型预测诊疗方案，其中包括：

通过所述组合神经网络模型的第一DNN模型接收所述结构化特征，产生第一数据；

通过所述组合神经网络模型中的时序神经网络模型接收所述非结构化特征，产生第二数据；

通过所述组合神经网络的第二DNN模型接收所述第一数据和所述第二数据，产生第三数据；

由所述组合神经网络的输出层接收所述第三数据，输出预测的诊疗方案；

其中，所述时序神经网络模型包括：

one-hot编码层，基于输入的所述非结构化特征产生每个词的one-hot编码输出；

词向量层，基于来自所述one-hot编码层的输入，产生词向量；

时序神经网络层，基于来自所述词向量层的输入，产生所述第二数据；

所述方法还包括：利用病例样本中的诊疗方案作为样本标注；利用标注的所述病例样本训练所述组合神经网络模型；

所述利用标注的所述病例样本训练所述组合神经网络模型包括：训练多目标模型，使得训练得到的所述组合神经网络模型在训练数据上达到诊疗方案全局最优。

2.如权利要求1所述的方法，其特征在于，所述结构化特征包括下述特征中的至少一种：患者基本信息；检验结果信息。

3.如权利要求1所述的方法，其特征在于，所述诊疗方案包括诊断名称、检查信息、检验信息、用药信息中的至少一种。

4.如权利要求1所述的方法，其特征在于，所述利用组合神经网络模型预测诊疗方案包括：

选取所述组合神经网络模型给出的诊疗方案的前n项结果作为推荐方案。

5.一种医疗数据处理装置，其特征在于，包括：

第一抽取模块，用于抽取电子病历中的结构化特征；

第二抽取模块，用于抽取电子病例中的非结构化特征，所述非结构化特征包括下述特征中的至少一种：主诉信息、现病史；家族史；检查报告；

预测模块，用于将所述结构化特征和所述非结构化特征作为输入，利用组合神经网络模型预测诊疗方案，

其中所述组合神经网络模型包括：

第一DNN模型，用于接收所述结构化特征，产生第一数据；

时序神经网络模型，用于接收所述非结构化特征，产生第二数据；

第二DNN模型，用于接收所述第一数据和所述第二数据，产生第三数据；

输出层，用于基于来自所述第二DNN模型的所述第三数据输出预测的诊疗方案；

其中，所述时序神经网络模型包括：

one-hot编码层，基于输入的所述非结构化特征产生每个词的one-hot编码输出；

词向量层，基于来自所述one-hot编码层的输入，产生词向量；

时序神经网络层，基于来自所述词向量层的输入，产生所述第二数据；

所述医疗数据处理装置还用于利用病例样本中的诊疗方案作为样本标注；利用标注的所述病例样本训练所述组合神经网络模型；其中，所述利用标注的所述病例样本训练所述组合神经网络模型包括：训练多目标模型，使得训练得到的所述组合神经网络模型在训练数据上达到诊疗方案全局最优。

6.一种电子设备，其特征在于，包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序；

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-4中任一所述的方法。

7.一种计算机可读介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现如权利要求1-4中任一所述的方法。