[发明专利]辅助诊断方法、装置、电子设备及存储介质有效
申请号: | 201910797697.2 | 申请日: | 2019-08-27 |
公开(公告)号: | CN110517767B | 公开(公告)日: | 2022-12-13 |
发明(设计)人: | 夏源;施振辉;陆超;王晓荣;黄海峰 | 申请(专利权)人: | 北京百度网讯科技有限公司 |
主分类号: | G16H50/20 | 分类号: | G16H50/20;G16H50/70;G06N3/04;G06N3/08 |
代理公司: | 北京同立钧成知识产权代理有限公司 11205 | 代理人: | 朱颖;刘芳 |
地址: | 100085 北京市*** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 辅助 诊断 方法 装置 电子设备 存储 介质 | ||
1.一种辅助诊断方法,其特征在于,包括:
根据预设分词规则确定主诉信息中的医学实体集合;
根据预设句向量表达模型确定所述主诉信息的分布式向量;
根据所述医学实体集合从预设数据库中获取第一诊断信息集合;
根据所述分布式向量从所述预设数据库中获取第二诊断信息集合;
根据所述第一诊断信息集合、所述第二诊断信息集合以及诊断信息概率分布确定诊断信息,其中,所述诊断信息概率分布根据所述第一诊断信息集合以及所述第二诊断信息集合中各项诊断信息的信息源置信度进行确定,所述预设数据库中的诊断信息包括索引信息、语句分词实体集合以及语句表达向量;其中,所述索引信息用于确定所述诊断信息的数据来源位置,所述语句分词实体集合为根据预设分词规则对多个数据源中的语句进行分词之后所形成的医学实体集合,所述语句表达向量为根据预设神经网络语言模型进行确定,所述预设神经网络语言模型根据所述语句分词实体集合进行训练。
2.根据权利要求1所述的辅助诊断方法,其特征在于,所述根据所述医学实体集合从所述预设数据库中获取第一诊断信息集合,包括:
针对所述医学实体集合中的每个医学实体,从所述预设数据库中获取包含所述医学实体的第一语句信息,所述第一诊断信息集合包括所述医学实体集合中每个医学实体对应的第一语句信息。
3.根据权利要求1所述的辅助诊断方法,其特征在于,所述根据所述分布式向量从所述预设数据库中获取第二诊断信息集合,包括:
根据所述分布式向量从所述预设数据库中获取符合预设相似度规则的第二语句信息,所述第二诊断信息集合包括所述第二语句信息。
4.根据权利要求1所述的辅助诊断方法,其特征在于,在所述根据所述第一诊断信息集合、所述第二诊断信息集合以及诊断信息概率分布确定诊断信息之前,还包括:
根据所述第一诊断信息集合中各项诊断信息的概率分布以及所述第二诊断信息集合中对应的诊断信息的概率分布确定所述诊断信息概率分布。
5.根据权利要求1-4中任意一项所述的辅助诊断方法,其特征在于,在所述根据所述医学实体集合、所述分布式向量以及预设数据库确定诊断信息之后,还包括:
输出所述诊断信息;和/或,
根据所述诊断信息输出分诊信息,所述分诊信息用于引导患者进行就诊。
6.根据权利要求1-4中任意一项所述的辅助诊断方法,其特征在于,还包括:
根据多个数据源确定所述预设数据库。
7.根据权利要求6所述的辅助诊断方法,其特征在于,所述预设神经网络语言模型基于长短时期记忆网络进行训练。
8.根据权利要求1-4中任意一项所述的辅助诊断方法,其特征在于,所述索引信息包括数据源信息、章节信息、段落信息以及句子信息。
9.一种辅助诊断装置,其特征在于,包括:
实体确定模块,用于根据预设分词规则确定主诉信息中的医学实体集合;
向量确定模块,根据预设句向量表达模型确定所述主诉信息的分布式向量;
诊断确定模块,用于根据所述医学实体集合从预设数据库中获取第一诊断信息集合;
根据所述分布式向量从所述预设数据库中获取第二诊断信息集合;
根据所述第一诊断信息集合、所述第二诊断信息集合以及诊断信息概率分布确定诊断信息,其中,所述诊断信息概率分布根据所述第一诊断信息集合以及所述第二诊断信息集合中各项诊断信息的信息源置信度进行确定,其中,所述预设数据库中的诊断信息包括索引信息、语句分词实体集合以及语句表达向量;其中,所述索引信息用于确定所述诊断信息的数据来源位置,所述语句分词实体集合为根据预设分词规则对多个数据源中的语句进行分词之后所形成的医学实体集合,所述语句表达向量为根据预设神经网络语言模型进行确定,所述预设神经网络语言模型根据所述语句分词实体集合进行训练。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京百度网讯科技有限公司,未经北京百度网讯科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201910797697.2/1.html,转载请声明来源钻瓜专利网。