医疗数据分类方法、装置、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CN113705700A(43)申请公布日2021.11.26(21)申请号202111017492.1(22)申请日2021.08.31(71)申请人平安科技（深圳）有限公司地址518000广东省深圳市福田街道福安社区益田路5033号平安金融中心23楼(72)发明人陈天歌谢国彤李响(74)专利代理机构北京中强智尚知识产权代理有限公司11448代理人黄耀威(51)Int.Cl.G06K9/62(2006.01)G06N3/04(2006.01)G06N3/08(2006.01)权利要求书2页说明书12页附图4页(54)发明名称医疗数据分类方法、装置、设备及存储介质(57)摘要本申请涉及人工智能与智慧医疗领域，公开了一种医疗数据分类方法、装置、设备及存储介质，用于提高医疗数据分类的准确度。该医疗数据分类方法包括：根据预设的数据维度提取目标病历集的病历数据；基于病历数据构建各目标病历对应的病历矩阵，并将病历矩阵依次输入至预设的多分类神经网络模型；读取多分类神经网络模型输出的各病历矩阵对应的病情分类结果；通过预设的随机算法在各病情分类结果中随机挑选预设数量的病情分类结果作为聚类核；以聚类核为初始聚类中心，对各病历矩阵对应的病情分类结果进行聚类运算，生成病历数据对应的聚类数据。CN113705700ACN113705700A权利要求书1/2页1.一种医疗数据分类方法，其特征在于，包括：根据预设的数据维度提取目标病历集的病历数据，其中，所述目标病历集包括多个目标病历；基于所述病历数据构建各目标病历对应的病历矩阵，并将所述病历矩阵依次输入至预设的多分类神经网络模型，其中，所述多分类神经网络模型的神经网络层包含多个隐含层；每个隐含层用于对所述病历数据进行非线性拟合；读取所述多分类神经网络模型输出的所述各病历矩阵对应的病情分类结果；通过预设的随机算法在所述各病情分类结果中随机挑选预设数量的病情分类结果作为聚类核；以所述聚类核为初始聚类中心，对所述各病历矩阵对应的病情分类结果进行聚类运算，生成所述病历数据对应的聚类数据。2.根据权利要求1所述的医疗数据分类方法，其特征在于，所述多分类神经网络模型还包括输入层和softmax输出层；所述输入层用于输入所述病历矩阵；所述softmax输出层用于输出病情分类结果；所述多个隐含层的第一个隐含层的维度与所述输入层的维度相同，均与所述病历矩阵的行数对应；所述softmax输出层的维度与所述病历矩阵的列数对应。3.根据权利要求1所述的医疗数据分类方法，其特征在于，还包括：获取用于训练所述多分类神经网络模型的训练数据；所述训练数据为与所述病历数据的数据类型相同的大数据；对所述训练数据进行特征工程处理，以得到特征数据；所述特征数据为与所述病历矩阵的行数和列数相同的矩阵数据；基于所述多分类神经网络算法，对所述特征数据进行模型训练，以得到所述多分类神经网络模型；所述模型训练的优化目标满足下述公式：其中，A为所述模型训练的优化目标，w和b为所述多分类神经网络算法中，未进行模型训练时的固定常数，p为所述特征数据的列数，n为所述特征数据的行数，x为所述特征数据中每一列上的数据，y为所述特征数据中每一行上的数据。4.根据权利要求1所述的医疗数据分类方法，其特征在于，所述病情分类结果满足下述公式：其中，B为所述病情分类结果，和为所述多分类神经网络算法中，进行模型训练后的固定常数；x为所述病历矩阵中每一列上的数据，p为所述病历矩阵的列数。5.根据权利要求1所述的医疗数据分类方法，其特征在于，所述通过预设的随机算法在各病情分类结果中随机挑选预设数量的病情分类结果作为聚类核，包括：若所述预设数量的病情分类结果中的至少一个病情分类结果不满足所述随机算法的输出条件，则调整所述随机算法中的算法参数，直到所述预设数量的病情分类结果中的每个病情分类结果均满足所述随机算法的输出条件。2CN113705700A权利要求书2/2页6.根据权利要求1所述的医疗数据分类方法，其特征在于，所述以所述聚类核为初始聚类中心，对所述各病历矩阵对应的病情分类结果进行聚类运算，生成所述病历数据对应的聚类数据，包括：将所述各病历矩阵对应的病情分类结果分别分为多个数据块；将所述多个数据块中的每个数据块分别用最大最小距离法优化K‑means聚类算法进行Map运算，生成所述病历数据对应的聚类数据。7.根据权利要求1‑6任一项所述的医疗数据分类方法，其特征在于，还包括：当所述病历数据对应的聚类数据满足预设的报警条件时，输出报警信息，以提示用户查看所述病历数据对应的聚类数据。8.一种医疗数据分类装置，其特征在于，包括：处理模块，用于根据预设的数据维度提取目标病历集的病历数据，其中，所述目标病历集包括多个