疾病预测方法、装置、电子设备及存储介质.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN114220541A(43)申请公布日2022.03.22(21)申请号202111530303.0G06F16/36(2019.01)(22)申请日2021.12.14G16H10/60(2018.01)(71)申请人平安国际智慧城市科技股份有限公司地址518000广东省深圳市前海深港合作区妈湾兴海大道3048号前海自贸大厦1-34层(72)发明人陈朝海(74)专利代理机构深圳市赛恩倍吉知识产权代理有限公司44334代理人陈海云严林(51)Int.Cl.G16H50/30(2018.01)G06F16/332(2019.01)G06F16/35(2019.01)权利要求书3页说明书18页附图2页(54)发明名称疾病预测方法、装置、电子设备及存储介质(57)摘要本发明涉及数字医疗技术领域，提供一种疾病预测方法、装置、电子设备及存储介质，在对医疗病历进行实时采集的基础上，先从医疗病历中提取出目标医疗数据，然后识别目标医疗数据中的可信关键词及不可信关键词，从而采用不同的实体识别模型识别关键词的实体，提高了关键词的实体识别准确度，有助于提高对目标医疗数据的分类准确度，在得到关键词的实体之后，基于矩阵秩约束及实体对目标医疗数据进行分类，得到多类目标医疗数据，从而针对每类目标医疗数据进行疾病类别预测，得到疾病类别预测结果，提高了疾病类别预测的准确度。CN114220541ACN114220541A权利要求书1/3页1.一种疾病预测方法，其特征在于，所述方法包括：接收医疗机构上报的医疗病历，并从所述医疗病历中提取出目标医疗数据；识别所述目标医疗数据中的可信关键词及不可信关键词，采用预设第一实体识别模型识别所述可信关键词的实体，并采用预设第二实体识别模型识别所述不可信关键词的实体；基于矩阵秩约束及所述实体对所述目标医疗数据进行分类，得到多类目标医疗数据；对每类所述目标医疗数据进行疾病类别预测，得到疾病类别预测结果。2.如权利要求1所述的疾病预测方法，其特征在于，所述识别所述目标医疗数据中的可信关键词及不可信关键词包括：对所述目标医疗数据进行分词处理，得到多个关键词；对所述多个关键词进行遍历，每次遍历从所述多个关键词中获取一个关键词作为目标关键词；获取所述目标关键词中的第一个字符及最后一个字符；获取所述目标医疗数据中位于所述第一个字符之前的第一邻居字符，及获取所述目标医疗数据中位于所述最后一个字符之后的第二邻居字符；判断所述第一个字符与所述第一邻居字符是否能够组成词，及判断所述最后一个字符与所述第二邻居字符是否能够组成词；当所述第一个字符与所述第一邻居字符不能够组成词，且所述最后一个字符与所述第二邻居字符不能够组成词，则确定所述目标关键词为可信关键词；当所述第一个字符与所述第一邻居字符能够组成词，及/或所述最后一个字符与所述第二邻居字符能够组成词，则确定所述目标关键词为不可信关键词。3.如权利要求1所述的疾病预测方法，其特征在于，所述基于矩阵秩约束及所述实体对所述目标医疗数据进行分类，得到多类目标医疗数据包括：将所述目标医疗数据对应的多个实体拼接为实体向量；对所述实体向量进行对齐处理，得到对齐实体向量；从所述目标医疗数据中选取多个目标医疗数据对；获取每个所述目标医疗数据对的共享近邻目标医疗数据，根据所述共享近邻目标医疗数据对应的对齐实体向量生成相似矩阵；根据所述相似矩阵计算拉普拉斯矩阵；基于拉普拉斯矩阵秩约束理论寻找所述拉普拉斯矩阵的无向图连通分支结构；根据所述无向图连通分支结构输出多类目标医疗数据。4.如权利要求3所述的疾病预测方法，其特征在于，所述获取每个所述目标医疗数据对的共享近邻目标医疗数据，根据所述共享近邻目标医疗数据对应的对齐实体向量生成相似矩阵包括：获取每个所述目标医疗数据对中的第一目标医疗数据和第二目标医疗数据；寻找所述第一目标医疗数据的K近邻目标医疗数据及所述第二目标医疗数据的K近邻目标医疗数据；获取两个所述K近邻目标医疗数据中的共享近邻目标医疗数据；根据所述第一目标医疗数据的对齐实体向量、所述第二目标医疗数据的对齐实体向量2CN114220541A权利要求书2/3页及所述共享近邻目标医疗数据对应的对齐实体向量计算对应的所述目标医疗数据对的相似度；根据多个所述目标医疗数据对的相似度生成相似矩阵。5.如权利要求4所述的疾病预测方法，其特征在于，所述根据所述第一目标医疗数据的对齐实体向量、所述第二目标医疗数据的对齐实体向量及所述共享近邻目标医疗数据对应的对齐实体向量计算对应的所述目标医疗数据对的相似度包括：根据所述共享近邻目标医疗数据对应的对齐实体向量计算得到平均对齐实体向量；根据所述第一目标医疗数据的对齐实体向量及所述平均对齐实体向量计算得到第一距离