[发明专利]基于图神经网络的ICD手术分类自动匹配方法及系统

权利要求书

1.一种基于图神经网络的ICD手术分类自动匹配方法，其特征在于：包括以下步骤：

获取病例中医生录入的手术描述数据，并将手术描述数据中每一个字用字向量来表示，得到字向量序列；

利用预设卷积神经网络对字向量序列进行建模，得到建模后的手术描述信息；

获取所有ICD手术分类的标准编码描述，将建模后的手术描述信息融合到ICD手术分类的标准编码描述中，得到融入当前手术描述信息的所有编码描述的数学表达；

结合所有编码描述的数学表达和预设图神经网络得到不同的图结构，利用图结构进行注意力计算，通过相邻节点线性加权求和，重构ICD手术分类标签图结构中的每一个节点；

根据重构的节点间的条件概率依赖关系，得到手术描述的分类匹配结果；

所述根据重构的节点间的条件概率依赖关系，得到手术描述的分类匹配结果，包括：

首先从0到1之间随机选择数值，随机初始化一个向量之后使用以下方法不断对中的值进行更新：

(1)

(2)指的是从去除第i个值得到的向量；

(3)通过(2)求出所有的ICD标准编码描述的数学表达：

(4)σ是sigmoid非线性激活函数，W₁和W₂是两个可训练权重矩阵；

用的值替换的值并重复(1)、(2)、(3)、(4)，直到的值和的值的平方差小于预设阈值，停止替换；

对原值和更新的值求平方差：

然后设一个极小值作为阈值，阈值被设为1e^-10，如求出的平方差小于这个阈值，则停止替换；

最终得到的表示当前输入的手术描述和所有L条标准手术编码描述匹配的概率，设中大于0.5的值所对应的索引为i，则i表示当前输入手术描述和第i条编码描述是相匹配的。

2.如权利要求1所述的基于图神经网络的ICD手术分类自动匹配方法，其特征在于：

获取ICD手术分类的层级结构，层级结构中每一个节点都是由一串数字和字母组成的编码和与之对应的编码描述组成；

将每一条ICD手术编码描述作为节点，根据边的连接方向使ICD手术分类的标签空间形成有向图或无向图结构，利用预设图神经网络对标签空间建模，构建up图、down图和undirected图三种图结构。

3.如权利要求2所述的基于图神经网络的ICD手术分类自动匹配方法，其特征在于：

分别使用Up图、Down图和Undirected图三种图结构对标签空间建模，标签空间中的每个节点得到三种图结构的计算结果；

把注意力重构的过程重复若干次，在注意力机制重构的过程中，对每一个节点，都用与其相邻的节点重新表示，并且将多个头的计算结果进行级联，得到最终的所有编码描述的数学表达。

4.如权利要求2所述的基于图神经网络的ICD手术分类自动匹配方法，其特征在于：

图神经网络模型的训练，包括：

Y为所有节点对应的标签，为一个独热编码向量，且Y内的值为0或1，设Y中为1的值所对应的索引为i，则i表示当前输入手术描述和第i条编码描述是相匹配的；

使用一个平滑函数对Y进行平滑，得到平滑结果Y′；

把节点之间的条件概率依赖关系通过Y′融入ICD手术编码描述的数学表达中；

对于第i条编码描述的数学表达v″_i，得到Y′_-i指的是从Y′去除第i个值得到的向量，V″_i指的是从V″去除v″_i后得到的矩阵；

求出所有的ICD标准编码描述的数学表达，并将映射为概率

1≤i≤L，i为正整数，L是所有ICD手术分类标准编码描述的个数；

使用交叉熵作为损失函数，并将损失最小化，从而得到模型的所有可训练参数。