[发明专利]病历质控方法、系统及相应设备和存储介质

权利要求书

1.一种病历质控方法，其特征在于，所述方法包括：

将待质控病历的文本数据输入经训练的第一深度学习模型进行知识图谱实体、属性和关系三元组的自动标注，其中自动标注的语义关系包括药品和诊断关系、药品和手术操作关系、服务项目和诊断关系和/或服务项目和手术操作关系；

将自动标注的实体文本转换为词嵌入向量输入到经训练的第二深度学习模型进行标注实体的自动标化；

基于预先构建的知识图谱知识库，根据自动标注的语义关系和自动标化的实体给出待质控病历的质控结果提示，其中所述知识图谱知识库包括基准语义关系和基准标化实体，所述基准语义关系使用经训练的第一深度学习模型对基础数据进行标注得到，所述基准标化实体使用经训练的第二深度学习模型对使用经训练的第一深度学习模型对基础数据标注得到的实体进行标化得到。

2.根据权利要求1所述的方法，其特征在于，所述方法还包括：

将自动标注的语义关系和自动标化的实体转换为词嵌入向量输入到经训练的第三深度学习模型得到待质控病历的增强的语义关系；

其中，所述知识图谱知识库还包括基准增强语义关系，所述基准增强语义关系使用经训练的第三深度学习模型基于所述基准语义关系和所述基准标化实体得到，所述质控结果提示根据待质控病历的增强的语义关系和自动标化的实体给出。

3.根据权利要求1所述的方法，其特征在于，第一深度学习模型的训练包括：

将人工标注的训练数据的知识图谱三元组文本数据转换为词嵌入向量，其中标注的语义类型包括诊断、手术操作、药品和/或服务项目，标注的语义关系包括药品和诊断关系、药品和手术操作关系、服务项目和诊断关系和/或服务项目和手术操作关系；

将转换的词嵌入向量输入到第一深度学习模型进行训练。

4.根据权利要求3所述的方法，其特征在于，第二深度学习模型的训练包括：

将第一深度学习模型对训练数据自动标注后的所有实体文本分别转换为词嵌入向量；

以疾病、手术操作、药品和服务项目字典为第二深度学习模型深度学习的词本，将转换的词嵌入向量输入到第二深度学习模型进行训练。

5.根据权利要求1所述的方法，其特征在于，第一和/或第二深度学习模型为SPACY自然语言处理模型。

6.根据权利要求2所述的方法，其特征在于，第三深度学习模型为ERNIE-GRAM自然语言处理模型。

7.根据权利要求1或2所述的方法，其特征在于，所述知识图谱知识库以容器化的方式、微服务的方式或者二进制工具的方式部署发布。

8.一种病历质控系统，其特征在于，所述系统包括：

标注模块，用于将待质控病历的文本数据输入经训练的第一深度学习模型进行知识图谱实体、属性和关系三元组的自动标注，其中自动标注的语义关系包括药品和诊断关系、药品和手术操作关系、服务项目和诊断关系和/或服务项目和手术操作关系；

标化模块，用于将自动标注的实体文本转换为词嵌入向量输入到经训练的第二深度学习模型进行标注实体的自动标化；

质控模块，用于基于预先构建的知识图谱知识库，根据自动标注的语义关系和自动标化的实体给出待质控病历的质控结果提示，其中所述知识图谱知识库包括基准语义关系和基准标化实体，所述基准语义关系使用经训练的第一深度学习模型对基础数据进行标注得到，所述基准标化实体使用经训练的第二深度学习模型对使用经训练的第一深度学习模型对基础数据标注得到的实体进行标化得到。

9.一种计算机设备，包括处理器、存储器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其中所述处理器执行所述计算机程序时实现根据权利要求1-7任一所述的方法的步骤或者根据权利要求8所述的系统的功能。

10.一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现根据权利要求1-7任一所述的方法的步骤或者根据权利要求8所述的系统的功能。