[发明专利]病历档案归档方法及装置

说明书

本发明提供了一种病历档案归档方法及装置，涉及档案管理的技术领域，包括：针对各已知疾病实体，先按照预设的属性类型构建已知疾病实体的多个子图谱；然后针对各已知疾病实体的每个子图谱，利用目标神经网络构建与子图谱对应的子图网络；再针对各已知疾病实体，基于已知疾病实体所有的子图谱对应的特征子向量构建已知疾病实体的知识图谱对应的特征加权向量；最后基于各已知疾病实体的知识图谱对应的特征加权向量对待测患者的病历档案进行归档。本发明可以实现对待测患者的病历档案的有效归档，提高对待测患者的病历档案归档的准确性。

技术领域

本发明涉及档案管理技术领域，尤其是涉及一种病历档案归档方法及装置。

背景技术

在日常生活中，疾病的诊断结果一般由医生根据患者的症状和检查报告直接给出，由于不同医生的执业水平差异较大，因此可能存在主观因素带来的误判。为了解决该问题，现有技术将病历档案识别与图像处理技术进行了结合，但是在实际应用中其存在由于特征提取困难导致的病历档案归档准确性较低的弊端。

发明内容

本发明的目的在于提供一种病历档案归档方法及装置，以缓解现有技术中存在的由于特征提取困难导致的病历档案归档准确性较低的技术问题。

第一方面，本发明提供的一种病历档案归档方法，其中，包括：针对各已知疾病实体，按照预设的属性类型构建所述已知疾病实体的多个子图谱；针对各已知疾病实体的每个所述子图谱，利用目标神经网络构建与所述子图谱对应的子图网络；其中，不同的子图谱对应的子图网络由不同的特征子向量表示；针对各已知疾病实体，基于所述已知疾病实体所有的子图谱对应的所述特征子向量构建所述已知疾病实体的知识图谱对应的特征加权向量；其中，所述知识图谱由所述已知疾病实体所有的子图谱构成；基于各已知疾病实体的知识图谱对应的所述特征加权向量对待测患者的病历档案进行归档。

进一步的，所述目标神经网络包括依次连接的第一图神经网络层、子图池化层和第二图神经网络层，所述利用目标神经网络构建与所述子图谱对应的子图网络，包括：在所述子图谱的每个节点周围均提取一个有根子图；将每个所述有根子图分别应用至所述第一图神经网络层和所述子图池化层中，得到对应的子图表示；将所有的所述子图表示应用到所述第二图神经网络层中，得到与所述子图谱对应的子图网络。

进一步的，所述的病历档案归档方法还包括：针对各所述子图网络，计算所述子图网络中每个节点的特征向量；针对各所述子图网络，将所有节点的特征向量进行拼接，得到与所述子图网络对应的特征子向量。

进一步的，所述计算所述子图网络中每个节点的特征向量，包括：获取所述子图网络中节点间的邻接矩阵；基于所述子图网络对应的属性类型确定对角矩阵；基于所述邻接矩阵和所述对角矩阵进行数据处理，得到处理后的邻接矩阵和节点度矩阵；基于所述处理后的邻接矩阵和所述节点度矩阵，计算每个节点的特征向量。

进一步的，所述基于各已知疾病实体的知识图谱对应的所述特征加权向量对待测患者的病历档案进行归档，包括：获取待测患者的病历档案，并确定所述病历档案的待计算特征向量；将所述待计算特征向量和各已知疾病实体的知识图谱对应的所述特征加权向量进行相似度计算，并根据相似度计算结果对所述病历档案进行归档。

进一步的，所述确定所述病历档案的待计算特征向量，包括：对所述病历档案进行实体识别，识别出不同属性类型的实体；利用目标相关模型将每个实体转换为对应的词向量；将所有的所述词向量进行加权处理，得到所述病历档案的待计算特征向量。