[发明专利]一种基于深度学习的医疗记录模型构建方法、系统及装置

权利要求书

1.一种基于深度学习的医疗记录模型构建方法，其特征在于：包括以下步骤：

获取医疗记录，其中，所述医疗记录包括患者个人资料、检验数值和病历记录；

对获取的医疗记录进行聚合训练，生成单词级向量、记录级向量和病人级向量；

根据生成的单词级向量、记录级向量和病人级向量，采用循环神经网络构建医疗记录模型；

所述对获取的医疗记录进行聚合训练，生成单词级向量、记录级向量和病人级向量这一步骤，包括以下步骤：

根据获取的医疗记录，制作词汇表，其中，所述词汇表包括与单词配对的否定词；

根据获取的医疗记录，确定待预测目标的时长；

根据制作的词汇表训练词向量，生成单词级向量；

对生成的单词级向量进行聚合，生成记录级向量和病人级向量；所述根据制作的词汇表训练词向量，生成单词级向量这一步骤，具体为：

采用Word2Vec或Glove模型算法，通过不同的词序对同一医疗记录的多个副本进行并行处理；

根据并行处理的结果，生成单词级向量；

所述对生成的单词级向量进行聚合这一步骤中，聚合的内容包括单词级向量的平均值、最大值、最小值和总数。

2.根据权利要求1所述的一种基于深度学习的医疗记录模型构建方法，其特征在于：所述获取医疗记录这一步骤，具体为：

从临床记录和外部数据中获取医疗记录，其中，所述外部数据包括医学杂志和医学一体化语言系统。

3.根据权利要求1所述的一种基于深度学习的医疗记录模型构建方法，其特征在于：所述根据生成的单词级向量、记录级向量和病人级向量，采用循环神经网络构建医疗记录模型这一步骤，包括以下步骤：

采用基于计数的循环神经网络学习单词级词向量，并聚合形成记录级模型；

采用循环神经网络学习单词级向量、记录级向量以及病人级向量，构建医疗记录模型。

4.根据权利要求1所述的一种基于深度学习的医疗记录模型构建方法，其特征在于：还包括根据待预测目标的时长，采用序贯模型对构建的医疗记录模型进行准确性评估的步骤。

5.根据权利要求4所述的一种基于深度学习的医疗记录模型构建方法，其特征在于：所述根据待预测目标的时长，采用序贯模型对构建的医疗记录模型进行准确性评估这一步骤，包括以下步骤：

根据医疗相关属性和待预测目标的时长，采用序贯模型对单词级向量进行评价，其中，医疗相关属性包括国家药物档案参考术语；

根据预设数据库和待预测目标的时长，采用序贯模型对记录级向量进行评价；

根据实际预测指标和待预测目标的时长，采用序贯模型对病人级向量进行评价，其中，实际预测指标包括死亡率、未来入院可能性、未来急诊次数和常见疾病。