本發(fā)明涉及醫(yī)療信息處理方法，更具體地說是指感染性疾病數(shù)據(jù)智能編碼方法、裝置、計算機設(shè)備及存儲介質(zhì)。

背景技術(shù)：

1、在現(xiàn)代醫(yī)院管理中，感染性疾病的精確編碼對疾病監(jiān)測、治療分析以及醫(yī)療保險結(jié)算至關(guān)重要。隨著電子病歷系統(tǒng)的普及，大量非結(jié)構(gòu)化的醫(yī)療數(shù)據(jù)涌現(xiàn)，包括病歷記錄、實驗室結(jié)果和臨床診斷信息。然而，手動進(jìn)行這些信息的編碼不僅耗時，還易出錯，因此對自動化編碼的需求變得愈發(fā)迫切。

2、傳統(tǒng)的icd（國際疾病分類，international?classification?of?diseases）編碼方法依賴于人工判斷，受到醫(yī)生經(jīng)驗和信息錄入質(zhì)量的影響，可能導(dǎo)致編碼不準(zhǔn)確或遺漏，盡管現(xiàn)有的自動編碼技術(shù)已有所進(jìn)展，但在特征提取和上下文理解上仍面臨挑戰(zhàn)，編碼關(guān)系建模也常常不夠精確。當(dāng)前的一些技術(shù)，如多尺度卷積神經(jīng)網(wǎng)絡(luò)和圖卷積網(wǎng)絡(luò)，雖然能夠處理文本特征和編碼關(guān)系，但在處理長文本方面能力有限，并且計算資源消耗較大。

3、因此，有必要設(shè)計一種新的方法，實現(xiàn)提升感染性疾病數(shù)據(jù)的特征提取和編碼預(yù)測過程，以增強編碼的準(zhǔn)確性和效率。

技術(shù)實現(xiàn)思路

1、本發(fā)明的目的在于克服現(xiàn)有技術(shù)的缺陷，提供感染性疾病數(shù)據(jù)智能編碼方法、裝置、計算機設(shè)備及存儲介質(zhì)。

2、為實現(xiàn)上述目的，本發(fā)明采用以下技術(shù)方案：感染性疾病數(shù)據(jù)智能編碼方法，包括：

3、獲取與感染性疾病相關(guān)的醫(yī)療文本數(shù)據(jù)；

4、對所述醫(yī)療文本數(shù)據(jù)提取局部特征；

5、構(gòu)建臨床醫(yī)學(xué)知識圖譜，對編碼關(guān)系進(jìn)行建模，以得到建模結(jié)果；

6、對所述局部特征與建模結(jié)果進(jìn)行融合，以得到特征融合結(jié)果；

7、將所述特征融合結(jié)果輸入至編碼決策模型中進(jìn)行編碼，以得到icd編碼結(jié)果；

8、輸出所述icd編碼結(jié)果。

9、其進(jìn)一步技術(shù)方案為：所述對所述醫(yī)療文本數(shù)據(jù)提取局部特征，包括：

10、對所述醫(yī)療文本數(shù)據(jù)進(jìn)行文本分解和嵌入，以得到嵌入矩陣；

11、對所述嵌入矩陣進(jìn)行卷積操作，以得到卷積結(jié)果；

12、對所述卷積結(jié)果進(jìn)行最大池化層處理，以得到池化結(jié)果；

13、對所述池化結(jié)果進(jìn)行特征圖拼接以及全連接處理，以得到局部特征。

14、其進(jìn)一步技術(shù)方案為：所述構(gòu)建臨床醫(yī)學(xué)知識圖譜，對編碼關(guān)系進(jìn)行建模，以得到建模結(jié)果，包括：

15、構(gòu)建臨床醫(yī)學(xué)知識圖譜，采用圖神經(jīng)網(wǎng)絡(luò)對編碼關(guān)系進(jìn)行建模，以得到建模結(jié)果。

16、其進(jìn)一步技術(shù)方案為：所述構(gòu)建臨床醫(yī)學(xué)知識圖譜，采用圖神經(jīng)網(wǎng)絡(luò)對編碼關(guān)系進(jìn)行建模，以得到建模結(jié)果，包括：

17、構(gòu)建臨床醫(yī)學(xué)知識圖譜；

18、對所述臨床醫(yī)學(xué)知識圖譜進(jìn)行多層圖卷積處理，以得到節(jié)點嵌入表示；

19、對所述節(jié)點嵌入表示使用池化操作提取全局特征；

20、根據(jù)所述全局特征表示計算節(jié)點之間的相似度，以確定節(jié)點間的依賴關(guān)系；

21、組合所述節(jié)點嵌入表示以及節(jié)點間的依賴關(guān)系，以得到建模結(jié)果。

22、其進(jìn)一步技術(shù)方案為：所述對所述臨床醫(yī)學(xué)知識圖譜進(jìn)行多層圖卷積處理，以得到節(jié)點嵌入表示，包括：

23、對所述臨床醫(yī)學(xué)知識圖譜中鄰居節(jié)點的信息聚合，計算每個節(jié)點的特征加權(quán)和；

24、應(yīng)用圖卷積層的權(quán)重矩陣和偏置項，并使用relu激活函數(shù)進(jìn)行非線性變換，以得到節(jié)點嵌入表示。

25、其進(jìn)一步技術(shù)方案為：所述對所述局部特征與建模結(jié)果進(jìn)行融合，以得到特征融合結(jié)果，包括：

26、將所述局部特征與所述建模結(jié)果進(jìn)行拼接，以得到高維特征向量；

27、對所述高維特征向量進(jìn)行降維處理，以得到降維結(jié)果；

28、將所述降維結(jié)果輸入至集成學(xué)習(xí)模型中進(jìn)行特征融合，以得到特征融合結(jié)果。

29、其進(jìn)一步技術(shù)方案為：所述將所述特征融合結(jié)果輸入至編碼決策模型中進(jìn)行編碼，以得到icd編碼結(jié)果，包括：

30、將所述特征融合結(jié)果輸入至編碼決策模型中進(jìn)行編碼，并采用模糊邏輯確定icd編碼結(jié)果；

31、其中，所述編碼決策模型是利用強化學(xué)習(xí)框架構(gòu)建的多層次神經(jīng)網(wǎng)絡(luò)模型。

32、本發(fā)明還提供了感染性疾病數(shù)據(jù)智能編碼裝置，包括：

33、數(shù)據(jù)獲取單元，用于獲取與感染性疾病相關(guān)的醫(yī)療文本數(shù)據(jù)；

34、局部特征提取單元，用于對所述醫(yī)療文本數(shù)據(jù)提取局部特征；

35、建模單元，用于構(gòu)建臨床醫(yī)學(xué)知識圖譜，對編碼關(guān)系進(jìn)行建模，以得到建模結(jié)果；

36、融合單元，用于對所述局部特征與建模結(jié)果進(jìn)行融合，以得到特征融合結(jié)果；

37、編碼單元，用于將所述特征融合結(jié)果輸入至編碼決策模型中進(jìn)行編碼，以得到icd編碼結(jié)果；

38、輸出單元，用于輸出所述icd編碼結(jié)果。

39、本發(fā)明還提供了一種計算機設(shè)備，所述計算機設(shè)備包括存儲器及處理器，所述存儲器上存儲有計算機程序，所述處理器執(zhí)行所述計算機程序時實現(xiàn)上述的方法。

40、本發(fā)明還提供了一種存儲介質(zhì)，所述存儲介質(zhì)存儲有計算機程序，所述計算機程序被處理器執(zhí)行時實現(xiàn)上述的方法。

41、本發(fā)明與現(xiàn)有技術(shù)相比的有益效果是：本發(fā)明通過獲取與感染性疾病相關(guān)的醫(yī)療文本數(shù)據(jù)并提取局部特征，構(gòu)建臨床醫(yī)學(xué)知識圖譜，對編碼關(guān)系進(jìn)行建模，并融合局部特征與建模結(jié)果，將融合結(jié)果輸入編碼決策模型，生成并輸出icd編碼結(jié)果，實現(xiàn)提升感染性疾病數(shù)據(jù)的特征提取和編碼預(yù)測過程，以增強編碼的準(zhǔn)確性和效率。

42、下面結(jié)合附圖和具體實施例對本發(fā)明作進(jìn)一步描述。

技術(shù)特征：

1.感染性疾病數(shù)據(jù)智能編碼方法，其特征在于，包括：

2.根據(jù)權(quán)利要求1所述的感染性疾病數(shù)據(jù)智能編碼方法，其特征在于，所述對所述醫(yī)療文本數(shù)據(jù)提取局部特征，包括：

3.根據(jù)權(quán)利要求1所述的感染性疾病數(shù)據(jù)智能編碼方法，其特征在于，所述構(gòu)建臨床醫(yī)學(xué)知識圖譜，對編碼關(guān)系進(jìn)行建模，以得到建模結(jié)果，包括：

4.根據(jù)權(quán)利要求3所述的感染性疾病數(shù)據(jù)智能編碼方法，其特征在于，所述構(gòu)建臨床醫(yī)學(xué)知識圖譜，采用圖神經(jīng)網(wǎng)絡(luò)對編碼關(guān)系進(jìn)行建模，以得到建模結(jié)果，包括：

5.根據(jù)權(quán)利要求1所述的感染性疾病數(shù)據(jù)智能編碼方法，其特征在于，所述對所述臨床醫(yī)學(xué)知識圖譜進(jìn)行多層圖卷積處理，以得到節(jié)點嵌入表示，包括：

6.根據(jù)權(quán)利要求1所述的感染性疾病數(shù)據(jù)智能編碼方法，其特征在于，所述對所述局部特征與建模結(jié)果進(jìn)行融合，以得到特征融合結(jié)果，包括：

7.根據(jù)權(quán)利要求1所述的感染性疾病數(shù)據(jù)智能編碼方法，其特征在于，所述將所述特征融合結(jié)果輸入至編碼決策模型中進(jìn)行編碼，以得到icd編碼結(jié)果，包括：

8.感染性疾病數(shù)據(jù)智能編碼裝置，其特征在于，包括：

9.一種計算機設(shè)備，其特征在于，所述計算機設(shè)備包括存儲器及處理器，所述存儲器上存儲有計算機程序，所述處理器執(zhí)行所述計算機程序時實現(xiàn)如權(quán)利要求1至7中任一項所述的方法。

10.一種存儲介質(zhì)，其特征在于，所述存儲介質(zhì)存儲有計算機程序，所述計算機程序被處理器執(zhí)行時實現(xiàn)如權(quán)利要求1至7中任一項所述的方法。

技術(shù)總結(jié)
本發(fā)明實施例公開了感染性疾病數(shù)據(jù)智能編碼方法、裝置、計算機設(shè)備及存儲介質(zhì)。所述方法包括：獲取與感染性疾病相關(guān)的醫(yī)療文本數(shù)據(jù)；對所述醫(yī)療文本數(shù)據(jù)提取局部特征；構(gòu)建臨床醫(yī)學(xué)知識圖譜，對編碼關(guān)系進(jìn)行建模，以得到建模結(jié)果；對所述局部特征與建模結(jié)果進(jìn)行融合，以得到特征融合結(jié)果；將所述特征融合結(jié)果輸入至編碼決策模型中進(jìn)行編碼，以得到ICD編碼結(jié)果；輸出所述ICD編碼結(jié)果。通過實施本發(fā)明實施例的方法可實現(xiàn)提升感染性疾病數(shù)據(jù)的特征提取和編碼預(yù)測過程，以增強編碼的準(zhǔn)確性和效率。

技術(shù)研發(fā)人員：劉運喜,林建,姚宏武,霍瑞,杜明梅,陳春平,劉夢林,劉伯偉,白艷玲,李歡
受保護(hù)的技術(shù)使用者：杭州杏林信息科技有限公司
技術(shù)研發(fā)日：
技術(shù)公布日：2024/12/19