[发明专利]诊疗方案预测方法及装置

权利要求书

1.一种诊疗方案预测方法，其特征在于，包括：

获取待预测病历文本；

获取所述待预测病历文本包含的医学实体对应的医学实体向量，并获取所述待预测病历文本对应的文本特征向量；

利用预先训练得到的诊疗方案预测模型分析所述待预测病历文本对应的医学实体向量和文本向量，得到与所述待预测病历文本相匹配的诊疗方案，所述诊疗方案包括药物、手术和检查项中的至少一种；

获取所述待预测病历文本对应的文本特征向量，包括：

利用分词算法对所述待预测病历文本进行分词，得到所述待预测病历文本的文本分词结果；

利用词向量将所述文本分词结果中的各个词映射为对应的向量，得到所述待预测病历文本对应的文本向量；其中，所述词向量为利用医学领域的语料训练得到的；

利用多层次注意力模型从所述待预测病历文本对应的文本向量中提取得到文本特征向量；其中，所述文本特征向量包含词间语义特征、句间语义特征和文本整体语义特征；

所述诊疗方案预测模型包括预设类别对应的预测模型；

利用诊疗方案预测模型分析所述待预测病历文本对应的医学实体向量和文本向量，得到与所述待预测病历文本相匹配的诊疗方案，包括：

将所述待预测病历文本对应的文本特征向量输入至预选训练得到的基于深度学习的文本分类模型，得到所述待预测病历文本对应的文本类别；

将所述待预测病历文本对应的医学实体向量和文本向量，输入至与所述待预测病历文本的文本类别对应的预测模型中，预测得到与所述待预测病历文本相匹配的诊疗方案。

2.根据权利要求1所述的方法，其特征在于，训练基于深度学习的文本分类模型的过程，包括：

获取已标注文本类别的病历训练样本；

利用词向量将所述病历训练样本转换为文本向量；

将所述病历训练样本的文本向量输入至预先构建的多层次注意力模型，提取得到文本特征向量，并基于所述文本特征向量对所述病历训练样本进行预测得到预测文本类别；

基于每一个所述病历训练样本对应的预测文本类别和已标注文本类别，调整所述多层次注意力模型中的模型参数，直到利用调整后的多层次注意力模型对所述病历训练样本进行预测得到的预测文本类型满足预设收敛条件。

3.根据权利要求1所述的方法，其特征在于，所述获取所述待预测病历文本包含的医学实体对应的医学实体向量，包括：

获取所述待预测病历文本所包含的医学实体；

依据医学知识图谱表示学习模型，将所述待预测病历文本中的医学实体映射为对应的医学实体向量。

4.根据权利要求1所述的方法，其特征在于，训练所述诊疗方案预测模型的过程，包括：

获取已标注诊疗方案的病历训练样本；

获取所述病历训练样本所包含医学实体的医学实体向量，并获取所述病历训练样本对应的文本特征向量；

将所述病历训练样本对应的医学实体向量及文本特征向量输入至预先构建的Seq2Seq模型，预测得到所述病历训练样本对应的预测诊疗方案；

基于每一个所述病历训练样本对应的预测诊疗方案和已标注诊疗方案，调整所述Seq2Seq模型中的模型参数，直到利用调整后的Seq2Seq模型对所述病历训练样本进行预测得到的预测诊疗方案满足预设收敛条件。