[发明专利]基于级联分类的病理数据分类方法、装置、设备及介质

说明书

本发明涉及人工智能技术，揭露了一种基于级联分类的病理数据分类方法，包括：提取在线问诊数据的病理数据特征向量集；根据预设的科系类别，利用级联多标签病理数据预测模型对病理数据向量特征集进行两级分类，得到科系类别标签及对应患者的病理数据种类集标签，对病理数据种类集进行聚合，得到混淆病组集；计算混淆病组集中各个混淆病组的独立置信度及整体置信度、均值置信度；当均值置信度小于或等于阈值时，标签值为特定数值的科系类别及病理数据种类作为识别结论。此外，本发明还涉及区块链技术，病理数据特征向量集可存储于区块链的节点。本发明还提出一种基于级联分类的病理数据分类装置、电子设备以及存储介质。本发明可以提高在线疾病诊断系统病理数据识别的准确性。

技术领域

本发明涉及人工智能技术领域，尤其涉及一种基于级联分类的病理数据分类方法、装置、电子设备及计算机可读存储介质。

背景技术

随着科技的发展和互联网的普及，特别是移动互联网技术的普及应用，人们的生产生活方式也随之发生巨大变化。在医疗健康领域，在线病理数据诊断方式被越来越多的人接受和使用，在线医疗方式已经可以提供基于患者问诊内容给出病症诊断结果、开出处方等服务。

现有的在线疾病诊断系统通常聚焦于某一种专科病理数据病理数据或一次只能解决少量种类的病理数据病理数据的分类问题，但是在线疾病诊断系统应用涵盖的科室至少十种以上，需要诊断的病理数据不少于百种，在面对跨科室多病种，尤其是在易混淆、较难鉴别的病种上，当前的在线疾病诊断系统病理数据分类的准确性较低。

发明内容

本发明提供一种基于级联分类的病理数据分类方法、装置及计算机可读存储介质，其主要目的在于解决在线疾病诊断系统病理数据识别的准确性较低的问题。

为实现上述目的，本发明提供的一种病理数据基于级联分类的病理数据分类方法，包括：

获取在线问诊数据，提取所述在线问诊数据的病理数据特征向量集；

根据预设的科系类别，利用预构建的级联多标签病理数据预测模型中的第一分类模型对所述病理数据向量特征集进行一级分类，得到科系类别标签，并计算所述科系类别标签的科系置信度；

根据所述科系类别标签、所述病理数据向量特征集及预构建的易混淆病理数据种类数据集，利用所述级联多标签病理数据预测模型中的第二分类模型，对所述病理数据特征向量集进行二级分类，得到所述在线问诊数据对应患者的病理数据种类集及病理数据种类集标签，并对所述病理数据种类集进行聚合，得到混淆病组集；

计算所述混淆病组集中各个混淆病组的独立置信度，根据所述独立置信度计算所述混淆病组集的整体置信度；

平均所述科系置信度、所述独立置信度及所述整体置信度，得到均值置信度；

当所述均值置信度大于预设阈值时，将所述独立置信度大于所述阈值的混淆病组对应的病理数据特征向量加入候选待提问症状列表，对患者进行进一步问诊，并返回所述获取在线问诊数据，提取所述在线问诊数据的病理数据特征向量集的步骤，直至所述均值置信度小于或等于预设阈值；

当所述均值置信度小于或等于预设阈值时，将所述科系类别标签及所述病理数据种类集标签为特定数值的科系类别及病理数据种类作为分类结论。

可选地，所述提取所述在线问诊数据的病理数据特征向量集，包括：

利用预设的命名实体识别模型，提取所述在线问诊数据中的症状实体，构建症状实体序列；

对所述症状实体序列进行随机的删除、同义症状替换、交换位置操作得到干扰症状实体序列；

利用预设循环神经网络对所述症状实体序列及所述干扰症状实体序列进行编码，得到症状实体向量集及干扰症状实体向量集；