[发明专利]基于对抗网络的电子病历筛查方法、装置、设备及介质

权利要求书

1.一种基于对抗网络的电子病历筛查方法，其特征在于，包括：

通过第一生成器生成模拟误诊数据；

通过第二生成器生成模拟漏诊数据；

获取真实正常数据，使用所述真实正常数据、所述模拟误诊数据和所述模拟漏诊数据对初始综合判别器进行训练；

在训练完毕后，将训练好的所述初始综合判别器确定为综合判别器；

使用所述综合判别器处理待筛查病历，获得所述待筛查病历的处理结果。

2.如权利要求1所述的基于对抗网络的电子病历筛查方法，其特征在于，所述通过第一生成器生成模拟误诊数据之前，还包括：

在第一对抗神经网络中，第一初始生成器接收第一随机噪音，并生成第一模拟数据；

第一判别器接收标签为1的真实误诊数据，生成第一真实判别数据；所述第一判别器接收标签为0的所述第一模拟数据，并生成第一模拟判别数据；

根据所述第一真实判别数据和所述第一模拟判别数据计算所述第一判别器的第一判别损失值；根据所述第一模拟判别数据计算所述第一初始生成器的第一生成损失值；

根据所述第一判别损失值更新所述第一判别器，根据所述第一生成损失值更新所述第一初始生成器；

重复更新所述第一判别器的步骤和更新所述第一初始生成器的步骤，直至满足第一预设终止条件，所述第一预设终止条件为所述第一模拟判别数据处于第一预设范围；

将满足第一预设终止条件的所述第一初始生成器确定为所述第一生成器。

3.如权利要求2所述的基于对抗网络的电子病历筛查方法，其特征在于，所述根据所述第一真实判别数据和所述第一模拟判别数据计算所述第一判别器的第一判别损失值，包括：

通过第一判别损失函数处理所述第一真实判别数据和所述第一模拟判别数据，生成所述第一判别损失值，所述第一判别损失函数为：

其中，x_r1表示所述真实误诊数据，D₁(x)表示所述第一真实判别数据，E为期望计算符号，x_f1表示所述第一模拟数据，z₁表示所述第一随机噪音，G₁(z₁)表示所述第一模拟数据，D₁(G₁(z₁))表示所述第一判别损失值，表示所述第一判别损失值；

所述根据所述第一模拟判别数据计算所述第一初始生成器的第一生成损失值，包括：

通过第一生成损失函数处理所述第一模拟判别数据，生成所述第一生成损失值，所述第一生成损失函数为：

其中，D₁(x_f1)为所述第一模拟判别数据，D₃(x_f1)为所述初始综合判别器对所述第一模拟数据进行判别后生成的判别数据，α为超参数，为所述第一生成损失值。

4.如权利要求1所述的基于对抗网络的电子病历筛查方法，其特征在于，所述通过第二生成器生成模拟漏诊数据之前，还包括：

在第二对抗神经网络中，第二初始生成器接收第二随机噪音，并生成第二模拟数据；

第二判别器接收标签为1的真实漏诊数据，生成第二真实判别数据；所述第二判别器接收标签为0的所述第二模拟数据，并生成第二模拟判别数据；

根据所述第二真实判别数据和所述第二模拟判别数据计算所述第二判别器的第二判别损失值；根据所述第二模拟判别数据计算所述第二初始生成器的第二生成损失值；

根据所述第二判别损失值更新所述第二判别器，根据所述第二生成损失值更新所述第二初始生成器；

重复更新所述第二判别器的步骤和更新所述第二初始生成器的步骤，直至满足第二预设终止条件，所述第二预设终止条件为所述第二模拟判别数据处于第二预设范围；

将满足第二预设终止条件的所述第二初始生成器确定为所述第二生成器。