[发明专利]一种基于疾病关联学习和疾病语义抽象的疾病预诊断方法

权利要求书

1.一种基于疾病关联学习和疾病语义抽象的疾病预诊断方法，其特征在于以下步骤：

步骤1:分别初始化病历词汇和疾病词汇的向量表示编码；

步骤2：基于步骤1中病历词汇的向量表示编码，构造初始病历表示编码；

步骤3：基于步骤1中疾病词汇的向量表示编码，构造面向疾病语义的病历表示编码；

步骤4：动态融合步骤2得到的初始病历表示编码和步骤3得到的面向疾病语义的病历表示编码，获取疾病化语义抽象的病历表示编码；

步骤5：建立病历中多种疾病种类之间关联关系的疾病分类模型以更新步骤4获取的疾病化语义抽象的病历表示编码，获取融合疾病关联的病历表示编码；

步骤6：计算疾病分类模型参数向量与融合疾病关联的病历表示编码的空间角度，获取疾病类型的概率分布，输出概率分布最大的疾病类型即为预诊断疾病类型。

2.根据权利要求1所述的一种基于疾病关联学习和疾病语义抽象的疾病预诊断方法，其特征在于，还包括：计算预诊断疾病类型与真实的疾病之间的预测误差，利用预测误差对疾病分类模型参数进行更新优化。

3.根据权利要求1所述的一种基于疾病关联学习和疾病语义抽象的疾病预诊断方法，其特征在于：

所述步骤1的具体实现方法为：

通过神经网络词向量技术将病历词汇和疾病词汇映射到低维向量空间，实现病历词汇和疾病词汇向量表示编码的初始化。

4.根据权利要求1所述的一种基于疾病关联学习和疾病语义抽象的疾病预诊断方法，其特征在于：

所述步骤2的具体实现方法为：

基于步骤1中的病历词汇的向量表示编码，利用长短时记忆网络得到初始病历表示编码。

5.根据权利要求1所述的一种基于疾病关联学习和疾病语义抽象的疾病预诊断方法，其特征在于：

所述步骤3的具体实现方法为：

基于步骤1中的疾病词汇的向量表示编码，使用多头交互注意力机制构造面向疾病语义的病历表示编码。

6.根据权利要求1所述的一种基于疾病关联学习和疾病语义抽象的疾病预诊断方法，其特征在于：

所述步骤4的具体实现方法为：

通过动态门控机制融合初始病历表示编码和面向疾病语义的病历表示编码，获取疾病化语义抽象的病历表示编码，具体的公式为：

D＝λ⊙B+(1-λ)⊙C

其中，D表示疾病化语义抽象的病历表示编码，B表示初始病历表示编码，C表示面向疾病语义的病历表示编码，λ表示融合系数，λ值介于[0,1]之间。

7.根据权利要求1所述一种基于疾病关联学习和疾病语义抽象的疾病预诊断方法，其特征在于：

所述步骤5的具体实现方法为：

使用全局注意力机制和长短时记忆网络建立病历中存在的多种疾病种类之间的关联关系以更新疾病化语义抽象的病历表示编码，得到融合疾病关联的病历表示编码。

8.根据权利要求1所述一种基于疾病关联学习和疾病语义抽象的疾病预诊断方法，其特征在于：

所述步骤6的具体实现方法为：

使用全连接层计算疾病分类模型参数向量与融合疾病关联的病历表示编码的空间角度，并利用softmax函数获取疾病类型的概率分布。

9.根据权利要求2所述一种基于疾病关联学习和疾病语义抽象的疾病预诊断方法，其特征在于：

计算预诊断的疾病类型与真实的疾病之间的预测误差，利用预测误差对参数进行更新优化具体实现方法为：

使用交叉熵损失比较函数计算出输出预诊断的疾病类型与真实的疾病类型的预测误差，通过不断迭代得到最优参数。