[发明专利]疑似传染病预测方法及装置

权利要求书

1.一种疑似传染病预测方法，其特征在于，所述方法包括：

从医疗数据库中获取所有患者的电子病历信息和检查报告信息；

利用每个患者的电子病历信息和检查报告信息以及第一多输入稠密化诊断模型进行训练，以得到二分类预测模型；

利用每个患者的电子病历信息和检查报告信息以及第二多输入稠密化诊断模型进行训练，以得到多分类预测模型；

获取目标患者的电子病历信息和检查报告信息；

使用所述二分类预测模型预测所述目标患者是否是疑似传染病；

当预测所述目标患者是疑似传染病时，使用所述多分类预测模型预测所述疑似传染病的具体类型；

利用每个患者的电子病历信息和检查报告信息以及第一多输入稠密化诊断模型进行训练，以得到二分类预测模型，包括：

第一多输入稠密化诊断模型根据每个患者的电子病历信息和检查报告信息，确定该患者的个人信息、门诊信息或住院信息和检查报告信息；

根据所述患者的个人信息确定个人信息向量，根据所述门诊信息或住院信息确定诊疗向量，根据所述检查报告信息确定检查报告向量；

将所述诊疗向量和检查报告向量分别进行自编码器处理，以得到对应的稠密诊疗向量和稠密检查报告向量；

将所述个人信息向量、稠密诊疗向量和稠密检查报告向量进行合并和归一化处理，以得到输入向量；

将所述输入向量输入自注意力层，以得到第一输出结果；

将所述稠密诊疗向量、稠密检查报告向量和所述第一输出结果进行批归一化处理，得到第一处理结果；

将所述第一处理结果输入前馈神经网络，输出神经网络计算结果；

将所述第一处理结果和所述神经网络计算结果进行批归一化处理，得到第二处理结果；

将所述第二处理结果输入sigmoid函数，以输出是否是疑似传染病的概率；

利用每个患者的电子病历信息和检查报告信息以及第二多输入稠密化诊断模型进行训练，以得到多分类预测模型，包括：

第一多输入稠密化诊断模型根据每个患者的电子病历信息和检查报告信息，确定该患者的个人信息、门诊信息或住院信息和检查报告信息；

根据所述患者的个人信息确定个人信息向量，根据所述门诊信息或住院信息确定诊疗向量，根据所述检查报告信息确定检查报告向量；

将所述诊疗向量和检查报告向量分别进行自编码器处理，以得到对应的稠密诊疗向量和稠密检查报告向量；

将所述个人信息向量、稠密诊疗向量和稠密检查报告向量进行合并和归一化处理，以得到输入向量；

将所述输入向量输入自注意力层，以得到第一输出结果；

将所述稠密诊疗向量、稠密检查报告向量和所述第一输出结果进行批归一化处理，得到第一处理结果；

将所述第一处理结果输入前馈神经网络，输出神经网络计算结果；

将所述第一处理结果和所述神经网络计算结果进行批归一化处理，得到第二处理结果；

将所述第二处理结果输入归一化指数函数，以输出疑似传染病的具体类型的预测值；

所述自编码器在优化过程中把所述诊疗向量和检查报告向量同时作为分类预测模型的输入和输出，通过最小化重构误差希望学习得 到对应的抽象特征表示Z矩阵，其中，对于不同类型的文书，构建的自编码器不同。

2.根据权利要求1所述的方法，其特征在于，在利用每个患者的电子病历信息和检查报告信息进行模型训练之前，还包括：

从所述每个患者的电子病历信息中获取电子病历文本数据；

对所述电子病历文本数据进行序列标注和分词处理，并使用BiLSTM- CRF网络结构从中提取实体特征信息以及实体之间的关系，并通过独热编码对所述实体特征信息进行格式转化，以利用转化格式后的所述实体特征信息进行模型训练。