[发明专利]一种自动生成诊断结果的方法、系统及计算机设备

权利要求书

1.一种自动生成诊断结果的方法，其特征在于，包括：

S1、采集病例的病史小结，并对病史小结进行预处理；

S2、将预处理后的语料构建预训练词向量模型Word2Vec，得到向量表示的语料；

S3、构建神经网络结构，并将向量表示的预料输入该神经网络；该神经网络结构包括双向门控循环单元BiGRU、卷积神经网络卷积神经网络CNN和注意力机制Att；

S4、设置阈值来选择神经网络输出的多分类概率矩阵中的标签，选择的标签即为诊断结果。

2.根据权利要求1所述的一种自动生成诊断结果的方法，其特征在于，步骤S1包括：解析电子病例，按照字段解析并提取结构化信息，并将电子病历信息转化为结构化文本中的一条记录；并对解析后的电子病例文本进行文本分词、清除标点符号以及去除停用词。

3.根据权利要求2所述的一种自动生成诊断结果的方法，其特征在于，采用pdfplumber电子病历进行解析，将文本按照从上至下，从左至右的顺序提取，并将解析后的pdf文本进行拼接，形成一个文本字符串。

4.根据权利要求1所述的一种自动生成诊断结果的方法，其特征在于，步骤S2包括：使用gensim库的Word2vec模型，无监督训练词向量，把每个词都用一个128维的向量表示。

5.根据权利要求1所述的一种自动生成诊断结果的方法，其特征在于，所述步骤3包括：

将文本的word2id传入神经网络的嵌入层，转为词向量矩阵；

使用双向门控循环单元BiGRU提取上下文特征；

对于双向门控循环单元BiGRU提取得到的特征用CNN卷积获取局部信息，并采用最大和均值池化，减少特征维度；

对于双向门控循环单元BiGRU提取到的特征采用Attention机制，给特定位置的信息赋予更高的权重。

6.根据权利要求1所述的一种自动生成诊断结果的方法，其特征在于，步骤S4中的阈值采用F1-score取值最大的值，F1-score表示为：

其中，F1为F1-score的值；P为神经网络结构的精确率，R为神经网络结构的召回率。

7.一种自动生成诊断结果的系统，其特征在于，所述包括数据采集模块、数据预处理模块、词向量生成器、基于神经网络的诊断结果生成器以及诊断结果选择器；其中：

所述数据采集模块用于采集病例中的病史小结；

所述数据预处理模块用于对数据采集模块采集的病史小结转化为结构化文本中的一条记录，并对该条记录进行文本分词、清除标点符号以及去除停用词；

所述词向量生成器用于使用gensim库的Word2vec模型对预处理模块输出的文本进行无监督训练词向量，把每个词都用一个128维的向量表示；

所述基于卷积神经网络的诊断结果生成器用于对输入的词向量进行诊断预测；

所述诊断结果选择器用于判断基于基于神经网络的诊断结果生成器输出的多个诊断结果中选择一个作为诊断结果。

8.根据权利要求7所述的一种自动生成诊断结果的系统，其特征在于，所述基于卷积神经网络的诊断结果生成器包括嵌入单元、双向门控循环单元、卷积神经网络单元以及注意力机制单元；其中：

所述嵌入单元用于将输入的词向量转化为词向量矩阵；

所述双向门控循环单元用于提取词向量矩阵的上下文特征；

所述卷积神经网络单元用于根据提取的上下文特征获取局部信息，并采用最大和均值池化，减少特征维度；

所述注意力机制单元用于对特定位置的信息赋予更高的权重。

9.根据权利要求7所述的一种自动生成诊断结果的系统，其特征在于，所述诊断结果选择器利用F1-score取值最大的值作为诊断结果。

10.一种自动生成诊断结果的计算机设备，其特征在于，包括存储器、处理器以及储存在存储器上可以在处理器上运行的计算机程序，所述计算机程序实现权利要求1～6所述的任一方法。