CN111640517A - 病历编码方法、装置、存储介质及电子设备 - Google Patents
病历编码方法、装置、存储介质及电子设备 Download PDFInfo
- Publication number
- CN111640517A CN111640517A CN202010460392.5A CN202010460392A CN111640517A CN 111640517 A CN111640517 A CN 111640517A CN 202010460392 A CN202010460392 A CN 202010460392A CN 111640517 A CN111640517 A CN 111640517A
- Authority
- CN
- China
- Prior art keywords
- vector
- target
- entities
- entity
- determining
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H70/00—ICT specially adapted for the handling or processing of medical references
- G16H70/60—ICT specially adapted for the handling or processing of medical references relating to pathologies
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
- G06F16/367—Ontology
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
- G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Public Health (AREA)
- Primary Health Care (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Epidemiology (AREA)
- Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computational Linguistics (AREA)
- Animal Behavior & Ethology (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
本公开的实施例提供了一种病历编码方法、装置、存储介质及电子设备。该方法包括:从目标病历中提取多个目标实体;基于预先设置的知识图谱中实体的个数,确定所述多个目标实体对应的独热码;基于预先设置的知识图谱中各实体的第一向量,确定所述多个目标实体对应的多个第一向量;基于所述多个目标实体对应的多个第一向量以及所述多个目标实体对应的独热码,确定所述目标病历的向量;通过深度学习模型,确定所述目标病历的向量所对应的编码。基于知识图谱确定目标病历的向量,实现了目标病历的准确的向量表示,然后结合深度学习模型,实现基于向量的自动编码,提升了病历编码的效率以及准确率。
Description
技术领域
本公开涉及计算机技术以及信息处理技术领域,具体而言,涉及一种病历编码方法、装置、存储介质及电子设备。
背景技术
国际疾病分类(International Classification of Diseases,ICD)可以根据疾病的病因、病理、临床表现和解剖位置等特性,将疾病分门别类,使其成为一个有序的组合,并用编码的方法来表示。目前较为通用的是第10次修订本《疾病和有关健康问题的国际统计分类》,仍保留了ICD的简称,并被统称为ICD-10。
目前,病历编码通常采用以下方式:
1、纯人工编码
这种编码方式人工成本很高,效率低,而且,不同编码员人工理解也可能不一致,从而导致后续基于病历编码的各项统计分析工作无法开展或结果错误。
2、基于关键词搜索进行编码
这种编码方式关键词很重要,关键词提取很难保证准确,而且,搜索召回也很难精确排到前列。
3、直接使用多分类模型,进行编码推荐
由于多个版本的ICD都有几万的类别,直接通过多分类模型进行分类的类别太多,语料规模和分布,很难保证模型效果。
因此,需要一种新的病历编码方法、装置、存储介质及电子设备,实现高效准确的病历编码。
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
本公开实施例提供一种病历编码方法、装置、存储介质及电子设备,实现高效准确的病历编码。
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。
根据本公开实施例的一个方面,提供了一种病历编码方法,其中,所述方法包括:从目标病历中提取多个目标实体;基于预先设置的知识图谱中实体的个数,确定所述多个目标实体对应的独热码;基于预先设置的知识图谱中各实体的第一向量,确定所述多个目标实体对应的多个第一向量;基于所述多个目标实体对应的多个第一向量以及所述多个目标实体对应的独热码,确定所述目标病历的向量;通过深度学习模型,确定所述目标病历的向量所对应的编码。
在本公开的一些示例性实施例中,基于前述方案,基于所述多个目标实体对应的多个第一向量以及所述多个目标实体对应的独热码,确定所述目标病历的向量,包括:利用所述多个目标实体对应的多个第一向量替换所述多个目标实体对应的独热码中所述多个目标实体对应的维度的值,以确定所述目标病历的向量。
在本公开的一些示例性实施例中,基于前述方案,基于预先设置的知识图谱中实体的个数,确定所述多个目标实体对应的独热码,包括:根据预先设置的知识图谱中实体的个数,生成包含所述知识图谱中的实体的个数的维度的独热码,并根据所述多个目标实体与所述知识图谱中的实体的比对结果,生成所述独热码中每一维度的值。
在本公开的一些示例性实施例中,基于前述方案,基于预先设置的知识图谱中各实体的第一向量,确定所述多个目标实体对应的多个第一向量之前,所述方法还包括:获取所述知识图谱中各实体的第一向量;获取所述知识图谱中各实体的第一向量,包括:基于社区发现算法确定所述知识图谱中每一实体的第二向量;基于平移向量算法确定所述知识图谱中每一实体的第三向量;基于所述知识图谱中每一实体的所述第二向量以及所述第三向量,确定所述知识图谱中每一实体的第一向量;其中,每一实体的第一向量的维度数目等于第二向量的维度数目与第三向量的维度数目之和。
在本公开的一些示例性实施例中,基于前述方案,基于所述知识图谱中每一实体的所述第二向量以及所述第三向量,确定所述知识图谱中每一实体的第一向量,包括:分别对每一实体的第二向量以及第三向量进行归一化;确定所述第二向量以及所述第三向量的权重系数;基于每一实体的第二向量以及第三向量的归一化结果和所述第二向量以及所述第三向量的权重系数确定所述知识图谱中每一实体的第一向量。
在本公开的一些示例性实施例中,基于前述方案,从目标病历中提取目标实体,包括:从所述目标病历获取多个记录表;基于记录表的目标字段与目标实体的类别的对应关系,从每个记录表的目标字段中提取对应的类别的目标实体。
在本公开的一些示例性实施例中,基于前述方案,所述方法还包括:基于深度学习模型和所述目标实体的第一向量确定所述目标病历的编码之前,所述方法还包括:获取深度学习模型;获取深度学习模型,包括:
以所述知识图谱中的实体的第一向量作为样本数据,获取所述样本数据的真实编码;基于所述初始深度学习模型确定所述样本数据的预测编码;基于每一样本数据的真实编码以及预测编码,确定所述初始深度学习模型的损失函数;基于所述损失函数确定深度学习模型的参数;基于所述参数确定深度学习模型。
根据本公开实施例的一个方面,提供了一种病历编码装置,其中,所述装置包括:实体提取模块,配置为从目标病历中提取多个目标实体;第一确定模块,配置为基于预先设置的知识图谱中实体的个数,确定所述多个目标实体对应的独热码;第二确定模块,配置为基于预先设置的知识图谱中各实体的第一向量,确定所述多个目标实体对应的多个第一向量;第三确定模块,配置为基于所述多个目标实体对应的多个第一向量以及所述多个目标实体对应的独热码,确定所述目标病历的向量;第四确定模块,配置为通过深度学习模型,确定所述目标病历的向量所对应的编码。
在本公开的一些示例性实施例中,基于前述方案,所述第三确定模块,配置为利用所述多个目标实体对应的多个第一向量替换所述多个目标实体对应的独热码中所述多个目标实体对应的维度的值,以确定所述目标病历的向量。
在本公开的一些示例性实施例中,基于前述方案,所述第一确定单元,配置为根据预先设置的知识图谱中实体的个数,生成包含所述知识图谱中的实体的个数的维度的独热码,并根据所述多个目标实体与所述知识图谱中的实体的比对结果,生成所述独热码中每一维度的值。
在本公开的一些示例性实施例中,基于前述方案,所述装置还包括向量获取模块,配置为获取所述知识图谱中各实体的第一向量;所述向量获取模块,包括:第一确定单元,配置为基于社区发现算法确定所述知识图谱中每一实体的第二向量;第二确定单元,配置为基于平移向量算法确定所述知识图谱中每一实体的第三向量;第三确定单元,配置为基于所述知识图谱中每一实体的所述第二向量以及所述第三向量,确定所述知识图谱中每一实体的第一向量;其中,每一实体的第一向量的维度数目等于第二向量的维度数目与第三向量的维度数目之和。
在本公开的一些示例性实施例中,基于前述方案,所述第三确定模块,配置为分别对每一实体的第二向量以及第三向量进行归一化;确定所述第二向量以及所述第三向量的权重系数;基于每一实体的第二向量以及第三向量的归一化结果和所述第二向量以及所述第三向量的权重系数确定所述知识图谱中每一实体的第一向量。
在本公开的一些示例性实施例中,基于前述方案,所述实体提取模块,配置为从所述目标病历获取多个记录表;基于记录表的目标字段与目标实体的类别的对应关系,从每个记录表的目标字段中提取对应的类别的目标实体。
在本公开的一些示例性实施例中,基于前述方案,所述装置还包括模型获取模块,配置为获取深度学习模型;所述模型获取模块,还配置为以所述知识图谱中的实体的第一向量作为样本数据,获取所述样本数据的真实编码;基于所述初始深度学习模型确定所述样本数据的预测编码;基于每一样本数据的真实编码以及预测编码,确定所述初始深度学习模型的损失函数;基于所述损失函数确定深度学习模型的参数;基于所述参数确定深度学习模型。
根据本公开实施例的一个方面,提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如上述实施例中所述的方法。
根据本公开实施例的一个方面,提供了一种电子设备,包括:一个或多个处理器;存储装置,用于存储一个或多个程序,当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器实现如上述实施例中所述的方法。
本发明实施例,从目标病历中提取多个目标实体;基于预先设置的知识图谱中实体的个数,确定所述多个目标实体对应的独热码;基于预先设置的知识图谱中各实体的第一向量,确定所述多个目标实体对应的多个第一向量;基于所述多个目标实体对应的多个第一向量以及所述多个目标实体对应的独热码,确定所述目标病历的向量;通过深度学习模型,确定所述目标病历的向量所对应的编码。基于知识图谱确定目标病历的向量,实现了目标病历的准确的向量表示,然后结合深度学习模型,实现基于向量的自动编码,提升了病历编码的效率以及准确率。
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。
在附图中:
图1示意性示出了根据本公开的一个实施例的病历编码方法的流程图;
图2示意性示出了根据本公开的一个实施例的知识图谱中实体的第一向量的方法的流程图;
图3示意性示出了根据本公开的一实施例的病历编码装置的框图;
图4示出了适于用来实现本公开实施例的电子设备的计算机***的结构示意图。
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。
此外,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例中。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例的充分理解。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没有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方法、装置、实现或者操作以避免模糊本公开的各方面。
附图中所示的方框图仅仅是功能实体,不一定必须与物理上独立的实体相对应。即,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。
附图中所示的流程图仅是示例性说明,不是必须包括所有的内容和操作/步骤,也不是必须按所描述的顺序执行。例如,有的操作/步骤还可以分解,而有的操作/步骤可以合并或部分合并,因此实际执行的顺序有可能根据实际情况改变。
图1示意性示出了根据本公开的一个实施例的病历编码方法的流程图。本公开实施例所提供的方法可以由任意具备计算处理能力的电子设备处理,例如,服务器或终端设备,在下面的实施例中,以服务器为执行主体为例进行举例说明,但本公开并不限定于此。
如图1所示,本公开实施例提供的病历编码的方法可以包括以下步骤:
在步骤S110中,从目标病历中提取多个目标实体。
本公开实施例中,目标病历可以是各医院提供的电子病历,每个目标病历可以包括多个记录表,如,入院记录表、出院记录表、检验记录表、手术记录表、药品医嘱记录表等。每个目标病历可以提取出多个目标实体。
本公开实施例中,预设置有记录表的目标字段与目标实体的类别的对应关系,在从目标病历中获取到记录表后,基于该对应关系,从每个记录表中提取到对应的类别的目标实体。
需要指出的是,记录表中的不同字段可以对应于不同类别的目标实体,从而一个记录表中可以提取多种类别的目标实体,而且,提取的每种目标实体可以包括多个目标实体。
表1为本发明实施例提供的部分记录表与目标实体的类别的对应关系。
目标实体的类别 | 记录表的目标字段 |
症状 | 入院记录表->主诉 |
诊断 | 出院记录表->出院诊断(顺位第一) |
检验 | 检验记录表->检验子项目(异常表示) |
手术 | 手术记录表->手术名 |
药品 | 药品医嘱记录表->药品通用名 |
是否吸烟 | 入院记录表->个人史 |
表1
如表1所示,基于入院记录表的不同字段(主诉以及个人史)可以对应不同的目标实体的类别(症状以及是否吸烟),而且,对于药品医嘱记录表可能对应于多种药品。
需要说明的是,目标实体的类别可以自由扩展,如由用户自定义设置,在增加新的目标实体的类别时,需要基于数据的可靠程度、精准程度以及更新及时程度设置该目标实体对应的记录表的目标字段,并将该对应关系添加到预设置的记录表的目标字段与目标实体的类别的对应关系中。
还需要说明的是,如表1所示,在出院记录表的出院诊断的字段中,取顺位第一的出院诊断提取对应的诊断的类别。这是由于各记录数据的可靠程度、精准程度、更新及时程度是不一样的,如,出院记录表中的出院诊断中可能包括多种诊断,顺位第一的诊断通常是最主要的诊断,因此,设置出院记录表中的出院诊断的顺位第一的字段提取诊断的医疗术语。
本发明实施例中,基于数据的可靠程度、精准程度以及更新及时程度设置提取目标实体的类别的记录表的目标字段,提升了提取的目标实体的可靠程度、精准程度以及更新的及时性,为后续病历编码提供了准确的源数据,提升了病历的准确性。
在步骤S120中,基于预先设置的知识图谱中实体的个数,确定所述多个目标实体对应的独热码。
本公开实施例中,可以基于大量病历数据以及算法预先设置知识图谱,该知识图谱中的顶点可以包括实体和属性,顶点之间连接的边表示两个顶点的关系。
本公开实施例中,在预先设置知识图谱后,可以基于该知识图谱中的实体的个数,确定目标病历中提取的多个实体对应的独热码。
本发明实施例中,根据预先设置的知识图谱中实体的个数,可以生成包含所述知识图谱中的实体的个数的维度的独热码,并根据所述多个目标实体与所述知识图谱中的实体的比对结果,生成所述独热码中每一维度的值。
需要说明的是,根据知识图谱中实体的个数,可以确定目标病历的多个目标实体的独热码one-hot encoding的维度数目,例如,若知识图谱中共1万个实体,则该多个目标实体的独热码W向量的长度为1万维度。而独热码可以用1或0来表示目标实体与知识图谱中实体的比对结果,若目标实体属于知识图谱的实体,或,目标实体与知识图谱中的某实体比对结果为相同,则该维度的值为1,否则为0。
例如,从目标病历提取的多个目标实体为:A、B、C、D、E,其中,知识图谱中实体的个数为10,分别为A、B、C、D、E、F、G、H、I、J,则该目标病历的多个目标实体的独热码为:1111100000。
需要指出的是,独热码是用于将目标病历的多个目标实体形成向量表示,本发明实施例中,还可以使用更复杂的专家型方法将目标病历的多个目标实体形成向量表示。
在S130中,基于预先设置的知识图谱中各实体的第一向量,确定所述多个目标实体对应的多个第一向量。
本发明实施例中,在预先设置了知识图谱后,进一步可以获取该知识图谱中的各实体的第一向量,进而确定多个目标实体的多个第一向量。
本发明实施例中,可以基于目标实体与知识图谱中的各实体的比对结果,确定每个目标实体的第一向量。例如,若目标实体与知识图谱中的实体相同,则可以基于知识图谱中的该实体的第一向量确定该目标实体的第一向量。
需要指出的是,本发明并不仅限于在步骤S120执行结束后执行S130,也可以先执行S130后执行S120。
在步骤S140中,基于所述多个目标实体对应的多个第一向量以及所述多个目标实体对应的独热码,确定所述目标病历的向量。
本发明实施例中,在确定多个目标实体的第一向量以及独热码后,利用所述多个目标实体对应的多个第一向量替换所述多个目标实体对应的独热码中所述多个目标实体对应的维度的值,以确定所述目标病历的向量。
需要指出的是,该目标病历的向量的维度数目与独热码的维度数目相同,独热码中维度值为1的目标实体对应的该目标病历的向量的维度值为知识图谱中该目标实体的第一向量。
例如,知识图谱中的每个实体的第一向量为512维,若获取的独热码的当前维度的比特值为1,将该比特维度值替换为知识图谱中该实体的具体的第一向量(512维),若获取的独热码的当前维度的比特值为0,将该维度值替换为512维的0向量,假设知识图谱中共有1万实体,则获取的目标病历基于该知识图谱的维度为1万维度,而知识图谱中的的独热码的每个维度为512维,则获取到的目标病历的向量为512*1万维度的向量。
本发明实施例中,知识图谱中实体的第一向量可以基于实体的第二向量以及第三向量确定,其中,第二向量表示基于社区发现算法确定的知识图谱中实体的向量,第三向量表示基于平移向量算法确定的知识图谱中实体的向量,分别为第二向量以及第三向量设置权重系数,利用第二向量、第三向量以及各自的权重系数,确定第一向量。
在步骤S150中,通过深度学习模型,确定所述目标病历的向量所对应的编码。
本发明实施例中,可以首先获取到深度学习模型。在获取深度学习模型时,可以以知识图谱中的实体的第一向量作为样本数据,获取所述样本数据的真实编码,该真实编码也可以称作为样本数据的标签。构建一个初始深度学习模块,基于该初始深度学习模型确定样本数据的预测编码,然后基于每一样本数据的真实编码(标签)以及预测编码,确定该初始深度学习模型的损失函数,基于损失函数确定深度学习模型的参数,基于所述参数确定深度学习模型。
需要指出的是,本发明实施例中可以利用大量的、包括多类别的编码的样本数据的训练深度学习模型,从而提高深度学习模型确定编码的准确性。
本发明实施例中,在获取深度学习模型后,将确定的目标病历的向量输入至该深度学习模型,从而输出该目标病历的编码。
需要说明的是,本发明并不仅限于利用深度学习模型确定目标病历的编码,也可以采用其他分类算法。
本发明实施例,从目标病历中提取多个目标实体;基于预先设置的知识图谱中实体的个数,确定所述多个目标实体对应的独热码;基于预先设置的知识图谱中各实体的第一向量,确定所述多个目标实体对应的多个第一向量;基于所述多个目标实体对应的多个第一向量以及所述多个目标实体对应的独热码,确定所述目标病历的向量;通过深度学习模型,确定所述目标病历的向量所对应的编码。基于知识图谱确定目标病历的向量,实现了目标病历的准确的向量表示,然后结合深度学习模型,实现基于向量的自动编码,提升了病历编码的效率以及准确率。
下面结合具体的实施例,对本发明提出的病历编码方法进行进一步的说明。
图2示意性示出了根据本公开的一个实施例的知识图谱中实体的第一向量的方法的流程图。如图2所示,所述方法可以包括但不限于以下步骤:
在S210中,基于社区发现算法确定所述知识图谱中实体的第二向量。
需要说明的是,社区发现算法一般是要探测网络中的“块”cluster或是“社团”community,可以发现网络中的社区结构,也可以看成一种聚类算法,最早起源于社交网络拓扑图研究。
本发明实施例中,知识图谱在逻辑上可以看成一个拓扑网络图,可以用社区发现COPRA算法在知识图谱中搜索社区结构,把知识图谱上的医学实体汇总成若干个社区簇,属于统一个社区的诊断、症状、药品等从某种程度上是一组强相关的群体。该算法支持重叠社区发现,即一个实体可以属于多个社区。
例如,在知识图谱上设置256个社区,将所有的社区分配ID,知识图谱上所有实体可以用一个256维的向量,该向量为第二向量,第二向量用V1表示,若V1属于某个社区,则将该维度置1,其他位置置0。
需要指出的是,确定知识图谱中的实体的第二向量,还可以采用谱二分法、模块度法、随机漫步randwalk法、统计推理等。
在S220中,基于平移向量算法确定所述知识图谱中实体的第三向量。
本发明实施例中,平移向量TransE算法是知识图谱领域很重要的一种算法,可以生成图谱中实体和关系的分布式向量表示。具体做法就是将每个三元组实例中的关系relation看做从实体head到实体tail的翻译,通过不断调整h、r和t(head、relation和tail的向量),使(h+r)尽可能与t相等,即h+r=t。
本发明实施例中,通过TransE算法可以从知识图谱中可以学习出每一个医学实体的分布式向量,该向量为第三向量,第三向量用V2表示,v2向量的长度为256维。
在S230中,基于所述知识图谱中实体的所述第二向量以及所述第三向量,确定所述知识图谱中实体的第一向量。
本发明实施例中,在获取到某实体的第二向量以及第三向量后,可以分别对所述知识图谱中实体的所述第二向量以及所述第三向量进行归一化,并基于所述知识图谱中实体的所述第二向量以及所述第三向量的归一化结果和所述第二向量以及所述第三向量的权重系数确定所述知识图谱中实体的第一向量。
本发明实施例中,在对第二向量(第三向量)进行归一化时,可以计算所有维度值的平方和的开方a,然后所有维度值除以a,得到每个维度的归一化的结果。
本发明实施例中,可以为第二向量以及第三向量分配权重系数,该权重系数可以是经验值或者自定义。本发明提供一个具体的权重系数:第二向量的权重系数为0.7,第三向量的权重系数为0.3。
本发明实施例中,知识图谱中实体的第一向量用V表示,可以通过以下公式得到:
V=V1*N1+V2*N2 (1)
其中,V表示第一向量,V1表示第二向量,V2表示第三向量,N1和N2分别表示第二向量以及第三向量的权重系数。
需要指出的是,在得到第一向量后,需要对第一向量进行归一化,归一化的方法参见对第二向量(第三向量)归一化的方法。
需要说明的是,每一实体的第一向量的维度数目等于第二向量的维度数目与第三向量的维度数目之和,且,每一实体的第二向量以及第三向量的维度数目可以相同或不同。
本发明实施例中,基于社区发现算法确定所述知识图谱中实体的第二向量;基于平移向量算法确定所述知识图谱中实体的第三向量;基于所述知识图谱中实体的所述第二向量以及所述第三向量,确定所述知识图谱中实体的第一向量。实现了通过社区发现算法以及平移向量算法共同确定知识图谱中实体的向量,相比于仅根据第二向量或第三向量确定知识图谱中的实体的向量,提升了实体向量的准确性。
以下介绍本公开的装置实施例,可以用于执行本公开上述的病历编码方法。对于本公开装置实施例中未披露的细节,请参照本公开上述的药品信息标准化的方法的实施例。
图3示意性示出了根据本公开的一实施例的病历编码装置的框图。参照图3所示,本公开的一个实施例的病历编码装置300,可以包括:实体提取模块310、第一确定模块320、第二确定模块330、第三确定模块340以及第四确定模块350。
实体提取模块310,配置为从目标病历中提取多个目标实体。
第一确定模块320,配置为基于预先设置的知识图谱中实体的个数,确定所述多个目标实体对应的独热码。
第二确定模块330,配置为基于预先设置的知识图谱中各实体的第一向量,确定所述多个目标实体对应的多个第一向量。
第三确定模块340,配置为基于所述多个目标实体对应的多个第一向量以及所述多个目标实体对应的独热码,确定所述目标病历的向量。
第四确定模块350,配置为通过深度学习模型,确定所述目标病历的向量所对应的编码。
本发明实施例,从目标病历中提取多个目标实体;基于预先设置的知识图谱中实体的个数,确定所述多个目标实体对应的独热码;基于预先设置的知识图谱中各实体的第一向量,确定所述多个目标实体对应的多个第一向量;基于所述多个目标实体对应的多个第一向量以及所述多个目标实体对应的独热码,确定所述目标病历的向量;通过深度学习模型,确定所述目标病历的向量所对应的编码。基于知识图谱确定目标病历的向量,实现了目标病历的准确的向量表示,然后结合深度学习模型,实现基于向量的自动编码,提升了病历编码的效率以及准确率。
图4示出了适于用来实现本公开实施例的电子设备的计算机***的结构示意图。需要说明的是,图4示出的电子设备的计算机***400仅是一个示例,不应对本公开实施例的功能和使用范围带来任何限制。
如图4所示,计算机***400包括中央处理单元(CPU)401,其可以根据存储在只读存储器(ROM)402中的程序或者从存储部分408加载到随机访问存储器(RAM)403中的程序而执行各种适当的动作和处理。在RAM 403中,还存储有***操作所需的各种程序和数据。CPU401、ROM402以及RAM 403通过总线404彼此相连。输入/输出(I/O)接口405也连接至总线404。
以下部件连接至I/O接口405:包括键盘、鼠标等的输入部分406;包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分407;包括硬盘等的存储部分408;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分409。通信部分409经由诸如因特网的网络执行通信处理。驱动器410也根据需要连接至I/O接口405。可拆卸介质411,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器410上,以便于从其上读出的计算机程序根据需要被安装入存储部分408。
特别地,根据本公开的实施例,下文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信部分409从网络上被下载和安装,和/或从可拆卸介质411被安装。在该计算机程序被中央处理单元(CPU)401执行时,执行本申请的***中限定的各种功能。
需要说明的是,本公开所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——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。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中,计算机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。而在本公开中,计算机可读的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,其中承载了计算机可读的程序代码。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。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、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。计算机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、电线、光缆、RF等等,或者上述的任意合适的组合。
附图中的流程图和框图,图示了按照本公开各种实施例的***、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图或流程图中的每个方框、以及框图或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的***来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开实施例中所涉及到的模块和/或单元可以通过软件的方式实现,也可以通过硬件的方式来实现,所描述的模块和/或单元也可以设置在处理器中。其中,这些模块和/或单元的名称在某种情况下并不构成对该模块和/或单元本身的限定。
作为另一方面,本申请还提供了一种计算机可读介质,该计算机可读介质可以是上述实施例中描述的电子设备中所包含的;也可以是单独存在,而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被一个该电子设备执行时,使得该电子设备实现如下述实施例中所述的方法。例如,所述的电子设备可以实现如图1或图2所示的各个步骤。
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。
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、触控终端、或者网络设备等)执行根据本公开实施方式的方法。
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它实施方案。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下面的权利要求指出。
应当理解的是,本公开并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。
Claims (10)
1.一种病历编码方法,其特征在于,所述方法包括:
从目标病历中提取多个目标实体;
基于预先设置的知识图谱中实体的个数,确定所述多个目标实体对应的独热码;
基于预先设置的知识图谱中各实体的第一向量,确定所述多个目标实体对应的多个第一向量;
基于所述多个目标实体对应的多个第一向量以及所述多个目标实体对应的独热码,确定所述目标病历的向量;
通过深度学习模型,确定所述目标病历的向量所对应的编码。
2.如权利要求1所述的方法,其特征在于,基于所述多个目标实体对应的多个第一向量以及所述多个目标实体对应的独热码,确定所述目标病历的向量,包括:
利用所述多个目标实体对应的多个第一向量替换所述多个目标实体对应的独热码中所述多个目标实体对应的维度的值,以确定所述目标病历的向量。
3.如权利要求1所述的方法,其特征在于,基于预先设置的知识图谱中实体的个数,确定所述多个目标实体对应的独热码,包括:
根据预先设置的知识图谱中实体的个数,生成包含所述知识图谱中的实体的个数的维度的独热码,并根据所述多个目标实体与所述知识图谱中的实体的比对结果,生成所述独热码中每一维度的值。
4.如权利要求1所述的方法,其特征在于,基于预先设置的知识图谱中各实体的第一向量,确定所述多个目标实体对应的多个第一向量之前,所述方法还包括:获取所述知识图谱中各实体的第一向量;
获取所述知识图谱中各实体的第一向量,包括:
基于社区发现算法确定所述知识图谱中每一实体的第二向量;
基于平移向量算法确定所述知识图谱中每一实体的第三向量;
基于所述知识图谱中每一实体的所述第二向量以及所述第三向量,确定所述知识图谱中每一实体的第一向量;其中,每一实体的第一向量的维度数目等于第二向量的维度数目与第三向量的维度数目之和。
5.如权利要求4所述的方法,其特征在于,基于所述知识图谱中每一实体的所述第二向量以及所述第三向量,确定所述知识图谱中每一实体的第一向量,包括:
分别对每一实体的第二向量以及第三向量进行归一化;
确定所述第二向量以及所述第三向量的权重系数;
基于每一实体的第二向量以及第三向量的归一化结果和所述第二向量以及所述第三向量的权重系数确定所述知识图谱中每一实体的第一向量。
6.如权利要求1所述的方法,其特征在于,从目标病历中提取多个目标实体,包括:
从所述目标病历获取多个记录表;
基于记录表的目标字段与目标实体的类别的对应关系,从每个记录表的目标字段中提取对应的类别的目标实体。
7.如权利要求1所述的方法,其特征在于,通过深度学习模型,确定所述目标病历的向量所对应的编码之前,所述方法还包括:获取深度学习模型;
获取深度学习模型,包括:
以所述知识图谱中的实体的第一向量作为样本数据,获取所述样本数据的真实编码;
基于所述初始深度学习模型确定所述样本数据的预测编码;
基于每一样本数据的真实编码以及预测编码,确定所述初始深度学习模型的损失函数;
基于所述损失函数确定深度学习模型的参数;
基于所述参数确定深度学习模型。
8.一种病历编码装置,其特征在于,所述装置包括:
实体提取模块,配置为从目标病历中提取多个目标实体;
第一确定模块,配置为基于预先设置的知识图谱中实体的个数,确定所述多个目标实体对应的独热码;
第二确定模块,配置为基于预先设置的知识图谱中各实体的第一向量,确定所述多个目标实体对应的多个第一向量;
第三确定模块,配置为基于所述多个目标实体对应的多个第一向量以及所述多个目标实体对应的独热码,确定所述目标病历的向量;
第四确定模块,配置为通过深度学习模型,确定所述目标病历的向量所对应的编码。
9.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述的方法。
10.一种电子设备,其特征在于,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-7中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010460392.5A CN111640517B (zh) | 2020-05-27 | 2020-05-27 | 病历编码方法、装置、存储介质及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010460392.5A CN111640517B (zh) | 2020-05-27 | 2020-05-27 | 病历编码方法、装置、存储介质及电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111640517A true CN111640517A (zh) | 2020-09-08 |
CN111640517B CN111640517B (zh) | 2023-05-26 |
Family
ID=72331054
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010460392.5A Active CN111640517B (zh) | 2020-05-27 | 2020-05-27 | 病历编码方法、装置、存储介质及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111640517B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112802566A (zh) * | 2020-12-31 | 2021-05-14 | 医渡云(北京)技术有限公司 | 一种电子病历的编码方法及装置 |
CN114186078A (zh) * | 2021-12-17 | 2022-03-15 | 沈阳东软智能医疗科技研究院有限公司 | 知识图谱的表示学习方法、装置、存储介质及电子设备 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4292666A (en) * | 1978-04-12 | 1981-09-29 | Modicon Div. Gould Inc. | Programmable controller |
US20150248768A1 (en) * | 2014-02-28 | 2015-09-03 | International Business Machines Corporation | Segmentation Using Hybrid Discriminative Generative Label Fusion of Multiple Atlases |
CN107818169A (zh) * | 2017-11-13 | 2018-03-20 | 医渡云(北京)技术有限公司 | 电子病历检索方法及装置、电子病历存储方法及装置 |
CN107833605A (zh) * | 2017-03-14 | 2018-03-23 | 北京大瑞集思技术有限公司 | 一种医院病历信息的编码方法、装置、服务器及*** |
CN107833603A (zh) * | 2017-11-13 | 2018-03-23 | 医渡云(北京)技术有限公司 | 电子病历文档分类方法、装置、电子设备及存储介质 |
CN108630322A (zh) * | 2018-04-27 | 2018-10-09 | 厦门大学 | 药物相互作用建模与风险评估方法、终端设备及存储介质 |
CN109599177A (zh) * | 2018-11-27 | 2019-04-09 | 华侨大学 | 一种基于病历的深度学习预测医疗轨迹的方法 |
CN110069631A (zh) * | 2019-04-08 | 2019-07-30 | 腾讯科技(深圳)有限公司 | 一种文本处理方法、装置以及相关设备 |
CN110097936A (zh) * | 2019-05-08 | 2019-08-06 | 北京百度网讯科技有限公司 | 用于输出病历的方法和装置 |
CN110211680A (zh) * | 2018-02-28 | 2019-09-06 | 阿里健康信息技术有限公司 | 一种虚拟诊疗方法、装置及*** |
CN111026841A (zh) * | 2019-11-27 | 2020-04-17 | 云知声智能科技股份有限公司 | 一种基于检索和深度学习的自动编码方法及装置 |
-
2020
- 2020-05-27 CN CN202010460392.5A patent/CN111640517B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4292666A (en) * | 1978-04-12 | 1981-09-29 | Modicon Div. Gould Inc. | Programmable controller |
US20150248768A1 (en) * | 2014-02-28 | 2015-09-03 | International Business Machines Corporation | Segmentation Using Hybrid Discriminative Generative Label Fusion of Multiple Atlases |
CN107833605A (zh) * | 2017-03-14 | 2018-03-23 | 北京大瑞集思技术有限公司 | 一种医院病历信息的编码方法、装置、服务器及*** |
CN107818169A (zh) * | 2017-11-13 | 2018-03-20 | 医渡云(北京)技术有限公司 | 电子病历检索方法及装置、电子病历存储方法及装置 |
CN107833603A (zh) * | 2017-11-13 | 2018-03-23 | 医渡云(北京)技术有限公司 | 电子病历文档分类方法、装置、电子设备及存储介质 |
CN110211680A (zh) * | 2018-02-28 | 2019-09-06 | 阿里健康信息技术有限公司 | 一种虚拟诊疗方法、装置及*** |
CN108630322A (zh) * | 2018-04-27 | 2018-10-09 | 厦门大学 | 药物相互作用建模与风险评估方法、终端设备及存储介质 |
CN109599177A (zh) * | 2018-11-27 | 2019-04-09 | 华侨大学 | 一种基于病历的深度学习预测医疗轨迹的方法 |
CN110069631A (zh) * | 2019-04-08 | 2019-07-30 | 腾讯科技(深圳)有限公司 | 一种文本处理方法、装置以及相关设备 |
CN110097936A (zh) * | 2019-05-08 | 2019-08-06 | 北京百度网讯科技有限公司 | 用于输出病历的方法和装置 |
CN111026841A (zh) * | 2019-11-27 | 2020-04-17 | 云知声智能科技股份有限公司 | 一种基于检索和深度学习的自动编码方法及装置 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112802566A (zh) * | 2020-12-31 | 2021-05-14 | 医渡云(北京)技术有限公司 | 一种电子病历的编码方法及装置 |
CN114186078A (zh) * | 2021-12-17 | 2022-03-15 | 沈阳东软智能医疗科技研究院有限公司 | 知识图谱的表示学习方法、装置、存储介质及电子设备 |
CN114186078B (zh) * | 2021-12-17 | 2023-07-21 | 沈阳东软智能医疗科技研究院有限公司 | 知识图谱的表示学习方法、装置、存储介质及电子设备 |
Also Published As
Publication number | Publication date |
---|---|
CN111640517B (zh) | 2023-05-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10929420B2 (en) | Structured report data from a medical text report | |
Johnson et al. | A new severity of illness scale using a subset of acute physiology and chronic health evaluation data elements shows comparable predictive accuracy | |
CN111612039B (zh) | 异常用户识别的方法及装置、存储介质、电子设备 | |
Williams et al. | Applying machine learning to pediatric critical care data | |
CN109036577B (zh) | 糖尿病并发症分析方法及装置 | |
CN111564223B (zh) | 传染病生存概率的预测方法、预测模型的训练方法及装置 | |
CN112633601B (zh) | 疾病事件发生概率的预测方法、装置、设备及计算机介质 | |
CN110299209B (zh) | 相似病历查找方法、装置、设备及可读存储介质 | |
CN112232065B (zh) | 挖掘同义词的方法及装置 | |
Sáez et al. | Stability metrics for multi-source biomedical data based on simplicial projections from probability distribution distances | |
US20160188701A1 (en) | File recognition system and method | |
CN111581969B (zh) | 医疗术语向量表示方法、装置、存储介质及电子设备 | |
CN111640517B (zh) | 病历编码方法、装置、存储介质及电子设备 | |
CN113593709A (zh) | 一种疾病编码方法、***、可读存储介质及装置 | |
Gupta et al. | Utilizing time series data embedded in electronic health records to develop continuous mortality risk prediction models using hidden Markov models: a sepsis case study | |
CN111061835B (zh) | 查询方法及装置、电子设备和计算机可读存储介质 | |
Vidotto et al. | Bayesian multilevel latent class models for the multiple imputation of nested categorical data | |
CN111755090A (zh) | 病历查找方法、病历查找装置、存储介质与电子设备 | |
CN111145846A (zh) | 临床试验患者招募方法及装置、电子设备和存储介质 | |
CN115438040A (zh) | 一种病理档案信息管理方法及*** | |
CN117370565A (zh) | 一种信息检索方法及*** | |
Hong et al. | Predicting risk of mortality in pediatric ICU based on ensemble step-wise feature selection | |
Baccianella et al. | Variable-constraint classification and quantification of radiology reports under the ACR Index | |
CN110287270B (zh) | 实体关系挖掘方法及设备 | |
CN110909824A (zh) | 试验数据的核查方法及装置、存储介质及电子设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |