[发明专利]一种诊断名称标准化的智能匹配方法及系统

说明书

本发明公开了一种诊断名称标准化的智能匹配方法及系统，本发明提出的诊断名称标准化的智能匹配方法提出了一种基于自然语言处理和医学知识库，由自然语言诊断名称到IDC9‑CM‑3、ICD10标准诊断编码及名称的智能匹配技术，以提高医学文本的结构化水平；本发明可以高效快速的实现对医师输入的杂乱无序的诊断术语达到标准有序的后结构化目标，能够更加高效的帮助医师将手写的电子病历进行结构化匹配；在医院的实际挂号和会诊过程中发挥落地能力，降低因医师主观疏忽原因导致的误诊事故，从而推进数字医疗产业化。

技术领域

本发明涉及医疗大数据技术领域，具体涉及一种诊断名称标准化的智能匹配方法及系统。

背景技术

随着信息技术的发展和医疗信息化的建设，现在医院都在逐渐使用结构化报告系统进行报告书写，但当前的前结构化的病历模板不够灵活，医生使用不方便导致利用率较低；而且在实际应用中，将医生随手写的电子病历进行结构化又需要有一定的医学知识门槛，故急需开发一种能够更加高效的帮助医师将手写的电子病历进行结构化匹配，从而自动生成结构化电子病历的技术。

发明内容

本发明的主要目的是提供一种诊断名称标准化的智能匹配方法及系统，旨在解决急需开发一种能够更加高效的帮助医师将手写的电子病历进行结构化匹配的技术的问题。

本发明提出的技术方案为：

一种诊断名称标准化的智能匹配方法，包括：

获取标准化的字典数据，国际疾病分类编码以及常用诊断文本数据；

基于字典数据和国际疾病分类编码对常用诊断文本数据进行分词，以形成语料库；

对分词后形成的所述语料库进行词嵌入训练，以形成词向量表；

对词向量表进行加权以得到医学术语的训练句子向量；

构建机器学习模型；

获取对语料库中的文本序列进行人工标注后得到的机器学习模型输入所需的标记数据集；

基于标记数据集将词向量表作为所述机器学习模型的输入，将训练句子向量作为所述机器学习模型的输出，以对所述机器学习模型进行训练；

获取用户通过用户终端输入的实际诊断文本，将所述实际诊断文本输入完成训练的所述机器学习模型，以得到实际句子向量；

基于实际句子向量生成与实际诊断文本数据对应的候选术语。

优选的，所述基于字典数据和国际疾病分类编码对常用诊断文本数据进行分词，以形成语料库，包括：

获取医学术语表；

基于医学术语表生成自定义词典；

基于字典数据、国际疾病分类编码和自定义词典对常用诊断文本数据进行分词，以形成语料库。

优选的，所述基于实际句子向量生成与实际诊断文本数据对应的候选术语，之后还包括：

对人工干预过后的候选术语采用协同过滤算法进行过滤，以生成初始推荐结果。

优选的，所述对人工干预过后的候选术语采用协同过滤算法进行过滤，以生成初始推荐结果，包括：

获取用户通过用户终端输入的选择数量；

将所述候选术语的数量设置为所述选择数量。

优选的，所述对人工干预过后的候选术语采用协同过滤算法进行过滤，以生成初始推荐结果，之后还包括：

采用云原生向量数据库对初始推荐结果进行向量检索以得到倒排索引；

根据索引编号获取初始推荐结果对应的key-value数据库中存储的具体术语缓存数据；

将具体术语缓存数据推荐给用户。

优选的，所述将具体术语缓存数据推荐给用户，包括：

将具体术语缓冲数据通过用户终端的显示界面以下拉框的形式进行显示。