[发明专利]面向标注电子病历的临床辅助决策方法及系统

说明书

本发明提出了一种面向标注电子病历的临床辅助决策方法及系统，其中，该方法包括：获取患者的电子病历信息，然后对电子病历信息进行数据预处理，再根据电子病历信息中的诊断结果对每个患者进行加标签，作为每个患者的预测标签，再通过中文自然语言处理技术对电子病历信息中患者的主诉、现病史、体检合格三个特征字段进行处理，从而获得标注为症状的词向量，接着将标注为症状的词向量作为输入，根据预测标签，进行LSTM神经网络训练，以获得辅助决策模型，最后根据当前患者的电子病历和辅助决策模型对当前患者的疾病进行辅助决策。由此，在通过LSTM神经网络训练辅助决策模型前先进行标注，可以更好的提供关键症状信息，从而提高决策的准确率。

技术领域

本发明涉及临床医学技术领域，特别涉及一种面向标注电子病历的临床辅助决策方法、一种计算机可读存储介质、一种计算机设备以及一种面向标注电子病历的临床辅助决策系统。

背景技术

现有临床辅助决策通常是通过数据挖掘、模型建立等方法来为医生和其他医务工作者提供辅助决策，然而，由于目前医院门诊中存在大量与疾病诊断相关的数据，并且病历中的症状特征信息大多淹没在医生的描述性无格式文本中，所以常常导致现有临床决策辅助无法对患者症状进行准确提取，从而降低了临床决策辅助的准确性。

发明内容

本发明旨在至少在一定程度上解决上述技术中的技术问题之一。为此，本发明的一个目的在于提出一种面向标注电子病历的临床辅助决策方法，该方法将深度学习与自然语言处理技术相结合，能够更好的提供关键症状信息，从而提高决策的准确率。

本发明的第二个目的在于提出一种计算机可读存储介质。

本发明的第三个目的在于提出一种计算机设备。

本发明的第四个目的在于提出一种面向标注电子病历的临床辅助决策系统。

为达到上述目的，本发明第一方面实施例提出了一种面向标注电子病历的临床辅助决策方法，该方法包括以下步骤：获取患者的电子病历信息；对所述电子病历信息进行数据预处理，以对每个患者进行加标签，作为每个患者的预测标签；对所述电子病历信息中的特征字段进行中文分词处理以获得电子病历的分词结果，并对所述电子病历信息中的部分词汇进行预标注，以及采用训练好的词向量模型对所述分词结果和预标注的电子病历文本进行词向量转化；将所述预标注的电子病历文本的标注信息作为标签，并将所述预标注的电子病历文本的词向量转化结果作为输入，进行训练，以获得标注模型；根据所述标注模型进行标记规律扩展，以对所述分词结果进行标注，并根据标注的分词结果对所述分词结果的词向量转化信息进行筛选以筛选出标注为症状的词向量；将标注为症状的词向量作为输入，根据所述预测标签，进行LSTM神经网络训练，以获得辅助决策模型；根据当前患者的电子病历和所述辅助决策模型对当前患者的疾病进行辅助决策。

根据本发明实施例的面向标注电子病历的临床辅助决策方法，首先获取患者的电子病历信息，然后对电子病历信息进行数据预处理，以对每个患者进行加标签，作为每个患者的预测标签，再对电子病历信息中的特征字段进行中文分词处理以获得电子病历的分词结果，并对电子病历信息中的部分词汇进行预标注，以及采用训练好的词向量模型对分词结果和预标注的电子病历文本进行词向量转化，接着将预标注的电子病历文本的标注信息作为标签，并将预标注的电子病历文本的词向量转化结果作为输入，进行训练，以获得标注模型；并根据标注模型进行标记规律扩展，以对分词结果进行标注，并根据标注的分词结果对分词结果的词向量转化信息进行筛选以筛选出标注为症状的词向量，接着将标注为症状的词向量作为输入，根据预测标签，进行LSTM神经网络训练，以获得辅助决策模型，最后根据当前患者的电子病历和辅助决策模型对当前患者的疾病进行辅助决策。由此，在通过LSTM神经网络训练辅助决策模型前先进行标注，可以更好的提供关键症状信息，从而提高决策的准确率。

另外，根据本发明上述实施例提出的面向标注电子病历的临床辅助决策方法还可以具有如下附加的技术特征：