[发明专利]医疗数据处理方法、装置、系统、设备和存储介质

权利要求书

1.一种医疗数据处理方法，所述方法包括：

获取针对目标对象的至少两种数据模态的医疗数据；

根据所述至少两种数据模态的所述医疗数据所表达的数据信息，对所述至少两种数据模态的所述医疗数据进行编码重组，得到至少两种特征类型的特征数据；

对所述至少两种特征类型的所述特征数据进行特征融合，得到全局对象特征；

对所述全局对象特征进行映射，得到针对所述目标对象的所述医疗数据的分类结果；所述分类结果中的分类类别包括疾病的疾病属性；

所述对所述全局对象特征进行映射，得到针对所述目标对象的所述医疗数据的分类结果，包括：基于训练好的风险潜在特征及分类偏移，对全局对象特征进行映射，得到针对目标对象的医疗数据的分类结果；所述风险潜在特征指在对全局对象特征进行映射的过程中，对全局对象特征中的各元素进行加权的权重系数组成的矩阵；所述分类偏移指在对全局对象特征进行映射过程中的偏移向量。

2.根据权利要求1所述的方法，其特征在于，所述对所述至少两种特征类型的所述特征数据进行特征融合，得到全局对象特征，包括：

对每一种所述特征类型的所述特征数据，基于子类特征信息对所述特征数据进行映射，得到密致特征；

对所述至少两种特征类型的所述密致特征进行特征融合，得到全局对象特征。

3.根据权利要求2所述的方法，其特征在于，所述对所述至少两种特征类型的所述密致特征进行特征融合，得到全局对象特征，包括：

对每一种所述特征类型的所述密致特征，获取各子类特征信息与密致特征之间的关联性；

根据所述各子类特征信息与密致特征之间的关联性，对所述密致特征进行修正，得到修正特征；

对所述至少两种特征类型的所述修正特征进行特征融合，得到全局对象特征。

4.根据权利要求2所述的方法，其特征在于，所述对所述至少两种特征类型的所述密致特征进行特征融合，得到全局对象特征，包括：

对所述至少两种特征类型的所述密致特征进行拼接，得到对象拼接特征；

根据训练好的所述至少两种特征类型的影响权重对所述对象拼接特征进行映射，得到全局对象特征。

5.根据权利要求4所述的方法，其特征在于，所述至少两种特征类型的影响权重的训练过程，包括：

获取训练样本，所述训练样本包括所述对象拼接特征以及期望的全局对象特征；

基于影响权重对所述对象拼接特征进行映射，得到训练的全局对象特征；

基于注意力机制根据训练的全局对象特征与期望的全局对象特征之间的损失，更新所述影响权重。

6.根据权利要求1所述的方法，其特征在于，所述数据模态至少包括对象基本信息数据；所述根据所述至少两种数据模态的所述医疗数据所表达的数据信息，对所述至少两种数据模态的所述医疗数据进行编码重组，得到至少两种特征类型的特征数据之前，还包括：

采用第一多热向量表达离散处理后的所述对象基本信息数据；

根据所述第一多热向量确定所述对象基本信息数据所表达的数据信息。

7.根据权利要求1所述的方法，其特征在于，所述数据模态至少包括调查问卷数据；所述根据所述至少两种数据模态的所述医疗数据所表达的数据信息，对所述至少两种数据模态的所述医疗数据进行编码重组，得到至少两种特征类型的特征数据之前，还包括：

针对所述调查问卷数据中问题记录对应的答案数据，进行空间划分；

采用第二多热向量表达所述空间划分后的各所述答案数据；

根据所述第二多热向量确定所述调查问卷数据所表达的数据信息。

8.根据权利要求1所述的方法，其特征在于，所述数据模态至少包括智能问答数据；所述根据所述至少两种数据模态的所述医疗数据所表达的数据信息，对所述至少两种数据模态的所述医疗数据进行编码重组，得到至少两种特征类型的特征数据之前，还包括：

根据所述目标对象的身体部位及自感级别，对所述智能问答数据进行信息提取及映射，得到分布向量；

根据所述分布向量确定所述智能问答数据所表达的数据信息。