[发明专利]雷同病例检测方法、装置、设备及存储介质

权利要求书

1.一种雷同病例检测方法，其特征在于，包括：

获取检测对象的目标病例文本，所述目标病例文本中包含所述检测对象的病情数据信息；

将所述目标病例文本输入至预设的文本相似度聚类模型中，得到与所述目标病例文本对应的目标分群标签；同时，将所述病情数据信息输入至预设的病情编码模型中，对所述病情数据信息进行编码，得到目标编码信息；

根据所述目标分群标签，从所述病情编码模型的编码数据库中提取与除检测对象外的其他对象对应的样本编码信息；所述样本编码信息是指自所述其他对象的历史病例文本中提取的与所述目标分群标签关联的编码信息；

根据所述目标编码信息以及所述样本编码信息，确定编码信息差值；

若所述编码信息差值大于预设差异阈值，则确定存在与所述目标病例文本雷同的历史病例文本，并提示所述目标病例文本存在造假风险。

2.如权利要求1所述的雷同病例检测方法，其特征在于，所述将所述病情数据信息输入至预设的病情编码模型中之前，还包括：

获取预设的病例对象数据集，所述预设的病例对象数据集包含至少一个病例对象数据；每一所述病例对象数据均关联一个样本分群标签；

将所述病例对象数据输入至初始编码模型中，根据所述病例对象数据及其关联的样本分群标签对所述初始编码模型进行训练，得到所述病情编码模型。

3.如权利要求2所述的雷同病例检测方法，其特征在于，所述将所述病例对象数据输入至初始编码模型中，根据所述病例对象数据及其关联的样本分群标签对所述初始编码模型进行训练，得到所述病情编码模型，包括：

根据第一选取规则，从所述预设的病例对象数据集中确定一个目标对象数据；

从所述预设的病例对象数据集中，根据第二选取规则选取一个与所述目标对象数据具有相同样本分群标签的病例对象数据作为关联对象数据；同时，根据第二选取规则选取一个与所述目标对象数据具有不同样本分群标签的病例对象数据作为非关联对象数据；

将所述目标对象数据、关联对象数据以及非关联对象数据构成的训练三元组输入至所述初始编码模型中，对所述训练三元组进行编码，得到所述初始编码模型的训练参数；

根据所述训练参数确定所述初始编码模型的训练损失值，在所述训练损失值达到预设的收敛条件时，将收敛之后的所述初始编码模型记录为所述病情编码模型。

4.如权利要求1所述的雷同病例检测方法，其特征在于，所述根据所述目标分群标签，从所述病情编码模型的编码数据库中提取与除检测对象外的其他对象对应的样本编码信息之前，还包括：

对所述历史病例文本中的历史病例数据进行向量编码操作，得到所述历史病例数据对应的所述样本编码信息；

将所述样本编码信息存储至所述病情编码模型的所述编码数据库中。

5.如权利要求1所述的雷同病例检测方法，其特征在于，所述将所述目标病例文本输入至预设的文本相似度聚类模型中，得到与所述目标病例文本对应的目标分群标签之前，还包括：

获取样本病例文本集，所述样本病例文本集中包含多个样本病例文本；

选取所述样本病例文本集中的任意两个所述样本病例文本作为一组相似度判断对象，并采用相似性处理方法获取每一组相似度判断对象中的两个所述样本病例文本之间的相似度值；

在所述样本病例文本集中所有所述样本病例文本具备选取完毕并获取与其对应的相似度值之后，根据获取的与各组相似度判断对象对应的所有相似度值，构建相似度矩阵；

采用聚类算法对所述相似度矩阵进行聚类，得到所述文本相似度聚类模型。