预览加载中,请您耐心等待几秒...
1/10
2/10
3/10
4/10
5/10
6/10
7/10
8/10
9/10
10/10

亲,该文档总共22页,到这已经超出免费预览范围,如果喜欢就直接下载吧~

如果您无法下载资料,请参考说明:

1、部分资料下载需要金币,请确保您的账户上有足够的金币

2、已购买过的文档,再次下载不重复扣费

3、资料包下载后请先用软件解压,在使用对应软件打开

(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CN113674856A(43)申请公布日2021.11.19(21)申请号202110407914.X(22)申请日2021.04.15(71)申请人腾讯科技(深圳)有限公司地址518057广东省深圳市南山区高新区科技中一路腾讯大厦35层(72)发明人张萌黄予赵瑞辉(74)专利代理机构北京三高永信知识产权代理有限责任公司11138代理人祝亚男(51)Int.Cl.G16H50/20(2018.01)G16H50/30(2018.01)G16H50/70(2018.01)G06N3/04(2006.01)权利要求书2页说明书14页附图5页(54)发明名称基于人工智能的医学数据处理方法、装置、设备及介质(57)摘要本申请公开了一种基于人工智能的医学数据处理方法、装置、设备及介质,属于人工智能技术领域。所述方法包括:获取目标用户的医学观测数据和附加信息网络;基于所述医学观测数据构建初始因果图的初步邻接矩阵;以及,在所述附加信息网络的约束下,对所述医学观测数据进行因果关系提取,得到包含干扰因子的因果特征向量;所述附加信息网络用于提取因果关系中潜在的干扰因子;根据所述包含干扰因子的因果特征向量和所述初步邻接矩阵,对所述目标用户的医学状态进行分类。本申请基于因果图进行医学状态分类,能够显著提升分类准确性。CN113674856ACN113674856A权利要求书1/2页1.一种基于人工智能的医学数据处理方法,其特征在于,所述方法包括:获取目标用户的医学观测数据和附加信息网络;基于所述医学观测数据构建初始因果图的初步邻接矩阵;以及,在所述附加信息网络的约束下,对所述医学观测数据进行因果关系提取,得到包含干扰因子的因果特征向量;所述附加信息网络用于提取因果关系中潜在的干扰因子;根据所述包含干扰因子的因果特征向量和所述初步邻接矩阵,对所述目标用户的医学状态进行分类。2.根据权利要求1所述的方法,其特征在于,所述获取目标用户的医学观测数据和附加信息网络,包括:将所述目标用户的电子健康记录EHR数据作为所述医学观测数据;将病患社交网络作为所述附加信息网络;或,将医学上的药物‑疾病网络作为所述附加信息网络。3.根据权利要求1所述的方法,其特征在于,所述初始因果图为图网络形式;所述根据所述包含干扰因子的因果特征向量和所述初步邻接矩阵,对所述目标用户的医学状态进行分类,包括:将所述包含干扰因子的因果特征向量和所述初步邻接矩阵输入第一图神经网络,通过所述第一图神经网络进行因果图优化以及学习图网络中节点之间的因果关系;根据优化后的因果图,对所述目标用户的医学状态进行分类;其中,所述第一图神经网络以所述包含干扰因子的因果特征向量替代图网络中的节点特征;且,通过图网络的消息传递模式流通所述节点之间的因果关系。4.根据权利要求1所述的方法,其特征在于,所述在所述附加信息网络的约束下,对所述医学观测数据进行因果关系提取,得到包含干扰因子的因果特征向量,包括:将所述医学观测数据和所述附加信息网络输入第二图神经网络,通过所述第二图神经网络进行因果关系提取,得到所述包含干扰因子的因果特征向量;其中,所述因果特征向量为所述干扰因子的向量化表示;所述干扰因子的向量化表示的获取方式包括:获取所述医学观测数据中包含的医学实体的向量化表示;根据所述医学实体的向量化表示和正则化的初步邻接矩阵,获取所述干扰因子的向量表示;其中,所述正则化的初步邻接矩阵是根据所述初始因果图的度矩阵以及加上自连接后的所述初步邻接矩阵得到的。5.根据权利要求3所述的方法,其特征在于,所述根据优化后的因果图,对所述目标用户的医学状态进行分类,包括:获取所述初始因果图中任意两个节点之间的加权余弦相似度;基于获取到的加权余弦相似度,对所述初始因果图进行图稀疏化处理并构建最终邻接矩阵;获取所述医学观测数据中包含的医学实体的向量化表示;通过预测网络中的第一层图卷积结构,将所述医学实体的向量化表示和加上自连接后的所述最终邻接矩阵映射为中间特征;通过所述预测网络的第二层图卷积结构,将所述中间特征和正则化的最终邻接矩阵映2CN113674856A权利要求书2/2页射为所述目标用户的医学状态预测结果;其中,所述正则化的最终邻接矩阵是根据所述稀疏因果图的度矩阵以及加上自连接后的所述最终邻接矩阵得到的。6.根据权利要求4或5所述的方法,其特征在于,所述获取所述医学观测数据中包含的医学实体的向量化表示,包括:对所述医学观测数据进行分词处理,得到分词结果;识别所述分词结果中包含的医学实体;对所述分词结果中包含的医学实体进行向量化处理,得到所述医学实体的向量化表示。7.一种基于人工智能的医学数据处理装置,其特征在于,所述装置包括:获取模块,被配置为获取目标用户