[发明专利]一种基于多模态病历图的相似病历检索方法及系统

说明书

本发明公开了一种基于多模态病历图的相似病历检索方法及系统。该方法包括：获取目标病历和样本病历对应的病历图结构特征，病历图结构特征包括多个实体图结构特征，实体图结构特征包括两实体在病历关联关系拓扑图中的图关系特征和节点属性特征，病历关联关系拓扑图根据对应病历构建，病历关联关系拓扑图中的实体包括对应病历中的疾病、药物和手术，关联关系包括两实体间在对应病历中的医疗关系，节点属性特征包括实体的多维度属性特征。采用基于图神经网络的相似度计算模型计算目标病历对应的病历图结构特征与各样本病历对应的病历图结构特征的相似度。根据相似度，确定与目标病历相似的样本病历。本发明具有检索精度高的特点。

技术领域

本发明涉及相似病历检索领域，特别是涉及一种基于多模态病历图的相似病历检索方法及系统。

背景技术

相似病历检索用于对相似病历进行筛选。

目前，存在结合了深度神经网络的基于特征的相似病历检索方式：将病历表示为医疗概念的集合，通过深度神经网络学习医疗概念和病历的特征表示，基于此计算病历的相似度。

但上述基于特征的相似病历检索方式，仅将病历中的医疗概念序列化，通过病历间序列化的医疗概念的相似性来确定病历间的相似性，采用这种简单的相似性确定方法来搜索相似病历的精度并不高，不能满足需求。

发明内容

本发明的目的是提供一种基于多模态病历图的相似病历检索方法及系统，以实现在无大量病历数据用于特征学习的基础上保障检索的精度。

为实现上述目的，本发明提供了如下方案：

一种基于多模态病历图的相似病历检索方法，包括：

获取目标病历对应的病历图结构特征和样本病历对应的病历图结构特征，所述病历图结构特征包括多个实体图结构特征，所述实体图结构特征包括两实体在病历关联关系拓扑图中的图关系特征和节点属性特征，所述病历关联关系拓扑图根据对应病历构建，所述病历关联关系拓扑图中的实体包括对应病历中的疾病、药物和手术，所述病历关联关系拓扑图中的关联关系包括两实体间在所述病历关联关系拓扑图对应病历中的医疗关系，所述节点属性特征包括实体的多维度属性特征；

采用基于图神经网络的相似度计算模型计算所述目标病历对应的病历图结构特征与各样本病历对应的病历图结构特征的相似度；

根据所述相似度，确定与所述目标病历相似的样本病历。

可选的，所述节点属性特征包括实体的多维特征融合数据，所述多维特征融合数据融合了实体的图像特征数据、文本特征数据以及本体特征数据中的至少两种。

可选的，在获取病历图结构特征之前，还包括：

确定病历中两两实体的相关性；

当两实体间存在相关性时，在所述病历对应的病历关联关系拓扑图中的所述两实体间创建一条边。

可选的，所述确定病历中两两实体的相关性，具体包括：

以病历为文档，以所述病历中的实体为词语，采用PMI算法确定所述文档中词语两两间的相关性，得到两两实体之间的相关性。

可选的，所述相似度计算模型包括门控图神经网络模块和相似度确定模块；

所述门控图神经网络模块用于：根据所述目标病历对应的病历图结构特征输出第一数据，以及，根据所述样本病历对应的病历图结构特征输出第二数据；

所述相似度确定模块用于：根据所述第一数据和所述第二数据确定所述目标病历与所述样本病历的相似度。

可选的，所述门控图神经网络模块包括多个图神经网络，以及，位于相邻所述图神经网络之间的门控层；所述门控层用于对其前一图神经网络输出的数据进行过滤。