[发明专利]病情分级预测系统、方法、电子设备及可读存储介质

权利要求书

1.一种基于电子病历的病情分级预测系统，其特征在于，所述系统包括：

第一存储模块，用于存储电子病历信息，所述电子病历信息包括客观指标、现病史和体格检查结果；

第一信息过滤器，与所述第一存储模块连接，用于从所述第一存储模块中读取所述电子病历信息并对所述电子病历信息进行过滤，得到过滤后的电子病历信息，包括结构化数据和文本数据；

分级预测器，用于将所述结构化数据和所述文本数据分别输入急诊病情分级预测模型，得到文本特征挖掘信息、病情分级预测结果以及可视化分析文本。

2.根据权利要求1所述的系统，其特征在于，所述急诊病情分级预测模型包括表示模型和融合模型，所述分级预测器包括：

第一表示模块，用于将所述文本数据输入所述表示模型，得到所述可视化分析文本、所述文本特征挖掘信息和文本特征向量；

第二表示模块，用于将所述结构化数据输入所述表示模型，得到结构化特征向量；

融合模块，用于将所述结构化特征向量和所述文本特征向量输入所述融合模型，得到所述病情分级预测结果。

3.根据权利要求2所述的系统，其特征在于，所述第一表示模块包括：

映射子模块，用于将所述文本数据输入所述表示模型，将文本数据的每一个汉字映射到一个向量，并提取所述文本数据嵌入的上下文信息，得到嵌入向量；

注意力子模块，用于对所述嵌入向量进行注意力处理，得到所述可视化分析文本和文本特征向量；

提取子模块，用于对所述可视化分析文本进行短语提取，得到所述文本特征挖掘信息。

4.根据权利要求1所述的系统，其特征在于，所述系统还包括：

第二存储模块，用于存储多份电子病历信息样本；

第二信息过滤器，与所述第二存储模块连接，用于从所述第二存储模块中读取所述多份电子病历信息样本并对所述多份电子病历信息样本进行过滤，得到多份过滤后的病历信息样本，包括多份结构化数据样本和文本数据样本；

模型训练器，用于将所述多份结构化数据样本和文本数据样本分为训练集、验证集和测试集，对预设模型进行多轮训练，直至训练后的预设模型的评估得分在预设轮数内均不再上升，停止训练，将评估得分最高所对应的模型确定为所述急诊病情分级预测模型。

5.一种基于电子病历的病情分级预测方法，其特征在于，所述方法包括：

存储电子病历信息，所述电子病历信息包括客观指标、现病史和体格检查结果；

读取所述电子病历信息并对所述电子病历信息进行过滤，得到过滤后的电子病历信息，包括

结构化数据和文本数据；

将所述结构化数据和所述文本数据分别输入急诊病情分级预测模型，得到文本特征挖掘信息、病情分级预测结果以及可视化分析文本。

6.根据权利要求5所述的方法，其特征在于，所述急诊病情分级预测模型包括表示模型和融合模型，将所述结构化数据和所述文本数据分别输入急诊病情分级预测模型，得到文本特征挖掘信息、病情分级预测结果以及可视化分析文本，包括：

将所述文本数据输入所述表示模型，得到所述可视化分析文本、所述文本特征挖掘信息和文本特征向量；

将所述结构化数据输入所述表示模型，得到结构化特征向量；

将所述结构化特征向量和所述文本特征向量输入所述融合模型，得到所述病情分级预测结果。

7.根据权利要求6所述的方法，其特征在于，将所述文本数据输入表示模型，得到所述可视化分析文本、所述文本特征挖掘信息和文本特征向量，包括：

将所述文本数据输入所述表示模型，将文本数据的每一个汉字映射到一个向量，并提取所述文本数据嵌入的上下文信息，得到嵌入向量；

对所述嵌入向量进行注意力处理，得到所述可视化分析文本和文本特征向量；

对所述可视化分析文本进行短语提取，得到所述文本特征挖掘信息。