CN107657062A - 相似病例检索方法及装置、存储介质、电子设备 - Google Patents

Abstract

本公开是关于一种相似病例检索方法及装置，属于数据处理技术领域。该方法包括提取病例数据库中的多个病例的多个字段内容并将多个字段内容转化为词向量，依据词向量对多个所述病例进行聚类并划分为多个聚类簇；提取原始病历中的字段内容并将字段内容转化为原始词向量；搜索与原始词向量最近的聚类簇，并将聚类簇内的多个病例进行排序并反馈。本公开一方面可以减少检索时的数据计算量，降低检索难度，提高检索效率；另一方面可以提高检索准确度，保证最终检索效果。

Description

相似病例检索方法及装置、存储介质、电子设备

技术领域

本公开涉及数据处理技术领域，具体而言，涉及一种相似病例检索方法、相似病例检索装置、计算机可读存储介质以及电子设备。

背景技术

目前，随着计算机技术的发展，检索已经成为日常生活中获取信息普遍使用的手段。在医疗领域，相似病例检索在科研、临床上具有重大意义。例如在患者就诊时，医生可以快速查找与该患者相似的病例，并能及时通过相似病例的诊疗路径及效果做出有效的判断。

在日常应用中，多数的检索属于普通检索，只需要输入简单的查询词或查询条件便可。区别于普通检索，病例检索输入的是一份完整病历，包含结构化和非结构化信息，病历搜索的前提是要针对病历进行比较深入的解析，然后将其转换为一组查询词和查询条件后再进行查询。现有技术中的相似病例检索，是将病历搜索，拆解为字段搜索，即预设某些字段及字段的权重，根据这些字段来建立索引。在检索时，解析病历，并提取其中的预设字段信息，然后根据字段信息组合条件来提取候选集合，最终再根据每个字段的匹配权重来进行排序。

目前的相似病例检索存在一些缺陷：一是需要人工预设多个阈值，例如每个字段需要分配不同的权重，且需要反复试验迭代，字段匹配时，还需要预设不同的阈值进行过滤，以保证最终检索的效果，此种方案从生产效率和维护成本上来说很难以达到理想状态；二是某些常见病，例如糖尿病、高血压等，对应的诊断索引文档数量非常大，这对在线检索的性能、速度影响非常大，很可能导致最终的检索结果不可用。

因此，需要提供一种新的相似病例检索方法及装置。

需要说明的是，在上述背景技术部分公开的信息仅用于加强对本公开的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。

发明内容

本公开的目的在于提供一种相似病例检索方法、相似病例检索装置、计算机可读存储介质以及电子设备，进而至少在一定程度上克服由于相关技术的限制和缺陷而导致的一个或者多个问题。

根据本公开的一个方面，提供一种相似病例检索方法，所述相似病例检索方法包括：

提取病例数据库中的多个病例的多个字段内容并将多个所述字段内容转化为词向量，依据所述词向量对多个所述病例进行聚类并划分为多个聚类簇；

提取原始病历中的字段内容，将所述字段内容转化为原始词向量；

搜索与所述原始词向量最近的聚类簇，并将所述聚类簇内的多个病例进行排序并反馈。

在本公开的一种示例性实施例中，所述提取病例数据库中的多个病例的多个字段内容并将多个所述字段内容转化为词向量，依据所述词向量对多个所述病例进行聚类并划分为多个聚类簇包括：

提取病例数据库中的多个病例中的多个字段内容，并将多个所述字段内容通过神经网络算法转化为词向量；

对多个所述词向量进行聚类并划分为多个聚类簇，进而对与所述词向量对应的多个病历进行聚类并划分为有多个聚类簇。

在本公开的一种示例性实施例中，所述提取病例数据库中的多个病例的多个字段内容并将多个所述字段内容转化为词向量，依据所述词向量对多个所述病例进行聚类并划分为多个聚类簇还包括：

检测多个所述聚类簇中的病例数量是否超过第一阈值，在检测到某一聚类簇中的病例数量超过第一阈值时，对所述聚类簇进行二次聚类。

在本公开的一种示例性实施例中，所述提取原始病历中的字段内容，将所述字段内容转化为原始词向量包括：

提取原始病历中的字段内容，将所述字段内容通过神经网络算法转化为原始词向量。

在本公开的一种示例性实施例中，所述将所述聚类簇内的多个病例进行排序并反馈包括：

将所述聚类簇内的多个病例按照与所述原始词向量的向量内积的距离由近至远的顺序进行排序并反馈。

在本公开的一种示例性实施例中，所述对多个所述病例进行聚类包括通过基于密度的聚类算法进行聚类。

在本公开的一种示例性实施例中，所述对多个所述病例进行聚类包括通过词袋模型进行聚类。

根据本公开的一个方面，提供一种相似病例检索装置，所述相似病例检索装置包括：

聚类模块，用于提取病例数据库中的多个病例的多个字段内容并将多个所述字段内容转化为词向量，依据所述词向量对多个所述病例进行聚类并划分为多个聚类簇；

提取转化模块，用于提取原始病历中的字段内容，将所述字段内容转化为原始词向量；

病例搜索模块，用于搜索与所述原始词向量最近的聚类簇，并将所述聚类簇内的多个病例进行排序并反馈。

根据本公开的一个方面，提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述任意一项所述的相似病例检索方法。

根据本公开的一个方面，提供一种电子设备，包括：

处理器；以及

存储器，用于存储所述处理器的可执行指令；

其中，所述处理器配置为经由执行所述可执行指令来执行上述任意一项所述的相似病例检索方法。

由上述技术方案可知，本公开提供的一种相似病例检索方法，其优点和积极效果在于：

本公开提供的一种相似病例检索方法及装置，首先通过提取病例数据库中的多个病例以对多个病例进行聚类并划分为多个聚类簇；其次在病例检索时，将原始病历中的字段内容转化为原始词向量；进一步搜索与所述原始词向量最近的聚类簇，并将聚类簇内的多个病例进行排序并反馈。本公开的相似病例检索方法一方面预先针对病例进行聚类，并划分为有限个簇，构建完善的数据库及检索算法，可以减少检索时的数据计算量，降低检索难度，提高检索效率尤其是提高某些文档数量巨大的常见病的检索效率；另一方面通过将输入病例中的字段内容转化为词向量进行搜索、查找相近的聚类簇并反馈相似病例，可以提高检索准确度，保证最终检索效果。

本公开的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本公开的实践而习得。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。显而易见地，下面描述中的附图仅仅是本公开的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1示意性示出本公开示例性实施例中一种相似病例检索方法的流程示意图；

图2示意性示出应用本公开示例性实施例中相似病例检索方法中的患者病案首页示意图；

图3示意性示出根据图2中的病案检索出的相似病例列表示意图；

图4示意性示出本公开示例性实施例中相似病例检索装置的模拟框图；

图5示意性示出一种用于实现上述相似病例检索方法的电子设备；

图6示意性示出一种用于实现上述相似病例检索方法的计算机可读存储介质。

具体实施方式

现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的范例；相反，提供这些实施方式使得本公开将更加全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施方式中。在下面的描述中，提供许多具体细节从而给出对本公开的实施方式的充分理解。然而，本领域技术人员将意识到，可以实践本公开的技术方案而省略所述特定细节中的一个或更多，或者可以采用其它的方法、组元、装置、步骤等。在其它情况下，不详细示出或描述公知技术方案以避免喧宾夺主而使得本公开的各方面变得模糊。

此外，附图仅为本公开的示意性图解，并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分，因而将省略对它们的重复描述。附图中所示的一些方框图是功能实体，不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。

本示例实施方式中首先提供了一种相似病例检索方法。参照图1所示，该相似病例检索方法可以包括以下步骤：

步骤S10.提取病例数据库中的多个病例的多个字段内容并将多个所述字段内容转化为词向量，依据所述词向量对多个所述病例进行聚类并划分为多个聚类簇；

步骤S20.提取原始病历中的字段内容，将所述字段内容转化为原始词向量；

步骤S30.搜索与所述原始词向量最近的聚类簇，并将所述聚类簇内的多个病例进行排序并反馈。

由上述技术方案可知，本公开提供的一种相似病例检索方法，首先通过提取病例数据库中的多个病例以对多个病例进行聚类并划分为多个聚类簇；其次在病例检索时，将原始病历中的字段内容转化为原始词向量；进一步搜索与所述原始词向量最近的聚类簇，并将聚类簇内的多个病例进行排序并反馈。本公开的相似病例检索方法一方面预先针对病例进行聚类，并划分为有限个簇，构建完善的数据库及检索算法，可以减少检索时的数据计算量，降低检索难度，提高检索效率尤其是提高某些文档数量巨大的常见病的检索效率；另一方面通过将输入病例中的字段内容转化为词向量进行搜索、查找相近的聚类簇并反馈相似病例，可以提高检索准确度，保证最终检索效果。

下面，将对本示例实施方式中上述相似病例检索方法中的各步骤进行详细的解释以及说明。

在步骤S10中，所述提取病例数据库中的多个病例的多个字段内容并将多个所述字段内容转化为词向量，依据所述词向量对多个所述病例进行聚类并划分为多个聚类簇可以包括：首先提取病例数据库中的多个病例中的多个字段内容，并将多个字段内容通过神经网络算法转化为词向量；其次对多个词向量进行聚类并划分为多个聚类簇，进而对与所述词向量对应的多个病历进行聚类并划分为有多个聚类簇。

其中，所述神经网络算法可以为word2vec算法，word2vec的核心是神经网络的方法，将多个词语映像到同一坐标系下，再用距离公式(如：皮尔逊公式)求出数值向量，进而求出各个词语之间的相识度的高效工具。换言之，在本示例实施例中，word2vec算法，可以将病例中的字段内容转化为词向量，在迭代初始化时，不需要预设任何字段权重，可以控制每个字段权重相同，然后通过基于密度的聚类算法(DBSCAN，Density-Based SpatialClustering of Applications with Noise)对相似病例进行聚类，也可以通过词袋模型(BOW，Bag of Words)对相似病例进行聚类。

进一步的，在执行一轮之后，需要检测某个聚类簇是否较大，即病例数量过多，这里可以预先设置聚类簇中的病例数量为第一阈值，在检测到某一聚类簇中的病例数量超过所述第一阈值时，可以对所述聚类簇进行二次聚类，直到每一个聚类簇的病例数量都控制在第一阈值之内，聚类完成。

在步骤S20中，在用户输入原始病历后，随即提取原始病历中的字段内容，并将所述字段内容通过神经网络算法即word2vec算法转化为原始词向量，以便后续检索。

在步骤S30中，在检索阶段，基于在步骤S10中聚类的多个病例聚类簇，搜索与在步骤S20中转化的原始词向量最接近的聚类簇，并在所述聚类簇内通过词向量的内积运算来度量病例之间的距离，并将多个与原始词向量的向量内积距离较近的病例形成集合。进一步的，还可以将聚类簇内的多个病例按照与所述原始词向量的向量内积的距离由近至远的顺序进行排序并反馈。

本示例实施例提供的相似病例检索方法，预先针对病例进行聚类，并划分为有限个簇，构建完善的数据库及检索算法，可以减少检索时的数据计算量，降低检索难度，提高检索效率，尤其是提高某些文档数量巨大的常见病例如糖尿病、高血压等疾病病例的检索效率；另一方面通过将输入病例中的字段内容转化为词向量进行搜索、查找相近的聚类簇并反馈相似病例，可以提高检索准确度，保证最终检索效果。

举例而言，参照图2、图3所示，图2为输入的某一患者病案首页示意图，图3为根据图2中的病案检索出的相似病例列表示意图，且图3按照相似度由高到低的顺序将多个病例依次列出，并进一步可查看病例详情和相似度分析。

本公开还提供了一种相似病例检索装置。参照图4所示，该相似病例检索装置可以包括聚类模块110、提取转化模块120以及病例搜索模块130。其中：

聚类模块110，可以用于提取病例数据库中的多个病例的多个字段内容并将多个所述字段内容转化为词向量，依据所述词向量对多个所述病例进行聚类并划分为多个聚类簇；

提取转化模块120，可以用于提取原始病历中的字段内容，将所述字段内容转化为原始词向量；

病例搜索模块130，可以用于搜索与所述原始词向量最近的聚类簇，并将所述聚类簇内的多个病例进行排序并反馈。

上述相似病例检索装置中各模块的具体细节已经在对应的相似病例检索方法中进行了详细想描述，因此此处不再赘述。

应当注意，尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元，但是这种划分并非强制性的。实际上，根据本公开的实施方式，上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之，上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。

此外，尽管在附图中以特定顺序描述了本公开中方法的各个步骤，但是，这并非要求或者暗示必须按照该特定顺序来执行这些步骤，或是必须执行全部所示的步骤才能实现期望的结果。附加的或备选的，可以省略某些步骤，将多个步骤合并为一个步骤执行，以及/或者将一个步骤分解为多个步骤执行等。

通过以上的实施方式的描述，本领域的技术人员易于理解，这里描述的示例实施方式可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本公开实施方式的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、移动终端、或者网络设备等)执行根据本公开实施方式的方法。

在本公开的示例性实施例中，还提供了一种能够实现上述方法的电子设备。

所属技术领域的技术人员能够理解，本发明的各个方面可以实现为***、方法或程序产品。因此，本发明的各个方面可以具体实现为以下形式，即：完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等)，或硬件和软件方面结合的实施方式，这里可以统称为“电路”、“模块”或“***”。

下面参照图5来描述根据本发明的这种实施方式的电子设备600。图5显示的电子设备600仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。

如图5所示，电子设备600以通用计算设备的形式表现。电子设备600的组件可以包括但不限于：上述至少一个处理单元610、上述至少一个存储单元620、连接不同***组件(包括存储单元620和处理单元610)的总线630。

其中，所述存储单元存储有程序代码，所述程序代码可以被所述处理单元610执行，使得所述处理单元610执行本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施方式的步骤。例如，所述处理单元610可以执行如图1中所示的步骤S10：提取病例数据库中的多个病例的多个字段内容并将多个所述字段内容转化为词向量，依据所述词向量对多个所述病例进行聚类并划分为多个聚类簇；步骤S20：提取原始病历中的字段内容，将所述字段内容转化为原始词向量；步骤S30：搜索与所述原始词向量最近的聚类簇，并将所述聚类簇内的多个病例进行排序并反馈。

存储单元620可以包括易失性存储单元形式的可读介质，例如随机存取存储单元(RAM)6201和/或高速缓存存储单元6202，还可以进一步包括只读存储单元(ROM)6203。

存储单元620还可以包括具有一组(至少一个)程序模块6205的程序/实用工具6204，这样的程序模块6205包括但不限于：操作***、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。

总线630可以为表示几类总线结构中的一种或多种，包括存储单元总线或者存储单元控制器、***总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。

电子设备600也可以与一个或多个外部设备700(例如键盘、指向设备、蓝牙设备等)通信，还可与一个或者多个使得用户能与该电子设备600交互的设备通信，和/或与使得该电子设备600能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口650进行。并且，电子设备600还可以通过网络适配器660与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。如图所示，网络适配器660通过总线630与电子设备600的其它模块通信。应当明白，尽管图中未示出，可以结合电子设备600使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID***、磁带驱动器以及数据备份存储***等。

通过以上的实施方式的描述，本领域的技术人员易于理解，这里描述的示例实施方式可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本公开实施方式的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、终端装置、或者网络设备等)执行根据本公开实施方式的方法。

在本公开的示例性实施例中，还提供了一种计算机可读存储介质，其上存储有能够实现本说明书上述方法的程序产品。在一些可能的实施方式中，本发明的各个方面还可以实现为一种程序产品的形式，其包括程序代码，当所述程序产品在终端设备上运行时，所述程序代码用于使所述终端设备执行本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施方式的步骤。

参考图6所示，描述了根据本发明的实施方式的用于实现上述方法的程序产品800，其可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码，并可以在终端设备，例如个人电脑上运行。然而，本发明的程序产品不限于此，在本文件中，可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行***、装置或者器件使用或者与其结合使用。

所述程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的***、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。

计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了可读程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。可读信号介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、传播或者传输用于由指令执行***、装置或者器件使用或者与其结合使用的程序。

可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、有线、光缆、RF等等，或者上述的任意合适的组合。

可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、C++等，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网(LAN)或广域网(WAN)，连接到用户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。

此外，上述附图仅是根据本发明示例性实施例的方法所包括的处理的示意性说明，而不是限制目的。易于理解，上述附图所示的处理并不表明或限制这些处理的时间顺序。另外，也易于理解，这些处理可以是例如在多个模块中同步或异步执行的。

本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其他实施例。本申请旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由权利要求指出。

Claims (10)

1.一种相似病例检索方法，其特征在于，所述相似病例检索方法包括：

提取病例数据库中的多个病例的多个字段内容并将多个所述字段内容转化为词向量，依据所述词向量对多个所述病例进行聚类并划分为多个聚类簇；

提取原始病历中的字段内容，将所述字段内容转化为原始词向量；

搜索与所述原始词向量最近的聚类簇，并将所述聚类簇内的多个病例进行排序并反馈。

2.根据权利要求1所述的相似病例检索方法，其特征在于，所述提取病例数据库中的多个病例的多个字段内容并将多个所述字段内容转化为词向量，依据所述词向量对多个所述病例进行聚类并划分为多个聚类簇包括：

提取病例数据库中的多个病例中的多个字段内容，并将多个所述字段内容通过神经网络算法转化为词向量；

对多个所述词向量进行聚类并划分为多个聚类簇，进而对与所述词向量对应的多个病历进行聚类并划分为有多个聚类簇。

3.根据权利要求2所述的相似病例检索方法，其特征在于，所述提取病例数据库中的多个病例的多个字段内容并将多个所述字段内容转化为词向量，依据所述词向量对多个所述病例进行聚类并划分为多个聚类簇还包括：

检测多个所述聚类簇中的病例数量是否超过第一阈值，在检测到某一聚类簇中的病例数量超过第一阈值时，对所述聚类簇进行二次聚类。

4.根据权利要求3所述的相似病例检索方法，其特征在于，所述提取原始病历中的字段内容，将所述字段内容转化为原始词向量包括：

提取原始病历中的字段内容，将所述字段内容通过神经网络算法转化为原始词向量。

5.根据权利要求4所述的相似病例检索方法，其特征在于，所述将所述聚类簇内的多个病例进行排序并反馈包括：

将所述聚类簇内的多个病例按照与所述原始词向量的向量内积的距离由近至远的顺序进行排序并反馈。

6.根据权利要求1～5任一项所述的相似病例检索方法，其特征在于，所述对多个所述病例进行聚类包括通过基于密度的聚类算法进行聚类。

7.根据权利要求1～5任一项所述的相似病例检索方法，其特征在于，所述对多个所述病例进行聚类包括通过词袋模型进行聚类。

8.一种相似病例检索装置，其特征在于，所述相似病例检索装置包括：

聚类模块，用于提取病例数据库中的多个病例的多个字段内容并将多个所述字段内容转化为词向量，依据所述词向量对多个所述病例进行聚类并划分为多个聚类簇；

提取转化模块，用于提取原始病历中的字段内容，将所述字段内容转化为原始词向量；

病例搜索模块，用于搜索与所述原始词向量最近的聚类簇，并将所述聚类簇内的多个病例进行排序并反馈。

9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1～7任一项所述的相似病例检索方法。

10.一种电子设备，其特征在于，包括：

处理器；以及

存储器，用于存储所述处理器的可执行指令；

其中，所述处理器配置为经由执行所述可执行指令来执行权利要求1～7任一项所述的相似病例检索方法。