[发明专利]基于模型的临床术语的标准化方法、装置和计算机设备

说明书

本申请涉及人工智能技术领域，提供一种基于模型的临床术语的标准化方法、装置、计算机设备和存储介质，方法包括：获取临床术语；对临床术语进行多维度特征处理生成多个文本特征，将各文本特征转换为第一Embedding向量；对所有第一Embedding向量进行处理，得到指定Embedding向量；基于医学术语库生成临床术语对应的候选集；生成与各候选文本分别对应的多个候选文本Embedding向量；基于孪生网络分别计算指定Embedding向量与每一个候选文本Embedding向量之间的相似度；基于所有相似度，从所有候选集文本中确定出标准临床术语。本申请能提高对临床术语进行标准化的准确率，提高了得到的标准临床术语的准确度。本申请还可以应用于区块链领域，上述标准临床术语等数据可以存储于区块链上。

技术领域

本申请涉及人工智能技术领域，具体涉及一种基于模型的临床术语的标准化方法、装置和计算机设备。

背景技术

临床术语是指医学领域中用于描述诊断、手术、药品、检查、化验、症状的专业用语。临床术语是临床信息系统表达医学信息的必要成分，但通常很多临床术语的表达并不规范，因而需要对临床术语进行标准化处理以便于数据的后续应用。现有的临床术语标准化主要是使用传统的机器学习方法进行处理，然而单纯使用传统的机器学习方法往往无法得到与临床术语对应的准确的标准术语，存在临床术语标注化的准确性较低的问题。因此，如何提高床术语标注化的准确性称为了当前亟需解决的问题。

发明内容

本申请的主要目的为提供一种基于模型的临床术语的标准化方法、装置、计算机设备和存储介质，旨在解决现有的临床术语标准化方式往往无法得到与临床术语对应的准确的标准术语，存在准确性较低的技术问题。

本申请提出一种基于模型的临床术语的标准化方法，所述方法包括步骤：

获取待处理的临床术语；

对所述临床术语进行多维度特征处理，生成与所述临床术语对应的多个文本特征，并将各所述文本特征分别转换为对应的第一Embedding向量；其中，所述文本特征包括：字特征、词特征、词性特征、拼音特征、手术部位特征与手术入路特征，所述手术部位特征是指皮肤或内脏中的任何开放的部位对应的特征，所述手术入路特征是指进行临床手术操作的切口位置对应的特征；

基于预设的深度卷积神经网络与预设的注意力模型对所有所述第一Embedding向量进行处理，得到指定Embedding向量；

基于预设的医学术语库生成与所述临床术语对应的候选集；其中，所述候选集包括多个候选文本；

将每一个所述候选文本输入至预设的transformerencoder网络，生成与各所述候选文本分别对应的多个候选文本Embedding向量；

基于预设的孪生网络分别计算所述指定Embedding向量与每一个所述候选文本Embedding向量之间的相似度；

基于所有所述相似度，从所有所述候选集文本中确定出与所述临床术语对应的标准临床术语。

可选地，所述对所述临床术语进行多维度特征处理，生成与所述临床术语对应的多个文本特征的步骤，包括：

基于预设的分词工具对所述临床术语进行分词处理，得到对应的字特征、词特征与词性特征；

基于预设的字转拼音模型获取与所述临床术语对应的拼音特征；

基于预设的医学词库获取与所述临床术语对应的手术部位特征与手术入路特征；

将所述字特征、所述词特征、所述词性特征、所述拼音特征、所述手术部位特征与所述手术入路特征作为所述文本特征。

可选地，所述基于预设的深度卷积神经网络与预设的注意力模型对所有所述第一Embedding向量进行处理，得到指定Embedding向量的步骤，包括：