[发明专利]关键数据确定方法、装置、设备及存储介质

说明书

本申请公开一种关键数据确定方法、装置、设备及存储介质，涉及大数据、知识图谱、自然语言处理方面。具体实现方案为：该方法包括：获取目标电子病例文本，提取目标电子病例文本中的多个目标症状体征数据及目标辅助数据，将目标症状体征数据、目标辅助数据输入到训练至收敛的注意力attention模型，以确定多个目标症状体征数据中的关键症状体征数据，训练至收敛的attention模型用于对目标症状体征数据进行筛选，以筛选出关键症状体征数据。有效提高了关键症状体征数据的确定效率。

技术领域

本申请涉及人工智能技术领域，具体涉及大数据、知识图谱、自然语言处理方面，尤其涉及一种关键数据确定方法、装置、设备及存储介质。

背景技术

随着医疗水平的不断发展，虽然整体医疗水平有了很大提升，但是医院每天都还是有庞大的就诊人数。面对庞大的就诊人数，医生需要查看庞大的病例文本，在病例文本中具有很多冗余数据，医生需要从病例文本所有数据中快速确定出哪些症状体征数据是对病人的病情起关键作用的症状体征数据。

现有技术中，一般需要依据医生的从医经验，以及对病例进行大量的研究分析才能确定出关键症状体征数据，导致严重浪费人力物力，关键症状体征数据的确定效率较低。

发明内容

本申请提供了一种关键数据确定方法、装置、设备及存储介质。解决了现有技术中的严重浪费人力物力，关键症状体征数据的确定效率较低的技术问题。

根据本申请的第一方面，提供一种关键数据确定方法，包括：

获取目标电子病例文本；

提取所述目标电子病例文本中的多个目标症状体征数据及目标辅助数据；

将所述目标症状体征数据、所述目标辅助数据输入到训练至收敛的注意力attention模型，以确定多个目标症状体征数据中的关键症状体征数据，训练至收敛的attention模型用于对所述目标症状体征数据进行筛选，以筛选出关键症状体征数据。

根据本申请的第二方面，提供了一种关键数据确定方法，包括：

构建标准医学知识图谱；

获取对初始注意力attention模型进行训练的训练样本，所述训练样本为历史电子病例文本；

根据所述标准医学知识图谱及预设标注策略，对所述训练样本进行正负样本的标注；

提取所述训练样本中的多个样本症状体征数据及样本辅助数据；

将标注后的训练样本中的所述样本症状体征数据、所述样本辅助数据输入至初始attention模型，以对初始attention模型进行训练，输出训练样本中多个样本症状体征数据中关键症状体征数据及训练样本的分类结果。

根据本申请第三方面，提供一种关键数据确定装置，包括：

第一获取单元，用于获取目标电子病例文本；

第一提取单元，用于提取所述目标电子病例文本中的多个目标症状体征数据及目标辅助数据；

第一确定单元，用于将所述目标症状体征数据、所述目标辅助数据输入到训练至收敛的注意力attention模型，以确定多个目标症状体征数据中的关键症状体征数据，训练至收敛的attention模型用于对所述目标症状体征数据进行筛选，以筛选出关键症状体征数据。

根据本申请第四方面，提供一种关键数据确定装置，包括：

构建单元，用于构建标准医学知识图谱；

第二获取单元，用于获取对初始注意力attention模型进行训练的训练样本，所述训练样本为历史电子病例文本；